[發(fā)明專利]一種用于無人配送車的3D目標(biāo)追蹤方法

在審

• 申請?zhí)枺?/td>: 202211087207.8
• 申請日: 2022-09-07
• 公開（公告）號: CN115511912A
• 公開（公告）日: 2022-12-23
• 發(fā)明（設(shè)計）人: 肖文平;何敖東
• 申請（專利權(quán)）人: 上海赫千電子科技有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/277;G06T7/80;G06V10/74;G06V10/764;G06V10/766;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種用于無人配送車的3D目標(biāo)追蹤方法，其特征在于，至少包括：

獲取車身前方的點云數(shù)據(jù)和圖像數(shù)據(jù)，將點云數(shù)據(jù)和圖像數(shù)據(jù)輸入3D目標(biāo)檢測器進(jìn)行檢測，獲取t時刻的3D檢測目標(biāo)；

獲取t-1時刻的3D的追蹤目標(biāo)，通過目標(biāo)軌跡預(yù)測器預(yù)測t-1時刻的3D追蹤目標(biāo)運(yùn)動到t時刻軌跡，獲取t時刻的3D虛目標(biāo)；

利用匹配器將t時刻的3D檢測目標(biāo)與3D虛目標(biāo)進(jìn)行匹配，獲取t時刻3D的追蹤目標(biāo)；

其中，匹配器的匹配具體包括：獲取t時刻3D檢測目標(biāo)與3D虛目標(biāo)距離相似度、特征相似度和3D檢測目標(biāo)與3D虛目標(biāo)的類別差異因子；

若類別差異因子為1和特征相似度小于預(yù)設(shè)第一相似度閾值，獲取3D檢測目標(biāo)與3D虛目標(biāo)中所有對應(yīng)的距離相似度，選擇距離相似度最小3D檢測目標(biāo)與3D虛目標(biāo)為匹配對。

2.如權(quán)利要求1所述一種用于無人配送車的3D目標(biāo)追蹤方法，其特征在于，t時刻，當(dāng)滿足條件3D檢測目標(biāo)的數(shù)量與3D虛目標(biāo)的數(shù)量不一致時，若存在任一個3D檢測目標(biāo)與多個不同的3D虛目標(biāo)匹配成功或存在任一個3D虛目標(biāo)與多個不同的3D檢測目標(biāo)匹配成功；

查詢所有匹配對對應(yīng)的特征相似度，然后選擇特征相似度最大的匹配對為最終3D檢測目標(biāo)與3D虛目標(biāo)對應(yīng)的匹配對。

3.如權(quán)利要求1所述一種用于無人配送車的3D目標(biāo)追蹤方法，其特征在于，若3D檢測目標(biāo)與3D虛目標(biāo)的類別差異因子為0，則認(rèn)為不匹配；

若3D檢測目標(biāo)與3D虛目標(biāo)的相似度小于預(yù)設(shè)第一相似度閾值，則認(rèn)為不匹配；若相似度距離大于預(yù)設(shè)第二相似度閾值時，則認(rèn)為不匹配。

4.一種用于無人配送車的3D目標(biāo)追蹤方法，其特征在于，至少包括：

獲取車身前方的點云數(shù)據(jù)和圖像數(shù)據(jù)，將點云數(shù)據(jù)和圖像數(shù)據(jù)輸入3D目標(biāo)檢測器進(jìn)行檢測，獲取t時刻的3D檢測目標(biāo)；

獲取t-1時刻的3D的追蹤目標(biāo)，通過目標(biāo)軌跡預(yù)測器預(yù)測t-1時刻的3D追蹤目標(biāo)運(yùn)動到t時刻軌跡，獲取t時刻的3D虛目標(biāo)；

利用匹配器將t時刻的3D檢測目標(biāo)與3D虛目標(biāo)進(jìn)行匹配，獲取t時刻3D的追蹤目標(biāo)；

其中，匹配器的匹配具體包括：獲取t時刻3D檢測目標(biāo)與3D虛目標(biāo)距離相似度、3D檢測目標(biāo)與3D虛目標(biāo)的類別差異因子；

若類別差異因子為1，將距離相似度、通過t時刻3D檢測器提取的3D檢測目標(biāo)的特征和t-1時刻3D檢測器提取3D追蹤目標(biāo)的特征輸入線性神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，判斷3D檢測目標(biāo)與3D虛目標(biāo)是否匹配。

5.如權(quán)利要求4所述一種用于無人配送車的3D目標(biāo)追蹤方法，其特征在于，t時刻，通過線性神經(jīng)網(wǎng)絡(luò)預(yù)測出每個3D檢測目標(biāo)與所有的3D虛目標(biāo)的概率值，獲取概率值最大的匹配對為最終的匹配對。

6.如權(quán)利要求4所述一種用于無人配送車的3D目標(biāo)追蹤方法，其特征在于，t時刻，當(dāng)滿足條件3D檢測目標(biāo)的數(shù)量與3D虛目標(biāo)的數(shù)量不一致時，若存在任一個3D檢測目標(biāo)與多個不同的3D虛目標(biāo)匹配成功或存在任一個3D虛目標(biāo)與多個不同的3D檢測目標(biāo)匹配成功；

在多個匹配對中，選取概率值最大的匹配對為最終的匹配對。

7.如權(quán)利要求4所述一種用于無人配送車的3D目標(biāo)追蹤方法，其特征在于，在線性神經(jīng)網(wǎng)絡(luò)中的訓(xùn)練中，分別將距離相似度、t時刻3D檢測器提取的3D檢測目標(biāo)的特征和t-1時刻3D檢測器提取的3D追蹤目標(biāo)的特征輸入線性神經(jīng)網(wǎng)絡(luò)，然后將二者的輸入結(jié)果進(jìn)行拼接后輸入通過包含有全連接層、隨機(jī)節(jié)點放棄層、Sigmoid層的神經(jīng)網(wǎng)絡(luò)；

神經(jīng)網(wǎng)絡(luò)損失函數(shù)采用二分類的BECloss函數(shù)。