[發(fā)明專利]一種用于無人配送車的3D目標追蹤方法在審
| 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 |
| 地址： | 200125 上海市浦東*** | 國省代碼： | 上海;31 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 用于 無人 配送 目標 追蹤 方法 | ||
1.一種用于無人配送車的3D目標追蹤方法，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目標檢測器進行檢測，獲取t時刻的3D檢測目標；
獲取t-1時刻的3D的追蹤目標，通過目標軌跡預(yù)測器預(yù)測t-1時刻的3D追蹤目標運動到t時刻軌跡，獲取t時刻的3D虛目標；
利用匹配器將t時刻的3D檢測目標與3D虛目標進行匹配，獲取t時刻3D的追蹤目標；
其中，匹配器的匹配具體包括：獲取t時刻3D檢測目標與3D虛目標距離相似度、特征相似度和3D檢測目標與3D虛目標的類別差異因子；
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檢測目標與3D虛目標中所有對應(yīng)的距離相似度，選擇距離相似度最小3D檢測目標與3D虛目標為匹配對。
2.如權(quán)利要求1所述一種用于無人配送車的3D目標追蹤方法，其特征在于，t時刻，當滿足條件3D檢測目標的數(shù)量與3D虛目標的數(shù)量不一致時，若存在任一個3D檢測目標與多個不同的3D虛目標匹配成功或存在任一個3D虛目標與多個不同的3D檢測目標匹配成功；
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檢測目標與3D虛目標對應(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目標追蹤方法，其特征在于，若3D檢測目標與3D虛目標的類別差異因子為0，則認為不匹配；
若3D檢測目標與3D虛目標的相似度小于預(yù)設(shè)第一相似度閾值，則認為不匹配；若相似度距離大于預(yù)設(shè)第二相似度閾值時，則認為不匹配。
4.一種用于無人配送車的3D目標追蹤方法，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目標檢測器進行檢測，獲取t時刻的3D檢測目標；
獲取t-1時刻的3D的追蹤目標，通過目標軌跡預(yù)測器預(yù)測t-1時刻的3D追蹤目標運動到t時刻軌跡，獲取t時刻的3D虛目標；
利用匹配器將t時刻的3D檢測目標與3D虛目標進行匹配，獲取t時刻3D的追蹤目標；
其中，匹配器的匹配具體包括：獲取t時刻3D檢測目標與3D虛目標距離相似度、3D檢測目標與3D虛目標的類別差異因子；
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檢測目標的特征和t-1時刻3D檢測器提取3D追蹤目標的特征輸入線性神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，判斷3D檢測目標與3D虛目標是否匹配。
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檢測目標與所有的3D虛目標的概率值，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目標追蹤方法，其特征在于，t時刻，當滿足條件3D檢測目標的數(shù)量與3D虛目標的數(shù)量不一致時，若存在任一個3D檢測目標與多個不同的3D虛目標匹配成功或存在任一個3D虛目標與多個不同的3D檢測目標匹配成功；
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檢測目標的特征和t-1時刻3D檢測器提取的3D追蹤目標的特征輸入線性神經(jīng)網(wǎng)絡(luò)，然后將二者的輸入結(jié)果進行拼接后輸入通過包含有全連接層、隨機節(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)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于上海赫千電子科技有限公司，未經(jīng)上海赫千電子科技有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202211087207.8/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 上一篇：一種用于智能汽車的3D目標追蹤方法
- 下一篇：云中心的管理方法和裝置
