一种多目标数据跟踪方法及系统与流程

1.本发明属于自动驾驶与传感器数据处理领域，具体涉及基一种多目标数据跟踪方法及系统。


背景技术：

2.自动驾驶领域传感器融合是一个比较重要的领域，在多传感器目标融合阶段，需要对不同的传感器输出目标进行数据关联，以此来进行判断多个数据是否属于同一目标。
3.在目前自动驾驶感知融合领域，通常采用的是匈牙利匹配算法进行数据关联，但是匈牙利算法是最大匹配算法，在特殊情况下，两个不相关的目标也能匹配上，导致融合结果出现误差。


技术实现要素：

4.为解决最大匹配算法导致多传感器数据融合出现误差的问题，在本发明的第一方面提供了一种多目标数据跟踪方法，包括如下步骤：
5.获取多个传感器的测量数据以及多个预测数据，并根据每个传感器的测量数据和多个预测数据的向量相关一致性，对每个测量目标和每个预测目标进行匹配；
6.统计每个测量目标和每个预测目标的匹配成功的次数，并根据其构建关联矩阵；
7.根据基于运动学模型的卡尔曼滤波方法和所述关联矩阵，对所述测量目标和预测目标进行管理。
8.在本发明的一些实施例中，所述向量相关一致性通过如下方法计算：
[0009][0010]
其中，ρ(.)表示关联矩阵的向量相关一致性指数；s表示预测目标数据，t表示测量目标数据，e(.)表示相对应的均值；s表示预测目标数据的序数，t表示测量目标数据的序数，m和n分别表示测量目标总数和预测目标总数。
[0011]
进一步的，若存在一个测量目标与多个预测目标的向量相关一致性指数相等，则：从所述多个预测目标的数据中，选择与测量目标的欧式距离最小的一组预测目标数据作为匹配数据。
[0012]
在本发明的一些实施例中，所述根据基于运动学模型的卡尔曼滤波方法和所述关联矩阵，对所述测量目标和预测目标进行管理包括：
[0013]
根据基于运动学模型的卡尔曼滤波方法对测量目标和预测目标的数据进行更新；统计经过更新后的预测目标以及测量目标的匹配次数，并根据其对测量目标和预测目标的数据进行管理。
[0014]
进一步的，所述统计经过更新后的预测目标以及测量目标的匹配次数，并根据其
对测量目标和预测目标的数据进行管理包括：若存在测量目标和预测目标的数据在预设帧数内匹配次数不小于阈值，则保留该测量目标及其数据；否则，将该测量目标从关联矩阵中剔除。
[0015]
在上述的实施例中，所述关联矩阵通过如下方法构建：将每个传感器的测量数据和每个预测数据的序数分别作为关联矩阵的行数据和列数据；将行数据对应的测量数据与列数据对应的预测数据进行向量相关一致性计算；根据所述向量相关一致性计算的结果，确定行数据与列数据对应的关联矩阵中的元素的取值。
[0016]
本发明的第二方面，提供了一种多目标数据跟踪系统，包括获取模块、匹配模块、管理模块，所述获取模块，用于获取多个传感器的测量数据以及多个预测数据，并根据每个传感器的测量数据和多个预测数据的向量相关一致性，对每个测量目标和每个预测目标进行匹配；匹配模块，用于统计每个测量目标和每个预测目标的匹配成功的次数，并根据其构建关联矩阵；管理模块，用于根据基于运动学模型的卡尔曼滤波方法和所述关联矩阵，对所述测量目标和预测目标进行管理。
[0017]
进一步的，所述管理模块包括更新单元、管理单元，
[0018]
所述更新单元，用于根据基于运动学模型的卡尔曼滤波方法对测量目标和预测目标的数据进行更新；
[0019]
所述管理单元，统计经过更新后的预测目标以及测量目标的匹配次数，并根据其对测量目标和预测目标的数据进行管理。
[0020]
本发明的第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明第一方面提供的多目标数据跟踪方法。
[0021]
本发明的第四方面，提供了一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现本发明第一方面提供的多目标数据跟踪方法。
[0022]
本发明的有益效果是：
[0023]
1.本发明通过基于向量相关一致性的匹配方法，解决了最大匹配算法导致出现误差的问题，并提高了匹配精度；
[0024]
2.通过关联矩阵多传感器和多目标数据进行有效管理；
[0025]
3.通过卡尔曼滤波方法更新数据和统计匹配次数，实现实时多传感器多目标数据跟踪和预测。
附图说明
[0026]
图1为本发明的一些实施例中的多目标数据跟踪方法的基本流程示意图；
[0027]
图2为本发明的一些实施例中的多目标数据跟踪方法的具体流程示意图；
[0028]
图3为本发明的一些实施例中的多目标数据跟踪方法中的关联矩阵表示示意图；
[0029]
图4为本发明的一些实施例中的多目标数据跟踪系统的结构示意图；
[0030]
图5为本发明的一些实施例中的电子设备的结构示意图。
具体实施方式
[0031]
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并
非用于限定本发明的范围。
[0032]
参考图1与图2，在本发明的第一方面，提供了一种多目标数据跟踪方法，包括如下步骤：s100.获取多个传感器的测量数据以及多个预测数据，并根据每个传感器的测量数据和多个预测数据的向量相关一致性，对每个测量目标和每个预测目标进行匹配；
[0033]
s200.统计每个测量目标和每个预测目标的匹配成功的次数，并根据其构建关联矩阵；
[0034]
s300.根据基于运动学模型的卡尔曼滤波方法和所述关联矩阵，对所述测量目标和预测目标进行管理。
[0035]
在本发明的一些实施例的步骤s100至s300中，所述向量相关一致性通过如下方法计算：
[0036][0037]
其中，ρ(.)表示关联矩阵的向量相关一致性指数；s表示预测目标数据，t表示测量目标数据，e(.)表示相对应的均值；s表示预测目标数据的序数，t表示测量目标数据的序数，m和n分别表示测量目标总数和预测目标总数(对应于一帧数据或多帧数据)。
[0038]
可以理解，e(.)表示平均值，其计算方法包括但不限于算术平均值、几何平均值、方差等。测量目标数据或预测目标数据通过包括一个变量或多个变量，当数据为多个变量时，s或t对应于矩阵或序列等多维数据类型。关联矩阵的向量相关一致性指数也可采用矩阵相似度的方法进行计算；上述s或t所表示预测目标数据的序数或测量目标数据的序数，分别可用空间帧或时间帧的序数替代。
[0039]
进一步的，若存在一个测量目标与多个预测目标的向量相关一致性指数相等，则：从所述多个预测目标的数据中，选择与测量目标的欧式距离最小的一组预测目标数据作为匹配数据。例如，在某个预测目标的数据中，惯性导航传感器中和卫星定位传感器均可用于测量或预测目标的位姿信息，因此需要对两者产生的数据进行匹配。
[0040]
在本发明的一些实施例的步骤s300中，所述根据基于运动学模型的卡尔曼滤波方法和所述关联矩阵，对所述测量目标和预测目标进行管理包括：
[0041]
s301.根据基于运动学模型的卡尔曼滤波方法对测量目标和预测目标的数据进行更新；s302.统计经过更新后的预测目标以及测量目标的匹配次数，并根据其对测量目标和预测目标的数据进行管理。运动学模型包括：匀速模型(constant velocity，cv)，匀加速模型(constant acceleration，ca)，恒定转弯率和速度幅度模型(constant turn rate and velocity，ctrv)，恒定转动率和加速度(ctra)，恒定转向角和速度(csav)恒定曲率和加速度(constant curvature and acceleration，cca)。
[0042]
具体地，步骤s301中，基于卡尔曼滤波方法对测量目标和预测目标的数据进行更新步骤如下：
[0043]
基于cv模型的卡尔曼流程如下：
[0044]
预测方程：
[0045]
(线性cv运动模型)
[0046]
(状态协方差矩阵)
[0047]
更新方程：
[0048]
(计算卡尔曼增益)
[0049]
(通过测量更新估计)
[0050]
p
t
＝(i-k
t
h)p
t-⑤
(更新误差协方差)
[0051]
其中方程
①
中x(t)＝(p
x
,py,v
x
,vy)
t
，x为状态向量(状态向量)，p表示为目标的位置信息(x、y为其对应坐标轴上的分量)，v表示目标的相对速度；上标^表示对应变量的测量值，上标-表示对应变量的预测值；以及：
[0052][0053]vt
＝v
t-1
u
t
×
δt；
[0054]
将以上整理成矩阵形式：
[0055][0056]
其中方程
②
的p为状态协方差矩阵，q为预测模型的噪声，f表示状态转移方程，描述了目标预测的不确定性；方程
③
中k为计算卡尔曼增益，其中h为转移矩阵，r为测量(传感器观测输入)噪声的协方差矩阵，t为时间或帧数，δt为时间间隔，u
t
为加速度或速度改变率。
[0057]
进一步的，在一些实施例的步骤s302中，所述统计经过更新后的预测目标以及测量目标的匹配次数，并根据其对测量目标和预测目标的数据进行管理包括：若存在测量目标和预测目标的数据在预设帧数内匹配次数不小于阈值，则保留该测量目标及其数据；否则，将该测量目标从关联矩阵中剔除。
[0058]
具体地，统计预测目标和测量目标在多帧数据中的匹配次数，如果在5帧数据中匹配上3次，则认为是有效数据，如果5帧中3次都没有匹配上，则认为是无效数据，无效数据需要从关联矩阵剔除。
[0059]
参考图3，在上述的实施例中，所述关联矩阵通过如下方法构建：将每个传感器的测量数据和每个预测数据的序数分别作为关联矩阵的行数据和列数据；将行数据对应的测量数据与列数据对应的预测数据进行向量相关一致性计算；根据所述向量相关一致性计算的结果，确定行数据与列数据对应的关联矩阵中的元素的取值。匹配成功的行数据与列数据在关联矩阵的对应元素取值为1，否则为0。
[0060]
实施例2
[0061]
参考图4，本发明的第二方面，提供了一种多目标数据跟踪系统1，包括获取模块11、匹配模块12、管理模块13，所述获取模块，用于获取多个传感器的测量数据以及多个预测数据，并根据每个传感器的测量数据和多个预测数据的向量相关一致性，对每个测量目标和每个预测目标进行匹配；匹配模块，用于统计每个测量目标和每个预测目标的匹配成功的次数，并根据其构建关联矩阵；管理模块，用于根据基于运动学模型的卡尔曼滤波方法
和所述关联矩阵，对所述测量目标和预测目标进行管理。
[0062]
进一步的，所述管理模块13包括更新单元、管理单元，所述更新单元，用于根据基于运动学模型的卡尔曼滤波方法对测量目标和预测目标的数据进行更新；
[0063]
所述管理单元，统计经过更新后的预测目标以及测量目标的匹配次数，并根据其对测量目标和预测目标的数据进行管理。
[0064]
实施例3
[0065]
参考图5，本发明的第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明第一方面提供的方法。可选的，电子设备可用于车载设备、船载设备或飞行器中的电子控制单元ecu以及实现目标预测管理的控制单元。
[0066]
电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(rom)502中的程序或者从存储装置508加载到随机访问存储器(ram)503中的程序而执行各种适当的动作和处理。在ram 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、rom 502以及ram 503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。
[0067]
通常以下装置可以连接至i/o接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置507；包括例如硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
[0068]
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从rom 502被安装。在该计算机程序被处理装置501执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所描述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd－rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该
计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0069]
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个计算机程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：
[0070]
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c 、python，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0071]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0072]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。