利用激光雷达传感器的对象检测方法和对象跟踪装置与流程

利用激光雷达传感器的对象检测方法和对象跟踪装置
1.本技术要求于2021年8月13日提交的申请号为10-2021-0107470的韩国专利申请的权益，该韩国专利申请通过引用并入本文，如在本文中完整阐述一样。
技术领域
2.实施例涉及一种利用激光雷达传感器的对象(object)检测方法和对象跟踪装置。


背景技术：

3.可以利用激光雷达(light detection and ranging(光检测和测距)，lidar)传感器获取关于目标车辆的信息，并且可以利用获取的信息来辅助配备有传感器的车辆(以下称为“本车辆”)的自动驾驶功能。然而，当利用激光雷达传感器获取的关于目标车辆的信息不准确时，本车辆的可靠性可能由于不准确的信息处理而劣化，因此需要进行改进。


技术实现要素：

4.实施例提供一种利用激光雷达传感器的对象检测方法和对象跟踪装置，该对象检测方法和该对象跟踪装置能够提高利用激光雷达传感器的对象检测的准确性并提高系统性能。
5.本领域技术人员将理解的是，本公开能够实现的目的不限于上文已经具体描述的目的，并且将从下面的详细描述中更清楚地理解本公开能够实现的上述和其它目的。
6.为了实现这些目的和其它优点并根据本公开的目的，如本文所实现和广泛描述的，一种利用激光雷达传感器的对象检测方法可以包括：基于通过激光雷达传感器获取的目标对象的形状信息，判断目标对象的框(box)是否是可去除存在于框内部的重叠对象的框；以及在根据判断结果去除重叠对象之后生成目标对象的框轨迹。
7.例如，判断框是否是可去除重叠对象的框可以包括：基于目标对象的形状信息，设置形成目标对象的框的四个框边中的代表边；以及基于代表边与包括激光雷达传感器的本车辆之间的距离以及除了代表边之外的其余框边与包括激光雷达传感器的本车辆之间的距离，判断是否可去除重叠对象。
8.例如，设置代表边可以包括：当目标对象的形状信息包括i形信息时，设置一个代表边；以及当目标对象的形状信息包括l形信息时，设置两个代表边。
9.例如，设置代表边可以包括：将四个框边中最接近构成目标对象的形状的分组点的框边设置为代表边。
10.例如，设置代表边可以包括：当目标对象的形状信息包括i形信息时，将最接近框内部聚类为i形的点的一个框边设置为代表边。
11.例如，设置代表边可以包括：当目标对象的形状信息包括l形信息时，将最接近框内部聚类为l形的点的两个框边设置为代表边。
12.例如，判断框是否是可去除重叠对象的框可以包括：当代表边与本车辆之间的距离小于其余框边与本车辆之间的距离时，判断为框是可去除重叠对象的框。
13.例如，判断框是否是可去除重叠对象的框可以包括：基于代表边，重新定义框的顶点的点顺序；通过定义本车辆的位置为原点，设置顶点的坐标；基于顶点的坐标，计算框的代表边的函数和其余框边的函数；以及基于代表边的函数与通过原点的函数之间的距离以及其余框边的函数与通过原点的函数之间的距离，判断框是否是可去除重叠对象的框。
14.例如，判断框是否是可去除重叠对象的框可以包括：当目标对象的形状信息包括i形信息，代表边与原点之间的距离小于平行于代表边的框边与原点之间的距离并且原点不存在于代表边与平行于代表边的框边之间时，判断为框是可去除重叠对象的框。
15.例如，判断框是否是可去除重叠对象的框可以包括：当目标对象的形状信息包括l形信息，两个代表边与原点之间的距离小于平行于两个代表边的框边与原点之间的距离并且原点不存在于框内部时，判断为框是可去除重叠对象的框。
16.例如，在根据判断结果去除重叠对象之后生成目标对象的框轨迹可以包括：当重叠对象的框的四个顶点都存在于目标对象的框内部时，去除重叠对象的框；以及基于去除了重叠对象的框的目标对象的框，生成轨迹。
17.例如，利用激光雷达传感器的对象检测方法可以进一步包括：对利用激光雷达传感器获取的点云数据进行聚类；基于聚类的点，生成至少一个对象的框；以及根据构成对象的点的形状，判断对象的形状信息。
18.例如，目标对象的形状信息可以包括i形信息或l形信息。
19.在本公开的另一方面中，提供一种非暂时性计算机可读记录介质，该非暂时性计算机可读记录介质记录有程序并且可以由计算机读取，该程序在由处理器执行时使处理器执行利用激光雷达传感器的对象检测方法，该利用激光雷达传感器的对象检测方法包括以下步骤：基于通过激光雷达传感器获取的目标对象的形状信息，判断目标对象的框是否是可去除存在于框内部的重叠对象的框；以及在根据判断结果去除重叠对象之后生成目标对象的框轨迹。
20.在本公开的又一方面中，一种利用激光雷达传感器的对象检测装置可以包括：激光雷达传感器，获取目标对象的点云；预处理和聚类单元，对点云进行聚类；对象检测单元，基于目标对象的形状信息，判断目标对象的框是否是可去除存在于框内部的重叠对象的框，并根据判断结果去除重叠对象；以及对象跟踪单元，通过跟踪去除了重叠对象的目标对象的框，生成轨迹。
21.例如，对象检测单元可以包括：代表边判断单元，基于目标对象的形状信息，设置形成目标对象的框的四个框边中的代表边；框分析单元，基于代表边与包括激光雷达传感器的本车辆之间的距离以及除了代表边之外的其余框边与包括激光雷达传感器的本车辆之间的距离，判断框是否是可去除重叠对象的框；以及重叠框处理单元，判断重叠对象的框的四个顶点是否都存在于目标对象的框内部，并且当框是可去除重叠对象的框时去除重叠对象的框。
22.例如，当目标对象的形状信息包括i形信息时，代表边判断单元可以将最接近框内部聚类为i形的点的一个框边设置为代表边，并且当目标对象的形状信息包括l形信息时，代表边判断单元可以将最接近框内部聚类为l形的点的两个框边设置为代表边。
23.例如，当代表边与本车辆之间的距离小于其余框边与本车辆之间的距离时，框分析单元可以判断为框是可去除重叠对象的框。
24.例如，框分析单元可以基于代表边重新定义框的顶点的点顺序，通过定义本车辆的位置为原点设置顶点的坐标，基于顶点的坐标计算框的代表边的函数和其余框边的函数，并且基于代表边的函数与通过原点的函数之间的距离以及其余框边的函数与通过原点的函数之间的距离，判断框是否是可去除重叠对象的框。
25.根据实施例的利用激光雷达传感器的对象检测方法和对象跟踪装置可以通过利用对象的形状信息判断是否可去除位于框内部的重叠的小框并去除可去除的框来去除错误检测的对象而在对象跟踪步骤中不考虑不需要跟踪的对象，从而提高对象检测的准确性并提高系统效率。
26.另外，由于根据实施例的利用激光雷达传感器的对象检测方法和对象跟踪装置在去除错误检测的对象之后通过跟踪对象生成轨迹，因此可以提高在生成激光雷达轨迹时的准确性。
27.本领域技术人员将理解的是，本公开能够实现的效果不限于上文已经具体描述的效果，并且将从下面的详细描述中更清楚地理解本公开的其它优点。
附图说明
28.图1是包括根据实施例的利用激光雷达传感器的对象跟踪装置的车辆的框图。
29.图2是根据实施例的利用激光雷达传感器的对象跟踪方法的流程图。
30.图3至图5是用于描述对象检测单元检测到的框的示图。
31.图6是示出图1所示的对象检测单元的实施例的框图。
32.图7和图8是用于描述根据实施例的对象检测单元的控制流程的流程图。
33.图9至图11是用于描述根据实施例的判断代表边的方法的示图。
34.图12至图14是用于描述根据实施例的框分析方法的示图。
35.图15是用于描述根据实施例的去除重叠框的方法的示图。
36.图16和图17是用于描述比较例与实施例之间的区别的示图。
37.图18和图19是示出根据比较例和实施例的模拟结果的示图。
具体实施方式
38.在下文中，将参照附图详细描述本公开的实施例以帮助理解本公开。然而，可以以各种方式修改根据本公开的实施例，并且本公开的范围不应被解释为限于以下描述的实施例。提供本公开的实施例是为了向本领域技术人员更完整地解释本公开。
39.在实施例的描述中，当元件被描述为形成在另一元件“上”或“下”时，“上”或“下”包括两个元件彼此直接接触的情况或者一个或多个其它元件间接设置在两个元件之间的情况。
40.另外，在表示“上”或“下”的情况下，“上”或“下”可以包括基于一个元件的向上方向以及向下方向的含义。
41.此外，以下使用的诸如“第一”、“第二”、“顶部”/“上”/“上方”和“底部”/“下”/“下方”的关系术语可以用于区分某个实体或元件与其它实体或元件，而不要求或暗示实体之间的任何物理或逻辑关系或者顺序。
42.在整个说明书中，当描述某个部分“包括”特定元件时，这表示该部分可以进一步
包括其它元件，而不排除其它元件，除非另有说明。为了在附图中清楚地解释本公开，省略了与描述无关的部分，并且在整个说明书中相似的附图标记被分配给相似的部分。
43.根据本实施例，可以通过在利用激光雷达(lidar)传感器的对象检测期间判断检测到的在与大对象匹配的框内部的重叠的小对象是诸如行人的必须跟踪的对象还是例如由于光透过建筑物或公交车的窗户而导致的在车辆内部的重叠对象的不需要跟踪的对象并去除可去除的内部对象，来生成更准确的激光雷达轨迹的轮廓形状并防止不必要的对象跟踪以提高系统效率。
44.在下文中，将参照附图描述根据实施例的利用激光雷达传感器的对象检测方法和对象跟踪装置。尽管为了方便，将利用笛卡尔坐标系(x轴、y轴、z轴)来描述利用激光雷达传感器的对象检测方法和对象跟踪装置，但是也可以利用其它坐标系来描述对象检测方法和对象跟踪装置。
45.图1是包括根据实施例的利用激光雷达传感器的对象跟踪装置的车辆的框图。
46.参照图1，车辆1000可以包括：激光雷达传感器500；对象跟踪装置600，处理从激光雷达传感器500获取的数据以输出关于跟踪车辆1000周围的对象的对象跟踪信息；以及车辆装置700，根据对象跟踪信息控制车辆1000的各种功能。
47.激光雷达传感器500可以向对象发射例如波长为905nm至1550nm的单个圆形激光脉冲，然后测量从测量范围内的对象反射的激光脉冲的返回时间以感测关于对象的信息，例如激光雷达传感器500与对象之间的距离，对象的方向、速度、温度、物质分布和浓度特性。此处，对象可以是存在于配备有激光雷达传感器500的车辆(以下称为“本车辆”)1000外部的另一车辆、人、事物等，但实施例不限于特定类型的对象。激光雷达传感器500可以输出单个对象的由多个点(point)组成的点云(point cloud)数据(以下称为“激光雷达数据”)。
48.对象跟踪装置600可以接收激光雷达数据，利用激光雷达数据检查对象是否存在，开始、保持或停止跟踪对象，更新、存储或删除关于对象的信息，并且对对象的类型进行分类。对象跟踪装置600可以包括预处理和聚类(clustering)单元(例如，预处理和聚类模块)610、对象检测单元(例如，对象检测模块)620、对象跟踪单元(例如，对象跟踪模块)630以及激光雷达轨迹生成单元(例如，激光雷达轨迹生成模块)640。
49.预处理和聚类单元610可以将从激光雷达传感器500接收的点云形式的激光雷达数据预处理成可以处理的形式，然后进行聚类。预处理和聚类单元610可以通过去除地面点来对激光雷达数据进行预处理。另外，预处理和聚类单元610可以通过根据激光雷达传感器500的安装位置的角度将激光雷达数据转换成适合于参考坐标系的形式并通过基于关于激光雷达数据的强度(intensity)或置信度(confidence)信息进行过滤而去除具有低强度或低反射率的点来对激光雷达数据进行预处理。由于根据激光雷达传感器500的安装位置和激光雷达传感器500的视角而存在被本车辆的车身覆盖的区域，因此预处理和聚类单元610可以利用参考坐标系去除从本车辆的车身反射的数据。由于激光雷达数据的预处理用于提炼有效数据，因此可以省略部分或全部处理过程，或者可以添加其它的处理过程。预处理和聚类单元610可以根据预定规则将预处理后的点云聚类成重要单位(unit)。激光雷达传感器500检测的结果包括具有位置信息的多个点。因此，预处理和聚类单元610可以将多个点聚类成重要形状单位并输出到对象检测单元620。
50.对象检测单元620利用聚类结果生成关于多个框的信息。对象检测单元620可以利
用聚类的点生成轮廓并且基于生成的轮廓判断对象的形状。对象检测单元620可以基于判断的对象的形状来检测与对象匹配的框。关于框的信息可以包括分段(segment)框的宽度、长度、位置和方向(或航向(heading))中的至少一个。根据激光雷达传感器500的可见性和对象的形状，可以针对同一对象获取多个框。因此，对象检测单元620可以在当前时间点t针对单位目标对象生成n个分段框，并提供给对象跟踪单元630。
51.对象跟踪单元630从多个框中选择在当前时间点t与正在跟踪的对象(以下称为“目标对象”)“关联(association)的框”。此处，“关联”是指从多个框信息中选择用于保持当前正在跟踪的目标对象的跟踪的框的处理。关联可以在每个周期执行。为了从多个框中选择关联的框，对象跟踪单元630可以将关于多个框中的每一个的信息转换成预定格式并从具有转换后的格式的多个框(或元对象框)中选择关联的框。
52.激光雷达轨迹生成单元640基于关联的框生成根据目标对象的轨迹(track)trk，并将生成的轨迹输出到车辆装置700。当跟踪m个目标对象时，生成m个轨迹。在当前时间点t之前积累的关于正在跟踪的目标对象的信息，例如每个时间段的关于目标对象的位置信息和速度信息可以被存储为历史信息。将存储关于单位目标对象的历史信息的单位称为“频道(channel)”，并且频道的数量与轨迹trk的数量相同。
53.车辆装置700可以从对象跟踪装置600接收每个频道的激光雷达轨迹并且应用于控制驾驶功能。
54.图2是根据实施例的利用激光雷达传感器的对象跟踪方法的流程图。
55.对象跟踪装置600将从激光雷达传感器500接收的点云形式的激光雷达数据预处理成可以处理的形式，然后对数据进行聚类(s100)。预处理和聚类单元610可以执行从激光雷达数据中去除地面数据的预处理，并将预处理后的激光雷达数据聚类成重要形状单位，即被视为同一对象的部分的点单位。
56.基于聚类的点检测对象(s200)。对象检测单元620可以利用聚类的点生成轮廓并且基于生成的轮廓生成并输出根据对象的形状的框。
57.基于检测到的框跟踪对象(s300)。对象跟踪单元630从多个框中选择与正在跟踪的对象关联的框。此处，“关联”是指从多个分段框中选择用于保持当前正在跟踪的目标对象的跟踪的框的处理。关联可以在每个周期执行。激光雷达轨迹生成单元640可以基于关联的框生成根据目标对象的轨迹trk。
58.可以对生成的激光雷达轨迹的类型进行分类(s400)并且生成的激光雷达轨迹的类型可以在驾驶控制期间被反映。车辆装置700或对象跟踪装置600可以将各个频道的激光雷达轨迹分类为诸如行人、护栏和汽车的特定对象，然后应用于控制驾驶功能。
59.在上述利用激光雷达传感器的对象跟踪方法中，根据实施例的对象检测单元620可以执行处理位于框内部的重叠框的过程，以更准确地检测对象并且处理并最小化不必要的对象跟踪。
60.图3至图5是用于描述对象检测单元620检测到的框的示图。
61.参照图3，对象检测单元620可以生成点p1云的轮廓c1。轮廓c1可以提供指示构成对象的点p1的形状的形状信息。参照图4，如果构成对象的点的形状与l相似，则可以判断为该形状为l形，并且如果构成对象的点的形状与i相似，则可以判断为该形状为i形。
62.此后，对象检测单元620可以基于由聚类的点p1生成的轮廓c1的形状信息来生成
第一框box1。可以将生成的第一框box1判断为一个对象。此处，在以相对大尺寸生成的第一框box1内部可以存在与轮廓c1间隔开的点p2，并且可以生成可以包括点p2的较小的第二框box2。
63.由于第一框box1的四个边不一定表示相应对象的最外边，所以在第一框box1内部生成的小尺寸的第二框box2可以是诸如行人的对象或者由于光透过车辆或建筑物的窗户而导致的在车辆或建筑物的内部重叠的小对象。
64.当与第一框box1重叠的第二框box2是在车辆或建筑物的内部重叠的小对象时，第二框box2与车辆驾驶无关，因此如果对第二框box2进行跟踪和处理，则系统效率可能会降低。因此，优选去除重叠的第二框box2，并执行下一步的处理。另一方面，当第二框box2是诸如行人或自行车的在驾驶期间必须考虑的对象时，不应去除第二框box2。
65.参照图5，第一框box1是基于l形生成的框。虽然第一框box1是基于聚类为l形的点生成的，但可能是实际检测到的l形墙。因此，第一框box1的四个边与实际墙的外边不匹配。由于与第一框box1重叠的对象a可能移出第一框box1并且本车辆可能移入第一框box1，所以当本车辆移动时，对象a可能与本车辆发生碰撞，因此不应被去除。
66.第二框box2是基于l形生成的框，并且可以是实际车辆。由于在第二框box2内部检测到的对象b存在于车辆内部，因此不会影响本车辆的驾驶。因此，可以去除与第二框box2重叠的对象b。
67.第三框box3是基于i形生成的框，并且可以是实际建筑物。由于在第三框box3内部检测到的对象c和对象d存在于建筑物内部，因此不会影响本车辆的驾驶。因此，可以去除与第三框box3重叠的对象c和对象d。
68.如上所述，重叠框可去除或不可去除。因此，根据实施例的对象检测单元620可以通过判断重叠框是否是可去除的对象并去除可去除的对象或保持对象跟踪来提高最终轨迹的轮廓的准确性并最小化不必要的对象跟踪。
69.图6是示出图1所示的对象检测单元620的实施例的框图。
70.参照图6，对象检测单元620可以包括代表边判断单元(例如，代表边判断模块)622、框分析单元(例如，框分析模块)624和重叠框处理单元(例如，重叠框处理模块)626。
71.代表边判断单元622利用对象的形状信息判断框的四个边中突出地代表形状的代表边。可以将对象的形状信息检测为i形或l形。代表边判断单元622可以在i形框的情况下设置一个代表边并且可以在l形框的情况下设置两个代表边。
72.框分析单元624基于框的代表边与本车辆之间的位置关系来判断相应框是否是可去除存在于框内部的重叠框的框。框分析单元624可以通过分析以本车辆的位置为原点的坐标平面上每个框的代表边与本车辆之间的位置关系来判断相应框是否是可去除存在于框内部的重叠框的框。
73.重叠框处理单元626仅针对可去除存在于框内部的重叠框的框判断重叠的小框是否完全包括在大框内部，然后去除重叠框。
74.图7和图8是用于描述根据实施例的对象检测单元的控制流程的流程图。图7是用于描述根据实施例的对象检测单元620的控制流程的流程图，图8是更详细示出图7的对象检测方法的流程图。
75.参照图7，对象检测单元620可以利用聚类的点生成轮廓并且基于生成的轮廓判断
对象的形状(s500)。根据聚类的点的形状，可以将对象的形状判断为l形或i形。
76.此后，利用对象的形状信息判断框的四个边中突出地代表形状的代表边(s600)。在i形框的情况下可以设置一个代表边，在l形框的情况下可以设置两个代表边。
77.当设置了代表边时，基于代表边与本车辆之间的位置关系判断相应框是否是可去除存在于框内部的重叠框的框(s700)。对象检测单元620的框分析单元624可以通过分析以本车辆的位置为原点的坐标平面上每个框的代表边与本车辆之间的位置关系来判断相应框是否是可去除存在于框内部的重叠框的框。
78.当判断为相应框是可去除重叠框的框时，判断重叠的小框是否完全包括在大框内部，并且如果判断为重叠的小框完全包括在大框内部，则去除重叠的小框(s800)。
79.将参照图8的流程图和图9至图14详细描述对象检测单元620去除重叠框的方法。
80.参照图8，利用对象的形状信息判断框的四个边中突出地代表形状的代表边的步骤s600可以包括判断i形框的代表边的步骤s610和判断l形框的代表边的步骤s620。
81.在判断i形框的代表边的步骤s610中，可以判断四个边中最能代表i形特征的一个代表边。可以将聚类为i形的点中包括的点与框边之间的垂直投影距离最小的框边判断为i形框的代表边。
82.参照图9，可以通过计算三个峰值点a、b和c与四个框边side1、side2、side3和side4之间的垂直投影距离来判断i形框的代表边。三个峰值点可以包括形成i形的点组的两端的点a和c以及位于中心的点b。关于峰值点a、b和c的信息包括在形状信息中。图9的(a)示出当峰值点a、b和c垂直投影在框边side3上时的距离d
a3
、d
b3
和d
c3
，图9的(b)示出当峰值点a、b和c垂直投影在框边side1上时的距离d
a1
、d
b1
和d
c1
，图9的(c)示出判断为框边side1是四个框边side1、side2、side3和side4中的代表边的结果。
83.当点a、b和c垂直投影在四个框边side1、side2、side3和side4上时，距离的平方和可以如下计算。
84.d1＝(d
a1
)2 (d
b1
)2 (d
c1
)285.d1＝(d
a2
)2 (d
b2
)2 (d
c2
)286.d3＝(d
a3
)2 (d
b3
)2 (d
c3
)287.d4＝(d
a4
)2 (d
b4
)2 (d
c4
)288.d1表示框边side1与峰值点a、b和c之间的垂直投影距离的平方和。在计算d1的公式中，d
a1
表示框边side1与点a之间的距离，d
b1
表示框边side1与点b之间的距离，d
c1
表示框边side1与点c之间的距离。
89.d2表示框边side2与峰值点a、b和c之间的垂直投影距离的平方和。在计算d2的公式中，d
a2
表示框边side2与点a之间的距离，d
b2
表示框边side2与点b之间的距离，d
c2
表示框边side2与点c之间的距离。
90.d3表示框边side3与峰值点a、b和c之间的垂直投影距离的平方和。在计算d3的公式中，d
a3
表示框边side3与点a之间的距离，d
b3
表示框边side3与点b之间的距离，d
c3
表示框边side3与点c之间的距离。
91.d4表示框边side4与峰值点a、b和c之间的垂直投影距离的平方和。在计算d4的公式中，d
a4
表示框边side4与点a之间的距离，d
b4
表示框边side4与点b之间的距离，d
c4
表示框边side4与点c之间的距离。
92.如上所述，在计算点a、b和c垂直投影在四个框边side1、side2、side3和side4上时的距离的平方和d1、d2、d3和d4之后，可以将具有最小值的框边判断为代表边。
93.在判断l形框的代表边的步骤s620中，可以判断四个框边中最能代表l形特征的两个代表边。由于l形由两个边组成，即第一边和第二边，因此可以将与形成第一边的两个点的距离最小的框边和与形成第二边的两个点的距离最小的框边判断为l形框的两个代表边。
94.参照图10，为了判断l形框的代表边，可以提取形成l形的点组的三个峰值点a、b和c。由于l形由第一边ab和第二边bc组成，所以三个峰值点可以包括形成第一边的点组的两端的点a和b以及从点b形成第二边的点组的端点c。
95.此后，可以选择将四个框边中的哪个框边与第一边ab进行比较以及将哪个框边与第二边bc进行比较。为了选择比较的框边，可以利用第一边和第二边的斜率以及框边的斜率。当假设框是具有顶点q0、q1、q2和q3的矩形时，框边可以具有线段q0q1的斜率(等于线段q3q2的斜率)和线段q1q2的斜率(等于线段q0q3的斜率)。因此，可以计算第一边ab的斜率、第二边bc的斜率、线段q0q1的斜率和线段q1q2的斜率，并且可以选择斜率差小的两个框边作为比较目标框边。即，可以将第一边ab与框边side1和side3进行比较，将第二边bc与框边side2和side4进行比较。
96.此后，可以计算峰值点a和b与框边side1之间的垂直投影距离以及峰值点a和b与框边side3之间的垂直投影距离，并且可以将更接近峰值点的框边判断为代表边。同样，可以计算峰值点b和c与框边side2之间的垂直投影距离以及峰值点b和c与框边side4之间的垂直投影距离，并且可以将更接近峰值点的框边判断为代表边。
97.图10的(a)示出峰值点a和b垂直投影在框边side1上时的距离d
a1
和d
b1
，图10的(b)示出当峰值点b和c垂直投影在框边side2上时的距离d
b2
和d
c2
，图10的(c)示出将四个框边中的框边side1和side2判断为代表边的结果。
98.对于用于判断代表边的距离之间的比较，可以应用以下公式。
99.d1＝(d
a1
)2 (d
b1
)2100.d3＝(d
a3
)2 (d
b3
)2101.d1表示框边side1与峰值点a和b之间的垂直投影距离的平方和。在计算d1的公式中，d
a1
表示框边side1与点a之间的距离，d
b1
表示框边side1与点b之间的距离。
102.d3表示框边side3与峰值点a和b之间的垂直投影距离的平方和。在计算d3的公式中，d
a3
表示框边side3与点a之间的距离，d
b3
表示框边side3与点b之间的距离。
103.如上所述，在计算两个点投影在每个框边上时的距离的平方和d1和d3之后，可以将具有较小值的框边判断为代表边。
104.参照图8，判断检测到的框是否是可去除存在于框内部的重叠框的框的步骤s700可以包括重新定义框的点顺序的步骤s710、判断i形框是否是可去除存在于框内部的重叠框的框的步骤s720以及判断l形框是否是可去除存在于框内部的重叠框的框的步骤s730。
105.可以执行重新定义框的点顺序的步骤s710，以通过将相应框代入通用公式来判断相应框是否是可去除存在于框内部的重叠框的框。在本实施例中，通过假设以本车辆的位置为原点的坐标平面，可以判断是否可去除每个对象内部的重叠框。图11是示出以本车辆为原点的坐标平面的图。如图11所示，可以在二维笛卡尔坐标系(x轴和y轴)上显示本车辆
和表示对象的框。
106.在重新定义框的点顺序的步骤中，重新定义i形框和l形框的四个顶点的顺序。参照图12，在i形框中，将代表边的顺时针顶点设置为p0，p1、p2和p3基于p0在逆时针方向上匹配。在l形框中，将与代表边匹配的两个框边中的长边的顺时针顶点设置为p0，p1、p2和p3基于p0在逆时针方向上匹配。
107.判断检测到的i形框是否是可去除存在于框内部的重叠框的框的步骤s720是当重叠的小框存在于i形框内部时判断i形框是否是可去除存在于框内部的重叠的小框的框的步骤。可以根据相应框的框边与本车辆，即原点之间的距离来判断该框是否是可去除存在于框内部的重叠框的框。
108.参照图13，可去除重叠框的框满足所有以下三个条件。
109.(条件1)是i形框。
110.(条件2)直线p0p1与原点(0、0)之间的距离小于直线p2p3与原点之间的距离(d0《d2)。
111.(条件3)原点不存在于直线p0p1与直线p2p3之间。
112.此处，条件2和条件3可以利用通过两个点的直线的函数f(x)数学计算。即，可以通过计算原点与通过点p0和p1的函数f0(x)之间的距离d0以及通过点p3和p2的函数f2(x)与原点之间的距离d2来判断是否满足条件2和条件3。
113.如果满足条件2和条件3，则在本车辆周围存在i形框，代表边靠近本车辆，其余框边比代表边更远离本车辆。由于代表边是对象的存在概率高的区域，因此本车辆将不会侵入代表边的区域。因此，在框内部的对象比代表边更远的情况下，跟踪对象的必要性降低。因此，在满足所有条件1、条件2和条件3的框的情况下，可以将该框判断为可去除存在于框内部的重叠框的框。
114.判断检测到的l形框是否是可去除存在于框内部的重叠框的框的步骤s730是当重叠的小框存在于l形框内部时判断l形框是否是可去除存在于框内部的重叠的小框的框的步骤。可以根据相应框的框边与本车辆，即原点之间的距离来判断该框是否是可去除存在于框内部的重叠框的框。
115.参照图14，可去除重叠框的框满足所有以下三个条件。
116.(条件1)是l形框。
117.(条件2)如果代表边的最短边是直线p3p0，则满足d0＜d2和d3＜d1，并且如果代表边的最短边是直线p1p2，则满足d0＜d2和d1＜d3。
118.(条件3)原点不存在于框内部(f0(0)*f2(0)＞0||f3(0)*f1(0)＞0)。
119.如果满足条件2和条件3，则在本车辆周围存在l形框，框的代表边靠近本车辆，其余框边比代表边更远离本车辆。由于代表边是对象的存在概率高的区域，因此本车辆将不会侵入代表边的区域。因此，在框内部的对象比代表边更远的情况下，跟踪对象的必要性降低。因此，在满足所有条件1、条件2和条件3的框的情况下，可以将该框判断为可去除存在于框内部的重叠框的框。
120.参照图8，判断重叠的小框是否完全包括在大框内部并且去除重叠的小框的步骤s800可以包括判断重叠框的四个顶点是否全部包括在目标框内部的步骤。
121.参照图15，当判断第一框box-1是可去除存在于框内部的重叠框的框时，可以去除
包括在第一框box-1内部的第二框box-2。
122.当第一框box-1具有顶点p0、p1、p2和p3时，第一框box-1的四个边可以表示为通过两个点的直线的函数fk(x)。
123.当第二框box-2具有顶点p0′
、p1′
、p2′
和p3′
时，如果四个点pi′
(xi′
，yi′
)(i＝0，1，2，3)都存在于第一框box-1内部，则可以满足以下公式。
124.fo(x
′i)*f2(x
′i)＜0，(在i＝0，1，2，3时全部满足)
125.f3(x
′i)*f1(x
′i)＜0，(在i＝0，1，2，3时全部满足)
126.当满足上述两个公式时，第二框box-2的顶点p0′
、p1′
、p2′
和p3′
都存在于第一框box-1内部。因此，可以去除包括在第一框box-1内部的第二框box-2。
127.如上所述，根据实施例的对象检测方法可以利用与一个对象匹配的大框的形状信息来判断大框是否包括可去除的不必要的重叠对象，并且在判断为可去除重叠对象时去除重叠对象。因此，在对象检测之后的对象跟踪步骤中不考虑不必要的对象，以实现更有效的激光雷达识别系统。另外，由于在轨迹生成期间选择关联的框的过程中，通过防止由于错误检测框导致的错误，不遗漏最能反映对象的形状的框，因此可以更准确地以对象的形状表示轨迹。
128.图16和图17是用于描述比较例与实施例之间的区别的示图。
129.图16是用于描述根据比较例的对象检测方法和对象跟踪方法与根据实施例的对象检测方法和对象跟踪方法之间的比较的示图。
130.参照图16，在对象检测期间，在比较例和实施例中都对点云形式的激光雷达数据进行分组并根据分组结果生成框。因此，可以检测与最大对象匹配的框和与存在于该框内部的重叠的小对象匹配的小框。
131.根据比较例，由于对象跟踪步骤是在小框重叠的状态下执行的，因此当选择关联的框时，由于重叠框，可能遗漏与最大对象匹配的框的一部分。因此，最终生成的轨迹可能与实际对象的形状不同。
132.另一方面，根据实施例，当生成与最大对象匹配的框时，在利用l形(或i形)形状信息判断是否可去除存在于框内部的重叠框之后，当可去除重叠框时执行去除重叠框的过程。此后，在去除了重叠对象的状态下执行对象跟踪步骤。因此，当选择关联的框时，不会遗漏最能反映对象的形状的框，从而可以更准确地以对象的形状表示轨迹。
133.图17是用于描述根据比较例生成的轨迹与根据实施例生成的轨迹之间的区别的示图。
134.参照图17，根据比较例，由于在小框重叠的状态下执行对象跟踪步骤，因此由于重叠框而不容易生成具有准确的对象的形状的轨迹。因此，最终生成的轨迹可能与实际对象的形状不同。因此，可能难以准确地响应左转车辆或汇入车辆。
135.另一方面，根据实施例，由于利用最大对象的形状信息去除重叠对象，所以可以生成与实际对象的形状具有高相似度的轨迹的外形。因此，可以准确地响应左转车辆和汇入车辆。
136.图18和图19是示出根据比较例和实施例的模拟结果的示图。图18示出利用激光雷达传感器检测对象的模拟结果。图19示出在对象检测之后生成轨迹的模拟结果。
137.参照图18，在模拟图像中的框中，相对暗的框表示有效框，亮的框表示无效框。
138.根据比较例的检测对象的模拟结果，可以确认与大对象匹配的box_a内部的重叠的小框a1和a2也被检测为有效框。可以确认box_b内部的b1、b2、b3、b4和b5被检测为有效框。
139.根据实施例的检测对象的模拟结果，可以确认box_a内部的重叠的小框a1和a2被检测为无效框。可以确认box_b内部的重叠框b1、b2、b3、b4和b5也被检测为无效框。
140.图19示出在对象检测之后生成轨迹的模拟结果。在模拟图像中的框中，相对暗的框表示有效框，亮的框表示无效框。
141.根据比较例的在对象检测之后生成轨迹的模拟结果，可以确认最终生成的轨迹与预测为最能反映实际对象的形状的box_c不同。这是因为box_c与框c1、c2、c3、c4和c5重叠，因此在关联过程中最能反映对象的形状的box_c被遗漏。因此，可以确认最终生成的轨迹具有与实际对象不同的尺寸。
142.根据实施例的在对象检测之后生成轨迹的模拟结果，可以确认最终生成的轨迹反映预测为最能反映实际对象的形状的box_c。根据实施例，与box_c重叠的框c1、c2、c3、c4和c5都被检测为无效框。因此，可以确认最终生成的轨迹反映box_c。
143.上述各种实施例可以相互组合，只要不背离本公开的目的并且不相互矛盾。另外，如果未详细描述某个实施例的组件，则可以应用其它实施例中具有相同附图标记的组件的描述。
144.本公开还可以实现为存储在诸如非暂时性计算机可读记录介质的计算机可读记录介质上的计算机可读代码或软件。计算机可读记录介质的示例包括硬盘驱动器(hdd)、固态驱动器(ssd)、硅盘驱动器(sdd)、只读存储器(rom)、随机存取存储器(ram)、cd-rom、磁带、软盘、光数据存储装置等。
145.对象跟踪装置600(或其组件)可以实现为计算机、处理器或微处理器，或者可以包括处理器或微处理器。当对象跟踪装置600的计算机、处理器或微处理器读取并执行存储在计算机可读记录介质中的计算机可读代码时，对象跟踪装置600(或其组件)可以被配置为执行上述操作/方法。在一个示例中，对象跟踪装置600可以包括被配置为存储计算机可读代码或软件的计算机可读记录介质的存储装置或存储器。
146.尽管集中于实施例描述了本公开，但实施例仅是示例，并不限制本公开，本领域技术人员可以理解的是，在不背离实施例的基本特征的情况下，可以进行各种修改和应用。例如，可以修改实施例中具体描述的每个组件。与此类修改和应用相关的差异应被解释为包括在所附权利要求书中限定的本公开的范围内。