[发明专利]多目标跟踪方法、装置、设备及存储介质

说明书

本公开实施例提供一种多目标跟踪方法、装置、设备及存储介质，该方法包括：获取k时刻的多组点云和多个目标在k时刻的位置，为了将获取的点云和目标进行匹配，针对每个目标，获取每组点云到每组目标之间的第一距离，并对第一距离进行修正，使用修正距离确定每个目标对应的点云，进而根据每个目标对应的点云和目标的运动轨迹模型确定目标下一时刻的位置，相较于现有技术，本方案使用修正距离进行目标与点云匹配方法更简单，所需参数更少。

技术领域

本公开实施例涉及计算机技术，尤其涉及一种多目标跟踪方法、装置、设备及存储介质。

背景技术

目标跟踪是指将同一目标在不同时刻的位置连接成轨迹，并预测该目标在下一时刻出现的位置。多目标跟踪是针对多个目标进行目标跟踪。

在理想条件下，由于多假设检验能检测出目标的终结和新目标的生成，是处理数据关联的最优算法。现有的多目标跟踪算法通常采用多假设跟踪法，多假设跟踪法是基于贝叶斯的多目标跟踪算法，具体原理为：当激光雷达在采集多个目标的点云数据后，先根据多假设检验算法使点云匹配到对应目标，再对点云进行滤波处理。多假设检验算法保留真实目标的所有假设，并让其继续传递，从后续的观测数据中来消除当前周期的不确定性。

然而，由于多假设检验保留所有假设，并让所有假设进行循环运算，造成匹配过程计算量复杂，并且，当点云中杂波密度增大时，多假设检验的计算复杂度成指数增长，不能满足自动驾驶实时性需求。

发明内容

本公开实施例提供一种多目标跟踪方法、装置、设备及存储介质，以解决现有多目标跟踪算法计算复杂度高的技术问题。

第一方面，本发明提供一种多目标跟踪方法，方法包括：

获取采集设备采集的在k时刻的至少一组点云，以及至少一个目标在k时刻的位置，其中，k为正整数；

针对每个目标，对每组点云和目标在k时刻的位置之间的第一距离进行修正处理，生成修正距离；

根据修正距离，确定每个目标对应的点云；

根据每个目标对应的点云，以及目标的运动轨迹模型，预测目标在k的下一时刻的位置。

可选地，针对每个目标，对点云和目标在k时刻的位置之间的第一距离进行修正处理，生成修正距离，具体包括：

针对每个目标，根据修正系数对第一距离进行修正处理，生成修正距离；

其中，修正系数为卡尔曼滤波模型中的新息协方差，卡尔曼滤波模型用于根据目标对应的点云，及目标的运动轨迹模型预测在k的下一时刻目标的位置。

可选地，根据修正距离，确定每个目标对应的点云，具体包括：

若第一修正距离在预设门限值内，则第一点云为第一目标的候选点云；

根据候选点云确定第一目标对应的点云；

其中，第一修正距离是对第一点云至第一目标k时刻的位置之间的第一距离进行修正处理获得的。

可选地，根据述候选点云确定每个目标的点云，具体包括：

统计第一目标的候选点云的数量；

若候选点云的数量大于或等于1，根据候选点云的数量确定第一目标对应的点云。

可选地，若候选点云的数量大于或等于1，根据候选点云的数量确定第一目标对应的点云，进一步包括：

若候选点云的数量等于1，则将候选点云作为第一目标对应的点云；

若候选点云的数量为多个，则将第二点云作为第一目标对应的点云；

其中，第二点云为最小修正距离对应的候选点云。