[发明专利]车辆的动态目标跟踪方法、装置、及车辆

说明书

本申请公开了一种车辆的动态目标跟踪方法、装置及车辆，其中，方法包括：分别获取车辆周围动态目标在当前时刻的毫米波数据和图像数据，得到动态目标的初始障碍物状态数据；筛除障碍物状态数据中静态障碍物数据和杂波数据，得到最终障碍物状态数据；利用预设的坐标变换矩阵对最终障碍物状态数据进行对齐，得到车辆坐标系下的目标信息；与前一时刻的车辆的目标信息相关联，得到动态目标的目标状态，并利用卡尔曼滤波器，得到动态目标的跟踪状态。由此，解决车载相机和毫米波雷达融合的动态目标跟踪问题。

技术领域

本申请涉及智能车环境感知技术领域，特别涉及一种车辆的动态目标跟踪方法、装置 及车辆。

背景技术

智能汽车是一个综合的系统，整体可分为环境感知、决策规划和运动控制。环境感知 作为智能汽车与周围环境进行信息交换的关键环节，可以让智能汽车更了解其所处的环境， 这对之后的决策、规划和控制都至关重要。

相关技术中，通过将毫米波雷达和相机联合标定，将毫米波雷达的信息反投影到相机 图像上，利用投影后的信息重新，设定关联判定策略将视觉跟踪目标与车辆目标关联，对 视觉检测信息进行修正。

然而，利用毫米波目标信息融合相机信息，利用机器学习对图像信息进行修正，计算 过程复杂，对硬件要求高，亟待解决。

申请内容

本申请提供一种车辆的动态目标跟踪方法、装置及车辆，以解决车载相机和毫米波雷 达融合的动态目标跟踪问题。

本申请第一方面实施例提供一种车辆的动态目标跟踪方法，包括以下步骤：

分别获取车辆周围动态目标在当前时刻的毫米波数据和图像数据，得到动态目标的初 始障碍物状态数据；

筛除所述障碍物状态数据中静态障碍物数据和杂波数据，得到最终障碍物状态数据；

利用预设的坐标变换矩阵对所述最终障碍物状态数据进行对齐，得到车辆坐标系下的 目标信息；以及

与前一时刻的车辆的目标信息相关联，得到所述动态目标的目标状态，并利用卡尔曼 滤波器，得到所述动态目标的跟踪状态。

可选地，所述筛除所述障碍物状态数据中静态障碍物数据和杂波数据，包括：

从所述初始障碍物状态数据中剔除小于预设速度阈值的静态数据，并剔除满足出现次 数小于预设次数的虚假模号，及剔除不满足前后帧的相对距离、相对角度和相对速度小于 对应预设值的杂波数据。

可选地，所述与前一时刻的车辆的目标信息相关联，得到所述动态目标的目标状态， 包括：

利用运动模型预测所述动态目标的任意时刻的状态，并建立所述动态目标的关联门， 以在两者关联门限小于预设门限时，判定为相关联。

可选地，所述与前一时刻的车辆的目标信息相关联，得到所述动态目标的目标状态， 还包括：

对于未落入所述关联门的数据，作为新增目标进行初始化，以用于目标状态更新。

可选地，所述利用卡尔曼滤波器，得到所述动态目标的跟踪状态，包括：

对每个时刻的目标状态进行依次迭代处理，使得每次获取的目标信息作为前一时刻的 输出，生成当前时刻的动态目标的连续跟踪状态。

本申请第二方面实施例提供一种车辆的动态目标跟踪装置，包括：

第一获取模块，用于分别获取车辆周围动态目标在当前时刻的毫米波数据和图像数据， 得到动态目标的初始障碍物状态数据；

筛除模块，用于筛除所述障碍物状态数据中静态障碍物数据和杂波数据，得到最终障 碍物状态数据；