基于自适应关联波门的目标跟踪方法、设备及存储介质与流程

本发明属于自动驾驶，涉及目标关联和目标跟踪方法，具体涉及一种基于自适应关联波门的目标跟踪方法、设备及存储介质。

背景技术：

1、随着自动驾驶技术的发展，行驶安全是关键的一个环节。自动驾驶车辆为实现对于行驶周围环境的感知，通常安装多种传感器(摄像头、激光雷达、毫米波雷达等)，通过对传感器数据进行处理分析，获得周围环境、目标、障碍物等信息，为自动驾驶规划控制提供支持。

2、自动驾驶感知技术需要对检测的目标进行跟踪、轨迹预测等。因此，多目标跟踪技术也是当前自动驾驶感知技术研究的热点之一。多目标间的数据关联是多目标跟踪中极其重要的一个环节，数据关联的准确性将直接影响到对于目标真实轨迹的跟踪与预测的性能。若关联的错误率很多，则会产生许多虚假目标；只有提高关联的准确性，才能尽可能的还原真实场景的实际目标个数。

3、目前关联算法常用的有匈牙利算法、最近邻(nn)算法、概率密度关联(pda)算法、联合概率密度关联(jpda)算法等。

4、最近邻域法首先设置关联门，由关联门初步筛选所得到的目标成为候选目标，以限制参与相关判别数目。关联门是跟踪空间中的一块子空间，中心位于被跟踪目标的预测位置，关联门的大小的设计应保证以一定的概率使得正确的量测目标落入到该关联门内，若落入相关波门内的量测只有一个，则该量测值可被直接用于目标轨迹更新；但若有一个以上的量测落在被跟踪目标的关联门内，此时要取统计距离最小的量测目标中作为更新轨迹。最近邻域法的优点是计算简单，缺点是在多目标环境下离目标预测位置最近的候选目标不一定是目标的真实目标，因此适用于在稀疏回波环境中的目标跟踪。

5、匈牙利算法是一种求解最小代价分配问题，通过计算历史跟踪目标和量测目标的代价矩阵，使用匈牙利算法求解全局代价最小和，从何实现历史跟踪目标与量测目标的关联。但是求解代价矩阵的过程是一种没有考虑目标间关联概率的情况，因此代价矩阵是一种无差别计算得到的，如计算目标间的iou或者欧式距离。匈牙利匹配算法在目标密集的场景下，通常选择的是距离最近的目标，这种情况会造成目标的id发生频繁跳变，不利于跟踪稳定。

6、概率数据关联(pda)算法考虑了落入相关波门内的所有候选目标，并根据不同的相关情况计算出各目标来自目标的概率，然后利用这些概率值对相关波门内的不同目标进行加权，各个候选目标的加权和作为等效目标，并用等效目标来对目标的状态进行更新。概率数据关联算法是一种次优滤波方法，它只对最新的量测进行分解，主要用于解决杂波环境中单雷达单目标跟踪问题。

7、由于pda算法无法准确考虑在多个目标关联门相交区域中的公共目标对航迹更新的影响，因此用pda的跟踪性能在目标较密集时不太理想。

8、jpda算法利用落在关联门内的当前量测目标的位置点，计算位置点和相应轨迹的关联概率，利用关联概率对当前量测目标的位置点求加权和来修正轨迹，权值就是跟踪中的量测目标位置点来自于跟踪目标的概率。实际计算中就是通过找出所有可能量测目标位置点与跟踪目标轨迹的组合集合，通过求关联集合的概率来获得权值。它与pda的区别就是对于概率互联概率的计算不同。

9、现有的目标跟踪中的关联算法采用的是固定的波门进行目标间的关联概率计算，设置波门过小易丢失真实的量测目标，波门设置过大，候选量测目标增多，增加了算法的运算量。

技术实现思路

1、为了解决上述技术问题，本发明提出了一种基于自适应关联波门的目标跟踪方法、设备及存储介质。

2、为了达到上述目的，本发明的技术方案如下：

3、第一方面，本发明公开一种基于自适应关联波门的目标跟踪方法，包括：

4、步骤s1：根据跟踪目标类型确定跟踪目标运动状态及滤波模型；

5、步骤s2：根据跟踪目标类型、跟踪目标运动状态确定关联波门；

6、步骤s3：计算关联波门内跟踪目标与量测目标之间的关联概率，对于未落入关联波门内的量测目标，关联概率置0，得到关联概率矩阵；

7、步骤s4：基于跟踪目标与量测目标间的关联概率矩阵，计算跟踪目标和量测目标间的分配关系；

8、步骤s5：对未分配的跟踪目标和量测目标，重新计算相互间的欧式距离，生成新的关联概率矩阵，并计算新的分配关系；

9、步骤s6：根据最新分配关系，更新跟踪目标的跟踪目标运动状态及滤波模型。

10、在上述技术方案的基础上，还可做如下改进：

11、作为优选的方案，步骤s2包括：

12、步骤s2.1：根据跟踪目标类型、跟踪目标运动状态确定关联波门模型；

13、若跟踪目标类型为静止目标，或者，跟踪目标类型为运动目标，且跟踪目标运动状态为静止，则选用固定尺寸大小的圆形关联波门，得到关联波门模型；

14、若跟踪目标类型为运动目标，且跟踪目标运动状态为运动，则计算符合当前跟踪目标运动状态的椭圆关联波门，得到关联波门模型；

15、步骤s2.2：将当前帧的量测目标集合带入关联波门模型内，判断其是否落入关联波门内。

16、作为优选的方案，通过以下步骤计算符合当前跟踪目标运动状态的椭圆关联波门，具体包括：

17、步骤a：基于跟踪目标运动状态，计算跟踪目标运动速度的朝向角，得到自适应旋转方向的椭圆关联波门，且椭圆关联波门的长轴方向与跟踪目标的速度朝向保持一致；

18、步骤b：根据跟踪目标运动状态，计算椭圆关联波门的长短轴半径。

19、作为优选的方案，步骤s3中，关联概率为基于多维度信息加权的关联概率。

20、第二方面，本发明公开一种基于自适应关联波门的目标跟踪设备，包括：

21、跟踪目标确定模块，用于根据跟踪目标类型确定跟踪目标运动状态及滤波模型；

22、关联波门确定模块，用于根据跟踪目标类型、跟踪目标运动状态确定关联波门；

23、关联概率计算模块，用于计算关联波门内跟踪目标与量测目标之间的关联概率，对于未落入关联波门内的量测目标，关联概率置0，得到关联概率矩阵；

24、分配关系初步计算模块，用于基于跟踪目标与量测目标间的关联概率矩阵，计算跟踪目标和量测目标间的分配关系；

25、分配关系二次计算模块，用于对未分配的跟踪目标和量测目标，重新计算相互间的欧式距离，生成新的关联概率矩阵，并计算新的分配关系；

26、更新模块，用于根据最新分配关系，更新跟踪目标的跟踪目标运动状态及滤波模型。

27、作为优选的方案，关联波门确定模块包括：

28、关联波门模型确定单元，用于根据跟踪目标类型、跟踪目标运动状态确定关联波门模型；

29、若跟踪目标类型为静止目标，或者，跟踪目标类型为运动目标，且跟踪目标运动状态为静止，则选用固定尺寸大小的圆形关联波门，得到关联波门模型；

30、若跟踪目标类型为运动目标，且跟踪目标运动状态为运动，则计算符合当前跟踪目标运动状态的椭圆关联波门，得到关联波门模型；

31、判断单元，用于将当前帧的量测目标集合带入关联波门模型内，判断其是否落入关联波门内。

32、作为优选的方案，关联波门确定模块还包括：椭圆关联波门计算单元，用于计算符合当前跟踪目标运动状态的椭圆关联波门，具体包括：

33、旋转方向计算单元，用于基于跟踪目标运动状态，计算跟踪目标运动速度的朝向角，得到自适应旋转方向的椭圆关联波门，且椭圆关联波门的长轴方向与跟踪目标的速度朝向保持一致；

34、半径计算单元，用于根据跟踪目标运动状态，计算椭圆关联波门的长短轴半径。

35、作为优选的方案，关联概率计算模块中，关联概率为基于多维度信息加权的关联概率。

36、第三方面，本发明公开一种存储介质，存储介质存储有一个或多个计算机可读的程序，一个或多个程序包括指令，指令适于由存储器加载并执行上述基于自适应关联波门的目标跟踪方法。

37、本发明公开一种基于自适应关联波门的目标跟踪方法、设备及存储介质，其基于跟踪目标运动状态自适应更新关联波门，提高真实量测目标落在关联波门的概率，减少关联波门内的候选目标数据，提高关联准确性，降低运算量，提高跟踪稳定性，提高算法处理速率。同时，使用多维度信息计算加权关联概率的方法，提高目标关联准确率，进而提高目标跟踪的稳定性和准确性。