一种基于超图匹配的多智能网联汽车协同目标跟踪方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113963020A(43)申请公布日2022.01.21(21)申请号202111104716.2(22)申请日2021.09.18(71)申请人江苏大学地址212013江苏省镇江市京口区学府路301号(72)发明人陈小波梁书荣陈玲梁军(51)Int.Cl.G06T7/246(2017.01)G06T7/73(2017.01)G06K9/62(2022.01)G06V10/74(2022.01)G06V10/80(2022.01)G06V20/54(2022.01)G06V20/56(2022.01)权利要求书4页说明书9页附图1页(54)发明名称一种基于超图匹配的多智能网联汽车协同目标跟踪方法(57)摘要本发明公开了一种基于超图匹配的多智能网联汽车协同目标跟踪方法，主车和协同车分别利用车载传感器获取各自检测范围内目标的观测数据，并各自利用深度网络和滤波算法计算k时刻跟踪目标的外观特征与位置；协同车将其所跟踪目标位置、外观特征及协同车自身定位信息发送给主车，主车接收到协同车发送的信息，并计算协同车在主车坐标系中的相对位姿、协同车的跟踪目标在主车坐标系中的位置坐标；对主车跟踪的目标与协同车跟踪的目标分别构造超图并计算各超边的相似度；基于融合相似度，建立目标关联的超图匹配模型，将目标关联转化为求解超图匹配的最优化问题，通过迭代求解得到最优分配矩阵；应用协方差交叉算法将同时被两车感知的目标状态信息进行融合，并保留只被主车或协同车感知的目标状态。CN113963020ACN113963020A权利要求书1/4页1.一种基于超图匹配的多智能网联汽车协同目标跟踪方法，其特征在于，包括如下步骤：步骤1：主车和协同车分别利用车载传感器获取各自检测范围内目标的观测数据，基于上述观测数据，主车和协同车分别应用深度网络提取k时刻目标的外观特征为和主车和协同车分别应用滤波算法得到目标位置和N1、N2分别为主车和协同车跟踪的目标数，分别是主车所跟踪目标的位置均值和协方差；分别是协同车所跟踪目标的位置均值和协方差；步骤2：协同车通过车间通信将协同车所跟踪目标位置外观特征及利用车载定位系统获得的协同车自身定位信息发送给主车；步骤3：主车通过车间通信接收到协同车发送的信息，并根据主车自身定位信息及协同车的定位信息计算协同车在主车坐标系中的相对位姿；步骤4：由主车坐标系与协同车坐标系的相对位姿获得坐标旋转矩阵R，基于坐标旋转矩阵R计算协同车的跟踪目标在主车坐标系中的位置坐标；步骤5：对主车跟踪的目标与协同车跟踪的目标分别构造超图；将主车跟踪的目标表示为超图G，将协同车跟踪的目标表示为超图G′；步骤6：分别根据各目标的外观特征、空间位置和拓扑结构的相似性计算各超边的相似度；计算各超边的相似度的方法为：基于从深度网络提取的目标外观特征向量和计算超图G与G′之间超边的外观相似度：其中，表示主车跟踪的第c个目标与协同车跟踪的第c′个目标的外观相似度；分别为主车跟踪的第c个目标外观特征向量、协同车跟踪的第c′个目标的外观特征向量；基于跟踪目标的空间位置，计算主车跟踪目标与协同车跟踪目标之间的距离，得到超图G与G′之间超边的距离相似度：其中，表示主车跟踪的第c个目标与协同车跟踪的第c′个目标之间的距离；是主车跟踪的第c个目标的均值，是协同车的跟踪的第c′个目标在主车坐标系中的均值；基于跟踪目标的拓扑结构，分别计算主车的跟踪目标间构成的超图内角和协同车跟踪2CN113963020A权利要求书2/4页目标构成超图内角信息，得到超图G与G′之间超边的结构相似度：其中，θc表示超边在主车跟踪的第c个目标处形成的夹角，θc′表示超边在协同车跟踪的第c′个目标处形成的夹角；基于外观相似度、距离相似度和结构相似度，计算超图G与G′之间超边的融合相似度，公式如下：步骤7：基于融合相似度，建立目标关联的超图匹配模型，将目标关联转化为求解超图匹配的最优化问题，通过迭代求解得到最优分配矩阵，步骤8：应用协方差交叉算法将同时被两车感知的目标状态信息进行融合，并保留只被主车或协同车感知的目标状态。2.根据权利要求1所述的一种基于超图匹配的多智能网联汽车协同目标跟踪方法，其特征在于，所述步骤1中采用深度残差网络提取目标的外观特征。3.根据权利要求1所述的一种基于超图匹配的多智能网联汽车协同目标跟踪方法，其特征在于，所述步骤1中滤波算法得到目标位置的方法为：步骤1.1应用高斯混合概率假设密度滤波器得到k时刻高斯混合概率密度假设强度γk(x)，表示为：其中，为目标在x，y方向上的位置和速度，为高斯分布，w(i)、Pi分别为第i个高斯分布的权重、均值和协方差矩阵，i＝1，2，...，Mk，Mk为高斯分量的个数；步骤1.2设舍弃