预测目标对象的运动参数的方法和装置的制造方法
【技术领域】
[0001] 本发明涉及预测目标对象的运动参数的方法和装置。更具体地，本发明涉及基于 目标对象的先前的运动参数来预测目标对象在下一时刻的运动参数的方法和装置。
【背景技术】
[0002] 随着技术的发展，车辆辅助驾驶系统和/或自动驾驶系统的应用日渐普及。这样 的驾驶系统通常包括在车辆上安装的诸如摄像设备、雷达设备之类的信息采集设备，并且 通过例如分析摄像设备拍摄和/或雷达设备所采集的数据来给出有助于驾驶员驾驶的信 息或者帮助驾驶员执行特定的操作。
[0003] 可靠的三维道路环境理解对于车辆的自动驾驶系统和/或辅助驾驶系统十分重 要。三维道路环境理解主要包括目标对象检测，目标对象运动预测，目标对象跟踪等方面。 其中，目标对象的运动预测是一个非常重要的方面，它对于目标对象的跟踪检测与车辆的 控制有直接的影响。
[0004] 已经提出了通过Kalman滤波算法来预测目标对象的运动。在Kalman滤波算法中， 基于目标对象的运动模型与估计的误差来预测目标对象的位置，以得到具有最小均方差的 预测结果。然而，Kalman滤波没有考虑场景中其他对象对于目标对象的运动带来的影响。
[0005] 此外，在城市道路环境中，所采集的图像中的对象较为密集，并且目标对象的特征 不稳定，很容易导致错误的检测或匹配。为避免在跟踪过程中的错误检测或匹配，要求预测 目标对象将会运动到的精确位置。然而Kalman滤波算法只预测出了具有最大概率的目标 对象的位置，而通常预测出的位置并不是目标对象将会运动到的精确位置，因此常常还需 要在预测出的位置附近对目标对象进行搜索检测，但该搜索区域并没有被预测，因而增加 了搜索的难度。
【发明内容】
[0006] 本发明实施例的目的在于提供一种能够更加准确地预测目标对象的运动参数的 方法和装置。
[0007] 本发明的一个实施例提供了一种预测目标对象的运动参数的方法，包括：根据检 测数据获得目标对象的第一运动参数；根据检测数据确定位于目标对象周围的邻域对象； 获得目标对象与邻域对象之间的距离；以及根据第一运动参数和目标对象与邻域对象之间 的距离，估算在下一时刻目标对象的第二运动参数的概率密度函数。
[0008] 本发明的另一实施例提供了一种预测目标对象的运动参数的装置，包括：参数获 取单元，配置来根据检测数据获得目标对象的第一运动参数；对象确定单元，配置来根据检 测数据确定位于目标对象周围的邻域对象；距离获取单元，配置来获得目标对象与邻域对 象之间的距离；以及参数估算单元，配置来根据第一运动参数和目标对象与邻域对象之间 的距离，估算在下一时刻目标对象的第二运动参数的概率密度函数。
[0009] 通过上述本发明实施例提供的预测目标对象的运动参数的方法和装置，可获得目 标对象的运动参数的概率密度函数，从而不仅可以得到目标对象具有最大概率的运动参 数，还可获得在其它概率下目标对象的运动参数的范围。此外，本发明实施例提供的预测目 标对象的运动参数的方法和装置根据目标对象与邻域对象之间的距离对目标对象的运动 参数进行预测，从而提高了预测的准确性，并且有效地降低了目标跟踪检测时的错误匹配 率。
【附图说明】
[0010] 图1是描述了根据本发明一个实施例的预测目标对象的运动参数的方法的流程 图；
[0011] 图2是描述了根据本发明一个实施例的获得目标对象的第一运动参数的方法的 流程图；
[0012] 图3是示出了在给定当前时刻的速度的情况下，下一时刻目标对象的加速度的概 率密度函数曲线的示意性说明图；
[0013] 图4是示出了在给定邻域距离d的情况下，下一时刻目标对象的加速度的概率密 度函数曲线的示意性说明图。
[0014] 图5a是示出了根据传统算法得到的搜索区域的示例说明图。
[0015] 图5b是示出了根据本发明实施例中的算法得到的搜索区域的示例说明图。
[0016] 图6a是示出了目标对象的当前运动方向的示意性说明图。
[0017] 图6b是示出了根据目标对象的当前运动方向所确定的坐标系。
[0018] 图6c是示出了前向方向和侧向方向对目标对象与一个邻域对象之间的距离进行 分解的示例性说明图。
[0019] 图7是示出了根据本发明的一个实施例的预测目标对象的运动参数的装置的示 范性结构框图。
[0020] 图8是描述了根据本发明一个实施例的参数获取单元的示范性结构框图。
[0021] 图9是示出按照本发明实施例的预测运动参数的硬件系统的总体硬件框图。
【具体实施方式】
[0022] 为了使本领域技术人员更好地理解本发明，将参考附图详细描述本发明的优选实 施例。注意，在本说明书和附图中，具有基本上相同步骤和元素用相同的附图标记来表示， 且对这些步骤和元素的重复解释将被省略。
[0023] 图1是描述了根据本发明一个实施例的预测目标对象的运动参数的方法的流程 图。下面，将参照图1来描述根据本发明实施例的预测目标对象的运动参数的方法。如图1 所示，在步骤S101中，根据检测数据获得目标对象的第一运动参数。可通过预先安装的相 机、雷达等设备来进行检测，并且获得检测数据。此外，根据本发明的一个示例，第一运动参 数可包括由目标对象的属性确定的固有运动参数和由目标对象的历史运动轨迹确定的特 征运动参数。
[0024] 以下将结合图2描述根据本发明一个实施例，在步骤S101中获得目标对象的第一 运动参数的方法。图2是描述了根据本发明一个实施例的获得目标对象的第一运动参数的 方法的流程图。如图2所示，在步骤S201中，识别目标对象以确定目标对象的属性。根据本 发明的一个示例，目标对象的属性可以是目标对象的类型。例如，可识别目标对象，以确定 目标对象是小轿车、大卡车、摩托车、自行车、行人、还是障碍物等。可利用各种现有技术来 确定目标对象的类型。例如，在步骤S201中可根据支持向量机（supportvectormachine) 来识别目标对象所属类型。
[0025] 在步骤S202中，根据目标对象的属性，获得目标对象的固有运动参数。固有运动 参数可指使由属性确定的目标对象的运动能力。例如，固有运动参数可包括在加速和/或 制动时具有该属性的对象一般能够达到的最大加速度、最大速度等。根据本发明的一个示 例，在步骤S202中可根据目标对象的属性，从本地预先存储的数据库中获得具有该属性的 对象的固有运动参数。可替换地，在步骤S202中也可与互联网相连接，根据目标对象的属 性，从远程数据库中获得具有该属性的对象的固有运动参数。
[0026] 然后，在步骤S203中，根据目标对象的历史运动轨迹，获得目标对象的特征运动 参数。特征运动参数可指示根据目标对象的历史运动轨迹确定的目标对象的运动状态。例 如，特征运动参数可包括目标对象当前的速度、加速度、在当前帧中的位移等。具体地，根据 本发明的一个示例，可基于如下所示的公式（1)中的二阶加速度运动模型，来根据目标的 历史运动轨迹计算目标当前的运动速度及加速度：
[0028] 其中，dt是当前帧检测到的目标对象的位移，vt，at分别是待估计的当前帧的目 标对象的速度与加速度，t是两帧之间的时间间隔。dg是先前帧检测到的目标对象的位 移，是先前帧估计的速目标对象的度。计算过程可以迭代进行，在每一帧对参数求解。
[0029] 此外，根据本发明的一个示例，特征运动参数还可指示根据目标对象的历史运动 轨迹确定的目标对象的运动能力，并且可根据特征运动参数来对固有运动参数进行修正。 例如，在步骤S201中识别目标对象为自行车，并且在步骤S202中获得一般自行车的最大速 度为20km/h，而根据目标对象的历史运动轨迹发现目标对象在相对长的一段时间中最大速 度达到25km/h，在此情况下，可将固有运动参数中国的最大速度修改为25km/h。
[0030] 返回图1，在步骤S102中，根据检测数据确定位于目标对象周围的邻域对象。换言 之，邻域对象可以是根据所检测的数据确定的在各个方向上邻近目标对象的对象。根据本 发明的一个示例，可预先设定目标对象的邻域的范围，例如，预先设定邻域对象与目标对象 之间的最大距离，并且将位于邻域范围内的对象作为目标对象的邻域对象。此外，由于通常 在每个方向里目标对象最近的对象对于目标对象的影响最显著，而位于该最近对象之后的 对象对于目标对象的影响很微弱，因此根据本发明的另一示例，根据所检测的数据，可将仅 在每个方向上距离目标对象最近的对象作为目标对象的邻域对象，而不考虑在该方向上位 于距离目标对象最近的对象之后的物体。从而简化了预测运动参数所需要的计算。
[0031] 在步骤S103中，获得目标对象与每个邻域对象之间的距离。然后，在步骤S104 中，根据第一运动参数和目标对象与邻域对象之间的距离，估算在下一时刻目标对象的第 二运动参数的概率密度函数。在根据本发明的示例中，第二运动参数可指示根据第一运动 参数和目标对象与邻域对象之间的距离确定的目标对象将会出现的运动状态。例如，在步 骤S101中获得的第一运动参数包括固有运动参数和特征运动参数的情况下，在步骤S104 中，可首先根据特征运动参数，估算在下一时刻目标对象的第二运动参数的初始概率密度 函数。然后，根据目标对象与邻域对象之间的距离，调整初始概率密度函数。具体地说，当 目标对象与邻域对象之间的距离越小时，对第二运动参数的初始概率密度函数的调整幅度 越大，反之当目标对象与邻域对象之间的距离越大时，对第二运动参数的初始概率密度函 数的调整幅度越小。最后，将调整后的初