一种基于认知的智能驾驶目标识别多相机跟踪方法及系统与流程

本发明涉及智能驾驶，具体是涉及一种基于认知的智能驾驶目标识别多相机跟踪方法及系统。

背景技术：

1、现有技术中，与本发明最相关的技术有两个，一个是感知识别技术，通过神经网络识别出目标，并对其进行分类，分类体现为小型车、卡车、客车、摩托车、自行车、行人等类型，此类技术根据目标特征的提取和卷积，将目标进行简单归类。仅对当前时刻的目标负责，当目标或自车运动后，输出的目标id可能会随机跳动。二是现有规划控制逻辑软件会利用感知软件输出的目标信息，对目标进行跟踪，当目标跨摄像头运动时，感知软件需要通过基本分类、动力学参数等多维信息，计算区分摄像头1和摄像头2中分别出现的目标是否为同一个目标。

2、现有技术中，缺点和不足主要分为两点，一是感知软件，由于只能通过摄像头识别车辆部分特征，得出的结果(小型车、卡车、客车、摩托车等)较为简单，仅为目标大致分类，不能详细准备描述目标较多特征，另外，对目标运动学的识别也不是很准确。二是对目标的跟踪识别，由于使用目标类别和运动学参数等对目标进行跟踪，当目标存在分类相似、运动学参数相似的情况，现有技术很容易出现误识别和漏识别的情况，且相同目标出现在不同摄像头视角中，可能给出不同的目标id，造成融合模块需要大量计算重新整合目标id。因此，需要提供一种基于认知的智能驾驶目标识别多相机跟踪方法及系统，旨在解决上述问题。

技术实现思路

1、针对现有技术存在的不足，本发明的目的在于提供一种基于认知的智能驾驶目标识别多相机跟踪方法及系统，以解决上述背景技术中存在的问题。

2、本发明是这样实现的，一种基于认知的智能驾驶目标识别多相机跟踪方法，所述方法包括以下步骤：

3、通过后视摄像头识别到目标车辆，确定所述目标车辆的细分类型，赋予所述目标车辆一个目标特征信息；

4、通过后视摄像头采集到目标车辆的运动学参数，根据所述运动学参数预测所述目标车辆进入侧后摄像头识别范围的预计时间；

5、当侧后视摄像头在预计时间后采集的图片中出现了目标车辆时，侧后视摄像头识别的目标将集成后视摄像头提供的目标特征信息，以实现目标跨摄像头移动时，进行目标锁定；

6、当目标车辆继续加速，在t秒后出现在侧前摄像头视角内，感知识别到目标车辆后，集成所述目标特征信息，

7、当目标车辆变道行驶在车辆正前方，前视摄像头感知识别到目标车辆后，集成所述目标特征信息。

8、作为本发明进一步的方案：确定所述目标车辆的细分类型的步骤，具体包括：

9、基于客观目标识别确定所述目标车辆的第一细分类型；

10、基于推理目标识别确定所述目标车辆的第二细分类型；

11、根据第一细分类型和第二细分类型确定所述目标车辆的细分类型。

12、作为本发明进一步的方案：所述基于客观目标识别确定所述目标车辆的第一细分类型的步骤，具体包括：

13、确定车身颜色；

14、确定车辆能源类型，所述车辆能源类型包括新能源、传统能源以及无法区分；

15、确定车漆类型，所述车漆类型包括亮光和哑光。

16、作为本发明进一步的方案：所述基于推理目标识别确定所述目标车辆的第二细分类型的步骤，具体包括：

17、确定目标车辆的局部特征，所述局部特征包括车身腰线、前保、后保、外后视镜、车身造型以及轮毂；

18、根据所述局部特征校验感知输出的车辆品牌及型号。

19、作为本发明进一步的方案：赋予所述目标车辆一个目标特征信息的步骤，具体包括：

20、随机生成一个目标id，基于所述目标id和细分类型得到目标特征信息；

21、将所述目标特征信息赋予所述目标车辆。

22、作为本发明进一步的方案：前保特征分为横向进气格栅、竖向进气格栅、多边形格栅形状以及双肾型形状，利用监督学习网络，得到的分类参数。

23、作为本发明进一步的方案：所述方法配置有智能驾驶域控制器、t-box、侧前摄像头、侧后摄像头、前视摄像头以及后视摄像头，其中，t-box为智能驾驶域控制器提供车辆实拍图片及参数数据，智能驾驶域控制器根据服务器不断更新的数据迭代算法，算法定期更新给感知soc，感知soc根据摄像头识别到的目标信息，输出结果。

24、与现有技术相比，本发明的有益效果是：

25、本发明通过识别到的目标信息，可以锁定目标类型，当不同摄像头的信息融合在一起后，提取本发明的目标信息，可以快速识别相同车辆，目标车辆跨摄像头移动时，融合结果更加稳定，不会出现目标id跳动的问题。这样，在多摄像头融合处理时，仅需要使用车辆运动学参数对感知给出的目标id进行简单校核，便可以实现多摄像头融合处理，不需要融合软件对目标id属性进行重新赋值排列，降低融合算法复杂度。同时，在感知层彻底解决目标id识别跳动问题，例如车辆娱乐大屏显示实时交通场景时，当感知识别的目标id发生跳动(id由011变为022)，其他运动学参数不变，那么车辆模型在显示屏中的位置不发生变化，但由于id变化，先前显示的车辆模型会随着旧的id消失，当新id出现后车辆模型会随之出现，表现为车辆模型闪烁一下。当使用本发明的算法后，摄像头识别的目标不再局限与粗犷的车辆类型，而是准确的目标车辆品牌及型号，当多个摄像头识别到同样的车辆，便会给出同样的结果，而现有技术方案在识别到“2022款宝马x5”和“2020款奥迪q5”后，都会给出“小型车”或“suv”这样相同的结果。

技术特征：

1.一种基于认知的智能驾驶目标识别多相机跟踪方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的基于认知的智能驾驶目标识别多相机跟踪方法，其特征在于，确定所述目标车辆的细分类型的步骤，具体包括：

3.根据权利要求2所述的基于认知的智能驾驶目标识别多相机跟踪方法，其特征在于，所述基于客观目标识别确定所述目标车辆的第一细分类型的步骤，具体包括：

4.根据权利要求2所述的基于认知的智能驾驶目标识别多相机跟踪方法，其特征在于，所述基于推理目标识别确定所述目标车辆的第二细分类型的步骤，具体包括：

5.根据权利要求1所述的基于认知的智能驾驶目标识别多相机跟踪方法，其特征在于，赋予所述目标车辆一个目标特征信息的步骤，具体包括：

6.根据权利要求4所述的基于认知的智能驾驶目标识别多相机跟踪方法，其特征在于，前保特征分为横向进气格栅、竖向进气格栅、多边形格栅形状以及双肾型形状，利用监督学习网络，得到的分类参数。

7.根据权利要求1所述的基于认知的智能驾驶目标识别多相机跟踪方法，其特征在于，所述方法配置有智能驾驶域控制器、t-box、侧前摄像头、侧后摄像头、前视摄像头以及后视摄像头，其中，t-box为智能驾驶域控制器提供车辆实拍图片及参数数据，智能驾驶域控制器根据服务器不断更新的数据迭代算法，算法定期更新给感知soc，感知soc根据摄像头识别到的目标信息，输出结果。

8.一种基于认知的智能驾驶目标识别多相机跟踪系统，其特征在于，所述系统包括：

9.根据权利要求8所述的基于认知的智能驾驶目标识别多相机跟踪系统，其特征在于，所述细分类型确定模块包括：

10.根据权利要求9所述的基于认知的智能驾驶目标识别多相机跟踪系统，其特征在于，所述第一细分类型单元包括：

技术总结本发明适用于智能驾驶技术领域，提供了一种基于认知的智能驾驶目标识别多相机跟踪方法及系统，包括以下步骤：通过后视摄像头识别到目标车辆，确定所述目标车辆的细分类型，赋予所述目标车辆一个目标特征信息；通过后视摄像头采集到目标车辆的运动学参数，根据所述运动学参数预测所述目标车辆进入侧后摄像头识别范围的预计时间；当侧后视摄像头在预计时间后采集的图片中出现了目标车辆时，侧后视摄像头识别的目标将集成后视摄像头提供的目标特征信息，以实现目标跨摄像头移动时，进行目标锁定。本发明通过识别到的目标信息，可以锁定目标类型，当不同摄像头的信息融合在一起后，提取本发明的目标信息，可以快速识别相同车辆。技术研发人员：李建伟,王宇,宗雯露,贺赵阳,朱亮,刘德宇受保护的技术使用者：阿尔特汽车技术股份有限公司技术研发日：技术公布日：2024/8/1