本發(fā)明涉及車輛智能，具體涉及一種多傳感器目標檢測方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、現(xiàn)今各種傳感器的目標感知算法已經(jīng)成熟，能夠?qū)崿F(xiàn)對障礙物進行跟蹤并計算出目標類型、位置、運動屬性等信息。因此，先對各傳感器原始感知數(shù)據(jù)分別進行目標檢測任務(wù)，輸出目標類型、位置等信息，然后再對所有傳感器輸出的跟蹤目標結(jié)果進行目標匹配關(guān)聯(lián)，最終實現(xiàn)對多個傳感器跟蹤結(jié)果融合，根據(jù)先驗信息，對每個傳感器的類型做個優(yōu)先級，通過優(yōu)先級確認最終融合目標的類型信息。

2、然而該方法基于傳統(tǒng)的規(guī)則比較，當單一傳感器類型檢出錯誤，尤其是像攝像頭這種主(base)傳感器對障礙物類型檢出錯誤后，極大增加融合后的障礙物類型錯誤性，整體容錯率低。

技術(shù)實現(xiàn)思路

1、為克服相關(guān)技術(shù)中存在的問題，本發(fā)明提供一種多傳感器目標檢測方法、裝置、設(shè)備及存儲介質(zhì)。

2、根據(jù)本發(fā)明實施例的第一方面，提供一種所述多傳感器目標檢測方法，所述方法包括：獲取目標時間戳對應(yīng)的全部傳感器的目標原始數(shù)據(jù)；

3、獲取目標時間戳下每個傳感器輸出的針對不同跟蹤目標對應(yīng)的第一原始數(shù)據(jù)；

4、獲取距離所述目標時間戳預(yù)設(shè)時間的多個連續(xù)時間戳下全部所述傳感器針對同一跟蹤目標的第一多傳感器目標檢測數(shù)據(jù)；

5、根據(jù)所述第一原始數(shù)據(jù)和所述第一多傳感器目標檢測數(shù)據(jù)生成目標特征對；

6、將所述目標特征對輸入至預(yù)先訓(xùn)練的目標類型融合網(wǎng)絡(luò)模型，輸出所述跟蹤目標對應(yīng)的類型。

7、可選的，所述將所述目標特征對輸入至預(yù)先訓(xùn)練的目標類型融合網(wǎng)絡(luò)模型，輸出所述跟蹤目標對應(yīng)的類型包括：

8、遍歷所述目標特征對，并將所述目標特征對輸入至預(yù)先設(shè)置的目標類型融合網(wǎng)絡(luò)模型，輸出目標類型關(guān)聯(lián)矩陣；

9、通過所述目標類型關(guān)聯(lián)矩陣輸出所述跟蹤目標對應(yīng)的類型。

10、可選的，所述將所述目標特征對輸入至預(yù)先設(shè)置的目標類型融合網(wǎng)絡(luò)模型，輸出目標類型關(guān)聯(lián)矩陣包括：

11、通過非共享參數(shù)的兩個升維網(wǎng)絡(luò)對所述目標特征對中的第一原始數(shù)據(jù)和第一多傳感器目標檢測數(shù)據(jù)分別進行升維，得到第一升維原始數(shù)據(jù)和第一升維多傳感器目標檢測數(shù)據(jù)；

12、將所述第一升維原始數(shù)據(jù)和所述第一升維多傳感器目標檢測數(shù)據(jù)進行矩陣乘法，得到目標類型關(guān)聯(lián)矩陣。

13、可選的，所述第一原始數(shù)據(jù)包括目標橫縱向位置、目標橫縱向絕對速度、目標橫縱向絕對加速度、目標長度、目標寬度、目標高度、航向角、目標類型、傳感器種類中至少一種。

14、可選的，在所述將所述目標特征對輸入至預(yù)先訓(xùn)練的目標類型融合網(wǎng)絡(luò)模型，輸出所述跟蹤目標對應(yīng)的類型的步驟之前，所述方法包括：

15、獲取所述目標類型融合網(wǎng)絡(luò)模型對應(yīng)的預(yù)先設(shè)置的訓(xùn)練真值，以及，獲取所述目標類型融合網(wǎng)絡(luò)模型對應(yīng)的損失函數(shù)；

16、根據(jù)所述訓(xùn)練真值和損失函數(shù)對所述目標類型融合網(wǎng)絡(luò)模型進行訓(xùn)練，輸出目標網(wǎng)絡(luò)權(quán)重；

17、根據(jù)所述目標網(wǎng)絡(luò)權(quán)重確定目標類型融合網(wǎng)絡(luò)模型。

18、可選的，所述獲取所述目標類型融合網(wǎng)絡(luò)模型對應(yīng)的預(yù)先設(shè)置的訓(xùn)練真值包括：

19、獲取各個時間戳對應(yīng)的傳感器的第二原始數(shù)據(jù)和第二多傳感器目標檢測數(shù)據(jù)；

20、根據(jù)所述目標特征對兩種數(shù)據(jù)之間的目標關(guān)聯(lián)情況進行標注，生成所述目標類型融合網(wǎng)絡(luò)模型對應(yīng)的訓(xùn)練真值。

21、可選的，所述獲取所述目標類型融合網(wǎng)絡(luò)模型對應(yīng)的損失函數(shù)包括：

22、構(gòu)建針對所述目標類型關(guān)聯(lián)矩陣以及所述跟蹤目標對應(yīng)的類型的損失函數(shù)。

23、所述構(gòu)建針對所述目標類型關(guān)聯(lián)矩陣以及所述跟蹤目標對應(yīng)的類型的損失函數(shù)包括：

24、可選的，通過分類focal損失或者二值交叉熵構(gòu)建針對所述目標類型關(guān)聯(lián)矩陣以及所述跟蹤目標對應(yīng)的類型的損失函數(shù)。

25、根據(jù)本發(fā)明實施例的第三方面，提供一種電子設(shè)備，包括：

26、處理器；

27、用于存儲所述處理器可執(zhí)行指令的存儲器；

28、其中，所述處理器被配置為執(zhí)行所述指令，以實現(xiàn)如第二方面所述的多傳感器目標檢測方法。

29、根據(jù)本發(fā)明實施例的第四方面，提供一種計算機存儲介質(zhì)，當所述存儲介質(zhì)中的指令由移動終端的處理器執(zhí)行時，使得移動終端能夠執(zhí)行如本發(fā)明第二方面所述的多傳感器目標檢測方法。

30、本發(fā)明的實施例提供的技術(shù)方案可以包括以下有益效果：

31、本發(fā)明多傳感器目標檢測方法通過獲取目標時間戳下每個傳感器輸出的針對不同跟蹤目標對應(yīng)的第一原始數(shù)據(jù)；獲取距離所述目標時間戳預(yù)設(shè)時間的多個連續(xù)時間戳下全部所述傳感器針對同一跟蹤目標的第一多傳感器目標檢測數(shù)據(jù)；根據(jù)所述第一原始數(shù)據(jù)和所述第一多傳感器目標檢測數(shù)據(jù)生成目標特征對；將所述目標特征對輸入至預(yù)先訓(xùn)練的目標類型融合網(wǎng)絡(luò)模型，輸出所述跟蹤目標對應(yīng)的類型。即本發(fā)明實施例通過對不同傳感器跟蹤目標數(shù)據(jù)提取相同關(guān)聯(lián)匹配的目標，在同一網(wǎng)絡(luò)框架下基于關(guān)聯(lián)匹配成功的各傳感器，提取目標的類型、長寬、位置、速度等信息進入網(wǎng)絡(luò)模型訓(xùn)練，結(jié)合目標多維信息預(yù)測出融合類型。而且減少了人工針對不同傳感器進行的邏輯設(shè)定、門限設(shè)置、調(diào)整和篩選等操作。同時，通過對多幀多傳感目標進行類型融合，用于提升網(wǎng)絡(luò)模型性能，具有較強的魯棒性。此外，該方案可復(fù)用多種不同情況傳感器的安裝配置場景而無需重新對模型進行訓(xùn)練，從而大幅降低訓(xùn)練成本，具有很好的架構(gòu)通用性。

32、應(yīng)當理解的是，以上的一般描述和后文的細節(jié)描述僅是示例性和解釋性的，并不能限制本發(fā)明。

技術(shù)特征：

1.一種多傳感器目標檢測方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述目標特征對輸入至預(yù)先訓(xùn)練的目標類型融合網(wǎng)絡(luò)模型，輸出所述跟蹤目標對應(yīng)的類型包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述將所述目標特征對輸入至預(yù)先設(shè)置的目標類型融合網(wǎng)絡(luò)模型，輸出目標類型關(guān)聯(lián)矩陣包括：

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述第一原始數(shù)據(jù)包括目標橫縱向位置、目標橫縱向絕對速度、目標橫縱向絕對加速度、目標長度、目標寬度、目標高度、航向角、目標類型、傳感器種類中至少一種。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述將所述目標特征對輸入至預(yù)先訓(xùn)練的目標類型融合網(wǎng)絡(luò)模型，輸出所述跟蹤目標對應(yīng)的類型的步驟之前，所述方法包括：

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述獲取所述目標類型融合網(wǎng)絡(luò)模型對應(yīng)的預(yù)先設(shè)置的訓(xùn)練真值包括：

7.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述獲取所述目標類型融合網(wǎng)絡(luò)模型對應(yīng)的損失函數(shù)包括：

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述構(gòu)建針對所述目標類型關(guān)聯(lián)矩陣以及所述跟蹤目標對應(yīng)的類型的損失函數(shù)包括：

9.一種多傳感器目標檢測裝置，其特征在于，所述裝置包括：

10.一種電子設(shè)備，其特征在于，包括：

11.一種計算機可讀存儲介質(zhì)，存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1中所述的多傳感器目標檢測方法。

12.一種車輛，其特征在于，所述車輛包括權(quán)利要求9中所述的多傳感器目標檢測方法。

技術(shù)總結(jié)
本發(fā)明涉及一種多傳感器目標檢測方法、裝置、設(shè)備及存儲介質(zhì)，包括：通過獲取目標時間戳下每個傳感器輸出的針對不同跟蹤目標對應(yīng)的第一原始數(shù)據(jù)；獲取距離所述目標時間戳預(yù)設(shè)時間的多個連續(xù)時間戳下全部所述傳感器針對同一跟蹤目標的第一多傳感器目標檢測數(shù)據(jù)；根據(jù)所述第一原始數(shù)據(jù)和所述第一多傳感器目標檢測數(shù)據(jù)生成目標特征對；將所述目標特征對輸入至預(yù)先訓(xùn)練的目標類型融合網(wǎng)絡(luò)模型，輸出所述跟蹤目標對應(yīng)的類型。本申請實施例通過對不同傳感器跟蹤目標數(shù)據(jù)提取相同關(guān)聯(lián)匹配的目標，在同一網(wǎng)絡(luò)框架下基于關(guān)聯(lián)匹配成功的各傳感器，進入網(wǎng)絡(luò)模型訓(xùn)練，結(jié)合目標多維信息預(yù)測出融合類型。

技術(shù)研發(fā)人員：譚偉,柳曉東,譚余,強秋秋
受保護的技術(shù)使用者：重慶長安科技有限責任公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15