(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211136917.5 (22)申请日 2022.09.19 (71)申请人 东南大学 地址 211189 江苏省南京市江宁区东 南大 学路2号 (72)发明人 刘升恒　李腾飞　黄永明　杨绿溪　 (74)专利代理 机构 南京瑞弘专利商标事务所 (普通合伙) 32249 专利代理师 任志艳 (51)Int.Cl. G06V 20/56(2022.01) G06V 20/58(2022.01) G06V 10/44(2022.01) G06T 7/246(2017.01) G06T 7/277(2017.01)G06T 7/35(2017.01) (54)发明名称 一种基于3D目标检测和多目标追踪检测车 辆速度的方法 (57)摘要 本发明涉及计算机视觉领域， 设计了一种基 于3D目标检测和多目标追踪算法来感知周围车 辆速度的方法， 该方法能够 有效识别周围车辆并 计算周围车辆的速度。 所诉方法包括： 数据集采 集， 通过雷达车 获取训练样本 数据； 3D目标检测， 对连续帧的点云数据进行车辆识别， 获得目标车 辆每一帧的位置坐标； 3D多目标追踪， 使用匈牙 利算法和卡尔曼滤波算法 组合， 通过传统的追踪 算法达到较高的计算效率同时又不会有较大的 精度损失。 通过对连续帧点云数据中的车辆进行 识别追踪， 获取车辆在每一帧的位置坐标和唯一 标识， 通过每一帧的位置坐标转换为现实世界中 的世界坐标位置。 根据世界坐标计算连续帧点云 数据中每相邻两帧的移动距离进而计算车辆速 度。 权利要求书1页 说明书5页 附图2页 CN 115457497 A 2022.12.09 CN 115457497 A 1.一种基于3D 目标检测和多目标追踪检测车辆速度的方法， 其特征在于， 包括如下步 骤： 步骤1， 采集城市道路场景 数据， 获取 连续帧的点云数据集； 步骤2， 搭建3D目标检测网络模型， 并根据获得的数据集进行3D目标检测模型训练； 步骤3， 根据训练好的3D目标检测模型对需要测试的连续帧点云数据进行检测， 识别每 一帧场景中周围车辆的信息； 所述车辆信息包括当前帧车辆的相对位置坐标； 步骤4， 根据每一帧目标车辆的相对位置坐标及车辆自身姿态文件， 得到目标车辆的世 界位置坐标 步骤5， 根据3D目标检测结果进行多目标追踪， 获得周围车辆唯一标识和车辆运动轨 迹； 步骤6， 根据周围车辆世界位置坐标、 车辆唯一标识、 车辆运动轨迹、 以及连续帧时间间 隔计算周围车辆的行驶速度。 2.根据权利要求1所述一种基于3D 目标检测和多目标追踪检测车辆速度的方法， 其特 征在于， 步骤5中根据3D目标检测结果进 行多目标追踪， 获得周围车辆唯一标识和车辆运动 轨迹； 包括如下步骤： 步骤5.1， 采用AB3DMOT多 目标追踪算法对周围目标车辆进行追踪， 将3D目标检测模型 第一阶段的输出作为AB3DMOT多目标追踪算法 的输入， 对每一个目标车辆附上各自唯一标 识ID， 作为该目标 车辆轨迹的唯一标识。 步骤5.2： 对于没有匹配到的追踪器， 若连续两帧没有匹配到则删除该追踪器； 若追踪 器连续命中的帧数大于两 帧， 则追踪器返回显示。 从而获得周围车辆的运动轨迹和唯一标 识。 3.根据权利要求1所述一种基于3D 目标检测和多目标追踪检测车辆速度的方法， 其特 征在于， 步骤6中根据周围车辆世界位置坐标、 车辆唯一标识、 车辆运动轨迹、 以及连续帧时 间间隔计算周围车辆的行驶速度， 具体包括： 每相邻两帧点云数据中目标车辆在世界坐标中的位移作为目标车辆在现实世界的行 驶距离， 每相邻两帧数据的时间 间隔作为目标 车辆在现实世界的行驶时间； 根据当前帧和下一帧计算当前帧目标车辆的行驶速度， 将目标车辆在当前帧的计算速 度作为目标 车辆在当前帧的速度； 若所述目标车辆为数据集最后 一帧出现， 则取车辆上一帧的行驶速度作为所述目标车 辆在当前帧的行驶速度。 4.根据权利要求1所述一种基于3D 目标检测和多目标追踪检测车辆速度的方法， 其特 征在于， 步骤4中车辆自身 姿态文件， 是基于雷达成像地图的定位 算法所提供的。 5.根据权利要求1所述一种基于3D 目标检测和多目标追踪检测车辆速度的方法， 其特 征在于， 所述3D目标检测网络模型 是基于CenterPo int3D目标检测的模型。权　利　要　求　书 1/1 页 2 CN 115457497 A 2一种基于3D目标 检测和多目标追踪检测车辆速度的方 法 技术领域 [0001]本发明涉及计算机视觉领域， 特别是一种基于3D目标检测和多目标追踪感知周围 车辆速度的一种方法。 背景技术 [0002]自动驾驶车辆自主行驶在道路上， 需要对周围的三维场景进行感知， 因为深度信 息、 目标三围尺寸等在2D感知中无法获得的， 这些信息是自动捡拾感知系统的基础， 对后续 的路径规划、 运动预测、 碰撞具有重要指导作用。 根据输入传感器信号类型， 自动驾驶三维 目标检测算法可以分为： 基于图像的算法、 基于激光点云的算法和基于多模态融合的算法。 目前3D目标检测正处于高速发展时期， 从成本上讲激光雷达大于双目相机大于单目相机， 但是随着激光雷达的不断产业化发展， 成本在不断降低， 从准确 率上来讲激光雷达大于双 目和单目相机 。 [0003]通过三维目标检测对周围场景进行感知， 可以获得更加准确的信息， 并且通过目 标检测和 后续的多目标追踪任务可以对周围的车辆进 行速度检测， 这对自动驾驶场景的车 辆后续的路径规划， 运动预测等任务有很大帮助， 使车辆自动驾驶更加安全。 发明内容 [0004]基于此， 有必要针对上述技术问题， 本发明提供了一种基于3D目标检测和多目标 追踪感知周围车辆 速度的方法， 能够有效检测自动驾驶车辆周围车辆的信息和速度。 [0005]本公开提供了一种周围车辆速度检测的方法： 包括数据集采集， 模型训练。 对周围 车辆进行识别， 获取车辆信息和这一帧的位置信息。 根据3D目标检测结果对目标车辆的位 置信息进 行坐标转换获得现实世界车辆的世界坐标， 根据世界坐标和车辆的检测信息进 行 追踪获得目标车辆唯一标识以及目标车辆在现实世界中的移动距离。 根据车辆在现实世界 中的行驶距离以及连续帧的时间间隔， 计算车辆在当前帧的速度， 其中行驶距离根据移动 距离得到 。 [0006]一种基于 3D目标检测 和多目标追踪检测车辆 速度的方法， 具体包括如下步骤： [0007]步骤1， 采集城市道路场景 数据， 获取 连续帧的点云数据集， 作为训练样本集； [0008]采用雷达车搭载128线激光雷达在城市道路场景中采集场景数据， 获得连续帧的 点云数据， 自身车辆在某一时刻的姿态 表示文件； [0009]步骤2， 搭建3D目标检测网络模型， 并根据获得的数据集进行3D目标检测模型训 练； [0010]所述3D目标检测网络模型是基于CenterPoint3D目标检测的模型， 使用 CenterPo int能够大 大减少对象检测器的搜索空间， 检测效果 好并且效率高； [0011]步骤3， 根据训练好的3D目标检测模型对需要测试的连续帧点云数据进行检测， 识 别每一帧场景中周围车辆的信息； 所述目标车辆信息包括车辆类别， 车辆的3D检测框在当 前帧车辆的相对位置坐标；说　明　书 1/5 页 3 CN 115457497 A 3