一种车云协同的智能3D多目标跟踪方法及系统

    公开(公告)号:CN116259015A

    公开(公告)日:2023-06-13

    申请号:CN202310077195.9

    申请日:2023-02-01

    申请人: 中山大学

    IPC分类号: G06V20/54 G06V20/64 G06V10/74

    摘要: 本发明公开了一种车云协同的智能3D多目标跟踪方法及系统,方法包括:对车辆目标进行检测,获取初始时刻场景下各个车辆的检测状态,建立初始轨迹信息;根据初始时刻场景下的跟踪结果的目标信息,通过卡尔曼滤波算法预测目标时刻的状态;对车辆对象进行检测,获取各个车辆的检测状态,进而计算目标时刻下所有检测对象的检测框信息与初始时刻下目标的预测状态之间的数据关联度;根据数据关联度,对所有检测对象和预测对象进行相似度匹配,得到匹配结果;对匹配结果进行目标状态管理,直至完成跟踪目标。本发明能够快速完成对多个目标车辆的跟踪确认,基于车云协同的车辆数据,提高了跟踪预测的准确性,可广泛应用于车云协同控制技术领域。

    一种基于时空自适应注意力的3D多目标跟踪方法

    公开(公告)号:CN115731267A

    公开(公告)日:2023-03-03

    申请号:CN202211518725.0

    申请日:2022-11-30

    申请人: 中山大学

    摘要: 本发明公开了一种基于时空自适应注意力的3D多目标跟踪方法,方法包括:获取目标场景下的2D多源数据和3D多源数据,对2D多源数据进行图像特征提取,获取图像特征,并对3D多源数据进行点云特征提取,获取点云特征;将所述图像特征和所述点云特征进行特征融合,得到融合特征;根据所述融合特征确定目标场景内每个对象的检测状态;根据所述检测状态,提取检测对象和预测对象之间的协作特征;根据所述协作特征对目标场景内的对象检测和跟踪状态进行实时更新。本发明能够有效地获得更好的跟踪性能并减少推理时间,可广泛应用于计算机技术领域。