(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 202210913567.2 (22)申请日 2022.07.28 (71)申请人 西安电子科技大 学芜湖研究院 地址 241000 安徽省芜湖市弋江区高新 技 术产业开发区科技产业园7号楼西安 电子科技大 学芜湖研究院 (72)发明人 杨华　蒋立伟　谷涛涛　吴勇　 檀生辉　王东　柴诚　戴兴民　 孙鸿健　 (74)专利代理 机构 芜湖思诚知识产权代理有限 公司 34138 专利代理师 项磊 (51)Int.Cl. G06T 7/73(2017.01) G06T 7/246(2017.01)G06V 10/74(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于深度学习和UKF算法结合的3D车辆 跟踪方法 (57)摘要 本发明公开了一种基于深度学习和UKF算法 结合的3D车辆跟踪方法， 包 括下列步骤： 步骤一、 基于深度学习的SMOKE模型构建3D实时检测模 型； 步骤二、 通过3D实时检测模型输出header部 分的3D特征向量、 位置信息和航向角信息； 步骤 三、 基于UKF预测新的位置信息与航向角信息； 步 骤四、 将新的位置信息与航向角信息与3D特征向 量结合构建新的特征向量； 步骤五、 对新的特征 向量进行匈牙利算法匹配； 进行欧氏距离相似度 计算。 本发明通过UKF算法实行基于历史数据对 跟踪模型进行更新提高模型计算结果的准确性， 通过预测提高UKF跟踪处理的实时性， 通过3D实 时检测模型提高输入跟踪模型的特征向量、 位置 信息和航向角信息的准确性。 权利要求书5页 说明书11页 附图2页 CN 115239814 A 2022.10.25 CN 115239814 A 1.一种基于深度学习和UK F算法结合的3D车辆跟踪方法， 其特 征在于： 包括下列步骤： 步骤一、 基于深度学习的SMOKE模型构建3D实时检测模型； 步骤二、 通过3D实时检测模型输出header部分的3D特 征向量、 位置信息和航向角信息； 步骤三、 基于UK F预测新的位置信息与航向角信息； 步骤四、 将新的位置信息与航向角信息与3D特 征向量结合构建新的特 征向量； 步骤五、 对新的特 征向量进行匈 牙利算法匹配； 进行欧氏距离相似度计算。 2.根据权利要求1所述的一种基于深度学习和UKF算法结合的3D车辆跟踪方法， 其特征 在于： 所述步骤三采用CTRV模型预测新的位置信息与航向角信息； 设定系统状态变量和系 统状态协方差矩阵， 输入位置信息的中心点坐标和航 向角， 构建sigma点集， 依次进行无迹 随机矩阵和状态 转移矩阵预测， 再根据权值矩阵预测， 后取均值， 实现U KF预测， 最后根据预 测结果更新模型参数， 并输出新的中心点 坐标和航向角。 3.根据权利要求2所述的一种基于深度学习和UKF算法结合的3D车辆跟踪方法， 其特征 在于： 所述 步骤三中包括： (1)取3D检测模型输出的中心点 坐标(取x， y平面)和航向角， 记为[Cx  Cy Ψ] 其中， Cx为中心点投影x坐标； Cy为中心点投影y坐标； Ψ为 航向角； (2)； CTRV模型即恒定转弯率和速度幅度模型， 假设对象沿直线前进， 同时还能以固定 的转弯速率和恒定的速度大小移动； (3)设定系统状态变量x_ct rv， 其中， Cx为中心点投影x坐标； Cy为中心点投影 y坐标； Ψ为航向角； v目标速度； 为角速 度； (4)建立系统状态 协方差矩阵p_ct rv， 其状态协方差初始值依据经验设置 。 4.根据权利要求3所述的一种基于深度学习和UKF算法结合的3D车辆跟踪方法， 其特征 在于： 所述 步骤三中还 包括： (5)建立系统误差协方差矩阵q_ct rv， q_ctrv＝Q 权　利　要　求　书 1/5 页 2 CN 115239814 A 2其中， A41＝A14＝0 A42＝A24＝0 A43＝A34＝0 A51＝A15＝0 A52＝A25＝0 A53＝A35＝0 A55＝Δt*Δt*σ22 其中， a表示加速度， a＝0.5； σ1表示加速度噪声方差， σ1＝1.5； σ2表示偏航角噪声方差， σ2＝1.5； Δt表示时间差分， 前后帧时差计算； Ψ表示偏航角。 5.根据权利要求4所述的一种基于深度学习和UKF算法结合的3D车辆跟踪方法， 其特征 在于： 所述 步骤三中还 包括： (6)构建sigma点集， 初始化状态向量个数(即状态向量个数)， 此处设置为5， 即， num_state＝5 初始化sigma点 集矩阵 其中， num_state表示状态参数个数； 再初始化构建 sigma点集的参数 α ＝0.0025 β ＝0.0025 k＝0.0权　利　要　求　书 2/5 页 3 CN 115239814 A 3