(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 202210794214.5 (22)申请日 2022.07.05 (71)申请人 安徽蔚来智驾科技有限公司 地址 230601 安徽省合肥市经济技 术开发 区宿松路396 3号恒创智能科技园F幢 (72)发明人 李林　翟玉强　周跃寅　 (74)专利代理 机构 北京瀚仁知识产权代理事务 所(普通合伙) 11482 专利代理师 屠晓旭　陈敏 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/74(2022.01) (54)发明名称 物体关联方法、 计算机设备、 计算机可读存 储介质及车辆 (57)摘要 本发明涉及自动驾驶技术领域， 具体提供一 种物体关联方法、 计算机设备、 存储介质及车辆， 旨在解决准确识别车辆周围物体的问题。 本发明 的方法包括根据同一车载视觉传感器采集到的 连续的多帧图像中待识别物体的图像特征， 对 连 续的多帧图像中的待识别物体进行关联， 以形成 单传感器级别的待识别物体； 根据每个单传感器 级别的待识别物 体的图像特征， 对不同车载视觉 传感器对应的单传感器级别的待识别物体进行 关联， 以形成跨传感器级别的待识别物体； 根据 每个跨传感器级别的待识别物体的图像特征， 对 跨传感器级别的待识别物体进行关联， 以形成最 终的待识别物体。 通过上述方式， 可以避免将同 一个待识别物体 分裂成多个不同物体， 从而提高 物体识别的准确性。 权利要求书4页 说明书17页 附图3页 CN 115205820 A 2022.10.18 CN 115205820 A 1.一种物体关联 方法， 其特 征在于， 所述方法包括： 根据同一车载视觉传感器采集到的连续的多帧图像中待识别物体的图像特征， 对所述 连续的多帧图像中的待识别物体进行关联， 以形成至少一个所述同一车载视觉传感器对应 的单传感器级别的待识别物体； 根据每个所述单传感器级别的待识别物体的图像特征， 对不同车载视觉传感器对应的 单传感器级别的待识别物体进行关联， 以形成至少一个跨传感器级别的待识别物体； 根据每个所述跨传感器级别的待识别物体的图像特征， 对所述跨传感器级别的待识别 物体进行关联， 以形成最终的待识别物体。 2.根据权利要求1所述的物体关联方法， 其特征在于， “根据同一车载视觉传感器采集 到的连续的多帧图像中待识别物体的图像特征， 对所述连续的多帧图像中的待识别物体进 行关联， 以形成至少一个所述同一车载视觉传感器对应的单传感器级别的待识别物体 ”的 步骤具体包括： 根据当前帧图像中每个当前帧待识别物体的图像特征与前一帧图像中每个前一帧待 识别物体的图像特征， 分别确定每个所述当前帧待识别物体与每个所述前一帧待识别物体 之间的特 征相似度； 根据所述特征相似度对所述当前帧待识别物体与 所述前一帧待识别物体进行关联， 以 形成至少一个所述单传感器级别的待识别物体。 3.根据权利要求2所述的物体关联方法， 其特征在于， “根据当前帧图像中每个当前帧 待识别物体的图像特征与前一帧图像中每个前一帧待识别物体的图像特征， 分别确定每个 所述当前帧待识别物体与每个所述前一帧待识别物体之间的特征相似度 ”的步骤具体包 括： 根据所述图像特征中的物体位置信息分别对所述当前帧待识别物体与所述前一帧待 识别物体进行坐标系转换， 以将所述当前帧待识别物体与所述前一帧待识别物体转换至以 当前车辆为BEV(Birds  Eye Views)坐标系原点的BEV图像上； 根据所述当前帧待识别物体与所述前一帧待识别物体在所述BEV图像上的坐标， 分别 计算所述当前帧待识别物体与当前车辆之 间的物体距离， 以及所述前一帧待识别物体与当 前车辆之间的物体距离； 根据所述物体距离， 分别确定每个所述当前帧待识别物体与每个所述前一帧待识别物 体之间的第一特 征相似度； 和/或， “根据当前帧图像中每个当前帧待识别物体的图像特征与前一帧图像中每个前一帧待 识别物体的图像特征， 分别确定每个所述当前帧待识别物体与每个所述前一帧待识别物体 之间的特 征相似度 ”的步骤具体包括： 根据所述图像特征中的物体边界框， 分别计算每个所述当前帧待识别物体的边界框与 每个所述前一帧待识别物体的边界框的交并比； 根据所述交并比， 分别确定每个所述当前帧待识别物体与每个所述前一帧待识别物体 之间的第二特 征相似度。 4.根据权利要求3所述的物体关联方法， 其特征在于， “根据所述特征相似度对所述当 前帧待识别物体与所述前一帧待识别物体进 行关联， 以形成至少一个所述单传感器级别的权　利　要　求　书 1/4 页 2 CN 115205820 A 2待识别物体 ”的步骤具体包括： 针对每个当前帧待识别物体， 分别通过下列 方式对所述当前帧待识别物体与每个所述 前一帧待识别物体进行关联： 判断所述当前帧待识别物体与所述前一帧待识别物体之间的第一特征相似度是否大 于预设的第一相似度阈值； 若是， 则对所述当前帧待识别物体与所述前一帧待识别物体进行关联， 形成一个所述 单传感器级别的待识别物体； 若否， 则继续判断当前帧待识别物体与 所述前一帧待识别物体之间的第 二特征相似度 是否大于预设的第二相似度阈值； 如果大于所述第 二相似度阈值， 则对所述当前帧待识别物体与 所述前一帧待识别物体 进行关联， 形成一个所述单传感器级别的待识别物体； 如果小于等于所述第二相似度阈值， 则不对所述当前帧待识别物体与所述前一帧待识别物体进行关联并将所述当前帧待识别 物体单独作为 一个单传感器级别的待识别物体； 或者， “根据所述特征相似度对所述当前帧待识别物体与所述前一帧待识别物体进行关联， 以形成至少一个所述单传感器级别的待识别物体 ”的步骤具体包括： 针对每个当前帧待识别物体， 分别通过下列 方式对所述当前帧待识别物体与每个所述 前一帧待识别物体进行关联： 判断所述当前帧待识别物体与所述前一帧待识别物体之间的第一特征相似度是否大 于预设的第一相似度阈值或者所述当前帧待识别物体与所述前一帧待识别物体之间的第 二特征相似度是否大于预设的第二相似度阈值； 若是， 则对所述当前帧待识别物体与所述前一帧待识别物体进行关联， 形成一个所述 单传感器级别的待识别物体； 若否， 则不对所述当前帧待识别物体与所述前一帧待识别物 体进行关联并将所述当前帧待识别物体单独作为 一个单传感器级别的待识别物体。 5.根据权利要求1所述的物体关联方法， 其特征在于， “根据每个所述单传感器级别的 待识别物体的图像特征， 对不同车载视觉传感器对应的单传感器级别的待识别物体进 行关 联， 以形成至少一个跨传感器级别的待识别物体 ”的步骤具体包括： 根据每个所述单传感器级别的待识别物体的图像特征， 分别确定不同车载视觉传感器 对应的所述单传感器级别的待识别物体之间的特 征相似度； 根据所述特征相似度对不同车载视觉传感器对应的所述单传感器级别的待识别物体 进行关联， 以形成至少一个所述 跨传感器级别的待识别物体。 6.根据权利要求5所述的物体关联方法， 其特征在于， “根据每个所述单传感器级别的 待识别物体的图像特征， 分别确定不同车载视觉传感器对应的所述单传感器级别的待识别 物体之间的特 征相似度 ”的步骤具体包括： 根据所述图像特征中的物体位置信息分别对每个所述单传感器级别的待识别物体进 行坐标系 转换， 以将每个所述单传感器级别的待识别物体转换至以当前车辆为BEV(Birds   Eye Views)坐标系原点的BEV图像上； 根据每个所述单传感器级别的待识别物体在所述BEV图像上的坐标， 分别计算每个所 述单传感器级别的待识别物体与当前 车辆之间的物体距离；权　利　要　求　书 2/4 页 3 CN 115205820 A 3