检测对象聚类方法、装置、计算机设备和存储介质与流程

1.本技术涉及计算机技术领域，特别是涉及一种检测对象聚类方法、装置、计算机设备和存储介质。

背景技术：

2.自动驾驶在道路上行驶时，会通过自身安装的毫米波雷达检测到多个对象，但是如果对每个检测对象都分别进行检测，则如果是同一类的检测对象，通过这种方式则会出现重复检测，因为同一类的检测对象的结果可能差异性不大，当进行检测对象追踪时，可能会追踪到同一类的检测对象，造成检测对象的追踪准确率低。

技术实现要素：

3.基于此，有必要针对上述技术问题，提供一种检测对象聚类方法、装置、计算机设备和存储介质，能够通过各检测对象的速度，判断出同一类的检测对象，将同一类的检测对象进行聚类，避免出现重复检测，更好地用于检测对象的追踪，更准确地追踪到不同类的检测对象。
4.一种检测对象聚类方法，该方法包括：
5.通过自动驾驶车辆安装的毫米波雷达获取第一检测对象在第一方向的第一速度和第二检测对象在第一方向的第二速度；
6.获取第一检测对象对应的第一道路方向值；
7.获取第二检测对象对应的第二道路方向值；
8.根据第一速度与第一道路方向值计算得到第一猜测速度；
9.根据第二速度与第二道路方向值计算得到第二猜测速度；
10.根据第一猜测速度和第二猜测速度对第一检测对象和第二检测对象进行聚类。
11.在其中一个实施例中，获取第一检测对象对应的第一道路方向值，包括：获取第一检测对象对应的第一对象位置信息，获取第一检测对象对应的第一道路方向，根据第一对象位置信息和第一道路方向计算得到第一道路方向值。
12.在其中一个实施例中，获取第二检测对象对应的第二道路方向值，包括：获取第二检测对象对应的第二对象位置信息，获取第二检测对象对应的第二道路方向，根据第二对象位置信息和第二道路方向计算得到第二道路方向值。
13.在其中一个实施例中，根据第一速度与第一道路方向值计算得到第一猜测速度，包括：根据第一速度计算得到第一速度模长，根据第一速度和第一速度模长计算得到第一速度单位向量，根据第一速度单位向量与第一道路方向值计算得到第一速度投影值，根据第一速度模长与第一速度投影值计算得到第一猜测速度。
14.在其中一个实施例中，根据第二速度与第二道路方向值计算得到第二猜测速度，包括：根据第二速度计算得到第二速度模长，根据第二速度和第二速度模长计算得到第二速度单位向量，根据第二速度单位向量与第二道路方向值计算得到第二速度投影值，根据
第二速度模长与第二速度投影值计算得到第二猜测速度。
15.在其中一个实施例中，根据第一猜测速度和第二猜测速度对第一检测对象和第二检测对象进行聚类，包括：根据第一猜测速度和第二猜测速度计算得到猜测速度差，在猜测速度差小于预设速度差值时，将第一检测对象和第二检测对象进行聚类。
16.在其中一个实施例中，通过自动驾驶车辆安装的毫米波雷达获取第一检测对象在第一方向的第一速度和第二检测对象在第一方向的第二速度，包括：获取自动驾驶车辆对应的当前驾驶速度，在当前驾驶速度大于预设驾驶速度时，开启自动驾驶车辆安装的毫米波雷达，通过毫米波雷达获取第一检测对象在径向方向的第一速度，通过毫米波雷达获取第二检测对象在径向方向的第二速度。
17.一种检测对象聚类装置，该装置包括：
18.速度获取模块，用于通过自动驾驶车辆安装的毫米波雷达获取第一检测对象在第一方向的第一速度和第二检测对象在第一方向的第二速度；
19.道路方向值获取模块，用于获取第一检测对象对应的第一道路方向值；
20.道路方向值获取模块，还用于获取第二检测对象对应的第二道路方向值；
21.猜测速度计算模块，用于根据第一速度与第一道路方向值计算得到第一猜测速度；
22.猜测速度计算模块，还用于根据第二速度与第二道路方向值计算得到第二猜测速度；
23.检测对象聚类模块，用于根据第一猜测速度和第二猜测速度对第一检测对象和第二检测对象进行聚类。
24.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
25.通过自动驾驶车辆安装的毫米波雷达获取第一检测对象在第一方向的第一速度和第二检测对象在第一方向的第二速度；
26.获取第一检测对象对应的第一道路方向值；
27.获取第二检测对象对应的第二道路方向值；
28.根据第一速度与第一道路方向值计算得到第一猜测速度；
29.根据第二速度与第二道路方向值计算得到第二猜测速度；
30.根据第一猜测速度和第二猜测速度对第一检测对象和第二检测对象进行聚类。
31.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
32.通过自动驾驶车辆安装的毫米波雷达获取第一检测对象在第一方向的第一速度和第二检测对象在第一方向的第二速度；
33.获取第一检测对象对应的第一道路方向值；
34.获取第二检测对象对应的第二道路方向值；
35.根据第一速度与第一道路方向值计算得到第一猜测速度；
36.根据第二速度与第二道路方向值计算得到第二猜测速度；
37.根据第一猜测速度和第二猜测速度对第一检测对象和第二检测对象进行聚类。
38.上述检测对象聚类方法、装置、计算机设备和存储介质，通过自动驾驶车辆安装的
毫米波雷达获取第一检测对象在第一方向的第一速度和第二检测对象在第一方向的第二速度，获取第一检测对象对应的第一道路方向值，获取第二检测对象对应的第二道路方向值，根据第一速度与第一道路方向值计算得到第一猜测速度，根据第二速度与第二道路方向值计算得到第二猜测速度，根据第一猜测速度和第二猜测速度对第一检测对象和第二检测对象进行聚类。因此，能够通过自动驾驶车辆安装的毫米波雷达获取各检测对象的速度，判断出同一类的检测对象，将同一类的检测对象进行聚类，避免出现重复检测，更好地用于检测对象的追踪，更准确地追踪到不同类的检测对象。
附图说明
39.图1为一个实施例中检测对象聚类方法的应用环境图；
40.图2为一个实施例中检测对象聚类方法的流程示意图；
41.图3为一个实施例中第一道路方向值获取步骤的流程示意图；
42.图4为一个实施例中第二道路方向值获取步骤的流程示意图；
43.图5为一个实施例中第一猜测速度计算步骤的流程示意图；
44.图6为一个实施例中第二猜测速度计算步骤的流程示意图；
45.图7为一个实施例中检测对象聚类步骤的流程示意图；
46.图8为一个实施例中检测对象速度获取步骤的流程示意图；
47.图9为一个实施例中检测对象聚类装置的结构框图；
48.图10为一个实施例中计算机设备的内部结构图。
具体实施方式
49.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
50.本技术提供的检测对象聚类方法，可以应用于如图1所示的应用环境中。其中，自动驾驶车辆关联的车载终端102通过网络与服务器104进行通信。其中，车载终端102可以但不限于是各种与自动驾驶车辆关联的个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集来实现。
51.具体地，车载终端102通过自动驾驶车辆安装的毫米波雷达获取第一检测对象在第一方向的第一速度和第二检测对象在第一方向的第二速度，并发送至服务器104。服务器104获取第一检测对象对应的第一道路方向值，获取第二检测对象对应的第二道路方向值，根据第一速度与第一道路方向值计算得到第一猜测速度，根据第二速度与第二道路方向值计算得到第二猜测速度，根据第一猜测速度和第二猜测速度对第一检测对象和第二检测对象进行聚类。
52.在一个实施例中，如图2所示，提供了一种检测对象聚类方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
53.步骤202，通过自动驾驶车辆安装的毫米波雷达获取第一检测对象在第一方向的第一速度和第二检测对象在第一方向的第二速度。
54.其中，自动驾驶车辆是无人驾驶的车辆，自动驾驶车辆上安装有毫米波雷达，毫米波雷达是是工作在毫米波波段(millimeterwave)探测的雷达，即可以理解为工作频段在毫米波频段的雷达，测距原理跟一般雷达一样，把无线电波(雷达波)发出去，然后接收回波，根据收发之间的时间差测得目标的位置数据。
55.其中，检测对象是毫米波雷达检测到的物体，可以通过毫米波雷达检测到第一检测对象对应的第一速度，和第二检测对象对应的第二速度。其中，第一检测对象和第二检测对象可以是同一辆车辆不同位置的检测对象。
56.步骤204，获取第一检测对象对应的第一道路方向值。
57.其中，第一道路方向值是描述第一检测对象所在的道路的方向值，可以通过第一检测对象所在的位置信息以及第一检测对象所在的道路方向计算得到。其中，第一检测对象所在的位置信息可以借助地图信息，从地图信息中获取得到，同样地，第一检测对象所在的道路方向也可以从地图信息中获取得到。
58.步骤206，获取第二检测对象对应的第二道路方向值。
59.其中，第二道路方向值是描述第二检测对象所在的道路的方向值，可以通过第二检测对象所在的位置信息以及第二检测对象所在的道路方向计算得到。其中，第二检测对象所在的位置信息可以借助地图信息，从地图信息中获取得到，同样地，第二检测对象所在的道路方向也可以从地图信息中获取得到。
60.步骤208，根据第一速度与第一道路方向值计算得到第一猜测速度。
61.其中，第一猜测速度是将第一速度反投影到第一检测对象所在的道路方向上的速度，可以通过检测对象的猜测速度决定是否将检测对象进行聚类。而第一猜测速度可以通过第一检测对象的第一速度与其所在的第一道路方向值计算得到，具体可以是将第一检测对象的第一速度反投影到第一道路方向值上，得到第一猜测速度。
62.步骤210，根据第二速度与第二道路方向值计算得到第二猜测速度。
63.其中，第二猜测速度是将第二速度反投影到第二检测对象所在的道路上的速度，可以通过检测对象的猜测速度决定是否将检测对象进行聚类。而第二猜测速度可以通过第二检测对象的第二速度与其所在的第二道路方向值计算得到，具体可以是将第二检测对象的第二速度反投影到第二道路方向值上，得到第二猜测速度。
64.步骤212，根据第一猜测速度和第二猜测速度对第一检测对象和第二检测对象进行聚类。
65.具体地，由于可以基于各检测对象的猜测速度，决定是否将各检测对象进行聚类，如果聚类在一起了，说明各检测对象属于同一类，可以更好地做检测对象的追踪，避免追踪到同一类检测对象中。因此，可以通过第一检测对象的第一猜测速度和第二检测对象的第二猜测速度决定第一检测对象和第二检测对象是否进行聚类，具体可以是，当第一检测对象的第一猜测速度与第二检测对象的第二猜测速度接近时，所谓接近就是两个猜测速度之间的速度差小于预设速度差，则可说明第一检测对象与第二检测对象属于同一类检测对象，可以将第一检测对象与第二检测对象进行聚类，归为同一类检测对象。反之，当第一检测对象的第一猜测速度与第二检测对象的第二猜测速度不接近时，则可说明第一检测对象与第二检测对象不属于同一类检测对象，则无需将第一检测对象与第二检测对象进行聚类。
66.上述检测对象聚类方法中，通过自动驾驶车辆安装的毫米波雷达获取第一检测对象在第一方向的第一速度和第二检测对象在第一方向的第二速度，获取第一检测对象对应的第一道路方向值，获取第二检测对象对应的第二道路方向值，根据第一速度与第一道路方向值计算得到第一猜测速度，根据第二速度与第二道路方向值计算得到第二猜测速度，根据第一猜测速度和第二猜测速度对第一检测对象和第二检测对象进行聚类。因此，能够通过自动驾驶车辆安装的毫米波雷达获取各检测对象的速度，判断出同一类的检测对象，将同一类的检测对象进行聚类，避免出现重复检测，更好地用于检测对象的追踪，更准确地追踪到不同类的检测对象。
67.在一个实施例中，如图3所示，获取第一检测对象对应的第一道路方向值，包括：
68.步骤302，获取第一检测对象对应的第一对象位置信息。
69.步骤304，获取第一检测对象对应的第一道路方向。
70.步骤306，根据第一对象位置信息和第一道路方向计算得到第一道路方向值。
71.具体地，可以获取第一检测对象对应的第一对象位置信息，可以借助地图信息获取第一检测对象对应的第一对象位置信息，同时获取第一检测对象对应的第一道路方向，也可以通过地图信息获取第一检测对象所在的道路的方向，可以以道路方向的角度作为第一道路方向，进而再根据第一对象位置信息和第一道路方向计算得到第一道路方向值。其中，第一对象位置信息可以是二维位置坐标信息，根据第一检测对象的二维位置坐标信息和道路方向的角度计算得到第一道路方向值，具体可以是将第一对象位置信息反投影到第一道路方向，得到第一道路方向值。
72.在一个实施例中，如图4所示，获取第二检测对象对应的第二道路方向值，包括：
73.步骤402，获取第二检测对象对应的第二对象位置信息。
74.步骤404，获取第二检测对象对应的第二道路方向。
75.步骤406，根据第二对象位置信息和第二道路方向计算得到第二道路方向值。
76.具体地，可以获取第二检测对象对应的第二对象位置信息，可以借助地图信息获取第二检测对象对应的第二对象位置信息，同时获取第二检测对象对应的第二道路方向，也可以通过地图信息获取第二检测对象所在的道路的方向，可以以道路方向的角度作为第二道路方向，进而再根据第二对象位置信息和第二道路方向计算得到第二道路方向值。其中，第二对象位置信息可以是二维位置坐标信息，根据第二检测对象的二维位置坐标信息和道路方向的角度计算得到第二道路方向值，具体可以是将第二对象位置信息反投影到第二道路方向，得到第二道路方向值。
77.在一个实施例中，如图5所示，根据第一速度与第一道路方向值计算得到第一猜测速度，包括：
78.步骤502，根据第一速度计算得到第一速度模长。
79.步骤504，根据第一速度和第一速度模长计算得到第一速度单位向量。
80.步骤506，根据第一速度单位向量与第一道路方向值计算得到第一速度投影值。
81.步骤508，根据第一速度模长与第一速度投影值计算得到第一猜测速度。
82.具体地，第一检测对象a的第一速度为v1，可以通过用二维坐标(x,y)表示，第一道路方向值为p，首先将第一道路方向值表示为二维向量q(cos(p),sin(p))，再计算第一速度v1的模长对应的第一速度模长l＝sqrt(x*x+y*y)，进而根据第一速度v1和第一速度模长l计
算得到第一速度单位向量u(x/l,y/l)。
83.进一步地，计算第一速度单位向量u与第一道路方向值p计算得到第一速度投影值project＝x/l*cos(p)+y/l*sin(p)，再根据第一速度模长l与第一速度投影值project计算得到第一中间速度模长v_l＝l/project，最后将第一中间速度模长v_l作用到道路方向上，得到最终第一检测对象a对应的第一猜测速度v_lane(cos(p)*v_l,sin(p)*v_l)。
84.在一个实施例中，如图6所示，根据第二速度与第二道路方向值计算得到第二猜测速度，包括：
85.步骤602，根据第二速度计算得到第二速度模长。
86.步骤604，根据第二速度和第二速度模长计算得到第二速度单位向量。
87.步骤606，根据第二速度单位向量与第二道路方向值计算得到第二速度投影值。
88.步骤608，根据第二速度模长与第二速度投影值计算得到第二猜测速度。
89.具体地，第二检测对象b的第二速度为v2，可以通过用二维坐标(x,y)表示，第二道路方向值为p，首先将第二道路方向值表示为二维向量q(cos(p),sin(p))，再计算第二速度v2的模长对应的第二速度模长l＝sqrt(x*x+y*y)，进而根据第二速度v2和第二速度模长l计算得到第二速度单位向量u(x/l,y/l)。
90.进二步地，计算第二速度单位向量u与第二道路方向值p计算得到第二速度投影值project＝x/l*cos(p)+y/l*sin(p)，再根据第二速度模长l与第二速度投影值project计算得到第二中间速度模长v_l＝l/project，最后将第二中间速度模长v_l作用到道路方向上，得到最终第二检测对象a对应的第二猜测速度v_lane(cos(p)*v_l,sin(p)*v_l)。
91.在一个实施例中，如图7所示，根据第一猜测速度和第二猜测速度对第一检测对象和第二检测对象进行聚类，包括：
92.步骤702，根据第一猜测速度和第二猜测速度计算得到猜测速度差。
93.步骤704，在猜测速度差小于预设速度差值时，将第一检测对象和第二检测对象进行聚类。
94.具体地，可以根据第一检测对象的第一猜测速度与第二检测对象的第二猜测速度是否接近，决定是否将第一检测对象与第二检测对象进行聚类。具体可以是，根据第一猜测速度与第二猜测速度计算得到猜测速度差，比较猜测速度差是否小于预设速度差值，如果猜测速度差小于预设速度差值，说明第一检测对象的第一猜测速度与第二检测对象的第二猜测速度接近，将第一检测对象与第二检测对象进行聚类，即第一检测对象与第二检测对象为同一类型的对象。
95.反之，如果猜测速度差大于等于预设速度差值，说明第一检测对象的第一猜测速度与第二检测对象的第二猜测速度不接近，则不能将第一检测对象与第二检测对象进行聚类，即第一检测对象与第二检测对象不是同一类型的对象。
96.在一个实施例中，如图8所示，通过自动驾驶车辆安装的毫米波雷达获取第一检测对象在第一方向的第一速度和第二检测对象在第一方向的第二速度，包括：
97.步骤802，获取自动驾驶车辆对应的当前驾驶速度。
98.步骤804，在当前驾驶速度大于预设驾驶速度时，开启自动驾驶车辆安装的毫米波雷达。
99.步骤806，通过毫米波雷达获取第一检测对象在径向方向的第一速度。
100.步骤808，通过毫米波雷达获取第二检测对象在径向方向的第二速度。
101.其中，当前驾驶速度是自动驾驶车辆目前正在行驶的速度，当自动驾驶车辆处于高速行驶时，才能够通过毫米波雷达获取各检测对象的速度，因此在低速行驶时，有足够的时间去判断检测对象是否需要进行聚类。
102.因此，在获取到自动驾驶车辆对应的当前驾驶速度后，需要判断自动驾驶车辆是否处于高速行驶，比较当前驾驶速度是否大于预设驾驶速度，在当前驾驶速度大于预设驾驶速度时，说明自动驾驶车辆处于高速行驶中，开启自动驾驶车辆中安装的毫米波雷达，反之，在当前驾驶速度未大于预设驾驶速度时，说明自动驾驶车辆未处于高速行驶中，则无需开启毫米波雷达。
103.进一步地，在当前驾驶速度大于预设驾驶速度时，开启自动驾驶车辆安装的毫米波雷达后，通过毫米波雷达获取第一检测对象在径向方向的第一速度以及获取第二检测对象在径向方向的第二速度。
104.应该理解的是，虽然上述流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
105.在一个实施例中，如图9所示，提供了一种检测对象聚类装置900，包括：速度获取模块902、道路方向值获取模块904、猜测速度计算模块906和检测对象聚类模块908，其中：
106.速度获取模块902，用于通过自动驾驶车辆安装的毫米波雷达获取第一检测对象在第一方向的第一速度和第二检测对象在第一方向的第二速度。
107.道路方向值获取模块904，用于获取第一检测对象对应的第一道路方向值。
108.道路方向值获取模块904，还用于获取第二检测对象对应的第二道路方向值。
109.猜测速度计算模块906，用于根据第一速度与第一道路方向值计算得到第一猜测速度。
110.猜测速度计算模块906，还用于根据第二速度与第二道路方向值计算得到第二猜测速度。
111.检测对象聚类模块908，用于根据第一猜测速度和第二猜测速度对第一检测对象和第二检测对象进行聚类。
112.在一个实施例中，道路方向值获取模块904获取第一检测对象对应的第一对象位置信息，获取第一检测对象对应的第一道路方向，根据第一对象位置信息和第一道路方向计算得到第一道路方向值。
113.在一个实施例中，道路方向值获取模块904获取第二检测对象对应的第二对象位置信息，获取第二检测对象对应的第二道路方向，根据第二对象位置信息和第二道路方向计算得到第二道路方向值。
114.在一个实施例中，猜测速度计算模块906根据第一速度计算得到第一速度模长，根据第一速度和第一速度模长计算得到第一速度单位向量，根据第一速度单位向量与第一道
路方向值计算得到第一速度投影值，根据第一速度模长与第一速度投影值计算得到第一猜测速度。
115.在一个实施例中，猜测速度计算模块906根据第二速度计算得到第二速度模长，根据第二速度和第二速度模长计算得到第二速度单位向量，根据第二速度单位向量与第二道路方向值计算得到第二速度投影值，根据第二速度模长与第二速度投影值计算得到第二猜测速度。
116.在一个实施例中，检测对象聚类模块908根据第一猜测速度和第二猜测速度计算得到猜测速度差，在猜测速度差小于预设速度差值时，将第一检测对象和第二检测对象进行聚类。
117.在一个实施例中，速度获取模块902获取自动驾驶车辆对应的当前驾驶速度，在当前驾驶速度大于预设驾驶速度时，开启自动驾驶车辆安装的毫米波雷达，通过毫米波雷达获取第一检测对象在径向方向的第一速度，通过毫米波雷达获取第二检测对象在径向方向的第二速度。
118.关于检测对象聚类装置的具体限定可以参见上文中对于检测对象聚类方法的限定，在此不再赘述。上述检测对象聚类装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
119.在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储第一猜测速度和第二猜测速度。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种检测对象聚类方法。
120.本领域技术人员可以理解，图10中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
121.在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：通过自动驾驶车辆安装的毫米波雷达获取第一检测对象在第一方向的第一速度和第二检测对象在第一方向的第二速度；获取第一检测对象对应的第一道路方向值；获取第二检测对象对应的第二道路方向值；根据第一速度与第一道路方向值计算得到第一猜测速度；根据第二速度与第二道路方向值计算得到第二猜测速度；根据第一猜测速度和第二猜测速度对第一检测对象和第二检测对象进行聚类。
122.在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取第一检测对象对应的第一对象位置信息，获取第一检测对象对应的第一道路方向，根据第一对象位置信息和第一道路方向计算得到第一道路方向值。
123.在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取第二检测对象对应的第二对象位置信息，获取第二检测对象对应的第二道路方向，根据第二对象位置信息和第二道路方向计算得到第二道路方向值。
124.在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据第一速度计算得到第一速度模长，根据第一速度和第一速度模长计算得到第一速度单位向量，根据第一速度单位向量与第一道路方向值计算得到第一速度投影值，根据第一速度模长与第一速度投影值计算得到第一猜测速度。
125.在一个实施例中，根据第二速度与第二道路方向值计算得到第二猜测速度，包括：根据第二速度计算得到第二速度模长，根据第二速度和第二速度模长计算得到第二速度单位向量，根据第二速度单位向量与第二道路方向值计算得到第二速度投影值，根据第二速度模长与第二速度投影值计算得到第二猜测速度。
126.在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据第一猜测速度和第二猜测速度计算得到猜测速度差，在猜测速度差小于预设速度差值时，将第一检测对象和第二检测对象进行聚类。
127.在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取自动驾驶车辆对应的当前驾驶速度，在当前驾驶速度大于预设驾驶速度时，开启自动驾驶车辆安装的毫米波雷达，通过毫米波雷达获取第一检测对象在径向方向的第一速度，通过毫米波雷达获取第二检测对象在径向方向的第二速度。
128.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：通过自动驾驶车辆安装的毫米波雷达获取第一检测对象在第一方向的第一速度和第二检测对象在第一方向的第二速度；获取第一检测对象对应的第一道路方向值；获取第二检测对象对应的第二道路方向值；根据第一速度与第一道路方向值计算得到第一猜测速度；根据第二速度与第二道路方向值计算得到第二猜测速度；根据第一猜测速度和第二猜测速度对第一检测对象和第二检测对象进行聚类。
129.在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取第一检测对象对应的第一对象位置信息，获取第一检测对象对应的第一道路方向，根据第一对象位置信息和第一道路方向计算得到第一道路方向值。
130.在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取第二检测对象对应的第二对象位置信息，获取第二检测对象对应的第二道路方向，根据第二对象位置信息和第二道路方向计算得到第二道路方向值。
131.在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据第一速度计算得到第一速度模长，根据第一速度和第一速度模长计算得到第一速度单位向量，根据第一速度单位向量与第一道路方向值计算得到第一速度投影值，根据第一速度模长与第一速度投影值计算得到第一猜测速度。
132.在一个实施例中，根据第二速度与第二道路方向值计算得到第二猜测速度，包括：根据第二速度计算得到第二速度模长，根据第二速度和第二速度模长计算得到第二速度单位向量，根据第二速度单位向量与第二道路方向值计算得到第二速度投影值，根据第二速度模长与第二速度投影值计算得到第二猜测速度。
133.在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据第一猜测速度
和第二猜测速度计算得到猜测速度差，在猜测速度差小于预设速度差值时，将第一检测对象和第二检测对象进行聚类。
134.在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取自动驾驶车辆对应的当前驾驶速度，在当前驾驶速度大于预设驾驶速度时，开启自动驾驶车辆安装的毫米波雷达，通过毫米波雷达获取第一检测对象在径向方向的第一速度，通过毫米波雷达获取第二检测对象在径向方向的第二速度。
135.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
136.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
137.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。

技术特征：

1.一种检测对象聚类方法，所述方法包括：通过自动驾驶车辆安装的毫米波雷达获取第一检测对象在第一方向的第一速度和第二检测对象在所述第一方向的第二速度；获取所述第一检测对象对应的第一道路方向值；获取所述第二检测对象对应的第二道路方向值；根据所述第一速度与所述第一道路方向值计算得到第一猜测速度；根据所述第二速度与所述第二道路方向值计算得到第二猜测速度；根据所述第一猜测速度和所述第二猜测速度对所述第一检测对象和所述第二检测对象进行聚类。2.根据权利要求1所述的方法，其特征在于，所述获取所述第一检测对象对应的第一道路方向值，包括：获取所述第一检测对象对应的第一对象位置信息；获取所述第一检测对象对应的第一道路方向；根据所述第一对象位置信息和所述第一道路方向计算得到第一道路方向值。3.根据权利要求1所述的方法，其特征在于，所述获取所述第二检测对象对应的第二道路方向值，包括：获取所述第二检测对象对应的第二对象位置信息；获取所述第二检测对象对应的第二道路方向；根据所述第二对象位置信息和所述第二道路方向计算得到第二道路方向值。4.根据权利要求1所述的方法，其特征在于，所述根据所述第一速度与所述第一道路方向值计算得到第一猜测速度，包括：根据所述第一速度计算得到第一速度模长；根据所述第一速度和所述第一速度模长计算得到第一速度单位向量；根据所述第一速度单位向量与所述第一道路方向值计算得到第一速度投影值；根据所述第一速度模长与所述第一速度投影值计算得到第一猜测速度。5.根据权利要求1所述的方法，其特征在于，所述根据所述第二速度与所述第二道路方向值计算得到第二猜测速度，包括：根据所述第二速度计算得到第二速度模长；根据所述第二速度和所述第二速度模长计算得到第二速度单位向量；根据所述第二速度单位向量与所述第二道路方向值计算得到第二速度投影值；根据所述第二速度模长与所述第二速度投影值计算得到第二猜测速度。6.根据权利要求1所述的方法，其特征在于，所述根据所述第一猜测速度和所述第二猜测速度对所述第一检测对象和所述第二检测对象进行聚类，包括：根据所述第一猜测速度和所述第二猜测速度计算得到猜测速度差；在所述猜测速度差小于预设速度差值时，将所述第一检测对象和所述第二检测对象进行聚类。7.根据权利要求1所述的方法，其特征在于，所述通过自动驾驶车辆安装的毫米波雷达获取第一检测对象在第一方向的第一速度和第二检测对象在所述第一方向的第二速度，包括：
获取自动驾驶车辆对应的当前驾驶速度；在所述当前驾驶速度大于预设驾驶速度时，开启所述自动驾驶车辆安装的毫米波雷达；通过所述毫米波雷达获取第一检测对象在径向方向的第一速度；通过所述毫米波雷达获取第二检测对象在所述径向方向的第二速度。8.一种检测对象聚类装置，其特征在于，所述装置包括：速度获取模块，用于通过自动驾驶车辆安装的毫米波雷达获取第一检测对象在第一方向的第一速度和第二检测对象在所述第一方向的第二速度；道路方向值获取模块，用于获取所述第一检测对象对应的第一道路方向值；所述道路方向值获取模块，还用于获取所述第二检测对象对应的第二道路方向值；猜测速度计算模块，用于根据所述第一速度与所述第一道路方向值计算得到第一猜测速度；所述猜测速度计算模块，还用于根据所述第二速度与所述第二道路方向值计算得到第二猜测速度；检测对象聚类模块，用于根据所述第一猜测速度和所述第二猜测速度对所述第一检测对象和所述第二检测对象进行聚类。9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

技术总结

本申请涉及一种检测对象聚类方法、装置、计算机设备和存储介质。该方法包括：通过自动驾驶车辆安装的毫米波雷达获取第一检测对象在第一方向的第一速度和第二检测对象在第一方向的第二速度；获取第一检测对象对应的第一道路方向值；获取第二检测对象对应的第二道路方向值；根据第一速度与第一道路方向值计算得到第一猜测速度；根据第二速度与第二道路方向值计算得到第二猜测速度；根据第一猜测速度和第二猜测速度对第一检测对象和第二检测对象进行聚类。采用本方法能够通过各检测对象的速度，判断出同一类的检测对象，将同一类的检测对象进行聚类，避免出现重复检测，更好地用于检测对象的追踪，更准确地追踪到不同类的检测对象。对象。对象。