CN105956527A - 用于无人驾驶车的障碍物检测结果评估方法和装置 - Google Patents

Abstract

本申请公开了用于无人驾驶车的障碍物检测结果评估方法和装置。所述方法的一具体实施方式包括：获取无人驾驶车对障碍物的感知图像和障碍物的真实图像，对感知图像和真实图像求取最小外接矩形，得到障碍物的感知区域和真实区域；根据感知区域与真实区域的交集区域的面积和并集区域的面积，计算感知区域与真实区域的重合率；根据感知区域与真实区域的中心点位置，计算感知区域与真实区域的中心点距离；根据感知区域和真实区域的面积、感知区域和真实区域的长宽比，计算感知区域与真实区域的图形相似度；基于重合率、中心点距离和图形相似度，计算感知区域和真实区域之间的匹配度。该实施方式实现了更加准确的障碍物检测结果的评估。

Description

用于无人驾驶车的障碍物检测结果评估方法和装置

技术领域

本申请涉及计算机技术领域，具体涉及障碍物检测技术，尤其涉及用于无人驾驶车的障碍物检测结果评估方法和装置。

背景技术

随着计算机、控制论、人工智能和仿生学等多学科的发展，无人驾驶车技术获得了突飞猛进的发展。无人车是利用车载传感器感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。

现有的用于无人驾驶车的障碍物检测结果评估方法通常是依据无人驾驶车对障碍物的感知区域与障碍物的真实区域的交集区域面积与并集区域面积的比值得到障碍物的感知区域与真实区域的匹配度，然而，在无人驾驶车行驶的过程中，经常要面临大量的不同类型的障碍物，现有的障碍物检测结果的评估方法所考虑的因素太少，并不能准确的评估障碍物检测结果。

发明内容

本申请的目的在于提出一种改进的用于无人驾驶车的障碍物检测结果评估方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请提供了一种用于无人驾驶车的障碍物检测结果评估方法，所述方法包括：获取无人驾驶车感知到的障碍物的感知图像和所述障碍物的真实图像，分别对所述感知图像和所述真实图像求取最小外接矩形，得到所述障碍物的感知区域和真实区域；根据所述感知区域与所述真实区域的交集区域的面积和并集区域的面积，计算所述感知区域与所述真实区域的重合率；根据所述感知区域的中心点位置与所述真实区域的中心点位置，计算所述感知区域与所述真实区域的中心点距离；根据所述感知区域的面积、所述真实区域的面积、所述感知区域的长宽比和所述真实区域的长宽比，计算所述感知区域与所述真实区域的图形相似度；基于所述重合率、所述中心点距离和所述图形相似度，计算所述感知区域和所述真实区域之间的匹配度，并将所述匹配度发送给所述无人驾驶车。

在一些实施例中，所述基于所述重合率、所述中心点距离和所述图形相似度，计算所述感知区域和所述真实区域之间的匹配度，包括：通过以下公式计算匹配度：

匹配度＝w1*重合率-w2*中心点距离-w3*图形相识度

其中，w1、w2和w3的取值均在0～1之间。

在一些实施例中，所述计算所述感知区域与所述真实区域的重合率，包括：获取所述感知区域与所述真实区域的交集区域的面积；获取所述感知区域与所述真实区域的并集区域的面积；计算所述交集区域的面积与所述并集区域的面积的比值，得到所述感知区域与所述真实区域的重合率。

在一些实施例中，所述计算所述感知区域与所述真实区域的中心点距离，包括：获取所述感知区域的中心点位置；获取所述真实区域的中心点位置；测量所述感知区域的中心点位置到所述真实区域的中心点位置的距离，得到所述感知区域与所述真实区域的中心点距离。

在一些实施例中，所述计算所述感知区域与所述真实区域的图形相似度，包括：获取所述感知区域的面积和所述真实区域的面积；获取所述感知区域的长宽比和所述真实区域的长宽比；计算所述感知区域的面积与所述真实区域的面积的差值的绝对值，并计算所述感知区域的长宽比与所述真实区域的长宽比的差值的绝对值；将所述面积的差值的绝对值与所述长宽比的差值的绝对值相加，得到所述感知区域与所述真实区域的图形相似度。

第二方面，本申请提供了一种用于无人驾驶车的障碍物检测结果评估装置，所述装置包括：获取单元，配置用于获取无人驾驶车感知到的障碍物的感知图像和所述障碍物的真实图像，分别对所述感知图像和所述真实图像求取最小外接矩形，得到所述障碍物的感知区域和真实区域；重合率计算单元，配置用于根据所述感知区域与所述真实区域的交集区域的面积和并集区域的面积，计算所述感知区域与所述真实区域的重合率；中心点距离计算单元，配置用于根据所述感知区域的中心点位置与所述真实区域的中心点位置，计算所述感知区域与所述真实区域的中心点距离；图形相似度计算单元，配置用于根据所述感知区域的面积、所述真实区域的面积、所述感知区域的长宽比和所述真实区域的长宽比，计算所述感知区域与所述真实区域的图形相似度；匹配度计算单元，配置用于基于所述重合率、所述中心点距离和所述图形相似度，计算所述感知区域和所述真实区域之间的匹配度，并将所述匹配度发送给所述无人驾驶车。

在一些实施例中，所述匹配度计算单元进一步配置用于：通过以下公式计算匹配度：

匹配度＝w1*重合率-w2*中心点距离-w3*图形相识度

其中，w1、w2和w3的取值均在0～1之间。

在一些实施例中，所述重合率计算单元包括：交集区域的面积获取模块，配置用于获取所述感知区域与所述真实区域的交集区域的面积；并集区域的面积获取模块，配置用于获取所述感知区域与所述真实区域的并集区域的面积；重合率计算模块，配置用于计算所述交集区域的面积与所述并集区域的面积的比值，得到所述感知区域与所述真实区域的重合率。

在一些实施例中，所述中心点距离计算单元包括：感知区域的中心点位置获取模块，配置用于获取所述感知区域的中心点位置；真实区域的中心点位置获取模块，配置用于获取所述真实区域的中心点位置；中心点距离测量模块，配置用于测量所述感知区域的中心点位置到所述真实区域的中心点位置的距离，得到所述感知区域与所述真实区域的中心点距离。

在一些实施例中，所述图形相似度计算单元包括：面积获取模块，配置用于获取所述感知区域的面积和所述真实区域的面积；长宽比获取模块，配置用于获取所述感知区域的长宽比和所述真实区域的长宽比；绝对值计算模块，配置用于计算所述感知区域的面积与所述真实区域的面积的差值的绝对值，并计算所述感知区域的长宽比与所述真实区域的长宽比的差值的绝对值；图形相似度计算模块，配置用于将所述面积的差值的绝对值与所述长宽比的差值的绝对值相加，得到所述感知区域与所述真实区域的图形相似度。

本申请提供的用于无人驾驶车的障碍物检测结果评估方法和装置，首先通过对获取到的无人驾驶车感知到的障碍物的感知图像求取最小外接矩形，得到感知区域，再获取上述障碍物的真实图像，并求取上述真实图像的最小外接矩形，得到真实区域，而后通过上述感知区域的面积和真实区域的面积求取重合率，通过上述感知区域的中心点位置和真实区域的中心点位置求取中心点距离，通过上述感知区域的面积、真实区域的面积、感知区域的长宽比和真实区域的长宽比，求取图形相似度，最后通过得到的重合率、中心点距离和图形相似度计算上述感知区域和真实区域的匹配度，并将匹配度发送给上述无人驾驶车，从而有效的利用了感知区域和真实区域的中心点和长宽比等因素，实现了更加准确的障碍物检测结果的评估。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的用于无人驾驶车的障碍物检测结果评估方法的一个实施例的流程图；

图3A是根据本申请的用于无人驾驶车的障碍物检测结果评估的一个实施例的示意图；

图3B是根据本申请的用于无人驾驶车的障碍物检测结果评估的又一个实施例的示意图；

图3C是根据本申请的用于无人驾驶车的障碍物检测结果评估的再一个实施例的示意图；

图4是根据本申请的用于无人驾驶车的障碍物检测结果评估装置的一个实施例的结构示意图；

图5是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用于本申请的用于无人驾驶车的障碍物检测结果评估方法或用于无人驾驶车的障碍物检测结果评估装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括车载终端设备101、102、103，网络104和对车载终端设备101、102、103进行支持的云服务器105。网络104用以在车载终端设备101、102、103和云服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如无线通信链路、全球定位系统或者光纤电缆等等。

车载终端设备101、102、103上安装有无人驾驶车辆的控制系统，其可以直接通过网络104与云服务器105交互，车载终端设备101、102、103还可以连接到用于获取障碍物图像的各个摄像头、用于拍摄障碍物的图像等。

云服务器105可以是提供障碍物检测结果评估服务的服务器，例如对车载终端设备101、102、103发出的障碍物的感知图像进行接收并提供支持的后台网络云服务器。后台网络云服务器可以对接收到的感知图像等数据进行分析处理，并将处理结果反馈给车载终端设备。

需要说明的是，本申请实施例所提供的用于无人驾驶车的障碍物检测结果评估方法一般由云服务器105执行，相应地，用于无人驾驶车的障碍物检测结果评估装置一般设置于云服务器105中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的用于无人驾驶车的障碍物检测结果评估方法的一个实施例的流程200。所述的用于无人驾驶车的障碍物检测结果评估方法，包括以下步骤：

步骤201，获取无人驾驶车感知到的障碍物的感知图像和障碍物的真实图像，分别对感知图像和真实图像求取最小外接矩形，得到障碍物的感知区域和真实区域。

在本实施例中，用于无人驾驶车的障碍物检测结果评估方法运行于其上的电子设备(例如图1所示的云服务器)可以首先通过全球定位系统或者无线连接方式从无人驾驶车获取无人驾驶车在行驶过程中遇到的障碍物的图像信息和无人驾驶车对上述障碍物的感知图像，之后，上述电子设备可以对获取到的障碍物的图像信息进行分析，得到上述障碍物的真实图像，最后，上述电子设备可以分别求取上述感知图像和上述真实图像的最小外接矩形(Minimum Bounding Rectangle,MBR)作为上述障碍物的感知区域和真实区域，其中，上述最小外接矩形是指以二维坐标表示的若干二维形状(例如点、直线、多边形)的最大范围，即以给定的二维形状各顶点中的最大横坐标、最小横坐标、最大纵坐标、最小纵坐标定下边界的矩形。

作为示例，上述电子设备可以针对上述感知图像和上述真实图像建立二维坐标系，以上述感知图像的最大横坐标、最小横坐标、最大纵坐标、最小纵坐标定下的矩形作为上述感知图像的感知区域；以上述真实图像的最大横坐标、最小横坐标、最大纵坐标、最小纵坐标定下的矩形作为上述真实图像的真实区域。

通常，无人驾驶车在行驶的过程中，可以通过摄像头采集图像中障碍物的数据，之后，无人驾驶车利用预先设定的感知算法对上述采集到的数据进行处理，得到无人驾驶车对上述障碍物的感知图像的轮廓和位置。在得到从无人驾驶车获取到的障碍物的图像信息之后，上述电子设备可以通过视觉传感器、激光雷达等对获取到的障碍物的图像信息进行处理，得到上述障碍物的真实图像的轮廓和位置，上述电子设备也可以通过人工标注的方法获取上述障碍物的真实图像的轮廓和位置。

需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。

步骤202，根据感知区域与真实区域的交集区域的面积和并集区域的面积，计算感知区域与真实区域的重合率。

在本实施例中，基于步骤201中得到的感知区域和真实区域，上述电子设备(例如图1所示的云服务器)可以首先按照感知区域的位置和真实区域的位置将上述感知区域和上述真实区域放置在同一平面内；之后，上述电子设备可以测量上述感知区域的相邻两条边长的长度，并以上述相邻两条边长的长度的乘积作为上述感知区域的面积，上述电子设备可以测量上述真实区域的相邻两条边长的长度，并以上述相邻两条边长的长度的乘积作为上述真实区域的面积；然后，获得上述感知区域与上述真实区域的交集区域(重合区域)，测量上述交集区域的相邻两条边长的长度，并以上述相邻两条边长的长度的乘积作为上述交集区域的面积，上述电子设备可以利用上述感知区域与上述真实区域的面积之和与上述交集面积的差作为上述感知区域与上述真实区域的并集区域的面积；最后，根据上述交集区域的面积与上述并集区域的面积计算上述感知区域与上述真实区域的重合率。通常，重合率越大，上述感知区域与上述真实区域的匹配度越大。

在本实施例的一些可选的实现方式中，上述电子设备可以获取上述感知区域与上述真实区域的交集区域的面积和并集区域的面积，并将上述交集区域的面积与上述并集区域的面积的比值作为上述感知区域与上述真实区域的重合率。

图3A示出了本申请的用于无人驾驶车的障碍物检测结果评估的一个实施例的示意图，如图3A所示，感知区域301和真实区域302的交集区域为感知区域301和真实区域302的重合区域，感知区域301和真实区域302的并集区域为感知区域301和真实区域302的面积之和与上述交集区域的差值。

在本实施例中，上述电子设备还可以首先获取上述交集区域的面积与上述并集区域的面积的面积之和，再将上述交集区域的面积与上述面积之和的比值作为上述感知区域与上述真实区域的重合率。

步骤203，根据感知区域的中心点位置与真实区域的中心点位置，计算感知区域与真实区域的中心点距离。

在本实施例中，上述电子设备可以根据感知区域的中心点位置与真实区域的中心点位置，计算上述感知区域与上述真实区域的中心点距离。其中，中心点位置可以是区域的两条对角线的交点，也可以是分别垂直于区域的两条相邻边长并且与两条相邻边长的中点相交的两条直线的交点。通常，中心点距离越小，上述感知区域与上述真实区域的匹配度越大。

在本实施例的一些可选的实现方式中，上述电子设备可以首先获取感知区域的中心点位置，之后，可以获取真实区域的中心点位置，最后，可以通过测量上述感知区域的中心点位置到上述真实区域的中心点位置的距离，确定上述感知区域与上述真实区域的中心点距离。

图3B示出了本申请的用于无人驾驶车的障碍物检测结果评估的又一个实施例的示意图，如图3B所示，感知区域301的中心点位置303与真实区域302的中心点位置304的距离为上述感知区域301与上述真实区域302的中心点距离。

步骤204，根据感知区域的面积、真实区域的面积、感知区域的长宽比和真实区域的长宽比，计算感知区域与真实区域的图形相似度。

在本实施例中，上述电子设备可以获取上述感知区域的面积和真实区域的面积，并获取上述感知区域的相邻两条边长的长度和上述真实区域的相邻两条边长的长度，将上述感知区域的相邻两条边长中的横向方向的边长与纵向方向的边长的比值作为上述感知区域的长宽比，将上述真实区域的相邻两条边长中的横向方向的边长与纵向方向的边长的比值作为上述真实区域的长宽比，其中，横向方向的边长可以是与二维坐标系中x轴的夹角小于45°的边长，纵向方向的边长可以是与二维坐标系中y轴的夹角小于45°的边长。根据上述感知区域的面积和真实区域的面积、上述感知区域的长宽比和上述真实区域的长宽比，上述电子设备可以计算上述感知区域与上述真实区域的图形相似度。通常，图形相似度越小，上述感知区域与上述真实区域的匹配度越大。

在本实施例中，上述电子设备可以首先计算上述感知区域的面积与上述真实区域的面积的比值，再计算上述感知区域的长宽比和上述真实区域的长宽比的比值，上述电子设备可以将上述面积的比值和上述长宽比的比值之和作为上述感知区域与上述真实区域的图形相似度。

在本实施例的一些可选的实现方式中，上述电子设备可以首先获取上述感知区域的面积和上述真实区域的面积、上述感知区域的长宽比和上述真实区域的长宽比，并计算上述感知区域的面积与上述真实区域的面积的差值的绝对值，再计算上述感知区域的长宽比与上述真实区域的长宽比的差值的绝对值，最后将上述感知区域的面积与上述真实区域的面积的差值的绝对值和上述感知区域的长宽比与上述真实区域的长宽比的差值的绝对值进行求和运算，得到上述感知区域与上述真实区域的图形相似度。

图3C示出了本申请的用于无人驾驶车的障碍物检测结果评估的再一个实施例的示意图，如图3C所示，感知区域301的横向方向的边长305与纵向方向的边长306的乘积为感知区域301的面积，感知区域301的横向方向的边长305与纵向方向的边长306的比值为感知区域301的长宽比，真实区域302的横向方向的边长307与纵向方向的边长308的乘积为真实区域302的面积，真实区域302的横向方向的边长307与纵向方向的边长308的比值为真实区域302的长宽比。

步骤205，基于重合率、中心点距离和图形相似度，计算感知区域和真实区域之间的匹配度，并将匹配度发送给无人驾驶车。

在本实施例中，分别基于步骤202、步骤203和步骤204得到的重合率、中心点距离和图形相似度，上述电子设备可以计算上述感知区域与上述真实区域的匹配度，并可以通过全球定位系统或者无线连接方式将上述匹配度发送给上述无人驾驶车。

在本实施例的一些可选的实现方式中，上述电子设备可以基于得到的重合率、中心点距离和图形相似度，计算上述感知区域与上述真实区域的匹配度。

可以通过以下公式计算匹配度：

匹配度＝w1*重合率-w2*中心点距离-w3*图形相识度

其中，w1、w2和w3的取值均在0～1之间。

本申请的上述实施例提供的方法通过基于感知区域与真实区域的重合率、中心点距离和图形相似度来计算感知区域和真实区域之间的匹配度，实现了更加准确的障碍物检测结果的评估。

进一步参考图4，作为对上述各图所示方法的实现，本申请提供了一种用于无人驾驶车的障碍物检测结果评估装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图4所示，本实施例上述的用于无人驾驶车的障碍物检测结果评估装置400包括：获取单元401、重合率计算单元402、中心点距离计算单元403、图形相似度计算单元404和匹配度计算单元405。其中，获取单元401配置用于获取无人驾驶车感知到的障碍物的感知图像和所述障碍物的真实图像，分别对所述感知图像和所述真实图像求取最小外接矩形，得到所述障碍物的感知区域和真实区域；重合率计算单元402配置用于根据所述感知区域与所述真实区域的交集区域的面积和并集区域的面积，计算所述感知区域与所述真实区域的重合率；中心点距离计算单元403配置用于根据所述感知区域的中心点位置与所述真实区域的中心点位置，计算所述感知区域与所述真实区域的中心点距离；图形相似度计算单元404配置用于根据所述感知区域的面积、所述真实区域的面积、所述感知区域的长宽比和所述真实区域的长宽比，计算所述感知区域与所述真实区域的图形相似度；而匹配度计算单元405配置用于基于所述重合率、所述中心点距离和所述图形相似度，计算所述感知区域和所述真实区域之间的匹配度，并将所述匹配度发送给所述无人驾驶车。

在本实施例中，用于无人驾驶车的障碍物检测结果评估装置400的获取单元401可以首先通过全球定位系统或者无线连接方式从无人驾驶车获取无人驾驶车在行驶过程中遇到的障碍物的图像信息和无人驾驶车对上述障碍物的感知图像，之后，上述电子设备可以对获取到的障碍物的图像信息进行分析，得到上述障碍物的真实图像，最后，上述电子设备可以分别求取上述感知图像和上述真实图像的最小外接矩形作为上述障碍物的感知区域和真实区域。

在本实施例中，基于获取单元401得到的感知区域和真实区域，上述重合率计算单元402可以首先按照感知区域的位置和真实区域的位置将上述感知区域和上述真实区域放置在同一平面内；之后，可以测量上述感知区域的相邻两条边长的长度，并以上述相邻两条边长的长度的乘积作为上述感知区域的面积，可以测量上述真实区域的相邻两条边长的长度，并以上述相邻两条边长的长度的乘积作为上述真实区域的面积；然后，获得上述感知区域与上述真实区域的交集区域(重合区域)，测量上述交集区域的相邻两条边长的长度，并以上述相邻两条边长的长度的乘积作为上述交集区域的面积，上述电子设备可以利用上述感知区域与上述真实区域的面积之和与上述交集面积的差作为上述感知区域与上述真实区域的并集区域的面积；最后，根据上述交集区域的面积与上述并集区域的面积计算上述感知区域与上述真实区域的重合率。

在本实施例中，上述中心点距离计算单元403可以根据感知区域的中心点位置与真实区域的中心点位置，计算上述感知区域与上述真实区域的中心点距离。其中，中心点位置可以是区域的两条对角线的交点，也可以是分别垂直于区域的两条相邻边长并且与两条相邻边长的中点相交的两条直线的交点。

在本实施例中，上述图形相似度计算单元404可以获取上述感知区域的面积和真实区域的面积，并获取上述感知区域的相邻两条边长的长度和上述真实区域的相邻两条边长的长度，将上述感知区域的相邻两条边长中的横向方向的边长与纵向方向的边长的比值作为上述感知区域的长宽比，将上述真实区域的相邻两条边长中的横向方向的边长与纵向方向的边长的比值作为上述真实区域的长宽比，根据上述感知区域的面积和真实区域的面积、上述感知区域的长宽比和上述真实区域的长宽比，最后，可以计算上述感知区域与上述真实区域的图形相似度。

在本实施例中，分别基于重合率计算单元402、中心点距离计算单元403和图形相似度计算单元404得到的重合率、中心点距离和图形相似度，上述匹配度计算单元405可以计算上述感知区域与上述真实区域的匹配度，并可以通过全球定位系统或者无线连接方式将上述匹配度发送给上述无人驾驶车。

在本实施例的一些可选的实现方式中，上述匹配度计算单元405进一步配置用于：

通过以下公式计算匹配度：

匹配度＝w1*重合率-w2*中心点距离-w3*图形相识度

其中，w1、w2和w3的取值均在0～1之间。

在本实施例的一些可选的实现方式中，上述重合率计算单元402包括：交集区域的面积获取模块(图中未示出)，用于获取所述感知区域与所述真实区域的交集区域的面积；并集区域的面积获取模块(图中未示出)，用于获取所述感知区域与所述真实区域的并集区域的面积；重合率计算模块(图中未示出)，用于计算所述交集区域的面积与所述并集区域的面积的比值，得到所述感知区域与所述真实区域的重合率。

在本实施例的一些可选的实现方式中，上述中心点距离计算单元403包括：感知区域的中心点位置获取模块(图中未示出)，配置用于获取所述感知区域的中心点位置；真实区域的中心点位置获取模块(图中未示出)，配置用于获取所述真实区域的中心点位置；中心点距离测量模块(图中未示出)，配置用于测量所述感知区域的中心点位置到所述真实区域的中心点位置的距离，得到所述感知区域与所述真实区域的中心点距离。

在本实施例的一些可选的实现方式中，上述图形相似度计算单元404包括：面积获取模块(图中未示出)，配置用于获取所述感知区域的面积和所述真实区域的面积；长宽比获取模块(图中未示出)，配置用于获取所述感知区域的长宽比和所述真实区域的长宽比；绝对值计算模块(图中未示出)，配置用于计算所述感知区域的面积与所述真实区域的面积的差值的绝对值，并计算所述感知区域的长宽比与所述真实区域的长宽比的差值的绝对值；图形相似度计算模块(图中未示出)，配置用于将所述面积的差值的绝对值与所述长宽比的差值的绝对值相加，得到所述感知区域与所述真实区域的图形相似度。

下面参考图5，其示出了适于用来实现本申请实施例的服务器的计算机系统500的结构示意图。

如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM503中，还存储有系统500操作所需的各种程序和数据。CPU501、ROM502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，上述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、重合率计算单元、中心点距离计算单元、图形相似度计算单元和匹配度计算单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。例如，获取单元还可以被描述为“障碍物的感知区域和真实区域获取单元”。

作为另一方面，本申请还提供了一种非易失性计算机存储介质，该非易失性计算机存储介质可以是上述实施例中上述装置中所包含的非易失性计算机存储介质；也可以是单独存在，未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序，当上述一个或者多个程序被一个设备执行时，使得上述设备：获取无人驾驶车感知到的障碍物的感知图像和所述障碍物的真实图像，分别对所述感知图像和所述真实图像求取最小外接矩形，得到所述障碍物的感知区域和真实区域；根据所述感知区域与所述真实区域的交集区域的面积和并集区域的面积，计算所述感知区域与所述真实区域的重合率；根据所述感知区域的中心点位置与所述真实区域的中心点位置，计算所述感知区域与所述真实区域的中心点距离；根据所述感知区域的面积、所述真实区域的面积、所述感知区域的长宽比和所述真实区域的长宽比，计算所述感知区域与所述真实区域的图形相似度；基于所述重合率、所述中心点距离和所述图形相似度，计算所述感知区域和所述真实区域之间的匹配度，并将所述匹配度发送给所述无人驾驶车。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种用于无人驾驶车的障碍物检测结果评估方法，其特征在于，所述方法包括：

获取无人驾驶车感知到的障碍物的感知图像和所述障碍物的真实图像，分别对所述感知图像和所述真实图像求取最小外接矩形，得到所述障碍物的感知区域和真实区域；

根据所述感知区域与所述真实区域的交集区域的面积和并集区域的面积，计算所述感知区域与所述真实区域的重合率；

根据所述感知区域的中心点位置与所述真实区域的中心点位置，计算所述感知区域与所述真实区域的中心点距离；

根据所述感知区域的面积、所述真实区域的面积、所述感知区域的长宽比和所述真实区域的长宽比，计算所述感知区域与所述真实区域的图形相似度；

基于所述重合率、所述中心点距离和所述图形相似度，计算所述感知区域和所述真实区域之间的匹配度，并将所述匹配度发送给所述无人驾驶车。

2.根据权利要求1所述的方法，其特征在于，所述基于所述重合率、所述中心点距离和所述图形相似度，计算所述感知区域和所述真实区域之间的匹配度，包括：

通过以下公式计算匹配度：

匹配度＝w1*重合率-w2*中心点距离-w3*图形相识度

其中，w1、w2和w3的取值均在0～1之间。

3.根据权利要求2所述的方法，其特征在于，所述计算所述感知区域与所述真实区域的重合率，包括：

获取所述感知区域与所述真实区域的交集区域的面积；

获取所述感知区域与所述真实区域的并集区域的面积；

计算所述交集区域的面积与所述并集区域的面积的比值，得到所述感知区域与所述真实区域的重合率。

4.根据权利要求2所述的方法，其特征在于，所述计算所述感知区域与所述真实区域的中心点距离，包括：

获取所述感知区域的中心点位置；

获取所述真实区域的中心点位置；

测量所述感知区域的中心点位置到所述真实区域的中心点位置的距离，得到所述感知区域与所述真实区域的中心点距离。

5.根据权利要求2所述的方法，其特征在于，所述计算所述感知区域与所述真实区域的图形相似度，包括：

获取所述感知区域的面积和所述真实区域的面积；

获取所述感知区域的长宽比和所述真实区域的长宽比；

计算所述感知区域的面积与所述真实区域的面积的差值的绝对值，并计算所述感知区域的长宽比与所述真实区域的长宽比的差值的绝对值；

将所述面积的差值的绝对值与所述长宽比的差值的绝对值相加，得到所述感知区域与所述真实区域的图形相似度。

6.一种用于无人驾驶车的障碍物检测结果评估装置，其特征在于，所述装置包括：

获取单元，配置用于获取无人驾驶车感知到的障碍物的感知图像和所述障碍物的真实图像，分别对所述感知图像和所述真实图像求取最小外接矩形，得到所述障碍物的感知区域和真实区域；

重合率计算单元，配置用于根据所述感知区域与所述真实区域的交集区域的面积和并集区域的面积，计算所述感知区域与所述真实区域的重合率；

中心点距离计算单元，配置用于根据所述感知区域的中心点位置与所述真实区域的中心点位置，计算所述感知区域与所述真实区域的中心点距离；

图形相似度计算单元，配置用于根据所述感知区域的面积、所述真实区域的面积、所述感知区域的长宽比和所述真实区域的长宽比，计算所述感知区域与所述真实区域的图形相似度；

匹配度计算单元，配置用于基于所述重合率、所述中心点距离和所述图形相似度，计算所述感知区域和所述真实区域之间的匹配度，并将所述匹配度发送给所述无人驾驶车。

7.根据权利要求6所述的装置，其特征在于，所述匹配度计算单元进一步配置用于：

通过以下公式计算匹配度：

匹配度＝w1*重合率-w2*中心点距离-w3*图形相识度

其中，w1、w2和w3的取值均在0～1之间。

8.根据权利要求7所述的装置，其特征在于，所述重合率计算单元包括：

交集区域的面积获取模块，配置用于获取所述感知区域与所述真实区域的交集区域的面积；

并集区域的面积获取模块，配置用于获取所述感知区域与所述真实区域的并集区域的面积；

重合率计算模块，配置用于计算所述交集区域的面积与所述并集区域的面积的比值，得到所述感知区域与所述真实区域的重合率。

9.根据权利要求7所述的装置，其特征在于，所述中心点距离计算单元包括：

感知区域的中心点位置获取模块，配置用于获取所述感知区域的中心点位置；

真实区域的中心点位置获取模块，配置用于获取所述真实区域的中心点位置；

中心点距离测量模块，配置用于测量所述感知区域的中心点位置到所述真实区域的中心点位置的距离，得到所述感知区域与所述真实区域的中心点距离。

10.根据权利要求7所述的装置，其特征在于，所述图形相似度计算单元包括：

面积获取模块，配置用于获取所述感知区域的面积和所述真实区域的面积；

长宽比获取模块，配置用于获取所述感知区域的长宽比和所述真实区域的长宽比；

绝对值计算模块，配置用于计算所述感知区域的面积与所述真实区域的面积的差值的绝对值，并计算所述感知区域的长宽比与所述真实区域的长宽比的差值的绝对值；

图形相似度计算模块，配置用于将所述面积的差值的绝对值与所述长宽比的差值的绝对值相加，得到所述感知区域与所述真实区域的图形相似度。