CN108318895B - 用于无人驾驶车辆的障碍物识别方法、装置及终端设备 - Google Patents
用于无人驾驶车辆的障碍物识别方法、装置及终端设备 Download PDFInfo
- Publication number
- CN108318895B CN108318895B CN201711375585.5A CN201711375585A CN108318895B CN 108318895 B CN108318895 B CN 108318895B CN 201711375585 A CN201711375585 A CN 201711375585A CN 108318895 B CN108318895 B CN 108318895B
- Authority
- CN
- China
- Prior art keywords
- laser
- unmanned vehicle
- obstacle
- static
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明适用于车辆技术领域,提供了一种用于无人驾驶车辆的障碍物识别方法、终端设备及介质,该方法包括:控制无人驾驶车辆上的多个静态激光雷达分别发射第一激光信号,多个所述静态激光雷达分别位于所述无人驾驶车辆的车身四周;接收所述第一激光信号经过反射后所得到的第二激光信号;对各个方向上接收得到的所述第二激光信号进行识别处理,以获取障碍物信息;将所述障碍物信息发送至车辆控制器,以使车辆控制器基于所述障碍物信息,确定出所述无人驾驶车辆的运行状态。本发明实现了以位置固定的方式来进行障碍物的全方位激光扫描,避免了出现扫描遗漏的情况,提高了障碍物的识别准确率,并且,延长了激光雷达的使用寿命,使其具有更高的稳定性。
Description
技术领域
本发明属于车辆技术领域,尤其涉及一种用于无人驾驶车辆的障碍物识别方法、终端设备及介质。
背景技术
无人驾驶汽车是通过车载传感系统感知道路环境,自动规划行车路线并控制车辆到达预定目标的智能汽车。由于其能够感知道路信息、车辆位置和障碍物信息,控制车辆的转向和速度,因此才保证了无人驾驶汽车能够安全、可靠地在道路上行驶。
目前,市面上的无人驾驶汽车一般通过实时三维旋转式的激光雷达来对障碍物进行检测。此类激光雷达以动态扫描的方式对环境进行感知。具体地,激光雷达内部的发射/接收组件和旋转镜面结合在一起,通过旋转镜面,能够实现90到180度的视角。镜面不仅能够反射二极管发出去的光,而且也能把反射回来的光再反射给接收器,从而使得安装在二极管附近的光子探测器能够探测出返回来的信号,以收集得到大量的点云,进而生成周围环境的三维图像。然而,虽然上述激光雷达可在一个维度上高度旋转,更新频率可以达到10Hz,但在垂直方向上,其视场角依然很小,大概为20度左右,因此,即使在水平维度上进行高速旋转,做到每秒扫描10次,发射2000个激光点,但最终得到的点云中,垂直方向的点分辨率也是较为稀疏的。由此,基于点云来识别障碍物时,仍然可能存在一些扫描盲区,例如,对一些较为细小的远处电线杆或者近处围栏等障碍物造成扫描遗漏,从而降低了障碍物检测的准确率,使得在实际环境中出现障碍物时,无人驾驶车辆依然判定当前无障碍物出现而持续前进的情况出现,因此,降低了无人驾驶车辆的安全性能。
发明内容
有鉴于此,本发明实施例提供了一种用于无人驾驶车辆的障碍物识别方法、装置、终端设备及介质,以解决目前无人驾驶车辆的障碍物检测准确率以及安全性能均较为低下的问题。
本发明实施例的第一方面,提供了一种用于无人驾驶车辆的障碍物识别方法,包括:
控制无人驾驶车辆上的多个静态激光雷达分别发射第一激光信号,多个所述静态激光雷达分别位于所述无人驾驶车辆的车身四周;
接收所述第一激光信号经过反射后所得到的第二激光信号;
对各个方向上接收得到的所述第二激光信号进行识别处理,以获取障碍物信息;
将所述障碍物信息发送至车辆控制器,以使所述车辆控制器基于所述障碍物信息,确定出所述无人驾驶车辆的运行状态。
本发明实施例的第二方面,提供了一种用于无人驾驶车辆的障碍物识别装置,包括:
控制单元,用于控制无人驾驶车辆上的多个静态激光雷达分别发射第一激光信号,多个所述静态激光雷达分别位于所述无人驾驶车辆的车身四周;
接收单元,用于接收所述第一激光信号经过反射后所得到的第二激光信号;
获取单元,用于对各个方向上接收得到的所述第二激光信号进行识别处理,以获取障碍物信息;
发送单元,用于将所述障碍物信息发送至车辆控制器,以使所述车辆控制器基于所述障碍物信息,确定出所述无人驾驶车辆的运行状态。
本发明实施例的第三方面,提供了一种终端设备,包括存储器、处理器及存储在所述存储器上并可在所述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,实现如第一方面所述的用于无人驾驶车辆的障碍物识别方法的步骤。
本发明实施例的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被至少一个处理器执行时,实现如第一方面所述的用于无人驾驶车辆的障碍物识别方法的步骤。
本发明实施例中,通过控制位于无人驾驶车辆的车身四周上的多个静态激光雷达分别发射激光信号,实现了以位置固定的方式来进行障碍物的全方位激光扫描。由于静态激光雷达不需要执行三维旋转式操作,而只需定点检测,因此避免了出现扫描遗漏的情况,提高了障碍物的识别准确率;第二方面,正因为静态激光雷达不需要进行动态旋转式操作,因而减少了对无人驾驶车辆的负担,例如,降低了车身的发热能耗等,同时也延长了激光雷达的使用寿命,使之具有更高的稳定性。第三方面,相对于旋转式激光雷达来说,静态激光雷达的成本大大降低,故在提高了障碍物识别准确率的同时,也间接降低了无人驾驶车辆的制造成本。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的用于无人驾驶车辆的障碍物识别方法的实现流程图;
图2本发明实施例提供的车身四周分别设置有静态激光雷达的无人驾驶公交的俯视图;
图3是本发明实施例提供的静态激光雷达的内部结构图;
图4是本发明实施例提供的用于无人驾驶车辆的障碍物识别方法S103的具体实现流程图;
图5是本发明又一实施例提供的用于无人驾驶车辆的障碍物识别方法的实现流程图;
图6是本发明又一实施例提供的车门两侧分别设置有静态激光雷达的无人驾驶公交的俯视图;
图7是本发明实施例提供的用于无人驾驶车辆的障碍物识别装置的结构框图;
图8是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
图1示出了本发明实施例提供的用于无人驾驶车辆的障碍物识别方法的实现流程,该方法流程包括步骤S101至S104。各步骤的具体实现原理如下。
S101:控制无人驾驶车辆上的多个静态激光雷达分别发射第一激光信号,多个所述静态激光雷达分别位于所述无人驾驶车辆的车身四周。
本发明实施例中,静态激光雷达为非旋转式激光雷达,例如可以是微机电系统(MicroElectroMechanicalSystem,MEMS)微动的激光雷达等。静态激光雷达位于无人驾驶车辆的车身四周,使得无人驾驶车辆的每一角部都分别存在至少一个静态激光雷达。
优选地,上述无人驾驶车辆包括但不限于无人驾驶公交以及无人驾驶轿车。
示例性地,图2为本发明实施例提供的车身四周分别设置有静态激光雷达的无人驾驶公交的俯视图。如图2所示,该无人驾驶公交的车头1和车尾2的左右两侧都分别设置有一静态激光雷达3,静态激光雷达3可以位于车身的四个角部,也可以位于车身各个侧面的交线处。本示例中,控制静态激光雷达所发出的激光信号与车身长度延长线的夹角为固定值α
本发明实施例中,当接收到无人驾驶车辆的运行指令时,启动上述各个静态激光雷达,以控制每一静态激光雷达内部的激光发射器发出激光信号。由于各个静态激光雷达所处的位置角度不同,故对于整个无人驾驶车辆而言,可发出多种方向的激光信号,使得激光信号的扫描位置能够覆盖可能影响无人驾驶车辆行驶的各个斜方区域。
优选地,本发明实施例中,在接收到激光信号发射指令时,控制无人驾驶车辆上每一静态激光雷达的激光光源经凸面反射镜反射之后形成激光信号,由此使得激光信号经过镜面反射后才投射至外界的目标物体。其中,所述凸面镜位于所述静态激光雷达内部。
请一并参照图3,图3为本发明实施例提供的静态激光雷达的内部结构示意图。图3中,静态激光雷达内部的激光发射器31作为激光光源,发出携带上述激光信号的激光束。对于凸面反射镜32来说,其凸面一侧所朝的方向与激光束的发射方向相对。基于激光沿直线传播的特性,激光发射器31以较小的散射角度发出激光束后,激光束所包含的各道激光线会投射于凸面反射镜32上的不同位置点,并在各个位置点发射镜面反射后,投射于静态激光雷达外部的目标物体。
本发明实施例中,通过在静态激光雷达内部设置一与激光束发射方向相对的凸面镜,使得激光光源所发出的激光信号能够经过凸面反射镜的弧度面进行发射后再投射至外界环境,相对于静态激光雷达所原有的将激光信号直接投射至外界环境的方式来说,扩大了静态激光雷达的扫描区域,使得固定位置的静态激光雷达所发出的激光信号能够覆盖范围更广的目标物体,进而达到更为全面的障碍物检测效果,提高了障碍物检测效率。
S102:接收所述第一激光信号经过反射后所得到的第二激光信号。
静态激光雷达内部的激光发射器作为激光光源,发射出的脉冲激光信号将打到该静态激光雷达的扫描区域。若扫描区域中存在障碍物,例如,存在树木、道路、桥梁或建筑物时,则会引起脉冲激光信号发生散射现象,此时,一部分激光信号会反射至静态激光雷达内部的接收器上。
对于每次发射的激光信号,通过静态激光雷达内置的接收器,接收其经过反射后所回波的激光信号。
作为本发明实施例的一个优选实施方式,由于无人驾驶车辆需要正确识别其行驶道路,以避免无人驾驶车辆行驶至人行道路上。因此,在人行道的侧面,贴上漫反光条,则上述S102具体包括:
接收所述第一激光信号经过漫反光条反射后所得到的第二激光信号,其中,所述漫反光条覆盖于人行道路的侧面。
上述人行道路,是指位于车辆行驶道路两侧且高于车辆行驶道路的其他道路;人行道路的侧面即人行道路的高度线所在的平面。将上述静态激光雷达预设于无人驾驶车辆的车身四周,并对车头左右两侧的静态激光雷达的高度及其激光信号的发射角度进行调整,以使得车头左右两侧的每一静态激光雷达能够清楚完整地扫描到人行道路上的漫反光条,保证在运行过程中,无论无人驾驶车辆的处于汽车行驶道路的哪一位置,其车头左右两侧发出的激光信号都能完全覆盖漫反光条的最小角度。另一方面,对车尾左右两侧的静态激光雷达的高度及其激光信号的发射角度进行调整,使得车尾左右两侧的每一静态激光雷达能够具有更高的概率能够地扫描到无人驾驶车辆后方的其他车辆,进而可以在未检测到后方车辆的情况下,进行安全的变道操作。
本发明实施例中,漫反光条的表面覆盖有毛面材料,毛面材料用于漫反射905纳米的激光信号。具体地,漫反光条所采用的毛面材料由二氧化钛R-930、硫酸钡以及玻璃微珠混合而成。在混合过程中,硫酸钡作为分散剂,玻璃微珠作为填充物。其中,玻璃微珠是指,以玻璃砂为原料,并对该原料进行高温融熔处理后所得到一种玻璃圆珠。玻璃微珠的直径在75微米至1400微米之间,折射率为1.50至1.64之间。
当激光信号在漫反光条中发生散射时,散射光波长和粒径满足以下关系:
式子(1),nR为树脂折光指数,m为毛面材料的散射能力,k为与m和nR关联的预设常量,d为毛面材料的粒径,λ为散射的激光信号的波长。基于公式(1)可计算得出,上述用于发射905纳米激光信号的毛面材料中,二氧化钛的粒径在362纳米至394纳米之间。
本发明实施例中,由于硫酸钡仅作为分散剂使用,因而可以使得二氧化钛在混合过程中能够得到均匀分散,提高了漫反光条的漫反射能力,降低了毛面材料的成本。通过在毛面材料的制作过程中加入玻璃微珠,一定程度上也提高漫反光条的漫反射能力以及逆反射能力。由于人行道路的侧面设置有漫反光条,因而基于漫反光条的漫反射作用,使得静态激光雷达发出的激光信号经过漫反光条反射后,能够获得更准确、显著的障碍物识别效果,由此也提高了障碍物的识别准确率,进而提高了无人驾驶车辆的安全性能。
S103:对各个方向上接收得到的所述第二激光信号进行识别处理,以获取障碍物信息。
对于接收到的从障碍物反射回来的激光信号,根据其激光反射强度以及其三维坐标数据,获取该激光信号所对应得到的点云信息。由于点云是在同一空间坐标系下表达障碍物空间分布和障碍物表面特性的海量点云数据,因而通过多个位置的静态激光雷达所接收得到的回波的激光信号,可获得障碍物的状态信息。上述状态信息包括但不限于障碍物相对于无人驾驶车辆的距离、方位、高度、速度、姿态以及形状等,例如,人行道路相对于所述无人驾驶车辆的方位及距离。其中,障碍物的距离信息通过激光测距原理计算得出。
S104:将所述障碍物信息发送至车辆控制器,以使所述车辆控制器基于所述障碍物信息,确定出所述无人驾驶车辆的运行状态。
本发明实施例中,将实时更新的障碍物信息发送至车辆控制器。车辆控制器用于确定无人驾驶车辆的运行状态,运行状态包括行驶速度、各车轮的转向信息以及急刹信息等。
示例性地,若车辆控制器所获取得到的障碍物信息为,前方1米处存在障碍物,则根据预设的避障算法,可确定出无人驾驶车辆的运行状态为急刹车;若障碍物信息具体为,车身所在直线的延伸方向朝向人行道路的方向,则确定无人驾驶车辆的运行状态为向远离人行道路的方向偏转。
车辆控制器根据确定出的运行状态,执行与运行状态对应的控制指令,以使得无人驾驶车辆能够根据控制指令准确调节自身的运行状态。
本发明实施例中,通过控制位于无人驾驶车辆的车身角部上的多个静态激光雷达分别发射第一激光信号,实现了以位置固定的方式来进行障碍物的全方位激光扫描。由于静态激光雷达不需要执行三维旋转式操作,而只需定点检测,因此避免出现了扫描遗漏的情况,提高了障碍物的识别准确率;第二方面,正因为静态激光雷达不需要进行动态旋转式操作,因而延长了激光雷达的使用寿命,具有更高的稳定性,且减少了对无人驾驶车辆的负担,例如,降低了车身的发热能耗等。第三方面,相对于旋转式激光雷达来说,静态激光雷达的成本大大降低,故在提高了障碍物识别准确率的同时,也间接降低了无人驾驶车辆的制造成本。
作为本发明的一个实施例,图4示出了本发明实施例提供的用于无人驾驶车辆的障碍物识别方法S103的具体实现流程,详述如下;
S1031:对各个方向上接收得到的所述第二激光信号进行识别处理,以生成基于点云信息的三维环境图像。
本发明实施例中,点云信息是指在三维坐标系统中的一组向量的集合。这些向量能够以三维坐标的形式来表示障碍物的外表面形状。
通过控制静态激光雷达持续发出激光信号,能够不断扫车身外侧的障碍物,从而得到障碍物上各个目标点所反射的激光信号,将此激光信号所对应的点云信息进行成像处理后,可得到精确的三维环境图像。
S1032:若检测到所述三维环境图像中存在缺失点云信息的位置区域,则控制所述无人驾驶车辆外侧的摄像头启动拍摄,得到该位置区域的实时拍摄图像。
由于静态激光雷达所发射的激光信号可能存在穿透力较弱的问题,因此,若因穿透力不足或者因其他因素原因而导致无法扫描得到某一位置点的点云信息时,则在上述三维环境图像中,将会出现部分区域缺失的情况。此时,启动位于无人驾驶车辆外侧的可旋转式的摄像头。上述摄像头用于根据实时接收到的控制指令,拍摄指定方位的环境图像。
本发明实施例中,根据三维环境图像中缺失点云信息的区域的附近其他点云信息,确定出采集这部分点云信息的静态激光雷达,以根据该静态激光雷达在无人驾驶车辆上的预设位置及角度,控制摄像头向该静态激光雷达所发射的方向进行拍摄,以得到缺失点云信息的图像区域所对应实时拍摄图像。
S1033:检测所述实时拍摄图像中是否存在障碍物。
通过预设的特征检测算法,检测实时拍摄图像中是否存在障碍物。特征检测算法用于检测实时拍摄图像中是否存在预设障碍物的特征。其中,检测图像中是否存在障碍物的方法还可以是其他图像识别算法,在此不作限定。
本发明实施例中,通过控制摄像头拍摄三维环境图像中缺失点云信息的区域所对应的实景图像,并对该实时拍摄的实景图像进行障碍物识别处理,使得在静态激光雷达难以准确识别障碍物是否存在时,能够利用摄像头来实现第二道防线的检测,保证了即使人行道路上的漫反光条缺失,或者,在没有接收到反射回来的激光信号时,也能准确地从实时拍摄图像中进一步地确认障碍物是否存在,避免了因避障不及时而导致无人驾驶车辆与障碍物发生碰撞的问题,因此,保障了无人驾驶车辆的安全行驶,提高了安全性能。
作为本发明的另一实施例,上述用于无人驾驶车辆的障碍物识别方法还包括:获取当前时刻的能见度信息以及所述无人驾驶车辆的行驶速度;根据所述能见度信息以及所述行驶速度,在预设的采样频率区间内,调节所述静态激光雷达的采样频率。
本发明实施例中,根据无人驾驶车辆的车速传感器的输出信号,确定出无人驾驶车辆的实时行驶速度。
上述能见度信息,具体是指,具有正常视力的人在当前天气条件下所能够看清楚目标轮廓的最大距离。当出现降雨、雾、霾、沙尘暴等天气过程时,大气透明度将会降低,此时能见度较差,激光信号的穿透能力大大降低,因而容易出现障碍物的扫描遗漏。
作为本发明的一个具体实施示例,可通过无人驾驶车辆上所预先设置的能见度观测仪,检测当前环境下所检测得到的能见度。通过能见度观测仪所提供的数据传输接口,可接收能见度观测仪所实时传输的能见度信息。
作为本发明的另一个具体实施示例,还可通过无线通信的方式,与云端的第三方应用服务器进行连接,以接收第三方应用服务器所返回的实时能见度信息。其中,上述第三方服务器用于存储天气预报软件的后台数据,并用于提供外部调用服务。
值得注意的是,除了上述能见度信息的获取方式之外,本发明实施例所提供的障碍物识别方法还可以通过其他现有的方式来获取实时能见度信息,在此不作限定。
本发明实施例中,每一静态激光雷达具有一预设的采样频率区间,例如,预设的采样频率区间为2000赫兹至20000赫兹。当能见度越低或行驶速度越高时,在采样频率区间之内,适应性地增大静态激光雷达的采样频率,以使静态激光雷达的采样频率大于原有采样频率。当能见度越高或行驶速度越低时,在采样频率区间之内,适应性地降低静态激光雷达的采样频率,以使静态激光雷达的采样频率小于原有采样频率。
优选地,根据能见度信息以及行驶速度分别所处的区间等级,确定与区间等级匹配的调节系数,并根据确定出的调节系数,对静态激光雷达的原有采样频率进行调整。当调节系数为负值时,降低静态激光雷达的采样频率;当调节系数为正值时,降低静态激光雷达的采样频率。并且,调节系数的绝对值越大,采样频率的调节幅度越大。
本发明实施例中,通过在预设的采样频率区间内,根据天气的恶劣程度以及无人驾驶车辆的实时行驶速度来对静态激光雷达的采样频率进行调整,使得静态激光雷达能够实现采样频率的适应性自动调整,在性能要求较低的情况之下,通过降低静态激光雷达的采样频率,避免了因长期采用高采样频率而带来的能耗过高的问题;而仅在满足性能需求的条件之下,才增大激光信号的采样频率,能够获取得到精度更高的点云信息,从而提高障碍物的检测效率以及准确率;因此,本发明实施例提供的障碍物识别方法较好地实现了可靠性精度以及能耗发热之间的平衡。
作为本发明的又一实施例,如图5所示,上述用于无人驾驶车辆的障碍物识别方法还包括:
S105:若接收到车辆停靠指令,则控制分别位于车门的左右两侧的所述静态激光雷达发射所述第一激光信号,其中,车门左右两侧的所述静态激光雷达的扫描区域为所述车门的下车区域。
请一并参照图6,图6为本发明又一实施例提供的车门两侧分别设置有静态激光雷达的无人驾驶公交的俯视图。如图6所示的无人驾驶公交具有一车门4,在车门4的左右两侧均分别设置有至少一个静态激光雷达5,静态激光雷达5的发射方向朝向车门4的下车区域6。乘客从无人驾驶公交下车时,需要跨越车门4并到达下车区域6,且未上车的乘客可以从下车区域6进入无人驾驶公交。
本发明实施例中,无人驾驶车辆的每一车门的左右两侧均设置有静态激光雷达。若接收到车辆停靠指令,则启动该处于车门的左右两侧的各个静态激光雷达,以向该车门的下车区域发出激光信号。
S106:若接收到所述第一激光信号经过反射后所得到的第三激光信号,则确定所述车门的下车区域存在障碍物,控制所述车门的工作状态保持为关闭状态。
S107:若未接收到所述第一激光信号经过反射后所得到的第三激光信号,则确定所述车门的下车区域不存在障碍物,将所述车门的工作状态切换为开启状态。
若车门的下车区域存在障碍物,则静态激光雷达会接收到经该障碍物所发射回来的激光信号。若在预设时长内,接收到反射回来的激光信号,则保持车门的工作状态为关闭状态;若在预设时长内,未接收到反射回来的激光信号,则确定当前下车区域不存在障碍物,故触发车门开启事件,以将车门的工作状态由关闭状态切换为开启状态。
优选地,如图6所示,本发明实施例中,在车门开启事件被触发之后,还包括:
若检测到车门关闭事件被触发,则启动车门4顶侧的红外感应装置,以使红外感应装置对车门区域7进行检测。若检测到车门区域7存在红外信号,则暂停关闭无人驾驶车辆的车门,并在预设时长后,返回执行令红外感应装置对车门区域进行检测;若检测到车门区域7不存在红外信号,则将车门的工作状态由开启状态切换为关闭状态。
本发明实施例中,通过在能够覆盖车门下车区域的位置和角度固定安装静态激光雷达,保证了在检测到车辆停靠指令时,能够自动判断下车区域是否存在障碍物,而仅在障碍物不存在时,才启动无人驾驶车辆的车门,避免了障碍物对下车乘客带来的意外风险;通过控制车门顶侧的红外感应装置对车门区域进行检测,仅在未检测到红外信号时,才关闭车门,能够避免车门关闭时会夹到乘客,因此,本发明实施例提供的障碍物识别方法较好地保障了乘客的人身安全。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
图7示出了本发明实施例提供的用于无人驾驶车辆的障碍物识别装置的结构框图,该装置用于运行本发明图1至图6实施例所述的用于无人驾驶车辆的障碍物识别方法。为了便于说明,仅示出了与本实施例相关的部分。
参照图7,该装置包括:
控制单元71,用于控制无人驾驶车辆上的多个静态激光雷达分别发射第一激光信号,多个所述静态激光雷达分别位于所述无人驾驶车辆的车身四周。
接收单元72,用于接收所述第一激光信号经过反射后所得到的第二激光信号。
第一获取单元73,用于对各个方向上接收得到的所述第二激光信号进行识别处理,以获取障碍物信息。
发送单元74,用于将所述障碍物信息发送至车辆控制器,以使所述车辆控制器基于所述障碍物信息,确定出所述无人驾驶车辆的运行状态。
可选地,所述第一获取单元73包括:
生成子单元,用于对各个方向上接收得到的的所述第二激光信号进行识别处理,以生成基于点云信息的三维环境图像。
控制子单元,用于若检测到所述三维环境图像中存在缺失点云信息的位置区域,则控制所述无人驾驶车辆外侧的摄像头启动拍摄,得到该位置区域的实时拍摄图像。
检测子单元,用于检测所述实时拍摄图像中是否存在障碍物。
可选地,所述控制单元71具体用于:
控制无人驾驶车辆上的多个静态激光雷达的激光光源经凸面反射镜反射之后形成所述第一激光信号;
其中,所述凸面镜位于所述静态激光雷达内部。
可选地,该装置还包括:
第二获取单元74,用于获取当前时刻的能见度信息以及所述无人驾驶车辆的行驶速度。
调节单元75,用于根据所述能见度信息以及所述行驶速度,在预设的采样频率区间内,调节所述静态激光雷达的采样频率。
可选地,该装置还包括:
发射单元,用于若接收到车辆停靠指令,则控制分别位于车门的左右两侧的所述静态激光雷达发射所述第一激光信号,其中,车门左右两侧的所述静态激光雷达的扫描区域为所述车门的下车区域。
车门关闭单元,用于若接收到所述第一激光信号经过反射后所得到的第三激光信号,则确定所述车门的下车区域存在障碍物,控制所述车门的工作状态保持为关闭状态。
车门开启单元,用于若未接收到所述第一激光信号经过反射后所得到的第三激光信号,则确定所述车门的下车区域不存在障碍物,将所述车门的工作状态切换为开启状态。
本发明实施例中,通过控制位于无人驾驶车辆的车身角部上的多个静态激光雷达分别发射第一激光信号,实现了以位置固定的方式来进行障碍物的全方位激光扫描。由于静态激光雷达不需要执行三维旋转式操作,而只需定点检测,因此避免出现了扫描遗漏的情况,提高了障碍物的识别准确率;第二方面,正因为静态激光雷达不需要进行动态旋转式操作,因而延长了激光雷达的使用寿命,具有更高的稳定性,且减少了对无人驾驶车辆的负担,例如,降低了车身的发热能耗等。第三方面,相对于旋转式激光雷达来说,静态激光雷达的成本大大降低,故在提高了障碍物识别准确率的同时,也间接降低了无人驾驶车辆的制造成本。
图8是本发明实施例提供的终端设备的示意图。如图8所示,该实施例的终端设备8包括:处理器80、存储器81以及存储在所述存储器81中并可在所述处理器80上运行的计算机程序82,例如声纹识别程序。所述处理器80执行所述计算机程序82时实现上述各个用于无人驾驶车辆的障碍物识别方法实施例中的步骤,例如图1所示的步骤101至104。或者,所述处理器80执行所述计算机程序82时实现上述各装置实施例中各模块/单元的功能,例如图7所示单元71至74的功能。
示例性的,所述计算机程序82可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器81中,并由所述处理器80执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序82在所述终端设备8中的执行过程。
所述终端设备8可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备8可包括,但不仅限于,处理器80、存储器81。本领域技术人员可以理解,图8仅仅是终端设备8的示例,并不构成对终端设备8的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备8还可以包括输入输出设备、网络接入设备、总线等。
所称处理器80可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器81可以是所述终端设备8的内部存储单元,例如终端设备8的硬盘或内存。所述存储器81也可以是所述终端设备8的外部存储设备,例如所述终端设备8上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器81还可以既包括所述终端设备8的内部存储单元也包括外部存储设备。所述存储器81用于存储所述计算机程序以及所述终端设备8所需的其他程序和数据。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能模块、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块、模块完成,即将所述装置的内部结构划分成不同的功能模块或模块,以完成以上描述的全部或者部分功能。实施例中的各功能模块、模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中,上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。另外,各功能模块、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中模块、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的模块及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,所述模块或模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或模块的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明实施例各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种用于无人驾驶车辆的障碍物识别方法,其特征在于,包括:
控制无人驾驶车辆上的多个静态激光雷达分别发射第一激光信号,多个所述静态激光雷达分别位于所述无人驾驶车辆的车身四周;
接收所述第一激光信号经过反射后所得到的第二激光信号,具体包括:接收所述第一激光信号经过漫反光条反射后所得到的第二激光信号,其中,所述漫反光条覆盖于人行道路的侧面;
对各个方向上接收得到的所述第二激光信号进行识别处理,以获取障碍物信息;
将所述障碍物信息发送至车辆控制器,以使所述车辆控制器基于所述障碍物信息,确定出所述无人驾驶车辆的运行状态;
所述对各个方向上接收得到的所述第二激光信号进行识别处理,以获取障碍物信息,包括:
对各个方向上接收得到的所述第二激光信号进行识别处理,以生成基于点云信息的三维环境图像;
若检测到所述三维环境图像中存在缺失点云信息的位置区域,则控制所述无人驾驶车辆外侧的摄像头启动拍摄,得到该位置区域的实时拍摄图像;
检测所述实时拍摄图像中是否存在障碍物。
2.如权利要求1所述的障碍物识别方法,其特征在于,所述控制无人驾驶车辆上的多个静态激光雷达分别发射第一激光信号,包括:
控制无人驾驶车辆上的多个静态激光雷达的激光光源经凸面反射镜反射之后形成所述第一激光信号;
其中,所述凸面镜位于所述静态激光雷达内部。
3.如权利要求1或2所述的障碍物识别方法,其特征在于,还包括:
获取当前时刻的能见度信息以及所述无人驾驶车辆的行驶速度;
根据所述能见度信息以及所述行驶速度,在预设的采样频率区间内,调节所述静态激光雷达的采样频率。
4.如权利要求1或2所述的障碍物识别方法,其特征在于,还包括:
若接收到车辆停靠指令,则控制分别位于车门的左右两侧的所述静态激光雷达发射所述第一激光信号,其中,车门左右两侧的所述静态激光雷达的扫描区域为所述车门的下车区域;
若接收到所述第一激光信号经过反射后所得到的第三激光信号,则确定所述车门的下车区域存在障碍物,控制所述车门的工作状态保持为关闭状态;
若未接收到所述第一激光信号经过反射后所得到的第三激光信号,则确定所述车门的下车区域不存在障碍物,将所述车门的工作状态切换为开启状态。
5.一种用于无人驾驶车辆的障碍物识别装置,其特征在于,包括:
控制单元,用于控制无人驾驶车辆上的多个静态激光雷达分别发射第一激光信号,多个所述静态激光雷达分别位于所述无人驾驶车辆的车身四周;
接收单元,用于接收所述第一激光信号经过反射后所得到的第二激光信号,具体包括:接收所述第一激光信号经过漫反光条反射后所得到的第二激光信号,其中,所述漫反光条覆盖于人行道路的侧面;
获取单元,用于对各个方向上接收得到的所述第二激光信号进行识别处理,以获取障碍物信息;
发送单元,用于将所述障碍物信息发送至车辆控制器,以使所述车辆控制器基于所述障碍物信息,确定出所述无人驾驶车辆的运行状态;
所述获取单元包括:
生成子单元,用于对各个方向上接收得到的所述第二激光信号进行识别处理,以生成基于点云信息的三维环境图像;
控制子单元,用于若检测到所述三维环境图像中存在缺失点云信息的位置区域,则控制所述无人驾驶车辆外侧的摄像头启动拍摄,得到该位置区域的实时拍摄图像;
检测子单元,用于检测所述实时拍摄图像中是否存在障碍物。
6.如权利要求5所述的障碍物识别装置,其特征在于,所述控制单元具体用于:
控制无人驾驶车辆上的多个静态激光雷达的激光光源经凸面反射镜反射之后形成所述第一激光信号;
其中,所述凸面镜位于所述静态激光雷达内部。
7.如权利要求5或6所述的障碍物识别装置,其特征在于,该装置还包括:
第二获取单元,用于获取当前时刻的能见度信息以及所述无人驾驶车辆的行驶速度;
调节单元,用于根据所述能见度信息以及所述行驶速度,在预设的采样频率区间内,调节所述静态激光雷达的采样频率。
8.如权利要求5或6所述的障碍物识别装置,其特征在于,该装置还包括:
发射单元,用于若接收到车辆停靠指令,则控制分别位于车门的左右两侧的所述静态激光雷达发射所述第一激光信号,其中,车门左右两侧的所述静态激光雷达的扫描区域为所述车门的下车区域;
车门关闭单元,用于若接收到所述第一激光信号经过反射后所得到的第三激光信号,则确定所述车门的下车区域存在障碍物,控制所述车门的工作状态保持为关闭状态;
车门开启单元,用于若未接收到所述第一激光信号经过反射后所得到的第三激光信号,则确定所述车门的下车区域不存在障碍物,将所述车门的工作状态切换为开启状态。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述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如权利要求1至4任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711375585.5A CN108318895B (zh) | 2017-12-19 | 2017-12-19 | 用于无人驾驶车辆的障碍物识别方法、装置及终端设备 |
PCT/CN2017/117730 WO2019119350A1 (zh) | 2017-12-19 | 2017-12-21 | 用于无人驾驶车辆的障碍物识别方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711375585.5A CN108318895B (zh) | 2017-12-19 | 2017-12-19 | 用于无人驾驶车辆的障碍物识别方法、装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108318895A CN108318895A (zh) | 2018-07-24 |
CN108318895B true CN108318895B (zh) | 2020-02-07 |
Family
ID=62891795
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711375585.5A Active CN108318895B (zh) | 2017-12-19 | 2017-12-19 | 用于无人驾驶车辆的障碍物识别方法、装置及终端设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108318895B (zh) |
WO (1) | WO2019119350A1 (zh) |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109212540A (zh) * | 2018-09-12 | 2019-01-15 | 百度在线网络技术(北京)有限公司 | 基于激光雷达系统的测距方法、装置及可读存储介质 |
CN109506949B (zh) * | 2018-11-12 | 2020-08-04 | 百度在线网络技术(北京)有限公司 | 无人驾驶车辆的物体识别方法、装置、设备及存储介质 |
CN109614886B (zh) * | 2018-11-23 | 2022-06-24 | 中国人民解放军63966部队 | 一种无人/自主驾驶系统的性能评测方法及装置 |
CN110045382A (zh) * | 2018-12-03 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 车辆损伤检测的处理方法、装置、设备、服务器和系统 |
CN109633688B (zh) * | 2018-12-14 | 2019-12-24 | 北京百度网讯科技有限公司 | 一种激光雷达障碍物识别方法和装置 |
CN109725328B (zh) * | 2018-12-17 | 2023-04-28 | 云南昆船智能装备有限公司 | 一种基于激光雷达传感器的agv障碍物检测系统及方法 |
DK180562B1 (en) | 2019-01-31 | 2021-06-28 | Motional Ad Llc | Merging data from multiple lidar devices |
CN112327308A (zh) * | 2019-07-19 | 2021-02-05 | 阿里巴巴集团控股有限公司 | 物体检测方法、装置、系统及设备 |
CN111144211B (zh) * | 2019-08-28 | 2023-09-12 | 华为技术有限公司 | 点云显示方法和装置 |
CN112445215A (zh) * | 2019-08-29 | 2021-03-05 | 阿里巴巴集团控股有限公司 | 自动导引车行驶控制方法、装置及计算机系统 |
CN110522616A (zh) * | 2019-09-02 | 2019-12-03 | 湖南工程学院 | 一种可穿戴智能导盲衣 |
CN110542908B (zh) * | 2019-09-09 | 2023-04-25 | 深圳市海梁科技有限公司 | 应用于智能驾驶车辆上的激光雷达动态物体感知方法 |
CN112558103A (zh) * | 2019-09-10 | 2021-03-26 | 奥迪股份公司 | 障碍物检测设备、障碍物的检测方法及装置、计算机设备 |
CN110794831B (zh) * | 2019-10-16 | 2023-07-28 | 深圳乐动机器人股份有限公司 | 一种控制机器人工作的方法及机器人 |
CN110803104A (zh) * | 2019-11-07 | 2020-02-18 | 浙江鸿泉电子科技有限公司 | 车门盲区监测系统、监测方法及车辆 |
CN110979321B (zh) * | 2019-12-30 | 2021-03-19 | 北京深测科技有限公司 | 一种用于无人驾驶车辆的障碍物躲避方法 |
CN111563975B (zh) * | 2020-03-14 | 2021-12-07 | 青岛民航凯亚系统集成有限公司 | 区块链飞行器安全防护系统及方法 |
CN111443360B (zh) * | 2020-04-20 | 2022-06-24 | 北京易控智驾科技有限公司 | 矿区无人驾驶系统道路边界自动采集装置和识别方法 |
US11977165B2 (en) * | 2020-08-10 | 2024-05-07 | Waymo Llc | Self-reflection filtering |
CN112991511B (zh) * | 2020-10-13 | 2023-03-24 | 中国汽车技术研究中心有限公司 | 一种点云数据的展示方法 |
CN112348777B (zh) * | 2020-10-19 | 2024-01-12 | 深圳市优必选科技股份有限公司 | 人体目标的检测方法、装置及终端设备 |
CN112306061A (zh) * | 2020-10-28 | 2021-02-02 | 深圳优地科技有限公司 | 一种机器人控制方法以及机器人 |
CN112415538A (zh) * | 2020-11-16 | 2021-02-26 | 重庆长安汽车股份有限公司 | 自动驾驶车辆绕行锥形筒的规划方法、系统及车辆 |
CN112485774B (zh) * | 2020-11-26 | 2024-03-15 | 中国第一汽车股份有限公司 | 一种车载激光雷达标定方法、装置、设备及存储介质 |
CN112666569B (zh) * | 2020-12-01 | 2023-03-24 | 天津优控智行科技有限公司 | 一种无人驾驶系统激光雷达连续点云的压缩方法 |
CN112733923A (zh) * | 2021-01-04 | 2021-04-30 | 上海高仙自动化科技发展有限公司 | 一种确定禁行区域的系统及机器人 |
CN112785704A (zh) * | 2021-01-13 | 2021-05-11 | 北京小马慧行科技有限公司 | 语义地图的构建方法、计算机可读存储介质和处理器 |
CN113095266B (zh) * | 2021-04-19 | 2024-05-10 | 北京经纬恒润科技股份有限公司 | 一种角度识别方法、装置及设备 |
GB202107135D0 (en) * | 2021-05-19 | 2021-06-30 | Agco Int Gmbh | Residue spread monitoring |
CN113467450A (zh) * | 2021-07-01 | 2021-10-01 | 北京小狗吸尘器集团股份有限公司 | 无人机器控制方法、装置、计算机设备及存储介质 |
CN113985389B (zh) * | 2021-09-30 | 2024-02-09 | 苏州浪潮智能科技有限公司 | 一种时间同步校准装置、自动识别路径设备、方法及介质 |
CN116412814A (zh) * | 2023-06-12 | 2023-07-11 | 旷智中科(北京)技术有限公司 | 一种基于激光雷达的图像构建导航辅助系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102779280A (zh) * | 2012-06-19 | 2012-11-14 | 武汉大学 | 一种基于激光传感器的交通信息提取方法 |
CN102837658A (zh) * | 2012-08-27 | 2012-12-26 | 北京工业大学 | 一种智能车辆中多激光雷达数据融合系统和方法 |
CN104899855A (zh) * | 2014-03-06 | 2015-09-09 | 株式会社日立制作所 | 三维障碍物检测方法和装置 |
CN106585623A (zh) * | 2016-12-21 | 2017-04-26 | 驭势科技(北京)有限公司 | 一种用于探测车辆周围目标的探测系统以及其应用 |
CN106646494A (zh) * | 2016-11-03 | 2017-05-10 | 上海博未传感技术有限公司 | 一种采用发射和接收光路复用结构的激光雷达系统 |
CN106707293A (zh) * | 2016-12-01 | 2017-05-24 | 百度在线网络技术(北京)有限公司 | 用于车辆的障碍物识别方法和装置 |
CN206348459U (zh) * | 2016-11-23 | 2017-07-21 | 岭纬科技有限公司 | 基于多传感器融合的三维视觉传感装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9128185B2 (en) * | 2012-03-15 | 2015-09-08 | GM Global Technology Operations LLC | Methods and apparatus of fusing radar/camera object data and LiDAR scan points |
US9013286B2 (en) * | 2013-09-23 | 2015-04-21 | Volkswagen Ag | Driver assistance system for displaying surroundings of a vehicle |
CN108303711A (zh) * | 2017-12-19 | 2018-07-20 | 深圳市海梁科技有限公司 | 一种反光条及智能汽车激光雷达检测系统 |
-
2017
- 2017-12-19 CN CN201711375585.5A patent/CN108318895B/zh active Active
- 2017-12-21 WO PCT/CN2017/117730 patent/WO2019119350A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102779280A (zh) * | 2012-06-19 | 2012-11-14 | 武汉大学 | 一种基于激光传感器的交通信息提取方法 |
CN102837658A (zh) * | 2012-08-27 | 2012-12-26 | 北京工业大学 | 一种智能车辆中多激光雷达数据融合系统和方法 |
CN104899855A (zh) * | 2014-03-06 | 2015-09-09 | 株式会社日立制作所 | 三维障碍物检测方法和装置 |
CN106646494A (zh) * | 2016-11-03 | 2017-05-10 | 上海博未传感技术有限公司 | 一种采用发射和接收光路复用结构的激光雷达系统 |
CN206348459U (zh) * | 2016-11-23 | 2017-07-21 | 岭纬科技有限公司 | 基于多传感器融合的三维视觉传感装置 |
CN106707293A (zh) * | 2016-12-01 | 2017-05-24 | 百度在线网络技术(北京)有限公司 | 用于车辆的障碍物识别方法和装置 |
CN106585623A (zh) * | 2016-12-21 | 2017-04-26 | 驭势科技(北京)有限公司 | 一种用于探测车辆周围目标的探测系统以及其应用 |
Also Published As
Publication number | Publication date |
---|---|
CN108318895A (zh) | 2018-07-24 |
WO2019119350A1 (zh) | 2019-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108318895B (zh) | 用于无人驾驶车辆的障碍物识别方法、装置及终端设备 | |
CN112665556B (zh) | 使用被动和主动测量生成场景的三维地图 | |
US20210122364A1 (en) | Vehicle collision avoidance apparatus and method | |
US11027653B2 (en) | Apparatus, system and method for preventing collision | |
US9453941B2 (en) | Road surface reflectivity detection by lidar sensor | |
KR102040353B1 (ko) | 차량 온보드 센서들을 사용하여 날씨 상태들을 검출하는 방법들 및 시스템들 | |
US9863775B2 (en) | Vehicle localization system | |
JP2020126065A (ja) | Lidarシステム及び方法 | |
RU2735340C1 (ru) | Способ управления парковкой и устройство управления парковкой | |
US10525873B2 (en) | Turn by turn activation of turn signals | |
US11858493B2 (en) | Method of sharing and using sensor data | |
KR102372566B1 (ko) | 차량용 조명 장치 및 차량 | |
KR20210025523A (ko) | 정보 처리 장치 및 정보 처리 방법, 컴퓨터 프로그램, 그리고 이동체 장치 | |
EP4102251A1 (en) | Determination of atmospheric visibility in autonomous vehicle applications | |
CN112534297A (zh) | 信息处理设备和信息处理方法、计算机程序、信息处理系统以及移动设备 | |
CN109703555A (zh) | 用于探测道路交通中被遮蔽的对象的方法和设备 | |
Pavelka et al. | Lidar based object detection near vehicle | |
US20200285044A1 (en) | Display device, display control method, and storage medium | |
US10777077B2 (en) | Vehicle control device, vehicle control method, and storage medium | |
JP7380904B2 (ja) | 情報処理装置、情報処理方法、および、プログラム | |
US10796570B2 (en) | Vehicle control device, vehicle control method, and storage medium | |
KR20220001405A (ko) | 센서 데이터 공유 및 활용 방법 | |
US20240036212A1 (en) | Lane boundary detection using sub-short range active light sensor | |
US11906623B1 (en) | Velocity estimation using light detection and ranging (LIDAR) system | |
US20240174173A1 (en) | Notification device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |