CN108627824A - 具有相机图像和雷达数据融合的自动化车辆对象检测系统 - Google Patents

具有相机图像和雷达数据融合的自动化车辆对象检测系统 Download PDF

Info

Publication number
CN108627824A
CN108627824A CN201810227967.1A CN201810227967A CN108627824A CN 108627824 A CN108627824 A CN 108627824A CN 201810227967 A CN201810227967 A CN 201810227967A CN 108627824 A CN108627824 A CN 108627824A
Authority
CN
China
Prior art keywords
distance
radar
vehicle
image
controller
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.)
Granted
Application number
CN201810227967.1A
Other languages
English (en)
Other versions
CN108627824B (zh
Inventor
S·陈
D·A·施瓦茨
A·忙加尔吉里
Y·刘
J·西格蒙德
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Delphi Technologies Inc
Original Assignee
Delphi Technologies Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Delphi Technologies Inc filed Critical Delphi Technologies Inc
Priority to CN202210438857.6A priority Critical patent/CN115220033A/zh
Publication of CN108627824A publication Critical patent/CN108627824A/zh
Application granted granted Critical
Publication of CN108627824B publication Critical patent/CN108627824B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/42—Simultaneous measurement of distance and other co-ordinates
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G01S13/726—Multiple target tracking
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

公开了一种用于自动化车辆的对象检测系统(10)，包括雷达(22)、相机(24)和控制器(26)。雷达(22)检测由与本车(12)相距的雷达距离(38)(x)表征的目标(32)的群集(36)。相机(24)给出区域(34)中存在的对象(18)和车道标线(30)的图像(40)。控制器(26)被配置为确定方程(42)，确定第一光角(52)(θ)，确定所述对象(18)与所述车道标线(30)之间的横向距离(60)(Dist_LM)，以及确定所述对象(18)与所述本车(12)的纵轴(70)之间的第一横向偏移(62)(yRM)。

Description

具有相机图像和雷达数据融合的自动化车辆对象检测系统
技术领域
本公开总体涉及用于自动化车辆的对象检测系统，并且更具体地涉及一种基于描述与本车和另一车辆相邻的车道标线的方程来确定对象(例如另一车辆)与本车的纵轴之间的横向偏移的系统。
背景技术
自动化的本车需要确定在本车前方行驶的另一车辆相对于本车的纵轴的横向位移。然而，如果正在行驶的道路是弯曲的，则会导致不希望的错误。
发明内容
根据一个实施例，提供了一种用于自动化车辆的对象检测系统。该系统包括雷达、相机和控制器。雷达检测本车附近的区域中的目标。目标群集由与本车的雷达距离(x)表征。相机呈现在该区域中存在的对象和车道标线的图像。控制器与雷达和相机通信。控制器被配置为确定是与本车的纵向距离的函数并且对应于图像中的车道标线的方程，基于图像上的在对象上的参考点与图像上的由方程的第一值所指示的点之间的第一图像距离来确定第一光角(θ)，在所述第一值处纵向距离等于雷达距离，基于第一光角和雷达距离确定对象和车道标线之间的横向距离(Dist_LM)，以及基于横向距离和第一值确定对象与本车的纵轴之间的第一横向偏移(yRM)。
在阅读以下优选实施例的具体实施方式时，将更清楚地显现其它特征和优点，所述优选实施例仅通过非限制性示例的方式并参照附图给出。
附图说明
现在将参照附图通过示例的方式描述本发明，在附图中：
图1是根据一个实施例的对象检测系统的示图；
图2是根据一个实施例的由图1的系统进行的测量的俯视图；以及
图3是根据一个实施例的来自图1的系统的相机的图像的图示。
具体实施方式
图1示出了对象检测系统10(以下称为系统10)的非限制性示例。通常，系统10由自动化车辆(例如本车12)使用。如本文使用的，术语自动化车辆可以应用于在本车12正在以自动模式14(即完全自主模式)运行时的情况，在自动模式14中本车12的人类操作员(未示出)只需要指定目的地就可以操作本车12。然而，全自动化不是必需的。可以预期，在以手动模式16操作本车12时，本文提出的教导是有用的，在手动模式16中，自动化的程度或水平可能只是向总体上控制本车12的转向、加速器和制动器的人类操作员提供听觉或视觉警告。例如，系统10可以仅根据需要协助人类操作员改变车道和/或避免与例如位于本车12前方的另一车辆20(图2和3)等对象18发生干扰和/或碰撞。还构思了各种程度的部分自动化，例如但不限于自动化车道保持协助和/或能够与前车保持距离的自动化速度控制。
系统10包括雷达22、相机24以及与雷达22和相机24进行通信的控制器26。如本领域技术人员所知，通信可以通过有线、光纤或无线通信的方式进行。尽管雷达22和相机24被示为是对象检测器的一部分，但这不是必需的。亦即，雷达22和相机24可以共处于单个外壳中，或者它们可以位于本车12上的独立位置。控制器26可以包括处理器(未具体示出)，例如微处理器或其它控制电路，例如包括用于处理数据的专用集成电路(ASIC)的模拟和/或数字控制电路，这对于本领域技术人员来说应该是显而易见的。控制器26可以包括存储器(未具体示出)，其包括非易失性存储器，例如用于存储一个或多个例程、阈值和采集的数据的电可擦可编程只读存储器(EEPROM)。如本文所述，一个或多个例程可以由处理器执行，以执行用于基于由控制器26从雷达22和相机24接收的信号来确定另一车辆20相对于本车12的定位或位置的步骤。
图2和图3示出了在道路28上行驶的本车12和另一车辆20的非限制性示例，道路28由位于本车12左侧的车道标线30划定。尽管车道标线30显示为直的，但是在车道标线30是弯曲的时，本文描述的系统10的优点将变得明显。尽管车道标线30被示出为仅位于本车12和另一车辆20的左侧，但这仅仅是为了简化图示和说明。在所检测的车道标线位于本车12的右侧时，以及在车道标线位于本车12的左右两侧时，系统10同样良好地工作。
雷达22用于检测本车12附近的区域34中的目标32的实例，即个体雷达反射。在诸如另一车辆20的对象18反射来自雷达22的雷达信号时，控制器26中的雷达处理60(图1)可以将目标32中的一个或多个归类成与目标群集36相关联。目标32的哪些与群集36的特定实例相关联通常由形成具有由雷达22指示的相似的距离和/或距离变化率值的群集36的目标32确定。如本领域技术人员将会认识到的，群集36可以由距本车12的雷达距离38(x)表征，其可以基于对与群集36相关联的目标32中的每个的距离的平均或其它数学分类来确定。群集36也可以由相对于本车12的雷达距离变化率(未示出)来表征，该雷达距离变化率可以基于对与群集36相关联的目标32中的每个的距离变化率的平均或其它数学排序来确定。
图3示出了由相机24给出的图像40的非限制性示例。在该示例中，图像40包括对象18的实例，对象18是在本车12(图3中未示出)前方行驶的另一车辆20。图像40还包括上述存在于区域34中的车道标线30。
在融合跟踪器系统中，需要匹配算法将来自视觉系统(相机24)的对象信息与来自雷达传感器(雷达22)的对象信息融合在一起。每一种传感器都具有它自己的优势和弱点。视觉系统在提供质心方位角和对象分类方面将表现出色，但经常会提供不准确的纵向对象定位。雷达系统将提供良好的距离和距离变化率信息，但通常提供相对较差的方位角。在没有来自传感器系统的不确定性信息的情况下，设计将与同一对象相关的视觉和雷达测量可靠地匹配的匹配算法是一个挑战。但是，实现传感器测量之间的准确匹配对于主动安全系统十分关键。例如，较差的匹配结果可能会导致更远的视觉对象与更近的雷达轨迹相匹配，从而导致虚假对象出现在主路中，这可能导致错误的制动操控。当前，已知的匹配算法计算视觉对象应该与雷达对象匹配的概率。这些概率依赖于多个因素，包括运动状态、方位角、纵向定位中和视觉轨迹与雷达轨迹之间的纵向速度的相似性。一旦进行匹配并启动雷达视觉融合的轨迹，轨迹的横向定位主要从匹配的视觉轨迹所给出的方位角来确定。
本文描述的系统10提出了用于解决用于匹配来自不同传感器的信息的先前方法的缺点的新技术。通过利用来自视觉系统的其它更多条信息，即视觉感测的车道标线和道路模型，来解决融合跟踪器系统中的视觉和雷达轨迹之间的不准确匹配的问题。如下文更详细所述，新技术使用先前未用于匹配的视觉信息，并且不会受到影响纵向和横向距离的视觉估计的相同尺度误差的影响。例如，尽管视觉轨迹的纵向定位易受尺度误差的影响，但从视觉对象到车道标线的角度不易受尺度误差影响。通过利用来自视觉系统的该额外信息，结果表明在匹配视觉与雷达轨迹方面得到改进。
为此，控制器26可以被配置为使用图像处理50来确定车道标线方程42，在下文中即对应于图像40中的车道标线30相对于图像40中的中心线44的偏移的方程42。方程42是距本车12的纵向距离46的函数。可以相对于图像40的基线48测量纵向距离46，该基线可以对应于本车12的前边缘或本车12的发动机罩线。方程42可以是任何形式的，但是初期试验表明三阶多项式足够复杂以充分拟合所观察的车道标线30的实例的曲率。
控制器26还可以被配置为基于图像40上的在对象18(即另一车辆20)上的参考点56与图像40上的由方程42的第一值指示的点58之间的第一图像距离54(图3)来确定第一光角52(θ，图2)，在所述第一值处输入方程42中的纵向距离46等于雷达距离38(x)。亦即，方程42是由雷达22指示的纵向距离46(x)的函数，纵向距离46(x)被用作方程42中的自变量以指示或确定图像40中的点58沿着车道标线30的位置。应该认识到，从本车12到另一车辆20上的参考点56的实际距离可能不精确等于如图2所示的纵向距离46，但大多数情况下的差异被认为是可忽略的。
控制器26还可以被配置为基于第一光角52(θ)和雷达距离38(x)确定对象(例如另一车辆20上的参考点56)和车道标线30(例如点58)之间的横向距离60(Dist_LM，图2)。使用三角正切函数计算横向距离60(Dist_LM)，其中Dist_LM≈x*tan(θ)。
控制器26还可以被配置为基于横向距离60(Dist_LM)和第一值确定对象与本车12的纵轴70(即对象检测器的视轴)之间的第一横向偏移62(yRM)。本领域技术人员将会认识到，如果相机24在本车12上正确对准，或者使用图像对准或图像校准过程确定图像40中的中心线44，则纵轴70与图像40中的中心线44对应或对准。
如果道路28是弯曲的和/或本车12不在当前由本车12占用的行车道的中心，则在另一车辆20的位置处本车12的纵轴70可能不与本车12的行车道的中心对准。在这种情况下，包括本车12相对于本车12处的车道标线的相对位置可能是有利的。亦即，控制器26还可以被配置为在本车12处基于方程42的第二值确定第一横向偏移62(yRM)，在所述第二值处纵向距离46等于零。
第一横向偏移62(yRM)对于用于自动化车辆的对象检测系统是有用的，因为在诸如另一车辆20的对象与本车12处于同一行驶车道中时，和/或如果另一车辆20正在变换车道，即正在驶出或驶入本车12的行驶车道时，可以确定第一横向偏移62(yRM)。在道路28和车道标线30的相关联实例弯曲时，上述方法确定另一车辆20相对于本车12的第一横向偏移62的优点是特别有利的，因为本文描述的方法不会在对象检测器的视轴(例如来自相机24的图像40中的中心线和雷达22的零方位角)不平行于另一车辆20处的车道标线30(即点58处)时引入误差。
因此，系统10还可以被配置为基于第一横向偏移62(yRM)使用车辆控制装置(转向、加速器、制动器)操作本车12。例如，如果另一车辆20改变车道进入与本车12的当前行驶车道相邻的车道，则系统10可以增大本车12的速度。现有系统没有将另一车辆20的横向运动与道路28的曲率正确地关联起来，在实际上另一车辆20继续在本车12的行驶车道中行驶时，现有系统可能错误地将该横向运动解释为车道变换并加速。
控制器26还可以被配置为基于图像40上的在对象18上的参考点56与图像40中的中心线44之间的第二图像距离68(图3)确定第二光角66(α，图2)，以及基于第二光角66(α)和雷达距离38(x)确定对象18(例如另一车辆20上的参考点56)和纵轴70之间的第二横向偏移64(y*)。应该认识到，在道路28是弯曲的时，第二横向偏移64(y*)可能小于另一车辆20的横向定位和横向移动的最佳指示。然而，如将在下面更详细描述的，第二横向偏移64(y*)可以用作第一横向偏移62(yRM)的辅助感测检查。还可以推知，系统10还可以被配置为基于第一横向偏移62(yRM)和第二横向偏移量64(y*)操作本车。
控制器26还被配置为基于第一横向偏移62(yRM)和第二横向偏移64(y*)之间的偏移差(未示出)确定匹配概率72。如果偏移距离相对较低，例如小于十厘米(10cm)，则匹配概率将会相对较高，在从0到1的尺度上大于0.8，所以另一车辆20相对于本车12的实际位置为已知的置信度很高。设想过其它测量可以用于确定匹配概率。例如，还可以基于雷达距离38(x)和由图像40中的对象18的高度80所指示的光程之间的距离差76来确定匹配概率72。如果雷达距离38(x)和高度80紧密匹配，其中由试验测试确定紧密匹配的是什么，则匹配概率将会相对较高。作为另一非限制性示例，还可以基于雷达22所指示的对象18的距离变化率和由图像40和先前图像40之间的对象高度变化所指示的光学变化率之间的变化率差值82确定匹配概率72，其中雷达22所指示的对象18的距离变化率的确定是已知的。
因此，提供了用于自动化车辆的对象检测系统(系统10)、用于系统10的控制器26以及操作系统10的方法。本文描述的系统10比现有系统更有利，因为在道路弯曲时，它更好地跟踪在本车前方行驶的另一车辆的横向定位。
尽管已经根据本发明的优选实施例描述了本发明，但是本发明不限于此，而是仅限于以下权利要求中阐述的范围。

Claims (8)

1.一种用于自动化车辆的对象检测系统(10)，所述系统(10)包括：
雷达(22)，其检测本车(12)附近的区域(34)中的目标(32)，其中，目标(32)的群集(36)由与所述本车(12)相距的雷达距离(38)(x)表征；
相机(24)，其给出所述区域(34)中存在的对象(18)和车道标线(30)的图像(40)；以及
与所述雷达(22)和所述相机(24)通信的控制器(26)，所述控制器(26)被配置为：
确定方程(42)，所述方程(42)为与所述本车(12)相距的纵向距离(46)的函数并且对应于所述图像(40)中的所述车道标线(30)，
基于所述图像(40)上的在所述对象(18)上的参考点(56)与所述图像(40)上的由所述方程(42)的第一值所指示的点(58)之间的第一图像距离(54)来确定第一光角(52)(θ)，在所述第一值处所述纵向距离(46)等于所述雷达距离(38)，
基于所述第一光角(52)和所述雷达距离(38)来确定所述对象(18)与所述车道标线(30)之间的横向距离(60)(Dist_LM)，以及
基于所述横向距离(60)和所述第一值来确定所述对象(18)与所述本车(12)的纵轴(70)之间的第一横向偏移(62)(yRM)。
2.根据权利要求1所述的系统(10)，其中，所述控制器(26)还被配置为在所述本车(12)处基于所述方程(42)的第二值确定所述第一横向偏移(62)，在所述第二值处所述纵向距离(46)等于零。
3.根据权利要求1所述的系统(10)，其中，所述系统(10)还被配置为基于所述第一横向偏移(62)操作所述本车(12)。
4.根据权利要求1所述的系统(10)，其中，所述控制器(26)还被配置为
基于所述图像(40)上的在所述对象(18)上的所述参考点(56)与所述图像(40)中的中心线(44)之间的第二图像距离(68)来确定第二光角(66)(α)，其中，所述中心线(44)被选择为对应于所述纵轴(70)，以及
基于所述第二光角(66)和所述雷达距离(38)确定所述对象(18)与所述纵轴(70)之间的第二横向偏移(64)(y*)。
5.根据权利要求4所述的系统(10)，其中，所述系统(10)还被配置为基于所述第一横向偏移(62)和所述第二横向偏移(64)操作所述本车(12)。
6.根据权利要求4所述的系统(10)，其中，所述控制器(26)还被配置为基于所述第一横向偏移(62)和所述第二横向偏移(64)之间的偏移差来确定匹配概率(72)。
7.根据权利要求6所述的系统(10)，其中，进一步基于所述雷达距离(38)和由所述图像(40)中的所述对象(18)的高度(80)所指示的光程之间的距离差(76)来确定所述匹配概率(72)。
8.根据权利要求7所述的系统(10)，其中，进一步基于所述雷达(22)所指示的所述对象(18)的距离变化率与由所述图像(40)和先前图像(40)之间的所述对象(18)的高度(80)的变化所指示的光学变化率之间的变化率差值(82)来确定所述匹配概率(72)。
CN201810227967.1A 2017-03-21 2018-03-20 具有相机图像和雷达数据融合的自动化车辆对象检测系统 Active CN108627824B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210438857.6A CN115220033A (zh) 2017-03-21 2018-03-20 具有相机图像和雷达数据融合的自动化车辆对象检测系统

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/465,296 2017-03-21
US15/465,296 US10037472B1 (en) 2017-03-21 2017-03-21 Automated vehicle object detection system with camera image and radar data fusion

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202210438857.6A Division CN115220033A (zh) 2017-03-21 2018-03-20 具有相机图像和雷达数据融合的自动化车辆对象检测系统

Publications (2)

Publication Number Publication Date
CN108627824A true CN108627824A (zh) 2018-10-09
CN108627824B CN108627824B (zh) 2022-05-13

Family

ID=62948569

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202210438857.6A Pending CN115220033A (zh) 2017-03-21 2018-03-20 具有相机图像和雷达数据融合的自动化车辆对象检测系统
CN201810227967.1A Active CN108627824B (zh) 2017-03-21 2018-03-20 具有相机图像和雷达数据融合的自动化车辆对象检测系统

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202210438857.6A Pending CN115220033A (zh) 2017-03-21 2018-03-20 具有相机图像和雷达数据融合的自动化车辆对象检测系统

Country Status (3)

Country Link
US (1) US10037472B1 (zh)
EP (1) EP3379289A1 (zh)
CN (2) CN115220033A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110414396A (zh) * 2019-07-19 2019-11-05 中国人民解放军海军工程大学 一种基于深度学习的无人艇感知融合算法
CN112133122A (zh) * 2019-06-25 2020-12-25 上海擎感智能科技有限公司 一种用于自动泊车的停车场
CN114608556A (zh) * 2022-03-01 2022-06-10 浙江吉利控股集团有限公司 数据处理方法、装置、电子设备及存储介质

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6600271B2 (ja) * 2016-03-31 2019-10-30 株式会社デンソー 物体認識装置及び物体認識方法
KR20180099288A (ko) 2017-02-28 2018-09-05 주식회사 만도 교차로 충돌 방지 시스템 및 방법
US10416680B2 (en) * 2017-03-14 2019-09-17 Aptiv Technologies Limited Angle finding for a detector having a paired staggered array
TWI734932B (zh) * 2018-09-17 2021-08-01 為昇科科技股份有限公司 雷達偵測角度校正系統及其方法
DE102018220145A1 (de) * 2018-11-23 2020-05-28 Brose Fahrzeugteile Se & Co. Kommanditgesellschaft, Bamberg Verfahren und Verstellvorrichtung zum Verstellen eines Fahrzeugverstellteils mit ausgegebener Statusinformation
CN111538009B (zh) * 2019-01-21 2022-09-16 杭州海康威视数字技术股份有限公司 雷达点的标记方法和装置
US11119491B2 (en) * 2019-02-07 2021-09-14 Ford Global Technologies, Llc Vehicle steering control
CN110018470A (zh) * 2019-03-01 2019-07-16 北京纵目安驰智能科技有限公司 基于多传感器前融合的实例标注方法、模型、终端和存储介质
CN110120151A (zh) * 2019-04-24 2019-08-13 华南理工大学 一种高速公路入口匝道合流区车辆冲突概率预测方法
US11790555B2 (en) 2020-01-17 2023-10-17 Electronics And Telecommunications Research Institute System and method for fusion recognition using active stick filter
JP7331824B2 (ja) 2020-11-19 2023-08-23 株式会社デンソー 走行支援装置
CN112766302B (zh) * 2020-12-17 2024-03-29 浙江大华技术股份有限公司 一种图像融合方法、装置、存储介质及电子装置
US20220230655A1 (en) * 2021-01-15 2022-07-21 Continental Automotive Systems Inc. Method and device for detecting characteristic frequencies with a sensor
CN113283367A (zh) * 2021-06-08 2021-08-20 南通大学 一种低能见度环境地下车库视觉盲区安全检测方法
CN114463660A (zh) * 2021-12-14 2022-05-10 江苏航天大为科技股份有限公司 一种基于视频雷达融合感知的判断车型方法
US11541910B1 (en) * 2022-01-07 2023-01-03 Plusai, Inc. Methods and apparatus for navigation of an autonomous vehicle based on a location of the autonomous vehicle relative to shouldered objects
US20230303113A1 (en) * 2022-02-10 2023-09-28 Motional Ad Llc Curb-based feature extraction for localization and lane detection using radar

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5926126A (en) * 1997-09-08 1999-07-20 Ford Global Technologies, Inc. Method and system for detecting an in-path target obstacle in front of a vehicle
US6590521B1 (en) * 1999-11-04 2003-07-08 Honda Giken Gokyo Kabushiki Kaisha Object recognition system
CN103559791A (zh) * 2013-10-31 2014-02-05 北京联合大学 一种融合雷达和ccd摄像机信号的车辆检测方法
WO2016047482A1 (ja) * 2014-09-24 2016-03-31 株式会社デンソー 物体検出装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0111979D0 (en) * 2001-05-17 2001-07-04 Lucas Industries Ltd Sensing apparatus for vehicles
US8055445B2 (en) * 2008-09-24 2011-11-08 Delphi Technologies, Inc. Probabilistic lane assignment method
JP6303956B2 (ja) * 2014-09-24 2018-04-04 株式会社デンソー 軸ずれ量推定装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5926126A (en) * 1997-09-08 1999-07-20 Ford Global Technologies, Inc. Method and system for detecting an in-path target obstacle in front of a vehicle
US6590521B1 (en) * 1999-11-04 2003-07-08 Honda Giken Gokyo Kabushiki Kaisha Object recognition system
CN103559791A (zh) * 2013-10-31 2014-02-05 北京联合大学 一种融合雷达和ccd摄像机信号的车辆检测方法
WO2016047482A1 (ja) * 2014-09-24 2016-03-31 株式会社デンソー 物体検出装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
贾松敏等: "基于激光和单目相机信息融合的智能轮椅避障策略研究", 《计算机测量与控制》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112133122A (zh) * 2019-06-25 2020-12-25 上海擎感智能科技有限公司 一种用于自动泊车的停车场
CN110414396A (zh) * 2019-07-19 2019-11-05 中国人民解放军海军工程大学 一种基于深度学习的无人艇感知融合算法
CN110414396B (zh) * 2019-07-19 2021-07-16 中国人民解放军海军工程大学 一种基于深度学习的无人艇感知融合算法
CN114608556A (zh) * 2022-03-01 2022-06-10 浙江吉利控股集团有限公司 数据处理方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
EP3379289A1 (en) 2018-09-26
US10037472B1 (en) 2018-07-31
CN108627824B (zh) 2022-05-13
CN115220033A (zh) 2022-10-21

Similar Documents

Publication Publication Date Title
CN108627824A (zh) 具有相机图像和雷达数据融合的自动化车辆对象检测系统
KR102483649B1 (ko) 차량 위치 결정 방법 및 차량 위치 결정 장치
KR102090512B1 (ko) 자차 위치 추정 장치
JP5747787B2 (ja) 車線認識装置
KR102558055B1 (ko) 차선의 추정 방법
CN107241916A (zh) 车辆的行驶控制装置以及行驶控制方法
EP1537440B1 (en) Road curvature estimation and automotive target state estimation system
JP6747269B2 (ja) 物体認識装置
CN106853825A (zh) 通过距离传感器的车道保持系统的车道延伸
CN109477728B (zh) 用于确定车辆相对于路面行车道的横向位置的方法和装置
CN109155107A (zh) 用于自动化车辆场景感知的感知系统
US20050278112A1 (en) Process for predicting the course of a lane of a vehicle
US11719555B2 (en) Map information system
US6215392B1 (en) Sensing device for detecting movement of vehicle by lane-marker
JP6654923B2 (ja) 地図情報出力装置
CN102576075A (zh) 用于成像车辆周围环境的方法
JP6758160B2 (ja) 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラム
US20210150905A1 (en) Marker detection method and vehicular system
CN107826168B (zh) 用于求取机动车的位置的测距方法、控制设备和机动车
JP6911312B2 (ja) 物体識別装置
CN113710988A (zh) 用于识别环境传感器的功能能力的方法、控制仪和车辆
JP4760274B2 (ja) 地図更新装置
WO2019073024A1 (en) WAY DETECTION METHOD
US11420632B2 (en) Output device, control method, program and storage medium
US20100152967A1 (en) Object detection system with learned position information and method

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
TA01 Transfer of patent application right

Effective date of registration: 20210420

Address after: Babado J San Michael

Applicant after: Delphi Technologies, Inc.

Address before: michigan

Applicant before: Delphi Technologies, Inc.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant