CN109085829A - 一种动静态目标识别方法 - Google Patents

Abstract

本发明实施例涉及一种动静态目标识别方法，包括：车辆控制单元解析车辆环境图像数，得到用于确定目标类别的第一数据、用于确定目标宽度的数据和用于确定目标位置的第一数据；并且，车辆控制单元解析多个激光点数据，得到用于确定目标类型的数据、用于确定目标轮廓的数据和用于确定目标位置的第二数据；并且，车辆控制单元解析毫米波雷达数据，得到目标速度数据；根据用于确定目标类别的第一数据、用于确定目标宽度的数据、用于确定目标位置的第一数据、用于确定目标类型的数据、用于确定目标轮廓的数据、用于确定目标位置的第二数据和目标速度数据，得到目标的类型信息、目标的类别信息、目标的大小信息、目标的位置信息和目标的速度信息。

Description

一种动静态目标识别方法

技术领域

本发明涉及自动驾驶领域，尤其涉及一种动静态目标识别方法。

背景技术

随着经济的发展以及人工智能技术的崛起，自动驾驶汽车也越来越受市场的关注。自动驾驶汽车指的是依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。市场预测自动驾驶汽车的普及可以实现降低交通事故发生率、降低交通拥堵程度、降低投入交通基础设施的成本、以及减少对环境的污染等效果。

但目前，自动驾驶领域的相关技术还并不成熟，使得自动驾驶车无法在实际道路中行驶。尤其是如何准确的识别动静态目标，用以车辆根据动静态目标识别结果进行更正确的处理，成为当前自动驾驶领域继续解决的问题。

发明内容

本发明的目的是针对现有技术的缺陷，提供了一种动静态目标识别方法，通过解析环境图像数据、毫米波雷达数据和激光雷达数据，并根据解析结果综合计算得到目标状态信息的方法，实现对无人驾驶车辆周围目标的类型、类别、大小、位置速度进行识别，使得无人驾驶车辆对目标识别所得到的信息更精准，进而使得无人驾驶车辆高精准的目标识别结果进行更正确的处理。

为了实现上述目的，本发明实施例提供了一种动静态目标识别方法，包括：

车辆中的车辆控制单元根据预设行驶轨迹控制车辆行驶；

所述车辆控制单元通过所述车辆中的感知单元实时获取车辆环境图像数据、毫米波雷达数据和激光雷达数据；所述激光雷达数据包括多个激光点数据；

所述车辆控制单元解析所述车辆环境图像数，得到用于确定目标类别的第一数据、用于确定目标宽度的数据和用于确定目标位置的第一数据；

并且，所述车辆控制单元解析所述多个激光点数据，得到用于确定目标类型的数据、用于确定目标轮廓的数据和用于确定目标位置的第二数据；

并且，所述车辆控制单元解析所述毫米波雷达数据，得到目标速度数据；

根据所述用于确定目标类别的第一数据、所述用于确定目标宽度的数据、所述用于确定目标位置的第一数据、所述用于确定目标类型的数据、所述用于确定目标轮廓的数据、所述用于确定目标位置的第二数据和所述目标速度数据，得到目标的类型信息、目标的类别信息、目标的大小信息、目标的位置信息和目标的速度信息；

根据所述目标的类型信息、所述目标的类别信息、所述目标的大小信息、所述目标的位置信息和所述目标的速度信息生成目标状态信息，用以所述车辆控制单元根据所述目标状态信息生成与所述目标状态信息相对应的控制指令。

优选的，所述感知单元包括视觉获取模块、毫米波雷达模块和激光雷达模块；

所述车辆控制单元通过所述视觉获取模块获取所述车辆环境图像数据；所述车辆控制单元通过毫米波雷达模块获取所述毫米波雷达数据；所述车辆控制单元通过所述激光雷达模块获取所述多个激光点数据。

优选的，所述目标的类型信息包括动态目标类型和静态目标类型；所述目标的类别信息包括机动车类别、非机动车类别和行人类别。

进一步优选的，所述车辆控制单元解析所述多个激光点数据，得到用于确定目标类型的数据具体为：

所述车辆控制单元解析多个帧数的所述多个激光点数据，确定所述多个激光点数据的位置在预设帧数内是否呈线性变化；

当所述多个激光点数据的位置在预设帧数内呈线性变化时，确定所述目标类型为所述动态目标类型；

当所述多个激光点数据的位置在预设帧数内不呈线性变化时，确定所述目标类型为所述静态目标类型。

优选的，所述用于确定目标类别的第一数据、所述用于确定目标宽度的数据、所述用于确定目标位置的第一数据、所述用于确定目标类型的数据、所述用于确定目标轮廓的数据、所述用于确定目标位置的第二数据和所述目标速度数据包括置信度级别参数。

进一步优选的，所述根据所述用于确定目标类别的第一数据、所述用于确定目标宽度的数据、所述用于确定目标位置的第一数据、所述用于确定目标类型的数据、所述用于确定目标轮廓的数据、所述用于确定目标位置的第二数据和所述目标速度数据，得到目标的类型信息、目标的类别信息、目标的大小信息、目标的位置信息和目标的速度信息具体为：

所述车辆控制单元根据所述用于确定目标类型的数据和所述目标速度数据中的所述置信度级别参数，得到所述目标的类型信息；

所述车辆控制单元根据所述用于确定目标轮廓的数据得到用于确定目标类别的第二数据，并根据所述用于确定目标类别的第二数据和所述用于确定目标类别的第二数据中的所述置信度级别参数，得到所述目标的类别信息；

所述车辆控制单元根据所述用于确定目标宽度的数据和所述用于确定目标轮廓的数据得到所述目标的大小信息；

所述车辆控制单元根据所述用于确定目标位置的第一数据和所述用于确定目标位置的第二数据中的所述置信度级别参数，得到所述目标的位置信息；

所述车辆控制单元根据所述目标速度数据得到所述目标的速度信息。

优选的，在根据所述目标的类型信息、所述目标的类别信息、所述目标的大小信息、所述目标的位置信息和所述目标的速度信息生成目标状态信息之后，所述方法还包括：

所述车辆控制单元将当前目标状态信息与上一帧的目标状态信息进行匹配；

根据所述匹配结果对所述目标状态信息进行生命周期管理。

进一步优选的，所述根据所述匹配结果对所述目标状态信息进行生命周期管理具体为：

当所述当前目标状态信息与上一帧的目标状态信息相匹配时，根据所述当前目标状态信息更新所述上一帧的目标状态信息；

当所述当前目标状态信息与上一帧的目标状态信息不匹配时，确定所述当前目标状态信息是否与所述预设帧数范围内的目标状态信息相匹配；

当所述当前目标状态信息与上一帧的目标状态信息不匹配时，且所述当前目标状态信息与所述预设帧数范围内的目标状态信息不匹配时，删除所述上一帧的目标状态信息。

本发明实施例提供的动静态目标识别方法，通过解析环境图像数据、毫米波雷达数据和激光雷达数据，并根据解析结果综合计算得到目标状态信息的方法，实现对无人驾驶车辆周围目标的类型、类别、大小、位置速度进行识别，使得无人驾驶车辆对目标识别所得到的信息更精准，进而使得无人驾驶车辆高精准的目标识别结果进行更正确的处理。

附图说明

图1为本发明实施例提供的动静态目标识别方法的流程图。

具体实施方式

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

本发明实施例提供的动静态目标识别方法，实现于无人驾驶车辆中，用于无人驾驶车辆切入或切出车道行驶，其方法流程图如图1所示，包括如下步骤：

步骤110，车辆控制单元预设行驶轨迹控制车辆执行行车任务；

具体的，预设行车轨迹包括预设行车路线和预设车辆行驶速度。预设行车路线可以理解为预先得到的、用于执行本次行车任务的行车路线。行车路线信息也可以是用户输入的，也可以是车辆控制单元根据行车任务信息和地图信息生成的。行车任务信息可以理解为本次行车任务的相关信息。行车任务信息包括行车时间要求、起始地点、中途停车地点和终点地点。地图信息可以理解为一个电子地图。地图信息中包括道路信息。道路信息可以理解为包括行车道和限速标识的信息。预设车辆行驶速度可以是根据行车任务信息得到的，也可以是用户输入的。

无人驾驶车辆按照预设行车路线和预设车辆行驶速度行驶。无人驾驶车辆中包括车辆控制单元和感知单元。其中，车辆控制单元可以理解为用于控制车辆行驶的控制模块。感知单元可以理解为对车辆周围环境进行感知的模块。感知单元包括定位模块、视觉获取模块、毫米波雷达模块和激光雷达模块。定位模块用于通过全球定位系统获取车辆当前的位置。视觉获取模块用于对车辆周围360°的环境状况进行图像采集。毫米波雷达模块和激光雷达模块用于对车辆车身的附近物体进行探测。

步骤120，车辆控制单元通过感知单元实时获取车辆环境图像数据、毫米波雷达数据和激光雷达数据；

具体的，在无人驾驶车辆根据预设行车路线执行行车任务的过程中，车辆控制单元会通过感知单元中的各个模块实时监控实际道路环境，并通过感知单元中的定位模块实时获取当前车辆的位置。

进一步具体的，车辆控制单元会通过感知单元中的各个模块实时监控实际道路环境具体包括：车辆控制单元通过视觉获取模块获取车辆环境图像数据、车辆控制单元通过毫米波雷达模块获取毫米波雷达数据、车辆控制单元通过激光雷达模块获取激光雷达数据。其中，激光雷达数据由多个激光点数据构成。

步骤130，车辆控制单元解析车辆环境图像数据、毫米波雷达数据和激光雷达数据；

具体的，在无人驾驶车辆识别动静态目标时，主要使用到的传感器为视觉获取模块中的视觉传感器、毫米波雷达数据中的毫米波雷达探测传感器以及激光雷达模块中的激光雷达探测传感器。这三种传感器所能探测到的数据不同。

视觉传感器主要以视觉图像的形式对目标进行探测，也就是说，视觉传感器可以以视觉图像的形式识别到目标的形象、轮廓以及目标与无人驾驶车辆之间的距离。其中，车辆控制单元可以根据视觉传感器识别到的目标的形象，得到的用于确定目标类别的数据，并可以根据视觉传感器识别到的目标与无人驾驶车辆之间的距离以及根据定位模块得到的无人驾驶车辆当前的位置，得到用于确定目标位置的数据。也就是说，车辆控制单元对车辆环境图像数进行解析后，可以得到用于确定目标类别的第一数据、用于确定目标宽度的数据和用于确定目标位置的第一数据。目标的类别信息包括机动车类别、非机动车类别和行人类别。本领域技术人员也可以根据需要自行设置目标的类别信息所包括的目标的类别。

毫米波雷达探测传感器是通过向外发射雷达波段的方式的对目标进行探测的。毫米波雷达传感器的探测范围相对于激光雷达传感器的探测范围更大，可以达到200米，并且毫米波雷达传感器对目标运动速度的识别精准度很高，误差度小于0.3m/s。也就是说，车辆控制单元对毫米波雷达数据进行解析后，可以得到目标速度数据。

激光雷达传感器是通过向外发射激光束的方式对目标进行探测的。激光雷达传感器向目标发射多组激光束,激光束打到目标后形成激光点，并反射回目标回波，将目标回波与发射信号进行比较和处理，即可识别到目标的轮廓、运动状态以及目标与无人驾驶车辆之间的距离。其中，车辆控制单元可以根据激光雷达传感器识别到的目标的运动状态，得到的用于确定目标类型的数据，并可以根据激光雷达传感器识别到的目标与无人驾驶车辆之间的距离以及根据定位模块得到的无人驾驶车辆当前的位置，得到用于确定目标位置的数据。因此，车辆控制单元对激光雷达传感器得到的多个激光点数据进行解析后，可以得到用于确定目标类型的数据、用于确定目标轮廓的数据和用于确定目标位置的第二数据。根据目标的运动状态可将目标的类型信息分为动态目标类型和静态目标类型。

进一步具体的，车辆控制单元可以根据激光雷达传感器识别到的目标的运动状态，得到的用于确定目标类型的数据具体为：车辆控制单元解析多个帧数的多个激光点数据，确定多个激光点数据的位置在预设帧数内是否呈线性变化。当多个激光点数据的位置在预设帧数内呈线性变化时，说明目标时运动的，因此可以确定目标类型为动态目标类型。当多个激光点数据的位置在预设帧数内不呈线性变化，而是呈聚集状态时，说明目标时静止的，因此可以确定目标类型为静态目标类型。

步骤140，车辆控制单元得到目标的类型信息、目标的类别信息、目标的大小信息、目标的位置信息和目标的速度信息；

具体的，由于上述三种传感器所采用的探测手段不同，这三种传感器所带来功能的侧重点也有所不同，因此可以根据这三种传感器所带来功能的侧重点设置从这三种传感器中解析得到数据的置信度级别参数，用以根据置信度级别参数处理从这三种传感器中解析得到数据。

目标的类型信息的计算方法为：由车辆控制单元根据激光雷达传感器所识别到的用于确定目标类型的数据和毫米波雷达探测传感器所识别到的目标速度数据综合计算得到。其中，激光雷达传感器所识别到的用于确定目标类型的数据的置信度级别参数，比毫米波雷达探测传感器所识别到的目标速度数据的置信度级别参数高。也就是说，在计算目标的类型信息时，车辆控制单元优先参考由激光雷达传感器所识别到的用于确定目标类型的数据。

此过程可以理解为确定目标是动态目标还是静态目标的过程。也就是说，在确定目标是动态目标还是静态目标的过程中，优先参考激光点数据的位置在预设帧数内是否呈线性变化，然后再参考目标运动速度是否为零或小于预设值。上说已说明当多个激光点数据的位置在预设帧数内呈线性变化时，可以确定目标类型为动态目标类型；当多个激光点数据的位置在预设帧数内不呈线性变化，而是呈聚集状态时，可以确定目标类型为静态目标类型。而在目标运动速度方面，当目标速度数据等于零或小于预设值，可以认为目标为静态目标类型；而当目标速度数据不等于零或不小于预设值，可以认为目标为动态目标类型。

目标的类别信息的计算方法为：车辆控制单元首先根据激光雷达传感器所识别到的用于确定目标轮廓的数据得到用于确定目标类别的第二数据。这一过程可以理解为根据目标的轮廓形状确定目标可能的类别的过程。然后车辆控制单元再根据用于确定目标类别的第二数据和根据视觉传感器所识别到的用于确定目标类别的第一数据综合计算得到。其中，视觉传感器所识别到的用于确定目标类别的第一数据的置信度级别参数，比激光雷达传感器所识别到的用于确定目标轮廓的数据的置信度级别参数高。也就是说，在计算目标的类别信息时，车辆控制单元优先参考由视觉传感器所识别到的数据。

此过程可以理解为确定目标是机动车、非机动车还是行人或其他运动物体的过程。也就是说，在确定目标是机动车、非机动车还是行人或其他运动物体的过程中，优先参考视觉传感器以视觉图像的形式识别到目标的形象，即目标类别的第一数据，然后再参考激光雷达传感器所识别到的目标的轮廓。

目标的大小信息的计算方法为：车辆控制单元根据视觉传感器所识别到的用于确定目标宽度的数据和根据激光雷达传感器所识别到的用于确定目标轮廓的数据得到目标的大小信息综合计算得到。其中，视觉传感器所识别到的用于确定目标宽度的数据的置信度级别参数，比激光雷达传感器所识别到的用于确定目标轮廓的数据的置信度级别参数高。也就是说，在计算目标的大小信息时，车辆控制单元优先参考由视觉传感器所识别到的目标的宽度。

目标的位置信息的计算方法为：车辆控制单元根据视觉传感器所识别到的用于确定目标位置的第一数据和激光雷达传感器所识别到的用于确定目标位置的第二数据综合计算得到。其中，视觉传感器所识别到的用于确定目标位置的第一数据的置信度级别参数，比激光雷达传感器所识别到的用于确定目标位置的第二数据的置信度级别参数高。也就是说，在计算目标的位置信息时，车辆控制单元优先参考由视觉传感器所识别到的目标的位置。

目标的速度信息的计算方法为：车辆控制单元根据毫米波雷达传感器所识别到的目标速度数据计算得到。

步骤150，车辆控制单元生成目标状态信息；

具体的，根据目标的类型信息、目标的类别信息、目标的大小信息、目标的位置信息和目标的速度信息生成目标状态信息，用以车辆控制单元根据目标状态信息生成与目标状态信息相对应的控制指令，从而控制无人驾驶车辆根据目标状态做出相应反应。

步骤160，对目标状态信息进行生命周期管理；

具体的，车辆控制单元将当前目标状态信息与上一帧的目标状态信息进行匹配。当当前目标状态信息与上一帧的目标状态信息相匹配时，说明该目标仍在存在，根据当前目标状态信息更新上一帧的目标状态信息。当当前目标状态信息与上一帧的目标状态信息不匹配时，确定当前目标状态信息是否与预设帧数范围内的目标状态信息相匹配。当当前目标状态信息与上一帧的目标状态信息不匹配时，且当前目标状态信息与预设帧数范围内的目标状态信息不匹配时，说明该目标已消失，删除上一帧的目标状态信息。

在一些优选的实施例中，无人驾驶车辆在上电后，即可对动静态目标进行识别，而无需等到车辆执行行车任务后。也就是说，在车辆执行行车任务前，也就是执行步骤110前，当车辆控制单元确定感知单元中的各个模块均已上电并自检成功后，即可执行步骤120-160。

本发明实施例提供的一种动静态目标识别方法，通过解析环境图像数据、毫米波雷达数据和激光雷达数据，并根据解析结果综合计算得到目标状态信息的方法，实现对无人驾驶车辆周围目标的类型、类别、大小、位置速度进行识别，使得无人驾驶车辆对目标识别所得到的信息更精准，进而使得无人驾驶车辆高精准的目标识别结果进行更正确的处理。

专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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。

结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM动力系统控制方法、或技术领域内所公知的任意其它形式的存储介质中。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种动静态目标识别方法，其特征在于，所述方法包括：

车辆中的车辆控制单元根据预设行驶轨迹控制车辆行驶；

所述车辆控制单元通过所述车辆中的感知单元实时获取车辆环境图像数据、毫米波雷达数据和激光雷达数据；所述激光雷达数据包括多个激光点数据；

所述车辆控制单元解析所述车辆环境图像数，得到用于确定目标类别的第一数据、用于确定目标宽度的数据和用于确定目标位置的第一数据；

并且，所述车辆控制单元解析所述多个激光点数据，得到用于确定目标类型的数据、用于确定目标轮廓的数据和用于确定目标位置的第二数据；

并且，所述车辆控制单元解析所述毫米波雷达数据，得到目标速度数据；

根据所述用于确定目标类别的第一数据、所述用于确定目标宽度的数据、所述用于确定目标位置的第一数据、所述用于确定目标类型的数据、所述用于确定目标轮廓的数据、所述用于确定目标位置的第二数据和所述目标速度数据，得到目标的类型信息、目标的类别信息、目标的大小信息、目标的位置信息和目标的速度信息；

根据所述目标的类型信息、所述目标的类别信息、所述目标的大小信息、所述目标的位置信息和所述目标的速度信息生成目标状态信息，用以所述车辆控制单元根据所述目标状态信息生成与所述目标状态信息相对应的控制指令。

2.根据权利要求1所述的动静态目标识别方法，其特征在于，所述感知单元包括视觉获取模块、毫米波雷达模块和激光雷达模块；

所述车辆控制单元通过所述视觉获取模块获取所述车辆环境图像数据；所述车辆控制单元通过毫米波雷达模块获取所述毫米波雷达数据；所述车辆控制单元通过所述激光雷达模块获取所述多个激光点数据。

3.根据权利要求1所述的动静态目标识别方法，其特征在于，所述目标的类型信息包括动态目标类型和静态目标类型；所述目标的类别信息包括机动车类别、非机动车类别和行人类别。

4.根据权利要求3所述的动静态目标识别方法，其特征在于，所述车辆控制单元解析所述多个激光点数据，得到用于确定目标类型的数据具体为：

所述车辆控制单元解析多个帧数的所述多个激光点数据，确定所述多个激光点数据的位置在预设帧数内是否呈线性变化；

当所述多个激光点数据的位置在预设帧数内呈线性变化时，确定所述目标类型为所述动态目标类型；

当所述多个激光点数据的位置在预设帧数内不呈线性变化时，确定所述目标类型为所述静态目标类型。

5.根据权利要求1所述的动静态目标识别方法，其特征在于，所述用于确定目标类别的第一数据、所述用于确定目标宽度的数据、所述用于确定目标位置的第一数据、所述用于确定目标类型的数据、所述用于确定目标轮廓的数据、所述用于确定目标位置的第二数据和所述目标速度数据包括置信度级别参数。

6.根据权利要求5所述的动静态目标识别方法，其特征在于，所述根据所述用于确定目标类别的第一数据、所述用于确定目标宽度的数据、所述用于确定目标位置的第一数据、所述用于确定目标类型的数据、所述用于确定目标轮廓的数据、所述用于确定目标位置的第二数据和所述目标速度数据，得到目标的类型信息、目标的类别信息、目标的大小信息、目标的位置信息和目标的速度信息具体为：

所述车辆控制单元根据所述用于确定目标类型的数据和所述目标速度数据中的所述置信度级别参数，得到所述目标的类型信息；

所述车辆控制单元根据所述用于确定目标轮廓的数据得到用于确定目标类别的第二数据，并根据所述用于确定目标类别的第二数据和所述用于确定目标类别的第二数据中的所述置信度级别参数，得到所述目标的类别信息；

所述车辆控制单元根据所述用于确定目标宽度的数据和所述用于确定目标轮廓的数据得到所述目标的大小信息；

所述车辆控制单元根据所述用于确定目标位置的第一数据和所述用于确定目标位置的第二数据中的所述置信度级别参数，得到所述目标的位置信息；

所述车辆控制单元根据所述目标速度数据得到所述目标的速度信息。

7.根据权利要求1所述的动静态目标识别方法，其特征在于，在根据所述目标的类型信息、所述目标的类别信息、所述目标的大小信息、所述目标的位置信息和所述目标的速度信息生成目标状态信息之后，所述方法还包括：

所述车辆控制单元将当前目标状态信息与上一帧的目标状态信息进行匹配；

根据所述匹配结果对所述目标状态信息进行生命周期管理。

8.根据权利要求7所述的动静态目标识别方法，其特征在于，所述根据所述匹配结果对所述目标状态信息进行生命周期管理具体为：

当所述当前目标状态信息与上一帧的目标状态信息相匹配时，根据所述当前目标状态信息更新所述上一帧的目标状态信息；

当所述当前目标状态信息与上一帧的目标状态信息不匹配时，确定所述当前目标状态信息是否与所述预设帧数范围内的目标状态信息相匹配；

当所述当前目标状态信息与上一帧的目标状态信息不匹配时，且所述当前目标状态信息与所述预设帧数范围内的目标状态信息不匹配时，删除所述上一帧的目标状态信息。