CN109143242A - 障碍物绝对速度估计方法、系统、计算机设备和存储介质 - Google Patents

障碍物绝对速度估计方法、系统、计算机设备和存储介质 Download PDF

Info

Publication number
CN109143242A
CN109143242A CN201811045665.9A CN201811045665A CN109143242A CN 109143242 A CN109143242 A CN 109143242A CN 201811045665 A CN201811045665 A CN 201811045665A CN 109143242 A CN109143242 A CN 109143242A
Authority
CN
China
Prior art keywords
barrier
current time
velocity
absolute
relative velocity
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
CN201811045665.9A
Other languages
English (en)
Other versions
CN109143242B (zh
Inventor
李冲冲
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.)
Apollo Intelligent Technology Beijing Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201811045665.9A priority Critical patent/CN109143242B/zh
Publication of CN109143242A publication Critical patent/CN109143242A/zh
Priority to JP2019128860A priority patent/JP6786676B2/ja
Priority to EP19187024.5A priority patent/EP3620816A1/en
Priority to US16/521,112 priority patent/US11307302B2/en
Application granted granted Critical
Publication of CN109143242B publication Critical patent/CN109143242B/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
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • 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
    • 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
    • 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
    • G01S2013/932—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles using own vehicle data, e.g. ground speed, steering wheel direction

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明实施例提出一种障碍物绝对速度估计方法、障碍物绝对速度估计系统、计算机设备和计算机存储介质，其中障碍物绝对速度估计方法可以包括:利用组合导航设备测量机动车在当前时刻t1的绝对速度，并且存储在数据表中；利用毫米波雷达获得障碍物相对于机动车在第二时刻t2的相对速度；将障碍物在第二时刻t2的相对速度修正到当前时刻t1的相对速度；将机动车当前时刻t1的绝对速度和修正后的障碍物当前时刻t1的相对速度相加得到障碍物在当前时刻t1的绝对速度。借助于本发明的技术方案，使障碍物速度测量更加准确。

Description

障碍物绝对速度估计方法、系统、计算机设备和存储介质
技术领域
本发明涉及机动车驾驶领域，尤其涉及一种障碍物绝对速度估计方法、障碍物绝对速度估计系统、计算机设备和计算机存储介质。
背景技术
在现有技术中，通常使用组合导航设备测量自动驾驶汽车的绝对速度，使用毫米波雷达测量障碍物的相对速度，障碍物的绝对速度是通过毫米波测量结果加上组合导航结果得到的。
由于组合导航设备有GPS的精确时间戳，而毫米波雷达只有主机接收到数据时的时间戳，存在时间延迟，造成了两个不同时刻数据的叠加，从而使障碍物速度测量不准确。
发明内容
本发明实施例提供一种障碍物绝对速度估计方法、系统、计算机设备、计算机存储介质，以解决现有技术中的一个或多个技术问题。
根据本发明的第一个方面，提供一种障碍物绝对速度估计方法，可以包括:利用组合导航设备测量机动车在当前时刻t1的绝对速度，并且存储在数据表中；利用毫米波雷达获得障碍物相对于机动车在第二时刻t2的相对速度；将障碍物在第二时刻t2的相对速度修正到当前时刻t1的相对速度；将机动车当前时刻t1的绝对速度和修正后的障碍物当前时刻t1的相对速度相加得到障碍物在当前时刻t1的绝对速度。
根据本发明第一个方面的一个实施例，其中将障碍物在第二时刻t2的相对速度修正到当前时刻t1的相对速度包括：将障碍物所在场景中的多种障碍物在第二时刻t2的相对速度与机动车在当前时刻t1的绝对速度相加得到多种障碍物分别在当前时刻t1的多个假设绝对速度；将多种障碍物在当前时刻t1的多个假设绝对速度中其数值相近且数量最多的情形聚类为同类障碍物，将同类障碍物的多个假设绝对速度作为误差量进行求平均值，得到平均误差量；将第二时刻t2测量的障碍物的相对速度减去平均误差量，得到修正后的障碍物在当前时刻t1的相对速度。
根据本发明第一个方面的另一个实施例，其中将机动车当前时刻t1的绝对速度和修正后的障碍物当前时刻t1的相对速度相加得到障碍物在当前时刻t1的绝对速度包括：在聚类后的同类障碍物数目大于第一阈值和/或误差量小于第二阈值情况下，将机动车当前时刻t1的绝对速度和修正后的障碍物当前时刻t1的相对速度相加得到障碍物在当前时刻t1的绝对速度。
根据本发明第一个方面的再一个实施例，其中将机动车当前时刻t1的绝对速度和修正后的障碍物当前时刻t1的相对速度相加得到障碍物在当前时刻t1的绝对速度包括：在聚类后的同类障碍物数目小于第一阈值和/或误差量大于第二阈值情况下，在得到修正后的多种同类障碍物在当前时刻t1的相对速度同时，记录毫米波雷达检测多种同类障碍物的数量和毫米波雷达在每两次相邻检测之间的检测周期，从而得到每种同类障碍物的障碍物数量、检测周期、和第二时刻t2与当前时刻t1之间时间差t2-t1的函数关系。
根据本发明第一个方面的又一个实施例，根据毫米波雷达检测的障碍物数量和检测周期，将毫米波雷达在第二时刻t2的时间数据修正到当前时刻t1的时间数据，在数据表中查找对应当前时刻t1的组合导航设备测量的机动车绝对速度，将其与修正后的多种同类障碍物在当前时刻t1的相对速度相加，得到障碍物在当前时刻t1的绝对速度。
根据本发明第二个方面，提供一种障碍物绝对速度估计系统，可以包括:组合导航设备，用于测量机动车在当前时刻t1的绝对速度，并且存储与当前时刻t1和绝对速度对应的数据表；毫米波雷达，用于获得障碍物相对于机动车在第二时刻t2的相对速度；修正装置，用于将障碍物在第二时刻t2的相对速度修正到当前时刻t1的相对速度；加法器，用于将机动车当前时刻t1的绝对速度和修正后的障碍物当前时刻t1的相对速度相加得到障碍物在当前时刻t1的绝对速度。
根据本发明第二个方面的一个实施例，其中修正装置可以包括：将障碍物所在场景中的多种障碍物在第二时刻t2的相对速度与机动车在当前时刻t1的绝对速度相加得到多种障碍物分别在当前时刻t1的多个假设绝对速度；将多种障碍物在当前时刻t1的多个假设绝对速度中其数值相近且数量最多的情形聚类为同类障碍物，将同类障碍物的多个假设绝对速度作为误差量进行求平均值，得到平均误差量；将第二时刻t2测量的障碍物的相对速度减去平均误差量，得到修正后的障碍物在当前时刻t1的相对速度。
根据本发明第二个方面的另一个实施例，其中加法器在聚类后的同类障碍物数目大于第一阈值和/或误差量小于第二阈值情况下，将机动车当前时刻t1的绝对速度和修正后的障碍物当前时刻t1的相对速度相加得到障碍物在当前时刻t1的绝对速度。
根据本发明第二个方面的再一个实施例，其中修正装置在聚类后的同类障碍物数目小于第一阈值和/或误差量大于第二阈值情况下，在得到修正后的多种同类障碍物在当前时刻t1的相对速度同时，记录毫米波雷达检测多种同类障碍物的数量和毫米波雷达在每两次相邻检测之间的检测周期，从而得到每种同类障碍物的障碍物数量、检测周期、和第二时刻t2与当前时刻t1之间时间差t2-t1的函数关系。
根据本发明第二个方面的又一个实施例，其中修正装置根据毫米波雷达检测的障碍物数量和检测周期，将毫米波雷达在第二时刻t2的时间数据修正到当前时刻t1的时间数据，在数据表中查找对应当前时刻t1的组合导航设备测量的机动车绝对速度，加法器将其与修正后的多种同类障碍物在当前时刻t1的相对速度相加，得到障碍物在当前时刻t1的绝对速度。
根据本发明的第三个方面，提供一种计算机设备，可以包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现如上的方法。
根据本发明的第四个方面，提供一种计算机可读存储介质，其存储有计算机程序，该程序被处理器执行时实现如上的方法。
借助于本发明的技术方案，可以将修正后的毫米波雷达测量的障碍物相对于速度更加准确，使得与具有GPS的精确时间戳特征的组合导航设备测量的机动车的绝对速度相加，得到了在特定时刻下测量的障碍物的绝对速度，消除了现有技术中存在的时间延迟，从而使障碍物速度测量更加准确。
上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。
附图说明
在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本发明公开的一些实施方式，而不应将其视为是对本发明范围的限制。
图1示意性示出根据本发明第一个方面一个实施例的障碍物绝对速度估计方法的流程图。
图2示意性示出根据本发明第一个方面另一个实施例的将障碍物在第二时刻t2的相对速度修正到当前时刻t1的相对速度的流程图。
图3示意性示出根据本发明第一个方面再一个实施例的将机动车当前时刻t1的绝对速度和修正后的障碍物当前时刻t1的相对速度相加得到障碍物在当前时刻t1的绝对速度的流程图。
图4示意性示出根据本发明第二个方面一个实施例的障碍物绝对速度估计系统的框图。
图5示意性示出根据本发明第三个方面的关于计算机设备的一个实施例。
具体实施方式
在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。
图1示出根据本发明实施例的一种障碍物绝对速度估计方法100，可以包括：步骤102，利用组合导航设备测量机动车在当前时刻t1的绝对速度v_c(t1)，并且存储在数据表中；步骤104，利用毫米波雷达获得障碍物相对于机动车在第二时刻t2的相对速度v_r(t2)；步骤106，将障碍物在第二时刻t2的相对速度v_r(t2)修正到当前时刻t1的相对速度v_r(t1)；步骤108，将机动车当前时刻t1的绝对速度v_c(t1)和修正后的障碍物当前时刻t1的相对速度v_r(t1)相加得到障碍物在当前时刻t1的绝对速度，即得到v_a(t1)＝v_r(t1)+v_c(t1)。
在本发明说明书的各个实施例中提到的术语“障碍物”可以做广义的理解，例如机动车周围的行人、自行车、电动车、其他非机动车或机动车相对于本车(机动车)来讲，都可以认为是障碍物。
在本发明的各个实施例中提到的术语“机动车”可以做广泛的理解，例如可以包括自动驾驶汽车、无人车、有人驾驶汽车、电动汽车等等具有机动性能的车辆。
在本发明的各个实施例中提到的术语“绝对速度”是指相对于地面等静止物体的速度。
在本发明的各个实施例中提到的术语“相对速度”是指障碍物相对于机动车(本车)的速度，例如在障碍物是行人的情况下，术语“相对速度”是指行人障碍物相对于机动车的速度；在障碍物是自行车的情况下，术语“相对速度”是指自行车障碍物相对于机动车的速度，等等。
在本发明的各个实施例中，包括后面将要提到的组合导航设备、毫米波雷达、修正装置、加法器等可以是安装在机动车(本车)上的，在特殊的情形下，也可以不放置在机动车(本车)上。
在本发明的各个实施例中，提到的术语“机动车”是指本车，“其他机动车”是指相对于本车之外的其他车辆。
在步骤102，利用组合导航设备测量机动车在当前时刻t1的绝对速度v_c(t1)，并且存储在数据表中，需要说明的是，组合导航设备具有精确的时间戳，例如可以实时测量在特定时刻例如当前时刻t1的机动车(本车)相对于地面等静止物体的绝对速度v_c(t1)。很多情况下机动车相对于地面的绝对速度是随着时间变化的，借助于具有精确时间戳的组合导航设备可以精确地测量机动车在当前时刻t1的绝对速度。将与特定时刻对应的绝对速度存储在数据表中，以备后面的使用。
在步骤104，利用毫米波雷达获得障碍物相对于机动车在第二时刻t2的相对速度v_r(t2)，是指毫米波雷达在每次检测之间存在时间差，或者说存在时间延迟。例如需要检测在当前时刻t1时障碍物的相对速度，但是得到的测量结果常常是下一个时刻例如第二时刻t2毫米波雷达接收到的测量结果，由于存在这样的时间延迟，使得测量的结果并不准确，不能真实反映测量时刻的障碍物相对于机动车的真实相对速度。换句话说，毫米波雷达接收到的障碍物相对速度的时间戳是第二时刻t2，但是实际上测量结果(障碍物相对速度)却是上一个时刻即当前时刻t1测量的障碍物的相对速度。由于存在当前时刻t1的测量结果在第二时刻t2时候才能接收到的时间延迟，所以需要后面的修正步骤，即，将名义上时间戳为第二时刻t2接收的测量结果修正为当前时刻t1时间戳接收的测量结果，以便真实反映正确时间戳下的测量结果(障碍物相对速度)。
在这样的情况下，就需要利用步骤106，将障碍物在第二时刻t2的相对速度v_r(t2)修正到当前时刻t1的相对速度v_r(t1)。修正的目的就是为了真实反映障碍物在当前时刻t1的真实相对速度。其中将障碍物在第二时刻t2的相对速度v_r(t2)修正到当前时刻t1的相对速度v_r(t1)的步骤106可以包括下面的步骤，如在图2中示出的：
步骤110，将障碍物所在场景中的多种障碍物在第二时刻t2的相对速度v_r1(t2)、v_r2(t2)、v_r3(t2)…v_rn(t2)等等与机动车在当前时刻t1的绝对速度v_c(t1)相加得到多种障碍物分别在当前时刻t1的多个假设绝对速度，例如v_a1(t1)＝v_r1(t2)+v_c(t1)；v_a2(t1)＝v_r2(t2)+v_c(t1)；v_a3(t1)＝v_r3(t2)+v_c(t1)…v_an(t1)＝v_r3(t2)+v_c(t1)等等。得到的假设绝对速度是为了后面进行真实的处理奠定基础。这里提到的多个假设绝对速度是指，例如在针对行人障碍物的情况下，得到针对行人障碍物的假设绝对速度v_a1(t1)；在针对自行车障碍物的情况下，得到针对自行车障碍物的假设绝对速度v_a2(t1)；在针对其他机动车障碍物的情况下，得到针对其他机动车障碍物的假设绝对速度v_a3(t1)等等。
备选的，还可以包括步骤112，将多种障碍物在当前时刻t1的多个假设绝对速度v_a1(t1)；v_a2(t1)；v_a3(t1)…v_an(t1)等中其数值相近且数量最多的情形聚类为同类障碍物，例如可能发现在多个障碍物所在的场景中大部分障碍物的运动速度都是相同的，即速度为0，这是因为在机动车运行过程中，场景中的很多障碍物都是静止的障碍物，例如数目、房屋、桥梁、马路等等，而这些静止的障碍物恰恰就是统计和假设的基础。将在当前时刻t1的多个假设绝对速度v_a1(t1)；v_a2(t1)；v_a3(t1)…v_an(t1)中数值相近且数量最多的情形聚类为同类障碍物，例如可能包括，v_a1(t1)；v_a3(t1)；v_a5(t1)；v_a7(t1)…v_an(t1)，将这些同类障碍物作为静止的障碍物看待，是后面进行修正处理的基础。将同类障碍物的多个假设绝对速度v_a1(t1)；v_a3(t1)；v_a5(t1)；v_a7(t1)…v_an(t1)作为误差量求平均值，得到平均误差量，即Δv_a＝(v_a1(t1)+v_a3(t1)+v_a5(t1)+v_a7(t1)+…+v_an(t1))/m，其中的m代表聚类为同类障碍物的数量。这样就得到了平均误差量Δv_a。
在本发明第一方面的一个实施例中，还可以包括步骤114，将第二时刻t2测量的障碍物的相对速度v_r1(t2)、v_r2(t2)、v_r3(t2)…v_rn(t2)减去平均误差量Δv_a，得到修正后的障碍物在当前时刻t1的相对速度v_r1(t1)、v_r2(t1)、v_r3(t1)…v_rn(t1)。例如针对行人障碍物，将第二时刻t2测量的障碍物的相对速度v_r1(t2)减去平均误差量Δv_a，得到修正后的行人障碍物在当前时刻t1的相对速度v_r1(t1)，即v_r1(t1)＝v_r1(t2)-Δv_a；针对自行车障碍物，将第二时刻t2测量的障碍物的相对速度v_r2(t2)减去平均误差量Δv_a，得到修正后的自行车障碍物在当前时刻t1的相对速度v_r2(t1)，即v_r2(t1)＝v_r2(t2)-Δv_a；针对其他机动车障碍物，将第二时刻t2测量的障碍物的相对速度v_r3(t2)减去平均误差量Δv_a，得到修正后的其他机动车障碍物在当前时刻t1的相对速度v_r3(t1)，即v_r3(t1)＝v_r3(t2)-Δv_a等等。
在本发明第一方面的一个实施例中，步骤108，其中将机动车当前时刻t1的绝对速度v_c(t1)和修正后的障碍物当前时刻t1的相对速度v_r(t1)相加得到障碍物在当前时刻t1的绝对速度，即得到v_a(t1)＝v_r(t1)+v_c(t1)，可以包括：步骤116，在聚类后的同类障碍物数目m大于第一阈值和/或误差量小于第二阈值情况下，将机动车当前时刻t1的绝对速度v_c(t1)和修正后的障碍物当前时刻t1的相对速度v_r(t1)相加得到障碍物在当前时刻t1的绝对速度v_a(t1)，即v_a(t1)＝v_r(t1)+v_c(t1)，这是第一种情形。
这里需要说明的是，在聚类后的同类障碍物数目m大于第一阈值是指可以假设一个场景中80％的障碍物是静止的障碍物，剩下的20％的障碍物是运动速度各不相同的运动类型的障碍物。也可以假设一个场景中70％的障碍物是静止的障碍物，剩下的30％的障碍物是运动速度各不相同的运动类型的障碍物等。一个场景中假设的静止障碍物百分数并不影响本发明的科学价值，因为实际上确实一个场景中绝大多数的障碍物可能都是静止障碍物，特殊情况下有例外。一个场景中，在聚类的同类障碍物数目m大于10的时候，可以认为符合了聚类后的同类障碍物数目m大于第一阈值的标准，也可以将第一阈值的数值根据情况分别设定为15、20、25或者30等等。误差量是指测量的障碍物的绝对速度v_a，误差量小于第二阈值是指测量的障碍物的绝对速度v_a小于例如0.5公里/小时、0.4公里/小时、0.3公里/小时等等。这里假设的第二阈值0.5公里/小时、0.4公里/小时、0.3公里/小时等等也是根据不同的情形具体设定的。在聚类后的同类障碍物数目m大于第一阈值和/或误差量小于第二阈值情况下，就认为满足了第一条标准或者说上述的第一种情形，可以直接将机动车当前时刻t1的绝对速度v_c(t1)和修正后的障碍物当前时刻t1的相对速度v_r(t1)相加得到障碍物在当前时刻t1的绝对速度，v_a(t1)＝v_c(t1)+v_r(t1)，其中v_r(t1)＝v_r(t2)-Δv_a。
在本发明的另一实施例中，其中将机动车当前时刻t1的绝对速度v_c(t1)和修正后的障碍物当前时刻t1的相对速度v_r(t1)相加得到障碍物在当前时刻t1的绝对速度v_a(t1)＝v_c(t1)+v_r(t1)还可以包括下面的情形，即第二种情形：
如在图5的步骤118所示的，在聚类后的同类障碍物数目m小于第一阈值和/或误差量大于第二阈值情况下，在得到修正后的多种同类障碍物在当前时刻t1的相对速度同时，记录毫米波雷达检测多种同类障碍物的数量和毫米波雷达在每两次相邻检测之间的检测周期，从而得到每种同类障碍物的障碍物数量、检测周期、和第二时刻t2与当前时刻t1之间时间差t2-t1的函数关系。
这里需要说明的是，在聚类后的同类障碍物数目m小于第一阈值是指同类障碍物数目m小于10、15、20、25或者30等等。误差量大于第二阈值情况是指测量的障碍物的绝对速度v_a大于例如0.5公里/小时、0.4公里/小时、0.3公里/小时等等。在聚类后的同类障碍物数目m小于第一阈值和/或误差量大于第二阈值情况是指，这时候不能利用上面的第一种情形直接将机动车当前时刻t1的绝对速度v_c(t1)和修正后的障碍物当前时刻t1的相对速度v_r(t1)相加得到障碍物在当前时刻t1的绝对速度v_a(t1)＝v_c(t1)+v_r(t1)，其中v_r(t1)＝v_r(t2)-Δv_a，这时候需要采取第二种处理方式。即，在得到修正后的多种同类障碍物在当前时刻t1的相对速度v_r1(t1)、v_r3(t1)、v_r5(t1)…v_rn(t1)同时，记录毫米波雷达检测多种同类障碍物的数量N和毫米波雷达在每两次相邻检测之间的检测周期T，从而得到每种同类障碍物的障碍物数量N、检测周期T、和第二时刻t2与当前时刻t1之间时间差Δt＝t2-t1的函数关系。
例如，记录了多种同类障碍物(路面障碍物)的数量N为N1时，毫米波雷达在每两次相邻检测之间的检测周期T1，对应的第二时刻t2与当前时刻t1之间时间差Δt1＝t2-t1，即Δt1＝f(N1,T1)；
多种同类障碍物(房屋障碍物)的数量N为N2时，毫米波雷达在每两次相邻检测之间的检测周期T2，对应的第二时刻t2′与当前时刻t1′之间时间差Δt1′＝t2′-t1′；即Δt1’＝f(N2,T2)；
多种同类障碍物(树木障碍物)的数量N为N3时，毫米波雷达在每两次相邻检测之间的检测周期T3，对应的第二时刻t2″与当前时刻t1″之间时间差Δt1″＝t2″-t1″；即Δt1″＝f(N3,T3)等等，最后拟合得到的函数式为Δt＝f(N,T)。至于根据若干一些特殊情况下的函数关系，例如Δt1＝f(N1,T1)；Δt1’＝f(N2,T2)；Δt1″＝f(N3,T3)；…Δt1n＝f(Nn,Tn)如何拟合得到最终的函数关系式Δt＝f(N,T)，本领域技术人员根据数学中的拟合技术是不难解决的，例如常用的拟合方法有最小二乘曲线拟合法等，这些并不是本发明的发明点，再次不再赘述。
在本发明第一方面的一个实施例中，如在图3中的步骤120所示，根据毫米波雷达检测的障碍物数量例如N1’和检测周期T1’，将毫米波雷达在第二时刻t2的时间数据修正到当前时刻t1的时间数据，在上述的数据表中查找对应当前时刻t1的组合导航设备测量的机动车绝对速度v_c(t1)，将其与修正后的多种同类障碍物在当前时刻t1的相对速度v_r(t1)相加，得到障碍物在当前时刻t1的绝对速度v_a(t1)＝v_c(t1)+v_r(t1)。
在第二种情形下得到的障碍物在当前时刻t1的绝对速度v_a(t1)＝v_c(t1)+v_r(t1)的方式是，先借助于很多数据的训练，例如根据初步得到的二元函数关系式：Δt1＝f(N1,T1)；Δt1’＝f(N2,T2)；Δt1″＝f(N3,T3)；…Δt1n＝f(Nn,Tn)，最后拟合得到函数关系式Δt＝f(N,T)，根据这个函数关系式，在具体的情况下，即，在聚类后的同类障碍物数目m小于第一阈值和/或误差量大于第二阈值情况下，假设已经知晓障碍物数量N1’和检测周期T1’的情况下，根据Δt＝f(N,T)得到对应的时间延迟Δt，修正毫米波雷达数据的时间戳，将第二时刻t2时间戳修正到当前时刻t1，再按该时间戳t1寻找与最接近的组合导航数据对应的障碍物的相对速度v_r(t1)，将组合导航设备测量的机动车绝对速度v_c(t1)与修正后的障碍物在当前时刻t1的相对速度v_r(t1)相加，得到障碍物在当前时刻t1的绝对速度v_a(t1)＝v_c(t1)+v_r(t1)。
借助于本发明的技术方案，可以将修正后的毫米波雷达测量的障碍物相对于速度更加准确，使得与具有GPS的精确时间戳特征的组合导航设备测量的机动车的绝对速度相加，得到了在特定时刻下测量的障碍物的绝对速度，消除了现有技术中存在的时间延迟，从而使障碍物速度测量更加准确。
根据本发明的第二个方面，提供一种障碍物绝对速度估计系统200，如在图4中示出的，可以包括：组合导航设备202，用于测量机动车在当前时刻t1的绝对速度，并且存储与当前时刻t1和绝对速度对应的数据表；毫米波雷达204，用于获得障碍物相对于机动车在第二时刻t2的相对速度；修正装置206，用于将障碍物在第二时刻t2的相对速度修正到当前时刻t1的相对速度；加法器208，用于将机动车当前时刻t1的绝对速度和修正后的障碍物当前时刻t1的相对速度相加得到障碍物在当前时刻t1的绝对速度。
在本发明第二个方面的一个实施例中，其中修正装置206可以包括：将障碍物所在场景中的多种障碍物在第二时刻t2的相对速度与机动车在当前时刻t1的绝对速度相加得到多种障碍物分别在当前时刻t1的多个假设绝对速度；将多种障碍物在当前时刻t1的多个假设绝对速度中其数值相近且数量最多的情形聚类为同类障碍物，将同类障碍物的多个假设绝对速度作为误差量进行求平均值，得到平均误差量；将第二时刻t2测量的障碍物的相对速度减去平均误差量，得到修正后的障碍物在当前时刻t1的相对速度。
在本发明第二个方面的一个实施例中，加法器在聚类后的同类障碍物数目大于第一阈值和/或误差量小于第二阈值情况下，将机动车当前时刻t1的绝对速度和修正后的障碍物当前时刻t1的相对速度相加得到障碍物在当前时刻t1的绝对速度。
在本发明第二个方面的一个实施例中，修正装置在聚类后的同类障碍物数目小于第一阈值和/或误差量大于第二阈值情况下，在得到修正后的多种同类障碍物在当前时刻t1的相对速度同时，记录毫米波雷达检测多种同类障碍物的数量和毫米波雷达在每两次相邻检测之间的检测周期，从而得到每种同类障碍物的障碍物数量、检测周期、和第二时刻t2与当前时刻t1之间时间差t2-t1的函数关系。
在本发明第二个方面的一个实施例中，修正装置根据毫米波雷达检测的障碍物数量和检测周期，将毫米波雷达在第二时刻t2的时间数据修正到当前时刻t1的时间数据，在数据表中查找对应当前时刻t1的组合导航设备测量的机动车绝对速度，加法器将其与修正后的多种同类障碍物在当前时刻t1的相对速度相加，得到障碍物在当前时刻t1的绝对速度。
在根据本发明第三方面的实施例中，提供了一种计算机设备，可以包括：一个或多个处理器；存储装置，用于存储一或多个程序；当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现如上的方法。
在根据本发明第四方面的实施例中，提供了一种计算机可读存储介质，其存储有计算机程序，其特征在于，该程序被处理器执行时实现如上的方法。
例如，图5示出了可以用来实施本公开的实施例的示例计算机设备300的示意性框图。应当理解，计算机设备300可以用于实现本公开所描述的障碍物绝对速度估计方法。如图所示，计算机设备300包括中央处理单元(CPU)302，其可以根据存储在只读存储器(ROM)304中的计算机程序指令或者从存储单元316加载到随机访问存储器(RAM)306中的计算机程序指令，来执行各种适当的动作和处理。在RAM 306中，还可存储计算机设备300操作所需的各种程序和数据。CPU 302、ROM 304以及RAM306通过总线308彼此相连。输入/输出(I/O)接口310也连接至总线308。
计算机设备300中的多个部件连接至I/O接口310，包括：输入单元312，例如键盘、鼠标等；输出单元314，例如各种类型的显示器、扬声器等；存储单元316，例如磁盘、光盘等；以及通信单元318，例如网卡、调制解调器、无线通信收发机等。通信单元318允许计算机设备300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理单元302执行上文所描述的各个方法和过程，例如方法100。例如，在一些实施例中，方法100可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元316。在一些实施例中，计算机程序的部分或者全部可以经由ROM 304和/或通信单元318而被载入和/或安装到计算机设备300上。当计算机程序加载到RAM 306并由CPU62执行时，可以执行上文描述的方法100的一个或多个动作或步骤。备选地，在其他实施例中，CPU 302可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法100。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)，等等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。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。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，也可以存储在一个计算机可读存储介质中。存储介质可以是只读存储器，磁盘或光盘等。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (12)

1.一种障碍物绝对速度估计方法，其特征在于，包括:
利用组合导航设备测量机动车在当前时刻t1的绝对速度，并且存储在数据表中；
利用毫米波雷达获得所述障碍物相对于所述机动车在第二时刻t2的相对速度；
将所述障碍物在第二时刻t2的相对速度修正到当前时刻t1的相对速度；
将所述机动车当前时刻t1的绝对速度和所述修正后的障碍物当前时刻t1的相对速度相加得到所述障碍物在当前时刻t1的绝对速度。
2.根据权利要求1所述的方法，其中将所述障碍物在第二时刻t2的相对速度修正到当前时刻t1的相对速度包括：
将障碍物所在场景中的多种障碍物在第二时刻t2的相对速度与所述机动车在当前时刻t1的绝对速度相加得到多种障碍物分别在当前时刻t1的多个假设绝对速度；
将多种障碍物在当前时刻t1的多个假设绝对速度中其数值相近且数量最多的情形聚类为同类障碍物，将所述同类障碍物的多个假设绝对速度作为误差量进行求平均值，得到平均误差量；
将第二时刻t2测量的所述障碍物的相对速度减去所述平均误差量，得到修正后的所述障碍物在当前时刻t1的相对速度。
3.根据权利要求2所述的方法，其中所述将所述机动车当前时刻t1的绝对速度和所述修正后的障碍物当前时刻t1的相对速度相加得到所述障碍物在当前时刻t1的绝对速度包括：
在聚类后的同类障碍物数目大于第一阈值和/或所述误差量小于第二阈值情况下，将所述机动车当前时刻t1的绝对速度和所述修正后的障碍物当前时刻t1的相对速度相加得到所述障碍物在当前时刻t1的绝对速度。
4.根据权利要求2所述的方法，其中所述将所述机动车当前时刻t1的绝对速度和所述修正后的障碍物当前时刻t1的相对速度相加得到所述障碍物在当前时刻t1的绝对速度包括：
在聚类后的同类障碍物数目小于第一阈值和/或所述误差量大于第二阈值情况下，在得到修正后的多种同类障碍物在当前时刻t1的相对速度同时，记录所述毫米波雷达检测多种同类障碍物的数量和所述毫米波雷达在每两次相邻检测之间的检测周期，从而得到每种同类障碍物的障碍物数量、检测周期、和第二时刻t2与当前时刻t1之间时间差t2-t1的函数关系。
5.根据权利要求4所述的方法，还包括：根据所述毫米波雷达检测的障碍物数量和检测周期，将所述毫米波雷达在第二时刻t2的时间数据修正到当前时刻t1的时间数据，在所述数据表中查找对应当前时刻t1的组合导航设备测量的机动车绝对速度，将其与所述修正后的多种同类障碍物在当前时刻t1的相对速度相加，得到所述障碍物在当前时刻t1的绝对速度。
6.一种障碍物绝对速度估计系统，其特征在于，包括:
组合导航设备，用于测量机动车在当前时刻t1的绝对速度，并且存储与当前时刻t1和所述绝对速度对应的数据表；
毫米波雷达，用于获得所述障碍物相对于所述机动车在第二时刻t2的相对速度；
修正装置，用于将所述障碍物在第二时刻t2的相对速度修正到当前时刻t1的相对速度；
加法器，用于将所述机动车当前时刻t1的绝对速度和所述修正后的障碍物当前时刻t1的相对速度相加得到所述障碍物在当前时刻t1的绝对速度。
7.根据权利要求6所述的障碍物绝对速度估计系统，其中所述修正装置包括：
将障碍物所在场景中的多种障碍物在第二时刻t2的相对速度与所述机动车在当前时刻t1的绝对速度相加得到多种障碍物分别在当前时刻t1的多个假设绝对速度；
将多种障碍物在当前时刻t1的多个假设绝对速度中其数值相近且数量最多的情形聚类为同类障碍物，将所述同类障碍物的多个假设绝对速度作为误差量进行求平均值，得到平均误差量；
将第二时刻t2测量的所述障碍物的相对速度减去所述平均误差量，得到修正后的所述障碍物在当前时刻t1的相对速度。
8.根据权利要求7所述的障碍物绝对速度估计系统，所述加法器在聚类后的同类障碍物数目大于第一阈值和/或所述误差量小于第二阈值情况下，将所述机动车当前时刻t1的绝对速度和所述修正后的障碍物当前时刻t1的相对速度相加得到所述障碍物在当前时刻t1的绝对速度。
9.根据权利要求7所述的障碍物绝对速度估计系统，所述修正装置在聚类后的同类障碍物数目小于第一阈值和/或所述误差量大于第二阈值情况下，在得到修正后的多种同类障碍物在当前时刻t1的相对速度同时，记录所述毫米波雷达检测多种同类障碍物的数量和所述毫米波雷达在每两次相邻检测之间的检测周期，从而得到每种同类障碍物的障碍物数量、检测周期、和第二时刻t2与当前时刻t1之间时间差t2-t1的函数关系。
10.根据权利要求9所述的障碍物绝对速度估计系统，所述修正装置根据所述毫米波雷达检测的障碍物数量和检测周期，将所述毫米波雷达在第二时刻t2的时间数据修正到当前时刻t1的时间数据，在所述数据表中查找对应当前时刻t1的组合导航设备测量的机动车绝对速度，所述加法器将其与所述修正后的多种同类障碍物在当前时刻t1的相对速度相加，得到所述障碍物在当前时刻t1的绝对速度。
11.一种计算机设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读存储介质，其存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一所述的方法。
CN201811045665.9A 2018-09-07 2018-09-07 障碍物绝对速度估计方法、系统、计算机设备和存储介质 Active CN109143242B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201811045665.9A CN109143242B (zh) 2018-09-07 2018-09-07 障碍物绝对速度估计方法、系统、计算机设备和存储介质
JP2019128860A JP6786676B2 (ja) 2018-09-07 2019-07-11 障害物の絶対速度の推定方法、システム、コンピュータ装置、記憶媒体、及びプログラム
EP19187024.5A EP3620816A1 (en) 2018-09-07 2019-07-18 Method and device for estimating an absolute velocity of an obstacle, computer device and non-volatile computer-readable storage medium
US16/521,112 US11307302B2 (en) 2018-09-07 2019-07-24 Method and device for estimating an absolute velocity of an obstacle, and non-volatile computer-readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811045665.9A CN109143242B (zh) 2018-09-07 2018-09-07 障碍物绝对速度估计方法、系统、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN109143242A true CN109143242A (zh) 2019-01-04
CN109143242B CN109143242B (zh) 2020-04-14

Family

ID=64823823

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811045665.9A Active CN109143242B (zh) 2018-09-07 2018-09-07 障碍物绝对速度估计方法、系统、计算机设备和存储介质

Country Status (4)

Country Link
US (1) US11307302B2 (zh)
EP (1) EP3620816A1 (zh)
JP (1) JP6786676B2 (zh)
CN (1) CN109143242B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111724598A (zh) * 2020-06-29 2020-09-29 北京百度网讯科技有限公司 用于规划路径的方法、装置、设备以及存储介质
CN112560580A (zh) * 2020-11-20 2021-03-26 腾讯科技（深圳）有限公司 障碍物识别方法、装置、系统、存储介质和电子设备
CN115097156A (zh) * 2020-05-15 2022-09-23 北京百度网讯科技有限公司 一种自动驾驶中障碍物的速度估计方法、装置和电子设备

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE112020003137T5 (de) * 2019-08-02 2022-04-07 Hitachi Astemo, Ltd. Zielvorrichtung, fahrsteuersystem und verfahren zum berechnen einer korrekturgrösse von sensordaten

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103649683A (zh) * 2011-06-03 2014-03-19 罗伯特·博世有限公司 组合的雷达和gps定位系统
CN104422928A (zh) * 2013-08-22 2015-03-18 株式会社电装 目标检测设备以及程序
JP2015207171A (ja) * 2014-04-21 2015-11-19 トヨタ自動車株式会社 運転支援装置
CN107672589A (zh) * 2017-09-26 2018-02-09 苏州观瑞汽车技术有限公司 一种基于雷达探测数据的车辆轨迹实时预测方法和装置
CN107976688A (zh) * 2016-10-25 2018-05-01 菜鸟智能物流控股有限公司 一种障碍物的检测方法及相关装置
CN207407892U (zh) * 2017-11-03 2018-05-25 河南思维轨道交通技术研究院有限公司 导航数据同步处理系统以及导航系统

Family Cites Families (71)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10132681C1 (de) * 2001-07-05 2002-08-22 Bosch Gmbh Robert Verfahren zur Klassifizierung von einem Hindernis anhand von Precrashsensorsignalen
JP3664671B2 (ja) * 2001-08-02 2005-06-29 株式会社日立製作所 ミリ波レーダ装置
DE10251037A1 (de) * 2002-11-02 2004-05-19 Robert Bosch Gmbh Vorrichtung zur adaptiven Abstands- und Geschwindigkeitsregelung mit Rückbegrenzung
US7212330B2 (en) 2004-03-22 2007-05-01 Angstrom, Inc. Three-dimensional imaging system for pattern recognition
US20090232388A1 (en) 2008-03-12 2009-09-17 Harris Corporation Registration of 3d point cloud data by creation of filtered density images
US8605947B2 (en) 2008-04-24 2013-12-10 GM Global Technology Operations LLC Method for detecting a clear path of travel for a vehicle enhanced by object detection
US8611585B2 (en) 2008-04-24 2013-12-17 GM Global Technology Operations LLC Clear path detection using patch approach
US8126642B2 (en) 2008-10-24 2012-02-28 Gray & Company, Inc. Control and systems for autonomously driven vehicles
CN101441076B (zh) 2008-12-29 2010-06-02 东软集团股份有限公司 一种检测障碍物的方法和装置
JP5058243B2 (ja) * 2009-12-14 2012-10-24 アイシン・エィ・ダブリュ株式会社 車両案内装置、車両案内方法、及び車両案内プログラム
US8260539B2 (en) 2010-05-12 2012-09-04 GM Global Technology Operations LLC Object and vehicle detection and tracking using 3-D laser rangefinder
JP5395956B2 (ja) 2010-07-02 2014-01-22 株式会社ソニー・コンピュータエンタテインメント 情報処理システムおよび情報処理方法
JP5698618B2 (ja) * 2011-07-04 2015-04-08 本田技研工業株式会社 絶対速度推定装置
CN103258338A (zh) 2012-02-16 2013-08-21 克利特股份有限公司 利用真实数据来驱动仿真的虚拟环境的方法和系统
CN102663196B (zh) 2012-04-17 2014-04-16 中南大学 一种基于虚拟现实的汽车起重机吊装仿真方法
US9255989B2 (en) 2012-07-24 2016-02-09 Toyota Motor Engineering & Manufacturing North America, Inc. Tracking on-road vehicles with sensors of different modalities
US9082014B2 (en) 2013-03-14 2015-07-14 The Nielsen Company (Us), Llc Methods and apparatus to estimate demography based on aerial images
CN104376297B (zh) 2013-08-12 2017-06-23 株式会社理光 道路上的线型指示标志的检测方法和装置
JP6304257B2 (ja) * 2013-09-12 2018-04-04 パナソニック株式会社 レーダ装置、車両及び移動体速度検出方法
JP5919243B2 (ja) 2013-10-18 2016-05-18 本田技研工業株式会社 運転訓練装置及び運転訓練方法
CN103914830B (zh) 2014-02-22 2017-02-01 小米科技有限责任公司 直线检测方法和装置
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
CN104933856B (zh) 2014-03-17 2017-08-25 径卫视觉科技（上海）有限公司 道路路况实时评估系统及方法
CN104020674B (zh) 2014-04-21 2017-01-25 华南农业大学 车辆Bug避障算法的Matlab仿真可视化平台
CN104183014B (zh) 2014-08-13 2017-01-18 浙江大学 一种面向城市增强现实的高融合度信息标注方法
KR101687073B1 (ko) 2014-10-22 2016-12-15 주식회사 만도 터널 높이 추정 장치 및 터널 높이 추정 방법
CN104331910B (zh) 2014-11-24 2017-06-16 沈阳建筑大学 一种基于机器视觉的轨道障碍物检测系统
CN104457569B (zh) 2014-11-27 2017-06-16 大连理工大学 一种大型复合板材几何参数视觉测量方法
JP6112123B2 (ja) 2015-01-19 2017-04-12 トヨタ自動車株式会社 自動運転装置
CN104950883A (zh) 2015-05-14 2015-09-30 西安电子科技大学 一种基于距离网格地图的移动机器人路径规划方法
TWI630132B (zh) 2015-06-04 2018-07-21 國立虎尾科技大學 3D animation car accident scene reconstruction method
CN104933708A (zh) 2015-06-07 2015-09-23 浙江大学 一种基于多谱三维特征融合的植被环境中障碍物检测方法
CN104931977B (zh) 2015-06-11 2017-08-25 同济大学 一种用于智能车辆的障碍物识别方法
US20170092000A1 (en) 2015-09-25 2017-03-30 Moshe Schwimmer Method and system for positioning a virtual object in a virtual simulation environment
JP6464075B2 (ja) 2015-11-11 2019-02-06 日本電信電話株式会社 Ｗｈａｔ−ｉｆシミュレーション装置、方法、及びプログラム
CN108603758A (zh) 2015-11-30 2018-09-28 卢米诺技术公司 具有分布式激光器和多个传感器头的激光雷达系统和激光雷达系统的脉冲激光器
EP3410415B1 (en) * 2016-01-28 2020-11-18 Ricoh Company, Ltd. Image processing device, imaging device, moving body device control system and image processing program
CN105761308B (zh) 2016-02-29 2018-09-07 武汉大学 一种地面LiDAR和影像数据融合的遮挡区域建筑物立面重建方法
EP4091894A1 (en) 2016-03-03 2022-11-23 Volvo Truck Corporation A vehicle with autonomous driving capability
US10690495B2 (en) 2016-03-14 2020-06-23 Canon Kabushiki Kaisha Ranging apparatus and moving object capable of high-accuracy ranging
CN107305383A (zh) 2016-04-22 2017-10-31 上海慧流云计算科技有限公司 一种自动避障的方法及使用该方法的机器人
CN105844600B (zh) 2016-04-27 2018-03-16 北京航空航天大学 一种空间目标三维点云光顺去噪方法
CN105957145A (zh) 2016-04-29 2016-09-21 百度在线网络技术（北京）有限公司 道路障碍物识别方法和装置
US9760806B1 (en) 2016-05-11 2017-09-12 TCL Research America Inc. Method and system for vision-centric deep-learning-based road situation analysis
CN106204457A (zh) 2016-07-19 2016-12-07 科盾科技股份有限公司 一种用于抓捕目标的方法和抓捕器
CN107818293A (zh) 2016-09-14 2018-03-20 北京百度网讯科技有限公司 用于处理点云数据的方法和装置
WO2018053833A1 (zh) 2016-09-26 2018-03-29 深圳市锐明技术股份有限公司 一种成对车道线的快速检测方法和装置
JP6548691B2 (ja) 2016-10-06 2019-07-24 株式会社アドバンスド・データ・コントロールズ 画像生成システム、プログラム及び方法並びにシミュレーションシステム、プログラム及び方法
RO132599A2 (ro) 2016-11-23 2018-05-30 Centrul It Pentru Ştiinţă Şi Tehnologie S.R.L. Echipament modular pentru inspecţia drumurilor rutiere, incluzând carosabilul şi zona adiacentă, destinat pentru a fi montat pe vehicule nespecializate
CN106681318A (zh) 2016-12-09 2017-05-17 重庆长安汽车股份有限公司 自动驾驶中车道线检测短暂丢失的车辆安全控制系统及方法
CN106599832A (zh) 2016-12-09 2017-04-26 重庆邮电大学 一种基于卷积神经网络的多类障碍物检测与识别方法
CN106585622A (zh) 2016-12-20 2017-04-26 奇瑞汽车股份有限公司 一种道路施工情况下自动驾驶方法和智能车
JP6804991B2 (ja) 2017-01-05 2020-12-23 株式会社東芝 情報処理装置、情報処理方法、および情報処理プログラム
JP6832166B2 (ja) * 2017-01-17 2021-02-24 株式会社デンソーテン レーダ装置および車速補正方法
CN106845412B (zh) 2017-01-20 2020-07-10 百度在线网络技术（北京）有限公司 障碍物识别方法及装置、计算机设备及可读介质
JP7157054B2 (ja) 2017-01-26 2022-10-19 モービルアイ ビジョン テクノロジーズ リミテッド 整合画像及びｌｉｄａｒ情報に基づいた車両ナビゲーション
CN106919908B (zh) 2017-02-10 2020-07-28 百度在线网络技术（北京）有限公司 障碍物识别方法及装置、计算机设备及可读介质
CN108492356A (zh) 2017-02-13 2018-09-04 苏州宝时得电动工具有限公司 增强现实系统及其控制方法
CN106997049B (zh) 2017-03-14 2020-07-03 奇瑞汽车股份有限公司 一种基于激光点云数据的检测障碍物的方法和装置
CN107103627B (zh) 2017-04-27 2020-12-11 深圳市天双科技有限公司 一种基于车道线的汽车全景摄像头外部参数标定方法
CN107657237B (zh) 2017-09-28 2020-03-31 东南大学 基于深度学习的汽车碰撞检测方法及系统
CN107659774B (zh) 2017-09-30 2020-10-13 北京拙河科技有限公司 一种基于多尺度相机阵列的视频成像系统及视频处理方法
CN107678306B (zh) 2017-10-09 2021-04-16 驭势（上海）汽车科技有限公司 动态场景信息录制和仿真回放方法、装置、设备及介质
CN107832806A (zh) 2017-12-06 2018-03-23 四川知创空间孵化器管理有限公司 一种车牌类型判别方法和系统
WO2019113966A1 (zh) 2017-12-15 2019-06-20 深圳市道通智能航空技术有限公司 一种避障方法、装置和无人机
CN108156419A (zh) 2017-12-22 2018-06-12 湖南源信光电科技股份有限公司 基于多特征联合与Camshift算法的多焦距镜头联动成像摄像机系统
CN108010360A (zh) 2017-12-27 2018-05-08 中电海康集团有限公司 一种基于车路协同的自动驾驶环境感知系统
CN107993512A (zh) 2018-01-03 2018-05-04 深圳市欣横纵技术股份有限公司 一种核安保Table Top Tool系统及使用方法
CN108256506B (zh) 2018-02-14 2020-11-24 北京市商汤科技开发有限公司 一种视频中物体检测方法及装置、计算机存储介质
CN108646735A (zh) 2018-05-02 2018-10-12 新石器龙码（北京）科技有限公司 一种无人车的控制方法和装置
CN109101022A (zh) 2018-08-09 2018-12-28 北京智行者科技有限公司 一种作业路径更新方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103649683A (zh) * 2011-06-03 2014-03-19 罗伯特·博世有限公司 组合的雷达和gps定位系统
CN104422928A (zh) * 2013-08-22 2015-03-18 株式会社电装 目标检测设备以及程序
JP2015207171A (ja) * 2014-04-21 2015-11-19 トヨタ自動車株式会社 運転支援装置
CN107976688A (zh) * 2016-10-25 2018-05-01 菜鸟智能物流控股有限公司 一种障碍物的检测方法及相关装置
CN107672589A (zh) * 2017-09-26 2018-02-09 苏州观瑞汽车技术有限公司 一种基于雷达探测数据的车辆轨迹实时预测方法和装置
CN207407892U (zh) * 2017-11-03 2018-05-25 河南思维轨道交通技术研究院有限公司 导航数据同步处理系统以及导航系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A. MANTOVANELLI ET AL.: "The use of HF radar surface currents for computing Lagrangian trajectories: benefits and issues", 《OCEAN"10 IEEE SYDNEY 》 *
马玲 等: "毫米波测速雷达的测速原理", 《弹道学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115097156A (zh) * 2020-05-15 2022-09-23 北京百度网讯科技有限公司 一种自动驾驶中障碍物的速度估计方法、装置和电子设备
CN115097156B (zh) * 2020-05-15 2024-06-04 北京百度网讯科技有限公司 一种自动驾驶中障碍物的速度估计方法、装置和电子设备
CN111724598A (zh) * 2020-06-29 2020-09-29 北京百度网讯科技有限公司 用于规划路径的方法、装置、设备以及存储介质
CN112560580A (zh) * 2020-11-20 2021-03-26 腾讯科技（深圳）有限公司 障碍物识别方法、装置、系统、存储介质和电子设备

Also Published As

Publication number Publication date
US11307302B2 (en) 2022-04-19
US20200081112A1 (en) 2020-03-12
CN109143242B (zh) 2020-04-14
JP2020042012A (ja) 2020-03-19
EP3620816A1 (en) 2020-03-11
JP6786676B2 (ja) 2020-11-18

Similar Documents

Publication Publication Date Title
CN109143242A (zh) 障碍物绝对速度估计方法、系统、计算机设备和存储介质
Van Hinsbergen et al. Localized extended kalman filter for scalable real-time traffic state estimation
Huso et al. Accounting for unsearched areas in estimating wind turbine‐caused fatality
US10241191B2 (en) Multi-sensor target tracking using multiple hypothesis testing
US8437972B2 (en) Sensor bias estimation for multiple hypothesis tracker
CN111735470B (zh) 一种动态环境下的自动导引运输车路径规划方法
KR102168288B1 (ko) 다중 라이다를 이용한 다중 물체 추적 시스템 및 방법
Huang et al. Design of a fault detection and isolation system for intelligent vehicle navigation system
Mohamed et al. Accurate and efficient map matching for challenging environments
CN112070130B (zh) 一种基于动态时间规整的跨道车辆匹配方法及系统
CN111600519B (zh) 伺服电机控制方法、装置、电子设备及存储介质
CN108680918A (zh) 应用于雷达的测速方法、测速装置及电子设备
CN111707260A (zh) 一种基于频域分析及卷积神经网络的定位方法
CN109738884A (zh) 对象检测方法、装置和计算机设备
Anusha et al. Model-based approach for queue and delay estimation at signalized intersections with erroneous automated data
Yang et al. Freeway traffic state estimation: A Lagrangian-space Kalman filter approach
Borralho et al. Is driven transect sampling suitable for estimating red‐legged partridge Alectoris rufa densities?
Schubert et al. Simulation of sensor models for the evaluation of advanced driver assistance systems
Shan et al. Probabilistic model for vehicle trajectories reconstruction using sparse mobile sensor data on freeways
CN109263649A (zh) 车辆及其自动驾驶模式下的物体识别方法和物体识别系统
CN109581194B (zh) 一种电子系统故障测试策略动态生成方法
AU2019202155A1 (en) Method for evaluating the conformity of a tracking system to a set of requirements and associated devices
DE102014204364A1 (de) Verfahren zum Ermitteln einer Position eines Objekts
CN104699658A (zh) 用于求得基于数据的函数模型的梯度的方法和装置
CN102798857B (zh) 测量相对速度的方法、雷达传感器以及汽车

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
TR01 Transfer of patent right

Effective date of registration: 20211011

Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085

Patentee after: Apollo Intelligent Technology (Beijing) Co.,Ltd.

Address before: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing

Patentee before: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd.

TR01 Transfer of patent right