CN109188419A - 障碍物速度的检测方法、装置、计算机设备及存储介质 - Google Patents

障碍物速度的检测方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN109188419A
CN109188419A CN201811042577.3A CN201811042577A CN109188419A CN 109188419 A CN109188419 A CN 109188419A CN 201811042577 A CN201811042577 A CN 201811042577A CN 109188419 A CN109188419 A CN 109188419A
Authority
CN
China
Prior art keywords
barrier
speed
velocity
probability
static
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
CN201811042577.3A
Other languages
English (en)
Other versions
CN109188419B (zh
Inventor
程凯
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 CN201811042577.3A priority Critical patent/CN109188419B/zh
Publication of CN109188419A publication Critical patent/CN109188419A/zh
Priority to JP2019162146A priority patent/JP6866443B2/ja
Priority to EP19195686.1A priority patent/EP3620969A1/en
Priority to US16/562,043 priority patent/US11226350B2/en
Application granted granted Critical
Publication of CN109188419B publication Critical patent/CN109188419B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
    • G01P3/64—Devices characterised by the determination of the time taken to traverse a fixed distance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/97—Determining parameters from multiple pictures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
    • G01P3/36—Devices characterised by the use of optical means, e.g. using infrared, visible, or ultraviolet light
    • G01P3/38—Devices characterised by the use of optical means, e.g. using infrared, visible, or ultraviolet light using photographic means
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/50—Systems of measurement based on relative movement of target
    • G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30261—Obstacle

Landscapes

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

Abstract

本发明实施例公开了一种障碍物速度的检测方法、装置、计算机设备及存储介质，所述方法包括：根据同一传感器在设定时间窗口内采集的多帧数据，采用多帧差分技术，计算与同一障碍物对应的至少两个实时障碍物速度；根据至少两个实时障碍物速度，计算与障碍物对应的至少两个速度统计量；按照速度统计量与静止概率之间的映射关系，将各速度统计量分别映射为对应的静止概率；将映射后得到的至少两个静止概率进行融合，得到障碍物的融合静止概率，并根据融合静止概率，确定障碍物的速度检测结果。本发明实施例的技术方案能够提高无人车系统检测障碍物速度的稳定性、可靠性和准确性。

Description

障碍物速度的检测方法、装置、计算机设备及存储介质
技术领域
本发明实施例涉及数据处理技术领域，尤其涉及一种障碍物速度的检测方法、装置、计算机设备及存储介质。
背景技术
近年来，随着传感器技术、控制系统以及人工智能技术的不断发展，无人驾驶车辆(后文简称为无人车)以及地面移动机器人取得了很大的发展。以无人车为例，在现实动态环境中，无人车需要在环境感知中能够稳定准确的检测出障碍物并识别出障碍物的速度，这对于路径规划建立运动模型可以起到很大的帮助，进而可以辅助无人车做出各种智能决策行为。
目前，在无人车系统中，检测障碍物的速度是一个关键问题，障碍物速度的检测结果对后续预测及决策控制提供了重要信息。而低速障碍物的速度检测是无人车系统中速度检测算法的难点问题，如果能稳定、准确地报出低速障碍物的速度信息，能够大幅提高行驶的安全性。传统方案主要通过单帧差分方法计算障碍物的速度信息，再通过速度阈值判断障碍物是否为静止状态。
发明人在实现本发明的过程中，发现现有技术存在如下缺陷：传统方案易受传感器噪声干扰，同时存在速度阈值选取问题，一旦速度阈值选取不合理即会产生无法报出低速，或报出虚假速度的问题，其稳定性及安全性均较差。
发明内容
本发明实施例提供一种障碍物速度的检测方法、装置、计算机设备及存储介质，从而提高无人车系统检测障碍物速度的稳定性、可靠性和准确性。
第一方面，本发明实施例提供了一种障碍物速度的检测方法，包括：
根据同一传感器在设定时间窗口内采集的多帧数据，采用多帧差分技术，计算与同一障碍物对应的至少两个实时障碍物速度；
根据所述至少两个实时障碍物速度，计算与所述障碍物对应的至少两个速度统计量；
按照速度统计量与静止概率之间的映射关系，将各所述速度统计量分别映射为对应的静止概率；
将映射后得到的至少两个静止概率进行融合，得到所述障碍物的融合静止概率，并根据所述融合静止概率，确定所述障碍物的速度检测结果。
第二方面，本发明实施例还提供了一种障碍物速度的检测装置，包括：
实时障碍物速度计算模块，用于根据同一传感器在设定时间窗口内采集的多帧数据，采用多帧差分技术，计算与同一障碍物对应的至少两个实时障碍物速度；
速度统计量计算模块，用于根据所述至少两个实时障碍物速度，计算与所述障碍物对应的至少两个速度统计量；
静止概率计算模块，用于按照速度统计量与静止概率之间的映射关系，将各所述速度统计量分别映射为对应的静止概率；
速度检测结果确定模块，用于将映射后得到的至少两个静止概率进行融合，得到所述障碍物的融合静止概率，并根据所述融合静止概率，确定所述障碍物的速度检测结果。
第三方面，本发明实施例还提供了一种计算机设备，所述计算机设备包括：
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，使得所述一个或多个处理器实现本发明任意实施例所提供的障碍物速度的检测方法。
第四方面，本发明实施例还提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所提供的障碍物速度的检测方法。
第五方面，本发明实施例还提供了一种车辆，包括车体，还包括本发明任意实施例所述的计算机设备，以及设置在车体上的传感器，其中，所述传感器用于检测周围环境中障碍物的实时障碍物速度。
本发明实施例通过根据同一传感器在设定时间窗口内采集的多帧数据，采用多帧差分技术，计算与同一障碍物对应的至少两个实时障碍物速度；根据至少两个实时障碍物速度，计算与障碍物对应的至少两个速度统计量；按照速度统计量与静止概率之间的映射关系，将各速度统计量分别映射为对应的静止概率；将映射后得到的至少两个静止概率进行融合得到障碍物的融合静止概率，最终根据融合静止概率确定障碍物的速度检测结果，实现通过传感器采集的多个实时障碍物速度来检测障碍物的速度，解决现有无人车系统在进行低速障碍物的速度检测时存在的稳定性及安全性较差的问题，从而提高无人车系统检测障碍物速度的稳定性、可靠性和准确性。
附图说明
图1是本发明实施例一提供的一种障碍物速度的检测方法的流程图；
图2是本发明实施例二提供的一种障碍物速度的检测装置的示意图；
图3为本发明实施例三提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明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本发明，而非对本发明的限定。
另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1是本发明实施例一提供的一种障碍物速度的检测方法的流程图，本实施例可适用于无人车系统准确检测低速障碍物的速度的情况，该方法可以由障碍物速度的检测装置来执行，该装置可以由软件和/或硬件的方式来实现，并一般可集成在计算机设备中。相应的，如图1所示，该方法包括如下操作：
S110、根据同一传感器在设定时间窗口内采集的多帧数据，采用多帧差分技术，计算与同一障碍物对应的至少两个实时障碍物速度。
其中，设定时间窗口可以是根据实际需求设定的，用于采集障碍物数据的时间长度。例如，设定时间窗口可以是30秒或1分钟。其中，障碍物数据可以是视频图像等可以反映障碍物运动情况的数据等，本发明实施例对此并不进行限制。多帧差分技术是用于检测运动目标的，在帧间差分技术的基础上进行扩展的技术。帧间差分技术是一种通过对视频图像序列中相邻两帧作差分运算来获得运动目标轮廓的方法，而多帧差分技术则是通过对视频图像序列中相隔设定数量的帧作差分运算来获得运动目标轮廓。其中，设定数量可以是3、4或5等，本发明实施例对此并不进行限制。实时障碍物速度可以是某一时间点对应的障碍物的速度。
在本发明实施例中，在使用传感器采集障碍物数据时，由于采用多帧差分技术对采集的数据进行分析测速，所以其对应的设定时间窗口需要满足数据采集条件。例如，如果多帧差分技术要求相邻5帧图像作差分运算，则设定时间窗口内最少能够采集6帧图像，才能利用多帧差分技术计算与同一障碍物对应的至少两个实时障碍物速度。
S120、根据所述至少两个实时障碍物速度，计算与所述障碍物对应的至少两个类型的速度统计量。
其中，速度统计量可以是根据实时障碍物速度计算得到的相关数据。在本发明的一个可选实施例中，速度统计量的类型可以包括：速度模值的方差、速度角度差的均值以及速度模值的二阶方差。其中，速度模值的方差可以是所有实时障碍物速度的模值所计算得到的方差，速度角度差可以是相邻两个实时障碍物速度夹角之间的差值，速度模值的二阶方差则可以是所有实时障碍物速度的模值所计算得到的二阶方差。
在本发明实施例中，可以根据计算得到的实时障碍物速度计算障碍物对应的至少两个类型的速度统计量。可选的，可以将速度模值的方差、速度角度差的均值以及速度模值的二阶方差作为三种不同的速度统计量。速度统计量可以用于计算障碍物对应的静止概率。
S130、按照速度统计量与静止概率之间的映射关系，将各所述速度统计量分别映射为对应的静止概率。
其中，静止概率可以是障碍物处于静止状态的概率。
相应的，可以利用速度统计量与静止概率之间的映射关系计算各种类型的速度统计量对应的静止概率。
在本发明的一个可选实施例中，所述速度统计量与静止概率之间的映射关系可以包括：
其中，v为速度统计量，P为静止概率，t与s为预先设定的映射参数。
其中，v为自变量，代表速度统计量，t与s均为预先设定的映射参数，可以是常数，其具体数值可以根据实际需求进行设定，本发明实施例并不对t与s的具体数值进行限定。
具体的，t可以是统计量阈值，当v小于t时返回的静止概率为0，说明完全信任障碍物当前为非静止状态。当v大于等于t时，返回概率值随v的增大而递增，说明障碍物的静止概率逐渐增加。s为控制静止概率随速度统计量上升的比例值，s值越小，概率值随统计量上升而上升的速度越快。
在本发明的一个可选实施例中，不同的速度统计量可以对应不同的映射参数；
其中，与速度模值的方差对应的t＞与速度角度差对应的t＞与速度模值的二阶方差对应的t；
与速度模值的方差对应的v＞与速度角度差对应的v＞与速度模值的二阶方差对应的v。
经实验表明，与速度模值的方差对应的速度统计量的t与s设置值均最大，与速度角度差的均值对应的速度统计量的t与s值次之，与速度模值的二阶方差对应的速度统计量的t与s阈值最小。相应的，与速度模值的方差对应的速度统计量的值也最大，与速度角度差的均值对应的速度统计量的值次之，与速度模值的二阶方差对应的速度统计量的值最小。
S140、将映射后得到的至少两个静止概率进行融合，得到所述障碍物的融合静止概率，并根据所述融合静止概率，确定所述障碍物的速度检测结果。
在本发明的一个可选实施例中，将映射后得到的至少两个静止概率进行融合，得到所述障碍物的静止概率，可以包括：
根据公式：
计算所述障碍物的融合静止概率Pfinal；
其中，其中，N为映射后得到的静止概率的总数量，Pi为与第i个速度统计量对应的静止概率。
其中，融合静止概率可以是对不同速度统计量对应的障碍物的静止概率按照一定规则进行融合后得到的新的静止概率。
相应的，在本发明实施例中，当获取不同类型的速度统计量对应的障碍物的静止概率后，可以利用上述公式计算障碍物的融合静止概率Pfinal。需要说明的是，在上述融合静止概率的计算公式中，各个速度统计量对应的静止概率所占的权重是相同的。
在本发明的一个可选实施例中，根据所述融合静止概率，确定所述障碍物的速度检测结果，可以包括：比较所述融合静止概率与概率阈值门限；如果所述融合静止概率大于等于所述概率阈值门限，则确定所述障碍物处于静止状态；如果所述融合静止概率小于所述概率阈值门限，则将计算得到的所述实时障碍物速度，确定为所述障碍物的速度。
其中，概率阈值门限可以是用于判断障碍物静止状态的概率值，其具体数值可以根据实际需求设定，本发明实施例对此并不进行限制。
在本发明实施例中，当得到障碍物的融合静止概率后，可以将融合静止概率与概率阈值门限进行对比以确定障碍物的速度检测结果。具体的，如果融合静止概率大于等于概率阈值门限，则确定障碍物处于静止状态；如果融合静止概率小于概率阈值门限，则将计算得到的实时障碍物速度，确定为障碍物的速度。需要说明的是，本发明实施例中的概率阈值与传统方法中的速度阈值不同，从障碍物静止概率的角度出发计算而非直接对障碍物速度的数值进行对比能够更准确地确定障碍物的速度检测结果。
本发明实施例通过根据同一传感器在设定时间窗口内采集的多帧数据，采用多帧差分技术，计算与同一障碍物对应的至少两个实时障碍物速度；根据至少两个实时障碍物速度，计算与障碍物对应的至少两个速度统计量；按照速度统计量与静止概率之间的映射关系，将各速度统计量分别映射为对应的静止概率；将映射后得到的至少两个静止概率进行融合得到障碍物的融合静止概率，最终根据融合静止概率确定障碍物的速度检测结果，实现通过传感器采集的多个实时障碍物速度来检测障碍物的速度，解决现有无人车系统在进行低速障碍物的速度检测时存在的稳定性及安全性较差的问题，从而提高无人车系统检测障碍物速度的稳定性、可靠性和准确性。
实施例二
图2是本发明实施例二提供的一种障碍物速度的检测装置的示意图，如图2所示，所述装置包括：实时障碍物速度计算模块210、速度统计量计算模块220、静止概率计算模块230以及速度检测结果确定模块230，其中：
实时障碍物速度计算模块210，用于根据同一传感器在设定时间窗口内采集的多帧数据，采用多帧差分技术，计算与同一障碍物对应的至少两个实时障碍物速度；
速度统计量计算模块220，用于根据所述至少两个实时障碍物速度，计算与所述障碍物对应的至少两个类型的速度统计量；
静止概率计算模块230，用于按照速度统计量与静止概率之间的映射关系，将各所述速度统计量分别映射为对应的静止概率；
速度检测结果确定模块240，用于将映射后得到的至少两个静止概率进行融合，得到所述障碍物的融合静止概率，并根据所述融合静止概率，确定所述障碍物的速度检测结果。
本发明实施例通过根据同一传感器在设定时间窗口内采集的多帧数据，采用多帧差分技术，计算与同一障碍物对应的至少两个实时障碍物速度；根据至少两个实时障碍物速度，计算与障碍物对应的至少两个速度统计量；按照速度统计量与静止概率之间的映射关系，将各速度统计量分别映射为对应的静止概率；将映射后得到的至少两个静止概率进行融合得到障碍物的融合静止概率，最终根据融合静止概率确定障碍物的速度检测结果，实现通过传感器采集的多个实时障碍物速度来检测障碍物的速度，解决现有无人车系统在进行低速障碍物的速度检测时存在的稳定性及安全性较差的问题，从而提高无人车系统检测障碍物速度的稳定性、可靠性和准确性。
可选的，所述速度统计量的类型包括：速度模值的方差、速度角度差的均值以及速度模值的二阶方差。
可选的，所述速度统计量与静止概率之间的映射关系包括：
其中，v为速度统计量，P为静止概率，t与s为预先设定的映射参数。
可选的，不同的速度统计量对应不同的映射参数；
其中，与速度模值的方差对应的t＞与速度角度差对应的t＞与速度模值的二阶方差对应的t；
与速度模值的方差对应的v＞与速度角度差对应的v＞与速度模值的二阶方差对应的v。
可选的，速度检测结果确定模块240，具体用于根据公式：
计算所述障碍物的融合静止概率Pfinal；
其中，其中，N为映射后得到的静止概率的总数量，Pi为与第i个速度统计量对应的静止概率。
可选的，速度检测结果确定模块240，具体用于比较所述融合静止概率与概率阈值门限；如果所述融合静止概率大于等于所述概率阈值门限，则确定所述障碍物处于静止状态；如果所述融合静止概率小于所述概率阈值门限，则将计算得到的所述实时障碍物速度，确定为所述障碍物的速度。
上述障碍物速度的检测装置可执行本发明任意实施例所提供的障碍物速度的检测方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任意实施例提供的障碍物速度的检测方法。
实施例三
图3为本发明实施例三提供的一种计算机设备的结构示意图。图3示出了适于用来实现本发明实施方式的计算机设备312的框图。图3显示的计算机设备312仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示，计算机设备312以通用计算设备的形式表现。计算机设备312的组件可以包括但不限于：一个或者多个处理器316，存储装置328，连接不同系统组件(包括存储装置328和处理器316)的总线318。
总线318表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
计算机设备312典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备312访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储装置328可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)330和/或高速缓存存储器332。计算机设备312可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统334可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线318相连。存储装置328可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块326的程序336，可以存储在例如存储装置328中，这样的程序模块326包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块326通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备312也可以与一个或多个外部设备314(例如键盘、指向设备、摄像头、显示器324等)通信，还可与一个或者多个使得用户能与该计算机设备312交互的设备通信，和/或与使得该计算机设备312能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口322进行。并且，计算机设备312还可以通过网络适配器320与一个或者多个网络(例如局域网(Local AreaNetwork，LAN)，广域网Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器320通过总线318与计算机设备312的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备312使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of IndependentDisks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器316通过运行存储在存储装置328中的程序，从而执行各种功能应用以及数据处理，例如实现本发明上述实施例所提供的障碍物速度的检测方法。
也即，所述处理单元执行所述程序时实现：根据同一传感器在设定时间窗口内采集的多帧数据，采用多帧差分技术，计算与同一障碍物对应的至少两个实时障碍物速度；根据所述至少两个实时障碍物速度，计算与所述障碍物对应的至少两个速度统计量；按照速度统计量与静止概率之间的映射关系，将各所述速度统计量分别映射为对应的静止概率；将映射后得到的至少两个静止概率进行融合，得到所述障碍物的融合静止概率，并根据所述融合静止概率，确定所述障碍物的速度检测结果。
通过所述计算机设备根据同一传感器在设定时间窗口内采集的多帧数据，采用多帧差分技术，计算与同一障碍物对应的至少两个实时障碍物速度；根据至少两个实时障碍物速度，计算与障碍物对应的至少两个类型的速度统计量；按照速度统计量与静止概率之间的映射关系，将各速度统计量分别映射为对应的静止概率；将映射后得到的至少两个静止概率进行融合得到障碍物的融合静止概率，最终根据融合静止概率确定障碍物的速度检测结果，实现通过传感器采集的多个实时障碍物速度来检测障碍物的速度，解决现有无人车系统在进行低速障碍物的速度检测时存在的稳定性及安全性较差的问题，从而提高无人车系统检测障碍物速度的稳定性、可靠性和准确性。
实施例四
本发明实施例四还提供一种存储计算机程序的计算机存储介质，所述计算机程序在由计算机处理器执行时用于执行本发明上述实施例任一所述的障碍物速度的检测方法：根据同一传感器在设定时间窗口内采集的多帧数据，采用多帧差分技术，计算与同一障碍物对应的至少两个实时障碍物速度；根据所述至少两个实时障碍物速度，计算与所述障碍物对应的至少两个类型的速度统计量；按照速度统计量与静止概率之间的映射关系，将各所述速度统计量分别映射为对应的静止概率；将映射后得到的至少两个静止概率进行融合，得到所述障碍物的融合静止概率，并根据所述融合静止概率，确定所述障碍物的速度检测结果。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(Read Only Memory，ROM)、可擦式可编程只读存储器((Erasable Programmable ReadOnly Memory，EPROM)或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、射频(Radio Frequency，RF)等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言-诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)-连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
实施例五
在上述各实施例的基础上，本发明实施例提供了一种车辆，包括车体，还包括如本发明任一实施例所述的计算机设备，以及设置在车体上的传感器，其中，所述传感器用于检测周围环境中障碍物的实时障碍物速度。
典型的，所述传感器可以包括毫米波雷达或激光雷达。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (11)

1.一种障碍物速度的检测方法，其特征在于，包括：
根据同一传感器在设定时间窗口内采集的多帧数据，采用多帧差分技术，计算与同一障碍物对应的至少两个实时障碍物速度；
根据所述至少两个实时障碍物速度，计算与所述障碍物对应的至少两个类型的速度统计量；
按照速度统计量与静止概率之间的映射关系，将各所述速度统计量分别映射为对应的静止概率；
将映射后得到的至少两个静止概率进行融合，得到所述障碍物的融合静止概率，并根据所述融合静止概率，确定所述障碍物的速度检测结果。
2.根据权利要求1所述的方法，其特征在于，所述速度统计量的类型包括：速度模值的方差、速度角度差的均值以及速度模值的二阶方差。
3.根据权利要求1或2所述的方法，其特征在于，所述速度统计量与静止概率之间的映射关系包括：
其中，v为速度统计量，P为静止概率，t与s为预先设定的映射参数。
4.根据权利要求3所述的方法，其特征在于，不同的速度统计量对应不同的映射参数；
其中，与速度模值的方差对应的t>与速度角度差对应的t>与速度模值的二阶方差对应的t；
与速度模值的方差对应的v>与速度角度差对应的v>与速度模值的二阶方差对应的v。
5.根据权利要求2所述的方法，其特征在于，将映射后得到的至少两个静止概率进行融合，得到所述障碍物的静止概率，包括：
根据公式：
计算所述障碍物的融合静止概率Pfinal；
其中，其中，N为映射后得到的静止概率的总数量，Pi为与第i个速度统计量对应的静止概率。
6.根据权利要求1所述的方法，其特征在于，根据所述融合静止概率，确定所述障碍物的速度检测结果，包括：
比较所述融合静止概率与概率阈值门限；
如果所述融合静止概率大于等于所述概率阈值门限，则确定所述障碍物处于静止状态；如果所述融合静止概率小于所述概率阈值门限，则将计算得到的所述实时障碍物速度，确定为所述障碍物的速度。
7.一种障碍物速度的检测装置，其特征在于，包括：
实时障碍物速度计算模块，用于根据同一传感器在设定时间窗口内采集的多帧数据，采用多帧差分技术，计算与同一障碍物对应的至少两个实时障碍物速度；
速度统计量计算模块，用于根据所述至少两个实时障碍物速度，计算与所述障碍物对应的至少两个速度统计量；
静止概率计算模块，用于按照速度统计量与静止概率之间的映射关系，将各所述速度统计量分别映射为对应的静止概率；
速度检测结果确定模块，用于将映射后得到的至少两个静止概率进行融合，得到所述障碍物的融合静止概率，并根据所述融合静止概率，确定所述障碍物的速度检测结果。
8.根据权利要求7所述的装置，其特征在于，所述速度统计量的类型包括：速度模值的方差、速度角度差的均值以及速度模值的二阶方差。
9.一种计算机设备，其特征在于，所述设备包括：
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，使得所述一个或多个处理器实现如权利要求1-6中任一所述的障碍物速度的检测方法。
10.一种计算机存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的障碍物速度的检测方法。
11.一种车辆，包括车体，其特征在于，还包括权利要求9所述的计算机设备，以及设置在车体上的传感器，其中，所述传感器用于检测周围环境中障碍物的实时障碍物速度。
CN201811042577.3A 2018-09-07 2018-09-07 障碍物速度的检测方法、装置、计算机设备及存储介质 Active CN109188419B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201811042577.3A CN109188419B (zh) 2018-09-07 2018-09-07 障碍物速度的检测方法、装置、计算机设备及存储介质
JP2019162146A JP6866443B2 (ja) 2018-09-07 2019-09-05 障害物速度の検出方法、障害物速度の検出装置、コンピュータ機器、記憶媒体及び車両
EP19195686.1A EP3620969A1 (en) 2018-09-07 2019-09-05 Method and device for detecting obstacle speed, computer device, and storage medium
US16/562,043 US11226350B2 (en) 2018-09-07 2019-09-05 Method and device for detecting obstacle speed, computer device, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811042577.3A CN109188419B (zh) 2018-09-07 2018-09-07 障碍物速度的检测方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN109188419A true CN109188419A (zh) 2019-01-11
CN109188419B CN109188419B (zh) 2021-06-15

Family

ID=64915264

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811042577.3A Active CN109188419B (zh) 2018-09-07 2018-09-07 障碍物速度的检测方法、装置、计算机设备及存储介质

Country Status (4)

Country Link
US (1) US11226350B2 (zh)
EP (1) EP3620969A1 (zh)
JP (1) JP6866443B2 (zh)
CN (1) CN109188419B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109814576A (zh) * 2019-02-22 2019-05-28 百度在线网络技术（北京）有限公司 自动驾驶车辆的速度规划方法、装置和存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114407916B (zh) * 2021-12-16 2024-01-23 阿波罗智联(北京)科技有限公司 车辆控制及模型训练方法、装置、车辆、设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102447870A (zh) * 2010-09-30 2012-05-09 宝利微电子系统控股公司 静止物体检测方法和运动补偿装置
WO2013058428A1 (ko) * 2011-10-18 2013-04-25 메타빌드 주식회사 레이더를 이용한 멀티 모드 장애물 감지 방법 및 그 장치
US20150331111A1 (en) * 2012-04-02 2015-11-19 The Chancellor Masters And Scholars Of The University Of Oxford Method For Localizing A Vehicle Equipped With Two Lidar Systems
CN106597427A (zh) * 2016-11-22 2017-04-26 上海无线电设备研究所 一种超高速目标探测方法
CN108470174A (zh) * 2017-02-23 2018-08-31 百度在线网络技术（北京）有限公司 障碍物分割方法及装置、计算机设备及可读介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05314262A (ja) * 1992-05-14 1993-11-26 N T T Data Tsushin Kk 移動物体の移動ベクトル抽出装置
JPH10206442A (ja) * 1997-01-21 1998-08-07 Nippon Telegr & Teleph Corp <Ntt> 時系列画像動き信頼度計測方法および装置
JP2006268097A (ja) * 2005-03-22 2006-10-05 Nissan Motor Co Ltd 車載物体検出装置、および物体検出方法
US8393891B2 (en) 2006-09-18 2013-03-12 General Electric Company Distributed-jet combustion nozzle
US9255989B2 (en) * 2012-07-24 2016-02-09 Toyota Motor Engineering & Manufacturing North America, Inc. Tracking on-road vehicles with sensors of different modalities
JP6136543B2 (ja) * 2013-05-01 2017-05-31 村田機械株式会社 自律移動体
KR101439052B1 (ko) * 2013-09-05 2014-09-05 현대자동차주식회사 장애물 검출 장치 및 방법
WO2018011964A1 (ja) * 2016-07-15 2018-01-18 三菱電機株式会社 移動物体検出装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102447870A (zh) * 2010-09-30 2012-05-09 宝利微电子系统控股公司 静止物体检测方法和运动补偿装置
WO2013058428A1 (ko) * 2011-10-18 2013-04-25 메타빌드 주식회사 레이더를 이용한 멀티 모드 장애물 감지 방법 및 그 장치
US20150331111A1 (en) * 2012-04-02 2015-11-19 The Chancellor Masters And Scholars Of The University Of Oxford Method For Localizing A Vehicle Equipped With Two Lidar Systems
CN106597427A (zh) * 2016-11-22 2017-04-26 上海无线电设备研究所 一种超高速目标探测方法
CN108470174A (zh) * 2017-02-23 2018-08-31 百度在线网络技术（北京）有限公司 障碍物分割方法及装置、计算机设备及可读介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
DONGXIANG ZHOU ET AL.: "Modified GMM Background Modeling and Optical Flow for Detection of Moving Objects", 《2005 IEEE INTERNATIONAL CONFERENCE ON SYSTEMS, MAN AND CYBERNETICS》 *
张建勋等: "图像多特征融合的障碍物检测", 《重庆理工大学学报(自然科学)》 *
杨飞等: "基于三维激光雷达的动态障碍实时检测与跟踪", 《浙江大学学报（工学版）》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109814576A (zh) * 2019-02-22 2019-05-28 百度在线网络技术（北京）有限公司 自动驾驶车辆的速度规划方法、装置和存储介质
CN109814576B (zh) * 2019-02-22 2022-01-28 百度在线网络技术（北京）有限公司 自动驾驶车辆的速度规划方法、装置和存储介质

Also Published As

Publication number Publication date
US20200081024A1 (en) 2020-03-12
CN109188419B (zh) 2021-06-15
JP6866443B2 (ja) 2021-04-28
JP2020042029A (ja) 2020-03-19
US11226350B2 (en) 2022-01-18
EP3620969A1 (en) 2020-03-11

Similar Documents

Publication Publication Date Title
CN108983213A (zh) 障碍物静止状态的确定方法、装置、设备及存储介质
US10002309B2 (en) Real-time object analysis with occlusion handling
CN109145680A (zh) 一种获取障碍物信息的方法、装置、设备和计算机存储介质
US9971942B2 (en) Object detection in crowded scenes using context-driven label propagation
CN109116374A (zh) 确定障碍物距离的方法、装置、设备及存储介质
CN102789642A (zh) 消失方向确定方法和装置、摄像机自标定方法和装置
US20210056365A1 (en) Object detection based on machine learning combined with physical attributes and movement patterns detection
CN107450511B (zh) 评估车辆控制模型的方法、装置、设备和计算机存储介质
US20160093046A1 (en) Apparatus and method for supporting computer aided diagnosis
US11921212B2 (en) Long range lidar-based speed estimation
CN105308618A (zh) 借助于并行检测和跟踪和/或分组特征运动移位跟踪的人脸识别
CN109188419A (zh) 障碍物速度的检测方法、装置、计算机设备及存储介质
US20230169686A1 (en) Joint Environmental Reconstruction and Camera Calibration
US9613272B2 (en) Image analyzing device, image analyzing method, and recording medium storing image analyzing program
CN110207643B (zh) 折叠角度检测方法、装置、终端及存储介质
CN114449439B (zh) 一种地下管廊空间的定位方法及装置
US9582896B2 (en) Line tracking with automatic model initialization by graph matching and cycle detection
KR101470367B1 (ko) 이중층 파티클 필터를 이용한 다중 객체 검출 및 추적 장치와 그 방법
CN112651535A (zh) 局部路径规划方法、装置、存储介质、电子设备及车辆
CN109740632A (zh) 基于多传感器多被测对象的相似度模型训练方法和装置
Elassal et al. Unsupervised crowd counting
US20180289252A1 (en) Early Prediction of Hypertensive Retinopathy
CN113537026A (zh) 建筑平面图中的图元检测方法、装置、设备及介质
CN116989975A (zh) 基于深度学习的洞体漏冷检测方法及系统
KR102388335B1 (ko) 샴 랜덤 포레스트를 이용한 다수 객체 추적 방법 및 장치

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: 20211013

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