CN109270524A - 基于无人驾驶的多数据融合障碍物检测装置及其检测方法 - Google Patents
基于无人驾驶的多数据融合障碍物检测装置及其检测方法 Download PDFInfo
- Publication number
- CN109270524A CN109270524A CN201811224524.3A CN201811224524A CN109270524A CN 109270524 A CN109270524 A CN 109270524A CN 201811224524 A CN201811224524 A CN 201811224524A CN 109270524 A CN109270524 A CN 109270524A
- Authority
- CN
- China
- Prior art keywords
- obstacle information
- obstacle
- fusion
- model
- module
- 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
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 60
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 230000004888 barrier function Effects 0.000 claims abstract description 46
- 238000013480 data collection Methods 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 7
- 239000003153 chemical reaction reagent Substances 0.000 claims description 3
- 238000012360 testing method Methods 0.000 description 7
- 230000003068 static effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 239000012491 analyte Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G01S13/86—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
-
- 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
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)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种基于无人驾驶的多数据融合障碍物检测装置及其检测方法，其中检测装置包括：判断模型，其通过车辆驾驶过程中各种障碍物情况的样本数据收集并训练得到；设置在车辆上的障碍物融合模块，其由多个传感器和融合模块组成；多个所述传感器获取所述障碍物融合模块覆盖区域内的障碍物信息，所述融合模块将所述障碍物信息融合后发送至所述判断模型内进行学习，并将所述判断模型判定的障碍物信息作为最终的障碍物结果发送至所述车辆的驾驶系统。其保证了障碍物检测的鲁棒性，使得无人驾驶汽车更加安全可靠。
Description
技术领域
本发明涉及无人驾驶技术领域，尤其涉及一种基于无人驾驶的多数据融合障碍物检测装置及其检测方法。
背景技术
随着人们对汽车智能化要求的不断提高,无人驾驶汽车作为智能驾驶的核心成为了人们最为关注的技术。而障碍物识别是实现自动驾驶的最基本的条件，如果检测结果不好，可能会导致碰撞的事故，因而，障碍物融合作为障碍物输出给规划和控制模块，必须能够很鲁棒，才能够适应各种传感器输出的误差，甚至是错误，以保证无人驾驶时的安全。
发明内容
本发明针对现有技术中存在的上述问题，提供一种基于无人驾驶的多数据融合障碍物检测装置，保证了障碍物检测的鲁棒性，使得无人驾驶汽车更加安全可靠。
为实现上述目的和一些其他的目的，本发明采用如下技术方案：
一种基于无人驾驶的多数据融合障碍物检测装置，包括：
判断模型，其通过车辆驾驶过程中各种障碍物情况的样本数据收集并训练得到；
设置在车辆上的障碍物融合模块，其由多个传感器和融合模块组成；多个所述传感器获取所述障碍物融合模块覆盖区域内的障碍物信息，所述融合模块将所述障碍物信息融合后发送至所述判断模型内进行学习，并将所述判断模型判定的障碍物信息作为最终的障碍物结果发送至所述车辆的驾驶系统。
优选的是，所述的基于无人驾驶的多数据融合障碍物检测装置中，所述传感器包括雷达传感器、视觉传感器和激光传感器。
优选的是，所述的基于无人驾驶的多数据融合障碍物检测装置中，所述融合模块内设置有3D模型生成模块、调取模块和分析模块；所述3D模型生成模块用于依据行驶位置生成试剂行驶道路的3D模型；所述调取模块连接于所述传感器，以将由所述传感器获取的障碍物信息投影到所述3D模型上，所述分析模块与所述3D模型生成模块和调取模块分别连接，所述分析模块对投影到所述3D模型上的障碍物信息进行删除和合并后，形成融合的障碍物信息。
优选的是，所述的基于无人驾驶的多数据融合障碍物检测装置中，所述分析模块对投影到所述3D模型上的障碍物信息进行删除和合并的依据为：
对单独投影到所述3D模型任一位置的障碍物信息进行删除；以及
对投影到所述3D模型同一位置的多个障碍物信息进行合并。
一种基于无人驾驶的多数据融合障碍物检测装置的检测方法，主要包括以下步骤：
步骤A、通过车辆驾驶过程中各种障碍物情况的样本数据收集并训练得到判断模型；
步骤B、通过多个传感器获取所述传感器覆盖区域内的障碍物信息；
步骤C、将多个所述传感器获取的障碍物信息进行融合，得到融合的障碍物信息；
步骤D、将步骤C得到的融合的障碍物信息输入判断模型内，经判断模型学习后的结果作为最终的障碍物结果发送至车辆的驾驶系统。
优选的是，所述的基于无人驾驶的多数据融合障碍物检测装置的检测方法中，多个所述传感器包括：雷达传感器、视觉传感器和激光传感器。
优选的是，所述的基于无人驾驶的多数据融合障碍物检测装置的检测方法中，步骤C中将多个所述传感器获取的障碍物信息进行融合的方法具体包括以下步骤：
步骤a、依据行驶位置设置实际行驶道路的3D模型；
步骤b、将多个所述传感器获取的障碍物信息投影至所述3D模型上；
步骤c、对单独投影在所述3D模型任一位置的障碍物信息进行删除；
步骤d、将剩余的投影在3D模型同一位置的障碍物信息分别合并，合并后的障碍物信息的集合即为所述融合的障碍物信息。
优选的是，所述的基于无人驾驶的多数据融合障碍物检测装置的检测方法中，所述障碍物信息投影至所述3D模型的俯视图上。
本发明至少包括以下有益效果：
本发明所述的基于无人驾驶的多数据融合障碍物检测装置中，由于有多个传感器的互相对照，可以完全忽略某一个传感器发生问题的情况，使得整体方案更加的稳定，与传统方法接入所有输入，使用所有信息，虽然大部分情况下可以工作的很好，但是当系统发生某种未知故障时候，可能会出现比较大的故障，与传统方法比，该方法鲁棒性比较高，不需要人为的设置先验。
本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1是本发明所述的基于无人驾驶的多数据融合障碍物检测装置的检测方法流程图；
图2是本发明所述的基于无人驾驶的多数据融合障碍物检测装置的检测方法的网络结构图。
具体实施方式
下面结合附图对本发明做详细说明，以令本领域普通技术人员参阅本说明书后能够据以实施。
一种基于无人驾驶的多数据融合障碍物检测装置，包括：判断模型，其通过车辆驾驶过程中各种障碍物情况的样本数据收集并训练得到；
设置在车辆上的障碍物融合模块，其由多个传感器和融合模块组成；多个所述传感器获取所述障碍物融合模块覆盖区域内的障碍物信息，所述融合模块将所述障碍物信息融合后发送至所述判断模型内进行学习，并将所述判断模型判定的障碍物信息作为最终的障碍物结果发送至所述车辆的驾驶系统。
在上述方案中，车辆在行驶过程中，通过车辆上安装的障碍物融合模块中的多个传感器持续的对周围环境中的障碍物进行检测，然后通过将检测的障碍物信息在融合模块内融合，并经过判断模型的判断后，输出最终的障碍物结果，以供无人驾驶车辆根据周遭的障碍物情况进行驾驶状态的选择。
通过多个传感器的设置使得检测结果的准确度大大提高，且在其中一个传感器发生误检或者漏召回的情况下对整体检测结果的准确度的影响较小，提高了无人驾驶的安全性和可靠性。
一个优选方案中，所述传感器包括雷达传感器、视觉传感器和激光传感器。
在上述方案中，雷达传感器对于障碍物的检测没有物体的大小信息，只有位置和速度信息，同一个车可能会有多个雷达传感器的结果返回，视觉传感器对于障碍物的检测有速度、位置以及车尾部大小等信息，但是位置和速度不是很准确，激光传感器对障碍物的检测有位置、大小以及速度等信息，比较稳定和准确，但是没有办法区分静态场景和静止的障碍物，比如路缘石或静止的车辆等，因而通过将障碍物融合模块内的传感器设置为雷达传感器、视觉传感器和激光传感器的组合能够互相取长补短，使得最终输出的检测结果的准确度大大提高。
一个优选方案中，所述融合模块内设置有3D模型生成模块、调取模块和分析模块；所述3D模型生成模块用于依据行驶位置生成试剂行驶道路的3D模型；所述调取模块连接于所述传感器，以将由所述传感器获取的障碍物信息投影到所述3D模型上，所述分析模块与所述3D模型生成模块和调取模块分别连接，所述分析模块对投影到所述3D模型上的障碍物信息进行删除和合并后，形成融合的障碍物信息。
在上述方案中，通过3D模型生成模块、调取模块和分析模块设置，使得所述障碍物融合模块能够根据车辆行驶的真实场景生成3D模型，从而使得各个传感器检测的结果落在对应于真实行驶场景的3D模型内才进一步对检测的各个障碍物信息进行处理，使得融合的障碍物信息依据真实行驶场景得到，进一步保证了输出的结果的准确性。
一个优选方案中，所述分析模块对投影到所述3D模型上的障碍物信息进行删除和合并的依据为：对单独投影到所述3D模型任一位置的障碍物信息进行删除；以及
对投影到所述3D模型同一位置的多个障碍物信息进行合并。
在上述方案中，通过将单独投影到任一位置的障碍物信息删除，剔除了个别传感器发生误检或漏召回对检测结果的准确度的影响，通过对落在同一位置的多个障碍物信息进行合并，使得各个传感器的检测数据取长补短相互补充，使得对各个障碍物的状态判断更加准确，且减少了融合后的障碍物信息放入判断模型学习的数据处理量，提高了检测结果的输出速率。
如图1和图2所示，一种基于无人驾驶的多数据融合障碍物检测装置的检测方法，主要包括以下步骤：
步骤A、通过车辆驾驶过程中各种障碍物情况的样本数据收集并训练得到判断模型；
步骤B、通过多个传感器获取所述传感器覆盖区域内的障碍物信息；
步骤C、将多个所述传感器获取的障碍物信息进行融合，得到融合的障碍物信息；
步骤D、将步骤C得到的融合的障碍物信息输入判断模型内，经判断模型学习后的结果作为最终的障碍物结果发送至车辆的驾驶系统。
在上述方案中，车辆在行驶过程中，通过车辆上安装的障碍物融合模块中的多个传感器持续的对周围环境中的障碍物进行检测，然后通过将检测的障碍物信息在融合模块内融合，并经过判断模型的判断后，输出最终的障碍物结果，以供无人驾驶车辆根据周遭的障碍物情况进行驾驶状态的选择。
判断模型通过车辆驾驶过程中各种障碍物情况的样本数据收集并训练得到，使得得到的判断模型涵盖车辆在行驶过程中大部分障碍物状态的情况，因而在障碍物信息融合后在所述判断模型中进行学习进一步提高了障碍物判断的准确度。
通过多个传感器的设置使得检测结果的准确度大大提高，且在其中一个传感器发生误检或者漏召回的情况下对整体检测结果的准确度的影响较小，提高了无人驾驶的安全性和可靠性。
一个优选方案中，多个所述传感器包括：雷达传感器、视觉传感器和激光传感器。
在上述方案中，雷达传感器对于障碍物的检测没有物体的大小信息，只有位置和速度信息，同一个车可能会有多个雷达传感器的结果返回，视觉传感器对于障碍物的检测有速度、位置以及车尾部大小等信息，但是位置和速度不是很准确，激光传感器对障碍物的检测有位置、大小以及速度等信息，比较稳定和准确，但是没有办法区分静态场景和静止的障碍物，比如路缘石或静止的车辆等，因而通过将障碍物融合模块内的传感器设置为雷达传感器、视觉传感器和激光传感器的组合能够互相取长补短，使得最终输出的检测结果包含车辆周围障碍物的大小、位置以及速度等信息，准确度大大提高。
一个优选方案中，步骤C中将多个所述传感器获取的障碍物信息进行融合的方法具体包括以下步骤：
步骤a、依据行驶位置设置实际行驶道路的3D模型；
步骤b、将多个所述传感器获取的障碍物信息投影至所述3D模型上；
步骤c、对单独投影在所述3D模型任一位置的障碍物信息进行删除；
步骤d、将剩余的投影在3D模型同一位置的障碍物信息分别合并，合并后的障碍物信息的集合即为所述融合的障碍物信息。
在上述方案中，所述的障碍物信息进行融合的方法使得所有的障碍物都需要互相对照，在多个传感器覆盖的区域，我们通过学习一个模型来判定是否要输出最终的障碍物，输入为多元传感器的输入，并投影到依据真实行驶场景生成的3D模型上，并最终通过在判断模型中的学习来判定是否应该输出某个障碍物，保证了输出结果的准确性，提高了无人驾驶的安全性和可靠性。
一个优选方案中，所述障碍物信息投影至所述3D模型的俯视图上。
在上述方案中，障碍物信息投影至3D模型的俯视图上更加直观，便于后续相关人员对输出结果的核定，以利于对所述检测方法进行改进。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里所示出与描述的图例。
Claims (8)
1.一种基于无人驾驶的多数据融合障碍物检测装置，其中，包括：
判断模型，其通过车辆驾驶过程中各种障碍物情况的样本数据收集并训练得到；
设置在车辆上的障碍物融合模块，其由多个传感器和融合模块组成；多个所述传感器获取所述障碍物融合模块覆盖区域内的障碍物信息，所述融合模块将所述障碍物信息融合后发送至所述判断模型内进行学习，并将所述判断模型判定的障碍物信息作为最终的障碍物结果发送至所述车辆的驾驶系统。
2.如权利要求1所述的基于无人驾驶的多数据融合障碍物检测装置，其中，所述传感器包括雷达传感器、视觉传感器和激光传感器。
3.如权利要求1所述的基于无人驾驶的多数据融合障碍物检测装置，其中，所述融合模块内设置有3D模型生成模块、调取模块和分析模块；所述3D模型生成模块用于依据行驶位置生成试剂行驶道路的3D模型；所述调取模块连接于所述传感器，以将由所述传感器获取的障碍物信息投影到所述3D模型上，所述分析模块与所述3D模型生成模块和调取模块分别连接，所述分析模块对投影到所述3D模型上的障碍物信息进行删除和合并后，形成融合的障碍物信息。
4.如权利要求1所述的基于无人驾驶的多数据融合障碍物检测装置，其中，所述分析模块对投影到所述3D模型上的障碍物信息进行删除和合并的依据为：
对单独投影到所述3D模型任一位置的障碍物信息进行删除；以及
对投影到所述3D模型同一位置的多个障碍物信息进行合并。
5.一种如权利要求1所述的基于无人驾驶的多数据融合障碍物检测装置的检测方法，其中，主要包括以下步骤：
步骤A、通过车辆驾驶过程中各种障碍物情况的样本数据收集并训练得到判断模型；
步骤B、通过多个传感器获取所述传感器覆盖区域内的障碍物信息；
步骤C、将多个所述传感器获取的障碍物信息进行融合，得到融合的障碍物信息；
步骤D、将步骤C得到的融合的障碍物信息输入判断模型内，经判断模型学习后的结果作为最终的障碍物结果发送至车辆的驾驶系统。
6.如权利要求5所述的基于无人驾驶的多数据融合障碍物检测装置的检测方法，其中，多个所述传感器包括：雷达传感器、视觉传感器和激光传感器。
7.如权利要求5所述的基于无人驾驶的多数据融合障碍物检测装置的检测方法，其中，步骤C中将多个所述传感器获取的障碍物信息进行融合的方法具体包括以下步骤：
步骤a、依据行驶位置设置实际行驶道路的3D模型；
步骤b、将多个所述传感器获取的障碍物信息投影至所述3D模型上；
步骤c、对单独投影在所述3D模型任一位置的障碍物信息进行删除；
步骤d、将剩余的投影在3D模型同一位置的障碍物信息分别合并，合并后的障碍物信息的集合即为所述融合的障碍物信息。
8.如权利要求7所述的基于无人驾驶的多数据融合障碍物检测装置的检测方法，其中，所述障碍物信息投影至所述3D模型的俯视图上。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811224524.3A CN109270524B (zh) | 2018-10-19 | 2018-10-19 | 基于无人驾驶的多数据融合障碍物检测装置及其检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811224524.3A CN109270524B (zh) | 2018-10-19 | 2018-10-19 | 基于无人驾驶的多数据融合障碍物检测装置及其检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109270524A true CN109270524A (zh) | 2019-01-25 |
| CN109270524B CN109270524B (zh) | 2020-04-07 |
Family
ID=65193116
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811224524.3A Active CN109270524B (zh) | 2018-10-19 | 2018-10-19 | 基于无人驾驶的多数据融合障碍物检测装置及其检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109270524B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110333517A (zh) * | 2019-07-11 | 2019-10-15 | 腾讯科技（深圳）有限公司 | 障碍物感知方法、装置及存储介质 |
| CN110412986A (zh) * | 2019-08-19 | 2019-11-05 | 中车株洲电力机车有限公司 | 一种车辆障碍物检测方法及系统 |
| WO2020164237A1 (zh) * | 2019-02-13 | 2020-08-20 | 北京百度网讯科技有限公司 | 用于驾驶控制的方法、装置、设备、介质和系统 |
| CN112924960A (zh) * | 2021-01-29 | 2021-06-08 | 重庆长安汽车股份有限公司 | 目标尺寸实时检测方法、系统、车辆及存储介质 |
| CN113963327A (zh) * | 2021-09-06 | 2022-01-21 | 阿波罗智能技术(北京)有限公司 | 障碍物检测方法、装置、自动驾驶车辆、设备和存储介质 |
| CN114003036A (zh) * | 2021-10-28 | 2022-02-01 | 广州赛特智能科技有限公司 | 机器人避障控制方法、装置、设备和介质 |
| CN116453087A (zh) * | 2023-03-30 | 2023-07-18 | 无锡物联网创新中心有限公司 | 一种数据闭环的自动驾驶障碍物检测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105866779A (zh) * | 2016-04-06 | 2016-08-17 | 浙江大学 | 基于双目相机与毫米波雷达的可穿戴避障装置及避障方法 |
| CN107783548A (zh) * | 2016-08-25 | 2018-03-09 | 大连楼兰科技股份有限公司 | 基于多传感器信息融合技术的数据处理方法 |
| CN107909010A (zh) * | 2017-10-27 | 2018-04-13 | 北京中科慧眼科技有限公司 | 一种道路障碍物检测方法与装置 |
| CN108073169A (zh) * | 2016-11-07 | 2018-05-25 | 本田技研工业株式会社 | 车辆控制系统、车辆控制方法及存储车辆控制程序的介质 |
| CN108345008A (zh) * | 2017-01-23 | 2018-07-31 | 郑州宇通客车股份有限公司 | 一种目标物检测方法、点云数据提取方法及装置 |
| CN108646739A (zh) * | 2018-05-14 | 2018-10-12 | 北京智行者科技有限公司 | 一种传感信息融合方法 |
-
2018
- 2018-10-19 CN CN201811224524.3A patent/CN109270524B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105866779A (zh) * | 2016-04-06 | 2016-08-17 | 浙江大学 | 基于双目相机与毫米波雷达的可穿戴避障装置及避障方法 |
| CN107783548A (zh) * | 2016-08-25 | 2018-03-09 | 大连楼兰科技股份有限公司 | 基于多传感器信息融合技术的数据处理方法 |
| CN108073169A (zh) * | 2016-11-07 | 2018-05-25 | 本田技研工业株式会社 | 车辆控制系统、车辆控制方法及存储车辆控制程序的介质 |
| CN108345008A (zh) * | 2017-01-23 | 2018-07-31 | 郑州宇通客车股份有限公司 | 一种目标物检测方法、点云数据提取方法及装置 |
| CN107909010A (zh) * | 2017-10-27 | 2018-04-13 | 北京中科慧眼科技有限公司 | 一种道路障碍物检测方法与装置 |
| CN108646739A (zh) * | 2018-05-14 | 2018-10-12 | 北京智行者科技有限公司 | 一种传感信息融合方法 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020164237A1 (zh) * | 2019-02-13 | 2020-08-20 | 北京百度网讯科技有限公司 | 用于驾驶控制的方法、装置、设备、介质和系统 |
| CN110333517A (zh) * | 2019-07-11 | 2019-10-15 | 腾讯科技（深圳）有限公司 | 障碍物感知方法、装置及存储介质 |
| CN110333517B (zh) * | 2019-07-11 | 2022-11-25 | 腾讯科技（深圳）有限公司 | 障碍物感知方法、装置及存储介质 |
| CN110412986A (zh) * | 2019-08-19 | 2019-11-05 | 中车株洲电力机车有限公司 | 一种车辆障碍物检测方法及系统 |
| CN112924960A (zh) * | 2021-01-29 | 2021-06-08 | 重庆长安汽车股份有限公司 | 目标尺寸实时检测方法、系统、车辆及存储介质 |
| CN112924960B (zh) * | 2021-01-29 | 2023-07-18 | 重庆长安汽车股份有限公司 | 目标尺寸实时检测方法、系统、车辆及存储介质 |
| CN113963327A (zh) * | 2021-09-06 | 2022-01-21 | 阿波罗智能技术(北京)有限公司 | 障碍物检测方法、装置、自动驾驶车辆、设备和存储介质 |
| CN113963327B (zh) * | 2021-09-06 | 2023-09-08 | 阿波罗智能技术(北京)有限公司 | 障碍物检测方法、装置、自动驾驶车辆、设备和存储介质 |
| CN114003036A (zh) * | 2021-10-28 | 2022-02-01 | 广州赛特智能科技有限公司 | 机器人避障控制方法、装置、设备和介质 |
| CN116453087A (zh) * | 2023-03-30 | 2023-07-18 | 无锡物联网创新中心有限公司 | 一种数据闭环的自动驾驶障碍物检测方法 |
| CN116453087B (zh) * | 2023-03-30 | 2023-10-20 | 无锡物联网创新中心有限公司 | 一种数据闭环的自动驾驶障碍物检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109270524B (zh) | 2020-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109270524A (zh) | 基于无人驾驶的多数据融合障碍物检测装置及其检测方法 | |
| WO2022141910A1 (zh) | 一种基于行车安全风险场的车路激光雷达点云动态分割及融合方法 | |
| CN114384920B (zh) | 一种基于局部栅格地图实时构建的动态避障方法 | |
| CN109213126B (zh) | 自动驾驶汽车测试系统和方法 | |
| CN108052097A (zh) | 用于训练异构感测系统的方法和异构感测系统 | |
| CN108569295A (zh) | 用于环境检测的方法和系统 | |
| EP3477616A1 (en) | Method for controlling a vehicle using a machine learning system | |
| CN106598053B (zh) | 一种自动驾驶车辆横向运动控制对象选择方法 | |
| CN113313154A (zh) | 一体化融合多传感器自动驾驶智能感知装置 | |
| CN108780154A (zh) | 3d点云的处理方法 | |
| CN110531376A (zh) | 用于港口无人驾驶车辆的障碍物检测和跟踪方法 | |
| US20130079990A1 (en) | Road-terrain detection method and system for driver assistance systems | |
| CN108106617A (zh) | 一种无人机自动避障方法 | |
| CN115662166B (zh) | 一种自动驾驶数据处理方法及自动驾驶交通系统 | |
| CN110371123A (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
| CN110083099A (zh) | 一种符合汽车功能安全标准自动驾驶架构系统和工作方法 | |
| CN106840177A (zh) | 汽车同步建图与障碍识别方法 | |
| CN111796287A (zh) | 一种自动驾驶汽车道路数据采集分析装置 | |
| Heckman et al. | Potential negative obstacle detection by occlusion labeling | |
| CN112477533A (zh) | 设施农业路轨两用运输机器人 | |
| Fernandes et al. | Intelligent robotic car for autonomous navigation: Platform and system architecture | |
| Shangguan et al. | Interactive perception-based multiple object tracking via CVIS and AV | |
| Tomono et al. | Mobile robot navigation in indoor environments using object and character recognition | |
| CN108182428A (zh) | 前车状态识别和车辆跟随的方法 | |
| Thorpe et al. | The new generation system for the CMU Navlab |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Multi data fusion obstacle detection device based on unmanned driving and its detection method Effective date of registration: 20220407 Granted publication date: 20200407 Pledgee: Beijing Zhongguancun bank Limited by Share Ltd. Pledgor: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd. Registration number: Y2022990000194 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| CP03 | Change of name, title or address |
Address after: 201, 202, 301, No. 56-4 Fenghuang South Road, Huadu District, Guangzhou City, Guangdong Province, 510806 Patentee after: Heduo Technology (Guangzhou) Co.,Ltd. Address before: 100089 21-14, 1st floor, building 21, Enji West Industrial Park, No.1, liangjiadian, Fuwai, Haidian District, Beijing Patentee before: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd. |
|
| CP03 | Change of name, title or address | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Granted publication date: 20200407 Pledgee: Beijing Zhongguancun bank Limited by Share Ltd. Pledgor: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd. Registration number: Y2022990000194 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right |