CN109709961B - 道路障碍物检测方法、装置及自动驾驶汽车 - Google Patents
道路障碍物检测方法、装置及自动驾驶汽车 Download PDFInfo
- Publication number
- CN109709961B CN109709961B CN201811628736.8A CN201811628736A CN109709961B CN 109709961 B CN109709961 B CN 109709961B CN 201811628736 A CN201811628736 A CN 201811628736A CN 109709961 B CN109709961 B CN 109709961B
- Authority
- CN
- China
- Prior art keywords
- road
- static object
- millimeter wave
- wave radar
- stationary object
- 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.)
- Active
Links
Images
Landscapes
- Traffic Control Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种道路障碍物检测方法、装置和自动驾驶汽车,其中,该方法包括:在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取道路上已驶离静止物体的其他车辆在过去第一时间段内的历史行驶轨迹,其中,第一时间段的计时起点为毫米波雷达检测到静止物体的时刻;若静止物体不是历史行驶轨迹的途经点时,则确定静止物体为所述道路障碍物。通过充分利用已经获得的其他车辆的历史行驶轨迹,对由毫米波雷达检测出的静止物体进行核实,实现检测道路障碍物,有效地避免了紧急刹车,保证了车辆的安全运行,提升了车辆运行平顺性、舒适性等。
Description
技术领域
本发明涉及道路控制技术领域,尤其涉及一种道路障碍物检测方法、装置及自动驾驶汽车。
背景技术
随着智能化时代的到来,越来越多的汽车制造厂商重视自动驾驶汽车的研发。自动驾驶汽车依靠人工智能、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。只有自动驾驶汽车在公共高速公路和城市街道上安全驾驶,自动驾驶汽车才有希望成为未来主要的交通方式之一。
目前,自动驾驶汽车普遍采用毫米波雷达获取障碍物的位置和速度等信息,由于毫米波雷达无法给出高度信息,会将天桥、龙门架等为道路上具有一定高度的道路元素误检为障碍物,当接近该误检的障碍物时,汽车为了安全会紧急刹车,严重的紧急刹车会影响驾驶的安全性、平顺性、舒适性等。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的第一个目的在于提出一种道路障碍物检测方法。
本发明的第二个目的在于提出一种道路障碍物检测装置。
本发明的第三个目的在于提出一种自动驾驶汽车。
本发明的第四个目的在于提出一种电子设备。
本发明的第五个目的在于提出一种非临时性计算机可读存储介质。
本发明的第六个目的在于提出一种计算机程序产品。
为达上述目的,本发明第一方面实施例提出了一种道路障碍物检测方法,包括:
在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取所述道路上已驶离所述静止物体的其他车辆在过去第一时间段内的历史行驶轨迹,其中,所述第一时间段的计时起点为所述毫米波雷达检测到所述静止物体的时刻;
若所述静止物体不是所述历史行驶轨迹的途经点时,则确定所述静止物体为所述道路障碍物。
进一步地,所述方法还包括:在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取所述道路上未驶离所述静止物体的其他车辆在过去第二时间段内的历史行驶轨迹,其中,所述第二时间段的计时起点为所述毫米波雷达检测到所述静止物体的时刻;
根据所述历史行驶轨迹预测所述其他车辆在未来第三时间段内的未来行驶轨迹,所述第三时间段的计时起点为所述毫米波雷达检测到所述静止物体的时刻;
若所述静止物体不是所述未来行驶轨迹的途经点时,确定所述静止物体为所述道路障碍物。
进一步地,所述方法还包括:在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取根据摄像头的拍摄数据所识别出的视觉可通行区域;
若所述静止物体未落在所述视觉可通行区域中,则确定所述静止物体为所述道路障碍物。
进一步地,所述方法还包括:在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取基于高精地图所构建的道路拓扑图;
若所述静止物体不是所述道路拓扑图中的道路元素,则确定所述静止物体为所述道路障碍物。
进一步地,所述获取基于高精地图所构建的道路拓扑图,包括:
从高精地图中提取距离目标车辆的设定范围内各个道路元素;
根据所述各个道路元素构建所述道路拓扑图。
本发明实施例的道路障碍物检测方法,在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取所述道路上已驶离所述静止物体的其他车辆在过去第一时间段内的历史行驶轨迹,其中,所述第一时间段的计时起点为所述毫米波雷达检测到所述静止物体的时刻;若所述静止物体不是所述历史行驶轨迹的途经点时,则确定所述静止物体为所述道路障碍物。通过充分利用已经获得的其他车辆的历史行驶轨迹,对由毫米波雷达检测出的静止物体进行核实,实现检测道路障碍物,有效地避免了紧急刹车,保证了车辆的安全运行,提升车辆运行平顺性、舒适性等。
为达上述目的,本发明第二方面实施例提出了一种道路障碍物检测装置,包括:
获取模块,用于在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取所述道路上已驶离所述静止物体的其他车辆在过去第一时间段内的历史行驶轨迹,其中,所述第一时间段的计时起点为所述毫米波雷达检测到所述静止物体的时刻;
处理模块,用于若所述静止物体不是所述历史行驶轨迹的途经点时,则确定所述静止物体为所述道路障碍物。
进一步地,所述获取模块,还用于在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取所述道路上未驶离所述静止物体的其他车辆在过去第二时间段内的历史行驶轨迹,其中,所述第二时间段的计时起点为所述毫米波雷达检测到所述静止物体的时刻;
所述处理模块,还用于根据所述历史行驶轨迹预测所述其他车辆在未来第三时间段内的未来行驶轨迹,所述第三时间段的计时起点为所述毫米波雷达检测到所述静止物体的时刻;
所述处理模块,还用于若所述静止物体不是所述未来行驶轨迹的途经点时,确定所述静止物体为所述道路障碍物。
进一步地,所述获取模块,还用于在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取根据摄像头的拍摄数据所识别出的视觉可通行区域;
所述处理模块,还用于若所述静止物体未落在所述视觉可通行区域中,则确定所述静止物体为所述道路障碍物。
进一步地,所述获取模块,还用于在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取基于高精地图所构建的道路拓扑图;
所述处理模块,还用于若所述静止物体不是所述道路拓扑图中的道路元素,则确定所述静止物体为所述道路障碍物。
进一步地,所述获取模块具体用于:从高精地图中提取距离目标车辆的设定范围内各个道路元素;根据所述各个道路元素构建所述道路拓扑图。
本发明实施例的道路障碍物检测装置,在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取所述道路上已驶离所述静止物体的其他车辆在过去第一时间段内的历史行驶轨迹,其中,所述第一时间段的计时起点为所述毫米波雷达检测到所述静止物体的时刻;若所述静止物体不是所述历史行驶轨迹的途经点时,则确定所述静止物体为所述道路障碍物。通过充分利用已经获得的其他车辆的历史行驶轨迹,对由毫米波雷达检测出的静止物体进行核实,实现检测道路障碍物,有效地避免了紧急刹车,保证了车辆的安全运行,提升车辆运行平顺性、舒适性等。
为达上述目的,本发明第三方面实施例提出了一种自动驾驶汽车,包括:毫米波雷达和如上所述的道路障碍物检测装置。
为达上述目的,本发明第四方面实施例提出了一种电子设备,包括:处理器和存储器;其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现如上述实施例描述的道路障碍物检测方法。
为了实现上述目的,本发明第五方面实施例提出了一种非临时性计算机可读存储介质,该程序被处理器执行时实现如上述实施例描述的道路障碍物检测方法。
为了实现上述目的,本发明第六方面实施例提出了一种计算机程序产品,当所述计算机程序产品中的指令处理器执行时,执行如上述实施例描述的道路障碍物检测方法。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本发明一个实施例的道路障碍物检测方法的流程图;
图2是本发明示例性一的目标车辆的运行图;
图3是本发明示例性二的目标车辆的运行图;
图4是根据本发明又一个实施例的道路障碍物检测方法的流程图;
图5是根据本发明一个实施例的道路障碍物检测装置的结构示意图;
图6是本发明实施例提供的执行道路障碍物检测方法的电子设备的硬件结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的道路障碍物检测方法、装置及电子设备。
图1是根据本发明一个实施例的道路障碍物检测方法的流程图。本实施例提供了一种道路障碍物检测方法,其执行主体为道路障碍物检测装置,该执行主体由硬件和/或软件组成。
如图1所示,该道路障碍物检测方法可以包括以下步骤:
S101、在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取道路上已驶离静止物体的其他车辆在过去第一时间段内的历史行驶轨迹。
具体地,毫米波雷达具有体积小、质量轻和空间分辨率高的特点,与红外传感器、激光雷达、摄像头等光学传感器相比,毫米波雷达穿透雾、烟、灰尘的能力强,具有全天候全天时的特点。另外,毫米波雷达的抗干扰能力也优于其他车载传感器。由于毫米波雷达的优越性,毫米波雷达被广泛应用到自动驾驶汽车中,帮助自动驾驶汽车避开道路上的障碍物,保证自动驾驶汽车安全驾驶。
本实施例中,毫米波雷达安装在目标车辆的前端,毫米波雷达向沿目标车辆的行驶方向发射无线电波,若沿行驶方向的道路上有静止物体,会接收到静止物体返回的反射波,通过所发射的无线电波与反射波之间的时间差计算静止物体与目标车辆之间的距离。
由于毫米波雷达只能测出静止物体的平面信息,无法测出静止物体的高度信息。又由于道路上可能会存在天桥、龙门架、路牌、广告牌等道路元素,对这些具有一定高度的静止物体,毫米波雷达无法区分它们是道路元素还是道路障碍物。因此,为了保证车辆的安全运行,对由毫米波雷达检测出的静止物体进行核实,确定该静止物体是道路元素还是道路障碍物。
在实际场景中,对道路上的其他车辆,可能有在毫米波雷达检测到道路上有静止物体时已驶离静止物体的其他车辆,还可能有在毫米波雷达检测到道路上有静止物体时未驶离静止物体的其他车辆。以图2和图3为例,当目标车辆4在道路上运行时,其他车辆1、其他车辆2、其他车辆3运行在沿目标车辆4的行驶方向的道路上,天桥5为静止物体。其中,其他车辆1为已驶离静止物体的其他车辆,其他车辆2、其他车辆3均为未驶离静止物体的其他车辆。曲线6为车辆1的历史行驶轨迹,曲线7为车辆2的历史行驶轨迹,曲线8为车辆3的历史行驶轨迹,图2和图3中箭头所示的方向为目标车辆4的行驶方向。
本实施例中,在毫米波雷达检测到道路上有静止物体时,可以借助道路上已驶离静止物体的其他车辆,在过去第一时间段内的历史行驶轨迹来确定该静止物体是道路元素还是道路障碍物。其中,第一时间段可以根据毫米波雷达的最大测距范围和目标车辆的最高车速设置,但并不以此为限。例如,毫米波雷达的最大测距范围为100米,目标车辆的最高车速为80km/h,则第一时间段可以设置为5秒钟,以保证在确定静止物体为道路障碍物之后,车辆有足够的时间来减速。其中,第一时间段的计时起点为毫米波雷达检测到静止物体的时刻。例如,毫米波雷达检测到静止物体的时刻为8点零6分30秒,则第一时间段为8点零6分26秒至8点零6分30秒的过去的这段时间。
需要指出的是,已驶离静止物体的其他车辆与目标车辆之间的距离在预设范围内。预设范围根据毫米波雷达的最大测距范围进行设置。例如,毫米波雷达的最大测距范围为100米,预设范围可以是沿目标车辆的行驶方向距离目标车辆100米左右的范围。
本实施例中,可以通过多种方式获取道路上其他车辆的历史行驶轨迹。例如,目标车辆上的不同部位安装了多个毫米波雷达,通过多个毫米波雷达计算道路上各个其他车辆的实时位置信息、速度信息等,统计分析每个其他车辆的实时位置信息、速度信息等,得到每个其他车辆的历史行驶轨迹。又例如,目标车辆上的不同部位安装了多个摄像头,通过多个摄像头拍摄道路上各个其他车辆的多帧图像,通过每个其他车辆的多帧图像得到每个其他车辆的历史行驶轨迹。当然,获取其他车辆的历史行驶轨迹的具体方式不限于举例说明。
S102、若静止物体不是历史行驶轨迹的途经点时,则确定静止物体为道路障碍物。
S103、若静止物体是历史行驶轨迹的途经点时,则确定静止物体不是道路障碍物。
本实施例中,在毫米波雷达检测到道路上存在静止物体之后,若在过去的一段短时间内,道路上已驶离静止物体的其他车辆途径了该静止物体,即静止物体是历史行驶轨迹的途经点,说明道路当前可通行,该静止物体可能是天桥、龙门架、路牌、广告牌等道路元素,目标车辆可安全向前行驶;反之,在毫米波雷达检测到道路上存在静止物体之后,若在过去的一段短时间内,道路上已驶离静止物体的其他车辆未途径了该静止物体,说明道路当前不可通行,该静止物体是道路障碍物,目标车辆向前行驶需避让该道路障碍物。
进一步地,除了可以充分利用已经获得的其他车辆的历史行驶轨迹来检测道路障碍物,还可以充分利用了车辆上配备的各种传感器来辅助检测道路障碍物,采用多种信息综合检测道路障碍物的方法,置信度更高,更加可靠。
本实施例中,在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,除了基于其他车辆的历史行驶轨迹检测道路障碍物,还可以基于视觉可通行区域检测道路障碍物、基于高精地图检测道路障碍物,但并不以此为限。
第一种:基于视觉可通行区域检测道路障碍物。
具体地,“基于视觉可通行区域检测道路障碍物”的实现方式为:
S11、在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取根据摄像头的拍摄数据所识别出的视觉可通行区域。
S12、若静止物体未落在视觉可通行区域中,则确定静止物体为道路障碍物。
本实施例中,可以控制目标车辆的所安装的摄像头对沿目标车辆的行驶方向的道路区域进行拍摄,得到道路图像。通过机器视觉算法处理道路图像,识别出所拍摄的道路区域中自由可通行区域,该自由可通行区域为视觉可通行区域。若静止物体未落在视觉可通行区域中,则确定静止物体为道路障碍物。若静止物体没有落在视觉可通行区域中,则确定静止物体不是道路障碍物。关于通过机器视觉算法识别出道路中的视觉可通行区域的更多介绍详见相关技术。
以图3为例,从目标车辆4的前方道路中划分出了视觉可通行区域9。该“视觉可通行区域”的识别过程为:控制摄像头对道路区域进行拍摄,得到道路图像;通过机器视觉算法处理道路图像,识别出所拍摄的道路区域中视觉可通行区域9。由于天桥底下也是可通行的,因此,视觉可通行区域9也包括天桥所占的区域。若静止物体为视觉可通行区域9中的一个物体,那么该静止物体不是道路障碍物,反之,认为其是道路障碍物。
第二种:基于高精地图检测道路障碍物。
具体地,“基于高精地图检测道路障碍物”的实现方式为:
S21、在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取基于高精地图所构建的道路拓扑图。
S22、若静止物体不是道路拓扑图中的道路元素,则确定静止物体为道路障碍物。
本实施例中,道路拓扑图是由道路元素组成的道路结构图,通过判断静止物体是不是道路元素来确定静止物体是不是道路障碍物。
本实施例中,借助高精地图来获取沿行驶方向的道路上各个道路元素,不需要通过检测手段实时识别道路上的各个道路元素,提高了道路拓扑图的搭建速度,进而提高了道路障碍物的检测效率。
需要指出的是,传统的导航电子地图会描绘出道路,部分道路会区分车道,而高精地图不仅会描绘道路,对一条道路上有多少条车道也会精确描绘,会真实地反映出道路的实际样式。传统的电子地图不会把道路形状的细节完全展现,而高精地图为了让自动驾驶系统更好地识别交通情况,从而提前做出行驶方案,会把道路形状的细节进行详细、精确展示,哪些地方变宽、变窄,会和真实道路完全一致。
本实施例中,“获取道路拓扑图”的方式为:从高精地图中提取距离目标车辆的设定范围内各个道路元素;根据各个道路元素构建道路拓扑图。其中,设定范围可以根据毫米波雷达的最大测距范围设置。例如,毫米波雷达的最大测距范围为100米,设定范围可以是沿目标车辆的行驶方向距离目标车辆100米左右的范围。
具体地,可以先通过车辆定位装置获取到目标车辆的地理位置信息,并将该地理位置信息发送给高精地图;高精地图获取并返回距离地理位置信息的设定范围内各个道路元素;接着根据所返回的各个道路元素构建目标车辆周围的道路拓扑图。其中,车辆定位装置可以包括GPS(Global Positioning System,全球定位系统)和惯性测量单元,通过对GPS(Global Positioning System,全球定位系统)和惯性测量单元所测出的数据进行融合,得到的地理位置信息。当然,获取到目标车辆的地理位置信息的方式还可以是其他的方式,在此不做限制。
本发明实施例提供的道路障碍物检测方法,在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取道路上已驶离静止物体的其他车辆在过去第一时间段内的历史行驶轨迹;若静止物体不是历史行驶轨迹的途经点时,则确定静止物体为道路障碍物。通过充分利用已经获得的其他车辆的历史行驶轨迹,对由毫米波雷达检测出的静止物体进行核实,实现检测道路障碍物,有效地避免了紧急刹车,保证了车辆的安全运行,提升了车辆运行平顺性、舒适性等。
图2是根据本发明又一个实施例的道路障碍物检测方法的流程图。本实施例提供了一种道路障碍物检测方法,其执行主体为道路障碍物检测装置,该执行主体由硬件和/或软件组成。
如图2所示,该道路障碍物检测方法可以包括以下步骤:
S201、在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,判断道路上是否存在已驶离静止物体的其他车辆,若存在,执行S202,若不存在执行S203。
本实施例中,在毫米波雷达检测到道路上有静止物体时,由于道路上可能没有已驶离静止物体的其他车辆,这时,可以借助道路上未驶离静止物体的其他车辆,在未来一段短时间段内的未来行驶轨迹来确定该静止物体是道路元素还是道路障碍物,通过冗余机制来保证道路障碍物检测的可靠性,提升车辆运行的安全性、平顺性、舒适性等。
S202、获取道路上已驶离静止物体的其他车辆在过去第一时间段内的历史行驶轨迹。
本实施例中的步骤S202与图1所示的实施例中的步骤S101的实现方式相同,在此不再赘述。
S203、若静止物体不是历史行驶轨迹的途经点时,则确定静止物体是道路障碍物。
本实施例中的步骤S203与图1所示的实施例中的步骤S102的实现方式相同,在此不再赘述。
S204、若静止物体是历史行驶轨迹的途经点时,则确定静止物体不是道路障碍物。
本实施例中的步骤S204与图1所示的实施例中的步骤S103的实现方式相同,在此不再赘述。
S205、获取道路上未驶离静止物体的其他车辆在过去第二时间段内的历史行驶轨迹。
本实施例中,在毫米波雷达检测到道路上有静止物体时,可以借助道路上未驶离静止物体的其他车辆,在未来一段短时间段内的未来行驶轨迹来确定该静止物体是道路元素还是道路障碍物。
本实施例中,通过未驶离静止物体的其他车辆的历史行驶轨迹来得到未来行驶轨迹。具有地,获取道路上未驶离静止物体的其他车辆在过去第二时间段内的历史行驶轨迹。其中,第二时间段的计时起点为毫米波雷达检测到静止物体的时刻。第二时间段可以根据毫米波雷达的最大测距范围和目标车辆的最高车速设置,但并不以此为限。例如,毫米波雷达的最大测距范围为100米,目标车辆的最高车速为80km/h,则第二时间段可以设置为5秒钟,以保证在确定静止物体为道路障碍物之后,车辆有足够的时间来减速。例如,毫米波雷达检测到静止物体的时刻为8点零6分30秒,则第二时间段为8点零6分26秒至8点零6分30秒的过去的这段时间。
需要指出的是,未驶离静止物体的其他车辆与目标车辆之间的距离在预设范围内。预设范围根据毫米波雷达的最大测距范围进行设置。例如,毫米波雷达的最大测距范围为100米,预设范围可以是沿目标车辆的行驶方向距离目标车辆100米左右的范围。
S206、根据历史行驶轨迹预测其他车辆在未来第三时间段内的未来行驶轨迹。
本实施例中,根据未驶离静止物体的其他车辆的历史行驶轨迹向前预测一个较短时间内的未来行驶轨迹,所预测的未来行驶轨迹可以被看作是广义的行驶轨迹的一部分,基于该未来行驶轨迹检测道路障碍物也是合理的。
本实施例中,第三时间段的计时起点为毫米波雷达检测到静止物体的时刻。第三时间段可以根据毫米波雷达的最大测距范围和目标车辆的最高车速设置,但并不以此为限。例如,毫米波雷达的最大测距范围为100米,目标车辆的最高车速为80km/h,则第三时间段可以设置为5秒钟,以保证在确定静止物体为道路障碍物之后,车辆有足够的时间来减速。例如,毫米波雷达检测到静止物体的时刻为8点零6分30秒,则第三时间段为8点零6分31秒至8点零6分35秒的未来的这段时间。
S207、若静止物体不是未来行驶轨迹的途经点时,确定静止物体是道路障碍物。
S208、若静止物体是未来行驶轨迹的途经点时,确定静止物体不是道路障碍物。
本实施例中,在毫米波雷达检测到道路上存在静止物体之后,若在未来的一段短时间内,道路上未驶离静止物体的其他车辆途径了该静止物体,即静止物体是未来行驶轨迹的途经点,说明道路未来可通行,该静止物体可能是天桥、龙门架、路牌、广告牌等道路元素,目标车辆可安全向前行驶;反之,在毫米波雷达检测到道路上存在静止物体之后,若在未来的一段短时间内,道路上未驶离静止物体的其他车辆没有途径该静止物体,说明道路未来不可通行,该静止物体是道路障碍物,目标车辆向前行驶需避让该道路障碍物。
本发明实施例的道路障碍物检测方法,在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取道路上未驶离静止物体的其他车辆在过去第二时间段内的历史行驶轨迹;根据历史行驶轨迹预测其他车辆在未来第三时间段内的未来行驶轨迹,第三时间段的计时起点为毫米波雷达检测到静止物体的时刻;若静止物体不是未来行驶轨迹的途经点时,确定静止物体为道路障碍物。通过充分利用已经获得的其他车辆的未来行驶轨迹,对由毫米波雷达检测出的静止物体进行核实,实现检测道路障碍物,有效地避免了紧急刹车,保证了车辆的安全运行,提升了车辆运行平顺性、舒适性等。
本发明实施例还提出一种道路障碍物检测装置。图5是根据本发明一个实施例的道路障碍物检测装置的结构示意图。如图5所示,该道路障碍物检测装置包括:获取模块11、处理模块12。
获取模块11,用于在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取道路上已驶离静止物体的其他车辆在过去第一时间段内的历史行驶轨迹,其中,第一时间段的计时起点为毫米波雷达检测到静止物体的时刻;
处理模块12,用于若静止物体不是历史行驶轨迹的途经点时,则确定静止物体为道路障碍物。
进一步地,获取模块11,还用于在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取道路上未驶离静止物体的其他车辆在过去第二时间段内的历史行驶轨迹,其中,第二时间段的计时起点为毫米波雷达检测到静止物体的时刻;
处理模块12,还用于根据历史行驶轨迹预测其他车辆在未来第三时间段内的未来行驶轨迹,第三时间段的计时起点为毫米波雷达检测到静止物体的时刻;
处理模块12,还用于若静止物体不是未来行驶轨迹的途经点时,确定静止物体为道路障碍物。
进一步地,获取模块11,还用于在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取根据摄像头的拍摄数据识别出的视觉可通行区域;
处理模块12,还用于若静止物体未落在视觉可通行区域中,则确定静止物体为道路障碍物。
进一步地,获取模块11,还用于在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取基于高精地图所构建的道路拓扑图;
处理模块12,还用于若静止物体不是道路拓扑图中的道路元素,则确定静止物体为道路障碍物。
进一步地,获取模块11具体用于:从高精地图中提取距离目标车辆的设定范围内各个道路元素;根据各个道路元素构建道路拓扑图。
需要说明的是,前述对道路障碍物检测方法实施例的解释说明也适用于该实施例的道路障碍物检测装置,此处不再赘述。
本发明实施例的道路障碍物检测装置,在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取道路上已驶离静止物体的其他车辆在过去第一时间段内的历史行驶轨迹,其中,第一时间段的计时起点为毫米波雷达检测到静止物体的时刻;若静止物体不是历史行驶轨迹的途经点时,则确定静止物体为道路障碍物。通过充分利用已经获得的其他车辆的历史行驶轨迹,对由毫米波雷达检测出的静止物体进行核实,实现检测道路障碍物,有效地避免了紧急刹车,保证了车辆的安全运行,提升了车辆运行平顺性、舒适性等。
本发明实施例还提出一种自动驾驶汽车,包括:毫米波雷达和上述实施例所述的道路障碍物检测装置。
为了实现上述实施例,本发明还提出一种非临时性计算机可读存储介质,当存储介质中的指令由处理器被执行时,使得能够执行上述实施例示出的道路障碍物检测方法。
为了实现上述实施例,本发明还提出一种计算机程序产品,当计算机程序产品中的指令处理器执行时,执行上述实施例示出的道路障碍物检测方法。
图6是本发明实施例提供的执行道路障碍物检测方法的电子设备的硬件结构示意图,如图6所示,该电子设备包括:
一个或多个处理器810以及存储器820,图6中以一个处理器810为例。
该电子设备还可以包括:输入装置830和输出装置840。
处理器810、存储器820、输入装置830和输出装置840可以通过总线或者其他方式连接,图6中以通过总线连接为例。
存储器820作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本申请实施例中的基于语音识别的记账处理方法对应的程序指令/模块(例如,附图3所示的记账填充模块110、检测处理模块120、记账补充模块130和第一记账存储模块140)。处理器810通过运行存储在存储器820中的非暂态软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的道路障碍物检测方法。
存储器820可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据基于语音识别的记账处理装置的使用所创建的数据等。此外,存储器820可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器820可选包括相对于处理器810远程设置的存储器,这些远程存储器可以通过网络连接至基于语音识别的记账处理装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置830可接收输入的数字或字符信息,以及产生与基于语音识别的记账处理装置的用户设置以及功能控制有关的键信号输入。输出装置840可包括显示屏等显示设备。
一个或者多个模块存储在存储器820中,当被一个或者多个处理器810执行时,执行上述任意方法实施例中的道路障碍物检测方法。
上述产品可执行本申请实施例所提供的方法,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,可参见本申请实施例所提供的道路障碍物检测方法。
本发明实施例的电子设备以多种形式存在,包括但不限于:
(1)移动通信设备:这类设备的特点是具备移动通信功能,并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机,以及低端手机等。
(2)超移动个人计算机设备:这类设备属于个人计算机的范畴,有计算和处理功能,一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等,例如iPad。
(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod),掌上游戏机,电子书,以及智能玩具和便携式车载设备。
(4)服务器:提供计算服务的设备,服务器的构成包括处理器、硬盘、内存、系统总线等,服务器和通用的计算机架构类似,但是由于需要提供高可靠的服务,因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
(5)其他具有数据交互功能的电子装置。
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。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。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”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,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定制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,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述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所述程序,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。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,所述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。所述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取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (11)
1.一种道路障碍物检测方法,其特征在于,包括:
在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取所述道路上已驶离所述静止物体的其他车辆在过去第一时间段内的历史行驶轨迹,其中,所述第一时间段的计时起点为所述毫米波雷达检测到所述静止物体的时刻;
若所述静止物体不是所述历史行驶轨迹的途经点时,则确定所述静止物体为所述道路障碍物;
在所述道路上不存在已驶离所述静止物体的其他车辆的情况下,获取所述道路上未驶离所述静止物体的其他车辆在过去第二时间段内的历史行驶轨迹,其中,所述第二时间段的计时起点为所述毫米波雷达检测到所述静止物体的时刻;
根据所述历史行驶轨迹预测所述道路上未驶离所述静止物体的其他车辆在未来第三时间段内的未来行驶轨迹,所述第三时间段的计时起点为所述毫米波雷达检测到所述静止物体的时刻;
若所述静止物体不是所述未来行驶轨迹的途经点时,确定所述静止物体为所述道路障碍物。
2.如权利要求1所述的方法,其特征在于,还包括:
在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取根据摄像头的拍摄数据所识别出的视觉可通行区域;
若所述静止物体未落在所述视觉可通行区域中,则确定所述静止物体为所述道路障碍物。
3.如权利要求1所述的方法,其特征在于,还包括:
在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取基于高精地图所构建的道路拓扑图;
若所述静止物体不是所述道路拓扑图中的道路元素,则确定所述静止物体为所述道路障碍物。
4.如权利要求3所述的方法,其特征在于,所述获取基于高精地图所构建的道路拓扑图,包括:
从高精地图中提取距离目标车辆的设定范围内各个道路元素;
根据所述各个道路元素构建所述道路拓扑图。
5.一种道路障碍物检测装置,其特征在于,包括:
获取模块,用于在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取所述道路上已驶离所述静止物体的其他车辆在过去第一时间段内的历史行驶轨迹,其中,所述第一时间段的计时起点为所述毫米波雷达检测到所述静止物体的时刻;
处理模块,用于若所述静止物体不是所述历史行驶轨迹的途经点时,则确定所述静止物体为所述道路障碍物;
所述获取模块,还用于在所述道路上不存在已驶离所述静止物体的其他车辆的情况下,获取所述道路上未驶离所述静止物体的其他车辆在过去第二时间段内的历史行驶轨迹,其中,所述第二时间段的计时起点为所述毫米波雷达检测到所述静止物体的时刻;
所述处理模块,还用于根据所述历史行驶轨迹预测所述道路上未驶离所述静止物体的其他车辆在未来第三时间段内的未来行驶轨迹,所述第三时间段的计时起点为所述毫米波雷达检测到所述静止物体的时刻;
所述处理模块,还用于若所述静止物体不是所述未来行驶轨迹的途经点时,确定所述静止物体为所述道路障碍物。
6.如权利要求5所述的装置,其特征在于,
所述获取模块,还用于在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取根据摄像头的拍摄数据识别出的视觉可通行区域;
所述处理模块,还用于若所述静止物体未落在所述视觉可通行区域中,则确定所述静止物体为所述道路障碍物。
7.如权利要求5所述的装置,其特征在于,
所述获取模块,还用于在毫米波雷达检测到道路上沿目标车辆的行驶方向有静止物体时,获取基于高精地图所构建的道路拓扑图;
所述处理模块,还用于若所述静止物体不是所述道路拓扑图中的道路元素,则确定所述静止物体为所述道路障碍物。
8.如权利要求7所述的装置,其特征在于,所述获取模块具体用于:
从高精地图中提取距离目标车辆的设定范围内各个道路元素;
根据所述各个道路元素构建所述道路拓扑图。
9.一种自动驾驶汽车,其特征在于,包括:
毫米波雷达和如权利要求5-8中任一项所述的道路障碍物检测装置。
10.一种电子设备,其特征在于,包括处理器和存储器;
其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现如权利要求1-4中任一项所述的道路障碍物检测方法。
11.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-4中任一项所述的道路障碍物检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811628736.8A CN109709961B (zh) | 2018-12-28 | 2018-12-28 | 道路障碍物检测方法、装置及自动驾驶汽车 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811628736.8A CN109709961B (zh) | 2018-12-28 | 2018-12-28 | 道路障碍物检测方法、装置及自动驾驶汽车 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109709961A CN109709961A (zh) | 2019-05-03 |
CN109709961B true CN109709961B (zh) | 2021-12-07 |
Family
ID=66258072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811628736.8A Active CN109709961B (zh) | 2018-12-28 | 2018-12-28 | 道路障碍物检测方法、装置及自动驾驶汽车 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109709961B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135358B (zh) * | 2019-05-17 | 2023-09-29 | 奇瑞汽车股份有限公司 | 汽车控制装置及方法 |
WO2020237601A1 (zh) * | 2019-05-31 | 2020-12-03 | 深圳市大疆创新科技有限公司 | 隧道场景检测方法及毫米波雷达 |
CN110646785B (zh) * | 2019-09-30 | 2023-02-21 | 上海润欣科技股份有限公司 | 基于阵列调频连续波和传感算法的厂线用定位系统 |
CN110703770A (zh) * | 2019-11-12 | 2020-01-17 | 中科(徐州)人工智能研究院有限公司 | 一种轨道检测车自动行驶控制的方法及装置 |
CN111796285A (zh) * | 2020-06-15 | 2020-10-20 | 北京汽车研究总院有限公司 | 车辆的障碍物检测方法和装置 |
CN112084275B (zh) * | 2020-08-26 | 2022-08-23 | 腾讯科技(深圳)有限公司 | 一种作业目标数据确定方法、装置、存储介质及设备 |
CN112285714A (zh) * | 2020-09-08 | 2021-01-29 | 苏州挚途科技有限公司 | 一种基于多传感器的障碍物速度融合方法和装置 |
US20220198200A1 (en) * | 2020-12-22 | 2022-06-23 | Continental Automotive Systems, Inc. | Road lane condition detection with lane assist for a vehicle using infrared detecting device |
CN113093128A (zh) * | 2021-04-09 | 2021-07-09 | 阿波罗智联(北京)科技有限公司 | 用于标定毫米波雷达的方法、装置、电子设备及路侧设备 |
CN114758322B (zh) * | 2022-05-13 | 2022-11-22 | 安徽省路通公路工程检测有限公司 | 基于机器识别的道路质量检测系统 |
CN116300968B (zh) * | 2023-05-12 | 2023-08-22 | 阿特拉斯智能工程(江苏)有限公司 | 有轨跟随方法及agv小车 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006004188A (ja) * | 2004-06-17 | 2006-01-05 | Daihatsu Motor Co Ltd | 障害物認識方法及び障害物認識装置 |
CN101536058A (zh) * | 2006-11-10 | 2009-09-16 | 丰田自动车株式会社 | 障碍物行进道路预测方法、装置以及程序 |
CN104067329A (zh) * | 2012-01-26 | 2014-09-24 | 丰田自动车株式会社 | 物体识别装置及车辆控制装置 |
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 |
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 |
CN108152831A (zh) * | 2017-12-06 | 2018-06-12 | 中国农业大学 | 一种激光雷达障碍物识别方法及系统 |
CN108762272A (zh) * | 2018-06-05 | 2018-11-06 | 北京智行者科技有限公司 | 一种障碍物识别和避让方法 |
CN108958237A (zh) * | 2018-05-24 | 2018-12-07 | 奇瑞汽车股份有限公司 | 用于无人驾驶的移动终端、车辆及无人驾驶系统 |
CN109031304A (zh) * | 2018-06-06 | 2018-12-18 | 上海国际汽车城(集团)有限公司 | 基于视觉和毫米波雷达地图特征的隧道内车辆定位方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102005003192A1 (de) * | 2005-01-24 | 2006-07-27 | Robert Bosch Gmbh | Verfahren zur Kursprädiktion in Fahrerassistenzsystemen für Kraftfahrzeuge |
JP4899599B2 (ja) * | 2006-04-07 | 2012-03-21 | マツダ株式会社 | 車両の障害物検知装置 |
US8126642B2 (en) * | 2008-10-24 | 2012-02-28 | Gray & Company, Inc. | Control and systems for autonomously driven vehicles |
-
2018
- 2018-12-28 CN CN201811628736.8A patent/CN109709961B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006004188A (ja) * | 2004-06-17 | 2006-01-05 | Daihatsu Motor Co Ltd | 障害物認識方法及び障害物認識装置 |
CN101536058A (zh) * | 2006-11-10 | 2009-09-16 | 丰田自动车株式会社 | 障碍物行进道路预测方法、装置以及程序 |
CN104067329A (zh) * | 2012-01-26 | 2014-09-24 | 丰田自动车株式会社 | 物体识别装置及车辆控制装置 |
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 |
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 |
CN108152831A (zh) * | 2017-12-06 | 2018-06-12 | 中国农业大学 | 一种激光雷达障碍物识别方法及系统 |
CN108958237A (zh) * | 2018-05-24 | 2018-12-07 | 奇瑞汽车股份有限公司 | 用于无人驾驶的移动终端、车辆及无人驾驶系统 |
CN108762272A (zh) * | 2018-06-05 | 2018-11-06 | 北京智行者科技有限公司 | 一种障碍物识别和避让方法 |
CN109031304A (zh) * | 2018-06-06 | 2018-12-18 | 上海国际汽车城(集团)有限公司 | 基于视觉和毫米波雷达地图特征的隧道内车辆定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109709961A (zh) | 2019-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109709961B (zh) | 道路障碍物检测方法、装置及自动驾驶汽车 | |
KR102595886B1 (ko) | 매핑에서의 향상된 시맨틱 라벨링을 위한 멀티 모달 분할 네트워크 | |
KR20230098557A (ko) | 중복 로컬화 파이프라인들의 조합된 입력들을 사용하는차량 위치확인 | |
CN114348015A (zh) | 车辆控制装置和车辆控制方法 | |
KR20230144954A (ko) | 차량 궤적 생성을 위한 추적기 포지션 업데이트들 | |
WO2023245073A1 (en) | Method and system for controlling an autonomous vehicle | |
US20230168351A1 (en) | Systems and methods for vehicle sensor management | |
US20230089832A1 (en) | Calibration courses and targets | |
US20230088398A1 (en) | Calibration courses and targets | |
JP7347502B2 (ja) | 渋滞情報提供装置、渋滞情報処理方法及びプログラム | |
CN115840441A (zh) | 用于运载工具的方法、用于运载工具的系统和存储介质 | |
US20230159026A1 (en) | Predicting Motion of Hypothetical Agents | |
US20230298198A1 (en) | Light-based object localization | |
US20230303124A1 (en) | Predicting and controlling object crossings on vehicle routes | |
US20230236313A1 (en) | Thermal sensor data vehicle perception | |
US20240123996A1 (en) | Methods and systems for traffic light labelling via motion inference | |
US20220067398A1 (en) | Vehicle travel control apparatus | |
US20220374734A1 (en) | Multi-target tracking with dependent likelihood structures | |
US20240048853A1 (en) | Pulsed-Light Optical Imaging Systems for Autonomous Vehicles | |
WO2024081593A1 (en) | Methods and systems for traffic light labelling via motion inference | |
WO2023225351A1 (en) | Safety filter for machine learning planners | |
WO2024081192A1 (en) | Optimizing alerts for vehicles experiencing stuck conditions | |
GB2610654A (en) | Location based parameters for an image sensor | |
WO2024039997A1 (en) | Determination of an action for an autonomous vehicle in the presence of intelligent agents | |
WO2024144825A1 (en) | Route traversal using remote vehicle assistance |
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 |