CN109738884A - 对象检测方法、装置和计算机设备 - Google Patents

对象检测方法、装置和计算机设备 Download PDF

Info

Publication number
CN109738884A
CN109738884A CN201811653181.2A CN201811653181A CN109738884A CN 109738884 A CN109738884 A CN 109738884A CN 201811653181 A CN201811653181 A CN 201811653181A CN 109738884 A CN109738884 A CN 109738884A
Authority
CN
China
Prior art keywords
moment
state
observation
historic
predicted
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
CN201811653181.2A
Other languages
English (en)
Other versions
CN109738884B (zh
Inventor
张娴婧
张俊
周全赟
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.)
Baidu Online Network Technology Beijing Co Ltd
Beijing Baidu Netcom Science and Technology 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 CN201811653181.2A priority Critical patent/CN109738884B/zh
Publication of CN109738884A publication Critical patent/CN109738884A/zh
Application granted granted Critical
Publication of CN109738884B publication Critical patent/CN109738884B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明提出一种对象检测方法、装置和计算机设备,其中,方法包括:检测得到对象在第一时刻的观测状态,根据对象在第二时刻的历史状态,预测对象在第一时刻的预测状态,其中,第二时刻早于第一时刻,根据预测状态,对观测状态进行修正,实现了根据历史的观测结果,对当前的观测结果进行补偿,使得观测状态更加准确,提高了对观测对象的运动估计的准确性,解决了现有技术中障碍物观测数据准确度不高的技术问题。

Description

对象检测方法、装置和计算机设备
技术领域
本发明涉及自动驾驶技术领域,尤其涉及一种对象检测方法、装置和计算机设备。
背景技术
近些年,自动驾驶技术发展迅速,为了实现车辆的自动驾驶,车辆需要获取360度全景视野障碍物的感知信息,从而自动驾驶系统包含各种各样的感知传感器,如相机、激光雷达和毫米波雷达等,而这些传感器的特性和输出的数据千差万别,因此,需要对多种传感器的观测数据进行融合,多传感器信息融合(Multi-sensor Information Fusion,MSIF),就是将获取的多传感器的数据,进行分析和综合,以获取车辆对周围场景的感知数据,实现车辆的自动驾驶,保障车辆的运行安全。
相关技术中,由于检测得到的障碍物状态容易受到传感器观测范围、观测角度的影响,存在测不准的情况,例如,雷达在对车辆的轮廓进行检测时,若仅部分车身处于雷达观测范围,雷达测量得到的车辆轮廓则存在一定的误差;相似地,图像传感器或者其他类型传感器在障碍物超出观测范围,或者障碍物被遮挡时也存在类似情况。
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对象检测方法,根据历史的观测结果,对当前的观测结果进行补偿,提高了对象的观测状态的准确性,解决了现有技术中障碍物观测数据准确度不高的技术问题。
本发明的第二个目的在于提出一种对象检测装置。
本发明的第三个目的在于提出一种计算机设备。
本发明的第四个目的在于提出一种非临时性计算机可读存储介质。
为达上述目的,本发明第一方面实施例提出了一种对象检测方法,包括:
检测得到对象在第一时刻的观测状态;
根据所述对象在第二时刻的历史状态,预测所述对象在所述第一时刻的预测状态;其中,所述第二时刻早于所述第一时刻;
根据所述预测状态,对所述观测状态进行修正。
为达上述目的,本发明第二方面实施例提出了一种对象检测装置,包括:
检测模块,用于检测得到对象在第一时刻的观测状态;
预测模块,用于根据所述对象在第二时刻的历史状态,预测所述对象在所述第一时刻的预测状态;其中,所述第二时刻早于所述第一时刻;
修正模块,用于根据所述预测状态,对所述观测状态进行修正。
为达上述目的,本发明第三方面实施例提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如第一方面实施例所述的对象检测方法。
为达上述目的,本发明第四方面实施例提出了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,该程序被处理器执行时,实现如第一方面实施例所述的对象检测方法。
本发明实施例所提供的技术方案可以包含如下的有益效果:
检测得到对象在第一时刻的观测状态,根据对象在第二时刻的历史状态,预测对象在第一时刻的预测状态,其中,第二时刻早于第一时刻,根据预测状态,对观测状态进行修正,实现了根据历史的观测结果,对当前的观测结果进行补偿,使得观测状态更加准确,提高了对观测对象的运动估计的准确性。
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为本发明实施例所提供的一种对象检测方法的流程示意图;
图2为本发明实施例所提供的另一种对象检测方法的流程示意图;
图3为本发明实施例提供的一种对象检测装置的结构示意图;以及
图4示出了适于用来实现本申请实施方式的示例性计算机设备的框图。
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对象检测方法、装置和计算机设备。
图1为本发明实施例所提供的一种对象检测方法的流程示意图。
如图1所示,该方法包括以下步骤:
步骤101,检测得到对象在第一时刻的观测状态。
其中,第一时刻,可以为当前时刻。
具体地,在第一时刻,分别从各传感器获取对同一场景内的被测对象进行检测得到的观测状态,其中,观测状态可以是被测对象的位置,速度,也可以是被测对象的外形尺寸等,具体观测的内容是与传感器相对应的,例如图像传感器可以检测到被测对象的位置和颜色,雷达可以检测到被测对象的外形尺寸、速度和位置,激光传感器可以采集到对象的位置等,此处不一一列举。
需要说明的是,对象在第一时刻的观测状态可以是单一传感器输出的观测状态,也可以是多个传感器输出的数据融合得到的观测状态。
步骤102,根据对象在第二时刻的历史状态,预测对象在第一时刻的预测状态。
其中,第二时刻早于第一时刻,历史状态包括历史位置和历史速度,预测状态包括预测位置。
具体地,计算第二时刻至第一时刻之间的时长,对对象在第二时刻的历史状态进行补偿,得到对象在第一时刻的预测状态。
步骤103,根据预测状态,对观测状态进行修正。
具体地,对对象在第一时刻的观测状态和预测状态进行加权,得到第一时刻修正后的观测状态,提高了观测状态确定的准确性。
需要说明的是,对象在第二时刻的历史状态,和第一时刻获取到的观测状态,可以是不同的传感器检测得到的,例如,第一时刻获取到的观测状态是图像传感器检测到的观测状态,而第二时刻对应的历史状态可以是毫米波雷达检测到的历史状态,也就是说,实现了可以基于毫米波雷达检测到的历史观测数据,对当前的图像传感器检测到的观测结果进行补偿,发挥了各种传感器的优势,提高了对象的观测状态确定的准确性。
本发明实施例的对象检测方法中,检测得到对象在第一时刻的观测状态,根据对象在第二时刻的历史状态,预测对象在第一时刻的预测状态,其中,第二时刻早于第一时刻,根据预测状态,对观测状态进行修正,实现了根据历史的观测结果,对当前的观测结果进行补偿,使得观测状态更加准确,提高了对观测对象的运动估计的准确性。
基于上一实施例,本实施例提供了另一种对象检测方法的可能的实现方式,图2为本发明实施例所提供的另一种对象检测方法的流程示意图。
如图2所示,该方法可以包括以下步骤:
步骤201,检测得到对象在第一时刻的观测状态。
本发明实施例应用的典型应用场景即为车辆自动驾驶时对障碍物的检测和跟踪,因此,对象可以为场景中的障碍物。
其中,观测状态包含观测位置。观测状态可以是通过可获取观测位置的传感器获取的,例如图像传感器采集到的观测状态,也可以是激光传感器采集到的观测状态,还可以是毫米波雷达检测到的观测状态等,本实施例中不一一列举。
步骤202,根据观测状态与历史状态之间的相似度,确定属于同一对象的观测状态和历史状态。
实际应用场景中,各传感器进行视场范围内的对象的采集时,采集到的对象可能不止一个,当采集到的对象为至少两个时,则需要对第一时刻采集到的各传感器的观测状态和第二时刻对应的历史状态之间,通过相似度比对,确定属于同一对象的观测状态和历史状态,例如,第一时刻,图像传感器采集到图像帧中包含2个对象A和C的位置和色彩信息,而第一时刻之前的第二时刻,可能是通过毫米波雷达采集到包含3个对象A、B和C的位置、速度和外形信息,则需要将第一时刻图像传感器采集到的2个对象的观测状态,与第二时刻采集到的3个对象的历史状态,进行相似度比对,匹配出属于对象A的观测状态和历史状态,以及匹配出属于C的观测状态和历史状态。
作为一种可能的实现方式,将对象在第一时刻的观测状态转化为多个元素对应的向量,将对象在第二时刻的历史状态转化为多个元素对应的向量,也就是说将观测状态和历史状态映射至同一向量空间,进而,通过马氏距离计算观测状态和历史状态的相似度,根据计算得到的相似度,将相似度大于预设阈值的,确定为属于同一对象的观测状态和历史状态。
步骤203,对每一个对象统计截至第一时刻已检测到观测状态的持续时长,和/或,统计在第一时刻检测到观测状态的传感器个数,根据持续时长和/或传感器个数,确定各对象的实际存在概率。
其中,检测观测状态的传感器为至少两个。
具体地,根据统计得到的每一个对象截至第一时刻已检测到观测状态的持续时长,和/或,在第一时刻检测到观测状态的传感器个数,可以确定各对象的实际存在概率,并将实际存在概率小于预设阈值的各对象,删除存储的其历史状态,也就是说,将长时间未探测到的对象的历史状态数据删除,以降低存储容量,和降低运算量。
步骤204,根据对象在第二时刻的历史状态,预测对象在第一时刻的预测状态。
其中,第二时刻早于第一时刻,历史状态包含历史位置和历史速度,预测状态包括预测位置。
具体地,根据第二时刻至第一时刻之间的时长,以及对象在第二时刻的历史状态包含的历史速度,计算对象在第二时刻至第一时刻之间的位移,根据位移,补偿对象在第二时刻的历史位置,得到对象在第一时刻的预测位置。
步骤205,根据预测状态,对观测状态进行修正。
具体地,对对象在第一时刻的观测状态和预测状态进行加权,得到第一时刻修正后的观测状态,其中,观测状态和预测状态对应的权重之和为1,作为一种可能的实现方式,可以根据传感器检测得到的观测状态的置信度来确定,其中,每一种传感器都标定了其测量数据的范围和误差,根据传感器输出的观测状态,确定观测状态的置信度,当观测状态的置信度较高时,则观测状态设置较高的权重,并根据观测状态的权重确定预测状态的权重,进而,进行加权求和确定修正后的观测状态。
本发明实施例的对象检测方法中,检测得到对象在第一时刻的观测状态,获取对象在第一时刻之前的第二时刻的历史状态,根据观测状态和历史状态之间的相似程度,确定属于同一对象的观测状态和历史状态,并将长时间未探测到的对象删除计算对象在第二时刻至第一时刻之间的位移,根据位移补偿对象在第二时刻的历史位置,得到对象在第一时刻的预测状态,并根据预测状态,对观测状态进行修正,实现了根据历史的观测结果,对当前的观测结果进行补偿,使得观测状态更加准确,提高了对观测对象的运动估计的准确性。
为了实现上述实施例,本发明还提出一种对象检测装置。
图3为本发明实施例提供的一种对象检测装置的结构示意图。
如图3所示,该装置包括:检测模块31、预测模块32和修正模块33。
检测模块31,用于检测得到对象在第一时刻的观测状态。
预测模块32,用于根据对象在第二时刻的历史状态,预测对象在第一时刻的预测状态,其中,第二时刻早于第一时刻。
修正模块33,用于根据预测状态,对观测状态进行修正。
进一步地,在本发明实施例的一种可能的实现方式中,该装置还包括:第一确定模块和第二确定模块。
可选地,对象为至少两个,第一确定模块,用于根据观测状态与历史状态之间的相似程度,确定属于同一对象的观测状态和历史状态。
可选地,检测观测状态的传感器为至少两个,第二确定模块,用于对每一个对象统计截至第一时刻已检测到观测状态的持续时长,和/或,统计在第一时刻检测到观测状态的传感器个数,根据持续时长和/或传感器个数,确定各对象的实际存在概率。
作为一种可能的实现方式,第二确定模块,还用于对存在概率低于阈值的各对象,删除存储的所述历史状态。
作为一种可能的实现方式,上述预测模块32,具体用于:
根据所述第二时刻至所述第一时刻之间时长,对所述对象在所述第二时刻的历史状态进行补偿,得到所述对象在所述第一时刻的预测状态。
作为一种可能的实现方式,历史状态包括历史位置和历史速度,预测状态包括预测位置,则上述预测模块32,具体还可以用于:
根据所述对象在所述第二时刻的历史速度,以及所述第二时刻至所述第一时刻之间时长,确定所述对象在所述第二时刻至所述第一时刻之间的位移;
根据所述位移,补偿所述对象在所述第二时刻的历史位置,得到所述对象在所述第一时刻的预测位置。
作为一种可能的实现方式,上述修正模块33,具体用于:
对所述对象在所述第一时刻的观测状态和预测状态进行加权,得到所述第一时刻修正后的观测状态。
需要说明的是,前述对方法实施例的解释说明也适用于该实施例的装置,此处不再赘述。
本发明实施例的对象检测装置中,检测得到对象在第一时刻的观测状态,获取对象在第一时刻之前的第二时刻的历史状态,根据观测状态和历史状态之间的相似程度,确定属于同一对象的观测状态和历史状态,并将长时间未探测到的对象删除计算对象在第二时刻至第一时刻之间的位移,根据位移补偿对象在第二时刻的历史位置,得到对象在第一时刻的预测状态,并根据预测状态,对观测状态进行修正,实现了根据历史的观测结果,对当前的观测结果进行补偿,提高了对象的观测状态确定的准确性。
为了实现上述实施例,本发明实施例提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如前述方法实施例所述的对象检测方法。
为了实现上述实施例,本发明实施例提出了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,该程序被处理器执行时,实现如前述方法实施例所述的对象检测方法。
图4示出了适于用来实现本申请实施方式的示例性计算机设备的框图。图4显示的计算机设备12仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图4所示,计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18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;以下简称:ISA)总线,微通道体系结构(Micro Channel Architecture;以下简称:MAC)总线,增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation;以下简称:VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection;以下简称:PCI)总线。
计算机设备12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12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。
存储器28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;以下简称:RAM)30和/或高速缓存存储器32。计算机设备12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34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4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:光盘只读存储器(Compact Disc Read OnlyMemory;以下简称:CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory;以下简称: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18相连。存储器28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申请各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42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42通常执行本申请所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12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22进行。并且,计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network;以下简称:LAN),广域网(Wide Area Network;以下简称:WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与计算机设备12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12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、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现前述实施例中提及的方法。
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 (10)

1.一种对象检测方法,其特征在于,所述方法包括以下步骤:
检测得到对象在第一时刻的观测状态;
根据所述对象在第二时刻的历史状态,预测所述对象在所述第一时刻的预测状态;其中,所述第二时刻早于所述第一时刻;
根据所述预测状态,对所述观测状态进行修正。
2.根据权利要求1所述的运动状态检测方法,其特征在于,所述根据所述对象在第二时刻的历史状态,预测所述对象在所述第一时刻的预测状态,包括:
根据所述第二时刻至所述第一时刻之间时长,对所述对象在所述第二时刻的历史状态进行补偿,得到所述对象在所述第一时刻的预测状态。
3.根据权利要求2所述的对象检测方法,其特征在于,所述历史状态包括历史位置和历史速度,所述预测状态包括预测位置,所述根据所述第二时刻至所述第一时刻之间时长,对所述对象在所述第二时刻的历史状态进行补偿,得到所述对象在所述第一时刻的预测状态,包括:
根据所述对象在所述第二时刻的历史速度,以及所述第二时刻至所述第一时刻之间时长,确定所述对象在所述第二时刻至所述第一时刻之间的位移;
根据所述位移,补偿所述对象在所述第二时刻的历史位置,得到所述对象在所述第一时刻的预测位置。
4.根据权利要求1所述的对象检测方法,其特征在于,所述对象为至少两个,所述检测得到对象在第一时刻的观测状态之后,还包括:
根据所述观测状态与所述历史状态之间的相似程度,确定属于同一对象的所述观测状态和历史状态。
5.根据权利要求4所述的对象检测方法,其特征在于,用于检测观测状态的传感器为至少两个,所述根据所述观测状态与所述历史状态之间的相似程度,确定属于同一对象的所述观测状态和历史状态之后,还包括:
对每一个对象统计截至所述第一时刻已检测到观测状态的持续时长,和/或,统计在所述第一时刻检测到所述观测状态的传感器个数;
根据所述持续时长和/或传感器个数,确定各对象的实际存在概率。
6.根据权利要求5所述的对象检测方法,其特征在于,所述根据所述持续时长和/或传感器个数,确定各对象的实际存在概率之后,还包括:
对存在概率低于阈值的各对象,删除存储的所述历史状态。
7.根据权利要求1-6任一项所述的对象检测方法,其特征在于,所述根据所述预测状态,对所述观测状态进行修正,包括:
对所述对象在所述第一时刻的观测状态和预测状态进行加权,得到所述第一时刻修正后的观测状态。
8.一种对象检测装置,其特征在于,所述装置包括:
检测模块,用于检测得到对象在第一时刻的观测状态;
预测模块,用于根据所述对象在第二时刻的历史状态,预测所述对象在所述第一时刻的预测状态;其中,所述第二时刻早于所述第一时刻;
修正模块,用于根据所述预测状态,对所述观测状态进行修正。
9.一种计算机设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如权利要求1-7中任一所述的对象检测方法。
10.一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,该程序被处理器执行时实现如权利要求1-7中任一所述的对象检测方法。
CN201811653181.2A 2018-12-29 2018-12-29 对象检测方法、装置和计算机设备 Active CN109738884B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811653181.2A CN109738884B (zh) 2018-12-29 2018-12-29 对象检测方法、装置和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811653181.2A CN109738884B (zh) 2018-12-29 2018-12-29 对象检测方法、装置和计算机设备

Publications (2)

Publication Number Publication Date
CN109738884A true CN109738884A (zh) 2019-05-10
CN109738884B CN109738884B (zh) 2022-03-11

Family

ID=66363012

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811653181.2A Active CN109738884B (zh) 2018-12-29 2018-12-29 对象检测方法、装置和计算机设备

Country Status (1)

Country Link
CN (1) CN109738884B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110531377A (zh) * 2019-10-08 2019-12-03 北京邮电大学 雷达系统的数据处理方法、装置、电子设备和存储介质
CN110879395A (zh) * 2019-12-03 2020-03-13 北京百度网讯科技有限公司 障碍物位置预测方法、装置和电子设备
CN112119413A (zh) * 2019-10-30 2020-12-22 深圳市大疆创新科技有限公司 一种数据处理方法、装置和可移动平台
CN112528763A (zh) * 2020-11-24 2021-03-19 浙江大华汽车技术有限公司 一种目标检测方法、电子设备和计算机存储介质
CN113298141A (zh) * 2021-05-24 2021-08-24 北京环境特性研究所 基于多源信息融合的探测方法、装置及存储介质
CN114858200A (zh) * 2022-04-19 2022-08-05 合众新能源汽车有限公司 车辆传感器检测到的对象的质量评价方法及装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103428733A (zh) * 2013-07-15 2013-12-04 上海华为技术有限公司 一种预测方法和装置
CN103955948A (zh) * 2014-04-03 2014-07-30 西北工业大学 一种动态环境下的空间运动目标检测方法
CN104916159A (zh) * 2015-03-25 2015-09-16 北京长城金点物联网科技股份有限公司 一种车辆检测方法及检测系统
CN106153037A (zh) * 2016-07-21 2016-11-23 北京航空航天大学 一种机器人的室内定位方法、装置及系统
CN106740475A (zh) * 2016-12-26 2017-05-31 深圳市元征科技股份有限公司 车辆起步安全预警方法及装置
CN206421227U (zh) * 2017-01-17 2017-08-18 西安交通大学 一种用于医用配送机器人的多传感器信息融合阵列系统
CN107906695A (zh) * 2017-10-02 2018-04-13 广东美的制冷设备有限公司 空调器送风控制方法、空调器及可读储存介质
CN108603933A (zh) * 2016-01-12 2018-09-28 三菱电机株式会社 用于融合具有不同分辨率的传感器输出的系统和方法
CN108828527A (zh) * 2018-06-19 2018-11-16 驭势(上海)汽车科技有限公司 一种多传感器数据融合方法、装置、车载设备及存储介质
CN108985171A (zh) * 2018-06-15 2018-12-11 上海仙途智能科技有限公司 运动状态估计方法和运动状态估计装置
CN109212532A (zh) * 2017-07-04 2019-01-15 百度在线网络技术(北京)有限公司 用于检测障碍物的方法和装置

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103428733A (zh) * 2013-07-15 2013-12-04 上海华为技术有限公司 一种预测方法和装置
CN103955948A (zh) * 2014-04-03 2014-07-30 西北工业大学 一种动态环境下的空间运动目标检测方法
CN104916159A (zh) * 2015-03-25 2015-09-16 北京长城金点物联网科技股份有限公司 一种车辆检测方法及检测系统
CN108603933A (zh) * 2016-01-12 2018-09-28 三菱电机株式会社 用于融合具有不同分辨率的传感器输出的系统和方法
CN106153037A (zh) * 2016-07-21 2016-11-23 北京航空航天大学 一种机器人的室内定位方法、装置及系统
CN106740475A (zh) * 2016-12-26 2017-05-31 深圳市元征科技股份有限公司 车辆起步安全预警方法及装置
CN206421227U (zh) * 2017-01-17 2017-08-18 西安交通大学 一种用于医用配送机器人的多传感器信息融合阵列系统
CN109212532A (zh) * 2017-07-04 2019-01-15 百度在线网络技术(北京)有限公司 用于检测障碍物的方法和装置
CN107906695A (zh) * 2017-10-02 2018-04-13 广东美的制冷设备有限公司 空调器送风控制方法、空调器及可读储存介质
CN108985171A (zh) * 2018-06-15 2018-12-11 上海仙途智能科技有限公司 运动状态估计方法和运动状态估计装置
CN108828527A (zh) * 2018-06-19 2018-11-16 驭势(上海)汽车科技有限公司 一种多传感器数据融合方法、装置、车载设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陆峰等: "基于信息融合的智能车障碍物检测方法", 《计算机应用》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110531377A (zh) * 2019-10-08 2019-12-03 北京邮电大学 雷达系统的数据处理方法、装置、电子设备和存储介质
CN110531377B (zh) * 2019-10-08 2022-02-25 北京邮电大学 雷达系统的数据处理方法、装置、电子设备和存储介质
CN112119413A (zh) * 2019-10-30 2020-12-22 深圳市大疆创新科技有限公司 一种数据处理方法、装置和可移动平台
CN110879395A (zh) * 2019-12-03 2020-03-13 北京百度网讯科技有限公司 障碍物位置预测方法、装置和电子设备
CN112528763A (zh) * 2020-11-24 2021-03-19 浙江大华汽车技术有限公司 一种目标检测方法、电子设备和计算机存储介质
CN113298141A (zh) * 2021-05-24 2021-08-24 北京环境特性研究所 基于多源信息融合的探测方法、装置及存储介质
CN113298141B (zh) * 2021-05-24 2023-09-15 北京环境特性研究所 基于多源信息融合的探测方法、装置及存储介质
CN114858200A (zh) * 2022-04-19 2022-08-05 合众新能源汽车有限公司 车辆传感器检测到的对象的质量评价方法及装置
CN114858200B (zh) * 2022-04-19 2023-06-27 合众新能源汽车股份有限公司 车辆传感器检测到的对象的质量评价方法及装置

Also Published As

Publication number Publication date
CN109738884B (zh) 2022-03-11

Similar Documents

Publication Publication Date Title
CN109738884A (zh) 对象检测方法、装置和计算机设备
RU2756243C2 (ru) Система и способ оценки воздушной скорости летательного аппарата на основании модели лобового сопротивления
Wasenmüller et al. Comparison of kinect v1 and v2 depth images in terms of accuracy and precision
CN109740469A (zh) 车道线检测方法、装置、计算机设备和存储介质
CN109211298A (zh) 一种传感器标定方法和装置
CN109961468A (zh) 基于双目视觉的体积测量方法、装置及存储介质
CN106952308A (zh) 运动物体的位置确定方法及系统
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
CN107697155A (zh) 车轮转向角的控制方法、装置和车轮转向角控制器
CN107941212B (zh) 一种视觉与惯性联合定位方法
CN109766793A (zh) 数据处理方法和装置
CN110969079A (zh) 运载工具的对象检测系统
CN109684944A (zh) 障碍物检测方法、装置、计算机设备和存储介质
CN113544758B (zh) 车辆控制装置
CN109977823A (zh) 行人识别跟踪方法、装置、计算机设备和存储介质
CN110084137A (zh) 基于驾驶场景的数据处理方法、装置和计算机设备
CN110045734A (zh) 基于路径规划的参数权重确定方法、装置和计算机设备
CN109917858A (zh) 电子设备中折叠屏的折叠状态获取方法、装置和电子设备
CN112455502B (zh) 基于激光雷达的列车定位方法及装置
US9418443B2 (en) Apparatus and method for detecting obstacle
US11234771B2 (en) Dynamic reference deviation detecting method and system thereof
CN109521419A (zh) 基于车辆雷达的目标跟踪方法和装置
CN109388781B (zh) 测量数据的处理方法和装置
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
CN113065572B (zh) 多传感器融合的数据处理方法、定位装置及虚拟现实设备

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