CN109739232B - 障碍物追踪方法、装置、车载终端及存储介质 - Google Patents
障碍物追踪方法、装置、车载终端及存储介质 Download PDFInfo
- Publication number
- CN109739232B CN109739232B CN201811635279.5A CN201811635279A CN109739232B CN 109739232 B CN109739232 B CN 109739232B CN 201811635279 A CN201811635279 A CN 201811635279A CN 109739232 B CN109739232 B CN 109739232B
- Authority
- CN
- China
- Prior art keywords
- tracking
- target obstacle
- obstacle
- attribute information
- target
- 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)
Abstract
本发明实施例提供一种障碍物追踪方法、装置、车载终端及存储介质,备MCU接收到传感器发送的数据后,将不同传感器发送的数据封装成统一的结构得到感知信息,根据感知信息获取到属性信息,然后,根据属性信息判断属性信息的信息来源,最后,根据信息来源对属性信息对应的目标障碍物进行追踪。该过程中,备MCU根据属性信息的来源对障碍物进行追踪,算法简单,使得备MCU无需强大的运算能力,即低运算能力的MCU就能够实现对障碍物的追踪,使得自动驾驶冗余系统包含的备用系统可以采用运算性能较低的MCU,实现降低自动驾驶冗余系统的成本的目的。
Description
技术领域
本发明实施例涉及自动驾驶技术领域,尤其涉及一种障碍物追踪方法、装置、车载终端及存储介质。
背景技术
自动驾驶车辆(Self-driving Car),又称无人驾驶车辆、电脑驾驶车辆、或轮式移动机器人,是一种通过计算机系统实现无人驾驶的智能车辆。
通常情况下,自动驾驶环节包括感知环节、决策环节和控制环节等。感知环节中,通过装载在自动驾驶车辆上的传感器来采集车辆周边的环境信息,例如,通过摄像头、雷达等感知自动驾驶车辆周期的障碍物;决策环节中,利用车载计算单元对各种传感器采集到的环境信息进行计算,确定出障碍物并对障碍物进行追踪得到决策信息;控制环节中,车载计算单元根据决策信息生成控制指令,并将控制指令发送给执行机构,以使得执行机构执行控制指令对应的动作从而进行自动驾驶。其中,车载计算单元例如为运算性能强大的微控制器(micro controller unit,MCU)。
为实现安全的自动驾驶,很多厂商考虑将智能车辆的自动驾驶系统设置为自动驾驶冗余系统。该自动驾驶冗余系统包括主系统和备用系统。由于对传感器数据进行计算以追踪障碍物,依赖于运算性能强大的MCU,因此,自动驾驶冗余系统的主系统和备用系统分别包括运算性能强大的MCU,而运算性能强大的MCU成本较高,导致自动驾驶冗余系统的成本高。
发明内容
本发明实施例提供一种自动驾驶的障碍物追踪方法、装置、车载终端及存储介质,通过利用运算性能较低的MCU对各传感器数据进行计算以追踪障碍物,使得自动驾驶冗余系统包含的备用系统可以采用运算性能较低的MCU,实现降低自动驾驶冗余系统的成本的目的。
第一方面,本发明实施例提供一种障碍物追踪方法,包括:
所述方法应用于车载终端的备MCU,所述方法包括:
从感知信息中获取目标障碍物的属性信息,所述感知信息是根据传感器数据得到;
判断所述属性信息的信息来源;
根据所述信息来源对应的追踪方式,对所述目标障碍物进行追踪。
一种可行的设计中,所述信息来源为智能摄像头,所述
所述信息来源为智能摄像头,所述根据所述信息来源对应的追踪方式,对所述目标障碍物进行追踪,包括:
判断所述目标障碍物当前连续出现的次数是否达到预设次数;
若所述目标障碍物连续出现预设次数,则判断所述目标障碍物是否存在于追踪列表中,所述追踪列表中存储当前正在追踪的障碍物与属性信息的映射关系;
若所述目标障碍物存在于所述追踪列表中,则根据所述目标障碍物的属性信息,更新所述追踪列表;
根据更新的追踪列表对所述目标障碍物进行追踪。
一种可行的设计中,所述判断所述目标障碍物是否连续出现预设次数之后,还包括:
若所述目标障碍物当前连续出现的次数未达到预设次数,则更新所述目标障碍物的出现次数。
一种可行的设计中,所述若所述目标障碍物连续出现预设次数,则判断所述目标障碍物是否存在于追踪列表中之后,还包括:
若所述目标障碍物不存在于所述追踪列表中,则在所述追踪列表中添加所述目标障碍物与所述目标障碍物的属性信息的映射关系系。
一种可行的设计中,所述信息来源为雷达,所述信息来源为雷达,所述根据所述信息来源对应的追踪方式,对所述目标障碍物进行追踪,包括:
利用匹配算法,判断所述目标障碍物是否与追踪列表中的障碍物匹配,所述追踪列表中存储当前正在追踪的障碍物与属性信息的映射关系;
若所述目标障碍物与所述追踪列表中的障碍物匹配,则根据所述目标障碍物的属性信息,更新所述追踪列表;
根据更新的追踪列表对所述目标障碍物进行追踪。
一种可行的设计中,所述利用匹配算法,判断所述目标障碍物是否与追踪列表中的障碍物匹配之后,还包括:
若所述目标障碍物与所述追踪列表中的任意一个障碍物不匹配,则在所述追踪列表中添加所述目标障碍物与所述目标障碍物的属性信息的映射关系。
一种可行的设计中,所述根据所述信息来源对应的追踪方式,对所述属性信息对应的目标障碍物进行追踪之后,还包括:
利用卡尔曼滤波预测公式,确定所述目标障碍物存在的概率;
若所述概率低于预设概率,则从所述追踪列表中删除所述目标障碍物与所述目标障碍物的属性信息的映射关系。
第二方面,本发明实施例提供一种障碍物追踪装置,所述装置设置在车载终端的备MCU上,所述装置包括:
获取单元,用于从感知信息中获取目标障碍物的属性信息,所述感知信息是根据传感器数据得到;
判断单元,用于判断所述属性信息的信息来源;
追踪单元,用于根据所述信息来源对应的追踪方式,对所述目标障碍物进行追踪。
一种可行的设计中,所述判断单元判断出所述属性信息来源于智能摄像头,所述判断单元,还用于判断所述目标障碍物当前连续出现的次数是否达到预设次数;若所述判断单元判断出所述目标障碍物当前连续出现的次数达到预设次数,则判断所述目标障碍物是否存在于追踪列表中,所述追踪列表中存储当前正在追踪的障碍物与属性信息的映射关系;
所述追踪单元,在所述判断单元判断出所述目标障碍物存在于所述追踪列表中,用于根据所述目标障碍物的属性信息,更新所述追踪列表;根据更新的追踪列表对所述目标障碍物进行追踪。
一种可行的设计中,所述追踪单元,在所述判断单元判断出所述目标障碍物当前连续出现的次数未达到预设次数时,还用于更新所述目标障碍物连续出现的次数。
一种可行的设计中,所述追踪单元,在判断出所述目标障碍物不存在于所述追踪列表中时,还用于在所述追踪列表中添加所述目标障碍物与所述目标障碍物的属性信息的映射关系。
一种可行的设计中,所述判断单元判断出所述信息来源于雷达时,还用于利用匹配算法,判断所述目标障碍物是否与追踪列表中的障碍物匹配,所述追踪列表中存储当前正在追踪的障碍物与属性信息的映射关系;
所述追踪单元,在所述匹配单元判断出所述目标障碍物与所述追踪列表中的障碍物匹配时,还用于根据所述目标障碍物的属性信息,更新所述追踪列表;根据更新的追踪列表对所述目标障碍物进行追踪。
一种可行的设计中,所述追踪单元,在所述判断单元判断出所述目标障碍物与所述追踪列表中的任意一个障碍物不匹配时,还用于在所述追踪列表中添加所述目标障碍物与所述目标障碍物的属性信息的映射关系。
一种可行的设计中,所述追踪单元,在根据所述信息来源对应的追踪方式,对所述属性信息对应的目标障碍物进行追踪之后,还用于利用卡尔曼滤波预测公式,确定所述目标障碍物存在的概率;若所述概率低于预设概率,则从所述追踪列表中删除所述目标障碍物与所述目标障碍物的属性信息的映射关系。
第三方面,本发明实施例提供一种车载终端,包括备MCU、存储器及存储在所述存储器上并可在处理器上运行的计算机程序,所述MCU执行所述程序时实现如上第一方面或第一方面的各种可行的实现方式所述的方法。
第四方面,本发明实施例提供一种存储介质,所述存储介质中存储有指令,当其在车载终端上运行时,使得车载终端执行如上第一方面或第一方面的各种可行的实现方式所述的方法。
第五方面,本发明实施例提供一种计算机程序产品,所述计算机程序产品在车载终端上运行时,使得车载终端执行如上第一方面或第一方面的各种可行的实现方式所述的方法。
本发明实施例提供的障碍物追踪方法、装置、车载终端及存储介质,备MCU接收到传感器发送的数据后,将不同传感器发送的数据封装成统一的结构得到感知信息,根据感知信息获取到属性信息,然后,根据属性信息判断属性信息的信息来源,最后,根据信息来源对属性信息对应的目标障碍物进行追踪。该过程中,备MCU根据属性信息的来源对障碍物进行追踪,算法简单,使得备MCU无需强大的运算能力,即低运算能力的MCU就能够实现对障碍物的追踪,使得自动驾驶冗余系统包含的备用系统可以采用运算性能较低的MCU,实现降低自动驾驶冗余系统的成本的目的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为目前自动驾驶冗余备份系统的架构示意图;
图2是本发明实施例提供的一种障碍物追踪方法适用的自动驾驶冗余系统的架构示意图;
图3是本发明实施例提供的一种障碍物追踪方法的流程图;
图4是本发明实施例提供的另一种障碍物追踪方法的流程图;
图5为本发明实施例提供的一种障碍物追踪装置的结构示意图;
图6为本发明实施例提供的一种车载终端结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为目前自动驾驶冗余备份系统的架构示意图。请参照图1,车载终端上设置主MCU和备MCU,主MCU上运行主系统,备MCU上运行备份系统,主MCU上的主系统和备MCU上的备系统形成了自动驾驶冗余备份系统,下面,对该两个系统分别进行详细说明。
首先,主系统。
主系统指在非故障情况下,整车上运行自动驾驶功能的系统,运行在主MCU上,自动驾驶过程中,自动驾驶车辆上的大量传感器,如载摄像头、车辆运动感传感器、毫米波雷达、超声波雷达采集信息并发送给主MCU,主MCU将各种传感器采集的信息统一进行处理,确定出障碍物并对障碍物进行追踪得到决策信息,然后根据决策信息生成控制指令并发送给执行机构,以控制自动驾驶车辆的转向、制动、油门系统等。由于主MCU需要进行大量的运算,因此,对主MCU的运算能力要求较高。
其次,备份系统。
备份系统指能够独立完成部分自动驾驶功能的系统,运行在备MCU上。当主系统在自动驾驶过程中出现致命故障时,其能够接替主系统工作一段时间,直到用户接管系统。备份系统包括备控制器,主系统故障时,备控制器对各种传感器的数据进行处理,生成决策信息并根据决策信息生成控制指令,以控制自动驾驶车辆的转向、制动、油门系统等。
上述自动驾驶冗余备份系统中,备份系统的备MCU和主系统的主MCU共用传感器,即各种传感器和主MCU连接的同时,与备MCU连接。备MCU采用与主MCU同样的高性能、高运算能力的处理器,而高性能、高运算能力的处理器的成本高,导致自动驾驶冗余系统的成本高。研发阶段或小批量生产阶段,可能成本不明显。但是,一旦量产,则成本问题明显突出。
有鉴于此,本发明实施例提供一种障碍物追踪方法及装置,通过利用运算性能较低的MCU对各传感器数据进行计算以追踪障碍物,使得自动驾驶冗余系统包含的备用系统可以采用运算性能较低的MCU,实现降低自动驾驶冗余系统的成本的目的。
图2是本发明实施例提供的一种障碍物追踪方法适用的车载终端的架构示意图。请参照图2,本发明实施例所述的车载终端上设置有主MCU和备MCU,主MCU上运行主系统,备MCU上运行备份系统,主MCU上的主系统和备MCU上的备系统形成了自动驾驶冗余备份系统,主MCU为运算能力强的MCU,备MCU为运算能力低的MCU。例如,主MCU为运算能力强、汽车安全完整性等级(Automotive Safety Integration Level,ASIL)为A~D任意等级的MCU,备MCU为运算能力低、ASIL为QM级别的MCU。本发明实施例所述的障碍物追踪方法应用于备MCU。本发明实施例中,自动驾驶冗余系统的主系统和备系统共用雷达,如超声波雷达、毫米波雷达等,主MCU和车载摄像头连接,备MCU与智能摄像头连接。车载摄像头采集自动驾驶车辆周边的环境信息,并将环境信息发送给主MCU,由主MCU利用神经网络算法等对该环境信息以及雷达数据进行融合感知,进行环境建模并对障碍物进行追踪等。智能摄像头采集自动驾驶车辆周边的环境信息后,对该环境信息进行处理,将处理后的视频数据发送给备MCU,以使得备MCU对处理后的视频数据和雷达数据进行感知融合,进行环境建模并对障碍物进行追踪。
下面,基于上述的车载终端的架构示意图,对备MCU如何对障碍物进行追踪进行详细说明。示例性,可参见图3,图3是本发明实施例提供的一种障碍物追踪方法的流程图。本实施例的执行主体是备MCU。本实施例包括:
101、从感知信息中获取目标障碍物的属性信息,所述感知信息是根据传感器数据得到。
本发明实施例中,备MCU和智能摄像头以及雷达连接,智能摄像头采集环境信息并对该环境信息进行处理得到视频数据后,向备MCU发送视频数据,雷达实时采集雷达数据并向备MCU发送。MCU接收到雷达数据和视频数据后,根据该些传感器数据得到感知信息。例如,将该些数据封装成统一的数据结构,得到感知信息。封装过程中,对来源不同的数据打上不同的标签。例如,对雷达数据进行封装时,打上雷达数据标签,对视频数据进行封装时,打上摄像头数据表情。
通常而言,传感器数据,即雷达数据和摄像头数据是车辆周边环境相关的数据,该些数据对应的对象包括道路、建筑物、行人等。在对障碍物进行追踪时,备MCU对感知信息进行分析,分析感知信息对应的对象中是否存在目标障碍物,若存在,则获取属性信息,该属性信息包括目标障碍物相对于自动驾驶车辆的位置、目标障碍物的类型、目标障碍物的移动速度等。其中,类型包括行人、非机动车、机动车、建筑物等。
102、判断所述属性信息的信息来源。
本步骤中,备MCU确定属性信息的信息来源。例如,若属性信息是根据感知信息A得到的,感知信息A被打上摄像头数据的标签,则认为属性信息来源于智能摄像头。再如,若属性信息是根据感知信息B得到的,感知信息B被打上雷达数据的标签,则认为属性信息来源于雷达,如超声波雷达、毫米波雷达等。
103、根据所述信息来源对应的追踪方式,对所述目标障碍物进行追踪。
本步骤中,备MCU根据属性信息的来源,采用不同的方式对来源不同的属性信息对应的障碍物分别进行追踪。
本发明实施例提供的障碍物追踪方法,备MCU接收到传感器发送的数据后,将不同传感器发送的数据封装成统一的结构得到感知信息,根据感知信息获取到属性信息,然后,根据属性信息判断属性信息的信息来源,最后,根据信息来源对属性信息对应的目标障碍物进行追踪。该过程中,备MCU根据属性信息的来源对障碍物进行追踪,算法简单,使得备MCU无需强大的运算能力,即低运算能力的MCU就能够实现对障碍物的追踪,使得自动驾驶冗余系统包含的备用系统可以采用运算性能较低的MCU,实现降低自动驾驶冗余系统的成本的目的。
下面,用一个例子,对上述的障碍物追踪方法进行详细说明。示例性的,可参见图4。图4是本发明实施例提供的另一种障碍物追踪方法的流程图,本实施例包括:
201、从感知信息中获取目标障碍物的属性信息。
202、判断目标障碍物的属性信息的来源,若该目标障碍物的属性信息来源于智能摄像头,则执行203;若该目标障碍物的属性信息并非来自智能摄像头,则执行208;
203、判断目标障碍物是否连续出现预设次数,若目标障碍物连续出现预设次数,则执行步骤204;若目标障碍物未连续出现预设次数,则执行步骤207。
自动驾驶过程中,智能摄像头周期性的向备MCU发送视频数据,雷达周期性的向备MCU发送雷达数据,备MCU对视频数据和雷达数据分别进行封装,得到感知信息。备MCU周期性的检测感知信息,从感知信息中获取目标障碍物的属性信息。获取到目标障碍物的属性信息后,判断该目标障碍物的属性信息对应的目标障碍物是否连续出现预设次数,例如,连续四个检测周期都检测到该目标障碍物,则执行步骤204;若未连续出现预设次数,则执行步骤207。
204、判断目标障碍物是否存在于追踪列表中,若目标障碍物存在于追踪列表中,则执行步骤205;若目标障碍物不存在于追踪列表中,则执行步骤206。
本发明实施例中,备MCU维护一个追踪列表,该追踪列表用于存储追踪到的障碍物和属性信息的映射关系,属性信息包括障碍物与自动驾驶车辆的距离、障碍物类型、障碍物的移动速度等。障碍物类型包括行人、建筑物、车辆等。
本步骤中,备MCU判断目标追踪列表中是否存在目标障碍物,若存在,则执行步骤205以更新目标障碍物的属性信息,若不存在,则执行步骤206以将目标障碍物添加到追踪列表中。例如,驾驶追踪列表中包含4个障碍物,编号分别为1、2、3、4,分别对应行人A、行人B、车辆C和车辆D。目标障碍物的编号为2,则追踪列表中存在该目标障碍物,则备MCU利用目标障碍物的属性信息更新追踪列表中编号为2的障碍物对应的属性信息。再如,若目标障碍物的编号为6,追踪列表中不存在编号为6的障碍物,则备MCU将该目标障碍物添加到追踪列表中。
205、根据目标障碍物的属性信息,更新追踪列表,根据更新的追踪列表对目标障碍物进行追踪。
本步骤中,备MCU将目标障碍物的属性信息更新至追踪列表中。例如,备MCU根据目标障碍物的属性信息,利用卡尔曼滤波的更新公式,更新追踪列表,之后,根据更新的追踪列表对目标障碍物进行追踪。
206、在追踪列表中添加目标障碍物与目标障碍物的属性信息的映射关系。
207、更新目标障碍物的出现次数。
208、判断目标障碍物的属性信息是否来源于雷达,若目标障碍物的属性信息来源于雷达,则执行209;如目标障碍物的属性信息并非来自于雷达,则执行212。
209、利用匹配算法,判断目标障碍物是否与追踪列表中的障碍物匹配,若目标障碍物与追踪列表中的障碍物匹配,则执行步骤205以更新追踪列表,之后,根据更新的追踪列表对目标障碍物进行追踪;若目标障碍物是与追踪列表中的障碍物不匹配,则执行步骤206以将目标障碍物和目标障碍物的属性信息的映射关系添加至追踪列表。
例如,驾驶追踪列表中包含4个障碍物,编号分别为1、2、3、4,分别对应行人A、行人B、车辆C和车辆D。目标障碍物的编号为a或b,步骤
209中,备MCU通过匹配算法,发现该编号为a或b的目标障碍物与追踪列表中编号为1的障碍物匹配,则利用目标障碍物的属性信息更新追踪列表中编号为1的障碍物的信息。再如,若目标障碍物的编号为c,该编号为c的目标障碍物与追踪列表中的任意一个障碍物都不匹配,则将编号为c的目标障碍物和目标障碍物的属性信息添加到追踪列表中,该目标障碍物的编号为与c匹配的5。
210、备MCU报错。
上述实施例中,备MCU还维护追踪列表,维护过程中,利用卡尔曼滤波预测公式,确定目标障碍物存在的概率;若概率低于预设概率,则从追踪列表中删除目标障碍物与目标障碍物的属性信息的映射关系。例如,预设概率为20%,备份MCU利用卡尔曼滤波预测公式,计算出追踪列表中的某个障碍物存在的概率为20%或小于20%,则从追踪列表中删除该障碍物;反之,若该障碍物存在的概率大于20%,则继续追踪该障碍物。
下述为本发明装置实施例,可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节,请参照本发明方法实施例。
图5为本发明实施例提供的一种障碍物追踪装置的结构示意图,该障碍物追踪装置可以通过软件和/或硬件的方式实现。如图5所示,该障碍物追踪装置100包括:
获取单元11,用于从感知信息中获取目标障碍物的属性信息,所述感知信息是根据传感器数据得到;
判断单元12,用于判断所述属性信息的信息来源;
追踪单元13,用于根据所述信息来源对应的追踪方式,对所述目标障碍物进行追踪。
本发明实施例提供的障碍物追踪装置,设置在备MCU上的装载物追踪装置接收到传感器发送的数据后,将不同传感器发送的数据封装成统一的结构得到感知信息,根据感知信息获取到属性信息,然后,根据属性信息判断属性信息的信息来源,最后,根据信息来源对属性信息对应的目标障碍物进行追踪。该过程中,备MCU根据属性信息的来源对障碍物进行追踪,算法简单,使得备MCU无需强大的运算能力,即低运算能力的MCU就能够实现对障碍物的追踪,使得自动驾驶冗余系统包含的备用系统可以采用运算性能较低的MCU,实现降低自动驾驶冗余系统的成本的目的。
一种可行的设计中,所述判断单元12判断出所述属性信息来源于智能摄像头,所述判断单元12,还用于判断所述目标障碍物当前连续出现的次数是否达到预设次数;若所述判断单元12判断出所述目标障碍物当前连续出现的次数达到预设次数,则判断所述目标障碍物是否存在于追踪列表中,所述追踪列表中存储当前正在追踪的障碍物与属性信息的映射关系;
所述追踪单元13,在所述判断单元12判断出所述目标障碍物存在于所述追踪列表中,用于根据所述目标障碍物的属性信息,更新所述追踪列表,根据更新的追踪列表对所述目标障碍物进行追踪。
一种可行的设计中,所述追踪单元13,在所述判断单元12判断出所述目标障碍物当前连续出现的次数未达到预设次数时,还用于更新所述目标障碍物连续出现的次数。
一种可行的设计中,所述追踪单元13,在判断出所述目标障碍物不存在于所述追踪列表中时,还用于在所述追踪列表中添加所述目标障碍物与所述目标障碍物的属性信息的映射关系。
一种可行的设计中,所述判断单元12判断出所述信息来源于雷达时,还用于利用匹配算法,判断所述目标障碍物是否与追踪列表中的障碍物匹配,所述追踪列表中存储当前正在追踪的障碍物与属性信息的映射关系;
所述追踪单元13,在所述匹配单元判断出所述目标障碍物与所述追踪列表中的障碍物匹配时,还用于根据所述目标障碍物的属性信息,更新所述追踪列表,根据更新的追踪列表对所述目标障碍物进行追踪。
一种可行的设计中,所述追踪单元13,在所述判断单元12判断出所述目标障碍物与所述追踪列表中的任意一个障碍物不匹配时,还用于在所述追踪列表中添加所述目标障碍物与所述目标障碍物的属性信息的映射关系。
一种可行的设计中,所述追踪单元13,在根据所述信息来源对应的追踪方式,对所述属性信息对应的目标障碍物进行追踪之后,还用于利用卡尔曼滤波预测公式,确定所述目标障碍物存在的概率;若所述概率低于预设概率,则从所述追踪列表中删除所述目标障碍物与所述目标障碍物的属性信息的映射关系。
图6为本发明实施例提供的一种车载终端的架构示意图,该车载终端200包括主MCU21、存储器22和备MCU23,所述存储器22存储计算机执行指令;所述备MCU23执行所述存储器22存储的计算机执行指令,使得所述备MCU23执行如下步骤:
从感知信息中获取目标障碍物的属性信息,所述感知信息是根据传感器数据得到;
判断所述属性信息的信息来源;
根据所述信息来源对应的追踪方式,对所述目标障碍物进行追踪。
一种可行的设计中,所述信息来源为智能摄像头,所述根据所述信息来源对应的追踪方式,对所述目标障碍物进行追踪,包括:
判断所述目标障碍物当前连续出现的次数是否达到预设次数;
若所述目标障碍物当前连续出现的次数达到预设次数,则判断所述目标障碍物是否存在于追踪列表中,所述追踪列表中存储当前正在追踪的障碍物与属性信息的映射关系;
若所述目标障碍物存在于所述追踪列表中,则根据所述目标障碍物的属性信息,更新所述追踪列表,根据更新的追踪列表对所述目标障碍物进行追踪。
一种可行的设计中,所述判断所述目标障碍物是否连续出现预设次数之后,还包括:
若所述目标障碍物当前连续出现的次数未达到预设次数,则更新所述目标障碍物连续出现的次数。
一种可行的设计中,所述若所述目标障碍物当前连续出现的次数达到预设次数,则判断所述目标障碍物是否存在于追踪列表中之后,还包括:
若所述目标障碍物不存在于所述追踪列表中,则在所述追踪列表中添加所述目标障碍物与所述目标障碍物的属性信息的映射关系。
一种可行的设计中,所述信息来源为雷达,所述根据所述信息来源对应的追踪方式,对所述目标障碍物进行追踪,包括:
利用匹配算法,判断所述目标障碍物是否与追踪列表中的障碍物匹配,所述追踪列表中存储当前正在追踪的障碍物与属性信息的映射关系;
若所述目标障碍物与所述追踪列表中的障碍物匹配,则根据所述目标障碍物的属性信息,更新所述追踪列表,根据更新的追踪列表对所述目标障碍物进行追踪。
一种可行的设计中,所述利用匹配算法,判断所述目标障碍物是否与追踪列表中的障碍物匹配之后,还包括:
若所述目标障碍物与所述追踪列表中的任意一个障碍物不匹配,则在所述追踪列表中添加所述目标障碍物与所述目标障碍物的属性信息的映射关系。
一种可行的设计中,所述根据所述信息来源对应的追踪方式,对所述属性信息对应的目标障碍物进行追踪之后,还包括:
利用卡尔曼滤波预测公式,确定所述目标障碍物存在的概率;
若所述概率低于预设概率,则从所述追踪列表中删除所述目标障碍物与所述目标障碍物的属性信息的映射关系。
上述实施例中,备MCU23的具体实现过程可参见上述方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
本发明实施例还提供一种存储介质,所述存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如上所述的障碍物追踪方法。
在上述的实施例中,应该理解到,所描述的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台电子设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本发明各个实施例所述方法的部分步骤。
应理解,上述处理器可以是中央处理单元(central processing unit,CPU),还可以是其他通用处理器、数字信号处理器(digital signal processor,DSP)、专用集成电路(application specific integrated circuit,ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(industry standard architecture,ISA)总线、外部设备互连(peripheral component,PCI)总线或扩展工业标准体系结构(extendedIndustry standard architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本发明附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(application specific integrated circuits,ASIC)中。当然,处理器和存储介质也可以作为分立组件存在于终端或服务器中。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
本文中的术语“多个”是指两个或两个以上。本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系;在公式中,字符“/”,表示前后关联对象是一种“相除”的关系。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种障碍物追踪方法,其特征在于,所述方法应用于车载终端的备MCU,所述方法包括:
从感知信息中获取目标障碍物的属性信息,所述感知信息是根据传感器数据得到;
判断所述属性信息的信息来源;
根据所述信息来源对应的追踪方式,对所述目标障碍物进行追踪;
所述信息来源为智能摄像头,所述根据所述信息来源对应的追踪方式,对所述目标障碍物进行追踪,包括:
判断所述目标障碍物当前连续出现的次数是否达到预设次数;
若所述目标障碍物当前连续出现的次数达到预设次数,则判断所述目标障碍物是否存在于追踪列表中,所述追踪列表中存储当前正在追踪的障碍物与属性信息的映射关系;
若所述目标障碍物存在于所述追踪列表中,则根据所述目标障碍物的属性信息,更新所述追踪列表;
根据更新的追踪列表对所述目标障碍物进行追踪;
或者,
所述信息来源为雷达,所述根据所述信息来源对应的追踪方式,对所述目标障碍物进行追踪,包括:
利用匹配算法,判断所述目标障碍物是否与追踪列表中的障碍物匹配,所述追踪列表中存储当前正在追踪的障碍物与属性信息的映射关系;
若所述目标障碍物与所述追踪列表中的障碍物匹配,则根据所述目标障碍物的属性信息,更新所述追踪列表;
根据更新的追踪列表对所述目标障碍物进行追踪。
2.根据权利要求1所述的方法,其特征在于,所述判断所述目标障碍物是否连续出现预设次数之后,还包括:
若所述目标障碍物当前连续出现的次数未达到预设次数,则更新所述目标障碍物连续出现的次数。
3.根据权利要求1所述的方法,其特征在于,所述若所述目标障碍物当前连续出现的次数达到预设次数,则判断所述目标障碍物是否存在于追踪列表中之后,还包括:
若所述目标障碍物不存在于所述追踪列表中,则在所述追踪列表中添加所述目标障碍物与所述目标障碍物的属性信息的映射关系。
4.根据权利要求1所述的方法,其特征在于,所述利用匹配算法,判断所述目标障碍物是否与追踪列表中的障碍物匹配之后,还包括:
若所述目标障碍物与所述追踪列表中的任意一个障碍物不匹配,则在所述追踪列表中添加所述目标障碍物与所述目标障碍物的属性信息的映射关系。
5.根据权利要求1~4任一项所述的方法,其特征在于,所述根据所述信息来源对应的追踪方式,对所述属性信息对应的目标障碍物进行追踪之后,还包括:
利用卡尔曼滤波预测公式,确定所述目标障碍物存在的概率;
若所述概率低于预设概率,则从所述追踪列表中删除所述目标障碍物与所述目标障碍物的属性信息的映射关系。
6.一种障碍物追踪装置,其特征在于,所述装置设置在车载终端的备MCU上,所述装置包括:
获取单元,用于从感知信息中获取目标障碍物的属性信息,所述感知信息是根据传感器数据得到;
判断单元,用于判断所述感知信息的信息来源;
追踪单元,用于根据所述信息来源对应的追踪方式,对所述目标障碍物进行追踪;
所述信息来源为智能摄像头,所述追踪单元,具体用于:判断所述目标障碍物当前连续出现的次数是否达到预设次数;若所述目标障碍物当前连续出现的次数达到预设次数,则判断所述目标障碍物是否存在于追踪列表中,所述追踪列表中存储当前正在追踪的障碍物与属性信息的映射关系;若所述目标障碍物存在于所述追踪列表中,则根据所述目标障碍物的属性信息,更新所述追踪列表;根据更新的追踪列表对所述目标障碍物进行追踪;
或者,
所述信息来源为雷达,所述追踪单元,具体用于:利用匹配算法,判断所述目标障碍物是否与追踪列表中的障碍物匹配,所述追踪列表中存储当前正在追踪的障碍物与属性信息的映射关系;若所述目标障碍物与所述追踪列表中的障碍物匹配,则根据所述目标障碍物的属性信息,更新所述追踪列表;根据更新的追踪列表对所述目标障碍物进行追踪。
7.一种车载终端,包括处理器、存储器及存储在所述存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如上述权利要求1-5任一项所述的方法。
8.一种存储介质,其特征在于,所述存储介质中存储有指令,当其在车载终端上运行时,使得车载终端执行如权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811635279.5A CN109739232B (zh) | 2018-12-29 | 2018-12-29 | 障碍物追踪方法、装置、车载终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811635279.5A CN109739232B (zh) | 2018-12-29 | 2018-12-29 | 障碍物追踪方法、装置、车载终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109739232A CN109739232A (zh) | 2019-05-10 |
CN109739232B true CN109739232B (zh) | 2022-06-07 |
Family
ID=66362267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811635279.5A Active CN109739232B (zh) | 2018-12-29 | 2018-12-29 | 障碍物追踪方法、装置、车载终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109739232B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110435646B (zh) * | 2019-08-13 | 2020-10-23 | 浙江吉利汽车研究院有限公司 | 一种车辆的盲区目标追踪方法 |
CN110427035B (zh) * | 2019-08-13 | 2022-09-16 | 浙江吉利汽车研究院有限公司 | 用于车辆的目标追踪方法 |
CN113378628B (zh) * | 2021-04-27 | 2023-04-14 | 阿里云计算有限公司 | 一种道路障碍物区域检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1704719A (zh) * | 2004-06-02 | 2005-12-07 | 丰田自动车株式会社 | 障碍物识别装置以及障碍物识别方法 |
CN105711597A (zh) * | 2016-02-25 | 2016-06-29 | 江苏大学 | 前方局部行驶环境感知系统及方法 |
CN106249239A (zh) * | 2016-08-23 | 2016-12-21 | 深圳市速腾聚创科技有限公司 | 目标检测方法及装置 |
CN106774405A (zh) * | 2016-12-30 | 2017-05-31 | 华南农业大学 | 基于三级避障机制的果园植保无人机避障装置及方法 |
CN106840242A (zh) * | 2017-01-23 | 2017-06-13 | 驭势科技(北京)有限公司 | 一种智能驾驶汽车的传感器自检系统及多传感融合系统 |
CN106909152A (zh) * | 2017-03-17 | 2017-06-30 | 奇瑞汽车股份有限公司 | 一种车用环境感知系统及汽车 |
CN108776472A (zh) * | 2018-05-17 | 2018-11-09 | 驭势(上海)汽车科技有限公司 | 智能驾驶控制方法及系统、车载控制设备和智能驾驶车辆 |
-
2018
- 2018-12-29 CN CN201811635279.5A patent/CN109739232B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1704719A (zh) * | 2004-06-02 | 2005-12-07 | 丰田自动车株式会社 | 障碍物识别装置以及障碍物识别方法 |
CN105711597A (zh) * | 2016-02-25 | 2016-06-29 | 江苏大学 | 前方局部行驶环境感知系统及方法 |
CN106249239A (zh) * | 2016-08-23 | 2016-12-21 | 深圳市速腾聚创科技有限公司 | 目标检测方法及装置 |
CN106774405A (zh) * | 2016-12-30 | 2017-05-31 | 华南农业大学 | 基于三级避障机制的果园植保无人机避障装置及方法 |
CN106840242A (zh) * | 2017-01-23 | 2017-06-13 | 驭势科技(北京)有限公司 | 一种智能驾驶汽车的传感器自检系统及多传感融合系统 |
CN106909152A (zh) * | 2017-03-17 | 2017-06-30 | 奇瑞汽车股份有限公司 | 一种车用环境感知系统及汽车 |
CN108776472A (zh) * | 2018-05-17 | 2018-11-09 | 驭势(上海)汽车科技有限公司 | 智能驾驶控制方法及系统、车载控制设备和智能驾驶车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN109739232A (zh) | 2019-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11829896B2 (en) | Uncertainty-based data filtering in a vehicle | |
US20210011908A1 (en) | Model-based structured data filtering in an autonomous vehicle | |
CN109739232B (zh) | 障碍物追踪方法、装置、车载终端及存储介质 | |
CN113715814B (zh) | 碰撞检测方法、装置、电子设备、介质及自动驾驶车辆 | |
CN109212530B (zh) | 用于确定障碍物速度的方法和装置 | |
CN109212532B (zh) | 用于检测障碍物的方法和装置 | |
CN110148312B (zh) | 一种基于v2x系统的碰撞预警方法、装置和存储介质 | |
CN109934954B (zh) | 无人车运行场景确定方法及设备 | |
US11375034B2 (en) | Transmitting remotely valued data in an autonomous vehicle | |
US11648936B2 (en) | Method and apparatus for controlling vehicle | |
CN111292352B (zh) | 多目标跟踪方法、装置、设备及存储介质 | |
CN113032261B (zh) | 一种仿真测试的方法及装置 | |
CN111516703B (zh) | 消防车辆自动行驶方法、装置、计算机设备及存储介质 | |
CN115675534A (zh) | 车辆轨迹预测方法、装置、电子设备及存储介质 | |
CN112712608B (zh) | 用于通过车辆收集性能数据的系统和方法 | |
CN112558036B (zh) | 用于输出信息的方法和装置 | |
CN108428368A (zh) | 基于数据链的行车预警系统和方法 | |
WO2023066080A1 (zh) | 一种前向目标的确定方法、装置、电子设备及存储介质 | |
CN111123731B (zh) | 自动驾驶车辆仿真的方法、装置、存储介质和终端设备 | |
CN113377573A (zh) | 一种自动驾驶车辆的异常处理方法、装置、设备和存储介质 | |
US11687155B2 (en) | Method for vehicle eye tracking system | |
CN115457506A (zh) | 一种目标检测方法、装置及存储介质 | |
US20220245387A1 (en) | End-to-end monocular 2d semantic keypoint detector and tracker learning | |
US20210012220A1 (en) | Rules-based structured data filtering in an autonomous vehicle | |
JP2021193562A (ja) | 車両周囲における1つまたは複数の物体に関する物体情報をマージするための車両、方法、コンピュータプログラムおよび装置 |
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 |