CN109946703A - 一种传感器姿态调整方法及装置 - Google Patents

一种传感器姿态调整方法及装置 Download PDF

Info

Publication number
CN109946703A
CN109946703A CN201910284857.3A CN201910284857A CN109946703A CN 109946703 A CN109946703 A CN 109946703A CN 201910284857 A CN201910284857 A CN 201910284857A CN 109946703 A CN109946703 A CN 109946703A
Authority
CN
China
Prior art keywords
target
detected
sensor
unmanned vehicle
attitude
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
CN201910284857.3A
Other languages
English (en)
Other versions
CN109946703B (zh
Inventor
张建敏
彭军
楼天城
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.)
Beijing Xiao Ma Hui Line Technology Co Ltd
Beijing Ma Chi Xing Technology Co Ltd
Original Assignee
Beijing Xiao Ma Hui Line Technology Co Ltd
Beijing Ma Chi Xing 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 Xiao Ma Hui Line Technology Co Ltd, Beijing Ma Chi Xing Technology Co Ltd filed Critical Beijing Xiao Ma Hui Line Technology Co Ltd
Priority to CN201910284857.3A priority Critical patent/CN109946703B/zh
Publication of CN109946703A publication Critical patent/CN109946703A/zh
Application granted granted Critical
Publication of CN109946703B publication Critical patent/CN109946703B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Traffic Control Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请提供了一种传感器姿态调整方法及装置,涉及无人车技术领域,其中,该方法包括:获取无人车中安装的激光雷达采集的待检测目标的点云数据,以及无人车中安装的摄像设备采集的待检测目标的图像;根据所述点云数据以及所述图像判定所述待检测目标是否为预设目标;当待检测目标为预设目标物时,计算所述无人车与所述待检测目标的相对位置;按照与所述相对位置对应的姿态参数调整所述传感器的姿态。本申请实施例结合激光雷达采集的点云数据、摄像头采集的图像以及无人车与目标的相对位置,实时调整无人车中传感器的姿态,从而实现传感器跟踪重要目标以及躲避障碍物对传感器的干扰,从而提高传感器的灵活性,保证无人车行驶的安全。

Description

一种传感器姿态调整方法及装置
技术领域
本申请涉及无人车技术领域,尤其是涉及一种传感器姿态调整方法及 装置。
背景技术
无人驾驶汽车是智能汽车的一种,也称为轮式移动机器人,主要依靠 车内的以计算机系统为主的智能驾驶仪来实现无人驾驶的目的。
相关技术中,无人车的传感器固定在特定位置上,由于无人车在行驶 过程中需要采集大量的数据进行分析,因此,需要安装多个传感器进行数 据采集,才能保证数据的完整性,然而较多的传感器增加了无人车的负荷, 且当目标突然出现或位置发生变化时,容易丢失目标,例如,当车前出现 儿童时,其本身处于传感器采集区域,然而儿童有可能突然蹲下或作出一 些难以预测的举动,进入传感器的采集盲区,导致无人车无法及时采取制动措施,从而发生危险。
发明内容
有鉴于此,本申请的目的在于提供一种传感器姿态调整方法及装置, 以提高传感器的灵活性,保证无人车行驶的安全。
第一方面,本申请实施例提供了一种传感器姿态调整方法,其中,方 法包括:
获取无人车中安装的激光雷达采集的待检测目标的点云数据,以及无 人车中安装的摄像设备采集的待检测目标的图像;
根据所述点云数据以及所述图像判定所述待检测目标是否为预设目 标;
当待检测目标为预设目标物时,计算所述无人车与所述待检测目标的 相对位置;
按照与所述相对位置对应的姿态参数调整所述传感器的姿态。
结合第一方面,本申请实施例提供了第一方面的第一种可能的实施方 式,其中,所述点云数据包括所述待检测目标的轮廓特征、所述待检 测目标的角点以及所述无人车与所述待检测目标的距离;其中,所述 待检测目标的轮廓特征至少包括所述待检测目标的长、所述待检测目 标的宽、所述待检测目标的高。
结合第一方面的第一种可能的实施方式,本申请实施例提供了第一方 面的第二种可能的实施方式,其中,根据所述点云数据以及所述图像判定 所述待检测目标是否为预设目标,包括:
根据所述图像提取所述待检测目标的属性特征;
根据所述待检测目标的轮廓特征、所述待检测目标的角点以及所述待 检测目标的属性特征判定所述待检测目标是否为预设目标。
结合第一方面的第一种可能的实施方式,本申请实施例提供了第一方 面的第三种可能的实施方式,其中,当待检测目标为预设目标物时,计算 所述无人车与所述待检测目标的相对位置,包括:
根据所述无人车与所述待检测目标的距离以及所述点云数据中的所述 角点确定所述无人车与所述待检测目标的相对位置。
结合第一方面,本申请实施例提供了第一方面的第四种可能的实施方 式,其中,按照与所述相对位置对应的姿态参数调整所述传感器的姿态, 包括:
获取与所述相对位置对应的姿态参数,所述姿态参数包括所述传感器 的旋转角度、所述传感器的位置以及所述传感器的采集范围;
根据所述传感器的旋转角度、所述传感器的位置以及所述传感器的采 集范围调整所述传感器的姿态。
第二方面,本申请实施例还提供一种传感器姿态调整装置,其中,装 置包括:
获取模块,用于获取无人车中安装的激光雷达采集的待检测目标的点 云数据,以及无人车中安装的摄像设备采集的待检测目标的图像;
判定模块,用于根据所述点云数据以及所述图像判定所述待检测目标 是否为预设目标;
位置计算模块,用于当待检测目标为预设目标物时,计算所述无人车 与所述待检测目标的相对位置;
调整模块,用于按照与所述相对位置对应的姿态参数调整所述传 感器的姿态。
结合第二方面,本申请实施例提供了第二方面的第一种可能的实施方 式,其中,所述判定模块具体用于:
所述点云数据包括所述待检测目标的轮廓特征、所述待检测目标的角 点以及所述无人车与所述待检测目标的距离;其中,所述待检测目标的 轮廓特征至少包括所述待检测目标的长、所述待检测目标的宽、所述 待检测目标的高;
根据所述图像提取所述待检测目标的属性特征;
根据所述待检测目标的轮廓特征、所述待检测目标的角点以及所述待 检测目标的属性特征判定所述待检测目标是否为预设目标。
结合第二方面的第一种可能的实施方式,本申请实施例提供了第二方 面的第二种可能的实施方式,其中,所述位置计算模块具体用于:
根据所述无人车与所述待检测目标的距离以及所述点云数据中的所述 角点确定所述无人车与所述待检测目标的相对位置。
结合第二方面的第一种可能的实施方式,本申请实施例提供了第二方 面的第三种可能的实施方式,其中,所述调整模块具体用于:
获取与所述相对位置对应的姿态参数,所述姿态参数包括所述传感器 的旋转角度、所述传感器的位置以及所述传感器的采集范围;
根据所述传感器的旋转角度、所述传感器的位置以及所述传感器的采 集范围调整所述传感器的姿态。
第三方面,本申请实施例还提供一种计算机可读存储介质,该计算机 可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上 述第一方面中任一种可能的实施方式中的步骤。
第四方面,本申请实施例还提供一种电子设备,包括:处理器、存储 器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子 设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读 指令被所述处理器执行时执行上述第一方面中任一种可能的实施方式中的 步骤。
本申请实施例提供的一种传感器姿态调整的方法及装置,采用获取无 人车中安装的激光雷达采集的待检测目标的点云数据,以及无人车中安装 的摄像设备采集的待检测目标的图像;根据所述点云数据以及所述图像判 定所述待检测目标是否为预设目标;当待检测目标为预设目标物时,计算 所述无人车与所述待检测目标的相对位置;按照与所述相对位置对应的姿 态参数调整所述传感器的姿态。相关技术中,无人车的传感器位置相对固 定,在对重要目标进行追踪时,随着无人车的行驶以及目标发生突发性事 件,有可能会丢失目标,而且,在传感器遇到障碍物干扰时,会影响数据 采集,与其相比,采用本申请实施例的方法,其可以结合激光雷达采集的 点云数据、摄像头采集的图像以及无人车与目标的相对位置,调整无 人车中传感器的姿态,从而实现传感器实时跟踪重要目标。进一步的,当目标的位置对传感器造成干扰时,还可以调整传感器的位置,避免 目标对传感器造成干扰,从而提高传感器的灵活性,保证无人车行驶 的安全。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实 施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需 要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些 实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲, 在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的一种传感器姿态调整方法的流程 图;
图2示出了本申请实施例所提供的调整传感器方法的流程图;
图3示出了本申请实施例所提供的一种传感器姿态调整装置的模块 结构示意图;
图4示出了本申请实施例所提供的执行一种传感器姿态调整方法的 电子设备的硬件结构的示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本 申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述, 显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。 通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配 置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描 述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实 施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前 提下所获得的所有其他实施例,都属于本申请保护的范围。
考虑到相关技术中,无人车的传感器位置相对固定,在对重要目标进 行追踪时,随着无人车的行驶以及目标发生突发性事件,有可能会丢失目 标,而且,在传感器遇到障碍物干扰时,会影响数据采集,基于此,本申 请实施例提供了一种传感器姿态调整方法及装置,下面通过实施例进行描 述。
为便于对本实施例进行理解,首先对本申请实施例所公开的一种传感 器姿态调整方法进行详细介绍。
实施例一
图1为本申请实施例提供的一种传感器姿态调整方法的流程图,如图1 所示,传感器姿态调整方法包括以下步骤:
S110、获取无人车中安装的激光雷达采集的待检测目标的点云数据, 以及无人车中安装的摄像设备采集的待检测目标的图像;
S120、根据所述点云数据以及所述图像判定所述待检测目标是否为预 设目标;
S130、当待检测目标为预设目标物时,计算所述无人车与所述待检测 目标的相对位置;
S140、按照与所述相对位置对应的姿态参数调整所述传感器的姿态。
具体的,待检测目标的图像可以通过无人车中安装的摄像机、照相机 等设备对待检测目标进行摄像/拍照获得,然后对得到的图像进行数字化处 理即可得到表征该待检测目标的属性(如颜色、距离、形状等)。
点云数据通过无人车中安装的激光雷达采集得到,激光雷达是一种以 发射激光光束来探测目标的位置、速度等特征量的雷达系统,一般由发射 系统、接收系统和信息处理等部分组成。其中,发射系统通常由激光器(如 二氧化碳激光器、半导体激光器及固体激光器等)和光学扩束单元等组成; 接收系统可以为各种形式的光电探测器,如光电倍增管、半导体光电二极 管、红外和可见光多元探测器件等。点云数据指的是通过测量仪器等得到的目标外观表面的点数据的集合。根据激光测量原理得到的点云数据通常 包含物体表面采样点的三维坐标和激光发射强度。当一束激光照射到物体 表面时,所反射的激光会携带方位、距离等信息。若将激光光束按照某种 轨迹进行扫描,且边扫描边记录反射的激光点信息,则能够得到大量的激 光点,这些激光点就可以形成点云。
所述预设目标指的是预先设定好的、易识别、易测量和配性明显的物 体,例如可以为道路两边的标牌、行人以及交通指示灯等,在此不作限定。 但是,考虑到所选用物体的常见性和对其进行识别时的难易程度,在采集 待检测目标的点云数据中包括所述待检测目标的角点位置、待检测目标的 轮廓特征。通过深度神经网络模型对待检测目标点云数据中的轮廓特征、 角点以及待检测目标的属性进行识别,判定待检测目标是否为预设目标。其中,预设目标可以包括路标、行人以及交通指示灯等。
其中,所述待检测目标的轮廓特征至少包括所述待检测目标的长、所 述待检测目标的宽、所述待检测目标的高
通过上述步骤确定待检测目标为预设目标后,根据无人车与待检测目 标的距离计算出无人车与待检测目标的相对位置,具体的,计算出待检测 目标的角点与无人车上传感器的相对位置,其中,无人车上的传感器可以 为摄像采集设备、毫米波雷达以及激光雷达等,分别安装在车辆的特定位 置。
在获取无人车与所述待检测目标的相对位置之后,获取该相对位置对 应的传感的姿态参数,具体的,根据待检测目标点云数据中的轮廓特征、 角点、待检测目标的属性以及传感器与待检测目标的相对位置,构建虚拟 场景,将该虚拟场景与预先设定的标准虚拟场景进行匹配,根据匹配结果 确定该虚拟场景的对应的姿态参数。其中,姿态参数包括传感器的旋转角 度、所述传感器的位置以及所述传感器的采集范围。
传感器根据旋转角度进行转动,具体的,传感器根据旋转角度可以进 行水平方向的转动或竖直方向的转动,传感器根据位置参数可以进行移动, 如左右位移等,举例而言,当检测到待检测目标可能会对传感器造成干扰 时,经过上述处理后,输出传感器的位置参数,传感器根据位置参数,进 行移动,从而规避该障碍物的干扰。传感器根据采集范围参数进行视野距 离上的调整,例如,可以根据焦距参数调整摄像设备的焦距,进而实时采 集待检测目标的清晰图像。
采用本申请实施例的方法,其可以结合激光雷达采集的点云数据、摄 像头采集的图像以及无人车与目标的相对位置,调整无人车中传感器的姿 态,从而实现传感器实时跟踪重要目标。进一步的,当目标的位置对传感 器造成干扰时,还可以调整传感器的位置,避免目标对传感器造成干扰, 从而提高传感器的灵活性,保证无人车行驶的安全。
图2为本申请实施例提供的调整传感器方法的流程图,如图2所示, 调整传感器方法包括以下步骤:
S210、根据所述图像提取所述待检测目标的属性特征;
S220、根据所述待检测目标的轮廓特征、所述待检测目标的角点以及 所述待检测目标的属性特征判定所述待检测目标是否为预设目标;
S230、当所述待检测目标为预设目标时,根据所述无人车与所述待检 测目标的距离以及所述点云数据中的所述角点确定所述无人车与所述待检 测目标的相对位置;
S240、获取与所述相对位置对应的姿态参数,所述姿态参数包括所述 传感器的旋转角度、所述传感器的位置以及所述传感器的采集范围;
S250、根据所述传感器的旋转角度、所述传感器的位置以及所述传感 器的采集范围调整所述传感器的姿态。
在本申请实施例中,待检测目标的图像可以通过无人车中安装的摄像 机、照相机等设备对待检测目标进行摄像/拍照获得,然后对得到的图像进 行数字化处理即可得到表征该待检测目标的属性(如颜色、距离、形状等)。
点云数据通过无人车中安装的激光雷达采集得到,采集过程包括:激 光雷达向待检测目标发射激光探测信号,并记录发射的激光探测信号的水 平方向偏航角α(激光信号与经过发射系统正前方直线且与水平面垂直的 面的夹角)和俯仰角θ(激光信号与水平面之间的夹角)。当激光探测信号接 触到待检测目标并返回后,激光雷达接收从待检测目标返回的信号(目标回 波),并记录信号返回的时间和强度。将接收到的信号与发射的信号进行比 较和处理从而获得待检测目标的相关信息,举例而言,待检测目标的相关 信息包括目标的距离、方位、高度、姿态和/或形状等参数。将待检测目标 的相关信息进行处理后得到包含空间点三维坐标的三维数据点,将这些数 据点与每一点返回的脉冲的强度进行组合从而得到待检测目标的激光雷达 点云数据。其中,所得到的点云数据中每个点的信息可以包含该点的空间 坐标、该点与无人车之间的距离以及该点的激光反射强度。
所述预设目标指的是预先设定好的、易识别、易测量和配性明显的物 体,例如可以为道路两边的标牌、行人以及交通指示灯等,在此不作限定。 但是,考虑到所选用物体的常见性和对其进行识别时的难易程度,在采集 待检测目标的点云数据中包括所述待检测目标的角点位置。其中,角点为 极值点,即在某方面数据特别突出的点,而待检测目标的角点指的是待检 测目标外围轮廓线的拐点位置。例如,可以选用待检测目标的轮廓线部分作为基准来确定激光雷达点云数据和图像数据的配准关系,此时待检测目 标的轮廓线部分可以看成是由一个一个小矩形组成的,每个小矩形具有四 个顶点,这些顶点即为待检测目标的角点。
在待检测目标的角点时,可以首先提取出待检测目标的特征点,然后 再根据相应的算法确定待检测目标的角点位置。例如,从激光雷达点云数 据中提取待检测目标角点的过程包括剔除原始激光点云数据中包含的非待 检测目标信息,从剩余待检测目标点云数据中提取出表示待检测目标轮廓 的点云并根据反射激光的强度将提取出的点进行分类;提取与待检测目标 反射激光强度信息相匹配的类并提取该类中的线性特征;结合待检测目标 虚线部分的几何语义特征进行待检测目标的精确提取;计算相邻线段的交 点将其确定为待检测目标的角点。
判定待检测目标是否为预设目标可以为:通过深度神经网络模型对待 检测目标点云数据中的轮廓特征、角点以及待检测目标的属性进行识别, 判定待检测目标是否为预设目标。其中,预设目标包括路标、行人以及交 通指示灯等。
通过上述步骤确定待检测目标为预设目标后,根据无人车与待检测目 标的距离计算出无人车与待检测目标的相对位置,优选地,计算出待检测 目标的角点与无人车上传感器的相对位置,其中,无人车上的传感器可以 为摄像采集设备、毫米波雷达以及激光雷达等,分别安装在车辆的特定位 置。
在获取无人车与所述待检测目标的相对位置之后,获取该相对位置对 应的传感器的姿态参数,具体的,根据待检测目标点云数据中的轮廓特征、 角点、待检测目标的属性以及传感器与待检测目标的相对位置,构建虚拟 场景,将该虚拟场景与预先设定的标准虚拟场景进行匹配,根据匹配结果 确定该虚拟场景的对应的姿态参数。其中,姿态参数包括传感器的旋转角 度、所述传感器的位置以及所述传感器的采集范围。
传感器根据旋转角度进行转动,具体的,传感器根据旋转角度可以进 行水平方向的转动或竖直方向的转动,传感器根据位置参数可以进行移动, 如左右位移等,举例而言,当检测到待检测目标可能会对传感器造成干扰 时,经过上述处理后,输出传感器的位置参数,传感器根据位置参数,进 行移动,从而规避该障碍物的干扰。传感器根据采集范围参数进行视野距 离上的调整,例如,可以根据焦距参数调整摄像设备的焦距,进而实时采 集待检测目标的清晰图像。
基于相同的技术构思,本申请实施例还提供一种传感器姿态调整装 置、电子设备、以及计算机存储介质等,具体可参见以下实施例。
实施例二
图3为本申请实施例提供的一种传感器姿态调整装置的模块结构示意 图,如图3所示,传感器姿态调整装置包括以下模块:
获取模块310,用于获取无人车中安装的激光雷达采集的待检测目标的 点云数据,以及无人车中安装的摄像设备采集的待检测目标的图像;
判定模块320,用于根据所述点云数据以及所述图像判定所述待检测目 标是否为预设目标;
位置计算模块330,用于当待检测目标为预设目标物时,计算所述无人 车与所述待检测目标的相对位置;
调整模块340,用于按照与所述相对位置对应的姿态参数调整所述传感 器的姿态。
可选地,所述判定模块320具体用于:
所述点云数据包括所述待检测目标的轮廓特征、所述待检测目标的角 点以及所述无人车与所述待检测目标的距离;其中,所述待检测目标的轮 廓特征至少包括所述待检测目标的长、所述待检测目标的宽、所述待检测 目标的高
根据所述图像提取所述待检测目标的属性特征;
根据所述待检测目标的轮廓特征、所述待检测目标的角点以及所述待 检测目标的属性特征判定所述待检测目标是否为预设目标。
可选地,所述位置计算模块330具体用于:
根据所述无人车与所述待检测目标的距离以及所述点云数据中的所述 角点确定所述无人车与所述待检测目标的相对位置。
可选地,所述调整模块340具体用于:
获取与所述相对位置对应的姿态参数,所述姿态参数包括所述传感器 的旋转角度、所述传感器的位置以及所述传感器的采集范围;
根据所述传感器的旋转角度、所述传感器的位置以及所述传感器的采 集范围调整所述传感器的姿态。
实施例三
图4示出了本申请实施例提供的执行一种传感器姿态调整方法的电子 设备的硬件结构的示意图,如图4所示,该设备包括:
一个或多个处理器410以及存储器420,图4中以一个处理器410 为例。
处理器410和存储器420可以通过总线或者其他方式连接,图4 中以通过总线连接为例。
存储器420作为一种非易失性计算机可读存储介质,可用于存储 非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请 实施例中的一种传感器姿态调整方法对应的程序指令/模块。处理器 410通过运行存储在存储器420中的非易失性软件程序、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,即实现上述申请 实施例中的一种传感器姿态调整方法。
存储器420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 存储根据任意以上方法的使用所创建的数据等。此外,存储器420 可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至 少一个磁盘存储器件、闪存器件或其他非易失性固态存储器件。在一 些实施例中,存储器420可选包括相对于处理器410远程设置的存储 器,这些远程存储器可以通过网络连接至运行任意以上方法的处理 器。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。
一个或者多个模块存储在存储器420中,当被一个或者多个处理 器410执行时,执行上述申请实施例中的一种传感器姿态调整方法。
实施例四
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介 质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法实施 例中一种传感器姿态调整方法的步骤。
本申请实施例所提供的进行一种传感器姿态调整方法的计算机程序 产品,包括存储了处理器可执行的非易失的程序代码的计算机可读存储介 质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法, 具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述 描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的 对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置 和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意 性的,例如,所述单元的划分,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,又例如,多个单元或组件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通信接口,装置或 单元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单元可以是或者也可以不是物理上分开的, 作为单元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 部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元 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 一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使 用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。 基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的 部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软 件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可 以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述 方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存 储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory, 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:以上所述实施例,仅为本申请的具体实施方式,用 以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于 此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术 人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围 内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变 化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都 应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利 要求的保护范围为准。

Claims (10)

1.一种传感器姿态调整方法,其特征在于,包括:
获取无人车中安装的激光雷达采集的待检测目标的点云数据,以及无人车中安装的摄像设备采集的待检测目标的图像;
根据所述点云数据以及所述图像判定所述待检测目标是否为预设目标;
当待检测目标为预设目标物时,计算所述无人车与所述待检测目标的相对位置;
按照与所述相对位置对应的姿态参数调整所述传感器的姿态。
2.根据权利要求1所述的传感器姿态调整方法,其特征在于,所述点云数据包括所述待检测目标的轮廓特征、所述待检测目标的角点以及所述无人车与所述待检测目标的距离;其中,所述待检测目标的轮廓特征至少包括所述待检测目标的长、所述待检测目标的宽、所述待检测目标的高。
3.根据权利要求2所述的传感器姿态调整方法,其特征在于,根据所述点云数据以及所述图像判定所述待检测目标是否为预设目标,包括:
根据所述图像提取所述待检测目标的属性特征;
根据所述待检测目标的轮廓特征、所述待检测目标的角点以及所述待检测目标的属性特征判定所述待检测目标是否为预设目标。
4.根据权利要求2所述的传感器姿态调整方法,其特征在于,当待检测目标为预设目标物时,计算所述无人车与所述待检测目标的相对位置,包括:
根据所述无人车与所述待检测目标的距离以及所述点云数据中的所述角点确定所述无人车与所述待检测目标的相对位置。
5.根据权利要求1所述的传感器姿态调整方法,其特征在于,按照与所述相对位置对应的姿态参数调整所述传感器的姿态,包括:
获取与所述相对位置对应的姿态参数,所述姿态参数包括所述传感器的旋转角度、所述传感器的位置以及所述传感器的采集范围;
根据所述传感器的旋转角度、所述传感器的位置以及所述传感器的采集范围调整所述传感器的姿态。
6.一种传感器姿态调整装置,其特征在于,包括:
获取模块,用于获取无人车中安装的激光雷达采集的待检测目标的点云数据,以及无人车中安装的摄像设备采集的待检测目标的图像;
判定模块,用于根据所述点云数据以及所述图像判定所述待检测目标是否为预设目标;
位置计算模块,用于当待检测目标为预设目标物时,计算所述无人车与所述待检测目标的相对位置;
调整模块,用于按照与所述相对位置对应的姿态参数调整所述传感器的姿态。
7.根据权利要求6所述的一种传感器姿态调整装置,其特征在于,所述判定模块具体用于:
所述点云数据包括所述待检测目标的轮廓特征、所述待检测目标的角点以及所述无人车与所述待检测目标的距离;其中,所述待检测目标的轮廓特征至少包括所述待检测目标的长、所述待检测目标的宽、所述待检测目标的高;
根据所述图像提取所述待检测目标的属性特征;
根据所述待检测目标的轮廓特征、所述待检测目标的角点以及所述待检测目标的属性特征判定所述待检测目标是否为预设目标。
8.根据权利要求7所述的一种传感器姿态调整装置,其特征在于,所述位置计算模块具体用于:
根据所述无人车与所述待检测目标的距离以及所述点云数据中的所述角点确定所述无人车与所述待检测目标的相对位置。
9.根据权利要求7所述的一种传感器姿态调整装置,其特征在于,所述调整模块具体用于:
获取与所述相对位置对应的姿态参数,所述姿态参数包括所述传感器的旋转角度、所述传感器的位置以及所述传感器的采集范围;
根据所述传感器的旋转角度、所述传感器的位置以及所述传感器的采集范围调整所述传感器的姿态。
10.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至5任一所述的传感器姿态调整方法的步骤。
CN201910284857.3A 2019-04-10 2019-04-10 一种传感器姿态调整方法及装置 Active CN109946703B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910284857.3A CN109946703B (zh) 2019-04-10 2019-04-10 一种传感器姿态调整方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910284857.3A CN109946703B (zh) 2019-04-10 2019-04-10 一种传感器姿态调整方法及装置

Publications (2)

Publication Number Publication Date
CN109946703A true CN109946703A (zh) 2019-06-28
CN109946703B CN109946703B (zh) 2021-09-28

Family

ID=67014035

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910284857.3A Active CN109946703B (zh) 2019-04-10 2019-04-10 一种传感器姿态调整方法及装置

Country Status (1)

Country Link
CN (1) CN109946703B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110427034A (zh) * 2019-08-13 2019-11-08 浙江吉利汽车研究院有限公司 一种基于车路协同的目标追踪系统及方法
CN110456377A (zh) * 2019-08-15 2019-11-15 中国人民解放军63921部队 一种基于三维激光雷达的卫星来袭异物检测方法和系统
CN110634161A (zh) * 2019-08-30 2019-12-31 哈尔滨工业大学(深圳) 一种基于点云数据的工件位姿快速高精度估算方法及装置
CN112036471A (zh) * 2020-08-28 2020-12-04 四川长虹电器股份有限公司 一种基于毫米波雷达的多人跟踪方法
CN112526571A (zh) * 2020-12-25 2021-03-19 北京小马智行科技有限公司 位姿数据的处理方法、处理装置、处理器和车辆系统
CN113370911A (zh) * 2019-10-31 2021-09-10 北京百度网讯科技有限公司 车载传感器的位姿调整方法、装置、设备和介质
CN113819901A (zh) * 2020-06-19 2021-12-21 长鑫存储技术有限公司 光学传感器的姿态调整装置及方法、自动物料运输系统

Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN87108166A (zh) * 1986-12-22 1988-07-06 康特拉维斯股份公司 目标跟踪系统
CN105184776A (zh) * 2015-08-17 2015-12-23 中国测绘科学研究院 目标跟踪方法
CN105182983A (zh) * 2015-10-22 2015-12-23 深圳创想未来机器人有限公司 基于移动机器人的人脸实时跟踪方法和跟踪系统
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
CN106054924A (zh) * 2016-07-06 2016-10-26 北京北方猎天科技有限公司 一种无人机伴飞方法、伴飞装置和伴飞系统
CN106295586A (zh) * 2016-08-16 2017-01-04 长春理工大学 基于单线点云数据机器学习的人形目标识别方法及装置
CN106504363A (zh) * 2016-10-19 2017-03-15 广东容祺智能科技有限公司 一种智能机载双光巡检系统稳定平台自动跟踪方法
CN106707296A (zh) * 2017-01-09 2017-05-24 华中科技大学 一种基于双孔径光电成像系统的无人机检测与识别方法
CN106707293A (zh) * 2016-12-01 2017-05-24 百度在线网络技术(北京)有限公司 用于车辆的障碍物识别方法和装置
CN106932780A (zh) * 2017-03-14 2017-07-07 北京京东尚科信息技术有限公司 物体定位方法、装置和系统
CN107480666A (zh) * 2017-08-10 2017-12-15 深圳市碧海扬帆科技有限公司 图像捕获设备及其扫描目标提取方法、装置、存储介质
CN107817483A (zh) * 2017-12-08 2018-03-20 上海禾赛光电科技有限公司 障碍物信息的获取方法及激光雷达系统
CN107976668A (zh) * 2016-10-21 2018-05-01 法乐第(北京)网络科技有限公司 一种确定相机与激光雷达之间的外参数的方法
CN107992052A (zh) * 2017-12-27 2018-05-04 纳恩博(北京)科技有限公司 目标跟踪方法及装置、移动设备及存储介质
CN108509918A (zh) * 2018-04-03 2018-09-07 中国人民解放军国防科技大学 融合激光点云与图像的目标检测与跟踪方法
CN108897345A (zh) * 2018-07-18 2018-11-27 北京小马智行科技有限公司 一种控制无人车摄像头旋转的方法及系统
CN108932475A (zh) * 2018-05-31 2018-12-04 中国科学院西安光学精密机械研究所 一种基于激光雷达和单目视觉的三维目标识别系统及方法
CN108985212A (zh) * 2018-07-06 2018-12-11 深圳市科脉技术股份有限公司 人脸识别方法及装置
US20180365503A1 (en) * 2017-06-16 2018-12-20 Baidu Online Network Technology (Beijing) Co., Ltd. Method and Apparatus of Obtaining Obstacle Information, Device and Computer Storage Medium
CN109143167A (zh) * 2017-06-28 2019-01-04 杭州海康机器人技术有限公司 一种障碍信息获取装置及方法
CN109359409A (zh) * 2018-10-31 2019-02-19 张维玲 一种基于视觉与激光雷达传感器的车辆可通过性检测系统
CN109544648A (zh) * 2018-11-30 2019-03-29 北京小马智行科技有限公司 一种标定方法及装置
CN109581345A (zh) * 2018-11-28 2019-04-05 深圳大学 基于毫米波雷达的目标检测与跟踪方法及系统

Patent Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN87108166A (zh) * 1986-12-22 1988-07-06 康特拉维斯股份公司 目标跟踪系统
CN105184776A (zh) * 2015-08-17 2015-12-23 中国测绘科学研究院 目标跟踪方法
CN105182983A (zh) * 2015-10-22 2015-12-23 深圳创想未来机器人有限公司 基于移动机器人的人脸实时跟踪方法和跟踪系统
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
CN106054924A (zh) * 2016-07-06 2016-10-26 北京北方猎天科技有限公司 一种无人机伴飞方法、伴飞装置和伴飞系统
CN106295586A (zh) * 2016-08-16 2017-01-04 长春理工大学 基于单线点云数据机器学习的人形目标识别方法及装置
CN106504363A (zh) * 2016-10-19 2017-03-15 广东容祺智能科技有限公司 一种智能机载双光巡检系统稳定平台自动跟踪方法
CN107976668A (zh) * 2016-10-21 2018-05-01 法乐第(北京)网络科技有限公司 一种确定相机与激光雷达之间的外参数的方法
CN106707293A (zh) * 2016-12-01 2017-05-24 百度在线网络技术(北京)有限公司 用于车辆的障碍物识别方法和装置
CN106707296A (zh) * 2017-01-09 2017-05-24 华中科技大学 一种基于双孔径光电成像系统的无人机检测与识别方法
CN106932780A (zh) * 2017-03-14 2017-07-07 北京京东尚科信息技术有限公司 物体定位方法、装置和系统
US20180365503A1 (en) * 2017-06-16 2018-12-20 Baidu Online Network Technology (Beijing) Co., Ltd. Method and Apparatus of Obtaining Obstacle Information, Device and Computer Storage Medium
CN109143167A (zh) * 2017-06-28 2019-01-04 杭州海康机器人技术有限公司 一种障碍信息获取装置及方法
CN107480666A (zh) * 2017-08-10 2017-12-15 深圳市碧海扬帆科技有限公司 图像捕获设备及其扫描目标提取方法、装置、存储介质
CN107817483A (zh) * 2017-12-08 2018-03-20 上海禾赛光电科技有限公司 障碍物信息的获取方法及激光雷达系统
CN107992052A (zh) * 2017-12-27 2018-05-04 纳恩博(北京)科技有限公司 目标跟踪方法及装置、移动设备及存储介质
CN108509918A (zh) * 2018-04-03 2018-09-07 中国人民解放军国防科技大学 融合激光点云与图像的目标检测与跟踪方法
CN108932475A (zh) * 2018-05-31 2018-12-04 中国科学院西安光学精密机械研究所 一种基于激光雷达和单目视觉的三维目标识别系统及方法
CN108985212A (zh) * 2018-07-06 2018-12-11 深圳市科脉技术股份有限公司 人脸识别方法及装置
CN108897345A (zh) * 2018-07-18 2018-11-27 北京小马智行科技有限公司 一种控制无人车摄像头旋转的方法及系统
CN109359409A (zh) * 2018-10-31 2019-02-19 张维玲 一种基于视觉与激光雷达传感器的车辆可通过性检测系统
CN109581345A (zh) * 2018-11-28 2019-04-05 深圳大学 基于毫米波雷达的目标检测与跟踪方法及系统
CN109544648A (zh) * 2018-11-30 2019-03-29 北京小马智行科技有限公司 一种标定方法及装置

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110427034A (zh) * 2019-08-13 2019-11-08 浙江吉利汽车研究院有限公司 一种基于车路协同的目标追踪系统及方法
CN110427034B (zh) * 2019-08-13 2022-09-02 浙江吉利汽车研究院有限公司 一种基于车路协同的目标追踪系统及方法
CN110456377A (zh) * 2019-08-15 2019-11-15 中国人民解放军63921部队 一种基于三维激光雷达的卫星来袭异物检测方法和系统
CN110456377B (zh) * 2019-08-15 2021-07-30 中国人民解放军63921部队 一种基于三维激光雷达的卫星来袭异物检测方法和系统
CN110634161A (zh) * 2019-08-30 2019-12-31 哈尔滨工业大学(深圳) 一种基于点云数据的工件位姿快速高精度估算方法及装置
CN113370911B (zh) * 2019-10-31 2024-03-19 北京百度网讯科技有限公司 车载传感器的位姿调整方法、装置、设备和介质
CN113370911A (zh) * 2019-10-31 2021-09-10 北京百度网讯科技有限公司 车载传感器的位姿调整方法、装置、设备和介质
CN113819901B (zh) * 2020-06-19 2023-11-07 长鑫存储技术有限公司 光学传感器的姿态调整装置及方法、自动物料运输系统
CN113819901A (zh) * 2020-06-19 2021-12-21 长鑫存储技术有限公司 光学传感器的姿态调整装置及方法、自动物料运输系统
WO2021254066A1 (zh) * 2020-06-19 2021-12-23 长鑫存储技术有限公司 光学传感器的姿态调整装置及方法、自动物料运输系统
US11933719B2 (en) 2020-06-19 2024-03-19 Changxin Memory Technologies, Inc. Posture adjustment device and method for optical sensor, and automatic material transport system
CN112036471A (zh) * 2020-08-28 2020-12-04 四川长虹电器股份有限公司 一种基于毫米波雷达的多人跟踪方法
CN112036471B (zh) * 2020-08-28 2022-02-08 四川长虹电器股份有限公司 一种基于毫米波雷达的多人跟踪方法
CN112526571A (zh) * 2020-12-25 2021-03-19 北京小马智行科技有限公司 位姿数据的处理方法、处理装置、处理器和车辆系统

Also Published As

Publication number Publication date
CN109946703B (zh) 2021-09-28

Similar Documents

Publication Publication Date Title
CN109946703A (zh) 一种传感器姿态调整方法及装置
CN110988912B (zh) 自动驾驶车辆的道路目标与距离检测方法、系统、装置
KR102614323B1 (ko) 수동 및 능동 측정을 이용한 장면의 3차원 지도 생성
US10145951B2 (en) Object detection using radar and vision defined image detection zone
US20180136332A1 (en) Method and system to annotate objects and determine distances to objects in an image
US10878288B2 (en) Database construction system for machine-learning
KR100899820B1 (ko) 자율 이동 차량용 지면/장애물 판별장치 및 판별방법
KR102623124B1 (ko) 접안 모니터링 장치 및 방법
CN108596058A (zh) 基于计算机视觉的行车障碍物测距方法
US20050232463A1 (en) Method and apparatus for detecting a presence prior to collision
CN106537186A (zh) 用于使用机器视觉系统执行同时定位和映射的系统和方法
CN112698306A (zh) 一种多激光雷达结合相机解决地图构建盲区的系统和方法
CN110674705A (zh) 基于多线激光雷达的小型障碍物检测方法及装置
US20210018611A1 (en) Object detection system and method
CN108021899A (zh) 基于双目相机的车载智能前车防撞预警方法
Brauckmann et al. Towards all around automatic visual obstacle sensing for cars
KR20160125803A (ko) 영역 추출 장치, 물체 탐지 장치 및 영역 추출 방법
CN212044739U (zh) 一种基于惯性数据和视觉特征的定位装置及机器人
Rana et al. Comparative study of Automotive Sensor technologies used for Unmanned Driving
US20220309776A1 (en) Method and system for determining ground level using an artificial neural network
Borgmann et al. Pedestrian detection and tracking in sparse MLS point clouds using a neural network and voting-based approach
Thai et al. Application of edge detection algorithm for self-driving vehicles
Roening et al. Obstacle detection using a light-stripe-based method
Hwang A Vehicle Tracking System Using Thermal and Lidar Data
Wessman Object detection using LIDAR in maritime scenarios

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