CN110077402B - 目标物体的追踪方法、装置及存储介质 - Google Patents

目标物体的追踪方法、装置及存储介质 Download PDF

Info

Publication number
CN110077402B
CN110077402B CN201910394386.1A CN201910394386A CN110077402B CN 110077402 B CN110077402 B CN 110077402B CN 201910394386 A CN201910394386 A CN 201910394386A CN 110077402 B CN110077402 B CN 110077402B
Authority
CN
China
Prior art keywords
target object
automobile
position information
information
coordinate system
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
Application number
CN201910394386.1A
Other languages
English (en)
Other versions
CN110077402A (zh
Inventor
唐得志
赛影辉
肖飞
阴山慧
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.)
Chery Automobile Co Ltd
Original Assignee
Chery Automobile 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 Chery Automobile Co Ltd filed Critical Chery Automobile Co Ltd
Priority to CN201910394386.1A priority Critical patent/CN110077402B/zh
Publication of CN110077402A publication Critical patent/CN110077402A/zh
Priority to PCT/CN2019/112425 priority patent/WO2020228242A1/zh
Application granted granted Critical
Publication of CN110077402B publication Critical patent/CN110077402B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • 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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
    • G01S15/04—Systems determining presence of a target

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Acoustics & Sound (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请公开了一种目标物体的追踪方法、装置及存储介质，属于智能汽车技术领域。所述方法包括：通过安装在汽车上的毫米波雷达获取所述汽车在行驶方向上的雷达信息；基于所述雷达信息，确定符合追踪条件的目标物体；对所述目标物体进行追踪，以对所述汽车进行控制。本申请通过获取汽车行驶方向上的雷达信息，并根据雷达信息确定符合追踪条件的目标物体，对符合追踪条件的目标物体进行追踪，从而使追踪具有针对性，提高了物体追踪的准确性，保证了汽车的行驶安全性。

Description

目标物体的追踪方法、装置及存储介质
技术领域
本申请涉及智能汽车技术领域，特别涉及一种目标物体的追踪方法、装置及存储介质。
背景技术
随着技术的发展，汽车智能化的程度越来越高。其中，汽车可以包括自适应巡航系统，并在自适应巡航系统的控制下自动进行行驶。而通过自适应巡航系统进行控制的关键是对目标物体的追踪，也即是，对汽车当前行驶方向上诸如其他汽车、行人等目标物体的追踪。
目前，可以通过固定在汽车前方的毫米波雷达实时获取行驶方向上的目标物体和物体信息，并根据获取物体信息对目标物体进行追踪，根据追踪结果对汽车进行控制。
但是，由于汽车在行驶过程中，通过毫米波雷达获取的物体信息可能来源于目标物体，也可能是其他噪声影响。且由于毫米波雷达本身工作的不稳定及回波能量的不均匀，可能会导致获取到虚假目标物体，从而导致物体追踪不准确。同时，随着汽车行驶过程中的随机颠簸和摆动，毫米波雷达测量信号可能出现短暂丢失，从而导致物体信息的较大波动，导致获取的目标物体及物体信息多且杂，从而导致自动驾驶计算量将会加大，降低了自动驾驶实时性，同时也会导致无法准确及时地检测出危险目标物体，进而导致汽车产生不必要的误报警或误执行，降低行车舒适性，甚至引起安全隐患。
发明内容
本申请实施例提供了一种目标物体的追踪方法、装置及存储介质，用于解决相关技术中目标物体追踪准确性低，导致汽车驾驶安全性差的问题。所述技术方案如下：
一方面，提供了一种目标物体的追踪方法，所述方法包括：
通过安装在汽车上的毫米波雷达获取所述汽车在行驶方向上的雷达信息；
基于所述雷达信息，确定符合追踪条件的目标物体；
对所述目标物体进行追踪，以对所述汽车进行控制。
在一些实施例中，所述基于所述雷达信息，确定符合追踪条件的目标物体，包括：
基于所述雷达信息，确定所述物体中的静止物体、虚假物体、空物体和非危险物体；
将所述禁止物体、所述虚假物体、所述空物体和所述非危险物体之外的物体确定为符合所述追踪条件的目标物体。
在一些实施例中，所述雷达信息包括出现在所述汽车在行驶方向上的物体的物体信息、所述汽车与所述物体之间横向距离和纵向距离，所述物体信息包括所述汽车与所述物体之间的相对距离、相对速度以及所述物体在所述毫米波雷达的检测范围内出现的出现次数；
所述基于所述物体信息，确定所述物体中的静止物体、虚假物体、空物体和非危险物体，包括：
将所述物体中所述相对速度的绝对值与所述汽车的行驶速度相等的物体确定为所述静止物体；
将所述物体中与所述汽车之间的相对距离等于0的物体确定为所述空物体；
将所述物体中出现次数大于或小于出现次数阈值的物体确定为所述虚假物体；
将所述物体中横向距离小于横向距离阈值且纵向距离小于纵向距离阈值的物体确定为所述非危险物体。
在一些实施例中，所述通过安装在汽车上的毫米波雷达获取所述汽车在行驶方向上的雷达信息，包括：
通过所述毫米波雷达获取所述行驶方向上的雷达数据；
对所述雷达数据进行预处理，得到所述雷达信息。
在一些实施例中，所述对所述雷达数据进行预处理，得到所述雷达信息，包括:
按照毫米波雷达协议，对所述物体的雷达数据进行解析，得到所述物体的物体信息；
以所述毫米波雷达的位置为原点，建立世界坐标系；
当所述物体信息包括所述物体与所述汽车之间的相对距离以及所述物体与所述汽车之间的相对角度时，将所述相对距离分解在所述世界坐标系中，得到横向距离和纵向距离。
在一些实施例中，所述对所述目标物体进行追踪，以对所述汽车进行控制，包括:
将所述目标物体从世界坐标系投影到图像像素坐标系中；
在所述图像像素坐标系中对所述目标物体进行追踪，以对所述汽车进行控制。
在一些实施例中，所述将所述目标物体从世界坐标系投影到图像像素坐标系中，包括：
根据所述世界坐标系下所述目标物体的坐标值，通过下述投影公式将所述目标物体投影至所述图像像素坐标系中；
X1＝X*a+image.cols,
Y1＝Y*b
其中，所述X1为所述目标物体在所述图像像素坐标系下的横坐标，所述Y1为所述目标物体在所述图像像素坐标系下的纵坐标，所述图像像素坐标系中坐标单位为像素pixel，所述X为所述目标物体在所述世界坐标系下的横向距离，所述Y为所述目标物体在所述世界坐标系下的纵向距离，所述a和b为放大倍数，所述image.cols为图像宽度。
在一些实施例中，所述在所述图像像素坐标系中对所述目标物体进行追踪，以对所述汽车进行控制，包括：
选取距离所述汽车最近的目标物体；
通过四阶卡尔曼滤波算法对选取的目标物体进行信息预测，得到预测位置信息；
将所述预测位置信息与参考位置信息通过对比公式进行对比，所述参考位置信息为所述选取的目标物体当前的位置信息；
当所述预测位置信息与所述参考位置信息不满足对比公式，且不满足所述对比公式的次数大于或等于不一致次数阈值时，对所述参考位置信息进行更新；
当所述预测位置信息与所述参考位置信息满足所述对比公式，且所述选取的目标物体被选取的次数大于或等于选取次数阈值时，确定所述选取的目标物体与所述汽车发生碰撞的碰撞时长。
另一方面，提供了一种目标物体的追踪装置，所述装置包括：
获取模块，用于通过安装在汽车上的毫米波雷达获取所述汽车在行驶方向上的雷达信息；
确定模块，用于基于所述雷达信息，确定符合追踪条件的目标物体；
追踪模块，用于对所述目标物体进行追踪，以对所述汽车进行控制。
在一些实施例中，所述确定模块包括：
第一确定子模块，用于基于所述雷达信息，确定所述物体中的静止物体、虚假物体、空物体和非危险物体；
第二确定子模块，用于将所述禁止物体、所述虚假物体、所述空物体和所述非危险物体之外的物体确定为符合所述追踪条件的目标物体。
在一些实施例中，所述雷达信息包括出现在所述汽车在行驶方向上的物体的物体信息、所述汽车与所述物体之间横向距离和纵向距离，所述物体信息包括所述汽车与所述物体之间的相对距离、相对速度以及所述物体在所述毫米波雷达的检测范围内出现的出现次数；
所述第一确定子模块用于：
将所述物体中所述相对速度的绝对值与所述汽车的行驶速度相等的物体确定为所述静止物体；
将所述物体中与所述汽车之间的相对距离等于0的物体确定为所述空物体；
将所述物体中出现次数大于或小于出现次数阈值的物体确定为所述虚假物体；
将所述物体中横向距离小于横向距离阈值且纵向距离小于纵向距离阈值的物体确定为所述非危险物体。
在一些实施例中，所述获取模块包括：
获取子模块，用于通过所述毫米波雷达获取所述行驶方向上的雷达数据；
处理子模块，用于对所述雷达数据进行预处理，得到所述雷达信息。
在一些实施例中，所述处理子模块用于:
按照毫米波雷达协议，对所述物体的雷达数据进行解析，得到所述物体的物体信息；
以所述毫米波雷达的位置为原点，建立世界坐标系；
当所述物体信息包括所述物体与所述汽车之间的相对距离以及所述物体与所述汽车之间的相对角度时，将所述相对距离分解在所述世界坐标系中，得到横向距离和纵向距离。
在一些实施例中，所述追踪模块包括:
投影子模块，用于将所述目标物体从世界坐标系投影到图像像素坐标系中；
追踪子模块，用于在所述图像像素坐标系中对所述目标物体进行追踪，以对所述汽车进行控制。
在一些实施例中，所述投影子模块用于：
根据所述世界坐标系下所述目标物体的坐标值，通过下述投影公式将所述目标物体投影至所述图像像素坐标系中；
X1＝X*a+image.cols,
Y1＝Y*b
其中，所述X1为所述目标物体在所述图像像素坐标系下的横坐标，所述Y1为所述目标物体在所述图像像素坐标系下的纵坐标，所述图像像素坐标系中坐标单位为像素pixel，所述X为所述目标物体在所述世界坐标系下的横向距离，所述Y为所述目标物体在所述世界坐标系下的纵向距离，所述a和b为放大倍数，所述image.cols为图像宽度。
在一些实施例中，所述追踪子模块用于：
选取距离所述汽车最近的目标物体；
通过四阶卡尔曼滤波算法对选取的目标物体进行信息预测，得到预测位置信息；
将所述预测位置信息与参考位置信息通过对比公式进行对比，所述参考位置信息为所述选取的目标物体当前的位置信息；
当所述预测位置信息与所述参考位置信息不满足对比公式，且不满足所述对比公式的次数大于或等于不一致次数阈值时，对所述参考位置信息进行更新；
当所述预测位置信息与所述参考位置信息满足所述对比公式，且所述选取的目标物体被选取的次数大于或等于选取次数阈值时，确定所述选取的目标物体与所述汽车发生碰撞的碰撞时长。
另一方面，提供了一种计算机可读存储介质，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述提供的目标物体的追踪方法的步骤。
另一方面，提供了一种汽车，所述汽车包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行上述提供的目标物体的追踪方法的步骤。
另一方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面提供的提供的目标物体的追踪方法的步骤。
本申请实施例提供的技术方案带来的有益效果至少包括：
在本申请实施例中，可以获取汽车行驶方向上的雷达信息，并根据获取的雷达信息确定符合追踪条件的目标物体，然后对符合追踪条件的目标物体进行追踪，从而使追踪具有针对性，提高了物体追踪的准确性，保证了汽车的行驶安全性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种目标物体的追踪方法流程图；
图2是本申请实施例提供的另一种目标物体的追踪方法流程图；
图3是本申请实施例提供的一种汽车与目标物体之间的位置示意图；
图4是本申请实施例提供的一种目标物体的追踪装置结构示意图；
图5是本申请实施例提供的一种确定模块的结构示意图；
图6是本申请实施例提供的一种获取模块的结构示意图；
图7是本申请实施例提供的一种追踪模块的结构示意图；
图8是本申请实施例提供的一种汽车的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
在对本申请实施例进行详细的解释说明之前，先对本申请实施例中涉及到的应用场景进行解释说明。
随着技术的发展，汽车智能化的程度越来越高，汽车可以在自适应巡航系统的控制下自动进行行驶。而通过自适应巡航系统进行控制的关键是对目标物体的追踪，目前，可以通过固定在汽车前方的毫米波雷达实时获取行驶方向上的目标物体和物体信息，并根据获取物体信息对目标物体进行追踪，根据追踪结果对汽车进行控制。但是，由于汽车在行驶过程中，通过毫米波雷达获取的物体信息可能来源于目标物体，也可能是其他噪声影响。且由于毫米波雷达本身工作的不稳定及回波能量的不均匀，可能会导致获取到虚假目标物体，从而导致物体追踪不准确。同时，随着汽车行驶过程中的随机颠簸和摆动，毫米波雷达测量信号可能出现短暂丢失，从而导致物体信息的较大波动，导致获取的目标物体及物体信息多且杂，从而导致自动驾驶计算量将会加大，降低了自动驾驶实时性，同时也会导致无法准确及时地检测出危险目标物体，进而导致汽车产生不必要的误报警或误执行，降低行车舒适性，甚至引起安全隐患。
基于这样的应用场景，本申请实施例提供了一种能够提高物体追踪准确性的目标物体的追踪方法。
在对本申请实施例的应用场景进行介绍之后，接下来将结合附图对本申请实施例提供的目标物体的追踪的方法进行详细介绍。
图1为本申请实施例提供的一种目标物体的追踪方法的流程图，参见图1，该方法应用于汽车中，包括如下步骤。
步骤101：通过安装在汽车上的毫米波雷达获取该汽车在行驶方向上的雷达信息。
步骤102：基于该雷达信息，确定符合追踪条件的目标物体。
步骤103：对该目标物体进行追踪，以对该汽车进行控制。
在本申请实施例中，可以获取汽车行驶方向上的雷达信息，并根据获取的雷达信息确定符合追踪条件的目标物体，然后对符合追踪条件的目标物体进行追踪，从而使追踪具有针对性，提高了物体追踪的准确性，保证了汽车的行驶安全性。
在一些实施例中，基于该雷达信息，确定符合追踪条件的目标物体，包括：
基于该雷达信息，确定该物体中的静止物体、虚假物体、空物体和非危险物体；
将该禁止物体、该虚假物体、该空物体和该非危险物体之外的物体确定为符合该追踪条件的目标物体。
在一些实施例中，该雷达信息包括出现在该汽车在行驶方向上的物体的物体信息、该汽车与该物体之间横向距离和纵向距离，该物体信息包括该汽车与该物体之间的相对距离、相对速度以及该物体在该毫米波雷达的检测范围内出现的出现次数；
基于该物体信息，确定该物体中的静止物体、虚假物体、空物体和非危险物体，包括：
将该物体中该相对速度的绝对值与该汽车的行驶速度相等的物体确定为该静止物体；
将该物体中与该汽车之间的相对距离等于0的物体确定为该空物体；
将该物体中出现次数大于或小于出现次数阈值的物体确定为该虚假物体；
将该物体中横向距离小于横向距离阈值且纵向距离小于纵向距离阈值的物体确定为该非危险物体。
在一些实施例中，通过安装在汽车上的毫米波雷达获取该汽车在行驶方向上的雷达信息，包括：
通过该毫米波雷达获取该行驶方向上的雷达数据；
对该雷达数据进行预处理，得到该雷达信息。
在一些实施例中，该对该雷达数据进行预处理，得到该雷达信息，包括:
按照毫米波雷达协议，对该物体的雷达数据进行解析，得到该物体的物体信息；
以该毫米波雷达的位置为原点，建立世界坐标系；
当该物体信息包括该物体与该汽车之间的相对距离以及该物体与该汽车之间的相对角度时，将该相对距离分解在该世界坐标系中，得到横向距离和纵向距离。
在一些实施例中，对该目标物体进行追踪，以对该汽车进行控制，包括:
将该目标物体从世界坐标系投影到图像像素坐标系中；
在该图像像素坐标系中对该目标物体进行追踪，以对该汽车进行控制。
在一些实施例中，将该目标物体从世界坐标系投影到图像像素坐标系中，包括：
根据该世界坐标系下该目标物体的坐标值，通过下述投影公式将该目标物体投影至该图像像素坐标系中；
X1＝X*a+image.cols,
Y1＝Y*b
其中，该X1为该目标物体在该图像像素坐标系下的横坐标，该Y1为该目标物体在该图像像素坐标系下的纵坐标，该图像像素坐标系中坐标单位为像素pixel，该X为该目标物体在该世界坐标系下的横向距离，该Y为该目标物体在该世界坐标系下的纵向距离，该a和b为放大倍数，该image.cols为图像宽度。
在一些实施例中，在该图像像素坐标系中对该目标物体进行追踪，以对该汽车进行控制，包括：
选取距离该汽车最近的目标物体；
通过四阶卡尔曼滤波算法对选取的目标物体进行信息预测，得到预测位置信息；
将该预测位置信息与参考位置信息通过对比公式进行对比，该参考位置信息为该选取的目标物体当前的位置信息；
当该预测位置信息与该参考位置信息不满足对比公式，且不满足该对比公式的次数大于或等于不一致次数阈值时，对该参考位置信息进行更新；
当该预测位置信息与该参考位置信息满足该对比公式，且该选取的目标物体被选取的次数大于或等于选取次数阈值时，确定该选取的目标物体与该汽车发生碰撞的碰撞时长。
上述所有可选技术方案，均可按照任意结合形成本申请的可选实施例，本申请实施例对此不再一一赘述。
图2为本申请实施例提供的一种目标物体的追踪方法的流程图，参见图2，该方法包括如下步骤。
步骤201：汽车通过安装在汽车上的毫米波雷达获取汽车在行驶方向上的雷达信息。
由于汽车在行驶过程中，为了在行驶方向上出现其他汽车、行人等障碍物时，及时避开障碍物以保证汽车行驶安全性，汽车可以通过安装在汽车上的毫米波雷达获取汽车在行驶方向上的雷达信息。
由于毫米波雷达获取的数据为雷达数据，为了便于汽车进行信息处理，汽车可以通过毫米波雷达获取行驶方向上的雷达数据；对雷达数据进行预处理，得到该雷达信息。
需要说明的是，雷达信息包括出现在汽车在行驶方向上的物体的物体信息、汽车与物体之间横向距离和纵向距离，该物体信息包括汽车与物体之间的相对距离、相对速度以及物体在毫米波雷达的检测范围内出现的出现次数等等。
在一些实施例中，汽车对雷达数据进行预处理，得到雷达信息的操作可以为:按照毫米波雷达协议，对物体的雷达数据进行解析，得到物体的物体信息；以毫米波雷达的位置为原点，建立世界坐标系；当物体信息包括物体与汽车之间的相对距离以及物体与汽车之间的相对角度时，将相对距离分解在世界坐标系中，得到横向距离和纵向距离。
需要说明的是，本申请实施例中可以以毫米波雷达的位置为原点，建立世界坐标系，也可以以其他位置为原点建立世界坐标系。
还需要说明的是，参见图3，以汽车行驶方向为纵向Y，与行驶方向垂直的方向为横向X，横向距离为汽车(图3中O点位置)与物体(图3中A点位置)的水平距离(图3中OA1)，纵向距离为汽车与物体的垂直距离(图3中OA2)，∠AOA2为相对角度，AO为相对距离。
在一些实施例中，汽车在获取到雷达信息后，可以将雷达信息进行存储，且汽车可以定义雷达信息的结构体，再定义该结构体类型的数组，最后将该雷达信息存储至该数组中。
步骤202：汽车基于雷达信息，确定符合追踪条件的目标物体。
由于汽车通过毫米波雷达可能会检测到一些无效的物体，比如，空物体、虚假物体、静止物体和/或非危险物体等，这些无效的物体并不会对汽车的驾驶安全带来影响，且这些无效的物体可能会对汽车追踪目标物体造成困扰。因此，汽车需要基于雷达信息，从获取的物体中确定目标物体，目标物体为对汽车驾驶安全带来影响的物体。也即是，汽车需要基于雷达信息，确定符合追踪条件的目标物体。而汽车基于雷达信息，确定符合追踪条件的目标物体的操作可以为：基于物体信息，确定物体中的静止物体、虚假物体、空物体和非危险物体；将禁止物体、虚假物体、空物体和非危险物体之外的物体确定为符合追踪条件的目标物体。
作为一种示例，汽车基于物体信息，确定物体中的静止物体、虚假物体、空物体和非危险物体的操作可以为：将物体中相对速度的绝对值与汽车的行驶速度(或者与毫米波雷达的移动速度)相等的物体确定为静止物体；将物体中与汽车之间的相对距离等于0的物体确定为空物体；将物体中出现次数大于或小于出现次数阈值的物体确定为虚假物体；将物体中横向距离小于横向距离阈值且纵向距离小于纵向距离阈值的物体确定为非危险物体。
需要说明的是，出现次数阈值、横向距离阈值和纵向距离阈值可以事先设置，比如，该出现次数阈值可以为10、20等等。横向距离阈值可以为2米、3米等等，纵向距离阈值可以为3米、5米、10米等等。
作为一种示例，毫米波雷达的扫描周期可以为50ms(毫秒)，由于毫米波雷达每50ms扫描一次，汽车可以获取到雷达信息，因此，可以以每N个周期的物体为一组，采用最邻近数据关联方法使单个物体返回单个雷达信息，并记录每个物体出现的次数；当任一物体出现的次数小于N时，确定任一物体为虚假物体，N为出现次数阈值。
作为一种示例，由于毫米波雷达可能对单个物体进行多次采集，得到多个雷达信息，因此可以对单个物体的雷达信息进行合并。也即是，汽车可以设定相邻周期物体的距离误差阈值、角度误差阈值和速度误差阈值，并以每N个周期的物体为一组，将满足相对距离小于距离误差阈值且相对角度小于角度误差阈值且相对速度小于速度误差阈值的物体进行相同物体的关联，使单个物体返回单个雷达信息；当该单个物体在预设时间内出现又消失后，确定该单个物体为虚假物体。
在一些实施例中，在确定静止物体、虚假物体、空物体和非危险物体后，可以将静止物体、虚假物体、空物体和非危险物体从检测到的物体中剔除，将剔除后剩余的物体确定为目标物体。
步骤203：汽车对目标物体进行追踪。
由于目标物体为对汽车驾驶安全造成影响的物体，因此，为了保证汽车驾驶安全性，当汽车确定目标物体后需要对目标物体进行追踪。
作为一种示例，汽车对目标物体进行追踪的操作可以为：将目标物体从世界坐标系投影到图像像素坐标系中；在图像像素坐标系中对目标物体进行追踪。
作为一种示例，汽车将目标物体从世界坐标系投影到图像像素坐标系中的操作可以为：根据世界坐标系下目标物体的坐标值，通过投影公式将目标物体投影至图像像素坐标系中。也即是，汽车根据世界坐标系下目标物体的坐标值，可以通过下述投影公式将目标物体投影至图像像素坐标系中。
Figure BDA0002057683850000121
需要说明的是，在上述投影公式(1)中，X1为目标物体在图像像素坐标系下的横坐标，Y1为目标物体在图像像素坐标系下的纵坐标，图像像素坐标系中坐标单位为像素pixel，X为目标物体在世界坐标系下的横向距离，Y为目标物体在世界坐标系下的纵向距离，a和b为放大倍数，image.cols为图像宽度。
作为一种示例，汽车可以通过卡尔曼滤波算法在图像像素坐标系中对目标物体进行追踪。也即是，汽车在图像像素坐标系中对目标物体进行追踪的操作可以为：选取距离汽车最近的目标物体；通过四阶卡尔曼滤波算法对选取的目标物体进行信息预测，得到预测位置信息；将预测位置信息与参考位置信息通过对比公式进行对比，参考位置信息为选取的目标物体当前的位置信息；当预测位置信息与参考位置信息不满足对比公式，且不满足对比公式的次数大于或等于不一致次数阈值时，对参考位置信息进行更新。当预测位置信息与参考位置信息满足对比公式，且选取的目标物体被选取的次数大于或等于选取次数阈值时，确定选取的目标物体与汽车发生碰撞的碰撞时长。
需要说明的是，汽车在选取距离汽车最近的目标物体时，可以以纵向距离、横向距离或相对距离为参照，按照距离汽车由近到远或由远到近的顺序对目标物体进行排序，然后选取距离汽车最近的目标物体。
还需要说明的是，不一致次数阈值和选取次数阈值可以事先设置，比如，该不一致次数阈值可以为3次、4次等等，该选取次数阈值可以为3次、4次等等。由上述投影公式(1)可以确定选取的目标物体当前的位置信息，也即是通过上述投影公式(1)可以确定选取的目标物体的参考位置信息。
作为一种示例，汽车可以通过如下预测公式预测选取的目标物体的预测位置信息。
Figure BDA0002057683850000131
需要说明的是，在上述预测公式(2)中，(xn+1，yn+1，Δxn+1，Δyn+1)为预测位置信息，(xn，yn，Δxn，Δyn)为参考位置信息，xn，yn，Δxn，Δyn分别为选取的目标物体在图像像素坐标系下的横坐标、纵坐标、沿着横轴的变化率和沿着纵轴的变化率。
作为一种示例，汽车可以将预测位置信息与参考位置信息通过下述对比公式进行对比。
Figure BDA0002057683850000132
需要说明的是，在上述对比公式(3)中，xt和yt为准许误差，该准许误差可以事先设置，比如，该准许误差可以为0.1、0.2等等。
作为一种示例，汽车对参考位置信息进行更新可以是指重新选取距离汽车最近的目标物体，并将重新选取的目标物体当前的位置信息确定为参考位置信息。
需要说明的是，当预测位置信息与参考位置信息不满足对比公式时，可以先增加不满足对比公式的次数后，确定不满足对比公式的次数是否大于或等于不一致次数阈值，且当不满足对比公式的次数小于不一致次数阈值时，重新通过四阶卡尔曼滤波算法对选取的目标物体进行信息预测。当预测位置信息与参考位置信息满足对比公式时，可以先增加选取的目标物体被选取的次数，然后确定选取的目标物体被选取的次数是否大于或等于选取次数阈值，并当选取的目标物体被选取的次数小于选取次数阈值时，重新通过四阶卡尔曼滤波算法对选取的目标物体进行信息预测。
步骤204：汽车根据对目标物体的追踪结果，对汽车进行控制。
由上述步骤203可知，汽车根据对目标物体的追踪结果可以包括对选取的目标物体与汽车发生碰撞的碰撞时长，因此，汽车可以根据目标物体与汽车发生碰撞的碰撞时长，对汽车进行控制。
作为一种示例，当碰撞时长小于或等于碰撞时长阈值时，控制汽车进行制动控制，当碰撞时长大于碰撞时长时，汽车可以更新参考位置信息。
需要说明的是，该碰撞时长阈值可以事先设置，比如，该碰撞时长阈值可以为20秒、30秒、1分钟等等。
在本申请实施例中，汽车可以获取汽车行驶方向上的雷达信息，并根据获取的雷达信息剔除空物体、虚假物体、非危险性物体和禁止物体，从而确定符合追踪条件的目标物体，然后对符合追踪条件的目标物体进行追踪，从而使追踪具有针对性，避免了对无效物体的追踪，以及无效物体对目标物体的干扰，提高了物体追踪的准确性，保证了汽车的行驶安全性。
在对本申请实施例提供的目标物体的追踪方法进行解释说明之后，接下来，对本申请实施例提供的目标物体的追踪装置进行介绍。
图4是本公开实施例提供的一种目标物体的追踪装置的框图，参见图4，该装置可以由软件、硬件或者两者的结合实现。该装置包括：获取模块401、确定模块402和追踪模块403。
获取模块401，用于通过安装在汽车上的毫米波雷达获取所述汽车在行驶方向上的雷达信息；
确定模块402，用于基于所述雷达信息，确定符合追踪条件的目标物体；
追踪模块403，用于对所述目标物体进行追踪，以对所述汽车进行控制。
在一些实施例中，参见图5，所述确定模块402包括：
第一确定子模块4021，用于基于所述雷达信息，确定所述物体中的静止物体、虚假物体、空物体和非危险物体；
第二确定子模块4022，用于将所述禁止物体、所述虚假物体、所述空物体和所述非危险物体之外的物体确定为符合所述追踪条件的目标物体。
在一些实施例中，所述雷达信息包括出现在所述汽车在行驶方向上的物体的物体信息、所述汽车与所述物体之间横向距离和纵向距离，所述物体信息包括所述汽车与所述物体之间的相对距离、相对速度以及所述物体在所述毫米波雷达的检测范围内出现的出现次数；
所述第一确定子模块4021用于：
将所述物体中所述相对速度的绝对值与所述汽车的行驶速度相等的物体确定为所述静止物体；
将所述物体中与所述汽车之间的相对距离等于0的物体确定为所述空物体；
将所述物体中出现次数大于或小于出现次数阈值的物体确定为所述虚假物体；
将所述物体中横向距离小于横向距离阈值且纵向距离小于纵向距离阈值的物体确定为所述非危险物体。
在一些实施例中，参见图6，所述获取模块401包括：
获取子模块4011，用于通过所述毫米波雷达获取所述行驶方向上的雷达数据；
处理子模块4012，用于对所述雷达数据进行预处理，得到所述雷达信息。
在一些实施例中，所述处理子模块4012用于:
按照毫米波雷达协议，对所述物体的雷达数据进行解析，得到所述物体的物体信息；
以所述毫米波雷达的位置为原点，建立世界坐标系；
当所述物体信息包括所述物体与所述汽车之间的相对距离以及所述物体与所述汽车之间的相对角度时，将所述相对距离分解在所述世界坐标系中，得到横向距离和纵向距离。
在一些实施例中，参见图7，所述追踪模块403包括:
投影子模块4031，用于将所述目标物体从世界坐标系投影到图像像素坐标系中；
追踪子模块4032，用于在所述图像像素坐标系中对所述目标物体进行追踪，以对所述汽车进行控制。
在一些实施例中，所述投影子模块4031用于：
根据所述世界坐标系下所述目标物体的坐标值，通过下述投影公式将所述目标物体投影至所述图像像素坐标系中；
X1＝X*a+image.cols,
Y1＝Y*b
其中，所述X1为所述目标物体在所述图像像素坐标系下的横坐标，所述Y1为所述目标物体在所述图像像素坐标系下的纵坐标，所述图像像素坐标系中坐标单位为像素pixel，所述X为所述目标物体在所述世界坐标系下的横向距离，所述Y为所述目标物体在所述世界坐标系下的纵向距离，所述a和b为放大倍数，所述image.cols为图像宽度。
在一些实施例中，所述追踪子模块4032用于：
选取距离所述汽车最近的目标物体；
通过四阶卡尔曼滤波算法对选取的目标物体进行信息预测，得到预测位置信息；
将所述预测位置信息与参考位置信息通过对比公式进行对比，所述参考位置信息为所述选取的目标物体当前的位置信息；
当所述预测位置信息与所述参考位置信息不满足对比公式，且不满足所述对比公式的次数大于或等于不一致次数阈值时，对所述参考位置信息进行更新；
当所述预测位置信息与所述参考位置信息满足所述对比公式，且所述选取的目标物体被选取的次数大于或等于选取次数阈值时，确定所述选取的目标物体与所述汽车发生碰撞的碰撞时长。
综上所述，在本申请实施例中，汽车可以获取汽车行驶方向上的雷达信息，并根据获取的雷达信息剔除空物体、虚假物体、非危险性物体和禁止物体，从而确定符合追踪条件的目标物体，然后对符合追踪条件的目标物体进行追踪，从而使追踪具有针对性，避免了对无效物体的追踪，以及无效物体对目标物体的干扰，提高了物体追踪的准确性，保证了汽车的行驶安全性。
需要说明的是：上述实施例提供的目标物体的追踪装置在追踪目标物体时时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的目标物体的追踪装置与目标物体的追踪方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图8示出了本申请一个示例性实施例提供的汽车800的结构框图。
通常，汽车800包括有：处理器801和存储器802。
处理器801可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器801可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器801也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器801可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器801还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器802可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器802还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器802中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器801所执行以实现本申请中方法实施例提供的目标物体的追踪方法。
在一些实施例中，汽车800还可选包括有：外围设备接口803和至少一个外围设备。处理器801、存储器802和外围设备接口803之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口803相连。具体地，外围设备包括：射频电路804、触摸显示屏805、摄像头806、音频电路807、定位组件808和电源809中的至少一种。
外围设备接口803可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器801和存储器802。在一些实施例中，处理器801、存储器802和外围设备接口803被集成在同一芯片或电路板上；在一些其他实施例中，处理器801、存储器802和外围设备接口803中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路804用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路804通过电磁信号与通信网络以及其他通信设备进行通信。射频电路804将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路804包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路804可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路804还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。
显示屏805用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏805是触摸显示屏时，显示屏805还具有采集在显示屏805的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器801进行处理。此时，显示屏805还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏805可以为一个，设置汽车800的前面板；在另一些实施例中，显示屏805可以为至少两个，分别设置在汽车800的不同表面或呈折叠设计；在再一些实施例中，显示屏805可以是柔性显示屏，设置在汽车800的弯曲表面上或折叠面上。甚至，显示屏805还可以设置成非矩形的不规则图形，也即异形屏。显示屏805可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件806用于采集图像或视频。可选地，摄像头组件806包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。
音频电路807可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器801进行处理，或者输入至射频电路804以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在汽车800的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器801或射频电路804的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路807还可以包括耳机插孔。
定位组件808用于定位汽车800的当前地理位置，以实现导航或LBS(LocationBased Service，基于位置的服务)。定位组件808可以是基于美国的GPS(GlobalPositioning System，全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源809用于为汽车800中的各个组件进行供电。电源809可以是交流电、直流电、一次性电池或可充电电池。当电源809包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中，汽车800还包括有一个或多个传感器810。
也即是，本申请实施例不仅提供了一种汽车，包括处理器和用于存储处理器可执行指令的存储器，其中，处理器被配置为执行图1和图2所示的实施例中的方法，而且，本申请实施例还提供了一种计算机可读存储介质，该存储介质内存储有计算机程序，该计算机程序被处理器执行时可以实现图1和图2所示的实施例中的目标物体的追踪方法。
本领域技术人员可以理解，图8中示出的结构并不构成对汽车800的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也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，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (7)

1.一种目标物体的追踪方法，其特征在于，所述方法包括：
通过安装在汽车上的毫米波雷达获取所述汽车在行驶方向上的雷达信息，所述雷达信息包括出现在所述汽车在行驶方向上的物体信息、所述汽车与所述物体之间横向距离和纵向距离，所述物体信息包括所述汽车与所述物体之间的相对速度；
基于所述雷达信息，确定出现在所述汽车行驶方向上的物体中的静止物体、虚假物体、空物体和非危险物体，所述非危险物体是指所述物体中横向距离大于横向距离阈值且纵向距离小于纵向距离阈值的物体，所述静止物体是指所述物体中所述相对速度的绝对值与所述汽车的行驶速度相等的物体；
将所述静止物体、所述虚假物体、所述空物体和所述非危险物体之外的物体确定为符合追踪条件的目标物体；
将所述目标物体从世界坐标系投影到图像像素坐标系中；
选取距离所述汽车最近的目标物体；
通过四阶卡尔曼滤波算法对选取的目标物体进行信息预测，得到预测位置信息；
将所述预测位置信息与参考位置信息通过对比公式进行对比，所述参考位置信息为所述选取的目标物体当前的位置信息；
所述对比公式为：
Figure FDA0003181562800000011
所述对比公式中，(xn+1，yn+1)为所述预测位置信息，(xn，yn)为所述参考位置信息，所述xt和所述yt分别为沿横轴的准许误差和沿纵轴的准许误差；
当所述预测位置信息与所述参考位置信息不满足对比公式，且不满足所述对比公式的次数大于或等于不一致次数阈值时，重新选取目标物体，并将所述参考位置信息更新为重新选取的目标物体当前的位置信息；
当所述预测位置信息与所述参考位置信息满足所述对比公式，且所述选取的目标物体被选取的次数大于或等于选取次数阈值时，确定所述选取的目标物体与所述汽车发生碰撞的碰撞时长。
2.如权利要求1所述的方法，其特征在于，所述物体信息还包括所述汽车与所述物体之间的相对距离，以及所述物体在所述毫米波雷达的检测范围内出现的出现次数；
所述基于所述物体信息，确定所述物体中的静止物体、虚假物体、空物体和非危险物体，包括：
将所述物体中与所述汽车之间的相对距离等于0的物体确定为所述空物体；
将所述物体中出现次数小于出现次数阈值的物体确定为所述虚假物体。
3.如权利要求1所述的方法，其特征在于，所述通过安装在汽车上的毫米波雷达获取所述汽车在行驶方向上的雷达信息，包括：
通过所述毫米波雷达获取所述行驶方向上的雷达数据；
对所述雷达数据进行预处理，得到所述雷达信息。
4.如权利要求3所述的方法，其特征在于，所述对所述雷达数据进行预处理，得到所述雷达信息，包括:
按照毫米波雷达协议，对所述物体的雷达数据进行解析，得到所述物体的物体信息；
以所述毫米波雷达的位置为原点，建立世界坐标系；
当所述物体信息包括所述物体与所述汽车之间的相对距离以及所述物体与所述汽车之间的相对角度时，将所述相对距离分解在所述世界坐标系中，得到横向距离和纵向距离。
5.如权利要求1所述的方法，其特征在于，所述将所述目标物体从世界坐标系投影到图像像素坐标系中，包括：
根据所述世界坐标系下所述目标物体的坐标值，通过下述投影公式将所述目标物体投影至所述图像像素坐标系中；
X1＝X*a+image.cols,
Y1＝Y*b
其中，所述X1为所述目标物体在所述图像像素坐标系下的横坐标，所述Y1为所述目标物体在所述图像像素坐标系下的纵坐标，所述图像像素坐标系中坐标单位为像素pixel，所述X为所述目标物体在所述世界坐标系下的横向距离，所述Y为所述目标物体在所述世界坐标系下的纵向距离，所述a和b为放大倍数，所述image.cols为图像宽度。
6.一种目标物体的追踪装置，其特征在于，所述装置包括：
获取模块，用于通过安装在汽车上的毫米波雷达获取所述汽车在行驶方向上的雷达信息，所述雷达信息包括出现在所述汽车在行驶方向上的物体信息、所述汽车与所述物体之间横向距离和纵向距离，所述物体信息包括所述汽车与所述物体之间的相对速度；
确定模块，用于基于所述雷达信息，确定符合追踪条件的目标物体；
追踪模块，用于对所述目标物体进行追踪，以对所述汽车进行控制；
其中，所述确定模块包括：
第一确定子模块，用于基于所述雷达信息，确定出现在所述汽车行驶方向上的物体中的静止物体、虚假物体、空物体和非危险物体，所述非危险物体是指所述物体中横向距离大于横向距离阈值且纵向距离小于纵向距离阈值的物体，所述静止物体是指所述物体中所述相对速度的绝对值与所述汽车的行驶速度相等的物体；
第二确定子模块，用于将所述静止物体、所述虚假物体、所述空物体和所述非危险物体之外的物体确定为符合所述追踪条件的目标物体；
其中，所述追踪模块包括:
投影子模块，用于将所述目标物体从世界坐标系投影到图像像素坐标系中；
追踪子模块，用于在所述图像像素坐标系中对所述目标物体进行追踪，以对所述汽车进行控制；
所述追踪子模块用于：
选取距离所述汽车最近的目标物体；
通过四阶卡尔曼滤波算法对选取的目标物体进行信息预测，得到预测位置信息；
将所述预测位置信息与参考位置信息通过对比公式进行对比，所述参考位置信息为所述选取的目标物体当前的位置信息；
所述对比公式为：
Figure FDA0003181562800000031
所述对比公式中，(xn+1，yn+1)为所述预测位置信息，(xn，yn)为所述参考位置信息，所述xt和所述yt分别为沿横轴的准许误差和沿纵轴的准许误差；
当所述预测位置信息与所述参考位置信息不满足对比公式，且不满足所述对比公式的次数大于或等于不一致次数阈值时，重新选取目标物体，并将所述参考位置信息更新为重新选取的目标物体当前的位置信息；
当所述预测位置信息与所述参考位置信息满足所述对比公式，且所述选取的目标物体被选取的次数大于或等于选取次数阈值时，确定所述选取的目标物体与所述汽车发生碰撞的碰撞时长。
7.一种计算机可读存储介质，其特征在于，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-5中任一所述的方法。
CN201910394386.1A 2019-05-13 2019-05-13 目标物体的追踪方法、装置及存储介质 Active CN110077402B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910394386.1A CN110077402B (zh) 2019-05-13 2019-05-13 目标物体的追踪方法、装置及存储介质
PCT/CN2019/112425 WO2020228242A1 (zh) 2019-05-13 2019-10-22 目标物体的追踪方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910394386.1A CN110077402B (zh) 2019-05-13 2019-05-13 目标物体的追踪方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN110077402A CN110077402A (zh) 2019-08-02
CN110077402B true CN110077402B (zh) 2021-09-28

Family

ID=67419823

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910394386.1A Active CN110077402B (zh) 2019-05-13 2019-05-13 目标物体的追踪方法、装置及存储介质

Country Status (2)

Country Link
CN (1) CN110077402B (zh)
WO (1) WO2020228242A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110077402B (zh) * 2019-05-13 2021-09-28 奇瑞汽车股份有限公司 目标物体的追踪方法、装置及存储介质
CN110751127B (zh) * 2019-10-30 2022-07-12 芜湖汽车前瞻技术研究院有限公司 距离的确定方法、装置及存储介质
CN110926425A (zh) * 2019-11-01 2020-03-27 宁波大学 一种3d结构光相机的导航物流运输系统及其控制方法
CN112526503B (zh) * 2020-11-20 2024-06-07 广州极飞科技股份有限公司 探测物体距离的方法及相关装置
CN112595338B (zh) * 2020-12-24 2023-04-07 中国联合网络通信集团有限公司 导航方法以及导航系统
CN112764035B (zh) * 2020-12-28 2024-01-30 南京市德赛西威汽车电子有限公司 一种基于bsd雷达左右通信的虚假目标检测优化方法
CN114038191B (zh) * 2021-11-05 2023-10-27 青岛海信网络科技股份有限公司 一种采集交通数据的方法及装置
CN115331190B (zh) * 2022-09-30 2022-12-09 北京闪马智建科技有限公司 一种基于雷视融合的道路隐患识别方法及装置
CN117214966B (zh) * 2023-08-01 2024-04-05 珠海微度芯创科技有限责任公司 毫米波安检成像设备的图像映射方法、装置、设备、介质
CN117111049B (zh) * 2023-10-23 2024-01-30 成都瑞达物联科技有限公司 一种etc通道车辆存在检测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8565481B1 (en) * 2011-05-26 2013-10-22 Google Inc. System and method for tracking objects
CN104637059A (zh) * 2015-02-09 2015-05-20 吉林大学 基于毫米波雷达和机器视觉的夜间前方车辆检测方法
CN107609522A (zh) * 2017-09-19 2018-01-19 东华大学 一种基于激光雷达和机器视觉的信息融合车辆检测系统
CN109085570A (zh) * 2018-06-10 2018-12-25 南京理工大学 基于数据融合的车辆检测跟踪算法
CN109143221A (zh) * 2018-07-23 2019-01-04 奇瑞汽车股份有限公司 目标跟踪方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7474255B2 (en) * 2006-12-05 2009-01-06 Chung Shan Institute Of Science And Technology, Armaments Bureau, M.N.D. Target tracking method of radar with frequency modulated continuous wave
US8170787B2 (en) * 2008-04-15 2012-05-01 Caterpillar Inc. Vehicle collision avoidance system
CN104386063B (zh) * 2014-09-19 2017-07-11 奇瑞汽车股份有限公司 基于人工智能的驾驶辅助系统
KR101977458B1 (ko) * 2017-03-06 2019-05-10 지엠 글로벌 테크놀러지 오퍼레이션스 엘엘씨 레이더 센서와 upa 센서를 이용하는 충돌 예측 알고리즘
CN106950952B (zh) * 2017-03-10 2020-04-03 无锡卡尔曼导航技术有限公司 用于农机无人驾驶的农田环境感知方法
CN109613528A (zh) * 2018-12-11 2019-04-12 南京慧尔视防务科技有限公司 一种高分辨率的多目标跟踪雷达及检测方法
CN110077402B (zh) * 2019-05-13 2021-09-28 奇瑞汽车股份有限公司 目标物体的追踪方法、装置及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8565481B1 (en) * 2011-05-26 2013-10-22 Google Inc. System and method for tracking objects
CN104637059A (zh) * 2015-02-09 2015-05-20 吉林大学 基于毫米波雷达和机器视觉的夜间前方车辆检测方法
CN107609522A (zh) * 2017-09-19 2018-01-19 东华大学 一种基于激光雷达和机器视觉的信息融合车辆检测系统
CN109085570A (zh) * 2018-06-10 2018-12-25 南京理工大学 基于数据融合的车辆检测跟踪算法
CN109143221A (zh) * 2018-07-23 2019-01-04 奇瑞汽车股份有限公司 目标跟踪方法及装置

Also Published As

Publication number Publication date
WO2020228242A1 (zh) 2020-11-19
CN110077402A (zh) 2019-08-02

Similar Documents

Publication Publication Date Title
CN110077402B (zh) 目标物体的追踪方法、装置及存储介质
RU2656933C2 (ru) Способ и устройство для предупреждения о встречном транспортном средстве
CN109492566B (zh) 车道位置信息获取方法、装置及存储介质
CN110570687B (zh) Agv的控制方法、装置及存储介质
CN110751127B (zh) 距离的确定方法、装置及存储介质
CN110979332B (zh) 智能汽车的控制方法、装置及存储介质
CN109532845B (zh) 智能汽车的控制方法、装置及存储介质
US10930147B2 (en) Electronic apparatus, roadside unit, and transport system
CN111641920B (zh) 汽车的控制方法、装置、终端及存储介质
CN111577010B (zh) 汽车的遥控控制方法、装置及存储介质
CN110956847B (zh) 车位的识别方法、装置及存储介质
CN109581358B (zh) 障碍物的识别方法、装置及存储介质
CN111016888A (zh) 汽车的泊车控制方法、装置及存储介质
CN110097025B (zh) 车道线的检测方法、装置及存储介质
CN110979318A (zh) 车道信息获取方法、装置、自动驾驶车辆及存储介质
CN109130854B (zh) 限速提醒方法、装置及存储介质
KR101808696B1 (ko) 이동 단말기 및 이동 단말기의 제어 방법
CN110871791A (zh) 汽车的泊车控制方法、装置及存储介质
CN114332821A (zh) 决策信息获取方法、装置、终端及存储介质
CN111516690B (zh) 智能汽车的控制方法、装置及存储介质
CN111186435B (zh) 汽车的防碰撞方法、装置及存储介质
CN110962596B (zh) 汽车的车速控制方法、装置及存储介质
CN111361550A (zh) 车位的识别方法、装置及存储介质
CN114299468A (zh) 车道的汇入口的检测方法、装置、终端、存储介质及产品
CN112590793B (zh) 汽车的变道控制方法、装置及计算机存储介质

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