CN110435642A - 数据融合方法、装置及存储介质 - Google Patents
数据融合方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110435642A CN110435642A CN201910722872.1A CN201910722872A CN110435642A CN 110435642 A CN110435642 A CN 110435642A CN 201910722872 A CN201910722872 A CN 201910722872A CN 110435642 A CN110435642 A CN 110435642A
- Authority
- CN
- China
- Prior art keywords
- profile
- information
- initial
- radar
- distinct regions
- 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.)
- Pending
Links
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 21
- 230000004927 fusion Effects 0.000 claims abstract description 47
- 239000013558 reference substance Substances 0.000 claims description 56
- 238000004590 computer program Methods 0.000 claims description 5
- 241000208340 Araliaceae Species 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 5
- 238000004904 shortening Methods 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 12
- 230000004888 barrier function Effects 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 235000015243 ice cream Nutrition 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 241000736199 Paeonia Species 0.000 description 2
- 235000006484 Paeonia officinalis Nutrition 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000011358 absorbing material Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
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
- B60W30/06—Automatic manoeuvring for parking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Mechanical Engineering (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Transportation (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种数据融合方法、装置及存储介质，涉及数据处理领域。本发明的数据融合方法包括接收雷达采集的雷达数据和图像获取装置获取的图像数据；根据雷达数据计算得到初始雷达轮廓和根据图像数据计算得到初始图像轮廓；融合初始雷达轮廓和初始图像轮廓形成初始融合轮廓；分析并确定初始融合轮廓中的差别区域的准确轮廓信息以形成最终融合轮廓，其中，差别区域为相同位置的初始雷达轮廓和初始图像轮廓之间的距离大于预设阈值的区域，位于所述差别区域内的部分初始雷达轮廓和部分初始图像轮廓为区域轮廓信息。采用上述方法，这样可以有效减少缩短计算时间，提高融合数据的准确性。
Description
技术领域
本发明涉及数据处理领域，特别是涉及一种数据融合方法、装置及存储介质。
背景技术
自动泊车作为自动驾驶的一个重要功能，现在越来越多的装配在了乘用车上。自动泊车功能适用于小车位或者泊车环境复杂的场景，同时对于驾驶技术不是很熟练的驾驶员，能够有效的代替驾驶员完成泊入和泊出功能。
对于自动泊车，通常采用雷达系统和视觉成像系统，由于两者的检测机理不同，两个系统通常被单独使用，其效果不是很精准，对路径规划有较大影响。
发明内容
本发明的一个目的是要提供一种数据融合方法，以解决雷达数据和图像数据不能有效融合的问题。
本发明一个进一步的目的是要通过确定初始融合轮廓中的差别区域的准确轮廓信息，以形成最终融合轮廓。
本发明另一个目的是要提供一种数据处理装置。
本发明又一个目的是要提供一种存储介质。
一方面，本发明提供了一种数据融合方法，包括：
接收雷达采集的雷达数据和图像获取装置获取的图像数据；
根据所述雷达数据计算得到初始雷达轮廓，并根据所述图像数据计算得到初始图像轮廓；
融合所述初始雷达轮廓和初始图像轮廓形成初始融合轮廓；
分析并确定所述初始融合轮廓中的差别区域的准确轮廓信息以形成最终融合轮廓，其中，所述差别区域为相同位置的初始雷达轮廓和初始图像轮廓之间的距离大于预设阈值的区域，位于所述差别区域内的部分初始雷达轮廓和部分初始图像轮廓为区域轮廓信息。
可选地，分析并确定所述差别区域的准确轮廓信息包括：
当同一差别区域的两个初始轮廓中有一个初始轮廓没有区域轮廓信息时，则判定另一个初始轮廓的区域轮廓信息为所述准确轮廓信息。
可选地，分析并确定所述差别区域的准确轮廓信息包括：
当同一差别区域的两个初始轮廓均有区域轮廓信息，且两个区域轮廓信息中的任一参考物满足预设条件时，则判定所述初始图像信息的区域轮廓信息为所述准确轮廓信息；
所述预设条件包括所述参考物与自车之间的夹角大于预设角度、或所述参考物有棱角。
可选地，分析并确定所述差别区域的准确轮廓信息包括：
当同一差别区域的两个初始轮廓均有区域轮廓信息，且所述初始图像信息的区域轮廓信息中的任一参考物满足下列任一条件时，则判定初始雷达信息的区域轮廓信息为所述准确轮廓信息：
所述参考物悬空；
所述参考物的尺寸小于预设尺寸；
所述参考物的颜色与周围环境颜色之间的对比度小于预设对比度。
可选地，分析并确定所述差别区域的准确轮廓信息包括：
当同一差别区域的两个初始轮廓均有区域轮廓信息且不能判定其中一个为准确轮廓信息时，合并两个区域轮廓信息作为所述准确轮廓信息。
另一方面，本发明还提供了一种数据融合装置，包括：
接收单元，用于接收雷达采集的雷达数据和图像获取装置获取的图像数据；
计算单元，用于根据所述雷达数据计算得到初始雷达轮廓并根据所述图像数据计算得到初始图像轮廓；
融合单元，用于融合所述初始雷达轮廓和初始图像轮廓形成初始融合轮廓；
处理单元，用于分析并确定所述初始融合轮廓中的差别区域的准确轮廓信息以形成最终融合轮廓，其中，所述差别区域为相同位置的初始雷达轮廓和初始图像轮廓之间的距离大于预设阈值的区域，位于所述差别区域内的部分初始雷达轮廓和部分初始图像轮廓为区域轮廓信息。
可选地，所述处理单元分析并确定所述差别区域的准确轮廓信息时包括：
当同一差别区域的两个初始轮廓均有区域轮廓信息，且两个区域轮廓信息中的任一参考物满足预设条件时，所述处理单元判定所述初始图像信息的区域轮廓信息为所述准确轮廓信息：
所述参考物与自车之间的夹角大于预设角度、或
所述参考物有棱角。
可选地，所述处理单元分析并确定所述差别区域的准确轮廓信息包括：
当同一差别区域的两个初始轮廓均有区域轮廓信息，且所述初始图像信息的区域轮廓信息中的任一参考物满足下列任一条件时，所述处理单元判定初始雷达信息的区域轮廓信息为所述准确轮廓信息：
所述参考物悬空；
所述参考物的尺寸小于预设尺寸；
所述参考物的颜色与周围环境颜色之间的对比度小于预设对比度。
可选地，所述处理单元分析并确定所述差别区域的准确轮廓信息包括：
当同一差别区域的两个初始轮廓均有区域轮廓信息且不能判定其中一个为准确轮廓信息时，所述处理单元合并两个区域轮廓信息作为所述准确轮廓信息。
又一方面，本发明还提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的数据融合方法。
本发明的数据融合方法包括接收雷达采集的雷达数据和图像获取装置获取的图像数据；根据雷达数据计算得到初始雷达轮廓和根据图像数据计算得到初始图像轮廓；融合初始雷达轮廓和初始图像轮廓形成初始融合轮廓；分析并确定初始融合轮廓中的差别区域的准确轮廓信息以形成最终融合轮廓，其中，差别区域为相同位置的初始雷达轮廓和初始图像轮廓之间的距离大于预设阈值的区域，位于所述差别区域内的部分初始雷达轮廓和部分初始图像轮廓为区域轮廓信息。采用上述方法，将两种数据计算得出的轮廓进行融合，然后分析并确定初始融合轮廓中差别区域的准确轮廓信息，在初始融合轮廓中采用准确轮廓信息以形成最终融合轮廓，这样可以有效减少缩短计算时间，提高融合数据的准确性。
根据下文结合附图对本发明具体实施例的详细描述，本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：
图1是根据本发明一个实施例的数据融合方法的示意性流程图；
图2是根据本发明一个实施例的数据融合装置的示意性装置图；
图3是一种停车位示意图；
图4是另一种停车位示意图。
具体实施方式
图1是根据本发明一个实施例的数据融合方法的示意性流程图。图2是根据本发明一个实施例的数据融合装置的示意性装置图。图3是一种停车位示意图。图4是另一种停车位示意图。下面参照图1至图4来描述本发明实施例的数据融合方法及装置。
参考图1，本实施例中的数据融合方法，包括：
S101，接收雷达采集的雷达数据和图像获取装置获取的图像数据；
S102，根据雷达数据计算得到初始雷达轮廓和根据图像数据计算得到初始图像轮廓；
S103，融合初始雷达轮廓和初始图像轮廓形成初始融合轮廓；
S104，分析并确定初始融合轮廓中的差别区域的准确轮廓信息以形成最终融合轮廓，其中，差别区域为相同位置的初始雷达轮廓和初始图像轮廓之间的距离大于预设阈值的区域，位于所述差别区域内的部分初始雷达轮廓和部分初始图像轮廓为区域轮廓信息。
采用上述方法，将两种数据计算得出的轮廓进行融合，然后分析并确定初始融合轮廓中差别区域的准确轮廓信息，在初始融合轮廓中采用准确轮廓信息以形成最终融合轮廓，这样可以有效减少缩短计算时间，提高融合数据的准确性。
进一步地，分析并确定差别区域的准确轮廓信息包括：
当同一差别区域的两个初始轮廓中有一个初始轮廓没有区域轮廓信息时，则判定另一个初始轮廓的区域轮廓信息为准确轮廓信息。具体地，当车辆的侧方雷达探测参考物时由于单发单收无法实现定位、吸波材料的参考物、参考物过于低矮时，雷达可能检测不到参照物，此时在该区域就没有轮廓信息形成。此时，就以图像获取装置获取的区域轮廓信息为准确轮廓信息。当存在外界环境光照度较低、参照物与环境颜色一致等情况时，图像获取装置将不能采集有效信息形成区域轮廓信息，那么此时就应该以雷达获取的区域轮廓信息为准确轮廓信息。
进一步地，分析并确定差别区域的准确轮廓信息包括：
当同一差别区域的两个初始轮廓均有区域轮廓信息，且两个区域轮廓信息中的任一参考物只要满足下列任一条件时，则判定初始图像信息的区域轮廓信息为准确轮廓信息：参考物与自车之间的夹角大于预设角度；参考物有棱角。具体地，不管是雷达还是图像获取装置采集的轮廓信息中，只要有轮廓信息中显示的参考物满足上述条件，则说明雷达探测可能存在较大偏差，因此选用初始图像信息中的区域轮廓信息为准确轮廓信息。其中，预设角度可以是大于10度的任意角度，这里不做详细限定。而棱角也是指那种带有角度的参考物的轮廓，并不一定是实际意义上的尖角。
进一步地，分析并确定差别区域的准确轮廓信息包括：
当同一差别区域的两个初始轮廓均有区域轮廓信息，且初始图像信息的区域轮廓信息中的任一参考物满足下列任一条件时，则判定初始雷达信息的区域轮廓信息为准确轮廓信息：参考物悬空；参考物的尺寸小于预设尺寸；参考物的颜色与周围环境颜色之间的对比度小于预设对比度。具体地，预设尺寸可以根据图像获取装置的精度来定，这里不做详细限制；预设对比度也需要根据图像获取装置的性能来定，这里也不做详细限制。悬空的参考物一般指的是球网等悬挂在空中的物体。
进一步地，分析并确定差别区域的准确轮廓信息包括：
当同一差别区域的两个初始轮廓均有区域轮廓信息且不能判定其中一个为准确轮廓信息时，合并两个区域轮廓信息作为准确轮廓信息。具体地，为了自动泊车的安全考虑，当两初始轮廓的区域轮廓都满足要求时，那么默认将两个轮廓进行合并，避免造成信息遗漏。
本发明还提供了一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中的数据融合方法。关于数据融合方法，此处不再详述。
参考图2，本实施例中的数据融合装置包括接收单元1、计算单元2、融合单元3和处理单元4。接收单元1用于接收雷达采集的雷达数据和图像获取装置获取的图像数据。计算单元2根据雷达数据计算得到初始雷达轮廓和根据图像数据计算得到初始图像轮廓。融合单元3用于融合初始雷达轮廓和初始图像轮廓形成初始融合轮廓。处理单元4用于分析并确定初始融合轮廓中的差别区域的准确轮廓信息以形成最终融合轮廓，其中，差别区域为相同位置的初始雷达轮廓和初始图像轮廓之间的距离大于预设阈值的区域。
本实施例中的数据融合装置采用雷达和摄像头同时对参考物进行扫描得到的数据，针对不同情况按照不同融合的原则对二者扫描出的参考物的轮廓进行适当的处理，从而更加准确的构建车位，进而提升泊车性能和安全性。
进一步地，处理单元4分析并确定差别区域的准确轮廓信息时包括：
当同一差别区域的两个初始轮廓均有区域轮廓信息，且两个区域轮廓信息中的任一参考物只要满足下列任一条件时，处理单元4判定初始图像信息的区域轮廓信息为准确轮廓信息：参考物与自车之间的夹角大于预设角度；参考物有棱角。
进一步地，处理单元4分析并确定差别区域的准确轮廓信息包括：
当同一差别区域的两个初始轮廓均有区域轮廓信息，且初始图像信息的区域轮廓信息中的任一参考物满足下列任一条件时，处理单元4判定初始雷达信息的区域轮廓信息为准确轮廓信息：参考物悬空；参考物的尺寸小于预设尺寸；参考物的颜色与周围环境颜色之间的对比度小于预设对比度。
进一步地，处理单元4分析并确定差别区域的准确轮廓信息包括：
当同一差别区域的两个初始轮廓均有区域轮廓信息且不能判定其中一个为准确轮廓信息时，处理单元4合并两个区域轮廓信息作为准确轮廓信息。
自动泊车系统中包括雷达装置、图像获取装置、上述实施例中的数据融合装置和控制装置，数据融合装置接收雷达装置和图像获取装置采集的数据后，将数据进行处理，构建垂直车位，控制装置根据车位信息规划泊车路径，完成自动泊车。
其中，雷达装置可以为超声波雷达或其他可实现相关功能的雷达。超声波雷达通过向空气中发射超声波，经目标的反射并接收到反射波从而实现对目标距离的探测。超声波雷达分为短距超声波雷达和长距超声波雷达，其探测距离分别为1.5～2.0m和4.0～4.5m。单个超声波雷达依靠自发自收无法实现对目标的定位，两个或多个超声波雷达通过自发自收和自发他收经过三角运算可实现对目标的定位。
图像获取装置可以选用摄像头，优选地为环视摄像头。环视摄像头通过图像以及图像处理算法对参考物进行检测。环视摄像头因水平视野大于180°，所以可通过四个环视摄像头实现对车辆周边360°的检测，且环视摄像头可检测车位线。
利用环视摄像头和雷达共同检测参考物的优势在于可做到深度融合，实现自动泊车，其优点如下：
1.进一步丰富了自动泊车的应用场景；
2.在一些场景下提升自动泊车的性能；
3.增加自动泊车的功能如行人检测等。
下面具体介绍两个例子，对自动泊车系统进行描述：
参考图3，停车位为呈喇叭口形状的垂直车位(无车位线)，喇叭口形状的车位分为内喇叭口形状车位和外喇叭口形状车位，内喇叭口形状车位如图3所示，外喇叭口形状的车位即两辆参考车的车头分别朝外。对于喇叭口形状且无车位线的车位，如果只利用超声波雷达进行自动泊车，自车前进时侧方雷达扫描两辆参考车的车头构建出垂直车位，由于参考车的车头和自车有一定的夹角，侧方雷达自发自收无法对扫描点进行定位，因此扫描出的车头轮廓和实际的轮廓有较大误差。自车在泊入过程中侧方雷达也会扫描两辆参考车的轮廓，同样由于无法定位的原因，扫描出的轮廓和实际的轮廓有较大误差。自动泊车系统根据扫描出的轮廓构建垂直车位同时规划泊车轨迹，由于扫描出的轮廓有一定偏差，构建的车位也有一定偏差，会影响最终的泊车效果和泊车姿态。
如果结合环视摄像头进行深度融合泊车，雷达和环视摄像头均会对参考车进行扫描，由于雷达扫描出的参考车的轮廓偏差较大，而自车侧方的环视摄像头能较为准确的扫描出参考车车头的轮廓和参考车车身的轮廓，因此按照融合原则，参考车与自车之间存在一定的角度，角度超过预设角度后，以摄像头扫描出的参考物的轮廓为基准构建垂直车位，然后规划泊车路径，完成自动泊车。
参考图4，停车位的一侧是圆柱，另一侧是墙的垂直车位(无车位线)。对于此种车位，自车前进时侧方雷达扫描墙和圆柱构建出垂直车位。由于墙有棱角，侧方雷达扫描出的棱角处的轮廓将是一段圆弧。由于圆柱的圆弧反射面，侧方雷达的有效扫描点会有所减少，其中，圆柱半径越小，有效扫描点会越少。两种参考物均不利于雷达对参考物轮廓的构建，均会出现较大的偏差，构建的垂直车位也会有较大的偏差，会影响最终的泊车效果甚至会出现剐蹭墙壁和柱子的情况。如果结合环视摄像头进行深度融合泊车，雷达和摄像头均会对圆柱和墙进行扫描，由于雷达扫描出的轮廓偏差较大，而自车侧方的环视摄像头能较为准确的扫描出墙壁和圆柱的轮廓，因此按照融合的原则，参考物中有夹角(墙)，有夹角(圆柱)，则以摄像头扫描出的参考物的轮廓为基准构建垂直车位，然后规划泊车路径，完成自动泊车。
进一步地，摄像头除了能够对参考物扫描进行检测外，还可通过深度学习对一些目标表进行分类。自动泊车过程中，摄像头在扫描参考物的同时也会对车位中的障碍物进行检测，通过深度学习对障碍物进行分类，自动泊车系统根据障碍物的类别来选择是否进行泊车。如果进行泊车，在自动泊车过程中摄像头也会检测障碍物，通过检测自车离障碍物的距离来更新规划的泊车路径，因此可提升自动泊车的性能，下面列举几种摄像头对目标进行分类的场景。
(1)车位中有轮挡(或限位块)
当车位中有轮挡(或限位块)时，超声波雷达很难检测到这种低矮的目标。由于自动泊车过程中车速较慢且发动机扭矩较小，一般情况下无法碾压过轮挡(或限位块)，会出现自车反复碰撞轮挡(或限位块)的情况，严重影响自动泊车的用户体验。利用深度学习，后方的环视摄像头能够检测并识别该类障碍物是轮挡(或限位块)，根据当前检测到的轮挡(或限位块)位置，和自车行驶的距离，当自车后轮接近轮挡(或限位块)时，自动泊车系统能做出判断，从而重新规划泊车路径，避免了自车反复碰撞轮挡(或限位块)的情况。
(2)车位中有地锁、雪糕筒等
当车位中有处于打开状态的地锁或雪糕筒时，超声波雷达很难检测到这种目标而误认为是有效的车位，实际上这种车位往往是私家车位或者专用车位，自动泊车系统不应该认为其为可用车位。利用深度学习，环视摄像头可检测并识别该类目标是地锁、雪糕筒，也可以识别车位中印刷有“私家车位”的字样，自动泊车系统以此判断为非可用车位，避免了车位的误释放。
(3)行人检测
在超声波雷达的探测范围内，超声波雷达可对行人进行检测，但准确率有限，约为80％。环视摄像头也可对行人进行检测，准确率在90％以上。超声波雷达和环视摄像头对行人的检测进行融合可提高检测的准确率。在自动泊车过程中，若有行人出现在自车雷达、摄像头的监测范围，可通过超声波雷达和环视摄像头检测行人离自车的距离，以画面或声音的形式向用户报警，从而提升泊车过程的安全性。
至此，本领域技术人员应认识到，虽然本文已详尽示出和描述了本发明的多个示例性实施例，但是，在不脱离本发明精神和范围的情况下，仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此，本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。
Claims (10)
1.一种数据融合方法，其特征在于，包括：
接收雷达采集的雷达数据和图像获取装置获取的图像数据；
根据所述雷达数据计算得到初始雷达轮廓，并根据所述图像数据计算得到初始图像轮廓；
融合所述初始雷达轮廓和初始图像轮廓形成初始融合轮廓；
分析并确定所述初始融合轮廓中的差别区域的准确轮廓信息以形成最终融合轮廓，其中，所述差别区域为相同位置的初始雷达轮廓和初始图像轮廓之间的距离大于预设阈值的区域，位于所述差别区域内的部分初始雷达轮廓和部分初始图像轮廓为区域轮廓信息。
2.根据权利要求1所述的数据融合方法，其特征在于，
分析并确定所述差别区域的准确轮廓信息包括：
当同一差别区域的两个初始轮廓中有一个初始轮廓没有区域轮廓信息时，则判定另一个初始轮廓的区域轮廓信息为所述准确轮廓信息。
3.根据权利要求1所述的数据融合方法，其特征在于，
分析并确定所述差别区域的准确轮廓信息包括：
当同一差别区域的两个初始轮廓均有区域轮廓信息，且两个区域轮廓信息中的任一参考物满足预设条件时，则判定所述初始图像信息的区域轮廓信息为所述准确轮廓信息；
所述预设条件包括所述参考物与自车之间的夹角大于预设角度、或所述参考物有棱角。
4.根据权利要求1所述的数据融合方法，其特征在于，
分析并确定所述差别区域的准确轮廓信息包括：
当同一差别区域的两个初始轮廓均有区域轮廓信息，且所述初始图像信息的区域轮廓信息中的任一参考物满足下列任一条件时，则判定初始雷达信息的区域轮廓信息为所述准确轮廓信息：
所述参考物悬空；
所述参考物的尺寸小于预设尺寸；
所述参考物的颜色与周围环境颜色之间的对比度小于预设对比度。
5.根据权利要求1所述的数据融合方法，其特征在于，
分析并确定所述差别区域的准确轮廓信息包括：
当同一差别区域的两个初始轮廓均有区域轮廓信息且不能判定其中一个为准确轮廓信息时，合并两个区域轮廓信息作为所述准确轮廓信息。
6.一种数据融合装置，其特征在于，包括：
接收单元，用于接收雷达采集的雷达数据和图像获取装置获取的图像数据；
计算单元，用于根据所述雷达数据计算得到初始雷达轮廓并根据所述图像数据计算得到初始图像轮廓；
融合单元，用于融合所述初始雷达轮廓和初始图像轮廓形成初始融合轮廓；
处理单元，用于分析并确定所述初始融合轮廓中的差别区域的准确轮廓信息以形成最终融合轮廓，其中，所述差别区域为相同位置的初始雷达轮廓和初始图像轮廓之间的距离大于预设阈值的区域，位于所述差别区域内的部分初始雷达轮廓和部分初始图像轮廓为区域轮廓信息。
7.根据权利要求6所述的数据融合装置，其特征在于，
所述处理单元分析并确定所述差别区域的准确轮廓信息时包括：
当同一差别区域的两个初始轮廓均有区域轮廓信息，且两个区域轮廓信息中的任一参考物满足预设条件时，所述处理单元判定所述初始图像信息的区域轮廓信息为所述准确轮廓信息：
所述参考物与自车之间的夹角大于预设角度、或
所述参考物有棱角。
8.根据权利要求6所述的数据融合装置，其特征在于，
所述处理单元分析并确定所述差别区域的准确轮廓信息包括：
当同一差别区域的两个初始轮廓均有区域轮廓信息，且所述初始图像信息的区域轮廓信息中的任一参考物满足下列任一条件时，所述处理单元判定初始雷达信息的区域轮廓信息为所述准确轮廓信息：
所述参考物悬空；
所述参考物的尺寸小于预设尺寸；
所述参考物的颜色与周围环境颜色之间的对比度小于预设对比度。
9.根据权利要求6所述的数据融合装置，其特征在于，
所述处理单元分析并确定所述差别区域的准确轮廓信息包括：
当同一差别区域的两个初始轮廓均有区域轮廓信息且不能判定其中一个为准确轮廓信息时，所述处理单元合并两个区域轮廓信息作为所述准确轮廓信息。
10.一种存储介质，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权利要求1-5中任一项所述的数据融合方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910722872.1A CN110435642A (zh) | 2019-08-06 | 2019-08-06 | 数据融合方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910722872.1A CN110435642A (zh) | 2019-08-06 | 2019-08-06 | 数据融合方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110435642A true CN110435642A (zh) | 2019-11-12 |
Family
ID=68433516
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910722872.1A Pending CN110435642A (zh) | 2019-08-06 | 2019-08-06 | 数据融合方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110435642A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111114537A (zh) * | 2020-02-18 | 2020-05-08 | 威马智慧出行科技（上海）有限公司 | 自动泊车倒车入库控制方法、电子设备及汽车 |
| CN111539278A (zh) * | 2020-04-14 | 2020-08-14 | 浙江吉利汽车研究院有限公司 | 一种用于目标车辆的检测方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103247030A (zh) * | 2013-04-15 | 2013-08-14 | 丹阳科美汽车部件有限公司 | 基于球面投影模型和逆变换模型的车辆全景显示系统鱼眼图像校正方法 |
| CN105549023A (zh) * | 2014-10-23 | 2016-05-04 | 现代摩比斯株式会社 | 物体检测装置及其工作方法 |
| DE102015210118A1 (de) * | 2015-06-02 | 2016-12-08 | Volkswagen Aktiengesellschaft | Verfahren und Vorrichtung zur Unterstützung des Ausparkens eines Fahrzeugs |
| DE102015115349A1 (de) * | 2015-09-11 | 2017-03-16 | Connaught Electronics Ltd. | Verfahren zum Bereitstellen eines Bilds, Fahrerassistenzsystem und Kraftfahrzeug |
| CN107389084A (zh) * | 2017-06-09 | 2017-11-24 | 深圳市速腾聚创科技有限公司 | 行车路径规划方法及存储介质 |
| CN107490794A (zh) * | 2016-06-10 | 2017-12-19 | 三菱电机株式会社 | 物体辨识处理装置、物体辨识处理方法及自动驾驶系统 |
| CN107848530A (zh) * | 2015-06-16 | 2018-03-27 | 株式会社电装 | 车辆控制装置以及车辆控制方法 |
| US20180218228A1 (en) * | 2017-01-31 | 2018-08-02 | Denso Corporation | Apparatus and method for controlling vehicle |
| CN109544990A (zh) * | 2018-12-12 | 2019-03-29 | 惠州市德赛西威汽车电子股份有限公司 | 一种基于实时电子地图识别可用泊车位的方法及系统 |
-
2019
- 2019-08-06 CN CN201910722872.1A patent/CN110435642A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103247030A (zh) * | 2013-04-15 | 2013-08-14 | 丹阳科美汽车部件有限公司 | 基于球面投影模型和逆变换模型的车辆全景显示系统鱼眼图像校正方法 |
| CN105549023A (zh) * | 2014-10-23 | 2016-05-04 | 现代摩比斯株式会社 | 物体检测装置及其工作方法 |
| DE102015210118A1 (de) * | 2015-06-02 | 2016-12-08 | Volkswagen Aktiengesellschaft | Verfahren und Vorrichtung zur Unterstützung des Ausparkens eines Fahrzeugs |
| CN107848530A (zh) * | 2015-06-16 | 2018-03-27 | 株式会社电装 | 车辆控制装置以及车辆控制方法 |
| DE102015115349A1 (de) * | 2015-09-11 | 2017-03-16 | Connaught Electronics Ltd. | Verfahren zum Bereitstellen eines Bilds, Fahrerassistenzsystem und Kraftfahrzeug |
| CN107490794A (zh) * | 2016-06-10 | 2017-12-19 | 三菱电机株式会社 | 物体辨识处理装置、物体辨识处理方法及自动驾驶系统 |
| US20180218228A1 (en) * | 2017-01-31 | 2018-08-02 | Denso Corporation | Apparatus and method for controlling vehicle |
| JP2018124768A (ja) * | 2017-01-31 | 2018-08-09 | 株式会社デンソー | 車両制御装置 |
| CN107389084A (zh) * | 2017-06-09 | 2017-11-24 | 深圳市速腾聚创科技有限公司 | 行车路径规划方法及存储介质 |
| CN109544990A (zh) * | 2018-12-12 | 2019-03-29 | 惠州市德赛西威汽车电子股份有限公司 | 一种基于实时电子地图识别可用泊车位的方法及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111114537A (zh) * | 2020-02-18 | 2020-05-08 | 威马智慧出行科技（上海）有限公司 | 自动泊车倒车入库控制方法、电子设备及汽车 |
| CN111539278A (zh) * | 2020-04-14 | 2020-08-14 | 浙江吉利汽车研究院有限公司 | 一种用于目标车辆的检测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102614323B1 (ko) | 수동 및 능동 측정을 이용한 장면의 3차원 지도 생성 | |
| US20240203139A1 (en) | Systems and methods for depth map sampling | |
| KR102114759B1 (ko) | 자동차에서 주변 환경 검출 시 개선된 데이터 융합을 위한 방법 및 장치 | |
| CN104933409B (zh) | 一种基于全景图像点线特征的车位识别方法 | |
| Darms et al. | Map based road boundary estimation | |
| CN108944915A (zh) | 一种自动泊车方法、系统及计算机可读存储介质 | |
| US20050232466A1 (en) | Method of recognizing and/or tracking objects | |
| US8269616B2 (en) | Method and system for detecting gaps between objects | |
| CN109859260A (zh) | 确定车位位置的方法、装置及计算机可读存储介质 | |
| Wang et al. | Vehicle detection and width estimation in rain by fusing radar and vision | |
| WO2022151664A1 (zh) | 一种基于单目摄像头的3d物体检测方法 | |
| CN110254349A (zh) | 一种车辆碰撞预警方法、系统、车辆及存储介质 | |
| CN110435642A (zh) | 数据融合方法、装置及存储介质 | |
| WO2020127151A1 (en) | Method for improved object detection | |
| US11482007B2 (en) | Event-based vehicle pose estimation using monochromatic imaging | |
| CN109446926A (zh) | 一种交通监控方法及装置、电子设备和存储介质 | |
| CN112776797A (zh) | 泊出原始车位创建方法、系统、车辆和存储介质 | |
| CN109278642A (zh) | 车辆倒车安全性映射 | |
| Bai et al. | Stereovision based obstacle detection approach for mobile robot navigation | |
| CN107798688A (zh) | 运动目标识别方法、预警方法以及汽车防追尾预警装置 | |
| CN106570487A (zh) | 物体间的碰撞预测方法和装置 | |
| CN112193208A (zh) | 车辆传感器增强 | |
| JP2005217883A (ja) | ステレオ画像を用いた道路平面領域並びに障害物検出方法 | |
| CN116978009A (zh) | 基于4d毫米波雷达的动态物体滤除方法 | |
| CN115291219A (zh) | 利用单目摄像头实现无人机动态避障方法、装置及无人机 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191112 |
|
| RJ01 | Rejection of invention patent application after publication |