CN110456796A - 视觉盲区检测方法及装置 - Google Patents
视觉盲区检测方法及装置 Download PDFInfo
- Publication number
- CN110456796A CN110456796A CN201910758493.8A CN201910758493A CN110456796A CN 110456796 A CN110456796 A CN 110456796A CN 201910758493 A CN201910758493 A CN 201910758493A CN 110456796 A CN110456796 A CN 110456796A
- Authority
- CN
- China
- Prior art keywords
- barrier
- sensor
- location information
- dead zone
- calibration point
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 26
- 230000004888 barrier function Effects 0.000 claims abstract description 153
- 238000000034 method Methods 0.000 claims description 23
- 230000003111 delayed effect Effects 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供一种视觉盲区检测方法及装置,当检测到障碍物时,获取障碍物的位置信息和自动驾驶交通工具上的传感器的位置信息,基于障碍物的位置信息、传感器的位置信息以及电子地图中的道路区域,确定自动驾驶交通工具的一个视觉盲区,从而实现自动驾驶交通工具自动检测出视觉盲区范围;这样,自动驾驶交通工具可以在进入视觉盲区之前提前采取一定措施,即使发生有行人或车辆突然从视觉盲区出现,自动驾驶交通工具也能够及时处理,以降低视觉盲区中的车辆和/或行人带来的安全风险,提高自动驾驶的安全性。本公开还提供一种电子设备和计算机可读介质。
Description
技术领域
本公开涉及自动驾驶车辆控制技术领域,具体涉及一种视觉盲区检测方法、装置、电子设备和计算机可读介质。
背景技术
在自动驾驶领域中,障碍物的感知主要由固定在车辆顶端的传感器实现,由于障碍物遮挡等原因,传感器经常存在视觉盲区,如果视觉盲区中存在车辆或行人,而自动驾驶车辆仍然高速行驶,可能会导致安全风险。自动驾驶领域中,在进行自动驾驶行驶路径规划时,并未考虑到视觉盲区的问题,也没有避免视觉盲区造成的驾驶安全风险的方案。
发明内容
本公开针对现有技术中存在的上述不足,提供一种视觉盲区检测方法、装置、服务器和计算机可读介质。
第一方面,本公开实施例提供一种视觉盲区检测方法,所述方法由自动驾驶交通工具执行,其特征在于:所述方法包括:
响应于检测到障碍物,获取所述障碍物的位置信息和所述自动驾驶交通工具上的传感器的位置信息;
基于所述障碍物的位置信息、所述传感器的位置信息以及预设的电子地图中的道路区域,确定所述自动驾驶交通工具的一个视觉盲区。
优选的,所述传感器的位置信息包括传感器的三维坐标,所述障碍物的信息包括障碍物的三维坐标,所述基于所述障碍物的位置信息、所述传感器的位置信息以及预设的电子地图中的道路区域,确定所述自动驾驶交通工具的一个视觉盲区,包括:
基于所述障碍物的位置信息和所述传感器的位置信息,在所述障碍物的边界上确定标定点,所述标定点包括位于地面的第一类标定点和高于地面的第二类标定点;
基于所述传感器的位置信息、所述标定点和预设的电子地图中的道路区域,确定所述自动驾驶交通工具的一个视觉盲区。
优选的,确定所述第一类标定点的步骤包括:
基于所述障碍物的位置信息和所述传感器的位置信息,确定所述障碍物在地面正投影的最大宽度,并确定所述最大宽度对应的正投影边界上的第一类标定点,所述最大宽度为所述障碍物当前正面朝向所述传感器的最大宽度。
优选的,确定所述第二类标定点的步骤包括:
若所述传感器的高度大于所述障碍物的高度,则确定所述障碍物顶端所在平面的最大宽度,并确定所述最大宽度对应的所述障碍物顶端的边界上的第二类标定点,所述最大宽度为所述障碍物当前正面朝向所述传感器的最大宽度;
若所述传感器的高度小于或等于所述障碍物的高度,则确定所述障碍物在预设第一高度的横截面的最大宽度,并确定所述最大宽度对应的所述横截面的边界上的第二类标定点,所述第一高度小于所述传感器的高度,所述最大宽度为所述障碍物当前正面朝向所述传感器的最大宽度。
优选的,所述基于所述传感器的位置信息、所述标定点和预设的电子地图中的道路区域,确定所述自动驾驶交通工具的一个视觉盲区,包括:
确定所述传感器与所述第二类标定点连线的延长线和第一平面的交点在地面的投影点,所述第一平面位于所述道路区域的边界且垂直于地面;
基于所述第一类标定点和所述投影点确定所述自动驾驶交通工具的一个视觉盲区。
进一步的,在基于所述障碍物的位置信息、所述传感器的位置信息以及预设的电子地图中的道路区域,确定所述自动驾驶交通工具的一个视觉盲区之后,所述方法还包括:
将所述视觉盲区的各边界分别外延预设距离,根据外延后的边界确定警示区;或者,
将所述视觉盲区的各边界分别外延预设距离,根据外延后的边界确定第一区域,确定所述第一区域与所述道路区域的交集,并将所述交集作为警示区。
又一方面,本公开实施例还提供一种视觉盲区检测装置,所述装置由自动驾驶交通工具执行,所述装置包括获取模块和第一确定模块;
所述获取模块用于,响应于检测到障碍物,获取所述障碍物的位置信息和所述自动驾驶交通工具上的传感器的位置信息;
所述第一确定模块用于,基于所述障碍物的位置信息、所述传感器的位置信息以及预设的电子地图中的道路区域,确定所述自动驾驶交通工具的一个视觉盲区。
优选的,所述传感器的位置信息包括传感器的三维坐标,所述障碍物的信息包括障碍物的三维坐标;所述第一确定模块包括标定点确定单元和视觉盲区确定单元,所述标定点确定单元用于,基于所述障碍物的位置信息和所述传感器的位置信息,在所述障碍物的边界上确定标定点,所述标定点包括位于地面的第一类标定点和高于地面的第二类标定点;
所述视觉盲区确定单元用于,基于所述传感器的位置信息、所述标定点和预设的电子地图中的道路区域,确定所述自动驾驶交通工具的一个视觉盲区。
优选的,所述标定点确定单元具体用于,基于所述障碍物的位置信息和所述传感器的位置信息,确定所述障碍物在地面正投影的最大宽度,并确定所述最大宽度对应的正投影边界上的第一类标定点,所述最大宽度为所述障碍物当前正面朝向所述传感器的最大宽度。
优选的,所述标定点确定单元具体用于,当所述传感器的高度大于所述障碍物的高度时,确定所述障碍物顶端所在平面的最大宽度,并确定所述最大宽度对应的所述障碍物顶端的边界上的第二类标定点,所述最大宽度为所述障碍物当前正面朝向所述传感器的最大宽度;当所述传感器的高度小于或等于所述障碍物的高度时,确定所述障碍物在预设第一高度的横截面的最大宽度,并确定所述最大宽度对应的所述横截面的边界上的第二类标定点,所述第一高度小于所述传感器的高度,所述最大宽度为所述障碍物当前正面朝向所述传感器的最大宽度。
优选的,所述视觉盲区确定单元具体用于,确定所述传感器与所述第二类标定点连线的延长线和第一平面的交点在地面的投影点,基于所述第一类标定点和所述投影点确定所述自动驾驶交通工具的一个视觉盲区,所述第一平面位于所述道路区域的边界且垂直于地面。
进一步的,所述视觉盲区检测装置还包括第二确定模块,所述第二确定模块用于,将所述视觉盲区的各边界分别外延预设距离,根据外延后的边界确定警示区;或者,将所述视觉盲区的各边界分别外延预设距离,根据外延后的边界确定第一区域,并确定所述第一区域与所述道路区域的交集,并将所述交集作为警示区。
又一方面,本公开实施例还提供一种电子设备,该电子设备包括:一个或多个处理器以及存储装置;其中,存储装置上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器实现如前述各实施例所提供的方法。
本公开实施例还提供了一种计算机可读介质,其上存储有计算机程序,其中,该计算机程序被执行时实现如前述各实施例所提供的方法。
本公开的实施例,当检测到障碍物时,获取障碍物的位置信息和自动驾驶交通工具上的传感器的位置信息,基于障碍物的位置信息、传感器的位置信息以及电子地图中的道路区域,确定自动驾驶交通工具的一个视觉盲区,从而实现自动驾驶交通工具自动检测出视觉盲区范围;这样,自动驾驶交通工具可以在进入视觉盲区之前提前采取一定措施,即使发生有行人或车辆突然从视觉盲区出现,自动驾驶交通工具也能够及时处理,以降低视觉盲区中的车辆和/或行人带来的安全风险,提高自动驾驶的安全性。
附图说明
图1为本公开实施例提供的视觉盲区检测流程图;
图2为本公开实施例提供的确定视觉盲区的流程图一;
图3为本公开实施例提供的确定第二类标定点的流程图;
图4为本公开实施例提供的确定视觉盲区的流程图二;
图5为本公开实施例提供的视觉盲区的示意图;
图6a为本公开实施例提供的警示区的示意图一;
图6b为本公开实施例提供的警示区的示意图二;
图7为本共开实施例提供的视觉盲区检测装置的结构示意图一;
图8为本公开实施例提供的第一确定模块的结构示意图;
图9为本公开实施例提供的视觉盲区检测装置的结构示意图二。
具体实施方式
在下文中将参考附图更充分地描述示例实施例,但是所述示例实施例可以以不同形式来体现且不应当被解释为限于本文阐述的实施例。反之,提供这些实施例的目的在于使本公开透彻和完整,并将使本领域技术人员充分理解本公开的范围。
如本文所使用的,术语“和/或”包括一个或多个相关列举条目的任何和所有组合。
本文所使用的术语仅用于描述特定实施例,且不意欲限制本公开。如本文所使用的,单数形式“一个”和“该”也意欲包括复数形式,除非上下文另外清楚指出。还将理解的是,当本说明书中使用术语“包括”和/或“由……制成”时,指定存在所述特征、整体、步骤、操作、元件和/或组件,但不排除存在或添加一个或多个其他特征、整体、步骤、操作、元件、组件和/或其群组。
本文所述实施例可借助本公开的理想示意图而参考平面图和/或截面图进行描述。因此,可根据制造技术和/或容限来修改示例图示。因此,实施例不限于附图中所示的实施例,而是包括基于制造工艺而形成的配置的修改。因此,附图中例示的区具有示意性属性,并且图中所示区的形状例示了元件的区的具体形状,但并不旨在是限制性的。
除非另外限定,否则本文所用的所有术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解,诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义,且将不解释为具有理想化或过度形式上的含义,除非本文明确如此限定。
以下结合图1,对本公开的视觉盲区检测方法进行详细说明。如图1所示,所述方法由自动驾驶交通工具执行,包括以下步骤:
步骤11,响应于检测到道路上的障碍物,获取障碍物的位置信息和自动驾驶交通工具上的传感器的位置信息。
在本公开实施例中,障碍物既包括位于车道区域(即车道线内的区域)内的障碍物(例如,车辆、行人等),也包括位于人行道区域内的障碍物(例如,建筑物、路边停靠的交通工具等)。
自动驾驶交通工具通过传感器实时检测路况信息,当传感器检测到障碍物时,将障碍物的位置信息发送给自动驾驶交通工具上的视觉盲区检测装置,障碍物的信息可以包括障碍物的三维坐标(例如,经纬度和高度)。通常,传感器位于自动驾驶交通工具的顶部,因此自动驾驶交通工具的位置即可认为是设置在其上的传感器的位置,自动驾驶交通工具的位置确定模块确定自动驾驶交通工具(即本自动驾驶车辆)的位置信息,当传感器将障碍物的位置信息发送给视觉盲区检测装置时,视觉盲区检测装置从位置确定模块获取传感器的位置信息,传感器的位置信息包括传感器的三维坐标。
步骤12,基于障碍物的位置信息、传感器的位置信息和预设的电子地图中的道路区域,确定自动驾驶交通工具的一个视觉盲区。
在本公开实施例中,电子地图中的道路区域是指供车辆行驶的车道区域。在本步骤中,视觉盲区检测装置根据障碍物的位置信息、传感器的位置信息和电子地图中的道路区域,确定出该自动驾驶交通工具的一个视觉盲区的范围。
基于障碍物的位置信息、传感器的位置信息以及电子地图中的道路区域,确定自动驾驶交通工具的一个视觉盲区的具体实现方式,后续结合附图2再详细说明。
通过步骤11-12可以看出,本公开实施例中,当检测到障碍物时,获取障碍物的位置信息和自动驾驶交通工具上的传感器的位置信息,基于障碍物的位置信息、传感器的位置信息以及电子地图中的道路区域,确定自动驾驶交通工具的一个视觉盲区,从而实现自动驾驶交通工具自动检测出视觉盲区范围;这样,自动驾驶交通工具可以在进入视觉盲区之前提前采取一定措施,即使发生有行人或车辆突然从视觉盲区出现,自动驾驶交通工具也能够及时处理,以降低视觉盲区中的车辆和/或行人带来的安全风险,提高自动驾驶的安全性。
以下结合图2、3、5,对确定视觉盲区的流程进行详细说明。如图2所示,所述基于障碍物的位置信息、传感器的位置信息和预设的电子地图中的道路区域,确定自动驾驶交通工具的一个视觉盲区(即步骤12),具体包括以下步骤:
步骤21,基于障碍物的位置信息和传感器的位置信息,在障碍物的边界上确定标定点。
标定点位于障碍物的边界(即标定点在障碍物的外表面上选取),包括位于地面的第一类标定点和高于地面的第二类标定点。也就是说,第一类标定点位于障碍物在地面上的边界,第二类标定点位于障碍物高于地面某一高度的边界。
优选的,确定第一类标定点的步骤包括:基于障碍物的位置信息和传感器的位置信息,确定障碍物在地面正投影的最大宽度,并确定最大宽度对应的正投影边界上的第一类标定点。需要说明的是,最大宽度为障碍物当前正面朝向传感器的最大宽度。由于障碍物的形状可能是非规则形状,因此,在不同方向上,障碍物的在地面正投影的最大宽度也不同,传感器与障碍物的相对位置不同,当前最大宽度方向(即障碍物当前正面朝向传感器的方向)也不同,障碍物当前正面朝向传感器的方向是指垂直于传感器与障碍物之间连线的方向。
结合图5所示,自动驾驶交通工具的传感器M的位置为(x,y,z),传感器M与障碍物N之间的连线为MN,则当前最大宽度的方向即为图中双向箭头所指方向(该方向为垂直于连线MN的方向)。在该方向上,确定障碍物N在地面正投影的最大宽度,相应的,根据该最大宽度可以确定出正投影边界上的第一类标定点A1和A2。
优选的,在确定第二类标定点之前,先比较传感器的高度和障碍物的高度,然后根据比较结果在障碍物上选取第二类标定点。
确定第二类标定点的具体实现方式后续结合图3再详细说明。
步骤22,基于传感器的位置信息、标定点和预设的电子地图中的道路区域,确定自动驾驶交通工具的一个视觉盲区。
根据传感器的位置信息、标定点和预设的电子地图中的道路区域,确定自动驾驶交通工具的视觉盲区的具体实现方式,后续结合图4再详细说明。
通过步骤21-22可以看出,通过在障碍物上选取标定点,根据标定点位置、传感器位置和道路区域可以准确、快速确定出视觉盲区,为后续自动驾驶交通工具能够提前采取相应措施奠定基础。
以下结合图3,对确定第二类标定点的步骤进行详细说明。如图3所示,确定第二类标定点的步骤包括:
步骤31,判断传感器的高度是否大于障碍物的高度,若是,则执行步骤32;否则,执行步骤33。
步骤32,确定障碍物顶端所在平面的最大宽度,并确定最大宽度对应的障碍物顶端的边界上的第二类标定点。
在本步骤中,若传感器的高度大于障碍物的高度,说明障碍物较矮,则第二类标定点可以选择在障碍物的顶端,即先根据障碍物的位置和传感器的位置确定当前最大宽度方向,此时当前最大宽度方向是指垂直于传感器与障碍物之间连线的方向。然后确定当前最大宽度方向下的障碍物顶端所在平面的最大宽度,并找到障碍物顶端所在平面的边界上与最大宽度对应的第二类标定点。
步骤33,确定障碍物在预设第一高度的横截面的最大宽度,并确定最大宽度对应的所述横截面的边界上的第二类标定点。
第一高度小于传感器的高度,优选的,第一高度为传感器的高度的二分之一。
在本步骤中,若传感器的高度小于或等于障碍物的高度,说明障碍物较高,则可以在障碍物中间位置的高度(即第一高度)
上选择第二类标定点,即先根据障碍物的位置和传感器的位置确定当前最大宽度方向,当前最大宽度方向是指障碍物垂直于传感器与障碍物之间连线的方向。然后确定障碍物在当前最大宽度方向下在第一高度的横截面内的最大宽度,并找到该横截面的边界上与最大宽度对应的第二类标定点。
需要说明的是,步骤32和步骤33中所说的最大宽度为障碍物当前正面朝向传感器的最大宽度。
如图5所示,以传感器的高度大于障碍物的高度为例说明,在判断出传感器的高度大于障碍物的高度时,先确定出当前最大宽度方向为双向箭头所指的方向,确定障碍物顶端所在平面内当前最大宽度方向上的最大宽度,由此确定出第二类标定点B1和B2。
以下结合图4和图5,对基于传感器的位置信息、标定点和电子地图中的道路区域,确定自动驾驶交通工具的一个视觉盲区的步骤(即步骤22)进行详细说明。如图4所示,步骤22具体包括以下步骤:
步骤41,确定传感器与第二类标定点连线的延长线和第一平面的交点在地面的投影点,第一平面位于道路区域的边界且垂直于地面。
在本步骤中,先选取道路区域的边界上垂直于地面的第一平面,然后确定传感器与第二类标定点连线的延长线和第一平面的交点,并确定该交点在地面的投影点。
如图5所示,第一平面为P,确定传感器M与第二类标定点B1的连线MB1的延长线与第一平面P的交点B1”,并确定B1”在地面的投影点B1’;确定传感器M与第二类标定点B2的连线MB2的延长线与第一平面P的交点B2”,并确定B2”在地面的投影点B2’。
步骤42,基于第一类标定点和投影点确定自动驾驶交通工具的一个视觉盲区。
具体的,将各第一类标定点和各投影点依次相连,围成的区域即为自动驾驶交通工具的一个视觉盲区。如图5所示,A1A2B2’B1’所围成的区域即为自动驾驶交通工具的一个视觉盲区。
从图5中可以看出,对于自动驾驶交通工具来说,该视觉盲区被障碍物遮挡,在自动驾驶交通工具行驶过程中,位于视觉盲区内的行人、车辆均无法被自动驾驶交通工具识别,一旦视觉盲区内的行人或车辆突然向自动驾驶交通工具的行驶方向运动,当自动驾驶交通工具处于高速行驶状态时,很难及时做出处理,导致行车安全事故。而利用本公开的方案可以在检测到障碍物时及时有效检测出视觉盲区,相应的,自动驾驶交通工具可以基于该视觉盲区采取一些预防措施,例如减速慢行等,从而可以做到防患于未然,提高驾驶安全性。
进一步的,为了真正做到提前预警、提前处理,防患于未然,本公开实施例还可以在视觉盲区的基础上确定出警示区。具体的,基于视觉盲区的位置和范围,在视觉盲区的基础上扩大一定范围得到警示区。
相应的,在基于所述障碍物的位置信息、传感器的位置信息以及电子地图中的道路区域,确定自动驾驶交通工具的一个视觉盲区(即步骤12)之后,所述视觉盲区检测方法还包括以下步骤:确定警示区,警示区包括视觉盲区,且警示区的面积大于视觉盲区的面积。
确定警示区的具体实现有以下两种方式:
方式一:将视觉盲区的各边界分别外延预设距离,根据外延后的边界确定警示区。也就是说,将边界外延是指将视觉盲区的边界向外侧平行移动预设距离,并将外延后的边界相连得到警示区,因此,警示区将视觉盲区包围在内。优选的,预设距离可以为3-5米。如图6a所示,视觉盲区为A1A2B2’B1’,按照方式一得到的警示区为CDEF所包围的区域。
方式二:将视觉盲区的各边界分别外延预设距离,根据外延后的边界确定第一区域,确定第一区域与道路区域的交集,并将所述交集作为警示区。也就是说,先将视觉盲区的边界向外侧平行移动预设距离后得到第一区域(该第一区域不是警示区),然后根据第一区域与道路区域得到交集,该交集的区域才是警示区。
如图6b所示,视觉盲区A1A2B2’B1’,按照方式二得到的第一区域,第一区域与道路区域的交集CD’HGE’F’即为警示区。
当自动驾驶交通工具进入警示区时,采取预设措施以降低视觉盲区带来的安全风险。预设措施可以包括但不限于降低自动驾驶交通工具行驶速度,此外,为了避免由于行人或车辆突然从视觉盲区移动到自动驾驶交通工具行驶路线上的道路区域,自动驾驶交通工具采取紧急避让措施引起车内乘客的不适,进一步的,当自动驾驶交通工具进入警示区时,还可以发出提示信息,以提示乘客,提升车内乘客的乘车体验。
基于相同的技术构思,本公开实施例还提供一种视觉盲区检测装置,如图7所示,该视觉盲区检测装置包括获取模块71和第一确定模块72。
获取模块71用于,响应于检测到障碍物,获取所述障碍物的位置信息和所述自动驾驶交通工具上的传感器的位置信息。
第一确定模块72用于,基于所述障碍物的位置信息、所述传感器的位置信息以及预设的电子地图中的道路区域,确定所述自动驾驶交通工具的一个视觉盲区。
优选的,所述传感器的位置信息包括传感器的三维坐标,所述障碍物的信息包括障碍物的三维坐标;如图8所示,第一确定模块72包括标定点确定单元721和视觉盲区确定单元722,标定点确定单元721用于,基于所述障碍物的位置信息和所述传感器的位置信息,在所述障碍物的边界上确定标定点,所述标定点包括位于地面的第一类标定点和高于地面的第二类标定点。
视觉盲区确定单元722用于,基于所述传感器的位置信息、所述标定点和预设的电子地图中的道路区域,确定所述自动驾驶交通工具的一个视觉盲区。
优选的,标定点确定单元721具体用于,基于所述障碍物的位置信息和所述传感器的位置信息,确定所述障碍物在地面正投影的最大宽度,并确定所述最大宽度对应的正投影边界上的第一类标定点,所述最大宽度为所述障碍物当前正面朝向所述传感器的最大宽度。
优选的,标定点确定单元721具体用于,当所述传感器的高度大于所述障碍物的高度时,确定所述障碍物顶端所在平面的最大宽度,并确定所述最大宽度对应的所述障碍物顶端的边界上的第二类标定点,所述最大宽度为所述障碍物当前正面朝向所述传感器的最大宽度;当所述传感器的高度小于或等于所述障碍物的高度时,确定所述障碍物在预设第一高度的横截面的最大宽度,并确定所述最大宽度对应的所述横截面的边界上的第二类标定点,所述第一高度小于所述传感器的高度,所述最大宽度为所述障碍物当前正面朝向所述传感器的最大宽度。
优选的,视觉盲区确定单元722具体用于,确定所述传感器与所述第二类标定点连线的延长线和第一平面的交点在地面的投影点,基于所述第一类标定点和所述投影点确定所述自动驾驶交通工具的一个视觉盲区,所述第一平面位于所述道路区域的边界且垂直于地面。
如图9所示,本公开另一实施例提供的视觉盲区检测装置还包括第二确定模块73,第二确定模块73用于,将所述视觉盲区的各边界分别外延预设距离,根据外延后的边界确定警示区;或者,将所述视觉盲区的各边界分别外延预设距离,根据外延后的边界确定第一区域,并确定所述第一区域与所述道路区域的交集,并将所述交集作为警示区。
本公开实施例还提供了一种服务器,该服务器包括:一个或多个处理器以及存储装置;其中,存储装置上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器实现如前述各实施例所提供的方法。
本公开实施例还提供了一种计算机可读介质,其上存储有计算机程序,其中,该计算机程序被执行时实现如前述各实施例所提供的方法。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
本文已经公开了示例实施例,并且虽然采用了具体术语,但它们仅用于并仅应当被解释为一般说明性含义,并且不用于限制的目的。在一些实例中,对本领域技术人员显而易见的是,除非另外明确指出,否则可单独使用与特定实施例相结合描述的特征、特性和/或元素,或可与其他实施例相结合描述的特征、特性和/或元件组合使用。因此,本领域技术人员将理解,在不脱离由所附的权利要求阐明的本发明的范围的情况下,可进行各种形式和细节上的改变。
Claims (14)
1.一种视觉盲区检测方法,所述方法由自动驾驶交通工具执行,所述方法包括:
响应于检测到障碍物,获取所述障碍物的位置信息和所述自动驾驶交通工具上的传感器的位置信息;
基于所述障碍物的位置信息、所述传感器的位置信息以及预设的电子地图中的道路区域,确定所述自动驾驶交通工具的一个视觉盲区。
2.如权利要求1所述的方法,其中,所述传感器的位置信息包括传感器的三维坐标,所述障碍物的信息包括障碍物的三维坐标,所述基于所述障碍物的位置信息、所述传感器的位置信息以及预设的电子地图中的道路区域,确定所述自动驾驶交通工具的一个视觉盲区,包括:
基于所述障碍物的位置信息和所述传感器的位置信息,在所述障碍物的边界上确定标定点,所述标定点包括位于地面的第一类标定点和高于地面的第二类标定点;
基于所述传感器的位置信息、所述标定点和预设的电子地图中的道路区域,确定所述自动驾驶交通工具的一个视觉盲区。
3.如权利要求2所述的方法,其中,确定所述第一类标定点的步骤包括:
基于所述障碍物的位置信息和所述传感器的位置信息,确定所述障碍物在地面正投影的最大宽度,并确定所述最大宽度对应的正投影边界上的第一类标定点,所述最大宽度为所述障碍物当前正面朝向所述传感器的最大宽度。
4.如权利要求2所述的方法,其中,确定所述第二类标定点的步骤包括:
若所述传感器的高度大于所述障碍物的高度,则确定所述障碍物顶端所在平面的最大宽度,并确定所述最大宽度对应的所述障碍物顶端的边界上的第二类标定点,所述最大宽度为所述障碍物当前正面朝向所述传感器的最大宽度;
若所述传感器的高度小于或等于所述障碍物的高度,则确定所述障碍物在预设第一高度的横截面的最大宽度,并确定所述最大宽度对应的所述横截面的边界上的第二类标定点,所述第一高度小于所述传感器的高度,所述最大宽度为所述障碍物当前正面朝向所述传感器的最大宽度。
5.如权利要求2所述的方法,其中,所述基于所述传感器的位置信息、所述标定点和预设的电子地图中的道路区域,确定所述自动驾驶交通工具的一个视觉盲区,包括:
确定所述传感器与所述第二类标定点连线的延长线和第一平面的交点在地面的投影点,所述第一平面位于所述道路区域的边界且垂直于地面;
基于所述第一类标定点和所述投影点确定所述自动驾驶交通工具的一个视觉盲区。
6.如权利要求1-5任一项所述的方法,其中,在基于所述障碍物的位置信息、所述传感器的位置信息以及预设的电子地图中的道路区域,确定所述自动驾驶交通工具的一个视觉盲区之后,所述方法还包括:
将所述视觉盲区的各边界分别外延预设距离,根据外延后的边界确定警示区;或者,
将所述视觉盲区的各边界分别外延预设距离,根据外延后的边界确定第一区域,确定所述第一区域与所述道路区域的交集,并将所述交集作为警示区。
7.一种视觉盲区检测装置,所述装置由自动驾驶交通工具执行,所述装置包括获取模块和第一确定模块;
所述获取模块用于,响应于检测到障碍物,获取所述障碍物的位置信息和所述自动驾驶交通工具上的传感器的位置信息;
所述第一确定模块用于,基于所述障碍物的位置信息、所述传感器的位置信息以及预设的电子地图中的道路区域,确定所述自动驾驶交通工具的一个视觉盲区。
8.如权利要求7所述的视觉盲区检测装置,其中,所述传感器的位置信息包括传感器的三维坐标,所述障碍物的信息包括障碍物的三维坐标;所述第一确定模块包括标定点确定单元和视觉盲区确定单元,所述标定点确定单元用于,基于所述障碍物的位置信息和所述传感器的位置信息,在所述障碍物的边界上确定标定点,所述标定点包括位于地面的第一类标定点和高于地面的第二类标定点;
所述视觉盲区确定单元用于,基于所述传感器的位置信息、所述标定点和预设的电子地图中的道路区域,确定所述自动驾驶交通工具的一个视觉盲区。
9.如权利要求8所述的视觉盲区检测装置,其中,所述标定点确定单元具体用于,基于所述障碍物的位置信息和所述传感器的位置信息,确定所述障碍物在地面正投影的最大宽度,并确定所述最大宽度对应的正投影边界上的第一类标定点,所述最大宽度为所述障碍物当前正面朝向所述传感器的最大宽度。
10.如权利要求8所述的视觉盲区检测装置,其中,所述标定点确定单元具体用于,当所述传感器的高度大于所述障碍物的高度时,确定所述障碍物顶端所在平面的最大宽度,并确定所述最大宽度对应的所述障碍物顶端的边界上的第二类标定点,所述最大宽度为所述障碍物当前正面朝向所述传感器的最大宽度;当所述传感器的高度小于或等于所述障碍物的高度时,确定所述障碍物在预设第一高度的横截面的最大宽度,并确定所述最大宽度对应的所述横截面的边界上的第二类标定点,所述第一高度小于所述传感器的高度,所述最大宽度为所述障碍物当前正面朝向所述传感器的最大宽度。
11.如权利要求8所述的视觉盲区检测装置,其中,所述视觉盲区确定单元具体用于,确定所述传感器与所述第二类标定点连线的延长线和第一平面的交点在地面的投影点,基于所述第一类标定点和所述投影点确定所述自动驾驶交通工具的一个视觉盲区,所述第一平面位于所述道路区域的边界且垂直于地面。
12.如权利要求7-11所述的视觉盲区检测装置,其中,还包括第二确定模块,所述第二确定模块用于,将所述视觉盲区的各边界分别外延预设距离,根据外延后的边界确定警示区;或者,将所述视觉盲区的各边界分别外延预设距离,根据外延后的边界确定第一区域,并确定所述第一区域与所述道路区域的交集,并将所述交集作为警示区。
13.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-6任一项所述的方法。
14.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被执行时实现如权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910758493.8A CN110456796B (zh) | 2019-08-16 | 2019-08-16 | 自动驾驶视觉盲区检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910758493.8A CN110456796B (zh) | 2019-08-16 | 2019-08-16 | 自动驾驶视觉盲区检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110456796A true CN110456796A (zh) | 2019-11-15 |
CN110456796B CN110456796B (zh) | 2022-11-01 |
Family
ID=68487193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910758493.8A Active CN110456796B (zh) | 2019-08-16 | 2019-08-16 | 自动驾驶视觉盲区检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110456796B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111610531A (zh) * | 2020-04-21 | 2020-09-01 | 吉利汽车研究院(宁波)有限公司 | 一种车辆的驾驶预警方法、装置及存储介质 |
CN111932868A (zh) * | 2020-06-23 | 2020-11-13 | 南京市公安局 | 一种基于路网的视频监控盲区检测方法和系统 |
CN112859827A (zh) * | 2019-11-27 | 2021-05-28 | 深圳市大富科技股份有限公司 | 生命信号检测方法以及车载视觉设备 |
WO2021196145A1 (zh) * | 2020-04-02 | 2021-10-07 | 华为技术有限公司 | 一种车辆盲区识别方法、自动驾驶辅助系统以及包括该系统的智能驾驶车辆 |
CN114643984A (zh) * | 2022-05-20 | 2022-06-21 | 阿里巴巴达摩院(杭州)科技有限公司 | 驾驶避险方法、装置、设备、介质及产品 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104965204A (zh) * | 2015-07-03 | 2015-10-07 | 南京金龙新能源汽车研究院有限公司 | 一种用于消除倒车雷达盲区的系统及方法 |
CN205003285U (zh) * | 2015-07-03 | 2016-01-27 | 南京金龙新能源汽车研究院有限公司 | 一种用于消除倒车雷达盲区的系统 |
CN106043123A (zh) * | 2016-04-15 | 2016-10-26 | 浙江千成电子科技有限公司 | 车载实时路况监护显示仪 |
CN106427863A (zh) * | 2016-11-30 | 2017-02-22 | 百度在线网络技术(北京)有限公司 | 用于检测无人车的盲区的方法和装置 |
CN108827292A (zh) * | 2018-06-27 | 2018-11-16 | 四川大学 | 基于gnss和地面基站的组合式导航精确测速定位方法及系统 |
CN109808589A (zh) * | 2019-02-25 | 2019-05-28 | 浙江众泰汽车制造有限公司 | 汽车盲区提示系统 |
CN109817021A (zh) * | 2019-01-15 | 2019-05-28 | 北京百度网讯科技有限公司 | 一种激光雷达路侧盲区交通参与者避让方法和装置 |
-
2019
- 2019-08-16 CN CN201910758493.8A patent/CN110456796B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104965204A (zh) * | 2015-07-03 | 2015-10-07 | 南京金龙新能源汽车研究院有限公司 | 一种用于消除倒车雷达盲区的系统及方法 |
CN205003285U (zh) * | 2015-07-03 | 2016-01-27 | 南京金龙新能源汽车研究院有限公司 | 一种用于消除倒车雷达盲区的系统 |
CN106043123A (zh) * | 2016-04-15 | 2016-10-26 | 浙江千成电子科技有限公司 | 车载实时路况监护显示仪 |
CN106427863A (zh) * | 2016-11-30 | 2017-02-22 | 百度在线网络技术(北京)有限公司 | 用于检测无人车的盲区的方法和装置 |
US20180151079A1 (en) * | 2016-11-30 | 2018-05-31 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for detecting blind spot of unmanned vehicle |
CN108827292A (zh) * | 2018-06-27 | 2018-11-16 | 四川大学 | 基于gnss和地面基站的组合式导航精确测速定位方法及系统 |
CN109817021A (zh) * | 2019-01-15 | 2019-05-28 | 北京百度网讯科技有限公司 | 一种激光雷达路侧盲区交通参与者避让方法和装置 |
CN109808589A (zh) * | 2019-02-25 | 2019-05-28 | 浙江众泰汽车制造有限公司 | 汽车盲区提示系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112859827A (zh) * | 2019-11-27 | 2021-05-28 | 深圳市大富科技股份有限公司 | 生命信号检测方法以及车载视觉设备 |
WO2021196145A1 (zh) * | 2020-04-02 | 2021-10-07 | 华为技术有限公司 | 一种车辆盲区识别方法、自动驾驶辅助系统以及包括该系统的智能驾驶车辆 |
CN111610531A (zh) * | 2020-04-21 | 2020-09-01 | 吉利汽车研究院(宁波)有限公司 | 一种车辆的驾驶预警方法、装置及存储介质 |
CN111932868A (zh) * | 2020-06-23 | 2020-11-13 | 南京市公安局 | 一种基于路网的视频监控盲区检测方法和系统 |
CN114643984A (zh) * | 2022-05-20 | 2022-06-21 | 阿里巴巴达摩院(杭州)科技有限公司 | 驾驶避险方法、装置、设备、介质及产品 |
Also Published As
Publication number | Publication date |
---|---|
CN110456796B (zh) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110456796A (zh) | 视觉盲区检测方法及装置 | |
KR102295577B1 (ko) | Ecu, 상기 ecu를 포함하는 무인 자율 주행 차량, 및 이의 주행 차로 판단 방법 | |
CN107918758B (zh) | 能够进行环境情景分析的车辆 | |
CN110867132B (zh) | 环境感知的方法、装置、电子设备和计算机可读存储介质 | |
CN106564494A (zh) | 用于控制具有自动驾驶系统的车辆的方法和系统 | |
CN105984464A (zh) | 车辆控制装置 | |
RU2626424C1 (ru) | Устройство оценки позиции и угла пространственной ориентации транспортного средства и способ оценки позиции и угла пространственной ориентации транспортного средства | |
US20180029605A1 (en) | Method And Apparatus For Testing Operation And Control Accuracy Of Driving Control System In Unmanned Vehicle | |
US20190130198A1 (en) | Traveling control device | |
CN105774806A (zh) | 车辆行驶控制装置 | |
CN105882520A (zh) | 车辆涉水的预警方法及装置 | |
CN105518758A (zh) | 用于核查机动车错误方向行驶的方法以及控制和检测装置 | |
CN104340067A (zh) | 用于导航控制的装置和方法 | |
CN109353337B (zh) | 一种智能车换道阶段碰撞概率安全预测方法 | |
JP6638531B2 (ja) | 周辺物体検出装置 | |
US20200114921A1 (en) | Sensor-limited lane changing | |
Wang et al. | Advanced driver‐assistance system (ADAS) for intelligent transportation based on the recognition of traffic cones | |
WO2023072135A1 (zh) | 车辆安全行驶的评估方法、装置、车辆及存储介质 | |
US20180286222A1 (en) | Vehicle identifying device | |
CN106052622A (zh) | 安装角度辨别装置及其辨别方法 | |
CN114559961A (zh) | 自动驾驶车辆路面避障方法、装置及可读存储介质 | |
CN112193242B (zh) | 泊车控制方法、系统、设备以及存储介质 | |
CN107878380A (zh) | 一种汽车溜车提醒方法和装置 | |
CN105835701A (zh) | 车辆行驶控制方法及装置 | |
CN112078580A (zh) | 用于确定对象与行车带的重合度的方法,装置和存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211014 Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Applicant after: Apollo Intelligent Technology (Beijing) Co.,Ltd. Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |