CN110716209B - 地图构建方法、设备及存储装置 - Google Patents

地图构建方法、设备及存储装置 Download PDF

Info

Publication number
CN110716209B
CN110716209B CN201910887311.7A CN201910887311A CN110716209B CN 110716209 B CN110716209 B CN 110716209B CN 201910887311 A CN201910887311 A CN 201910887311A CN 110716209 B CN110716209 B CN 110716209B
Authority
CN
China
Prior art keywords
map
data
measurement
target area
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
Application number
CN201910887311.7A
Other languages
English (en)
Other versions
CN110716209A (zh
Inventor
李冬冬
林辉
沈达飞
潘霄凌
方勇军
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.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua 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 Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN201910887311.7A priority Critical patent/CN110716209B/zh
Publication of CN110716209A publication Critical patent/CN110716209A/zh
Application granted granted Critical
Publication of CN110716209B publication Critical patent/CN110716209B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • 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
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section

Landscapes

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

Abstract

本申请公开了一种地图构建方法、设备及存储装置。其中，地图构建方法包括获取雷达装置在预设时间段内对环境的量测数据；按照量测数据的量测位置，将量测数据分配至地图上；基于量测数据将地图划分为至少一个目标区域；统计每个目标区域中的量测数据，得到对应目标区域的环境特征；基于目标区域的环境特征确定目标区域所属的目标类型，并将目标类型标记于地图的目标区域上。上述方案，能够利用雷达装置准确地对环境构建地图。

Description

地图构建方法、设备及存储装置
技术领域
本申请涉及计算机视觉技术领域，特别是涉及一种地图构建方法、设备及存储装置。
背景技术
在社会治安愈受重视的现代社会，安防技术蓬勃发展，其产品及引用领域也随之不断拓宽。红外摄像机作为可见光摄像机在夜晚等光线条件欠佳的场景中的补充手段，也逐渐布控于城市里弄、商铺等场所。然而，红外摄像机的光学传感器也不可避免地受到天气影响，例如大雾天或雨雪天等等。
区别于红外摄像机或可见光摄像机采用光学传感成像，雷达装置可对周围环境主动发射电磁波，并接收周围环境所反射的电磁波，可以全天工作，且受天气影响较小，可以有效弥补光学传感成像的技术弊端。有鉴于此，如何利用雷达装置准确地对环境构建地图成为亟待解决的问题。
发明内容
本申请主要解决的技术问题是提供一种地图构建方法、设备及存储装置，能够利用雷达装置准确地对环境构建地图。
为了解决上述问题，本申请第一方面提供了一种地图构建方法，包括获取雷达装置在预设时间段内对环境的量测数据；按照量测数据的量测位置，将量测数据分配至地图上；基于量测数据将地图划分为至少一个目标区域；统计每个目标区域中的量测数据，得到对应目标区域的环境特征；基于目标区域的环境特征确定目标区域所属的目标类型，并将目标类型标记于地图的目标区域上。
为了解决上述问题，本申请第二方面提供了一种地图构建设备，包括相互耦接的存储器和处理器；处理器用于执行存储器存储的程序指令，以实现上述第一方面的方法。
为了解决上述问题，本申请第三方面提供了一种存储装置，存储有能够被处理器运行的程序指令，程序指令用于实现上述第一方面的方法。
上述方案，首先获取雷达装置在预设时间段内对环境的量测数据，并按照量测数据的量测位置，将量测数据分配至地图上，然后基于量测数据将地图划分为至少一个目标区域，接着统计每个目标区域中的量测数据，得到对应目标区域的环境特征，最后基于目标区域的环境特征确定目标区域所属的目标类型，并将目标类型标记于地图的目标区域上，从而可以利用雷达装置对环境构建地图。此外，通过雷达装置对环境构建地图，可以尽可能地降低光线、天气等自然环境对构建地图的干扰，提高地图构建的准确性。
附图说明
图1是本申请地图构建方法一实施例的流程示意图；
图2是本申请地图构建方法另一实施例的流程示意图；
图3是图2中步骤S21一实施例的流程示意图；
图4是本申请地图构建方法又一实施例的流程示意图；
图5是图1中步骤S13一实施例的流程示意图；
图6是本申请地图构建方法又一实施例的流程示意图；
图7是图5中步骤S132一实施例的流程示意图；
图8是图7中步骤S72一实施例的流程示意图；
图9是图1中步骤S14一实施例的流程示意图；
图10是图1中步骤S15一实施例的流程示意图；
图11是本申请地图构建方法所构建的地图一实施例的示意图；
图12是本申请图像处理装置一实施例的框架示意图；
图13是本申请存储装置一实施例的框架示意图。
具体实施方式
下面结合说明书附图，对本申请实施例的方案进行详细说明。
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本申请。
本文中术语“系统”和“网络”在本文中常被可互换使用。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。此外，本文中的“多”表示两个或者多于两个。
请参阅图1，图1是本申请地图构建方法一实施例的流程示意图。具体而言，可以包括：
步骤S11：获取雷达装置在预设时间段内对环境的量测数据。
雷达装置可以是毫米波相控阵雷达，在其他实施场景中，雷达装置还可以是机械扫描雷达等等，本实施例在此不做具体限制。
预设时间段可以是根据雷达装置的器件参数所设置的时间段，例如，可以根据雷达装置的工作频率设置，或者还可以根据雷达装置的最大扫描距离设置，本实施例在此不做具体限制。
在一个实施场景中，为了尽可能全面地描述环境的特征，量测数据包括距离、角度、径向速度和雷达反射面积(Radar Cross-Section，RCS)中的至少一个特征数据，其中，距离表示目标到雷达装置的距离，角度表示目标与雷达装置之间的角度，径向速度表示目标在与雷达装置连线方向上的速度分量。雷达装置探测的原理是发射电磁波照射到目标表面后再反射回来，雷达装置照射到目标表面依原路径返回的电磁波越少，雷达反射面积越小。
步骤S12：按照量测数据的量测位置，将量测数据分配至地图上。
在一个实施场景中，为了便于将获取的量测数据与其实际位置对应，在步骤S12之前，可以首先初始化地图。地图的初始化可以根据雷达装置的器件参数而实施，例如根据雷达装置的分辨率、起始量测位置、终点量测位置等等。
在一个实施场景中，可以根据量测数据所包含的距离和角度确定量测数据的量测位置，从而将量测数据分配到地图上。
步骤S13：基于量测数据将地图划分为至少一个目标区域。
在一个实施场景中，可以基于量测数据的分布情况划分地图。在另一个实施场景中，可以基于量测数据本身的数值划分地图。在又一个实施场景中，还可以同时基于量测数据的分布情况以及其本身的数值划分地图，本实施例在此不做具体限制。
地图最终可以被划分为一个目标区域、两个目标区域、三个目标区域等等，本实施例在此不做具体限制。
步骤S14：统计每个目标区域中的量测数据，得到对应目标区域的环境特征。
对每个目标区域中的量测数据进行统计，得到对应目标区域的环境特征，例如统计量测数据的雷达反射面积，从而得到目标区域关于雷达反射面积的环境特征；或者，统计量测数据的径向速度，从而得到目标区域关于径向速度的环境特征等等，本实施例在此不再一一举例。
步骤S15：基于目标区域的环境特征确定目标区域所属的目标类型，并将目标类型标记于地图的目标区域上。
在一个实施场景中，为了方便、快速地基于地图上的目标区域的环境特征确定地图上的目标区域所属的目标类型，可以预先设置一个包含雷达所能探测到的各种目标的目标类型的预设特征的知识库，例如，包含树木、建筑物、汽车、人等的预设特征的知识库，从而只需将地图上的目标区域的环境特征与该预设的知识库进行匹配，就可以确定地图上的目标区域的目标类型。
上述方式，首先获取雷达装置在预设时间段内对环境的量测数据，按照量测数据的量测位置，将量测数据分配至地图上，并基于量测数据将地图划分为至少一个目标区域，接着统计每个目标区域中的量测数据，得到对应目标区域的环境特征，最后基于目标区域的环境特征确定目标区域所属的目标类型，并将目标类型标记于地图的目标区域上，从而可以利用雷达装置对环境构建地图。此外，通过雷达装置对环境构建地图，可以尽可能地降低光线、天气等自然环境对构建地图的干扰，提高地图构建的准确性。
请参阅图2，图2是本申请地图构建方法另一实施例的流程示意图。具体来说，在上述步骤S12之前，还可以包括如下步骤中的至少一者：
步骤S21：初始化地图，以按照雷达装置的分辨率、测量范围设置地图的各坐标轴的分辨率以及起点、终点。
雷达装置的分辨率是雷达装置的器件参数，例如0.2米、0.5米等等。雷达装置的测量范围也是雷达装置的器件参数，例如水平起始量测位置为-500米，水平终点量测位置为500米，此处数值的正负仅表示量测位置相对雷达装置法线的偏离方向；或者，例如垂直起始量测位置为-300米，垂直终点量测位置为300米，此处数值的正负也仅表示量测位置相对雷达装置法线的偏离方向。在一个实施场景中，请结合参阅图3，步骤S21具体可以包括如下步骤：
步骤S211：基于水平起始量测位置、水平终点量测位置以及水平量测分辨率，确定X坐标轴上像素点的第一数量。
例如，水平起始量测位置为Xs、水平终点量测位置为Xe、水平量测分辨率为Xr，则可以通过如下公式计算X坐标轴上像素点的第一数量：
Xn＝(Xe-Xs)/Xr+1
步骤S212：基于垂直起始量测位置、垂直终点量测位置以及垂直量测分辨率，确定Y坐标轴上像素点的第二数量。
例如，垂直起始量测位置为Ys、垂直终点量测位置为Ye、垂直量测分辨率为Yr，则可以通过如下公式计算Y坐标轴上像素点的第一数量：
Yn＝(Ye-Ys)/Yr+1
步骤S213：基于第一数量和第二数量，形成包含第一数量乘以第二数量个像素点的地图。
例如，基于第一数量Xn和第二数量Yn可以形成Xn*Yn个像素点的地图。在一个实施场景中，请结合参阅图11，通过上述实施步骤，最终可获得图11所示的地图，图11中每一个栅格表示一个像素点。
采用上述方式初始化地图，雷达装置的分辨率越高，X轴和Y轴上的像素点的个数越多，最终初始化得到的地图的分辨率也越高，其占用的存储空间也越大。例如，若每个像素点占用4个字节，则初始化的地图所需存储空间为4*Xn*Yn个字节。
上述步骤S21可以在步骤S12之前执行，在其他实施场景中，上述步骤S21也可以在步骤S11之前执行，即首先初始化地图，本实施例在此不做具体限制。
步骤S22：对量测数据进行预处理，其中，预处理包括以下至少一者：将量测数据中表示量测位置的第一坐标系信息转换成地图采用的第二坐标系信息，删除量测位置在雷达装置的可探测范围之外的量测数据，删除量测位置位于预设监控区域之外的量测数据。
在一个实施场景中，量测数据包含距离、角度、径向速度和雷达反射面积(RadarCross-Section，RCS)中的至少一个特征数据，其中，距离表示目标到雷达装置的距离，角度表示目标与雷达装置之间的角度。即，量测数据中表示量测位置的第一坐标系信息为极坐标系信息，而初始化地图所采用的第二坐标系为直角坐标系，因此，在将量测数据分配至地图上对应位置之前，需要将量测数据中表示量测位置的第一坐标系信息转换为地图采用的第二坐标系信息。例如，采用ri表示第i个量测数据在极坐标系下的距离，采用θi表示第i个量测数据在极坐标系下的角度，因此，距离和角度(ri,θi)表示第i个量测数据的量测位置，从而第i个量测数据对应到地图所采用的直角坐标系下的位置信息可以表示为：
xi＝ri*sin(θi)
yi＝ri*cos(θi)
其中，(xi,yi)是第i个量测数据在直角坐标系下的量测位置。
在一个实施场景中，当量测数据的量测位置在雷达装置的可探测范围之外时，删除量测位置位于预设监控区域之外的量测数据，从而可以减少无关数据对于地图构建的干扰，并降低后续处理的计算量。
在一个实施场景中，上述步骤S22中可以对在步骤S11中所获取的量测数据进行实时预处理，在另一个实施场景中，上述步骤S22可以对在步骤S11中所获取的量测数据累积到一定数据量之后再统一进行预处理，本实施例在此不做具体限制。
请参阅图4，图4是本申请地图构建方法又一实施例的流程示意图。具体而言，在上述步骤S11之前还可以包括如下步骤：
步骤41：基于雷达装置的器件参数，确定构建地图所需的量测帧数或扫描时间。
器件参数可以包括最大扫描距离、目标速度、采样频率等等。扫描时间和量测帧数可以表示为：
T＝rmax/v
L＝T*f
其中，rmax表示最大扫描距离、v表示目标速度、T表示扫描时间、f表示采样频率、L表示构建地图所需的量测帧数。在一个实施场景中，v表示雷达装置的扫描场景中需要重点关注的目标的速度，例如雷达装置主要用于监控行人，则v表示行人的平均速度，或者例如雷达装置主要用于监控车辆，则v表示车辆的平均速度，在一个实施场景中，目标速度可以是预先设置的，例如，对于主要监控行人的场景，预先设置目标速度v为1m/s，对于主要监控车辆的场景，预先设置目标速度v为60km/h等等，本实施例在此不再一一举例。
步骤S42：将确定的量测帧数所需的时间或扫描时间作为预设时间段。
将确定的量测帧数所需的时间或者扫描时间作为累积量测数据的预设时间段。
上述方式，可以确保为后续构建地图累积足够多的量测数据，从而可以尽可能地提高后续所构建的地图的准确性，减少遗漏的发生，尽可能地保留细节信息。
请参阅图5，图5是图1中步骤S13一实施例的流程示意图。具体而言，可以包括：
步骤S131：基于地图上量测数据的分布情况，对地图上的量测数据进行聚类。
在一个实施场景中，可以基于地图上量测数据的密度进行聚类，具体来说，可以将将地图上每个量测数据的预设半径范围内的量测数据聚集作为同一类。预设半径可以基于雷达装置的器件参数所确定的。
在一个实施场景中，为了克服由雷达装置获取量测数据的随机性而带来的随机误差扰动，在步骤S131执行之前，先对地图上的量测数据进行平滑处理，可以采用卷积核，对地图上的量测数据进行平滑处理。具体实施时，请结合查阅图6，可以包括如下步骤：
步骤S61：确定与雷达装置的量测分辨率相匹配的预设卷积核。
在一个实施场景中，雷达装置的量测分辨率与预设卷积核的行数/列数为负相关关系，例如量测分辨率小于等于0.2米时，采用5*5的预设卷积核，或者，例如量测分辨率大于0.2米时，采用3*3的预设卷积核。在一个实施场景中，预设卷积核为平滑卷积核，例如：均值卷积核。如下式所示，5*5的预设卷积核可以表示为：
Figure BDA0002207710190000081
或者，3*3的预设卷积核可以表示为：
Figure BDA0002207710190000082
本实施例在此不做具体限制。
步骤S62：利用预设卷积核分别对地图中各像素点及其相邻的像素点的量测数据量进行卷积运算，以重新确定各像素点的量测数据量。
例如，地图中各像素点的量测数据量采用矩阵表示为P。举例而言，P的具体数值可以表示为：
Figure BDA0002207710190000083
此外，确定与雷达装置的量测分辨率相匹配的预设卷积核为：
Figure BDA0002207710190000091
从而可以对地图中各像素点及其相邻的像素点的量测数据量进行卷积运算，进而重新确定各像素点的量测数据量为：
Figure BDA0002207710190000092
求解上述算式，最终可确定地图中各像素点的量测数据量为：
Figure BDA0002207710190000093
由此可见，利用预设卷积核分别对地图中各像素点及其相邻的像素点的量测数据量进行卷积运算，以重新确定各像素点的量测数据量，从而当对地图上的量测数据进行聚类时，是基于经平滑处理后的地图上的量测数据，进而可以尽可能地克服由雷达装置获取量测数据的随机性而带来的随机误差扰动。
在一个实施场景中，上述步骤S131具体可以包括如下步骤：
(1)在平滑处理后的地图中选取的一个量测数量不为零的像素点；
(2)将选取的像素点纳入至一个新的聚类；
(3)将与选取的像素点的距离小于或等于预设半径的像素点纳入至选取的像素点所在的聚类；
(4)判断当前区域内是否还存在未被选取的像素点；
(5)若是，则在当前聚类所在的区域内重新选取一个新的像素点，并重复执行步骤(3)中“将与选取的像素点的距离小于或等于预设半径的像素点纳入至选取的像素点所在的聚类”的步骤及其后续步骤；
(6)若否，在所有聚类的区域外重新选取一个量测数量不为零的像素点，并重复执行步骤(2)中“将选取的像素点纳入至一个新的聚类”的步骤及其后续步骤。
通过上述步骤，可以将平滑处理后的地图划分为至少一个聚类。
步骤S132：基于聚类结果将地图划分为至少一个目标区域。
具体而言，请结合参阅图7，可以包括如下步骤：
步骤S71：按照聚类结果，将地图中属于同一类的量测数据对应的位置第一划分作为同一个待定区域。
按照聚类结果，将地图中属于同一类的量测数据对应的位置第一划分作为同一个待定区域，进而将地图划分为至少一个待定区域。在一个实施场景中，可以将地图划分为2个待定区域。在另一个实施场景中，可以将地图划分为3个待定区域，例如，请结合参阅图11，将地图划分为：A区域、B区域、C区域，共计3个待定区域。在一个实施场景中，第一划分时采用的量测数据为经平滑处理后的地图上的量测数据。
步骤S72：对于每个待定区域，基于待定区域的每个量测数据中包含的至少一个数据特征，对待定区域进行第二划分，以将地图划分为至少一个目标区域。
量测数据的数据特征包括距离、角度、径向速度和雷达反射面积(RCS)。在一个实施场景中，第二划分时采用的量测数据为经平滑处理前的地图上的量测数据。具体而言，请结合参阅图8，可以包括：
步骤S721：遍历待定区域的每个量测数据中包含的第一数据特征，将待定区域中每个第一数据特征的第一预设数据值差范围内的第一数据特征作为同一第一分组。
第一数据特征为径向速度、雷达发射面积中的其中一个。第一预设数据值差可以根据实际应用场景或者雷达装置的器件参数预先设置，例如，对于第一数据特征为径向速度时，第一预设数据值差可以为0.4m/s，即对于任意两个径向速度的差值在0.4m/s之内的量测数据均可以归为同一个第一分组。或者，例如，第一数据特征为雷达反射面积(RCS)时，第一预设数据值差可以为0.5m2，即对于任意两个雷达反射面积(RCS)在0.5m2以内的量测数据均可以归为同一个第一分组。
例如，请结合参阅图11，按照聚类结果，将地图中属于同一类的量测数据对应的位置第一划分作为同一个待定区域，最终划分得到三个待定区域，分别表示为A区域、B区域、C区域。进一步，分别基于待定区域A区域、B区域、C区域，遍历每个量测数据中包含的第一数据特征，如雷达反射面积(RCS)，将A、B、C三个待定区域中每个第一数据特征的第一预设数据值差范围内的第一数据特征作为同一第一分组，从而可以将A区域划分为第一分组A1、第一分组A2，共计两个第一分组；将B区域划分为第一分组B1、第一分组B2、第一分组B3，共计三个第一分组，将C区域划分为第一分组C，共计一个第一分组。
步骤S722：遍历第一分组对应的每个量测数据中包含的第二数据特征，将第一分组中每个第二数据特征的第二预设数据值差范围内的第二数据特征作为同一第二分组。
在一个实施场景中，当第一数据特征为雷达反射面积(RCS)时，第二数据特征为径向速度；在另一个实施场景中，当第一数据特征为径向速度时，第二数据特征为雷达反射面积(RCS)，本实施例在此不做具体限制。
第二预设数据值差可以根据实际应用场景或者雷达装置的器件参数预先设置，例如，对于第二数据特征为径向速度时，第二预设数据值差可以为0.4m/s，即对于任意两个径向速度的差值在0.4m/s之内的量测数据均可以归为同一个第二分组。或者，例如，第二数据特征为雷达反射面积(RCS)时，第二预设数据值差可以为0.5m2，即对于任意两个雷达反射面积(RCS)在0.5m2以内的量测数据均可以归为同二个第一分组。
例如，请结合参阅图11，按照第一数据特征的进行划分，将待定区域A划分为第一分组A1、第一分组A2，共计两个第一分组；将B区域划分为第一分组B1、第一分组B2、第一分组B3，共计三个第一分组，将C区域划分为第一分组C，共计一个第一分组。进一步，分别基于待定区域A区域、B区域、C区域，遍历每个量测数据中包含的第二数据特征，如径向速度，将第一分组A1、第一分组A2中每个第二数据特征的第二预设数据值差范围内的第二数据特征作为同一第一分组，从而将A1、A2两个第一分组分别划分为第二分组A11、第二分组A12，以及第二分组A21、第二分组A22；将第一分组B1、第一分组B2、第一分组B3中每个第二数据特征的第二预设数据值差范围内的第二数据特征作为同一第二分组，从而将第一分组B1、第一分组B2、第一分组B3分别划分为第二分组B11、第二分组B12，以及第二分组B2，以及第二分组B31、第二分组B32；将第一分组C中每个第二数据特征的第二预设数据值差范围内的第二数据特征作为同一第二分组，从而将第一分组C划分为第二分组C。可以理解，上述分组结果仅仅为举例，本实施例在此不做具体限制。
步骤S723：将地图中每个第二分组结果对应的位置作为地图中的一个目标区域。
将地图中每个第二分组结果对应位置作为地图中的一个目标区域，具体来说，是将地图中每个第二分组结果对应的像素区域作为地图中的第一个目标区域。例如，请结合参阅图11，针对上述第二分组结果，可以将地图划分为A11、A12、A21、A22、B11、B12、B2、B31、B32、C一共10个目标区域。
本实施例中，第一数据特征和第二数据特征的其中一个为径向速度，另一个为雷达发射面积。在一个实施场景中，为了提高分组的精确度，第一数据特征为雷达反射面积(RCS)，第二数据特征为径向速度。
其中，在一个实施例中，量测数据包括距离、角度、径向速度和雷达反射面积中的至少一个数据特征，相对应地，环境特征包括检测概率特征、径向速度特征和雷达反射面积特征中的至少一种。在一个实施场景中，检测概率特征是基于目标区域的量测数据量与预设时间段内的量测数据总量之间的关系得到的。
具体而言，请结合参阅图9，上述步骤S14具体可以包括如下步骤中的任一者：
步骤S141：在包含预设时间段的量测数据的若干雷达帧中，统计目标区域中的量测数据所存在的帧数，将统计的帧数与量测数据总量之间的比例作为目标区域的检测概率特征。
例如，第i个目标区域中有量测数据存在的帧数为ni，量测数据总量，即量测帧数为L，则检测概率特征可以表示为：
Figure BDA0002207710190000121
由此可以计算得到上述10个目标区域：A11、A12、A21、A22、B11、B12、B2、B31、B32、C中每一个目标区域的检测概率特征。
步骤S142：统计目标区域的所有量测数据中的径向速度的预设数学特征，以作为目标区域的径向速度特征。
预设数学特征包括均值和标准差中的至少一个，例如包含均值和标准差。例如，统计得到第i个目标区域中所有量测数据中径向速度的均值
Figure BDA0002207710190000131
标准差
Figure BDA0002207710190000132
则第i个目标区域的径向速度特征可以表示为：
Figure BDA0002207710190000133
其中，k为自然数，例如0、1、2、3等等。
在一个实施场景中，可以采用不同的区间范围表示雷达装置所能探测到的不同目标的目标类型的预设特征，进而将所求得目标区域的径向速度特征与预设特征进行比较，从而确定地图上各个目标区域所属的目标类型，该区间范围可以有一最大值和一最小值，以雷达装置所能探测到的目标类型为建筑物为例，其径向速度的预设特征为
Figure BDA0002207710190000134
则相对应地，可以将
Figure BDA0002207710190000135
作为地图上第i个目标区域的径向速度特征的最小值，可以将
Figure BDA0002207710190000136
作为地图上第i个目标区域的径向速度特征的最大值，其中，k的取值可以根据实际情况而设置，本实施例在此不再一一举例。以此类推，还可以进一步对雷达装置所能探测到的树木、汽车、行人等目标类型的预设特征进行设置，从而将地图上第i个目标区域的径向速度特征与其匹配，本实施例在此不再赘述。
由此可以计算得到上述10个目标区域：A11、A12、A21、A22、B11、B12、B2、B31、B32、C中每一个目标区域的径向速度特征。
步骤S143：统计目标区域的所有量测数据中的雷达反射面积的预设数学特征，以作为目标区域的雷达反射面积特征。
预设数学特征包括均值和标准差中的至少一个，如包含均值和标准差。例如，统计得到第i个目标区域中所有量测数据中雷达反射面积(RCS)的均值
Figure BDA0002207710190000137
标准差
Figure BDA0002207710190000138
则第i个目标区域的雷达反射面积特征可以表示为：
Figure BDA0002207710190000139
其中，k为自然数，例如0、1、2、3等等。
在一个实施场景中，可以采用不同的区间范围表示雷达装置所能探测到的不同目标类型的预设特征，进而将所求得地图上的目标区域的雷达反射面积特征与预设特征进行比较，从而确定地图上的目标区域所属的目标类型，该区间范围可以有一最大值和一最小值，以雷达装置所能探测到的目标类型为建筑物为例，其雷达反射面积的预设特征为
Figure BDA0002207710190000141
则相对应地，可以将
Figure BDA0002207710190000142
作为第i个目标区域的雷达反射面积特征的最小值，可以将
Figure BDA0002207710190000143
作为第i个目标区域的雷达反射面积特征的最大值，其中，k的取值可以根据实际情况而设置，本实施例在此不再一一举例。以此类推，还可以进一步对雷达所能探测到的树木、汽车、行人等目标类型的预设特征进行设置，从而将第i个目标区域的雷达反射面积特征与其匹配，本实施例在此不再赘述。
由此可以计算得到上述10个目标区域：A11、A12、A21、A22、B11、B12、B2、B31、B32、C中每一个目标区域的雷达反射面积特征。
上述步骤S141～S143具体执行时不分先后顺序，可以先按S141、S142、S143的先后顺序执行，也可以按照S141、S143、S142的先后顺序执行，还可以按S142、S141、S143的先后顺序执行，以此类推。此外，步骤S141、步骤S142、步骤S143还可以并行执行，本实施例在此不再一一举例。在一个实施场景中，上述步骤S141～S143可以只执行其中一者，例如，只执行步骤S141；或者，只执行步骤S142；或者，只执行步骤S143。在另一个实施场景中，上述步骤S141～步骤S143还可以执行其中任意两者，例如，执行步骤S141和步骤S142；或者，执行步骤S141和步骤S143等等。在又一个实施场景中，上述步骤S141～步骤S143还可以全部执行。当求得的地图上的目标区域的环境特征的种类越多，最终确定地图上的目标区域的目标类型越准确。
请参阅图10，图10是图1中步骤S15一实施例的流程示意图。具体而言，步骤S15中“基于目标区域的环境特征确定目标区域所属的目标类型”可以包括：
步骤S151：将环境特征与雷达装置所能探测到的不同目标类型的预设特征进行比对，查找出与环境特征匹配的预设特征对应的目标类型，作为目标区域所属的目标类型。
如上述实施例所述，雷达装置所能探测到的不同目标的目标类型的预设特征可以是一数值范围，包括最大值和最小值，例如，以雷达装置所能探测到的目标类型为建筑物为例，其预设特征可以包括预设径向速度特征、预设雷达反射面积特征、预设检测概率特征，并可以分别表示为：
Figure BDA0002207710190000151
具体地，可以参考下表1所示：
表1雷达装置所能探测得到的目标类型的预设特征
Figure BDA0002207710190000152
表1所表示的仅仅是实际实施过程中部分雷达装置所能探测得到的目标类型，除此之外，还可以进一步包括其他目标类型，例如行驶的小汽车等等，本实施例在此不再一一举例。相应地，第i个目标区域的环境特征可以包括径向速度特征、雷达反射面积特征、检测概率特征，并可以分别表示为：
Figure BDA0002207710190000153
请结合参阅图11，通过将统计得到的地图上的目标区域的径向速度特征、雷达反射面积特征和检测概率特征与上述雷达装置所能探测得到的目标类型的预设特征进行比较，由此可以确定图11所示的地图上的10个目标区域：A11、A12、A21、A22、B11、B12、B21、B31、B32、C11的目标类型，例如，可以包括：机动车行驶区域、行人行走区域、建筑物区域、树木区域等等。
此外，在一个实施场景中，步骤S15中“将目标类型标记于地图的目标区域上”可以包括：
步骤S152：将目标区域所属的目标类型渲染到地图的目标区域上。
在一个实施场景中，当确定地图上不同目标区域所属的目标类型后，将地图上不同目标类型的目标区域采用不同的颜色区分表示，最终输出地图。例如，请结合参阅图11，不同填充底纹代表不同的目标类型。在另一个实施场景中，为了使用户更加清楚直观地知晓地图上不同目标区域的不同目标类型，可以对目标区域进行渲染处理，根据不同目标类型的材质、纹理、颜色等等特征，对目标区域进行着色，此外，还可以模拟光照效果等等，从而使得最终输出的地图图像更加直观、易读。
请参阅图12，图12是本申请地图构建设备1200一实施例的框架示意图。地图构建设备1200包括相互耦接的存储器1210和处理器1220，处理器1220用于执行存储器1210存储的程序指令，以实现上述任一实施例中的地图构建方法的步骤。
具体而言，处理器1220用于控制其自身以及存储器1210以实现上述任一实施例中的地图构建方法。处理器1220还可以称为CPU(Central Processing Unit，中央处理单元)。处理器1220可能是一种集成电路芯片，具有信号的处理能力。处理器1220还可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。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。另外，处理器1220可以由多个成电路芯片共同实现。
本实施例中，处理器1220还用于获取雷达装置在预设时间段内对环境的量测数据，按照量测数据的量测位置，将量测数据分配至地图上；处理器1220还用于基于量测数据将地图划分为至少一个目标区域；处理器1220还用于统计每个目标区域中的量测数据，得到对应目标区域的环境特征；处理器1220还用于基于目标区域的环境特征确定目标区域所属的目标类型，并将目标类型标记于地图的目标区域上。
上述方式，首先获取雷达装置在预设时间段内对环境的量测数据，并按照量测数据的量测位置，将量测数据分配至地图上，然后基于量测数据将地图划分为至少一个目标区域，接着统计每个目标区域中的量测数据，得到对应目标区域的环境特征，最后基于目标区域的环境特征确定目标区域所属的目标类型，并将目标类型标记于地图的目标区域上，从而可以利用雷达装置对环境构建地图。此外，通过雷达装置对环境构建地图，可以尽可能地降低光线、天气等自然环境对构建地图的干扰，提高地图构建的准确性。
在一些实施例中，环境特征包括检测概率特征、径向速度特征和雷达反射面积特征中的至少一种，其中，检测概率特征是基于目标区域的量测数据量与预设时间段内的量测数据总量之间的关系得到的；量测数据包括距离、角度、径向速度和雷达反射面积中的至少一个数据特征，距离和角度表示量测数据的量测位置。
在一些实施例中，处理器1220还用于在包含预设时间段的量测数据的若干雷达帧中，统计目标区域中的量测数据所存在的帧数，处理器1220还用于将统计的帧数与量测数据总量之间的比例作为目标区域的检测概率特征；处理器1220还用于统计目标区域的所有量测数据中的径向速度的预设数学特征，以作为目标区域的径向速度特征；处理器1220还用于统计目标区域的所有量测数据中的雷达反射面积的预设数学特征，以作为目标区域的雷达反射面积特征。
在一些实施例中，预设数学特征包括均值和标准差中的至少一个。
在一些实施例中，处理器1220还用于基于地图上量测数据的分布情况，对地图上的量测数据进行聚类；处理器1220还用于基于聚类结果将地图划分为至少一个目标区域。
在一些实施例中，处理器1220还用于按照聚类结果，将地图中属于同一类的量测数据对应的位置第一划分作为同一个待定区域；处理器1220还用于对于每个待定区域，基于待定区域的每个量测数据中包含的至少一个数据特征，对待定区域进行第二划分，以将地图划分为至少一个目标区域。
在一些实施例中，处理器1220还用于将地图上每个量测数据的预设半径范围内的量测数据聚集作为同一类，处理器1220还用于遍历待定区域的每个量测数据中包含的第一数据特征，将待定区域中每个第一数据特征的第一预设数据值差范围内的第一数据特征作为同一第一分组；处理器1220还用于遍历第一分组对应的每个量测数据中包含的第二数据特征，将第一分组中每个第二数据特征的第二预设数据值差范围内的第二数据特征作为同一第二分组；处理器1220还用于将地图中每个第二分组结果对应的位置作为地图中的一个目标区域；其中，第一数据特征和第二数据特征的其中一个为径向速度，另一个为雷达发射面积。
在一些实施例中，处理器1220还用于采用卷积核，对地图上的量测数据进行平滑处理，其中，第一划分时采用的量测数据为经平滑处理后的地图上的量测数据；第二划分时采用的量测数据为经平滑处理前的地图上的量测数据。
在一些实施例中，处理器1220还用于确定与雷达装置的量测分辨率相匹配的预设卷积核；处理器1220还用于利用预设卷积核分别对地图中各像素点及其相邻的像素点的量测数据量进行卷积运算，以重新确定各像素点的量测数据量。
在一些实施例中，量测分辨率与预设卷积核的行数/列数为负相关关系，预设卷积核为平滑卷积核。
在一些实施例中，处理器1220还用于初始化地图，以按照雷达装置的分辨率、测量范围设置地图的各坐标轴的分辨率以及起点、终点，处理器1220还用于对量测数据进行预处理，其中，预处理包括以下至少一者：将量测数据中表示量测位置的第一坐标系信息转换成地图采用的第二坐标系信息，删除量测位置在雷达装置的可探测范围之外的量测数据，删除量测位置位于预设监控区域之外的量测数据。
在一些实施例中，处理器1220还用于基于水平起始量测位置、水平终点量测位置以及水平量测分辨率，确定X坐标轴上像素点的第一数量；处理器1220还用于基于垂直起始量测位置、垂直终点量测位置以及垂直量测分辨率，确定Y坐标轴上像素点的第二数量；处理器1220还用于基于第一数量和第二数量，形成包含第一数量乘以第二数量个像素点的地图。
在一些实施例中，处理器1220还用于基于雷达装置的器件参数，确定构建地图所需的量测帧数或扫描时间；处理器1220还用于将确定的量测帧数所需的时间或扫描时间作为预设时间段。
在一些实施例中，处理器1220还用于将环境特征与雷达装置所能探测到的不同目标类型的预设特征进行比对，查找出与环境特征匹配的预设特征对应的目标类型，作为目标区域所属的目标类型，处理器1220还用于将目标区域所属的目标类型渲染到地图的目标区域上。
在一些实施例中，地图构建设备1200还包括雷达装置1230，雷达装置1230用于扫描环境量，获得量测数据。
请参阅图13，图13为本申请存储装置1300一实施例的框架示意图。本申请存储装置1300存储有能够被处理器运行的程序指令1310，程序指令1310用于实现上述任一地图构建方法的实施例中步骤。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，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，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。
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方式方案的目的。
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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元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全部或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)或处理器(processor)执行本申请各个实施方式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(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (15)

1.一种地图构建方法，其特征在于，包括：
获取雷达装置在预设时间段内对环境的量测数据；
按照所述量测数据的量测位置，将所述量测数据分配至地图上；
基于所述量测数据将所述地图划分为至少一个目标区域；
统计每个所述目标区域中的量测数据，得到对应所述目标区域的环境特征；
基于所述目标区域的环境特征确定所述目标区域所属的目标类型，并将所述目标类型标记于地图的所述目标区域上；
其中，所述基于所述量测数据将所述地图划分为至少一个目标区域，包括：基于所述地图上所述量测数据的分布情况，对所述地图上的量测数据进行聚类；基于聚类结果将所述地图划分为至少一个目标区域；
其中，所述基于聚类结果将所述地图划分为至少一个目标区域，包括：按照所述聚类结果，将所述地图中属于同一类的量测数据对应的位置第一划分作为同一个待定区域；对于每个所述待定区域，基于所述待定区域的每个量测数据中包含的至少一个数据特征，对所述待定区域进行第二划分，以将所述地图划分为至少一个目标区域。
2.根据权利要求1所述的方法，其特征在于，所述环境特征包括检测概率特征、径向速度特征和雷达反射面积特征中的至少一种，其中，所述检测概率特征是基于所述目标区域的量测数据量与所述预设时间段内的量测数据总量之间的关系得到的；
所述量测数据包括距离、角度、径向速度和雷达反射面积中的至少一个数据特征，所述距离和角度表示所述量测数据的量测位置。
3.根据权利要求2所述的方法，其特征在于，所述统计每个所述目标区域中的量测数据，得到对应所述目标区域的环境特征，包括以下至少一步骤：
在包含所述预设时间段的量测数据的若干雷达帧中，统计所述目标区域中的量测数据所存在的帧数，将所述统计的帧数与所述量测数据总量之间的比例作为所述目标区域的检测概率特征；
统计所述目标区域的所有量测数据中的径向速度的预设数学特征，以作为所述目标区域的径向速度特征；
统计所述目标区域的所有量测数据中的雷达反射面积的预设数学特征，以作为所述目标区域的雷达反射面积特征。
4.根据权利要求3所述的方法，其特征在于，所述预设数学特征包括均值和标准差中的至少一个。
5.根据权利要求2所述的方法，其特征在于，所述基于所述地图上所述量测数据的分布情况，对所述地图上的量测数据进行聚类，包括：
将地图上每个量测数据的预设半径范围内的量测数据聚集作为同一类；
所述基于所述待定区域的每个量测数据中包含的至少一个数据特征，对所述待定区域进行第二划分，以将所述地图划分为至少一个目标区域，包括：
遍历所述待定区域的每个量测数据中包含的第一数据特征，将所述待定区域中每个第一数据特征的第一预设数据值差范围内的第一数据特征作为同一第一分组；
遍历所述第一分组对应的每个量测数据中包含的第二数据特征，将所述第一分组中每个第二数据特征的第二预设数据值差范围内的第二数据特征作为同一第二分组；
将所述地图中每个所述第二分组结果对应的位置作为所述地图中的一个所述目标区域；
其中，所述第一数据特征和所述第二数据特征的其中一个为径向速度，另一个为雷达发射面积。
6.根据权利要求2所述的方法，其特征在于，在所述基于所述地图上所述量测数据的分布情况，对所述地图上的量测数据进行聚类之前，还包括：
采用卷积核，对所述地图上的量测数据进行平滑处理；
所述第一划分时采用的量测数据为经所述平滑处理后的所述地图上的量测数据；所述第二划分时采用的量测数据为经所述平滑处理前的所述地图上的量测数据。
7.根据权利要求6所述的方法，其特征在于，所述采用卷积核，对所述地图上的量测数据进行平滑处理包括：
确定与所述雷达装置的量测分辨率相匹配的预设卷积核；
利用所述预设卷积核分别对所述地图中各像素点及其相邻的像素点的量测数据量进行卷积运算，以重新确定所述各像素点的量测数据量。
8.根据权利要求7所述的方法，其特征在于，
所述量测分辨率与所述预设卷积核的行数/列数为负相关关系；和/或，
所述预设卷积核为平滑卷积核。
9.根据权利要求1所述的方法，其特征在于，在所述按照所述量测数据的量测位置，将所述量测数据分配至地图上之前，还包括：
初始化所述地图，以按照所述雷达装置的分辨率、测量范围设置所述地图的各坐标轴的分辨率以及起点、终点；和/或
对所述量测数据进行预处理，其中，所述预处理包括以下至少一者：将所述量测数据中表示量测位置的第一坐标系信息转换成所述地图采用的第二坐标系信息，删除量测位置在所述雷达装置的可探测范围之外的量测数据，删除量测位置位于预设监控区域之外的量测数据。
10.根据权利要求9所述的方法，其特征在于，所述初始化所述地图，以按照所述雷达装置的分辨率、测量范围设置所述地图的各坐标轴的分辨率以及起点、终点包括：
基于水平起始量测位置、所述水平终点量测位置以及所述水平量测分辨率，确定X坐标轴上像素点的第一数量；
基于垂直起始量测位置、所述垂直终点量测位置以及所述垂直量测分辨率，确定Y坐标轴上像素点的第二数量；
基于所述第一数量和所述第二数量，形成包含所述第一数量乘以所述第二数量个像素点的地图。
11.根据权利要求1所述的方法，其特征在于，在所述获取雷达装置在预设时间段内对环境的量测数据之前，还包括：
基于所述雷达装置的器件参数，确定构建地图所需的量测帧数或扫描时间；
将确定的所述量测帧数所需的时间或所述扫描时间作为所述预设时间段。
12.根据权利要求1所述的方法，其特征在于，
所述基于所述目标区域的环境特征确定所述目标区域所属的目标类型包括：
将所述环境特征与所述雷达装置所能探测到的不同目标类型的预设特征进行比对，查找出与所述环境特征匹配的预设特征对应的目标类型，作为所述目标区域所属的目标类型；和/或
所述将所述目标类型标记于地图的所述目标区域上，包括：
将所述目标区域所属的目标类型渲染到地图的所述目标区域上。
13.一种地图构建设备，其特征在于，包括相互耦接的存储器和处理器；
所述处理器用于执行所述存储器存储的程序指令，以实现权利要求1至12任一项所述的方法。
14.根据权利要求13所述的设备，其特征在于，还包括雷达装置，用于扫描环境量，获得量测数据。
15.一种存储装置，其特征在于，存储有能够被处理器运行的程序指令，所述程序指令用于实现权利要求1至12任一项所述的方法。
CN201910887311.7A 2019-09-19 2019-09-19 地图构建方法、设备及存储装置 Active CN110716209B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910887311.7A CN110716209B (zh) 2019-09-19 2019-09-19 地图构建方法、设备及存储装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910887311.7A CN110716209B (zh) 2019-09-19 2019-09-19 地图构建方法、设备及存储装置

Publications (2)

Publication Number Publication Date
CN110716209A CN110716209A (zh) 2020-01-21
CN110716209B true CN110716209B (zh) 2021-12-14

Family

ID=69209958

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910887311.7A Active CN110716209B (zh) 2019-09-19 2019-09-19 地图构建方法、设备及存储装置

Country Status (1)

Country Link
CN (1) CN110716209B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111896941B (zh) * 2020-06-15 2023-06-13 浙江大华技术股份有限公司 一种雷达数据的目标轨迹确定方法及装置
CN112399345A (zh) * 2020-10-29 2021-02-23 四川长虹网络科技有限责任公司 基于位置加密的网络接入方法、装置和可读存储介质
CN113848947A (zh) * 2021-10-20 2021-12-28 上海擎朗智能科技有限公司 路径规划方法、装置、计算机设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110045376A (zh) * 2019-04-28 2019-07-23 森思泰克河北科技有限公司 可行驶区域获取方法、计算机可读存储介质及终端设备
CN110108288A (zh) * 2019-05-27 2019-08-09 北京史河科技有限公司 一种场景地图构建方法及装置、场景地图导航方法及装置
CN110220521A (zh) * 2019-05-24 2019-09-10 上海蔚来汽车有限公司 一种高精地图的生成方法和装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8874131B2 (en) * 2011-08-23 2014-10-28 Qualcomm Incorporated Providing location related information for a structure to mobile stations
CN109541634B (zh) * 2018-12-28 2023-01-17 歌尔股份有限公司 一种路径规划方法、装置和移动设备
CN110207710B (zh) * 2019-06-26 2021-03-16 北京小狗智能机器人技术有限公司 机器人重定位方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110045376A (zh) * 2019-04-28 2019-07-23 森思泰克河北科技有限公司 可行驶区域获取方法、计算机可读存储介质及终端设备
CN110220521A (zh) * 2019-05-24 2019-09-10 上海蔚来汽车有限公司 一种高精地图的生成方法和装置
CN110108288A (zh) * 2019-05-27 2019-08-09 北京史河科技有限公司 一种场景地图构建方法及装置、场景地图导航方法及装置

Also Published As

Publication number Publication date
CN110716209A (zh) 2020-01-21

Similar Documents

Publication Publication Date Title
CN110716209B (zh) 地图构建方法、设备及存储装置
US10565721B2 (en) Information processing device and information processing method for specifying target point of an object
CN112526513B (zh) 基于聚类算法的毫米波雷达环境地图构建方法及装置
CN113412505B (zh) 用于对通过探测和测距传感器获得的点云进行有序表示和特征提取的处理单元和方法
CN109840448A (zh) 用于无人驾驶车辆的信息输出方法和装置
JP7279848B2 (ja) 画像処理装置、画像処理方法、およびプログラム
CN113111513B (zh) 传感器配置方案确定方法、装置、计算机设备及存储介质
WO2022217630A1 (zh) 一种车速确定方法、装置、设备和介质
Shamsudin et al. Fog removal using laser beam penetration, laser intensity, and geometrical features for 3D measurements in fog-filled room
CN112052878B (zh) 一种雷达的遮挡识别的方法、装置及存储介质
CN112950717A (zh) 一种空间标定方法和系统
CN112562005A (zh) 一种空间标定方法和系统
CN112444822A (zh) 合成激光雷达信号的产生
JP5941514B2 (ja) スペクトル的および空間的物体モデルから識別する方法
Patil et al. A survey on joint object detection and pose estimation using monocular vision
JP2020160840A (ja) 路面標示不具合検出装置、路面標示不具合検出方法及び路面標示不具合検出プログラム
CN114241057A (zh) 相机和激光雷达的外参标定方法、系统及可读存储介质
CN114519712A (zh) 一种点云数据处理方法、装置、终端设备及存储介质
CN111353481A (zh) 基于激光点云与视频图像的道路障碍物识别方法
US20220262103A1 (en) Computer-implemented method for testing conformance between real and synthetic images for machine learning
CN114509762A (zh) 一种数据处理方法、装置、设备及介质
CN114236566A (zh) 激光系统的控制方法、装置、电子设备及可读存储介质
CN110308428B (zh) 一种建立低空杂波分布仿真模型的方法
Uecker et al. Can you see me now? Blind spot estimation for autonomous vehicles using scenario-based simulation with random reference sensors
CN117310452B (zh) 电磁信号泄露的确定方法、装置、计算机设备和存储介质

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
GR01 Patent grant
GR01 Patent grant