CN110765929A - 一种车辆障碍物检测方法及装置 - Google Patents
一种车辆障碍物检测方法及装置 Download PDFInfo
- Publication number
- CN110765929A CN110765929A CN201911001944.XA CN201911001944A CN110765929A CN 110765929 A CN110765929 A CN 110765929A CN 201911001944 A CN201911001944 A CN 201911001944A CN 110765929 A CN110765929 A CN 110765929A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target vehicle
- marking
- target
- bounding box
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例公开了一种车辆障碍物检测方法及装置，应用于自动驾驶领域，用于准确检测出车辆障碍物的位置，以保证自动驾驶车辆的安全行驶。本申请实施例方法包括：首先获取到包含目标车辆的待检测的目标图像，然后，再按照预设划分规则，将目标图像中的目标车辆划分为多个部分，接着，可以利用包围盒bounding box算法，对目标车辆划分后的每一部分进行标记，得到标记结果，最后，再根据该标记结果，准确确定出目标车辆的位置。
Description
技术领域
本申请涉及自动驾驶技术领域，尤其涉及一种车辆障碍物检测方法及装置。
背景技术
随着智能化系统被应用到车辆驾驶领域中，越来越多的车辆上配置了能够实现自动驾驶功能或辅助驾驶功能的智能系统。
其中，保证自动驾驶车辆能够安全行驶的重要前提就是保证车辆能够自动检测出周围车辆障碍物的准确位置。但是，目前现有的检测周围车辆障碍物所在位置的方法，通常是将车辆作为一个整体进行检测，具体来讲，是利用包围盒bounding box算法，将车辆作为一个整体进行标记，即，将整个车辆标记在一个方框中，形成2D bounding box，再将该2Dbounding box的下方两个顶点坐标进行2D到3D的转换，得到对应的3D坐标(世界坐标系下坐标)，用以确定车辆的实际位置，但是，通过这种方式得到车辆的位置信息是不够准确的，这是因为将车辆作为一个整体进行检测时，检测的划分粒度过粗，从而可能会导致车辆障碍物检测的精度较低，比如，可能将无车辆障碍物的空白区域也检测为车辆障碍物区域，或者，将存在车辆障碍物的区域却检测为无车辆障碍物的区域等。
因此，如何实现对车辆障碍物的准确检测，以保证自动驾驶车辆的安全行驶，已成为亟待解决的问题。
发明内容
本申请实施例的主要目的在于提供一种车辆障碍物检测方法及装置，能够提高车辆障碍物检测结果的准确性。
本申请实施例提供了一种车辆障碍物检测方法，包括：
获取待检测的目标图像，所述目标图像为包含目标车辆的图像；
按照预设划分规则，将所述目标图像中的目标车辆划分为多个部分；
利用包围盒bounding box算法，对所述目标车辆划分后的每一部分进行标记，得到标记结果；
根据所述标记结果，确定所述目标车辆的位置。
可选的，所述预设划分规则为将目标车辆划分为车头、车身、车尾三部分；
相应的，所述按照预设划分规则，将所述目标图像中的目标车辆划分为多个部分，包括：
按照预设划分规则，将所述目标图像中的目标车辆划分为车头、车身、车尾中的至少一个部分。
可选的，若按照预设划分规则，将所述目标图像中的目标车辆划分为车身和车尾两部分；
相应的，所述利用包围盒bounding box算法，对所述目标车辆划分后的每一部分进行标记，得到标记结果，包括：
利用包围盒bounding box算法，将所述目标车辆的车身部分的对应bounding box的下方标记在靠近车头一侧的前车轮着地点上；
利用包围盒bounding box算法，将所述目标车辆的车尾部分的对应bounding box的下方标记在靠近可见的车身一侧的后车轮着地点上。
可选的，若按照预设划分规则，将所述目标图像中的目标车辆划分为车头和车身两部分；
相应的，所述利用包围盒bounding box算法，对所述目标车辆划分后的每一部分进行标记，得到标记结果，包括：
利用包围盒bounding box算法，将所述目标车辆的车头部分的对应bounding box的下方标记在靠近车头一侧的前车轮着地点上；
利用包围盒bounding box算法，将所述目标车辆的车身部分的对应bounding box的下方标记在靠近可见的车身一侧的后车轮着地点上。
可选的，所述根据所述标记结果，确定所述目标车辆的位置，包括：
将所述标记结果中每一顶点映射到世界坐标系中，得到每一顶点在所述世界坐标系中的坐标；
根据所述世界坐标系中的坐标，确定所述目标车辆的位置。
本申请实施例还提供了一种车辆障碍物检测装置，包括：
目标图像获取单元，用于获取待检测的目标图像，所述目标图像为包含目标车辆的图像；
目标车辆划分单元，用于按照预设划分规则，将所述目标图像中的目标车辆划分为多个部分；
目标车辆标记单元，用于利用包围盒bounding box算法，对所述目标车辆划分后的每一部分进行标记，得到标记结果；
位置确定单元，用于根据所述标记结果，确定所述目标车辆的位置。
可选的，所述预设划分规则为将目标车辆划分为车头、车身、车尾三部分；
相应的，所述目标车辆划分单元具体用于：
按照预设划分规则，将所述目标图像中的目标车辆划分为车头、车身、车尾中的至少一个部分。
可选的，若按照预设划分规则，将所述目标图像中的目标车辆划分为车身和车尾两部分；
相应的，所述目标车辆标记单元包括：
第一标记子单元，用于利用包围盒bounding box算法，将所述目标车辆的车身部分的对应bounding box的下方标记在靠近车头一侧的前车轮着地点上；
第二标记子单元，用于利用包围盒bounding box算法，将所述目标车辆的车尾部分的对应bounding box的下方标记在靠近可见的车身一侧的后车轮着地点上。
可选的，若按照预设划分规则，将所述目标图像中的目标车辆划分为车头和车身两部分；
相应的，所述目标车辆标记单元包括：
第三标记子单元，用于利用包围盒bounding box算法，将所述目标车辆的车头部分的对应bounding box的下方标记在靠近车头一侧的前车轮着地点上；
第四标记子单元，用于利用包围盒bounding box算法，将所述目标车辆的车身部分的对应bounding box的下方标记在靠近可见的车身一侧的后车轮着地点上。
可选的，所述位置确定单元包括：
映射子单元，用于将所述标记结果中每一顶点映射到世界坐标系中，得到每一顶点在所述世界坐标系中的坐标；
确定子单元，用于根据所述世界坐标系中的坐标，确定所述目标车辆的位置。
本申请实施例还提供了一种车辆障碍物检测设备，包括：处理器、存储器、系统总线；
所述处理器以及所述存储器通过所述系统总线相连；
所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行上述车辆障碍物检测方法中的任意一种实现方式。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行上述车辆障碍物检测方法中的任意一种实现方式。
本申请实施例在检测目标车辆所在位置时，首先获取到包含目标车辆的待检测的目标图像，然后，再按照预设划分规则，将目标图像中的目标车辆划分为多个部分，接着，可以利用bounding box算法，对目标车辆划分后的每一部分进行标记，得到标记结果，最后，再根据该标记结果，准确确定出目标车辆的位置。可见，由于本申请实施例是将目标车辆划分为多个部分进行标记，细化了检测的划分粒度，使得在检测车辆障碍物所在位置时，减少了将无车辆障碍物的空白区域划入障碍物区域，以及将存在车辆障碍物的区域划分为空白区域的可能性，因此，相较于目前将车辆作为一个整体进行标记来检测车辆障碍物所在位置的方法而言，能够有效提高车辆障碍物检测结果的准确性，以保证自动驾驶车辆的安全行驶。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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为现有的车辆障碍物检测方法的示例图；
图2为本申请实施例提供的一种车辆障碍物检测方法的流程示意图；
图3为本申请实施例提供的利用包围盒bounding box算法对目标车辆划分后的每一部分进行标记的示意图之一；
图4为本申请实施例提供的利用包围盒bounding box算法对目标车辆划分后的每一部分进行标记的示意图之二；
图5为本申请实施例提供的一种车辆障碍物检测装置的组成示意图。
具体实施方式
在一些车辆障碍物检测方法中，通常是将车辆作为一个整体进行检测，但这种检测方式，对于车辆的划分粒度过粗，可能会导致车辆障碍物检测的精度较低，比如，可能将无车辆障碍物的空白区域检测为车辆障碍物区域，却将存在车辆障碍物的区域检测为无车辆障碍物的区域等。
举例说明：如图1所示，在利用bounding box算法，将图1左侧的公交车作为一个整体进行检测时，可以将公交车标记在如图1所示的一个方框中，但从图1可以看出标记该公交车的方框的右下角对应的点已经到了另一侧的反向车道上，由于后续需要将该方框各顶点的坐标转换到世界坐标系下进行位置检测，所以，该公交车的位置信息就会偏向于反向车道，这就会导致了错误的检测结果。因此，如何实现对车辆障碍物位置的准确检测，以保证自动驾驶车辆的安全行驶，已成为亟待解决的问题。
为解决上述缺陷，本申请实施例提供了一种车辆障碍物检测方法，在获取到包含目标车辆的待检测的目标图像后，首先按照预设划分规则，将目标图像中的目标车辆划分为多个部分，然后，利用bounding box算法，对目标车辆划分后的每一部分进行标记，得到标记结果，接着，再根据该标记结果，准确确定出目标车辆的位置。可见，由于本申请实施例是将目标车辆划分为多个部分进行标记，细化了检测的划分粒度，使得在检测车辆障碍物所在位置时，减少了将无车辆障碍物的空白区域划入障碍物区域，以及将存在车辆障碍物的区域划分为空白区域的可能性，因此，相较于目前将车辆作为一个整体进行标记来检测车辆障碍物所在位置的方法而言，能够有效提高车辆障碍物检测结果的准确性，以保证自动驾驶车辆的安全行驶。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
第一实施例
参见图2，为本实施例提供的一种车辆障碍物检测方法的流程示意图，该方法包括以下步骤：
S201：获取待检测的目标图像，其中，目标图像为包含目标车辆的图像。
在本实施例中，将采用本实施例实现位置检测的任一包含车辆的平面2D图像定义为目标图像，并将该目标图像中的车辆定义为目标车辆。并且，需要说明的是，本实施例不限制目标图像的获取方式，比如，目标图像可以通过安装在车顶的相机拍摄得到、或通过坐在车中的人员利用其它拍照设备(比如智能手机)拍摄得到等。
需要说明的是，本实施例不限制目标图像的类型，比如，目标图像可以是由红(G)、绿(G)、蓝(B)三原色组成的彩色图像或灰度图像等。
S202：按照预设划分规则，将目标图像中的目标车辆划分为多个部分。
在本实施例中，若通过步骤S201获取到包含目标车辆的、待检测的目标图像后，进一步可以根据预先设置的划分规则，将目标图像中的目标车辆进行划分，以确定出目标车辆对应包含的各个待检测部分，用以执行后续步骤S203。
在本申请的一种可能的实现方式中，若预设划分规则为将目标车辆划分为车头、车身、车尾三部分，则本步骤S202的具体实现过程可以包括：按照预设划分规则，将目标图像中的目标车辆划分为车头、车身、车尾中的至少一个部分。
在本实现方式中，为了准确检测出目标车辆所在的位置，可以在获取到包含目标车辆的目标图像后，先将图像中的目标车辆划分为车头、车身、车尾三部分，然后在通过后续步骤，对确定出来的每一部分进行处理，以准确确定出目标车辆的所在位置。
需要说明的是，通过步骤S101获取到的目标图像中的目标车辆可能并不是完整的车辆，可能仅包含车头、车身、车尾中的一个、两个或三个部分，所以，在对目标车辆进行划分时，可以根据实际情况，将其划分为车头、车身、车尾三部分，或者其中两个部分，甚至是一个部分，用以执行后续步骤S203。
S203：利用包围盒bounding box算法，对目标车辆划分后的每一部分进行标记，得到标记结果。
在本实施例中，通过步骤S102将目标图像中的目标车辆划分为多个待检测的部分后，进一步可以利用bounding box算法，将划分出来的各个部分对应标记到各自对应的方框中，得到每一部分各自对应的标记方框。
具体来讲，一种可选的实现方式是，若目标图像中的目标车辆仅包含车身和车尾，则可以按照预设划分规则，将目标车辆划分为车身和车尾两部分，进而步骤S203的具体实现过程可以包括下述步骤A1-A2：
步骤A1：利用包围盒bounding box算法，将目标车辆的车身部分的对应boundingbox的下方标记在靠近车头一侧的前车轮着地点上。
在本实现方式中，在划分出目标车辆的车身和车尾部分后，可以利用boundingbox算法，将该车身部分标记在一个方框中，且将该方框的下方顶点对应标记在靠近车头一侧的前车轮着地点上。
其中，需要说明的是，若获取到的目标车辆的车身部分位于目标车辆的左侧，则在利用bounding box标记该车身部分时，是将该车身部分对应方框的左下方顶点标记在车头左侧的前车轮着地点上。
相对应的，若获取到的目标车辆的车身部分位于目标车辆的右侧，则在利用bounding box标记该车身部分时，是将该车身部分对应方框的右下方顶点标记在车头右侧的前车轮着地点上。
步骤A2：利用包围盒bounding box算法，将目标车辆的车尾部分的对应boundingbox的下方标记在靠近可见的车身一侧的后车轮着地点上。
在本实现方式中，在划分出目标车辆的车身和车尾部分后，可以利用boundingbox算法，将该车尾部分标记在一个方框中，且将该方框的下方顶点对应标记在靠近可见的车身一侧的后车轮着地点上。
其中，需要说明的是，若获取到的目标车辆的车尾部分位于目标车辆的左侧，则在利用bounding box标记该车尾部分时，是将该车尾部分对应方框的左下方顶点标记在可见的车身左侧的后车轮着地点上。
相对应的，若获取到的目标车辆的车尾部分位于目标车辆的右侧，则在利用bounding box标记该车尾部分时，是将该车尾部分对应方框的右下方顶点标记在可见的车身右侧的后车轮着地点上。
举例说明：参见图3，其示出了本申请实施例提供的利用bounding box算法对目标车辆划分后的车身和车尾进行标记的示意图，如图3所示，在划分出目标车辆的车身和车尾部分后，由于目标车辆的可见车身部分位于目标车辆的左侧，则在利用bounding box标记该车身部分时，是将该车身部分对应方框的左下方顶点标记在车头左侧的前车轮着地点上，如图3中目标车辆左侧的小方框所示。同理，可以将目标车辆的车尾部分对应方框的左下方顶点标记在可见的车身左侧的后车轮着地点上，如图3中目标车辆后方的大方框所示。
又例如，参见图4，其示出了本申请实施例提供的利用bounding box算法对目标车辆划分后的车身和车尾进行标记的示意图，如图4所示，在划分出目标车辆的车身和车尾部分后，由于目标车辆的可见车身部分位于目标车辆的右侧，则在利用bounding box标记该车身部分时，是将该车身部分对应方框的右下方顶点标记在车头右侧的前车轮着地点上，如图4中目标车辆右侧的小方框所示。同理，可以将目标车辆的车尾部分对应方框的右下方顶点标记在可见的车身右侧的后车轮着地点上，如图4中目标车辆后方的大方框所示。
此外，另一种可选的实现方式是，若目标图像中的目标车辆仅包含车头和车身，若可以按照预设划分规则，将目标车辆划分为车头和车身两部分，进而步骤S203的具体实现过程可以包括下述步骤B1-B2：
步骤B1：利用包围盒bounding box算法，将目标车辆的车头部分的对应boundingbox的下方标记在靠近车头一侧的前车轮着地点上
在本实现方式中，在划分出目标车辆的车头和车身部分后，可以利用包围盒bounding box算法，将该车头部分标记在一个方框中，且将该方框的下方顶点对应标记在靠近车头一侧的前车轮着地点上。
其中，需要说明的是，若获取到的目标车辆的车头部分位于目标车辆的左侧，则在利用bounding box标记该车头部分时，是将该车头部分对应方框的右下方顶点标记在车头左侧的前车轮着地点上。
相对应的，若获取到的目标车辆的车头部分位于目标车辆的右侧，则在利用bounding box标记该车头部分时，是将该车头部分对应方框的左下方顶点标记在车头右侧的前车轮着地点上。
步骤B2：利用包围盒bounding box算法，将目标车辆的车身部分的对应boundingbox的下方标记在靠近可见的车身一侧的后车轮着地点上
在本实现方式中，在划分出目标车辆的车头和车身部分后，可以利用包围盒bounding box算法，将该车身部分标记在一个方框中，且将该方框的下方顶点对应标记在靠近可见的车身一侧的后车轮着地点上。
其中，需要说明的是，若获取到的目标车辆的车身部分位于目标车辆的左侧，则在利用bounding box标记该车身部分时，是将该车身部分对应方框的右下方顶点标记在可见的车身左侧的后车轮着地点上。
相对应的，若获取到的目标车辆的车身部分位于目标车辆的右侧，则在利用bounding box标记该车身部分时，是将该车身部分对应方框的左下方顶点标记在可见的车身右侧的后车轮着地点上。
需要说明的是，若目标图像中的目标车辆仅包含车头，则可以按照预设划分规则，将目标车辆划分为车头这一个部分，并利用利用bounding box算法，将该部分标记在一个方框中，且将该方框的下方两个顶点对应标记在靠近车头的两个前车轮着地点上。
同理，若目标图像中的目标车辆仅包含车尾，则可以按照预设划分规则，将目标车辆划分为车尾这一个部分，并利用利用bounding box算法，将该部分标记在一个方框中，且将该方框的下方两个顶点对应标记在靠近车尾的两个后车轮着地点上。
S204：根据标记结果，确定目标车辆的位置。
在本实施例中，通过步骤S203利用bounding box算法，对目标车辆划分后的每一部分进行标记，得到各个部分所属的方框后，进一步，可以对各个方框中各个顶点对应像素点的坐标值进行转换处理，以根据处理结果，准确确定出目标车辆在三维立体空间中所在的位置。具体来讲，，一种可选的实现方式是，本步骤S204的具体实现过程可以包括下述步骤C1-C2：
步骤C1：将标记结果中每一顶点映射到世界坐标系中，得到每一顶点在世界坐标系中的坐标。
在本实现方式中，在通过步骤S203得到目标车辆各个部分对应的标记结果后，可以利用现有或未来出现的2D到3D的坐标转换方法，将每一部分所属方框的各个顶点对应的像素点映射到预先建立的世界坐标系中，得到每一顶点对应的像素点在世界坐标系中的坐标。具体映射过程与现有方法一致，在此不再赘述。
步骤C2：根据世界坐标系中的坐标，确定目标车辆的位置。
通过步骤C1得到标记结果中每一顶点对应的像素点在世界坐标系中的坐标后，进一步可以根据每一部分所属方框的各个顶点在世界坐标系中的坐标，准确确定出每一部分在三维立体空间的所在位置，进而将各个部分所在位置进行整合后，可以准确确定出目标车辆在三维立体空间中的所在位置。
综上，本实施例提供的一种车辆障碍物检测方法，在获取到包含目标车辆的待检测的目标图像后，首先按照预设划分规则，将目标图像中的目标车辆划分为多个部分，然后，再利用包围盒bounding box算法，对目标车辆划分后的每一部分进行标记，得到标记结果，接着，再根据该标记结果，准确确定出目标车辆的位置。可见，由于本申请实施例是将目标车辆划分为多个部分进行标记，细化了检测的划分粒度，使得在检测车辆障碍物所在位置时，减少了将无车辆障碍物的空白区域划入障碍物区域，以及将存在车辆障碍物的区域划分为空白区域的可能性，因此，相较于目前将车辆作为一个整体进行标记来检测车辆障碍物所在位置的方法而言，能够有效提高车辆障碍物检测结果的准确性，以保证自动驾驶车辆的安全行驶。
第二实施例
本实施例将对一种车辆障碍物检测装置进行介绍，相关内容请参见上述方法实施例。
参见图5，为本实施例提供的一种车辆障碍物检测装置的组成示意图，该装置包括：
目标图像获取单元501，用于获取待检测的目标图像，所述目标图像为包含目标车辆的图像；
目标车辆划分单元502，用于按照预设划分规则，将所述目标图像中的目标车辆划分为多个部分；
目标车辆标记单元503，用于利用包围盒bounding box算法，对所述目标车辆划分后的每一部分进行标记，得到标记结果；
位置确定单元504，用于根据所述标记结果，确定所述目标车辆的位置。
在本实施例的一种实现方式中，所述预设划分规则为将目标车辆划分为车头、车身、车尾三部分；
相应的，所述目标车辆划分单元502具体用于：
按照预设划分规则，将所述目标图像中的目标车辆划分为车头、车身、车尾中的至少一个部分。
在本实施例的一种实现方式中，若按照预设划分规则，将所述目标图像中的目标车辆划分为车身和车尾两部分；
相应的，所述目标车辆标记单元503包括：
第一标记子单元，用于利用包围盒bounding box算法，将所述目标车辆的车身部分的对应bounding box的下方标记在靠近车头一侧的前车轮着地点上；
第二标记子单元，用于利用包围盒bounding box算法，将所述目标车辆的车尾部分的对应bounding box的下方标记在靠近可见的车身一侧的后车轮着地点上。
在本实施例的一种实现方式中，若按照预设划分规则，将所述目标图像中的目标车辆划分为车头和车身两部分；
相应的，所述目标车辆标记单元503包括：
第三标记子单元，用于利用包围盒bounding box算法，将所述目标车辆的车头部分的对应bounding box的下方标记在靠近车头一侧的前车轮着地点上；
第四标记子单元，用于利用包围盒bounding box算法，将所述目标车辆的车身部分的对应bounding box的下方标记在靠近可见的车身一侧的后车轮着地点上。
在本实施例的一种实现方式中，所述位置确定单元504包括：
映射子单元，用于将所述标记结果中每一顶点映射到世界坐标系中，得到每一顶点在所述世界坐标系中的坐标；
确定子单元，用于根据所述世界坐标系中的坐标，确定所述目标车辆的位置。
综上，本实施例提供的一种车辆障碍物检测装置，在获取到包含目标车辆的待检测的目标图像后，首先按照预设划分规则，将目标图像中的目标车辆划分为多个部分，然后，再利用包围盒bounding box算法，对目标车辆划分后的每一部分进行标记，得到标记结果，接着，再根据该标记结果，准确确定出目标车辆的位置。可见，由于本申请实施例是将目标车辆划分为多个部分进行标记，细化了检测的划分粒度，使得在检测车辆障碍物所在位置时，减少了将无车辆障碍物的空白区域划入障碍物区域，以及将存在车辆障碍物的区域划分为空白区域的可能性，因此，相较于目前将车辆作为一个整体进行标记来检测车辆障碍物所在位置的方法而言，能够有效提高车辆障碍物检测结果的准确性，以保证自动驾驶车辆的安全行驶。
进一步地，本申请实施例还提供了一种车辆障碍物检测设备，包括：处理器、存储器、系统总线；
所述处理器以及所述存储器通过所述系统总线相连；
所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行上述车辆障碍物检测方法的任一种实现方法。
进一步地，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行上述车辆障碍物检测方法的任一种实现方法。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加必需的通用硬件平台的方式来实现。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可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，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，或者诸如媒体网关等网络通信设备，等等)执行本申请各个实施例或者实施例的某些部分所述的方法。
需要说明的是，本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (12)
1.一种车辆障碍物检测方法，其特征在于，包括：
获取待检测的目标图像，所述目标图像为包含目标车辆的图像；
按照预设划分规则，将所述目标图像中的目标车辆划分为多个部分；
利用包围盒bounding box算法，对所述目标车辆划分后的每一部分进行标记，得到标记结果；
根据所述标记结果，确定所述目标车辆的位置。
2.根据权利要求1所述的方法，其特征在于，所述预设划分规则为将目标车辆划分为车头、车身、车尾三部分；
相应的，所述按照预设划分规则，将所述目标图像中的目标车辆划分为多个部分，包括：
按照预设划分规则，将所述目标图像中的目标车辆划分为车头、车身、车尾中的至少一个部分。
3.根据权利要求2所述的方法，其特征在于，若按照预设划分规则，将所述目标图像中的目标车辆划分为车身和车尾两部分；
相应的，所述利用包围盒bounding box算法，对所述目标车辆划分后的每一部分进行标记，得到标记结果，包括：
利用包围盒bounding box算法，将所述目标车辆的车身部分的对应bounding box的下方标记在靠近车头一侧的前车轮着地点上；
利用包围盒bounding box算法，将所述目标车辆的车尾部分的对应bounding box的下方标记在靠近可见的车身一侧的后车轮着地点上。
4.根据权利要求2所述的方法，其特征在于，若按照预设划分规则，将所述目标图像中的目标车辆划分为车头和车身两部分；
相应的，所述利用包围盒bounding box算法，对所述目标车辆划分后的每一部分进行标记，得到标记结果，包括：
利用包围盒bounding box算法，将所述目标车辆的车头部分的对应bounding box的下方标记在靠近车头一侧的前车轮着地点上；
利用包围盒bounding box算法，将所述目标车辆的车身部分的对应bounding box的下方标记在靠近可见的车身一侧的后车轮着地点上。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述根据所述标记结果，确定所述目标车辆的位置，包括：
将所述标记结果中每一顶点映射到世界坐标系中，得到每一顶点在所述世界坐标系中的坐标；
根据所述世界坐标系中的坐标，确定所述目标车辆的位置。
6.一种车辆障碍物检测装置，其特征在于，包括：
目标图像获取单元，用于获取待检测的目标图像，所述目标图像为包含目标车辆的图像；
目标车辆划分单元，用于按照预设划分规则，将所述目标图像中的目标车辆划分为多个部分；
目标车辆标记单元，用于利用包围盒bounding box算法，对所述目标车辆划分后的每一部分进行标记，得到标记结果；
位置确定单元，用于根据所述标记结果，确定所述目标车辆的位置。
7.根据权利要求6所述的装置，其特征在于，所述预设划分规则为将目标车辆划分为车头、车身、车尾三部分；
相应的，所述目标车辆划分单元具体用于：
按照预设划分规则，将所述目标图像中的目标车辆划分为车头、车身、车尾中的至少一个部分。
8.根据权利要求7所述的装置，其特征在于，若按照预设划分规则，将所述目标图像中的目标车辆划分为车身和车尾两部分；
相应的，所述目标车辆标记单元包括：
第一标记子单元，用于利用包围盒bounding box算法，将所述目标车辆的车身部分的对应bounding box的下方标记在靠近车头一侧的前车轮着地点上；
第二标记子单元，用于利用包围盒bounding box算法，将所述目标车辆的车尾部分的对应bounding box的下方标记在靠近可见的车身一侧的后车轮着地点上。
9.根据权利要求7所述的装置，其特征在于，若按照预设划分规则，将所述目标图像中的目标车辆划分为车头和车身两部分；
相应的，所述目标车辆标记单元包括：
第三标记子单元，用于利用包围盒bounding box算法，将所述目标车辆的车头部分的对应bounding box的下方标记在靠近车头一侧的前车轮着地点上；
第四标记子单元，用于利用包围盒bounding box算法，将所述目标车辆的车身部分的对应bounding box的下方标记在靠近可见的车身一侧的后车轮着地点上。
10.根据权利要求6至9任一项所述的装置，其特征在于，所述位置确定单元包括：
映射子单元，用于将所述标记结果中每一顶点映射到世界坐标系中，得到每一顶点在所述世界坐标系中的坐标；
确定子单元，用于根据所述世界坐标系中的坐标，确定所述目标车辆的位置。
11.一种车辆障碍物检测设备，其特征在于，包括：处理器、存储器、系统总线；
所述处理器以及所述存储器通过所述系统总线相连；
所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行权利要求1-5任一项所述的方法。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行权利要求1-5任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911001944.XA CN110765929A (zh) | 2019-10-21 | 2019-10-21 | 一种车辆障碍物检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911001944.XA CN110765929A (zh) | 2019-10-21 | 2019-10-21 | 一种车辆障碍物检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110765929A true CN110765929A (zh) | 2020-02-07 |
Family
ID=69331445
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911001944.XA Pending CN110765929A (zh) | 2019-10-21 | 2019-10-21 | 一种车辆障碍物检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110765929A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111591284A (zh) * | 2020-05-28 | 2020-08-28 | 东软睿驰汽车技术（沈阳）有限公司 | 基于单目识别的视野盲区避障方法及装置 |
| CN111688714A (zh) * | 2020-06-16 | 2020-09-22 | 东软睿驰汽车技术（沈阳）有限公司 | 车辆控制方法、装置及自动驾驶车辆 |
| CN111723723A (zh) * | 2020-06-16 | 2020-09-29 | 东软睿驰汽车技术（沈阳）有限公司 | 一种图像检测方法及装置 |
| CN112883909A (zh) * | 2021-03-16 | 2021-06-01 | 东软睿驰汽车技术（沈阳）有限公司 | 基于包围盒的障碍物位置检测方法、装置和电子设备 |
| CN116109830A (zh) * | 2023-04-17 | 2023-05-12 | 深圳亿维锐创科技股份有限公司 | 基于机器视觉的车辆分离方法、装置和计算机设备 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102044151A (zh) * | 2010-10-14 | 2011-05-04 | 吉林大学 | 基于光照可见度辨识的夜间车辆视频检测方法 |
| CN102646199A (zh) * | 2012-02-29 | 2012-08-22 | 湖北莲花山计算机视觉和信息科学研究院 | 复杂场景中的车型识别方法 |
| CN103778645A (zh) * | 2014-01-16 | 2014-05-07 | 南京航空航天大学 | 一种基于图像的圆形目标实时跟踪方法 |
| CN105083291A (zh) * | 2014-04-25 | 2015-11-25 | 歌乐株式会社 | 基于视线检测的驾驶员辅助系统 |
| CN106529530A (zh) * | 2016-10-28 | 2017-03-22 | 上海大学 | 一种基于单目视觉的前方车辆检测方法 |
| CN108229249A (zh) * | 2016-12-14 | 2018-06-29 | 贵港市瑞成科技有限公司 | 一种夜间前方车辆检测方法 |
| CN108284793A (zh) * | 2018-01-10 | 2018-07-17 | 深圳市鑫汇达机械设计有限公司 | 一种车辆辅助控制装置 |
| CN108319907A (zh) * | 2018-01-26 | 2018-07-24 | 腾讯科技（深圳）有限公司 | 一种车辆识别方法、装置和存储介质 |
| CN108647649A (zh) * | 2018-05-14 | 2018-10-12 | 中国科学技术大学 | 一种视频中异常行为的检测方法 |
| CN108680157A (zh) * | 2018-03-12 | 2018-10-19 | 海信集团有限公司 | 一种障碍物检测区域的规划方法、装置及终端 |
| CN109145759A (zh) * | 2018-07-25 | 2019-01-04 | 腾讯科技（深圳）有限公司 | 车辆属性识别方法、装置、服务器及存储介质 |
| CN109389064A (zh) * | 2018-09-27 | 2019-02-26 | 东软睿驰汽车技术（沈阳）有限公司 | 一种车辆特征获取方法及装置 |
| CN109857889A (zh) * | 2018-12-19 | 2019-06-07 | 苏州科达科技股份有限公司 | 一种图像检索方法、装置、设备及可读存储介质 |
| WO2019161300A1 (en) * | 2018-02-18 | 2019-08-22 | Nvidia Corporation | Detecting objects and determining confidence scores |
-
2019
- 2019-10-21 CN CN201911001944.XA patent/CN110765929A/zh active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102044151A (zh) * | 2010-10-14 | 2011-05-04 | 吉林大学 | 基于光照可见度辨识的夜间车辆视频检测方法 |
| CN102646199A (zh) * | 2012-02-29 | 2012-08-22 | 湖北莲花山计算机视觉和信息科学研究院 | 复杂场景中的车型识别方法 |
| CN103778645A (zh) * | 2014-01-16 | 2014-05-07 | 南京航空航天大学 | 一种基于图像的圆形目标实时跟踪方法 |
| CN105083291A (zh) * | 2014-04-25 | 2015-11-25 | 歌乐株式会社 | 基于视线检测的驾驶员辅助系统 |
| CN106529530A (zh) * | 2016-10-28 | 2017-03-22 | 上海大学 | 一种基于单目视觉的前方车辆检测方法 |
| CN108229249A (zh) * | 2016-12-14 | 2018-06-29 | 贵港市瑞成科技有限公司 | 一种夜间前方车辆检测方法 |
| CN108284793A (zh) * | 2018-01-10 | 2018-07-17 | 深圳市鑫汇达机械设计有限公司 | 一种车辆辅助控制装置 |
| CN108319907A (zh) * | 2018-01-26 | 2018-07-24 | 腾讯科技（深圳）有限公司 | 一种车辆识别方法、装置和存储介质 |
| WO2019161300A1 (en) * | 2018-02-18 | 2019-08-22 | Nvidia Corporation | Detecting objects and determining confidence scores |
| CN108680157A (zh) * | 2018-03-12 | 2018-10-19 | 海信集团有限公司 | 一种障碍物检测区域的规划方法、装置及终端 |
| CN108647649A (zh) * | 2018-05-14 | 2018-10-12 | 中国科学技术大学 | 一种视频中异常行为的检测方法 |
| CN109145759A (zh) * | 2018-07-25 | 2019-01-04 | 腾讯科技（深圳）有限公司 | 车辆属性识别方法、装置、服务器及存储介质 |
| CN109389064A (zh) * | 2018-09-27 | 2019-02-26 | 东软睿驰汽车技术（沈阳）有限公司 | 一种车辆特征获取方法及装置 |
| CN109857889A (zh) * | 2018-12-19 | 2019-06-07 | 苏州科达科技股份有限公司 | 一种图像检索方法、装置、设备及可读存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 张阳: "复杂交通场景中基于视频的行人检测与跟踪若干关键问题研究", 《中国博士学位论文全文数据库_信息科技辑》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111591284A (zh) * | 2020-05-28 | 2020-08-28 | 东软睿驰汽车技术（沈阳）有限公司 | 基于单目识别的视野盲区避障方法及装置 |
| CN111688714A (zh) * | 2020-06-16 | 2020-09-22 | 东软睿驰汽车技术（沈阳）有限公司 | 车辆控制方法、装置及自动驾驶车辆 |
| CN111723723A (zh) * | 2020-06-16 | 2020-09-29 | 东软睿驰汽车技术（沈阳）有限公司 | 一种图像检测方法及装置 |
| CN111688714B (zh) * | 2020-06-16 | 2021-10-22 | 东软睿驰汽车技术（沈阳）有限公司 | 车辆控制方法、装置及自动驾驶车辆 |
| CN112883909A (zh) * | 2021-03-16 | 2021-06-01 | 东软睿驰汽车技术（沈阳）有限公司 | 基于包围盒的障碍物位置检测方法、装置和电子设备 |
| CN116109830A (zh) * | 2023-04-17 | 2023-05-12 | 深圳亿维锐创科技股份有限公司 | 基于机器视觉的车辆分离方法、装置和计算机设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110765929A (zh) | 一种车辆障碍物检测方法及装置 | |
| EP3418943B1 (en) | Object detecting apparatus, object detecting method, and computer-readable medium | |
| US10860870B2 (en) | Object detecting apparatus, object detecting method, and computer program product | |
| CN113657224B (zh) | 车路协同中用于确定对象状态的方法、装置、设备 | |
| CN111723723A (zh) | 一种图像检测方法及装置 | |
| KR20160123668A (ko) | 무인자동주차 기능 지원을 위한 장애물 및 주차구획 인식 장치 및 그 방법 | |
| CN110119679B (zh) | 物体三维信息估计方法及装置、计算机设备、存储介质 | |
| CN112097732A (zh) | 一种基于双目相机的三维测距方法、系统、设备及可读存储介质 | |
| CN112446316B (zh) | 事故检测方法、电子设备及存储介质 | |
| CN110341621B (zh) | 一种障碍物检测方法及装置 | |
| CN111178150A (zh) | 车道线检测方法、系统及存储介质 | |
| Chang et al. | An efficient method for lane-mark extraction in complex conditions | |
| CN112802092A (zh) | 一种障碍物感知方法、装置以及电子设备 | |
| CN111881752B (zh) | 一种护栏检测分类方法、装置、电子设备及存储介质 | |
| EP2677462B1 (en) | Method and apparatus for segmenting object area | |
| CN111191482A (zh) | 一种刹车灯识别方法、装置及电子设备 | |
| WO2022142827A1 (zh) | 占道信息确定方法和装置 | |
| CN114937255A (zh) | 一种激光雷达与相机融合的检测方法及装置 | |
| CN114898321A (zh) | 道路可行驶区域检测方法、装置、设备、介质及系统 | |
| CN112381876B (zh) | 一种交通标志标注方法、装置及计算机设备 | |
| CN114120254A (zh) | 道路信息识别方法、装置及存储介质 | |
| CN112132123B (zh) | 坡道的检测方法和装置 | |
| CN112529011B (zh) | 目标检测方法及相关装置 | |
| CN114120266A (zh) | 车辆变道检测方法、装置、电子设备及存储介质 | |
| CN113313968A (zh) | 车位检测方法及存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200207 |
|
| RJ01 | Rejection of invention patent application after publication |