CN110843771B - 障碍物识别方法、装置、电子设备及存储介质 - Google Patents
障碍物识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110843771B CN110843771B CN201910987334.5A CN201910987334A CN110843771B CN 110843771 B CN110843771 B CN 110843771B CN 201910987334 A CN201910987334 A CN 201910987334A CN 110843771 B CN110843771 B CN 110843771B
- Authority
- CN
- China
- Prior art keywords
- obstacle
- information
- main vehicle
- current frame
- host vehicle
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000008447 perception Effects 0.000 claims abstract description 94
- 230000002159 abnormal effect Effects 0.000 claims abstract description 39
- 230000004888 barrier function Effects 0.000 claims abstract description 31
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 8
- 230000015654 memory Effects 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
-
- 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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0257—Hybrid positioning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了障碍物识别方法、装置、电子设备及存储介质，涉及自动驾驶领域，其中方法可包括：在主车行驶过程中，获取路侧感知信息，所述主车为待识别的车辆；针对获取到的任一帧路侧感知信息，分别进行以下处理：若当前未处于所定义的异常状态，则根据当前帧对应的主车信息识别出路侧感知信息中的主车障碍物，并缓存当前帧对应的主车信息；若当前处于异常状态，则根据最新缓存的主车信息估算出当前帧对应的主车信息，根据当前帧对应的主车信息识别出路侧感知信息中的主车障碍物，并缓存当前帧对应的主车信息。应用本申请所述方案，可提升主车障碍物识别的鲁棒性和容错性等。
Description
技术领域
本申请涉及计算机应用领域，特别涉及自动驾驶领域的障碍物识别方法、装置、电子设备及存储介质。
背景技术
无人驾驶车辆行驶过程中，可借助于路侧感知信息来获知障碍物信息，从而有效地进行避障等。
路侧感知的视角里，无人驾驶车辆本身会与其它车辆及行人等一样出现在感知结果里，即均会被视为障碍物，因此为保证无人驾驶车辆的正常行驶等，需要将无人驾驶车辆从路侧感知信息中的各障碍物中剔除。
比如可利用车辆的定位信息等从路侧感知信息中的各障碍物中识别出为无人驾驶车辆的障碍物，并将其剔除。但现有识别方式的鲁棒性和容错性等均较差，一旦出现异常，如定位异常，则无法进行准确地识别。
发明内容
有鉴于此，本申请提供了障碍物识别方法、装置、电子设备及存储介质。
一种障碍物识别方法，包括：
在主车行驶过程中，获取路侧感知信息，所述主车为待识别的车辆；
针对获取到的任一帧路侧感知信息，分别进行以下处理：
若当前未处于所定义的异常状态，则根据当前帧对应的主车信息识别出所述路侧感知信息中的主车障碍物，并缓存所述当前帧对应的主车信息；
若当前处于所述异常状态，则根据最新缓存的主车信息估算出当前帧对应的主车信息，根据所述当前帧对应的主车信息识别出所述路侧感知信息中的所述主车障碍物，并缓存所述当前帧对应的主车信息。
根据本申请一优选实施例，所述主车信息至少包括：所述主车的定位信息；
所述异常状态包括：监听到所述主车的定位功能异常，和/或，获取到的路侧感知信息不符合精度要求。
根据本申请一优选实施例，所述根据当前帧对应的主车信息识别出所述路侧感知信息中的所述主车障碍物包括：
根据所述主车信息构建出所述主车对应的模拟障碍物；
将所述模拟障碍物与所述路侧感知信息中的各障碍物进行比较，根据比较结果确定出所述主车障碍物。
根据本申请一优选实施例，所述将所述模拟障碍物与所述路侧感知信息中的各障碍物进行比较，根据比较结果确定出所述主车障碍物包括：
分别计算所述模拟障碍物与所述路侧感知信息中的各障碍物的体积重叠率，将体积重叠率最大的障碍物确定为所述主车障碍物；
或者，分别计算所述模拟障碍物与所述路侧感知信息中的各障碍物的相似度评分，将相似度评分最高的障碍物确定为所述主车障碍物。
根据本申请一优选实施例，所述根据最新缓存的主车信息估算出当前帧对应的主车信息包括：
根据所述主车的行车状态以及获取到相邻两帧路侧感知信息的时间间隔，对所述最新缓存的主车信息进行校正，将校正后的主车信息作为所述当前帧对应的主车信息。
根据本申请一优选实施例，该方法进一步包括：若根据所述当前帧对应的主车信息无法识别出所述路侧感知信息中的所述主车障碍物，则将所述主车的标识与所述路侧感知信息中的各障碍物的标识进行比较，并将与所述主车的标识一致的障碍物确定为所述主车障碍物。
一种障碍物识别装置，包括：接收单元以及识别单元；
所述接收单元，用于在主车行驶过程中，获取路侧感知信息，所述主车为待识别的车辆；
所述识别单元，用于针对获取到的任一帧路侧感知信息，分别进行以下处理：若当前未处于所定义的异常状态，则根据当前帧对应的主车信息识别出所述路侧感知信息中的主车障碍物，并缓存所述当前帧对应的主车信息；若当前处于所述异常状态，则根据最新缓存的主车信息估算出当前帧对应的主车信息，根据所述当前帧对应的主车信息识别出所述路侧感知信息中的所述主车障碍物，并缓存所述当前帧对应的主车信息。
根据本申请一优选实施例，所述主车信息至少包括：所述主车的定位信息；
所述异常状态包括：监听到所述主车的定位功能异常，和/或，获取到的路侧感知信息不符合精度要求。
根据本申请一优选实施例，所述识别单元根据所述主车信息构建出所述主车对应的模拟障碍物，将所述模拟障碍物与所述路侧感知信息中的各障碍物进行比较，根据比较结果确定出所述主车障碍物。
根据本申请一优选实施例，所述识别单元分别计算所述模拟障碍物与所述路侧感知信息中的各障碍物的体积重叠率，将体积重叠率最大的障碍物确定为所述主车障碍物；
或者，所述识别单元分别计算所述模拟障碍物与所述路侧感知信息中的各障碍物的相似度评分，将相似度评分最高的障碍物确定为所述主车障碍物。
根据本申请一优选实施例，所述识别单元根据所述主车的行车状态以及获取到相邻两帧路侧感知信息的时间间隔，对所述最新缓存的主车信息进行校正，将校正后的主车信息作为所述当前帧对应的主车信息。
根据本申请一优选实施例，所述识别单元进一步用于，若根据所述当前帧对应的主车信息无法识别出所述路侧感知信息中的所述主车障碍物，则将所述主车的标识与所述路侧感知信息中的各障碍物的标识进行比较，并将与所述主车的标识一致的障碍物确定为所述主车障碍物。
一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如以上所述的方法。
一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如以上所述的方法。
上述申请中的一个实施例具有如下优点或有益效果：若当前处于正常状态，可根据当前帧对应的主车信息识别出路侧感知信息中的主车障碍物，若当前处于异常状态，可根据最新缓存的主车信息估算出当前帧对应的主车信息，并可根据当前帧对应的主车信息识别出路侧感知信息中的主车障碍物，即无论当前处于异常状态还是正常状态，均可有效识别出主车障碍物，从而相比于现有方式提升了鲁棒性和容错性等；另外，提供了两种将根据主车信息构建出的模拟障碍物与路侧感知信息中的各障碍物进行比较以识别出主车障碍物的方式，可根据实际需要选择使用哪种方式，灵活方便，且均具有较高的准确性；再有，在利用主车信息识别路侧感知信息中的主车障碍物的方式之外，进一步提供了一种利用标识识别主车障碍物的方式，从而进一步丰富了识别手段，进而提高了主车障碍物的识别成功率等；上述可选方式所具有的其它效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1为本申请所述障碍物识别方法第一实施例的流程图；
图2为本申请所述障碍物识别方法第二实施例的流程图；
图3为本申请所述障碍物识别方法第三实施例的流程图；
图4为本申请所述障碍物识别装置400实施例的组成结构示意图；
图5为根据本申请实施例所述方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
另外，应理解，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。
图1为本申请所述障碍物识别方法第一实施例的流程图。如图1所示，包括以下具体实现方式。
在101中，在主车行驶过程中，获取路侧感知信息，所述主车为待识别的车辆。
在102中，针对获取到的任一帧路侧感知信息，分别按照103-104所示方式进行处理。
在103中，若当前未处于所定义的异常状态，则根据当前帧对应的主车信息识别出路侧感知信息中的主车障碍物，并缓存当前帧对应的主车信息。
在104中，若当前处于异常状态，则根据最新缓存的主车信息估算出当前帧对应的主车信息，根据当前帧对应的主车信息识别出路侧感知信息中的主车障碍物，并缓存当前帧对应的主车信息。
本申请所述各实施例中的主车即指待识别的车辆，通常为无人驾驶车辆。比如，无人驾驶车辆a行驶过程中，会获取路侧感知信息，并需要将无人驾驶车辆a从路侧感知信息中的各障碍物中剔除，无人驾驶车辆a即为主车。主车障碍物即指为主车的障碍物。
路侧感知信息通常由路侧感知系统获取，路侧感知系统为通过在路口安装各种传感器来识别路口信息的感知系统。
路侧感知系统可将实时获取到的各帧路侧感知信息发送给路侧感知信息发送单元，如路侧单元(RSU，Road Side Unit)，由RSU将接收到的各帧路侧感知信息进行广播。
位于主车上的接收单元接收RSU广播的各帧路侧感知信息，接收单元可为车载单元(OBU，On board Unit)等，实现车辆到基础设施(V2I,Vehicle to Infrastructure)的通信。
主车行驶过程中，还会实时获取主车的定位信息，可利用车辆自身的车载定位系统来获取主车的定位信息。
针对获取到的任一帧路侧感知信息，可首先确定当前是否处于所定义的异常状态。优选地，异常状态可包括：监听到主车的定位功能异常，和/或，获取到的路侧感知信息不符合精度要求。
定位功能异常可以是指无法获取到定位信息，如出现短时间的定位丢失，也可以是指最新获取到的定位信息与前一次获取到的定位信息之间的距离差距过大等，如两次定位距离相差10米，超出车辆行驶能力范围等。另外，获取到的路侧感知信息中通常会包含有各障碍物的置信度信息，若各障碍物的置信度均较低，如均小于预定阈值，那么则可认为获取到的路侧感知信息不符合精度要求，即感知结果误差较大。
若当前未处于异常状态，即处于正常状态，可根据当前帧对应的主车信息识别出路侧感知信息中的主车障碍物，并可缓存当前帧对应的主车信息。
主车信息中可包括当前主车的定位信息(当前主车的位置信息)，另外还可进一步包括一些其它信息，如主车的速度信息、主车的朝向角信息、主车的尺寸信息(如polygon信息)等。路侧感知信息中可包括各障碍物的速度信息、朝向角信息、位置信息及边界信息等。
可根据主车信息构建出主车对应的模拟障碍物，如何构建为现有技术，之后可将模拟障碍物与路侧感知信息中的各障碍物进行比较，根据比较结果确定出主车障碍物。
优选地，可分别计算模拟障碍物与路侧感知信息中的各障碍物的体积重叠率，将体积重叠率最大的障碍物确定为主车障碍物。或者，也可分别计算模拟障碍物与路侧感知信息中的各障碍物的相似度评分，将相似度评分最高的障碍物确定为主车障碍物。比如，针对任一障碍物，可分别将该障碍物的速度、朝向角以及位置等与主车的速度、朝向角以及位置等进行比较，综合各比较结果计算出该障碍物与模拟障碍物的相似度评分。
可以看出，本实施例中提供了两种将模拟障碍物与路侧感知信息中的各障碍物进行比较以确定出主车障碍物的方式，可根据实际需要选择使用哪种方式，灵活方便，且均具有较高的准确性。
若当前处于异常状态，可根据最新缓存的主车信息估算出当前帧对应的主车信息，并可根据当前帧对应的主车信息识别出路侧感知信息中的主车障碍物，并可缓存当前帧对应的主车信息。
优选地，可根据主车的行车状态以及获取到相邻两帧路侧感知信息的时间间隔，对最新缓存的主车信息进行校正，将校正后的主车信息作为当前帧对应的主车信息。如可根据主车的速度、朝向角以及获取到相邻两帧路侧感知信息的时间间隔等，进行运动补偿，从而确定出主车校正后的定位信息等。
另外，若根据当前帧对应的主车信息无法识别出路侧感知信息中的主车障碍物，如与各障碍物的体积重叠率均为零，或体积重叠率的最大值也小于预定阈值，那么还可将主车的标识与路侧感知信息中的各障碍物的标识进行比较，并可将与主车的标识一致的障碍物确定为主车障碍物。即在利用主车信息识别路侧感知信息中的主车障碍物的方式之外，进一步提供了一种利用标识识别主车障碍物的方式，从而进一步丰富了识别手段，进而提高了主车障碍物的识别成功率等。
基于上述介绍可知，本实施例所述方案中，若当前处于正常状态，可根据当前帧对应的主车信息识别出路侧感知信息中的主车障碍物，若当前处于异常状态，可根据最新缓存的主车信息估算出当前帧对应的主车信息，并可根据当前帧对应的主车信息识别出路侧感知信息中的主车障碍物，即无论当前处于异常状态还是正常状态，均可有效识别出主车障碍物，从而相比于现有方式提升了鲁棒性和容错性等。
图2为本申请所述障碍物识别方法第二实施例的流程图。如图2所示，包括以下具体实现方式。
在201中，在主车行驶过程中，启动一个线程监听主车的定位功能，并针对获取到的每帧路侧感知信息，分别按照202-204所示方式进行处理。
在202中，确定是否监听到主车的定位功能异常，若否，则执行203，若是，则执行204。
当主车通过隧道等无全球定位系统(GPS，Global Positioning System)信号的场景时，可能会出现短时间的定位丢失，或者，主车的车载定位系统本身可能出现异常等，对于这些情况，均可认为是主车的定位功能异常。
在203中，根据当前帧对应的主车信息识别出路侧感知信息中的主车障碍物，并缓存当前帧对应的主车信息。
主车信息中可包括当前主车的定位信息(当前主车的位置信息)，另外还可进一步包括一些其它信息，如主车的速度信息、主车的朝向角信息、主车的尺寸信息等。路侧感知信息中可包括各障碍物的速度信息、朝向角信息、位置信息及边界信息等。
可根据主车信息构建出主车对应的模拟障碍物，之后可将模拟障碍物与路侧感知信息中的各障碍物进行比较，根据比较结果确定出主车障碍物。优选地，可分别计算模拟障碍物与路侧感知信息中的各障碍物的体积重叠率，可将体积重叠率最大的障碍物确定为主车障碍物。或者，还可分别计算模拟障碍物与路侧感知信息中的各障碍物的相似度评分，将相似度评分最高的障碍物确定为主车障碍物。
在204中，根据最新缓存的主车信息估算出当前帧对应的主车信息，根据当前帧对应的主车信息识别出路侧感知信息中的主车障碍物，并缓存当前帧对应的主车信息。
优选地，可根据主车的行车状态以及获取到相邻两帧路侧感知信息的时间间隔，对最新缓存的主车信息进行校正，将校正后的主车信息作为当前帧对应的主车信息。
之后，可根据当前帧对应的主车信息构建出主车对应的模拟障碍物，并可将模拟障碍物与路侧感知信息中的各障碍物进行比较，根据比较结果确定出主车障碍物等。
图3为本申请所述障碍物识别方法第三实施例的流程图。如图3所示，包括以下具体实现方式。
在301中，在主车行驶过程中，针对获取到的每帧路侧感知信息，分别按照302-304所示方式进行处理。
在302中，确定获取到的路侧感知信息是否符合精度要求，若是，则执行303，若否，则执行304。
获取到的路侧感知信息中通常会包含有各障碍物的置信度信息，若各障碍物的置信度均较低，如均小于预定阈值，那么则可认为获取到的路侧感知信息不符合精度要求。
在303中，根据当前帧对应的主车信息识别出路侧感知信息中的主车障碍物，并缓存当前帧对应的主车信息。
本实施例中，假设主车的定位功能正常。
在304中，根据最新缓存的主车信息估算出当前帧对应的主车信息，根据当前帧对应的主车信息识别出路侧感知信息中的主车障碍物，并缓存当前帧对应的主车信息。
另外，若根据当前帧对应的主车信息无法识别出路侧感知信息中的主车障碍物，还可将主车的标识与路侧感知信息中的各障碍物的标识进行比较，并可将与主车的标识一致的障碍物确定为主车障碍物。
需要说明的是，对于前述的各方法实施例，为了简单描述，将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
以上是关于方法实施例的介绍，以下通过装置实施例，对本申请所述方案进行进一步说明。
图4为本申请所述障碍物识别装置400实施例的组成结构示意图。如图4所示，包括：接收单元401以及识别单元402。
接收单元401，用于在主车行驶过程中，获取路侧感知信息，主车为待识别的车辆。
识别单元402，用于针对获取到的任一帧路侧感知信息，分别进行以下处理：若当前未处于所定义的异常状态，则根据当前帧对应的主车信息识别出路侧感知信息中的主车障碍物，并缓存当前帧对应的主车信息；若当前处于异常状态，则根据最新缓存的主车信息估算出当前帧对应的主车信息，根据当前帧对应的主车信息识别出路侧感知信息中的主车障碍物，并缓存当前帧对应的主车信息。
路侧感知信息通常由路侧感知系统获取，路侧感知系统为通过在路口安装各种传感器来识别路口信息的感知系统。路侧感知系统可将实时获取到的各帧路侧感知信息发送给路侧感知信息发送单元，如RSU，由RSU将接收到的各帧路侧感知信息进行广播。接收单元401可接收RSU广播的各帧路侧感知信息。
针对获取到的任一帧路侧感知信息，识别单元402可首先确定当前是否处于所定义的异常状态。优选地，异常状态可包括：监听到主车的定位功能异常，和/或，获取到的路侧感知信息不符合精度要求。
若当前未处于异常状态，即处于正常状态，识别单元402可根据当前帧对应的主车信息识别出路侧感知信息中的主车障碍物，并可缓存当前帧对应的主车信息。
主车信息中可包括当前主车的定位信息(当前主车的位置信息)，另外还可进一步包括一些其它信息，如主车的速度信息、主车的朝向角信息、主车的尺寸信息等。路侧感知信息中可包括各障碍物的速度信息、朝向角信息、位置信息及边界信息等。
识别单元402可根据主车信息构建出主车对应的模拟障碍物，如何构建为现有技术，之后可将模拟障碍物与路侧感知信息中的各障碍物进行比较，根据比较结果确定出主车障碍物。
优选地，识别单元402可分别计算模拟障碍物与路侧感知信息中的各障碍物的体积重叠率，将体积重叠率最大的障碍物确定为主车障碍物。或者，识别单元402还可分别计算模拟障碍物与路侧感知信息中的各障碍物的相似度评分，将相似度评分最高的障碍物确定为主车障碍物。
若当前处于异常状态，识别单元402可根据最新缓存的主车信息估算出当前帧对应的主车信息，并可根据当前帧对应的主车信息识别出路侧感知信息中的主车障碍物，并可缓存当前帧对应的主车信息。
优选地，可根据主车的行车状态以及获取到相邻两帧路侧感知信息的时间间隔，对最新缓存的主车信息进行校正，将校正后的主车信息作为当前帧对应的主车信息。如可根据主车的速度、朝向角以及获取到相邻两帧路侧感知信息的时间间隔等，进行运动补偿，从而确定出主车校正后的定位信息等。
另外，若根据当前帧对应的主车信息无法识别出路侧感知信息中的主车障碍物，识别单元402还可将主车的标识与路侧感知信息中的各障碍物的标识进行比较，并可将与主车的标识一致的障碍物确定为主车障碍物。
图4所示装置实施例的具体工作流程请参照前述方法实施例中的相关说明，不再赘述。
总之，采用本申请方法和装置实施例所述方案，若当前处于正常状态，可根据当前帧对应的主车信息识别出路侧感知信息中的主车障碍物，若当前处于异常状态，可根据最新缓存的主车信息估算出当前帧对应的主车信息，并可根据当前帧对应的主车信息识别出路侧感知信息中的主车障碍物，即无论当前处于异常状态还是正常状态，均可有效识别出主车障碍物，从而相比于现有方式提升了鲁棒性和容错性等；另外，提供了两种将根据主车信息构建出的模拟障碍物与路侧感知信息中的各障碍物进行比较以识别出主车障碍物的方式，可根据实际需要选择使用哪种方式，灵活方便，且均具有较高的准确性；再有，在利用主车信息识别路侧感知信息中的主车障碍物的方式之外，进一步提供了一种利用标识识别主车障碍物的方式，从而进一步丰富了识别手段，进而提高了主车障碍物的识别成功率等。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图5所示，是根据本申请实施例所述方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示，该电子设备包括：一个或多个处理器Y01、存储器Y02，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示图形用户界面的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器Y01为例。
存储器Y02即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的方法。
存储器Y02作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的方法对应的程序指令/模块(例如，附图X所示的xx模块X01、xx模块x02和xx模块x03)。处理器Y01通过运行存储在存储器Y02中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的方法。
存储器Y02可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器Y02可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器Y02可选包括相对于处理器Y01远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
电子设备还可以包括：输入装置Y03和输出装置Y04。处理器Y01、存储器Y02、输入装置Y03和输出装置Y04可以通过总线或者其他方式连接，图5中以通过总线连接为例。
输入装置Y03可接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置Y04可以包括显示设备、辅助照明装置和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器、发光二极管显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用集成电路、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置)，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，阴极射线管或者液晶显示器监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网、广域网和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (14)
1.一种障碍物识别方法，其特征在于，包括：
在主车行驶过程中，获取路侧感知信息，所述主车为待识别的车辆；
针对获取到的任一帧路侧感知信息，分别进行以下处理：
若当前未处于所定义的异常状态，则根据当前帧对应的主车信息识别出所述路侧感知信息中的主车障碍物，并缓存所述当前帧对应的主车信息；
若当前处于所述异常状态，则根据最新缓存的主车信息估算出当前帧对应的主车信息，根据所述当前帧对应的主车信息识别出所述路侧感知信息中的所述主车障碍物，并缓存所述当前帧对应的主车信息。
2.根据权利要求1所述的方法，其特征在于，
所述主车信息至少包括：所述主车的定位信息；
所述异常状态包括：监听到所述主车的定位功能异常，和/或，获取到的路侧感知信息不符合精度要求。
3.根据权利要求1所述的方法，其特征在于，
所述根据所述当前帧对应的主车信息识别出所述路侧感知信息中的所述主车障碍物包括：
根据所述主车信息构建出所述主车对应的模拟障碍物；
将所述模拟障碍物与所述路侧感知信息中的各障碍物进行比较，根据比较结果确定出所述主车障碍物。
4.根据权利要求3所述的方法，其特征在于，
所述将所述模拟障碍物与所述路侧感知信息中的各障碍物进行比较，根据比较结果确定出所述主车障碍物包括：
分别计算所述模拟障碍物与所述路侧感知信息中的各障碍物的体积重叠率，将体积重叠率最大的障碍物确定为所述主车障碍物；
或者，分别计算所述模拟障碍物与所述路侧感知信息中的各障碍物的相似度评分，将相似度评分最高的障碍物确定为所述主车障碍物。
5.根据权利要求1所述的方法，其特征在于，
所述根据最新缓存的主车信息估算出当前帧对应的主车信息包括：
根据所述主车的行车状态以及获取到相邻两帧路侧感知信息的时间间隔，对所述最新缓存的主车信息进行校正，将校正后的主车信息作为所述当前帧对应的主车信息。
6.根据权利要求1所述的方法，其特征在于，
该方法进一步包括：若根据所述当前帧对应的主车信息无法识别出所述路侧感知信息中的所述主车障碍物，则将所述主车的标识与所述路侧感知信息中的各障碍物的标识进行比较，将与所述主车的标识一致的障碍物确定为所述主车障碍物。
7.一种障碍物识别装置，其特征在于，包括：接收单元以及识别单元；
所述接收单元，用于在主车行驶过程中，获取路侧感知信息，所述主车为待识别的车辆；
所述识别单元，用于针对获取到的任一帧路侧感知信息，分别进行以下处理：若当前未处于所定义的异常状态，则根据当前帧对应的主车信息识别出所述路侧感知信息中的主车障碍物，并缓存所述当前帧对应的主车信息；若当前处于所述异常状态，则根据最新缓存的主车信息估算出当前帧对应的主车信息，根据所述当前帧对应的主车信息识别出所述路侧感知信息中的所述主车障碍物，并缓存所述当前帧对应的主车信息。
8.根据权利要求7所述的装置，其特征在于，
所述主车信息至少包括：所述主车的定位信息；
所述异常状态包括：监听到所述主车的定位功能异常，和/或，获取到的路侧感知信息不符合精度要求。
9.根据权利要求7所述的装置，其特征在于，
所述识别单元根据所述主车信息构建出所述主车对应的模拟障碍物，将所述模拟障碍物与所述路侧感知信息中的各障碍物进行比较，根据比较结果确定出所述主车障碍物。
10.根据权利要求9所述的装置，其特征在于，
所述识别单元分别计算所述模拟障碍物与所述路侧感知信息中的各障碍物的体积重叠率，将体积重叠率最大的障碍物确定为所述主车障碍物；
或者，所述识别单元分别计算所述模拟障碍物与所述路侧感知信息中的各障碍物的相似度评分，将相似度评分最高的障碍物确定为所述主车障碍物。
11.根据权利要求7所述的装置，其特征在于，
所述识别单元根据所述主车的行车状态以及获取到相邻两帧路侧感知信息的时间间隔，对所述最新缓存的主车信息进行校正，将校正后的主车信息作为所述当前帧对应的主车信息。
12.根据权利要求7所述的装置，其特征在于，
所述识别单元进一步用于，若根据所述当前帧对应的主车信息无法识别出所述路侧感知信息中的所述主车障碍物，则将所述主车的标识与所述路侧感知信息中的各障碍物的标识进行比较，并将与所述主车的标识一致的障碍物确定为所述主车障碍物。
13.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910987334.5A CN110843771B (zh) | 2019-10-17 | 2019-10-17 | 障碍物识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910987334.5A CN110843771B (zh) | 2019-10-17 | 2019-10-17 | 障碍物识别方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110843771A CN110843771A (zh) | 2020-02-28 |
| CN110843771B true CN110843771B (zh) | 2021-06-11 |
Family
ID=69597457
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910987334.5A Active CN110843771B (zh) | 2019-10-17 | 2019-10-17 | 障碍物识别方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110843771B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111563046B (zh) * | 2020-05-15 | 2023-07-18 | 北京百度网讯科技有限公司 | 用于生成信息的方法和装置 |
| CN114822035A (zh) * | 2022-05-09 | 2022-07-29 | 北京亮道智能汽车技术有限公司 | 一种路侧感知设备异常识别方法及路侧感知融合系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106340197A (zh) * | 2016-08-31 | 2017-01-18 | 北京万集科技股份有限公司 | 一种车路协同辅助驾驶系统及方法 |
| KR20170047143A (ko) * | 2015-10-22 | 2017-05-04 | 성균관대학교산학협력단 | 노변기를 이용한 차량과 보행자 간의 충돌을 경고하는 방법 |
| CN108010360A (zh) * | 2017-12-27 | 2018-05-08 | 中电海康集团有限公司 | 一种基于车路协同的自动驾驶环境感知系统 |
| CN109564729A (zh) * | 2016-08-03 | 2019-04-02 | 松下知识产权经营株式会社 | 路侧装置、车载装置以及车辆 |
| CN110287832A (zh) * | 2019-06-13 | 2019-09-27 | 北京百度网讯科技有限公司 | 高速自动驾驶场景障碍物感知评测方法及装置 |
-
2019
- 2019-10-17 CN CN201910987334.5A patent/CN110843771B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170047143A (ko) * | 2015-10-22 | 2017-05-04 | 성균관대학교산학협력단 | 노변기를 이용한 차량과 보행자 간의 충돌을 경고하는 방법 |
| CN109564729A (zh) * | 2016-08-03 | 2019-04-02 | 松下知识产权经营株式会社 | 路侧装置、车载装置以及车辆 |
| CN106340197A (zh) * | 2016-08-31 | 2017-01-18 | 北京万集科技股份有限公司 | 一种车路协同辅助驾驶系统及方法 |
| CN108010360A (zh) * | 2017-12-27 | 2018-05-08 | 中电海康集团有限公司 | 一种基于车路协同的自动驾驶环境感知系统 |
| CN110287832A (zh) * | 2019-06-13 | 2019-09-27 | 北京百度网讯科技有限公司 | 高速自动驾驶场景障碍物感知评测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110843771A (zh) | 2020-02-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111311925B (zh) | 车位的检测方法和装置、电子设备、车辆、存储介质 | |
| CN113715814B (zh) | 碰撞检测方法、装置、电子设备、介质及自动驾驶车辆 | |
| JP7314213B2 (ja) | 車両測位方法、装置、電子デバイス、記憶媒体及びプログラム | |
| CN113723141B (zh) | 车辆的定位方法、装置、电子设备、车辆及存储介质 | |
| CN111397611B (zh) | 路径规划方法、装置以及电子设备 | |
| CN110617825B (zh) | 一种车辆定位方法、装置、电子设备和介质 | |
| CN112415552A (zh) | 车辆位置的确定方法、装置及电子设备 | |
| CN111753765A (zh) | 感知设备的检测方法、装置、设备及存储介质 | |
| CN111523471B (zh) | 车辆所在车道的确定方法、装置、设备以及存储介质 | |
| CN110723079A (zh) | 车载传感器的位姿调整方法、装置、设备和介质 | |
| CN111611901A (zh) | 车辆逆行检测方法、装置、设备以及存储介质 | |
| CN112150558A (zh) | 用于路侧计算设备的障碍物三维位置获取方法及装置 | |
| JP7214702B2 (ja) | 車両列の長さを検出する方法、車両列の長さを検出する装置、電子機器、記憶媒体及びコンピュータプログラム | |
| CN110823237B (zh) | 起点绑路及预测模型获取方法、装置及存储介质 | |
| CN110843771B (zh) | 障碍物识别方法、装置、电子设备及存储介质 | |
| CN111079079A (zh) | 数据修正方法、装置、电子设备及计算机可读存储介质 | |
| CN112584314B (zh) | 车辆感知范围测量方法、装置、设备和介质 | |
| CN112578788A (zh) | 车辆避障二次规划方法、装置、设备和可读存储介质 | |
| CN111640301B (zh) | 故障车辆检测方法及包括路侧单元的故障车辆检测系统 | |
| CN111721305B (zh) | 定位方法和装置、自动驾驶车辆、电子设备和存储介质 | |
| CN112793570A (zh) | 自动驾驶车辆的控制方法、装置、设备及存储介质 | |
| CN111652112A (zh) | 一种车道流向的识别方法、装置、电子设备及存储介质 | |
| CN113844463A (zh) | 基于自动驾驶系统的车辆控制方法、装置及车辆 | |
| CN112748720A (zh) | 自动驾驶车辆的控制方法、装置、设备及存储介质 | |
| CN112577524A (zh) | 信息校正方法和装置 |
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 |