CN110879395B - 障碍物位置预测方法、装置和电子设备 - Google Patents
障碍物位置预测方法、装置和电子设备 Download PDFInfo
- Publication number
- CN110879395B CN110879395B CN201911220668.6A CN201911220668A CN110879395B CN 110879395 B CN110879395 B CN 110879395B CN 201911220668 A CN201911220668 A CN 201911220668A CN 110879395 B CN110879395 B CN 110879395B
- Authority
- CN
- China
- Prior art keywords
- obstacle
- candidate
- observation data
- predicted
- updating
- 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
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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
- G01S15/06—Systems determining the position data of a target
-
- 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
- G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
Abstract
本申请公开了障碍物位置预测方法、装置和电子设备,涉及自动驾驶技术领域,尤其涉及自主泊车技术领域。具体实现方案为:根据车辆上安装的至少两个雷达探头进行探测,获得当前时刻的观测数据集;根据上一时刻的至少一个障碍物的位置,以及上一时刻与当前时刻车辆的位姿变化,对至少一个障碍物在当前时刻的位置进行预测,获得至少一个障碍物的预测位置;根据观测数据集,对预测位置进行更新,获得至少一个障碍物的目标位置。综合考虑相邻时刻获得的数据,对障碍物的位置进行预测和更新,以连续地跟踪障碍物,可提高障碍物定位的准确率。
Description
技术领域
本申请涉及计算机技术领域中的自动驾驶技术,尤其涉及一种障碍物位置预测方法、装置和电子设备。
背景技术
在自动驾驶汽车的低速自动行驶场景中,对自动驾驶汽车周围环境的准确感知是安全行驶的重要保障。超声波雷达以其近处探测范围广、近处探测距离准、障碍物召回率高等优势可应用在自动驾驶领域中。目前,采用超声波雷达获取的观测数据可用于确定障碍物的位置,但是由于采用单帧的超声波雷达的观测数据,无法连续地跟踪障碍物,确定障碍物位置的准确率低。
发明内容
本申请实施例提供一种障碍物位置预测方法、装置和电子设备,以解决现有根据超声波雷达确定障碍物位置的准确率低的问题。
为解决上述技术问题,本申请是这样实现的:
本申请第一方面提供一种障碍物位置预测方法,包括:
根据车辆上安装的至少两个雷达探头进行探测,获得当前时刻的观测数据集;
根据上一时刻的至少一个障碍物的位置,以及所述上一时刻与当前时刻所述车辆的位姿变化,对所述至少一个障碍物在当前时刻的位置进行预测,获得所述至少一个障碍物的预测位置;
根据所述观测数据集,对所述预测位置进行更新,获得所述至少一个障碍物的目标位置。
进一步的,所述根据所述观测数据集,对所述预测位置进行更新,获得所述至少一个障碍物的目标位置,包括:
根据所述观测数据集,确定候选障碍物位置集;
若所述候选障碍物位置集中与第一障碍物的预测位置之间的距离最近的第一距离小于第一预设阈值,则利用第一候选位置对所述第一障碍物的预测位置进行更新,获得所述第一障碍物的目标位置,其中,所述第一障碍物为所述至少一个障碍物中的一个障碍物,所述第一候选位置为所述候选障碍物位置集中与所述第一障碍物的预测位置的距离最近的候选位置。
进一步的,在所述利用第一候选位置对所述第一障碍物的预测位置进行更新,获得所述第一障碍物的目标位置之后,还包括:
若第二障碍物的预测位置与所述候选障碍物位置集中的所有候选位置之间的距离均不小于第一预设阈值,则获取第二距离与所述至少两个雷达探头中第一雷达探头的观测数据的差值,其中,所述第二距离为所述第二障碍物的预测位置与所述第一雷达探头所在位置之间的距离,所述第二障碍物为所述至少一个障碍物中的一个障碍物;
若所述差值中值最小的第一差值小于第二预设阈值,则根据所述第一差值对应的第一观测数据对所述第二障碍物的预测位置进行更新,获得所述第二障碍物的目标位置。
进一步的,所述根据所述第一差值对应的第一观测数据对所述第二障碍物的预测位置进行更新,获得所述第二障碍物的目标位置之后,还包括:
若第三障碍物的预测位置未被更新,则删除所述第三障碍物的预测位置,所述第三障碍物为所述至少一个障碍物中的一个障碍物。
进一步的,在所述利用第一候选位置对所述第一障碍物的预测位置进行更新,获得所述第一障碍物的目标位置之后,还包括:
若所述候选障碍物位置集的第二候选位置未用于对所述至少一个障碍物中的一个障碍物进行更新,则根据所述第二候选位置生成第四障碍物的位置。
进一步的,在根据所述观测数据集,对所述预测位置进行更新,获得所述至少一个障碍物的目标位置之后,还包括:
若所述观测数据集中除所述第一观测数据之外的第二观测数据未用于确定所述候选障碍物位置集中的候选位置,则根据所述第二观测数据生成第五障碍物的位置。
本申请第二方面提供一种障碍物位置预测装置,包括:
获取模块,用于根据车辆上安装的至少两个雷达探头进行探测,获得当前时刻的观测数据集;
预测模块,用于根据上一时刻的至少一个障碍物的位置,以及所述上一时刻与当前时刻所述车辆的位姿变化,对所述至少一个障碍物在当前时刻的位置进行预测,获得所述至少一个障碍物的预测位置;
更新模块,用于根据所述观测数据集,对所述预测位置进行更新,获得所述至少一个障碍物的目标位置。
进一步的,所述更新模块,包括:
确定子模块,用于根据所述观测数据集,确定候选障碍物位置集;
第一更新子模块,用于若所述候选障碍物位置集中与第一障碍物的预测位置之间的距离最近的第一距离小于第一预设阈值,则利用第一候选位置对所述第一障碍物的预测位置进行更新,获得所述第一障碍物的目标位置,其中,所述第一障碍物为所述至少一个障碍物中的一个障碍物,所述第一候选位置为所述候选障碍物位置集中与所述第一障碍物的预测位置的距离最近的候选位置。
进一步的,所述更新模块,还包括:
获取子模块,用于若第二障碍物的预测位置与所述候选障碍物位置集中的所有候选位置之间的距离均不小于第一预设阈值,则获取第二距离与所述至少两个雷达探头中第一雷达探头的观测数据的差值,其中,所述第二距离为所述第二障碍物的预测位置与所述第一雷达探头所在位置之间的距离,所述第二障碍物为所述至少一个障碍物中的一个障碍物;
第二更新子模块,用于若所述差值中值最小的第一差值小于第二预设阈值,则根据所述第一差值对应的第一观测数据对所述第二障碍物的预测位置进行更新,获得所述第二障碍物的目标位置。
进一步的,所述更新模块,还包括:
删除子模块,用于若第三障碍物的预测位置未被更新,则删除所述第三障碍物的预测位置,所述第三障碍物为所述至少一个障碍物中的一个障碍物。
进一步的,所述装置还包括:
第一生成模块,用于若所述候选障碍物位置集的第二候选位置未用于对所述至少一个障碍物中的一个障碍物进行更新,则根据所述第二候选位置生成第四障碍物的位置。
进一步的,所述装置还包括:
第二生成模块,用于若所述观测数据集中除所述第一观测数据之外的第二观测数据未用于确定所述候选障碍物位置集中的候选位置,则根据所述第二观测数据生成第五障碍物的位置。
本申请第三方面提供一种电子设备,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第一方面所述的方法。
本申请第四方面提供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第一方面所述的方法。
上述申请中的一个实施例具有如下优点或有益效果:
根据车辆上安装的至少两个雷达探头进行探测,获得当前时刻的观测数据集;根据上一时刻的至少一个障碍物的位置,以及所述上一时刻与当前时刻所述车辆的位姿变化,对所述至少一个障碍物在当前时刻的位置进行预测,获得所述至少一个障碍物的预测位置;根据所述观测数据集,对所述预测位置进行更新,获得所述至少一个障碍物的目标位置。通过对上一时刻的至少一个障碍物进行位置预测,并利用当前时刻获取的观测数据集,对至少一个障碍物的预测位置进行更新,确定至少一个障碍物的目标位置,这样,综合考虑相邻时刻获得的数据,对障碍物的位置进行预测和更新,以连续地跟踪障碍物,可提高障碍物定位的准确率。
另外,根据观测数据集,确定候选障碍物位置集,然后获取候选障碍物位置集中与第一障碍物的预测位置之间的距离最近的第一候选位置,在最近距离小于第一预设阈值时,使用第一候选位置来对第一障碍物的预测位置进行更新,以提高障碍物定位的准确率。
若第二障碍物的预测位置与所述候选障碍物位置集中的所有候选位置之间的距离均不小于第一预设阈值,则采用相关联的观测数据对第二障碍物的预测位置进行更新,以提高障碍物定位的准确率。
若在第一障碍物和第二障碍物均更新完之后,第三障碍物的预测位置未被更新,说明第三障碍物不符合当前时刻的更新条件,第三障碍物可能为误判,不用对其进行跟踪,此时,可删除第三障碍物,提高障碍物定位的准确率。
对于候选障碍物位置集中的第二候选位置,若该第二候选位置未用于对至少一个障碍物中的任意一个障碍物进行更新,说明该第二候选位置可能为新的障碍物的位置,此时,根据第二候选位置生成第四障碍物的位置,即将第二候选位置确定为第四障碍物的位置,避免障碍物位置丢失,可提高障碍物定位的准确率。
根据第二观测数据生成第五障碍物的位置,避免障碍物位置丢失,可提高障碍物定位的准确率。
上述可选方式所具有的其他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是本申请提供的障碍物位置预测方法的一流程图;
图2为根据预测数据确定候选障碍物位置的示意图;
图3是本申请提供的障碍物位置预测方法的另一流程图;
图4是本申请提供的障碍物位置预测装置的一结构图;
图5是本申请提供的障碍物位置预测装置的另一结构图;
图6是用来实现本申请实施例的障碍物位置预测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。
参见图1,图1是本申请实施例提供的障碍物位置预测方法的流程图,如图1所示,本实施例提供一种障碍物位置预测方法,应用于车辆,包括以下步骤:
步骤101、根据车辆上安装的至少两个雷达探头进行探测,获得当前时刻的观测数据集。
具体的,车辆可为自动驾驶车辆(下文中简称自车),或者其他需要进行障碍物位置预测的物体,例如,扫地机器人等,在此不做限定。车辆上安装有至少两个雷达探头,至少两个雷达探头中的各雷达探头设置在不同的位置上。通过至少两个雷达探头获得观测数据集,观测数据集包括多个观测数据。观测数据为雷达探头探测到的疑似障碍物位置与自身之间的距离。
步骤102、根据上一时刻的至少一个障碍物的位置,以及所述上一时刻与当前时刻所述车辆的位姿变化,对所述至少一个障碍物在当前时刻的位置进行预测,获得所述至少一个障碍物的预测位置。
具体的,上一时刻和当前时刻为获取数据的不同时刻,在每个时刻,至少两个雷达探头中的各探头进行探测,获得该时刻的观测数据集。上一时刻和当前时刻为相邻的两个时刻。本申请中,上一时刻也称为上一帧,当前时刻也称为当前帧。位姿变化可包括车辆的纵向位移变化量、横向位移变化量和航向角变化量中的至少一项。
在本申请中,可以预设置一个坐标系,例如,以自车的后轴的中心点为坐标原点,以后轴所在直线为纵轴,以平行于自车直行方向为横轴建立直角坐标系;或者,以自车的中心点为坐标原点,与平行于后轴的直线为纵轴,以平行于自车直行方向为横轴建立直角坐标系,具体建立坐标轴的方式可根据实际情况灵活变化,在此不做限定。障碍物的位置,或者障碍物的预测位置,可以理解为障碍物在建立的坐标系中的位置。
步骤103、根据所述观测数据集,对所述预测位置进行更新,获得所述至少一个障碍物的目标位置。
根据观测数据集对获得的至少一个障碍物的预测位置进行更新,以确定至少一个障碍物的目标位置。
在本申请中,根据车辆上安装的至少两个雷达探头进行探测,获得当前时刻的观测数据集;根据上一时刻的至少一个障碍物的位置,以及所述上一时刻与当前时刻所述车辆的位姿变化,对所述至少一个障碍物在当前时刻的位置进行预测,获得所述至少一个障碍物的预测位置;根据所述观测数据集,对所述预测位置进行更新,获得所述至少一个障碍物的目标位置。通过对上一时刻的至少一个障碍物进行位置预测,并利用当前时刻获取的观测数据集,对至少一个障碍物的预测位置进行更新,确定至少一个障碍物的目标位置,这样,综合考虑相邻时刻获得的数据,对障碍物的位置进行预测和更新,以连续地跟踪障碍物,可提高障碍物定位的准确率。
在本申请一个实施例中,所述根据所述观测数据集,对所述预测位置进行更新,获得所述至少一个障碍物的目标位置,包括:
根据所述观测数据集,确定候选障碍物位置集;
若所述候选障碍物位置集中与第一障碍物的预测位置之间的距离最近的第一距离小于第一预设阈值,则利用第一候选位置对所述第一障碍物的预测位置进行更新,获得所述第一障碍物的目标位置,其中,所述第一障碍物为所述至少一个障碍物中的一个障碍物,所述第一候选位置为所述候选障碍物位置集中与所述第一障碍物的预测位置的距离最近的候选位置。
在本实施例中,第一预设阈值可根据实际情况进行设置,在此不做限定。候选障碍物位置集包括至少一个候选位置(也可称为候选障碍物位置),候选障碍物位置可理解为可能存在障碍物的位置。
在确定候选障碍物位置时,可利用观测数据集中,两相邻雷达探头获取的观测数据通过三角定位方法确定候选障碍物位置。确定候选障碍物位置的方式如图2所示,r1和r2为相邻两雷达探头对同一候选障碍物位置的观测数据(即候选障碍物位置到雷达探头的距离),d为两雷达探头之间的距离。由这三个距离为边长、两探头安装位置为两顶点构成三角形,可以确定障碍物可能的位置,即候选障碍物的位置。图2中,标号11表示候选障碍物的位置,标号22为雷达探头,标号33为雷达视野。在本申请中,雷达探头优选为超声波雷达探头。
根据与第一障碍物的预测位置相关联的候选位置,来对第一障碍物的预测位置进行更新。在确定关联的候选位置时,可先确定候选障碍物位置集中与第一障碍物的预测位置之间的距离最近的候选位置,该候选位置为第一候选位置,再进一步判断最近距离是否小于第一预设阈值,若小于,则判定第一候选位置与第一障碍物的预测位置相关联,利用第一候选位置对第一障碍物的预测位置进行更新,在进行位置更新时,可采用卡尔曼滤波进行更新;若最近距离不小于第一预设阈值,则判定第一候选位置与第一障碍物的预测位置不关联。
本实施例中,根据观测数据集,确定候选障碍物位置集,然后获取候选障碍物位置集中与第一障碍物的预测位置之间的距离最近的第一候选位置,在最近距离小于第一预设阈值时,使用第一候选位置来对第一障碍物的预测位置进行更新,以提高障碍物定位的准确率。
在本申请一个实施例中,在所述利用第一候选位置对所述第一障碍物的预测位置进行更新,获得所述第一障碍物的目标位置之后,还包括:
若第二障碍物的预测位置与所述候选障碍物位置集中的所有候选位置之间的距离均不小于第一预设阈值,则获取第二距离与所述至少两个雷达探头中第一雷达探头的观测数据的差值,其中,所述第二距离为所述第二障碍物的预测位置与所述第一雷达探头所在位置之间的距离,所述第二障碍物为所述至少一个障碍物中的一个障碍物;
若所述差值中值最小的第一差值小于第二预设阈值,则根据所述第一差值对应的第一观测数据对所述第二障碍物的预测位置进行更新,获得所述第二障碍物的目标位置。
本实施例中,在第二障碍物的预测位置与候选障碍物位置集中的所有候选位置之间的距离均不小于第一预设阈值,说明候选障碍物位置集中没有与第二障碍物的预测位置相关联的候选位置,此时,进一步判断观测数据集中是否有与第二障碍物的预测位置相关联的观测数据。具体的,计算第二障碍物的预测位置与第一雷达探头所在位置之间的距离u1,再分别计算u1与第一雷达探头获得的各观测数据之间的差值,每个观测数据均对应有一个差值。若差值中值最小的第一差值小于第二预设阈值,利用第一差值对应的观测数据对所述第二障碍物的预测位置进行更新,获得所述第二障碍物的目标位置。在进行位置更新时,可采用扩展卡尔曼滤波进行更新。第一差值对应的观测数据即第一雷达探头的观测数据中可获取第一差值的观测数据。
第二障碍物与第一障碍物为不同的障碍物。第二预设阈值可根据实际情况进行设置,在此不做限定。
本实施例中,若第二障碍物的预测位置与所述候选障碍物位置集中的所有候选位置之间的距离均不小于第一预设阈值,则采用相关联的观测数据对第二障碍物的预测位置进行更新,以提高障碍物定位的准确率。
在本申请一个实施例中,所述根据所述第一差值对应的第一观测数据对所述第二障碍物的预测位置进行更新,获得所述第二障碍物的目标位置之后,还包括:
若第三障碍物的预测位置未被更新,则删除所述第三障碍物的预测位置,所述第三障碍物为所述至少一个障碍物中的一个障碍物。
本实施例中,若在第一障碍物和第二障碍物均更新完之后,第三障碍物的预测位置未被更新,说明第三障碍物不符合当前时刻的更新条件,第三障碍物可能为误判,不用对其进行跟踪,此时,可删除第三障碍物,提高障碍物定位的准确率。
在本申请一个实施例中,在所述利用第一候选位置对所述第一障碍物的预测位置进行更新,获得所述第一障碍物的目标位置之后,还包括:
若所述候选障碍物位置集的第二候选位置未用于对所述至少一个障碍物中的一个障碍物进行更新,则根据所述第二候选位置生成第四障碍物的位置。
本实施例中,对于候选障碍物位置集中的第二候选位置,若该第二候选位置未用于对至少一个障碍物中的任意一个障碍物进行更新,说明该第二候选位置可能为新的障碍物的位置,此时,根据第二候选位置生成第四障碍物的位置,即将第二候选位置确定为第四障碍物的位置,避免障碍物位置丢失,可提高障碍物定位的准确率。当前时刻的至少一个障碍物的位置包括第四障碍物的位置,在下一时刻中,继续对第四障碍物的位置进行跟踪,例如对第四障碍物进行更新或删除。
在本申请中,在根据所述观测数据集,对所述预测位置进行更新,获得所述至少一个障碍物的目标位置之后,还包括:
若所述观测数据集中除所述第一观测数据之外的第二观测数据未用于确定所述候选障碍物位置集中的候选位置,则根据所述第二观测数据生成第五障碍物的位置。
具体的,观测数据集包括三种观测数据,第一种观测数据即第一观测数据,用于对第二障碍物的预测位置进行更新;由于根据三角定位法确定候选位置时,并不是所有的观测数据都能组成三角形,第二种观测数据为用于确定候选位置的观测数据,第一观测数据和第二观测数据可能会相同;第三种观测数据为未用于对第二障碍物的预测位置进行更新,也未用于确定候选位置的观测数据,即第二观测数据。第二观测数据可能为根据新的障碍物确定的数据,因此,根据第二观测数据生成第五障碍物的位置,避免障碍物位置丢失,可提高障碍物定位的准确率。
在根据第二观测数据生成第五障碍物的位置时,可设定一个固定的偏移角度,以获取第二观测数据的雷达探头安装位置为原点在该角度的观测数据距离上生成一个虚拟的障碍物点,该障碍物即为第五障碍物,该障碍物点即为第五障碍物的位置。当前时刻的至少一个障碍物的位置包括第五障碍物的位置,在下一时刻中,继续对第五障碍物的位置进行跟踪,例如对第五障碍物进行更新或删除。
在本申请一个实施例中,若当前时刻为第一时刻(即没有上一时刻),或者上一时刻没有获取到至少一个障碍物的位置,则根据观测数据集,确定当前时刻的至少一个障碍物的位置。具体的,根据观测数据集,确定候选障碍物位置集,将候选障碍物位置集中的候选位置确定为障碍物的位置。
以下列举具体实施例对障碍物位置预测方法的过程进行说明。
如图3所示,步骤1,获取由超声波雷达(可理解为雷达探头)产生(即获取)的观测点的观测数据,所述观测数据为观测点与超声波雷达探头之间的距离;观测点可理解为可能的障碍物。
步骤2,通过三角定位方法计算候选点,组成候选点集合。对观测数据进行处理,通过两相邻雷达的观测数据通过三角定位方法计算得到候选点(可理解为候选位置),组成候选点集合(可理解为候选障碍物位置集);
具体的,对观测数据进行处理,利用两相邻超声波雷达的观测数据通过三角定位方法计算得到候选点,组成候选点集合。如图2所示,r1和r2为相邻两雷达对同一观测点的观测数据(即距离),d为两探头之间的距离。由这三个距离为边长、两探头安装位置为两顶点构成三角形,可以确定观测点可能的位置,即候选点。
步骤2和步骤3之间,在轨迹池(tracker pool)未被初始化时,用当前帧的候选点生成对应的新轨迹,以完成初始化操作,并结束本帧流程,获取下一帧。轨迹池放置障碍物的轨迹。
步骤3,根据上一帧(可理解为上一时刻)与当前帧(可理解为当前时刻)之间的时间差和两帧之间的主车(可理解为车辆)位姿变化,对上一帧的轨迹池中的所有轨迹进行位置预测,即对上一帧的轨迹(轨迹可理解为障碍物的位置)在当前帧中的位置进行预测。
若轨迹池已被初始化,根据上一帧与当前帧之间的时间差和两帧之间的主车位姿变化,对上一帧的轨迹在当前帧中的位置进行预测。根据如下公式对轨迹池中的所有障碍物在当前帧中的位置进行预测:
其中,Δposx、Δposy和分别表示第k帧(即上一时刻)至第k+1帧(即当前时刻)之间自车的纵向位移、横向位移和航向角变化量(逆时针为正);和分别为状态量x和y坐标的模型误差方差;表示向量,包括和和分别表示第k时刻的障碍物的x,y位置的估计值;为预测向量,包括和和分别表示第k+1时刻障碍物的x,y位置的预测值。
上述A称为状态转移矩阵,B为控制输入矩阵,U为控制向量。
步骤4,数据关联与混合模型跟踪。根据候选点集合的候选点与预测的轨迹(预测的轨迹可理解为障碍物在当前帧中的位置)之间的距离、以及雷达的观测数据与预测的轨迹之间的距离,进行预测的轨迹与候选点的关联,以及预测的轨迹与观测数据的关联,并根据关联的结果进行混合模型的更新,即若预测的轨迹与候选点关联,采用一种更新方法,例如卡尔曼滤波(KF);若预测的轨迹与观测数据关联,采用另一种更新方法,例如扩展卡尔曼滤波(EKF)。
根据候选点与预测的轨迹之间的位置距离,采用最近邻(Nearest Neighbor)的关联方法,关联每个预测的轨迹和与之距离最近的候选点,若某一预测轨迹附近一定阈值范围内没有候选点,则没有候选点能与该轨迹关联。
对于有候选点与之关联的轨迹,根据如下卡尔曼滤波(KF)公式用关联的候选点更新轨迹的位置:
其中,观测矩阵Zk+1为第k+1时刻第一候选障碍物位置;R是观测误差协方差矩阵,和分别为第一候选障碍物位置x和y坐标的观测方差。Kk+1为第k+1时刻的卡尔曼增益。zxk+1和zyk+1分别为第一候选障碍物位置的x和y坐标。
对于没有关联上的轨迹,尝试与观测数据进行关联。观测数据与预测的轨迹关联也采用最近邻的关联方法。关联的依据是:获取预测的轨迹与探头之间的距离d1,以及该探头的观测数据d2,计算d1和d2之差Δd(Δd为绝对值)。将Δd最小的观测数据与预测的轨迹关联,若某一预测轨迹与任一观测数据计算得到的Δd都不小于某一阈值,则没有观测数据能与该轨迹关联。
若关联成功,根据如下扩展卡尔曼滤波(EKF)公式进行位置更新:
其中,为根据状态量估计得到的估计观测,Nk+1为实际观测,xt、yt分别是发波探头(即雷达探头)在自车坐标系的安装位置x和y坐标值,xr、yr分别是收波探头在自车坐标系的安装位置x和y坐标值,是关于状态向量的观测函数。
在本申请中,雷达探头具备同时收发的功能,但同一时刻只有一个雷达探头(假设为探头A)发波,此时,其他探头为收波探头(探头A也会收波,这时,其发波探头和收波探头就都是探头A,安装位置也相同)。
对于和候选点、观测数据都没有关联上的轨迹,删除轨迹;
对于没有和任何轨迹关联上的候选点,生成新轨迹,即候选点为第四障碍物的位置。
步骤5,对于未被使用的探头观测数据,生成虚拟观测点的新轨迹。对于未参与三角定位计算的候选点和未与预测的轨迹进行关联的观测数据,生成虚拟观测点的新轨迹。
根据没有通过三角定位参与生成候选点、并且没有与轨迹关联的观测数据,生成一个虚拟的障碍物点。比如设定一个固定的偏移角度,以探头安装位置为原点在该角度的观测数据距离上生成一个虚拟的障碍物点,并生成相应的新轨迹,即虚拟的障碍物点为第五障碍物的位置。
参见图4,图4是本申请实施例提供的障碍物位置预测装置的结构图,如图4所示,本实施例提供一种障碍物位置预测装置400,包括:
获取模块401,用于根据车辆上安装的至少两个雷达探头进行探测,获得当前时刻的观测数据集;
预测模块402,用于根据上一时刻的至少一个障碍物的位置,以及所述上一时刻与当前时刻所述车辆的位姿变化,对所述至少一个障碍物在当前时刻的位置进行预测,获得所述至少一个障碍物的预测位置;
更新模块403,用于根据所述观测数据集,对所述预测位置进行更新,获得所述至少一个障碍物的目标位置。
进一步的,如图5所示,所述更新模块403,包括:
确定子模块4031,用于根据所述观测数据集,确定候选障碍物位置集;
第一更新子模块4032,用于若所述候选障碍物位置集中与第一障碍物的预测位置之间的距离最近的第一距离小于第一预设阈值,则利用第一候选位置对所述第一障碍物的预测位置进行更新,获得所述第一障碍物的目标位置,其中,所述第一障碍物为所述至少一个障碍物中的一个障碍物,所述第一候选位置为所述候选障碍物位置集中与所述第一障碍物的预测位置的距离最近的候选位置。
进一步的,如图5所示,所述更新模块403,还包括:
获取子模块4033,用于若第二障碍物的预测位置与所述候选障碍物位置集中的所有候选位置之间的距离均不小于第一预设阈值,则获取第二距离与所述至少两个雷达探头中第一雷达探头的观测数据的差值,其中,所述第二距离为所述第二障碍物的预测位置与所述第一雷达探头所在位置之间的距离,所述第二障碍物为所述至少一个障碍物中的一个障碍物;
第二更新子模块4034,用于若所述差值中值最小的第一差值小于第二预设阈值,则根据所述第一差值对应的第一观测数据对所述第二障碍物的预测位置进行更新,获得所述第二障碍物的目标位置。
进一步的,如图5所示,所述更新模块403,还包括:
删除子模块4035,用于若第三障碍物的预测位置未被更新,则删除所述第三障碍物的预测位置,所述第三障碍物为所述至少一个障碍物中的一个障碍物。
进一步的,所述障碍物位置预测装置400还包括:
第一生成模块,用于若所述候选障碍物位置集的第二候选位置未用于对所述至少一个障碍物中的一个障碍物进行更新,则根据所述第二候选位置生成第四障碍物的位置。
进一步的,所述障碍物位置预测装置400还包括:
第二生成模块,用于若所述观测数据集中除所述第一观测数据之外的第二观测数据未用于确定所述候选障碍物位置集中的候选位置,则根据所述第二观测数据生成第五障碍物的位置。
障碍物位置预测装置400能够实现图1所示的方法实施例中车辆实现的各个过程,为避免重复,这里不再赘述。
本申请实施例的障碍物位置预测装置400,根据车辆上安装的至少两个雷达探头进行探测,获得当前时刻的观测数据集;根据上一时刻的至少一个障碍物的位置,以及所述上一时刻与当前时刻所述车辆的位姿变化,对所述至少一个障碍物在当前时刻的位置进行预测,获得所述至少一个障碍物的预测位置;根据所述观测数据集,对所述预测位置进行更新,获得所述至少一个障碍物的目标位置。通过对上一时刻的至少一个障碍物进行位置预测,并利用当前时刻获取的观测数据集,对至少一个障碍物的预测位置进行更新,确定至少一个障碍物的目标位置,这样,综合考虑相邻时刻获得的数据,对障碍物的位置进行预测和更新,以连续地跟踪障碍物,可提高障碍物定位的准确率。
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6所示,是根据本申请实施例的障碍物位置预测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6所示,该电子设备包括:一个或多个处理器601、存储器602,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GUI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6中以一个处理器601为例。
存储器602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障碍物位置预测方法。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障碍物位置预测方法。
存储器602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障碍物位置预测方法对应的程序指令/模块(例如,附图4所示的获取模块401、预测模块402和更新模块403)。处理器601通过运行存储在存储器602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障碍物位置预测方法。
存储器602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实现障碍物位置预测方法的电子设备的使用所创建的数据等。此外,存储器602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602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至实现障碍物位置预测方法的电子设备。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。
实现障碍物位置预测方法的电子设备还可以包括:输入装置606和输出装置604。处理器601、存储器602、输入装置606和输出装置604可以通过总线或者其他方式连接,图6中以通过总线连接为例。
输入装置606可接收输入的数字或字符信息,以及产生与实现障碍物位置预测方法的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604可以包括显示设备、辅助照明装置(例如,LED)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(LCD)、发光二极管(LED)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ASIC(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(PLD)),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,CRT(阴极射线管)或者LCD(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(LAN)、广域网(WAN)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。
根据本申请实施例的技术方案,根据车辆上安装的至少两个雷达探头进行探测,获得当前时刻的观测数据集;根据上一时刻的至少一个障碍物的位置,以及所述上一时刻与当前时刻所述车辆的位姿变化,对所述至少一个障碍物在当前时刻的位置进行预测,获得所述至少一个障碍物的预测位置;根据所述观测数据集,对所述预测位置进行更新,获得所述至少一个障碍物的目标位置。通过对上一时刻的至少一个障碍物进行位置预测,并利用当前时刻获取的观测数据集,对至少一个障碍物的预测位置进行更新,确定至少一个障碍物的目标位置,这样,综合考虑相邻时刻获得的数据,对障碍物的位置进行预测和更新,以连续地跟踪障碍物,可提高障碍物定位的准确率。
另外,根据观测数据集,确定候选障碍物位置集,然后获取候选障碍物位置集中与第一障碍物的预测位置之间的距离最近的第一候选位置,在最近距离小于第一预设阈值时,使用第一候选位置来对第一障碍物的预测位置进行更新,以提高障碍物定位的准确率。
若第二障碍物的预测位置与所述候选障碍物位置集中的所有候选位置之间的距离均不小于第一预设阈值,则采用相关联的观测数据对第二障碍物的预测位置进行更新,以提高障碍物定位的准确率。
若在第一障碍物和第二障碍物均更新完之后,第三障碍物的预测位置未被更新,说明第三障碍物不符合当前时刻的更新条件,第三障碍物可能为误判,不用对其进行跟踪,此时,可删除第三障碍物,提高障碍物定位的准确率。
对于候选障碍物位置集中的第二候选位置,若该第二候选位置未用于对至少一个障碍物中的任意一个障碍物进行更新,说明该第二候选位置可能为新的障碍物的位置,此时,根据第二候选位置生成第四障碍物的位置,即将第二候选位置确定为第四障碍物的位置,避免障碍物位置丢失,可提高障碍物定位的准确率。
根据第二观测数据生成第五障碍物的位置,避免障碍物位置丢失,可提高障碍物定位的准确率。
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 (10)
1.一种障碍物位置预测方法,其特征在于,包括:
根据车辆上安装的至少两个雷达探头进行探测,获得当前时刻的观测数据集,所述观测数据集包括多个观测数据,观测数据为雷达探头探测到的疑似障碍物位置与自身之间的距离;
根据上一时刻的至少一个障碍物的位置,以及所述上一时刻与当前时刻所述车辆的位姿变化,对所述至少一个障碍物在当前时刻的位置进行预测,获得所述至少一个障碍物的预测位置;
根据所述观测数据集,对所述预测位置进行更新,获得所述至少一个障碍物的目标位置;
其中,所述根据所述观测数据集,对所述预测位置进行更新,获得所述至少一个障碍物的目标位置,包括:
根据所述观测数据集,确定候选障碍物位置集;
若所述候选障碍物位置集中与第一障碍物的预测位置之间的距离最近的第一距离小于第一预设阈值,则利用第一候选位置对所述第一障碍物的预测位置进行更新,获得所述第一障碍物的目标位置,其中,所述第一障碍物为所述至少一个障碍物中的一个障碍物,所述第一候选位置为所述候选障碍物位置集中与所述第一障碍物的预测位置的距离最近的候选位置;
在所述利用第一候选位置对所述第一障碍物的预测位置进行更新,获得所述第一障碍物的目标位置之后,还包括:
若第二障碍物的预测位置与所述候选障碍物位置集中的所有候选位置之间的距离均不小于第一预设阈值,则获取第二距离与所述至少两个雷达探头中第一雷达探头的观测数据的差值,其中,所述第二距离为所述第二障碍物的预测位置与所述第一雷达探头所在位置之间的距离,所述第二障碍物为所述至少一个障碍物中的一个障碍物;
若所述差值中值最小的第一差值小于第二预设阈值,则根据所述第一差值对应的第一观测数据对所述第二障碍物的预测位置进行更新,获得所述第二障碍物的目标位置。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一差值对应的第一观测数据对所述第二障碍物的预测位置进行更新,获得所述第二障碍物的目标位置之后,还包括:
若第三障碍物的预测位置未被更新,则删除所述第三障碍物的预测位置,所述第三障碍物为所述至少一个障碍物中的一个障碍物。
3.根据权利要求1所述的方法,其特征在于,在所述利用第一候选位置对所述第一障碍物的预测位置进行更新,获得所述第一障碍物的目标位置之后,还包括:
若所述候选障碍物位置集的第二候选位置未用于对所述至少一个障碍物中的一个障碍物进行更新,则根据所述第二候选位置生成第四障碍物的位置。
4.根据权利要求1所述的方法,其特征在于,在根据所述观测数据集,对所述预测位置进行更新,获得所述至少一个障碍物的目标位置之后,还包括:
若所述观测数据集中除所述第一观测数据之外的第二观测数据未用于确定所述候选障碍物位置集中的候选位置,则根据所述第二观测数据生成第五障碍物的位置。
5.一种障碍物位置预测装置,其特征在于,包括:
获取模块,用于根据车辆上安装的至少两个雷达探头进行探测,获得当前时刻的观测数据集,所述观测数据集包括多个观测数据,观测数据为雷达探头探测到的疑似障碍物位置与自身之间的距离;
预测模块,用于根据上一时刻的至少一个障碍物的位置,以及所述上一时刻与当前时刻所述车辆的位姿变化,对所述至少一个障碍物在当前时刻的位置进行预测,获得所述至少一个障碍物的预测位置;
更新模块,用于根据所述观测数据集,对所述预测位置进行更新,获得所述至少一个障碍物的目标位置;
其中,所述更新模块,包括:
确定子模块,用于根据所述观测数据集,确定候选障碍物位置集;
第一更新子模块,用于若所述候选障碍物位置集中与第一障碍物的预测位置之间的距离最近的第一距离小于第一预设阈值,则利用第一候选位置对所述第一障碍物的预测位置进行更新,获得所述第一障碍物的目标位置,其中,所述第一障碍物为所述至少一个障碍物中的一个障碍物,所述第一候选位置为所述候选障碍物位置集中与所述第一障碍物的预测位置的距离最近的候选位置;
所述更新模块,还包括:
获取子模块,用于若第二障碍物的预测位置与所述候选障碍物位置集中的所有候选位置之间的距离均不小于第一预设阈值,则获取第二距离与所述至少两个雷达探头中第一雷达探头的观测数据的差值,其中,所述第二距离为所述第二障碍物的预测位置与所述第一雷达探头所在位置之间的距离,所述第二障碍物为所述至少一个障碍物中的一个障碍物;
第二更新子模块,用于若所述差值中值最小的第一差值小于第二预设阈值,则根据所述第一差值对应的第一观测数据对所述第二障碍物的预测位置进行更新,获得所述第二障碍物的目标位置。
6.根据权利要求5所述的装置,其特征在于,所述更新模块,还包括:
删除子模块,用于若第三障碍物的预测位置未被更新,则删除所述第三障碍物的预测位置,所述第三障碍物为所述至少一个障碍物中的一个障碍物。
7.根据权利要求5所述的装置,其特征在于,所述装置还包括:
第一生成模块,用于若所述候选障碍物位置集的第二候选位置未用于对所述至少一个障碍物中的一个障碍物进行更新,则根据所述第二候选位置生成第四障碍物的位置。
8.根据权利要求5所述的装置,其特征在于,所述装置还包括:
第二生成模块,用于若所述观测数据集中除所述第一观测数据之外的第二观测数据未用于确定所述候选障碍物位置集中的候选位置,则根据所述第二观测数据生成第五障碍物的位置。
9.一种电子设备,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1-4中任一项所述的方法。
10.一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所述计算机执行权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911220668.6A CN110879395B (zh) | 2019-12-03 | 2019-12-03 | 障碍物位置预测方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911220668.6A CN110879395B (zh) | 2019-12-03 | 2019-12-03 | 障碍物位置预测方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110879395A CN110879395A (zh) | 2020-03-13 |
CN110879395B true CN110879395B (zh) | 2022-09-09 |
Family
ID=69730320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911220668.6A Active CN110879395B (zh) | 2019-12-03 | 2019-12-03 | 障碍物位置预测方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110879395B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738665B (zh) * | 2020-07-31 | 2020-12-01 | 支付宝(杭州)信息技术有限公司 | 用于陈列物品的智能设备和物品监测的方法 |
CN112859078A (zh) * | 2021-02-05 | 2021-05-28 | 燕山大学 | 基于毫米波雷达检测技术的散料堆场障碍物检测方法 |
CN113281760A (zh) * | 2021-05-21 | 2021-08-20 | 阿波罗智能技术(北京)有限公司 | 障碍物检测方法、装置、电子设备、车辆和存储介质 |
CN115214622A (zh) * | 2021-07-13 | 2022-10-21 | 广州汽车集团股份有限公司 | 一种融合泊车方法及系统 |
CN113581174B (zh) * | 2021-08-23 | 2023-03-24 | 安徽江淮汽车集团股份有限公司 | 一种车辆的障碍物定位方法及障碍物定位装置 |
CN113734190B (zh) * | 2021-09-09 | 2023-04-11 | 北京百度网讯科技有限公司 | 车辆信息提示方法、装置、电子设备、介质和车辆 |
CN114103933B (zh) * | 2021-09-10 | 2024-03-15 | 华人运通(上海)自动驾驶科技有限公司 | 障碍物定位方法、泊车控制方法、装置和车辆 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014217565A1 (de) * | 2013-09-12 | 2015-03-12 | Ford Global Technologies, Llc | Kollisionswarnung für ein fahrergesteuertes fahrzeug |
CN109631915A (zh) * | 2018-12-19 | 2019-04-16 | 百度在线网络技术(北京)有限公司 | 轨迹预测方法、装置、设备及计算机可读存储介质 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2787190B2 (ja) * | 1994-06-01 | 1998-08-13 | 株式会社国際電気エンジニアリング | 移動体の追突防止装置 |
JP2010271166A (ja) * | 2009-05-21 | 2010-12-02 | Toyota Motor Corp | 障害物検出装置 |
CN105093229B (zh) * | 2014-05-19 | 2018-03-27 | 日本电气株式会社 | 多个目标的定位方法及装置 |
US10802450B2 (en) * | 2016-09-08 | 2020-10-13 | Mentor Graphics Corporation | Sensor event detection and fusion |
CN108725452B (zh) * | 2018-06-01 | 2019-12-31 | 湖南工业大学 | 一种基于全声频感知的无人驾驶车辆控制系统及控制方法 |
CN108828527B (zh) * | 2018-06-19 | 2021-04-16 | 驭势(上海)汽车科技有限公司 | 一种多传感器数据融合方法、装置、车载设备及存储介质 |
CN108803622B (zh) * | 2018-07-27 | 2021-10-26 | 吉利汽车研究院(宁波)有限公司 | 一种用于对目标探测数据进行处理的方法、装置 |
CN109031323B (zh) * | 2018-08-28 | 2020-09-11 | 重庆大学 | 基于超声波测距雷达的车位检测方法 |
CN109738884B (zh) * | 2018-12-29 | 2022-03-11 | 百度在线网络技术(北京)有限公司 | 对象检测方法、装置和计算机设备 |
CN110161510B (zh) * | 2019-06-27 | 2021-12-10 | 北京智行者科技有限公司 | 基于超声波雷达的障碍物定位方法及装置 |
CN110490904B (zh) * | 2019-08-12 | 2022-11-11 | 中国科学院光电技术研究所 | 一种弱小目标检测与跟踪方法 |
-
2019
- 2019-12-03 CN CN201911220668.6A patent/CN110879395B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014217565A1 (de) * | 2013-09-12 | 2015-03-12 | Ford Global Technologies, Llc | Kollisionswarnung für ein fahrergesteuertes fahrzeug |
CN109631915A (zh) * | 2018-12-19 | 2019-04-16 | 百度在线网络技术(北京)有限公司 | 轨迹预测方法、装置、设备及计算机可读存储介质 |
Non-Patent Citations (3)
Title |
---|
《Sensor Fusion-Based Vacant Parking Slot Detection and Tracking》;J. K. Suhr and H. G. Jung;《IEEE Transactions on Intelligent Transportation Systems》;20130808;21-36 * |
《城区不确定环境下无人驾驶车辆行为决策方法研究》;耿新力;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20171115;C035-18 * |
宋春霞 ; 张磊 ; 关锦生.《一种新的多模型联合概率数据关联方法》.《四川兵工学报 》.2010, * |
Also Published As
Publication number | Publication date |
---|---|
CN110879395A (zh) | 2020-03-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110879395B (zh) | 障碍物位置预测方法、装置和电子设备 | |
CN110617825B (zh) | 一种车辆定位方法、装置、电子设备和介质 | |
CN112415552B (zh) | 车辆位置的确定方法、装置及电子设备 | |
CN111679302A (zh) | 车辆定位方法、装置、电子设备和计算机存储介质 | |
CN111273268B (zh) | 自动驾驶障碍物类型的识别方法、装置及电子设备 | |
CN110827325B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN110738183B (zh) | 路侧相机障碍物检测方法及装置 | |
CN111666891B (zh) | 用于估计障碍物运动状态的方法和装置 | |
CN110723079B (zh) | 车载传感器的位姿调整方法、装置、设备和介质 | |
CN110986980B (zh) | 一种自动驾驶规划路线检测方法、装置和电子设备 | |
CN111460375B (zh) | 定位数据有效性确定方法、装置、设备和介质 | |
CN111216738B (zh) | 自动驾驶中车辆的控制方法、装置、电子设备及车辆 | |
CN111413968B (zh) | 车辆的控制方法、装置及电子设备 | |
CN111368760A (zh) | 一种障碍物检测方法、装置、电子设备及存储介质 | |
CN113844463B (zh) | 基于自动驾驶系统的车辆控制方法、装置及车辆 | |
CN114527737A (zh) | 用于自动驾驶的速度规划方法、装置、设备、介质和车辆 | |
EP3932781A1 (en) | Reverse trajectory tracking method and apparatus, electronic device and storage medium | |
CN111693059B (zh) | 环岛的导航方法、装置、设备及存储介质 | |
EP3866065B1 (en) | Target detection method, device and storage medium | |
CN113177980B (zh) | 用于自动驾驶的目标对象速度确定方法、装置及电子设备 | |
CN112578355A (zh) | 雷达标定的方法、装置、设备以及存储介质 | |
WO2022242111A1 (zh) | 障碍物检测方法以及装置 | |
KR20220093382A (ko) | 장애물 검출 방법 및 장치 | |
CN111198370B (zh) | 毫米波雷达背景检测方法、装置、电子设备及存储介质 | |
CN111596086B (zh) | 一种自动驾驶中障碍物的速度估计方法、装置和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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 |