CN110936893A

CN110936893A - 一种盲区障碍物处理方法、装置、车载设备及存储介质

Info

Publication number: CN110936893A
Application number: CN201811108790.XA
Authority: CN
Inventors: 林伟; 刘晓彤; 王勃; 孔凡君; 张宇; 冯威; 雷坤宇; 石磊; 李国靖; 刘静仁; 张新平; 尚坚强; 刘淳
Original assignee: Uisee Technologies Beijing Co Ltd
Current assignee: Uisee Technologies Beijing Co Ltd
Priority date: 2018-09-21
Filing date: 2018-09-21
Publication date: 2020-03-31
Anticipated expiration: 2038-09-21
Also published as: CN110936893B

Abstract

本发明实施例涉及一种盲区障碍物处理方法、装置、车载设备及存储介质，方法包括：获取图像传感器采集的图像信息；确定图像信息中的障碍物信息；基于障碍物信息以及图像传感器的盲区边界，确定盲区障碍物；在确定盲区障碍物后，在图像传感器的前方预设距离生成模拟障碍物；在生成模拟障碍物后，基于预设自动驾驶策略控制车辆。本发明实施例通过分析图像传感器采集的图像信息中的障碍物，并结合图像传感器的盲区边界，确定图像传感器的盲区是否存在障碍物，进而调整当前的自动驾驶策略，减少盲区障碍物对车辆自动驾驶的影响。

Description

一种盲区障碍物处理方法、装置、车载设备及存储介质

技术领域

本发明实施例涉及机器视觉技术领域，具体涉及一种盲区障碍物处理方法、装置、车载设备及存储介质。

背景技术

随着车辆自动驾驶技术的快速发展，对车辆周边环境的感知要求越来越高。当前车辆自动驾驶主要使用的感知传感器包括：摄像头。由于摄像头的安装位置以及摄像头的视场(Field Of View，FOV)范围的影响，使得摄像头存在盲区。

在车辆自动驾驶过程中，若摄像头的盲区存在障碍物时，会导致车辆自动驾驶出现安全隐患。为了尽量减少盲区障碍物对车辆自动驾驶的影响，亟需提供一种盲区障碍物处理方法。

发明内容

为了解决现有技术存在的问题，本发明的至少一个实施例提供了一种盲区障碍物处理方法、装置、车载设备及存储介质。

第一方面，本发明实施例提出一种盲区障碍物处理方法，所述方法包括：

获取图像传感器采集的图像信息；

确定所述图像信息中的障碍物信息；

基于所述障碍物信息以及所述图像传感器的盲区边界，确定盲区障碍物；

在确定盲区障碍物后，在所述图像传感器的前方预设距离生成模拟障碍物；

在生成模拟障碍物后，基于预设自动驾驶策略控制车辆。

在一些实施例中，所述方法还包括：

获取所述图像传感器的视场信息以及位姿信息；

基于所述视场信息以及所述位姿信息，确定所述图像传感器的盲区边界；

在确定所述图像传感器的盲区边界后，基于所述障碍物信息以及所述图像传感器的盲区边界，确定盲区障碍物。

在一些实施例中，所述基于所述视场信息以及所述位姿信息，确定所述图像传感器的盲区边界，包括：

基于所述位姿信息，确定所述图像传感器的高度以及朝向；

基于所述高度以及朝向，确定所述图像传感器的光轴；

基于所述视场信息以及所述光轴，确定所述图像传感器的视场与地面之间的交线；

确定所述交线为所述图像传感器的盲区边界。

在一些实施例中，所述基于所述障碍物信息以及所述图像传感器的盲区边界，确定盲区障碍物，包括：

将位于所述盲区边界的障碍物信息对应的障碍物确定为盲区障碍物。

在一些实施例中，所述障碍物信息为障碍物在车辆坐标系下的第一坐标；

所述方法还包括：确定所述图像传感器的盲区边界在车辆坐标系下的第二坐标；

相应地，所述将位于所述盲区边界的障碍物信息对应的障碍物确定为盲区障碍物，包括：

将与所述第二坐标之间存在部分重叠的第一坐标对应的障碍物确定为盲区障碍物。

第二方面，本发明实施例还提出一种盲区障碍物处理装置，所述装置包括：

第一获取单元，用于获取图像传感器采集的图像信息；

第一确定单元，用于确定所述图像信息中的障碍物信息；

第二确定单元，用于基于所述障碍物信息以及所述图像传感器的盲区边界，确定盲区障碍物；

生成单元，用于在所述第二确定单元确定盲区障碍物后，在所述图像传感器的前方预设距离生成模拟障碍物；

控制单元，用于在所述生成单元生成模拟障碍物后，基于预设自动驾驶策略控制车辆。

在一些实施例中，所述装置还包括：

第二获取单元，用于获取所述图像传感器的视场信息以及位姿信息；

第三确定单元，用于基于所述视场信息以及所述位姿信息，确定所述图像传感器的盲区边界；

所述第二确定单元，用于在所述第三确定单元确定所述图像传感器的盲区边界后，基于所述障碍物信息以及所述图像传感器的盲区边界，确定盲区障碍物。

在一些实施例中，所述第三确定单元，用于基于所述位姿信息，确定所述图像传感器的高度以及朝向；基于所述高度以及朝向，确定所述图像传感器的光轴；基于所述视场信息以及所述光轴，确定所述图像传感器的视场与地面之间的交线；确定所述交线为所述图像传感器的盲区边界。

在一些实施例中，所述第二确定单元，用于将位于所述盲区边界的障碍物信息对应的障碍物确定为盲区障碍物。

所述装置还包括：第四确定单元，用于确定所述图像传感器的盲区边界在车辆坐标系下的第二坐标；

相应地，所述第二确定单元，用于将与所述第二坐标之间存在部分重叠的第一坐标对应的障碍物确定为盲区障碍物。

第三方面，本发明实施例还提出一种车载设备，包括：

处理器、存储器、网络接口和用户接口；

所述处理器、存储器、网络接口和用户接口通过总线系统耦合在一起；

所述处理器通过调用所述存储器存储的程序或指令，用于执行如第一方面所述方法的步骤。

第四方面，本发明实施例还提出一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如第一方面所述方法的步骤。

可见，本发明实施例的至少一个实施例中，通过分析图像传感器采集的图像信息中的障碍物，并结合图像传感器的盲区边界，确定图像传感器的盲区是否存在障碍物，进而调整当前的自动驾驶策略，减少盲区障碍物对车辆自动驾驶的影响。

附图说明

为了更清楚地说明本发明实施例的技术方案，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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种车载设备的结构示意图；

图2为本发明实施例提供的一种盲区障碍物处理方法流程图；

图3为本发明实施例提供的一种图像传感器采集的图像示意图；

图4为本发明实施例提供的一种图像传感器采集的图像转换为车辆坐标系下的三维图像的示意图；

图5为本发明实施例提供的一种确定障碍物与地面之间的交线的示意图；

图6为本发明实施例提供的一种图像传感器的视场示意图；

图7为本发明实施例提供的一种盲区障碍物处理装置框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

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。

图1是本发明实施例提供的一种车载设备的结构示意图。

图1所示的车载设备包括：至少一个处理器101、至少一个存储器102、至少一个网络接口104和其他的用户接口103。车载设备中的各个组件通过总线系统105耦合在一起。可理解，总线系统105用于实现这些组件之间的连接通信。总线系统105除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图1中将各种总线都标为总线系统105。

其中，用户接口103可以包括显示器、键盘或者点击设备(例如，鼠标，轨迹球(trackball)或者触感板等。

可以理解，本实施例中的存储器102可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-OnlyMemory，ROM)、可编程只读存储器(ProgrammableROM，PROM)、可擦除可编程只读存储器(ErasablePROM，EPROM)、电可擦除可编程只读存储器(ElectricallyEPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(RandomAccessMemory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(StaticRAM，SRAM)、动态随机存取存储器(DynamicRAM，DRAM)、同步动态随机存取存储器(SynchronousDRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(DoubleDataRateSDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(SynchlinkDRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambusRAM，DRRAM)。本文描述的存储器102旨在包括但不限于这些和任意其它适合类型的存储器。

在一些实施方式中，存储器102存储了如下的元素，可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统1021和应用程序1022。

其中，操作系统1021，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序1022，包含各种应用程序，例如媒体播放器(MediaPlayer)、浏览器(Browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序1022中。

在本发明实施例中，处理器101通过调用存储器102存储的程序或指令，具体的，可以是应用程序1022中存储的程序或指令，处理器101用于执行各方法实施例所提供的盲区障碍物处理方法的步骤，例如包括：

获取图像传感器采集的图像信息；确定图像信息中的障碍物信息；基于障碍物信息以及图像传感器的盲区边界，确定盲区障碍物；在确定盲区障碍物后，在图像传感器的前方预设距离生成模拟障碍物；在生成模拟障碍物后，基于预设自动驾驶策略控制车辆。

上述本发明实施例揭示的方法可以应用于处理器101中，或者由处理器101实现。处理器101可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器101中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器101可以是通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecific IntegratedCircuit，ASIC)、现成可编程门阵列(FieldProgrammableGateArray，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。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。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。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器102，处理器101读取存储器102中的信息，结合其硬件完成上述方法的步骤。

可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPDevice，DSPD)、可编程逻辑设备(PLD)、现场可编程门阵列(FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。

对于软件实现，可通过执行本文所述功能的单元来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的实施例中，应该理解到，方法实施例的步骤之间除非存在明确的先后顺序，否则执行顺序可任意调整。所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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。

所述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例方案的目的。

另外，在本发明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。

所述功能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，本发明实施例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)执行本发明各个实施例所述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、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

图2为本发明实施例提供的一种盲区障碍物处理方法流程图。该方法的执行主体为车载设备。

如图2所示，本实施例公开的盲区障碍物处理方法可包括以下步骤201至205：

201、获取图像传感器采集的图像信息。

202、确定图像信息中的障碍物信息。

203、基于障碍物信息以及图像传感器的盲区边界，确定盲区障碍物。

204、在确定盲区障碍物后，在图像传感器的前方预设距离生成模拟障碍物。

205、在生成模拟障碍物后，基于预设自动驾驶策略控制车辆。

本实施例中，图像传感器可以为摄像头。图像传感器安装在车辆上且与车载设备通信连接。

本实施例中，确定图像信息中的障碍物信息，可包括以下三个步骤：

步骤一：确定图像信息中障碍物的边缘信息。

步骤二：对边缘信息进行冗余处理，得到冗余信息。

步骤三：确定边缘信息和冗余信息为障碍物信息。

本实施例中，可采用现有障碍物检测技术来确定图像信息中的障碍物，本实施例不再赘述。在确定图像信息中的障碍物后，可得到图像信息对应的MASK(掩膜)图。

本实施例中，MASK图中包含有限数量颜色的图，每一种颜色代表一个种类的物体，例如，黑色表示障碍物，灰色表示道路，白色表示车位。

本实施例中，在得到图像信息对应的MASK图后，可从MASK图中确定障碍物的边缘信息。

图3为本发明实施例提供的一种图像传感器采集的图像示意图。图3中，障碍物3位于车道4内，附图标记5表示车道4的车道线。采用现有障碍物检测技术对图4进行障碍物检测，可确定图4中的障碍物3。在确定图4中的障碍物3后，可得到图像传感器采集的图像对应的MASK图。

图4为图3所示的图像对应的MASK图经过坐标变换后得到的车辆坐标系下的三维图像，坐标变换方法例如为反投影变换法。图4中障碍物3'与地面之间的交线和图3中障碍物3与地面之间的交线相同。因此，障碍物与地面之间的交线能反映障碍物在车辆坐标系下的三维信息。本实施例中，障碍物的边缘信息即为障碍物与地面之间的交线。

本实施例中，为了确保障碍物的边缘信息完整，需要对边缘信息进行冗余处理，得到增加冗余信息后的边缘信息。

本实施例中，将增加冗余信息后的边缘信息作为障碍物信息，可以包含空间三维信息，为规划避障策略提供依据，从而提高规划避障策略的准确性。

本实施例中，由于图像传感器的盲区边界是车辆坐标系下的边界，因此，可基于障碍物信息对应的三维图像信息，确定障碍物是否位于图像传感器的盲区边界。进而在确定障碍物位于图像传感器的盲区边界后，可确定图像传感器的盲区存在障碍物。

本实施例中，可基于图像传感器的视场及位姿，确定图像传感器的盲区边界。

本实施例中，在确定盲区障碍物后，通过在图像传感器的前方预设距离生成模拟障碍物，触发盲区障碍物应急处理，为自动驾驶规划控制提供依据。

本实施例中，在图像传感器的前方预设距离生成模拟障碍物，预设距离可基于车辆的最小安全距离、制动性能等中的一种或多种组合确定。预设距离的设置可保证触发盲区障碍物应急处理后，车辆采取紧急避障、转向或变道等措施后不会与障碍物发生碰撞。

本实施例中，对于同一车型的不同车辆，预设距离相同。对于不同车型的车辆，预设距离不同。

本实施例中，在生成模拟障碍物后，基于预设自动驾驶策略控制车辆，实现车辆紧急避障、转向或变道。

本实施例中，预设自动驾驶策略包括：以最大制动力进行制动。

可见，本实施例公开的盲区障碍物处理方法，通过分析图像传感器采集的图像信息中的障碍物，并结合图像传感器的盲区边界，确定图像传感器的盲区是否存在障碍物，进而调整当前的自动驾驶策略，减少盲区障碍物对车辆自动驾驶的影响。

在一些实施例中，图像传感器采集的图像信息为二维图像信息。确定图像信息中障碍物的边缘信息，具体包括以下两个步骤：

步骤一：确定二维图像信息在车辆坐标系下的三维图像信息。

步骤二：确定三维图像信息中障碍物的边缘信息。

本实施例中，可采用现有障碍物检测技术来确定二维图像信息中的障碍物，本实施例不再赘述。在确定二维图像信息中的障碍物后，可得到二维图像信息对应的MASK图。

本实施例中，将二维图像信息对应的MASK图进行坐标变换，可得到MASK图在车辆坐标系下的三维图像信息，从而确定二维图像信息在车辆坐标系下的三维图像信息。

本实施例中，坐标变换方法可沿用现有的坐标变换方法，例如反投影变换法，本实施例不再赘述。

在一些实施例中，确定二维图像信息在车辆坐标系下的三维图像信息，具体包括以下两个步骤：

步骤一：基于预设边缘检测策略检测二维图像信息，得到二维图像中障碍物的边缘检测信息。

步骤二：确定边缘检测信息在车辆坐标系下的三维图像信息。

本实施例中，在得到二维图像信息中障碍物的边缘检测信息后，可裁剪二维图像信息，使得裁剪后的二维图像信息中障碍物仅具有所述边缘检测信息。

本实施例中，在裁剪二维图像信息后，确定裁剪后的二维图像信息对应的MASK图。将该MASK图进行坐标变换，可得到MASK图在车辆坐标系下的三维图像信息，从而确定边缘检测信息在车辆坐标系下的三维图像信息。

本实施例中，通过裁剪二维图像信息，可去除二维图像信息中冗余的障碍物信息，提高确定障碍物的边缘信息的准确性。

在一些实施例中，障碍物检测方法还包括步骤：获取图像传感器的视场信息以及位姿信息。

本实施例中，可基于图像传感器的安装位置，确定图像传感器在车辆坐标系下的位姿信息。

本实施例中，确定三维图像信息中障碍物的边缘信息，具体包括以下两个步骤：

步骤一：基于视场信息以及位姿信息，确定扫描射线的起始扫描位置以及扫描角度。

步骤二：基于起始扫描位置以及扫描角度，通过扫描射线扫描三维图像信息，得到三维图像信息中障碍物的边缘信息。

本实施例中，图4为图像传感器采集的图像转换为车辆坐标系下的三维图像的示意图，图5为图4基础上的进一步处理，目的在于确定障碍物3与地面之间的交线6。

如图5所示，点划线表示图像传感器1的视场边缘。图5中，确定交线6的方式为：以图像传感器1所在位置为端点的扫描射线，从图像传感器1的视场的左边缘向右边缘扫描，扫描射线被遮挡的位置属于障碍物3与地面之间的交线6。

在一些实施例中，对边缘信息进行冗余处理，得到冗余信息，具体为：对边缘信息进行增加像素处理，得到冗余信息。

本实施例中，冗余信息为增加的像素。

在一些实施例中，对边缘信息进行增加像素处理，得到冗余信息，具体包括以下步骤一至步骤四：

步骤一：基于边缘信息确定边缘包括的像素。

步骤二：在边缘包括的像素沿扫描射线的延伸方向增加像素。

步骤三：在位于边缘两端的像素横向增加像素。

步骤四：确定延伸方向增加的像素和横向增加的像素为冗余信息。

本实施例中，沿扫描射线的延伸方向增加的像素个数少于横向增加的像素个数。沿扫描射线的延伸方向增加的像素个数以及横向增加的像素个数均可根据实际需要确定，本实施例不限定具体取值。

在一些实施例中，图1所示的盲区障碍物处理方法还可包括以下步骤A和B：

A、获取图像传感器的视场信息以及位姿信息。

B、基于视场信息以及位姿信息，确定图像传感器的盲区边界。

本实施例中，在确定图像传感器的盲区边界后，基于障碍物信息以及图像传感器的盲区边界，确定盲区障碍物。

本实施例中，可基于图像传感器的安装位置，确定图像传感器的位姿信息。

本实施例中，图像传感器的位姿信息为车辆坐标系下的位置信息。因此，基于视场信息以及位姿信息，可确定图像传感器在车辆坐标系下的盲区边界。

在一些实施例中，基于视场信息以及位姿信息，确定图像传感器的盲区边界，具体包括以下四个步骤：

步骤一：基于位姿信息，确定图像传感器的高度以及朝向。

步骤二：基于高度以及朝向，确定图像传感器的光轴。

步骤三：基于视场信息以及光轴，确定图像传感器的视场与地面之间的交线。

步骤四：确定交线为图像传感器的盲区边界。

本实施例中，基于视场信息以及光轴，可以确定图像传感器视场的下边缘与预设平面的垂线之间的角度。预设平面为图像传感器安装位置所在的平面，且预设平面与地面平行。

本实施例中，如图6所示，图像传感器1的视场为图3中虚线所示。图像传感器视场的下边缘2与预设平面的垂线之间的角度为(90°－α)。

本实施例中，在确定图像传感器视场的下边缘与预设平面的垂线之间的角度后，可基于该角度，确定图像传感器的视场与地面之间的交线在车辆坐标系下的坐标。

本实施例中，车辆坐标系的原点可以为图像传感器安装位置。

本实施例中，在确定图像传感器的视场与地面之间的交线在车辆坐标系下的坐标后，也即确定了图像传感器的盲区边界的坐标。

在一些实施例中，基于障碍物信息以及图像传感器的盲区边界，确定盲区障碍物，具体为：将位于盲区边界的障碍物信息对应的障碍物确定为盲区障碍物。

本实施例中，以车辆为参照物，在车辆行进方向，向车辆靠近的障碍物是存在安全威胁的障碍物。

本实施例中，存在安全威胁的障碍物从图像传感器的视场内向盲区移动。当障碍物位于图像传感器的盲区边界时，说明障碍物将进入图像传感器的盲区。

本实施例中，当障碍物位于图像传感器的盲区边界时，可确定图像传感器的盲区将存在障碍物，因此，将位于盲区边界的障碍物确定为盲区障碍物。

在一些实施例中，障碍物信息为障碍物在车辆坐标系下的第一坐标。图1所示的方法还包括：确定图像传感器的盲区边界在车辆坐标系下的第二坐标。

本实施例中，将位于盲区边界的障碍物信息对应的障碍物确定为盲区障碍物，具体为：将与第二坐标之间存在部分重叠的第一坐标对应的障碍物确定为盲区障碍物。

可见，通过确定障碍物以及图像传感器的盲区边界在车辆坐标系下的坐标，并比较两者的坐标，若存在部分坐标重叠，则说明障碍物与图像传感器的盲区边界有重叠，障碍物位于图像传感器的盲区边界。

需要说明的是，以上各实施例公开的盲区障碍物处理方法，除非特殊说明组合方式，各实施例可组合为新的实施例，各实施例中的步骤除非逻辑矛盾，否则执行顺序可调。

图7为本发明实施例提供的一种盲区障碍物处理装置框图。

如图7所示，本实施例公开一种盲区障碍物处理装置，可包括以下单元：第一获取单元71、第一确定单元72、第二确定单元73、生成单元74和控制单元75。具体说明如下：

第一获取单元71，用于获取图像传感器采集的图像信息；

第一确定单元72，用于确定所述图像信息中的障碍物信息；

第二确定单元73，用于基于所述障碍物信息以及所述图像传感器的盲区边界，确定盲区障碍物；

生成单元74，用于在所述第二确定单元73确定盲区障碍物后，在所述图像传感器的前方预设距离生成模拟障碍物；

控制单元75，用于在所述生成单元74生成模拟障碍物后，基于预设自动驾驶策略控制车辆。

在一些实施例中，图7所示装置还可包括：第二获取单元76和第三确定单元77。具体说明如下：

第二获取单元76，用于获取所述图像传感器的视场信息以及位姿信息；

第三确定单元77，用于基于所述视场信息以及所述位姿信息，确定所述图像传感器的盲区边界；

所述第二确定单元73，用于在所述第三确定单元77确定所述图像传感器的盲区边界后，基于所述障碍物信息以及所述图像传感器的盲区边界，确定盲区障碍物。

在一些实施例中，所述第三确定单元77，用于基于所述位姿信息，确定所述图像传感器的高度以及朝向；基于所述高度以及朝向，确定所述图像传感器的光轴；基于所述视场信息以及所述光轴，确定所述图像传感器的视场与地面之间的交线；确定所述交线为所述图像传感器的盲区边界。

在一些实施例中，所述第二确定单元73，用于将位于所述盲区边界的障碍物信息对应的障碍物确定为盲区障碍物。

图7所示的装置还包括：第四确定单元78，用于确定所述图像传感器的盲区边界在车辆坐标系下的第二坐标；

相应地，所述第二确定单元73，用于将与所述第二坐标之间存在部分重叠的第一坐标对应的障碍物确定为盲区障碍物。

以上各实施例公开的盲区障碍物处理装置能够实现以上各方法实施例公开的盲区障碍物处理方法的流程，为避免重复，在此不再赘述。

本发明实施例还提出一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行各方法实施例所提供的盲区障碍物处理方法的步骤，例如包括：

获取图像传感器采集的图像信息；

确定所述图像信息中的障碍物信息；

在生成模拟障碍物后，基于预设自动驾驶策略控制车辆。

需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。

虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims

1.一种盲区障碍物处理方法，其特征在于，所述方法包括：

获取图像传感器采集的图像信息；

确定所述图像信息中的障碍物信息；

在生成模拟障碍物后，基于预设自动驾驶策略控制车辆。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述图像传感器的视场信息以及位姿信息；

3.根据权利要求2所述的方法，其特征在于，所述基于所述视场信息以及所述位姿信息，确定所述图像传感器的盲区边界，包括：

基于所述位姿信息，确定所述图像传感器的高度以及朝向；

基于所述高度以及朝向，确定所述图像传感器的光轴；

确定所述交线为所述图像传感器的盲区边界。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述基于所述障碍物信息以及所述图像传感器的盲区边界，确定盲区障碍物，包括：

5.根据权利要求4所述的方法，其特征在于，所述障碍物信息为障碍物在车辆坐标系下的第一坐标；

6.一种盲区障碍物处理装置，其特征在于，所述装置包括：

第一获取单元，用于获取图像传感器采集的图像信息；

第一确定单元，用于确定所述图像信息中的障碍物信息；

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

8.根据权利要求7所述的装置，其特征在于，所述第三确定单元，用于基于所述位姿信息，确定所述图像传感器的高度以及朝向；基于所述高度以及朝向，确定所述图像传感器的光轴；基于所述视场信息以及所述光轴，确定所述图像传感器的视场与地面之间的交线；确定所述交线为所述图像传感器的盲区边界。

9.根据权利要求6至8任一项所述的装置，其特征在于，所述第二确定单元，用于将位于所述盲区边界的障碍物信息对应的障碍物确定为盲区障碍物。

10.根据权利要求9所述的装置，其特征在于，所述障碍物信息为障碍物在车辆坐标系下的第一坐标；

11.一种车载设备，其特征在于，包括：

处理器、存储器、网络接口和用户接口；

所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至5任一项所述方法的步骤。

12.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至5任一项所述方法的步骤。