CN111198370B - 毫米波雷达背景检测方法、装置、电子设备及存储介质 - Google Patents

毫米波雷达背景检测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111198370B
CN111198370B CN202010003230.9A CN202010003230A CN111198370B CN 111198370 B CN111198370 B CN 111198370B CN 202010003230 A CN202010003230 A CN 202010003230A CN 111198370 B CN111198370 B CN 111198370B
Authority
CN
China
Prior art keywords
point
candidate
candidate point
background
background detection
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
CN202010003230.9A
Other languages
English (en)
Other versions
CN111198370A (zh
Inventor
李冲冲
程凯
张晔
王军
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010003230.9A priority Critical patent/CN111198370B/zh
Publication of CN111198370A publication Critical patent/CN111198370A/zh
Application granted granted Critical
Publication of CN111198370B publication Critical patent/CN111198370B/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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种毫米波雷达背景检测方法、装置、电子设备及存储介质，涉及自动驾驶技术领域。具体实现方案为：获取毫米波雷达检测的数据点图，以及所述数据点图之中每个点的相对位置以及相对速度；根据所述数据点图之中每个点的相对速度提取所述数据点图之中的静止点；根据所述静止点对应的相对位置，以及地图信息中车辆前方的交通边界位置，从所述静止点中筛选出候选点集合；根据所述候选点集合进行背景检测。本申请的方案能够有效提高背景检测精度，能有效提高自动驾驶感知系统的整体环境感知能力，解决现有技术中基于速度检测背景障碍物，背景检测精度低的技术问题。

Description

毫米波雷达背景检测方法、装置、电子设备及存储介质
技术领域
本申请涉及数据处理和自动驾驶技术领域，尤其涉及一种毫米波雷达背景检测方法、装置、电子设备及存储介质。
背景技术
在自动驾驶多传感器融合感知技术中，毫米波雷达能够检测到一系列的障碍物，从障碍物中提取出背景障碍物，有利于提高自动驾驶车辆在复杂城市场景下的整体环境感知能力。
目前，相关的毫米波雷达背景检测技术中，利用毫米波雷达测量出障碍物的速度，通过速度来判断障碍物是静止或运动，将静止的障碍物确定为背景障碍物。
但是，基于速度来检测背景障碍物的方式，容易将静止的随机噪点、静止的车辆识别为背景障碍物，背景检测的精度较低。
发明内容
本申请提出了一种毫米波雷达背景检测方法、装置、电子设备及存储介质，用于解决现有技术中基于速度检测背景障碍物，背景检测精度低的技术问题。
本申请第一方面实施例提出了一种毫米波雷达背景检测方法，包括：
获取毫米波雷达检测的数据点图，以及所述数据点图之中每个点的相对位置以及相对速度；
根据所述数据点图之中每个点的相对速度提取所述数据点图之中的静止点；
根据所述静止点对应的相对位置，以及地图信息中车辆前方的交通边界位置，从所述静止点中筛选出候选点集合；以及
根据所述候选点集合进行背景检测。
本申请实施例的毫米波雷达背景检测方法，通过获取毫米波雷达检测的数据点图以及数据点图之中每个点的相对位置以及相对速度，根据数据点图之中每个点的相对速度提取数据点图之中的静止点，根据静止点对应的相对位置以及地图信息中车辆前方的交通边界位置，从静止点中筛选出候选点集合，进而根据候选点集合进行背景检测。由此，通过根据静止点的相对位置以及地图信息中车辆前方的交通边界位置筛选出候选点集合进行背景检测，在背景检测时考虑了背景障碍物的位置特征，能够有效提高背景检测精度，能有效提高自动驾驶感知系统的整体环境感知能力。
在本申请实施例一种可能的实现方式中，所述根据所述数据点图之中每个点的相对速度提取所述数据点图之中的静止点，包括：
获取所述车辆的当前车速；以及
根据所述车辆的当前车速和所述每个点的相对速度提取所述数据点图之中的静止点。
由此，获取车辆的当前车速，根据车辆的当前车速和每个点的相对速度提取数据点图之中的静止点，实现了基于速度的初步背景检测，从获取的数据点图中筛选出可能是背景障碍物的静止点，能够减少后续处理的计算量。
在本申请实施例一种可能的实现方式中，所述根据所述静止点对应的相对位置，以及地图信息中车辆前方的交通边界位置，从所述静止点中筛选出候选点集合，包括：
获取所述车辆的当前位置；
根据所述静止点对应的相对位置和所述车辆的当前位置获取所述静止点的实际位置；
根据所述静止点的实际位置与所述交通边界位置对所述静止点进行筛选以形成所述候选点集合。
由此，通过获取车辆的当前位置，根据静止点对应的相对位置和车辆的当前位置获取静止点的实际位置，根据静止点的实际位置与交通边界位置对静止点进行筛选以形成候选点集合，实现了基于交通边界位置的候选点的挖掘，考虑了背景障碍物的位置特征，为通过背景检测的精度提供了条件。
在本申请实施例一种可能的实现方式中，所述根据所述静止点的实际位置与所述交通边界位置对所述静止点进行筛选以形成所述候选点集合，包括：
根据所述静止点的实际位置与所述交通边界位置，计算所述静止点的实际位置与交通边界之间的距离；
如果所述距离小于预设阈值，则将所述静止点加入所述候选点集合。
由此，通过根据静止点的实际位置与交通边界位置，计算静止点的实际位置与交通边界之间的距离，将距离小于预设阈值的静止点确定为候选点加入候选点集合，实现了基于交通边界位置的候选点的挖掘，考虑了背景障碍物的位置特征，为通过背景检测的精度提供了条件。
在本申请实施例一种可能的实现方式中，所述根据所述候选点集合进行背景检测，包括：
根据所述候选点集合，构建以所述候选点集合中的每个候选点为第一候选点，以所述第一候选点和第二候选点之间的距离和方向为边的图结构，其中，所述第二候选点为所述候选点集合中与所述第一候选点之间的距离满足预设距离条件的候选点；
从所述图结构中提取出满足预设条件的种子节点，并沿所述种子节点的边方向进行搜索以形成候选背景链；
对所述候选背景链之中的节点进行拟合，确定出背景点。
由此，通过根据候选点集合，构建以候选点集合中的每个候选点为第一候选点，以第一候选点和第二候选点之间的距离和方向为边的图结构，第二候选点为候选点集合中与第一候选点之间的距离满足预设距离条件的候选点，从图结构中提取出满足预设条件的种子节点，并沿种子节点的边方向进行搜索以形成候选背景链，对候选背景链之中的节点进行拟合，确定出背景点，实现了基于背景障碍物形态的背景检测，有利于提高背景检测精度。
在本申请实施例一种可能的实现方式中，所述沿所述种子节点的边方向进行搜索以形成候选背景链，包括：
S1，根据所述种子节点的边方向和预设的方向偏差阈值，确定目标搜索范围；
S2，在所述目标搜索范围内进行搜索，获取搜索到的至少一个目标节点并将所述至少一个目标节点加入目标节点集合；
S3，根据搜索到的每个所述目标节点的边方向和所述方向偏差阈值，更新所述目标搜索范围；
S4，重复执行步骤S2和步骤S3，直至在所述目标搜索范围内未搜索到目标节点；
S5，利用所述目标节点集合形成所述候选背景链。
由此，通过根据种子节点的边方向和预设的方向偏差阈值，确定目标搜索范围，在目标搜索范围内进行搜索，获取搜索到的至少一个目标节点并将至少一个目标节点加入目标节点集合，根据搜索到的每个目标节点的边方向和方向偏差阈值，更新目标搜索范围，并在更新后的目标搜索范围内进行搜索，直至在目标搜索范围内未搜索到目标节点，能够搜索到边方向上尽可能多的节点形成候选背景链，降低属于背景障碍物的点被遗漏，为提高背景检测精度提供条件。
本申请第二方面实施例提出了一种毫米波雷达背景检测装置，包括：
获取模块，用于获取毫米波雷达检测的数据点图，以及所述数据点图之中每个点的相对位置以及相对速度；
提取模块，用于根据所述数据点图之中每个点的相对速度提取所述数据点图之中的静止点；
生成模块，用于根据所述静止点对应的相对位置，以及地图信息中车辆前方的交通边界位置，从所述静止点中筛选出候选点集合；
检测模块，用于根据所述候选点集合进行背景检测。
本申请实施例的毫米波雷达背景检测方法，通过获取毫米波雷达检测的数据点图以及数据点图之中每个点的相对位置以及相对速度，根据数据点图之中每个点的相对速度提取数据点图之中的静止点，根据静止点对应的相对位置以及地图信息中车辆前方的交通边界位置，从静止点中筛选出候选点集合，进而根据候选点集合进行背景检测。由此，通过根据静止点的相对位置以及地图信息中车辆前方的交通边界位置筛选出候选点集合进行背景检测，在背景检测时考虑了背景障碍物的位置特征，能够有效提高背景检测精度，能有效提高自动驾驶感知系统的整体环境感知能力。
在本申请实施例一种可能的实现方式中，所述提取模块，具体用于：
获取所述车辆的当前车速；
根据所述车辆的当前车速和所述每个点的相对速度提取所述数据点图之中的静止点。
在本申请实施例一种可能的实现方式中，所述生成模块，包括：
位置获取单元，用于获取所述车辆的当前位置；
位置计算单元，用于根据所述静止点对应的相对位置和所述车辆的当前位置获取所述静止点的实际位置；
生成单元，用于根据所述静止点的实际位置与所述交通边界位置对所述静止点进行筛选以形成所述候选点集合。
在本申请实施例一种可能的实现方式中，所述生成单元，具体用于：
根据所述静止点的实际位置与所述交通边界位置，计算所述静止点的实际位置与交通边界之间的距离；
如果所述距离小于预设阈值，则将所述静止点加入所述候选点集合。
在本申请实施例一种可能的实现方式中，所述检测模块，包括：
构建单元，用于根据所述候选点集合，构建以所述候选点集合中的每个候选点为第一候选点，以所述第一候选点和第二候选点之间的距离和方向为边的图结构，其中，所述第二候选点为所述候选点集合中与所述第一候选点之间的距离满足预设距离条件的候选点；
搜索单元，用于从所述图结构中提取出满足预设条件的种子节点，并沿所述种子节点的边方向进行搜索以形成候选背景链；
拟合单元，用于对所述候选背景链之中的节点进行拟合，确定出背景点。
在本申请实施例一种可能的实现方式中，所述搜索单元，具体用于：
根据所述种子节点的边方向和预设的方向偏差阈值，确定目标搜索范围；
在所述目标搜索范围内进行搜索，获取搜索到的至少一个目标节点并将所述至少一个目标节点加入目标节点集合；
根据搜索到的每个所述目标节点的边方向和所述方向偏差阈值，更新所述目标搜索范围；
在所述更新后的目标搜索范围内进行搜索，直至在所述目标搜索范围内未搜索到目标节点；
利用所述目标节点集合形成所述候选背景链。
本申请第三方面实施例提出了一种电子设备，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前述第一方面实施例所述的毫米波雷达背景检测方法。
本申请第四方面实施例提出了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前述第一方面实施例所述的毫米波雷达背景检测方法。
上述申请中的一个实施例具有如下优点或有益效果：
获取毫米波雷达检测的数据点图以及数据点图之中每个点的相对位置以及相对速度，根据数据点图之中每个点的相对速度提取数据点图之中的静止点，根据静止点对应的相对位置以及地图信息中车辆前方的交通边界位置，从静止点中筛选出候选点集合，进而根据候选点集合进行背景检测。由此，通过根据静止点的相对位置以及地图信息中车辆前方的交通边界位置筛选出候选点集合进行背景检测，在背景检测时考虑了背景障碍物的位置特征，能够有效提高背景检测精度，能有效提高自动驾驶感知系统的整体环境感知能力。因为采用根据静止点对应的相对位置以及地图信息中车辆前方的交通边界位置，从静止点中筛选出候选点集合，根据候选点集合进行背景检测的技术手段，在进行背景检测时考虑了背景障碍物的位置特征，而非仅基于速度进行背景检测，能够有效提高背景检测精度，所以克服了现有技术中基于速度检测背景障碍物，背景检测精度低的技术问题。
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是根据本申请第一实施例的毫米波雷达背景检测方法的流程示意图；
图2是根据本申请第二实施例的毫米波雷达背景检测方法的流程示意图；
图3是根据本申请第三实施例的毫米波雷达背景检测方法的流程示意图；
图4是根据本申请第四实施例的毫米波雷达背景检测装置的结构示意图；
图5是根据本申请第五实施例的毫米波雷达背景检测装置的结构示意图；
图6是根据本申请第六实施例的毫米波雷达背景检测装置的结构示意图；
图7是用来实现本申请实施例的毫米波雷达背景检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。
下面参考附图描述本申请的毫米波雷达背景检测方法、装置、电子设备及存储介质。
在自动驾驶多传感器融合感知技术中，毫米波雷达作为其中一种传感器，可以检测到一系列障碍物。障碍物中包含运动或静止的车辆、行人、路沿、栅栏等，其中，车辆、行人等障碍物属于前景障碍物，而路沿、栅栏等障碍物属于背景障碍物。毫米波雷达背景检测就是从毫米波雷达的环境感知数据中提取出其中的背景障碍物，这有利于提高自动驾驶车辆在复杂城市场景下的整体环境感知能力。
目前，在毫米波背景检测中，仅利用障碍物的速度信息来区分前景障碍物和背景障碍物。具体地，毫米波雷达可以测量出障碍物的速度，根据速度判断障碍物是静止或运动，将运动的障碍物确定为前景障碍物，将静止的障碍物确定为背景障碍物。
然而，基于速度来检测背景障碍物的方式，容易将静止的随机噪点、静止的车辆识别为背景障碍物，背景检测的精度较低。
针对上述问题，本申请提出了一种毫米波雷达背景检测方法，通过根据静止点的相对位置以及地图信息中车辆前方的交通边界位置筛选出候选点集合进行背景检测，在背景检测时考虑了背景障碍物的位置特征，而非仅考虑障碍物的速度信息，从而避免了将静止的车辆确定为背景障碍物，能够有效提高背景检测精度，能有效提高自动驾驶感知系统的整体环境感知能力。
具体而言，图1是根据本申请第一实施例的毫米波雷达背景检测方法的流程示意图，该方法可以由本申请提出的毫米波雷达背景检测装置执行，也可以由电子设备执行，其中，电子设备可以是服务器，也可以是台式电脑、笔记本电脑等终端设备，本申请对此不作限制。下面以本申请提出的毫米波雷达背景检测装置执行本申请的毫米波雷达背景检测方法作为示例来解释说明本申请。
如图1所示，该毫米波雷达背景检测方法，包括以下步骤：
步骤101，获取毫米波雷达检测的数据点图，以及数据点图之中每个点的相对位置以及相对速度。
按雷达的频段进行分类，雷达可以分为超视距雷达、微波雷达、毫米波雷达、激光雷达等。本申请实施例中，使用毫米波雷达进行背景检测。
毫米波雷达是工作在毫米波波段探测的雷达，是测量被测物体相对距离、相对速度、方位的高精度传感器。
本实施例中，可以在车辆上安装毫米波雷达，通过天线向外发射毫米波，并接收毫米波到达障碍物后发生反射而形成的反射信号，通过对发射信号和反射信号进行处理后，能够快速准确地获取车辆周围的物理环境信息，比如，车辆与其他物体之间的相对距离、相对速度、角度、运动方向等。
毫米波雷达采集的数据是一系列点组成的数据点图，每个点的信息可以包括相对距离、相对速度、运动方向等。从而，本实施例中，毫米波雷达背景检测装置可以获取毫米波雷达检测的数据点图，并获取数据点图中每个点的相对位置以及相对速度。其中，相对位置可以包括被测物体的相对距离和角度，相对速度包括速度大小和运动方向。
步骤102，根据数据点图之中每个点的相对速度提取数据点图之中的静止点。
本实施例中，获取了数据点图中每个点的相对速度之后，可以根据各个点的相对速度，从数据点图中筛选出静止点。
能够理解的是，对于一个运动的物体，当另一物体相对于该物体的速度相同时，另一物体可能是静止的，进一步地，当另一物体相对于该物体的运动方向与该物体的运动方向相反时，则可以确定另一物体是静止的。从而，本申请实施例中，可以根据车辆当前的速度和各个点的相对速度，从数据点图中提取出静止点。
在本申请实施例一种可能的实现方式中，可以获取车辆的当前速度，根据车辆的当前车速和每个点的相对速度提取数据点图之中的静止点。其中，车辆的当前车速，是指雷达检测到数据点图中点的相对速度时的速度，也就是说，应当同时获取车辆的当前车速和各个点的相对速度。当点的相对速度与车辆的当前车速相比，速度大小相同且运动方向相反时，可以确定该点为静止点，基于此，可以从数据点图中提取出所有的静止点。
步骤103，根据静止点对应的相对位置，以及地图信息中车辆前方的交通边界位置，从静止点中筛选出候选点集合。
其中，地图信息可以是高精度地图中记录的信息，高精度地图中记录了交通边界信息，因此可以从高精度地图中获取地图信息，再根据车辆当前的位置信息，从地图信息中获取车辆前方的交通边界位置，交通边界包括但不限于路沿、车道线等。
本实施例中，从数据点图中提取出静止点之后，可以根据每个静止点的相对位置和车辆前方的交通边界位置，从静止点中筛选出候选点集合。
交通边界位置在高精地图的地图信息中是以一系列的点的形式记录的，并记录了每个点的实际位置信息，可以利用经纬度表示。本实施例中，可以根据各个静止点的相对位置和交通边界的每个点的实际位置信息，从静止点中筛选出候选点。比如，可以将距离交通边界较近的点选取为候选点，所有的候选点组成了候选点集合。
步骤104，根据候选点集合进行背景检测。
本实施例中，确定了候选点集合之后，可以根据候选点集合进行背景检测。由于候选点集合中的各个候选点是距离交通边界较近的点，可以将候选点集合中的候选点作为背景检测结果输出，也可以经进一步处理后，将处理后得到的背景点作为背景检测结果输出，进一步处理的过程将在后续实施例中进行详细说明，此处不作赘述。
路沿、栅栏等背景障碍物通常紧邻道路的交通边界，比如路沿位于道路边界、栅栏位于车道线附近，因此本实施例中，根据静止点的相对位置和地图信息中车辆前方的交通边界位置，从静止点中筛选出候选点集合进行背景检测，考虑了路沿、栅栏等背景障碍物的位置特征，能够有效提高背景检测的精度。
本实施例的毫米波雷达背景检测方法，通过获取毫米波雷达检测的数据点图以及数据点图之中每个点的相对位置以及相对速度，根据数据点图之中每个点的相对速度提取数据点图之中的静止点，根据静止点对应的相对位置以及地图信息中车辆前方的交通边界位置，从静止点中筛选出候选点集合，进而根据候选点集合进行背景检测。由此，通过根据静止点的相对位置以及地图信息中车辆前方的交通边界位置筛选出候选点集合进行背景检测，在背景检测时考虑了背景障碍物的位置特征，能够有效提高背景检测精度，能有效提高自动驾驶感知系统的整体环境感知能力。
图2是根据本申请第二实施例的毫米波雷达背景检测方法的流程示意图。如图2所示，在如图1所示实施例的基础上，步骤103可以包括以下步骤：
步骤201，获取车辆的当前位置。
其中，车辆的当前位置可以从车载定位装置中获取，车载定位装置比如可以是车载GPS终端等能够获取车辆位置的设备。
步骤202，根据静止点对应的相对位置和车辆的当前位置获取静止点的实际位置。
本实施例中，静止点对应的相对位置是相对于车辆而言的，而非静止点的实际位置，根据静止点的相对位置和车辆的当前位置，可以确定静止点的实际位置。其中，静止点的实际位置是具体的位置信息，可以利用经度和纬度表示。
步骤203，根据静止点的实际位置与交通边界位置对静止点进行筛选以形成候选点集合。
本实施例中，确定了静止点的实际位置之后，可以根据静止点的实际位置和交通边界位置，从静止点中筛选出候选点，利用筛选出的候选点组成候选点集合。
作为一种可能的实现方式，可以根据静止点的实际位置与交通边界位置，计算静止点的实际位置与交通边界之间的距离，如果距离小于预设阈值，则将静止点加入候选点集合。其中，预设阈值可以预先设定。
交通边界位置在高精度地图中的以一系列的点的形式记录的，在计算静止点与交通边界之间的距离时，针对每个静止点，可以根据静止点的实际位置和交通边界位置，从交通边界对应的一系列的点中的第一个点开始，依次计算该静止点到相邻两个交通边界的点连成的线段之间的垂直距离，从所有的垂直距离中选择最小的距离，作为该静止点的实际位置与交通边界之间的距离，即该静止点到该交通边界的距离。若该静止点到该交通边界的距离小于预设阈值，则将该静止点选取为候选点加入候选点集合中。利用上述方式，能够确定静止点到所有交通边界的距离，若所有距离中存在小于预设阈值的距离值，则将该静止点选取为候选点加入候选点集合中。
此外，在筛选候选点时，还可以确定候选点对应的交通边界，具体地，若候选点到某一交通边界的距离小于该候选点到其他交通边界的距离，则将该交通边界确定为该候选点对应的交通边界，并记录该候选点对应的交通边界的延伸方向。
本实施例的毫米波雷达背景检测方法，通过获取车辆的当前位置，根据静止点对应的相对位置和车辆的当前位置获取静止点的实际位置，根据静止点的实际位置与交通边界位置对静止点进行筛选以形成候选点集合，由此，实现了基于交通边界位置的候选点的挖掘，考虑了背景障碍物的位置特征，为通过背景检测的精度提供了条件。
图3是根据本申请第三实施例的毫米波雷达背景检测方法的流程示意图。如图3所述，在前述实施例的基础上，根据候选点集合进行背景检测，可以包括以下步骤：
步骤300，根据候选点集合，构建以候选点集合中的每个候选点为第一候选点，以第一候选点和第二候选点之间的距离和方向为边的图结构，其中，第二候选点为候选点集合中与第一候选点之间的距离满足预设距离条件的候选点。
其中，预设距离条件可以预先设定，比如，预设距离条件可以是两点之间的距离小于预设距离阈值，且在同一方向上为最小距离。
本实施例中，可以对候选点集合进行建图，对候选点集合中的每个候选点，以该候选点为一个节点，记为第一候选点，计算候选点集合中，除该节点外的其他每个候选点与该节点之间的距离和方向，距离和方向可以根据各点对应的坐标(比如实际位置的经度和纬度)计算得到。若某一候选点到该节点的距离小于预设距离阈值，且该候选点到该节点的距离是相同方向上的所有候选点到该节点的各个距离中的最小距离，则该候选点即为第二候选点，在该第一点和该候选点之间建立一条边，即在第一候选点和第二候选点之间建立边，该边的属性值即为该第二候选点与该第一候选点之间的距离和方向。将候选点集合中的每个候选点依次作为第一候选点，计算第一候选点与其他候选点之间的距离和方向，并根据计算得到的距离寻找到对应的第二候选点，以第一候选点和第二候选点之间的距离和方向建立边，得到图结构。
步骤301，从图结构中提取出满足预设条件的种子节点，并沿种子节点的边方向进行搜索以形成候选背景链。
其中，预设条件可以预先设定，预设条件比如可以是至少包含两条边，且两条边的方向之间的角度差达到第一预设角度阈值，并且，两条边的方向与候选点对应的交通边界的延伸方向之间的角度差均小于第二预设角度阈值。其中，第一预设角度阈值和第二预设角度阈值可以预先设定，且第一预设角度阈值大于第二预设角度阈值，第一预设角度阈值满足两条边的方向相差接近180度，比如，第一预设角度阈值可以设置为175度，第二预设角度阈值满足两条边的方向与候选点对应的交通边界的延伸方向接近平行，比如，第二预设角度阈值可以设置为5度。
本实施例中，根据候选点集合构建得到图结构之后，可以从图结构中筛选出满足预设条件的种子节点。
比如，若图结构中，某一候选点包括至少两条边，且该候选点的所有边中，存在两条边的方向相差接近180度，即两条边的另外两个端点大约在该候选点的两侧，并且，这两条边的方向与该候选点对应的交通边界的延伸方向接近平行，则确定该候选点为种子节点。其中，候选点对应的交通边界的延伸方向可以在确定候选点集合时获取，具体获取方式参见前述实施例中的相关描述，此处不再赘述。
需要说明的是，当候选点对应的交通边界整体为曲线形状时，两条边的方向与候选点对应的交通边界的延伸方向接近平行，是指两条边的方向与候选点对应的交通边界上切分的小线段的延伸方向接近平行。前文提到，交通边界在高精度地图中是以一系列的点的形式记录的，相邻两点之间形成一个小线段，则可以将候选点的两条边的方向与交通边界上和候选点距离较近的小线段的延伸方向进行比较，判断两条边的方向是否均与小线段的延时方向接近平行，以判断候选点是否为种子节点。
接着，从图结构中提取出满足预设条件的种子节点后，可以沿种子节点的边方向进行搜索以形成候选背景链。
在本申请实施例一种可能的实现方式中，沿种子节点的边方向进行搜索以形成候选背景链，包括：
S1，根据种子节点的边方向和预设的方向偏差阈值，确定目标搜索范围；
S2，在目标搜索范围内进行搜索，获取搜索到的至少一个目标节点并将至少一个目标节点加入目标节点集合；
S3，根据搜索到的每个目标节点的边方向和方向偏差阈值，更新目标搜索范围；
S4，重复执行步骤S2和步骤S3，直至在目标搜索范围内未搜索到目标节点；
S5，利用目标节点集合形成候选背景链。
其中，方向偏差阈值可以预先设定，比如设置为3度、5度等。
如前文所述，种子节点需要满足的条件之一是包括两条方向相差接近180度的两条边，在搜索节点以形成候选背景链时，针对每个种子节点，可以种子节点为起点，沿着两条边的边方向分别进行搜索，搜索方向允许偏差预设的方向偏差阈值，即在根据种子节点的边方向和预设的方向偏差阈值确定的目标搜索范围内进行搜索，记录搜索到的每个目标节点，将搜索到的目标节点加入目标节点集合中，并且，在搜索到目标节点时，再根据目标节点的边方向和预设的方向偏差阈值，更新目标搜索范围，并在更新后的目标搜索范围内进行搜索，若搜索到新的目标节点，则将新搜索到的目标节点也加入目标节点集合中，并根据新搜索到的目标节点的边方向和预设的方向偏差阈值，再次更新目标搜索范围，在更新后的目标搜索范围内进行搜索，重复上述搜索目标节点——更新目标搜索范围——在更新后的目标搜索范围内进行搜索——搜索目标节点的过程，直到在目标搜索范围内无节点，搜索完成，进而利用目标节点集合中的所有目标节点形成候选背景链。由于目标节点集合中记录的是每次在目标搜索范围内搜索到的目标节点，且搜索是以种子节点为起点，沿种子节点的边方向逐渐深入的，因此搜索到的目标节点与种子节点的边方向偏差不大，目标节点集合中的目标节点属于同一背景障碍物的概率较大，因此可以目标节点集合形成候选背景链进行背景检测。
步骤302，对候选背景链之中的节点进行拟合，确定出背景点。
本实施例中，针对每个候选背景链，对该候选背景链中的节点进行拟合，比如，可以采用随机采样一致性算法进行多项式拟合，从该候选背景链中的节点中筛选出离拟合曲线较近的点作为最终的背景点，背景点可以组成一个背景障碍物。本实施例中，筛选出的背景点即为背景检测结果，可以输出这些背景点，以辅助自动驾驶车辆的安全运行。
路沿、栅栏等背景障碍物通常具有一定形态，比如直线、光滑曲线等，本实施例中，在选取种子节点时，将候选点的边方向与交通边界的延伸方向进行比较，选取边方向与交通边界的延伸方向接近平行的候选点为种子节点，考虑了背景障碍物的形态特征，有利于提高背景检测精度。
本实施例的毫米波雷达背景检测方法，通过根据候选点集合，构建以候选点集合中的每个候选点为第一候选点，以第一候选点和第二候选点之间的距离和方向为边的图结构，第二候选点为候选点集合中与第一候选点之间的距离满足预设距离条件的候选点，从图结构中提取出满足预设条件的种子节点，并沿种子节点的边方向进行搜索以形成候选背景链，对候选背景链之中的节点进行拟合，确定出背景点，由此，实现了基于背景障碍物形态的背景检测，有利于提高背景检测精度。
根据本申请的实施例，本申请还提出一种毫米波雷达背景检测装置。
图4是根据本申请第四实施例的毫米波雷达背景检测装置的结构示意图。如图4所示，该毫米波雷达背景检测装置40包括：获取模块410、提取模块420、生成模式430，以及检测模块440。
其中，获取模块410，用于获取毫米波雷达检测的数据点图，以及所述数据点图之中每个点的相对位置以及相对速度。
提取模块420，用于根据所述数据点图之中每个点的相对速度提取所述数据点图之中的静止点。
生成模块430，用于根据所述静止点对应的相对位置，以及地图信息中车辆前方的交通边界位置，从所述静止点中筛选出候选点集合。
检测模块440，用于根据所述候选点集合进行背景检测。
在本申请实施例一种可能的实现方式中，提取模块420，具体用于：获取所述车辆的当前车速；根据所述车辆的当前车速和所述每个点的相对速度提取所述数据点图之中的静止点。
在本申请实施例一种可能的实现方式中，如图5所示，在如图4所示实施例的基础上，生成模块430包括：
位置获取单元431，用于获取所述车辆的当前位置。
位置计算单元432，用于根据所述静止点对应的相对位置和所述车辆的当前位置获取所述静止点的实际位置。
生成单元433，用于根据所述静止点的实际位置与所述交通边界位置对所述静止点进行筛选以形成所述候选点集合。
进一步地，在本申请实施例一种可能的实现方式中，生成单元433具体用于：根据所述静止点的实际位置与所述交通边界位置，计算所述静止点的实际位置与交通边界之间的距离；如果所述距离小于预设阈值，则将所述静止点加入所述候选点集合。
在本申请实施例一种可能的实现方式中，如图6所示，在如图4所示实施例的基础上，检测模块440包括：
构建单元441，用于根据所述候选点集合，构建以所述候选点集合中的每个候选点为第一候选点，以所述第一候选点和第二候选点之间的距离和方向为边的图结构，其中，所述第二候选点为所述候选点集合中与所述第一候选点之间的距离满足预设距离条件的候选点；
搜索单元442，用于从所述图结构中提取出满足预设条件的种子节点，并沿所述种子节点的边方向进行搜索以形成候选背景链。
拟合单元443，用于对所述候选背景链之中的节点进行拟合，确定出背景点。
进一步地，在本申请实施例一种可能的实现方式中，搜索单元442，具体用于：根据所述种子节点的边方向和预设的方向偏差阈值，确定目标搜索范围；在所述目标搜索范围内进行搜索，获取搜索到的至少一个目标节点并将所述至少一个目标节点加入目标节点集合；根据搜索到的每个所述目标节点的边方向和所述方向偏差阈值，更新所述目标搜索范围；在所述更新后的目标搜索范围内进行搜索，直至在所述目标搜索范围内未搜索到目标节点；利用所述目标节点集合形成所述候选背景链。
需要说明的是，前述对毫米波雷达背景检测方法实施例的解释说明，也适用于本申请实施例的毫米波雷达背景检测装置，其实现原理类似，此处不再赘述。
本申请实施例的毫米波雷达背景检测装置，通过获取毫米波雷达检测的数据点图以及数据点图之中每个点的相对位置以及相对速度，根据数据点图之中每个点的相对速度提取数据点图之中的静止点，根据静止点对应的相对位置以及地图信息中车辆前方的交通边界位置，从静止点中筛选出候选点集合，进而根据候选点集合进行背景检测。由此，通过根据静止点的相对位置以及地图信息中车辆前方的交通边界位置筛选出候选点集合进行背景检测，在背景检测时考虑了背景障碍物的位置特征，能够有效提高背景检测精度，能有效提高自动驾驶感知系统的整体环境感知能力。
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7所示，是根据本申请实施例的毫米波雷达背景检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7所示，该电子设备包括：一个或多个处理器701、存储器702，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701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702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7中以一个处理器701为例。
存储器702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702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701执行本申请所提供的毫米波雷达背景检测方法。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毫米波雷达背景检测方法。
存储器702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毫米波雷达背景检测方法对应的程序指令/模块(例如，附图4所示的获取模块410、提取模块420、生成模块430以及检测模块440)。处理器701通过运行存储在存储器702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毫米波雷达背景检测方法。
存储器702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执行毫米波雷达背景检测方法的电子设备的使用所创建的数据等。此外，存储器702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702可选包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至执行毫米波雷达背景检测方法的电子设备。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。
执行毫米波雷达背景检测方法的电子设备还可以包括：输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接，图7中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息，以及产生与执行毫米波雷达背景检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704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。
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 (12)

1.一种毫米波雷达背景检测方法，其特征在于，包括：
获取毫米波雷达检测的数据点图，以及所述数据点图之中每个点的相对位置以及相对速度；
根据所述数据点图之中每个点的相对速度提取所述数据点图之中的静止点；
根据所述静止点对应的相对位置，以及地图信息中车辆前方的交通边界位置，从所述静止点中筛选出候选点集合；以及
根据所述候选点集合进行背景检测；
所述根据所述候选点集合进行背景检测，包括：
根据所述候选点集合，构建以所述候选点集合中的每个候选点为第一候选点，以所述第一候选点和第二候选点之间的距离和方向为边的图结构，其中，所述第二候选点为所述候选点集合中与所述第一候选点之间的距离满足预设距离条件的候选点；
从所述图结构中提取出满足预设条件的种子节点，并沿所述种子节点的边方向进行搜索以形成候选背景链；
对所述候选背景链之中的节点进行拟合，确定出背景点。
2.如权利要求1所述的背景检测方法，其特征在于，所述根据所述数据点图之中每个点的相对速度提取所述数据点图之中的静止点，包括：
获取所述车辆的当前车速；以及
根据所述车辆的当前车速和所述每个点的相对速度提取所述数据点图之中的静止点。
3.如权利要求1所述的背景检测方法，其特征在于，所述根据所述静止点对应的相对位置，以及地图信息中车辆前方的交通边界位置，从所述静止点中筛选出候选点集合，包括：
获取所述车辆的当前位置；
根据所述静止点对应的相对位置和所述车辆的当前位置获取所述静止点的实际位置；
根据所述静止点的实际位置与所述交通边界位置对所述静止点进行筛选以形成所述候选点集合。
4.如权利要求3所述的背景检测方法，其特征在于，所述根据所述静止点的实际位置与所述交通边界位置对所述静止点进行筛选以形成所述候选点集合，包括：
根据所述静止点的实际位置与所述交通边界位置，计算所述静止点的实际位置与交通边界之间的距离；
如果所述距离小于预设阈值，则将所述静止点加入所述候选点集合。
5.如权利要求1所述的背景检测方法，其特征在于，所述沿所述种子节点的边方向进行搜索以形成候选背景链，包括：
S1，根据所述种子节点的边方向和预设的方向偏差阈值，确定目标搜索范围；
S2，在所述目标搜索范围内进行搜索，获取搜索到的至少一个目标节点并将所述至少一个目标节点加入目标节点集合；
S3，根据搜索到的每个所述目标节点的边方向和所述方向偏差阈值，更新所述目标搜索范围；
S4，重复执行步骤S2和步骤S3，直至在所述目标搜索范围内未搜索到目标节点；
S5，利用所述目标节点集合形成所述候选背景链。
6.一种毫米波雷达背景检测装置，其特征在于，包括：
获取模块，用于获取毫米波雷达检测的数据点图，以及所述数据点图之中每个点的相对位置以及相对速度；
提取模块，用于根据所述数据点图之中每个点的相对速度提取所述数据点图之中的静止点；
生成模块，用于根据所述静止点对应的相对位置，以及地图信息中车辆前方的交通边界位置，从所述静止点中筛选出候选点集合；
检测模块，用于根据所述候选点集合进行背景检测；
所述检测模块，包括：
构建单元，用于根据所述候选点集合，构建以所述候选点集合中的每个候选点为第一候选点，以所述第一候选点和第二候选点之间的距离和方向为边的图结构，其中，所述第二候选点为所述候选点集合中与所述第一候选点之间的距离满足预设距离条件的候选点；
搜索单元，用于从所述图结构中提取出满足预设条件的种子节点，并沿所述种子节点的边方向进行搜索以形成候选背景链；
拟合单元，用于对所述候选背景链之中的节点进行拟合，确定出背景点。
7.如权利要求6所述的背景检测装置，其特征在于，所述提取模块，具体用于：
获取所述车辆的当前车速；
根据所述车辆的当前车速和所述每个点的相对速度提取所述数据点图之中的静止点。
8.如权利要求6所述的背景检测装置，其特征在于，所述生成模块，包括：
位置获取单元，用于获取所述车辆的当前位置；
位置计算单元，用于根据所述静止点对应的相对位置和所述车辆的当前位置获取所述静止点的实际位置；
生成单元，用于根据所述静止点的实际位置与所述交通边界位置对所述静止点进行筛选以形成所述候选点集合。
9.如权利要求8所述的背景检测装置，其特征在于，所述生成单元，具体用于：
根据所述静止点的实际位置与所述交通边界位置，计算所述静止点的实际位置与交通边界之间的距离；
如果所述距离小于预设阈值，则将所述静止点加入所述候选点集合。
10.如权利要求6所述的背景检测装置，其特征在于，所述搜索单元，具体用于：
根据所述种子节点的边方向和预设的方向偏差阈值，确定目标搜索范围；
在所述目标搜索范围内进行搜索，获取搜索到的至少一个目标节点并将所述至少一个目标节点加入目标节点集合；
根据搜索到的每个所述目标节点的边方向和所述方向偏差阈值，更新所述目标搜索范围；
在所述更新后的目标搜索范围内进行搜索，直至在所述目标搜索范围内未搜索到目标节点；
利用所述目标节点集合形成所述候选背景链。
11.一种电子设备，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1-5中任一所述的毫米波雷达背景检测方法。
12.一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1-5中任一所述的毫米波雷达背景检测方法。
CN202010003230.9A 2020-01-02 2020-01-02 毫米波雷达背景检测方法、装置、电子设备及存储介质 Active CN111198370B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010003230.9A CN111198370B (zh) 2020-01-02 2020-01-02 毫米波雷达背景检测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010003230.9A CN111198370B (zh) 2020-01-02 2020-01-02 毫米波雷达背景检测方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN111198370A CN111198370A (zh) 2020-05-26
CN111198370B true CN111198370B (zh) 2022-07-08

Family

ID=70744578

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010003230.9A Active CN111198370B (zh) 2020-01-02 2020-01-02 毫米波雷达背景检测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN111198370B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111856440B (zh) * 2020-07-21 2024-04-05 阿波罗智联(北京)科技有限公司 位置检测方法、装置、设备及可读存储介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007037178B4 (de) * 2007-08-07 2010-01-14 Audi Ag Verfahren und System zur Bewertung mindestens eines Umfeldsensors eines Fahrzeugs zum Erkennen mindestens eines Objekts
CN106991389B (zh) * 2017-03-29 2021-04-27 蔚来(安徽)控股有限公司 确定道路边沿的装置和方法
CN109204311B (zh) * 2017-07-04 2021-06-01 华为技术有限公司 一种汽车速度控制方法和装置
CN108226924B (zh) * 2018-01-11 2020-11-10 南京楚航科技有限公司 基于毫米波雷达的汽车行驶环境探测方法、装置及其应用
CN108693517B (zh) * 2018-05-22 2020-10-09 森思泰克河北科技有限公司 车辆定位方法、装置和雷达
CN108957475A (zh) * 2018-06-26 2018-12-07 东软集团股份有限公司 一种道路边界检测方法及装置
CN109870680B (zh) * 2018-10-26 2020-08-04 北京润科通用技术有限公司 一种目标分类方法及装置
CN110058239B (zh) * 2019-04-29 2023-08-01 上海保隆汽车科技股份有限公司 一种车载毫米波雷达装置及目标探测方法

Also Published As

Publication number Publication date
CN111198370A (zh) 2020-05-26

Similar Documents

Publication Publication Date Title
CN111401208B (zh) 一种障碍物检测方法、装置、电子设备及存储介质
EP4044117A1 (en) Target tracking method and apparatus, electronic device, and computer-readable storage medium
CN111324115B (zh) 障碍物位置检测融合方法、装置、电子设备和存储介质
CN111753765B (zh) 感知设备的检测方法、装置、设备及存储介质
CN111583668B (zh) 交通拥堵检测方法、装置、电子设备和存储介质
CN110979346B (zh) 确定车辆所处车道的方法、装置及设备
CN110879395B (zh) 障碍物位置预测方法、装置和电子设备
CN110723079B (zh) 车载传感器的位姿调整方法、装置、设备和介质
CN112415552A (zh) 车辆位置的确定方法、装置及电子设备
CN111273268A (zh) 障碍物类型的识别方法、装置及电子设备
CN111368760B (zh) 一种障碍物检测方法、装置、电子设备及存储介质
CN111310840B (zh) 数据融合处理方法、装置、设备和存储介质
CN111323802B (zh) 智能驾驶车辆定位方法、装置及设备
CN111460073B (zh) 车道线检测方法、装置、设备和存储介质
US10353398B2 (en) Moving object detection device, program, and recording medium
EP3866065B1 (en) Target detection method, device and storage medium
CN113844463B (zh) 基于自动驾驶系统的车辆控制方法、装置及车辆
CN114842445A (zh) 基于多途径融合的目标检测方法、装置、设备及介质
WO2022242111A1 (zh) 障碍物检测方法以及装置
CN111402161A (zh) 点云障碍物的去噪方法、装置、设备和存储介质
CN110514211B (zh) 定位方法、装置、设备和介质
CN112558072A (zh) 车辆定位方法、装置、系统、电子设备及存储介质
CN111198370B (zh) 毫米波雷达背景检测方法、装置、电子设备及存储介质
KR20220093382A (ko) 장애물 검출 방법 및 장치
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

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