CN111368760A - 一种障碍物检测方法、装置、电子设备及存储介质 - Google Patents

一种障碍物检测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111368760A
CN111368760A CN202010157112.3A CN202010157112A CN111368760A CN 111368760 A CN111368760 A CN 111368760A CN 202010157112 A CN202010157112 A CN 202010157112A CN 111368760 A CN111368760 A CN 111368760A
Authority
CN
China
Prior art keywords
grid
detection area
boundary
obstacle
distance
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.)
Granted
Application number
CN202010157112.3A
Other languages
English (en)
Other versions
CN111368760B (zh
Inventor
陈博文
饶思粤
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.)
Apollo Intelligent Technology Beijing 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 CN202010157112.3A priority Critical patent/CN111368760B/zh
Publication of CN111368760A publication Critical patent/CN111368760A/zh
Application granted granted Critical
Publication of CN111368760B publication Critical patent/CN111368760B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01S13/04—Systems determining presence 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
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/862—Combination of radar systems with sonar systems
    • 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
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • 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
    • 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
    • G01S15/04—Systems determining presence 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G01S2013/9314—Parking operations
    • 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
    • G01S2015/932—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles for parking operations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Abstract

本申请公开了一种障碍物检测方法、装置、电子设备及存储介质，涉及无人驾驶技术，尤其涉及自主泊车技术领域。具体实现方案为：接收车辆上的多个传感器发送的各感知位置的坐标和各坐标对应的置信度；根据各坐标和其对应的置信度，通过栅格地图模型计算出检测区域中的各栅格的障碍物信息；其中，检测区域的各栅格由内侧弧线边界、外侧弧线边界、左侧直线边界和右侧直线边界组成；内侧弧线边界与外侧弧线边界之间的距离为预设长度值；右侧直线边界到左侧直线边界的角度跨度为预设角度值；根据检测区域中的各栅格的障碍物信息，检测出存在于车辆周围的障碍物。本申请可以有效地节省计算资源，提高检测速度，达到感知精度和计算资源的平衡。

Description

一种障碍物检测方法、装置、电子设备及存储介质
技术领域
本申请涉及计算机应用技术领域，进一步涉及无人驾驶技术，尤其是一种障碍物检测方法、装置、电子设备及存储介质。
背景技术
目前，自动驾驶技术是汽车产业发展的重要方向之一，自动泊车是自动驾驶量产落地的一个重要场景；自动泊车实现时需要完备的感知系统、环境建模融合以及控制决策算法，来处理停车场相对较为复杂的交通环境。
现有的自动泊车方法中，很多都采用栅格地图模型实现环境融合，将不同的传感器的数据，如超声波雷达、摄像头、毫米波雷达等信息通过相关的算法投射到栅格地图模型中，图1是现有技术中的栅格地图模型的结构示意图。如图1所示，在现有的栅格地图模型中，每一个栅格由内测直线边界、外侧直线边界、左侧直线边界和右侧直线边界组成。该栅格地图模型输出给下游的规划决策模块的是每一个栅格的障碍物信息，例如，0表示此栅格中没有障碍物，1表示此处有障碍物；然后由下游的规划决策模块根据每一个栅格的障碍物信息检测出存在于车辆周围的障碍物。
栅格地图模型源于自动机器人的运动方案，构建起来非常简单，易于表述，方便后续的路径规划；但是由于汽车的运动方式和机器人相比差异较大，使用场景区别很大，并且传统的栅格地图模型对处理器的资源占用较大，因此，需要设计适用于自动泊车的场景需求。
发明内容
有鉴于此，本申请提出实施例提供一种障碍物检测方法、装置、电子设备及存储介质，可以有效地节省计算资源，提高检测速度，达到感知精度和计算资源的平衡。
第一方面，本申请实施例提供了一种障碍物检测方法，所述方法包括：
接收车辆上的多个传感器发送的各个感知位置的坐标和各个坐标对应的置信度；
根据各个感知位置的坐标和各个坐标对应的置信度，通过预先建立的栅格地图模型计算出检测区域中的每一个栅格的障碍物信息；其中，所述检测区域的每一个栅格由内侧弧线边界、外侧弧线边界、左侧直线边界和右侧直线边界组成；所述内侧弧线边界与所述外侧弧线边界之间的距离为预设长度值；所述右侧直线边界到所述左侧直线边界的角度跨度为预设角度值；
根据所述检测区域中的每一个栅格的障碍物信息，检测出存在于车辆周围的障碍物。
上述实施例具有如下优点或有益效果：本申请设计了新的栅格地图模型，在新的栅格地图模型中，每一个栅格由内侧弧线边界、外侧弧线边界、左侧直线边界和右侧直线边界组成；内侧弧线边界与外侧弧线边界之间的距离为预设长度值；右侧直线边界到左侧直线边界的角度跨度为预设角度值，由于检测区域中的任意一个位置均可以采用极坐标进行表示，从而达到了节省计算资源和提高检测速度的目的。而在现有的栅格地图模型中，每一个栅格由内测直线边界、外侧直线边界、左侧直线边界和右侧直线边界组成，现有的栅格地图模型更适合于自动机器人的应用场景。因为本申请设计了新的栅格地图模型，克服了现有技术中的栅格地图模型不适用于自动泊车的应用场景的技术问题，进而有效地节省计算资源，提高检测速度，达到感知精度和计算资源的平衡。
在上述实施例中，所述根据各个感知位置的坐标和各个坐标对应的置信度，通过预先建立的栅格地图模型计算出所述车辆的检测区域中的每一个栅格的障碍物信息，包括：
将各个感知位置的坐标和各个坐标对应的置信度输入至所述栅格地图模型；
根据各个感知位置的坐标和各个坐标对应的置信度计算所述检测区域中的每一个栅格的障碍物信息；其中，所述障碍物信息包括：存在障碍物的信息和不存在障碍物的信息；
通过所述栅格地图模型输出所述检测区域中的每一个栅格的障碍物信息。
上述实施例具有如下优点或有益效果：上述实施例可以根据各个感知位置的坐标和各个坐标对应的置信度计算所述检测区域中的每一个栅格的障碍物信息，从而可以通过栅格地图模型输出所述检测区域中的每一个栅格的障碍物信息，这样可以更加准确地计算出每一个栅格的障碍物信息，从而可以更加准确地对存在于车辆周围的障碍物进行检测。
在上述实施例中，所述检测区域至少包括：前方扇形检测区域、后方扇形检测区域；所述前方扇形检测区域包括：与所述车辆的中心点的距离在第一长度范围内的前方近距离区域和与所述车辆的中心点的距离在第二长度范围内的前方远距离区域；所述前方近距离区域中的栅格密度大于所述前方远距离区域内的栅格密度；所述后方扇形检测区域包括：与所述车辆的中心点的距离在所述第一长度范围内的后方近距离区域和与所述车辆的中心点的距离在所述第二长度范围内的后方远距离区域；所述后方近距离区域中的栅格密度大于所述后方远距离区域内的栅格密度；所述第一长度范围的最大值小于等于所述第二长度范围的最小值。
上述实施例具有如下优点或有益效果：上述实施例重新设计了新的栅格地图模型，在新的栅格地图模型中，前方扇形检测区域可以包括前方近距离区域和前方远距离区域；后方扇形检测区域可以包括后方近距离区域和后方远距离区域，这样可以在前方近距离区域和后方近距离区域中划分出密度较大的栅格，前方远距离区域和后方远距离区域中划分出密度较小的栅格，从而可以有效地节省计算资源，提高检测速度，达到感知精度和计算资源的平衡。
在上述实施例中，所述检测区域还包括：左侧扇形检测区域和右侧扇形检测区域；其中，所述左侧扇形检测区域中的栅格密度与所述右侧扇形检测区域中的栅格密度相同且大于预设密度阈值。
上述实施例具有如下优点或有益效果：上述实施例重新设计了新的栅格地图模型，在新的栅格地图模型中，左侧扇形检测区域和右侧扇形检测区域中的栅格密度相同；在一般情况下，左侧扇形检测区域和右侧扇形检测区域中的栅格密度可以与前方远距离区域或者后方远距离区域中的栅格密度相同，这样可以有效地节省计算资源，提高检测速度，达到感知精度和计算资源的平衡。
在上述实施例中，所述内侧弧线边界与所述外侧弧线边界之间的距离根据各个传感器的感知误差进行设置；所述右侧直线边界到所述左侧直线边界的角度跨度根据各个传感器的感知精度和所述栅格地图模型所使用的存储空间进行设置。
上述实施例具有如下优点或有益效果：上述实施例可以根据各个传感器的感知误差对内侧弧线边界与外侧弧线边界之间的距离进行设置；根据各个传感器的感知精度和栅格地图模型所使用的存储空间对右侧直线边界到左侧直线边界的角度跨度进行设置，这样可以达到感知精度和计算资源的平衡。
第二方面，本申请还提供了一种障碍物检测装置，所述装置包括：接收模块、计算模块和检测模块；其中，
所述接收模块，用于接收车辆上的多个传感器发送的各个感知位置的坐标和各个坐标对应的置信度；
所述计算模块，用于根据各个感知位置的坐标和各个坐标对应的置信度，通过预先建立的栅格地图模型计算出检测区域中的每一个栅格的障碍物信息；其中，所述检测区域的每一个栅格由内侧弧线边界、外侧弧线边界、左侧直线边界和右侧直线边界组成；所述内侧弧线边界与所述外侧弧线边界之间的距离为预设长度值；所述右侧直线边界到所述左侧直线边界的角度跨度为预设角度值；
所述检测模块，用于根据所述检测区域中的每一个栅格的障碍物信息，检测出存在于车辆周围的障碍物。
在上述实施例中，所述计算模块包括：输入子模块、计算子模块和输出子模块；其中，
所述输入子模块，用于将各个感知位置的坐标和各个坐标对应的置信度输入至所述栅格地图模型；
所述计算子模块，用于根据各个感知位置的坐标和各个坐标对应的置信度计算所述检测区域中的每一个栅格的障碍物信息；其中，所述障碍物信息包括：存在障碍物的信息和不存在障碍物的信息；
所述输出子模块，用于通过所述栅格地图模型输出所述检测区域中的每一个栅格的障碍物信息。
在上述实施例中，所述检测区域至少包括：前方扇形检测区域、后方扇形检测区域；所述前方扇形检测区域包括：与所述车辆的中心点的距离在第一长度范围内的前方近距离区域和与所述车辆的中心点的距离在第二长度范围内的前方远距离区域；所述前方近距离区域中的栅格密度大于所述前方远距离区域内的栅格密度；所述后方扇形检测区域包括：与所述车辆的中心点的距离在所述第一长度范围内的后方近距离区域和与所述车辆的中心点的距离在所述第二长度范围内的后方远距离区域；所述后方近距离区域中的栅格密度大于所述后方远距离区域内的栅格密度；所述第一长度范围的最大值小于等于所述第二长度范围的最小值。
在上述实施例中，所述检测区域还包括：左侧扇形检测区域和右侧扇形检测区域；其中，所述左侧扇形检测区域中的栅格密度与所述右侧扇形检测区域中的栅格密度相同且大于预设密度阈值。
在上述实施例中，所述内侧弧线边界与所述外侧弧线边界之间的距离根据各个传感器的感知误差进行设置；所述右侧直线边界到所述左侧直线边界的角度跨度根据各个传感器的感知精度和所述栅格地图模型所使用的存储空间进行设置。
第三方面，本申请实施例提供了一种电子设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本申请任意实施例所述的障碍物检测方法。
第四方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现本申请任意实施例所述的障碍物检测方法。
上述申请中的一个实施例具有如下优点或有益效果：本申请提出的障碍物检测方法、装置、电子设备及存储介质，先接收车辆上的多个传感器发送的各个感知位置的坐标和各个坐标对应的置信度；然后根据各个感知位置的坐标和各个坐标对应的置信度，通过预先建立的栅格地图模型计算出车辆的检测区域中的每一个栅格的障碍物信息；其中，检测区域的每一个栅格由内侧弧线边界、外侧弧线边界、左侧直线边界和右侧直线边界组成；内侧弧线边界与外侧弧线边界之间的距离为预设长度值；右侧直线边界到左侧直线边界的角度跨度为预设角度值；再根据检测区域中的每一个栅格的障碍物信息，检测出存在于车辆周围的障碍物。也就是说，本申请设计了新的栅格地图模型，在新的栅格地图模型中，每一个栅格由内侧弧线边界、外侧弧线边界、左侧直线边界和右侧直线边界组成；内侧弧线边界与外侧弧线边界之间的距离为预设长度值；右侧直线边界到左侧直线边界的角度跨度为预设角度值，由于检测区域中的任意一个位置均可以采用极坐标进行表示，从而达到了节省计算资源和提高检测速度的目的。而在现有的栅格地图模型中，每一个栅格由内测直线边界、外侧直线边界、左侧直线边界和右侧直线边界组成，现有的栅格地图模型更适合于自动机器人的应用场景。因为本申请设计了新的栅格地图模型，克服了现有技术中的栅格地图模型不适用于自动泊车的应用场景的技术问题，进而有效地节省计算资源，提高检测速度，达到感知精度和计算资源的平衡；并且，本申请实施例的技术方案实现简单方便、便于普及，适用范围更广。
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是现有技术中的栅格地图模型的结构示意图；
图2是本申请实施例一提供的障碍物检测方法的流程示意图；
图3是本申请实施例二提供的障碍物检测方法的流程示意图；
图4是本申请实施例二提供的栅格地图模型的结构示意图；
图5是本申请实施例三提供的障碍物检测装置的结构示意图；
图6是本申请实施例三提供的计算模块的结构示意图；
图7是用来实现本申请实施例的障碍物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。
实施例一
图2是本申请实施例一提供的障碍物检测方法的流程示意图，该方法可以由障碍物检测装置或者电子设备来执行，该装置或者电子设备可以由软件和/或硬件的方式实现，该装置或者电子设备可以集成在任何具有网络通信功能的智能设备中。如图2所示，障碍物检测方法可以包括以下步骤：
S201、接收车辆上的多个传感器发送的各个感知位置的坐标和各个坐标对应的置信度。
在本申请的具体实施例中，电子设备可以接收车辆上的多个传感器发送的各个感知位置的坐标和各个坐标对应的置信度。具体地，本申请可以在车辆的前、后、左、右四个方向上分别设置至少一个传感器，例如，超声波雷达、毫米波雷达、摄像头等；车辆上的多个传感器可以将感知到的各个感知位置的坐标输入至预处理模型中，通过预处理模型可以计算出各个坐标对应的置信度。
S202、根据各个感知位置的坐标和各个坐标对应的置信度，通过预先建立的栅格地图模型计算出检测区域中的每一个栅格的障碍物信息；其中，检测区域的每一个栅格由内侧弧线边界、外侧弧线边界、左侧直线边界和右侧直线边界组成；内侧弧线边界与外侧弧线边界之间的距离为预设长度值；右侧直线边界到左侧直线边界的角度跨度为预设角度值。
在本申请的具体实施例中，电子设备可以根据各个感知位置的坐标和各个坐标对应的置信度，通过预先建立的栅格地图模型计算出检测区域中的每一个栅格的障碍物信息；其中，检测区域的每一个栅格由内侧弧线边界、外侧弧线边界、左侧直线边界和右侧直线边界组成；内侧弧线边界与外侧弧线边界之间的距离为预设长度值；右侧直线边界到左侧直线边界的角度跨度为预设角度值。具体地，电子设备可以将各个感知位置的坐标和各个坐标对应的置信度输入至栅格地图模型；然后根据各个感知位置的坐标和各个坐标对应的置信度计算检测区域中的每一个栅格的障碍物信息；其中，障碍物信息包括：存在障碍物的信息和不存在障碍物的信息；例如，1表示存在障碍物的信息；0表示不存在障碍物的信息；再通过栅格地图模型输出检测区域中的每一个栅格的障碍物信息。
S203、根据检测区域中的每一个栅格的障碍物信息，检测出存在于车辆周围的障碍物。
在本申请的具体实施例中，电子设备可以根据检测区域中的每一个栅格的障碍物信息，检测出存在于车辆周围的障碍物。具体地，电子设备可以将检测区域中的每一个栅格的障碍物信息添加到每一个栅格中，得到检测区域中障碍物的初始形状，然后将该初始形状映射到高精地图中，通过高精地图确定出存在于车辆周围的障碍物。本申请中的车辆周围，指的是以车辆的中心点为圆心，以预定长度为半径的范围。
本申请实施例提出的障碍物检测方法，先接收车辆上的多个传感器发送的各个感知位置的坐标和各个坐标对应的置信度；然后根据各个感知位置的坐标和各个坐标对应的置信度，通过预先建立的栅格地图模型计算出车辆的检测区域中的每一个栅格的障碍物信息；其中，检测区域的每一个栅格由内侧弧线边界、外侧弧线边界、左侧直线边界和右侧直线边界组成；内侧弧线边界与外侧弧线边界之间的距离为预设长度值；右侧直线边界到左侧直线边界的角度跨度为预设角度值；再根据检测区域中的每一个栅格的障碍物信息，检测出存在于车辆周围的障碍物。也就是说，本申请设计了新的栅格地图模型，在新的栅格地图模型中，每一个栅格由内侧弧线边界、外侧弧线边界、左侧直线边界和右侧直线边界组成；内侧弧线边界与外侧弧线边界之间的距离为预设长度值；右侧直线边界到左侧直线边界的角度跨度为预设角度值，由于检测区域中的任意一个位置均可以采用极坐标进行表示，从而达到了节省计算资源和提高检测速度的目的。而在现有的栅格地图模型中，每一个栅格由内测直线边界、外侧直线边界、左侧直线边界和右侧直线边界组成，现有的栅格地图模型更适合于自动机器人的应用场景。因为本申请设计了新的栅格地图模型，克服了现有技术中的栅格地图模型不适用于自动泊车的应用场景的技术问题，进而有效地节省计算资源，提高检测速度，达到感知精度和计算资源的平衡；并且，本申请实施例的技术方案实现简单方便、便于普及，适用范围更广。
实施例二
图3是本申请实施例二提供的障碍物检测方法的流程示意图。如图3所示，障碍物检测方法可以包括以下步骤：
S301、接收车辆上的多个传感器发送的各个感知位置的坐标和各个坐标对应的置信度。
在本申请的具体实施例中，电子设备可以接收车辆上的多个传感器发送的各个感知位置的坐标和各个坐标对应的置信度。具体地，本申请可以在车辆的前、后、左、右四个方向上分别设置至少一个传感器，例如，超声波雷达、毫米波雷达、摄像头等；车辆上的多个传感器可以将感知到的各个感知位置的坐标输入至预处理模型中，通过预处理模型可以计算出各个坐标对应的置信度。
S302、将各个感知位置的坐标和各个坐标对应的置信度输入至栅格地图模型。
在本申请的具体实施例中，电子设备可以将各个感知位置的坐标和各个坐标对应的置信度输入至栅格地图模型。
S303、根据各个感知位置的坐标和各个坐标对应的置信度计算检测区域中的每一个栅格的障碍物信息；其中，障碍物信息包括：存在障碍物的信息和不存在障碍物的信息。
在本申请的具体实施例中，电子设备可以根据各个感知位置的坐标和各个坐标对应的置信度计算检测区域中的每一个栅格的障碍物信息；其中，障碍物信息包括：存在障碍物的信息和不存在障碍物的信息。具体地，电子设备可以先根据各个感知位置的坐标，将各个坐标对应的置信度映射至与其对应的栅格中；然后根据每一个栅格中的各个坐标对应的置信度，计算出检测区域中的每一个栅格的障碍物信息。
S304、通过栅格地图模型输出检测区域中的每一个栅格的障碍物信息；其中，检测区域的每一个栅格由内侧弧线边界、外侧弧线边界、左侧直线边界和右侧直线边界组成；内侧弧线边界与外侧弧线边界之间的距离为预设长度值；右侧直线边界到左侧直线边界的角度跨度为预设角度值。
在本申请的具体实施例中，电子设备可以通过栅格地图模型输出检测区域中的每一个栅格的障碍物信息；其中，检测区域的每一个栅格由内侧弧线边界、外侧弧线边界、左侧直线边界和右侧直线边界组成；内侧弧线边界与外侧弧线边界之间的距离为预设长度值；右侧直线边界到左侧直线边界的角度跨度为预设角度值；障碍物信息包括：存在障碍物的信息和不存在障碍物的信息；例如，1表示存在障碍物的信息；0表示不存在障碍物的信息；再通过栅格地图模型输出检测区域中的每一个栅格的障碍物信息。
在本申请的具体实施例中，内侧弧线边界与外侧弧线边界之间的距离根据各个传感器的感知误差进行设置；右侧直线边界到左侧直线边界的角度跨度根据各个传感器的感知精度和栅格地图模型所使用的存储空间进行设置。
S305、根据检测区域中的每一个栅格的障碍物信息，检测出存在于车辆周围的障碍物。
在本申请的具体实施例中，电子设备可以根据检测区域中的每一个栅格的障碍物信息，检测出存在于车辆周围的障碍物。具体地，电子设备可以将检测区域中的每一个栅格的障碍物信息添加到每一个栅格中，得到检测区域中障碍物的初始形状，然后将该初始形状映射到高精地图中，通过高精地图确定出存在于车辆周围的障碍物。
图4是本申请实施例二提供的栅格地图模型的结构示意图。如图4所示，检测区域包括：前方扇形检测区域、后方扇形检测区域、左侧扇形检测区域和右侧扇形检测区域；其中，前方扇形检测区域包括：与车辆的中心点的距离在第一长度范围内的前方近距离区域和与车辆的中心点的距离在第二长度范围内的前方远距离区域；前方近距离区域中的栅格密度大于前方远距离区域内的栅格密度；后方扇形检测区域包括：与车辆的中心点的距离在第一长度范围内的后方近距离区域和与车辆的中心点的距离在第二长度范围内的后方远距离区域；后方近距离区域中的栅格密度大于后方远距离区域内的栅格密度；第一长度范围的最大值小于等于第二长度范围的最小值。进一步的，左侧扇形检测区域中的栅格密度与右侧扇形检测区域中的栅格密度相同且大于预设密度阈值。
在本申请的具体实施例中，检测区域的每一个栅格由内侧弧线边界、外侧弧线边界、左侧直线边界和右侧直线边界组成；内侧弧线边界与外侧弧线边界之间的距离为预设长度值；右侧直线边界到左侧直线边界的角度跨度为预设角度值。
较佳地，在本申请的具体实施例中，栅格地图模型的检测区域可以是一个圆形区域，该圆形区域以车辆的中心点为原点，以预设距离为半径。然后将该圆形区域平均划分为前、后、左、右四个扇形区域，分别为前方扇形检测区域、后方扇形检测区域、左侧扇形检测区域和右侧扇形检测区域。如图4所示，d1表示车辆前后方向上的近距离区域内，栅格的宽度；d2表示车辆左右两侧的探测范围内，栅格的宽度；d3表示车辆前后方向上的远距离区域内，栅格的宽度；α表示车辆前后向范围内，栅格的角度跨度；β表示车辆左右侧面范围内，栅格的角度跨度；γ表示车辆左右侧面的栅格稀疏部分的角度，该角度的取值范围为0-180度。具体地，在前方扇形检测区域包括：前方近距离区域和前方远距离区域；前方近距离区域与车辆的中心点的距离在第一长度范围内；前方远距离区域与车辆的中心点的距离在第二长度范围内；第一长度范围和第二长度范围可以根据各传感器的感知精度进行设置。
在本申请的具体实施例中，d1、d2和d3是根据各个传感器的误差设置的。具体地，由于超声波传感器的精度远大于相机传感器的精度，本申请可以将超声波传感器的误差设置的，例如，相机传感器的检测距离为10米，超声波传感器的检测距离为9.6米，这里可以将d1设置为0.4*2＝0.8；然后根据d1和d2的对应关系，假设d2为d1的两倍，则将d2设置为1.6米，同时将d3设置为1.6米。此外，每个栅格的角度跨度可以根据传感器的角度分辨率以及处理器的存储空间综合考虑；在实际的测试阶段，上述参数还需要根据实际的特殊场景要求调整，保证感知和融合精度以及处理器资源占用的平衡。本申请基于自主代客泊车的场景需求以及传感器特点，设计可量产化的栅格地图模型，满足技术要求的同时，降低对处理器资源的占用率，兼顾不同距离范围对障碍物精度的要求，设计满足量产硬件系统方案要求的栅格地图模型。本申请由于采用了弧形栅格地图，这样可以在极坐标系下描述障碍物的位置，计算方便，资源占用低；并且侧向栅格的密度选择根据传感器的精度和实际测试的效果，再平衡资源占用，综合获得。
本申请实施例提出的障碍物检测方法，先接收车辆上的多个传感器发送的各个感知位置的坐标和各个坐标对应的置信度；然后根据各个感知位置的坐标和各个坐标对应的置信度，通过预先建立的栅格地图模型计算出车辆的检测区域中的每一个栅格的障碍物信息；其中，检测区域的每一个栅格由内侧弧线边界、外侧弧线边界、左侧直线边界和右侧直线边界组成；内侧弧线边界与外侧弧线边界之间的距离为预设长度值；右侧直线边界到左侧直线边界的角度跨度为预设角度值；再根据检测区域中的每一个栅格的障碍物信息，检测出存在于车辆周围的障碍物。也就是说，本申请设计了新的栅格地图模型，在新的栅格地图模型中，每一个栅格由内侧弧线边界、外侧弧线边界、左侧直线边界和右侧直线边界组成；内侧弧线边界与外侧弧线边界之间的距离为预设长度值；右侧直线边界到左侧直线边界的角度跨度为预设角度值，由于检测区域中的任意一个位置均可以采用极坐标进行表示，从而达到了节省计算资源和提高检测速度的目的。而在现有的栅格地图模型中，每一个栅格由内测直线边界、外侧直线边界、左侧直线边界和右侧直线边界组成，现有的栅格地图模型更适合于自动机器人的应用场景。因为本申请设计了新的栅格地图模型，克服了现有技术中的栅格地图模型不适用于自动泊车的应用场景的技术问题，进而有效地节省计算资源，提高检测速度，达到感知精度和计算资源的平衡；并且，本申请实施例的技术方案实现简单方便、便于普及，适用范围更广。
实施例三
图5是本申请实施例三提供的障碍物检测装置的结构示意图。如图5所示，所述装置500包括：接收模块501、计算模块502和检测模块503；其中，
所述接收模块501，用于接收车辆上的多个传感器发送的各个感知位置的坐标和各个坐标对应的置信度；
所述计算模块502，用于根据各个感知位置的坐标和各个坐标对应的置信度，通过预先建立的栅格地图模型计算出检测区域中的每一个栅格的障碍物信息；其中，所述检测区域的每一个栅格由内侧弧线边界、外侧弧线边界、左侧直线边界和右侧直线边界组成；所述内侧弧线边界与所述外侧弧线边界之间的距离为预设长度值；所述右侧直线边界到所述左侧直线边界的角度跨度为预设角度值；
所述检测模块503，用于根据所述检测区域中的每一个栅格的障碍物信息，检测出存在于车辆周围的障碍物。
图6是本申请实施三提供的计算模块的结构示意图。如图6所示，所述计算模块502包括：输入子模块5021、计算子模块5022和输出子模块5023；其中，
所述输入子模块5021，用于将各个感知位置的坐标和各个坐标对应的置信度输入至所述栅格地图模型；
所述计算子模块5022，用于根据各个感知位置的坐标和各个坐标对应的置信度计算所述检测区域中的每一个栅格的障碍物信息；其中，所述障碍物信息包括：存在障碍物的信息和不存在障碍物的信息；
所述输出子模块5023，用于通过所述栅格地图模型输出所述检测区域中的每一个栅格的障碍物信息。
进一步的，所述检测区域至少包括：前方扇形检测区域、后方扇形检测区域；所述前方扇形检测区域包括：与所述车辆的中心点的距离在第一长度范围内的前方近距离区域和与所述车辆的中心点的距离在第二长度范围内的前方远距离区域；所述前方近距离区域中的栅格密度大于所述前方远距离区域内的栅格密度；所述后方扇形检测区域包括：与所述车辆的中心点的距离在所述第一长度范围内的后方近距离区域和与所述车辆的中心点的距离在所述第二长度范围内的后方远距离区域；所述后方近距离区域中的栅格密度大于所述后方远距离区域内的栅格密度；所述第一长度范围的最大值小于等于所述第二长度范围的最小值。
进一步的，所述检测区域还包括：左侧扇形检测区域和右侧扇形检测区域；其中，所述左侧扇形检测区域中的栅格密度与所述右侧扇形检测区域中的栅格密度相同且大于预设密度阈值。
进一步的，所述内侧弧线边界与所述外侧弧线边界之间的距离根据各个传感器的感知误差进行设置；所述右侧直线边界到所述左侧直线边界的角度跨度根据各个传感器的感知精度和所述栅格地图模型所使用的存储空间进行设置。
上述障碍物检测装置可执行本申请任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请任意实施例提供的障碍物检测方法。
实施例四
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障碍物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障碍物检测方法。
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障碍物检测方法对应的程序指令/模块(例如，附图5所示的接收模块501、计算模块502和检测模块503)。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障碍物检测方法。
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障碍物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障碍物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。
障碍物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，以及产生与障碍物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)、互联网和区块链网络。
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，先接收车辆上的多个传感器发送的各个感知位置的坐标和各个坐标对应的置信度；然后根据各个感知位置的坐标和各个坐标对应的置信度，通过预先建立的栅格地图模型计算出车辆的检测区域中的每一个栅格的障碍物信息；其中，检测区域的每一个栅格由内侧弧线边界、外侧弧线边界、左侧直线边界和右侧直线边界组成；内侧弧线边界与外侧弧线边界之间的距离为预设长度值；右侧直线边界到左侧直线边界的角度跨度为预设角度值；再根据检测区域中的每一个栅格的障碍物信息，检测出存在于车辆周围的障碍物。也就是说，本申请设计了新的栅格地图模型，在新的栅格地图模型中，每一个栅格由内侧弧线边界、外侧弧线边界、左侧直线边界和右侧直线边界组成；内侧弧线边界与外侧弧线边界之间的距离为预设长度值；右侧直线边界到左侧直线边界的角度跨度为预设角度值，由于检测区域中的任意一个位置均可以采用极坐标进行表示，从而达到了节省计算资源和提高检测速度的目的。而在现有的栅格地图模型中，每一个栅格由内测直线边界、外侧直线边界、左侧直线边界和右侧直线边界组成，现有的栅格地图模型更适合于自动机器人的应用场景。因为本申请设计了新的栅格地图模型，克服了现有技术中的栅格地图模型不适用于自动泊车的应用场景的技术问题，进而有效地节省计算资源，提高检测速度，达到感知精度和计算资源的平衡；并且，本申请实施例的技术方案实现简单方便、便于普及，适用范围更广。
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)

1.一种障碍物检测方法，其特征在于，所述方法包括：
接收车辆上的多个传感器发送的各个感知位置的坐标和各个坐标对应的置信度；
根据各个感知位置的坐标和各个坐标对应的置信度，通过预先建立的栅格地图模型计算出检测区域中的每一个栅格的障碍物信息；其中，所述检测区域的每一个栅格由内侧弧线边界、外侧弧线边界、左侧直线边界和右侧直线边界组成；所述内侧弧线边界与所述外侧弧线边界之间的距离为预设长度值；所述右侧直线边界到所述左侧直线边界的角度跨度为预设角度值；
根据所述检测区域中的每一个栅格的障碍物信息，检测出存在于车辆周围的障碍物。
2.根据权利要求1所述的方法，其特征在于，所述根据各个感知位置的坐标和各个坐标对应的置信度，通过预先建立的栅格地图模型计算出所述车辆的检测区域中的每一个栅格的障碍物信息，包括：
将各个感知位置的坐标和各个坐标对应的置信度输入至所述栅格地图模型；
根据各个感知位置的坐标和各个坐标对应的置信度计算所述检测区域中的每一个栅格的障碍物信息；其中，所述障碍物信息包括：存在障碍物的信息和不存在障碍物的信息；
通过所述栅格地图模型输出所述检测区域中的每一个栅格的障碍物信息。
3.根据权利要求1所述的方法，其特征在于，所述检测区域至少包括：前方扇形检测区域、后方扇形检测区域；所述前方扇形检测区域包括：与所述车辆的中心点的距离在第一长度范围内的前方近距离区域和与所述车辆的中心点的距离在第二长度范围内的前方远距离区域；所述前方近距离区域中的栅格密度大于所述前方远距离区域内的栅格密度；所述后方扇形检测区域包括：与所述车辆的中心点的距离在所述第一长度范围内的后方近距离区域和与所述车辆的中心点的距离在所述第二长度范围内的后方远距离区域；所述后方近距离区域中的栅格密度大于所述后方远距离区域内的栅格密度；所述第一长度范围的最大值小于等于所述第二长度范围的最小值。
4.根据权利要求1所述的方法，其特征在于，所述检测区域还包括：左侧扇形检测区域和右侧扇形检测区域；其中，所述左侧扇形检测区域中的栅格密度与所述右侧扇形检测区域中的栅格密度相同且大于预设密度阈值。
5.根据权利要求1所述的方法，其特征在于，所述内侧弧线边界与所述外侧弧线边界之间的距离根据各个传感器的感知误差进行设置；所述右侧直线边界到所述左侧直线边界的角度跨度根据各个传感器的感知精度和所述栅格地图模型所使用的存储空间进行设置。
6.一种障碍物检测装置，其特征在于，所述装置包括：接收模块、计算模块和检测模块；其中，
所述接收模块，用于接收车辆上的多个传感器发送的各个感知位置的坐标和各个坐标对应的置信度；
所述计算模块，用于根据各个感知位置的坐标和各个坐标对应的置信度，通过预先建立的栅格地图模型计算出检测区域中的每一个栅格的障碍物信息；其中，所述检测区域的每一个栅格由内侧弧线边界、外侧弧线边界、左侧直线边界和右侧直线边界组成；所述内侧弧线边界与所述外侧弧线边界之间的距离为预设长度值；所述右侧直线边界到所述左侧直线边界的角度跨度为预设角度值；
所述检测模块，用于根据所述检测区域中的每一个栅格的障碍物信息，检测出存在于车辆周围的障碍物。
7.根据权利要求6所述的装置，其特征在于，所述计算模块包括：输入子模块、计算子模块和输出子模块；其中，
所述输入子模块，用于将各个感知位置的坐标和各个坐标对应的置信度输入至所述栅格地图模型；
所述计算子模块，用于根据各个感知位置的坐标和各个坐标对应的置信度计算所述检测区域中的每一个栅格的障碍物信息；其中，所述障碍物信息包括：存在障碍物的信息和不存在障碍物的信息；
所述输出子模块，用于通过所述栅格地图模型输出所述检测区域中的每一个栅格的障碍物信息。
8.根据权利要求6所述的装置，其特征在于，所述检测区域至少包括：前方扇形检测区域、后方扇形检测区域；所述前方扇形检测区域包括：与所述车辆的中心点的距离在第一长度范围内的前方近距离区域和与所述车辆的中心点的距离在第二长度范围内的前方远距离区域；所述前方近距离区域中的栅格密度大于所述前方远距离区域内的栅格密度；所述后方扇形检测区域包括：与所述车辆的中心点的距离在所述第一长度范围内的后方近距离区域和与所述车辆的中心点的距离在所述第二长度范围内的后方远距离区域；所述后方近距离区域中的栅格密度大于所述后方远距离区域内的栅格密度；所述第一长度范围的最大值小于等于所述第二长度范围的最小值。
9.根据权利要求6所述的装置，其特征在于，所述检测区域还包括：左侧扇形检测区域和右侧扇形检测区域；其中，所述左侧扇形检测区域中的栅格密度与所述右侧扇形检测区域中的栅格密度相同且大于预设密度阈值。
10.根据权利要求6所述的装置，其特征在于，所述内侧弧线边界与所述外侧弧线边界之间的距离根据各个传感器的感知误差进行设置；所述右侧直线边界到所述左侧直线边界的角度跨度根据各个传感器的感知精度和所述栅格地图模型所使用的存储空间进行设置。
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中任一项所述的方法。
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中任一项所述的方法。
CN202010157112.3A 2020-03-09 2020-03-09 一种障碍物检测方法、装置、电子设备及存储介质 Active CN111368760B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010157112.3A CN111368760B (zh) 2020-03-09 2020-03-09 一种障碍物检测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010157112.3A CN111368760B (zh) 2020-03-09 2020-03-09 一种障碍物检测方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN111368760A true CN111368760A (zh) 2020-07-03
CN111368760B CN111368760B (zh) 2023-09-01

Family

ID=71211724

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010157112.3A Active CN111368760B (zh) 2020-03-09 2020-03-09 一种障碍物检测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN111368760B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215863A (zh) * 2020-10-13 2021-01-12 北京易控智驾科技有限公司 露天矿装载区多台阶作业场景检测方法和系统
CN112528848A (zh) * 2020-12-11 2021-03-19 北京百度网讯科技有限公司 障碍物检测的测评方法、装置、设备以及存储介质
CN112729320A (zh) * 2020-12-22 2021-04-30 中国第一汽车股份有限公司 一种障碍物地图构建方法、装置、设备及存储介质
CN112764042A (zh) * 2020-12-28 2021-05-07 上海汽车集团股份有限公司 一种障碍物检测及跟踪方法和装置
CN112927256A (zh) * 2021-03-16 2021-06-08 杭州萤石软件有限公司 一种分割区域的边界融合方法、装置、移动机器人
CN113284342A (zh) * 2021-05-17 2021-08-20 上海欧菲智能车联科技有限公司 空车位检测方法及装置、车辆和计算机设备
CN114200454A (zh) * 2022-02-16 2022-03-18 南京慧尔视智能科技有限公司 一种确定可行驶区域的方法和相关装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5684695A (en) * 1994-03-11 1997-11-04 Siemens Aktiengesellschaft Method and apparatus for constructing an environment map of a self-propelled, mobile unit
US20130281111A1 (en) * 2012-04-19 2013-10-24 Nokia Corporation Method, apparatus, and computer program product for distributed indoor three-dimensional radiomap
CN105184243A (zh) * 2015-08-24 2015-12-23 王红军 一种基于三维栅格地图的环境特征表示与识别的方法
CN106291736A (zh) * 2016-08-16 2017-01-04 张家港长安大学汽车工程研究院 无人驾驶汽车车道动态障碍物检测方法
CN107215339A (zh) * 2017-06-26 2017-09-29 地壳机器人科技有限公司 自动驾驶车辆的换道控制方法和装置
CN107807643A (zh) * 2017-10-30 2018-03-16 珠海市微半导体有限公司 机器人的行走预测和控制方法
CN108592912A (zh) * 2018-03-24 2018-09-28 北京工业大学 一种基于激光雷达的室内移动机器人自主探索方法
CN108663041A (zh) * 2018-02-09 2018-10-16 意诺科技有限公司 一种绘制导航地图的方法及装置
US10191918B1 (en) * 2013-02-15 2019-01-29 United Parcel Service Of America, Inc. Concepts for enhanced location information
CN110867132A (zh) * 2019-10-15 2020-03-06 百度在线网络技术（北京）有限公司 环境感知的方法、装置、电子设备和计算机可读存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5684695A (en) * 1994-03-11 1997-11-04 Siemens Aktiengesellschaft Method and apparatus for constructing an environment map of a self-propelled, mobile unit
US20130281111A1 (en) * 2012-04-19 2013-10-24 Nokia Corporation Method, apparatus, and computer program product for distributed indoor three-dimensional radiomap
US10191918B1 (en) * 2013-02-15 2019-01-29 United Parcel Service Of America, Inc. Concepts for enhanced location information
CN105184243A (zh) * 2015-08-24 2015-12-23 王红军 一种基于三维栅格地图的环境特征表示与识别的方法
CN106291736A (zh) * 2016-08-16 2017-01-04 张家港长安大学汽车工程研究院 无人驾驶汽车车道动态障碍物检测方法
CN107215339A (zh) * 2017-06-26 2017-09-29 地壳机器人科技有限公司 自动驾驶车辆的换道控制方法和装置
CN107807643A (zh) * 2017-10-30 2018-03-16 珠海市微半导体有限公司 机器人的行走预测和控制方法
CN108663041A (zh) * 2018-02-09 2018-10-16 意诺科技有限公司 一种绘制导航地图的方法及装置
CN108592912A (zh) * 2018-03-24 2018-09-28 北京工业大学 一种基于激光雷达的室内移动机器人自主探索方法
CN110867132A (zh) * 2019-10-15 2020-03-06 百度在线网络技术（北京）有限公司 环境感知的方法、装置、电子设备和计算机可读存储介质

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215863A (zh) * 2020-10-13 2021-01-12 北京易控智驾科技有限公司 露天矿装载区多台阶作业场景检测方法和系统
CN112215863B (zh) * 2020-10-13 2023-08-29 北京易控智驾科技有限公司 露天矿装载区多台阶作业场景检测方法和系统
CN112528848A (zh) * 2020-12-11 2021-03-19 北京百度网讯科技有限公司 障碍物检测的测评方法、装置、设备以及存储介质
CN112729320A (zh) * 2020-12-22 2021-04-30 中国第一汽车股份有限公司 一种障碍物地图构建方法、装置、设备及存储介质
CN112729320B (zh) * 2020-12-22 2022-05-17 中国第一汽车股份有限公司 一种障碍物地图构建方法、装置、设备及存储介质
CN112764042A (zh) * 2020-12-28 2021-05-07 上海汽车集团股份有限公司 一种障碍物检测及跟踪方法和装置
CN112764042B (zh) * 2020-12-28 2023-11-21 上海汽车集团股份有限公司 一种障碍物检测及跟踪方法和装置
CN112927256A (zh) * 2021-03-16 2021-06-08 杭州萤石软件有限公司 一种分割区域的边界融合方法、装置、移动机器人
CN113284342A (zh) * 2021-05-17 2021-08-20 上海欧菲智能车联科技有限公司 空车位检测方法及装置、车辆和计算机设备
CN114200454A (zh) * 2022-02-16 2022-03-18 南京慧尔视智能科技有限公司 一种确定可行驶区域的方法和相关装置

Also Published As

Publication number Publication date
CN111368760B (zh) 2023-09-01

Similar Documents

Publication Publication Date Title
CN111368760B (zh) 一种障碍物检测方法、装置、电子设备及存储介质
CN110929702B (zh) 一种轨迹规划方法、装置、电子设备和存储介质
CN111311925B (zh) 车位的检测方法和装置、电子设备、车辆、存储介质
CN111081046B (zh) 一种自动驾驶车辆变道方法、装置、电子设备和介质
CN110723079B (zh) 车载传感器的位姿调整方法、装置、设备和介质
CN111310840B (zh) 数据融合处理方法、装置、设备和存储介质
CN110879395B (zh) 障碍物位置预测方法、装置和电子设备
KR102566603B1 (ko) 자율 주행을 위한 속도 계획 방법, 장치, 설비, 매체 및 차량
CN110986980B (zh) 一种自动驾驶规划路线检测方法、装置和电子设备
CN111177869B (zh) 传感器布局方案的确定方法、装置及设备
CN111079079B (zh) 数据修正方法、装置、电子设备及计算机可读存储介质
CN111413968B (zh) 车辆的控制方法、装置及电子设备
CN114572240A (zh) 车辆行驶控制方法、装置、车辆、电子设备及存储介质
CN115716482A (zh) 掉头轨迹规划方法、装置、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
WO2022089506A1 (zh) 一种三维轨迹规划方法、装置、设备及存储介质
CN112859829A (zh) 一种车辆控制方法、装置、电子设备和介质
KR102568948B1 (ko) 장애물 속도를 결정하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램
CN111462072B (zh) 点云图质量检测方法、装置以及电子设备
CN112784637B (zh) 地面障碍物探测方法、装置、电子设备及存储介质
CN110595798B (zh) 测试方法及装置
CN112578355A (zh) 雷达标定的方法、装置、设备以及存储介质
CN112902951A (zh) 一种行驶设备的定位方法、装置、设备及存储介质
CN112528932A (zh) 用于优化位置信息的方法、装置、路侧设备和云控平台
CN111231952A (zh) 车辆控制方法、装置及设备

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211019

Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085

Applicant after: Apollo Intelligent Technology (Beijing) Co.,Ltd.

Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085

Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant