CN111427037B - 障碍物的检测方法和装置、电子设备和车端设备 - Google Patents

障碍物的检测方法和装置、电子设备和车端设备 Download PDF

Info

Publication number
CN111427037B
CN111427037B CN202010192062.2A CN202010192062A CN111427037B CN 111427037 B CN111427037 B CN 111427037B CN 202010192062 A CN202010192062 A CN 202010192062A CN 111427037 B CN111427037 B CN 111427037B
Authority
CN
China
Prior art keywords
obstacle
information
tracking information
similarity
obstacle tracking
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
CN202010192062.2A
Other languages
English (en)
Other versions
CN111427037A (zh
Inventor
程凯
徐铎
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 CN202010192062.2A priority Critical patent/CN111427037B/zh
Publication of CN111427037A publication Critical patent/CN111427037A/zh
Application granted granted Critical
Publication of CN111427037B publication Critical patent/CN111427037B/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
    • G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
    • G01S11/12—Systems for determining distance or velocity not using reflection or reradiation using electromagnetic waves other than radio waves
    • 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
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G01S13/726—Multiple target tracking
    • 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
    • G01S13/865—Combination of radar systems with lidar 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/66—Tracking systems using electromagnetic waves other than radio waves
    • 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

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)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开实施例公开了一种障碍物的检测方法和装置、电子设备、车端设备、自动驾驶汽车、存储介质，涉及自动驾驶领域。具体实现方案为：采集至少一个传感器发送的障碍物观测信息，响应于预存的障碍物跟踪信息中包括与障碍物的标识相同的标识，将具有相同的标识的障碍物跟踪信息和障碍物观测信息进行相似度计算，得到第一相似度，响应于第一相似度大于预设第一阈值，基于相同的标识将大于第一阈值对应的障碍物观测信息对相应的障碍物跟踪信息进行覆盖，根据当前的障碍物跟踪信息确定障碍物的相关信息，通过覆盖的方式可以实现节约分析和计算的成本；且由于减少了分析的信息的量，还可以实现减少噪音信息，提高得到的障碍物的相关信息的可靠性。

Description

障碍物的检测方法和装置、电子设备和车端设备
技术领域
本公开实施例涉及计算机技术领域，尤其涉及自动驾驶技术领域，具体涉及一种障碍物的检测方法和装置、电子设备、车端设备、自动驾驶汽车、存储介质。
背景技术
自动驾驶汽车依靠人工智能、视觉计算、传感器(如雷达和监控装置等)和全球定位系统等协同合作，让计算机可以在没有任何人类主动的操作下，自动安全地操作机动车辆，对自动驾驶汽车周围的障碍物进行检测是确保自动驾驶汽车安全行驶的重要因素之一。
在现有技术中，对障碍物的检测的方法主要包括：采集各个传感器发送的当前帧的障碍物观测信息，对所有的障碍物观测信息和所有的障碍物跟踪信息进行多传感器信息融合(Multi-sensor Information Fusion，MSIF)，及将各个传感器的当前数据和历史数据进行分析和综合，得到障碍物的相关信息。
然而发明人在实现本公开的过程中，发现至少存在如下问题：由于需要对各个传感器的障碍物观测信息和障碍物跟踪信息均进行分析造成的计算成本高。
发明内容
根据本公开实施例的一个方面，本公开实施例提供了一种障碍物的检测方法，所述方法包括：
采集至少一个传感器发送的障碍物观测信息，其中，所述障碍物观测信息中包括障碍物的标识；
响应于预存的障碍物跟踪信息中包括与所述障碍物的标识相同的标识，将具有相同的标识的障碍物跟踪信息和障碍物观测信息进行相似度计算，得到第一相似度；
响应于第一相似度大于预设第一阈值，基于所述相同的标识将大于所述第一阈值对应的障碍物观测信息对相应的障碍物跟踪信息进行覆盖；
根据当前的障碍物跟踪信息确定障碍物的相关信息，其中，所述当前的障碍物跟踪信息至少包括覆盖后的障碍物跟踪信息。
在本公开实施例中，通过确定具有相同的标识对障碍物观测信息和障碍物跟踪信息的第一相似度，并基于第一相似度对障碍物跟踪信息进行更新(即将障碍物观测信息覆盖障碍物跟踪信息)，可以减少后续确定障碍物的相关信息的分析量，因此，可以实现节约分析和计算的成本，且提高分析效率；且由于减少了分析的信息的量，因此还可以实现减少噪音信息，提高得到的障碍物的相关信息的可靠性。
在一些实施例中，所述方法还包括：
将满足预设条件的障碍物跟踪信息和障碍物观测信息进行相似度计算，得到第二相似度；
响应于所述第二相似度大于预设第二阈值，将大于所述第二阈值的第二相似度对应的障碍物观测信息覆盖障碍物跟踪信息；
其中，预设条件包括：
所述障碍物跟踪信息中包括与所述障碍物的标识不相同的标识，和/或，所述第一相似度小于或等于所述第一阈值。
在本公开实施例中，对没有相同的标识的障碍物观测信息和障碍物跟踪信息，或者第一相似度小于或等于第一阈值的障碍物观测信息和障碍物跟踪信息进行相似度计算，以便综合考虑采集到的各障碍物观测信息，提高信息的丰富程度，进而提高后续确定出的障碍物的相关信息的可靠性，且通过覆盖的方式对第二相似度大于第二阈值的障碍物跟踪信息进行覆盖，以便及时更新障碍物跟踪信息，从而提高后续确定出的障碍物的相关信息的准确性和有效性。
在一些实施例中，所述方法还包括：
响应于所述第二相似度小于所述第二阈值，对小于所述第二阈值的第二相似度对应的障碍物观测信息的障碍物跟踪信息进行创建，其中，所述当前的障碍物跟踪信息还包括创建后的障碍物跟踪信息。
在本公开实施例中，通过创建小于第二阈值的第二相似度对应的障碍物观测信息的障碍物跟踪信息，以便及时对障碍物跟踪信息进行更新，确保障碍物跟踪信息的完整性和全面性，从而提高后续确定出的障碍物的相关信息的有效性和准确性。
在一些实施例中，所述根据当前的障碍物跟踪信息确定障碍物的相关信息包括：
对所述当前的障碍物跟踪信息进行合并；
根据合并后的障碍物跟踪信息确定障碍物的相关信息。
在一些实施例中，所述方法还包括：
对预设时长内状态未发生变化的障碍物跟踪信息进行删除。
在本公开实施例中，通过长时间内状态未发生变化的障碍物跟踪信息进行删除，可以减少噪音信息，并减少计算量和分析量，从而提高确定出障碍物的相关信息的效率和准确性。
根据本公开实施例的一个方面，本公开实施例提供了一种障碍物的检测装置，所述装置包括：
采集模块，用于采集至少一个传感器发送的障碍物观测信息，其中，所述障碍物观测信息中包括障碍物的标识；
计算模块，用于响应于预存的障碍物跟踪信息中包括与所述障碍物的标识相同的标识，将具有相同的标识的障碍物跟踪信息和障碍物观测信息进行相似度计算，得到第一相似度；
覆盖模块，用于响应于第一相似度大于预设第一阈值，基于所述相同的标识将大于所述第一阈值对应的障碍物观测信息对相应的障碍物跟踪信息进行覆盖；
确定模块，用于根据当前的障碍物跟踪信息确定障碍物的相关信息，其中，所述当前的障碍物跟踪信息至少包括覆盖后的障碍物跟踪信息。
在一些实施例中，所述计算模块还用于，将满足预设条件的障碍物跟踪信息和障碍物观测信息进行相似度计算，得到第二相似度；
所述覆盖模块还用于，响应于所述第二相似度大于预设第二阈值，将大于所述第二阈值的第二相似度对应的障碍物观测信息覆盖障碍物跟踪信息；
其中，预设条件包括：
所述障碍物跟踪信息中包括与所述障碍物的标识不相同的标识，和/或，所述第一相似度小于或等于所述第一阈值。
在一些实施例中，所述装置还包括：
创建模块，用于响应于所述第二相似度小于所述第二阈值，对小于所述第二阈值的第二相似度对应的障碍物观测信息的障碍物跟踪信息进行创建，其中，所述当前的障碍物跟踪信息还包括创建后的障碍物跟踪信息。
在一些实施例中，所述确定模块用于，对所述当前的障碍物跟踪信息进行合并，根据合并后的障碍物跟踪信息确定障碍物的相关信息。
在一些实施例中，所述装置还包括：
删除模块，用于对预设时长内状态未发生变化的障碍物跟踪信息进行删除。
根据本公开实施例的一个方面，本公开实施例提供了一种电子设备，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如上任一实施例所述的方法。
根据本公开实施例的一个方面，本公开实施例提供了一种车端设备，所述车端设备包括上任一实施例所述的装置，或者，如上述实施例所述的电子设备。
根据本公开实施例的一个方面，本公开实施例提供了一种自动驾驶汽车，所述自动驾驶汽车包括如上任一实施例所述的车端设备，还包括与所述车端设备连接的至少一个传感器，所述至少一个传感器用于将采集到的障碍物观测信息发送至所述车端设备。
根据本公开实施例的一个方面，本公开实施例提供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如上任一实施例所述的方法。
本公开实施例提供了一种障碍物的检测方法和装置、电子设备、车端设备、自动驾驶汽车、存储介质，包括：采集至少一个传感器发送的障碍物观测信息，其中，障碍物观测信息中包括障碍物的标识，响应于预存的障碍物跟踪信息中包括与障碍物的标识相同的标识，将具有相同的标识的障碍物跟踪信息和障碍物观测信息进行相似度计算，得到第一相似度，响应于第一相似度大于预设第一阈值，基于相同的标识将大于第一阈值对应的障碍物观测信息对相应的障碍物跟踪信息进行覆盖，根据当前的障碍物跟踪信息确定障碍物的相关信息，其中，当前的障碍物跟踪信息至少包括覆盖后的障碍物跟踪信息，通过确定具有相同的标识对障碍物观测信息和障碍物跟踪信息的第一相似度，并基于第一相似度对障碍物跟踪信息进行更新(即将障碍物观测信息覆盖障碍物跟踪信息)，可以减少后续确定障碍物的相关信息的分析量，因此，可以实现节约分析和计算的成本，且提高分析效率；且由于减少了分析的信息的量，因此还可以实现减少噪音信息，提高得到的障碍物的相关信息的可靠性。
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，不构成对本公开的限定。其中：
图1为本公开实施例的障碍物的检测方法的应用场景示意图；
图2为本公开实施例提供的障碍物的检测方法的流程示意图；
图3为本公开另一实施例提供的障碍物的检测方法的流程示意图；
图4为本公开实施例的障碍物的检测装置的示意图；
图5为本公开另一实施例的障碍物的检测装置的示意图；
图6为本公开另一实施例的障碍物的检测装置的示意图；
图7为本公开实施例的电子设备的框图。
具体实施方式
以下结合附图对本公开实施例的示范性实施例做出说明，其中包括本公开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，而不会背离本公开实施例的范围和精神。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。
请参阅图1，图1为本公开实施例的障碍物的检测方法的应用场景示意图。
如图1所示，自动驾驶汽车100上设置有四个传感器200，且四个传感器200分别设置于自动驾驶汽车的前车身、左车身、后车身和右车身，其中，图1中示范性地画出了设置于自动驾驶汽车的前车身和后车身的传感器200。
其中，传感器200可以为感知传感器，如相机、激光雷达和毫米波雷达等，且传感器200可对障碍物如图1中所示的指示牌300和红路灯400的相关信息进行采集。
值得说明地是，同一辆自动驾驶汽车上设置的传感器可以为相同类型的传感器，也可以为不同类型的传感器。
如，在本公开实施例中，可为自动驾驶汽车的前车身和后车身分别设置相机，为自动驾驶汽车的左车身设置激光雷达，为自动驾驶汽车的右车身设置毫米波雷达。
且，自动驾驶汽车100上还设置有处理器(图1中未示出)，且处理器分别与四个传感器200进行连接，以采集每个传感器200获取到的信息，并通过执行本公开实施例提供的障碍物的检测方法，确定出自动驾驶汽车100周围的障碍物的相关信息。
在一些实施例中，处理器根据确定出的障碍物的相关信息对自动驾驶汽车100的当前的驾驶策略进行调整(包括减速行驶和加速行驶等)，以确保自动驾驶汽车100的安全驾驶，当然，也可确保其他车辆或行人等的安全。
当然，在另一些实施例中，自动驾驶汽车100上还可设置显示装置(图1中未示出，如设置于车载终端的显示器等)，处理器与显示装置连接，并控制显示装置对障碍物的相关信息进行显示，或者控制显示装置对当前的驾驶策略进行调整的调整信息进行显示，以提高用户的乘车体验。
当然，在另一些实施例中，自动驾驶汽车100上还可设置扬声器(图1中未示出，如设置于车载终端的喇叭等)，处理器与扬声器连接，处理器将障碍物的相关信息转换为音频信息，或者将对当前的驾驶策略进行调整的调整信息转换为音频信息，并控制扬声器对音频信息进行播报，以提高用户的乘车体验。
需要说明地是，上述示例中对传感器的数量、传感器的类型、传感器的设置位置等只是用于示范性地说明，以便读者对本公开实施例的障碍物的检测方法的应用场景的理解，而不能理解为对本公开实施例的障碍物的检测方法的应用场景的限定。
下面以具体地实施例对本公开的技术方案以及本公开的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本公开的实施例进行描述。
根据本公开实施例的一个方面，本公开实施例提供了一种障碍物的检测方法。
请参阅图2，图2为本公开实施例提供的障碍物的检测方法的流程示意图。
如图2所示，该方法包括：
S101：采集至少一个传感器发送的障碍物观测信息，其中，障碍物观测信息中包括障碍物的标识。
在一些实施例中，本公开实施例的执行主体可以为障碍物的检测装置。其中，装置可以为如上述示例中所述的处理器，也可以为车载终端，也可以为芯片(具体可以为嵌入式芯片)，等等。
其中，障碍物用于表征对自动驾驶汽车的驾驶速度和/或驾驶方向造成影响的人或物，而障碍物观测信息用于表征由传感器对一个或多个障碍物进行观测时得到的相关信息，如速度和位置等。
也就是说，障碍物观测信息可能包括一个传感器发送的该传感器观测到的一个障碍物的相关信息，也可能包括一个传感器发送的该传感器观测到的多个障碍物的相关信息，也可能包括多个传感器发送的各传感器各自观测到的一个或多个障碍物的相关信息。
其中，障碍物的标识用于对不同的障碍物进行区分，即不同的障碍物具有不同的标识，且标识可以为由数字和/或字母组成的ID。
值得说明地是，可以基于需求或经验等对障碍物进行类别的划分，以便为不同类别的障碍物分配不同的标识。如，可以将卡车划分为一个类别，并为该类别分配一个标识，而将轿车划分为另一个类别，并为该类别分配另一个标识，等等。
在一些实施例中，障碍物观测信息可以为至少一个传感器发送的当前帧的至少一个障碍物的观测信息。也就是说，执行主体可以以帧为单位对障碍物观测信息进行采集。
在另一些实施例中，障碍物观测信息可以为至少一个传感器发送的预设时间段内的至少一个障碍物的观测信息。也就是说，执行主体可以以预设时间段为单位对障碍物观测信息进行采集。
S102：响应于预存的障碍物跟踪信息中包括与障碍物的标识相同的标识，将具有相同的标识的障碍物跟踪信息和障碍物观测信息进行相似度计算，得到第一相似度。
其中，障碍物跟踪信息是基于历史的障碍物观测信息构建的，且障碍物跟踪信息可以用于表征障碍物的历史观测信息(即当前时刻之前的障碍物观测信息)。
例如，若执行主体以帧为单位对障碍物观测信息进行采集，则在执行主体采集到第一帧障碍物观测信息后，可以基于第一帧障碍物观测信息创建障碍物跟踪信息。且当执行主体采集到第m帧障碍物观测信息时，可以基于第m帧障碍物观测信息对第m-1帧障碍物跟踪信息进行更新。其中，m≥2，且更新包创建新的障碍物跟踪信息，也可以包括在已经有的障碍物跟踪信息中添加新的障碍物跟踪信息，等等。
其中，该步骤可具体包括：获取预存的障碍物跟踪信息，并提取障碍物跟踪信息中的障碍物的标识，将从障碍物观测信息中提取的障碍物的标识(后文简称为第一标识)与从障碍物跟踪信息中提取的障碍物的标识(后文简称为第二标识)进行比较，以判断是否存在与第一标识相同的第二标识，如果存在，则将具有相同的标识的障碍物跟踪信息和障碍物观测信息进行相似度计算。
例如，障碍物观测信息中包括两个障碍物的标识(即存在两个障碍物)，且分别为A1和A2。而障碍物跟踪信息中也包括两个障碍物的标识(即存在两个障碍物)，且分别为A1和A2，则计算A1对应的障碍物观测信息和障碍物跟踪信息之间的相似度X1，并计算A1对应的障碍物观测信息和障碍物跟踪信息之间的相似度X2。
S103：响应于第一相似度大于预设第一阈值，基于相同的标识将大于第一阈值对应的障碍物观测信息对相应的障碍物跟踪信息进行覆盖。
其中，第一阈值为用于表征具有相同的标识的障碍物观测信息和障碍物跟踪信息的相似度的参考参数，且第一阈值的大小可基于需求、经验和试验数据等进行设定。
该步骤可具体包括：将第一相似度与第一阈值进行比较，以便判断第一相似度与第一阈值之间的大小，如果第一相似度大于第一阈值，则将具有相同标识的障碍物观测信息覆盖障碍物跟踪信息。
结合上述示例，判断X1与第一阈值的大小，如果X1大于第一阈值，则说明A1的障碍物观测信息与障碍物跟踪信息很有可能对应同一障碍物，因此可以将障碍物观测信息对障碍物跟踪信息进行更新(即将障碍物观测信息覆盖障碍物跟踪信息)。
同理，判断X2与第一阈值的大小，如果X2大于第一阈值，则说明A2的障碍物观测信息与障碍物跟踪信息很有可能对应同一障碍物，因此可以将障碍物观测信息对障碍物跟踪信息进行更新(即将障碍物观测信息覆盖障碍物跟踪信息)。
S104：根据当前的障碍物跟踪信息确定障碍物的相关信息，其中，当前的障碍物跟踪信息至少包括覆盖后的障碍物跟踪信息。
其中，障碍物的相关信息用于表征描述障碍物的信息，如障碍物的形状、大小、速度和位置等。
其中，具体至少根据覆盖后的障碍物跟踪信息确定障碍物的相关信息可通过现有技术中的分析方法实现。但是，需要强调的是，在现有技术中，是将所有的障碍物观测信息和障碍物跟踪信息均进行分析，得到障碍物的相关信息。而在本公开实施例中，是对覆盖后的障碍物跟踪信息进行分析，得到障碍物的相关信息。也就是说，一方面，本公开实施例的分析量少，可以实现节约分析和计算的成本，且提高分析效率；且由于减少了分析的信息的量，因此还可以实现减少噪音信息，提高得到的障碍物的相关信息的可靠性。
基于上述分析可知，本公开实施例提供了一种障碍物的检测方法，该方法包括：采集至少一个传感器发送的障碍物观测信息，其中，障碍物观测信息中包括障碍物的标识，响应于预存的障碍物跟踪信息中包括与障碍物的标识相同的标识，将具有相同的标识的障碍物跟踪信息和障碍物观测信息进行相似度计算，得到第一相似度，响应于第一相似度大于预设第一阈值，基于相同的标识将大于第一阈值对应的障碍物观测信息对相应的障碍物跟踪信息进行覆盖，根据当前的障碍物跟踪信息确定障碍物的相关信息，其中，当前的障碍物跟踪信息至少包括覆盖后的障碍物跟踪信息，通过确定具有相同的标识对障碍物观测信息和障碍物跟踪信息的第一相似度，并基于第一相似度对障碍物跟踪信息进行更新(即将障碍物观测信息覆盖障碍物跟踪信息)，可以减少后续确定障碍物的相关信息的分析量，因此，可以实现节约分析和计算的成本，且提高分析效率；且由于减少了分析的信息的量，因此还可以实现减少噪音信息，提高得到的障碍物的相关信息的可靠性。
在一些实施例中，该方法还包括：
将满足预设条件的障碍物跟踪信息和障碍物观测信息进行相似度计算，得到第二相似度。
其中，预设条件包括：
障碍物跟踪信息中包括与障碍物的标识不相同的标识，和/或，第一相似度小于或等于第一阈值。
基于上述示例可知，第一标识和第二标识可能相同，也可能不相同，如果相同，则计算具有相同的标识的障碍物观测信息和障碍物跟踪信息的第一相似度。那么，如果第一标识和第二标识不相同，则可以计算不相同的标识的障碍物观测信息和障碍物跟踪信息的第二相似度。
且，基于上述示例可知，第一相似度可能大于第一阈值，也可能小于或等于第一阈值。那么，如果第一相似度小于或等于第一阈值，则计算小于第一相似度小于或等于第一阈值的障碍物观测信息和障碍物跟踪信息的第二相似度。
响应于第二相似度大于预设第二阈值，将大于第二阈值的第二相似度对应的障碍物观测信息覆盖障碍物跟踪信息。
同理，第二阈值为用于表征满足预设条件的障碍物观测信息和障碍物跟踪信息的相似度的参考参数，且第二阈值的大小可基于需求、经验和试验数据等进行设定。
结合图3可知，在本公开实施例中，该方法包括：
S1：采集至少一个传感器发送的障碍物观测信息，其中，障碍物观测信息中包括障碍物的标识。
S2：逐个比对第一标识和第二标识是否相同，如果相同，则执行S3；如果不相同，则执行S6。
S3：计算具有相同的标识的障碍物观测信息和障碍物跟踪信息的相似度，得到第一相似度。
S4：判断第一相似度是否大于第一阈值，如果是，则执行S5；如果否，则执行S6。
S5：将大于第一阈值的第一相似度对应的障碍物观测信息覆盖相应的障碍物跟踪信息。
S6：计算障碍物观测信息和障碍物跟踪信息的相似度，得到第二相似度。
也就是说，在S6中，是对具有不相同的标识，和/或，第一相似度小于或等于第一阈值的障碍物观测信息和障碍物跟踪信息的相似度进行计算。
其中，相似度的计算可具体采用矩阵的方式实现。
例如，共有七个障碍物观测信息，分别标记为G1至G7，七个障碍物跟踪信息，分别标记为Z1至Z7，且有七个第一标识和七个第二标识。
若第一标识和第二标识中有两个相同的标识，则分别计算两个相同的标识对应的障碍物观测信息和障碍物跟踪信息之间的相似度，分别标记为第一相似度a和第一相似度b，如果第一相似度a大于第一阈值，则可参见上述示例，此处不再赘述。其中，对应的障碍物观测信息的标记为G1，且对应的障碍物跟踪信息的标记为Z1。
如果第一相似度b小于或等于第一阈值，则创建包括G2至G7和Z2至Z7的矩阵，即创建6*6的矩阵，并分别计算相似度，得到第二相似度。
基于矩阵计算相似度的方法为现有技术，此处不再赘述。但是，值得强调地是，尽管基于矩阵计算相似度的方法为现有技术，但是，现有技术中并没有将构建矩阵应用至障碍物检测的方案或者启示。
而在本公开实施例中，通过计算没有相同的标识和/或第一相似度小于或等于第一阈值的障碍物观测信息和障碍物跟踪信息的第二相似度的方法，以便后续基于第二相似度和第二阈值对障碍物观测信息和障碍物跟踪信息进行合并(即后文中的覆盖)，可以减少后续的分析量和计算量。
S7：判断第二相似度是否大于第二阈值，如果是，则执行S8；如果否，则执行S9。
S8：将大于第二阈值的第二相似度对应的障碍物观测信息覆盖障碍物跟踪信息。
基于上述示例，若G2和Z2、G3和Z3、G4和Z4、G5和Z5的第二相似度均大于第二阈值，则将G2的障碍物观测信息覆盖Z2的障碍物跟踪信息，将G3的障碍物观测信息覆盖Z3的障碍物跟踪信息，将G4的障碍物观测信息覆盖Z4的障碍物跟踪信息，将G5的障碍物观测信息覆盖Z5的障碍物跟踪信息。
S9：对小于第二阈值的第二相似度对应的障碍物观测信息的障碍物跟踪信息进行创建，得到更新后的障碍物跟踪信息。
基于上述示例，由于G6和任一障碍物跟踪信息的相似度均小于或等于第二阈值，且G7和任一障碍物跟踪信息的第二相似度均小于或等于第二阈值，因此，创建G6和G7对应的障碍物观测信息的障碍物跟踪信息，可以标记为Z8和Z9，则更新后的障碍物跟踪信息的标记为Z1至Z9。
S10：对覆盖后的障碍物跟踪信息和/或更新后的障碍物跟踪信息进行合并。
基于上述示例，将标记为Z1至Z9的障碍物跟踪信息进行合并，合并可采用相似度计算的方法实现，具体计算可参见上述示例的描述，此处不再赘述。
S11：根据合并后的障碍物跟踪信息确定障碍物的相关信息。
基于上述示例，若将标记为Z1至Z9的障碍物跟踪信息进行合并后，得到标记为Z1至Z8的障碍物跟踪信息，则根据标记为Z1至Z8的障碍物跟踪信息确定障碍物的相关信息。
S12：对预设时长内状态未发生变化的障碍物跟踪信息进行删除。
其中，预设时长可基于需求、经验或实验数据进行确定。
一般而言，若某障碍物跟踪信息在预设时长内未发生变化，则说明存在于障碍物跟踪信息对应的障碍物的可能性偏小，因此将其删除，可以实现避免噪音信息的干扰，减小计算量，提高障碍物的相关信息的可靠性和真实性。
需要说明地是，上述示例中的各参数只是用于示范性地说明，以便读者更清楚地理解本公开实施例的方案，而不能理解为对本公开实施例的适用参数的具体限定。
根据本公开实施例的另一个方面，本公开实施例还提供了一种障碍物的检测装置。
请参阅图4，图4为本公开实施例的障碍物的检测装置的示意图。
如图4所示，该装置包括：
采集模块11，用于采集至少一个传感器发送的障碍物观测信息，其中，所述障碍物观测信息中包括障碍物的标识；
计算模块12，用于响应于预存的障碍物跟踪信息中包括与所述障碍物的标识相同的标识，将具有相同的标识的障碍物跟踪信息和障碍物观测信息进行相似度计算，得到第一相似度；
覆盖模块13，用于响应于第一相似度大于预设第一阈值，基于所述相同的标识将大于所述第一阈值对应的障碍物观测信息对相应的障碍物跟踪信息进行覆盖；
确定模块14，用于根据当前的障碍物跟踪信息确定障碍物的相关信息，其中，所述当前的障碍物跟踪信息至少包括覆盖后的障碍物跟踪信息。
在一些实施例中，所述计算模块12还用于，将满足预设条件的障碍物跟踪信息和障碍物观测信息进行相似度计算，得到第二相似度；
所述覆盖模块13还用于，响应于所述第二相似度大于预设第二阈值，将大于所述第二阈值的第二相似度对应的障碍物观测信息覆盖障碍物跟踪信息；
其中，预设条件包括：
所述障碍物跟踪信息中包括与所述障碍物的标识不相同的标识，和/或，所述第一相似度小于或等于所述第一阈值。
结合图5可知，在一些实施例中，所述装置还包括：
创建模块15，用于响应于所述第二相似度小于所述第二阈值，对小于所述第二阈值的第二相似度对应的障碍物观测信息的障碍物跟踪信息进行创建，其中，所述当前的障碍物跟踪信息还包括创建后的障碍物跟踪信息。
在一些实施例中，所述确定模块14用于，对所述当前的障碍物跟踪信息进行合并，根据合并后的障碍物跟踪信息确定障碍物的相关信息。
结合图6可知，在一些实施例中，所述装置还包括：
删除模块16，用于对预设时长内状态未发生变化的障碍物跟踪信息进行删除。
根据本公开的实施例，本公开还提供了一种电子设备和一种可读存储介质。
如图7所示，是根据本公开实施例的电子设备的框图。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/或者要求的本公开实施例的实现。
如图7所示，该电子设备包括：一个或多个处理器101、存储器102，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101为例。
存储器102即为本公开实施例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公开实施例所提供的障碍物的检测方法。本公开实施例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公开实施例所提供的障碍物的检测方法。
存储器102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，如本公开实施例中的程序指令/模块。处理器101通过运行存储在存储器102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的检测方法。
存储器102可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器102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102可选包括相对于处理器101远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、区块链服务网络(Block-chain-based Service Network，BSN)、移动通信网及其组合。
电子设备还可以包括：输入装置103和输出装置104。处理器101、存储器102、输入装置103和输出装置104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103可接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置104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)、区块链服务网络(Block-chain-based Service Network，BSN)、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。
根据本公开实施例的另一个方面，本公开实施例还提供了一种车端设备，所述车端设备包括如上任一实施例所述的障碍物的检测装置，或者，如上述实施例所述的电子设备。
根据本公开实施例的另一个方面，本公开实施例还提供了一种自动驾驶车辆，所述自动驾驶车辆包括如上实施例所述的自动车端设备，还包括与所述车端设备连接的至少一个传感器，所述至少一个传感器用于将采集到的障碍物观测信息发送至所述车端设备。
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，本公开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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (12)

1.一种障碍物的检测方法，其特征在于，所述方法包括：
采集至少一个传感器发送的障碍物观测信息，其中，所述障碍物观测信息中包括障碍物的标识；
响应于预存的障碍物跟踪信息中包括与所述障碍物的标识相同的标识，将具有相同的标识的障碍物跟踪信息和障碍物观测信息进行相似度计算，得到第一相似度；响应于第一相似度大于预设第一阈值，基于所述相同的标识将大于所述第一阈值对应的障碍物观测信息对相应的障碍物跟踪信息进行覆盖；
响应于满足预设条件的障碍物跟踪信息，将所述满足预设条件的障碍物跟踪信息和障碍物观测信息进行相似度计算，得到第二相似度：其中，预设条件包括：所述障碍物跟踪信息中包括与所述障碍物的标识不相同的标识，和/或，所述第一相似度小于或等于所述第一阈值；
响应于所述第二相似度大于预设第二阈值，将大于所述第二阈值的第二相似度对应的障碍物观测信息覆盖障碍物跟踪信息：
根据当前的障碍物跟踪信息确定障碍物的相关信息，其中，所述当前的障碍物跟踪信息至少包括覆盖后的障碍物跟踪信息。
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：
响应于所述第二相似度小于所述第二阈值，对小于所述第二阈值的第二相似度对应的障碍物观测信息的障碍物跟踪信息进行创建，其中，所述当前的障碍物跟踪信息还包括创建后的障碍物跟踪信息。
3.根据权利要求1至2中任一项所述的方法，其特征在于，所述根据当前的障碍物跟踪信息确定障碍物的相关信息包括：
对所述当前的障碍物跟踪信息进行合并；
根据合并后的障碍物跟踪信息确定障碍物的相关信息。
4.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
对预设时长内状态未发生变化的障碍物跟踪信息进行删除。
5.一种障碍物的检测装置，其特征在于，所述装置包括：
采集模块，用于采集至少一个传感器发送的障碍物观测信息，其中，所述障碍物观测信息中包括障碍物的标识；
计算模块，用于响应于预存的障碍物跟踪信息中包括与所述障碍物的标识相同的标识，将具有相同的标识的障碍物跟踪信息和障碍物观测信息进行相似度计算，得到第一相似度；
覆盖模块，用于响应于第一相似度大于预设第一阈值，基于所述相同的标识将大于所述第一阈值对应的障碍物观测信息对相应的障碍物跟踪信息进行覆盖；
确定模块，用于根据当前的障碍物跟踪信息确定障碍物的相关信息，其中，所述当前的障碍物跟踪信息至少包括覆盖后的障碍物跟踪信息；
所述计算模块还用于，将满足预设条件的障碍物跟踪信息和障碍物观测信息进行相似度计算，得到第二相似度；
所述覆盖模块还用于，响应于所述第二相似度大于预设第二阈值，将大于所述第二阈值的第二相似度对应的障碍物观测信息覆盖障碍物跟踪信息；
其中，预设条件包括：
所述障碍物跟踪信息中包括与所述障碍物的标识不相同的标识，和/或，所述第一相似度小于或等于所述第一阈值。
6.根据权利要求5所述的装置，其特征在于，所述装置还包括：
创建模块，用于响应于所述第二相似度小于所述第二阈值，对小于所述第二阈值的第二相似度对应的障碍物观测信息的障碍物跟踪信息进行创建，其中，所述当前的障碍物跟踪信息还包括创建后的障碍物跟踪信息。
7.根据权利要求5或6所述的装置，其特征在于，所述确定模块用于，对所述当前的障碍物跟踪信息进行合并，根据合并后的障碍物跟踪信息确定障碍物的相关信息。
8.根据权利要求5或6所述的装置，其特征在于，所述装置还包括：
删除模块，用于对预设时长内状态未发生变化的障碍物跟踪信息进行删除。
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。
10.一种车端设备，其特征在于，所述车端设备包括如权利要求5-8中任一项所述的装置，或者，如权利要求9所述的电子设备。
11.一种自动驾驶汽车，其特征在于，所述自动驾驶汽车包括如权利要求10所述的车端设备，还包括与所述车端设备连接的至少一个传感器，所述至少一个传感器用于将采集到的障碍物观测信息发送至所述车端设备。
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1-4中任一项所述的方法。
CN202010192062.2A 2020-03-18 2020-03-18 障碍物的检测方法和装置、电子设备和车端设备 Active CN111427037B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010192062.2A CN111427037B (zh) 2020-03-18 2020-03-18 障碍物的检测方法和装置、电子设备和车端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010192062.2A CN111427037B (zh) 2020-03-18 2020-03-18 障碍物的检测方法和装置、电子设备和车端设备

Publications (2)

Publication Number Publication Date
CN111427037A CN111427037A (zh) 2020-07-17
CN111427037B true CN111427037B (zh) 2022-06-03

Family

ID=71547517

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010192062.2A Active CN111427037B (zh) 2020-03-18 2020-03-18 障碍物的检测方法和装置、电子设备和车端设备

Country Status (1)

Country Link
CN (1) CN111427037B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115546293B (zh) * 2022-12-02 2023-03-07 广汽埃安新能源汽车股份有限公司 障碍物信息融合方法、装置、电子设备和计算机可读介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107256561A (zh) * 2017-04-28 2017-10-17 纳恩博（北京）科技有限公司 目标跟踪方法和装置
CN108446585A (zh) * 2018-01-31 2018-08-24 深圳市阿西莫夫科技有限公司 目标跟踪方法、装置、计算机设备和存储介质
CN109284348A (zh) * 2018-10-30 2019-01-29 百度在线网络技术（北京）有限公司 一种电子地图的更新方法、装置、设备和存储介质
CN109327683A (zh) * 2018-10-29 2019-02-12 重庆中科云丛科技有限公司 一种追踪方法、系统、无人机及服务器
CN109492656A (zh) * 2017-09-11 2019-03-19 百度在线网络技术（北京）有限公司 用于输出信息的方法和装置
CN109579856A (zh) * 2018-10-31 2019-04-05 百度在线网络技术（北京）有限公司 高精度地图生成方法、装置、设备及计算机可读存储介质
CN110843792A (zh) * 2019-11-29 2020-02-28 北京百度网讯科技有限公司 用于输出信息的方法和装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101616309B (zh) * 2009-07-16 2010-12-29 上海交通大学 无重叠视域多摄像机人体目标跟踪方法
CN108447080B (zh) * 2018-03-02 2023-05-23 哈尔滨工业大学深圳研究生院 基于分层数据关联和卷积神经网络的目标跟踪方法、系统和存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107256561A (zh) * 2017-04-28 2017-10-17 纳恩博（北京）科技有限公司 目标跟踪方法和装置
CN109492656A (zh) * 2017-09-11 2019-03-19 百度在线网络技术（北京）有限公司 用于输出信息的方法和装置
CN108446585A (zh) * 2018-01-31 2018-08-24 深圳市阿西莫夫科技有限公司 目标跟踪方法、装置、计算机设备和存储介质
CN109327683A (zh) * 2018-10-29 2019-02-12 重庆中科云丛科技有限公司 一种追踪方法、系统、无人机及服务器
CN109284348A (zh) * 2018-10-30 2019-01-29 百度在线网络技术（北京）有限公司 一种电子地图的更新方法、装置、设备和存储介质
CN109579856A (zh) * 2018-10-31 2019-04-05 百度在线网络技术（北京）有限公司 高精度地图生成方法、装置、设备及计算机可读存储介质
CN110843792A (zh) * 2019-11-29 2020-02-28 北京百度网讯科技有限公司 用于输出信息的方法和装置

Also Published As

Publication number Publication date
CN111427037A (zh) 2020-07-17

Similar Documents

Publication Publication Date Title
CN111859778B (zh) 泊车模型的生成方法和装置、电子设备和存储介质
CN112700668B (zh) 自动驾驶的远程控制方法、自动驾驶车辆及云端设备
CN112507949A (zh) 目标跟踪方法、装置、路侧设备以及云控平台
CN110706494A (zh) 自动驾驶车辆的控制方法、装置、设备及存储介质
CN111292531B (zh) 交通信号灯的跟踪方法、装置、设备及存储介质
CN110675644A (zh) 道路红绿灯的识别方法、装置、电子设备及存储介质
CN110689747B (zh) 自动驾驶车辆的控制方法和装置、自动驾驶车辆
CN111415526B (zh) 车位占用状态的获取方法、装置、电子设备和存储介质
CN113221677A (zh) 一种轨迹异常检测方法、装置、路侧设备和云控平台
CN111553319A (zh) 用于获取信息的方法和装置
CN113283272B (zh) 道路拥堵的实时影像信息提示方法、装置和电子设备
CN113844463A (zh) 基于自动驾驶系统的车辆控制方法、装置及车辆
CN112818792A (zh) 车道线检测方法、装置、电子设备及计算机存储介质
CN111427037B (zh) 障碍物的检测方法和装置、电子设备和车端设备
CN110764509A (zh) 任务调度方法、装置、设备及计算机可读存储介质
CN111540010A (zh) 一种道路监测的方法、装置、电子设备及存储介质
CN110866504A (zh) 标注数据的获取方法、装置和设备
CN112991735B (zh) 交通流量监测系统的测试方法、装置及设备
CN111959526B (zh) 基于无人车的控制方法、装置、无人车和电子设备
CN111640301B (zh) 故障车辆检测方法及包括路侧单元的故障车辆检测系统
CN110751853B (zh) 停车位数据的有效性识别方法和装置
CN113052047A (zh) 交通事件的检测方法、路侧设备、云控平台及系统
CN111731240A (zh) 急刹车合理性评估方法、装置、设备以及存储介质
CN115953414A (zh) 基于语义分割的低矮障碍物检测方法和自动驾驶车辆
CN111563046B (zh) 用于生成信息的方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant