CN111813105B - 一种车路协同方法、装置、电子设备及可读存储介质 - Google Patents
一种车路协同方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN111813105B CN111813105B CN202010538398.XA CN202010538398A CN111813105B CN 111813105 B CN111813105 B CN 111813105B CN 202010538398 A CN202010538398 A CN 202010538398A CN 111813105 B CN111813105 B CN 111813105B
- Authority
- CN
- China
- Prior art keywords
- obstacle
- characteristic value
- value parameters
- vehicle
- description information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000004927 fusion Effects 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 9
- 230000001360 synchronised effect Effects 0.000 claims description 8
- 230000015654 memory Effects 0.000 claims description 7
- 230000004888 barrier function Effects 0.000 description 24
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于路侧传感器的车路协同方法、装置、电子设备及可读存储介质。所述方法包括：通过获取路侧的多个传感器多个时间采集的原始数据，并对每个传感器的原始数据分别进行特征值提取，从而确定目标障碍物，再对目标障碍物的特征值进行整理分类，得到每个障碍物的完整特征值参数，再将每个障碍物的完整特征值参数输入融合模型，得到每个障碍物的描述信息，最后将每个障碍物的描述信息发送给车载端的实时避撞系统。通过获取多个路侧传感器采集的原始数据，并对原始数据进行特征提取，能够提高障碍物的识别率，通过对障碍物的特征值参数进行整理归类，得到每个障碍物的完整特征值参数，能够得到较为准确的障碍物描述信息。
Description
技术领域
本发明涉及智能联网交通技术领域，尤其涉及一种基于路侧传感器的车路协同方法、装置、电子设备及可读存储介质。
背景技术
如今，无人驾驶技术快速发展，在无人驾驶技术中，需要获取道路的障碍物信息，以保证无人驾驶的安全性。
在相关技术中，大部分的无人驾驶方案是基于单传感器进行判断，存在识别率低的问题，多传感器的数据融合虽然利用不同传感器的特性进行融合，但是并没有针对数据进行特性处理，而且现有的多传感器数据融合大都部署在无人驾驶终端设备上，没有从路侧设备的多传感器的数据融合角度出发，获得的障碍物信息准确率不高。
发明内容
本发明实施例提供一种基于路侧传感器的车路协同方法、装置、电子设备及可读存储介质，旨在提高障碍物信息的准确率，以便提高无人驾驶的安全性。
为了解决上述技术问题，本发明是这样实现的：
第一方面，本发明实施例提供了一种基于路侧传感器的车路协同方法，所述方法包括：
获取多个传感器多个时间采集的原始数据，所述传感器固定于路侧；
对每个传感器的原始数据分别进行特征值提取，得到障碍物的特征值参数，并根据特征值参数，对障碍物进行识别，得到多个目标障碍物；
根据所有传感器的障碍物的特征值参数，对每个障碍物的特征值参数进行整理归类，得到每个障碍物的完整特征值参数；
将每个障碍物的完整特征值参数输入融合模型，得到每个障碍物的描述信息；
将每个障碍物的描述信息发送给车载端的实时避撞系统。
可选地，所述传感器包括激光雷达和摄像头，获取多个传感器多个时间采集的原始数据，包括：
通过socket方式获取多个激光雷达多个时间测得的原始数据；
通过定时器定时抽取多个摄像头获取的视频数据，以保持获取摄像头的视频的频率与激光雷达帧率同步。
可选地，对每个传感器的原始数据分别进行特征值提取，得到障碍物的特征值参数，包括：
针对传感器的原始数据，至少获取障碍物的大小、形状和位置信息；
针对激光雷达的原始数据，至少获取障碍物的角度和距离信息。
可选地，将每个障碍物的描述信息发送给车载端的实时避撞系统，包括：
根据每个障碍物的描述信息，建立障碍物信息列表，将所述障碍物信息列表发送给车载端的实时避撞系统。
可选地，在将每个障碍物的描述信息发送给车载端的实时避撞系统之前，所述方法还包括：
对不满足预设条件的障碍物的描述信息进行过滤，得到障碍物的准确描述信息；
将每个障碍物的描述信息发送给车载端的实时避撞系统，包括：
将每个障碍物的准确描述信息发送给车载端的实时避撞系统。
可选地，所述完整特征值参数包括空间维度特征值参数和时间维度特征值参数。
第二方面，本发明实施例提供了一种基于路侧传感器的车路协同装置，所述装置包括：
获得模块，用于获取多个传感器多个时间采集的原始数据，所述传感器固定于路侧；
特征提取和识别模块，用于对每个传感器的原始数据分别进行特征值提取，得到障碍物的特征值参数，并根据特征值参数，对障碍物进行识别，得到多个目标障碍物；
整理模块，用于根据所有传感器的障碍物的特征值参数，对每个障碍物的特征值参数进行整理归类，得到每个障碍物的完整特征值参数；
融合模块，用于将每个障碍物的完整特征值参数输入融合模型，得到每个障碍物的描述信息；
发送模块，用于将每个障碍物的描述信息发送给车载端的实时避撞系统。
可选地，所述传感器包括激光雷达和摄像头，所述获得模块，包括：
获得子模块，用于通过socket方式获取多个激光雷达多个时间测得的原始数据；
抽帧子模块，用于通过定时器定时抽取多个摄像头获取的视频数据，以保持获取摄像头的视频的频率与激光雷达帧率同步。
可选地，所述特征提取模块，包括：
第一提取子模块，用于针对传感器的原始数据，至少获取障碍物的大小、形状和位置信息；
第二提取子模块，用于针对激光雷达的原始数据，至少获取障碍物的角度和距离信息。
可选地，所述发送模块，包括：
第一发送子模块，用于根据每个障碍物的描述信息，建立障碍物信息列表，将所述障碍物信息列表发送给车载端的实时避撞系统。
可选地，在所述发送模块之前，所述方法还包括：
过滤模块，用于对不满足预设条件的障碍物的描述信息进行过滤，得到障碍物的准确描述信息；
所述发送模块，包括：
第二发送子模块，用于将每个障碍物的准确描述信息发送给车载端的实时避撞系统。
第三方面，本发明实施例另外提供了一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述第一方面所述的基于路侧传感器的车路协同方法的步骤。
第四方面，本发明实施例另外提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的基于路侧传感器的车路协同方法的步骤。
在本发明实施例中，通过获取路侧的多个传感器多个时间采集的原始数据，并对每个传感器的原始数据分别进行特征值提取，得到障碍物的特征值参数，并根据特征值参数，对障碍物进行识别，得到多个目标障碍物，然后根据所有传感器的障碍物的特征值参数，对每个障碍物的特征值参数进行整理归类，得到每个障碍物的完整特征值参数，再将每个障碍物的完整特征值参数输入融合模型，得到每个障碍物的描述信息，最后将每个障碍物的描述信息发送给车载端的实时避撞系统。通过获取多个路侧传感器采集的原始数据，并对原始数据进行特征提取，能够提高障碍物的识别率，通过对障碍物的特征值参数进行整理归类，得到每个障碍物的完整特征值参数，并将每个障碍物的完整特征值参数输入融合模型，能够得到较为准确的障碍物描述信息，从而能够向车载端的实时避撞系统发送更加准确的障碍物信息。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例中一种基于路侧传感器的车路协同方法的步骤流程图；
图2是本发明实施例中一种传感器数据处理的流程框图；
图3是本发明实施例中另一种传感器数据处理的流程框图；
图4是本发明实施例中一种基于路侧传感器的车路协同装置的示意图；
图5是本发明实施例中的一种电子设备的结构示意图。
具体实施方式
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作出创造性劳动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。
图1是本发明实施例中一种基于路侧传感器的车路协同方法的步骤流程图。如图1所示，该方法包括以下步骤：
步骤S101：获取多个传感器多个时间采集的原始数据，所述传感器固定于路侧。
在本实施方式中，服务器与传感器之间通信连接，服务器能够获取得到与其所连接的所有传感器在不同的时间采集到的原始数据。
具体实施时，在路侧安装多个传感器，进行数据的采集，在同一路段，可安装多个传感器，进行数据的采集，从而从不同的角度获取数据，以提高数据采集的准确度，从而使服务器从传感器处获取的原始数据更加准确。
为了使原始数据更加准确，且同步获取传感器的原始数据，在一种可行的实施方式中，所述传感器包括激光雷达和摄像头，所述步骤S101包括以下子步骤：
步骤S101-1：通过socket方式获取多个激光雷达多个时间测得的原始数据。
在本实施方式中，对于激光雷达采集的原始数据，通过socket方式进行获取，具体地，服务器与每个激光雷达之间通过socket方式进行连接，激光雷达的频率为10帧/s，每秒能够采集10份原始数据，由于通过socket方式进行连接，当激光雷达采集到一份原始数据，便立即传输给服务器，服务器能够即时获取激光雷达采集的原始数据。
步骤S101-2：通过定时器定时抽取多个摄像头获取的视频数据，以保持获取摄像头的视频的频率与激光雷达帧率同步。
在这种实施方式中，由于摄像头的频率为50-60帧/s，与激光雷达的频率不同，导致摄像头和激光雷达数据采集的时间和数据传输的时间不同，这样会导致数据处理时较为困难，数据处理不够精确，通过设置一个定时器，定时器设置一个与激光雷达的数据传输时间相同的值，从而服务器通过定时器定时抽取摄像头获取的视频数据，能够保证摄像头的视频的频率与激光雷达帧率同步，即摄像头与激光雷达数据采集的时间和数据传输的时间相同，从而能够获得同一时间的同一障碍物的相关信息，便于数据的处理，获得更为准确的数据。
步骤S102：对每个传感器的原始数据分别进行特征值提取，得到障碍物的特征值参数，并根据特征值参数，对障碍物进行识别，得到多个目标障碍物。
在本实施方式中，服务器对每个传感器的原始数据分别进行处理，对每个传感器的原始数据分别进行特征值提取，从而得到障碍物的特征值参数，进而根据障碍物的特征值参数，进行识别，以确定传感器数据中的多个目标障碍物。
为了确定更为准确的障碍物，在一种可行的实施方式中，针对传感器的原始数据，可至少获取障碍物的大小、形状和位置信息等，针对激光雷达的原始数据，可至少获取障碍物的角度和距离信息，通过获取这些信息，从而能够更为准确地对障碍物进行识别。
步骤S103：根据所有传感器的障碍物的特征值参数，对每个障碍物的特征值参数进行整理归类，得到每个障碍物的完整特征值参数。
在本实施方式中，根据得到的所有传感器的障碍物的特征值参数，对获得的多个目标障碍物中的每个障碍物进行特征值参数的整理归类，从而得到每个障碍物的完整特征值参数。
具体地，对于每一个障碍物，搜索所有传感器的障碍物的特征值参数，将属于本障碍物的所有的特征值参数进行提取，并根据本障碍物在不同时间的特征值参数，进行数据处理，得到本障碍物所对应的完整特征值参数。
在一种可行的实施方式中，所述完整特征值参数包括空间维度特征值参数和时间维度特征值参数，其中，空间维度特征是世界坐标系角度下的三维空间，主要包括障碍物的大小、距离、高度和深度等信息，时间维度特征是障碍物在不同的时刻在世界坐标系下的位置。
步骤S104：将每个障碍物的完整特征值参数输入融合模型，得到每个障碍物的描述信息。
在本实施方式中，将每个障碍物的完整特征值参数输入训练好的融合模型，转化为具有时空特征的融合数据，得到每个障碍物的描述信息，障碍物的描述信息可包括障碍物的大小，障碍物在世界坐标系下的位置，障碍物的移动速度、移动方向等信息，使用的融合模型为现有的训练好的融合模型，具体的融合模型可为3DCNN。
步骤S105：将每个障碍物的描述信息发送给车载端的实时避撞系统。
在本实施方式中，通过服务器，将每个障碍物的描述信息发送给车载端的实时避撞系统，以便车载端的实时避撞系统在获取障碍物的描述信息后，控制车辆进行避让，通过将处理后的障碍物的描述信息发送给车载端的实时避撞系统，而避免了将大量的传感器的原始数据直接发送给车载端进行处理，能够大大节省带宽资源，使障碍物的描述信息能够顺利发送给车载端的实时避撞系统。
在一种可行的实施方式中，步骤S105包括：
根据每个障碍物的描述信息，建立障碍物信息列表，将所述障碍物信息列表发送给车载端的实时避撞系统。
在本实施方式中，根据获得的多个障碍物的描述信息，建立一个障碍物信息列表，以便直接通过障碍物信息列表，将多个障碍物信息同时发送给车载端的实时避撞系统，且通过障碍物信息列表，能够便于车载端的实时避撞系统进行障碍物信息的获取和处理。
在不断地对获取的传感器数据进行处理的过程中，能够不断得到新的障碍物的描述信息，从而对障碍物信息列表进行更新，更新现有障碍物的描述信息以及添加新的障碍物的描述信息，从而能够实时将障碍物的描述信息发送给车载端的实时避撞系统。
在一种可行的实施方式中，在步骤S105之前，所述方法还包括：
对不满足预设条件的障碍物的描述信息进行过滤，得到障碍物的准确描述信息。
在本实施方式中，可预先设置预设条件，对障碍物的描述信息进行过滤，从而得到准确描述信息。进而将每个障碍物的准确描述信息发送给车载端的实时避撞系统。具体地，可通过卡尔曼滤波或者贝叶斯滤波剔除不满足条件的障碍物的描述信息。
在本发明实施例中，通过获取路侧的多个传感器多个时间采集的原始数据，并对每个传感器的原始数据分别进行特征值提取，得到障碍物的特征值参数，并根据特征值参数，对障碍物进行识别，得到多个目标障碍物，然后根据所有传感器的障碍物的特征值参数，对每个障碍物的特征值参数进行整理归类，得到每个障碍物的完整特征值参数，再将每个障碍物的完整特征值参数输入融合模型，得到每个障碍物的描述信息，最后将每个障碍物的描述信息发送给车载端的实时避撞系统。通过获取多个路侧传感器采集的原始数据，并对原始数据进行特征提取，能够提高障碍物的识别率，通过对障碍物的特征值参数进行整理归类，得到每个障碍物的完整特征值参数，并将每个障碍物的完整特征值参数输入融合模型，能够得到较为准确的障碍物描述信息，从而能够向车载端的实时避撞系统发送更加准确的障碍物信息。
图2是本发明实施例中一种传感器数据处理的流程框图。如图2所示，服务器获取多个传感器采集的传感器数据，汇集到一起，并根据获取的传感器数据，进行特征选择和提取，从而能够确定目标障碍物，以及得到每个目标障碍物的完整特征值参数，完整特征值参数包括空间维度特征值参数和时间维度特征值参数，将每个目标障碍物的空间维度特征值参数和时间维度特征值参数作为时空维度特征值参数，输入融合模型，进行特征提取，得到障碍物信息输出，其中，障碍物信息输出为多个目标障碍物对应的障碍物的描述信息。
图3是本发明实施例中另一种传感器数据处理的流程框图。如图3所示，传感器分为激光雷达和摄像头，直接获取激光雷达采集的原始数据，对于摄像头采集的原始数据，通过定时器进行抽帧处理，进而得到摄像头对应的原始数据，以便使激光雷达采集的原始数据和获取的摄像头对应的原始数据同步，从而能够获得更加准确的障碍物信息，对每个传感器获取的原始数据分别进行特征值的提取，然后经过混合处理，得到每个障碍物的完整特征值参数，将每个障碍物的完整特征值参数输入融合模型，经过数据融合算法，得到障碍物信息输出，即每个障碍物的描述信息。
基于同一发明构思，本发明一实施例提供了一种基于路侧传感器的车路协同装置。参考图4，图4是本发明实施例中一种基于路侧传感器的车路协同装置的示意图。如图4所示，该装置包括：
获得模块401，用于获取多个传感器多个时间采集的原始数据，所述传感器固定于路侧；
特征提取和识别模块402，用于对每个传感器的原始数据分别进行特征值提取，得到障碍物的特征值参数，并根据特征值参数，对障碍物进行识别，得到多个目标障碍物；
整理模块403，用于根据所有传感器的障碍物的特征值参数，对每个障碍物的特征值参数进行整理归类，得到每个障碍物的完整特征值参数；
融合模块404，用于将每个障碍物的完整特征值参数输入融合模型，得到每个障碍物的描述信息；
发送模块405，用于将每个障碍物的描述信息发送给车载端的实时避撞系统。
可选地，所述传感器包括激光雷达和摄像头，所述获得模块，包括：
获得子模块，用于通过socket方式获取多个激光雷达多个时间测得的原始数据；
抽帧子模块，用于通过定时器定时抽取多个摄像头获取的视频数据，以保持获取摄像头的视频的频率与激光雷达帧率同步。
可选地，所述特征提取模块，包括：
第一提取子模块，用于针对传感器的原始数据，至少获取障碍物的大小、形状和位置信息；
第二提取子模块，用于针对激光雷达的原始数据，至少获取障碍物的角度和距离信息。
可选地，所述发送模块，包括：
第一发送子模块，用于根据每个障碍物的描述信息，建立障碍物信息列表，将所述障碍物信息列表发送给车载端的实时避撞系统。
可选地，在所述发送模块之前，所述方法还包括：
过滤模块，用于对不满足预设条件的障碍物的描述信息进行过滤，得到障碍物的准确描述信息；
所述发送模块，包括：
第二发送子模块，用于将每个障碍物的准确描述信息发送给车载端的实时避撞系统。
本申请还提供了如图5所示的一种电子设备，包括：
一个或多个处理器51；
其上存储有指令的一个或多个存储器52，当由所述一个或多个处理器51执行时，使得所述装置执行一种基于路侧传感器的车路协同方法。
本申请还提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器51执行时，使得电子设备能够执行实现所述的一种基于路侧传感器的车路协同方法。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，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。而且，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、物品或者终端设备不仅包括那些要素，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、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种基于路侧传感器的车路协同方法、装置、电子设备和存储介质，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种基于路侧传感器的车路协同方法，其特征在于，所述方法包括：
获取多个传感器多个时间采集的原始数据，所述传感器固定于路侧；
对每个传感器的原始数据分别进行特征值提取，得到障碍物的特征值参数，并根据特征值参数，对障碍物进行识别，得到多个目标障碍物；
根据所有传感器的障碍物的特征值参数，对每个障碍物的特征值参数进行整理归类，根据所述障碍物在不同时间的特征值参数进行数据处理，得到每个障碍物的完整特征值参数，所述完整特征值参数包括空间维度特征值参数和时间维度特征值参数；
将每个障碍物的完整特征值参数输入融合模型，转化为具有时空特征的融合数据，得到每个障碍物的描述信息；
将每个障碍物的描述信息发送给车载端的实时避撞系统。
2.根据权利要求1所述的方法，其特征在于，所述传感器包括激光雷达和摄像头，获取多个传感器多个时间采集的原始数据，包括：
通过socket方式获取多个激光雷达多个时间测得的原始数据；
通过定时器定时抽取多个摄像头获取的视频数据，以保持获取摄像头的视频的频率与激光雷达帧率同步。
3.根据权利要求2所述的方法，其特征在于，对每个传感器的原始数据分别进行特征值提取，得到障碍物的特征值参数，包括：
针对传感器的原始数据，至少获取障碍物的大小、形状和位置信息；
针对激光雷达的原始数据，至少获取障碍物的角度和距离信息。
4.根据权利要求1所述的方法，其特征在于，将每个障碍物的描述信息发送给车载端的实时避撞系统，包括：
根据每个障碍物的描述信息，建立障碍物信息列表，将所述障碍物信息列表发送给车载端的实时避撞系统。
5.根据权利要求1所述的方法，其特征在于，在将每个障碍物的描述信息发送给车载端的实时避撞系统之前，所述方法还包括：
对不满足预设条件的障碍物的描述信息进行过滤，得到障碍物的准确描述信息；
将每个障碍物的描述信息发送给车载端的实时避撞系统，包括：
将每个障碍物的准确描述信息发送给车载端的实时避撞系统。
6.一种基于路侧传感器的车路协同装置，其特征在于，所述装置包括：
获得模块，用于获取多个传感器多个时间采集的原始数据，所述传感器固定于路侧；
特征提取和识别模块，用于对每个传感器的原始数据分别进行特征值提取，得到障碍物的特征值参数，并根据特征值参数，对障碍物进行识别，得到多个目标障碍物；
整理模块，用于根据所有传感器的障碍物的特征值参数，对每个障碍物的特征值参数进行整理归类，根据所述障碍物在不同时间的特征值参数进行数据处理，得到每个障碍物的完整特征值参数，所述完整特征值参数包括空间维度特征值参数和时间维度特征值参数；
融合模块，用于将每个障碍物的完整特征值参数输入融合模型，转化为具有时空特征的融合数据，得到每个障碍物的描述信息；
发送模块，用于将每个障碍物的描述信息发送给车载端的实时避撞系统。
7.根据权利要求6所述的装置，其特征在于，所述传感器包括激光雷达和摄像头，所述获得模块，包括：
获得子模块，用于通过socket方式获取多个激光雷达多个时间测得的原始数据；
抽帧子模块，用于通过定时器定时抽取多个摄像头获取的视频数据，以保持获取摄像头的视频的频率与激光雷达帧率同步。
8.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1至5中任一项所述的基于路侧传感器的车路协同方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1至5中任一项所述的基于路侧传感器的车路协同方法的步骤。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010043700 | 2020-01-15 | ||
| CN2020100437004 | 2020-01-15 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111813105A CN111813105A (zh) | 2020-10-23 |
| CN111813105B true CN111813105B (zh) | 2023-05-05 |
Family
ID=72846021
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010538398.XA Active CN111813105B (zh) | 2020-01-15 | 2020-06-12 | 一种车路协同方法、装置、电子设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111813105B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112702692A (zh) * | 2020-12-16 | 2021-04-23 | 新奇点智能科技集团有限公司 | 基于智能交通系统的路况信息提供方法以及智能交通系统 |
| CN112986998A (zh) * | 2021-03-26 | 2021-06-18 | 中国联合网络通信集团有限公司 | 基于车路协同的障碍物检测方法及装置 |
| CN114584949B (zh) * | 2022-03-02 | 2023-05-23 | 阿波罗智能技术(北京)有限公司 | 车路协同确定障碍物属性值的方法、设备及自动驾驶车辆 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109817021B (zh) * | 2019-01-15 | 2021-11-02 | 阿波罗智能技术(北京)有限公司 | 一种激光雷达路侧盲区交通参与者避让方法和装置 |
| CN109873827B (zh) * | 2019-03-05 | 2020-08-11 | 长安大学 | 车路协同系统及其数据安全传输方法 |
| CN109849900A (zh) * | 2019-03-14 | 2019-06-07 | 武汉理工大学 | 一种基于车路协同的汽车主动转向控制系统及方法 |
| CN110335488A (zh) * | 2019-07-24 | 2019-10-15 | 深圳成谷科技有限公司 | 一种基于车路协同的车辆自动驾驶方法和装置 |
| CN110517483B (zh) * | 2019-08-06 | 2021-05-18 | 新奇点智能科技集团有限公司 | 一种路况信息处理方法及数字轨路侧单元 |
-
2020
- 2020-06-12 CN CN202010538398.XA patent/CN111813105B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111813105A (zh) | 2020-10-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111813105B (zh) | 一种车路协同方法、装置、电子设备及可读存储介质 | |
| CN110189424B (zh) | 基于多目标雷达的多车道自由流车辆检测方法及系统 | |
| CN110211388A (zh) | 基于3d激光雷达的多车道自由流车辆匹配方法及系统 | |
| CN114677446B (zh) | 基于路侧多传感器融合的车辆检测方法、装置及介质 | |
| CN113424079A (zh) | 障碍物检测方法、装置、计算机设备和存储介质 | |
| US10926777B2 (en) | Vehicles and methods of controlling a vehicle to accommodate vehicle cut-in | |
| CN112950678A (zh) | 一种基于车路协同的超视距融合感知系统 | |
| CN103646544B (zh) | 基于云台和相机设备的车辆行为分析识别方法 | |
| CN108877269A (zh) | 一种交叉路口车辆状态检测及v2x广播方法 | |
| CN107316457B (zh) | 判断道路交通状况是否符合汽车自动驾驶的方法 | |
| CN110110678B (zh) | 道路边界的确定方法和装置、存储介质及电子装置 | |
| CN111695619A (zh) | 一种多传感器目标融合方法、装置、车辆及存储介质 | |
| CN111123262B (zh) | 自动驾驶3d建模方法、装置及系统 | |
| EP4102403A1 (en) | Platform for perception system development for automated driving system | |
| CN117037115A (zh) | 一种基于机器视觉的自动驾驶避障系统及方法 | |
| CN112633120A (zh) | 一种基于半监督学习的智能路侧感知系统及模型训练方法 | |
| CN114140636A (zh) | 困难样本获取方法、装置、设备及可读存储介质 | |
| CN115879060A (zh) | 基于多模态的自动驾驶感知方法、装置、设备和介质 | |
| CN115376347A (zh) | 智驾域控制器以及车辆的控制方法 | |
| CN115294757A (zh) | 一种车道级车流量和交通事件的识别和发布系统 | |
| US10791534B1 (en) | Synchronizing sensing systems | |
| CN109286785B (zh) | 一种环境信息共享系统及方法 | |
| Kemsaram et al. | Architecture design and development of an on-board stereo vision system for cooperative automated vehicles | |
| CN115063969A (zh) | 数据处理方法、设备、介质及路侧协同设备、系统 | |
| CN110427504B (zh) | 基于kettle的汽车数据实时采集处理系统及方法 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A vehicle road collaboration method, device, electronic device, and readable storage medium Granted publication date: 20230505 Pledgee: Hangzhou Xiaoshan Industrial Fund Co.,Ltd. Pledgor: Newpoint Intelligent Technology Group Co.,Ltd. Registration number: Y2024330000220 |