CN111866728B - 多站点路基网络感知方法、装置、终端和系统 - Google Patents
多站点路基网络感知方法、装置、终端和系统 Download PDFInfo
- Publication number
- CN111866728B CN111866728B CN202011011719.7A CN202011011719A CN111866728B CN 111866728 B CN111866728 B CN 111866728B CN 202011011719 A CN202011011719 A CN 202011011719A CN 111866728 B CN111866728 B CN 111866728B
- Authority
- CN
- China
- Prior art keywords
- tracking
- list
- detection target
- target
- base station
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3811—Point data, e.g. Point of Interest [POI]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3848—Data obtained from both position sensors and additional sensors
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/20—Information sensed or collected by the things relating to the thing itself
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/60—Positioning; Navigation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
- G01C21/3822—Road feature data, e.g. slope data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
Abstract
本发明实施例涉及传感技术领域,公开了一种多站点路基网络感知方法、装置、终端和系统。其中,方法包括:构建路基网络的全局栅格地图,所述全局栅格地图标记有至少两个路基基站感知系统的位置及其感知范围;接收所述至少两个路基基站感知系统中的每个路基基站感知系统传输的检测目标列表,所述检测目标列表为预设检测目标的集合;根据所述每个路基基站感知系统的位置,将所述每个路基基站感知系统传输的所述检测目标列表索引到所述全局栅格地图中,生成全局跟踪列表;根据所述全局跟踪列表对所述路基基站感知系统传输的所述检测目标列表中的所述预设检测目标进行跟踪。本发明实施例能够实现目标的全局跟踪。
Description
技术领域
本发明实施例涉及传感技术领域,具体涉及一种多站点路基网络感知方法、装置、终端和系统。
背景技术
在车路协同领域,通过构建路基网络,可以实现对道路交通网络的全面感知。但是传统路基网络中各个路基基站独立感知,在此情形下,需要每个路基基站都配备一套完整的感知解决方案。而且,由于感知结果相互独立,导致相邻路基基站的重叠区域重复感知并且没有相互补充,各独立站点只能对各自感知范围内的目标进行局部跟踪。
发明内容
本发明实施例一个目的旨在提供一种多站点路基网络感知方法、装置、终端和系统,能够实现目标的全局跟踪。
根据本发明实施例的一个方面,提供了一种多站点路基网络感知方法,包括:
构建路基网络的全局栅格地图,所述全局栅格地图标记有至少两个路基基站感知系统的位置及其感知范围;
接收所述至少两个路基基站感知系统中的每个路基基站感知系统传输的检测目标列表,所述检测目标列表为预设检测目标的集合;
根据所述每个路基基站感知系统的位置,将所述每个路基基站感知系统传输的所述检测目标列表索引到所述全局栅格地图中,生成全局跟踪列表;
根据所述全局跟踪列表对所述路基基站感知系统传输的所述检测目标列表中的所述预设检测目标进行跟踪。
在一种可选的方式中,所述根据所述全局跟踪列表对所述路基基站感知系统传输的所述检测目标列表中的所述预设检测目标进行跟踪,包括:
获取所述路基基站感知系统在所述全局栅格地图中的位置信息;
根据所述位置信息,从所述全局跟踪列表中索引出所述路基基站感知系统周边预设范围内的跟踪目标,形成与所述路基基站感知系统对应的子跟踪列表;
根据所述子跟踪列表对所述检测目标列表中的所述预设检测目标进行跟踪。
在一种可选的方式中,所述根据所述子跟踪列表对所述检测目标列表中的所述预设检测目标进行跟踪,进一步包括:
将所述检测目标列表中的所述预设检测目标与所述子跟踪列表中的所述跟踪目标进行关联;
若所述预设检测目标与所述子跟踪列表中的所述跟踪目标能够进行关联,则获取所述预设检测目标的时间戳;若所述预设检测目标的时间戳早于与其相关联的跟踪目标的时间戳,舍弃保存所述预设检测目标的信息,继续在所述子跟踪列表中保留与其相关联的跟踪目标信息;若所述检测目标的时间戳晚于与其相关联的跟踪目标的时间戳,根据所述预设检测目标的信息对所述子跟踪列表中的与所述预设检测目标相关联的所述跟踪目标的信息进行更新;
根据更新后的所述子跟踪列表对所述全局跟踪列表进行更新。
在一种可选的方式中,将所述检测目标列表中的所述预设检测目标与所述子跟踪列表中的所述跟踪目标进行关联,进一步包括:
获取所述子跟踪列表中的所述跟踪目标的第一信息;其中,所述跟踪目标的第一信息包括位置、朝向、速度信息中的一种或多种的组合;
获取所述检测目标列表的时间戳,根据所述子跟踪列表中的各个跟踪目标的第一信息预测所述检测目标列表的时间戳对应的所述各个跟踪目标的第二信息;所述第二信息包括所述各个跟踪目标的位置、朝向、速度信息中的一种或多种的组合;
根据所述各个跟踪目标的第二信息确定与所述各个跟踪目标相匹配的预设检测目标;
将所述跟踪目标与所述跟踪目标相匹配的预设检测目标进行关联。
在一种可选的方式中,所述将所述跟踪目标与所述跟踪目标相匹配的预设检测目标进行关联之后,所述方法还包括:
判断所述预设检测目标中是否存在未与所述子跟踪列表中的所述跟踪目标关联的预设检测目标;
若存在未与所述跟踪目标关联的所述预设检测目标,将未与所述跟踪目标关联的所述预设检测目标的信息加入所述子跟踪列表,生成新的跟踪目标,更新所述子跟踪列表中的跟踪目标信息;
根据更新后的所述子跟踪列表对所述全局跟踪列表进行更新。
本发明实施例还提供了一种多站点路基网络感知装置,包括:
地图构建模块,用于构建路基网络的全局栅格地图,所述全局栅格地图标记有至少两个路基基站感知系统的位置及其感知范围;
目标列表接收模块,用于接收所述至少两个路基基站感知系统中的每个路基基站感知系统传输的检测目标列表,所述检测目标列表为预设检测目标的集合;
跟踪列表形成模块,用于根据所述每个路基基站感知系统的位置,将所述每个路基基站感知系统传输的所述检测目标列表索引到所述全局栅格地图中,生成全局跟踪列表;
跟踪模块,用于根据所述全局跟踪列表对所述路基基站感知系统传输的所述检测目标列表中的所述预设检测目标进行跟踪。
本发明实施例还提供了一种终端,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如上所述的多站点路基网络感知方法的步骤。
本发明实施例还提供了一种多站点路基网络感知系统,包括至少两个路基基站感知系统和终端,其中,
所述至少两个路基基站感知系统用于获取数据,根据获取的数据进行目标检测,得到检测目标列表,将所述检测目标列表传输给所述终端,其中,所述检测目标列表为预设检测目标的集合;
所述终端用于构建路基网络的全局栅格地图,所述全局栅格地图标记有至少两个路基基站感知系统的位置及其感知范围;接收所述至少两个路基基站感知系统中的每个路基基站感知系统传输的检测目标列表,所述检测目标列表为预设检测目标的集合;根据所述每个路基基站感知系统的位置,将所述每个路基基站感知系统传输的所述检测目标列表索引到所述全局栅格地图中,生成全局跟踪列表;根据所述全局跟踪列表对所述路基基站感知系统传输的所述检测目标列表中的所述预设检测目标进行跟踪。
在一种可选的方式中,所述路基基站感知系统包括传感器和处理器;
所述传感器用于获取数据,包括图像传感器、雷达传感器或者图像传感器和雷达传感器的结合;
所述处理器用于根据所述传感器获取的数据进行目标检测,存储检测目标的标签。
在一种可选的方式中,所述终端包括存储单元和计算单元,其中,
所述计算单元用于构建路基网络的全局栅格地图;根据所述路基基站感知系统的位置和所述检测目标的位置,将每个所述路基基站感知系统传输的所述目标列表索引到所述全局栅格地图中,形成包含多个跟踪目标的跟踪列表;根据所述跟踪列表对路基基站感知系统传输的检测目标列表中的检测目标进行跟踪;
所述存储单元用于存储所述全局栅格地图和跟踪列表。
本发明实施例还提供了一种非易失性计算机可读存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如上所述的多站点路基网络感知方法的步骤。
本发明实施例通过构建路基网络的全局栅格地图,接收至少两个路基基站感知系统传输的检测目标列表,将其传输的检测目标列表索引到全局栅格地图中,生成全局跟踪列表,并根据全局跟踪列表对路基基站感知系统传输的检测目标列表中的预设检测目标进行跟踪,实现了对目标的全局跟踪。
上述说明仅是本发明实施例技术方案的概述,为了能够更清楚了解本发明实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1是现有技术中两个路基基站对同一目标的感知示意图;
图2是本发明实施例提供的一种多站点路基网络感知系统的示意图;
图3是本发明另一实施例提供的一种多站点路基网络感知系统的示意图;
图4是本发明实施例提供的多站点路基网络感知方法的流程图;
图5是实际路基基站网络和全局栅格地图的示意图;
图6是图4中步骤140的详细流程图;
图7是本发明实施例中局部索引的示意图;
图8是本发明实施例提供的多站点路基网络感知装置的框图;
图9是本发明实施例提供的终端的框图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
如图1所示,是现有技术中两个路基基站对同一目标的感知示意图。路基基站A和路基基站B为相邻站点,路基基站A和路基基站B都有自己的感知范围且感知范围有重合。目标为小车,小车在(t-1)时刻、t时刻和(t+1)时刻,分别从路基基站A的感知范围进入路基基站A和路基基站B重叠的感知范围,再进入路基基站B的感知范围。
路基基站A和路基基站B分别对自己感知范围内的目标进行检测、跟踪和预测。对于目标小车,路基基站A只能跟踪(t-1)到t时刻,对于(t+1)时刻无法跟踪;而路基基站B只能跟踪t时刻到(t+1)时刻,且在t时刻,小车刚刚进入路基基站B的感知范围,由于路基基站B没有从路基基站A中继承对小车的感知结果,则在路基基站B会将小车视为一个新传入感知范围中的目标,重新对小车的跟踪状态进行初始化,需要跟踪小车一段时间,才能对小车的实际状态有一个准确的估计,从而造成跟踪结果的不鲁棒。而路基基站A在(t-1)时刻到t时刻已经对小车跟踪了一段较长的时间,对小车已经有了比较准确的估计。但是在小车离开路基基站A的感知范围后,路基基站A对小车的感知就丢失了。
因此,传统路基网络存在以下缺陷:
1. 路基基站各自独立感知,没有在感知重叠区域根据相邻站点感知结果进行补充;
2. 路基基站只能对各自感知范围内的目标进行局部跟踪,不能在全局范围内对目标进行跟踪,目标从一个路基基站移动到另外一个路基基站时,不能从上一个路基基站继承感知结果,只能通过初始化重新开始对目标感知,目标也可能在多个路基基站中被重复感知和跟踪。
本发明实施例针对传统路基网络各自独立感知的缺陷,提供了一种全局感知方法。该方法将路基网络中多个站点的感知结果融合到全局地图中,通过全局融合实现了目标的全局跟踪,从而实现一个目标在全局路基网络中被连续跟踪并且有唯一的跟踪ID。另外,全局感知能确保站点感知结果的互补,当目标远离路基基站A的感知范围时,感知结果会随着距离的变远而不确定性增加,而目标同时也在接近路基基站B,在路基基站B中的感知结果不确定性减少,通过全局融合,提升了目标的感知确定性。
如图2所示,是本发明实施例提供的一种多站点路基网络感知系统的示意图。该系统200包括终端21和至少两个路基基站感知系统22,其中,可以理解的是,所述至少两个路基基站感知系统22包括两个及以上的路基基站感知系统,例如2个、3个、5个、10个、20个、100个这里不对路基基站感知系统的数量进行限制。
其中,至少两个路基基站感知系统22用于获取数据,根据获取的数据进行目标检测,得到检测目标列表,将检测目标列表传输给终端21,其中,检测目标列表为预设检测目标的集合;
终端21用于构建路基网络的全局栅格地图,全局栅格地图标记有至少两个路基基站感知系统200的位置及其感知范围;接收至少两个路基基站感知系统22中的每个路基基站感知系统22传输的检测目标列表,检测目标列表为预设检测目标的集合;根据每个路基基站感知系统22的位置,将每个路基基站感知系统22传输的检测目标列表索引到全局栅格地图中,生成全局跟踪列表;根据全局跟踪列表对路基基站感知系统22传输的检测目标列表中的预设检测目标进行跟踪。
在一些实施例中,如图3所示,路基基站感知系统22包括传感器221和处理器222,其中:
传感器221用于获取数据,包括图像传感器、雷达传感器或者图像传感器和雷达传感器的结合;处理器222用于根据传感器221获取的数据进行目标检测,存储预设检测目标标签。预设检测目标标签例如可以包括速度信息标签、位置信息标签、类别信息标签、形状信息标签、朝向标签等。可以理解的是,当所述传感器为雷达传感器和图像传感器的结合时,所述标签还可以包括颜色标签、语义标签等。其中,所述类别信息标签可以包括车辆、行人、其他运动物体等。
其中,可以理解的是,所述预设检测目标可以为在预设时间内具有速度信息的检测目标。其中,所述速度信息包括角速度、线速度、角加速度、加速度信息中的一种或多种的组合。
处理器222进一步包括第一计算单元、第一存储单元和第一通信单元,其中第一计算单元用于进行目标检测,第一存储单元用于存储预设检测目标标签,第一通信单元用于将检测目标列表传输给终端21。
终端21为远程终端,包括第二存储单元211和第二计算单元212,其中:
第二计算单元212用于构建路基网络的全局栅格地图,全局栅格地图标记有至少两个路基基站感知系统22的位置及其感知范围;接收至少两个路基基站感知系统22中的每个路基基站感知系统22传输的检测目标列表,检测目标列表为预设检测目标的集合;根据每个路基基站感知系统22的位置,将每个路基基站感知系统22传输的检测目标列表索引到全局栅格地图中,生成全局跟踪列表;根据全局跟踪列表对路基基站感知系统传输的检测目标列表中的预设检测目标进行跟踪;
第二存储单元211用于存储全局栅格地图和全局跟踪列表。
终端21还包括第二通信单元,用于接收路基基站感知系统22传输的检测目标列表。
下面对上述终端21的工作流程进行详细介绍。
图4是本发明实施例提供的多站点路基网络感知方法的流程图。该方法应用于上述终端21。如图4所示,该方法包括:
步骤110:构建路基网络的全局栅格地图,全局栅格地图标记有至少两个路基基站感知系统的位置及其感知范围。
本步骤针对路基网路构建其全局栅格地图。栅格地图把路基网络的环境划分成一系列栅格,其中每一栅格给定一个可能值,表示该栅格被占据的概率。由于路基基站的位置是固定的,因此可以将每个路基基站感知系统的位置以及感知范围也在全局栅格地图中标记并显示。如图5所示,其中图5中的(a)是实际路基基站网络示意图,图5中的(b)是同比例显示在全局栅格地图上的路基基站网络示意图。
步骤120:接收至少两个路基基站感知系统中的每个路基基站感知系统传输的检测目标列表,检测目标列表为预设检测目标的集合。
每个路基基站感知系统除了配备用于感知的传感器(包括但不限于图像传感器、雷达传感器或者二者的结合等)以外,还配备处理器,用于对接收到的传感器输出的数据进行处理以得到感知结果。其中,可以理解的是,所述每个路基基站感知系统采集感知数据,并在处理器单独进行目标检测,获得包含预设检测目标标签的检测目标列表,并将检测目标列表传输给终端。
路基基站感知系统在进行目标检测时,在以路基基站感知系统为圆心的一定范围内,所有的前景目标(例如机动车、行人等可以运动的目标以及其他感兴趣的目标)都可以被检测到,并且可以通过点云和/或图像计算出这些目标的标签信息。
其中,可以理解的是,所述处理器可以应用传统的几何算法,或者机械学习算法对所述传感器传输的感知数据进行识别,得到所述检测目标的标签信息。其中,所述检测目标标签例如可以包括速度信息标签、位置信息标签、类别信息标签、形状信息标签、朝向标签、颜色标签或语义标签等。
其中,可以理解的是,所述处理器还用于根据识别结果,获取预设检测目标,从而生成检测目标列表。其中,所述预设检测目标例如可以为预设时间内具有速度信息标签的物体,其中,所述速度信息可以包括角速度、线速度、角加速度、加速度信息中的一种或多种的组合。
其中,可以理解的是所述预设检测目标的类型或设定信息可以为路基基站感知系统预先存储于存储器中的;例如,路基基站感知系统可以预先设置预设检测目标为具有速度信息的物体;或,路基基站感知系统也可以设置预设检测目标为预设时间内具有速度信息的物体;或,路基基站感知系统也可以设置预设检测目标为距离路基基站感知系统预设范围内的具有速度信息的物体,在此不对预设检测目标的类型进行唯一限定,可以理解的是路基基站感知系统可以根据设定需求对预设检测目标类型进行调整。进一步的,所述终端也可以根据所述路基基站感知系统所在的位置对所述预设检测目标的类型或设定信息进行调整;例如,当所述路基基站感知系统在车流量密集的路段时,终端可以调整所述预设检测目标为距离所述路基基站感知系统预设范围内的具有速度信息的物体;通过设定可以保证跟踪目标设定的灵活性的同时,保证跟踪结构的准确性。
路基基站感知系统可以用方框或者其他形式将预设检测目标的标签信息进行标记,此处不对预设检测目标标签信息的标记形式进行限制。
路基基站感知系统检测目标的检测算法可以使用各种机器学习算法,再此不做限制,例如神经网络算法,当所述路基基站应用神经网络算法进行检测目标检测时,包括如下步骤:
1. 模型训练
1) 采集数据:采集路基基站感知系统执行检测任务时可能遇到的各种场景的数据;
2) 打标数据:对于采集的数据,使用人工进行打标,也即将采集的数据中感兴趣的目标采用方框进行标记;
3) 训练模型:模型的输入为采集的数据和标记框,训练目标检测模型。
2. 评估
在训练好的目标检测模型中输入类似场景的数据,目标检测模型会输出检测出来的标记框,获取评估模型输出的标记框和人工打标时的标记框的差别。当差别足够小的时候,可以认为模型训练完成,获取该目标检测模型。
3.使用
将步骤2中评估得到的目标检测模型在路基基站感知系统中进行使用。
步骤130:根据每个路基基站感知系统的位置,将每个路基基站感知系统传输的检测目标列表索引到全局栅格地图中,生成全局跟踪列表。
本步骤中,在终端侧接收各路基基站感知系统的检测结果,形成一个全局跟踪列表。全局跟踪列表中为一系列跟踪信息。例如,在t时刻的跟踪信息,包含该跟踪目标在t时刻之前若干时刻的跟踪信息,其中可以理解的是,终端可以根据需求对保留的跟踪信息的时长进行设置,举例来说,终端可以保留全部跟踪信息,也可以根据跟踪目标的运动轨迹保存预设时间内的跟踪信息,其中,可以理解的是所述预设时间例如可以为5分钟内、十分钟等,在此不对预设时长进行限制,通过设置跟踪信息的保存时长,从而达到节省资源的目的。在一些可选的实施例中,终端可以根据不同的场景及不同的路段,对不同场景及不同路段下的目标的跟踪信息的保存时长进行调整,例如当预测到检测目标的行驶轨迹要进入十字路口了,或者学校附近的路段时,可以增加其跟踪信息的保存时长,从而确保相应复杂路段的检测目标的轨迹预测的准确性,提升目标感知确定性。
其中,可以理解的是,在一些可选的实施例中,所述相邻的路基基站感知系统的感知区域是有重叠的,当将相邻的路基基站感知系统传输的检测目标列表索引到全局栅格地图时,获取其重叠区域的预设检测目标,计算所述重叠区域预设目标的关联度,当相邻路基基站感知系统传输的检测目标列表中重叠区域中的预设检测目标的关联度达到预设值,则将相互关联的预设检测目标信息进行融合索引到全局栅格地图上,生成全局跟踪列表。
其中,所述计算所述重叠区域预设目标的关联度,具体包括:当重叠区域中两个预设检测目标在全局栅格地图中的位置信息差值在预设范围内,即所述重叠区域中预设检测目标位置信息相近,则获取所述两个预设检测目标的标签信息,根据所述部分标签信息或全部标签信息计算两个预设检测目标的关联度。举例来说,可以选取速度标签信息、类别标签信息、朝向标签信息分别计算预设检测目标的相似度值,根据所述相似度值加权计算两个预设检测目标的关联度。
在一些可选的实施例中,可以根据多个标签信息中相似度最低的那个标签信息的相似度值是否达到预设值,确定所述重叠区域中预设目标的关联度。在另一些可选的实施例中,当传感器包括图像传感器或图像传感器和激光雷达时,还可以根据颜色标签和语义标签的相似度来确定所述重叠区域中预设目标的关联度。
可以理解的是,对于路基基站重叠区域中预设目标关联度计算可以用以上其中一种方法,也可以根据路基基站所在区域的不同,利用以上不同关联度计算方法的结合。举例来说,例如所述路基基站所在区域在十字路口,或者学校附近的路段时,所述路基基站重叠区域中预设检测目标关联度计算例如可以为选取速度标签信息、类别标签信息、朝向标签信息分别计算预设检测目标的相似度值,根据所述相似度值加权计算两个预设检测目标的关联度,当关联度值大于第一预设值,小于第二预设值时,再获取重叠区域中预设目标多个标签信息中相似度值最低的那个标签信息的相似度值是否达到第三预设值,从而确定所述重叠区域中预设目标的关联度。
可以理解的是,预设检测目标从路基基站A到路基基站B的过程中,预设检测目标是在逐渐远离路基基站A、靠近路基基站B的。若分别在路基基站A和路基基站B进行预设检测目标的检测判断,可能得到的预设检测目标的判断准确度会降低。而通过本申请的全局跟踪的方法,当跟踪目标位于路基基站A和路基基站B感知范围重叠的区域时,终端可以将接收到路基基站A和路基基站B传输过来的检测结果进行关联,当预设检测目标关联成功时,将路基基站A和路基基站B的对相关联的预设检测目标的信息通过使用滤波器(如卡尔曼滤波kalman filter),对噪声进行过滤,然后进行融合后,索引到全局栅格地图上,生成全局跟踪列表。通过此方法可以保证每个预设检测目标在每个路基基站边界时检测的准确性,保证全局栅格地图上,跟踪目标信息的完整性。通过在不同区域或场景下应用不同的关联方法,可以在特殊路段提高预设检测目标的准确性,从而切实保障十字路口、学校等特殊路段的检测的准确性。
目标检测通过单个路基基站感知系统完成,全局跟踪在终端中完成。由于每个路基基站感知系统的检测目标列表均索引到了全局栅格地图,本步骤中形成的全局跟踪列表包括了每个路基基站感知系统的检测结果。在所有基站组成的超大范围内,跟踪目标被连续跟踪,而不仅在单个路基基站中被跟踪,跟踪目标在路基基站之间移动时,跟踪并未断开,无需在新的一个路基基站中重新跟踪该跟踪目标。通过此全局跟踪的方法,可以实现一个目标在路基感知网络中只有一个跟踪ID,并且在路基感知网络中持续被跟踪,例如某个跟踪目标从路基基站A到路基基站B的过程中是被连续跟踪的,其跟踪结果也从路基基站A继承到路基基站B。
步骤140:根据全局跟踪列表对路基基站感知系统传输的检测目标列表中的预设检测目标进行跟踪。
对预设检测目标进行跟踪时,可以采用局部索引的方法进行跟踪。在一些实施例中,如图6所示,步骤140进一步包括:
步骤1401:获取路基基站感知系统在全局栅格地图中的位置信息;
步骤1402:根据位置信息,从全局跟踪列表中索引出路基基站感知系统周边预设范围内的跟踪目标,形成与路基基站感知系统对应的子跟踪列表。
由于多个路基基站组成的栅格地图范围较大,该范围内的目标物体会很多。为了节省计算资源,可以根据路基基站感知系统传输的检测目标列表中的路基基站感知系统位置,将其感知范围内的跟踪目标从全局跟踪列表索引出来,形成子跟踪列表,利用子跟踪列表对传输过来的检测目标列表中的检测目标进行跟踪。
步骤1403:根据子跟踪列表对所述路基基站感知系统传输的检测目标列表中的预设检测目标进行跟踪。
例如,当路基基站A的检测目标列表传输到终端后,终端将路基基站A在全局栅格地图中预设范围内的跟踪目标从全局跟踪列表中索引出来,如图7所示,该预设范围可以超过路基基站A的感知范围。再结合索引出来的跟踪目标和传输到终端的检测目标列表中的预设检测目标,进行跟踪。通过这种局部索引的方法,可以极大地节省终端的计算成本。
在一些实施例中,步骤140在根据全局跟踪列表对路基基站感知系统传输的检测目标列表中的预设检测目标进行跟踪时,包括如下步骤:
步骤a1:将检测目标列表中的预设检测目标与子跟踪列表中的跟踪目标进行关联;
具体的关联方法例如可以为获取所述预设检测目标的标签信息,根据所述部分标签信息或全部标签信息计算预设检测目标和子跟踪列表中的跟踪目标的关联度。具体如步骤130中获取重叠区域中预设检测目标关联度的方法相同,再次不再复述。
在另一些可选的实施例中,也可以通过其他常用的关联算法,如图形神经网络(Graph Neural Network,GNN)算法,将预设检测目标和子跟踪列表中的某一个跟踪目标关联。
步骤a2:若预设检测目标与子跟踪列表中的跟踪目标能够进行关联,则获取预设检测目标的时间戳;若预设检测目标的时间戳早于与其相关联的跟踪目标的时间戳,舍弃保存预设检测目标的信息,继续在子跟踪列表中保留与其相关联的跟踪目标信息;若检测目标的时间戳晚于与其相关联的跟踪目标的时间戳,根据预设检测目标的信息对子跟踪列表中的与预设检测目标相关联的跟踪目标的信息进行更新;
本步骤对能够关联的预设检测目标的时间戳和跟踪目标的时间戳进行对比判断,若预设检测目标的时间戳早于跟踪目标的时间戳,说明全局跟踪列表中的该跟踪目标状态比预设检测目标的状态新,此时可将预设检测目标舍弃,继续保留该跟踪目标。反之,说明全局跟踪列表中的该跟踪目标状态比预设检测目标的状态旧,可在下述步骤中利用预设检测目标对跟踪目标进行状态更新。
步骤a3:根据更新后的子跟踪列表对全局跟踪列表进行更新。
跟踪结束之后,将跟踪目标的结果保存在全局跟踪列表中,等待路基基站感知系统传输新的数据,再对跟踪目标进行更新。其中,更新包括对跟踪目标进行位置信息、朝向信息、形状信息、速度信息中一种或多种的更新。
上述步骤a1中,可通过如下方式进行关联:
步骤a11:获取子跟踪列表中的跟踪目标的第一信息;其中,跟踪目标的第一信息包括速度信息、位置信息、类别信息、形状信息、朝向、颜色、语义信息中的一种或多种的组合;步骤a12:获取检测目标列表的时间戳,根据子跟踪列表中的各个跟踪目标的第一信息预测检测目标列表的时间戳对应的各个跟踪目标的第二信息;第二信息包括各个跟踪目标的速度信息、位置信息、类别信息、形状信息、朝向、颜色、语义信息中的一种或多种的组合;
步骤a11和步骤a12中的速度信息包括角速度、线速度、角加速度、线加速度信息中的一种或多种的组合。
步骤a13:根据各个跟踪目标的第二信息确定与各个跟踪目标相关联的预设检测目标;
本发明实施例先获取子跟踪列表中跟踪目标的当前姿态,然后预测在新的检测目标列表上传时该跟踪目标的姿态(下称预测姿态),从而在新上传的检测目标列表中寻找与跟踪目标关联的预设检测目标,也即新上传的检测目标列表中姿态与上述预测跟踪目标姿态匹配的预设检测目标。
其中,可以理解的是,确定与所述子跟踪列表中的跟踪目标相关联的预设检测目标 ,可以通过确定预设检测目标的各项信息的数值与跟踪目标对应的第二信息中各项信息的数值是否相同或者其差值是否在预设范围内。由于步骤a12中跟踪目标的第二信息为根据所述跟踪目标的第一信息和检测目标列表的时间戳预测的信息而非实测信息,不能完全保证其精确度,因此,当预设检测目标的各项信息的数值与第二信息中各项信息的数值差值在预设范围内时,确定预设检测目标与跟踪目标相关联,可以避免若预测的信息与实际信息有误差,仅通过数值相同进行关联可能导致匹配不到预设检测目标的问题。
此外,在一些可选的实施例中,步骤a13在确定与各个跟踪目标相关联的预设检测目标时,还可以先根据跟踪目标的第二信息中的位置信息从检测目标列表中确定与第二信息中跟踪目标的位置信息差值在预设范围内的所有检测目标,然后从确定的所有检测目标中寻找与跟踪目标最匹配的检测目标。如此,可以避免若预测的信息与实际信息有误差,仅根据预测的信息中特定位置去匹配预设检测目标,可能导致匹配不到预设检测目标的问题。在一些实施例中,步骤a13在匹配预设检测目标时,可以先确定检测目标列表中预设检测目标的位置信息与跟踪目标的第二信息中位置信息一致或基本一致(例如两位置信息的差值在预设范围内)的预设检测目标。在一些可选的实施例中,根据检测目标列表中预设检测目标的位置信息与跟踪目标的第二信息中位置信息的差值在预设范围内的预设检测目标的数量来确定关联规则。
举例来说:
(1)确定的位置信息的差值在预设范围内的预设检测目标的数量不大于两个,则选取第一信息中的部分信息与第二信息中的目标信息进行匹配;例如,当确定的位置信息的差值在预设范围内的预设检测目标的数量为1个时,可以优先选择形状信息、颜色信息、语义信息中的一种或多种的组合进行匹配,当相似度达到预设值,则认为跟踪目标与预设检测目标匹配成功。或者,也可以选择形状信息、颜色信息、语义信息中匹配相似度最低的相似度值是否大于预设阈值来判断其关联度。
确定的预设检测目标大于两个,需进行预设检测目标的全部标签信息比对。例如,根据检测目标列表中预设检测目标的各项信息与跟踪目标的第二信息进行匹配度计算,将匹配度数值最高的预设检测目标确定为与跟踪目标相关联的预设检测目标。在进行关联度计算时,可以给位置(表征预设检测目标和跟踪目标的距离)、朝向、速度、点云分布设置权重,结合权重计算匹配度。
其中,先根据位置信息对与子跟踪列表中的跟踪目标相关联的预设检测目标进行筛选,再根据满足位置限定要求的预设检测目标的数量选择计算预设检测目标与跟踪目标关联度规则,通过上述方式可以在满足跟踪准确度的同时,灵活设置预设检测目标与跟踪目标关系的匹配度计算规则,从而在满足跟踪要求的同时降低终端的计算量。
步骤a14:将跟踪目标与所述预设检测目标进行关联。
在一些实施例中,若全局跟踪列表中没有找到与某个预设检测目标关联的跟踪目标,将该预设检测目标作为新的跟踪目标加入全局跟踪列表中。因此,在执行步骤a14之后,该方法还包括:
步骤a15:判断预设检测目标中是否存在未与子跟踪列表中的跟踪目标关联的预设检测目标;
步骤a16:若存在未与跟踪目标关联的预设检测目标,将未与跟踪目标关联的预设检测目标的信息加入子跟踪列表,生成新的跟踪目标,更新子跟踪列表中的跟踪目标信息;
步骤a17:根据更新后的子跟踪列表对全局跟踪列表进行更新。
本发明实施例通过构建路基网络的全局栅格地图,接收至少两个路基基站感知系统传输的检测目标列表,将其传输的检测目标列表索引到全局栅格地图中,生成全局跟踪列表,并根据全局跟踪列表对路基基站感知系统传输的检测目标列表中的预设检测目标进行跟踪,实现了对目标的全局跟踪。
本发明实施例还提供了一种多站点路基网络感知装置800,应用于上述终端。如图8所示,该装置800包括:
地图构建模块801,用于构建路基网络的全局栅格地图,全局栅格地图标记有至少两个路基基站感知系统的位置及其感知范围;
目标列表接收模块802,用于接收至少两个路基基站感知系统中的每个路基基站感知系统传输的检测目标列表,检测目标列表为预设检测目标的集合;
跟踪列表形成模块803,用于根据每个路基基站感知系统的位置,将每个路基基站感知系统传输的检测目标列表索引到全局栅格地图中,生成全局跟踪列表;
跟踪模块804,用于根据全局跟踪列表对路基基站感知系统传输的检测目标列表中的预设检测目标进行跟踪。
在一些实施例中,跟踪模块804还用于:
获取所述路基基站感知系统在所述全局栅格地图中的位置信息;
根据所述位置信息,从所述全局跟踪列表中索引出所述路基基站感知系统周边预设范围内的跟踪目标,形成与所述路基基站感知系统对应的子跟踪列表;
根据所述子跟踪列表对所述检测目标列表中的所述预设检测目标进行跟踪。
在一些实施例中,跟踪模块804还用于:
将所述检测目标列表中的所述预设检测目标与所述子跟踪列表中的所述跟踪目标进行关联;
若所述预设检测目标与所述子跟踪列表中的所述跟踪目标能够进行关联,则获取所述预设检测目标的时间戳;若所述预设检测目标的时间戳早于与其相关联的跟踪目标的时间戳,舍弃保存所述预设检测目标的信息,继续在所述子跟踪列表中保留与其相关联的跟踪目标信息;若所述检测目标的时间戳晚于与其相关联的跟踪目标的时间戳,根据所述预设检测目标的信息对所述子跟踪列表中的与所述预设检测目标相关联的所述跟踪目标的信息进行更新;
根据更新后的所述子跟踪列表对所述全局跟踪列表进行更新。
在一些实施例中,跟踪模块804还用于:
获取所述子跟踪列表中的所述跟踪目标的第一信息;其中,所述跟踪目标的第一信息包括位置、朝向、速度信息中的一种或多种的组合;
获取所述检测目标列表的时间戳,根据所述子跟踪列表中的各个跟踪目标的第一信息预测所述检测目标列表的时间戳对应的所述各个跟踪目标的第二信息;所述第二信息包括所述各个跟踪目标的位置、朝向、速度信息中的一种或多种的组合;
根据所述各个跟踪目标的第二信息确定与所述各个跟踪目标相匹配的预设检测目标;
将所述跟踪目标与所述跟踪目标相匹配的预设检测目标进行关联。
在一些实施例中,跟踪模块804还用于:
判断所述预设检测目标中是否存在未与所述子跟踪列表中的所述跟踪目标关联的预设检测目标;
若存在未与所述跟踪目标关联的所述预设检测目标,将未与所述跟踪目标关联的所述预设检测目标的信息加入所述子跟踪列表,生成新的跟踪目标,更新所述子跟踪列表中的跟踪目标信息;
根据更新后的所述子跟踪列表对所述全局跟踪列表进行更新。
需要说明的是,本发明实施例提供的多站点路基网络感知装置是能够执行上述多站点路基网络感知方法的装置,则上述基于多站点路基网络感知方法的所有实施例均适用于该装置,且均能达到相同或相似的有益效果。
本发明实施例通过构建路基网络的全局栅格地图,接收至少两个路基基站感知系统传输的检测目标列表,将其传输的检测目标列表索引到全局栅格地图中,生成全局跟踪列表,并根据全局跟踪列表对路基基站感知系统传输的检测目标列表中的预设检测目标进行跟踪,实现了对目标的全局跟踪。
本发明实施例还提供了一种终端900,包括:处理器901、存储器902、通信接口903和通信总线904,所述处理器901、所述存储器902和所述通信接口903通过所述通信总线904完成相互间的通信;所述存储器902用于存放至少一可执行指令,所述可执行指令使所述处理器901执行上述多站点路基网络感知方法实施例的步骤。
需要说明的是,本发明实施例提供的终端是能够执行上述多站点路基网络感知方法的终端,则上述基于多站点路基网络感知方法的所有实施例均适用于该终端,且均能达到相同或相似的有益效果。
本发明实施例通过构建路基网络的全局栅格地图,接收至少两个路基基站感知系统传输的检测目标列表,将其传输的检测目标列表索引到全局栅格地图中,生成全局跟踪列表,并根据全局跟踪列表对路基基站感知系统传输的检测目标列表中的预设检测目标进行跟踪,实现了对目标的全局跟踪。
本发明实施例还提供了一种非易失性计算机可读存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行上述多站点路基网络感知方法实施例的步骤。
本发明实施例还提供了一种计算机程序产品,所述计算机程序产品包括存储在计算机存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行上述任意方法实施例中的多站点路基网络感知方法。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
Claims (9)
1.一种多站点路基网络感知方法,其特征在于,包括:
构建路基网络的全局栅格地图,所述全局栅格地图标记有至少两个路基基站感知系统的位置及其感知范围;
接收所述至少两个路基基站感知系统中的每个路基基站感知系统传输的检测目标列表,所述检测目标列表为预设检测目标的集合;
根据所述每个路基基站感知系统的位置,将所述每个路基基站感知系统传输的所述检测目标列表索引到所述全局栅格地图中,生成全局跟踪列表;
根据所述全局跟踪列表对所述路基基站感知系统传输的所述检测目标列表中的所述预设检测目标进行跟踪;所述根据所述全局跟踪列表对所述路基基站感知系统传输的所述检测目标列表中的所述预设检测目标进行跟踪,包括:
获取所述路基基站感知系统在所述全局栅格地图中的位置信息;
根据所述位置信息,从所述全局跟踪列表中索引出所述路基基站感知系统周边预设范围内的跟踪目标,形成与所述路基基站感知系统对应的子跟踪列表;
根据所述子跟踪列表对所述路基基站感知系统传输的检测目标列表中的所述预设检测目标进行跟踪;
所述根据所述子跟踪列表对所述检测目标列表中的所述预设检测目标进行跟踪,进一步包括:
将所述检测目标列表中的所述预设检测目标与所述子跟踪列表中的所述跟踪目标进行关联,并对所述子跟踪列表中的与所述预设检测目标相关联的所述跟踪目标的信息进行更新;
根据更新后的所述子跟踪列表对所述全局跟踪列表进行更新。
2.根据权利要求1所述的方法,其特征在于,所述根据所述子跟踪列表对所述检测目标列表中的所述预设检测目标进行跟踪,进一步包括:
将所述检测目标列表中的所述预设检测目标与所述子跟踪列表中的所述跟踪目标进行关联;
若所述预设检测目标与所述子跟踪列表中的所述跟踪目标能够进行关联,则获取所述预设检测目标的时间戳;若所述预设检测目标的时间戳早于与其相关联的跟踪目标的时间戳,舍弃保存所述预设检测目标的信息,继续在所述子跟踪列表中保留与其相关联的跟踪目标信息;若所述检测目标的时间戳晚于与其相关联的跟踪目标的时间戳,根据所述预设检测目标的信息对所述子跟踪列表中的与所述预设检测目标相关联的所述跟踪目标的信息进行更新;
根据更新后的所述子跟踪列表对所述全局跟踪列表进行更新。
3.根据权利要求2所述的方法,其特征在于,将所述检测目标列表中的所述预设检测目标与所述子跟踪列表中的所述跟踪目标进行关联,进一步包括:
获取所述子跟踪列表中的所述跟踪目标的第一信息;其中,所述跟踪目标的第一信息包括位置、朝向、速度信息;
获取所述检测目标列表的时间戳,根据所述子跟踪列表中的各个跟踪目标的第一信息预测所述检测目标列表的时间戳对应的所述各个跟踪目标的第二信息;所述第二信息包括所述各个跟踪目标的位置、朝向、速度信息中的一种或多种的组合;
根据所述各个跟踪目标的第二信息确定与所述各个跟踪目标相匹配的预设检测目标;
将所述跟踪目标与所述跟踪目标相匹配的预设检测目标进行关联。
4.根据权利要求3所述的方法,其特征在于,
所述将所述跟踪目标与所述跟踪目标相匹配的预设检测目标进行关联之后,所述方法还包括:
判断所述预设检测目标中是否存在未与所述子跟踪列表中的所述跟踪目标关联的预设检测目标;
若存在未与所述跟踪目标关联的所述预设检测目标,将未与所述跟踪目标关联的所述预设检测目标的信息加入所述子跟踪列表,生成新的跟踪目标,更新所述子跟踪列表中的跟踪目标信息;
根据更新后的所述子跟踪列表对所述全局跟踪列表进行更新。
5.一种多站点路基网络感知装置,其特征在于,包括:
地图构建模块,用于构建路基网络的全局栅格地图,所述全局栅格地图标记有至少两个路基基站感知系统的位置及其感知范围;
目标列表接收模块,用于接收所述至少两个路基基站感知系统中的每个路基基站感知系统传输的检测目标列表,所述检测目标列表为预设检测目标的集合;
跟踪列表形成模块,用于根据所述每个路基基站感知系统的位置,将所述每个路基基站感知系统传输的所述检测目标列表索引到所述全局栅格地图中,生成全局跟踪列表;
跟踪模块,用于根据所述全局跟踪列表对所述路基基站感知系统传输的所述检测目标列表中的所述预设检测目标进行跟踪;
所述跟踪模块还用于:
获取所述路基基站感知系统在所述全局栅格地图中的位置信息;
根据所述位置信息,从所述全局跟踪列表中索引出所述路基基站感知系统周边预设范围内的跟踪目标,形成与所述路基基站感知系统对应的子跟踪列表;
根据所述子跟踪列表对所述路基基站感知系统传输的检测目标列表中的所述预设检测目标进行跟踪;
所述跟踪模块还用于:
将所述检测目标列表中的所述预设检测目标与所述子跟踪列表中的所述跟踪目标进行关联,并对所述子跟踪列表中的与所述预设检测目标相关联的所述跟踪目标的信息进行更新;
根据更新后的所述子跟踪列表对所述全局跟踪列表进行更新。
6.一种终端,其特征在于,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行根据权利要求1-4任一项所述的多站点路基网络感知方法的步骤。
7.一种多站点路基网络感知系统,其特征在于,包括至少两个路基基站感知系统和终端,其中,
所述至少两个路基基站感知系统用于获取数据,根据获取的数据进行目标检测,得到检测目标列表,将所述检测目标列表传输给所述终端,其中,所述检测目标列表为预设检测目标的集合;
所述终端用于构建路基网络的全局栅格地图,所述全局栅格地图标记有至少两个路基基站感知系统的位置及其感知范围;接收所述至少两个路基基站感知系统中的每个路基基站感知系统传输的检测目标列表,所述检测目标列表为预设检测目标的集合;根据所述每个路基基站感知系统的位置,将所述每个路基基站感知系统传输的所述检测目标列表索引到所述全局栅格地图中,生成全局跟踪列表;根据所述全局跟踪列表对所述路基基站感知系统传输的所述检测目标列表中的所述预设检测目标进行跟踪;
所述根据所述全局跟踪列表对所述路基基站感知系统传输的所述检测目标列表中的所述预设检测目标进行跟踪,包括:
获取所述路基基站感知系统在所述全局栅格地图中的位置信息;
根据所述位置信息,从所述全局跟踪列表中索引出所述路基基站感知系统周边预设范围内的跟踪目标,形成与所述路基基站感知系统对应的子跟踪列表;
根据所述子跟踪列表对所述路基基站感知系统传输的检测目标列表中的所述预设检测目标进行跟踪;
所述根据所述子跟踪列表对所述检测目标列表中的所述预设检测目标进行跟踪,进一步包括:
将所述检测目标列表中的所述预设检测目标与所述子跟踪列表中的所述跟踪目标进行关联,并对所述子跟踪列表中的与所述预设检测目标相关联的所述跟踪目标的信息进行更新;
根据更新后的所述子跟踪列表对所述全局跟踪列表进行更新。
8.根据权利要求7所述的系统,其特征在于,所述路基基站感知系统包括传感器和处理器;
所述传感器用于获取数据,所述传感器包括图像传感器、雷达传感器或者图像传感器和雷达传感器的结合;
所述处理器用于根据所述传感器获取的数据进行目标检测,存储检测目标的标签。
9.根据权利要求7所述的系统,其特征在于,所述终端包括存储单元和计算单元,其中,
所述计算单元用于构建路基网络的全局栅格地图;根据所述路基基站的位置和所述检测目标的位置,将每个所述路基基站传输的所述目标列表索引到所述全局栅格地图中,形成包含多个跟踪目标的跟踪列表;根据所述跟踪列表对路基基站传输的检测目标列表中的检测目标进行跟踪;
所述存储单元用于存储所述全局栅格地图和跟踪列表。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011525740.9A CN112566032B (zh) | 2020-09-23 | 2020-09-23 | 多站点路基网络感知方法、终端和系统 |
CN202011011719.7A CN111866728B (zh) | 2020-09-23 | 2020-09-23 | 多站点路基网络感知方法、装置、终端和系统 |
PCT/CN2021/105118 WO2022062571A1 (zh) | 2020-09-23 | 2021-07-08 | 多站点路基网络感知方法、装置、终端和系统 |
US18/124,046 US20230228593A1 (en) | 2020-09-23 | 2023-03-21 | Method, device and system for perceiving multi-site roadbed network and terminal |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011011719.7A CN111866728B (zh) | 2020-09-23 | 2020-09-23 | 多站点路基网络感知方法、装置、终端和系统 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011525740.9A Division CN112566032B (zh) | 2020-09-23 | 2020-09-23 | 多站点路基网络感知方法、终端和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111866728A CN111866728A (zh) | 2020-10-30 |
CN111866728B true CN111866728B (zh) | 2021-02-05 |
Family
ID=72968453
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011525740.9A Active CN112566032B (zh) | 2020-09-23 | 2020-09-23 | 多站点路基网络感知方法、终端和系统 |
CN202011011719.7A Active CN111866728B (zh) | 2020-09-23 | 2020-09-23 | 多站点路基网络感知方法、装置、终端和系统 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011525740.9A Active CN112566032B (zh) | 2020-09-23 | 2020-09-23 | 多站点路基网络感知方法、终端和系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230228593A1 (zh) |
CN (2) | CN112566032B (zh) |
WO (1) | WO2022062571A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112566032B (zh) * | 2020-09-23 | 2022-11-22 | 深圳市速腾聚创科技有限公司 | 多站点路基网络感知方法、终端和系统 |
CN113724298B (zh) * | 2021-11-01 | 2022-03-18 | 深圳市城市交通规划设计研究中心股份有限公司 | 多点位感知融合方法及装置、计算机可读存储介质 |
WO2023092481A1 (en) * | 2021-11-26 | 2023-06-01 | Lenovo (Beijing) Limited | Method and apparatus for wireless sensing |
CN117280765A (zh) * | 2022-04-22 | 2023-12-22 | 北京小米移动软件有限公司 | 信息处理方法及装置、通信设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110889863A (zh) * | 2019-09-03 | 2020-03-17 | 河南理工大学 | 一种基于目标感知相关滤波的目标跟踪方法 |
CN111273305A (zh) * | 2020-02-18 | 2020-06-12 | 中国科学院合肥物质科学研究院 | 基于全局与局部栅格图多传感器融合道路提取与索引方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102064847A (zh) * | 2010-11-01 | 2011-05-18 | 胡淼龙 | 目标智能追踪系统 |
US8519845B2 (en) * | 2010-12-16 | 2013-08-27 | King Fahd University Of Petroleum And Minerals | System and method for tracking people |
CN108112072A (zh) * | 2016-11-24 | 2018-06-01 | 光宝电子(广州)有限公司 | 定位系统及其定位方法 |
US10264436B1 (en) * | 2018-05-29 | 2019-04-16 | Link Labs, Inc. | BLE networking systems and methods providing central and peripheral role reversal with independent peripheral network connectivity |
US11479262B2 (en) * | 2018-06-06 | 2022-10-25 | Metawave Corporation | Geographically disparate sensor fusion for enhanced target detection and identification in autonomous vehicles |
EP3617749B1 (en) * | 2018-09-03 | 2020-11-11 | Zenuity AB | Method and arrangement for sourcing of location information, generating and updating maps representing the location |
CN109739236B (zh) * | 2019-01-04 | 2022-05-03 | 腾讯科技(深圳)有限公司 | 车辆信息的处理方法、装置、计算机可读介质及电子设备 |
US11151866B2 (en) * | 2019-02-05 | 2021-10-19 | Intel Corporation | Enhanced high definition maps for a vehicle |
CN110412595A (zh) * | 2019-06-04 | 2019-11-05 | 深圳市速腾聚创科技有限公司 | 路基感知方法、系统、车辆、设备和存储介质 |
US11774250B2 (en) * | 2019-07-05 | 2023-10-03 | Nvidia Corporation | Using high definition maps for generating synthetic sensor data for autonomous vehicles |
CN110570653B (zh) * | 2019-08-09 | 2021-01-26 | 新奇点智能科技集团有限公司 | 一种自动驾驶辅助方法及系统 |
CN111289002A (zh) * | 2019-09-24 | 2020-06-16 | 陈水弟 | 一种机器人路径规划方法及系统 |
CN112566032B (zh) * | 2020-09-23 | 2022-11-22 | 深圳市速腾聚创科技有限公司 | 多站点路基网络感知方法、终端和系统 |
-
2020
- 2020-09-23 CN CN202011525740.9A patent/CN112566032B/zh active Active
- 2020-09-23 CN CN202011011719.7A patent/CN111866728B/zh active Active
-
2021
- 2021-07-08 WO PCT/CN2021/105118 patent/WO2022062571A1/zh active Application Filing
-
2023
- 2023-03-21 US US18/124,046 patent/US20230228593A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110889863A (zh) * | 2019-09-03 | 2020-03-17 | 河南理工大学 | 一种基于目标感知相关滤波的目标跟踪方法 |
CN111273305A (zh) * | 2020-02-18 | 2020-06-12 | 中国科学院合肥物质科学研究院 | 基于全局与局部栅格图多传感器融合道路提取与索引方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112566032A (zh) | 2021-03-26 |
CN111866728A (zh) | 2020-10-30 |
US20230228593A1 (en) | 2023-07-20 |
CN112566032B (zh) | 2022-11-22 |
WO2022062571A1 (zh) | 2022-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111866728B (zh) | 多站点路基网络感知方法、装置、终端和系统 | |
US11537126B2 (en) | Method and system for on-the-fly object labeling via cross modality validation in autonomous driving vehicles | |
US11790551B2 (en) | Method and system for object centric stereo in autonomous driving vehicles | |
US11550334B2 (en) | Method and system for integrated global and distributed learning in autonomous driving vehicles | |
CN113379805B (zh) | 一种交通节点的多信息资源融合处理方法 | |
CN111222568A (zh) | 一种车辆网联数据融合方法及装置 | |
CN113052321B (zh) | 从短期意图和长期结果生成轨迹标记 | |
US11631327B2 (en) | Systems and methods for learning driver parking preferences and generating parking recommendations | |
WO2020078572A1 (en) | Global map creation using fleet trajectories and observations | |
US20230365145A1 (en) | Method, system and computer program product for calibrating and validating a driver assistance system (adas) and/or an automated driving system (ads) | |
CN114639085A (zh) | 交通信号灯识别方法、装置、计算机设备和存储介质 | |
CN114694123B (zh) | 交通信号灯感知方法、装置、设备及存储介质 | |
Sandblom et al. | Sensor data fusion for multiple configurations | |
Krajewski et al. | Using drones as reference sensors for neural-networks-based modeling of automotive perception errors | |
US20210237737A1 (en) | Method for Determining a Lane Change Indication of a Vehicle | |
US20220164350A1 (en) | Searching an autonomous vehicle sensor data repository based on context embedding | |
CN116964588A (zh) | 一种目标检测方法、目标检测模型训练方法及装置 | |
CN115457084A (zh) | 一种多相机目标检测跟踪方法、装置 | |
JP2016181061A (ja) | 走行環境評価システム | |
CN115352452A (zh) | 车辆环境的感知方法、系统、电子设备及存储介质 | |
US20210180982A1 (en) | Map generation device and map generation method | |
US11651583B2 (en) | Multi-channel object matching | |
US20230025579A1 (en) | High-definition mapping | |
US11937153B2 (en) | Method for improving the estimation of existence probabilities | |
CN117392347B (zh) | 一种地图构建方法、装置、计算机设备及可读存储介质 |
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 |