CN112001287B - 障碍物的点云信息生成方法、装置、电子设备和介质 - Google Patents
障碍物的点云信息生成方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN112001287B CN112001287B CN202010826050.0A CN202010826050A CN112001287B CN 112001287 B CN112001287 B CN 112001287B CN 202010826050 A CN202010826050 A CN 202010826050A CN 112001287 B CN112001287 B CN 112001287B
- Authority
- CN
- China
- Prior art keywords
- obstacle
- point cloud
- information
- cloud data
- moment
- 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
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
- 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
-
- 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)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开的实施例公开了障碍物的点云信息生成方法、装置、电子设备和介质。该方法的一具体实施方式包括:获取目标车辆在预设范围内第一时刻的点云数据,得到第一点云数据集合;对第一点云数据集合中的每个点云数据进行分析生成障碍物信息,得到障碍物信息集合;基于障碍物信息集合,生成点云信息;将点云信息推送至具有显示功能的目标设备,以及控制目标设备显示点云信息。该实施方式通过对点云数据的分析,生成有关障碍物相关属性或位置的障碍物信息。对障碍物信息进行分析生成了点云信息。有助于了解障碍物相对目标车辆的位置变化,为自动驾驶系统控制目标车辆提供了便利,侧面提高用户体验。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及障碍物的点云信息生成方法、装置、电子设备和介质。
背景技术
随着环保行动的进行,新能源汽车正在逐步的发展。随着新能源汽车技术的不断发展,自动驾驶被应用于新能源汽车,普通障碍物检测技术已经远不能满足自动驾驶的需求。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了障碍物的点云信息生成方法、装置、电子设备和介质,来解决以上背景技术部分提到的技术问题。
第一方面,本公开的一些实施例提供了一种障碍物的点云信息生成方法,该方法包括:获取目标车辆在预设范围内第一时刻的点云数据,得到第一点云数据集合;对第一点云数据集合中的每个点云数据进行分析生成障碍物信息,得到障碍物信息集合,其中,障碍物信息包括障碍物与目标车辆在第一时刻的第一相对位置信息和第一相对速度;基于障碍物信息集合,生成点云信息;将点云信息推送至具有显示功能的目标设备,以及控制目标设备显示点云信息。
第二方面,本公开的一些实施例提供了一种障碍物的点云信息生成装置,装置包括:获取单元,被配置成获取目标车辆在预设范围内第一时刻的点云数据,得到第一点云数据集合;分析单元,被配置成对第一点云数据集合中的每个点云数据进行分析生成障碍物信息,得到障碍物信息集合,其中,障碍物信息包括障碍物与目标车辆在第一时刻的第一相对位置信息和第一相对速度;生成单元,被配置成基于障碍物信息集合,生成点云信息;显示单元,被配置成将点云信息推送至具有显示功能的目标设备,以及控制目标设备显示点云信息。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如第一方面中所描述的方法。
本公开的上述各个实施例中的一个实施例具有如下有益效果:通过对障碍物的点云数据的分析,可以生成有关障碍物相关属性或位置的障碍物信息。而后,根据分析得到的障碍物信息生成用于记录第二时刻时障碍物的点云数据与场景点云数据的点云信息,可以使障碍物在当前时刻的点云更密集,密集的点云有利于更加准确的检测障碍物。本公开的方法应用于自动驾驶领域时,通过预设范围内障碍物的检测、障碍物点云信息的生成,可以辅助系统对目标车辆的控制。从而,提高了自动驾驶的安全性,侧面提高用户体验。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的一些实施例的障碍物的点云信息生成方法的一个应用场景的示意图;
图2是根据本公开的障碍物的点云信息生成方法的一些实施例的流程图;
图3是根据本公开的障碍物的点云信息生成方法的构建区域库的一些实施例的流程图;
图4是根据本公开的障碍物的点云信息生成装置的一些实施例的结构示意图;
图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开一些实施例的障碍物的点云信息生成方法的应用场景的一个示意图。
在图1的应用场景中,首先,计算设备101可以获取目标车辆在预设范围内第一时刻的点云数据,得到第一点云数据集合102。然后,计算设备101可以对第一点云数据集合102中的每个点云数据进行分析生成障碍物信息,得到障碍物信息集合103。之后,计算设备101可以基于障碍物信息集合103,生成点云信息104。最后,计算设备101可以将点云信息104推送至具有显示功能的目标设备105,以及控制目标设备105显示点云信息104。
需要说明的是,上述计算设备101可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的计算设备的数目仅仅是示意性的。根据实现需要,可以具有任意数目的计算设备。
继续参考图2,示出了根据本公开的障碍物的点云信息生成方法的一些实施例的流程200。该方法可以由图1中的计算设备101来执行。该障碍物的点云信息生成方法,包括以下步骤:
步骤201,获取目标车辆在预设范围内第一时刻的点云数据,得到第一点云数据集合。
在一些实施例中,点云信息生成法方法的执行主体(如图1所示的计算设备101)可以通过有线连接方式或无线连接方式获取目标车辆在预设范围内第一时刻的点云数据。点云数据可以是对目标进行扫描,然后将扫描结果以点的形式记录,每一个点包含有三维空间坐标。
需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
步骤202,对第一点云数据集合中的每个点云数据进行分析生成障碍物信息,得到障碍物信息集合。
在一些实施例中,上述执行主体可以先通过安装于上述目标车辆的定位系统来获取目标车辆在第一时刻的位置信息。这里,位置信息可以以坐标的形式来表示。然后,上述执行主体可以将上述位置信息和点云数据输入至预先训练的深度学习神经网络,得到障碍物信息。障碍物信息可以包括障碍物与上述目标车辆在第一时刻的第一相对位置信息和第一相对速度。
在一些实施例的一些可选的实现方式中,上述深度学习神经网络可以是通过以下方法训练得到的:首先,上述执行主体可以获取训练样本集,上述训练样本集中的训练样本包括样本位置信息、样本点云数据和样本障碍物信息。然后,上述执行主体可以从上述训练样本集中选取训练样本。之后,将选取的训练样本中的样本位置信息和样本点云数据作为初始模型的输入,将与上述训练样本中的样本障碍物信息作为上述初始模型的期望输出,训练得到上述深度学习神经网络。上述初始模型可以是能够根据上述样本点云数据和样本位置信息得到对应的样本障碍物信息的各种神经网络。上述初始模型的各层设置有初始参数,初始参数在上述深度学习神经网络的训练过程中可以不断被调整。例如,卷积神经网络(Convolutional Neural Network,CNN)。
步骤203,基于障碍物信息集合,生成点云信息。
在一些实施例中,上述执行主体可以通过如下步骤得到点云信息集合:第一步,上述执行主体可以利用雷达测速,确定障碍物的第一相对速度和运动方向;第二步,上述执行主体可以根据障碍物的第一相对位置信息和障碍物的第一相对速度,计算得到第二时刻时障碍物的位移;第三步,上述执行主体可以获取上述目标车辆的速度;第四步,上述执行主体可以根据目标车辆的速度、障碍物的运动方向和障碍物的位移,确定第二时刻时障碍物与目标车辆的第二相对位置信息;第五步,上述执行主体可以根据障碍物在第一时刻的点云数据和第二相对位置信息,计算得到障碍物在第二时刻的点云数据;第六步,上述执行主体可以将计算得到的障碍物在第二时刻的点云数据叠加至第二时刻的点云数据上;第七步,上述执行主体可以将叠加得到的点云总数据确定为该时刻的点云信息。这里,可以利用预先训练的深度学习网络对上述第六步得到的点云总数据进行检测,以提升障碍物的检测效果。点云信息用于记录第二时刻时障碍物的点云数据与场景点云数据。
在一些实施例的一些可选的实现方式中,障碍物与目标车辆的第二相对位置信息可以通过如下公式计算得到:
OPi,n+1=OLi,n+(Tn+1-Tn)*OVi,n-(Ln+1-Ln)。其中,OLi,n表示第i个障碍物在第n时刻的点云数据。OPi,n+1表示第i个障碍物在第n+1时刻的点云数据。Tn表示第n时刻。Tn+1表示第n+1时刻。OVi,n表示第i个障碍物在第n+1时刻的速度。Ln表示第n时刻的目标车辆的位置信息。Ln+1表示第n+1时刻的位置信息。
步骤204,将点云信息集合推送至具有显示功能的目标设备,以及控制目标设备显示点云信息集合。
在一些实施例中,上述执行主体可以将点云信息集合推送至具有显示功能的目标设备,以及控制目标设备显示点云信息集合。
本公开的上述各个实施例中的一个实施例具有如下有益效果:通过对障碍物的点云数据的分析,可以生成有关障碍物相关属性或位置的障碍物信息。而后,根据分析得到的障碍物信息生成用于记录第二时刻时障碍物的点云数据与场景点云数据的点云信息,可以使障碍物在当前时刻的点云更密集,密集的点云有利于更加准确的检测障碍物。本公开的方法应用于自动驾驶领域时,通过预设范围内障碍物的检测、障碍物点云信息的生成,可以辅助系统对目标车辆的控制。从而,提高了自动驾驶的安全性,侧面提高用户体验。另外,通过将两个时刻的点云数据进行覆盖,可以得到障碍物更多的点的信息。完善了障碍物的信息,有助于确认障碍物的类别,为后续处理提供了便利。
继续参考图3,示出了根据本公开的障碍物的点云信息生成方法的另一些实施例的流程图300。该方法可以由图1中的计算设备101来执行。该障碍物的点云信息生成方法,包括以下步骤:
步骤301,利用安装于目标车辆的激光发射器对所在场景进行扫描,得到目标车辆所在场景的第一点云数据集合。
在一些实施例中,上述执行主体可以控制多个激光发射器同时对场景进行扫描,然后将多个激光发射器的点云数据进行组合,得到第一点云数据集合。
步骤302,对第一点云数据集合中的每个点云数据进行分析生成障碍物信息,得到障碍物信息集合。
在一些实施例中,上述执行主体可以通过如下步骤生成障碍物信息:第一步,上述执行主体可以将目标车辆在第一时刻的位置信息确定为上述激光发射器在第一时刻的位置信息;第二步,上述执行主体可以基于上述深度学习网络得到的障碍物信息,确定障碍物与激光发射器之间的距离和上述障碍物的属性值;第三步,上述执行主体可以根据激光发射器在第一时刻的位置信息和上述距离,确定障碍物与目标车辆在第一时刻的第一相对位置信息;第四步,上述执行主体利用预设障碍物跟踪算法或毫米波雷达来确定障碍物与目标车辆在第一时刻的第一相对速度;第五步,上述执行主体可以根据障碍物的障碍物信息包含的障碍物三维空间坐标和三维空间尺寸,确定障碍物的点云数据;第六步,上述执行主体可以将上述第一相对位置信息、第一相对速度,上述障碍物的属性值和上述点云数据输入至预先训练的深度学习神经网络,生成障碍物信息。
作为示例,目标车辆在第一时刻的位置信息可以是(0,0,0)。上述执行主体可以将激光发射器的位置信息确定为(0,0,0)。上述执行主体可以利用深度学习网络得到障碍物与激光发射器之间的距离为利用毫米雷达或预设障碍物跟踪算法得到第一相对速度是“2”。上述执行主体可以建立坐标系,得到障碍物与激光发射器在第一时刻的相对位置信息为(30,40,30)。障碍物的属性值可以为“长:10,宽15,高12”。那么,障碍物信息可以是“位置为(32,42,32),长为10宽为15高为12的障碍物”。
在一些实施例的一些可选的实现方式中,上述执行主体可以利用上述深度学习网络对第一点云数据集合中的点云数据进行分析,生成障碍物信息。
步骤303,基于障碍物信息集合,生成点云信息。
步骤304,将点云信息推送至具有显示功能的目标设备,以及控制目标设备显示点云信息。
在一些实施例中,步骤303-304的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤203-204,在此不再赘述。
步骤305,对障碍物在第二时刻的点云数据进行类型分析,确定上述障碍物的类别,得到障碍物类别集合。
在一些实施例中,上述执行主体可以将障碍物在第二时刻的点云数据映射至预定三维展示界面,得到障碍物的三维空间图像。然后,上述执行主体可以从类别数据库中选择出与三维空间图像的相似度大于预设阈值的图像作为目标图像,将目标图像表征的物体的类别确定为障碍物的类别。
从图3中可以看出,与图2对应的一些实施例的描述相比,图3对应的一些实施例中的障碍物的点云信息生成方法的流程300体现了对如何获得第一点云数据集合、如何生成障碍物信息进行扩展的步骤。由此,这些实施例描述的方案可以通过对障碍物在第二时刻与目标车辆的相对位置信息确定和对障碍物的属性值的确定,高度还原了障碍物实际环境中的形态。应用于自动驾驶系统中,有助于系统对障碍物的判别,从而提高了自动驾驶的安全性。
进一步参考图4,作为对上述各图上述方法的实现,本公开提供了一种障碍物的点云信息生成装置的一些实施例,这些装置实施例与图2上述的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,一些实施例的障碍物的点云信息生成装置400包括:获取单元401、分析单元402、生成单元403和显示单元404。其中,获取目标车辆在预设范围内第一时刻的点云数据,得到第一点云数据集合;对第一点云数据集合中的每个点云数据进行分析生成障碍物信息,得到障碍物信息集合,其中,障碍物信息包括障碍物与目标车辆在第一时刻的第一相对位置信息和第一相对速度;基于障碍物信息集合,生成点云信息;将点云信息推送至具有显示功能的目标设备,以及控制目标设备显示点云信息。
在一些实施例的一些可选的实现方式中,障碍物的点云信息生成装置400的获取单元401被进一步配置成:利用安装于目标车辆的激光发射器对所在场景进行扫描,得到目标车辆所在场景的第一点云数据集合,其中,上述点云数据包括上述障碍物反射点的三维空间坐标和激光反射强度。
在一些实施例的一些可选的实现方式中,障碍物的点云信息生成装置400的分析单元402被进一步配置成:获取上述目标车辆在第一时刻的位置信息;将上述目标车辆在第一时刻的位置信息和点云数据输入至预先训练的深度学习神经网络,得到障碍物信息。
在一些实施例的一些可选的实现方式中,障碍物的点云信息生成装置400的分析单元402被进一步配置成:将上述目标车辆在第一时刻的位置信息确定为上述激光发射器在第一时刻的位置信息;基于上述深度学习网络得到的障碍物信息,确定上述障碍物与上述激光发射器之间的距离和上述障碍物的属性值;基于上述激光发射器在第一时刻的位置信息和上述距离,确定上述障碍物与上述目标车辆在第一时刻的第一相对位置信息;基于预设障碍物跟踪算法或毫米波雷达,确定上述障碍物与上述目标车辆在第一时刻的第一相对速度;基于上述障碍物信息,确定上述障碍物的点云数据;基于上述第一相对位置信息、第一相对速度、上述属性值和上述障碍物的点云数据,生成障碍物信息。
在一些实施例的一些可选的实现方式中,障碍物的点云信息生成装置400的生成单元403被进一步配置成:确定上述障碍物的速度;获取上述目标车辆的速度;基于上述目标车辆的速度、上述障碍物的障碍物信息和上述障碍物的速度,生成上述障碍物在第二时刻与上述目标车辆的第二相对位置信息;基于上述障碍物在第一时刻的点云数据和上述第二相对位置信息,生成上述障碍物在第二时刻的点云数据;将上述障碍物在第二时刻的点云数据叠加至第二时刻的场景点云数据,生成第二时刻目标车辆所属场景的点云数据,以及将上述第二时刻目标车辆所属场景的点云数据作为点云信息。
在一些实施例的一些可选的实现方式中,障碍物的点云信息生成装置400被进一步配置成:对上述障碍物在第二时刻的点云数据进行类型分析,确定上述障碍物的类别,得到障碍物类别集合。
可以理解的是,该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元,在此不再赘述。
下面参考图5,其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)500的结构示意图。图5示出的服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取目标车辆在预设范围内第一时刻的点云数据,得到第一点云数据集合;对第一点云数据集合中的每个点云数据进行分析生成障碍物信息,得到障碍物信息集合,其中,障碍物信息包括障碍物与目标车辆在第一时刻的第一相对位置信息和第一相对速度;基于障碍物信息集合,生成点云信息;将点云信息推送至具有显示功能的目标设备,以及控制目标设备显示点云信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、分析单元、生成单元和显示单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取目标车辆在预设范围内第一时刻的点云数据,得到第一点云数据集合的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (6)
1.一种障碍物的点云信息生成方法,包括:
获取目标车辆在预设范围内第一时刻的点云数据,得到第一点云数据集合;
对所述第一点云数据集合中的每个点云数据进行分析生成障碍物信息,得到障碍物信息集合,其中,所述障碍物信息包括障碍物与所述目标车辆在第一时刻的第一相对位置信息和第一相对速度;
基于所述障碍物信息集合,生成点云信息,其中,所述点云信息用于记录第二时刻时障碍物的点云数据与场景点云数据;
将所述点云信息推送至具有显示功能的目标设备,以及控制所述目标设备显示所述点云信息;
其中,所述对所述第一点云数据集合中的每个点云数据进行分析生成障碍物信息,得到障碍物信息集合,包括:
获取所述目标车辆在第一时刻的位置信息;将所述目标车辆在第一时刻的位置信息和点云数据输入至预先训练的深度学习神经网络,得到障碍物信息;
或将所述目标车辆在第一时刻的位置信息确定为激光发射器在第一时刻的位置信息;基于深度学习网络得到的障碍物信息,确定所述障碍物与所述激光发射器之间的距离和所述障碍物的属性值;基于所述激光发射器在第一时刻的位置信息和所述距离,确定所述障碍物与所述目标车辆在第一时刻的第一相对位置信息;基于预设障碍物跟踪算法或毫米波雷达,确定所述障碍物与所述目标车辆在第一时刻的第一相对速度;基于所述障碍物信息,确定所述障碍物的点云数据;基于所述第一相对位置信息、第一相对速度、所述属性值和所述障碍物的点云数据,生成障碍物信息;
其中,所述基于所述障碍物信息集合,生成点云信息,包括:
确定所述障碍物的速度;
获取所述目标车辆的速度;
基于所述目标车辆的速度、所述障碍物的障碍物信息和所述障碍物的速度,生成所述障碍物在第二时刻与所述目标车辆的第二相对位置信息;
将所述障碍物在第二时刻的点云数据叠加至第二时刻的场景点云数据,生成第二时刻目标车辆所属场景的点云数据,以及将所述第二时刻目标车辆所属场景的点云数据作为点云信息。
2.根据权利要求1所述的方法,其中,所述获取目标车辆在预设范围内第一时刻的点云数据,得到第一点云数据集合,包括:
利用安装于所述目标车辆的激光发射器对所在场景进行扫描,得到目标车辆所在场景的第一点云数据集合,其中,所述点云数据包括所述障碍物反射点的三维空间坐标和激光反射强度。
3.根据权利要求1-2之一所述的方法,其中,所述方法还包括:
对所述障碍物在第二时刻的点云数据进行类型分析,确定所述障碍物的类别,得到障碍物类别集合。
4.一种障碍物的点云信息生成装置,包括:
获取单元,被配置成获取目标车辆在预设范围内第一时刻的点云数据,得到第一点云数据集合;
分析单元,被配置成对所述第一点云数据集合中的每个点云数据进行分析生成障碍物信息,得到障碍物信息集合,其中,所述障碍物信息包括障碍物与所述目标车辆在第一时刻的第一相对位置信息和第一相对速度;
生成单元,被配置成基于所述障碍物信息集合,生成点云信息,其中,所述点云信息用于记录第二时刻时障碍物的点云数据与场景点云数据;
显示单元,被配置成将所述点云信息集合推送至具有显示功能的目标设备,以及控制所述目标设备显示所述点云信息集合;
其中,所述分析单元,进一步被配置成:获取所述目标车辆在第一时刻的位置信息;将所述目标车辆在第一时刻的位置信息和点云数据输入至预先训练的深度学习神经网络,得到障碍物信息;或将所述目标车辆在第一时刻的位置信息确定为激光发射器在第一时刻的位置信息;基于深度学习网络得到的障碍物信息,确定所述障碍物与所述激光发射器之间的距离和所述障碍物的属性值;基于所述激光发射器在第一时刻的位置信息和所述距离,确定所述障碍物与所述目标车辆在第一时刻的第一相对位置信息;基于预设障碍物跟踪算法或毫米波雷达,确定所述障碍物与所述目标车辆在第一时刻的第一相对速度;基于所述障碍物信息,确定所述障碍物的点云数据;基于所述第一相对位置信息、第一相对速度、所述属性值和所述障碍物的点云数据,生成障碍物信息;
其中,所述生成单元,进一步被配置成:确定所述障碍物的速度;获取所述目标车辆的速度;基于所述目标车辆的速度、所述障碍物的障碍物信息和所述障碍物的速度,生成所述障碍物在第二时刻与所述目标车辆的第二相对位置信息;将所述障碍物在第二时刻的点云数据叠加至第二时刻的场景点云数据,生成第二时刻目标车辆所属场景的点云数据,以及将所述第二时刻目标车辆所属场景的点云数据作为点云信息。
5.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
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如权利要求1-3中任一所述的方法。
6.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-3中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010826050.0A CN112001287B (zh) | 2020-08-17 | 2020-08-17 | 障碍物的点云信息生成方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010826050.0A CN112001287B (zh) | 2020-08-17 | 2020-08-17 | 障碍物的点云信息生成方法、装置、电子设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112001287A CN112001287A (zh) | 2020-11-27 |
CN112001287B true CN112001287B (zh) | 2023-09-12 |
Family
ID=73472637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010826050.0A Active CN112001287B (zh) | 2020-08-17 | 2020-08-17 | 障碍物的点云信息生成方法、装置、电子设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112001287B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112232451B (zh) * | 2020-12-16 | 2021-04-30 | 禾多科技(北京)有限公司 | 多传感器数据融合方法、装置、电子设备和介质 |
CN112528979B (zh) * | 2021-02-10 | 2021-05-11 | 成都信息工程大学 | 变电站巡检机器人障碍物判别方法及系统 |
CN112836681B (zh) * | 2021-03-03 | 2024-01-26 | 上海高仙自动化科技发展有限公司 | 一种障碍物标记方法、装置及可读非暂时性存储介质 |
CN113734190B (zh) * | 2021-09-09 | 2023-04-11 | 北京百度网讯科技有限公司 | 车辆信息提示方法、装置、电子设备、介质和车辆 |
CN116263602A (zh) * | 2021-12-15 | 2023-06-16 | 速感科技(北京)有限公司 | 自主移动设备及其控制方法和装置以及存储介质 |
CN115205501B (zh) * | 2022-08-10 | 2023-05-23 | 小米汽车科技有限公司 | 路面状况的显示方法、装置、设备及介质 |
CN115391422B (zh) * | 2022-08-22 | 2023-05-26 | 禾多科技(北京)有限公司 | 车辆感知信息生成方法、装置、设备、介质和程序产品 |
CN115861426B (zh) * | 2023-01-13 | 2023-06-13 | 江苏金恒信息科技股份有限公司 | 物料取样方法、装置、计算机设备和存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108229366A (zh) * | 2017-12-28 | 2018-06-29 | 北京航空航天大学 | 基于雷达和图像数据融合的深度学习车载障碍物检测方法 |
CN109145680A (zh) * | 2017-06-16 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 一种获取障碍物信息的方法、装置、设备和计算机存储介质 |
CN109212532A (zh) * | 2017-07-04 | 2019-01-15 | 百度在线网络技术(北京)有限公司 | 用于检测障碍物的方法和装置 |
CN110096059A (zh) * | 2019-04-25 | 2019-08-06 | 杭州飞步科技有限公司 | 自动驾驶方法、装置、设备及存储介质 |
CN110687549A (zh) * | 2019-10-25 | 2020-01-14 | 北京百度网讯科技有限公司 | 障碍物检测方法和装置 |
CN110927742A (zh) * | 2019-11-19 | 2020-03-27 | 杭州飞步科技有限公司 | 障碍物跟踪方法、装置、设备及存储介质 |
CN111160302A (zh) * | 2019-12-31 | 2020-05-15 | 深圳一清创新科技有限公司 | 基于自动驾驶环境的障碍物信息识别方法和装置 |
CN111402308A (zh) * | 2020-03-17 | 2020-07-10 | 北京百度网讯科技有限公司 | 障碍物速度的确定方法、装置、设备和介质 |
CN111401133A (zh) * | 2020-02-19 | 2020-07-10 | 北京三快在线科技有限公司 | 目标数据增广方法、装置、电子设备和可读存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108629231B (zh) * | 2017-03-16 | 2021-01-22 | 百度在线网络技术(北京)有限公司 | 障碍物检测方法、装置、设备及存储介质 |
CN109814112A (zh) * | 2019-01-15 | 2019-05-28 | 北京百度网讯科技有限公司 | 一种超声波雷达与激光雷达信息融合方法和系统 |
-
2020
- 2020-08-17 CN CN202010826050.0A patent/CN112001287B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109145680A (zh) * | 2017-06-16 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 一种获取障碍物信息的方法、装置、设备和计算机存储介质 |
CN109212532A (zh) * | 2017-07-04 | 2019-01-15 | 百度在线网络技术(北京)有限公司 | 用于检测障碍物的方法和装置 |
CN108229366A (zh) * | 2017-12-28 | 2018-06-29 | 北京航空航天大学 | 基于雷达和图像数据融合的深度学习车载障碍物检测方法 |
CN110096059A (zh) * | 2019-04-25 | 2019-08-06 | 杭州飞步科技有限公司 | 自动驾驶方法、装置、设备及存储介质 |
CN110687549A (zh) * | 2019-10-25 | 2020-01-14 | 北京百度网讯科技有限公司 | 障碍物检测方法和装置 |
CN110927742A (zh) * | 2019-11-19 | 2020-03-27 | 杭州飞步科技有限公司 | 障碍物跟踪方法、装置、设备及存储介质 |
CN111160302A (zh) * | 2019-12-31 | 2020-05-15 | 深圳一清创新科技有限公司 | 基于自动驾驶环境的障碍物信息识别方法和装置 |
CN111401133A (zh) * | 2020-02-19 | 2020-07-10 | 北京三快在线科技有限公司 | 目标数据增广方法、装置、电子设备和可读存储介质 |
CN111402308A (zh) * | 2020-03-17 | 2020-07-10 | 北京百度网讯科技有限公司 | 障碍物速度的确定方法、装置、设备和介质 |
Non-Patent Citations (1)
Title |
---|
基于激光雷达点云密度特征的智能车障碍物检测与跟踪;汪世财,等;合肥工业大学学报(自然科学版);第42卷(第10期);第1311-1317页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112001287A (zh) | 2020-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112001287B (zh) | 障碍物的点云信息生成方法、装置、电子设备和介质 | |
US20220105961A1 (en) | Method for automatic control of vehicle and method for training lane change intention prediction network | |
CN113264066B (zh) | 障碍物轨迹预测方法、装置、自动驾驶车辆及路侧设备 | |
JP2022539250A (ja) | アンカー軌道を使用したエージェント軌道予測 | |
CN112590813B (zh) | 自动驾驶车辆信息生成方法、装置、电子设备和介质 | |
KR102241404B1 (ko) | 시각 입력을 이용한 에이전트 네비게이션 | |
CN115339453B (zh) | 车辆换道决策信息生成方法、装置、设备和计算机介质 | |
CN113044042B (zh) | 车辆预测变道图像显示方法、装置、电子设备和可读介质 | |
CN115616937B (zh) | 自动驾驶仿真测试方法、装置、设备和计算机可读介质 | |
CN114758502A (zh) | 双车联合轨迹预测方法及装置、电子设备和自动驾驶车辆 | |
CN115761702A (zh) | 车辆轨迹生成方法、装置、电子设备和计算机可读介质 | |
CN112649011B (zh) | 车辆避障方法、装置、设备和计算机可读介质 | |
CN113177980B (zh) | 用于自动驾驶的目标对象速度确定方法、装置及电子设备 | |
CN116164770B (zh) | 路径规划方法、装置、电子设备和计算机可读介质 | |
CN116088537B (zh) | 车辆避障方法、装置、电子设备和计算机可读介质 | |
CN113901341A (zh) | 导航信息提示方法、装置、介质及程序产品 | |
CN116088538B (zh) | 车辆轨迹信息生成方法、装置、设备和计算机可读介质 | |
CN116161040A (zh) | 车位信息生成方法、装置、电子设备和计算机可读介质 | |
US20230082079A1 (en) | Training agent trajectory prediction neural networks using distillation | |
CN112558036A (zh) | 用于输出信息的方法和装置 | |
CN114724115B (zh) | 障碍物定位信息生成方法、装置、设备和计算机可读介质 | |
CN112651535A (zh) | 局部路径规划方法、装置、存储介质、电子设备及车辆 | |
CN113269168A (zh) | 障碍物数据处理方法、装置、电子设备和计算机可读介质 | |
CN115848358B (zh) | 车辆泊车方法、装置、电子设备和计算机可读介质 | |
CN115205501B (zh) | 路面状况的显示方法、装置、设备及介质 |
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 |