CN112327864A - 一种无人驾驶设备的控制方法及控制装置 - Google Patents
一种无人驾驶设备的控制方法及控制装置 Download PDFInfo
- Publication number
- CN112327864A CN112327864A CN202011287724.0A CN202011287724A CN112327864A CN 112327864 A CN112327864 A CN 112327864A CN 202011287724 A CN202011287724 A CN 202011287724A CN 112327864 A CN112327864 A CN 112327864A
- Authority
- CN
- China
- Prior art keywords
- image
- reference object
- target
- recognized
- determining
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
Abstract
本申请公开了一种无人驾驶设备的控制方法及控制装置,无人驾驶设备可以获取到自身采集的待识别图像,并从待识别图像中确定目标物在待识别图像中的目标物位置。而后,可以根据预设的电子地图中基准参照物的参照物信息以及无人驾驶设备在采集待识别图像时所处的采集位置,从基准参照物中确定出待识别图像中涉及的目标参照物在待识别图像中的目标参照物位置。之后,无人驾驶设备可以根据目标物位置、目标参照物位置以及基准参照物的参照物信息,确定目标物在真实世界中的位置信息,并根据确定出的目标物在真实世界中的位置信息,对无人驾驶设备进行控制,本申请能够有效地确定目标物在真实世界的位置,从而保证无人驾驶设备的行驶安全。
Description
技术领域
本申请涉及无人驾驶领域,尤其涉及一种无人驾驶设备的控制方法及控制装置。
背景技术
随着信息技术的不断发展,无人驾驶技术将逐渐步入各个领域进行应用。
为了保证无人驾驶设备的安全行驶,通常需要在无人驾驶行驶过程中采集图像,并对图像进行识别,以检测出有可能会影响无人驾驶设备行驶的障碍物。在现有技术中,可以先识别出障碍物在图像中所对应的图像区域,再通过预先训练的深度预测模型来预测出障碍物相对于无人驾驶设备的距离。然而,在实际应用中,需要获取到大量的训练样本来对深度预测模型进行训练,由于训练样本较多,所以对该深度预测模型进行训练所耗时间较长。而现有技术的另一种方式是直接根据障碍物在图像中的图像区域、相机自身的参数以及相机距离地面的高度,确定出障碍物与无人驾驶设备的距离,而在某些情况下这种方式并不能有效地确定出无人驾驶设备与障碍物之间的距离。
所以,如何在减少成本的情况下依然能够有效地确定出障碍物相对于无人驾驶设备的距离,则是一个亟待解决的问题。
发明内容
本申请提供一种无人驾驶设备的控制方法及控制装置,以有效地确定出障碍物相对于无人驾驶设备的距离。
本申请采用下述技术方案:
本申请提供了一种无人驾驶设备的控制方法,包括:
获取无人驾驶设备采集的待识别图像;
从所述待识别图像中确定目标物在所述待识别图像中的目标物位置;
根据预设的电子地图中基准参照物的参照物信息以及所述无人驾驶设备在采集所述待识别图像时所处的采集位置,从所述基准参照物中确定所述待识别图像中涉及的目标参照物在所述待识别图像中的目标参照物位置;
根据所述目标物位置、所述目标参照物位置以及所述基准参照物的参照物信息,确定所述目标物在真实世界中的位置信息;
根据所述确定的位置信息,对所述无人驾驶设备进行控制。
可选地,所述从所述待识别图像中确定目标物在所述待识别图像中的目标物位置,包括:
从所述待识别图像中确定目标物在所述待识别图像中的图像区域,并根据所述图像区域,确定所述目标物位置。
可选地,所述待识别图像由所述无人驾驶设备上的图像采集器获得;
所述根据预设的电子地图中基准参照物的参照物信息以及所述无人驾驶设备在采集所述待识别图像时所处的采集位置,从所述基准参照物中确定所述待识别图像中涉及的目标参照物在所述待识别图像中的目标参照物位置,包括:
根据所述参照物信息和所述采集位置,确定所述待识别图像中涉及的目标参照物;
根据所述图像采集器的采集器信息,确定所述目标参照物在所述待识别图像中的目标参照物位置。
可选地,所述基准参照物包括:所述电子地图中的一个或多个车道线。
可选地,所述参照物信息包括:所述一个或多个车道线的实际位置。
可选地,所述根据所述参照物信息和所述采集位置,确定所述待识别图像中涉及的目标参照物,包括:
根据所述采集位置以及所述一个或多个车道线的实际位置,确定所述无人驾驶设备与各车道线之间的距离;
根据所述无人驾驶设备与各车道线之间的距离,确定所述待识别图像中包含的车道线,作为所述目标参照物。
可选地,所述根据所述确定的位置信息,对所述无人驾驶设备进行控制,包括:
根据所述位置信息,以及所述一个或多个车道线的实际位置,确定所述目标物所在的车道;
根据所述位置信息以及所述目标物所在车道,对所述无人驾驶设备进行控制。
可选地,所述根据所述图像采集器的采集器信息,确定所述目标参照物的目标参照物位置,包括:
根据所述图像采集器对应的内参矩阵、所述图像采集器与所述无人驾驶设备上安装的惯性测量单元IMU之间的外参矩阵以及所述IMU的坐标系相对于世界坐标系的转换矩阵,将所述目标参照物在所述真实世界中对应的实际位置投影到所述待识别图像中,得到所述目标参照物位置。
可选地,所述根据所述目标物位置、所述目标参照物位置以及所述基准参照物的参照物信息,确定所述目标物在真实世界中的位置信息,包括:
根据目标物位置以及所述目标参照物位置,确定所述目标物在所述待识别图像中与所述目标参照物的相对距离;
根据所述相对距离以及所述基准参照物的参照物信息,确定所述目标物在所述真实世界中的位置信息。
本申请提供了一种无人驾驶设备的控制装置,包括:
获取模块,用于获取无人驾驶设备采集的待识别图像;
位置确定模块,用于从所述待识别图像中确定目标物在所述待识别图像中的目标物位置;
参照物确定模块,用于根据预设的电子地图中基准参照物的参照物信息以及所述无人驾驶设备在采集所述待识别图像时所处的采集位置,从所述基准参照物中确定所述待识别图像中涉及的目标参照物在所述待识别图像中的目标参照物位置;
位置信息确定模块,用于根据所述目标物位置、所述目标参照物位置以及所述基准参照物的参照物信息,确定所述目标物在真实世界中的位置信息;
控制模块,用于根据所述确定的位置信息,对所述无人驾驶设备进行控制。
本申请提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述无人驾驶设备的控制方法。
本申请提供了一种无人驾驶设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述无人驾驶设备的控制方法。
本申请采用的上述至少一个技术方案能够达到以下有益效果:
在本申请提供的无人驾驶设备的控制方法中,无人驾驶设备可以获取到自身采集的待识别图像,并从待识别图像中确定目标物在待识别图像中的目标物位置。而后,可以根据预设的电子地图中基准参照物的参照物信息以及无人驾驶设备在采集待识别图像时所处的采集位置,从基准参照物中确定出待识别图像中涉及的目标参照物在待识别图像中的目标参照物位置。之后,无人驾驶设备可以根据目标物位置、目标参照物位置以及基准参照物的参照物信息,确定目标物在真实世界中的位置信息,并根据确定出的目标物在真实世界中的位置信息,对无人驾驶设备进行控制。
从上述方法中可以看出,本申请可以将电子地图中已有的参照物(如车道线、路灯、交通灯)在真实世界中的位置,作为确定图像中目标物在真实世界的位置的参考信息,这样一来,本方案能够有效地确定出图像中目标物在真实世界中的位置,从而相比于现有技术,本方案能够有效地确定出目标物与无人驾驶设备之间的距离。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请提供的一种示例性的确定障碍物与无人驾驶设备之间的距离的示意图;
图2为本申请中一种示例性的无人驾驶设备的控制方法的流程示意图;
图3为本申请提供的一种示例性的根据目标参照物位置、目标物位置以及基准参照物的参照物信息,确定目标物在真实世界中的位置信息的示意图;
图4为本申请提供的一种示例性的无人驾驶设备的控制装置的示意图;
图5为本申请提供的一种示例性的无人驾驶设备的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在现有技术中,无人驾驶设备采集到前方的图像后,可以识别出前方障碍物在图像中的位置,并直接根据障碍物在图像中的位置,确定出障碍物与该无人驾驶设备之间的距离,如图1所示。
图1为本申请提供的一种示例性的确定障碍物与无人驾驶设备之间的距离的示意图。
在图1中,A车的P点为摄像头所在的位置,O点所在平面为摄像头P的成像平面,B车与地面相接的位置成像在Y1点,即,点K在Y1点成像,F为摄像头的焦距,H为摄像头到地面的高度。Y1、P、O点所形成的三角形与P、Q、K点所形成的三角形相似,已知摄像头P与地面的高度为H,因此Q点与K点之间的距离为H,Y1点在图像中的位置以及焦距也是已知的,因此,可以确定出P点与Q点之间的距离。而C车的L点在Y2点成像,Y2点位于O点下方,由于L点与M点之间的距离无法得知,因此无法确定出A车与C车之间的距离。从这里可以看出,若障碍物的成像位于成像平面上方(即成像在O点以上),则可以确定出该障碍物与无人驾驶设备之间的距离,而若障碍物的成像位于成像平面下方(即成像在O点以下),则无法确定出障碍物与无人驾驶设备之间的距离。
因此,通过这种方式无法有效地确定出图像中各障碍物与无人驾驶设备之间的距离,为了解决这一问题,本申请提供了一种无人驾驶设备的控制方法。在该方法中,无人驾驶设备可以确定出待识别图像中包含的目标参照物,电子地图中包含有目标参照物在真实世界中的实际位置,通过目标参照物的实际位置以及该目标参照物在待识别图像中的目标参照物位置,可以确定出目标物(如障碍物)在真实世界中的位置,从而可以得到障碍物与无人驾驶设备之间的距离。相比于现有技术,本方案并不受到障碍物在成像平面中成像位置的约束,无论障碍物成像在哪个位置,通过本方法均能够有效地确定出该障碍物与无人驾驶设备之间的距离。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图2为本申请中一种示例性的无人驾驶设备的控制方法的流程示意图,包括以下步骤:
S201:获取无人驾驶设备采集的待识别图像。
S202:从所述待识别图像中确定目标物在所述待识别图像中的目标物位置。
在实际应用中,为了保证无人驾驶设备安全地行驶,无人驾驶设备在行驶过程中需要通过一定方式确定出前方、周围的障碍物的位置从而实现避障。因此,无人驾驶设备可以获取到自身采集的待识别图像,并确定出该待识别图像中所涉及的目标物在真实世界中的位置。这里提到的目标物可以是指待识别图像中所涉及的能够影响无人驾驶设备行驶的车辆、行人等。
本申请提到的无人驾驶设备可以是指无人车、机器人、自动配送设备等能够实现自动驾驶的设备。基于此,本申请提供的无人驾驶设备的控制方法具体可应用于使用无人驾驶设备进行配送的领域,如,使用无人驾驶设备进行快递、物流、外卖等配送的业务场景。
在本申请中,对无人驾驶设备进行控制的执行主体可以是无人驾驶设备自身,也可以是服务平台,服务平台可以获取到无人驾驶设备上传的待识别图像,确定出待识别图像中的目标物在真实世界中对应的实际位置。而为了便于描述,下面将仅以无人驾驶设备为执行主体,对本申请提供的无人驾驶设备的控制方法进行说明。
无人驾驶设备获取到待识别图像后,可以从待识别图像中确定目标物在待识别图像中的目标物位置。其中,无人驾驶设备可以从待识别图像中确定目标物在待识别图像中的图像区域,并根据该图像区域,确定该目标物位置,即,将目标物在该待识别图像中的图像区域,作为目标物位置。无人驾驶设备可以通过常规的图像识别算法,识别出目标物在待识别图像中所位于的图像区域,如语义分割网络、R-CNN等。
当然,无人驾驶设备也可以从该待识别图像中确定出目标物在待识别图像中的若干点,作为该目标物的目标物位置。例如,若目标物为行人,无人驾驶设备可以识别出行人的两脚分别在待识别图像中的两个点,作为该行人在待识别图像中的目标物位置。再例如,若目标物为车辆,无人驾驶设备可以识别出车辆的底部在待识别图像中的四个点(也可以是任意数量的点),作为车辆在待识别图像中的目标物位置。
S203:根据预设的电子地图中基准参照物的参照物信息以及所述无人驾驶设备在采集所述待识别图像时所处的采集位置,从所述基准参照物中确定所述待识别图像中涉及的目标参照物在所述待识别图像中的目标参照物位置。
无人驾驶设备可以根据自身采集待识别图像时所处的采集位置,以及电子地图中包含的各基准参照物的参照物信息,从各基准参照物中确定出待识别图像中涉及的目标参照物,并确定出该目标参照物在待识别图像中的目标参照物位置。其中,这里提到的基准参照物可以是指车道线、交通灯、路灯等在电子地图中标记了位置的事物。基准参照物的参照物信息可以包括该基准参照物在真实世界中的实际位置、该基准参照物的类别等。无人驾驶设备可以通过设置在自身的定位装置确定出自身的采集位置。这里提到的定位装置具体可以采用诸如全球定位系统(Global Positioning System,GPS)等常规方式,本申请不对具体的方式进行限定。
在本说明书中,待识别图像由无人驾驶设备上的图像采集器获得,这里提到的图像采集器可以是指摄像头、相机等。无人驾驶设备可以通过上述采集位置以及各基准参照物在真实世界中的实际位置,确定出位于该图像采集器视野内的基准参照物,作为目标参照物,待识别图像中包含有目标参照物也包含有目标物,因此,无人驾驶设备可以将目标参照物的实际位置作为参考来确定目标物在真实世界中的实际位置。
具体的,基准参照物可以包括电子地图中的一个或多个车道线,参照物信息可以包括一个或多个车道线的实际位置。无人驾驶设备可以根据上述采集位置以及电子地图中一个或多个车道线的实际位置,确定无人驾驶设备与各车道线之间的距离,而后,根据无人驾驶设备与各车道线之间的距离,确定出待识别图像中包含的车道线,作为目标参照物。
进一步地,无人驾驶设备可以确定出自身与各车道线之间的距离,并根据自身与各车道线之间的距离确定出距离自身较近的车道线,作为目标参照物。其中,无人驾驶设备可以只确定出自身所在路段所包含的各车道线,再将与自身之间的距离不超过设定距离的车道线作为目标参照物。当然无人驾驶设备也可以将各车道线与自身之间的距离按照从小到大的顺序进行排序,再选取设定排位前的车道线作为目标参照物,设定排位可以根据实际需求进行设定,如将距离自身最近的车道线作为目标参照物。
无人驾驶设备确定出目标参照物后,可以根据图像采集器的采集器信息,确定出目标参照物在待识别图像中的目标参照物位置。具体的,无人驾驶设备可以根据采集上述待识别图像的图像采集器所对应的内参矩阵、该图像采集器与无人驾驶设备上安装的惯性测量单元(Inertial Measurement Unit,IMU)之间的外参矩阵以及该IMU的坐标系相对于世界坐标系的转换矩阵,将目标参照物在真实世界中对应的实际位置投影到待识别图像中,得到目标参照物位置。
其中,无人驾驶设备确定出该IMU的坐标系相对于世界坐标系的转换矩阵后,可以根据该转换矩阵,将目标参照物在真实世界中对应的实际位置转换到该IMU的坐标系下的位置,通过图像采集器与IMU之间的外参矩阵可以将该位置转换到图像采集器的坐标系下的位置,进而通过图像采集器的内参矩阵可以将图像采集器的坐标系下的位置转换到待识别图像的图像坐标系中,从而能够达到将目标参照物在真实世界中对应的实际位置投影到该待识别图像中的目的,得到该目标参照物位置。
S204:根据所述目标物位置、所述目标参照物位置以及所述基准参照物的参照物信息,确定所述目标物在真实世界中的位置信息。
S205:根据所述确定的位置信息,对所述无人驾驶设备进行控制。
无人驾驶设备确定出目标参照物在待识别图像中的目标参照物位置后,可以根据该目标参照物位置、目标物位置以及基准参照物的参照物信息,确定出目标物在真实世界中的位置信息。
可以看出,本方法需要确定出目标物在真实世界中的实际位置,待识别图像中包含有目标参照物,无人驾驶设备可以确定出目标参照物在真实世界中的实际位置,也可以确定目标参照物在待识别图像中的目标参照物位置,目标参照物的实际位置以及目标参照物在待识别图像中的目标参照物位置可以作为参考,来确定出目标物在真实世界中的实际位置。
具体的,无人驾驶设备可以根据目标参照物位置以及目标物在待识别图像中的目标物位置,确定目标物在待识别图像中与目标参照物的相对距离,并根据该相对距离以及基准参照物的参照物信息,确定目标物在真实世界中的位置信息。其中,无人驾驶设备可以从基准参照物的参照物信息中,确定出目标参照物的参照物信息,并根据目标参照物的参照物信息以及该相对距离,确定出目标物在真实世界中的位置信息。
上述提到的基准参照物的参照物信息可以包括基准参照物在真实世界中的实际位置、该基准参照物的类别等。无人驾驶设备可以根据目标参照物的类别和目标参照物在真实世界中的实际位置,确定出目标物在真实世界中的位置信息。例如,若目标参照物为车道线,无人驾驶设备可以通过下面这种方式确定出目标物在真实世界中的位置信息,如图3所示。
图3为本申请提供的一种示例性的根据目标参照物位置、目标物位置以及基准参照物的参照物信息,确定目标物在真实世界中的位置信息的示意图。
在图3中,无人驾驶设备拍摄到的待识别图像中包含了前方行人过马路的图像,无人驾驶设备位于车道线B与车道线C之间的车道,图3中的虚线框表示无人驾驶设备确定出了行人在待识别图像中所处的图像区域,电子地图中包含有车道线A、车道线B、车道线C在真实世界中的实际位置。若需要确定行人A在真实世界中的实际位置,无人驾驶设备可以将车道线B以及车道线C作为目标参照物。
图3中的点e和点f是在图像中与行人A同一水平线上的两个点,而由于无人驾驶设备可以将车道线B以及车道线C在真实世界中的每个点都投影到待识别图像中,所以,无人驾驶设备不但可以在图像中确定出点e与点f在图像中的坐标,也可以确定出点e以及点f在世界坐标系下的坐标。因此,无人驾驶设备可以通过点e与点f在图像中的坐标,确定出点e与点f之间在图像中的距离,同时也可以通过点e与点f在世界坐标系下的坐标,确定出这两个点在真实世界之间的距离,进而在确定出点e与点g之间在图像中的距离后,可以根据点e与点g之间在图像中的距离、点e与点f在真实世界之间的距离以及点e与点f在图像中的距离,确定出点e与点g在真实世界的坐标点之间的距离。这样一来,无人驾驶设备可以确定出行人A在真实世界中的位置信息。
当然,目标参照物可以有多种,除了车道线之外,也可以是路灯、交通灯等,而无论对于哪种形式的目标参照物,都可以通过上述类似的方式,来确定目标物在真实世界中的位置信息。例如,若在道路两旁对称设置有路灯,则可以将路灯作为目标参照物,而无人驾驶设备可以从电子地图中确定出路灯在真实世界中所处的实际位置,再将该实际位置投影到待识别图像中,从而得到路灯在待识别图像中的图像位置(即目标参照物位置)。无人驾驶设备可以将路灯作为目标参照物,根据路灯在真实世界中所处的实际位置、路灯在待识别图像中对应的目标参照物位置以及目标物在待识别图像中的目标物位置,确定出目标物在真实世界中的实际位置。
从这里可以看出,通过基准参照物的参照物信息,无人驾驶设备可以确定出目标参照物的类别,而无人驾驶设备根据不同类别的目标参照物,确定目标物在真实世界中的位置信息的具体实施方式可能略有不同,但是在原理上是大致相同的。因此,不管目标参照物是车道线,还是交通灯,还是其他类别的参照物,无人驾驶设备都可以通过目标参照物的实际位置,确定出目标物在真实世界中的位置信息。
无人驾驶设备确定出目标物在真实世界中的位置信息后,可以根据该位置信息,对自身进行控制,以保证自身的行驶安全,例如,无人驾驶设备可以确定出的待识别图像中的各目标物在真实世界中的位置信息,并根据不同时刻确定出的各目标物的位置信息,对自身进行路径规划。
另外,无人驾驶设备还可以根据目标物在真实世界中的位置信息以及电子地图中包含的一个或多个车道线的车道线信息,确定出目标物所在的车道,并根据该位置信息以及目标物所在的车道,对自身进行控制。例如,若无人驾驶设备确定出自身与前方目标物位于同一车道,则应根据目标物的位置信息,控制自身的速度避免与目标物的距离过近。再例如,若无人驾驶设备需要变道到目标物所在车道,则可以根据目标物的位置信息控制自身进行变道。
从上述方法中可以看出,本申请提供的一种无人驾驶设备的控制方法,可以通过电子地图中包含的参照物在真实世界中的位置,确定出无人驾驶设备实时拍摄到的目标物在真实世界中的位置,只要电子地图中标注了位置的事物均可以作为参照物,如车道线、路灯、交通灯等。这样一来,通过本方法可以有效地确定出无人驾驶设备拍摄到的目标物的位置,能够良好的保证无人驾驶设备的行驶安全。
以上为本申请的一个或多个实施例提供的无人驾驶设备的控制方法,基于同样的思路,本申请还提供了相应的无人驾驶设备的控制装置,如图4所示。
图4为本申请提供的一种示例性的无人驾驶设备的控制装置示意图,包括:
获取模块401,用于获取无人驾驶设备采集的待识别图像;
位置确定模块402,用于从所述待识别图像中确定目标物在所述待识别图像中的目标物位置;
参照物确定模块403,用于根据预设的电子地图中基准参照物的参照物信息以及所述无人驾驶设备在采集所述待识别图像时所处的采集位置,从所述基准参照物中确定所述待识别图像中涉及的目标参照物在所述待识别图像中的目标参照物位置;
位置信息确定模块404,用于根据所述目标物位置、所述目标参照物位置以及所述基准参照物的参照物信息,确定所述目标物在真实世界中的位置信息;
控制模块405,用于根据所述确定的位置信息,对所述无人驾驶设备进行控制。
可选地,所述位置确定模块402具体用于,从所述待识别图像中确定目标物在所述待识别图像中的图像区域,并根据所述图像区域,确定所述目标物位置。
可选地,所述待识别图像由所述无人驾驶设备上的图像采集器获得;
所述参照物确定模块403具体用于,根据所述参照物信息和所述采集位置,确定所述待识别图像中涉及的目标参照物;根据所述图像采集器的采集器信息,确定所述目标参照物在所述待识别图像中的目标参照物位置。
可选地,所述基准参照物包括:所述电子地图中的一个或多个车道线。
可选地,所述参照物信息包括:所述一个或多个车道线的实际位置。
可选地,所述参照物确定模块403具体用于,根据所述采集位置以及所述一个或多个车道线的实际位置,确定所述无人驾驶设备与各车道线之间的距离;根据所述无人驾驶设备与各车道线之间的距离,确定所述待识别图像中包含的车道线,作为所述目标参照物。
可选地,所述控制模块405具体用于,根据所述位置信息,以及所述一个或多个车道线的实际位置,确定所述目标物所在的车道;根据所述位置信息以及所述目标物所在的车道,对所述无人驾驶设备进行控制。
可选地,所述位置信息确定模块404具体用于,根据所述图像采集器对应的内参矩阵、所述图像采集器与所述无人驾驶设备上安装的惯性测量单元IMU之间的外参矩阵以及所述IMU的坐标系相对于世界坐标系的转换矩阵,将所述目标参照物在所述真实世界中对应的实际位置投影到所述待识别图像中,得到所述目标参照物位置。
可选地,所述位置信息确定模块404具体用于,根据所述目标物位置以及所述目标参照物位置,确定所述目标物在所述待识别图像中与所述目标参照物的相对距离;根据所述相对距离以及所述基准参照物的参照物信息,确定所述目标物在所述真实世界中的位置信息。
本申请还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述图2提供的无人驾驶设备的控制方法。
本申请还提供了图5所示的一种示例性的无人驾驶设备的示意结构图。如图5所述,在硬件层面,该无人驾驶设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图2所述的无人驾驶设备的控制方法。当然,除了软件实现方式之外,本申请并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请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,本申请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。
本申请是参照根据本申请实施例的方法、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设备上,使得在计算机或其他可编程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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商品或者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、商品或者设备所固有的要素。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、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请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,本申请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。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (12)
1.一种无人驾驶设备的控制方法,其特征在于,包括:
获取无人驾驶设备采集的待识别图像;
从所述待识别图像中确定目标物在所述待识别图像中的目标物位置;
根据预设的电子地图中基准参照物的参照物信息以及所述无人驾驶设备在采集所述待识别图像时所处的采集位置,从所述基准参照物中确定所述待识别图像中涉及的目标参照物在所述待识别图像中的目标参照物位置;
根据所述目标物位置、所述目标参照物位置以及所述基准参照物的参照物信息,确定所述目标物在真实世界中的位置信息;
根据所述确定的位置信息,对所述无人驾驶设备进行控制。
2.如权利要求1所述的方法,其特征在于,所述从所述待识别图像中确定目标物在所述待识别图像中的目标物位置,包括:
从所述待识别图像中确定目标物在所述待识别图像中的图像区域,并根据所述图像区域,确定所述目标物位置。
3.如权利要求1或2所述的方法,其特征在于,所述待识别图像由所述无人驾驶设备上的图像采集器获得;
所述根据预设的电子地图中基准参照物的参照物信息以及所述无人驾驶设备在采集所述待识别图像时所处的采集位置,从所述基准参照物中确定所述待识别图像中涉及的目标参照物在所述待识别图像中的目标参照物位置,包括:
根据所述参照物信息和所述采集位置,确定所述待识别图像中涉及的目标参照物;
根据所述图像采集器的采集器信息,确定所述目标参照物在所述待识别图像中的目标参照物位置。
4.如权利要求3所述的方法,其特征在于,所述基准参照物包括:所述电子地图中的一个或多个车道线。
5.如权利要求4所述的方法,其特征在于,所述参照物信息包括:所述一个或多个车道线的实际位置。
6.如权利要求5所述的方法,其特征在于,所述根据所述参照物信息和所述采集位置,确定所述待识别图像中涉及的目标参照物,包括:
根据所述采集位置以及所述一个或多个车道线的实际位置,确定所述无人驾驶设备与各车道线之间的距离;
根据所述无人驾驶设备与各车道线之间的距离,确定所述待识别图像中包含的车道线,作为所述目标参照物。
7.如权利要求6所述的方法,其特征在于,所述根据所述确定的位置信息,对所述无人驾驶设备进行控制,包括:
根据所述位置信息,以及所述一个或多个车道线的实际位置,确定所述目标物所在的车道;
根据所述位置信息以及所述目标物所在的车道,对所述无人驾驶设备进行控制。
8.如权利要求3所述的方法,其特征在于,所述根据所述图像采集器的采集器信息,确定所述目标参照物的目标参照物位置,包括:
根据所述图像采集器对应的内参矩阵、所述图像采集器与所述无人驾驶设备上安装的惯性测量单元IMU之间的外参矩阵以及所述IMU的坐标系相对于世界坐标系的转换矩阵,将所述目标参照物在所述真实世界中对应的实际位置投影到所述待识别图像中,得到所述目标参照物位置。
9.如权利要求1所述的方法,其特征在于,所述根据所述目标物位置、所述目标参照物位置以及所述基准参照物的参照物信息,确定所述目标物在真实世界中的位置信息,包括:
根据所述目标物位置以及所述目标参照物位置,确定所述目标物在所述待识别图像中与所述目标参照物的相对距离;
根据所述相对距离以及所述基准参照物的参照物信息,确定所述目标物在所述真实世界中的位置信息。
10.一种无人驾驶设备的控制装置,其特征在于,包括:
获取模块,用于获取无人驾驶设备采集的待识别图像;
位置确定模块,用于从所述待识别图像中确定目标物在所述待识别图像中的目标物位置;
参照物确定模块,用于根据预设的电子地图中基准参照物的参照物信息以及所述无人驾驶设备在采集所述待识别图像时所处的采集位置,从所述基准参照物中确定所述待识别图像中涉及的目标参照物在所述待识别图像中的目标参照物位置;
位置信息确定模块,用于根据所述目标物位置、所述目标参照物位置以及所述基准参照物的参照物信息,确定所述目标物在真实世界中的位置信息;
控制模块,用于根据所述确定的位置信息,对所述无人驾驶设备进行控制。
11.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~9任一项所述的方法。
12.一种无人驾驶设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1~9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011287724.0A CN112327864A (zh) | 2020-11-17 | 2020-11-17 | 一种无人驾驶设备的控制方法及控制装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011287724.0A CN112327864A (zh) | 2020-11-17 | 2020-11-17 | 一种无人驾驶设备的控制方法及控制装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112327864A true CN112327864A (zh) | 2021-02-05 |
Family
ID=74322387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011287724.0A Pending CN112327864A (zh) | 2020-11-17 | 2020-11-17 | 一种无人驾驶设备的控制方法及控制装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112327864A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112883871A (zh) * | 2021-02-19 | 2021-06-01 | 北京三快在线科技有限公司 | 一种模型训练以及确定无人车运动策略方法及装置 |
CN113096427A (zh) * | 2021-03-30 | 2021-07-09 | 北京三快在线科技有限公司 | 一种信息显示方法及装置 |
CN113696909A (zh) * | 2021-08-30 | 2021-11-26 | 深圳市豪恩汽车电子装备股份有限公司 | 机动车自动行驶控制方法、装置及计算机可读存储介质 |
CN113823050A (zh) * | 2021-08-19 | 2021-12-21 | 广州铁路职业技术学院(广州铁路机械学校) | 一种公共场所应急疏散引导方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303549A (zh) * | 2015-06-29 | 2016-02-03 | 北京格灵深瞳信息技术有限公司 | 一种确定视频图像中被测对象间位置关系的方法及装置 |
US20180181142A1 (en) * | 2015-04-10 | 2018-06-28 | Robert Bosch Gmbh | Object position measurement with automotive camera using vehicle motion data |
CN111160132A (zh) * | 2019-12-12 | 2020-05-15 | 苏州智加科技有限公司 | 障碍物所在车道的确定方法、装置、电子设备和存储介质 |
CN111695546A (zh) * | 2020-06-28 | 2020-09-22 | 北京京东乾石科技有限公司 | 用于无人车的交通信号灯识别方法和装置 |
CN111797698A (zh) * | 2020-06-10 | 2020-10-20 | 北京三快在线科技有限公司 | 目标物的识别方法及识别装置 |
-
2020
- 2020-11-17 CN CN202011287724.0A patent/CN112327864A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180181142A1 (en) * | 2015-04-10 | 2018-06-28 | Robert Bosch Gmbh | Object position measurement with automotive camera using vehicle motion data |
CN105303549A (zh) * | 2015-06-29 | 2016-02-03 | 北京格灵深瞳信息技术有限公司 | 一种确定视频图像中被测对象间位置关系的方法及装置 |
CN111160132A (zh) * | 2019-12-12 | 2020-05-15 | 苏州智加科技有限公司 | 障碍物所在车道的确定方法、装置、电子设备和存储介质 |
CN111797698A (zh) * | 2020-06-10 | 2020-10-20 | 北京三快在线科技有限公司 | 目标物的识别方法及识别装置 |
CN111695546A (zh) * | 2020-06-28 | 2020-09-22 | 北京京东乾石科技有限公司 | 用于无人车的交通信号灯识别方法和装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112883871A (zh) * | 2021-02-19 | 2021-06-01 | 北京三快在线科技有限公司 | 一种模型训练以及确定无人车运动策略方法及装置 |
CN112883871B (zh) * | 2021-02-19 | 2022-06-10 | 北京三快在线科技有限公司 | 一种模型训练以及确定无人车运动策略方法及装置 |
CN113096427A (zh) * | 2021-03-30 | 2021-07-09 | 北京三快在线科技有限公司 | 一种信息显示方法及装置 |
CN113096427B (zh) * | 2021-03-30 | 2022-08-26 | 北京三快在线科技有限公司 | 一种信息显示方法及装置 |
CN113823050A (zh) * | 2021-08-19 | 2021-12-21 | 广州铁路职业技术学院(广州铁路机械学校) | 一种公共场所应急疏散引导方法及系统 |
CN113696909A (zh) * | 2021-08-30 | 2021-11-26 | 深圳市豪恩汽车电子装备股份有限公司 | 机动车自动行驶控制方法、装置及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111311709B (zh) | 一种生成高精地图的方法及装置 | |
CN110674723B (zh) | 一种确定无人驾驶车辆行驶轨迹的方法及装置 | |
CN112327864A (zh) | 一种无人驾驶设备的控制方法及控制装置 | |
CN111508258B (zh) | 一种定位方法及装置 | |
CN112801229B (zh) | 一种识别模型的训练方法及装置 | |
CN111076739B (zh) | 一种路径规划的方法及装置 | |
CN112766241B (zh) | 一种目标物识别方法以及装置 | |
CN111062372B (zh) | 一种预测障碍物轨迹的方法及装置 | |
CN112309233B (zh) | 一种道路边界的确定、道路切分方法及装置 | |
CN112036462A (zh) | 一种模型训练以及目标检测的方法及装置 | |
CN111126362A (zh) | 一种预测障碍物轨迹的方法及装置 | |
CN111797698A (zh) | 目标物的识别方法及识别装置 | |
CN111912423B (zh) | 一种预测障碍物轨迹以及模型训练的方法及装置 | |
CN112614365A (zh) | 一种电子地图处理方法及装置 | |
CN111797711A (zh) | 一种模型训练的方法及装置 | |
CN114332808A (zh) | 一种预测转向意图的方法及装置 | |
CN111127551A (zh) | 一种目标检测的方法及装置 | |
CN112883871B (zh) | 一种模型训练以及确定无人车运动策略方法及装置 | |
CN112990099B (zh) | 一种车道线检测的方法以及装置 | |
CN112818968A (zh) | 一种目标物分类方法及装置 | |
CN112649012A (zh) | 一种轨迹规划方法、设备、介质及无人设备 | |
CN112902987A (zh) | 一种位姿修正的方法及装置 | |
CN111797722A (zh) | 车道线绘制的方法及装置 | |
US20220340174A1 (en) | Unmanned driving device control | |
CN114332201A (zh) | 一种模型训练、目标检测的方法以及装置 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210205 |