CN112356845B - 一种目标运动状态的预测方法、装置、设备及车辆 - Google Patents
一种目标运动状态的预测方法、装置、设备及车辆 Download PDFInfo
- Publication number
- CN112356845B CN112356845B CN202011301440.2A CN202011301440A CN112356845B CN 112356845 B CN112356845 B CN 112356845B CN 202011301440 A CN202011301440 A CN 202011301440A CN 112356845 B CN112356845 B CN 112356845B
- Authority
- CN
- China
- Prior art keywords
- motion state
- target object
- speed
- target
- 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.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明实施例公开了一种目标运动状态的预测方法,包括:获取本车周围目标物体的运动状态信号;其中,运动状态信号包括视觉信号和雷达信号;根据运动状态信号确定目标物体的运动状态信息;运动状态信息包括当前速度;根据当前速度确定目标物体的运动状态类别。本发明实施例提供的目标运动状态的预测方法,根据本车周围目标物体的运动状态信号确定其运动状态信息,可以实现对目标物体的运动状态类别进行预测,提升自动驾驶的安全性。
Description
技术领域
本发明实施例涉及车辆自动驾驶技术领域,尤其涉及一种目标运动状态的预测方法、装置、设备及车辆。
背景技术
在自动驾驶场景,不管是初级自动驾驶L1~L2,还是高级自动驾驶L3~L4,以及最终的L5级自动驾驶,对目标的识别是整体系统的最前端,也是至关重要的一环。
目前自动驾驶场景,对目标的识别是通过多种车载传感器实现,如前视摄像头、毫米波雷达等。各传感器反馈目标状态主要是运动或静止两类,而对于静止目标,还可以分为可移动的或不可移动的两种。对于后者,单一传感器可以基于特性进行判断处理,如通过刹车灯判断。但在无法获取额外信息,如刹车灯信息的情况下,就需要利用多个传感器识别目标,进行状态预测。
发明内容
本发明实施例提供一种目标运动状态的预测方法、装置、设备及车辆,可以对本车周围的目标物体的运动状态进行预测,从而提高驾驶的安全性。
第一方面,本发明实施例提供了一种目标运动状态的预测方法,包括:
获取本车周围目标物体的运动状态信号;其中,所述运动状态信号包括视觉信号和雷达信号;
根据所述运动状态信号确定所述目标物体的运动状态信息;所述运动状态信息包括当前速度;
根据所述当前速度确定所述目标物体的运动状态类别。
进一步地,所述目标物体包括至少一个,获取本车周围目标物体的运动状态信号,包括:
根据设定规则确定当前追踪的目标物体;
当追踪的目标物体发生变更时,获取变更后的目标物体的运动状态信号。
进一步地,根据所述当前速度确定所述目标物体的运动状态类别,包括:
若所述当前速度大于速度阈值,则所述目标物体为可移动物体;
若所述当前速度小于等于所述速度阈值,则获取所述目标物体的历史速度;
根据所述历史速度确定所述目标物体的运动状态类别。
进一步地,根据所述历史速度确定所述目标物体的运动状态类别,包括:
若所述历史速度大于所述速度阈值,则所述目标物体为可移动物体;
若所述历史速度小于所述速度阈值,则获取所述目标物体在设定时长内的速度变化情况;
根据所述设定时长内的速度变化情况确定目标物体的运动状态类别。
进一步地,根据所述设定时长内的速度变化情况确定目标物体的运动状态类别,包括:
若所述目标物体在所述设定时长内的速度超过所述速度阈值,则所述目标物体为可移动物体;否则,所述目标物体为不可移动物体。
第二方面,本发明实施例还提供了一种目标运动状态的预测装置,该装置包括:
运动状态信号获取模块,用于获取本车周围目标物体的运动状态信号;其中,所述运动状态信号包括视觉信号和雷达信号;
运动状态信息确定模块,用于根据所述运动状态信号确定所述目标物体的运动状态信息;所述运动状态信息包括当前速度;
运动状态类别确定模块,用于根据所述当前速度确定所述目标物体的运动状态类别。
可选的,运动状态信号获取模块还用于:
根据设定规则确定当前追踪的目标物体;
当追踪的目标物体发生变更时,获取变更后的目标物体的运动状态信号。
可选的,运动状态类别确定模块还用于:
若所述当前速度大于速度阈值,则所述目标物体为可移动物体;
若所述当前速度小于等于所述速度阈值,则获取所述目标物体的历史速度;
根据所述历史速度确定所述目标物体的运动状态类别。
可选的,运动状态类别确定模块还用于:
若所述历史速度大于所述速度阈值,则所述目标物体为可移动物体;
若所述历史速度小于所述速度阈值,则获取所述目标物体在设定时长内的速度变化情况;
根据所述设定时长内的速度变化情况确定目标物体的运动状态类别。
可选的,运动状态类别确定模块还用于:
若所述目标物体在所述设定时长内的速度超过所述速度阈值,则所述目标物体为可移动物体;否则,所述目标物体为不可移动物体。
第三方面,本发明实施例还提供了一种计算机设备,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如本发明实施例所述的目标运动状态的预测方法。
第四方面,本发明实施例还提供了一种车辆,包括本发明实施例所述的目标运动状态的预测装置,所述目标运动状态的预测装置用于本实施例所述的目标运动状态的预测方法。
本发明实施例首先获取本车周围目标物体的运动状态信号;其中,运动状态信号包括视觉信号和雷达信号;然后根据运动状态信号确定目标物体的运动状态信息;运动状态信息包括当前速度;最后根据当前速度确定目标物体的运动状态类别。本发明实施例提供的目标运动状态的预测方法,根据本车周围目标物体的运动状态信号确定其运动状态信息,可以实现对目标物体的运动状态类别进行预测,提升自动驾驶的安全性。
附图说明
图1是本发明实施例一中的一种目标运动状态的预测方法的流程图;
图2是本发明实施例一中的一种传感器输出数据的处理方法的流程图;
图3是本发明实施例一中的一种目标变更的判定方法的流程图;
图4是本发明实施例一中的一种目标低速临界状态的判定方法的流程图;
图5是本发明实施例一中的一种目标静止可移动状态的判定方法的流程图;
图6是本发明实施例一中的一种目标运动状态的预测过程的示意图;
图7是本发明实施例二中的一种目标运动状态的预测装置的结构示意图;
图8是本发明实施例三中的一种计算机设备的结构示意图;
图9是本发明实施例四中的一种车辆的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种目标运动状态的预测方法的流程图,本实施例可适用于对目标物体的运动状态进行预测的情况,该方法可以由目标运动状态的预测装置来执行,如图1所示,该方法具体包括如下步骤:
步骤110、获取本车周围目标物体的运动状态信号。
其中,运动状态信号包括视觉信号和雷达信号。
具体的,可以使用多个传感器对本车周围目标物体的运动状态信号进行获取,其中包括但不限于前向视觉传感器和雷达传感器,其中雷达传感器又可以分为前向雷达与前向角雷达等。
如图2所示,为使获取的数据更准确,可以对多个传感器输出的目标数据进行融合处理。具体的,不同传感器所输出的数据可能会有重合,例如,视觉传感器可以输出位置、距离等数据,雷达传感器可以输出距离、速度等数据,可以将距离数据进行融合处理,利用数据融合算法生成融合目标,并分别输出融合目标、单视觉目标和单雷达目标。
在本实施例中,目标物体包括至少一个,获取本车周围目标物体的运动状态信号的方式可以是:根据设定规则确定当前追踪的目标物体;当追踪的目标物体发生变更时,获取变更后的目标物体的运动状态信号。
具体的,传感器可以对本车周围的至少一个目标物体的运动状态按照设定规则进行跟踪获取,其中,设定规则是目标物体生命周期跟踪管理规则,这个规则可以是,规定雷达传感器和/或视觉传感器识别到的物体中满足一定条件的物体是需要追踪的目标物体,或者被追踪的目标物体的跟踪周期是否结束。若追踪的目标物体发生变更,则获取变更后的目标物体的运动状态信号,例如,在对目标物体A、B、C进行追踪时,若追踪的目标物体变为A、B、C、D,则获取目标物体A、B、C、D的运动状态信号。
进一步地,可以对数据融合处理后的输出目标进行生命周期跟踪管理,轮询检测是否产生了目标变更。如图3所示,若数据融合处理后的输出目标是融合目标或单视觉目标,则检测视觉目标与此次检测之前的视觉目标是否匹配,若匹配,则未发生目标变更,若不匹配,则发生了目标变更;若数据融合处理后的输出目标为雷达目标,则检测雷达目标与此次检测之前的雷达目标是否匹配,若匹配,则未发生目标变更,若不匹配,则发生了目标变更。
步骤120、根据运动状态信号确定目标物体的运动状态信息。
其中,运动状态信息包括当前速度。
具体的,通过传感器获得目标物体的运动状态信号,根据运动状态信号可以确定目标物体的运动状态信息,如当前速度、与本车之间的距离等。
步骤130、根据当前速度确定目标物体的运动状态类别。
其中,运动状态类别包括可移动和不可移动。
在本实施例中,根据当前速度确定目标物体的运动状态类别的方式可以是:若当前速度大于速度阈值,则目标物体为可移动物体;若当前速度小于等于速度阈值,则获取目标物体的历史速度;根据历史速度确定目标物体的运动状态类别。
由于各传感器的性能和精度不同,且受限于不同环境因素影响,并不是速度为0才是静止状态,速度非0的都是运动状态。优选地,可以基于不同传感器,不同场景,设定一个阈值,大于这个阈值的,设定为运动状态;小于这个阈值的,设定为低速临界状态。可以把这个低速临界状态来替代速度为0的判断基准,认为此状态才是实际场景的静止状态。
具体的,如图4所示,根据目标物体的运动状态信号获取其当前速度,判断当前速度是否大于速度阈值,若大于,则目标物体处于运动状态,目标物体为可移动物体;若小于等于,则目标物体处于低速临界状态,可以根据目标物体的历史速度确定该目标物体为静止可移动物体或静止不可移动物体。
进一步地,根据历史速度确定目标物体的运动状态类别的方式可以是:若历史速度大于速度阈值,则目标物体为可移动物体;若历史速度小于速度阈值,则获取目标物体在设定时长内的速度变化情况;根据设定时长内的速度变化情况确定目标物体的运动状态类别。
在现实场景中,正常人通过人眼和常识,即可判断前方静止的目标是可以移动的,还是不能移动的,但在自动驾驶系统中,只能通过获取到的传感数据来进行推测判断。优选的,对于处于低速临界状态的物体,可以将其分为两种情况进行判断,第一种是从运动状态变为低速临界状态,第二种是识别到目标时,该目标就是低速临界状态。
具体的,可以根据目标物体的历史速度判断其属于第一种情况或第二种情况。如图5所示,对于第一种情况,目标物体从运动状态变为低速临界状态,即目标物体的历史速度大于速度阈值,可以判定目标物体为可移动物体;对于第二种情况,目标物体被识别到时就是低速临界状态,即目标物体的历史速度小于等于速度阈值,可以设定一个时间阈值,根据设定时长内的速度变化情况确定目标物体是可移动物体或不可移动物体。
进一步地,根据设定时长内的速度变化情况确定目标物体的运动状态类别的方式可以是:若目标物体在设定时长内的速度超过速度阈值,则目标物体为可移动物体;否则,目标物体为不可移动物体。
具体的,设定时长可以根据不同的工况场景或项目经验来定义,例如,在停车场中,设定时长可以为5min,若在5min之内目标物体的速度超过速度阈值,即从识别到目标物体到检测到该物体的速度大于速度阈值所经历的检测时间小于设定时长,则目标物体可移动,否则目标物体为不可移动物体。
如图6所示,本发明实施例提供的目标运动状态预测方法,通过传感器获取目标物体的运动状态,利用生命周期跟踪管理进行轮询检测,根据目标的速度信息判断目标物体为可移动物体或不可移动物体。
本发明实施例首先获取本车周围目标物体的运动状态信号;其中,运动状态信号包括视觉信号和雷达信号;然后根据运动状态信号确定目标物体的运动状态信息;运动状态信息包括当前速度;最后根据当前速度确定目标物体的运动状态类别。本发明实施例提供的目标运动状态的预测方法,根据本车周围目标物体的运动状态信号确定其运动状态信息,可以实现对目标物体的运动状态类别进行预测,提升自动驾驶的安全性。
实施例二
图7为本发明实施例二提供的一种目标运动状态的预测装置的结构示意图。如图7所示,该装置包括:运动状态信号获取模块210,运动状态信息确定模块220,运动状态类别确定模块230。
运动状态信号获取模块210,用于获取本车周围目标物体的运动状态信号。
其中,运动状态信号包括视觉信号和雷达信号。
可选的,运动状态信号获取模块210还用于:
根据设定规则确定当前追踪的目标物体;当追踪的目标物体发生变更时,获取变更后的目标物体的运动状态信号。
运动状态信息确定模块220,用于根据运动状态信号确定目标物体的运动状态信息。
其中,运动状态信息包括当前速度。
运动状态类别确定模块230,用于根据当前速度确定目标物体的运动状态类别。
可选的,运动状态类别确定模块230还用于:
若当前速度大于速度阈值,则目标物体为可移动物体;若当前速度小于等于速度阈值,则获取目标物体的历史速度;根据历史速度确定目标物体的运动状态类别。
可选的,运动状态类别确定模块230还用于:
若历史速度大于速度阈值,则目标物体为可移动物体;若历史速度小于速度阈值,则获取目标物体在设定时长内的速度变化情况;根据设定时长内的速度变化情况确定目标物体的运动状态类别。
可选的,运动状态类别确定模块230还用于:
若目标物体在设定时长内的速度超过速度阈值,则目标物体为可移动物体;否则,目标物体为不可移动物体。
上述装置可执行本发明前述所有实施例所提供的方法,具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明前述所有实施例所提供的方法。
实施例三
图8为本发明实施例三提供的一种计算机设备的结构示意图。图8示出了适于用来实现本发明实施方式的计算机设备312的框图。图8显示的计算机设备312仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。设备312是典型的目标运动状态的预测功能的计算设备。
如图8所示,计算机设备312以通用计算设备的形式表现。计算机设备312的组件可以包括但不限于:一个或者多个处理器316,存储装置328,连接不同系统组件(包括存储装置328和处理器316)的总线318。
总线318表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture,ISA)总线,微通道体系结构(Micro Channel Architecture,MCA)总线,增强型ISA总线、视频电子标准协会(Video Electronics Standards Association,VESA)局域总线以及外围组件互连(Peripheral Component Interconnect,PCI)总线。
计算机设备312典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备312访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储装置328可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(Random Access Memory,RAM)330和/或高速缓存存储器332。计算机设备312可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统334可以用于读写不可移动的、非易失性磁介质(图8未显示,通常称为“硬盘驱动器”)。尽管图8中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory,CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory,DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线318相连。存储装置328可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块326的程序336,可以存储在例如存储装置328中,这样的程序模块326包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块326通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备312也可以与一个或多个外部设备314(例如键盘、指向设备、摄像头、显示器324等)通信,还可与一个或者多个使得用户能与该计算机设备312交互的设备通信,和/或与使得该计算机设备312能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口322进行。并且,计算机设备312还可以通过网络适配器320与一个或者多个网络(例如局域网(Local AreaNetwork,LAN),广域网Wide Area Network,WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器320通过总线318与计算机设备312的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备312使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of IndependentDisks,RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器316通过运行存储在存储装置328中的程序,从而执行各种功能应用以及数据处理,例如实现本发明上述实施例所提供的目标运动状态的预测方法。
实施例四
图9是本发明实施例四提供的一种车辆的结构示意图,如图9所示,该车辆包括本发明实施例的目标运动状态的预测装置,该装置包括:运动状态信号获取模块210,用于获取本车周围目标物体的运动状态信号;其中,运动状态信号包括视觉信号和雷达信号;运动状态信息确定模块220,用于根据运动状态信号确定目标物体的运动状态信息;运动状态信息包括当前速度;运动状态类别确定模块230,用于根据当前速度确定目标物体的运动状态类别。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (6)
1.一种目标运动状态的预测方法,其特征在于,包括:
获取本车周围目标物体的运动状态信号;其中,所述运动状态信号包括视觉信号和雷达信号;
根据所述运动状态信号确定所述目标物体的运动状态信息;所述运动状态信息包括当前速度;
根据所述当前速度确定所述目标物体的运动状态类别;
根据所述当前速度确定所述目标物体的运动状态类别,包括:
若所述当前速度大于速度阈值,则所述目标物体为可移动物体;
若所述当前速度小于等于所述速度阈值,则获取所述目标物体的历史速度;
根据所述历史速度确定所述目标物体的运动状态类别;
若所述历史速度大于所述速度阈值,则所述目标物体为可移动物体;
若所述历史速度小于所述速度阈值,则获取所述目标物体在设定时长内的速度变化情况;
根据所述设定时长内的速度变化情况确定目标物体的运动状态类别;
若所述目标物体在所述设定时长内的速度超过所述速度阈值,则所述目标物体为可移动物体;否则,所述目标物体为不可移动物体。
2.根据权利要求1所述的方法,其特征在于,所述目标物体包括至少一个,获取本车周围目标物体的运动状态信号,包括:
根据设定规则确定当前追踪的目标物体;
当追踪的目标物体发生变更时,获取变更后的目标物体的运动状态信号。
3.一种目标运动状态的预测装置,其特征在于,包括:
运动状态信号获取模块,用于获取本车周围目标物体的运动状态信号;其中,所述运动状态信号包括视觉信号和雷达信号;
运动状态信息确定模块,用于根据所述运动状态信号确定所述目标物体的运动状态信息;所述运动状态信息包括当前速度;
运动状态类别确定模块,用于根据所述当前速度确定所述目标物体的运动状态类别;
运动状态类别确定模块还用于:
若所述当前速度大于速度阈值,则所述目标物体为可移动物体;
若所述当前速度小于等于所述速度阈值,则获取所述目标物体的历史速度;
根据所述历史速度确定所述目标物体的运动状态类别;
若所述历史速度大于所述速度阈值,则所述目标物体为可移动物体;
若所述历史速度小于所述速度阈值,则获取所述目标物体在设定时长内的速度变化情况;
根据所述设定时长内的速度变化情况确定目标物体的运动状态类别;
若所述目标物体在所述设定时长内的速度超过所述速度阈值,则所述目标物体为可移动物体;否则,所述目标物体为不可移动物体。
4.根据权利要求3所述的装置,其特征在于,所述运动状态信号获取模块还用于:
根据设定规则确定当前追踪的目标物体;
当追踪的目标物体发生变更时,获取变更后的目标物体的运动状态信号。
5.一种计算机设备,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如权利要求1-2任一所述的目标运动状态的预测方法。
6.一种车辆,其特征在于,包括:目标运动状态的预测装置,所述目标运动状态的预测装置用于实现如权利要求1-2任一所述的目标运动状态的预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011301440.2A CN112356845B (zh) | 2020-11-19 | 2020-11-19 | 一种目标运动状态的预测方法、装置、设备及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011301440.2A CN112356845B (zh) | 2020-11-19 | 2020-11-19 | 一种目标运动状态的预测方法、装置、设备及车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112356845A CN112356845A (zh) | 2021-02-12 |
CN112356845B true CN112356845B (zh) | 2022-02-18 |
Family
ID=74533723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011301440.2A Active CN112356845B (zh) | 2020-11-19 | 2020-11-19 | 一种目标运动状态的预测方法、装置、设备及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112356845B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113895449B (zh) * | 2021-10-21 | 2023-06-16 | 中国第一汽车股份有限公司 | 一种前向目标的确定方法、装置及电子设备 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2571003B1 (en) * | 2010-05-10 | 2017-07-12 | Toyota Jidosha Kabushiki Kaisha | Risk calculation apparatus |
JP6095899B2 (ja) * | 2012-04-11 | 2017-03-15 | 古野電気株式会社 | 物標運動推定装置、物標運動推定方法、およびレーダ装置 |
CN104635233B (zh) * | 2015-02-17 | 2017-12-26 | 苏州安智汽车零部件有限公司 | 基于车载毫米波雷达的前方物体运动状态估计及分类方法 |
CN109521757B (zh) * | 2017-09-18 | 2021-12-31 | 阿波罗智能技术(北京)有限公司 | 静态障碍物识别方法和装置 |
CN108845574B (zh) * | 2018-06-26 | 2021-01-12 | 北京旷视机器人技术有限公司 | 目标识别与追踪方法、装置、设备及介质 |
CN109085829B (zh) * | 2018-08-09 | 2022-03-08 | 北京智行者科技有限公司 | 一种动静态目标识别方法 |
CN108983213B (zh) * | 2018-09-07 | 2021-01-01 | 百度在线网络技术(北京)有限公司 | 障碍物静止状态的确定方法、装置、设备及存储介质 |
CN109212514B (zh) * | 2018-09-29 | 2022-10-14 | 河北德冠隆电子科技有限公司 | 一种雷达检测设备对运动以及静止目标持续跟踪关联方法 |
-
2020
- 2020-11-19 CN CN202011301440.2A patent/CN112356845B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112356845A (zh) | 2021-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109598066B (zh) | 预测模块的效果评估方法、装置、设备和存储介质 | |
US20180025640A1 (en) | Using Virtual Data To Test And Train Parking Space Detection Systems | |
US10282623B1 (en) | Depth perception sensor data processing | |
CN109345829B (zh) | 无人车的监控方法、装置、设备及存储介质 | |
CN102292754B (zh) | 用于合并传感器数据的方法和系统 | |
EP1560161B1 (en) | Method and system for searching for events in video surveillance | |
CN110796686A (zh) | 目标跟踪方法及设备、存储装置 | |
US11436815B2 (en) | Method for limiting object detection area in a mobile system equipped with a rotation sensor or a position sensor with an image sensor, and apparatus for performing the same | |
CN112530170A (zh) | 一种车辆行驶状态检测方法、装置、电子设备及存储介质 | |
CN112540365B (zh) | 一种评估方法、装置、设备及存储介质 | |
CN111428644A (zh) | 基于深度神经网络的斑马线区域监测方法、系统及介质 | |
CN112356845B (zh) | 一种目标运动状态的预测方法、装置、设备及车辆 | |
KR20200068258A (ko) | 차량용 센서퓨전 타겟 예측 장치 및 그의 센서 퓨전 타겟 예측 방법과 그를 포함하는 차량 | |
CN114475656B (zh) | 行驶轨迹预测方法、装置、电子设备以及存储介质 | |
CN111391752A (zh) | 一种用于识别障碍物的报警方法、装置、电子设备及存储介质 | |
CN109635868B (zh) | 障碍物类别的确定方法、装置、电子设备及存储介质 | |
CN109188419B (zh) | 障碍物速度的检测方法、装置、计算机设备及存储介质 | |
CN113591543B (zh) | 交通标志识别方法、装置、电子设备及计算机存储介质 | |
CN113362370B (zh) | 目标对象的运动信息确定方法、装置、介质及终端 | |
Qiu et al. | Parameter tuning for a Markov-based multi-sensor system | |
CN115641567B (zh) | 用于车辆的目标对象检测方法、装置、车辆及介质 | |
Ren et al. | Vision-based forward collision warning system design supported by a field-test verification platform | |
CN113650616B (zh) | 一种基于采集数据的车辆行为预测方法及系统 | |
CN116935074B (zh) | 基于深度亲和网络自适应关联的多目标跟踪方法及装置 | |
EP4145407A1 (en) | Vehicles, systems and methods for determining an occupancy map of a vicinity of a vehicle |
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 |