CN112528848B - 障碍物检测的测评方法、装置、设备以及存储介质 - Google Patents
障碍物检测的测评方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN112528848B CN112528848B CN202011445244.2A CN202011445244A CN112528848B CN 112528848 B CN112528848 B CN 112528848B CN 202011445244 A CN202011445244 A CN 202011445244A CN 112528848 B CN112528848 B CN 112528848B
- Authority
- CN
- China
- Prior art keywords
- obstacle
- detection
- host vehicle
- evaluation
- polar
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 136
- 238000011156 evaluation Methods 0.000 title claims abstract description 80
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 66
- 238000002372 labelling Methods 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 13
- 230000004888 barrier function Effects 0.000 claims description 8
- 238000012360 testing method Methods 0.000 abstract description 8
- 238000012854 evaluation process Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开公开了障碍物检测的测评方法、装置、设备以及存储介质,涉及计算机视觉、自动驾驶、智能交通等领域。具体实现方案为:获取待测评算法输出的障碍物检测结果,碍物检测结果包括第一障碍物相对于主车的检测位置;获取第二障碍物的标注结果,标注结果包括第二障碍物相对于主车的真实位置;利用第二障碍物的标注结果,对待测评算法输出的障碍物检测结果进行测评。对于测评过程来说,由于标注结果是预先确定的,因此可以利用一次标注结果对待测评算法的不同版本进行测评,或者对不同待测评算法进行测评。该测评可以采用离线方式,因此相对于实际上路测试,可以降低测试人员的安全隐患。
Description
技术领域
本公开涉及图像处理领域,尤其涉及计算机视觉、自动驾驶、智能交通等领域。
背景技术
在车辆的自动驾驶场景下,算法会对不同感知源的输入信息进行融合,输出障碍物的类型、位置、速度等结果。规划决策模块根据上述结果判断车辆是否需要变道、刹车或停车入位等,从而发出对应指令。
相关测试方法通过实车上车路测,测试人员人为检测。因此相关检测方式具有一定主观性。并且,在算法不够成熟的情况下,上述测试方法不仅影响测试人员的坐车体感,还可能会对存在安全隐患。
发明内容
本公开提供了一种障碍物检测的测评方法、装置、设备、存储介质和计算机程序产品。
根据本公开的一方面,提供了一种障碍物检测的测评方法,该方法可以包括以下步骤:
获取待测评算法输出的障碍物检测结果,碍物检测结果包括第一障碍物相对于主车的检测位置;
获取第二障碍物的标注结果,标注结果包括第二障碍物相对于主车的真实位置;
利用第二障碍物的标注结果,对待测评算法输出的障碍物检测结果进行测评。
根据本公开的另一方面,提供了一种障碍物检测的测评装置,该装置可以包括以下组件:
障碍物检测结果获取模块,用于获取待测评算法输出的障碍物检测结果,碍物检测结果包括第一障碍物相对于主车的检测位置;
标注结果获取模块,用于获取第二障碍物的标注结果,标注结果包括第二障碍物相对于主车的真实位置;
测评模块,用于利用第二障碍物的标注结果,对待测评算法输出的障碍物检测结果进行测评。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行本公开任一实施例中的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行本公开任一实施例中的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现本公开任一实施例中的方法。
根据本公开利用障碍物相对于主车的位置,对待测评算法的检测结果进行测评。对于测评过程来说,由于标注结果是预先确定的,因此可以利用一次标注结果对待测评算法的不同版本进行测评,或者对不同待测评算法进行测评。该测评可以采用离线方式,因此相对于实际上路测试,可以降低测试人员的安全隐患。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开障碍物检测的测评方法的流程图;
图2是根据本公开确定第一障碍物相对于主车的检测位置的流程图;
图3是根据本公开第一障碍物检测结果的示意图;
图4是根据本公开对检测结果进行测评的流程图;
图5是根据本公开建立至少一个匹配对的流程图;
图6是障碍物检测的测评装置的示意图;
图7是用来实现本公开实施例的障碍物检测的测评方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
如图1所示,在一种实施方式中,本公开提供一种障碍物检测的测评方法,该方法可以包括以下步骤:
S101:获取待测评算法输出的障碍物检测结果,碍物检测结果包括第一障碍物相对于主车的检测位置;
S102:获取第二障碍物的标注结果,标注结果包括第二障碍物相对于主车的真实位置;
S103:利用第二障碍物的标注结果,对待测评算法输出的障碍物检测结果进行测评。
本公开的上述方案可以应用于车辆在道路行驶或泊车场景下对于障碍物检测结果的测评。
上述方法的执行主体可以是主车的车机。主车的车机根据接收到主车车身上的传感器检测的信息,利用融合算法对信息进行解析,可以得到障碍物的位置、类型等检测结果。另外,主车的车机也可以采用车联网技术,根据获取到的其他车辆或者道路设施发送的信息,利用融合算法得到障碍物的位置、类型等检测结果。
在本公开中,以融合算法得出障碍物的位置为例进行说明。在本公开实施例中,将融合算法作为待测试算法,后文统一称为待测试算法。待测试算法检测到的障碍物称为第一障碍物。
待测试算法可以以固定时间间隔输出检测结果。例如,在固定时间间隔的t1、t2、……、tn分别输出检测结果。每次输出的检测结果中,第一障碍物的数量可以是0,也可以是多个。
可以以主车的位置为坐标原点。计算第一障碍物相对于主车的距离。该距离可以以极坐标形式表示,也可以以直角坐标形式表示。在以极坐标形式表示的情况下,主车的位置为极坐标的极点,第一障碍物的极坐标可以表示为(ρ,θ)。通过第一障碍物的极坐标,即可以确定第一障碍物相对于主车的角度以及距离。
对待测评算法输出的障碍物检测结果进行测评,可以包括:根据第二障碍物的极坐标与第一障碍物的极坐标之间的误差,确定待测评算法的检测结果的精度。或者,在第一障碍物以及第二障碍物的数量为多个的时候,可以建立匹配对,每个匹配对中包括一个第一障碍物和一个第二障碍物。根据匹配对的数量,以及待测评算法输出的第一障碍物的数量,可以对障碍物的错检情况进行统计。其中,错检可以包括漏检和误检等。
通过上述方案,利用障碍物相对于主车的位置,对待测评算法的检测结果进行测评。对于测评过程来说,由于标注结果是预先确定的,因此可以利用一次标注结果对待测评算法的不同版本进行测评,或者对不同待测评算法进行测评。该测评可以采用离线方式,因此相对于实际上路测试,可以降低测试人员的安全隐患。
如图2所示,在一种实施方式中,确定第一障碍物相对于主车的检测位置可以包括以下步骤:
S201:在以主车位置为极点的极坐标系中,将主车周围的区域划分为N个扇形区域;其中,N为正整数;
S202:确定存在于N个扇形区域内的第一障碍物的极坐标;
S203:利用极坐标确定第一障碍物相对于主车的检测位置。
结合图3所示的检测结果的局部示意图,图3中仅示意性地示出了部分扇形区域。在图3中实线圆圈可以对应第二障碍物(障碍物真值),虚线圆圈可以对应第一障碍物(待测评算法的检测结果)。
可以以主车的位置为极点。可以每间隔1°划分出一个扇形区域。即,在主车周围,共360个扇形区域。每个扇形区域的半径可以相同。或者,位于主车车辆前侧扇形区域半径的长度可以长于位于主车车辆右侧扇形区域半径的长度。
在扇形区域内的区域,可以作为有效区域。在统计时,可以仅统计待测评算法输出的在360个扇形区域内的第一障碍物的极坐标。对于待测评算法输出的在360个扇形区域外的第一障碍物,可以忽略。
第一障碍物的极坐标可以通过直角坐标换算得到。在确定出存在于360个扇形区域内的第一障碍物的极坐标的情况下,即可根据该极坐标确定出第一障碍物相对于主车的位置。
通过上述方案,可以利用极坐标的形式表征第一障碍物相对于主车的位置。由于极坐标包含角度和极径,因此可以更为直观、准确的表征出相对于主车的位置。
如图4所示,在一种实施方式中,在第一障碍物和第二障碍物的数量为多个的情况下,利用第二障碍物的标注结果,对待测评算法输出的障碍物检测结果进行测评,可以包括以下步骤:
S401:基于每个第一障碍物相对于主车的检测位置以及每个第二障碍物相对于主车的真实位置,建立至少一个匹配对;每个匹配对中包括一个第一障碍物和一个第二障碍物;
S402:利用匹配对的数量,对检测结果进行测评。
在获取到每个第一障碍物相对于主车位置,以及每个第二障碍物相对于主车位置的情况下,可以根据位置的误差建立匹配对。例如,在同一个扇形区域内,可以将与主车距离最接近的第一障碍物和第二障碍物组成匹配对。又例如,还可以在相邻两个或相邻多个扇形区域内,将与主车距离相同的第一障碍物和第二障碍物组成匹配对。
在每个第二障碍物都可以和对应的第一障碍物组成匹配对的情况下,可以表示待测评算法未出现错检的情况。在第二障碍物的数量与匹配对的数量不相同的情况下,可以表示待测评算法出现错检的情况。
通过上述方案,可以利用匹配对的数量完成对检测结果的测评。
如图5所示,在一种实施方式中,基于每个第一障碍物相对于主车的检测位置以及每个第二障碍物相对于主车的真实位置,建立至少一个匹配对,包括:
S501:在极坐标系中,确定在预定扇形区域中的每个第一障碍物与每个第二障碍物的极径误差;
S502:选择极径误差的最小值,在极径误差的最小值不大于对应阈值的情况下,将极径误差的最小值所对应的第一障碍物和第二障碍物组成匹配对。
对于前述360个扇形区域,在任一区域存在一个第二障碍物的情况下,可以将该存在第二障碍物的区域作为预定扇形区域。或者,还可以在该扇形区域的左、右两侧一定数量的扇形区域作为预定区域。在当前实施方式中,可以以左右各5个扇形区域,共11个扇形区域为预定扇形区域。
遍历预定扇形区域中的每个第一障碍物的极径。计算第二障碍物的极径与每个第一障碍物的极径之间的差值。选择极径差值的绝对值最小的第一障碍物,将极径差值的绝对值最小的第一障碍物和第二障碍物组成候选匹配对。
同理,在一个扇形区域中存在多个第二障碍物的情况下,利用上述方案,为每一个第二障碍物选择一个第一障碍物,组成候选匹配对。不难理解,在第一障碍物与第二障碍物的数量不相同的情况下,即可确认待测评算法出现错检。
计算每个候选匹配对的极径差值的绝对值与对应阈值的大小,在极径差值的绝对值不大于对应阈值的情况下,则确定该候选匹配对即为建立的匹配对。本公开实施例中,可以以第二障碍物极径与阈值系数的乘积作为阈值,示例性地,阈值系数可以为0.1。
通过上述方案,存在多个第一障碍物以及多个第二障碍物的情况下,可以采用上述方法建立第一障碍物和第二障碍物的匹配对。每一个匹配对表示待测评算法的正确检测结果,利用该匹配对,即可实现对于待测评算法的测评。
在一种实施方式中,利用匹配对的数量,对检测结果进行测评可以具体包括:
在第一障碍物的数量或第二障碍物的数量与匹配对的数量不相同的情况下,确定检测结果存在错检。
前已述及,在理想情况下,第一障碍物的数量和第二障碍物的数量应当相同。因此,存在第一障碍物的数量或第二障碍物的数量与匹配对的数量不相同的情况,即可表示检测结果存在错检,即存在误检和/或漏检。
例如,可以利用匹配对的数量以及漏检的数量,确定待测评算法输出的检测结果的召回率。利用匹配对的数量以及误检的数量,可以确定待测评算法输出的检测结果的精准率。
召回率(Recall)的计算方式如下:
式中,Ntp可以表示匹配对的数量,Nfn可以表示漏检的数量。
精确率(Precision)的计算方式如下:
式中Ntp可以表示匹配对的数量,Nfp可以表示误检的数量。
另外,还可以根据漏检或误检的情况,确定错检分布律。
在一种实施方式中,利用第二障碍物的标注结果,对待测评算法输出的障碍物检测结果进行测评,包括:
在同一扇形区域中存在第二障碍物但不存在第一障碍物的情况下,确定待测评算法出现漏检。
在一种实施方式中,利用第二障碍物的标注结果,对待测评算法输出的障碍物检测结果进行测评,包括:
在同一扇形区域中存在第一障碍物但不存在第二障碍物的情况下,确定待测评算法误检。
上述两个实施方式是以同一扇形区域为最佳实施方式。实际并不限于此,例如,还可以通过在预定的扇形区域中是否同时存在数量相同的第一障碍物和第二障碍物为判定条件,确定待测评算法的漏检和/或误检。例如前述实施例中,在任一区域存在第二障碍物的情况下,可以在该扇形区域的左、右侧一定数量的扇形区域作为预定的扇形区域。
在一种实施方式中,第一障碍物相对于主车的检测位置包括待测评算法输出的第一检测位置,以及对第一检测位置进行插值运算得到的第二检测位置;
第二障碍物相对于主车的真实位置包括标注的第一真实位置,以及对第一真实位置进行插值运算得到的第二真实位置。
例如,在自动/辅助泊车场景下,第一待测评算法输出的第一障碍物的位置为检测框(Bounding Box),以检测框的4个角点为第一障碍物的位置点。第二待测评算法输出的第一障碍物的位置为检测点集合(Freespace),检测点集合中的每个点都可以为第一障碍物的位置点。为了对不同检测算法输出的结果进行归一化处理,可以通过对待测评算法输出的第一位置进行插值运算,对第一位置进行一定程度的丰富。例如,通过对检测框的角点进行插值运算,可以得到更多的位置点。
同理,对于标注出的第二障碍物相对于主车的位置的真值,也可以采用插值计算的方式,对真值进行一定程度的丰富。
通过上述方案,利用插值计算可以对障碍物的位置点进行丰富,实现位置点归一化的效果。
如图6所示,本公开涉及一种障碍物检测的测评装置,该装置可以包括以下组件:
障碍物检测结果获取模块601,用于获取待测评算法输出的障碍物检测结果,碍物检测结果包括第一障碍物相对于主车的检测位置;
标注结果获取模块602,用于获取第二障碍物的标注结果,标注结果包括第二障碍物相对于主车的真实位置;
测评模块603,用于利用第二障碍物的标注结果,对待测评算法输出的障碍物检测结果进行测评。
在一种实施方式中,障碍物检测结果获取模块601可以进一步包括:
扇形区域划分子模块,用于在以主车位置为极点的极坐标系中,将主车周围的区域划分为N个扇形区域;其中,N为正整数;
极坐标确定子模块,用于确定存在于N个扇形区域内的第一障碍物的极坐标;
检测位置确定执行子模块,用于利用极坐标确定第一障碍物相对于主车的检测位置。
在一种实施方式中,在第一障碍物和第二障碍物的数量为多个的情况下,测评模块603可以进一步包括:
匹配对建立子模块,用于基于每个第一障碍物相对于主车的检测位置以及每个第二障碍物相对于主车的真实位置,建立至少一个匹配对;每个匹配对中包括一个第一障碍物和一个第二障碍物;
测评执行子模块,用于利用匹配对的数量,对检测结果进行测评。
在一种实施方式中,匹配对建立子模块,包括:
极径误差确定单元,用于在以主车位置为极点的极坐标系中,确定在预定扇形区域中的每个第一障碍物与每个第二障碍物的极径误差;
匹配对建立执行单元,用于选择极径误差的最小值,在极径误差的最小值不大于对应阈值的情况下,将极径误差的最小值所对应的第一障碍物和第二障碍物组成匹配对。
在一种实施方式中,测评执行子模块具体用于:
在第一障碍物的数量或第二障碍物的数量与匹配对的数量不相同的情况下,确定检测结果存在错检。
在一种实施方式中,测评执行子模块具体用于:
在同一扇形区域中存在第二障碍物但不存在第一障碍物的情况下,确定待测评算法出现漏检。
在一种实施方式中,测评执行子模块具体用于:
在同一扇形区域中存在第一障碍物但不存在第二障碍物的情况下,确定待测评算法误检。
在一种实施方式中,第一障碍物相对于主车的检测位置包括待测评算法输出的第一检测位置;
障碍物检测结果获取模块601还用于对第一检测位置进行插值运算得到的第二检测位置,第二检测位置同样作为第一障碍物相对于主车的检测位置;
第二障碍物相对于主车的真实位置包括标注的第一真实位置;
标注结果获取模块602还用于对第一真实位置进行插值运算得到的第二真实位置,第二真实位置同样作为第一障碍物相对于主车的真实位置。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和计算机程序产品。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或要求的本公开的实现。
如图7所示,设备700包括计算单元710,其可以根据存储在只读存储器(ROM)720中的计算机程序或者从存储单元780加载到随机访问存储器(RAM)730中的计算机程序来执行各种适当的动作和处理。在RAM 730中,还可存储设备700操作所需的各种程序和数据。计算单元710、ROM 720以及RAM 730通过总线740彼此相连。输入输出(I/O)接口750也连接至总线740。
设备700中的多个部件连接至I/O接口750,包括:输入单元760,例如键盘、鼠标等;输出单元770,例如各种类型的显示器、扬声器等;存储单元780,例如磁盘、光盘等;以及通信单元790,例如网卡、调制解调器、无线通信收发机等。通信单元790允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元710可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元710的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元710执行上文所描述的各个方法和处理,例如障碍物检测的测评方法。例如,在一些实施例中,障碍物检测的测评方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元780。在一些实施例中,计算机程序的部分或者全部可以经由ROM 720和/或通信单元790而被载入和/或安装到设备700上。当计算机程序加载到RAM 730并由计算单元710执行时,可以执行上文描述的障碍物检测的测评方法的一个或多个步骤。备选地,在其他实施例中,计算单元710可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行障碍物检测的测评方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入、或者触觉输入来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种障碍物检测的测评方法,包括:
获取待测评算法输出的障碍物检测结果,所述碍物检测结果包括第一障碍物相对于主车的检测位置;
获取第二障碍物的标注结果,所述标注结果包括第二障碍物相对于主车的真实位置;
在所述第一障碍物和所述第二障碍物的数量为多个的情况下,在以所述主车位置为极点的极坐标系中,确定在预定扇形区域中的每个所述第一障碍物与每个所述第二障碍物的极径误差,其中,所述预定扇形区域用于表征在所述极坐标系中对所述主车周围区域进行划分得到的N个扇形区域中,包含所述第二障碍物的区域,N为正整数;
选择极径误差的最小值,在所述极径误差的最小值不大于对应阈值的情况下,将所述极径误差的最小值所对应的第一障碍物和第二障碍物组成匹配对;
利用所述匹配对的数量,对所述检测结果进行测评。
2.根据权利要求1所述的方法,其中,确定所述第一障碍物相对于主车的检测位置,包括:
确定存在于所述N个扇形区域内的第一障碍物的极坐标;
利用所述极坐标确定所述第一障碍物相对于主车的检测位置。
3.根据权利要求1所述的方法,所述利用所述匹配对的数量,对所述检测结果进行测评,包括:
在所述第一障碍物的数量或所述第二障碍物的数量与所述匹配对的数量不相同的情况下,确定所述检测结果存在错检。
4.根据权利要求2或3所述的方法,所述利用所述第二障碍物的标注结果,对所述待测评算法输出的障碍物检测结果进行测评,包括:
在同一扇形区域中存在第二障碍物但不存在第一障碍物的情况下,确定所述待测评算法出现漏检。
5.根据权利要求2或3所述的方法,所述利用所述第二障碍物的标注结果,对所述待测评算法输出的障碍物检测结果进行测评,包括:
在同一扇形区域中存在第一障碍物但不存在第二障碍物的情况下,确定待测评算法误检。
6.根据权利要求1任一所述的方法,其中,所述第一障碍物相对于主车的检测位置包括待测评算法输出的第一检测位置,以及对所述第一检测位置进行插值运算得到的第二检测位置;
所述第二障碍物相对于主车的真实位置包括标注的第一真实位置,以及对所述第一真实位置进行插值运算得到的第二真实位置。
7.一种障碍物检测的测评装置,包括:
障碍物检测结果获取模块,用于获取待测评算法输出的障碍物检测结果,所述碍物检测结果包括第一障碍物相对于主车的检测位置;
标注结果获取模块,用于获取第二障碍物的标注结果,所述标注结果包括第二障碍物相对于主车的真实位置;
极径误差确定模块,用于在所述第一障碍物和所述第二障碍物的数量为多个的情况下,在以所述主车位置为极点的极坐标系中,确定在预定扇形区域中的每个所述第一障碍物与每个所述第二障碍物的极径误差,其中,所述预定扇形区域用于表征在所述极坐标系中对所述主车周围区域进行划分得到的N个扇形区域中,包含所述第二障碍物的区域,N为正整数;
匹配对建立执行模块,用于选择极径误差的最小值,在所述极径误差的最小值不大于对应阈值的情况下,将所述极径误差的最小值所对应的第一障碍物和第二障碍物组成匹配对;
测评执行模块,用于利用所述匹配对的数量,对所述检测结果进行测评。
8.根据权利要求7所述的装置,其中,所述障碍物检测结果获取模块,包括:
极坐标确定子模块,用于确定存在于所述N个扇形区域内的第一障碍物的极坐标;
检测位置确定执行子模块,用于利用所述极坐标确定所述第一障碍物相对于主车的检测位置。
9.根据权利要求7所述的装置,其中,所述测评执行模块具体用于:
在所述第一障碍物的数量或所述第二障碍物的数量与所述匹配对的数量不相同的情况下,确定所述检测结果存在错检。
10.根据权利要求7或9所述的装置,其中,所述测评执行模块具体用于:
在同一扇形区域中存在第二障碍物但不存在第一障碍物的情况下,确定所述待测评算法出现漏检。
11.根据权利要求7或9所述的装置,其中,所述测评执行模块具体用于:
在同一扇形区域中存在第一障碍物但不存在第二障碍物的情况下,确定待测评算法误检。
12.根据权利要求7任一所述的装置,其中,所述第一障碍物相对于主车的检测位置包括待测评算法输出的第一检测位置;
所述障碍物检测结果获取模块还用于对所述第一检测位置进行插值运算得到的第二检测位置,所述第二检测位置同样作为第一障碍物相对于主车的检测位置;
所述第二障碍物相对于主车的真实位置包括标注的第一真实位置;
所述标注结果获取模块还用于对所述第一真实位置进行插值运算得到的第二真实位置,所述第二真实位置同样作为第一障碍物相对于主车的真实位置。
13.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至8中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使计算机执行权利要求1至6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时实现根据权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011445244.2A CN112528848B (zh) | 2020-12-11 | 2020-12-11 | 障碍物检测的测评方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011445244.2A CN112528848B (zh) | 2020-12-11 | 2020-12-11 | 障碍物检测的测评方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112528848A CN112528848A (zh) | 2021-03-19 |
CN112528848B true CN112528848B (zh) | 2024-05-24 |
Family
ID=75000160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011445244.2A Active CN112528848B (zh) | 2020-12-11 | 2020-12-11 | 障碍物检测的测评方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112528848B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002286838A (ja) * | 2001-03-28 | 2002-10-03 | Mitsubishi Electric Corp | 目標追尾装置及び目標追尾方法 |
JP2016192109A (ja) * | 2015-03-31 | 2016-11-10 | 公益財団法人鉄道総合技術研究所 | 障害物検知方法およびその装置 |
KR20160144848A (ko) * | 2015-06-09 | 2016-12-19 | 한화테크윈 주식회사 | 이동 로봇 제어 장치 및 방법 |
CN110287832A (zh) * | 2019-06-13 | 2019-09-27 | 北京百度网讯科技有限公司 | 高速自动驾驶场景障碍物感知评测方法及装置 |
CN111368760A (zh) * | 2020-03-09 | 2020-07-03 | 北京百度网讯科技有限公司 | 一种障碍物检测方法、装置、电子设备及存储介质 |
CN111597940A (zh) * | 2020-05-07 | 2020-08-28 | 北京百度网讯科技有限公司 | 渲染模型的评估方法、装置、电子设备及可读存储介质 |
CN111597993A (zh) * | 2020-05-15 | 2020-08-28 | 北京百度网讯科技有限公司 | 数据处理的方法及装置 |
-
2020
- 2020-12-11 CN CN202011445244.2A patent/CN112528848B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002286838A (ja) * | 2001-03-28 | 2002-10-03 | Mitsubishi Electric Corp | 目標追尾装置及び目標追尾方法 |
JP2016192109A (ja) * | 2015-03-31 | 2016-11-10 | 公益財団法人鉄道総合技術研究所 | 障害物検知方法およびその装置 |
KR20160144848A (ko) * | 2015-06-09 | 2016-12-19 | 한화테크윈 주식회사 | 이동 로봇 제어 장치 및 방법 |
CN110287832A (zh) * | 2019-06-13 | 2019-09-27 | 北京百度网讯科技有限公司 | 高速自动驾驶场景障碍物感知评测方法及装置 |
CN111368760A (zh) * | 2020-03-09 | 2020-07-03 | 北京百度网讯科技有限公司 | 一种障碍物检测方法、装置、电子设备及存储介质 |
CN111597940A (zh) * | 2020-05-07 | 2020-08-28 | 北京百度网讯科技有限公司 | 渲染模型的评估方法、装置、电子设备及可读存储介质 |
CN111597993A (zh) * | 2020-05-15 | 2020-08-28 | 北京百度网讯科技有限公司 | 数据处理的方法及装置 |
Non-Patent Citations (2)
Title |
---|
Research on Obstacle Detection and Tracking Method of Unmanned Sailboat Based on Millimeter Wave Radar.《2019 Chinese Automation Congress (CAC)》.2020,全文. * |
基于LabVIEW和激光雷达的智能车辆障碍物检测;房泽平等;《公路交通科技》;20141231;第10卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112528848A (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108052628B (zh) | 道岔启动电流检测方法、系统及终端设备 | |
CN112526999B (zh) | 速度规划方法、装置、电子设备和存储介质 | |
CN112528848B (zh) | 障碍物检测的测评方法、装置、设备以及存储介质 | |
CN112906946A (zh) | 道路信息提示方法、装置、设备、存储介质和程序产品 | |
CN109270566B (zh) | 导航方法、导航效果测试方法、装置、设备和介质 | |
CN112528846A (zh) | 障碍物检测的测评方法、装置、设备以及存储介质 | |
CN112651535A (zh) | 局部路径规划方法、装置、存储介质、电子设备及车辆 | |
CN114332818B (zh) | 障碍物的检测方法、装置和电子设备 | |
CN114429631B (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
CN112698421A (zh) | 障碍物检测的测评方法、装置、设备以及存储介质 | |
CN113762397B (zh) | 检测模型训练、高精度地图更新方法、设备、介质及产品 | |
CN112926135B (zh) | 场景信息确定方法、装置、设备、存储介质和程序产品 | |
CN112507964B (zh) | 用于车道级事件的检测方法和装置、路侧设备和云控平台 | |
CN115062240A (zh) | 一种停车场排序方法、装置、电子设备和存储介质 | |
CN112581526A (zh) | 障碍物检测的测评方法、装置、设备以及存储介质 | |
CN113191279A (zh) | 数据标注方法、装置、设备、存储介质以及计算机程序产品 | |
CN114049615B (zh) | 行驶环境中交通对象融合关联方法、装置及边缘计算设备 | |
Nguyen et al. | An algorithm using YOLOv4 and DeepSORT for tracking vehicle speed on highway | |
CN115457113B (zh) | 人机交互移动轨迹检测方法、装置、设备和可读存储介质 | |
CN113361379B (zh) | 生成目标检测系统和检测目标的方法及装置 | |
CN113218420B (zh) | 导航系统的测试方法、装置、电子设备及存储介质 | |
CN116663329B (zh) | 自动驾驶仿真测试场景生成方法、装置、设备及存储介质 | |
CN114694138B (zh) | 一种应用于智能驾驶的路面检测方法、装置及设备 | |
CN115096328B (zh) | 车辆的定位方法、装置、电子设备以及存储介质 | |
CN109583511B (zh) | 速度融合方法和装置 |
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 | ||
GR01 | Patent grant |