CN112581526A - 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 PDF

Info

Publication number
CN112581526A
CN112581526A CN202011444914.9A CN202011444914A CN112581526A CN 112581526 A CN112581526 A CN 112581526A CN 202011444914 A CN202011444914 A CN 202011444914A CN 112581526 A CN112581526 A CN 112581526A
Authority
CN
China
Prior art keywords
obstacle
determining
detection
position information
evaluation
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.)
Granted
Application number
CN202011444914.9A
Other languages
English (en)
Other versions
CN112581526B (zh
Inventor
赵晓健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202011444914.9A priority Critical patent/CN112581526B/zh
Publication of CN112581526A publication Critical patent/CN112581526A/zh
Application granted granted Critical
Publication of CN112581526B publication Critical patent/CN112581526B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • 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
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种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、自动驾驶以及智能交通等领域。具体实现方案为：确定图像中的第一障碍物的位置信息；获取待测评算法输出的障碍物检测结果，碍物检测结果至少包括第二障碍物的位置信息；利用第一障碍物的位置信息，对待测评算法输出的障碍物检测结果进行测评。无须实际上路测试，一方面可以降低测试成本，另一方面可以最大限度的降低对于测试人员安全的威胁。

Description

障碍物检测的测评方法、装置、设备以及存储介质
技术领域
本申请涉及图像处理领域，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，上述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
本申请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。
根据本申请的一方面，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：
确定图像中的第一障碍物的位置信息；
获取待测评算法输出的障碍物检测结果，碍物检测结果至少包括第二障碍物的位置信息；
利用第一障碍物的位置信息，对待测评算法输出的障碍物检测结果进行测评。
根据本申请的另一方面，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：
位置信息确定模块，用于确定图像中的第一障碍物的位置信息；
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，碍物检测结果至少包括第二障碍物的位置信息；
测评模块，用于利用第一障碍物的位置信息，对待测评算法输出的障碍物检测结果进行测评。
第三方面，本申请实施例提供一种电子设备，包括：
至少一个处理器；以及
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本申请任意一项实施例所提供的方法。
第四方面，本申请实施例提供一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行本申请任意一项实施例所提供的方法。
根据本申请的另一方面，提供了一种计算机程序产品，包括计算机指令，该计算机指令被处理器执行时实现本申请任一实施例中的方法。
由于待测评算法可以在离线环境下进行。由此，在进行一次标注后，可以根据该标注信息对待测评算法的迭代升级的效果进行测评，起到节省人力和时间成本的效果。另外，由于不需要实际上路测试，一方面可以降低测试成本，另一方面可以最大限度的降低对于测试人员安全的威胁。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请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，不构成对本申请的限定。其中：
图1是根据本申请障碍物检测的测评方法的流程图；
图2是根据本申请图像标注的示意图；
图3是根据本申请对障碍物检测结果进行测评的流程图；
图4是根据本申请利用位置误差对障碍物检测结果进行测评的流程图；
图5是根据本申请确定图像中的第一障碍物的位置信息的流程图；
图6是根据本申请障碍物检测的测评方法的流程图；
图7是根据本申请障碍物检测的测评装置的示意图；
图8是用来实现本申请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
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请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，而不会背离本申请的范围和精神。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，本申请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：确定图像中的第一障碍物的位置信息；
S102：获取待测评算法输出的障碍物检测结果，碍物检测结果至少包括第二障碍物的位置信息；
S103：利用第一障碍物的位置信息，对待测评算法输出的障碍物检测结果进行测评。
本申请实施例中，图像可以是通过设置于主车上的车载图像采集设备采集到的2D视觉图像。结合图2所示，标注可以包括确定图像中的车道信息以及障碍物的位置信息。
以主车当前行驶的车道为主车道。车道编号可以表示为obs_id。在标注过程中，可以将主车道标注为obs_id＝0，主车道两侧的车道线可以分别标注为obs＝-10、obs＝10。
主车道两侧的车道左、右次车道可以分别标注为obs_id＝-2、obs_id＝2。左次车道线可以标注为obs_id＝-21，右次车道线可以标注为obs_id＝21。
在当前实施方式中，可以选取主车道，次车道、次车道线7个区域中的车辆，或者其他静态障碍物进行标注。
在本申请实施例中，图像中标注出的障碍物为第一障碍物。每帧图像检测出的第一障碍物的数量可能为0，也可能为多个。在当前帧图像中包含多个第一障碍物的情况下，可以为每个第一障碍物分配一个标识。标识可以用于障碍物的识别以及障碍物标识跳变率的检测。
例如，可以通过图像识别技术，在图像中以检测框的形式标注出第一障碍物。进一步的，可以以检测框范围内的一个特定点作为第一障碍物的特征点。该特征点用于表示第一障碍物在图像中的位置信息。该位置信息可以包括障碍物所在车道以及障碍物的坐标等。图像中标注出的第一障碍物的位置信息可以作为第一障碍物的真值。
对于步骤S101中确定图像中的第一障碍物的位置信息可以预先进行。在每次进行测评时，可以采用预先已经确定出的第一障碍物的位置信息作为真值。由此在后续测评时，直接利用预先确定的真值，即可对不同版本的同一类待测评算法，或者对不同类型的待测评算法进行测试。
对于每帧图像对应的时刻，待测评算法会输出检测结果。检测结果可以包括在该时刻检测到的第二障碍物的位置信息。本申请实施例中，待测评算法可以是环境建模算法。
以检测出主车前向障碍物为例，环境建模算法可以将前向广角、前向鱼眼、前侧向鱼眼以及毫米波雷达等传感器的检测信息进行融合，输出主车前向各位置障碍物的位置信息。待测评算法输出的障碍物称为第二障碍物。该算法可以在离线状态下运行，即，根据主车各传感器在每帧图像对应的时刻检测的信息，待测评算法即可得出检测结果。
将第一障碍物的位置信息和第二障碍物的位置信息进行比较，可以对待检测算法的检测结果进行测评。即，理想情况下，第二障碍物和第一障碍物对应的是同一障碍物。因此，第二障碍物和第一障碍物的位置信息的误差即可表示待检测算法优劣。
例如，可以根据第一障碍物和第二障碍物是否出现在同一车道为依据，对待测评算法的错检率进行检测。又例如，可以将第一障碍物和第二障碍物的位置误差为依据，对待测评算法的检测精度进行检测。再例如，可以将第一障碍物和第二障碍物的标识为依据，对待测评算法的标识跳变率进行检测。
由于待测评算法可以在离线环境下进行。由此，在进行一次标注后，可以根据该标注信息对待测评算法的迭代升级的效果进行测评，起到节省人力和时间成本的效果。另外，由于不需要实际上路测试，一方面可以降低测试成本，另一方面可以最大限度的降低对于测试人员安全的威胁。
如图3所示，在一种实施方式中，步骤S103可以进一步包括以下子步骤：
S1031：根据第一障碍物的位置信息以及第二障碍物的位置信息，确定位于同一车道的第一障碍物和第二障碍物的位置误差；
S1032：利用位置误差对待测评算法输出的障碍物检测结果进行测评。
第一障碍物的位置信息可以包括其坐标信息，还可以包括其车道信息。对应的，第二障碍物的位置信息也可以包括坐标信息和/或车道信息。基于此，可以通过第一障碍物和第二障碍物是否在同一车道，对障碍物检测结果进行粗颗粒度的测评。例如，在第一障碍物存在于第一车道，但未检测到第二障碍物，或者检测到的第二障碍物不在第一车道的情况下，可以确定待测评算法输出的障碍物检测结果为错检。
进一步的，在第一障碍物和第二障碍物存在于相同车道的情况下，可以计算第一障碍物和第二障碍物的位置误差。位置误差可以采用第一障碍物和第二障碍物的特征点计算。例如，可以以障碍物的中心点作为特征点。或者，在障碍物是以检测框的形式展现的情况下，可以以检测框的角点，或者任一边的中点作为特征点。
第一障碍物和第二障碍物的位置误差与精准度呈线性关系，即误差越小，精准度越高。
通过上述方案，利用位置信息可以确定出第一障碍物和第二障碍物所在的车道，进而可以利用第一障碍物和第二障碍物是否在同一车道进行粗检。当不在同一车道时，可以较快速的确定错检情况。对于同一车道的第一障碍物和第二障碍物，还可以利用位置误差进行细粒度的精度测评。
在一种实施方式中，在位置误差超过对应阈值的情况下，确定待测评算法出现错检；
错检包括漏检和/或误检。
在位置误差超过对应阈值的情况下，可以表示待测评算法输出的检测结果出现错误，即出现错检的情况。其中，错检可以包括漏检和/或误检。
反之，在位置误差未超过对应阈值的情况下，表示待测评算法输出的障碍物检测结果是正确的，即待测评算法输出的第二障碍物和第一障碍物可以组成匹配对。组成匹配对可以意味着测评算法正确的检测出了障碍物的位置。
基于此，利用漏检的数量和匹配对的数量，即可确定召回率。
召回率(Recall)的计算方式如下：
Figure BDA0002831001880000061
式中，Ntp可以表示匹配对的数量，Nfn可以表示漏检的数量。
另外，利用误检的数量和匹配对的数量，即可确定精确率。
精确率(Precision)的计算方式如下：
Figure BDA0002831001880000062
式中，Ntp可以表示匹配对的数量，Nfp可以表示误检的数量。
通过上述方案，利用错检的数量和匹配对的数量，即可确定检测结果的召回率和准确率。
如图4所示，在一种实施方式中，步骤S1032可以进一步包括以下子步骤：
S10321：根据位置误差，确定同一车道中组成匹配对的数量，匹配对中包括一个第一障碍物和一个第二障碍物；
S10322：利用位置误差和匹配对的数量，确定位置检测精度。
在位置误差未超过对应阈值的情况下，表示待测评算法输出的障碍物检测结果是正确的，即待测评算法输出的第二障碍物和第一障碍物可以组成匹配对。可以确定出各个车道中的匹配对的数量。
根据位置误差和同一车道中组成匹配对的数量，即可确定位置误差的精度。
位置检测精度(Avgtp_dist_x)的计算方式如下：
Figure BDA0002831001880000063
式中，Dist_Xtp可以表示各匹配对中第二障碍物和第一障碍物之间的位置误差；Ntp_near可以表示匹配对的数量。
另外，还可以采用如下方式计算位置检测精度：
Figure BDA0002831001880000064
式中，Dist_Xnear可以表示参与匹配的第二障碍物和第一障碍物之间的位置误差；Ngt_near可以表示参与匹配的匹配对的数量。例如，在同一车道中，可以选择位置最接近的第一障碍物和第二障碍物参与匹配。
通过上述方案，可以对位置误差的精度进行检测。
在一种实施方式中，步骤S103可以具体包括：
在同一车道中存在第一障碍物但不存在第二障碍物的情况下，确定待测评算法出现漏检。
在一种实施方式中，步骤S103可以具体包括：
在同一车道中存在第二障碍物但不存在第一障碍物的情况下，确定待测评算法误检。
通过上述方案，例如第一障碍物和第二障碍物的车道情况，即可快速确定待测评算法的误检和漏检情况。
如图5所示，在一种实施方式中，步骤S101可以进一步包括：
S1011：在图像中确定第一障碍物对应的检测框；
S1012：获取检测框的特征点在图像中的坐标；
S1013：根据预设的转换参数，将特征点在图像中的坐标转换至世界坐标系下，得到特征点在世界坐标系下的坐标，将特征点在世界坐标系下的坐标确定为第一障碍物的位置信息。
可以通过图像识别技术，在图像中以检测框的形式标注出第一障碍物。进一步的，可以以检测框范围内的一个特定点作为第一障碍物的特征点。例如特征点可以是检测框底边的中心点。该特征点用于表示第一障碍物在图像中的位置信息。该位置信息可以包括车道以及坐标等。
预设的转换参数可以是相机外参数，将特征点的坐标转换至世界坐标系下，得到特征点在世界坐标系下的坐标。
获取主车的雷达检测数据，将雷达检测数据与特征点在世界坐标系下的坐标进行比较，从而对特征点在世界坐标系下的坐标进行修订。例如，在雷达检测到的障碍物的多个检测点中，选择与特征点在世界坐标系下的坐标最接近的检测点，利用该检测点的坐标替换特征点在世界坐标系下的坐标。
通过上述方案，可以以较为简单、便捷的方式确定出真值。提高真值标注的效率。
如图6所示，本申请提供一种障碍物检测的测评方法，包括以下步骤：
S601：读取和解析真值和算法输出文件。
真值记为前述图像中标注的第一障碍物的位置信息。
算法输出文件为待测评算法输出的障碍物检测结果，即第二障碍物的位置信息。
S602：遍历车道，确定每个车道真值和算法输出的障碍物检测结果。
S603：判断当前车道是否存在真值，存在的情况下执行步骤S604，否则执行步骤S608。
S604：判断当前车道是否存在障碍物检测结果，存在的情况下，执行步骤S605，否则执行步骤S606。
S605：计算同一车道的真值和障碍物检测结果的误差是否在允许范围内，在允许范围内的情况下，执行步骤S607，否则执行步骤S606或者执行步骤S609。
同一车道的真值和障碍物检测结果的误差超出允许范围的情况，可以算作一次漏检(步骤S606)，也可以算作一次误检(步骤S609)。或者，还可以同时算作一次漏检和一次误检。
S606：确定算法漏检。
S607：对检测结果进行测评。
测评可以包括误差的精度、召回率、精准率等，具体算法与前述实施例相同，在此不再赘述。
S608：判断当前车道是否存在检测值，存在的情况下执行步骤S609，否则执行步骤S610。
S609：确定算法误检。
S610：检测下一车道。
即从步骤S602中获取下一车道的真值和算法输出的障碍物检测结果，重复进行步骤S5603至步骤S609的步骤，直至所有车道判断结束。
如图7所示，本申请提供一种障碍物检测的测评装置，该装置可以包括以下组件：
位置信息确定模块701，用于确定图像中的第一障碍物的位置信息；
检测结果获取模块702，用于获取待测评算法输出的障碍物检测结果，碍物检测结果至少包括第二障碍物的位置信息；
测评模块703，用于利用第一障碍物的位置信息，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，测评模块703可以进一步包括：
位置误差确定子模块，用于根据第一障碍物的位置信息以及第二障碍物的位置信息，确定位于同一车道的第一障碍物和第二障碍物的位置误差；
测评执行子模块，用于利用位置误差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，测评执行子模块具体用于：
在位置误差超过对应阈值的情况下，确定待测评算法出现错检；
错检包括漏检和/或误检。
在一种实施方式中，测评执行子模块可以进一步包括：
匹配对的数量确定单元，用于根据位置误差，确定同一车道中组成匹配对的数量，匹配对中包括一个第一障碍物和一个第二障碍物；
位置误差精度确定单元，用于利用位置误差和匹配对的数量，确定位置检测精度。
在一种实施方式中，测评模块703具体用于：
在同一车道中存在第一障碍物但不存在第二障碍物的情况下，确定待测评算法出现漏检。
在一种实施方式中，测评模块703具体用于：
在同一车道中存在第二障碍物但不存在第一障碍物的情况下，确定待测评算法误检。
在一种实施方式中，位置信息确定模块701可以进一步包括：
检测框确定子模块，用于在图像中确定第一障碍物对应的检测框；
坐标获取子模块，用于获取检测框的特征点在图像中的坐标；
坐标转换子模块，用于根据预设的转换参数，将特征点在图像中的坐标转换至世界坐标系下，得到特征点在世界坐标系下的坐标，将特征点在世界坐标系下的坐标确定为第一障碍物的位置信息。
根据本申请的实施例，本申请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。
如图8所示，是根据本申请实施例的障碍物检测的测评方法的电子设备的框图。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/或者要求的本申请的实现。
如图8所示，该电子设备包括：一个或多个处理器810、存储器820，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图8中以一个处理器810为例。
存储器820即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的障碍物检测的测评方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的障碍物检测的测评方法。
存储器820作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的障碍物检测的测评方法对应的程序指令/模块(例如，附图7所示的位置信息确定模块701、检测结果获取模块702和测评模块703)。处理器810通过运行存储在存储器820中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的障碍物检测的测评方法。
存储器820可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据障碍物检测的测评方法的电子设备的使用所创建的数据等。此外，存储器820可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器820可选包括相对于处理器810远程设置的存储器，这些远程存储器可以通过网络连接至障碍物检测的测评方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
障碍物检测的测评方法的电子设备还可以包括：输入装置830和输出装置840。处理器810、存储器820、输入装置830和输出装置840可以通过总线或者其他方式连接，图8中以通过总线连接为例。
输入装置830可接收输入的数字或字符信息，以及产生与障碍物检测的测评方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置840可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处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、专用ASIC(专用集成电路)、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。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
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。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS)服务中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
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，本申请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，只要能够实现本申请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，并不构成对本申请保护范围的限制。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。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (17)

1.一种障碍物检测的测评方法，包括：
确定图像中的第一障碍物的位置信息；
获取待测评算法输出的障碍物检测结果，所述碍物检测结果至少包括第二障碍物的位置信息；
利用所述第一障碍物的位置信息，对所述待测评算法输出的障碍物检测结果进行测评。
2.根据权利要求1所述的方法，其中，所述利用所述第一障碍物的位置信息，对所述待测评算法输出的障碍物检测结果进行测评，包括：
根据所述第一障碍物的位置信息以及所述第二障碍物的位置信息，确定位于同一车道的所述第一障碍物和所述第二障碍物的位置误差；
利用所述位置误差对所述待测评算法输出的障碍物检测结果进行测评。
3.根据权利要求2所述的方法，其中，所述利用所述位置误差对所述待测评算法输出的障碍物检测结果进行测评，包括：
在所述位置误差超过对应阈值的情况下，确定待测评算法出现错检；
所述错检包括漏检和/或误检。
4.根据权利要求2或3所述的方法，其中，所述利用所述位置误差对所述待测评算法输出的障碍物检测结果进行测评，包括：
根据所述位置误差，确定同一车道中组成匹配对的数量，所述匹配对中包括一个第一障碍物和一个第二障碍物；
利用所述位置误差和所述匹配对的数量，确定位置检测精度。
5.根据权利要求1所述的方法，其中，所述利用所述第一障碍物的位置信息，对所述待测评算法输出的障碍物检测结果进行测评，包括：
在同一车道中存在第一障碍物但不存在第二障碍物的情况下，确定所述待测评算法出现漏检。
6.根据权利要求1所述的方法，其中，所述利用所述第一障碍物的位置信息，对所述待测评算法输出的障碍物检测结果进行测评，包括：
在同一车道中存在第二障碍物但不存在第一障碍物的情况下，确定待测评算法误检。
7.根据权利要求1所述的方法，其中，所述确定图像中的第一障碍物的位置信息：
在所述图像中确定所述第一障碍物对应的检测框；
获取所述检测框的特征点在所述图像中的坐标；
根据预设的转换参数，将所述特征点在所述图像中的坐标转换至世界坐标系下，得到所述特征点在世界坐标系下的坐标，将所述特征点在世界坐标系下的坐标确定为第一障碍物的位置信息。
8.一种障碍物检测的测评装置，包括：
位置信息确定模块，用于确定图像中的第一障碍物的位置信息；
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，所述碍物检测结果至少包括第二障碍物的位置信息；
测评模块，用于利用所述第一障碍物的位置信息，对所述待测评算法输出的障碍物检测结果进行测评。
9.根据权利要求8所述的装置，其中，所述测评模块，包括：
位置误差确定子模块，用于根据所述第一障碍物的位置信息以及所述第二障碍物的位置信息，确定位于同一车道的所述第一障碍物和所述第二障碍物的位置误差；
测评执行子模块，用于利用所述位置误差对所述待测评算法输出的障碍物检测结果进行测评。
10.根据权利要求9所述的装置，其中，所述测评执行子模块具体用于：
在所述位置误差超过对应阈值的情况下，确定待测评算法出现错检；
所述错检包括漏检和/或误检。
11.根据权利要求8或9所述的装置，其中，所述测评执行子模块，包括：
匹配对的数量确定单元，用于根据所述位置误差，确定同一车道中组成匹配对的数量，匹配对中包括一个第一障碍物和一个第二障碍物；
位置检测精度确定单元，用于利用所述位置误差和所述匹配对的数量，确定位置检测精度。
12.根据权利要求8所述的装置，其中，所述测评模块具体用于：
在同一车道中存在第一障碍物但不存在第二障碍物的情况下，确定所述待测评算法出现漏检。
13.根据权利要求8所述的装置，其中，所述测评模块具体用于：
在同一车道中存在第二障碍物但不存在第一障碍物的情况下，确定待测评算法误检。
14.根据权利要求8所述的装置，其中，所述位置信息确定模块，包括：
检测框确定子模块，用于在所述图像中确定所述第一障碍物对应的检测框；
坐标获取子模块，用于获取所述检测框的特征点在所述图像中的坐标；
坐标转换子模块，用于根据预设的转换参数，将所述特征点在所述图像中的坐标转换至世界坐标系下，得到所述特征点在世界坐标系下的坐标，将所述特征点在世界坐标系下的坐标确定为第一障碍物的位置信息。
15.一种电子设备，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7中任一项所述的方法。
16.一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7中任一项所述的方法。
17.一种计算机程序产品，包括计算机指令，该计算机指令被处理器执行时实现权利要求1至7中任一项所述的方法。
CN202011444914.9A 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 Active CN112581526B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011444914.9A CN112581526B (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
CN202011444914.9A CN112581526B (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
CN112581526A true CN112581526A (zh) 2021-03-30
CN112581526B CN112581526B (zh) 2024-09-20

Family

ID=75130869

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011444914.9A Active CN112581526B (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) CN112581526B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113435732A (zh) * 2021-06-23 2021-09-24 奇瑞新能源汽车股份有限公司 自动驾驶车辆对交通桩桶识别与响应的评价方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09178855A (ja) * 1995-12-25 1997-07-11 Hitachi Ltd 障害物検出方法
CN104011780A (zh) * 2011-12-28 2014-08-27 丰田自动车株式会社 障碍物判定装置
US20180267166A1 (en) * 2017-03-16 2018-09-20 Baidu Online Network Technology (Beijing) Co., Ltd. Obstacle detecting method and apparatus, device and storage medium
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
CN111563474A (zh) * 2020-05-18 2020-08-21 北京茵沃汽车科技有限公司 运动背景下的基于车载鱼眼镜头的障碍物检测方法、系统
CN111612760A (zh) * 2020-05-20 2020-09-01 北京百度网讯科技有限公司 用于检测障碍物的方法和装置
CN111753765A (zh) * 2020-06-29 2020-10-09 北京百度网讯科技有限公司 感知设备的检测方法、装置、设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09178855A (ja) * 1995-12-25 1997-07-11 Hitachi Ltd 障害物検出方法
CN104011780A (zh) * 2011-12-28 2014-08-27 丰田自动车株式会社 障碍物判定装置
US20180267166A1 (en) * 2017-03-16 2018-09-20 Baidu Online Network Technology (Beijing) Co., Ltd. Obstacle detecting method and apparatus, device and storage medium
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
CN111563474A (zh) * 2020-05-18 2020-08-21 北京茵沃汽车科技有限公司 运动背景下的基于车载鱼眼镜头的障碍物检测方法、系统
CN111612760A (zh) * 2020-05-20 2020-09-01 北京百度网讯科技有限公司 用于检测障碍物的方法和装置
CN111753765A (zh) * 2020-06-29 2020-10-09 北京百度网讯科技有限公司 感知设备的检测方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李斌, 王荣本, 郭克友: "基于机器视觉的智能车辆障碍物检测方法研究", 公路交通科技, no. 04, 20 August 2002 (2002-08-20) *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113435732A (zh) * 2021-06-23 2021-09-24 奇瑞新能源汽车股份有限公司 自动驾驶车辆对交通桩桶识别与响应的评价方法及装置

Also Published As

Publication number Publication date
CN112581526B (zh) 2024-09-20

Similar Documents

Publication Publication Date Title
CN111753765B (zh) 感知设备的检测方法、装置、设备及存储介质
CN111273268B (zh) 自动驾驶障碍物类型的识别方法、装置及电子设备
CN111860319B (zh) 车道线的确定方法、定位精度的评测方法、装置、设备
CN112132113A (zh) 车辆再识别的方法、装置、训练方法以及电子设备
CN111310840B (zh) 数据融合处理方法、装置、设备和存储介质
CN111292531B (zh) 交通信号灯的跟踪方法、装置、设备及存储介质
CN112507949A (zh) 目标跟踪方法、装置、路侧设备以及云控平台
CN111324115A (zh) 障碍物位置检测融合方法、装置、电子设备和存储介质
CN111854771A (zh) 地图质量的检测处理方法、装置、电子设备和存储介质
CN111402326B (zh) 障碍物的检测方法、装置、无人车及存储介质
EP3910533A1 (en) Method, apparatus, electronic device, and storage medium for monitoring an image acquisition device
CN110703732B (zh) 相关性检测方法、装置、设备及计算机可读存储介质
CN112147632A (zh) 车载激光雷达感知算法的测试方法、装置、设备和介质
CN112863187B (zh) 感知模型的检测方法、电子设备、路侧设备和云控平台
CN110866504A (zh) 标注数据的获取方法、装置和设备
CN111640301B (zh) 故障车辆检测方法及包括路侧单元的故障车辆检测系统
CN111339877B (zh) 盲区的长度检测方法、装置、电子设备及存储介质
EP4145408A1 (en) Obstacle detection method and apparatus, autonomous vehicle, device and storage medium
CN112528846A (zh) 障碍物检测的测评方法、装置、设备以及存储介质
CN112581526B (zh) 障碍物检测的测评方法、装置、设备以及存储介质
CN111932611B (zh) 物体位置获取方法和装置
CN111612851B (zh) 用于标定相机的方法、装置、设备以及存储介质
CN113126120A (zh) 数据标注方法、装置、设备、存储介质以及计算机程序产品
CN114429631B (zh) 三维对象检测方法、装置、设备以及存储介质
CN112581527B (zh) 障碍物检测的测评方法、装置、设备以及存储介质

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