CN112630799A - 用于输出信息的方法和装置 - Google Patents

用于输出信息的方法和装置 Download PDF

Info

Publication number
CN112630799A
CN112630799A CN201910906113.0A CN201910906113A CN112630799A CN 112630799 A CN112630799 A CN 112630799A CN 201910906113 A CN201910906113 A CN 201910906113A CN 112630799 A CN112630799 A CN 112630799A
Authority
CN
China
Prior art keywords
time threshold
obstacles
determining
point cloud
data
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
CN201910906113.0A
Other languages
English (en)
Other versions
CN112630799B (zh
Inventor
刘祥
张双
高斌
朱晓星
薛晶晶
杨凡
王俊平
王成法
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.)
Apollo Intelligent Technology Beijing 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 CN201910906113.0A priority Critical patent/CN112630799B/zh
Priority to JP2020034868A priority patent/JP7201887B2/ja
Priority to EP20165120.5A priority patent/EP3798902A1/en
Priority to US16/912,352 priority patent/US11328518B2/en
Publication of CN112630799A publication Critical patent/CN112630799A/zh
Application granted granted Critical
Publication of CN112630799B publication Critical patent/CN112630799B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G06V20/647—Three-dimensional objects by matching two-dimensional images to three-dimensional objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
    • G06F18/256—Fusion techniques of classification results, e.g. of results related to same input data of results relating to different input data, e.g. multimodal recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
    • G06V10/811—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data the classifiers operating on different input data, e.g. multi-modal recognition
    • 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
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • 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
    • G05D1/0276—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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30261—Obstacle

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例公开了用于输出信息的方法和装置。上述方法的一具体实施方式包括：获取车辆在行驶过程中采集的点云数据和图像数据；根据预先设置的时间阈值取值范围，确定出多个时间阈值；对于每个时间阈值，执行以下处理步骤：分别识别各点云帧和各图像帧中包括的障碍物；确定各障碍物之间的相似度；若大于，确定相似的两个障碍物所对应的点云帧与图像帧之间的时间间隔是否小于该时间阈值；根据判断结果对识别出的障碍物进行处理，确定障碍物的数量；根据多个数量，确定以及输出目标时间阈值。该实施方式可以根据障碍物的数量，确定时间阈值，从而不需要人工调节，实现了时间阈值的自动调节。

Description

用于输出信息的方法和装置
技术领域
本申请实施例涉及计算机技术领域，具体涉及用于输出信息的方法和装置。
背景技术
目前，激光雷达测距因为其优异的特性以及对外界环境的强适应性，在自动驾驶、辅助驾驶等领域取得了广泛的应用。在激光雷达采集的数据的应用场景中，往往需要调整很多参数。依赖人工调节这些参数往往比较耗时，且比较费力。
发明内容
本申请实施例提出了用于输出信息的方法和装置。
第一方面，本申请实施例提供了一种用于输出信息的方法，包括：获取车辆在行驶过程中采集的障碍物数据，上述障碍物数据包括点云数据和图像数据；根据预先设置的时间阈值取值范围，确定出多个时间阈值；对于每个时间阈值，执行以下处理步骤：分别识别上述点云数据中各点云帧和上述图像数据中各图像帧中包括的障碍物；确定各点云帧中障碍物与各图像帧中障碍物之间的相似度；响应于上述相似度大于预设的相似度阈值，确定相似的两个障碍物所对应的点云帧与图像帧之间的时间间隔是否小于该时间阈值；根据判断结果对识别出的障碍物进行处理，确定障碍物的数量；根据得到的多个数量，确定以及输出目标时间阈值。
在一些实施例中，上述根据预先设置的时间阈值取值范围，确定出多个时间阈值，包括：以预设的时间间隔，在上述时间阈值取值范围中选取多个点，作为多个时间阈值。
在一些实施例中，上述根据判断结果对识别出的障碍物进行处理，确定障碍物的数量，包括：如果上述时间间隔小于该时间阈值，则将相似的两个障碍物关联为同一障碍物；如果上述时间间隔不小于该时间阈值，则不将相似的两个障碍物关联为同一障碍物。
在一些实施例中，上述方法还包括：响应于相似的两个障碍物关联为同一障碍物，根据相似的两个障碍物对应的点云帧和图像帧，将相似的两个障碍物融合。
在一些实施例中，上述根据得到的多个数量，确定以及输出目标时间阈值，包括：根据多个数量以及每个数量对应的时间阈值，确定数量-时间阈值的曲线；确定上述曲线在各时间阈值处的斜率，以及根据各斜率，确定出目标时间阈值。
在一些实施例中，上述根据各斜率，确定出目标时间阈值，包括：确定各斜率的绝对值中的最大值；将上述最大值对应的时间阈值作为目标时间阈值。
第二方面，本申请实施例提供了一种用于输出信息的装置，包括：数据获取单元，被配置成获取车辆在行驶过程中采集的障碍物数据，上述障碍物数据包括点云数据和图像数据；阈值确定单元，被配置成根据预先设置的时间阈值取值范围，确定出多个时间阈值；数据处理单元，被配置成对于每个时间阈值，执行以下处理步骤：分别识别上述点云数据中各点云帧和上述图像数据中各图像帧中包括的障碍物；确定各点云帧中障碍物与各图像帧中障碍物之间的相似度；响应于上述相似度大于预设的相似度阈值，确定相似的两个障碍物所在的点云帧与图像帧之间的时间间隔是否小于该时间阈值；根据判断结果对识别出的障碍物进行处理，确定障碍物的数量；目标确定单元，被配置成根据得到的多个数量，确定以及输出目标时间阈值。
在一些实施例中，上述阈值确定单元进一步被配置成：以预设的时间间隔，在上述时间阈值取值范围中选取多个点，作为多个时间阈值。
在一些实施例中，上述数据处理单元进一步被配置成：如果上述时间间隔小于该时间阈值，则将相似的两个障碍物关联为同一障碍物；如果上述时间间隔不小于该时间阈值，则不将相似的两个障碍物关联为同一障碍物。
在一些实施例中，上述装置还包括：数据融合单元，被配置成响应于相似的两个障碍物关联为同一障碍物，根据相似的两个障碍物对应的点云帧和图像帧，将相似的两个障碍物融合。
在一些实施例中，上述目标确定单元进一步被配置成：根据多个数量以及每个数量对应的时间阈值，确定数量-时间阈值的曲线；确定上述曲线在各时间阈值处的斜率，以及根据各斜率，确定出目标时间阈值。
在一些实施例中，上述目标确定单元进一步被配置成：确定各斜率的绝对值中的最大值；将上述最大值对应的时间阈值作为目标时间阈值。
第三方面，本申请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，当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器实现如第一方面任一实施例所描述的方法。
第四方面，本申请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，该程序被处理器执行时实现如第一方面任一实施例所描述的方法。
本申请的上述实施例提供的用于输出信息的方法和装置，首先可以获取车辆在行驶过程中采集的障碍物数据，上述障碍物数据可以包括点云数据和图像数据。然后，可以根据预先设置的时间阈值取值范围，确定出多个时间阈值。对于每个时间阈值，可以执行处理步骤：分别识别点云数据中各点云帧和图像数据中各图像帧中包括的障碍物。然后，确定各点云帧中障碍物与各图像帧中障碍物之间的相似度。如果相似度大于预设的相似度阈值，确定相似的两个障碍物所在的点云帧和图像帧之间的时间间隔是否小于该时间阈值。并根据判断结果对识别出的障碍物进行处理，确定障碍物的数量。最后，根据得到的多个数量，确定以及输出目标时间阈值。本实施例的方法，可以根据障碍物的数量，确定对障碍物数据处理过程中的时间阈值，从而不需要人工调节，实现了时间阈值的自动调节。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请的一个实施例可以应用于其中的示例性系统架构图；
图2是根据本申请的用于输出信息的方法的一个实施例的流程图；
图3是根据本申请的用于输出信息的方法的一个应用场景的示意图；
图4是根据本申请的用于输出信息的方法中确定目标时间阈值的一个实施例的流程图；
图5是根据本申请的用于输出信息的装置的一个实施例的结构示意图；
图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请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相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于输出信息的方法或用于输出信息的装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括自动驾驶车辆101、102、103，网络104和服务器105。网络104用以在自动驾驶车辆101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
自动驾驶车辆101、102、103上可以安装有各种传感器，例如激光雷达或图像采集装置，以采集自动驾驶车辆101、102、103的行驶环境的点云数据或图像数据。自动驾驶车辆101、102、103上还可以安装有各种电子装置，例如导航装置、无人车控制器、防抱死系统、制动力分配系统等。自动驾驶车辆101、102、103可以是包含了自动驾驶模式的车辆，既包括完全自动驾驶的车辆，也包括能够切换到自动驾驶模式的车辆。
服务器105可以是提供各种服务的服务器，例如对车辆101、102、103所采集的障碍物数据进行处理的后台服务器。后台服务器可以对接收到的障碍物数据等数据进行分析等处理，并将处理结果(例如目标时间阈值)反馈给车辆101、102、103。
需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本申请实施例所提供的用于输出信息的方法可以由车辆101、102、103执行，也可以由服务器105执行。相应地，用于输出信息的装置可以设置于车辆101、102、103中，也可以设置于服务器105中。
应该理解，图1中的车辆、网络和服务器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车辆、网络和服务器。
继续参考图2，示出了根据本申请的用于输出信息的方法的一个实施例的流程200。本实施例的用于输出信息的方法，包括以下步骤：
步骤201，获取车辆在行驶过程中采集的障碍物数据。
在本实施例中，用于输出信息的方法的执行主体(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式获取车辆在行驶过程中采集的障碍物数据。上述障碍物数据可以包括点云数据和图像数据。上述点云数据可以包括多个点云帧，每个点云帧中可以包括多个点云点。图像数据可以包括多个图像帧。车辆上可以安装有激光雷达传感器和相机，以采集车辆行驶过程中周围环境的点云数据和图像数据。
步骤202，根据预先设置的时间阈值取值范围，确定出多个时间阈值。
本实施例中，执行主体可以获取预先设置的时间阈值取值范围，上述时间阈值取值范围可以根据预先设置的多个时间阈值的取值来确定的。例如预先设置的多个时间阈值可以包括0.5ms、1.0ms、1.5ms，每个时间阈值可以是技术人员根据自身经验设置的。执行主体可以在时间阈值取值范围间隔预设时长取值，得到多个时间阈值。举例来说，时间阈值取值范围为0.5ms～1.5ms，执行主体可以每间隔0.1ms取值，则可以得到多个时间阈值，分别为0.5ms、0.6ms、0.7ms……1.5ms。或者，执行主体也可以从上述时间阈值取值范围中随机选取多个时间阈值。
在本实施例的一些可选的实现方式中，执行主体可以通过图2中未示出的以下步骤来确定多个时间阈值：以预设的时间间隔，在时间阈值取值范围中选取多个点，作为多个时间阈值。
本实现方式中，执行主体可以以预设的时间间隔，在时间阈值取值范围中选取多个点，作为多个时间阈值。具体的，上述时间阈值取值范围可以被时间间隔整除。
步骤203，对于每个时间阈值，执行以下处理步骤2031～2034。
在得到多个时间阈值后，执行主体可以针对每个时间阈值进行步骤2031～2034的处理。
步骤2031，分别识别点云数据中各点云帧和图像数据中各图像帧中包括的障碍物。
执行主体可以利用预先训练的障碍物识别模型或者障碍物识别算法(例如点云分割算法、特征提取算法等)来识别点云数据中各点云帧中包括的障碍物，也可以识别图像数据中各图像帧中包括的障碍物。具体的，执行主体可以将点云数据的各点云帧或图像数据中的各图像帧从障碍物识别模型的输入侧输入，障碍物识别模型的输出侧就可以得到识别出的障碍物。
步骤2032，确定各点云帧中障碍物与各图像帧中障碍物之间的相似度。
在识别各点云帧和各图像帧中包括的障碍物后，执行主体可以计算各点云帧中的障碍物与各图像帧中的障碍物之间的相似度。具体的，执行主体可以提取各障碍物的特征，根据特征向量之间的距离来计算各障碍物之间的相似度。
步骤2033，响应于所述相似度大于预设的相似度阈值，确定相似的两个障碍物所对应的点云帧与图像帧之间的时间间隔是否小于该时间阈值。
对于得到的每个相似度，执行主体可以判断该相似度是否大于预设的相似度阈值。此处，相似度阈值可以用于表征障碍物之间的相似程度。如果相似度大于该相似度阈值，则说明两个障碍物非常相似。则执行主体可以进一步确定相似的两个障碍物所处的点云帧和图像帧。然后，计算点云帧和图像帧之间的时间间隔，并判断上述时间间隔是否大于该时间阈值。
步骤2034，根据判断结果对识别出的障碍物进行处理，确定障碍物的数量。
执行主体在得到判断结果后，可以根据判断结果对识别出的障碍物进行处理，从而确定障碍物的数量。具体的，如果时间间隔小于时间阈值，则执行主体可以将两个障碍物认定为同一障碍物。如果时间间隔大于或等于时间阈值，则执行主体不将两个障碍物认定为同一障碍物。可以理解的是，如果两个障碍物被认定为同一障碍物，则在统计障碍物的数量时，该两个障碍物被统计为一个障碍物。如果两个障碍物未被认定为同一障碍物，则在统计障碍物的数量时，该两个障碍物被统计为两个障碍物。这样，就可以确定在每个时间阈值下，识别出的障碍物的数量。
在实施例的一些可选的实现方式中，执行主体可以通过图2中未示出的以下方式来确定障碍物的数量：如果时间间隔小于该时间阈值，则将相似的两个障碍物关联为同一障碍物；如果时间间隔不小于该时间阈值，则不将相似的两个障碍物关联为同一障碍物。
在实施例的一些可选的实现方式中，上述方法还可以进一步包括图2中未示出的以下步骤：响应于相似的两个障碍物关联为同一障碍物，根据相似的两个障碍物对应的点云帧和图像帧，将相似的两个障碍物融合。
如果两个障碍物被关联为同一障碍物，则执行主体可以根据相似的两个障碍物对应的点云帧和图像帧，将相似的两个障碍物融合。这样，能够得到更准确的障碍物信息，以用于指导自动驾驶车辆的行驶。
步骤204，根据得到的多个数量，确定以及输出目标时间阈值。
本实施例中，随着时间阈值的增大，相似的障碍物被关联的可能性越大，则得到的障碍物的数量就越少。相应的，如果时间阈值越小，则相似的障碍物被关联的可能性越小，则得到的障碍物的数量就越多。则执行主体可以根据得到的各数量，确定障碍物数量的变化率，并根据变化率确定出目标时间阈值。
继续参见图3，图3是根据本实施例的用于输出信息的方法的一个应用场景的示意图。在图3的应用场景中，自动驾驶车辆301在行驶过程中通过其安装的激光雷达传感器采集点云数据，通过其安装的相机采集图像数据。并将点云数据和图像数据发送给服务器302。服务器302针对点云数据和图像数据进行步骤201～204的处理，确定出目标时间阈值，并将目标时间阈值发送给自动驾驶车辆301。自动驾驶车辆301可以根据上述目标时间阈值在行驶过程中进行障碍物的融合。
本申请的上述实施例提供的用于输出信息的方法，首先可以获取车辆在行驶过程中采集的障碍物数据，上述障碍物数据可以包括点云数据和图像数据。然后，可以根据预先设置的时间阈值取值范围，确定出多个时间阈值。对于每个时间阈值，可以执行处理步骤：分别识别点云数据中各点云帧和图像数据中各图像帧中包括的障碍物。然后，确定各点云帧中障碍物与各图像帧中障碍物之间的相似度。如果相似度大于预设的相似度阈值，确定相似的两个障碍物所在的点云帧和图像帧之间的时间间隔是否小于该时间阈值。并根据判断结果对识别出的障碍物进行处理，确定障碍物的数量。最后，根据得到的多个数量，确定以及输出目标时间阈值。本实施例的方法，可以根据障碍物的数量，确定对障碍物数据处理过程中的时间阈值，从而不需要人工调节，实现了时间阈值的自动调节。
继续参见图4，其示出了根据本申请的用于输出信息的方法中确定目标时间阈值的一个实施例的流程400。如图4所示，本实施例的用于输出信息的方法，可以通过以下步骤来确定目标时间阈值。
步骤401，根据多个数量以及每个数量对应的时间阈值，确定数量-时间阈值的曲线。
本实施例中，执行主体可以根据得到的多个数量以及每个数量对应的时间阈值，将时间阈值作为X轴，将障碍物的数量作为Y轴，得到数量-时间阈值的曲线。
步骤402，确定曲线在各时间阈值处的斜率。
然后，执行主体可以根据曲线的方程，确定曲线在每个时间阈值处的斜率。此处的斜率可以表示障碍物数量的变化率。执行主体可以根据得到的各斜率，确定出目标时间阈值。例如，执行主体可以将斜率绝对值最大的时间阈值作为目标时间阈值。或者，执行主体可以计算各斜率的均值，然后将上述均值对应的时间阈值作为目标时间阈值。可以理解的是，目标时间阈值是根据曲线确定出来的，其可以与预先设置的时间阈值相同，也可以不同。
步骤403，确定各斜率的绝对值中的最大值。
本实施例中，执行主体可以确定各斜率的绝对值中的最大值。可以理解的是，当时间阈值越小，即障碍物的数量越多时，则误检的可能性越大，误检率越高。当时间阈值越大，即障碍物的数量越少时，则漏检的可能性大，漏检率越高。此处，该最大值对应的点即为障碍物数量减少最快的点，也是误检率曲线与漏检率曲线的交点。
步骤404，将最大值对应的时间阈值作为目标时间阈值。
执行主体可以将最大值对应的时间阈值作为目标时间阈值。
本申请的上述实施例提供的用于输出信息的方法，可以自动确定出合适的时间阈值，减少了障碍物数据处理过程中的工作量。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于输出信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的用于输出信息的装置500包括：数据获取单元501、阈值确定单元502、数据处理单元503以及目标确定单元504。
数据获取单元501，被配置成获取车辆在行驶过程中采集的障碍物数据。上述障碍物数据包括点云数据和图像数据。
阈值确定单元502，被配置成根据预先设置的时间阈值取值范围，确定出多个时间阈值。
数据处理单元503，被配置成对于每个时间阈值，执行以下处理步骤：分别识别点云数据中各点云帧和图像数据中各图像帧中包括的障碍物；确定各点云帧中障碍物与各图像帧中障碍物之间的相似度；响应于相似度大于预设的相似度阈值，确定相似的两个障碍物所对应的点云帧与图像帧之间的时间间隔是否小于该时间阈值；根据判断结果对识别出的障碍物进行处理，确定障碍物的数量。
目标确定单元，被配置成根据得到的多个数量，确定以及输出目标时间阈值。
在本实施例的一些可选的实现方式中，阈值确定单元502可以进一步被配置成：以预设的时间间隔，在时间阈值取值范围中选取多个点，作为多个时间阈值。
在本实施例的一些可选的实现方式中，数据处理单元503可以进一步被配置成：如果时间间隔小于该时间阈值，则将相似的两个障碍物关联为同一障碍物；如果时间间隔不小于该时间阈值，则不将相似的两个障碍物关联为同一障碍物。
在本实施例的一些可选的实现方式中，上述装置500还可以进一步包括图5中未示出的数据融合单元，被配置成响应于相似的两个障碍物关联为同一障碍物，根据相似的两个障碍物对应的点云帧和图像帧，将相似的两个障碍物融合。
在本实施例的一些可选的实现方式中，目标确定单元504可以进一步被配置成：根据多个数量以及每个数量对应的时间阈值，确定数量-时间阈值的曲线；确定曲线在各时间阈值处的斜率，以及根据各斜率，确定出目标时间阈值。
在本实施例的一些可选的实现方式中，目标确定单元504可以进一步被配置成：确定各斜率的绝对值中的最大值；将最大值对应的时间阈值作为目标时间阈值。
应当理解，用于输出信息的装置500中记载的单元501至单元504分别与参考图2中描述的方法中的各个步骤相对应。由此，上文针对用于输出信息的方法描述的操作和特征同样适用于装置500及其中包含的单元，在此不再赘述。
下面参考图6，其示出了适于用来实现本公开的实施例的电子设备600的结构示意图。图6示出的电子设备仅仅是一个示例，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6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：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606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，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6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。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所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。
上述计算机可读介质可以是上述电子设备中所包含的；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：获取车辆在行驶过程中采集的障碍物数据，障碍物数据包括点云数据和图像数据；根据预先设置的时间阈值取值范围，确定出多个时间阈值；对于每个时间阈值，执行以下处理步骤：分别识别点云数据中各点云帧和图像数据中各图像帧中包括的障碍物；确定各点云帧中障碍物与各图像帧中障碍物之间的相似度；响应于相似度大于预设的相似度阈值，确定相似的两个障碍物所在的点云帧与图像帧之间的时间间隔是否小于该时间阈值；根据判断结果对识别出的障碍物进行处理，确定障碍物的数量；根据得到的多个数量，确定以及输出目标时间阈值。
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实施例的操作的计算机程序代码，所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。
描述于本公开的实施例中所涉及到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：一种处理器包括数据获取单元、阈值确定单元、数据处理单元和目标确定单元。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，数据获取单元还可以被描述为“获取车辆在行驶过程中采集的障碍物数据的单元”。
以上描述仅为本公开的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 (14)

1.一种用于输出信息的方法，包括：
获取车辆在行驶过程中采集的障碍物数据，所述障碍物数据包括点云数据和图像数据；
根据预先设置的时间阈值取值范围，确定出多个时间阈值；
对于每个时间阈值，执行以下处理步骤：分别识别所述点云数据中各点云帧和所述图像数据中各图像帧中包括的障碍物；确定各点云帧中障碍物与各图像帧中障碍物之间的相似度；响应于所述相似度大于预设的相似度阈值，确定相似的两个障碍物所对应的点云帧与图像帧之间的时间间隔是否小于该时间阈值；根据判断结果对识别出的障碍物进行处理，确定障碍物的数量；
根据得到的多个数量，确定以及输出目标时间阈值。
2.根据权利要求1所述的方法，其中，所述根据预先设置的时间阈值取值范围，确定出多个时间阈值，包括：
以预设的时间间隔，在所述时间阈值取值范围中选取多个点，作为多个时间阈值。
3.根据权利要求1所述的方法，其中，所述根据判断结果对识别出的障碍物进行处理，确定障碍物的数量，包括：
如果所述时间间隔小于该时间阈值，则将相似的两个障碍物关联为同一障碍物；
如果所述时间间隔不小于该时间阈值，则不将相似的两个障碍物关联为同一障碍物。
4.根据权利要求3所述的方法，其中，所述方法还包括：
响应于相似的两个障碍物关联为同一障碍物，根据相似的两个障碍物对应的点云帧和图像帧，将相似的两个障碍物融合。
5.根据权利要求1所述的方法，其中，所述根据得到的多个数量，确定以及输出目标时间阈值，包括：
根据多个数量以及每个数量对应的时间阈值，确定数量-时间阈值的曲线；
确定所述曲线在各时间阈值处的斜率，以及根据各斜率，确定出目标时间阈值。
6.根据权利要求5所述的方法，其中，所述根据各斜率，确定出目标时间阈值，包括：
确定各斜率的绝对值中的最大值；
将所述最大值对应的时间阈值作为目标时间阈值。
7.一种用于输出信息的装置，包括：
数据获取单元，被配置成获取车辆在行驶过程中采集的障碍物数据，所述障碍物数据包括点云数据和图像数据；
阈值确定单元，被配置成根据预先设置的时间阈值取值范围，确定出多个时间阈值；
数据处理单元，被配置成对于每个时间阈值，执行以下处理步骤：分别识别所述点云数据中各点云帧和所述图像数据中各图像帧中包括的障碍物；确定各点云帧中障碍物与各图像帧中障碍物之间的相似度；响应于所述相似度大于预设的相似度阈值，确定相似的两个障碍物所在的点云帧与图像帧之间的时间间隔是否小于该时间阈值；根据判断结果对识别出的障碍物进行处理，确定障碍物的数量；
目标确定单元，被配置成根据得到的多个数量，确定以及输出目标时间阈值。
8.根据权利要求7所述的装置，其中，所述阈值确定单元进一步被配置成：
以预设的时间间隔，在所述时间阈值取值范围中选取多个点，作为多个时间阈值。
9.根据权利要求7所述的装置，其中，所述数据处理单元进一步被配置成：
如果所述时间间隔小于该时间阈值，则将相似的两个障碍物关联为同一障碍物；
如果所述时间间隔不小于该时间阈值，则不将相似的两个障碍物关联为同一障碍物。
10.根据权利要求7所述的装置，其中，所述装置还包括：
数据融合单元，被配置成响应于相似的两个障碍物关联为同一障碍物，根据相似的两个障碍物对应的点云帧和图像帧，将相似的两个障碍物融合。
11.根据权利要求7所述的装置，其中，所述目标确定单元进一步被配置成：
根据多个数量以及每个数量对应的时间阈值，确定数量-时间阈值的曲线；
确定所述曲线在各时间阈值处的斜率，以及根据各斜率，确定出目标时间阈值。
12.根据权利要求11所述的装置，其中，所述目标确定单元进一步被配置成：
确定各斜率的绝对值中的最大值；
将所述最大值对应的时间阈值作为目标时间阈值。
13.一种电子设备，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1-6中任一所述的方法。
14.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
CN201910906113.0A 2019-09-24 2019-09-24 用于输出信息的方法和装置 Active CN112630799B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201910906113.0A CN112630799B (zh) 2019-09-24 2019-09-24 用于输出信息的方法和装置
JP2020034868A JP7201887B2 (ja) 2019-09-24 2020-03-02 情報を出力するための方法及び装置
EP20165120.5A EP3798902A1 (en) 2019-09-24 2020-03-24 Method and apparatus for outputting information
US16/912,352 US11328518B2 (en) 2019-09-24 2020-06-25 Method and apparatus for outputting information

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910906113.0A CN112630799B (zh) 2019-09-24 2019-09-24 用于输出信息的方法和装置

Publications (2)

Publication Number Publication Date
CN112630799A true CN112630799A (zh) 2021-04-09
CN112630799B CN112630799B (zh) 2022-11-29

Family

ID=69960342

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910906113.0A Active CN112630799B (zh) 2019-09-24 2019-09-24 用于输出信息的方法和装置

Country Status (4)

Country Link
US (1) US11328518B2 (zh)
EP (1) EP3798902A1 (zh)
JP (1) JP7201887B2 (zh)
CN (1) CN112630799B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113060131A (zh) * 2021-04-16 2021-07-02 中国第一汽车股份有限公司 一种障碍物地图生成方法、装置、车辆及存储介质
CN113744565A (zh) * 2021-09-06 2021-12-03 北京百度网讯科技有限公司 一种碰撞预警方法、装置、电子设备及自动驾驶车辆
CN115546293A (zh) * 2022-12-02 2022-12-30 广汽埃安新能源汽车股份有限公司 障碍物信息融合方法、装置、电子设备和计算机可读介质

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113642616B (zh) * 2021-07-27 2023-10-31 北京三快在线科技有限公司 一种基于环境数据的训练样本的生成方法及装置
CN114923523A (zh) * 2022-05-27 2022-08-19 中国第一汽车股份有限公司 感知数据的采集方法、装置、存储介质及电子装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030065409A1 (en) * 2001-09-28 2003-04-03 Raeth Peter G. Adaptively detecting an event of interest
US8849494B1 (en) * 2013-03-15 2014-09-30 Google Inc. Data selection by an autonomous vehicle for trajectory modification
US20170369051A1 (en) * 2016-06-28 2017-12-28 Toyota Motor Engineering & Manufacturing North America, Inc. Occluded obstacle classification for vehicles
CN109509210A (zh) * 2017-09-15 2019-03-22 百度在线网络技术（北京）有限公司 障碍物跟踪方法和装置
CN109633688A (zh) * 2018-12-14 2019-04-16 北京百度网讯科技有限公司 一种激光雷达障碍物识别方法和装置
US20190138934A1 (en) * 2018-09-07 2019-05-09 Saurav Prakash Technologies for distributing gradient descent computation in a heterogeneous multi-access edge computing (mec) networks
EP3517997A1 (en) * 2018-01-30 2019-07-31 Wipro Limited Method and system for detecting obstacles by autonomous vehicles in real-time

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3357749B2 (ja) * 1994-07-12 2002-12-16 本田技研工業株式会社 車両の走行路画像処理装置
US8050863B2 (en) * 2006-03-16 2011-11-01 Gray & Company, Inc. Navigation and control system for autonomous vehicles
US20110190972A1 (en) * 2010-02-02 2011-08-04 Gm Global Technology Operations, Inc. Grid unlock
US8781721B2 (en) * 2012-06-06 2014-07-15 Google Inc. Obstacle evaluation technique
CN107945198B (zh) * 2016-10-13 2021-02-23 北京百度网讯科技有限公司 用于标注点云数据的方法和装置
CN106707293B (zh) * 2016-12-01 2019-10-29 百度在线网络技术（北京）有限公司 用于车辆的障碍物识别方法和装置
CN106548630B (zh) * 2017-01-11 2019-09-06 青岛海信移动通信技术股份有限公司 一种驾驶行为的检测方法及装置
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
CN109145680B (zh) * 2017-06-16 2022-05-27 阿波罗智能技术(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
CN109214248B (zh) * 2017-07-04 2022-04-29 阿波罗智能技术(北京)有限公司 用于识别无人驾驶车辆的激光点云数据的方法和装置
CN109285188B (zh) * 2017-07-21 2020-04-21 百度在线网络技术（北京）有限公司 用于生成目标物体的位置信息的方法和装置
CN109492507B (zh) * 2017-09-12 2022-09-23 阿波罗智能技术(北京)有限公司 红绿灯状态的识别方法及装置、计算机设备及可读介质
JP7018277B2 (ja) * 2017-09-14 2022-02-10 株式会社デンソー 物体検出装置、物体検出方法及び車両制御システム
JP7045155B2 (ja) * 2017-09-14 2022-03-31 株式会社デンソー 物標認識装置、物標認識方法及び車両制御システム
US20190145765A1 (en) * 2017-11-15 2019-05-16 Uber Technologies, Inc. Three Dimensional Object Detection
CN109840448A (zh) * 2017-11-24 2019-06-04 百度在线网络技术（北京）有限公司 用于无人驾驶车辆的信息输出方法和装置
CN109738904A (zh) * 2018-12-11 2019-05-10 北京百度网讯科技有限公司 一种障碍物检测的方法、装置、设备和计算机存储介质
CN111380526B (zh) * 2018-12-27 2022-04-05 北京航迹科技有限公司 一种路径确定的系统和方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030065409A1 (en) * 2001-09-28 2003-04-03 Raeth Peter G. Adaptively detecting an event of interest
US8849494B1 (en) * 2013-03-15 2014-09-30 Google Inc. Data selection by an autonomous vehicle for trajectory modification
US20170369051A1 (en) * 2016-06-28 2017-12-28 Toyota Motor Engineering & Manufacturing North America, Inc. Occluded obstacle classification for vehicles
CN109509210A (zh) * 2017-09-15 2019-03-22 百度在线网络技术（北京）有限公司 障碍物跟踪方法和装置
EP3517997A1 (en) * 2018-01-30 2019-07-31 Wipro Limited Method and system for detecting obstacles by autonomous vehicles in real-time
US20190138934A1 (en) * 2018-09-07 2019-05-09 Saurav Prakash Technologies for distributing gradient descent computation in a heterogeneous multi-access edge computing (mec) networks
CN109633688A (zh) * 2018-12-14 2019-04-16 北京百度网讯科技有限公司 一种激光雷达障碍物识别方法和装置

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113060131A (zh) * 2021-04-16 2021-07-02 中国第一汽车股份有限公司 一种障碍物地图生成方法、装置、车辆及存储介质
CN113744565A (zh) * 2021-09-06 2021-12-03 北京百度网讯科技有限公司 一种碰撞预警方法、装置、电子设备及自动驾驶车辆
CN113744565B (zh) * 2021-09-06 2023-03-10 北京百度网讯科技有限公司 一种碰撞预警方法、装置、电子设备及自动驾驶车辆
CN115546293A (zh) * 2022-12-02 2022-12-30 广汽埃安新能源汽车股份有限公司 障碍物信息融合方法、装置、电子设备和计算机可读介质
CN115546293B (zh) * 2022-12-02 2023-03-07 广汽埃安新能源汽车股份有限公司 障碍物信息融合方法、装置、电子设备和计算机可读介质

Also Published As

Publication number Publication date
JP2021051716A (ja) 2021-04-01
EP3798902A1 (en) 2021-03-31
JP7201887B2 (ja) 2023-01-11
CN112630799B (zh) 2022-11-29
US11328518B2 (en) 2022-05-10
US20210089792A1 (en) 2021-03-25

Similar Documents

Publication Publication Date Title
CN112630799B (zh) 用于输出信息的方法和装置
CN110687549B (zh) 障碍物检测方法和装置
CN109212530B (zh) 用于确定障碍物速度的方法和装置
CN110654381B (zh) 用于控制车辆的方法和装置
CN110689804B (zh) 用于输出信息的方法和装置
CN109871385B (zh) 用于处理数据的方法和装置
CN110696826B (zh) 用于控制车辆的方法和装置
CN110654380B (zh) 用于控制车辆的方法和装置
CN112622923B (zh) 用于控制车辆的方法和装置
CN115339453B (zh) 车辆换道决策信息生成方法、装置、设备和计算机介质
CN111766891A (zh) 用于控制无人机飞行的方法和装置
EP3796036B1 (en) Method and apparatus for processing information
CN111192327B (zh) 用于确定障碍物朝向的方法和装置
CN109827610B (zh) 用于校验传感器融合结果的方法和装置
CN112558036A (zh) 用于输出信息的方法和装置
CN112634487B (zh) 用于输出信息的方法和装置
CN106959918B (zh) 用于评测机器人操作系统中的操作的方法和装置
CN115565374A (zh) 物流车驾驶优化方法、装置、电子设备及可读存储介质
CN112668371B (zh) 用于输出信息的方法和装置
CN112560548B (zh) 用于输出信息的方法和装置
CN112526477A (zh) 用于处理信息的方法和装置
CN110362086B (zh) 用于控制自动驾驶车辆的方法和装置
CN113469159B (zh) 障碍物信息生成方法、装置、电子设备和计算机可读介质
CN115900638B (zh) 障碍物航向角信息生成方法、装置、电子设备和可读介质
CN115848358B (zh) 车辆泊车方法、装置、电子设备和计算机可读介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211013

Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085

Applicant after: Apollo Intelligent Technology (Beijing) Co.,Ltd.

Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085

Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant