CN112639524A - 一种目标检测方法及装置 - Google Patents

一种目标检测方法及装置 Download PDF

Info

Publication number
CN112639524A
CN112639524A CN202080004686.5A CN202080004686A CN112639524A CN 112639524 A CN112639524 A CN 112639524A CN 202080004686 A CN202080004686 A CN 202080004686A CN 112639524 A CN112639524 A CN 112639524A
Authority
CN
China
Prior art keywords
target
data
sensor
data subset
road
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
CN202080004686.5A
Other languages
English (en)
Other versions
CN112639524B (zh
Inventor
王建国
陈默
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.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies 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 Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Publication of CN112639524A publication Critical patent/CN112639524A/zh
Application granted granted Critical
Publication of CN112639524B publication Critical patent/CN112639524B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/862—Combination of radar systems with sonar systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/42—Simultaneous measurement of distance and other co-ordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/589—Velocity or trajectory determination systems; Sense-of-movement determination systems measuring the velocity vector
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
    • G01S15/06—Systems determining the position data of a target
    • G01S15/42—Simultaneous measurement of distance and other co-ordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
    • G01S15/50—Systems of measurement, based on relative movement of the target
    • G01S15/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S15/588—Velocity or trajectory determination systems; Sense-of-movement determination systems measuring the velocity vector
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/86—Combinations of sonar systems with lidar systems; Combinations of sonar systems with systems not using wave reflection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
    • G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/50—Systems of measurement based on relative movement of target
    • G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/523—Details of pulse systems
    • G01S7/526—Receivers
    • G01S7/53—Means for transforming coordinates or for evaluating data, e.g. using computers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种目标检测方法及装置，应用于自动驾驶或智能交通领域，可以提高障碍物检测的准确性和可靠性。本方案通过基于目标的数据子集中包括的目标相对于传感器的距离、方位角和径向速度信息的至少一个数据，得到目标相对于传感器的高度信息或俯仰角信息，以防止由于不考虑目标的高度信息或者俯仰角信息，直接将目标作为障碍物导致的虚警，从而有效减少由于虚警导致的不必要的紧急刹车、追尾或者碰撞等安全性或舒适性等问题。

Description

一种目标检测方法及装置
技术领域
本申请实施例涉及信息处理技术领域，尤其涉及一种目标检测方法及装置。
背景技术
在先进驾驶辅助系统(advanced driver assistant system，ADAS)或者自动驾驶(autonomous driving，AD)系统中通常配置多种传感器，例如雷达、声纳、超声波传感器、视觉传感器(如摄像头)等，用于感知周边环境及目标信息。通过感知周围环境及目标，可以完成目标识别，从而有效规避障碍物，增加自动驾驶的舒适性和安全性。其中，上述目标如车辆、行人、护栏、路沿、灯杆、树木、限高杆、龙门架、收费栏杆、车辆通行杆/拦车杆、立交桥涵洞和建筑物等。
例如限高杆、龙门架、收费栏杆、车辆通行杆/拦车杆或立交桥涵洞等静止悬空物在高度满足一定条件时，例如高于车辆高度时，并不会影响车辆的正常行驶。但是，常规的传感器或者感知系统，在识别限高杆、龙门架、收费栏杆、车辆通行杆/拦车杆、立交桥涵洞等悬空物时，如果无法识别目标的高度，则通常会直接将悬空物作为障碍物，引发虚警(Flase Alarm)，从而导致不必要的刹车操作或追尾等安全事故。因此，如何有效利用传感器数据，检测上述障碍物特别是悬空物是目前亟待解决的问题。
发明内容
本申请提供一种目标检测方法及装置，可以提高障碍物检测的准确性和可靠性。
为达到上述目的，本申请实施例采用如下技术方案：
第一方面，提供一种目标检测方法，该方法包括：确定第一目标的数据子集，该第一目标的数据子集包括包括有第一目标相对于传感器的距离、方位角和径向速度信息的至少一个数据；根据第一目标的数据子集得到第一目标相对于传感器的高度信息或者俯仰角信息。
上述第一方面提供的技术方案，通过基于目标的数据子集中包括的目标相对于传感器的距离、方位角和径向速度信息的至少一个数据，得到目标相对于传感器的高度信息或俯仰角信息，以防止由于不考虑目标的高度信息或者俯仰角信息，直接将目标作为障碍物导致的虚警影响。减少由于虚警导致的不必要的紧急刹车、追尾等安全性或舒适性等问题。
在一种可能的实现方式中，上述第一目标与道路几何相交；其中，道路几何包括道路边界或者车道线。通过对与道路几何相交的目标进行目标检测，可以防止不考虑悬空物等易造成虚警现象的目标的高度信息或俯仰角信息，直接将目标作为障碍物导致的虚警。
在一种可能的实现方式中，上述确定第一目标的数据子集，包括：获取道路几何参数；根据上述道路几何参数，确定第一目标的数据子集；其中，获取道路几何参数，包括：接收道路几何参数；或者，通过聚类，从传感器的数据集合获取道路几何的数据子集；该道路几何的数据子集包括包括有道路几何相对于所述传感器的距离、方位角和径向速度信息的至少一个数据；根据道路几何的数据子集确定道路几何参数。本方案支持从第三方设备获取道路几何参数，或者通过聚类从传感器的数据集合中获取道路几何的数据子集，以得到道路几何参数，然后根据道路几何参数得到与道路几何相交的第一目标的数据子集。
在一种可能的实现方式中，上述根据道路几何参数，确定第一目标的数据子集，包括：通过聚类，从传感器的数据集合获取至少一个聚类的数据子集；根据上述至少一个聚类的数据子集确定至少一个目标的几何参数；根据上述至少一个目标的几何参数以及道路几何参数，确定第一目标的数据子集；其中，第一目标的数据子集为与道路几何相交的目标的数据子集。本方案支持通过聚类，从传感器的数据集合获取至少一个聚类的数据子集，基于道路几何参数从至少一个聚类的数据子集中得到目标的数据子集。
在一种可能的实现方式中，上述目标的几何参数为第一多项式参数；道路几何参数为第二多项式参数；第一多项式参数和第二多项式参数用于确定第一目标和道路几何的几何关系。通过聚类得到目标的几何参数和道路几何参数，以便从一个或多个目标中确定出与道路几何相交的第一目标。
在一种可能的实现方式中，上述根据第一目标的数据子集得到第一目标相对于传感器的高度信息，包括：根据第一目标的数据子集中的N个数据，基于以下关系式得到第一目标相对于传感器的高度h：
Figure BDA0002948395800000021
其中，v是第一目标相对于传感器的三维运动速度矢量；
Figure BDA0002948395800000022
是第一目标的数据子集中第i个数据中的径向速度，ni为与
Figure BDA0002948395800000023
对应的误差或者噪声；Λi是与
Figure BDA0002948395800000024
对应的方向余弦矢量，Λi＝[Λx,iΛy,iΛz,i]，其中，
Figure BDA0002948395800000025
Figure BDA0002948395800000026
Λz,i＝hi/ri；θi为与
Figure BDA0002948395800000027
对应的方位角；hi为与
Figure BDA0002948395800000028
对应的高度，
Figure BDA0002948395800000029
Figure BDA00029483958000000210
为高度误差。通过根据目标的数据子集中包括的目标相对于传感器的距离、方位角和径向速度信息的至少一个数据，得到目标相对于传感器的高度信息，以防止由于不考虑目标的高度信息或者俯仰角信息，直接将目标作为障碍物导致的虚警。减少由于虚警导致的不必要的紧急刹车、追尾等安全性或舒适性等问题。
在一种可能的实现方式中，上述根据第一目标的数据子集得到第一目标相对于传感器的俯仰角信息，包括：根据第一目标的数据子集中的N个数据，基于以下关系式得到第一目标相对于传感器的俯仰角
Figure BDA00029483958000000211
Figure BDA00029483958000000212
其中，v是第一目标相对于传感器的三维运动速度矢量；
Figure BDA00029483958000000213
是第一目标的数据子集中第i个数据中的径向速度，ni为与
Figure BDA00029483958000000214
对应的误差或者噪声；所述Λi是与
Figure BDA00029483958000000215
对应的方向余弦矢量，Λi＝[Λx,i Λy,i Λz,i]，其中，
Figure BDA00029483958000000216
Figure BDA00029483958000000217
θi为与
Figure BDA00029483958000000218
对应的方位角；
Figure BDA00029483958000000219
为与
Figure BDA00029483958000000220
对应的俯仰角，
Figure BDA00029483958000000221
Figure BDA00029483958000000222
为俯仰角误差。通过根据目标的数据子集中包括的目标相对于传感器的距离、方位角和径向速度信息的至少一个数据，得到目标相对于传感器的俯仰角信息，以防止由于不考虑目标的高度信息或者俯仰角信息，直接将目标作为障碍物导致的虚警。减少由于不必要的紧急刹车、追尾等导致的安全性或舒适性等问题。
在一种可能的实现方式中，上述第一目标相对于传感器的高度信息或者俯仰角信息是基于平方误差和SSD准则得到的。通过最小平方误差(least squared error，LSE)或者最小均方误差(minimum mean squared error，MMSE)的准则，可以获取准确度较高的第一目标的高度信息或俯仰角信息。
在一种可能的实现方式中，上述第一目标为静止目标。本方案支持从传感器的数据集合中得到静止目标对应的数据子集，获取其高度信息或俯仰角信息，以防止由于不考虑静止目标的高度信息或者俯仰角信息，直接将静止目标作为障碍物导致的不必要的紧急刹车。
在一种可能的实现方式中，上述确定第一目标的数据子集，包括：从传感器的数据集合中的M个数据中，得到第一目标的数据子集；该第一目标的数据子集满足以下关系：
Figure BDA00029483958000000223
其中，vs是传感器的三维运动速度矢量；
Figure BDA00029483958000000224
是传感器的数据集合中第k个数据中的径向速度，Λk是与
Figure BDA00029483958000000225
对应的方向余弦矢量，
Figure BDA00029483958000000226
为预定义的门限。本方案支持从传感器的数据集合中筛选出静止目标对应的数据子集，获取其高度信息或俯仰角信息，以防止由于不考虑静止目标的高度信息或者俯仰角信息，直接将静止目标作为障碍物导致的虚警。
第二方面，提供一种目标检测装置，该装置包括：信息获取单元，用于确定第一目标的数据子集，该第一目标的数据子集包括包括有第一目标相对于传感器的距离、方位角和径向速度信息的至少一个数据；处理单元，用于根据第一目标的数据子集得到第一目标相对于传感器的高度信息或者俯仰角信息。
上述第二方面提供的技术方案，目标检测装置通过基于目标的数据子集中包括的目标相对于传感器的距离、方位角和径向速度信息的至少一个数据，得到目标相对于传感器的高度信息或俯仰角信息，以防止由于不考虑目标的高度信息或者俯仰角信息，直接将目标作为障碍物导致的虚警。减少由于虚警导致的不必要的紧急刹车、追尾等安全性或舒适性等问题。
在一种可能的实现方式中，上述第一目标与道路几何相交；其中，道路几何包括道路边界或者车道线。通过对与道路几何相交的目标进行目标检测，可以防止不考虑悬空物等易造成虚警现象的目标的高度信息或俯仰角信息，直接将目标作为障碍物导致的不必要的紧急刹车。
在一种可能的实现方式中，上述信息获取单元具体用于，获取道路几何参数；根据上述道路几何参数，确定第一目标的数据子集；其中，获取道路几何参数，包括：接收道路几何参数；或者，通过聚类，从传感器的数据集合获取道路几何的数据子集；该道路几何的数据子集包括包括有道路几何相对于所述传感器的距离、方位角和径向速度信息的至少一个数据；根据道路几何的数据子集确定道路几何参数。本方案支持从第三方设备获取道路几何参数，或者通过聚类从传感器的数据集合中获取道路几何的数据子集，以得到道路几何参数，然后根据道路几何参数得到与道路几何相交的第一目标的数据子集。
在一种可能的实现方式中，上述根据道路几何参数，确定第一目标的数据子集，包括：通过聚类，从传感器的数据集合获取至少一个聚类的数据子集；根据上述至少一个聚类的数据子集确定至少一个目标的几何参数；根据上述至少一个目标的几何参数以及道路几何参数，确定第一目标的数据子集；其中，第一目标的数据子集为与道路几何相交的目标的数据子集。本方案支持通过聚类，从传感器的数据集合获取至少一个聚类的数据子集，基于道路几何参数从至少一个聚类的数据子集中得到目标的数据子集。
在一种可能的实现方式中，上述目标的几何参数为第一多项式参数；道路几何参数为第二多项式参数；第一多项式参数和第二多项式参数用于确定第一目标和道路几何的几何关系。通过聚类得到目标的几何参数和道路几何参数，以便从一个或多个目标中确定出与道路几何相交的第一目标。
在一种可能的实现方式中，上述处理单元具体用于，根据第一目标的数据子集中的N个数据，基于以下关系式得到第一目标相对于传感器的高度h：
Figure BDA0002948395800000031
其中，v是第一目标相对于传感器的三维运动速度矢量；
Figure BDA0002948395800000032
是第一目标的数据子集中第i个数据中的径向速度，ni为与
Figure BDA0002948395800000033
对应的误差或者噪声；Λi是与
Figure BDA0002948395800000034
对应的方向余弦矢量，Λi＝[Λx,i Λy,i Λz,i]，其中，
Figure BDA0002948395800000035
θi为与
Figure BDA0002948395800000036
对应的方位角；hi为与
Figure BDA0002948395800000037
对应的高度，
Figure BDA0002948395800000038
Figure BDA0002948395800000039
为高度误差。通过根据目标的数据子集中包括的目标相对于传感器的距离、方位角和径向速度信息的至少一个数据，得到目标相对于传感器的高度信息，以防止由于不考虑目标的高度信息或者俯仰角信息，直接将目标作为障碍物导致的虚警。减少由于虚警导致的不必要的紧急刹车、追尾等安全性或舒适性等问题。
在一种可能的实现方式中，上述处理单元具体用于，根据第一目标的数据子集中的N个数据，基于以下关系式得到第一目标相对于传感器的俯仰角
Figure BDA0002948395800000041
Figure BDA0002948395800000042
Figure BDA0002948395800000043
其中，v是第一目标相对于传感器的三维运动速度矢量；
Figure BDA0002948395800000044
是第一目标的数据子集中第i个数据中的径向速度，ni为与
Figure BDA0002948395800000045
对应的误差或者噪声；所述Λi是与
Figure BDA0002948395800000046
对应的方向余弦矢量，Λi＝[Λx,i Λy,i Λz,i]，其中，
Figure BDA0002948395800000047
θi为与
Figure BDA0002948395800000048
对应的方位角；
Figure BDA0002948395800000049
为与
Figure BDA00029483958000000410
对应的俯仰角，
Figure BDA00029483958000000411
Figure BDA00029483958000000412
为俯仰角误差。通过根据目标的数据子集中包括的目标相对于传感器的距离、方位角和径向速度信息的至少一个数据，得到目标相对于传感器的俯仰角信息，以防止由于不考虑目标的高度信息或者俯仰角信息，直接将目标作为障碍物导致的虚警。减少由于虚警导致的不必要的紧急刹车、追尾等安全性或舒适性等问题。
在一种可能的实现方式中，上述第一目标相对于传感器的高度信息或者俯仰角信息是基于平方误差和SSD准则得到的。通过LSE或MMSE的准则，可以获取准确度较高的第一目标的高度信息或俯仰角信息。
在一种可能的实现方式中，上述第一目标为静止目标。本方案支持从传感器的数据集合中得到静止目标对应的数据子集，获取其高度信息或俯仰角信息，以防止由于不考虑静止目标的高度信息或者俯仰角信息，直接将静止目标作为障碍物导致的不必要的紧急刹车。
在一种可能的实现方式中，上述确定处理单元具体用于，从传感器的数据集合中的M个数据中，得到第一目标的数据子集；该第一目标的数据子集满足以下关系：
Figure BDA00029483958000000413
Figure BDA00029483958000000414
其中，vs是传感器的三维运动速度矢量；
Figure BDA00029483958000000415
是传感器的数据集合中第k个数据中的径向速度，Λk是与
Figure BDA00029483958000000416
对应的方向余弦矢量，
Figure BDA00029483958000000417
为预定义的门限。本方案支持从传感器的数据集合中筛选出静止目标对应的数据子集，获取其高度信息或俯仰角信息，以防止由于不考虑静止目标的高度信息或者俯仰角信息，直接将静止目标作为障碍物导致的虚警。
第三方面，提供一种目标检测装置，该装置包括：存储器，用于存储计算机程序；收发器，用于接收或发送无线电信号；处理器，用于执行上述计算机程序，以实现第一方面任一种可能的实现方式中的方法。
第四方面，提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序代码，该计算机程序代码被处理器执行时实现如第一方面任一种可能的实现方式中的方法。
第五方面，提供一种芯片系统，该芯片系统包括处理器、存储器，存储器中存储有计算机程序代码；所述计算机程序代码被所述处理器执行时，实现如第一方面任一种可能的实现方式中的方法。该芯片系统可以由芯片构成，也可以包含芯片和其他分立器件。
第六方面，提供一种计算机程序产品，当其在计算机上运行时，使得实现如第一方面任一种可能的实现方式中的方法。
附图说明
图1为本申请实施例提供的两种系统架构示意图；
图2为本申请实施例提供的一种测量数据的示意图；
图3为本申请实施例提供的一种目标检测装置硬件结构示意图；
图4为本申请实施例提供的一种目标检测方法流程示意图；
图5为本申请实施例提供的一种确定第一目标高度信息或俯仰角信息的示意图；
图6为本申请实施例提供的四种目标检测方法的使用场景示例图；
图7为本申请实施例提供的两个目标高度仿真评估示例图；
图8为本申请实施例提供的确定第一目标高度信息或俯仰角信息示意图的侧视图；
图9为本申请实施例提供的一种目标检测装置的结构框图；
图10为本申请实施例提供的另一种目标检测装置的结构框图。
具体实施方式
下面结合附图对本申请具体实施例作进一步的详细描述。
本申请实施例提供一种目标检测方法及装置，能够准确地获取目标，特别是悬空物的高度信息或者俯仰角信息，从而有效减少虚警，提高驾驶的安全性和舒适性。
为了能够更好地理解本申请实施例，下面对本申请实施例可应用的系统架构进行说明。
本申请实施例可应用的系统架构中可以包括目标检测装置或者模块。其中，目标检测装置或者模块部署于传感器平台。其中，传感器平台中集成有传感器。目标检测装置或者模块用于通过传感器平台中的传感器对周围的目标进行测量，得到周围目标的测量数据；以及，根据周围目标的测量数据得到目标的高度信息或者俯仰角信息。
或者，本申请实施例可应用的系统架构中可以包括目标检测装置和传感器平台。其中，传感器平台独立于目标检测装置，传感器平台中配置有传感器。传感器平台用于通过传感器对周围的目标进行测量，得到周围目标的测量数据并传输给目标检测装置或者模块。目标检测装置或者模块用于根据从传感器平台得到的周围目标的测量数据得到目标的高度信息或者俯仰角信息。其中，传感器平台可以通过无线网络或者有线网络等通信方式与目标检测装置或者模块通信。
请参考图1，图1示出了本申请实施例提供的两种系统架构示意图。如图1中的(a)所示，该系统架构10中包括目标检测装置或者模块100。其中，目标检测装置或者模块100集成于传感器平台110。传感器平台110中配置有传感器120。如图1中的(b)所示，该系统架构10中包括目标检测装置或者模块100和传感器平台110。其中，传感器平台110部署于目标检测装置100之外，独立于目标检测装置或者模块100。
其中，图1所示的传感器平台110可以为可移动的设备。例如，传感器平台可以为车载平台，如设置在汽车、摩托车或者自行车等上面。或者，传感器平台可以为舰载平台，如设置在船只、轮船或汽艇等上面。或者，传感器平台可以为机载平台，如设置在无人机、直升机、喷气式飞机或气球等上面。或者，传感器平台可以为星载平台，如设置在卫星等上面。或者，传感器平台可以为智能体设备，如设置在各种应用场景的机器人，如家用机器人，工业场景机器人等上面。
其中，图1所示的传感器120可以是雷达传感器，例如，毫米波雷达或者激光雷达。或者，传感器120可以是声纳或者超声波传感器。或者，传感器120也可以是视觉传感器或者成像传感器，如摄像头、摄像机或者成像雷达(如合成孔径雷达)等。或者，传感器120也可以是具有测量频移能力的测向传感器。其中，测向传感器可以通过测量接收信号相对已知频率的频移得到径向速度信息。关于雷达传感器、声纳、超声波传感器、视觉传感器、成像传感器或者测向传感器的具体介绍，可以参考常规技术中的解释和说明，本申请不做赘述。
需要进一步指出的是，本申请实施例中，传感器的物理构成可以是一个或者多个物理传感器。例如，该一个或者多个物理传感器的中各个物理传感器可以分别测量距离、方位角以及径向速度等信息，也可以是根据该一个或者多个物理传感器测量得到的测量数据得到所述距离、方位角以及径向速度等信息，此处不做限定。
在本申请实施例中，传感器可以对周围的目标(如相对参考系静止的目标或相对参考系运动的目标、障碍物、建筑物等)进行测量，得到周围目标的测量数据。例如，以雷达为例，测量数据可以包括图2所示目标相对于传感器的距离r，目标相对于传感器的方位角θ，以及目标相对于传感器的径向速度(也称“距离率”)
Figure BDA0002948395800000061
和散射截面积中的一种或多种。例如，本发明实施例所述通过在车辆、船舶、飞机、无人机、卫星或者智能体运动的过程中感应周围环境，获取周围环境中的目标相对于传感器或者传感器载体的高度信息或者俯仰角信息，从而有效避免虚警，可有效增加周边环境三维感知的准确性，增加舒适性和安全性。其中，传感器载体可以是上述传感器平台。或者，传感器载体还可以是上述传感器平台的载体。例如，对于车载平台来说，传感器载体可以是汽车、摩托车或者自行车等车辆。对于舰载平台来说，传感器载体可以是船只、轮船或汽艇等。对于机载平台来说，传感器载体可以是无人机、直升机、喷气式飞机或气球等。对于星载平台来说，传感器载体可以是卫星等。具体是场景和实际情况而定，本申请不作限定。
上述方法还可以应用于其他三维(3dimension，3D)环境感知场景中，本申请实施例对于具体的应用场景不作限定。
请参考图3，图3示出了本申请实施例提供的一种目标检测装置的硬件结构示意图。如图3所示，目标检测装置或者模块100可以包括：处理器301、无线装置302、存储器303、显示器304、蓝牙装置305、Wi-Fi装置306、定位装置307、外设接口308、电源装置309等部件。这些部件可通过一根或多根通信总线或信号线进行通信，如控制器局域网络(controllerarea network，CAN)总线(图3中未示出)。本领域技术人员可以理解，图3中示出的硬件结构并不构成对目标检测装置的限定，目标检测装置可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
在一些实施例中，例如对于图1中的(a)所示系统架构中的目标检测装置或者模块100，无线装置302可以包括但不限于上述传感器平台110或传感器120。无线装置302用于对周围的目标进行测量，得到周围目标的测量数据。周围目标的测量数据包括至少一个周围目标的多个点相对于目标检测装置或者模块100(或者更为具体的，相对于传感器平台110)的位置、方位角或径向速度等信息。
例如，无线装置302可以包括雷达。目标检测装置或者模块100可以通过雷达发射雷达波(或者称为雷达探测信号)，并接收雷达信号经过目标反射的反射波，以探测目标的位置或结构等信息。例如，雷达可以是激光雷达或毫米波雷达等。
在另一些实施例中，无线装置302还可以包括射频电路。射频电路可以用于无线信号的接收和发送。例如，对于图1中的(b)所示系统架构中的目标检测装置或者模块100，射频电路可以用于从传感器平台接收周围目标的测量数据。射频电路可以包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。
存储器303用于存储计算机程序或数据等。
处理器301可以通过运行存储器303存储的计算机程序，执行各种功能以及数据处理。例如，根据传感器平台获取的周围目标的测量数据得到至少一个目标相对于目标检测装置或者模块100(或者更为具体的，相对于传感器平台110)的位置、方位角或径向速度等信息。
应理解，上述图3所示目标检测装置或者模块100包括的硬件模块只是示例性地描述，并不对本申请构成限定。
本申请提供的一种目标检测方法可以应用于具有图3结构或者类似结构的目标检测装置中。或者还可以应用于其他结构的目标检测装置中，本申请不限定。
以下进一步对本申请实施例提供的一种目标检测方法进行具体介绍。
请参考图4，图4是本申请实施例提供的一种目标检测方法的流程示意图。该方法的执行主体可以是传感器系统或者融合感知系统或者集成上述系统的规划/控制系统如辅助驾驶或者自动驾驶系统等。或者，该方法的执行主体也可以是软件或者硬件(如与相应传感器通过无线或者有线连接或者集成在一起的目标检测装置)。以下不同的执行步骤可以集中式也可以分布式实现。如图4所示，该目标检测方法包括以下步骤S401和S402：
S401、确定第一目标的数据子集。
该第一目标的数据子集可以包括至少一个数据。其中，所述数据包括第一目标相对于传感器的距离、方位角和径向速度信息。
例如，第一目标的数据子集可以包括N个数据(N为正整数)。每一个数据包括距离、方位角和径向速度信息的组合。
进一步的，在一些实施例中，第一目标的数据子集可以包括第一目标上的多个点相对于传感器的距离、方位角和径向速度信息。例如，第一目标的数据子集可以包括N个数据(N为正整数)。每一个数据包括第一目标上的一个点相对于传感器的距离、方位角和径向速度信息。
S402、根据第一目标的数据子集得到第一目标相对于传感器的高度信息或者俯仰角信息。
可以理解，在本申请中，得到了第一目标的数据子集，便可以根据第一目标的数据子集中的至少一个数据中的第一目标相对于传感器的距离、方位角和径向速度信息得到第一目标相对于传感器的高度信息或者俯仰角信息。
具体的，可以根据第一目标的数据子集中的至少一个数据，基于所述至少一个数据的目标相对于传感器的距离、方位角、径向速度信息与第一目标的速度矢量的关系，得到第一目标相对于传感器的高度信息或者俯仰角信息。
其中，第一目标的速度矢量可以根据外部输入得到。或者，第一目标的速度矢量可以根据传感器的数据集合得到。例如，根据传感器的自运动(ego-motion)估计得到，如第一目标的速度矢量为传感器自运动速度矢量的相反数。又如，根据传感器的数据集合利用随机一致性(random sample consensus，RANSAC)等方法得到。或者，第一目标的速度矢量可以根据第一目标的数据子集与第一目标相对于传感器的高度信息或者俯仰角信息联合估计得到。
如图5所示，图5示出了确定第一目标高度或俯仰角的示意图。如图5所示，i点为第一目标的数据子集中第i个数据对应的第一目标上的第i个点的位置。第一目标上的第i个点相对于传感器的距离为图5所示的ri。第一目标上的第i个点相对于传感器的方位角为图5所示的θi。第一目标上的第i个点相对于传感器的径向速度(也称“距离率”)为图5所示的
Figure BDA0002948395800000071
其中，径向速度
Figure BDA0002948395800000072
为第i个点的速度矢量v在第i个点的径向的投影分量。第一目标的数据子集中的数据中包含的径向速度数据，可以为第一目标的速度矢量v在第i个点的径向投影分量的测量值或者估计值。因此，根据第i个点的速度矢量在第i个点的投影分量(即
Figure BDA0002948395800000073
)，结合第一目标的速度矢量以及第i个点投影方向的方向余弦(为俯仰角或者高度的函数)的关系，可以得到目标的高度或者俯仰角信息。
本申请提供的目标检测方法基于获取的第一目标的数据子集得到第一目标相对于传感器的高度信息或俯仰角信息。更为具体的，基于第一目标的数据子集中包括的第一目标相对于传感器的距离、方位角和径向速度信息的至少一个数据，例如，第一目标上的多个点相对于传感器的距离、方位角和径向速度信息的至少一个数据，得到第一目标相对于传感器的高度信息或俯仰角信息。以防止由于不考虑目标的高度信息或者俯仰角信息，直接将目标作为障碍物导致的虚警，提高驾驶的安全性和舒适性。
本申请实施例提供的一种目标检测方法可以用于检测道路上的运动障碍物(如车辆或行人等)、静止障碍物(如护栏、路沿、灯杆、树木或建筑物等)或悬空物等。其中，悬空物可以是静止悬空物或者相对于传感器平台或传感器载体的悬空物等。
请参考图6，图6示出了本申请实施例提供的目标检测方法的四种使用场景示例图。其中，图6示出了四种目标检测方法适用的静止悬空物场景。图6中的(a)为立交桥涵洞场景，其中，立交桥涵洞为静止悬空物。图6中的(b)为龙门架场景，其中，龙门架为静止悬空物。图6中的(c)为限高杆场景，其中，限高杆为静止悬空物。图6中的(d)为车辆通行杆(也称拦车杆)场景，其中，车辆通行杆(也称拦车杆)为静止悬空物。
其中，本申请实施例中，第一目标可以与道路几何相交。
其中，道路几何包括道路边界或者车道线等。例如，道路边界可以包括但不限于护栏、路缘石、道沿或道路绿化带等。车道线可以包括但不限于双黄线、单黄线、白色实线、白色虚线、虚实线或导流线等。
在本申请中，与道路几何相交可以是指与道路几何接触式相交，或者与道路几何的延长线相交，或者与道路几何所在的曲线或者平面空间垂直或近似垂直等。例如，图6中的(a)所示的立交桥涵洞、图6中的(b)所示的龙门架、图6中的(c)所示的限高杆和图6中的(d)所示的车辆通行杆(也称拦车杆)与道路几何所在的曲线或者平面空间垂直，均可以作为第一目标。可以理解，上述与道路几何所在的曲线或者平面空间垂直的目标在ADAS或AD等系统应用于3D环境感知场景中，均可以理解为潜在的障碍物。具体的，若上述目标的高度小于或等于传感器平台或者传感器载体，则会影响传感器载体的通行，为实际障碍物。若上述目标的高度高于传感器平台或者传感器载体，则不是传感器载体的障碍物。因此，上述与道路几何所在的曲线或者平面空间垂直的目标均可以作为本申请实施例中所述的第一目标。用于采用本申请实施例提供的目标检测方法进一步判断定该目标是否为实际障碍物。
具体的，可以根据第一目标的几何参数或者第一目标的数据子集与道路几何的几何参数判断第一目标是否与道路几何相交。例如，若用于表示第一目标的几何曲线与道路几何的几何曲线相交，曲线的交点的夹角大于预定义的夹角门限，则可以确定第一目标与道路几何相交。例如预定义的夹角门限为45°、60°、75°或80°等，具体可以根据具体场景设置。
或者，可以根据第一目标的数据子集与道路几何的位置关系判断第一目标是否与道路几何相交。例如，若第一目标的数据子集位于两个道路边界或者道路边界与车道线之间等，或者进一步的，第一目标的数据子集在道路几何法线方向的投影长度之和远大于在道路几何切线方向的投影长度之和等，则可以确定第一目标与道路几何相交。
在一种可能的实现方式中，上述步骤S401(即确定第一目标的数据子集)可以包括：获取道路几何参数；根据道路几何参数，确定第一目标的数据子集。
其中，道路几何参数至少用于表征道路或者道路特征的几何位置、几何结构等信息。示例性的，道路几何参数可以用一次多项式(例如直线)或者二次多项式(例如抛物线)或者三次多项式参数(如回旋螺线(clothoid)参数)等表示。
例如，上述根据道路几何参数，确定第一目标的数据子集，具体可以包括：通过聚类，从传感器的数据集合获取至少一个聚类的数据子集。根据获取的至少一个聚类的数据子集确定至少一个目标的几何参数。根据至少一个目标的几何参数以及道路几何参数，确定第一目标的数据子集。其中，第一目标的数据子集为至少一个目标的几何参数与道路几何相交的目标对应的数据子集。
其中，传感器的数据集合包括传感器测量得到的M个数据(M为正整数)。其中，每一个数据包括距离、方位角和径向速度信息的组合。
目标的几何参数至少用于表征目标的几何位置、几何结构等信息。示例性的，目标的几何参数可以用多项式参数(如第一多项式参数)来表示，例如一次多项式(例如直线)或者二次多项式(例如抛物线)或者三次多项式参数(如回旋螺线(clothoid)参数)等表示。例如，目标的几何参数可以用三次多项式参数或者一次多项式如直线参数表示。其中，第一多项式参数和第二多项式参数用于确定第一目标和道路几何的几何关系。根据确定的至少一个目标的几何参数以及道路几何参数，确定第一目标的数据子集。其中，第一目标的数据子集为与道路几何相交的第一目标的数据子集。
具体的，目标的几何参数或者道路几何的几何参数，可以根据目标的数据子集，对所采用的多项式参数进行参数估计或者拟合得到。例如，基于最小二乘(least square)方法或者MMSE方法得到。又如，基于数据集中的数据，利用霍夫变换(hough transformation)或者RANSAC算法得到。其中，霍夫变换可以将目标对应的数据点变换到参数空间，来实现直线与曲线的拟合。RANSC算法的基本思路是剔除数据集中可能的异常样本，保留有效样本数据，得到与多项式模型一致的参数。
需要说明的是，本申请支持采用分布式或集中式的手段确定第一目标的数据子集。
例如，对于图1中的(a)所示的系统架构，可以采用集成式的手段确定第一目标的数据子集。具体的，可以由目标检测装置或者模块100通过传感器平台中的传感器对周围的目标进行测量，得到周围目标的测量数据(即传感器的数据集合)；以及，根据传感器的数据集合得到道路几何参数，进而根据道路几何参数，确定第一目标的数据子集。在这种情况下，上述获取道路几何参数具体可以包括：通过聚类，从传感器的数据集合获取道路几何的数据子集。根据获取的道路几何的数据子集确定道路几何参数。其中，道路几何的数据子集包括至少一个数据，所述数据包括道路几何相对于传感器的距离、方位角和径向速度信息。例如，道路几何的数据子集包括包括道路上的多个点相对于传感器的距离、方位角和径向速度信息。
对于图1中的(b)所示的系统架构，可以采用分布式的手段确定第一目标的数据子集。具体的，可以由传感器平台110根据传感器的数据集合得到道路几何参数；由目标检测装置或者模块100根据道路几何参数，确定第一目标的数据子集。在这种情况下，上述获取道路几何参数具体可以包括：从传感器平台110接收道路几何参数。
或者，可以由传感器平台110根据传感器的数据集合得到道路几何参数和至少一个聚类的数据子集；由目标检测装置或者模块100根据道路几何参数和至少一个聚类的数据子集，确定第一目标的数据子集。或者，可以由传感器平台110根据传感器的数据集合得到道路几何参数和至少一个聚类的数据子集，根据至少一个聚类的数据子集确定至少一个目标的几何参数；由目标检测装置或者模块100根据道路几何参数和至少一个目标的几何参数确定第一目标的数据子集。本申请不限定分布式手段中不同装置的分工。
在本申请中，聚类的目的在于从传感器的数据集合中，确定出不同类别的目标对应的数据子集。例如，从传感器的数据集合中，确定出道路几何的数据子集和第一目标的数据子集。
例如，上述聚类算法可以是基于密度的聚类方法，例如具有噪声的基于密度的聚类方法(density-based spatial clustering of applications with noise，DBSCAN)或者其扩展，例如分级DBSCAN(hierarchical DBSCAN，HDBSCAN)。又如排序点识别聚类结构(ordering points to identify the clustering structure，OPTICS)。可以理解，通过DBSCAN、HDBSCAN或OPTICs等聚类方法，可以从传感器的数据集合中分离出不同的目标或者不同目标的数据子集。例如，道路几何和与道路几何相交的物体(即本申请中目标检测装置或者模块100的第一目标)的数据子集。因此，也便可以将从传感器的数据集合中，确定出不同类别对应的数据子集。例如道路几何的数据子集和第一目标的数据子集。关于DBSCAN、HDBSCAN或者OPTICS等聚类方法的具体介绍，可以参考常规技术中的解释和说明，这里不做赘述。
上述步骤S402中，根据第一目标的数据子集得到第一目标相对于传感器的高度信息，具体可以包括：
根据第一目标的数据子集中的N个数据，基于以下关系式得到第一目标相对于传感器的高度h：
Figure BDA0002948395800000101
其中，v是第一目标相对于传感器的三维运动速度矢量。
Figure BDA0002948395800000102
是第一目标的数据子集中第i个数据中的径向速度。ni为与
Figure BDA0002948395800000103
对应的误差或者噪声。Λi是与
Figure BDA0002948395800000104
对应的方向余弦矢量，Λi＝[Λx,i Λy,i Λz,i]。其中，
Figure BDA0002948395800000105
Λz,i＝hi/ri。其中，θi为与
Figure BDA0002948395800000106
对应的方位角；hi为与
Figure BDA0002948395800000107
对应的高度。
Figure BDA0002948395800000108
其中，
Figure BDA0002948395800000109
为高度误差。
以第一目标为龙门架为例，上述关系式中，v是龙门架相对于传感器的三维运动速度矢量，v＝[vx vy vz]T。vx是龙门架在x轴方向的运动速度分量；vy是龙门架在y轴方向的运动速度分量；vz是龙门架在z轴方向的运动速度分量。
又如，根据传感器的数据集合利用随机一致性(random sample consensus，RANSAC)等方法得到。或者，第一目标的速度矢量可以根据第一目标的数据子集与第一目标相对于传感器的高度信息或者俯仰角信息联合估计得到。
具体的，上述第一目标相对于传感器的三维运动速度矢量可以根据传感器自运动估计得到。例如，第一目标相对于传感器的三维运动速度矢量为传感器自运动速度矢量的相反数。此外，上述第一目标相对于传感器的三维运动速度矢量或者传感器自运动速度矢量可以利用RANSAC方法或者霍夫变换方法，从传感器的数据集合中得到。或者，如下文描述，第一目标相对于传感器的三维运动速度矢量可以基于第一目标的数据子集，与目标相对与传感器的高度或者俯仰角联合估计得到；
作为一种实现，还可以根据第一目标的数据子集中的N个数据，基于上述关系式得到每一个数据对应的高度值h1，…，hi，…，hN，从而得到第一目标相对于传感器的高度h。其中，h＝min(h1，…，hi，…，hN)。或者，h＝(h1+…+hi+…+hN)/N。本申请不做限定。
其中，x轴、y轴和z轴可以是传感器坐标系的三个相互垂直的坐标轴。在本申请中，可以利用传感器相对于传感器所在载体(例如车体)坐标系的外部参数，包括旋转R和平移T，得到第一目标相对于载体(例如车体)坐标系高度。具体的，在传感器坐标系中第一目标的位置矢量为Xs＝[xs，ys，zs]。zs通常为第一目标相对于传感器坐标系的高度。在载体(例如车体)坐标系中第一目标的位置矢量为Xe＝RXs+T。其中，Xe＝[xe，ye，ze]；ze通常为第一目标相对于载体(例如车体)坐标系的高度。
在得到第一目标相对于传感器坐标系或者载体坐标系的高度h之后，本申请实施例提供的目标检测方法还可以包括：根据第一目标相对于传感器坐标系或者载体坐标系的高度h判断第一目标是否为障碍物。
例如，可以通过判断第一目标相对于传感器坐标系或者载体坐标系的高度h与预设值h′之间的关系，判断第一目标是否为障碍物。例如，若第一目标相对于传感器的高度h小于(或者小于或等于)预设值h′，则确定第一目标为障碍物。若第一目标相对于传感器的高度h大于(或者大于或等于)预设值h′，则确定第一目标是悬空物，不是障碍物。
上述步骤S402中，根据第一目标的数据子集得到第一目标相对于传感器的俯仰角信息，具体可以包括：
根据第一目标的数据子集中的N个数据，基于以下关系式得到第一目标相对于传感器的俯仰角
Figure BDA0002948395800000111
Figure BDA0002948395800000112
其中，v是第一目标相对于传感器的三维运动速度矢量。
Figure BDA0002948395800000113
是第一目标的数据子集中第i个数据中的径向速度。ni为与
Figure BDA0002948395800000114
对应的误差或者噪声。Λi是与
Figure BDA0002948395800000115
对应的方向余弦矢量。Λi＝[Λx,i Λy,i Λz,i]，其中，
Figure BDA0002948395800000116
其中，θi为与
Figure BDA0002948395800000117
对应的方位角；
Figure BDA0002948395800000118
为与
Figure BDA0002948395800000119
对应的俯仰角。
Figure BDA00029483958000001110
其中，
Figure BDA00029483958000001111
为俯仰角误差。
作为一种实现，还可以根据第一目标的数据子集中的N个数据，基于以下关系式得到每一个数据对应的俯仰角
Figure BDA00029483958000001112
从而得到第一目标相对于传感器的俯仰角
Figure BDA00029483958000001113
其中，
Figure BDA00029483958000001114
或者，
Figure BDA00029483958000001115
本申请不做限定。
在得到第一目标相对于传感器的俯仰角
Figure BDA00029483958000001121
之后，本申请实施例提供的目标检测方法还可以包括：根据第一目标相对于传感器的俯仰角
Figure BDA00029483958000001122
判断第一目标是否为障碍物。
例如，可以通过判断第一目标相对于传感器的俯仰角
Figure BDA00029483958000001123
与预设值
Figure BDA00029483958000001124
之间的关系，判断第一目标是否为障碍物。例如，若第一目标相对于传感器的俯仰角
Figure BDA00029483958000001125
小于(或者小于或等于)预设值
Figure BDA00029483958000001127
则确定第一目标为障碍物。若第一目标相对于传感器的俯仰角
Figure BDA00029483958000001126
大于(或者大于或等于)预设值
Figure BDA00029483958000001128
则确定第一目标是悬空物，不是障碍物。
通过本申请实施例提供的一种目标检测方法，可以提高障碍物检测的准确性和可靠性。例如，请参考图7，图7示出了相对于传感器距离相同，径向速度相同，且方位角不同的两个目标，采用本申请实施例提供的目标检测方法测量得到的目标高度仿真评估图。如图7所示，目标1相对于传感器距离为0.1m，径向速度是0.1km/h，方位角是0.4°。采用本申请实施例提供的目标检测方法测量得到的目标1的高度的均方根误差(root mean squareerror，RMSE)为0.2218m。目标2相对于传感器距离为0.1m，径向速度是0.1km/h，方位角是0.6°。采用本申请实施例提供的目标检测方法测量得到的目标2的高度的RMSE为0.3047m。可以知道，采用本申请实施例提供的一种目标检测方法，可以以很小的误差，较为准确的得到目标的高度信息或俯仰角信息，提高障碍物识别的准确性和可靠性。
在一些实施例中，还可以基于平方误差和(sum of squared difference，SSD)准则、最小二乘方法或者最小均方误差MMSE准则得到第一目标相对于传感器的高度信息或者俯仰角信息。
例如，可以基于SSD准则或者最小二乘方法，利用高斯-牛顿Gaussian-Newton法或者brute-Force搜索算法或基于有限值分类的SSD准则，得到第一目标相对于传感器的高度信息或者俯仰角信息。
例如，可以基于以下关系式得到第一目标相对于传感器的高度信息或俯仰角信息：
Figure BDA00029483958000001116
其中，Λi＝[Λx,i Λy,i Λz,i]，
Figure BDA00029483958000001117
Λz,i＝hi/ri。其中，θi为与
Figure BDA00029483958000001118
对应的方位角；hi为与
Figure BDA00029483958000001119
对应的高度。
Figure BDA00029483958000001120
以v根据传感器的自运动估计得到，基于第一目标的数据子集，利用高斯-牛顿(Gaussian-Newton)法得到目标的高度为例，得到第一目标相对于传感器的高度具体可以包括以下步骤1和步骤2：
步骤1、得到第一目标的高度初始估计值h0。
例如，初始估计值hk＝0或者载体(如车体)的高度，如0.5m、0.7m或者1.5m等，具体视场景或者应用而定。
步骤2、基于第一目标的数据子集的数据，以及第一目标的高度估计值hk，得到第一目标的高度估计值hk+1。具体关系式如下：
Figure BDA0002948395800000121
其中i＝1，…，NT；表示第一目标的数据子集的数据的索引或者序号。fi(hk)为fi(h)＝Λiv在h＝hk处的取值，fi(hk)具体可以表示为：
Figure BDA0002948395800000122
其中，Ji(h)为fi(h)＝Λiv相对于h的一阶导数在h＝hk处的取值，Ji(h)具体可以表示为：
Figure BDA0002948395800000123
通过上述关系式可以基于hk得到hk+1；以及进一步的基于hk+1得到hk+2；类似的，重复上述步骤N次得到hN，或者直到相邻的两个h估计值hN和hN-1的差小于预定的门限。最终得到的hN作为第一目标高度的估计值。
需要指出的是，所述步骤2中在不同的迭代过程可以使用第一目标的数据子集的全部或者不同部分子集。
以v根据传感器的自运动估计得到，基于第一目标的数据子集，利用高斯-牛顿(Gaussian-Newton)法得到第一目标的俯仰角为例，得到第一目标相对于传感器的俯仰角具体可以包括以下步骤A和步骤B：
步骤A、得到第一目标的俯仰角初始估计值
Figure BDA0002948395800000124
例如，初始估计值
Figure BDA0002948395800000125
或者根据载体(如车体)的俯仰角，如0.5m、0.7m或者1.5m等，具体视场景或者应用而定。
步骤B、基于第一目标的数据子集的数据，以及目标的俯仰角估计值
Figure BDA0002948395800000126
得到目标的俯仰角估计值
Figure BDA0002948395800000127
具体关系式如下：
Figure BDA0002948395800000128
其中i＝1，…，NT；表示第一目标的数据子集的数据的索引或者序号。
Figure BDA0002948395800000129
为
Figure BDA00029483958000001210
在
Figure BDA00029483958000001211
处的取值，
Figure BDA00029483958000001212
具体可以表示为：
Figure BDA00029483958000001213
其中，
Figure BDA00029483958000001214
为
Figure BDA00029483958000001215
相对于
Figure BDA00029483958000001216
的一阶导数在
Figure BDA00029483958000001217
处的取值，
Figure BDA00029483958000001218
具体可以表示为：
Figure BDA00029483958000001219
通过上述关系式可以基于
Figure BDA00029483958000001220
得到
Figure BDA00029483958000001221
以及进一步的基于
Figure BDA00029483958000001222
得到
Figure BDA00029483958000001223
类似的，重复上述步骤N次得到
Figure BDA00029483958000001224
或者直到相邻的两个
Figure BDA00029483958000001225
估计值
Figure BDA00029483958000001226
和
Figure BDA00029483958000001227
的差小于预定的门限。最终得到的
Figure BDA00029483958000001228
作为第一目标俯仰角的估计值。
需要指出的是，所述步骤B中在不同的迭代过程可以使用第一目标的数据子集的全部或者不同部分子集。
在一些实施例中，还可以基于第一目标的数据子集，得到第一目标相对于传感器的速度与高度或者俯仰角的联合估计值。
例如，可以基于SSD准则或者最小二乘方法，利用高斯-牛顿Gaussian-Newton法、brute-Force搜索算法或者基于有限值分类的SSD准则，得到第一目标相对于传感器速度与高度或者俯仰角的联合估计值。
例如，可以基于以下关系式得到第一目标相对于传感器的速度
Figure BDA0002948395800000131
与高度
Figure BDA0002948395800000132
信息：
Figure BDA0002948395800000133
h/ri。其中，θi为与
Figure BDA0002948395800000134
对应的方位角。
基于第一目标的数据子集，以高斯-牛顿(Gaussian-Newton)法得到目标的速度
Figure BDA0002948395800000135
与高度
Figure BDA0002948395800000136
为例，具体可以包括以下步骤a、步骤b和步骤c：
步骤a、得到第一目标的速度初始值v0和高度初始估计值h0。
例如，速度初始估计值v0可以具体视场景或者应用而设置，例如，可以设置为载体如本车速度的相反数，例如
Figure BDA0002948395800000137
其中
Figure BDA0002948395800000138
为三个速度分量初始值。以车为例，例如v0可以根据车速度的相反数得到。其中，车速度可以从里程计或者惯性测量单元(inertial measurement unit，IMU)/全球定位系统(global positioning system，GPS)等得到。此外，
Figure BDA0002948395800000139
为车纵向速度的相反数，例如在[-200，200]km/h的范围内，可以设置
Figure BDA00029483958000001310
高度初始估计值h0＝0或者载体(如车体)的高度，如0.5m、0.7m或者1.5m等，具体视场景或者应用而定。
步骤b、基于第一目标的数据子集的数据，以及第一目标的速度估计值vk和高度估计值hk得到第一目标的高度估计值hk+1。具体关系式如下：
Figure BDA00029483958000001311
其中i＝1，…，NT；表示第一目标的数据子集的数据的索引或者序号。fi(hk,vk)为fi(h,v)＝Λiv在h＝hk,v＝vk处的取值，fi(hk,vk)具体可以表示为：
Figure BDA00029483958000001312
其中，Ji(hk,vk)为fi(h,v)＝Λiv相对于h的一阶导数在h＝hk，v＝vk处的取值，Ji(hk,vk)具体可以表示为：
Figure BDA00029483958000001313
步骤c、基于第一目标的数据子集的数据，以及第一目标的高度估计值hk+1得到第一目标的速度估计值vk+1。具体关系式如下：
Figure BDA00029483958000001314
其中i＝1，…，NT；表示第一目标的数据子集的数据的索引或者序号。Λ(hk+1)和
Figure BDA00029483958000001315
可以分别表示为：
Figure BDA00029483958000001316
其中，
Figure BDA00029483958000001320
Figure BDA00029483958000001318
Λz,i＝hk+1/ri。
或者，上述步骤b可以替换为：基于第一目标的数据子集的数据，以及第一目标的高度估计值hk和速度估计值vk+1得到第一目标的高度估计值hk+1。具体关系式如下：
Figure BDA00029483958000001319
其中i＝1，…，NT；表示第一目标的数据子集的数据的索引或者序号。fi(hk,vk+1)为fi(h,v)＝Λiv在h＝hk，v＝vk+1处的取值，fi(hk,vk+1)具体可以表示为：
Figure BDA0002948395800000141
其中，Ji(hk,vk+1)为fi(h,v)＝Λiv相对于h的一阶导数在＝hk，v＝vk+1处的取值，Ji(hk,vk+1)具体可以表示为：
Figure BDA0002948395800000142
或者，上述步骤c可以替换为：基于第一目标的数据子集的数据，以及第一目标的高度估计值hk得到第一目标的速度估计值vk+1。具体关系式如下：
Figure BDA0002948395800000143
其中i＝1，…，NT；表示第一目标的数据子集的数据的索引或者序号。Λ(hk)和
Figure BDA0002948395800000144
可以分别表示为：
Figure BDA0002948395800000145
其中，
Figure BDA00029483958000001429
Figure BDA0002948395800000147
Λz,i(hk)＝hk/ri。
通过上述关系式可以基于hk和vk分别得到hk+1和vk+1；以及进一步的基于hk+1和vk+1分别得到hk+2和vk+2。类似的，重复上述步骤N次得到hN和vN，或者直到相邻的两个h和v估计值hN，vN和hN11，vN-1的距离小于预定的门限。最终得到的hN，vN作为第一目标高度和速度的估计值。
需要指出的是，所述步骤b或者步骤c中在不同的迭代过程或者不同的不同步骤可以使用第一目标的数据子集的全部或者不同部分子集。
例如，可以基于以下关系式得到第一目标相对于传感器的速度
Figure BDA0002948395800000148
与俯仰角
Figure BDA0002948395800000149
信息：
Figure BDA00029483958000001410
θi为与
Figure BDA00029483958000001411
对应的方位角。
基于第一目标的数据子集，以高斯-牛顿(Gaussian-Newton)法得到目标的速度
Figure BDA00029483958000001412
与俯仰角
Figure BDA00029483958000001413
为例，具体可以包括以下步骤一、步骤二和步骤三：
步骤一、得到第一目标的速度初始值v0和俯仰角初始估计值
Figure BDA00029483958000001414
例如，速度初始估计值v0可以具体视场景或者应用而设置，例如，可以设置为载体如本车速度的相反数，例如
Figure BDA00029483958000001415
其中
Figure BDA00029483958000001416
为三个速度分量初始值。以车为例，通常v0可以根据车速度的相反数得到。其中，车速度可以从里程计或者IMU/GPS等得到。此外，
Figure BDA00029483958000001417
为车纵向速度的相反数，例如在[-200，200]km/h的范围内，可以设置
Figure BDA00029483958000001418
初始估计值
Figure BDA00029483958000001419
或者根据载体(如车体)的俯仰角，具体视场景或者应用而定。
步骤二、基于第一目标的数据子集的数据，以及第一目标的速度估计值vk，以及目标的俯仰角估计值
Figure BDA00029483958000001420
得到第一目标的俯仰角估计值
Figure BDA00029483958000001421
具体关系式如下：
Figure BDA00029483958000001422
其中i＝1，…，NT；表示第一目标的数据子集的数据的索引或者序号。
Figure BDA00029483958000001423
为
Figure BDA00029483958000001424
Figure BDA00029483958000001425
在
Figure BDA00029483958000001426
v＝vk处的取值，
Figure BDA00029483958000001427
具体可以表示为：
Figure BDA00029483958000001428
其中，
Figure BDA0002948395800000151
为
Figure BDA0002948395800000152
相对于
Figure BDA0002948395800000153
的一阶导数在
Figure BDA0002948395800000154
v＝vk处的取值，
Figure BDA0002948395800000155
具体可以表示为：
Figure BDA0002948395800000156
步骤三、基于第一目标的数据子集的数据，以及第一目标的俯仰角估计值
Figure BDA0002948395800000157
得到第一目标的速度估计值vk+1。具体关系式如下：
Figure BDA0002948395800000158
其中i＝1，…，NT；表示第一目标的数据子集的数据的索引或者序号。
Figure BDA0002948395800000159
和
Figure BDA00029483958000001510
可以分别表示为：
Figure BDA00029483958000001511
其中，
Figure BDA00029483958000001512
Figure BDA00029483958000001513
或者，上述步骤二可以替换为：基于第一目标的数据子集的数据，以及第一目标的速度估计值vk+1，以及目标的俯仰角估计值
Figure BDA00029483958000001514
得到第一目标的俯仰角估计值
Figure BDA00029483958000001515
具体关系式如下：
Figure BDA00029483958000001516
其中i＝1，…，NT；表示第一目标的数据子集的数据的索引或者序号。
Figure BDA00029483958000001517
为
Figure BDA00029483958000001518
在
Figure BDA00029483958000001519
v＝vk+1处的取值，
Figure BDA00029483958000001520
具体可以表示为：
Figure BDA00029483958000001521
其中，
Figure BDA00029483958000001522
为
Figure BDA00029483958000001523
相对于
Figure BDA00029483958000001524
的一阶导数在
Figure BDA00029483958000001525
v＝vk+1处的取值，
Figure BDA00029483958000001526
具体可以表示为：
Figure BDA00029483958000001527
上述步骤三可以替换为：基于第一目标的数据子集的数据，以及第一目标的俯仰角估计值
Figure BDA00029483958000001528
得到第一目标的速度估计值vk+1。具体关系式如下：
Figure BDA00029483958000001529
其中i＝1，…，NT；表示第一目标的数据子集的数据的索引或者序号。
Figure BDA00029483958000001530
和
Figure BDA00029483958000001531
可以分别表示为：
Figure BDA00029483958000001532
其中，
Figure BDA00029483958000001533
Figure BDA00029483958000001534
通过上述关系式可以基于
Figure BDA00029483958000001535
和vk分别得到
Figure BDA00029483958000001536
和vk+1；以及进一步的基于
Figure BDA00029483958000001537
和vk+1分别得到
Figure BDA00029483958000001538
和vk+2。类似的，重复上述步骤N次得到
Figure BDA00029483958000001539
和vN，或者直到相邻的两个
Figure BDA00029483958000001540
v估计值
Figure BDA00029483958000001541
vN和
Figure BDA00029483958000001542
vN-1的距离小于预定的门限。最终得到的
Figure BDA00029483958000001543
vN作为第一目标俯仰角和速度的估计值。
需要指出的是，所述步骤二或者三中在不同的迭代过程或者不同的不同步骤可以使用第一目标的数据子集的全部或者不同部分子集。
关于基于brute-Force搜索算法的SSD准则或基于有限值分类的SSD准则的具体介绍，可以参考常规技术中的解释和说明，不做赘述。
需要说明的是，本申请实施例提供的方法得到的高度信息或者俯仰角信息是第一目标相对于传感器的高度信息或者俯仰角信息。例如，图8示出了确定第一目标高度信息或俯仰角信息示意图的侧视图。如图8所示，假设第一目标是立交桥涵洞，目标检测装置或者模块100可以得到立交桥涵洞相对于传感器的高度hB或者立交桥涵洞相对于传感器的俯仰角
Figure BDA0002948395800000166
假设第一目标是车辆通行杆(也称拦车杆)，目标检测装置或者模块100可以得到车辆通行杆(也称拦车杆)相对于传感器的高度hG或者车辆通行杆(也称拦车杆)相对于传感器的俯仰角
Figure BDA0002948395800000167
如上文所述，在一些场景中，静止目标通常为自动驾驶时的主要虚警来源。例如，图6中的(a)所示的立交桥涵洞场景，图6中的(b)所示的龙门架场景，图6中的(c)所示的限高杆场景和图6中的(d)所示的车辆通行杆(也称拦车杆)场景中，类似立交桥涵洞、龙门架场景、限高杆或车辆通行杆(也称拦车杆)的静止悬空物通常为自动驾驶时的主要虚警来源。因此，在本申请实施例中，目标检测装置或者模块100在上述步骤S401中确定的数据子集可以是静止目标的数据子集。即第一目标是静止目标。
在一些实施例中，可以根据以下关系式，从传感器的数据集合中的M个数据中，得到静止目标的数据子集为所述传感器的数据集合中满足以下关系的数据子集：
Figure BDA0002948395800000161
其中，vs是传感器的三维运动速度矢量。vs可以通过预先配置或者自身运动速度估计的方法获取。
Figure BDA0002948395800000162
是传感器的数据集合中第k个数据中的径向速度。Λk是与
Figure BDA0002948395800000163
对应的方向余弦矢量，
Figure BDA0002948395800000164
为预定义的门限。
Figure BDA0002948395800000165
和Λk可以参考上文中的具体介绍。传感器的数据集合中满足上述关系的数据子集，可以理解为，传感器的数据集合中每个数据的径向速度数据与传感器的运动速度在数据的径向投影分量满足预定义的门限。其中，传感器的运动速度在数据的径向投影分量可以根据传感器的速度矢量以及所述数据的位置信息得到。
应理解，本申请实施例的各个方案可以进行合理的组合使用，并且实施例中出现的各个术语的解释或说明可以在各个实施例中互相参考或解释，对此不作限定。
还应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
可以理解的是，目标检测装置为了实现上述任一个实施例的功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
本申请实施例可以对目标检测装置进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本申请实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
比如，以采用集成的方式划分各个功能模块的情况下，如图9所示，为本申请实施例提供的一种目标检测装置的结构框图。该目标检测装置或者模块100可以包括信息获取单元910和处理单元920。
其中，信息获取单元910用于支持目标检测装置或者模块100确定第一目标的数据子集。该第一目标的数据子集包括包括有第一目标相对于传感器的距离、方位角和径向速度信息的至少一个数据。和/或用于本文所描述的技术的其他过程。处理单元920用于支持目标检测装置或者模块100根据第一目标的数据子集得到第一目标相对于传感器的高度信息或者俯仰角信息，和/或用于本文所描述的技术的其他过程。
在一些实施例中，第一目标与道路几何相交；其中，道路几何包括道路边界或者车道线。信息获取单元910具体用于，获取道路几何参数；调用处理单元920，根据上述道路几何参数，确定第一目标的数据子集。更为具体的，信息获取单元910获取道路几何参数可以包括：信息获取单元910接收道路几何参数；或者，信息获取单元910调用处理单元920，通过聚类，从传感器的数据集合获取道路几何的数据子集；调用处理单元920根据道路几何的数据子集确定道路几何参数。该道路几何的数据子集包括包括有道路几何相对于所述传感器的距离、方位角和径向速度信息的至少一个数据。
在一些实施例中，信息获取单元910根据上述道路几何参数，确定第一目标的数据子集，具体可以包括：信息获取单元910调用处理单元920，通过聚类，从传感器的数据集合获取至少一个聚类的数据子集；根据上述至少一个聚类的数据子集确定至少一个目标的几何参数；根据上述至少一个目标的几何参数以及道路几何参数，确定第一目标的数据子集。其中，第一目标的数据子集为与道路几何相交的目标的数据子集。
在一些实施例中，处理单元920具体用于，根据第一目标的数据子集中的N个数据，基于以下关系式得到第一目标相对于传感器的高度h：
Figure BDA0002948395800000171
其中，v是第一目标相对于传感器的三维运动速度矢量；
Figure BDA0002948395800000172
是第一目标的数据子集中第i个数据中的径向速度，ni为与
Figure BDA0002948395800000173
对应的误差或者噪声；Λi是与
Figure BDA0002948395800000174
对应的方向余弦矢量，Λi＝[Λx,i Λy,i Λz,i]，其中，
Figure BDA0002948395800000175
Λz,i＝hi/ri；θi为与
Figure BDA0002948395800000176
对应的方位角；hi为与
Figure BDA0002948395800000177
对应的高度，
Figure BDA0002948395800000178
Figure BDA0002948395800000179
为高度误差。
在另一些实施例中，处理单元920具体用于，根据第一目标的数据子集中的N个数据，基于以下关系式得到第一目标相对于传感器的俯仰角
Figure BDA00029483958000001710
Figure BDA00029483958000001711
其中，v是第一目标相对于传感器的三维运动速度矢量；
Figure BDA00029483958000001712
是第一目标的数据子集中第i个数据中的径向速度，ni为与
Figure BDA00029483958000001713
对应的误差或者噪声；所述Λi是与
Figure BDA00029483958000001714
对应的方向余弦矢量，Λi＝[Λx,i Λy,i Λz,i]，其中，
Figure BDA00029483958000001715
θi为与
Figure BDA00029483958000001716
对应的方位角；
Figure BDA00029483958000001717
为与
Figure BDA00029483958000001718
对应的俯仰角，
Figure BDA00029483958000001719
Figure BDA00029483958000001720
为俯仰角误差。
在另一些实施例中，处理单元920具体用于，基于平方误差和SSD准则得到第一目标相对于传感器的高度信息或者俯仰角信息。
在一些实施例中，第一目标为静止目标。处理单元920具体可以用于，从传感器的数据集合中的M个数据中，得到第一目标的数据子集；该第一目标的数据子集满足以下关系：
Figure BDA00029483958000001721
其中，vs是传感器的三维运动速度矢量；
Figure BDA00029483958000001722
是传感器的数据集合中第k个数据中的径向速度，Λk是与
Figure BDA00029483958000001723
对应的方向余弦矢量，
Figure BDA00029483958000001724
为预定义的门限。
在一种可能的结构中，如图10所示，信息获取单元910可以替换为无线电探测单元930，例如传感器，用于探测得到传感器数据集。其中，传感器数据集包括包括有第一目标相对于传感器的距离、方位角和径向速度信息的至少一个数据。例如，传感器数据集包括一个或多个目标的多个点相对于无线电探测单元930的距离，方位角和径向速度等，和/或用于本文所描述的技术的其他过程。
在一种可选的方式中，当使用软件实现数据传输时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地实现本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线((digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如软盘、硬盘、磁带)、光介质(例如数字化视频光盘(digital video disk，DVD))、或者半导体介质(例如固态硬盘solid state disk(SSD))等。
结合本申请实施例所描述的方法或者算法的步骤可以硬件的方式来实现，也可以是由处理器执行软件指令的方式来实现。软件指令可以由相应的软件模块组成，软件模块可以被存放于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动硬盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。另外，该ASIC可以位于探测装置中。当然，处理器和存储介质也可以作为分立组件存在于探测装置中。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
在一种可选的方式中，本申请提供一种芯片系统，该芯片系统包括处理器、存储器，存储器中存储有计算机程序代码；当计算机程序代码被处理器执行时，实现本申请提供的任一种可能的实现方式中的方法。该芯片系统可以由芯片构成，也可以包含芯片和其他分立器件。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是一个物理单元或多个物理单元，即可以位于一个地方，或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (23)

1.一种目标检测方法，其特征在于，所述方法包括：
确定第一目标的数据子集，所述第一目标的数据子集包括至少一个数据，所述数据包括所述第一目标相对于传感器的距离、方位角和径向速度信息；
根据所述第一目标的数据子集得到所述第一目标相对于所述传感器的高度信息或者俯仰角信息。
2.根据权利要求1所述的方法，其特征在于，所述第一目标与道路几何相交；
其中，所述道路几何包括道路边界或者车道线。
3.根据权利要求2所述的方法，其特征在于，所述确定第一目标的数据子集，包括：
获取道路几何参数；
根据所述道路几何参数，确定所述第一目标的数据子集；
其中，所述获取道路几何参数，包括：
接收所述道路几何参数；
或者，
通过聚类，从传感器的数据集合获取道路几何的数据子集；所述道路几何的数据子集包括至少一个数据，所述数据包括所述道路几何相对于所述传感器的距离、方位角和径向速度信息；
根据所述道路几何的数据子集确定所述道路几何参数。
4.根据权利要求3所述的方法，其特征在于，所述根据所述道路几何参数，确定所述第一目标的数据子集，包括：
通过聚类，从所述传感器的数据集合获取至少一个聚类的数据子集；
根据所述至少一个聚类的数据子集确定至少一个目标的几何参数；
根据所述至少一个目标的几何参数以及所述道路几何参数，确定所述第一目标的数据子集；所述第一目标的数据子集为与所述道路几何相交的目标的数据子集。
5.根据权利要求4所述的方法，其特征在于，所述目标的几何参数为第一多项式参数；所述道路几何参数为第二多项式参数；所述第一多项式参数和所述第二多项式参数用于确定所述第一目标和所述道路几何的几何关系。
6.根据权利要求1-5中任一项所述的方法，其特征在于，所述根据所述第一目标的数据子集得到所述第一目标相对于所述传感器的高度信息，包括：
根据所述第一目标的数据子集中的N个数据，基于以下关系式得到所述第一目标相对于所述传感器的高度h：
Figure FDA0002948395790000011
其中，所述v是所述第一目标相对于所述传感器的三维运动速度矢量；所述
Figure FDA0002948395790000012
是所述第一目标的数据子集中第i个数据中的径向速度，所述ni为与所述
Figure FDA0002948395790000013
对应的误差或者噪声；所述Λi是与所述
Figure FDA0002948395790000014
对应的方向余弦矢量，所述Λi＝[Λx,i Λy,i Λz,i]，其中，
Figure FDA0002948395790000015
Figure FDA0002948395790000016
所述θi为与所述
Figure FDA0002948395790000017
对应的方位角；所述hi为与所述
Figure FDA0002948395790000018
对应的高度，所述
Figure FDA0002948395790000019
所述
Figure FDA00029483957900000110
为高度误差。
7.根据权利要求1-5中任一项所述的方法，其特征在于，所述根据所述第一目标的数据子集得到所述第一目标相对于所述传感器的俯仰角信息，包括：
根据所述第一目标的数据子集中的N个数据，基于以下关系式得到所述第一目标相对于所述传感器的俯仰角
Figure FDA00029483957900000111
Figure FDA0002948395790000021
其中，所述v是所述第一目标相对于所述传感器的三维运动速度矢量；所述
Figure FDA0002948395790000022
是所述第一目标的数据子集中第i个数据中的径向速度，所述ni为与所述
Figure FDA0002948395790000023
对应的误差或者噪声；所述Λi是与所述
Figure FDA0002948395790000024
对应的方向余弦矢量，所述Λi＝[Λx,i Λy,i Λz,i]，其中，
Figure FDA0002948395790000025
Figure FDA0002948395790000026
所述θi为与所述
Figure FDA0002948395790000027
对应的方位角；所述
Figure FDA0002948395790000028
为与所述
Figure FDA0002948395790000029
对应的俯仰角，所述
Figure FDA00029483957900000210
所述
Figure FDA00029483957900000211
为俯仰角误差。
8.根据权利要求1-7中任一项所述的方法，其特征在于，所述第一目标相对于所述传感器的高度信息或者俯仰角信息是基于平方误差和SSD准则得到的。
9.根据权利要求1-8中任一项所述的方法，其特征在于，所述第一目标为静止目标。
10.根据权利要求9所述的方法，其特征在于，所述确定第一目标的数据子集，包括：
从所述传感器的数据集合中的M个数据中，得到所述第一目标的数据子集；所述第一目标的数据子集满足以下关系：
Figure FDA00029483957900000212
其中，所述vs是所述传感器的三维运动速度矢量；所述
Figure FDA00029483957900000213
是所述传感器的数据集合中第k个数据中的径向速度，所述Λk是与所述
Figure FDA00029483957900000214
对应的方向余弦矢量，所述
Figure FDA00029483957900000215
为预定义的门限。
11.一种目标检测装置，其特征在于，所述装置包括：
信息获取单元，用于确定第一目标的数据子集，所述第一目标的数据子集包括至少一个数据，所述数据包括所述第一目标相对于传感器的距离、方位角和径向速度信息；
处理单元，用于根据所述第一目标的数据子集得到所述第一目标相对于所述传感器的高度信息或者俯仰角信息。
12.根据权利要求11所述的装置，其特征在于，所述第一目标与道路几何相交；
其中，所述道路几何包括道路边界或者车道线。
13.根据权利要求12所述的装置，其特征在于，所述信息获取单元具体用于，获取道路几何参数；以及，
根据所述道路几何参数，确定所述第一目标的数据子集；
其中，所述获取道路几何参数，包括：
接收所述道路几何参数；
或者，
通过聚类，从传感器的数据集合获取道路几何的数据子集；所述道路几何的数据子集包括至少一个数据，所述数据包括所述道路几何相对于所述传感器的距离、方位角和径向速度信息；
根据所述道路几何的数据子集确定所述道路几何参数。
14.根据权利要求13所述的装置，其特征在于，所述根据所述道路几何参数，确定所述第一目标的数据子集，包括：
通过聚类，从所述传感器的数据集合获取至少一个聚类的数据子集；
根据所述至少一个聚类的数据子集确定至少一个目标的几何参数；
根据所述至少一个目标的几何参数以及所述道路几何参数，确定所述第一目标的数据子集；所述第一目标的数据子集为与所述道路几何相交的目标的数据子集。
15.根据权利要求14所述的装置，其特征在于，所述目标的几何参数为第一多项式参数；所述道路几何参数为第二多项式参数；所述第一多项式参数和所述第二多项式参数用于确定所述第一目标和所述道路几何的几何关系。
16.根据权利要求11-15中任一项所述的装置，其特征在于，所述根据所述第一目标的数据子集得到所述第一目标相对于所述传感器的高度信息，包括：
根据所述第一目标的数据子集中的N个数据，基于以下关系式得到所述第一目标相对于所述传感器的高度h：
Figure FDA0002948395790000031
其中，所述v是所述第一目标相对于所述传感器的三维运动速度矢量；所述
Figure FDA0002948395790000032
是所述第一目标的数据子集中第i个数据中的径向速度，所述ni为与所述
Figure FDA0002948395790000033
对应的误差或者噪声；所述Λi是与所述
Figure FDA0002948395790000034
对应的方向余弦矢量，所述Λi＝[Λx,i Λy,i Λz,i]，其中，
Figure FDA0002948395790000035
Figure FDA0002948395790000036
所述θi为与所述
Figure FDA0002948395790000037
对应的方位角；所述hi为与所述
Figure FDA0002948395790000038
对应的高度，所述
Figure FDA0002948395790000039
所述
Figure FDA00029483957900000310
为高度误差。
17.根据权利要求11-15中任一项所述的装置，其特征在于，所述根据所述第一目标的数据子集得到所述第一目标相对于所述传感器的高度信息，包括：
根据所述第一目标的数据子集中的N个数据，基于以下关系式得到所述第一目标相对于所述传感器的俯仰角
Figure FDA00029483957900000311
Figure FDA00029483957900000312
其中，所述v是所述第一目标相对于所述传感器的三维运动速度矢量；所述
Figure FDA00029483957900000313
是所述第一目标的数据子集中第i个数据中的径向速度，所述ni为与所述
Figure FDA00029483957900000314
对应的误差或者噪声；所述Λi是与所述
Figure FDA00029483957900000315
对应的方向余弦矢量，所述Λi＝[Λx,i Λy,i Λz,i]，其中，
Figure FDA00029483957900000316
Figure FDA00029483957900000317
所述θi为与所述
Figure FDA00029483957900000318
对应的方位角；所述
Figure FDA00029483957900000319
为与所述
Figure FDA00029483957900000320
对应的俯仰角，所述
Figure FDA00029483957900000321
所述
Figure FDA00029483957900000322
为俯仰角误差。
18.根据权利要求11-17中任一项所述的装置，其特征在于，所述第一目标相对于所述传感器的高度信息或者俯仰角信息是基于平方误差和SSD准则得到的。
19.根据权利要求11-18中任一项所述的装置，其特征在于，所述第一目标为静止目标。
20.根据权利要求11-19中任一项所述的装置，其特征在于，所述处理单元具体用于，
从所述传感器的数据集合中的M个数据中，得到所述第一目标的数据子集；所述第一目标的数据子集满足以下关系：
Figure FDA00029483957900000323
其中，所述vs是所述传感器的三维运动速度矢量；所述
Figure FDA00029483957900000324
是所述传感器的数据集合中第k个数据中的径向速度，所述Λk是与所述
Figure FDA00029483957900000325
对应的方向余弦矢量，所述
Figure FDA00029483957900000326
为预定义的门限。
21.一种目标检测装置，其特征在于，所述装置包括：
存储器，用于存储计算机程序；
收发器，用于接收或发送无线电信号；
处理器，用于执行所述计算机程序，以实现如权利要求1-10中任一项所述的目标检测方法。
22.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序代码，所述计算机程序代码被处理电路执行时实现如权利要求1-10中任一项所述的目标检测方法。
23.一种芯片系统，其特征在于，所述芯片系统包括处理电路、存储介质，所述存储介质中存储有计算机程序代码；所述计算机程序代码被所述处理电路执行时实现如权利要求1-10中任一项所述的目标检测方法。
CN202080004686.5A 2020-04-30 2020-04-30 一种目标检测方法及装置 Active CN112639524B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2020/088522 WO2021217669A1 (zh) 2020-04-30 2020-04-30 一种目标检测方法及装置

Publications (2)

Publication Number Publication Date
CN112639524A true CN112639524A (zh) 2021-04-09
CN112639524B CN112639524B (zh) 2022-05-17

Family

ID=75291196

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080004686.5A Active CN112639524B (zh) 2020-04-30 2020-04-30 一种目标检测方法及装置

Country Status (3)

Country Link
EP (1) EP4141483A4 (zh)
CN (1) CN112639524B (zh)
WO (1) WO2021217669A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113611112A (zh) * 2021-07-29 2021-11-05 中国第一汽车股份有限公司 一种目标关联方法、装置、设备及存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115236627B (zh) * 2022-09-21 2022-12-16 深圳安智杰科技有限公司 一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法

Citations (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB164765A (en) * 1919-03-31 1921-06-23 Peter William Willans Improvements in, or relating to, gunnery computing and predicting apparatus
JP2005351853A (ja) * 2004-06-14 2005-12-22 Mitsubishi Electric Corp 光波レーダ装置
CN1852428A (zh) * 2006-05-25 2006-10-25 浙江工业大学 基于全方位计算机视觉的智能隧道安全监控装置
CN102809379A (zh) * 2011-06-01 2012-12-05 通用汽车环球科技运作有限责任公司 用于基于传感器的环境模型构造的系统和方法
JP2013002927A (ja) * 2011-06-15 2013-01-07 Honda Elesys Co Ltd 障害物検知装置及びコンピュータプログラム
CN105445731A (zh) * 2015-11-18 2016-03-30 中船重工（武汉）凌久电子有限责任公司 一种基于高精度测速的雷达全自动跟踪方法
US20170023678A1 (en) * 2015-07-21 2017-01-26 Robert Bosch Gmbh Sensor system for a vehicle for detecting bridges or tunnel entrances
CN106503678A (zh) * 2016-10-27 2017-03-15 厦门大学 基于移动激光扫描点云的道路标线自动检测和分类方法
US20170291473A1 (en) * 2016-04-06 2017-10-12 Lg Electronics Inc. Safety device for vehicle
CN108572354A (zh) * 2017-03-08 2018-09-25 通用汽车环球科技运作有限责任公司 使用三维位置和速度的主设备控制
CN108960183A (zh) * 2018-07-19 2018-12-07 北京航空航天大学 一种基于多传感器融合的弯道目标识别系统及方法
CN109017570A (zh) * 2018-06-12 2018-12-18 智车优行科技（北京）有限公司 车辆周围场景呈现方法和装置、车辆
CN109212520A (zh) * 2018-09-29 2019-01-15 河北德冠隆电子科技有限公司 全方位检测雷达的路况感知异常事件检测报警系统及方法
CN109254289A (zh) * 2018-11-01 2019-01-22 百度在线网络技术（北京）有限公司 道路护栏的检测方法和检测设备
CN109489562A (zh) * 2018-12-07 2019-03-19 中国电子科技集团公司第四十四研究所 一种基于非扫描式单线激光雷达的隧道几何参量测量系统
CN109684921A (zh) * 2018-11-20 2019-04-26 吉林大学 一种基于三维激光雷达的道路边界检测与跟踪方法
CN109870680A (zh) * 2018-10-26 2019-06-11 北京润科通用技术有限公司 一种目标分类方法及装置
CN110007304A (zh) * 2017-12-20 2019-07-12 恩智浦有限公司 真实速度向量估计
CN110197173A (zh) * 2019-06-13 2019-09-03 重庆邮电大学 一种基于双目视觉的路沿检测方法
CN110231617A (zh) * 2019-05-30 2019-09-13 深圳市华讯方舟微电子科技有限公司 目标障碍物方位探测方法、装置、车载雷达及存储介质
CN110389338A (zh) * 2019-06-26 2019-10-29 深圳市华讯方舟微电子科技有限公司 判断交通状况的方法、装置、毫米波雷达及存储介质
US20190340447A1 (en) * 2018-05-02 2019-11-07 Tusimple, Inc. Curb detection by analysis of reflection images
CN110531358A (zh) * 2018-05-25 2019-12-03 华为技术有限公司 信息测量方法及信息测量装置
CN110554376A (zh) * 2018-05-30 2019-12-10 福特全球技术公司 用于运载工具的雷达测程法
CN110678772A (zh) * 2017-06-09 2020-01-10 维宁尔瑞典公司 用于车辆雷达系统的增强的竖直对象检测

Patent Citations (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB164765A (en) * 1919-03-31 1921-06-23 Peter William Willans Improvements in, or relating to, gunnery computing and predicting apparatus
JP2005351853A (ja) * 2004-06-14 2005-12-22 Mitsubishi Electric Corp 光波レーダ装置
CN1852428A (zh) * 2006-05-25 2006-10-25 浙江工业大学 基于全方位计算机视觉的智能隧道安全监控装置
CN102809379A (zh) * 2011-06-01 2012-12-05 通用汽车环球科技运作有限责任公司 用于基于传感器的环境模型构造的系统和方法
JP2013002927A (ja) * 2011-06-15 2013-01-07 Honda Elesys Co Ltd 障害物検知装置及びコンピュータプログラム
US20170023678A1 (en) * 2015-07-21 2017-01-26 Robert Bosch Gmbh Sensor system for a vehicle for detecting bridges or tunnel entrances
CN105445731A (zh) * 2015-11-18 2016-03-30 中船重工（武汉）凌久电子有限责任公司 一种基于高精度测速的雷达全自动跟踪方法
US20170291473A1 (en) * 2016-04-06 2017-10-12 Lg Electronics Inc. Safety device for vehicle
CN106503678A (zh) * 2016-10-27 2017-03-15 厦门大学 基于移动激光扫描点云的道路标线自动检测和分类方法
CN108572354A (zh) * 2017-03-08 2018-09-25 通用汽车环球科技运作有限责任公司 使用三维位置和速度的主设备控制
CN110678772A (zh) * 2017-06-09 2020-01-10 维宁尔瑞典公司 用于车辆雷达系统的增强的竖直对象检测
CN110007304A (zh) * 2017-12-20 2019-07-12 恩智浦有限公司 真实速度向量估计
US20190340447A1 (en) * 2018-05-02 2019-11-07 Tusimple, Inc. Curb detection by analysis of reflection images
CN110531358A (zh) * 2018-05-25 2019-12-03 华为技术有限公司 信息测量方法及信息测量装置
CN110554376A (zh) * 2018-05-30 2019-12-10 福特全球技术公司 用于运载工具的雷达测程法
CN109017570A (zh) * 2018-06-12 2018-12-18 智车优行科技（北京）有限公司 车辆周围场景呈现方法和装置、车辆
CN108960183A (zh) * 2018-07-19 2018-12-07 北京航空航天大学 一种基于多传感器融合的弯道目标识别系统及方法
CN109212520A (zh) * 2018-09-29 2019-01-15 河北德冠隆电子科技有限公司 全方位检测雷达的路况感知异常事件检测报警系统及方法
CN109870680A (zh) * 2018-10-26 2019-06-11 北京润科通用技术有限公司 一种目标分类方法及装置
CN109254289A (zh) * 2018-11-01 2019-01-22 百度在线网络技术（北京）有限公司 道路护栏的检测方法和检测设备
CN109684921A (zh) * 2018-11-20 2019-04-26 吉林大学 一种基于三维激光雷达的道路边界检测与跟踪方法
CN109489562A (zh) * 2018-12-07 2019-03-19 中国电子科技集团公司第四十四研究所 一种基于非扫描式单线激光雷达的隧道几何参量测量系统
CN110231617A (zh) * 2019-05-30 2019-09-13 深圳市华讯方舟微电子科技有限公司 目标障碍物方位探测方法、装置、车载雷达及存储介质
CN110197173A (zh) * 2019-06-13 2019-09-03 重庆邮电大学 一种基于双目视觉的路沿检测方法
CN110389338A (zh) * 2019-06-26 2019-10-29 深圳市华讯方舟微电子科技有限公司 判断交通状况的方法、装置、毫米波雷达及存储介质

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
CHEN, JENN-SHYONG 等: ""VHF Radar Observations of Sea Surface in the Northern Taiwan Strait"", 《JOURNAL OF ATMOSPHERIC AND OCEANIC TECHNOLOGY》 *
GAN RONGBING 等: ""Distribution-based CFAR detectors in SAR images"", 《JOURNAL OF SYSTEMS ENGINEERING AND ELECTRONICS》 *
J.E. PEREZ-JACOME 等: ""Target detection from coregistered visual-thermal-range images"", 《1997 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING》 *
侯亚伟: ""无人机载激光雷达路面信息检测方法研究"", 《中国优秀硕士论文全文数据库 》 *
门金柱 等: ""转发式弹载干扰技术在舰舰导弹突防作战中的应用"", 《战术导弹技术》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113611112A (zh) * 2021-07-29 2021-11-05 中国第一汽车股份有限公司 一种目标关联方法、装置、设备及存储介质
CN113611112B (zh) * 2021-07-29 2022-11-08 中国第一汽车股份有限公司 一种目标关联方法、装置、设备及存储介质

Also Published As

Publication number Publication date
EP4141483A4 (en) 2023-06-21
CN112639524B (zh) 2022-05-17
WO2021217669A1 (zh) 2021-11-04
EP4141483A1 (en) 2023-03-01

Similar Documents

Publication Publication Date Title
CN112106126B (zh) 车辆与行人碰撞避免的方法和系统
CN109215083B (zh) 车载传感器的外部参数标定的方法和设备
CN105937912B (zh) 车辆的地图数据处理装置
KR101755944B1 (ko) Gps, uwb 및 v2x를 접목하여 차량의 위치를 결정하는 자율 주행 방법 및 시스템
US9990851B2 (en) Obstacle-information-managing device
US20160260328A1 (en) Real-time Occupancy Mapping System for Autonomous Vehicles
US11525682B2 (en) Host vehicle position estimation device
US20190072674A1 (en) Host vehicle position estimation device
US10955857B2 (en) Stationary camera localization
WO2022184127A1 (zh) 一种车辆、传感器的仿真方法及装置
CN113743171A (zh) 目标检测方法及装置
CN109839636B (zh) 物体识别装置
CN111175788B (zh) 自动驾驶车辆横向定位方法及其定位系统
CN112639524B (zh) 一种目标检测方法及装置
US10095238B2 (en) Autonomous vehicle object detection
CN115144825A (zh) 一种车载雷达的外参标定方法与装置
Jiménez et al. Improving the lane reference detection for autonomous road vehicle control
CN110095776B (zh) 用于确定对象的存在和/或特性的方法和周围环境识别设备
CN112183157A (zh) 道路几何识别方法及装置
US20220089166A1 (en) Motion state estimation method and apparatus
US20220157015A1 (en) Ghost point filtering
CN114440864A (zh) 一种汽车定位的方法及装置
CN112818727A (zh) 一种道路约束确定方法及装置
CN115484543A (zh) 一种定位方法、车载装置及计算机可读存储介质
CN113470342B (zh) 一种自运动估计的方法及装置

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
GR01 Patent grant
GR01 Patent grant