CN112801024B - 一种检测信息处理方法和装置 - Google Patents

一种检测信息处理方法和装置 Download PDF

Info

Publication number
CN112801024B
CN112801024B CN202110178296.6A CN202110178296A CN112801024B CN 112801024 B CN112801024 B CN 112801024B CN 202110178296 A CN202110178296 A CN 202110178296A CN 112801024 B CN112801024 B CN 112801024B
Authority
CN
China
Prior art keywords
information
detection information
parking space
determining
obstacle object
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110178296.6A
Other languages
English (en)
Other versions
CN112801024A (zh
Inventor
张鸿
蒋少峰
陈盛军
秦汉
冯锴
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.)
Guangzhou Xiaopeng Motors Technology Co Ltd
Original Assignee
Guangzhou Xiaopeng Autopilot 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 Guangzhou Xiaopeng Autopilot Technology Co Ltd filed Critical Guangzhou Xiaopeng Autopilot Technology Co Ltd
Priority to CN202110178296.6A priority Critical patent/CN112801024B/zh
Publication of CN112801024A publication Critical patent/CN112801024A/zh
Application granted granted Critical
Publication of CN112801024B publication Critical patent/CN112801024B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/06—Automatic manoeuvring for parking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/993—Evaluation of the quality of the acquired pattern
    • 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
    • G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Transportation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明实施例提供了一种检测信息处理方法和装置，所述方法包括：依据采集的图像信息生成场景信息；所述场景信息包括障碍物对象以及所述障碍物对象对应的修正区域；获取针对所述障碍物对象的检测信息；当所述检测信息处于所述修正区域时，将预设的分类模型中设置的预设第一阈值调整为预设第二阈值；所述预设第二阈值小于预设第一阈值；依据预设第二阈值判断所述检测信息是否为误检信息；若是，则依据剔除所述误检信息后的检测信息生成所述障碍物对象的轮廓信息。本发明实施例可以实现提高障碍物对象的边缘检测准确地，生成更高置信度的障碍物对象轮廓信息。

Description

一种检测信息处理方法和装置
技术领域
本发明涉及汽车技术领域，特别是涉及一种检测信息处理方法和一种检测信息处理装置。
背景技术
超声波传感器是将超声波信号转换成其他能量信号(通常是电信号)的传感器。超声波是振动频率高于20kHz(Kilo Hertz，千赫兹)的机械波。它具有频率高、波长短、绕射现象小，特别是方向性好、能够成为射线而定向传播等特点。
车辆中可以设置有超声波传感器对车辆周边环境进行检测。
在车辆的泊车过程中，需要对车辆周边的车位和障碍物进行检测，障碍物的边缘描述往往具有一定的误差，在特定场景，如方柱和墙体附近的空车位内部，常常会有超声波的误识别信号，这就导致了智能系统误认为该车位内存在障碍物，从而降低了该空车位的置信度，降低了车位检索成功率。
发明内容
鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种检测信息处理方法和相应的一种检测信息处理装置。
为了解决上述问题，本发明实施例公开了一种检测信息处理方法，包括：
依据采集的图像信息生成场景信息；所述场景信息包括障碍物对象以及所述障碍物对象对应的修正区域；
获取针对所述障碍物对象的检测信息；
当所述检测信息处于所述修正区域时，将预设的分类模型中设置的预设第一阈值调整为预设第二阈值；
依据预设第二阈值判断所述检测信息是否为误检信息；
若是，则依据剔除所述误检信息后的检测信息生成所述障碍物对象的轮廓信息。
可选地，所述场景信息还包括车位对象；所述依据采集的图像信息生成场景信息的步骤，包括：
采集图像信息；
识别所述图像信息中的车位对象；
依据所述车位对象确定障碍物对象；
针对所述车位对象确定所述障碍物对象对应的修正区域；
基于所述车位对象、所述障碍物对象和所述修正区域生成场景信息。
可选地，所述依据所述车位对象确定障碍物对象的步骤，包括：
确定相邻的车位对象之间的相邻顶点的间隔；
在所述间隔满足预设距离范围时，确定所述相邻车位之间存在障碍物对象。
可选地，所述依据采集的图像信息生成场景信息的步骤，还包括：
确定障碍物对象的位置信息以及宽度信息；
所述针对所述车位对象确定所述障碍物对象对应的修正区域的步骤，包括：
针对所述车位对象存在所述障碍物对象的一侧，依据所述位置信息和所述宽度信息确定所述障碍物对象对应的修正区域。
可选地，所述针对所述车位对象存在所述障碍物对象的一侧，依据所述位置信息和所述宽度信息确定所述障碍物对象对应的修正区域的步骤，包括：
基于所述图像信息判断所述车位对象是否处于空闲状态；
若是，则针对处于所述空闲状态的车位对象存在所述障碍物对象的一侧，依据所述位置信息和所述宽度信息确定所述障碍物对象对应的修正区域。
可选地，所述依据预设第二阈值判断所述检测信息是否为误检信息的步骤，包括：
采用所述分类模型生成与所述检测信息匹配的误检概率；
若所述误检概率大于所述第二阈值，则确定所述检测信息为误检信息。
可选地，所述方法还包括：
依据所述轮廓信息判断所述车位对象是否处于可泊车状态；
若是，则确定至少一个处于所述可泊车状态的车位对象为目标车位对象；
生成与所述目标车位对象对应的泊车路径。
本发明实施例还公开了一种检测信息处理装置，包括：
场景信息生成模块，用于依据采集的图像信息生成场景信息；所述场景信息包括障碍物对象以及所述障碍物对象对应的修正区域；
检测信息获取模块，用于获取针对所述障碍物对象的检测信息；
阈值调整模块，用于当所述检测信息处于所述修正区域时，将预设的分类模型中设置的预设第一阈值调整为预设第二阈值；
误检信息确定模块，用于依据预设第二阈值判断所述检测信息是否为误检信息；
轮廓信息生成模块，用于若所述检测信息为误检信息，则依据剔除所述误检信息后的检测信息生成所述障碍物对象的轮廓信息。
可选地，所述场景信息还包括车位对象；所述场景信息生成模块包括：
图像信息采集子模块，用于采集图像信息；
车位对象识别子模块，用于识别所述图像信息中的车位对象；
障碍物对象确定子模块，用于依据所述车位对象确定障碍物对象；
修正区域确定子模块，用于针对所述车位对象确定所述障碍物对象对应的修正区域；
场景信息生成子模块，用于基于所述车位对象、所述障碍物对象和所述修正区域生成场景信息。
可选地，所述障碍物对象确定子模块包括：
间隔确定单元，用于确定相邻的车位对象之间的相邻顶点的间隔；
障碍物对象确定单元，用于在所述间隔满足预设距离范围时，确定所述相邻车位之间存在障碍物对象。
本发明实施例还公开了一种车辆，包括：处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的检测信息方法的步骤。
本发明实施例还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的检测信息处理方法的步骤。
本发明实施例包括以下优点：
依据采集的图像信息生成场景信息；所述场景信息包括障碍物对象以及所述障碍物对象对应的修正区域，当获取的针对障碍物对象的检测信息处于所述修正区域时，将预设的分类模型中设置的预设第一阈值调整为预设第二阈值；若依据预设第二阈值判断所述检测信息为误检信息，则依据剔除所述误检信息后的检测信息生成所述障碍物对象的轮廓信息，从而实现针对包含有障碍物对象以及与障碍物对象对应的修正区域的场景，通过将分类模型的用以判断检测信息是否为误检信息的第一阈值调整为第二阈值，提高将修正区域中的检测信息分类为误检信息的概率，降低由于视场角导致针对实体障碍物的轮廓检测不准确的可能性，提高生成的障碍物对象的轮廓信息的准确性。
附图说明
图1是本发明提供的一种检测信息处理方法实施例的步骤流程图；
图2是本发明提供的一种超声波检测示意图；
图3是本发明提供的另一种超声波检测示意图；
图4是本发明提供的一种分类模型的数据处理流程示意图；
图5是本发明提供的一种检测信息处理装置实施例的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1，示出了本发明的一种检测信息处理方法实施例的步骤流程图，具体可以包括如下步骤：
步骤101，依据采集的图像信息生成场景信息；所述场景信息包括障碍物对象以及所述障碍物对象对应的修正区域；
本发明实施例可以应用于车辆，车辆中可以设置有多个信息感知器件，信息感知器件可以包括但不限于超声波雷达、毫米波雷达、激光雷达、视觉传感器等。
视觉传感器可以设置于车辆的不同位置，以感知其所朝向方向的环境信息，并生成相应的图像信息。
可以按照预设规则对车辆所处的环境分类成不同的场景(例如：自动行驶场景、自动泊车场景等)，并根据视觉传感器采集的图像信息确定车辆当前的场景信息。
以自动泊车场景为例，场景信息中可以包括障碍物对象以及针对障碍物对象确定的对应的修正区域。
障碍物对象可以是场景中实体障碍物的虚拟对象。
步骤102，获取针对所述障碍物对象的检测信息；
可以采用超声波雷达针对障碍物对象发出超声波，并接收超声波的回波得到检测信息。
步骤103，当所述检测信息处于所述修正区域时，将预设的分类模型中设置的预设第一阈值调整为预设第二阈值；
其中，所述预设第二阈值小于预设第一阈值；
检测信息用于表征存在实体障碍物的位置，可以确定检测信息对应的位置，并判断检测信息是否处于修正区域。若检测信息处于修正区域，则将用以判断检测信息是否为误检信息的第一阈值减小为第二阈值。
预设的分类模型为已训练的模型，本发明对分类模型的算法、训练样本以及训练方法不作限定。分类模型可以是包括但不限于SVM(Support Vector Machine，支持向量机)、随机森林。
参照图2，示出了本发明提供的一种超声波检测示意图。
分类模型通过学习标注后的超声波原始信号后，使得能够用超平面划分高维空间中的数据。车辆201在行驶过程的超声波检测过程中获取检测信息，训练后的分类模型能够基于预设第一阈值将待分类的超声波回波信号(即检测信息)分类为正对实体障碍物202的信息(真实障碍物点203)还是由FOV(Field Of View，视场角)引起的探测信息(非正对的误检障碍物点204)，一般地，由FOV引起的探测信息无法准确表征实体障碍物的轮廓，即为误检信息，误检信息的存在可能会导致实体车位205中错误检测到存在实体障碍物。
步骤104，依据预设第二阈值判断所述检测信息是否为误检信息；
采用分类模型基于预设第二阈值判断检测信息是否为误检信息。通过依据比第一阈值较小的第二阈值确定检测信息是否为误检信息，能够实现针对修正区域的误检信息更倾向于确定为误检信息，即提高修正区域的检测信息分类为误检信息的概率，使得非误检信息的检测信息具备更高置信度。
步骤105，若所述检测信息为误检信息，则依据剔除所述误检信息后的检测信息生成所述障碍物对象的轮廓信息。
若确定修正区域中的检测信息为误检信息，则在检测信息中剔除误检信息，依据剔除误检信息后的检测信息生成障碍物对象的轮廓信息，使得基于检测信息得到的障碍物对象的轮廓信息更为准确。
在本发明实施例中，依据采集的图像信息生成场景信息；所述场景信息包括障碍物对象以及所述障碍物对象对应的修正区域，当获取的针对障碍物对象的检测信息处于所述修正区域时，将预设的分类模型中设置的预设第一阈值调整为预设第二阈值；若依据预设第二阈值判断所述检测信息为误检信息，则依据剔除所述误检信息后的检测信息生成所述障碍物对象的轮廓信息，从而实现针对包含有障碍物对象以及与障碍物对象对应的修正区域的场景，通过将分类模型的用以判断检测信息是否为误检信息的第一阈值调整为第二阈值，提高将修正区域中的检测信息分类为误检信息的概率，降低由于视场角导致针对实体障碍物的轮廓检测不准确的可能性，提高生成的障碍物对象的轮廓信息的准确性。在车辆的泊车场景中，在实体车位间存在实体障碍物时，提高了实体障碍物对应的障碍物对象的轮廓信息准确性，进而降低了空车位内实体障碍物数量，提高了真实空车位的置信度，提升了实体车位检索成功率。
在本发明的一种可选实施例中，所述场景信息还包括车位对象；步骤101包括：
子步骤S11，采集图像信息；
车辆的视觉传感器能够采集其感知方向上的感知范围的环境信息，并生成相应的图像信息。
子步骤S12，识别所述图像信息中的车位对象；
车辆能够对图像信息进行识别处理，识别图像信息中与实体车位对应的车位对象。
例如：当识别到由多个线对象围蔽成一定面积和形状的区域时，确定该线对象为车位线对象，车位线对象围蔽的区域为车位对象。
子步骤S13，依据所述车位对象确定障碍物对象；
依据车位对象的分布特性，确定障碍物对象。例如：当相邻的车位对象相隔一定距离时，确定该相邻的车位对象之间存在障碍物对象，障碍物对象用于表征实体车位之间的实体障碍物。
子步骤S14，针对所述车位对象确定所述障碍物对象对应的修正区域；
针对与障碍物对象相邻的车位对象，按照指定规则确定修正区域。
子步骤S15，基于所述车位对象、所述障碍物对象和所述修正区域生成场景信息。
基于车位对象、障碍物对象、修正区域生成场景信息，该场景信息可以用于表征当前车辆处于实体车位之间存在实体障碍物的场景。
在本发明的一种可选实施例中，所述子步骤S13包括：
确定相邻的车位对象之间的相邻顶点的间隔；在所述间隔满足预设距离范围时，确定所述相邻车位之间存在障碍物对象。
当相邻的车位对象之间存在一定距离时，可以通过图像信息确定相邻车位对象之间的相邻顶点的间隔，例如：相邻的第一车位对象以及第二车位对象，第一车位对象位于第二车位对象左侧，相邻顶点的间隔可以为第一车位对象的右上顶点与第二车位对象的左上顶点之间的距离。
当相邻车位对象之间的相邻顶点的间隔为预设距离范围(例如：预设距离范围可以为0.5～1米)时，确定当前车辆处于实体车位之间存在实体障碍物的场景，则确定实体车位对应的车位对象之间存在障碍物对象。
在本发明的一种可选实施例中，所述步骤101中在子步骤S14前可以还包括：
子步骤S16，确定障碍物对象的位置信息以及宽度信息；
可以通过图像信息确定障碍物对象的特征信息，特征信息包括但不限于位置信息以及宽度信息。
具体的，可以针对障碍物对象所处位置构建坐标系，例如可以确定相邻车位对象的相邻顶点之间的中点为坐标系原点构建坐标系，通过该坐标系得到上述特征信息。通过以障碍物对象所处位置构建坐标系，使得对障碍物对象的特征信息、修正区域、检测信息等数据处理更加简便，提高数据处理效率。
子步骤S14，可以包括：针对所述车位对象存在所述障碍物对象的一侧，依据所述位置信息和所述宽度信息确定所述障碍物对象对应的修正区域。
由于障碍物对象的大小会影响到误检障碍物点的分布，可以当车位对象与障碍物对象相邻时，可以针对车位对象存在障碍物的对象的一侧，基于障碍物的对象的宽度信息确定修正区域的大小，并基于障碍物对象的位置信息确定修正区域的位置。
在本发明的一种可选实施例中，所述针对所述车位对象存在所述障碍物对象的一侧，依据所述位置信息和所述宽度信息确定所述障碍物对象对应的修正区域的步骤，包括：
基于所述图像信息判断所述车位对象是否处于空闲状态；若所述车位对象处于空闲状态，则针对处于所述空闲状态的车位对象存在所述障碍物对象的一侧，依据所述位置信息和所述宽度信息确定所述障碍物对象对应的修正区域。
可以对图像信息做进一步识别，以判断实体车位中是否停放有车辆，如果实体车位中未停放有车辆，则确定该车位为空闲车位，即确定该车位对象处于空闲状态。
在泊车场景中，由于已停放车辆的实体车位无法额外停放车辆，先判断位于障碍物对象相邻的车位是否为空闲状态，并针对处于空闲窗台的车位存在障碍物对象的一侧，确定相应的修正区域，避免针对已停放有车辆的实体车位进行不必要的检测以及数据处理。
在本发明的一种可选实施例中，所述步骤104包括：采用所述分类模型生成与所述检测信息匹配的误检概率；若所述误检概率大于所述第二阈值，则确定所述检测信息为误检信息。
分类模型可以输出检测信息匹配的误检概率，根据误检概率和相应的阈值判断其是否为误检信息。
针对处于修正区域的检测信息，当误检概率大于第二阈值时，确定检测信息为误检信息；针对不处于修正区域的检测信息，当误检概率大于第一阈值时，确定检测信息为误检信息，其中，第一阈值大于第二阈值。
在本发明实施例中，检测信息可以包括至少一个检测点，检测点的位置可以通过上述坐标系进行标识。
在本发明的一种可选实施例中，所述方法还包括：依据所述轮廓信息判断所述车位对象是否处于可泊车状态；若所述车位对象处于可泊车状态，则确定至少一个处于所述可泊车状态的车位对象为目标车位对象；生成与所述目标车位对象对应的泊车路径。
基于障碍度对象的轮廓信息，判断车位对象对应的实体车位中是否存在障碍物，进而依据车辆的特征信息(位姿信息、大小信息等)判断车辆能否停放至车位对象对应的实体车位。若车辆能停放至该实体车位，则确定相应的车位对象为可泊车状态。
确定可泊车状态的车位对象中的至少一个为目标车位对象，生成与该目标车位对象对应的泊车路劲，进而实现控制车辆进行自动泊车，使得车辆泊入目标车位对象对应的实体车位。
以下，以与一个示例对本发明实施例做进一步说明：
参照图3，示出了本发明提供的另一种超声波检测示意图。
车辆301中搭载的朝向车辆两侧的摄像头302(通常为环视系统的两颗侧向摄像头)，可以识别出车辆周围的车位分布，通过检测相邻两车位的车位线间距，可以快速识别出车位303间有障碍物304(通常为分割墙体或柱子)的场景。
该场景的可以简单定义为相邻车位的相邻角点的间距d处于0.5-1.5m的范围内，符合多数停车场内有方柱等障碍物分割车位的场景。在两车位间就生成了一个虚拟的柱体(障碍物对象)，柱体的厚度D即相邻角点距离d。在检测到的柱体处会生成一个平面右手坐标系，称为柱体坐标系，其原点位两车位的相邻角点的重点，x轴指向车位长边，y轴与外侧车位线共线。
在柱体坐标系两侧检查车位状态，仅在视觉检测出的空车位的一侧形成一个修正区域305，该区域的的范围可以用x和y的范围表示。
在本示例中，x范围：-0.5～3米；y范围：|D/2|～|D/2+w|米，D为虚拟柱体宽度，w为超声波雷达探测范围补偿，随探测距离和探测阈值调整变化，本示例中取典型值1米。
参照图4，示出了本发明提供的一种分类模型的数据处理流程示意图。
在修正区域被检测出之后，SVM模型会对当前输入的超声波信号的分类阈值进行调整，并对检测信息进行相应数据处理，使得修正区域内的点更倾向于被判别为误检障碍物点，从而降低了空车位内障碍物数量，提高了真实空车位的置信度，最终提升了车位检索成功率。
具体的，SVM模型对检测信息进行相应数据处理的步骤包括：步骤401，计算超声波回波的误检概率；确定检测信息的误检概率。
步骤402，检测该回波是否在车位附近的修正区域；判断检测信息的位置是否处于修正区域。若是，则执行步骤403-404，若否则执行步骤404；
步骤403，降低误检点判定阈值；将第一阈值调整为第二阈值。
步骤404，根据误检概率和阈值判定是否是用该信息。具体的，针对处于修正区域的检测信息，当误检概率大于第二阈值时，确定检测信息为误检信息；针对不处于修正区域的检测信息，当误检概率大于第一阈值时，确定检测信息为误检信息
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
参照图5，示出了本发明的一种检测信息处理装置实施例的结构框图，具体可以包括如下模块：
场景信息生成模块501，用于依据采集的图像信息生成场景信息；所述场景信息包括障碍物对象以及所述障碍物对象对应的修正区域；
检测信息获取模块502，用于获取针对所述障碍物对象的检测信息；
阈值调整模块503，用于当所述检测信息处于所述修正区域时，将预设的分类模型中设置的预设第一阈值调整为预设第二阈值；所述预设第二阈值小于预设第一阈值；
误检信息确定模块504，用于依据预设第二阈值判断所述检测信息是否为误检信息；
轮廓信息生成模块505，用于若所述检测信息为误检信息，则依据剔除所述误检信息后的检测信息生成所述障碍物对象的轮廓信息。
在本发明的一种可选实施例中，所述场景信息还包括车位对象；所述场景信息生成模块501包括：
图像信息采集子模块，用于采集图像信息；
车位对象识别子模块，用于识别所述图像信息中的车位对象；
障碍物对象确定子模块，用于依据所述车位对象确定障碍物对象；
修正区域确定子模块，用于针对所述车位对象确定所述障碍物对象对应的修正区域；
场景信息生成子模块，用于基于所述车位对象、所述障碍物对象和所述修正区域生成场景信息。
在本发明的一种可选实施例中，所述障碍物对象确定子模块包括：
间隔确定单元，用于确定相邻的车位对象之间的相邻顶点的间隔；
障碍物对象确定单元，用于在所述间隔满足预设距离范围时，确定所述相邻车位之间存在障碍物对象。
在本发明的一种可选实施例中，所述场景信息生成模块501还包括：
障碍物对象信息子模块，用于确定障碍物对象的位置信息以及宽度信息；
所述修正区域确定子模块，用于针对所述车位对象存在所述障碍物对象的一侧，依据所述位置信息和所述宽度信息确定所述障碍物对象对应的修正区域。
在本发明的一种可选实施例中，所述修正区域确定子模块包括：
空闲状态判断单元，用于基于所述图像信息判断所述车位对象是否处于空闲状态；
空闲状态确定单元，用于若所述车位对象是否处于空闲状态，则针对处于所述空闲状态的车位对象存在所述障碍物对象的一侧，依据所述位置信息和所述宽度信息确定所述障碍物对象对应的修正区域。
在本发明的一种可选实施例中，所述误检信息确定模块504包括：
误检概率生成子模块，用于采用所述分类模型生成与所述检测信息匹配的误检概率；
误检信息确定子模块，用于若所述误检概率大于所述第二阈值，则确定所述检测信息为误检信息。
在本发明的一种可选实施例中，所述装置还包括：
可泊车状态判断模块，用于依据所述轮廓信息判断所述车位对象是否处于可泊车状态；
目标车位对象确定模块，用于若所述车位对象处于可泊车状态，则确定至少一个处于所述可泊车状态的车位对象为目标车位对象；
泊车路径生成模块，用于生成与所述目标车位对象对应的泊车路径。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本发明实施例还提供了一种车辆，包括：包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，该计算机程序被处理器执行时实现上述检测信息处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现上述检测信息处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种检测信息处理方法和一种检测信息处理装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (12)

1.一种检测信息处理方法，其特征在于，包括：
依据采集的图像信息生成场景信息；所述场景信息包括障碍物对象以及所述障碍物对象对应的修正区域；
获取针对所述障碍物对象的检测信息；
当所述检测信息处于所述修正区域时，将预设的分类模型中设置的预设第一阈值调整为预设第二阈值；
依据预设第二阈值判断所述检测信息是否为误检信息；
若是，则依据剔除所述误检信息后的检测信息生成所述障碍物对象的轮廓信息；
其中，所述依据预设第二阈值判断所述检测信息是否为误检信息，包括：
采用所述分类模型生成与所述检测信息匹配的误检概率；
其中，所述采用所述分类模型生成与所述检测信息匹配的误检概率之后，所述方法还包括：
当所述检测信息不处于所述修正区域时，当误检概率大于第一阈值时，确定检测信息为误检信息；
其中，所述第一阈值大于所述第二阈值。
2.根据权利要求1所述的方法，其特征在于，所述场景信息还包括车位对象；所述依据采集的图像信息生成场景信息的步骤，包括：
采集图像信息；
识别所述图像信息中的车位对象；
依据所述车位对象确定障碍物对象；
针对所述车位对象确定所述障碍物对象对应的修正区域；
基于所述车位对象、所述障碍物对象和所述修正区域生成场景信息。
3.根据权利要求2所述的方法，其特征在于，所述依据所述车位对象确定障碍物对象的步骤，包括：
确定相邻的车位对象之间的相邻顶点的间隔；
在所述间隔满足预设距离范围时，确定所述相邻车位之间存在障碍物对象。
4.根据权利要求3所述的方法，其特征在于，所述依据采集的图像信息生成场景信息的步骤，还包括：
确定障碍物对象的位置信息以及宽度信息；
所述针对所述车位对象确定所述障碍物对象对应的修正区域的步骤，包括：
针对所述车位对象存在所述障碍物对象的一侧，依据所述位置信息和所述宽度信息确定所述障碍物对象对应的修正区域。
5.根据权利要求4所述的方法，其特征在于，所述针对所述车位对象存在所述障碍物对象的一侧，依据所述位置信息和所述宽度信息确定所述障碍物对象对应的修正区域的步骤，包括：
基于所述图像信息判断所述车位对象是否处于空闲状态；
若是，则针对处于所述空闲状态的车位对象存在所述障碍物对象的一侧，依据所述位置信息和所述宽度信息确定所述障碍物对象对应的修正区域。
6.根据权利要求1或2或3或4所述的方法，其特征在于，所述依据预设第二阈值判断所述检测信息是否为误检信息的步骤，包括：
若所述误检概率大于所述第二阈值，则确定所述检测信息为误检信息。
7.根据权利要求1或2或3或4所述的方法，其特征在于，所述方法还包括：
依据所述轮廓信息判断车位对象是否处于可泊车状态；
若是，则确定至少一个处于所述可泊车状态的车位对象为目标车位对象；
生成与所述目标车位对象对应的泊车路径。
8.一种检测信息处理装置，其特征在于，包括：
场景信息生成模块，用于依据采集的图像信息生成场景信息；所述场景信息包括障碍物对象以及所述障碍物对象对应的修正区域；
检测信息获取模块，用于获取针对所述障碍物对象的检测信息；
阈值调整模块，用于当所述检测信息处于所述修正区域时，将预设的分类模型中设置的预设第一阈值调整为预设第二阈值；
误检信息确定模块，用于依据预设第二阈值判断所述检测信息是否为误检信息；
轮廓信息生成模块，用于若所述检测信息为误检信息，则依据剔除所述误检信息后的检测信息生成所述障碍物对象的轮廓信息；
其中，所述误检信息确定模块包括：
误检概率生成子模块，用于采用所述分类模型生成与所述检测信息匹配的误检概率；
其中，所述装置还包括：
用于执行当所述检测信息不处于所述修正区域时，当误检概率大于第一阈值时，确定检测信息为误检信息的模块；
其中，所述第一阈值大于所述第二阈值。
9.根据权利要求8所述的装置，其特征在于，所述场景信息还包括车位对象；所述场景信息生成模块包括：
图像信息采集子模块，用于采集图像信息；
车位对象识别子模块，用于识别所述图像信息中的车位对象；
障碍物对象确定子模块，用于依据所述车位对象确定障碍物对象；
修正区域确定子模块，用于针对所述车位对象确定所述障碍物对象对应的修正区域；
场景信息生成子模块，用于基于所述车位对象、所述障碍物对象和所述修正区域生成场景信息。
10.根据权利要求9所述的装置，其特征在于，所述障碍物对象确定子模块包括：
间隔确定单元，用于确定相邻的车位对象之间的相邻顶点的间隔；
障碍物对象确定单元，用于在所述间隔满足预设距离范围时，确定所述相邻车位之间存在障碍物对象。
11.一种车辆，其特征在于，包括：处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述的检测信息处理方法的步骤。
12.一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计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的检测信息处理方法的步骤。
CN202110178296.6A 2021-02-09 2021-02-09 一种检测信息处理方法和装置 Active CN112801024B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110178296.6A CN112801024B (zh) 2021-02-09 2021-02-09 一种检测信息处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110178296.6A CN112801024B (zh) 2021-02-09 2021-02-09 一种检测信息处理方法和装置

Publications (2)

Publication Number Publication Date
CN112801024A CN112801024A (zh) 2021-05-14
CN112801024B true CN112801024B (zh) 2023-08-29

Family

ID=75814986

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110178296.6A Active CN112801024B (zh) 2021-02-09 2021-02-09 一种检测信息处理方法和装置

Country Status (1)

Country Link
CN (1) CN112801024B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113246990A (zh) * 2021-05-24 2021-08-13 广州小鹏自动驾驶科技有限公司 一种障碍物位置的确定方法、装置和车辆
CN115032619A (zh) * 2022-05-05 2022-09-09 岚图汽车科技有限公司 一种超声波传感器阈值标定系统及方法
CN115083172B (zh) * 2022-06-17 2024-08-27 深圳智优停科技有限公司 车位占用状态的障碍物检测方法及车位检测系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106945660A (zh) * 2017-02-24 2017-07-14 宁波吉利汽车研究开发有限公司 一种自动泊车系统
CN109460709A (zh) * 2018-10-12 2019-03-12 南京大学 基于rgb和d信息融合的rtg视觉障碍物检测的方法
CN109712427A (zh) * 2019-01-03 2019-05-03 广州小鹏汽车科技有限公司 一种车位检测方法及装置
CN110281917A (zh) * 2019-05-31 2019-09-27 惠州市德赛西威汽车电子股份有限公司 一种自主泊车控制方法
CN110562249A (zh) * 2019-09-26 2019-12-13 上汽通用汽车有限公司 自动泊车辅助方法、可读存储介质和电子设备
CN110696826A (zh) * 2019-10-09 2020-01-17 北京百度网讯科技有限公司 用于控制车辆的方法和装置
CN111191600A (zh) * 2019-12-30 2020-05-22 深圳元戎启行科技有限公司 障碍物检测方法、装置、计算机设备和存储介质
CN111198376A (zh) * 2020-01-13 2020-05-26 广州小鹏汽车科技有限公司 一种自动泊车过程中的可达空间调整方法及装置、车辆、存储介质
CN111516676A (zh) * 2020-04-30 2020-08-11 重庆长安汽车股份有限公司 一种自动泊车方法、系统、汽车及计算机可读存储介质
CN111762152A (zh) * 2019-03-30 2020-10-13 上海欧菲智能车联科技有限公司 泊车方法、装置、设备、车辆及计算机可读存储介质
CN111812657A (zh) * 2020-07-10 2020-10-23 广州小鹏车联网科技有限公司 一种基于车辆的泊车空间确定方法和装置
CN112158196A (zh) * 2020-10-12 2021-01-01 北京罗克维尔斯科技有限公司 自动泊车方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012103134A1 (de) * 2011-04-12 2012-10-18 Conti Temic Microelectronic Gmbh Verfahren zur Warnung eines Fahrers eines Fahrzeugs vor rückwärtigem Verkehr
JP6815963B2 (ja) * 2017-09-29 2021-01-20 クラリオン株式会社 車両用外界認識装置
JP7072641B2 (ja) * 2018-04-16 2022-05-20 三菱電機株式会社 路面検出装置、路面検出装置を利用した画像表示装置、路面検出装置を利用した障害物検知装置、路面検出方法、路面検出方法を利用した画像表示方法、および路面検出方法を利用した障害物検知方法
US10915792B2 (en) * 2018-09-06 2021-02-09 Nec Corporation Domain adaptation for instance detection and segmentation

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106945660A (zh) * 2017-02-24 2017-07-14 宁波吉利汽车研究开发有限公司 一种自动泊车系统
CN109460709A (zh) * 2018-10-12 2019-03-12 南京大学 基于rgb和d信息融合的rtg视觉障碍物检测的方法
CN109712427A (zh) * 2019-01-03 2019-05-03 广州小鹏汽车科技有限公司 一种车位检测方法及装置
CN111762152A (zh) * 2019-03-30 2020-10-13 上海欧菲智能车联科技有限公司 泊车方法、装置、设备、车辆及计算机可读存储介质
CN110281917A (zh) * 2019-05-31 2019-09-27 惠州市德赛西威汽车电子股份有限公司 一种自主泊车控制方法
CN110562249A (zh) * 2019-09-26 2019-12-13 上汽通用汽车有限公司 自动泊车辅助方法、可读存储介质和电子设备
CN110696826A (zh) * 2019-10-09 2020-01-17 北京百度网讯科技有限公司 用于控制车辆的方法和装置
CN111191600A (zh) * 2019-12-30 2020-05-22 深圳元戎启行科技有限公司 障碍物检测方法、装置、计算机设备和存储介质
CN111198376A (zh) * 2020-01-13 2020-05-26 广州小鹏汽车科技有限公司 一种自动泊车过程中的可达空间调整方法及装置、车辆、存储介质
CN111516676A (zh) * 2020-04-30 2020-08-11 重庆长安汽车股份有限公司 一种自动泊车方法、系统、汽车及计算机可读存储介质
CN111812657A (zh) * 2020-07-10 2020-10-23 广州小鹏车联网科技有限公司 一种基于车辆的泊车空间确定方法和装置
CN112158196A (zh) * 2020-10-12 2021-01-01 北京罗克维尔斯科技有限公司 自动泊车方法及装置

Also Published As

Publication number Publication date
CN112801024A (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
CN112801024B (zh) 一种检测信息处理方法和装置
CN111352110B (zh) 处理雷达数据的方法和装置
CN109870680B (zh) 一种目标分类方法及装置
CN112014845B (zh) 一种车辆障碍物定位方法、装置、设备及存储介质
US8099213B2 (en) Road-edge detection
JP6450294B2 (ja) 物体検出装置、物体検出方法、及びプログラム
CN109583416B (zh) 伪车道线识别方法及系统
JP2006234494A (ja) 物体認識装置
CN1940591A (zh) 使用传感器融合进行目标跟踪的系统和方法
CN112949782A (zh) 一种目标检测方法、装置、设备及存储介质
CN112084810A (zh) 一种障碍物检测方法、装置、电子设备及存储介质
US20230065727A1 (en) Vehicle and vehicle control method
CN111580116A (zh) 一种车载系统的目标检测性能的评价方法和电子设备
CN115792945B (zh) 一种浮空障碍物检测方法、装置和电子设备、存储介质
CN114882701B (zh) 车位检测方法、装置、电子设备及机器可读存储介质
CN110426714B (zh) 一种障碍物识别方法
CN109263649B (zh) 车辆及其自动驾驶模式下的物体识别方法和物体识别系统
JP6555132B2 (ja) 移動物体検出装置
JP4618506B2 (ja) 物体認識装置
CN112896070A (zh) 一种车位障碍物检测方法、装置及计算机可读存储介质
CN113075668B (zh) 一种动态障碍物对象识别方法和装置
CN116626630B (zh) 一种物体分类方法、装置、电子设备及存储介质
CN118269985B (zh) 一种车辆变道辅助方法、装置、存储介质及设备
CN117115785A (zh) 基于毫米波雷达目标融合边界的自学习方法、系统及车辆
CN116736226A (zh) 目标对象的检测方法、装置、车辆及存储介质

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240305

Address after: 510000 No.8 Songgang street, Cencun, Tianhe District, Guangzhou City, Guangdong Province

Patentee after: GUANGZHOU XIAOPENG MOTORS TECHNOLOGY Co.,Ltd.

Country or region after: China

Address before: Room 46, room 406, No. 1, Yichuang street, Zhongxin knowledge city, Huangpu District, Guangzhou, Guangdong 510725

Patentee before: Guangzhou Xiaopeng Automatic Driving Technology Co.,Ltd.

Country or region before: China