CN112896070A - 一种车位障碍物检测方法、装置及计算机可读存储介质 - Google Patents
一种车位障碍物检测方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112896070A CN112896070A CN202110067274.2A CN202110067274A CN112896070A CN 112896070 A CN112896070 A CN 112896070A CN 202110067274 A CN202110067274 A CN 202110067274A CN 112896070 A CN112896070 A CN 112896070A
- Authority
- CN
- China
- Prior art keywords
- parking space
- vehicle
- distance
- distance data
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 53
- 230000004888 barrier function Effects 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 25
- 230000003068 static effect Effects 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 10
- 238000012360 testing method Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000009977 dual effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003137 locomotive effect Effects 0.000 description 2
- 239000010813 municipal solid waste Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
-
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
Abstract
本发明公开了一种车位障碍物检测方法、装置及计算机可读存储介质，通过车辆朝向停车位一侧所设置的两个测距传感器，分别采集车辆相对于车位障碍物的距离数据；将近车尾端所设置的测距传感器的距离数据，按时间轴正平移目标区间，得到变换后的距离数据；将变换后的距离数据与近车头端所设置的测距传感器的距离数据进行比较；根据比较结果确定车位障碍物的实时状态。通过本发明的实施，结合双传感器的距离检测数据来识别车位障碍物的实时状态，可有效检测车位障碍物是否具有假阳数据噪音的特征，算法简单易行，可显著提升车位障碍物判别的准确性。
Description
技术领域
本发明涉及电子技术领域，尤其涉及一种车位障碍物检测方法、装置及计算机可读存储介质。
背景技术
目前，车辆判别车位周围障碍物是否为移动物体主要借助多光束激光雷达、毫米波雷达等。
其中，多光束激光雷达利用光波进行主动探测，通过信号回波来测量激光从发出经障碍物反射到被传感器接收的往返时间。经过计算和信号处理，持续的生成周边环境精准的三维点云图。其缺点是激光易受雨雪雾霾的影响，采集的数据量过大，设备价格昂贵，3D建模计算能力要求高和算法复杂。
毫米波雷达工作在毫米波波段，其波长介于厘米波和光波之间。因此毫米波雷达尺寸小、重量轻；此外，毫米波雷达对物体速度追踪比较敏感，并可以满足全天气候的要求。其缺点是精度较低，无法对物体进行精准建模。
由此可见，现有技术中所提供的车位障碍物检测方式的检测复杂度较高且检测准确性较低，在具体实践中的有效性较差。
发明内容
本发明实施例的主要目的在于提供一种车位障碍物检测方法、装置及计算机可读存储介质，至少能够解决相关技术中所提供的车位障碍物检测方式的检测复杂度较高且检测准确性较低的问题。
为实现上述目的，本发明实施例第一方面提供了一种车位障碍物检测方法，该方法包括：
通过车辆朝向停车位一侧所设置的两个测距传感器，分别采集所述车辆相对于车位障碍物的距离数据；其中，所述两个测距传感器分别设置于所述车辆的近车头端和近车尾端；
将所述近车尾端所设置的所述测距传感器的所述距离数据，按时间轴正平移目标区间，得到变换后的距离数据；其中，所述目标区间为所述两个测距传感器的设置距离与所述车辆的车速的比值；
将所述变换后的距离数据与所述近车头端所设置的所述测距传感器的所述距离数据进行比较；
根据比较结果确定所述车位障碍物的实时状态；其中，所述实时状态包括运动状态、静止状态，在所述比较结果为比较一致时，所述车位障碍物的实时状态为所述静止状态。
为实现上述目的，本发明实施例第二方面提供了一种车位障碍物检测装置，该装置包括：
采集模块，用于通过车辆朝向停车位一侧所设置的两个测距传感器，分别采集所述车辆相对于车位障碍物的距离数据；其中，所述两个测距传感器分别设置于所述车辆的近车头端和近车尾端；
变换模块，用于将所述近车尾端所设置的所述测距传感器的所述距离数据，按时间轴正平移目标区间，得到变换后的距离数据；其中，所述目标区间为所述两个测距传感器的设置距离与所述车辆的车速的比值；
比较模块，用于将所述变换后的距离数据与所述近车头端所设置的所述测距传感器的所述距离数据进行比较；
确定模块，用于根据比较结果确定所述车位障碍物的实时状态；其中，所述实时状态包括运动状态、静止状态，在所述比较结果为比较一致时，所述车位障碍物的实时状态为所述静止状态。
为实现上述目的，本发明实施例第三方面提供了一种电子装置，该电子装置包括：处理器、存储器和通信总线；
所述通信总线用于实现所述处理器和存储器之间的连接通信；
所述处理器用于执行所述存储器中存储的一个或者多个程序，以实现上述任意一种车位障碍物检测方法的步骤。
为实现上述目的，本发明实施例第四方面提供了一种计算机可读存储介质，该计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述任意一种车位障碍物检测方法的步骤。
根据本发明实施例提供的车位障碍物检测方法、装置及计算机可读存储介质，通过车辆朝向停车位一侧所设置的两个测距传感器，分别采集车辆相对于车位障碍物的距离数据；将近车尾端所设置的测距传感器的距离数据，按时间轴正平移目标区间，得到变换后的距离数据；将变换后的距离数据与近车头端所设置的测距传感器的距离数据进行比较；根据比较结果确定车位障碍物的实时状态。通过本发明的实施，结合双传感器的距离检测数据来识别车位障碍物的实时状态，可有效检测车位障碍物是否具有假阳数据噪音的特征，算法简单易行，可显著提升车位障碍物判别的准确性。
本发明其他特征和相应的效果在说明书的后面部分进行阐述说明，且应当理解，至少部分效果从本发明说明书中的记载变的显而易见。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明第一实施例提供的车位障碍物检测方法的基本流程示意图；
图2为本发明第一实施例提供的单测距传感器的测试场景示意图；
图3为本发明第一实施例提供的单测距传感器的测试结果示意图；
图4为本发明第一实施例提供的双测距传感器的测试场景示意图；
图5为本发明第一实施例提供的双测距传感器的测试结果示意图；
图6为本发明第二实施例提供的车位障碍物检测装置的程序模块示意图；
图7为本发明第三实施例提供的电子装置的结构示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
第一实施例：
为了解决相关技术中所提供的车位障碍物检测方式的检测复杂度较高且检测准确性较低的问题，本实施例提出了一种车位障碍物检测方法，如图1所示为本实施例提供的车位障碍物检测方法的基本流程示意图，本实施例提出的车位障碍物检测方法包括以下的步骤：
步骤101、通过车辆朝向停车位一侧所设置的两个测距传感器，分别采集车辆相对于车位障碍物的距离数据。
具体的，本实施例的两个测距传感器分别设置于车辆的近车头端和近车尾端，也即其中一个测距传感器靠近车头设置，另一个测距传感器靠近车尾设置。应当理解的是，在实际应用中，根据车位布局场景的不同，部分停车场仅支持车辆右侧停车，那么则可仅在车辆右侧设置两个测距传感器，而部分停车场支持车辆两侧均可停车，那么则可在车辆两侧均设置两个测距传感器。还应当说明的是，本实施例的车位障碍物通常为行人、自行车、警示牌、垃圾桶等，其中，行人、自行车通常为运动障碍物，而警示牌、垃圾桶等为静止障碍物。
应当理解的是，本实施例的测距传感器可以为车辆自配的传感器，也可以后装的传感器，在实际应用中，可以采用超声波传感器或单光束激光测距仪等较为便宜的设备，可为不具备装载诸如激光雷达，毫米波雷达，摄像头等价格昂贵且计算能力较低的车辆提供一种安装简便、价格便宜、算法简单的移动障碍物的判别方法。
在本实施例的一种可选的实施方式中，上述通过车辆朝向停车位一侧所设置的两个测距传感器，分别采集车辆相对于车位障碍物的距离数据的步骤，包括：通过车辆朝向停车位一侧所设置的两个测距传感器，在时间轴上每间隔目标区间之后分别采集车辆相对于不同车位障碍物的距离数据。
具体的，在实际应用中，停车场的车位有多个，那么则具备对多个相邻车位均进行障碍物检测的需求，本实施例在检测一个车位障碍物之后，两测距传感器的距离数据需要经过有一个大于或等于D/V车的时间区间，两测距传感器的数据才可进行下一轮的比较，也即本实施例针对单个车位障碍物的算法运行时间至少为D/V车秒。
在本实施例的一种可选的实施方式中，在上述通过车辆朝向停车位一侧所设置的两个测距传感器，分别采集车辆相对于车位障碍物的距离数据的步骤之前，还包括：实时获取两个测距传感器中，近车头端所设置的测距传感器所采集的距离数据；将测距传感器所采集的距离数据与预设距离阈值进行比较。相对应的，当小于距离阈值时，判定存在车位障碍物，然后触发执行通过车辆朝向停车位一侧所设置的两个测距传感器，分别采集车辆相对于车位障碍物的距离数据的步骤。
具体的，本实施例在进行车位障碍物的实时状态检测之前，首先需要判定车位是否存在障碍物，在实际应用中，一种情况下，车位障碍物可能处于车位之内，那么所检测的距离数据应当小于车辆至车位内边界的距离，车位障碍物可能处于车位之外，那么所检测的距离数据应当小于车辆至车位外边界的距离。
步骤102、将近车尾端所设置的测距传感器的距离数据，按时间轴正平移目标区间，得到变换后的距离数据。
具体的，在本实施例中，目标区间为两个测距传感器的设置距离与车辆的车速的比值，也即D/V车，其中，D表示两个测距传感器的设置距离，V车表示车辆的车速。本实施例的距离数据变换也即将车尾端测距传感器的时间列数据加D/V车，而距离列数据保持不变。
步骤103、将变换后的距离数据与近车头端所设置的测距传感器的距离数据进行比较。
具体的，在本实施例中，两个测距传感器分别获得车身到车位障碍物的距离。由于两个测距传感器的相对距离固定，如果所测物体静止，将靠近车尾的测距传感器所获的距离数据按时间轴正平移D/V车，两个测距传感器所获的数据将趋于一致，数据图像也将重合。如果所测物体移动，重复以上时间轴平移，两个测距传感器所获数据在移动物体的数据的±D/V物体区间将无法重合。
步骤104、根据比较结果确定车位障碍物的实时状态。
具体的，在本实施例中，车位障碍物的实时状态包括运动状态、静止状态，在距离数据比较结果为比较一致时，车位障碍物的实时状态为静止状态，反之，在比较不一致时，车位障碍物的实时状态为运动状态。通过本实施例的车位障碍物检测方法，能有效的识别出停车位内的物体是否具有假阳数据噪音的特征，即，是否为移动物体。如果是移动物体的话，通过算法设计，可以有效剔除停车位的假阳噪音数据，提高车位的探测成功率。应当说明的是，假阳噪音(FPN，False Positive Noise)指某个停车位的实际忙闲情况是空位，但算法将此路边停车位上的移动物体误分类为不可移动障碍物，导致分析结果为此停车位被占用。
在本实施例的一种可选的实施方式中，上述根据比较结果确定车位障碍物的实时状态的步骤之后，还包括：在实时状态为运动状态时，基于两个测距传感器的距离数据计算车位障碍物的运动特征数据；基于运动特征数据识别车位障碍物的类别信息。
具体的，本实施例的运动特征数据可以包括运动速度等，由于不同运动物体的运动特征有所不同，本实施例参考运动特征与运动物体类型的对应关系，即可进一步识别并输出当前车位的运动障碍物的具体类型，可进一步辅助有效停车。
如图2所示为本实施例提供的单测距传感器的测试场景示意图，将单个测距传感器采集的距离数据分析与分类，得出测距传感器所获数据相应的预测结果，如图3所示为本实施例提供的单测距传感器的测试结果示意图，该算法仅判断出路边停车位1是有效的空位，而将自行车和行人都误判为位于相应停车位上的障碍物，导致产生假阳噪音。
如图4所示为本实施例提供的双测距传感器的测试场景示意图，两个测距传感器(也即图4中的测距仪1和测距仪2)均置于车身靠近路边停车位的一侧，它们之间的距离为D；试验车车速为V车；d1,d2,d3,d4分别为车1与自行车的距离、自行车与婴儿车的距离、车2与行人的距离、行人与停车位6边沿的距离。其中，自行车车速为V自行车，方向与试验车相同；行人步行速度为V行人，方向与试验车相反。
在本实施例中，当引入第二个测距传感器后，将其所获数据的时间轴正平移D/V车及算法比对，可以判断出障碍物的运动状态，包括运动速度和运动方向；如图5所示为本实施例提供的双测距传感器的测试结果示意图，由于自行车和行人处于运动状态，它们与测试车的速度差导致了两个测距传感器所获得的d1,d2,d3,d4的距离数据不一致；通过对测距传感器检测的障碍物数据进行特征学习、训练和标记，可以计算出障碍物的运动状态，并准确剔除预测结果中的假阳噪音，提高车位预测的准确率。
根据本发明实施例提供的车位障碍物检测方法，通过车辆朝向停车位一侧所设置的两个测距传感器，分别采集车辆相对于车位障碍物的距离数据；将近车尾端所设置的测距传感器的距离数据，按时间轴正平移目标区间，得到变换后的距离数据；将变换后的距离数据与近车头端所设置的测距传感器的距离数据进行比较；根据比较结果确定车位障碍物的实时状态。通过本发明的实施，结合双传感器的距离检测数据来识别车位障碍物的实时状态，可有效检测车位障碍物是否具有假阳数据噪音的特征，算法简单易行，可显著提升车位障碍物判别的准确性。
第二实施例：
为了解决相关技术中所提供的车位障碍物检测方式的检测复杂度较高且检测准确性较低的问题，本实施例示出了一种车位障碍物检测装置，具体请参见图6，本实施例的车位障碍物检测装置包括：
采集模块601，用于通过车辆朝向停车位一侧所设置的两个测距传感器，分别采集车辆相对于车位障碍物的距离数据；其中，两个测距传感器分别设置于车辆的近车头端和近车尾端；
变换模块602，用于将近车尾端所设置的测距传感器的距离数据，按时间轴正平移目标区间，得到变换后的距离数据；其中，目标区间为两个测距传感器的设置距离与车辆的车速的比值；
比较模块603，用于将变换后的距离数据与近车头端所设置的测距传感器的距离数据进行比较；
确定模块604，用于根据比较结果确定车位障碍物的实时状态；其中，实时状态包括运动状态、静止状态，在比较结果为比较一致时，车位障碍物的实时状态为静止状态。
在本实施例的一些实施方式中，车位障碍物检测装置还包括：识别模块；识别模块具体用于：在根据比较结果确定车位障碍物的实时状态之后，在实时状态为运动状态时，基于两个测距传感器的距离数据计算车位障碍物的运动特征数据；基于运动特征数据识别车位障碍物的类别信息。
在本实施例的一些实施方式中，采集模块具体用于：通过车辆朝向停车位一侧所设置的两个测距传感器，在时间轴上每间隔目标区间之后分别采集车辆相对于不同车位障碍物的距离数据。
在本实施例的一些实施方式中，车位障碍物检测装置还包括：判定模块；判定模块具体用于：在通过车辆朝向停车位一侧所设置的两个测距传感器，分别采集车辆相对于车位障碍物的距离数据之前，实时获取两个测距传感器中，近车头端所设置的测距传感器所采集的距离数据；将测距传感器所采集的距离数据与预设距离阈值进行比较；当小于距离阈值时，判定存在车位障碍物。相对应的，采集模块具体用于：当存在车位障碍物时，通过车辆朝向停车位一侧所设置的两个测距传感器，分别采集车辆相对于车位障碍物的距离数据。
应当说明的是，前述实施例中的车位障碍物检测方法均可基于本实施例提供的车位障碍物检测装置实现，所属领域的普通技术人员可以清楚的了解到，为描述的方便和简洁，本实施例中所描述的车位障碍物检测装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
采用本实施例提供的车位障碍物检测装置，通过车辆朝向停车位一侧所设置的两个测距传感器，分别采集车辆相对于车位障碍物的距离数据；将近车尾端所设置的测距传感器的距离数据，按时间轴正平移目标区间，得到变换后的距离数据；将变换后的距离数据与近车头端所设置的测距传感器的距离数据进行比较；根据比较结果确定车位障碍物的实时状态。通过本发明的实施，结合双传感器的距离检测数据来识别车位障碍物的实时状态，可有效检测车位障碍物是否具有假阳数据噪音的特征，算法简单易行，可显著提升车位障碍物判别的准确性。
第三实施例：
本实施例提供了一种电子装置，参见图7所示，其包括处理器701、存储器702及通信总线703，其中：通信总线703用于实现处理器701和存储器702之间的连接通信；处理器701用于执行存储器702中存储的一个或者多个计算机程序，以实现上述实施例一中的车位障碍物检测方法中的至少一个步骤。
本实施例还提供了一种计算机可读存储介质，该计算机可读存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、计算机程序模块或其他数据)的任何方法或技术中实施的易失性或非易失性、可移除或不可移除的介质。计算机可读存储介质包括但不限于RAM(Random Access Memory，随机存取存储器),ROM(Read-Only Memory，只读存储器),EEPROM(Electrically Erasable Programmable read only memory，带电可擦可编程只读存储器)、闪存或其他存储器技术、CD-ROM(Compact Disc Read-Only Memory，光盘只读存储器)，数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。
本实施例中的计算机可读存储介质可用于存储一个或者多个计算机程序，其存储的一个或者多个计算机程序可被处理器执行，以实现上述实施例一中的方法的至少一个步骤。
本实施例还提供了一种计算机程序，该计算机程序可以分布在计算机可读介质上，由可计算装置来执行，以实现上述实施例一中的方法的至少一个步骤；并且在某些情况下，可以采用不同于上述实施例所描述的顺序执行所示出或描述的至少一个步骤。
本实施例还提供了一种计算机程序产品，包括计算机可读装置，该计算机可读装置上存储有如上所示的计算机程序。本实施例中该计算机可读装置可包括如上所示的计算机可读存储介质。
可见，本领域的技术人员应该明白，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件(可以用计算装置可执行的计算机程序代码来实现)、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。
此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、计算机程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。所以，本发明不限制于任何特定的硬件和软件结合。
以上内容是结合具体的实施方式对本发明实施例所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (10)
1.一种车位障碍物检测方法，其特征在于，包括：
通过车辆朝向停车位一侧所设置的两个测距传感器，分别采集所述车辆相对于车位障碍物的距离数据；其中，所述两个测距传感器分别设置于所述车辆的近车头端和近车尾端；
将所述近车尾端所设置的所述测距传感器的所述距离数据，按时间轴正平移目标区间，得到变换后的距离数据；其中，所述目标区间为所述两个测距传感器的设置距离与所述车辆的车速的比值；
将所述变换后的距离数据与所述近车头端所设置的所述测距传感器的所述距离数据进行比较；
根据比较结果确定所述车位障碍物的实时状态；其中，所述实时状态包括运动状态、静止状态，在所述比较结果为比较一致时，所述车位障碍物的实时状态为所述静止状态。
2.如权利要求1所述的车位障碍物检测方法，其特征在于，所述通过车辆朝向停车位一侧所设置的两个测距传感器，分别采集所述车辆相对于车位障碍物的距离数据，包括：
通过车辆朝向停车位一侧所设置的两个测距传感器，在时间轴上每间隔所述目标区间之后分别采集所述车辆相对于不同车位障碍物的距离数据。
3.如权利要求1所述的车位障碍物检测方法，其特征在于，所述通过车辆朝向停车位一侧所设置的两个测距传感器，分别采集所述车辆相对于车位障碍物的距离数据之前，还包括：
实时获取所述两个测距传感器中，所述近车头端所设置的所述测距传感器所采集的距离数据；
将所述测距传感器所采集的距离数据与预设距离阈值进行比较；
当小于所述距离阈值时，判定存在所述车位障碍物，然后触发执行所述通过车辆朝向停车位一侧所设置的两个测距传感器，分别采集所述车辆相对于车位障碍物的距离数据的步骤。
4.如权利要求1至3中任意一项所述的车位障碍物检测方法，其特征在于，所述根据比较结果确定所述车位障碍物的实时状态之后，还包括：
在所述实时状态为运动状态时，基于所述两个测距传感器的所述距离数据计算所述车位障碍物的运动特征数据；
基于所述运动特征数据识别所述车位障碍物的类别信息。
5.一种车位障碍物检测装置，其特征在于，包括：
采集模块，用于通过车辆朝向停车位一侧所设置的两个测距传感器，分别采集所述车辆相对于车位障碍物的距离数据；其中，所述两个测距传感器分别设置于所述车辆的近车头端和近车尾端；
变换模块，用于将所述近车尾端所设置的所述测距传感器的所述距离数据，按时间轴正平移目标区间，得到变换后的距离数据；其中，所述目标区间为所述两个测距传感器的设置距离与所述车辆的车速的比值；
比较模块，用于将所述变换后的距离数据与所述近车头端所设置的所述测距传感器的所述距离数据进行比较；
确定模块，用于根据比较结果确定所述车位障碍物的实时状态；其中，所述实时状态包括运动状态、静止状态，在所述比较结果为比较一致时，所述车位障碍物的实时状态为所述静止状态。
6.如权利要求5所述的车位障碍物检测装置，其特征在于，所述采集模块具体用于：通过车辆朝向停车位一侧所设置的两个测距传感器，在时间轴上每间隔所述目标区间之后分别采集所述车辆相对于不同车位障碍物的距离数据。
7.如权利要求5所述的车位障碍物检测装置，其特征在于，还包括：判定模块；
所述判定模块具体用于：在通过车辆朝向停车位一侧所设置的两个测距传感器，分别采集所述车辆相对于车位障碍物的距离数据之前，实时获取所述两个测距传感器中，所述近车头端所设置的所述测距传感器所采集的距离数据；将所述测距传感器所采集的距离数据与预设距离阈值进行比较；当小于所述距离阈值时，判定存在所述车位障碍物；
所述采集模块具体用于：当存在所述车位障碍物时，通过车辆朝向停车位一侧所设置的两个测距传感器，分别采集所述车辆相对于车位障碍物的距离数据。
8.如权利要求5至7中任意一项所述的车位障碍物检测装置，其特征在于，还包括：识别模块；
所述识别模块具体用于：在根据比较结果确定所述车位障碍物的实时状态之后，在所述实时状态为运动状态时，基于所述两个测距传感器的所述距离数据计算所述车位障碍物的运动特征数据；基于所述运动特征数据识别所述车位障碍物的类别信息。
9.一种电子装置，其特征在于，包括：处理器、存储器和通信总线；
所述通信总线用于实现所述处理器和存储器之间的连接通信；
所述处理器用于执行所述存储器中存储的一个或者多个程序，以实现如权利要求1至4中任意一项所述的车位障碍物检测方法的步骤。
10.一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存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1至4中任意一项所述的车位障碍物检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110067274.2A CN112896070A (zh) | 2021-01-19 | 2021-01-19 | 一种车位障碍物检测方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110067274.2A CN112896070A (zh) | 2021-01-19 | 2021-01-19 | 一种车位障碍物检测方法、装置及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112896070A true CN112896070A (zh) | 2021-06-04 |
Family
ID=76115276
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110067274.2A Pending CN112896070A (zh) | 2021-01-19 | 2021-01-19 | 一种车位障碍物检测方法、装置及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112896070A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160224850A1 (en) * | 2013-12-06 | 2016-08-04 | Google Inc. | Static Obstacle Detection |
| CN106796291A (zh) * | 2014-10-22 | 2017-05-31 | 株式会社电装 | 车载用物体判别装置 |
| CN110426714A (zh) * | 2019-07-15 | 2019-11-08 | 北京智行者科技有限公司 | 一种障碍物识别方法 |
| CN111319615A (zh) * | 2020-03-16 | 2020-06-23 | 湖北亿咖通科技有限公司 | 智能代客泊车方法、计算机可读存储介质及电子设备 |
| CN111930127A (zh) * | 2020-09-02 | 2020-11-13 | 广州赛特智能科技有限公司 | 一种机器人障碍物识别及避障方法 |
-
2021
- 2021-01-19 CN CN202110067274.2A patent/CN112896070A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160224850A1 (en) * | 2013-12-06 | 2016-08-04 | Google Inc. | Static Obstacle Detection |
| CN106796291A (zh) * | 2014-10-22 | 2017-05-31 | 株式会社电装 | 车载用物体判别装置 |
| CN110426714A (zh) * | 2019-07-15 | 2019-11-08 | 北京智行者科技有限公司 | 一种障碍物识别方法 |
| CN111319615A (zh) * | 2020-03-16 | 2020-06-23 | 湖北亿咖通科技有限公司 | 智能代客泊车方法、计算机可读存储介质及电子设备 |
| CN111930127A (zh) * | 2020-09-02 | 2020-11-13 | 广州赛特智能科技有限公司 | 一种机器人障碍物识别及避障方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110764108B (zh) | 一种用于港口自动驾驶场景的障碍物检测方法及装置 | |
| US11620837B2 (en) | Systems and methods for augmenting upright object detection | |
| CN110794406B (zh) | 多源传感器数据融合系统和方法 | |
| US11628857B2 (en) | Correcting a position of a vehicle with SLAM | |
| US9129523B2 (en) | Method and system for obstacle detection for vehicles using planar sensor data | |
| CN111352110A (zh) | 处理雷达数据的方法和装置 | |
| US20110025548A1 (en) | System and method for vehicle sensor fusion | |
| CN109946703B (zh) | 一种传感器姿态调整方法及装置 | |
| Shao et al. | A grid projection method based on ultrasonic sensor for parking space detection | |
| RU2769921C2 (ru) | Способы и системы для автоматизированного определения присутствия объектов | |
| US20200114910A1 (en) | Apparatus and method for predicting concurrent lane change vehicle and vehicle including the same | |
| CN110443275B (zh) | 去除噪声的方法、设备及存储介质 | |
| CN112771591B (zh) | 用于评价运输工具的环境中的对象对运输工具的行驶机动动作的影响的方法 | |
| JP7152355B2 (ja) | 障害物検出装置および障害物検出方法 | |
| US11673533B2 (en) | Vehicle sensor enhancements | |
| CN111497741A (zh) | 碰撞预警方法及装置 | |
| JP2023015284A (ja) | 推定装置 | |
| CN114296095A (zh) | 自动驾驶车辆的有效目标提取方法、装置、车辆及介质 | |
| CN112801024B (zh) | 一种检测信息处理方法和装置 | |
| US20230094836A1 (en) | Method for Detecting Moving Objects in the Surroundings of a Vehicle, and Motor Vehicle | |
| CN117372979A (zh) | 道路巡检方法、装置、电子设备及存储介质 | |
| CN111612818A (zh) | 新型双目视觉多目标跟踪方法及系统 | |
| 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 | |
| CN115359332A (zh) | 基于车路协同的数据融合方法、装置、电子设备及系统 | |
| RU2798739C1 (ru) | Способ трекинга объектов на этапе распознавания для беспилотных автомобилей |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210604 |
|
| RJ01 | Rejection of invention patent application after publication |