CN112924960B - 目标尺寸实时检测方法、系统、车辆及存储介质 - Google Patents
目标尺寸实时检测方法、系统、车辆及存储介质 Download PDFInfo
- Publication number
- CN112924960B CN112924960B CN202110130345.9A CN202110130345A CN112924960B CN 112924960 B CN112924960 B CN 112924960B CN 202110130345 A CN202110130345 A CN 202110130345A CN 112924960 B CN112924960 B CN 112924960B
- Authority
- CN
- China
- Prior art keywords
- target
- camera
- laser radar
- target size
- output
- 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
Links
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
- G01S13/865—Combination of radar systems with lidar 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
- G01S13/86—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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种目标尺寸实时检测方法、系统、车辆及存储介质,包括以下步骤:步骤1、获取数据:获得各传感器输出的目标尺寸信息;步骤2、初始化:根据各传感器的状态,初步输出粗精度的目标尺寸结果;步骤3、融合处理:结合目标的历史尺寸信息以及各传感器实时输出的目标尺寸观测数据,对目标的尺寸信息进行融合处理;步骤4、数据输出:输出融合后的目标尺寸信息。本发明提高了目标尺寸的测量精度。
Description
技术领域
本发明属于自动驾驶中的目标融合处理技术领域,具体涉及一种目标尺寸实时检测方法、系统、车辆及存储介质。
背景技术
自动驾驶系统是一种主动安全系统,该系统能够自动控制车辆运行,包括行驶、换道、泊车等,提升驾驶体验与舒适感,同时确保驾驶的安全性。目前自动驾驶系统主要使用安装在车辆的传感器,如毫米波雷达、激光雷达、摄像头等,以实现探测和识别驾驶环境,包括车道线,周围车辆、行人及障碍物,红绿灯及交通标志等,安全高效地自动控制车辆行驶,同时遵守交通规则。
在无人驾驶系统中,周围车辆、行人以及障碍物的尺寸检测是无人驾驶感知系统非常重要的子系统,直接影响到无人驾驶的规划、决策和控制。具体来说,在驾驶的时候,利用车辆的传感器识别到前方目标,根据目标的位置和尺寸,结合车道线等信息进行绕障轨迹的规划,通过决策控制系统完成绕障动作。其中,目标尺寸的准确与否将事关安全,并直接影响到绕障的成功率。
如专利文献CN 106908783A公开了一种基于多传感器信息融合的障碍物检测方法,阐述了一种基于毫米波雷达和视觉传感器的障碍物检测方法,通过对雷达数据和图像数据进行空间和时间的融合,进行运动目标的检测。该专利中采用的多传感器融合策略相比单一传感器,减少了误检率和漏检率,但是只能获得障碍物的位置和速度,而对障碍物本身的尺寸属性无法感知。
目前,对于障碍物尺寸的检测主要使用摄像头和激光雷达等。一种方案是使用摄像头,利用图像信息检测目标并计算目标的长和宽,此种方法的缺点是计算的准确度较差,实际目标尺寸与真实尺寸偏差较大;一种方案是使用激光雷达,利用激光雷达的点云进行聚类构建目标并计算出目标的长宽,此种方法的缺点是在距离目标较远时,由于点云相对稀疏,构建的目标尺寸往往低于真实尺寸。
因此,有必要开发一种新的目标尺寸实时检测方法、系统、车辆及存储介质。
发明内容
本发明的目的是提供一种目标尺寸实时检测方法、系统、车辆及存储介质,以提高目标尺寸的测量精度。
第一方面,本发明所述的一种目标尺寸实时检测方法,包括以下步骤:
步骤1、获取数据:获得各传感器输出的目标尺寸信息;
步骤2、初始化:根据各传感器的状态,初步输出粗精度的目标尺寸结果;
步骤3、融合处理:基于当前帧目标尺寸的融合结果,并结合目标的历史尺寸信息以及各传感器实时输出的目标尺寸观测数据,对目标的尺寸信息进行融合处理;
步骤4、数据输出:输出融合后的目标尺寸信息。
进一步,所述步骤2具体为:
首先判断初始化是否完成,如果初始化未完成,则依次检查各传感器当前帧的检测结果,检测结果分为以下情况:
若只有毫米波雷达检测到目标,初始化未完成,将毫米波雷达输出的目标尺寸结果作为当前帧的目标尺寸输出结果;
若目标被激光雷达探测到,但未被摄像头探测到,则将激光雷达输出的目标尺寸结果作为当前帧的输出结果;
若目标被摄像头探测到,但未被激光雷达探测到,则将摄像头输出的目标尺寸结果作为当前帧的输出结果;
若目标同时被激光雷达和摄像头探测到,则将激光雷达和摄像头的结果按加权方法进行融合,融合结果作为当前帧的输出结果;
当激光雷达和/或摄像头检测到目标并输出目标尺寸后,则初始化完成。
进一步,将激光雷达和摄像头的结果按加权方法进行融合,其中,激光雷达的权重系数设置为K1,摄像头的权重系数设置为K2,且K1,K2满足以下条件:K1 + K2 = 1,且K1、K2均大于0;
将两者融合数值作为输出结果。
进一步,所述步骤3,在初始化完成后,仅激光雷达与摄像头的检测结果用于目标尺寸的实时更新,而毫米波雷达检测的目标结果不再用于更新,具体为:
初始化完成后,若目标被激光雷达探测到,但未被摄像头探测到,则将激光雷达输出的尺寸信息利用a滤波算法进行更新;
若目标被摄像头探测到,但未被激光雷达探测到,则将摄像头输出的尺寸信息利用a滤波算法进行更新;
若目标同时被摄像头和激光雷达探测到,对摄像头和激光雷达的输出值进行比较,取长和宽的最大值,将最大值通过a滤波算法进行更新并输出结果。
进一步,所述a滤波算法为:
CurrentResult = PreviousResult + 1/Age * ObserveResult;
其中,CurrentResult为当前帧目标尺寸的融合结果,PreviousResult为上一帧目标尺寸的融合结果,ObserveResult为当前帧传感器对目标尺寸的观测值,Age为迭代的周期。
第二方面,本发明所述的目标尺寸实时检测系统,包括:
用于获取目标的摄像头、激光雷达和毫米波雷达;
接收摄像头、激光雷达和毫米波雷达所获取的目标的控制器,该控制器分别与摄像头、激光雷达和毫米波雷达连接;
所述控制器被编程以便执行如本发明所述的目标尺寸实时检测方法所述的步骤。
第三方面,本发明所述的一种车辆,采用如本发明所述的目标尺寸实时检测系统。
第四方面,本发明所述的一种存储介质,包括存储器和控制器,所述存储器内存储有计算机可读程序,所述控制器调用计算机可读程序时能执行如本发明所述的目标尺寸实时检测方法的步骤。
本发明具有以下优点:使用当前主流的激光雷达、摄像头、毫米波雷达,全范围覆盖车辆行驶环境,在自动驾驶过程中实时探测目标的长宽,实时更新输出结果,通过连续地迭代不断降低目标真实值与测量值的误差,提高了目标尺寸的测量精度。
附图说明
图1为本实施例的流程图。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1所示,一种目标尺寸实时检测方法,包括以下步骤:
步骤1、获取数据:获得各传感器输出的目标尺寸信息;本实施例中,采用的传感器包括激光雷达、摄像头以及毫米波雷达。其中,激光雷达与摄像头被定义为基础类传感器。
步骤2、初始化:根据各传感器的状态,初步输出粗精度的目标尺寸结果。本实施例中,当基础类传感器探测到目标,则初始化完成。若基础类传感器从始至今未探测到目标,则初始化未完成。
步骤3、融合处理:基于当前帧目标尺寸的融合结果,并结合目标的历史尺寸信息以及各传感器实时输出的目标尺寸观测数据,对目标的尺寸信息进行融合处理;
步骤4、数据输出:输出融合后的目标尺寸信息。
如图1所示,本实施例中,所述步骤2具体为:
首先判断初始化是否完成,如果初始化未完成,则依次检查各传感器当前帧的检测结果,检测结果分为以下情况:
若只有毫米波雷达检测到目标,初始化未完成,将毫米波雷达输出的目标尺寸结果作为当前帧的目标尺寸输出结果;
若目标被激光雷达探测到,但未被摄像头探测到,此时不管毫米波雷达是否检测到该目标,将激光雷达输出的目标尺寸结果作为当前帧的输出结果;
若目标被摄像头探测到,但未被激光雷达探测到,此时不管毫米波雷达是否检测到该目标,将摄像头输出的目标尺寸结果作为当前帧的输出结果;
若目标同时被激光雷达和摄像头探测到,此时不管毫米波雷达是否检测到该目标,将激光雷达和摄像头的结果按加权方法进行融合,融合结果作为当前帧的输出结果;
当激光雷达和/或摄像头检测到目标并输出目标尺寸后,则初始化完成。
如图1所示,本实施例中,将激光雷达和摄像头的结果按加权方法进行融合,其中,激光雷达的权重系数设置为K1,摄像头的权重系数设置为K2,且K1,K2满足以下条件:K1 +K2 = 1,且K1、K2均大于0;
将两者融合数值作为输出结果。
如图1所示,本实施例中,所述步骤3,在初始化完成后,仅激光雷达与摄像头的检测结果用于目标尺寸的实时更新,而毫米波雷达检测的目标结果不再用于更新,具体为:
初始化完成后,若目标被激光雷达探测到,但未被摄像头探测到,则将激光雷达输出的尺寸信息作为当前帧目标尺寸的观测值ObserveResult,利用a滤波算法进行更新;
若目标被摄像头探测到,但未被激光雷达探测到,则将摄像头输出的尺寸信息作为当前帧目标尺寸的观测值ObserveResult,利用a滤波算法进行更新;
若目标同时被摄像头和激光雷达探测到,对摄像头和激光雷达的输出值进行比较,取长和宽的最大值,将最大值作为当前帧目标尺寸的观测值ObserveResult,通过a滤波算法进行更新并输出结果。
本实施例中,所述a滤波算法为:
CurrentResult = PreviousResult + 1/Age * ObserveResult;
其中,CurrentResult为当前帧目标尺寸的融合结果,PreviousResult为上一帧目标尺寸的融合结果,ObserveResult为当前帧传感器对目标尺寸的观测值,Age为迭代的周期。
本实施例中,所述的目标尺寸实时检测系统,包括:
用于获取目标的摄像头、激光雷达和毫米波雷达;
接收摄像头、激光雷达和毫米波雷达所获取的目标的控制器,该控制器分别与摄像头、激光雷达和毫米波雷达连接;
所述控制器被编程以便执行如本实施例中,所述的目标尺寸实时检测方法所述的步骤。
本实施例中,一种车辆,采用如本实施例中所述的目标尺寸实时检测系统。
本实施例中,一种存储介质,包括存储器和控制器,所述存储器内存储有计算机可读程序,所述控制器调用计算机可读程序时能执行如本实施例中所述的目标尺寸实时检测方法的步骤。
Claims (6)
1.一种目标尺寸实时检测方法,其特征在于,包括以下步骤:
步骤1、获取数据:获得各传感器输出的目标尺寸信息;
步骤2、初始化:根据各传感器的状态,初步输出粗精度的目标尺寸结果;
步骤3、融合处理:结合目标的历史尺寸信息以及各传感器实时输出的目标尺寸观测数据,对目标的尺寸信息进行融合处理;
步骤4、数据输出:输出融合后的目标尺寸信息;
所述步骤3,在初始化完成后,仅激光雷达与摄像头的检测结果用于目标尺寸的实时更新,而毫米波雷达检测的目标结果不再用于更新,具体为:
初始化完成后,若目标被激光雷达探测到,但未被摄像头探测到,则将激光雷达输出的尺寸信息利用a滤波算法进行更新;
若目标被摄像头探测到,但未被激光雷达探测到,则将摄像头输出的尺寸信息利用a滤波算法进行更新;
若目标同时被摄像头和激光雷达探测到,对摄像头和激光雷达的输出值进行比较,取长和宽的最大值,将最大值通过a滤波算法进行更新并输出结果;
所述a滤波算法为:
CurrentResult = PreviousResult + 1/Age * ObserveResult;
其中,CurrentResult为当前帧目标尺寸的融合结果,PreviousResult为上一帧目标尺寸的融合结果,ObserveResult为当前帧传感器对目标尺寸的观测值,Age为迭代的周期。
2.根据权利要求1所述的目标尺寸实时检测方法,其特征在于:所述步骤2具体为:
首先判断初始化是否完成,如果初始化未完成,则依次检查各传感器当前帧的检测结果,检测结果分为以下情况:
若只有毫米波雷达检测到目标,初始化未完成,将毫米波雷达输出的目标尺寸结果作为当前帧的目标尺寸输出结果;
若目标被激光雷达探测到,但未被摄像头探测到,则将激光雷达输出的目标尺寸结果作为当前帧的输出结果;
若目标被摄像头探测到,但未被激光雷达探测到,则将摄像头输出的目标尺寸结果作为当前帧的输出结果;
若目标同时被激光雷达和摄像头探测到,则将激光雷达和摄像头的结果按加权方法进行融合,融合结果作为当前帧的输出结果;
当激光雷达和/或摄像头检测到目标并输出目标尺寸后,则初始化完成。
3.根据权利要求2所述的目标尺寸实时检测方法,其特征在于:将激光雷达和摄像头的结果按加权方法进行融合,其中,激光雷达的权重系数设置为K1,摄像头的权重系数设置为K2,且K1,K2满足以下条件:K1 + K2 = 1,且K1、K2均大于0;
将两者融合数值作为输出结果。
4.一种目标尺寸实时检测系统,包括:
用于获取目标的摄像头、激光雷达和毫米波雷达;
接收摄像头、激光雷达和毫米波雷达所获取的目标的控制器,该控制器分别与摄像头、激光雷达和毫米波雷达连接;
其特征在于:所述控制器被编程以便执行如权利要求1至3任一所述的目标尺寸实时检测方法所述的步骤。
5.一种车辆,其特征在于:采用如权利要求4所述的目标尺寸实时检测系统。
6.一种存储介质,包括存储器和控制器,所述存储器内存储有计算机可读程序,其特征在于:所述控制器调用计算机可读程序时能执行如权利要求1至3任一所述的目标尺寸实时检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110130345.9A CN112924960B (zh) | 2021-01-29 | 2021-01-29 | 目标尺寸实时检测方法、系统、车辆及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110130345.9A CN112924960B (zh) | 2021-01-29 | 2021-01-29 | 目标尺寸实时检测方法、系统、车辆及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112924960A CN112924960A (zh) | 2021-06-08 |
CN112924960B true CN112924960B (zh) | 2023-07-18 |
Family
ID=76168872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110130345.9A Active CN112924960B (zh) | 2021-01-29 | 2021-01-29 | 目标尺寸实时检测方法、系统、车辆及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112924960B (zh) |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010038888A (ja) * | 2008-08-08 | 2010-02-18 | Toyota Motor Corp | 物体検出装置 |
CN102842037A (zh) * | 2011-06-20 | 2012-12-26 | 东南大学 | 一种基于多特征融合的车辆阴影消除方法 |
CN105109484A (zh) * | 2015-08-21 | 2015-12-02 | 奇瑞汽车股份有限公司 | 目标障碍物体确定方法及装置 |
CN106291736A (zh) * | 2016-08-16 | 2017-01-04 | 张家港长安大学汽车工程研究院 | 无人驾驶汽车车道动态障碍物检测方法 |
CN106646474A (zh) * | 2016-12-22 | 2017-05-10 | 中国兵器装备集团自动化研究所 | 一种非结构化道路凹凸障碍物检测装置 |
CN106774296A (zh) * | 2016-10-24 | 2017-05-31 | 中国兵器装备集团自动化研究所 | 一种基于激光雷达和ccd摄像机信息融合的障碍检测方法 |
CN106951879A (zh) * | 2017-03-29 | 2017-07-14 | 重庆大学 | 基于摄像头与毫米波雷达的多特征融合车辆检测方法 |
CN107609522A (zh) * | 2017-09-19 | 2018-01-19 | 东华大学 | 一种基于激光雷达和机器视觉的信息融合车辆检测系统 |
JP2018097765A (ja) * | 2016-12-16 | 2018-06-21 | 株式会社デンソー | 物体検出装置、及び物体検出方法 |
CN108639048A (zh) * | 2018-05-15 | 2018-10-12 | 智车优行科技(北京)有限公司 | 汽车变道辅助方法、系统以及汽车 |
CN108828527A (zh) * | 2018-06-19 | 2018-11-16 | 驭势(上海)汽车科技有限公司 | 一种多传感器数据融合方法、装置、车载设备及存储介质 |
CN109270524A (zh) * | 2018-10-19 | 2019-01-25 | 禾多科技(北京)有限公司 | 基于无人驾驶的多数据融合障碍物检测装置及其检测方法 |
CN110781949A (zh) * | 2019-10-23 | 2020-02-11 | 福建汉特云智能科技有限公司 | 基于异步式串行多传感器的航迹数据融合方法及存储介质 |
CN110942449A (zh) * | 2019-10-30 | 2020-03-31 | 华南理工大学 | 一种基于激光与视觉融合的车辆检测方法 |
AU2018232966A1 (en) * | 2018-09-19 | 2020-04-02 | Ashley Jon Duncan | Multi-sensor system and method |
CN111257882A (zh) * | 2020-03-19 | 2020-06-09 | 北京三快在线科技有限公司 | 数据融合方法、装置、无人驾驶设备和可读存储介质 |
CN111368706A (zh) * | 2020-03-02 | 2020-07-03 | 南京航空航天大学 | 基于毫米波雷达和机器视觉的数据融合动态车辆检测方法 |
CN111429430A (zh) * | 2020-03-23 | 2020-07-17 | 同济大学 | 基于机器视觉的隧道检测车尺寸映射关系计算方法 |
CN111505623A (zh) * | 2020-04-24 | 2020-08-07 | 中南大学 | 无人驾驶车辆行驶过程中的障碍物检测方法、系统、车辆 |
CN111652914A (zh) * | 2019-02-15 | 2020-09-11 | 初速度(苏州)科技有限公司 | 一种多传感器目标融合、追踪方法及系统 |
CN111951306A (zh) * | 2020-08-31 | 2020-11-17 | 华通科技有限公司 | 一种激光雷达与图像视频融合的目标检测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060091654A1 (en) * | 2004-11-04 | 2006-05-04 | Autoliv Asp, Inc. | Sensor system with radar sensor and vision sensor |
JP6816658B2 (ja) * | 2017-06-09 | 2021-01-20 | トヨタ自動車株式会社 | 物標情報取得装置 |
DE112020001131T5 (de) * | 2019-03-08 | 2022-01-27 | Osram Gmbh | Komponente für ein Lidar-Sensorsystem, Lidar-Sensorsystem, Lidar-Sensorgerät, Verfahren für ein Lidar-Sensorsystem und Verfahren für ein Lidar-Sensorgerät |
CN113359125A (zh) * | 2020-03-05 | 2021-09-07 | 富士通株式会社 | 数据融合方法、装置和数据处理设备 |
-
2021
- 2021-01-29 CN CN202110130345.9A patent/CN112924960B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010038888A (ja) * | 2008-08-08 | 2010-02-18 | Toyota Motor Corp | 物体検出装置 |
CN102842037A (zh) * | 2011-06-20 | 2012-12-26 | 东南大学 | 一种基于多特征融合的车辆阴影消除方法 |
CN105109484A (zh) * | 2015-08-21 | 2015-12-02 | 奇瑞汽车股份有限公司 | 目标障碍物体确定方法及装置 |
CN106291736A (zh) * | 2016-08-16 | 2017-01-04 | 张家港长安大学汽车工程研究院 | 无人驾驶汽车车道动态障碍物检测方法 |
CN106774296A (zh) * | 2016-10-24 | 2017-05-31 | 中国兵器装备集团自动化研究所 | 一种基于激光雷达和ccd摄像机信息融合的障碍检测方法 |
JP2018097765A (ja) * | 2016-12-16 | 2018-06-21 | 株式会社デンソー | 物体検出装置、及び物体検出方法 |
CN106646474A (zh) * | 2016-12-22 | 2017-05-10 | 中国兵器装备集团自动化研究所 | 一种非结构化道路凹凸障碍物检测装置 |
CN106951879A (zh) * | 2017-03-29 | 2017-07-14 | 重庆大学 | 基于摄像头与毫米波雷达的多特征融合车辆检测方法 |
CN107609522A (zh) * | 2017-09-19 | 2018-01-19 | 东华大学 | 一种基于激光雷达和机器视觉的信息融合车辆检测系统 |
CN108639048A (zh) * | 2018-05-15 | 2018-10-12 | 智车优行科技(北京)有限公司 | 汽车变道辅助方法、系统以及汽车 |
CN108828527A (zh) * | 2018-06-19 | 2018-11-16 | 驭势(上海)汽车科技有限公司 | 一种多传感器数据融合方法、装置、车载设备及存储介质 |
AU2018232966A1 (en) * | 2018-09-19 | 2020-04-02 | Ashley Jon Duncan | Multi-sensor system and method |
CN109270524A (zh) * | 2018-10-19 | 2019-01-25 | 禾多科技(北京)有限公司 | 基于无人驾驶的多数据融合障碍物检测装置及其检测方法 |
CN111652914A (zh) * | 2019-02-15 | 2020-09-11 | 初速度(苏州)科技有限公司 | 一种多传感器目标融合、追踪方法及系统 |
CN110781949A (zh) * | 2019-10-23 | 2020-02-11 | 福建汉特云智能科技有限公司 | 基于异步式串行多传感器的航迹数据融合方法及存储介质 |
CN110942449A (zh) * | 2019-10-30 | 2020-03-31 | 华南理工大学 | 一种基于激光与视觉融合的车辆检测方法 |
CN111368706A (zh) * | 2020-03-02 | 2020-07-03 | 南京航空航天大学 | 基于毫米波雷达和机器视觉的数据融合动态车辆检测方法 |
CN111257882A (zh) * | 2020-03-19 | 2020-06-09 | 北京三快在线科技有限公司 | 数据融合方法、装置、无人驾驶设备和可读存储介质 |
CN111429430A (zh) * | 2020-03-23 | 2020-07-17 | 同济大学 | 基于机器视觉的隧道检测车尺寸映射关系计算方法 |
CN111505623A (zh) * | 2020-04-24 | 2020-08-07 | 中南大学 | 无人驾驶车辆行驶过程中的障碍物检测方法、系统、车辆 |
CN111951306A (zh) * | 2020-08-31 | 2020-11-17 | 华通科技有限公司 | 一种激光雷达与图像视频融合的目标检测方法 |
Non-Patent Citations (6)
Title |
---|
A Simple Multi-Frame Fusion Baseline For Long-Term Multi-Object Tracking;Ke, JM;《13th International Congress on Image and Signal Processing, BioMedical Engineering and Informatics (CISP-BMEI)》;全文 * |
Lihua Wen ; .LiDAR-Camera-Based Deep Dense Fusion for Robust 3D Object Detection.《Intelligent Computing Methodologies. 16th International Conference, ICIC 2020》.2020,全文. * |
一种多雷达系统数据融合算法;董卫国,闫世强,马行空;空军雷达学院学报(第01期);全文 * |
卡尔曼滤波与多传感器数据融合研究;李妍;张琦;王藤锦;;新型工业化(第12期);全文 * |
基于毫米波雷达与摄像头融合的目标跟踪研究;吴宪;吴宇君;邵建旺;;机电一体化(第06期);全文 * |
多传感器融合的智能车自主导航系统设计;李磊;《中国优秀硕士学位论文全文数据库 信息科技辑》(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112924960A (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7140922B2 (ja) | マルチセンサデータ融合方法、及び装置 | |
CN110632921B (zh) | 机器人路径规划方法、装置、电子设备和存储介质 | |
CN106257242B (zh) | 用于调节道路边界的单元和方法 | |
US20200049511A1 (en) | Sensor fusion | |
CN112154455B (zh) | 数据处理方法、设备和可移动平台 | |
CN112639849A (zh) | 路径选择方法和路径选择装置 | |
US20220188695A1 (en) | Autonomous vehicle system for intelligent on-board selection of data for training a remote machine learning model | |
EP4089659A1 (en) | Map updating method, apparatus and device | |
CN111094095B (zh) | 自动地感知行驶信号的方法、装置及运载工具 | |
CN110867132A (zh) | 环境感知的方法、装置、电子设备和计算机可读存储介质 | |
CN112394725B (zh) | 用于自动驾驶的基于预测和反应视场的计划 | |
WO2023092451A1 (zh) | 预测可行驶车道的方法和装置 | |
GB2576206A (en) | Sensor degradation | |
US11645775B1 (en) | Methods and apparatus for depth estimation on a non-flat road with stereo-assisted monocular camera in a vehicle | |
CN115993597A (zh) | 一种视觉雷达感知融合方法及终端设备 | |
CN113432615B (zh) | 基于多传感器融合可驾驶区域的检测方法、系统和车辆 | |
CN115249066A (zh) | 分位数神经网络 | |
CN114537447A (zh) | 安全通行方法、装置、电子设备和存储介质 | |
CN114488185A (zh) | 基于多线激光雷达的机器人导航系统方法及系统 | |
CN115223131A (zh) | 一种自适应巡航的跟随目标车辆检测方法、装置及汽车 | |
CN114296095A (zh) | 自动驾驶车辆的有效目标提取方法、装置、车辆及介质 | |
US20230394694A1 (en) | Methods and apparatus for depth estimation using stereo cameras in a vehicle system | |
US11087147B2 (en) | Vehicle lane mapping | |
CN112924960B (zh) | 目标尺寸实时检测方法、系统、车辆及存储介质 | |
CN112835029A (zh) | 面向无人驾驶的多传感器障碍物探测数据融合方法及系统 |
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 |