CN113050081A - 遮挡物的检测方法和装置、雷达、车辆、存储介质 - Google Patents
遮挡物的检测方法和装置、雷达、车辆、存储介质 Download PDFInfo
- Publication number
- CN113050081A CN113050081A CN201911268391.4A CN201911268391A CN113050081A CN 113050081 A CN113050081 A CN 113050081A CN 201911268391 A CN201911268391 A CN 201911268391A CN 113050081 A CN113050081 A CN 113050081A
- Authority
- CN
- China
- Prior art keywords
- information
- confidence
- obstruction
- confidence level
- radar
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000001514 detection method Methods 0.000 claims abstract description 135
- 238000012545 processing Methods 0.000 claims description 40
- 238000004891 communication Methods 0.000 claims description 30
- 239000000126 substance Substances 0.000 claims description 3
- 238000012986 modification Methods 0.000 description 37
- 230000004048 modification Effects 0.000 description 37
- 230000015654 memory Effects 0.000 description 33
- 230000000903 blocking effect Effects 0.000 description 23
- 230000002159 abnormal effect Effects 0.000 description 9
- 238000002474 experimental method Methods 0.000 description 8
- 239000000523 sample Substances 0.000 description 7
- 238000012937 correction Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 241000533950 Leucojum Species 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000422846 Sequoiadendron giganteum Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/04—Systems determining presence of a target
-
- 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
- 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
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)
Abstract
本公开实施例提供了一种遮挡物的检测方法和装置、雷达、车辆、存储介质,包括:确定目标探测的回波特征,根据回波特征确定存在遮挡物的置信度,确定探测装置的运行信息,根据运行信息、置信度和预设的阈值确定存在遮挡物,通过采用置信度结合回波特征、运行信息和阈值的方式对遮挡物进行确定,相较于现有技术中通过识别模型进行分析造成的衡量因素单一,使得检测是否存在遮挡物的结果的准确性不高,实现了检测维度的多样性,且实现了检测结果的可靠性的技术效果。
Description
技术领域
本公开涉及自动驾驶领域,尤其涉及一种遮挡物的检测方法和装置、雷达、车辆、存储介质。
背景技术
雷达技术是指由雷达向目标对象发射电磁波,通过电磁波波的反射后,接收目标对象的回波信号,通过对回波进行分析确定物体与发射点之间的距离、距离变化率(径向速度)、方位、高度等信息,雷达技术被广泛地应用于各个领域,如车载领域、无人机领域、智能机器人领域,等等。
当雷达装置前存在遮挡物时,会影响雷达发送和接收电磁波信号,进而影响雷达进行目标识别的准确度。在现有技术中,可以通过回波信号的特征来识别遮挡物,但这种方法的准确率较低,且错误的检测会影响雷达的正常工作,因此亟需一种方法提高遮挡物的检测准确率。
发明内容
为解决上述技术问题,本公开实施例提供了一种遮挡物的检测方法和装置、雷达、车辆、存储介质,可以提升遮挡物的检测准确率。
根据本公开实施例的一个方面,本公开实施例提供了一种检测方法,所述方法包括:
确定目标探测的回波特征;
根据所述回波特征确定存在遮挡物的置信度;
确定探测装置的运行信息;
根据所述运行信息、所述置信度和预设的阈值确定存在所述遮挡物。
其中,遮挡物是指影响雷达的正常探测的物体,如树叶、塑料袋和雪花,等等。
在本公开实施例中,通过采用置信度结合回波特征、运行信息和阈值的方式对遮挡物进行确定,避免了现有技术中通过识别模型进行分析造成的衡量因素单一,且使得检测是否存在遮挡物的结果的准确性不高的问题,实现了检测维度的多样性,且实现了检测结果的可靠性的技术效果。
在一些实施例中,所述方法还包括:
根据所述运行信息调整所述置信度。
例如,对运行信息进行分析,以便确定探测装置的运行信息是否正常,即探测装置是否正常运行,如果运行信息正常,则说明探测装置处于正常运行状态,则可确定回波特征因受探测装置的影响而使得准确度偏低的可能性较小,即可确定回波特征的准确度相对较高,因此可对置信度进行正向调整,即对置信度进行增加。反之,如果运行信息异常,则说明探测装置处于异常运行状态,则可确定回波特征因受探测装置得影响而使得准确度偏低得可能性较大,即可确定回波特征的准确度相对较低,因此可对置信度进行负向调整,即对置信度进行减少。
也就是说,在本公开实施例中,通过基于运行信息对置信度进行正向或负向调整,可实现对置信度的合理修正,从而提高置信度的可靠性,进而实现确定存在遮挡物的准确性。
在一些实施例中,所述方法包括:
所述探测装置的运行信息包括电气和/或电子(E/E)系统的器件的运行状态信息。
在一些实施例中,所述置信度是根据预设的初始置信度和所述回波特征确定的。
为充分考虑本公开实施例的方法的环境和场景,可设置一初始置信度,如某车辆停靠在路边的树下,则很有可能树叶落下而成为影响雷达正常探测得物体。而基于初始置信度与回波特征确定置信度,相当于根据回波特征对初始置信度进行合理修正。如,若基于回波特征确定出存在遮挡物的可靠度较大,则可正向调整初始置信度,即在初始增置信度的基础上增加相应参数得到置信度。反之,若基于回波特征确定出存在遮挡物的可靠度较小,则可负向调整初始置信度,即在初始置信度的基础上减少相应参数得到置信度,或者,可将初始置信度确定为置信度,即保持原有置信度。
也就是说,在本公开实施例中,通过根据初始置信度和回波特征确定置信度,实现了充分考虑本实施例方法适用的应用场景和环境,从而实现提高本实施例方法适用的灵活性和可靠性。
在一些实施例中,所述根据所述运行信息、所述置信度和阈值确定存在所述遮挡物包括:
在连续至少一个周期内,所述置信度大于或等于所述阈值。
在本实施例中,为了确保确定存在遮挡物的可靠性,可获取多个周期得检测结果,基于多个周期的检测结果确定存在遮挡物。
在一些实施例中,所述方法还包括:
根据辅助信息调整所述置信度,所述辅助信息包括天气信息、地形信息和图像信息中的至少一种,所述图像信息为所述探测装置外部的图像信息。
在本实施例中,为了确保确定存在遮挡物的可靠性,可结合多个维度的因素进行遮挡物的检测。如天气信息、地形信息和图像信息中的至少一种。以便通过各个维度的因素进行较为全面的检测从而实现检测的可靠性和准确性。
例如,结合天气信息对置信度进行调整;结合地形信息对置信度进行调整;结合图像信息对置信度进行调整;结合天气信息和地形信息对置信度进行调整;结合天气信息和图像信息对置信度进行调整;结合地形信息和图像信息对置信度进行调整;结合天气信息、地形信息和图像信息对置信度进行调整。
且,值得说明地是,当为基于两种辅助信息三种辅助信息对置信度进行调整时,可采用不同的结合顺序对置信度进行调整。如,可先基于天气信息对置信度进行调整,而后基于地形信息对调整后的置信度再次进行调整;也可基于地形信息对置信度进行调整,而后基于天气信息进行调整。
在一些实施例中,所述方法还包括:
根据至少一种辅助信息对应的调整参数调整所述置信度。
其中,各辅助信息对应各自的调整参数,不同的辅助信息的调整参数可能相同,也可能不同。
具体地,若置信度小于阈值,则可继续根据至少一种辅助信息确定存在遮挡物的可靠度,如果存在遮挡物的可靠度较高,则可基于该辅助信息对应的调整参数对置信度进行调整,以便通过至少一种辅助信息对应的调整参数对置信度进行修正,从而实现提高检测的准确性。
根据本公开实施例的另一个方面,本公开实施例还提供了一种遮挡物的检测装置,所述装置包括:
采集模块,用于采集目标探测的回波特征;
处理模块,用于根据所述回波特征确定存在遮挡物的置信度;
所述采集模块还用于,采集探测装置的运行信息;
所述处理模块还用于,根据所述运行信息、所述置信度和预设的阈值确定存在所述遮挡物。
在一些实施例中,所述处理模块还用于,根据所述运行信息调整所述置信度。
在一些实施例中,所述探测装置的运行信息包括电气和/或电子(E/E)系统的器件的运行状态信息。
在一些实施例中,所述置信度是根据预设的初始置信度和所述回波特征确定的。
在一些实施例中,所述处理模块还用于,在连续至少一个周期内,所述置信度大于或等于所述阈值,确定存在所述遮挡物。
在一些实施例中,所述采集模块还用于,采集辅助信息,其中,所述辅助信息包括天气信息、地形信息和图像信息中的至少一种,所述图像信息为所述探测装置外部的图像的信息;
所述处理模块还用于,根据所述辅助信息调节所述置信度。
在一些实施例中,所述处理模块用于,根据至少一种辅助信息对应的修改置信度调整所述置信度。
在一些实施例中,所述采集模块包括雷达。
在一些实施例中,所述处理模块包括设置于车辆的车载盒子、域控制器、多域控制器、车载单元和芯片中的任意一种。
根据本公开实施例的另一个方面,本公开实施例还提供了一种装置,包括:
至少一个处理器;以及
与所述至少一个处理器连接的通信接口;其中,
所述通信接口用于将获取到的指令传输至所述处理器,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上任一实施例所述的方法。
根据本公开实施例的另一个方面,本公开实施例还提供了一种雷达,所述雷达包括如上任一项所述的遮挡物的检测装置和探测装置;或者,
所述雷达包括上所述的装置。
在一些实施例中,若雷达包括如上任一项所述的遮挡物的检测装置和探测装置,则采集模块、处理模块和探测装置分别设置于雷达中。
具体地,采集模块可以为传感器,且可分别与处理模块和探测装置,处理模块可以为CPU处理器,探测装置可以为雷达的电气和/或电子(E/E)系统。探测装置在运行过程中可生成运行信息,采集模块分别对回波特征和运行信息进行采集,并将采集到的回波特征和运行信息传输至处理模块,处理模块根据回波特征确定存在遮挡物的置信度,并根据运行信息、置信度和阈值确定存在遮挡物。
当然,在另一些实施例中,遮挡物的检测装置可包括两部分,一部分为雷达,另一部分为设置与其他设备或处理器中的处理模块,由雷达分别确定回波特征和运行信息,并将回波特征和运行信息传输至处理模块,由处理器根据回波特征确定遮挡物的置信度,并根据运行信息、置信度和阈值确定存在遮挡物。
也就是说,处理模块可以集成于雷达内,也可以为独立的处理器,也可以为集成于其他设备中的处理模块。例如,处理模块可以集成于车载盒子、域控制器、多域控制器、车载单元和芯片中。
在一些实施例中,若雷达包括所述装置,即雷达中设置有至少一个处理器,且设置有与至少一个处理器连接的通信接口,通信接口可与雷达外部的其他设备连接,并从其他设备的存储器中获取指令,且将指令传输至至少一个处理器,以便至少一个处理器执行指令实现如上任一实施例所述的方法。
当然,在另一些实施例中,若雷达包括所述装置,即雷达中设置有至少一个处理器,且设置有与至少一个处理器连接的通信接口,雷达内还可设置存储器,且该存储器中存储有指令,通信接口与该存储器连接,并将该存储器中的指令传输至至少一个处理器,以便至少一个处理器执行指令实现如上任一实施例所述的方法。
根据本公开实施例的另一个方面,本公开实施例还提供了一种车辆,所述车辆包括如上任一实施例所述的遮挡物的检测装置;或者,
所述车辆包括如上所述的装置;或者,
所述车辆包括如上所述的雷达。
根据本公开实施例的另一个方面,本公开实施例还提供了一种计算机存储介质所述计算机指令用于使所述计算机执行如上任一实施例所述的方法。
根据本公开实施例的另一个方面,本公开实施例还提供了一种芯片,用于实现如上任一方面所述的遮挡物检测方法。
本公开实施例提供了一种遮挡物的检测方法和装置、雷达、车辆、存储介质,包括:确定目标探测的回波特征,根据回波特征确定存在遮挡物的置信度,确定探测装置的运行信息,根据运行信息、置信度和预设的阈值确定存在遮挡物,通过采用置信度结合回波特征、运行信息和阈值的方式对遮挡物进行确定,相较于现有技术中通过识别模型进行分析造成的衡量因素单一,使得检测是否存在遮挡物的结果的准确性不高,实现了检测维度的多样性,且实现了检测结果的可靠性的技术效果。
附图说明
附图用于更好地理解本公开实施例,不构成对本公开的限定。其中,
图1为本公开实施例的遮挡物的检测方法的流程示意图;
图2为本公开实施例的应用场景的示意图;
图3为本公开实施例的遮挡物的检测方法应用于自动驾驶领域的应用场景示意图;
图4为本公开另一实施例的遮挡物的检测方法应用于自动驾驶领域的应用场景示意图;
图5为本公开实施例的遮挡物的检测方法的流程示意图;
图6为本公开另一实施例的遮挡物的检测方法的流程示意图;
图7为本公开另一实施例的遮挡物的检测方法的流程示意图;
图8为本公开另一实施例的遮挡物的检测方法的流程示意图;
图9为本公开实施例的遮挡物的检测装置的示意图;
图10为本公开实施例的装置的框图;
图11为本公开实施例的车辆的内部组件的示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
根据本公开实施例的一个方法,本公开实施例提供了一种遮挡物的检测方法。
请参阅图1,图1为本公开实施例的检测方法的流程示意图。
如图1所示,该方法包括:
S101:确定目标探测的回波特征。
需要说明的是,本公开实施例中的遮挡物是指影响雷达的正常探测的物体,如树叶、塑料袋和雪花,等等。
其中,本公开实施例的遮挡物的检测方法的执行主体可以为遮挡物的检测装置,检测装置可以为车辆上设置的雷达,车载盒子(Telematics BOX,T-Box),域控制器(DomianController,DC),多域控制器(Multi-Domian Controller,MDC),车载单元(On boardUnit,OBU),芯片等。
其中,雷达包括超声波传感器雷达、激光传感器雷达和红外线传感器雷达等。
具体地,雷达(Radar)是一种利用电磁波探测目标的电子设备,或称为雷达装置,也可以称为探测器或者探测装置。其工作原理是雷达通过发射机发射电磁波(也可以称为发射信号或者称为探测信号)对目标进行照射,雷达接收机接收经过目标物体反射的反射信号,并在雷达显示器上显示其回波信号,由此获得目标至电磁波发射点的距离、距离变化率(径向速度)、方位、高度等信息。
如图2所示,雷达可以安装在机动车辆、无人机、轨道车、自行车、信号灯、测速装置或网络设备(如各种系统中的基站、终端设备)等等。本公开实施例的遮挡物的检测方法既适用于车与车之间的雷达系统,也适用于车与无人机等其他装置的雷达系统,或其他装置之间的雷达系统。本公开实施例对雷达安装的位置和功能不做限定。
请参阅图3,图3为本公开实施例的遮挡物的检测方法应用于自动驾驶领域的应用场景示意图。
如图3所示,某停车场内停了n辆车辆,包括车A、车B、车C和车D,且车A、车B、车C和车D上分别设置有雷达。
结合图3可知,雷达可设置于车辆的不同位置。
其中,任一车辆均可实现本公开实施例的遮挡物的检测方法,现以车A为例进行示范性地说明。
如图3所示,车A停于某车场内,车A处于静止状态。可在车A起步之前执行本公开实施例的方法,以确定是否存在遮挡物。
车A可启动雷达获取目标探测的回波特征。在一些实施例中,回波特征可以是探测车C和/或车D确定的。
S102:根据回波特征确定存在遮挡物的置信度。
在该步骤中,车A可对回波特征进行分析以便确定存在遮挡物的置信度(即确定存在遮挡物的可靠度)。
在一些实施例中,可采集历史回波特征构建分析模型,将回波特征输入至该分析模型,并输出分析结果,以便确定与分析结果对应的置信度。
例如,若基于分析模型确定出的分析结果为回波特征异常,则说明存在有遮挡物的可靠度较大;或者,说明车A与车C(或车D)之间存在障碍物的可靠度较大。若基于分析模型确定出的分析结果为回波特征异常,则说明存在有遮挡物的可靠度较小;或者,说明车A与车C(或车D)之间存在障碍物的可靠度较小。
所以,在该步骤中,基于回波特征对存在遮挡物的置信度进行确定,不同的回波特征对应的置信度可能不同,以便通过精准确定置信度从而实现检测的可靠性。
当然,在另一些实施例中,可预先设置一初始置信度,以便在初始置信度的基础上结合回波特征确定置信度。
例如,若回波特征异常,则可在初始置信度的基础上增加相应的数值确定出置信度;若回波特征正常,则可将初始置信度确定为置信度,还可在初始置信度的基础上减少相应的数值确定出置信度。
S103:确定探测装置的运行信息。
其中,探测装置包括电气和/或电子系统(Electrical and/or Electronicsystem,E/E System),且运行信息包括探测装置的运行数据。
在一些实施例中,车A可通过传感器等对探测装置的运行信息进行获取。
当然,在另一些实施例中,执行本公开实施例的遮挡物的检测方法的主体可为探测装置。例如,探测装置获取雷达传输的目标探测的回波特征,并根据回波特征确定存在遮挡物的置信度,并采集自身的运行信息,以便执行S104。
S104:根据运行信息、置信度和预设的阈值确定存在遮挡物。
其中,阈值是基于需求进行设置的。
在一些实施例中,为了确保检测结果的可靠性和准确性,在上述示例的基础上,还可一次或多次执行S101至S104,即执行一个或多个周期的S101至S104,若一个或多个周期内,置信度都大于或等于阈值,则确定存在遮挡物。
基于上述示例可知,在一些实施例中,本公开实施例的遮挡物的检测方法可以应用于如图3所示的应用场景。但是,在另一些实施例中,本公开实施例的遮挡物的检测方法还可以应用于如图4所示的应用场景,其中,图4为车辆运行过程中的应用场景。
现结合图4并以执行主体为车载盒子为例对上述示例进行阐述如下:
设置于车E的雷达进行目标探测得到回波特征,并将回波特征传输至设置于车E的车载盒子(图4中未示出)。如图4虚线框所述,雷达可对虚线框内的物体(如图4中所述的车F,且图4只是示范性地对雷达的部分探测范围进行了展示,而不能理解为对雷达的探测范围的限定)进行目标探测,得到相应的回波特征。
车载盒子,也可以理解为是一种车载处理器,通过对回波特征进行分析,若分析结果为回波特征异常,则将置信度确定为a,若分析结果为回波特征正常,则将置信度确定为b。若回波特征异常,其中,a大于b。
在一些实施例中,车载盒子可通过设置的传感器对探测装置的运行信息进行采集,在另一些实施例中,可由探测装置对其自身的运行信息进行采集,并将采集到的运行信息传输至车载盒子。
车载盒子根据运行信息、置信度和阈值确定存在遮挡物。
例如,车载盒子可对运行信息进行分析,以确定探测装置运行是否正常,若确定出探测装置运行正常,则将置信度与阈值进行比较,若置信度大于阈值,则说明存在遮挡物的可靠度较大,则确定存在遮挡物。
在一些实施例中,车载盒子可基于运行信息对置信度进行调整,并基于调整后的置信度与阈值确定存在遮挡物。
例如,车载盒子可对运行信息进行分析,以确定探测装置运行是否正常,若确定出探测装置运行异常,则对置信度进行调整(如减小置信度),并将减小后的置信度与阈值进行比较,若果减小后的置信度大于阈值,则确定存在遮挡物。
值得说明地是,在本公开实施例中,在一些实施例中,也可通过初始置信度和回波特征确定置信度;也可根据运行信息调整置信度;也可通过结合连续周期确定存在遮挡物。
基于上述示例可知,不管是在车辆启动之前,或者是车辆运行中,都可对遮挡物进行检测,以便实现检测的灵活性和实用性。且,通过采用置信度结合回波特征、运行信息和阈值的方式对遮挡物进行确定,相较于现有技术中通过识别模型进行分析造成的衡量因素单一,使得检测是否存在遮挡物的结果的准确性不高,实现了检测维度的多样性,且实现了检测结果的可靠性的技术效果。
在一些实施例中,还可根据辅助信息调整置信度,辅助信息包括天气信息、地形信息和图像信息中的至少一种,图像信息为探测装置外部的图像信息。
也就是说,在本公开实施例中,可基于回波特征、运行信息、置信度和阈值确定存在遮挡物;还可根据天气信息、地形信息和图像信息中的至少一种对由回波特征和运行信息确定出的置信度进行调整,以便通过调整后的置信度和阈值确定存在遮挡物。
且,在一些实施例中,可分别为天气信息、地形信息和图像信息设置各自的调整参数,以便基于各自的调整参数对由回波特征和运行信息确定出的置信度进行调整,以便通过调整后的置信度和阈值确定存在遮挡物。
为使清楚透彻地理解本公开实施例,现结合下述示例对本公开实施例的遮挡物的检测方法进行详细阐述。
应当说明地是,由于下述示例中包含多种因素和可能性,因此为对不同因素以及不能的可能性进行区分,在某些名词前加“第几”的方式表示,如第几置信度和第几阈值等等,而不能理解为与上述示例的冲突或矛盾。
请参阅图5,本公开实施例的遮挡物的检测方法包括:
S1:接收雷达发送的针对目标探测的回波特征。
其中,执行本公开实施例的遮挡物的检测方法的主体可以为遮挡物的检测装置,检测装置可以为车辆上设置的车载盒子(Telematics BOX,T-Box),域控制器(DomianController,DC),多域控制器(Multi-Domian Controller,MDC),车载单元(On boardUnit,OBU),芯片等。
其中,回波特征为雷达回波信号的波形特征信息。具体的,雷达可经由天线发射电磁波,电磁波遇到物体(物体包括能容易被人眼识别出的物体,如图3和4中所示的车辆等;也包括不容易被人眼识别出的物体,如雾气和空气成分等)时雷达可接收到由物体而反射回来的波形,反射回来的波形即为回波信号,由于电磁波遇到不同的物体反射的波形均不相同,因此可对回波信号进行分析得到回波特征,回波特征用于确定物体的类型(如车辆和空气成分等)。
S2:根据回波特征判断是否存在遮挡物,若是,则执行S3。
需要说明的是,本公开实施例中的遮挡物是指影响雷达的正常探测的物体,如树叶、塑料袋和雪花,等等。
基于S1可知,回波特征为雷达回波信号的波形特征信息,因此,在该步骤中,可基于回波特征对物体的类型进行判断,以确定出物体是否为遮挡物。
S3:确定存在遮挡物的第一置信度。
其中,在本公开实施例中,置信度用于表征存在遮挡物的可靠度,一般而言,置信度越高,则检测遮挡物的可靠度就越大。
在该步骤中,可基于需求对第一置信度进行设置。其中,第一置信度用于表征根据回波特征来确定存在遮挡物的可靠度,也可以理解为检测存在遮挡物的准确度。
具体的,可以基于仿真结果和/或实际测试数据对第一置信度进行设置。
例如,通过多次测量,发现通过A回波特征确定遮挡物的可靠度可以达到80%,那么可以将第一置信度设置为与80%对应的值,例如,当发现A回波特征时,可以将第一置信度设置为5,进而后续判断第一置信度超过5时可以认为存在遮挡物的概率达到80%。
通过第一置信度来表征存在遮挡物的可靠度,可以综合多种回波特征的测量结果,以及将回波特征的测量结果与后续步骤中的判断结果综合,进而提高遮挡物的检测准确率。
当然,在另一些实施例中,还可在初始化时设置一初始置信度(如图5虚线框中所示的S01),若经过S2确定出存在遮挡物,则在初始置信度的基础上增加第一修改置信度,得到第一置信度(如图5虚线框中所示的S3’)。
值得说明的是,由于车辆在执行本公开实施例的遮挡物的检测方法之前,可能已经存在遮挡物,因此,可在初始化时设置一初始置信度。
其中,初始化置信度用于表征车辆在执行本公开实施例的遮挡物的检测方法之前已经存在遮挡物的可靠度。
具体地,也可基于仿真结果和/或实际测量数据对初始置信度进行设置。
值得说明地是,相对于对第一置信度的设置,在对初始置信度进行设置时,可结合具体车辆所处的环境进行设置。
例如,对车辆所处的环境为大风天气进行多次测量,发现确定遮挡物的可靠度可以达到60%,则可将初始置信度设置为与60%对应的值。同理,对车辆所处的环境为车辆两旁有枝叶茂盛的大树进行多次测量,发现确定遮挡物的可靠度可以达到70%,则可将初始置信度设置为与70%对应的值。具体设置方法可参见上述示例,此处不再赘述。
那么,在S2之前,可基于车辆当前的所处的环境调用相应的初始置信度,以便结合初始置信度和第一修改置信度确定第一置信度,相当于预先确定出可能存在影响雷达正常探测的物体,而后经过雷达回波特征的判断结果对初始置信度进行适应性修正。
例如,若S2确定出存在遮挡物,则在初始置信度的基础上增加第一修改置信度,以对初始置信度进行正向修正(即增加存在遮挡物的可靠性的方向)。以通过修正的方式提高确定出可能存在影响雷达正常探测的物体的可靠性,即实现提高后续确定存在遮挡物的精确性。
S4:获取探测装置的运行信息。
其中,探测装置包括电气和/或电子系统(Electrical and/or Electronicsystem,E/E System),且运行信息包括探测装置的运行数据。具体的,所述探测装置为被遮挡物影响探测性能的装置,在本例中为雷达装置,所述运行数据包括雷达装置中用于探测的E/E System的运行状态的数据,例如所述运行数据包括每个判断周期内E/E System的运行准确性数据,又例如所述运行数据包括E/E System的运行故障数据。
S5:根据运行信息判断探测装置是否正常运行,若是,则执行S6。
其中,根据探测装置的运行信息可以确定探测装置是否正常运行。例如,提取运行信息中的运行数据,将运行数据与标准运行数据进行比对,若运行数据与标准数据匹配,则说明探测装置正常运行,若运行数据与标准运行数据不匹配,则说明探测装置运行异常。进而,可以结合E/E System的运行数据提升对遮挡物的探测准确度,避免由于探测装置的运行故障而误判断遮挡物。
S6:判断第一置信度与预设的第一阈值的大小,若第一置信度大于或等于第一阈值,则执行S7。
其中,第一阈值为基于需求进行设定的。具体地,第一阈值用于评估置信度遮挡物的存在概率,例如第一阈值可以为通过多次实验确定的,可以在多次实验中取存在遮挡物时置信度最高的测试值或者置信度平均值作为第一阈值。需要说明的是,第一阈值可以根据需求调整敏感度,例如当希望减少误检时,可以将第一阈值调高。
S7:确定存在遮挡物。
在一些实施例中,为了确保检测遮挡物的准确性,可在此基础上再次执行至少一个周期的S1至S6,若至少一个周期内均第一置信度大于或等于第一阈值(如图5中所示的虚线框内的S6’),则执行S7,即确定存在遮挡物。
结合图6可知,在一些实施例中,若S2的判断结果为否,即根据回波特征确定不存在遮挡物,则执行S8:确定存在遮挡物的第二置信度,然后执行S4和S5。
基于上述示例可知,置信度用于表征存遮挡物的可靠性,一般而言,置信度越高,则存在遮挡物的可靠性就越大,因此,若S2的判断结果为不存在遮挡物,则基于需求设置的第二置信度小于第一置信度。且第二置信度的具体设置可参见第一置信度的设置,此处不再赘述。
同理,在另一些实施例中,可在初始化时设置一初始置信度,若在经过S2确定出不存在遮挡物,则可将初始置信度确定为第二置信度,也可在初始置信度的基础上减少第一修改置信度,得到第二置信度。
基于上述示例可知,若S2确定出存在遮挡物,则在初始置信度的基础上增加第一修改置信度,以对初始置信度进行正向修正(即增加存在遮挡物的可靠性的方向)。而在本实施例中,若S2的判断结果为不存在遮挡物,则在初始置信度的基础上减少第一修改置信度,以对初始置信度进行负向修正(即减少存在遮挡物的可靠性的方向)。以通过修正的方式提高确定出可能存在影响雷达正常探测的物体的可靠性,即实现提高后续确定存在遮挡物的精确性。
其中,若S5的判断结果为是,即根据运行信息确定出探测装置运行正常,则执行S9。
S9:判断第二置信度与第一阈值的大小,若第二置信度大于或等于第一阈值,则执行S7。
同理,在一些实施例中,可在此基础上确定多个周期内的第二置信度是否均大于或等于第一阈值,若是,则确定存在遮挡物。
当然,在一些实施例中,若第一个周期的结果为第一置信度大于(或等于)第一阈值,第二周期的结果为第二置信度大于(等于)第一阈值,则确定存在遮挡物。
值得说明地是,此处只是用于示范性地说明若多个周期均是第一阈值偏小,则可确定存在遮挡物,而不能理解为对第一置信度和第二置信度出现前后的限定等。
结合图7可知,在一些实施例中,若S2的判断结果为是,即根据回波特征确定出存在遮挡物,而S5的判断结果为否,即根据运行信息确定出探测装置异常运行,则执行S10。
S10:在第一置信度的基础上减少第二修改置信度,得到第三置信度。
其中,第二修改置信度和第一修改置信度之间并无大小的限定。
S11:判断第三置信度与第一阈值的大小,若第一置信度大于或等于第一阈值,则执行S7。
同理,在一些实施例中,可在此基础上确定多个周期内的第三置信度是否均大于或等于第一阈值,若是,则确定存在遮挡物。需要说明的是,也可以设定在多个周期中大部分的判断结果为第一阈值小于相应的置信度,则确定存在遮挡物。
例如,在一些实施例中,若第一个周期的结果为第一置信度大于(或等于)第一阈值,第二周期的结果为第二置信度大于(或等于)第一阈值,第三周期的结果为第三置信度小于第一阈值,则确定存在遮挡物。
值得说明地是,此处只是用于示范性地说明若多个周期均是第一阈值偏小,则可确定存在遮挡物,而不能理解为对第一置信度、第二置信度和第三置信度出现前后的限定,以及全部出现的限定等。
结合图8可知,在一些实施例中,若S2的判断结果为否,即根据回波特征确定出存在遮挡物,则依次执行S8、S4和S5。若S5的判断结果为否,即根据运行信息确定出探测装置异常运行,则执行S12。
S12:在第二置信度的基础上减少第二修改置信度,得到第四置信度。
S13:判断第四置信度与第一阈值的大小,若第四置信度大于或等于第一阈值,则执行S7。
同理,在一些实施例中,可在此基础上确定多个周期内的第四置信度是否均大于或等于第一阈值,若是,则确定存在遮挡物。
当然,在一些实施例中,若第一个周期的结果为第一置信度大于(或等于)第一阈值,第二周期的结果为第二置信度大于(或等于)第一阈值,第三周期的结果为第三置信度大于(或等于)第一阈值,第四周期的结果为第四置信度大于(或等于)第一阈值,则确定存在遮挡物。
值得说明地是,此处只是用于示范性地说明若多个周期均是第一阈值偏小,则可确定存在遮挡物,而不能理解为对第一置信度、第二置信度和第三置信度、第四置信度出现前后的限定,以及全部出现的限定等。
值得说明得是,由于置信度为用于表征存在遮挡物的可靠性,因此确定出存在遮挡物为概率性事件,因此为了尽可能提高概率的准确性,以便尽可能提高遮挡物的检测结果的可靠性,还可结合其他维度的因素对是否存在遮挡物进行确定。例如,在本实施例中,可通过结合图像信息对是否存在遮挡物进行确定。
其中,图像信息是由图像采集装置(如摄像头)获取到的。值得说明地是,图像采集装置可以设置于车辆上;图像采集装置还可以与雷达一体合成,如将图像采集装置设置于雷达上。
具体地,结合图5至图8可知,当满足下述任一条件时,可结合图像信息对是否存在遮挡物进行确定,即可执行S14。
条件a:第一置信度小于第一阈值;条件b:第二置信度小于第一阈值;条件c:第三置信度小于第一阈值;条件d:第四置信度小于第一阈值。
S14:获取针对目标探测的图像信息。
其中,图像信息是指针对目标探测得到得图像的信息。如,基于上述示例和图4可知,雷达的探测范围可为虚线框对应的范围,则图像采集装置可采集至少包括虚线框对应的图像信息。
S15:根据图像信息判断是否存在遮挡物,若是,则执行S16。
值得说明的是,当存在遮挡物时,则与目标探测相应的图像会被该遮挡物的图像遮挡,则遮挡物的图像与目标探测的图像存在重叠。因此,可以根据对图像信息进行判断以便确定是否存在重叠的图像,若是,则说明可能存在遮挡物,则可执行S16。以图3为例,若针对车F的图像信息中存在重叠的图像,即存在车F的图像的同时,还有其他的物体的图像,则说明存在遮挡物的可能。
S16:在当前置信度的基础上增加第三修改置信度,得到第五置信度。
同理,当前置信度是指触发执行S14的置信度。例如,若由于满足条件a所以执行S14,则当前置信度为第一置信度;若由于满足条件b所以执行S14,则当前置信度为第二置信度;若由于满足条件c所以执行S14,则当前置信度为第三置信度;若由于满足条件d所以执行S14,则当前置信度为第四置信度。
S17:判断第五置信度与预设的第二阈值的大小,若第五置信度大于或等于第二阈值,则执行S7。
其中,第三修改置信度为预先基于需求进行设定的,且第三修改置信度、第二修改置信度和第一修改置信度三者之间并没有大小的限定。
同理,且,第二阈值为基于需求进行设定的。具体地,第二阈值用于评估置信度遮挡物的存在概率,例如第二阈值可以为通过多次实验确定的,可以在多次实验中取存在遮挡物时置信度最高的测试值或者置信度平均值作为第二阈值。且第二阈值和第一阈值之间并没有大小的限定。
同理,在一些实施例中,可在此基础上确定多个周期内的第五置信度是否大于或等于第三阈值,若是,则确定存在遮挡物。
在另一些实施例中,若S15的判断结果为否,即根据图像信息确定出不存在遮挡物,如根据图像信息确定没有重叠的图像,则说明不存在遮挡物的可靠性较大,因此可根据图像信息确定出不存在遮挡物,则执行S18。
S18:判断当前置信度与第二阈值的大小,若当前置信度大于或等于第二阈值,则执行S7。
同理,在一些实施例中,可在此基础上确定多个周期内的当前置信度是否大于或等于第二阈值,若是,则确定存在遮挡物。
同理,基于上述示例可知,由于置信度为用于表征存在遮挡物的可靠性,因此确定出存在遮挡物为概率性事件,因此为了尽可能提高概率的准确性,以便尽可能提高遮挡物的检测结果的可靠性,还可结合其他维度的因素对是否存在遮挡物进行确定。如,在本实施例中,可通过结合天气信息对是否存在遮挡物进行确定。
具体地,结合图5至图8可知,当满足下述任一条件时,可结合图像信息对是否存在遮挡物进行确定,即可执行S19。
条件a:第一置信度小于第一阈值;条件b:第二置信度小于第一阈值;条件c:第三置信度小于第一阈值;条件d:第四置信度小于第一阈值。
S19:采集针对目标探测的天气信息。
S20:根据天气信息判断是否存在遮挡物,若是,则执行S21。
其中,天气信息包括用于表征天气状况的天气数据,如雾浓度较大、乌云较密集、降水量较大和天气晴朗等等。
值得说明的是,在天气状况较好的情况下,如天气晴朗,光线明亮等天气状况下,存在遮挡物的可能性相对较小。如,因天气状况较好,塑料袋被风刮起而成为影响雷达探测结果的遮挡物的可能性较小。而当天气状况欠佳刮风时,塑料袋被风刮起而成为影响雷达探测结果的遮挡物的可能性较大。因此,可基于天气状况较好的天气信息确定出不存在障碍物,基于天气状况较差的天气信息确定出存在遮挡物。
在该步骤中,例如,若根据天气信息确定出为雾浓度较大的大雾天气,则可确定存在遮挡物的可能性较大,则确定出存在遮挡物。
S21:在当前置信度的基础上增加第四修改置信度,得到第六置信度。
其中,当前置信度是指触发执行S19的置信度。例如,若由于满足条件a所以执行S19,则当前置信度为第一置信度;若由于满足条件b所以执行S19,则当前置信度为第二置信度;若由于满足条件c所以执行S19,则当前置信度为第三置信度;若由于满足条件d所以执行S19,则当前置信度为第四置信度。
其中,第四修改置信度为预先基于需求进行设定的,且第四修改置信度、第三修改置信度、第二修改置信度和第一修改置信度四者之间并没有大小的限定。
在一些实施例中,考虑到天气信息相较于雷达和图像采集装置而言,发生变化的频率较快,且发生变化的可能性较大,如突然刮风等,因此为确保检测结果的准确性,可将第四修改置信度设置为小于第三修改置信度、第二修改置信度和第一修改置信度的参数。
S22:判断第六置信度与预设的第三阈值的大小,若第六置信度大于或等于第三阈值,则执行S7。
同理,第三阈值也是基于需求进行设定的,具体地,第三阈值用于评估置信度遮挡物的存在概率,例如第三阈值可以为通过多次实验确定的,可以在多次实验中取存在遮挡物时置信度最高的测试值或者置信度平均值作为第三阈值。且第三阈值、第二阈值和第一阈值三者之间并无大小限定。
同理,在一些实施例中,可在此基础上确定多个周期内的第六置信度是否大于或等于第三阈值,若是,则确定存在遮挡物。
在另一些实施例中,若S20的判断结果为否,即若根据天气信息判断出不存在遮挡物,如根据天气数据确定天气晴朗,万里无云,则可确定存在遮挡物的可能性较小,则执行S23。
S23:判断当前置信度与第三阈值的大小,若当前置信度大于或等于第三阈值,则执行S7。
同理,在一些实施例中,可在此基础上确定多个周期内的当前置信度是否大于或等于第三阈值,若是,则确定存在遮挡物。
同理,基于上述示例可知,由于置信度为用于表征存在遮挡物的可能性,因此确定出存在遮挡物为概率性事件,因此为了尽可能提高概率的准确性,以便尽可能提高遮挡物的检测结果的可靠性,还可结合其他维度的因素对是否存在遮挡物进行确定。如,在本实施例中,可通过结合地形信息对是否存在遮挡物进行确定,其中,地形信息可基于预先存储的电子地图确定。
具体地,结合图5至图8可知,当满足下述任一条件时,可结合图像信息对是否存在遮挡物进行确定,即可执行S24。
条件a:第一置信度小于第一阈值;条件b:第二置信度小于第一阈值;条件c:第三置信度小于第一阈值;条件d:第四置信度小于第一阈值。
S24:采集针对目标探测的地形信息。
其中,地形信息用于表征车辆所处道路的地形的信息,包括道路的类型信息和道路所处的环境信息。
在一些实施例中,按照交通量可将道路划分为如下几种类型:高速公路、一级公路、二级公路、三级公路和四级公路。
在另一些实施例中,按照路面情况可将道路划分为如下几种类型:弯路、平路和山路。
其中,道路所处的环境信息用于表征道路对应的周围环境,如邻山邻水,位于桥上,穿梭于城市,等等。
通过后续结合地形信息对遮挡物进行检测,可以实现通过综合多方面因素对遮挡物进行检测,进而提高遮挡物检测的准确率。
S25:根据地形信息判断是否存在遮挡物,若是,则执行S26。
其中,根据地形信息可知车辆行驶的道路的路况,如地势是否险峻和道路是否弯曲无规则等。
值得说明的是,在地形信息确定路况较好的情况下,如路况为平整的公路,存在遮挡物的可能性相对较小。如,车辆行驶在平整的公路,树叶从树上落下而成为影响雷达探测结果的遮挡物的可能性较小。而当车辆行驶在崎岖的上路时,树叶从树上落下而成为影响雷达探测结果的遮挡物的可能性较大。因此,可基于路况较好的地形信息确定出不存在障碍物,基于路况较差的地形信息确定出存在障碍物。
在该步骤中,例如,若根据地形信息确定出为险峻的山路,则可确定存在遮挡物的可能性较大,则确定出存在遮挡物。
S26:在当前置信度的基础上增加第五修改置信度,得到第七置信度。
其中,当前置信度是指触发执行S24的置信度。例如,若由于满足条件a所以执行S24,则当前置信度为第一置信度;若由于满足条件b所以执行S24,则当前置信度为第二置信度;若由于满足条件c所以执行S24,则当前置信度为第三置信度;若由于满足条件d所以执行S24,则当前置信度为第四置信度。
其中,第五修改置信度为预先基于需求进行设定的,且第五修改置信度、第四修改置信度、第三修改置信度、第二修改置信度和第一修改置信度五者之间并没有大小的限定。
同理,在一些实施例中,考虑到地形信息相较于雷达和图像采集装置而言,确定存在遮挡物或者不存在遮挡物是相对的可能性,因此为确保检测结果的准确性,可将第五修改置信度设置为小于第三修改置信度、第二修改置信度和第一修改置信度的参数。
S27:判断第七置信度与预设的第四阈值的大小,若第七置信度大于或等于第四阈值,则执行S7。
同理,第四阈值也是基于需求进行设定的,具体地,第四阈值用于评估置信度遮挡物的存在概率,例如第四阈值可以为通过多次实验确定的,可以在多次实验中取存在遮挡物时置信度最高的测试值或者置信度平均值作为第四阈值。且第四阈值、第三阈值、第二阈值和第一阈值四者之间并无大小限定。
同理,在一些实施例中,可在此基础上确定多个周期内的第七置信度是否大于或等于第四阈值,若是,则确定存在遮挡物。
在一些实施例中,若S25的判断结果为否,即根据地形信息判断存在遮挡物的可能性较小,如根据地形数据可知道路平坦,且以直线行驶为主,则可确定存在遮挡物的可能性较小,则执行S28。
S28:在当前置信度的基础上减少第五修改置信度,得到第八置信度。
S29:判断第八置信度与第四阈值的大小,若第八置信度大于或等于第四阈值,则执行S7。
同理,在一些实施例中,可在此基础上确定多个周期内的第八置信度是否大于或等于第四阈值,若是,则确定存在遮挡物。
值得说明的是,上述示例是结合图像信息、天气信息和地形信息对是否存在遮挡物进行确定的示范性地说明。其中,图像信息、天气信息和地形信息均为可选的检测步骤,可以结合实际需求应用以上几种检测步骤的任意组合来判断遮挡物是否存在。
例如,可结合图像信息和天气信息确定是否存在遮挡物;也可结合图像信息和地形信息确定是否存在遮挡物;也可结合天气信息和地形信息确定是否存在遮挡物;也可结合图像信息、天气信息和地形信息确定是否存在遮挡物。
且,通过上述两者结合或者三者结合确定是否存在遮挡物时,对结合的顺序不做限定。
基于上述示例可知,可选取任意一种或多种辅助信息继续进行遮挡物的检测。若选取的为任意一种辅助信息,则可在根据回波特征和运行信息确定的置信度的基础上结合该种辅助信息继续进行遮挡物的检测;若选取的为多种辅助信息继续进行遮挡物的检测,则可随机选取多种辅助信息的检测顺序,且检测顺序在后的辅助信息以检测顺序在前的辅助信息检测得到的置信度为基础继续进行遮挡物的检测。
根据本公开实施例的另一个方面,本公开实施例还提供了一种与上述方法对应的遮挡物的检测装置,用于实现如上述实施例所述的方法。
请参阅图9,图9为本公开实施例的遮挡物的检测装置的示意图。
如图9所示,该检测装置包括:
采集模块10,用于采集目标探测的回波特征。
在一些实施例中,采集模块10可以为雷达,具体可参阅图3和图4。且,如图4所示,雷达采集的回波特征即为基于车F确定的。当然,图4只是用于示范性地说明雷达的采集范围,在一些实施例中,雷达的采集范围还可包括车E后侧的预设范围(图中未示出)。且,在一些实施例中,雷达的采集范围还可包括车E左右两侧的预设范围。其中,雷达的采集范围可基于雷达自身的参数确定。
处理模块20,用于根据回波特征确定存在遮挡物的置信度。
在一些实施例中,处理模块包括置于车辆的车载盒子、域控制器、多域控制器、车载单元和芯片中的任意一种。
也就是说,在一些实施例中,检测装置可包括雷达和车载盒子,由雷达对回波特征进行采集,由车载盒子根据回波特征确定存在遮挡物的置信度;或者,检测装置可包括雷达和域控制器,由雷达对回波特征进行采集,由域控制器根据回波特征确定存在遮挡物的置信度;或者,检测装置可包括雷达和多域控制器,由雷达对回波特征进行采集,由多域控制器根据回波特征确定存在遮挡物的置信度;或者,检测装置可包括雷达和车载单元,由雷达对回波特征进行采集,由车载单元根据回波特征确定存在遮挡物的置信度;或者,或者,检测装置可包括雷达和芯片,由雷达对回波特征进行采集,由芯片根据回波特征确定存在遮挡物的置信度。
当然,在另一些实施例中,处理模块20可以为集成与雷达上的组件,如设置于雷达上的芯片等,即检测装置即为雷达。
在一些实施例中,置信度是根据预设的初始置信度和所述回波特征确定的。
采集模块10还用于,采集探测装置的运行信息。
在一些实施例中,探测装置的运行信息包括电气和/或电子(E/E)系统的器件的运行状态信息。
处理模块20还用于,根据运行信息、置信度和预设的阈值确定存在遮挡物。
在一些实施例中,处理模块20还可用于根据运行信息调整置信度,具体调整方法可参见上述方法示例,此处不再赘述。
在一些实施例中,处理模块20还用于,在连续至少一个周期内,置信度大于或等于阈值,确定存在遮挡物。
在一些实施例中,采集模块10还用于,采集辅助信息,其中,辅助信息包括天气信息、地形信息和图像信息中的至少一种,图像信息为探测装置外部的图像的信息。
处理模块20还用于,根据辅助信息调节置信度。
在一些实施例中,处理模块20用于,根据至少一种辅助信息对应的修改置信度调整置信度。
根据本公开实施例的另一个方面,本公开实施例还提供了一种装置,用于执行如上任一实施例所述的方法。
请参阅图10,图10为本公开实施例的装置的框图。
其中,装置旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
例如,装置可以为车辆上设置的雷达,车载盒子(Telematics BOX,T-Box),域控制器(Domian Controller,DC),多域控制器(Multi-Domian Controller,MDC),车载单元(Onboard Unit,OBU),芯片等。
具体地,装置包括至少一个处理器101,通信总线102,以及至少一个通信接口103。
其中,处理器101可以是一个通用中央处理器(central processing unit,CPU),微处理器,特定应用集成电路(application-specific integrated circuit,ASIC),或一个或多个用于控制本发明方案程序执行的集成电路。且,处理器101可通过至少一个通信接口103与存储器104连接,存储器104可以设置于装置内部,也可以设置于装置的外部。如存储器104可以为装置内部的寄存器、缓存等,存储器104还可以是位于装置外部的存储设备。
例如,装置为雷达,则雷达至少包括一个处理器,通信总线,以及至少一个通信接口。且雷达中的处理器可通过通信接口与设置于雷达外部的存储设备连接,以便由通信接口从设置于雷达外部的存储设备中获取指令,处理器执行所述指令时实现上述任一实施例所述的方法。
当然,在另一些实施例中,雷达内部可设置有存储器,用于存储指令,处理器通过通信总线从存储器中获取指令,处理器执行所述指令时实现上述任一实施例所述的方法。
值得说明地是,此处只是以雷达为例进行示范性地说明,装置还可以为车载盒子、域控制器、多域控制器、车载单元和芯片中的任意一种,且原理与雷达示例的原理相同。
在一些实施例中,若存储器104为设置于装置外部的存储设备,则处理器101可通过通信接口103与外部的存储设备连接,以通过通信接口103从外部的存储设备中采集指令,处理器101执行指令时,可实现如上任一实施例所述的方法。
在一些实施例中,若存储器104设置于装置内,则存储器104可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable programmable read-onlymemory,EEPROM)、只读光盘(compact disc read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器104可以是独立存在,通过通信总线102与处理器101相连接。存储器104也可以和处理器101集成在一起。
其中,存储器104可为本公开所提供的非瞬时计算机可读存储介质,所述存储器104存储有可由至少一个处理器101执行的指令,以使所述至少一个处理器101执行本公开所提供的编队控制方法。本公开的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本公开所提供的遮挡物的检测方法。
存储器104作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块。处理器101通过运行存储在存储器104中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的遮挡物的检测方法。
存储器104可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器104可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器104可选包括相对于处理器101远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、车联网、企业内部网、局域网、移动通信网及其组合。
通信总线102可包括一通路,在上述组件之间传送信息。
通信接口103,可以是任何收发器或IP端口或总线接口等,用于与内部或外部设备或装置或通信网络通信,如以太网,无线接入网(radio access network,RAN),无线局域网(wireless local area networks,WLAN)等。如装置为集成在车辆内部的功能单元时,通信接口103包括如下接口中的一种或多种,如车辆外部网络进行通信的收发器,车辆其它内部单元通信的总线接口(如控制器局域网络(Controller Area Network,CAN)总线接口)等。
例如,在本公开实施例中,雷达可通过其内设置的通信接口103与图像采集装置(如摄像头)和车载盒子等连接。
在具体实现中,作为一种实施例,处理器101可以包括一个或多个CPU,例如图5中的CPU0和CPU1。
在具体实现中,作为一种实施例,装置可以包括多个处理器,例如图5中的处理器101和处理器107。这些处理器中的每一个可以是一个单核(single-CPU)处理器,也可以是一个多核(multi-CPU)处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
在具体实现中,作为一种实施例,装置还可以包括输出装置105和输入装置106。输出装置105和处理器101通信,可以以多种方式来显示信息。例如,输出装置105可以是液晶显示器(liquid crystal display,LCD),发光二级管(light emitting diode,LED)显示装置,阴极射线管(cathode ray tube,CRT)显示装置,或投影仪(projector)等。输入装置106和处理器101通信,可以以多种方式接受用户的输入。例如,输入装置106可以是鼠标、键盘、触摸屏装置或传感装置等。
当图10所示的装置为芯片时,通信接口103的功能/实现过程还可以通过管脚或电路等来实现。
根据本公开实施例的另一个方面,本公开实施例还提供了一种车辆。
其中,车辆包括如上任一实施例所述的装置;或者,所述车辆包括如上任一实施例所述的雷达。
在一些实施例中,车辆的示意图可参阅图3或图4。
若执行本公开实施例的遮挡物的检测方法的主体为处理器,则请参阅图11,图11为本公开实施例的车辆的内部组件的示意图。
如图11所示,该车辆包括:处理器201,外部存储器接口202,内部存储器203,通用串行总线(universal serial bus,USB)接口204,电源管理模块205,天线1,天线2,移动通信模块206,无线通信模块207,传感器208,摄像头209,车载盒子210。可以理解的是,本实施例示意的结构并不构成对车辆的具体限定。
其中,传感器208包括如图11中所述的雷达以及其他传感器。
在本公开的另一些实施例中,车辆可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。且,图示的部件可以以硬件,软件,或软件和硬件的组合实现。
处理器201可以包括一个或多个处理单元,例如:处理器201可以包括应用处理器(application processor,AP),调制解调处理器,图形处理器(graphics processingunit,GPU),图像信号处理器(image signal processor,ISP),控制器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。在一些实施例中,车辆也可以包括一个或多个处理器201。其中,控制器可以是车辆的神经中枢和指挥中心。控制器可以根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。处理器201中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器201中的存储器为高速缓冲存储器。
在一些实施例中,处理器201可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit,I2C)接口,集成电路内置音频(inter-integrated circuitsound,I2S)接口,脉冲编码调制(pulse code modulation,PCM)接口,通用异步收发传输器(universal asynchronous receiver/transmitter,UART)接口,移动产业处理器接口(mobile industry processor interface,MIPI),通用输入输出(general-purposeinput/output,GPIO)接口,和/或通用串行总线(universal serial bus,USB)接口等。其中,USB接口211是符合USB标准规范的接口,可以用于连接充电器为车辆充电。
可以理解的是,本公开实施例示意的各模块间的接口连接关系,只是示意性说明,并不构成对车辆的结构限定。在本公开的另一些实施例中,车辆也可以采用上述实施例中不同的接口连接方式,或多种接口连接方式的组合。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (20)
1.一种遮挡物的检测方法,其特征在于,所述方法包括:
确定目标探测的回波特征;
根据所述回波特征确定存在遮挡物的置信度;
确定探测装置的运行信息;
根据所述运行信息、所述置信度和预设的阈值确定存在所述遮挡物。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述运行信息调整所述置信度。
3.根据权利要求1所述的方法,其特征在于,所述方法包括:
所述探测装置的运行信息包括电气和/或电子(E/E)系统的器件的运行状态信息。
4.根据权利要求1所述的方法,其特征在于,所述置信度是根据预设的初始置信度和所述回波特征确定的。
5.根据权利要求1所述的方法,其特征在于,所述根据所述运行信息、所述置信度和阈值确定存在所述遮挡物包括:
在连续至少一个周期内,所述置信度大于或等于所述阈值。
6.根据权利要求1至5中任一项所述的方法,其特征在于,所述方法还包括:
根据辅助信息调整所述置信度,所述辅助信息包括天气信息、地形信息和图像信息中的至少一种,所述图像信息为所述探测装置外部的图像的信息。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
根据至少一种辅助信息对应的调整参数调整所述置信度。
8.一种遮挡物的检测装置,其特征在于,所述装置包括:
采集模块,用于采集目标探测的回波特征;
处理模块,用于根据所述回波特征确定存在遮挡物的置信度;
所述采集模块还用于,采集探测装置的运行信息;
所述处理模块还用于,根据所述运行信息、所述置信度和预设的阈值确定存在所述遮挡物。
9.根据权利要求8所述的装置,其特征在于,所述处理模块还用于,根据所述运行信息调整所述置信度。
10.根据权利要求8所述的装置,其特征在于,所述探测装置的运行信息包括电气和/或电子(E/E)系统的器件的运行状态信息。
11.根据权利要求8所述的装置,其特征在于,所述置信度是根据预设的初始置信度和所述回波特征确定的。
12.根据权利要求8所述的装置,其特征在于,所述处理模块还用于,在连续至少一个周期内,所述置信度大于或等于所述阈值,确定存在所述遮挡物。
13.根据权利要求8至12中任一项所述的装置,其特征在于,
所述采集模块还用于,采集辅助信息,其中,所述辅助信息包括天气信息、地形信息和图像信息中的至少一种,所述图像信息为所述探测装置外部的图像的信息;
所述处理模块还用于,根据所述辅助信息调节所述置信度。
14.根据权利要求13所述的装置,其特征在于,所述处理模块用于,根据至少一种辅助信息对应的调整参数调整所述置信度。
15.根据权利要求8至12中任一项所述的装置,其特征在于,所述采集模块包括雷达。
16.根据权利要求8至12中任一项所述的装置,其特征在于,所述处理模块包括设置于车辆的车载盒子、域控制器、多域控制器、车载单元和芯片中的任意一种。
17.一种装置,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器连接的通信接口;其中,
所述通信接口用于将获取到的指令传输至所述处理器,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
18.一种雷达,其特征在于,所述雷达包括如权利要求8至14中任一项所述的遮挡物的检测装置和探测装置;或者,
所述雷达包括如权利要求17所述的装置。
19.一种车辆,其特征在于,所述车辆包括如权利要求8至16中任一项所述的遮挡物的检测装置;或者,
所述车辆包括如权利要求17所述的装置;或者,
所述车辆包括如权利要求18所述的雷达。
20.一种计算机存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911268391.4A CN113050081B (zh) | 2019-12-11 | 2019-12-11 | 遮挡物的检测方法和装置、雷达、车辆、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911268391.4A CN113050081B (zh) | 2019-12-11 | 2019-12-11 | 遮挡物的检测方法和装置、雷达、车辆、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113050081A true CN113050081A (zh) | 2021-06-29 |
CN113050081B CN113050081B (zh) | 2024-06-25 |
Family
ID=76505101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911268391.4A Active CN113050081B (zh) | 2019-12-11 | 2019-12-11 | 遮挡物的检测方法和装置、雷达、车辆、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113050081B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113537036A (zh) * | 2021-07-12 | 2021-10-22 | 杭州华橙软件技术有限公司 | 一种人形检测的方法、设备及存储介质 |
CN116071724A (zh) * | 2023-03-03 | 2023-05-05 | 安徽蔚来智驾科技有限公司 | 车载相机遮挡场景识别方法、电子设备、存储介质及车辆 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011128069A (ja) * | 2009-12-18 | 2011-06-30 | Furuno Electric Co Ltd | 信号処理装置、レーダ装置及び信号処理プログラム |
CN106483507A (zh) * | 2015-09-01 | 2017-03-08 | 南京理工大学 | 一种高重频脉冲多普勒雷达体制下减小遮挡效应的方法 |
CN108828595A (zh) * | 2018-05-28 | 2018-11-16 | 成都雷通科技有限公司 | 一种s波段相控阵雷达的控制方法 |
CN110007315A (zh) * | 2019-04-09 | 2019-07-12 | 深圳市速腾聚创科技有限公司 | 激光雷达检测设备、检测方法和控制系统 |
CN110412378A (zh) * | 2019-07-30 | 2019-11-05 | 北京经纬恒润科技有限公司 | 目标物体检测方法及装置 |
-
2019
- 2019-12-11 CN CN201911268391.4A patent/CN113050081B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011128069A (ja) * | 2009-12-18 | 2011-06-30 | Furuno Electric Co Ltd | 信号処理装置、レーダ装置及び信号処理プログラム |
CN106483507A (zh) * | 2015-09-01 | 2017-03-08 | 南京理工大学 | 一种高重频脉冲多普勒雷达体制下减小遮挡效应的方法 |
CN108828595A (zh) * | 2018-05-28 | 2018-11-16 | 成都雷通科技有限公司 | 一种s波段相控阵雷达的控制方法 |
CN110007315A (zh) * | 2019-04-09 | 2019-07-12 | 深圳市速腾聚创科技有限公司 | 激光雷达检测设备、检测方法和控制系统 |
CN110412378A (zh) * | 2019-07-30 | 2019-11-05 | 北京经纬恒润科技有限公司 | 目标物体检测方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113537036A (zh) * | 2021-07-12 | 2021-10-22 | 杭州华橙软件技术有限公司 | 一种人形检测的方法、设备及存储介质 |
CN113537036B (zh) * | 2021-07-12 | 2024-02-02 | 杭州华橙软件技术有限公司 | 一种人形检测的方法、设备及存储介质 |
CN116071724A (zh) * | 2023-03-03 | 2023-05-05 | 安徽蔚来智驾科技有限公司 | 车载相机遮挡场景识别方法、电子设备、存储介质及车辆 |
CN116071724B (zh) * | 2023-03-03 | 2023-08-04 | 安徽蔚来智驾科技有限公司 | 车载相机遮挡场景识别方法、电子设备、存储介质及车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN113050081B (zh) | 2024-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107202983B (zh) | 基于图像识别和毫米波雷达融合的自动刹车方法和系统 | |
CN112562314B (zh) | 基于深度融合的路端感知方法、装置、路端设备和系统 | |
JP7266627B2 (ja) | 早期警報方法、装置、電子機器、記録媒体及びコンピュータプログラム製品 | |
CN109703460B (zh) | 多摄像头的复杂场景自适应车辆碰撞预警装置及预警方法 | |
CN112580571A (zh) | 车辆行驶的控制方法、装置及电子设备 | |
JP2017102838A (ja) | 物体認識アルゴリズムの機械学習のためのデータベース構築システム | |
CN111252066A (zh) | 紧急制动控制方法、装置、车辆及存储介质 | |
CN112750170B (zh) | 一种雾特征识别方法、装置及相关设备 | |
CN108859952B (zh) | 车辆变道预警方法、装置和雷达 | |
US20160217333A1 (en) | Information processing apparatus and information processing system | |
US11738747B2 (en) | Server device and vehicle | |
CN113050081B (zh) | 遮挡物的检测方法和装置、雷达、车辆、存储介质 | |
US20200005635A1 (en) | Information processing apparatus, server apparatus, information processing system, information processing method, and program | |
US10916134B2 (en) | Systems and methods for responding to a vehicle parked on shoulder of the road | |
JP2020067402A (ja) | センサ校正方法、及びセンサ校正装置 | |
WO2023142814A1 (zh) | 目标识别方法、装置、设备及存储介质 | |
CN117372979A (zh) | 道路巡检方法、装置、电子设备及存储介质 | |
KR102060286B1 (ko) | 이미지 정보를 활용한 레이더 오브젝트 검출 임계값 결정 방법 및 이를 이용한 레이더 오브젝트 정보 생성 장치 | |
CN112241004A (zh) | 物体识别装置 | |
CN113253219B (zh) | 毫米波雷达的无参照物自标定方法、装置、设备和介质 | |
CN114264310B (zh) | 定位及导航方法、装置、电子设备、计算机存储介质 | |
CN108663368A (zh) | 一种实时监测高速公路路网夜间整体能见度的系统及方法 | |
CN116824530A (zh) | 一种涉水路面的识别方法、装置、系统和一种车辆 | |
CN110580441A (zh) | 驾驶辅助装置 | |
CN113313654B (zh) | 激光点云滤波去噪方法、系统、设备及存储介质 |
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 |