CN113168535A - 一种积水深度确定方法及装置 - Google Patents
一种积水深度确定方法及装置 Download PDFInfo
- Publication number
- CN113168535A CN113168535A CN202180000406.8A CN202180000406A CN113168535A CN 113168535 A CN113168535 A CN 113168535A CN 202180000406 A CN202180000406 A CN 202180000406A CN 113168535 A CN113168535 A CN 113168535A
- Authority
- CN
- China
- Prior art keywords
- road
- depth
- determining
- ponding
- area
- 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
Images
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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本申请实施例提供了一种积水深度确定方法,该方法包括:在积水区域的预设距离,获取积水道路的图像信息,然后对该图像信息进行分析处理得到积水边缘的空间位置,再获取道路坡角和通过一定策略判断确定积水区域的最大水深处对应的道路位置,最后根据积水边缘的空间位置、道路坡角、最大水深处对应的道路位置,确定积水区域的最大积水深度。实现终端无需涉水,对积水区域的积水深度进行测量,避免了终端涉水带来的风险。该方法可用于辅助驾驶和自动驾驶。进一步,该方法提升了终端在自动驾驶或者辅助驾驶中的高级驾驶辅助系统ADAS能力,可应用于车联网,如车辆外联V2X、车间通信长期演进技术LTE‑V、车辆‑车辆V2V等。
Description
技术领域
本申请涉及智能驾驶领域,尤其涉及积水深度确定方法及装置。
背景技术
随着社会的发展,现代生活中越来越多的机器向自动化、智能化发展,移动出行用的汽车也不例外,智能汽车正在逐步进入人们的日常生活中。近些年,高级驾驶辅助系统(Advanced Driving Assistant System,ADAS)在智能汽车中发挥着十分重要的作用,它是利用安装在车上的各式各样传感器,在汽车行驶过程中随时来感应周围的环境,收集数据,进行静止、移动物体的辨识、侦测与追踪,并结合导航仪地图数据,进行系统的运算与分析,从而预先让驾驶者察觉到可能发生的危险,有效增加汽车驾驶的舒适性和安全性。
驾驶辅助或无人驾驶需要借助车辆本身的传感器对周围环境做感知,传感器的输出结果直接决定了车辆驾驶策略的制定,所以传感器的输出结果是否能精确刻画真实环境显得尤为重要。在车辆行驶过程中,不可避免的会遇到低洼路段例如,城区道路中道路桥下的路段,下雨后这些地方容易出现积水,人类驾驶员在错误估计积水深度涉水后极易引发车辆抛锚。因此,如何确定积水深度对于自动驾驶汽车来说同样是个十分重要的问题。
一种确定积水深度的方法如图1所示,是在车辆进入积水区域后,利用摄像头对车辆侧面拍摄的图片,检测积水水面没过车辆轮胎的位置,再通过已知的车辆轮胎尺寸,通过比例关系判断积水水深。现有技术是在车辆涉水后对积水深度的检测,很难保证在车辆行驶前方不会遇到深水区域,使得车辆容易在不知情的条件下驶入深水区域,从而引发车辆抛锚。
申请内容
本申请实施例提供了一种积水深度确定方法及装置,解决了车辆在进入积水区域之前,实现对前方道路积水深度的测量的问题。
第一方面,本申请实施例提供了一种积水深度确定方法,包括:获取积水道路的图像信息;基于所述积水道路的图像信息,确定积水边缘中第一边缘的空间位置信息;其中,所述第一边缘为所述积水区域在所述积水道路延伸方向上的两个边缘中的任一边缘;获取道路坡角信息,所述道路坡角信息包括所述第一边缘所在位置的道路坡角;确定所述积水区域的最大水深处对应的道路位置信息/所述积水区域的最大水深处对应的水面位置信息;基于所述第一边缘的空间位置信息、道路坡角信息、所述最大水深处对应的道路位置信息/所述积水区域的最大水深处对应的水面位置信息,确定所述积水区域的最大积水深度。
本申请实施例通过获取积水道路的图像信息,然后对该图像信息进行分析处理得到积水边缘的空间位置,再获取道路坡角和通过一定策略判断确定积水区域的最大水深处对应的道路位置/所述积水区域的最大水深处对应的水面位置,最后根据积水边缘的空间位置、道路坡角、最大水深处对应的道路位置/积水区域的最大水深处对应的水面位置,确定积水区域的最大积水深度。实现车辆在进入积水区域之前,对前方道路积水深度的测量,避免了车辆涉水过深带来的抛锚风险。
在一个可能的实现中,所述基于所述第一边缘的空间位置信息、所述道路坡角信息和所述最大水深处对应的道路位置信息,确定所述积水区域的最大积水深度,包括:基于所述第一边缘的空间位置信息和所述最大水深处对应的道路位置信息,确定第一距离,所述第一距离表征所述第一边缘的空间位置至所述最大水深处对应的道路位置的距离;基于所述第一距离和所述道路坡角的正弦值的乘积,确定所述积水区域的最大积水深度。
在另一个可能的实现中,所述确定所述积水区域的最大水深处对应的道路位置信息,之前还包括:获取所述积水道路的坡向信息,所述坡向信息包括积水道路的坡向变化处的位置;所述确定所述积水区域的最大水深处对应的道路位置信息,包括:基于所述积水道路的坡向变化处的位置,确定所述积水区域的最大水深处对应的道路位置信息。
本申请实施例通过道路坡向的变化确定积水区域的最大水深处对应的道路位置,无需获取较为敏感的道路高程信息,增大了方案的适用范围。
在另一个可能的实现中,所述积水道路上方具有与其延伸方向不同的第一道路;所述确定所述积水区域的最大水深处对应的道路位置信息,包括:基于所述第一道路的中心线在所述积水道路上的正投影,确定所述积水区域的最大水深处对应的道路位置信息。
本申请实施例解决了在桥洞场景下,确定积水区域的最大水深处对应的道路位置的问题。
在另一个可能的实现中,所述基于所述第一边缘的空间位置信息、道路坡角信息、所述积水区域的最大水深处对应的水面位置信息,确定所述积水区域的最大积水深度,包括:基于所述第一边缘的空间位置信息和所述最大水深处对应的水面位置信息,确定第二距离,所述第二距离表征所述第一边缘的空间位置至所述最大水深处对应的水面位置的距离;基于所述第二距离和所述道路坡角的正切值的乘积,确定所述积水区域的最大积水深度。
在另一个可能的实现中,所述积水道路为地道桥,所述积水道路的图像信息包括桥洞区域图像和道路区域图像;所述确定所述积水区域的最大水深处对应的水面位置信息,包括:基于所述积水道路的图像信息确定桥洞区域图像和道路区域图像;基于所述桥洞区域图像和道路区域图像的交界位置,确定所述积水区域的最大水深处对应的水面位置信息。
本申请实施例提供了针对地道桥积水场景下的积水深度确定方案,无需高精地图,通过图像分析的方法即可确定积水区域的最大水深处对应的水面位置,不依赖于高精地图,在高精地图缺失的情况下依然保证方案的实现。
在另一个可能的实现中,所述确定所述积水区域的最大水深处对应的水面位置信息,包括:确定所述积水区域的最大水深处对应的道路位置坐标,所述道路位置坐标为二维坐标;基于所述道路位置坐标,确定所述积水区域的最大水深处对应的水面位置信息。
在另一个可能的实现中,所述方法还包括:当所述积水区域道路设置限高装置时;获取所述限高装置的限高值;基于所述限高值与所述终端当前所处位置信息,确定第一高差,所述第一高差表征所述终端当前所处位置和所述限高装置高度的差值;基于所述终端当前所处位置信息、所述第一边缘的空间位置信息、道路坡角信息、限高值和第一高差,确定所述积水区域的最大积水深度。
在另一个可能的实现中,基于所述终端当前所处位置信息、所述第一边缘的空间位置信息、道路坡角信息、限高值和第一高差,确定所述积水区域的最大积水深度,包括:基于所述终端当前所处位置信息和所述第一边缘的空间位置信息,确定第三距离,所述第三距离表征所述终端当前所处位置至所述第一边缘的空间位置的距离;基于所述第三距离和所述道路坡角的正弦值的乘积与所述第一高差,确定第二高差,所述第二高差表征所述限高装置与所述积水区域的水面的高差;基于所述限高值与所述第二高差的差值,确定所述积水区域的最大积水深度。
本申请实施例提供了针对限高场景下的积水深度确定方案,通过根据车辆传感器获取的限高值、车辆与限高装置最高点的高度差值、和积水边缘的空间位置、道路坡角即可确定积水区域的最大积水深度,不强依赖于高精地图。
第二方面,本申请实施例提供了另一种积水深度确定方法,包括:获取积水道路的图像信息;基于所述积水道路的图像信息,确定积水边缘中第一边缘的空间位置信息,根据所述第一边缘的空间位置信息确定第一边缘的高程信息;其中,所述第一边缘为所述积水区域在所述积水道路延伸方向上的两个边缘中的任一边缘;确定所述积水区域的最大水深处对应的道路的高程信息;基于所述第一边缘的高程信息和所述积水区域的最大水深处对应的道路的高程信息,确定所述积水区域的最大积水深度。
本申请实施例通过获取的积水边缘的高程和积水区域的最大水深处对应的道路的高程,基于两个高程的高程差即可确定积水区域的最大积水深度。大大简化了算法,降低了对终端的算力要求,提高了积水水深确定的效率。
在一个可能的实现中,所述获取所述积水区域的最大水深处对应的道路的高程信息,包括:获取积水区域所在道路的地图信息,所述地图信息包括积水区域所在道路的高程信息;基于所述积水区域所在道路的高程信息中的最小高程值,确定所述积水区域的最大水深处对应的道路的高程信息。
本申请实施例,只需获取道路的高程值,然后进行比较即可确定积水区域的最大水深处对应的道路的高程,无需对道路其他信息的分析,算法简单高效。
第三方面,本申请实施例还提供了一种终端的控制方法,包括:终端在距离积水区域预设距离,检测确定所述积水区域的最大积水深度,根据所述积水区域的最大积水深度控制所述终端。
在一个可能的实现中,所述根据所述积水区域的最大积水深度控制所述终端,包括:若所述积水区域的最大积水深度大于或等于预设阈值,则发出警示信息和/或控制所述终端停止和/或退出自动驾驶模式和/或重新规划行驶路线。
可选的,所述终端为车辆。实现在车辆在进入积水区域之前,对前方道路积水深度的测量,避免了车辆涉水过深带来的抛锚风险。
在一个可能的实现中,所述检测确定所述积水区域的最大积水深度基于第一方面或第二方面的方法确定。
第四方面,本申请实施例还提供了一种信息传输方法,包括:终端在距离积水区域的预设距离,确定所述积水区域的位置和/或所述积水区域的最大积水深度,将所述积水区域的位置信息和/或所述积水区域的最大积水深度,发送给其他车辆和/或上传至高精地图的动态信息。
在一个可能的实现中,所述最大积水深度是基于第一方面或第二方面所述的方法确定。
第五方面,本申请实施例还提供了一种积水深度确定装置,包括:获取模块,用于获取积水道路的图像信息和道路坡角信息;其中,所述道路坡角信息包括所述第一边缘所在位置的道路坡角;确定模块,用于基于所述积水道路的图像信息,确定积水边缘中第一边缘的空间位置信息;其中,所述第一边缘为所述积水区域在所述积水道路延伸方向上的两个边缘中的任一边缘;用于获取道路坡角信息,所述道路坡角信息包括所述第一边缘所在位置的道路坡角;第二确定模块,用于确定所述积水区域的最大水深处对应的道路位置信息/所述积水区域的最大水深处对应的水面位置信息;用于基于所述第一边缘的空间位置信息、道路坡角信息、所述最大水深处对应的道路位置信息/所述积水区域的最大水深处对应的水面位置信息,确定所述积水区域的最大积水深度。
在另一个可能的实现中,所述确定模块具体用于:基于所述第一边缘的空间位置信息和所述最大水深处对应的道路位置信息,确定第一距离,所述第一距离表征所述第一边缘的空间位置至所述最大水深处对应的道路位置的距离;基于所述第一距离和所述道路坡角的正弦值的乘积,确定所述积水区域的最大积水深度。
在另一个可能的实现中,获取模块还用于,获取所述积水道路的坡向信息,所述坡向信息包括积水道路的坡向变化处的位置;所述确定模块具体用于:基于所述积水道路的坡向变化处的位置,确定所述积水区域的最大水深处对应的道路位置信息。
在另一个可能的实现中,所述积水道路上方具有与其延伸方向不同的第一道路;所述确定模块具体用于:基于所述第一道路的中心线在所述积水道路上的正投影,确定所述积水区域的最大水深处对应的道路位置信息。
在另一个可能的实现中,所述确定模块具体用于:基于所述第一边缘的空间位置信息和所述最大水深处对应的水面位置信息,确定第二距离,所述第二距离表征所述第一边缘的空间位置至所述最大水深处对应的水面位置的距离;基于所述第二距离和所述道路坡角的正切值的乘积,确定所述积水区域的最大积水深度。
在另一个可能的实现中,所述积水道路为地道桥,所述积水道路的图像信息包括桥洞区域图像和道路区域图像;所述确定模块具体用于:基于所述积水道路的图像信息确定桥洞区域图像和道路区域图像;基于所述桥洞区域图像和道路区域图像的交界位置,确定所述积水区域的最大水深处对应的水面位置信息。
在另一个可能的实现中,所述确定模块具体用于:确定所述积水区域的最大水深处对应的道路位置坐标,所述道路位置坐标为二维坐标;基于所述道路位置坐标,确定所述积水区域的最大水深处对应的水面位置信息。
在另一个可能的实现中,当所述积水区域道路设置限高装置时;第一获取模块还用于,用于获取所述限高装置的限高值;所述确定模块,还用于基于所述限高值与所述终端当前所处位置信息,确定第一高差,所述第一高差表征所述终端当前所处位置和所述限高装置高度的差值;基于所述终端当前所处位置信息、所述第一边缘的空间位置信息、道路坡角信息、限高值和第一高差,确定所述积水区域的最大积水深度。
在另一个可能的实现中,所述确定模块具体用于:基于所述终端当前所处位置信息和所述第一边缘的空间位置信息,确定第三距离,所述第三距离表征所述终端当前所处位置至所述第一边缘的空间位置的距离;基于所述第三距离和所述道路坡角的正弦值的乘积与所述第一高差,确定第二高差,所述第二高差表征所述限高装置与所述积水区域的水面的高差;基于所述限高值与所述第二高差的差值,确定所述积水区域的最大积水深度。
第六方面,本申请实施例还提供了一种车辆,包括第五方面或第五方面任一种可能实现方式中所述的积水深度确定装置。
第七方面,本申请实施例还提供了一种芯片系统,包括处理器和存储器,所述存储器存储有程序指令,当所述存储器存储的程序指令被所述处理器调用执行时实现第一方面或第二方面或第三方面或第四方面所述的方法。
第八方面,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行第一方面或第二方面或第三方面或第四方面所述的方法。
本申请在上述各方面提供的实现方式的基础上,还可以进行进一步组合以提供更多实现方式。
附图说明
图1为现有技术中积水深度确定的应用场景图;
图2为本申请实施例提供的一种应用场景图;
图3为本申请实施提供的一种积水深度确定方法的流程图;
图4为落地点相似三角形测距法原理示意图;
图5为一种道路坡角的计算方法原理图;
图6为另一种道路坡角的计算方法原理图;
图7为一种道路积水场景图;
图8为一种积水区域的最大积水深度计算原理图;
图9为本申请实施提供的另一种积水深度确定方法的流程图;
图10为本申请实施提供的积水区域的最大水深处对应的水面位置确定原理示意图;
图11为另一种积水区域的最大积水深度计算原理图;
图12为本申请实施提供的另一种积水深度确定方法的流程图;
图13为一种限高道路场景图;
图14另一种积水区域的最大积水深度计算原理图;
图15为本申请实施提供的另一种积水深度确定方法的流程图;
图16为本申请实施例提供的一种车辆的控制方法的流程图;
图17为本申请实施例提供的一种信息传输方法的流程图;
图18为本申请实施例提供的一种积水深度确定装置的结构示意图;
图19为本申请实施例提供的一种终端控制装置的结构示意图;
图20为本申请实施例提供的一种通信装置的结构示意图;
图21为本申请实施例提供的一种积水深度确定设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
图2为本申请实施例提供的一种应用场景图。如图2所示,在道路积水区域的预设距离,终端可通过摄像头采集积水区域的图像信息,获取该积水区域的道路信息,然后基于该图像信息和道路信息确定积水区域的最大积水水深。实现终端无需涉水即可实现对积水水深的检测。其中,终端可以是车辆、交通设备(例如交通摄像头)、无人机、轨道车、水深测量设备、手持设备(例如,安装有水深测量软件的智能手机)等具有摄像头的设备。
下面以终端为车辆为例进行说明本申请实施例提供的积水深度确定方案。
图3为本申请实施提供的一种积水深度确定方法的流程图。该方法可以应用于图2所示的终端,例如车辆。
如图3所示,本申请实施例提供的一种积水深度确定方法至少包括步骤S301-S305。
在步骤S301中,获取摄像头采集的积水道路的图像信息。
在本实施例中,车辆通过传感器系统实时感知车辆周围的环境,若感知到车辆前方预设距离具有积水区域,则车辆的处理器调取存储器中存储的积水深度确定程序,开始执行积水深度确定程序,获取车辆的摄像头采集的前方积水道路图像信息。其中,预设距离可以为用户设置,也可以为技术人员设置,还可以与本车传感器感应距离有关,本申请不做限定。
在另一个示例中,车辆在非自动驾驶模式下,驾驶员或乘客观察到行驶前方具有积水,则可通过车辆的交互系统与车辆进行交互,向车辆下达测量前方道路的积水深度的指令,车辆的处理器根据用户指令执行积水深度确定程序,获取车辆的摄像头采集的前方积水道路图像信息。
在步骤S302中,基于积水道路的图像信息,确定积水边缘中第一边缘的空间位置信息。其中,第一边缘为所述积水区域在所述积水道路延伸方向上的两个边缘中的任一边缘。例如第一边缘为靠近车辆一侧的积水边缘。
在本实施例中,车辆的处理器根据图像识别技术识别出积水道路图像中的积水区域的图像区域,进而将积水区域的图像区域中靠近车辆一侧的边缘确定为第一边缘。例如,根据深度学习中的语义分割模型分割确定积水区域的图像区域,再将积水区域的图像区域中靠近车辆一侧的边缘确定为第一边缘。
然后,计算车辆距离第一边缘的距离,再根据车辆的位置信息和车辆与第一边缘的距离确定第一边缘的位置信息。
示例性的,车辆的位置信息可以通过定位系统(例如GPS、北斗等定位系统)定位确定,车辆和第一边缘的距离可以通过落地点相似三角形测距法、落地点坐标变换测距法和比例测距法等多种方法测量获得。以落地点相似三角形测距法举例说明,如图4所示,摄像头位于P点,摄像头光轴方向与路面平行,I为摄像头的成像平面。那么根据三角形相似关系可得关系:y/f=H/Z。进而可得到目标距离Z=fH/y。目标距离Z即为车辆与第一边缘的距离。
其中y为积水边缘在图像中的投影点距离图像光心的距离,单位为pixel,f为焦距,单位为pixel,H为摄像头离地高度,单位为m,Z为积水边缘距离摄像头的距离,单位为m。
回到图3,在步骤S303中,获取第一边缘所在位置的道路坡角信息。
获取道路坡角的方法有多种方式,例如,通过车辆的IMU测量获得,IMU内会装有三轴的陀螺仪和三个方向的加速度计,用于测量物体三轴姿态角以及加速度,根据物体的姿态角也就能确定出车辆所在位置的道路的坡角等信息。
再例如,通过高精地图获取。例如,车辆首先通过定位系统定位确定车辆的位置,在通过高精地图获取车辆位置所在道路的道路坡角。高精地图中的坡角信息可以是显式存贮于高精地图中,每一段道路均对应一坡角值,或者可以通过高精地图中道路的垂直维度的高程信息和道路长度计算得到道路曲率,如图5所示,道路两端点的高程信息为H1和H2,道路长度信息为L,则道路坡角值为arcsin((H2-H1)/L)。
或者,可通过对道路垂直维度的形状信息求导得到道路的曲率,如图6所示,道路的形状通过多项式表达,如F(x)=ax3+bx2+cx+d,其中F为道路高程信息,x为道路方向的位置信息,a,b,c,d为多项式系数,代表曲线的形状,则道路上每一点的坡角值为3ax2+2bx+c。本申请对道路坡角信息的获取方式不做限定。
在步骤S304中,确定积水区域的最大水深处对应的道路位置信息。
在一个示例中,可通过获取积水道路的坡向信息,确定道路坡向变化处的位置,该位置即为积水区域的最大水深处对应的道路位置。也就是说,通过积水道路的坡向变化确定积水道路的坡底处,坡底处就是最大水深处对应的道路位置。
示例性的,道路的坡向可从高精地图中获取,获取方法与道路坡角的获取方法类似,为了简洁,这里不再赘述。
在另一个示例中,如图7所示,积水道路往往出现在桥下,积水道路和积水道路之上的道路(即第一道路)的交叉位置往往为积水最深的位置。因此,可通过高精地图获取积水道路的位置信息和第一道路的位置信息,再确定第一道路的中心线的位置,第一道路中心线与积水道路相交位置(即第一道路中心线在积水道路上的正投影),即为最大水深对应的道路位置。其中,第一道路中心线与积水道路相交位置表征,第一道路中心线的位置坐标中的横纵坐标与积水道路的位置坐标中的横纵坐标相同的位置。将积水道路的位置坐标中的横纵坐标与第一道路中心线的位置坐标中的横纵坐标相同的横纵坐标对应的位置坐标作为最大水深对应的道路位置。
继续参见图3,在步骤S305中,基于第一边缘的空间位置信息、道路坡角信息、最大水深处对应的道路位置信息,确定积水区域的最大积水深度。
如图8所示,根据第一边缘的空间位置和最大水深处对应的道路位置,容易计算得到第一边缘至最大水深处的距离s,而步骤S303中已得到道路坡角为α,则根据三角函数关系得到最大积水深度h=s×sinα。
如此,本申请实施例在车辆无需涉水的情况下,利用较为容易获取的摄像头采集的积水道路图像信息和从高精地图获取或传感器系统感知获取的道路信息,实现对前方道路积水深度的测量,避免了车辆涉水过深带来的抛锚风险。
本申请实施例还提供另一种积水深度确定方法。
图9为本申请实施例提供的另一种积水深度确定方法。该方法可以应用于图2所示的终端,例如车辆。
如图9所示,该方法至少包括步骤S901-S905。
在本实施例中,步骤S901-S903的实现与图3中的步骤S301-S303的实现类似,可参考上文描述,为了简洁,这里不再赘述。
在步骤S904中,确定积水区域的最大水深处对应的水面位置信息。
参见图7,常见的积水道路场景为地道桥场景,积水道路图像包括桥洞区域图像和道路区域图像。
在一个示例中,如图10所示,可以根据摄像头采集的积水道路的图像,通过深度学习中的目标检测模型检测前方桥洞边界,确定桥洞检测框与积水区域的交汇线。然后通过摄像头落地点测距算法或其他算法确定上述交汇线在车辆坐标系下的坐标,该坐标即为积水区域的最大水深处对应的水面位置坐标。
在另一个示例中,利用车辆的传感器系统感知桥洞距离车辆的距离,例如雷达或激光雷达测量前方桥洞距离本车的距离,再结合积水边缘位置即可以得到积水区域的最大水深处对应的水面位置坐标。
在另一示例中,积水区域的最大水深处对应的道路位置为二维坐标表示,则积水区域的最大水深处对应的道路位置为积水区域的最大水深处对应的水面位置。积水区域的最大水深处对应的道路位置的确定方法参见上文,此处不再赘述。
容易理解的,上文的二维坐标仅包括表示道路的平面位置的二维坐标(x,y)(例如,经度和维度确定地理位置),而没有表示道路的高度的坐标z。
在步骤S905中,基于第一边缘的空间位置信息、道路坡角信息、积水区域的最大水深处对应的水面位置信息,确定积水区域的最大积水深度。
如图11所示,根据第一边缘的空间位置和最大水深处对应的水面位置,容易计算得到第一边缘至最大水深处的距离l,而步骤S903中已得到道路坡角为α,则根据三角函数关系得到最大积水深度h=l×tanα。
本申请实施例提供了针对地道桥积水场景下的积水深度确定方案,无需高精地图,通过图像分析的方法即可确定积水区域的最大水深处对应的水面位置,不依赖于高精地图,在高精地图缺失的情况下依然保证方案的实现。
本申请实施例还提供另一种积水深度确定方法。
图12为本申请实施例提供的另一种积水深度确定方法。该方法适用于具有限高的场景,该方法可以应用于图2所示的终端,例如车辆。
如图12所示,该方法至少包括步骤S1201-S1206。
在本实施例中,步骤S1201-S1203的实现与图3中的步骤S301-S303的实现类似,可参考上文描述,为了简洁,这里不再赘述。
在步骤S1204中,获取限高装置的限高值。
本实施例中,获取限高装置的限高值的方式有多种。例如,如图13所示,通过摄像头识别的方式,一般限高装置都会标有限高值,因此可通过车辆的摄像头直接识别限高值的方式获取限高装置的限高值h3,该限高值为限高装置距离道路最低点的高度,或者,可通过高精地图直接获取该限高装置的限高值。对通过何种方式获取限高值,本申请不做限定。
在步骤S1205中,基于限高值与车辆当前位置信息,确定第一高差h1。其中,第一高差h1h表征,车辆当前所处位置和限高装置高度的差值。
在一种示例中,可通过车辆的传感器系统感测得到第一高差h1。例如,根据毫米波雷达或激光雷达确定限高处相对于车辆所在水平面的高度h1。具体的,根据道路坡角获得旋转矩阵,根据限高处在雷达坐标系下的坐标与旋转矩阵即可得到限高处相对于车辆所在水平面的高度,即第一高差h1。
在步骤S1206中,基于车辆当前所处位置、第一边缘的空间位置、道路坡角、限高值和第一高差,确定积水区域的最大积水深度。
如图14所示,根据第一边缘的空间位置和车辆当前所处位置,容易计算得到第一边缘至车辆的距离,即第三距离s1,限高处距离水面高度h2=h1+s1×sinα,则根据数学关系得到最大积水深度h=h3-h2=h3-(h1+s1×sinα)。
本申请实施例提供了针对限高场景下的积水深度确定方案,通过根据车辆传感器获取的限高值、车辆与限高装置最高点的高度差值、和积水边缘的空间位置、道路坡角即可确定积水区域的最大积水深度,不强依赖于高精地图。
本申请实施例还提供另一种积水深度确定方法。
图15为本申请实施例提供的另一种积水深度确定方法。该方法适用于高精地图中提供道路高程信息的场景,该方法可以应用于图2所示的终端,例如车辆。
如图15所示,该方法至少包括步骤S1501-S1504。
在本实施例中,步骤S1501-S1502的实现与图3中的步骤S301-S302的实现类似,可参考上文描述,为了简洁,这里不再赘述。
在步骤S1503中,基于所述积水边缘的空间位置信息,确定积水边缘的高程信息。其中,积水边缘为所述积水区域在所述积水道路延伸方向上的两个边缘中的任一边缘。例如积水边缘为靠近车辆一侧的积水边缘。
在一个示例中,可通过高精地图获取积水边缘的高程信息。例如,高精地图中显性标注了每个位置对应的高程信息,则可直接根据该位置信息确定高精地图中对应的高程信息,即为积水边缘的高程信息。
或者,在高精地图中,道路的形状通过多项式表达,如F(x)=ax3+bx2+cx+d,其中H为道路高程信息,x为道路方向的位置信息,a,b,c,d为多项式系数,代表曲线的形状(参见图6),则可将积水边缘的位置直接带入该多项式得到积水边缘所在位置对应的高程信息。
在步骤S1504中,获取积水区域的最大水深处对应的道路的高程信息。
在一个示例中,车辆通过定位系统定位车辆当前的位置,再根据该位置对应的一段道路,在高精地图中查找该段道路的高程信息,找出该高程信息中的最小高程(也就是说道路最低处的高程),将该最小高程确定为积水区域的最大水深处对应的道路的高程。
在步骤S1505中,基于积水边缘的高程信息和积水区域的最大水深处对应的道路的高程信息,确定积水区域的最大积水深度。
计算水边缘的高程和积水区域的最大水深处对应的道路的高程的差值,即可确定积水区域的最大积水深度。
本申请实施例通过获取的积水边缘的高程和积水区域的最大水深处对应的道路的高程,基于两个高程的高程差即可确定积水区域的最大积水深度。大大简化了算法,降低了对终端的算力要求,提高了积水水深确定的效率。
容易理解的是,图9所提供的积水深度确定方法适用于地道桥场景,仅当车辆行驶至地道桥场景时才启用该方案,图12所提供的积水深度确定方法适用于限高道路场景,当车辆行驶至限高道路时才启用该方案,图15所提供的积水深度确定方法适用于高精地图中具有道路高程信息时的场景,即当车辆可获取道路的高程信息时才启用该方案。因此,可在之前图3或图9或图12或图15的方法之前,增加判断道路场景的步骤,当车辆行驶前方为地道桥场景时,则执行图9的方案,当车辆行驶前方为限高道路场景时,则执行图12的方案,当车辆行驶前方路段对应的高精地图具有道路高程信息时,则执行图15的方案。
例如,可通过车辆的传感器系统感知前方道路场景,判断前方道路为何种场景,根据对应场景自动启用该场景对应的积水深度确定方法。或者,也可通过接收用户指令,根据用户下达的指令启用对应的方法。例如,驾驶员或车上乘客观察到前方道路为地道桥,则可通过向车辆下达启用图9所示的方案,检测前方道路的积水区域的最大积水水深。
应理解的,上述各步骤的序号的大小并不意味着执行顺序的先后,各步骤的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定,例如步骤S303可以在步骤S301之前执行,即先获取道路坡角信息,再获取积水道路的图像信息。
本申请实施例还提供一种终端的控制方法,以该终端为车辆举例说明。
图16为本申请实施例提供的一种车辆的控制方法的流程图。如图16所示,该方法包括步骤S1601-S1602。
在步骤S1601中,检测确定距离车辆预设距离的积水区域的最大积水深度。
其中,预设距离可以为为用户设置,也可以为技术人员设置,还可以与本车传感器感应距离有关,本申请不做限定。
在一个示例中,检测确定积水区域的最大积水深度可采用上述图3-15中描述的任一方法确定,或者也可采用其他方法确定,本申请不做限定。
在步骤S1602中,根据所述积水区域的最大积水深度控制所述车辆。
例如,当最大积水深度大于车辆的预设阈值时(该预设阈值可以为车辆最大涉水深度),则发出警示信息,以警示驾驶人员前方水深超过车辆最大水深,或者直接控制车辆停止,或者退出自动驾驶模式,通知驾驶员接管驾驶,或者重新规划行驶路线,以绕过该积水区域。再例如,当最大积水深度大于车辆的预设阈值时,则发出警示信息和控制车辆停止,或者,发出警示信息和退出自动驾驶模式,或者发出警示信息和重新规划行驶路线,或者,控制车辆停止和退出自动驾驶模式,或者,控制车辆停止和重新规划行驶路线,或者,退出自动驾驶模式和重新规划行驶路线。再例如,当最大积水深度大于车辆的预设阈值时,则发出警示信息和控制车辆停止和退出自动驾驶模式,或者,发出警示信息和控制车辆停止和重新规划行驶路线,或者,退出自动驾驶模式和控制车辆停止和重新规划行驶路线。再例如,当最大积水深度大于车辆的预设阈值时,则发出警示信息和控制车辆停止和退出自动驾驶模式和重新规划行驶路线。
当最大积水深度小于车辆的预设阈值时,可发出车辆可安全通过的提示信息。示例性的,警示信息和提示信息均可通过视频、音频或视频和音频组合的方式进行警示或提示。
本申请实施例还提供了一种信息传输方法,该方法可应用于具有摄像功能的终端,以该终端为车辆举例说明。
图17为本申请实施例提供的一种信息传输方法的流程图。如图17所示,该方法包括步骤S1701-S1702。
在步骤S1701中,检测确定距离车辆预设距离的积水区域的位置信息和/或积水区域的最大积水深度。
其中,预设距离可以为为用户设置,也可以为技术人员设置,还可以与本车传感器感应距离有关,本申请不做限定。
在一个示例中,检测确定积水区域的最大积水深度可采用上述图3-15中描述的任一方法确定,或者也可采用其他方法确定,本申请不做限定。积水区域的位置信息获取方法与第一边缘的空间位置确定方法类似,可参见上文描述,为了简洁,这里不再赘述。
在步骤S1702中,将车辆检测到的积水区域的位置信息和/或积水区域的最大积水深度,发送给其他车辆和/或上传至云端服务器。
例如,将车辆检测到的积水区域的位置信息和/或积水区域的最大积水深度,通过车联网发送给其他车辆,以使其他车辆了解该路段的状况,提前进行路线的规划。或者,将车辆检测到的积水区域的位置信息和/或积水区域的最大积水深度,上传到云端服务器,例如,存储高精地图的动态消息的云端服务器。
本申请实施例还提供了一种积水深度确定装置。
图18为本申请实施例提供的一种积水深度确定装置的结构示意图。该装置1800具有摄像头,如图18所示,该装置1800至少包括:
获取模块1801,用于获取所述摄像头采集的积水道路的图像信息和道路坡角信息,所述道路坡角信息包括所述第一边缘所在位置的道路坡角;
确定模块1802,用于基于所述积水道路的图像信息,确定积水边缘中第一边缘的空间位置信息;其中,所述第一边缘为所述积水区域在所述积水道路延伸方向上的两个边缘中的任一边缘;
用于确定所述积水区域的最大水深处对应的道路位置信息/所述积水区域的最大水深处对应的水面位置信息;
用于基于所述第一边缘的空间位置信息、道路坡角信息、所述最大水深处对应的道路位置信息/所述积水区域的最大水深处对应的水面位置信息,确定所述积水区域的最大积水深度。
在另一个可能的实现中,所述确定模块1802具体用于:
基于所述第一边缘的空间位置信息和所述最大水深处对应的道路位置信息,确定第一距离,所述第一距离表征所述第一边缘的空间位置至所述最大水深处对应的道路位置的距离;基于所述第一距离和所述道路坡角的正弦值的乘积,确定所述积水区域的最大积水深度。
在另一个可能的实现中,获取模块1801还用于,获取所述积水道路的坡向信息,所述坡向信息包括积水道路的坡向变化处的位置;
所述确定模块1802具体用于:基于所述积水道路的坡向变化处的位置,确定所述积水区域的最大水深处对应的道路位置信息。
在另一个可能的实现中,所述积水道路上方具有与其延伸方向不同的第一道路;
所述确定模块1802具体用于:基于所述第一道路的中心线在所述积水道路上的正投影,确定所述积水区域的最大水深处对应的道路位置信息。
在另一个可能的实现中,所述确定模块1802具体用于:
基于所述第一边缘的空间位置信息和所述最大水深处对应的水面位置信息,确定第二距离,所述第二距离表征所述第一边缘的空间位置至所述最大水深处对应的水面位置的距离;
基于所述第二距离和所述道路坡角的正切值的乘积,确定所述积水区域的最大积水深度。
在另一个可能的实现中,所述积水道路为地道桥,所述积水道路的图像信息包括桥洞区域图像和道路区域图像;
所述确定模块1802具体用于:基于所述积水道路的图像信息确定桥洞区域图像和道路区域图像;
基于所述桥洞区域图像和道路区域图像的交界位置,确定所述积水区域的最大水深处对应的水面位置信息。
在另一个可能的实现中,所述确定模块1802具体用于:确定所述积水区域的最大水深处对应的道路位置坐标,所述道路位置坐标为二维坐标;
基于所述道路位置坐标,确定所述积水区域的最大水深处对应的水面位置信息。
在另一个可能的实现中,当所述积水区域道路设置限高装置时;
获取模块1801还用于,用于获取所述限高装置的限高值;
确定模块1802,用于基于所述限高值与所述终端当前所处位置信息,确定第一高差,所述第一高差表征所述终端当前所处位置和所述限高装置高度的差值;
基于所述终端当前所处位置信息、所述第一边缘的空间位置信息、道路坡角信息、限高值和第一高差,确定所述积水区域的最大积水深度。
在另一个可能的实现中,所述确定模块1802具体用于:
基于所述终端当前所处位置信息和所述第一边缘的空间位置信息,确定第三距离,所述第三距离表征所述终端当前所处位置至所述第一边缘的空间位置的距离;
基于所述第三距离和所述道路坡角的正弦值的乘积与所述第一高差,确定第二高差,所述第二高差表征所述限高装置与所述积水区域的水面的高差;
基于所述限高值与所述第二高差的差值,确定所述积水区域的最大积水深度。
根据本申请实施例的积水深度确定装置1800可对应于执行本申请实施例中描述的方法,并且积水深度确定装置1800中的各个模块的上述和其它操作和/或功能分别为了实现图3-15中的各个方法的相应流程,为了简洁,在此不再赘述。
本申请还提供了一种终端控制装置。
图19为本申请实施例提供的一种终端控制装置的结构示意图。该装置1900具有摄像头,如图19所示,该装置1900至少包括:
检测模块1901,用于检测确定距离车辆预设距离的积水区域的最大积水深度。
控制模块1902,用于根据所述积水区域的最大积水深度控制所述车辆。
根据本申请实施例的积水深度确定装置1900可对应于执行本申请实施例中描述的方法,并且积水深度确定装置1900中的各个模块的上述和其它操作和/或功能分别为了实现图16中的各个方法的相应流程,为了简洁,在此不再赘述。
本申请还提供了一种通信装置。
图20为本申请实施例提供的一种通信装置的结构示意图。如图20所示,该装置2000至少包括:
积水检测模块2001,用于检测确定距离车辆预设距离的积水区域的位置信息和/或积水区域的最大积水深度。
通信模块2002,将车辆检测到的积水区域的位置信息和/或积水区域的最大积水深度,发送给其他车辆和/或上传至云端服务器。
根据本申请实施例的通信装置2000可对应于执行本申请实施例中描述的方法,并且通信装置2000中的各个模块的上述和其它操作和/或功能分别为了实现图17中的各个方法的相应流程,为了简洁,在此不再赘述。
另外需说明的是,以上所描述的实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本申请提供的设备实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。
本申请还提供一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行上述任一项方法。
本申请还提供一种计算机程序或计算机程序产品,该计算机程序或计算机程序产品包括指令,当该指令执行时,令计算机执行上述任一项方法。
本申请还提供一种芯片系统,包括处理器和存储器,所述存储器存储有程序指令,当所述存储器存储的程序指令被所述处理器调用执行时实现上述任一项方法。
图21为本申请实施例提供的一种积水深度确定设备的结构示意图。
如图21所示,所述积水深度确定设备2100包括处理器2101、存储器2102和通信接口2103。其中,处理器2101、存储器2102通信接口2103通信连接,也可以通过无线传输等其他手段实现通信。该通信接口2103用于与其他通信设备进行通信连接,例如获取道路信息,包括道路坡角、道路坡向,道路高程等,再例如向其他车辆发送信息或向云端服务器发送信息等;该存储器2102存储可执行程序代码,且处理器2101可以调用存储器2102中存储的程序代码执行前述方法实施例中的积水深度确定方法和/或终端控制方法和/或信息传输方法。
应理解,在本申请实施例中,该处理器2101可以是中央处理单元CPU,该处理器2101还可以是其他通用处理器、数字信号处理器(digital signal processor,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现场可编程门阵列(fieldprogrammable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者是任何常规的处理器等。
该存储器2102可以包括只读存储器和随机存取存储器,并向处理器2101提供指令和数据。存储器2102还可以包括非易失性随机存取存储器。例如,存储器2102还可以存储训练数据集。
该存储器2102可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(read-only memory,ROM)、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasable PROM,EPROM)、电可擦除可编程只读存储器(electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data date SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(synchlinkDRAM,SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM,DR RAM)。
应理解,根据本申请实施例的积水深度确定设备2100可对应于本申请实施例中的积水深度确定装置,并可以对应于执行根据本申请实施例中图3-15所示方法中的相应主体,并且积水深度确定设备2100中的各个器件的上述和其它操作和/或功能分别为了实现图3-15的各个方法的相应流程,为了简洁,在此不再赘述。
本领域普通技术人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令处理器完成,所述的程序可以存储于计算机可读存储介质中,所述存储介质是非短暂性(英文:non-transitory)介质,例如随机存取存储器,只读存储器,快闪存储器,硬盘,固态硬盘,磁带(英文:magnetic tape),软盘(英文:floppy disk),光盘(英文:optical disc)及其任意组合。
以上所述,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (24)
1.一种积水深度确定方法,其特征在于,包括:
获取积水道路的图像信息;
基于所述积水道路的图像信息,确定积水边缘中第一边缘的空间位置信息;其中,所述第一边缘为所述积水区域在所述积水道路延伸方向上的两个边缘中的任一边缘;
获取道路坡角信息,所述道路坡角信息包括所述第一边缘所在位置的道路坡角;
确定所述积水区域的最大水深处对应的道路位置信息/所述积水区域的最大水深处对应的水面位置信息;
基于所述第一边缘的空间位置信息、道路坡角信息、所述最大水深处对应的道路位置信息/所述积水区域的最大水深处对应的水面位置信息,确定所述积水区域的最大积水深度。
2.根据权利要求1所述的方法,其特征在于,所述基于所述第一边缘的空间位置信息、所述道路坡角信息和所述最大水深处对应的道路位置信息,确定所述积水区域的最大积水深度,包括:
基于所述第一边缘的空间位置信息和所述最大水深处对应的道路位置信息,确定第一距离,所述第一距离表征所述第一边缘的空间位置至所述最大水深处对应的道路位置的距离;
基于所述第一距离和所述道路坡角的正弦值的乘积,确定所述积水区域的最大积水深度。
3.根据权利要求1或2所述的方法,其特征在于,所述确定所述积水区域的最大水深处对应的道路位置信息,之前还包括:
获取所述积水道路的坡向信息,所述坡向信息包括积水道路的坡向变化处的位置;
所述确定所述积水区域的最大水深处对应的道路位置信息,包括:
基于所述积水道路的坡向变化处的位置,确定所述积水区域的最大水深处对应的道路位置信息。
4.根据权利要求1或2所述的方法,其特征在于,所述积水道路上方具有与其延伸方向不同的第一道路;
所述确定所述积水区域的最大水深处对应的道路位置信息,包括:
基于所述第一道路的中心线在所述积水道路上的正投影,确定所述积水区域的最大水深处对应的道路位置信息。
5.根据权利要求1所述的方法,其特征在于,所述基于所述第一边缘的空间位置信息、道路坡角信息、所述积水区域的最大水深处对应的水面位置信息,确定所述积水区域的最大积水深度,包括:
基于所述第一边缘的空间位置信息和所述最大水深处对应的水面位置信息,确定第二距离,所述第二距离表征所述第一边缘的空间位置至所述最大水深处对应的水面位置的距离;
基于所述第二距离和所述道路坡角的正切值的乘积,确定所述积水区域的最大积水深度。
6.根据权利要求1或5所述的方法,其特征在于,所述积水道路为地道桥,所述积水道路的图像信息包括桥洞区域图像和道路区域图像;
所述确定所述积水区域的最大水深处对应的水面位置信息,包括:
基于所述积水道路的图像信息确定桥洞区域图像和道路区域图像;
基于所述桥洞区域图像和道路区域图像的交界位置,确定所述积水区域的最大水深处对应的水面位置信息。
7.根据权利要求1所述的方法,其特征在于,所述确定所述积水区域的最大水深处对应的水面位置信息,包括:
确定所述积水区域的最大水深处对应的道路位置坐标,所述道路位置坐标为二维坐标;
基于所述道路位置坐标,确定所述积水区域的最大水深处对应的水面位置信息。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述积水区域道路设置限高装置时;
获取所述限高装置的限高值;
基于所述限高值与所述终端当前所处位置信息,确定第一高差,所述第一高差表征所述终端当前所处位置和所述限高装置高度的差值;
基于所述终端当前所处位置信息、所述第一边缘的空间位置信息、道路坡角信息、限高值和第一高差,确定所述积水区域的最大积水深度。
9.根据权利要求8所述的方法,其特征在于,基于所述终端当前所处位置信息、所述第一边缘的空间位置信息、道路坡角信息、限高值和第一高差,确定所述积水区域的最大积水深度,包括:
基于所述终端当前所处位置信息和所述第一边缘的空间位置信息,确定第三距离,所述第三距离表征所述终端当前所处位置至所述第一边缘的空间位置的距离;
基于所述第三距离和所述道路坡角的正弦值的乘积与所述第一高差,确定第二高差,所述第二高差表征所述限高装置与所述积水区域的水面的高差;
基于所述限高值与所述第二高差的差值,确定所述积水区域的最大积水深度。
10.一种终端的控制方法,其特征在于,包括:
若所述积水区域的最大积水深度大于或等于预设阈值,则发出警示信息和/或控制所述终端停止和/或退出自动驾驶模式和/或重新规划行驶路线,所述最大积水深度是基于权利要求1-9任一项所述的方法确定。
11.根据权利要求10所述的方法,其特征在于,所述终端为车辆。
12.一种信息传输方法,其特征在于,包括:
将积水区域的位置信息和/或所述积水区域的最大积水深度,发送给其他车辆和/或上传至高精地图的动态信息,其中,所述最大积水深度是基于权利要求1-9任一项所述的方法确定。
13.一种积水深度确定装置,其特征在于,包括:
获取模块,用于获取积水道路的图像信息和道路坡角信息;其中,所述道路坡角信息包括所述第一边缘所在位置的道路坡角;
确定模块,用于基于所述积水道路的图像信息,确定积水边缘中第一边缘的空间位置信息;其中,所述第一边缘为所述积水区域在所述积水道路延伸方向上的两个边缘中的任一边缘;
用于确定所述积水区域的最大水深处对应的道路位置信息/所述积水区域的最大水深处对应的水面位置信息
用于基于所述第一边缘的空间位置信息、道路坡角信息、所述最大水深处对应的道路位置信息/所述积水区域的最大水深处对应的水面位置信息,确定所述积水区域的最大积水深度。
14.根据权利要求13所述的装置,其特征在于,所述确定模块具体用于:
基于所述第一边缘的空间位置信息和所述最大水深处对应的道路位置信息,确定第一距离,所述第一距离表征所述第一边缘的空间位置至所述最大水深处对应的道路位置的距离;
基于所述第一距离和所述道路坡角的正弦值的乘积,确定所述积水区域的最大积水深度。
15.根据权利要求13或14所述的装置,其特征在于,
获取模块还用于,获取所述积水道路的坡向信息,所述坡向信息包括积水道路的坡向变化处的位置;
所述确定模块具体用于:
基于所述积水道路的坡向变化处的位置,确定所述积水区域的最大水深处对应的道路位置信息。
16.根据权利要求13或14所述的装置,其特征在于,所述积水道路上方具有与其延伸方向不同的第一道路;
所述确定模块具体用于:
基于所述第一道路的中心线在所述积水道路上的正投影,确定所述积水区域的最大水深处对应的道路位置信息。
17.根据权利要求13所述的装置,其特征在于,所述确定模块具体用于:
基于所述第一边缘的空间位置信息和所述最大水深处对应的水面位置信息,确定第二距离,所述第二距离表征所述第一边缘的空间位置至所述最大水深处对应的水面位置的距离;
基于所述第二距离和所述道路坡角的正切值的乘积,确定所述积水区域的最大积水深度。
18.根据权利要求13或17所述的装置,其特征在于,所述积水道路为地道桥,所述积水道路的图像信息包括桥洞区域图像和道路区域图像;
所述确定模块具体用于:
基于所述积水道路的图像信息确定桥洞区域图像和道路区域图像;
基于所述桥洞区域图像和道路区域图像的交界位置,确定所述积水区域的最大水深处对应的水面位置信息。
19.根据权利要求13所述的装置,其特征在于,所述确定模块具体用于:
确定所述积水区域的最大水深处对应的道路位置坐标,所述道路位置坐标为二维坐标;
基于所述道路位置坐标,确定所述积水区域的最大水深处对应的水面位置信息。
20.根据权利要求13所述的装置,其特征在于,当所述积水区域道路设置限高装置时;
所述获取模块还用于,获取所述限高装置的限高值;
所述确定模块还用于,基于所述限高值与所述终端当前所处位置信息,确定第一高差,所述第一高差表征所述终端当前所处位置和所述限高装置高度的差值;
基于所述终端当前所处位置信息、所述第一边缘的空间位置信息、道路坡角信息、限高值和第一高差,确定所述积水区域的最大积水深度。
21.根据权利要求20所述的装置,其特征在于,所述确定模块具体用于:
基于所述终端当前所处位置信息和所述第一边缘的空间位置信息,确定第三距离,所述第三距离表征所述终端当前所处位置至所述第一边缘的空间位置的距离;
基于所述第三距离和所述道路坡角的正弦值的乘积与所述第一高差,确定第二高差,所述第二高差表征所述限高装置与所述积水区域的水面的高差;
基于所述限高值与所述第二高差的差值,确定所述积水区域的最大积水深度。
22.一种车辆,其特征在于,包括权利要求13-21任一项所述的积水深度确定装置。
23.一种芯片系统,其特征在于,包括处理器和存储器,所述存储器存储有程序指令,当所述存储器存储的程序指令被所述处理器调用执行时实现如权利要求1-12中任一项所述的方法。
24.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,当所述计算机程序在计算机中执行时,令所述计算机执行权利要求1-12任一项所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2021/078931 WO2022183415A1 (zh) | 2021-03-03 | 2021-03-03 | 一种积水深度确定方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113168535A true CN113168535A (zh) | 2021-07-23 |
Family
ID=76875986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180000406.8A Pending CN113168535A (zh) | 2021-03-03 | 2021-03-03 | 一种积水深度确定方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113168535A (zh) |
WO (1) | WO2022183415A1 (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050825A (zh) * | 2013-03-13 | 2014-09-17 | 厦门歌乐电子企业有限公司 | 搭载于车辆上的终端装置、车辆及水坑路面的提醒方法 |
CN104318793A (zh) * | 2014-10-21 | 2015-01-28 | 中山大学 | 一种道路水浸事件紧急疏导配流生成方法 |
CN106800003A (zh) * | 2016-12-28 | 2017-06-06 | 智车优行科技(北京)有限公司 | 道路积水检测方法和系统、车辆 |
CN108510773A (zh) * | 2017-02-28 | 2018-09-07 | 长城汽车股份有限公司 | 车辆的控制方法、系统及车辆 |
US20200317206A1 (en) * | 2019-04-02 | 2020-10-08 | International Business Machines Corporation | Fording depth estimation |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110053624B (zh) * | 2018-01-18 | 2022-09-30 | 奥迪股份公司 | 驾驶辅助系统以及方法 |
-
2021
- 2021-03-03 WO PCT/CN2021/078931 patent/WO2022183415A1/zh active Application Filing
- 2021-03-03 CN CN202180000406.8A patent/CN113168535A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050825A (zh) * | 2013-03-13 | 2014-09-17 | 厦门歌乐电子企业有限公司 | 搭载于车辆上的终端装置、车辆及水坑路面的提醒方法 |
CN104318793A (zh) * | 2014-10-21 | 2015-01-28 | 中山大学 | 一种道路水浸事件紧急疏导配流生成方法 |
CN106800003A (zh) * | 2016-12-28 | 2017-06-06 | 智车优行科技(北京)有限公司 | 道路积水检测方法和系统、车辆 |
CN108510773A (zh) * | 2017-02-28 | 2018-09-07 | 长城汽车股份有限公司 | 车辆的控制方法、系统及车辆 |
US20200317206A1 (en) * | 2019-04-02 | 2020-10-08 | International Business Machines Corporation | Fording depth estimation |
Non-Patent Citations (1)
Title |
---|
猎鹰: "《特种兵教你户外生存》", 31 December 2012 * |
Also Published As
Publication number | Publication date |
---|---|
WO2022183415A1 (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108362295B (zh) | 车辆路径引导设备和方法 | |
CN111284487B (zh) | 车道线显示方法以及执行该方法的电子设备 | |
JP6241422B2 (ja) | 運転支援装置、運転支援方法、および運転支援プログラムを記憶する記録媒体 | |
CN109895851B (zh) | 弯道导向方法、弯道导向装置、弯道导向电子装置及计算机可读记录介质 | |
EP3137850B1 (en) | Method and system for determining a position relative to a digital map | |
CN105571606B (zh) | 能够改进车辆定位的方法和系统 | |
US11352090B2 (en) | Information providing device and program for motorcycle | |
WO2015096717A1 (zh) | 一种定位方法及装置 | |
CN112074885A (zh) | 车道标志定位 | |
US20210278221A1 (en) | Lane marking localization and fusion | |
US10876842B2 (en) | Method for determining, with the aid of landmarks, an attitude of a vehicle moving in an environment in an at least partially automated manner | |
CN111091037B (zh) | 用于确定驾驶信息的方法和设备 | |
KR20190008292A (ko) | 물체 검출 방법 및 물체 검출 장치 | |
KR101704405B1 (ko) | 차선 인식 시스템 및 방법 | |
KR102441073B1 (ko) | 자이로 센싱값 보상 장치, 그를 포함한 시스템 및 그 방법 | |
JP6911312B2 (ja) | 物体識別装置 | |
US20220113139A1 (en) | Object recognition device, object recognition method and program | |
JP2018021777A (ja) | 自車位置推定装置 | |
CN114694111A (zh) | 车辆定位 | |
US20220406189A1 (en) | Control apparatus, movable object, control method, and computer readable storage medium | |
JP6790951B2 (ja) | 地図情報学習方法及び地図情報学習装置 | |
JP2020008462A (ja) | 自車位置推定装置 | |
CN113306559A (zh) | 在路形估计中对于垂直道路曲度的补偿 | |
WO2020258222A1 (en) | Method and system for identifying object | |
CN114863089B (zh) | 自动驾驶感知数据的自动采集方法、装置、介质及设备 |
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 |