CN113239459A - 目标筛选方法、筛选系统、电子设备及存储介质 - Google Patents
目标筛选方法、筛选系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113239459A CN113239459A CN202110507401.6A CN202110507401A CN113239459A CN 113239459 A CN113239459 A CN 113239459A CN 202110507401 A CN202110507401 A CN 202110507401A CN 113239459 A CN113239459 A CN 113239459A
- Authority
- CN
- China
- Prior art keywords
- target
- preset
- initial target
- state
- information
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- 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
- G01S13/88—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
- G01S17/88—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
-
- 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
-
- 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
- G01S7/415—Identification of targets based on measurements of movement associated with the 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Geometry (AREA)
- Electromagnetism (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种目标筛选方法、筛选系统、电子设备和存储介质,其中,目标筛选方法包括:获取车辆所在区域内所有检测目标的运动信息,运动信息包括:位置信息和速度信息;根据预设区域范围对位置信息进行筛选,确定车辆所在车道内的检测目标以得到初始目标;根据预设检测周期定时追踪初始目标的运动信息的变化以得到初始目标的变化状态;获取预设时间范围内变化状态为存在状态的次数以得到存在状态值,预设时间范围包括n个预设检测周期;根据预设时间范围、存在状态值和预设第一阈值确定初始目标是否为有效目标。本申请的目标筛选方法,能够筛选出有效目标,以便于后台系统做出对应的决策,从而提高了自动驾驶的安全性。
Description
技术领域
本申请涉及自动驾驶领域,尤其涉及一种目标筛选方法、筛选系统、电子设备和存储介质。
背景技术
障碍物的筛选与追踪是自动驾驶技术中重要组成部分,是智能无人驾驶车辆安全行驶的关键与保证。目标融合追踪的好与坏,直接影响到自动驾驶系统性能。通过目标筛选与追踪技术,自动驾驶车辆可以有效的对车辆周围的目标进行检测,以及对目标行为进行预测进而能够使自动驾驶系统及时输出有效的决策,规划出安全可靠的路径,避免发生碰撞的风险。
无人驾驶中常用的障碍物检测设备有毫米波雷达和激光雷达,通常这些设备将所有检测到的障碍物信息都进行上传。然而,在众多上传的信息中,有许多信息是我们用不到的,不利于自动驾驶系统进行及时有效的决策。
发明内容
本申请旨在至少解决现有技术中存在的技术问题之一。为此,本申请提出一种目标筛选方法,能够筛选出有效目标,以便于后台系统做出对应的决策,从而提高了自动驾驶的安全性。
本申请还提出一种目标筛选系统。
本申请还提出一种电子设备。
本申请还提出一种计算机可读存储介质。
根据本申请的第一方面实施例的目标筛选方法,包括:
获取车辆所在区域内所有检测目标的运动信息,所述运动信息包括:位置信息和速度信息;
根据预设区域范围对所述位置信息进行筛选,确定所述车辆所在车道内的所述检测目标以得到初始目标;
根据预设检测周期定时追踪所述初始目标的所述运动信息的变化以得到所述初始目标的变化状态;
获取预设时间范围内所述变化状态为存在状态的次数以得到存在状态值,所述预设时间范围包括n个预设检测周期;
根据所述预设时间范围、所述存在状态值和预设第一阈值确定所述初始目标是否为有效目标。
根据本申请实施例的目标筛选方法,至少具有如下有益效果:通过预设区域范围对检测目标的位置信息进行筛选,将预设区域范围以外的检测目标筛选出去,以得到初始目标,能够降低无用信息对后台决策系统的干扰。并对得到的初始目标进行追踪判断初始目标的变化状态,以确定追踪的初始目标是否一致,从而确定对初始目标是否为有效目标,以确定得到的初始目标是否可用于后台决策系统的决策判断,从而提高了自动无人驾驶的安全性。
根据本申请的一些实施例,所述根据预设检测周期定时追踪所述初始目标的所述运动信息的变化以得到所述初始目标的变化状态,包括:
根据所述初始目标的运动信息和预设检测周期确定所述初始目标下一个所述预设检测周期的预测状态值;
获取下一个所述预设检测周期后所述初始目标的实际状态值;
根据所述预测状态值和所述实际状态值得到状态差值;
根据所述状态差值和预设第二阈值确定所述初始目标的所述变化状态。
根据本申请的一些实施例,所述变化状态包括:存在状态和丢失状态;
所述根据所述状态差值和预设第二阈值确定所述初始目标的所述变化状态,包括:
若所述状态差值小于或等于所述预设第二阈值,所述变化状态为所述存在状态;
若所述状态差值大于所述预设第二阈值,所述变化状态为所述丢失状态。
根据本申请的一些实施例,所述速度信息包括切向线速度信息和法向角速度信息;所述位置信息包括横坐标信息和纵坐标信息。
根据本申请的一些实施例,所述根据所述预设时间范围、所述存在状态值和预设第一阈值确定所述初始目标是否为有效目标,包括:
获取所述预设时间范围内所述预设检测周期的个数以得到周期数;
获取所述存在状态值和所述周期数的比值;
根据所述比值和所述预设第一阈值确定所述初始目标是否为有效目标。
根据本申请的一些实施例,所述初始目标的判断结果包括:有效目标和无效目标,所述根据所述比值和所述预设第一阈值确定所述初始目标是否为有效目标,包括:
若所述比值不小于所述预设第一阈值,所述初始目标为所述有效目标;
若所述比值小于所述预设第一阈值,所述初始目标为所述无效目标。
根据本申请的一些实施例,所述目标筛选方法还包括:
若所述初始目标为有效目标,对所述有效目标进行预设滤波算法处理以得到决策目标。
根据本申请的第二方面实施例的目标筛选系统,包括:
获取模块,所述获取模块用于获取车辆所在区域内所有检测目标的运动信息,所述运动信息包括:位置信息和速度信息;
筛选模块,所述筛选模块用于根据预设区域范围对所述位置信息进行筛选,确定所述车辆所在车道内的所述检测目标以得到初始目标;
追踪模块,所述追踪模块用于根据预设检测周期定时追踪所述初始目标的所述运动信息的变化以得到所述初始目标的变化状态;
所述获取模块还用于获取预设时间范围内所述变化状态为存在状态的次数以得到存在状态值,所述预设时间范围包括n个预设检测周期
判断模块,所述判断模块用于根据所述预设时间范围、所述存在状态值和预设第一阈值确定所述初始目标是否为有效目标。
根据本申请实施例的目标筛选系统,至少具有如下有益效果:通过预设区域范围对检测目标的位置信息进行筛选,以将预设区域范围以外的检测目标筛选出去,以得到初始目标,能够降低无用信息对后台决策系统的干扰。并对得到的初始目标进行追踪判断初始目标的变化状态,以确定追踪的初始目标是否一致,从而确定对初始目标是否为有效目标,以确定得到的初始目标是否可用于后台决策系统的决策判断,从而提高了自动无人驾驶的安全性。
根据本申请的第三方面实施例的电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面实施例中任意一项所述的目标筛选方法。
根据本申请的第四方面实施例的计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如第一方面实施例中任意一项所述的目标筛选方法。
本申请的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
下面结合附图和实施例对本申请做进一步的说明,其中:
图1为本申请实施例提供的目标筛选方法流程图;
图2为本申请实施例提供的目标筛选方法流程图;
图3为本申请实施例提供的目标筛选方法流程图;
图4为本申请实施例提供的目标筛选方法流程图;
图5为本申请实施例提供的目标筛选系统的模块框图。
附图标记:100、获取模块;200、筛选模块;300、追踪模块;400、判断模块。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能理解为对本申请的限制。
在本申请的描述中,需要理解的是,涉及到方位描述,例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
在本申请的描述中,若干的含义是一个以上,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本申请的描述中,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本申请中的具体含义。
本申请的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
参照图1,第一方面,本申请的一些实施例提供了一种目标筛选方法,包括但不限于步骤S100、步骤S200、步骤S300、步骤S400和步骤S500。
步骤S100:获取车辆所在区域内所有检测目标的运动信息,运动信息包括:位置信息和速度信息;
步骤S200:根据预设区域范围对位置信息进行筛选,确定车辆所在车道内的检测目标以得到初始目标;
步骤S300:根据预设检测周期定时追踪初始目标的运动信息的变化以得到初始目标的变化状态;
步骤S400:获取预设时间范围内变化状态为存在状态的次数以得到存在状态值,预设时间范围包括n个预设检测周期;
步骤S500:根据预设时间范围、存在状态值和预设第一阈值确定初始目标是否为有效目标。
其中,本实施例中采取毫米波雷达和激光雷达两种检测设备(或者其中一个),获取车辆所在区域内所有检测目标的运动信息,运动信息包括位置信息和速度信息。在其他实施例中可以采用摄像头获取检测目标的视频数据,根据视频数据分析得到检测目标的运行信息。但是,检测设备得到的所有检测目标中,并不是所有的检测目标都对自动驾驶有用,车辆进行自动驾驶时,一般只需要关注车道内的车辆和行人的相关信息,而车道两旁的护栏、绿化带等相关信息对于自动驾驶的决策没有用处,需要将无用的信息过滤处理掉。通过预设区域范围和得到的位置信息对所有检测目标进行筛选,以将与自动驾驶的决策无用的其他车道、路旁的相关信息筛选掉,以确定车辆所在车道内的检测目标,得到初始目标。通过对得到的初始目标进行追踪,以得到初始目标的变化状态,从而确定该初始目标是否一致,以确定该初始目标是否为有效目标。
本实施例的目标筛选方法,通过预设区域范围对检测目标的位置信息进行筛选,将预设区域范围以外的检测目标筛选出去,以得到初始目标,能够降低无用信息对后台决策系统的干扰。通过对得到的初始目标进行追踪判断初始目标的变化状态,以确定追踪的初始目标是否一致,从而确定对初始目标是否为有效目标,以确定得到的初始目标是否可用于后台决策系统的决策判断,从而提高了自动驾驶的安全性。
具体地,通过获取毫米波雷达检测输出的数据(ρr,νr,θ)或者激光雷达的数据(x,y,z,t),以确定所有检测目标的运动信息。车辆所在车道的车道信息可以通过高精地图获取得到或者通过车载前视摄像头检测得到,以确定预设区域范围,再根据初始目标的运动信息中的位置信息和预设区域范围筛选得到初始目标。对于通过毫米波雷达检测数据得到的检测目标的运行信息,通过以下方式将预设区域范围以外的无用信息进行滤除(激光雷达跳过公式(1),可以直接使用)。
首先,通过公式(1)将对应的数据转换为横坐标数据和纵坐标数据。
公式(1)中,px和py分别表示初始目标的横坐标数据和纵坐标数据,ρr为检测目标与某一定点的距离,该定点为毫米波雷达指定,θ为该定点与检测目标的连线与正方向的夹角,其中正方向由毫米波雷达指定。
再通过公式(2)对预设区域范围以外的无用信息进行滤除,以得到初始目标,公式(2)为:
公式(2)中,pxmin,pxmax,pymin,pymax限制形成的区域即为预设区域范围,在本实施例中为车道线的范围。需要说明的是,预设区域范围并不是一成不变的,可以依据实际的车道线范围进行更改。
对于每个筛选通过的检测目标(即初始目标)进行一段时间的追踪,并且,判断每个初始目标的变化状态,以确定每个初始目标是否为有效目标。
参照图2,在本申请的一些实施例中,步骤S300包括但不限于步骤S310、步骤S320、步骤S330和步骤S340。
步骤S310:根据初始目标的运动信息和预设检测周期确定初始目标下一个预设检测周期的预测状态值;
步骤S320:获取下一个预设检测周期后初始目标的实际状态值;
步骤S330:根据预测状态值和实际状态值得到状态差值;
步骤S340:根据状态差值和预设第二阈值确定初始目标的变化状态。
本申请实施例,通过根据每一个初始目标的运行信息和预设检测周期预测每一个初始目标的在预设检测周期以后的预测状态值,并根据初始目标的在预设检测周期以后的实际状态值和预测状态值的差值、以及预设第二阈值确定初始目标的变化状态。能够判断相邻两次预设检测周期获取的是否为同一初始目标,以进一步判断该初始目标是否为有效目标,以减少后台决策系统获取的无用信息,从而利于后台决策系统做出准确的决策,提高了自动驾驶的安全。
在本申请的一些实施例中,变化状态包括:存在状态和丢失状态,步骤S340包括但不限于步骤S341和步骤S342。
步骤S341:若状态差值小于或等于预设第二阈值,变化状态为存在状态;
步骤S342:若状态差值大于预设第二阈值,变化状态为丢失状态。
具体地,依据初始目标的位置信息和速度信息建立目标运动模型,以实现对初始目标的追踪,但如果目标运动模型不合理,必然会出现滤波结果发散的情况。在本申请中,初始目标主要是车辆和行人。然而,车辆具备很强的机动性,使用基于匀速运动模型的跟踪滤波算法很难对机动的初始目标进行有效的追踪。匀速运动模型能够简单地表示车辆运动状态的变化,但是,该模型不能体现出车辆的运动转弯特性。在本申请的一些实施例中,速度信息包括切向线速度信息和法向角速度信息;位置信息包括横坐标信息和纵坐标信息。根据切向线速度信息、法向角速度信息、横坐标信息和纵坐标信息建立目标运动模型。并且,初始目标的状态更新方程如下:
在公式(3)中,Pxk和Pyk表示初始目标的当前位置,Pxk+1和Pyk+1表示初始目标在预设检测周期后的预测位置。νk表示初始目标的当前切向线速度信息,νk+1表示初始目标在预设检测周期后的切向线速度信息。ψk表示车辆法向角速度信息,(其中,k和k+1表示不同时刻的状态)表示法向角速度信息的变化量,由ψk求导得到。
需要说明的是,在本申请实施例中的目标运动模型中,车速和转速恒定。
然后,获取初始目标经过一个预设检测周期后得到的预测状态值和初始目标经过一个预设检测周期后的实际状态值的差值,以得到状态差值,并将状态差值和预设第二阈值进行比较,以判断初始目标的变化状态。需要说明的是,预设第二阈值为预先设置,依据相关的历史数据得到。
若状态差值小于或等于预设第二阈值,变化状态为存在状态;若状态差值大于预设第二阈值,变化状态为丢失状态。存在状态指的是,相邻两次预设检测周期中获取的是同一个初始目标。并且,如果判断是同一个初始目标,则更新初始目标的状态值,以便于预测下一个检测周期的预测状态值。丢失状态指的是,相邻两次预设检测周期中获取的不是同一个初始目标。
参照图3,在本申请的一些实施例中,步骤S500包括但不限于步骤S510、步骤S520和步骤S530。
步骤S510:获取预设时间范围内预设检测周期的个数以得到周期数;
步骤S520:获取周期数的比值;
步骤S530:根据比值和预设第一阈值确定初始目标是否为有效目标。
在本申请的一些实施例中,初始目标的判断结果包括:有效目标和无效目标,步骤S530包括但不限于步骤S531和步骤S532。
步骤S531:若比值不小于预设第一阈值,初始目标为有效目标;
步骤S532:若比值小于预设第一阈值,初始目标为无效目标。
具体地,由于检测设备(毫米波雷达、激光雷达等)在检测的过程存在着误差,即使得到了初始目标也不能被后台决策系统用于决策判断。如果连续多个预设检测周期内,初始目标均为存在状态,则判断该初始目标为有效目标。如果连续多个预设检测周期内,初始目标均为丢失状态,则判断该初始目标为无效目标。但是,车辆在行驶中会由于路面俯仰角变化或车体振动而造成雷达目标在短时间内的丢失,并不能一直检测到障碍物,再采取上述判断方式,可能会发生遗漏,对于后台决策系统不利。
因此,采取本申请的判断方式能够有效的判断初始目标是否为有效目标。具体操作如下:
本申请的预设时间范围为n个预设检测周期,假设预设时间范围内初始目标的变化状态为存在状态的个数(即存在状态值)为q(q<n)。计算存在状态值q和预设时间范围中预设检测周期的个数n的比值,若比值不小于预设第一阈值,初始目标为有效目标;若比值小于预设第一阈值,初始目标为无效目标。假设存在状态值q和预设时间范围中预设检测周期的个数n的比值为K,预设第一阈值为Kw。即:
若存在K≥Kw,则判断该初始目标为有效目标,若存在K≤Kw,则判断该初始目标为无效目标。
通过这样设置,提高了后台决策系统判断初始目标是否为有效目标的准确度,从而提高了自动驾驶的安全性。
参照图4,在本申请的一些实施例中,目标筛选方法还包括但不限于步骤S600。
步骤S600:若初始目标为有效目标,对有效目标进行预设滤波算法处理以得到决策目标。
通过上述步骤只是得出了有效的障碍物目标信息(有效目标),但这些目标信息还是原始的数据,为获得更为精确的障碍物信息需要进一步滤波处理。在本申请中采取无痕卡尔曼滤波算法。卡尔曼滤波是典型的滤波算法,标准卡尔曼滤波只适用于线性系统,而无法将其应用在非线性系统。无迹卡尔曼滤波使用标准卡尔曼滤波的公式框架,使用无迹变换(Unscented Transformation,UT)来进行目标状态均值和协方差的非线性传递,能有效的处理非线性问题,并且还能避免引入误差。
参照图5,本申请一些实施例还提供了一种目标筛选系统,包括获取模块100、筛选模块200、追踪模块300和判断模块400。
获取模块100用于获取车辆所在区域内所有检测目标的运动信息,运动信息包括:位置信息和速度信息;获取模块100还用于获取预设时间范围内变化状态为存在状态的次数以得到存在状态值,预设时间范围包括n个预设检测周期。
筛选模块200用于根据预设区域范围对位置信息进行筛选,确定车辆所在车道内的检测目标以得到初始目标。
追踪模块300用于根据预设检测周期定时追踪初始目标的运动信息以得到初始目标的变化状态。
判断模块400用于根据预设时间范围、存在状态值和预设第一阈值确定初始目标是否为有效目标。
本申请的目标筛选系统,通过预设区域范围对检测目标的位置信息进行筛选,以将预设区域范围以外的检测目标筛选出去,以得到初始目标,能够降低无用信息对后台决策系统的干扰。并对得到的初始目标进行追踪判断初始目标的变化状态,以确定追踪的初始目标是否一致,从而确定对初始目标是否为有效目标,以确定得到的初始目标是否可用于后台决策系统的决策判断,从而提高了自动无人驾驶的安全性。
本申请的目标筛选系统的处理方式与前述的目标筛选方法一致,具体的操作流程请参照前述的目标筛选方法,在此不再赘述。
第三方面,本申请实施例还提供了一种电子设备。
在一些实施例中,电子设备包括:至少一个处理器,以及与至少一个处理器通信连接的存储器;其中,存储器存储有指令,指令被至少一个处理器执行,以使至少一个处理器执行指令时实现本申请实施例中任一项目标筛选方法。
处理器和存储器可以通过总线或者其他方式连接。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序,如本申请实施例描述的目标筛选方法。处理器通过运行存储在存储器中的非暂态软件程序以及指令,从而实现上述的目标筛选方法。
存储器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;存储数据区可存储执行上述目标筛选方法。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,比如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实现上述的目标筛选方法所需的非暂态软件程序以及指令存储在存储器中,当被一个或者多个处理器执行时,执行上述第一方面实施例中提到的目标筛选方法。
第四方面,本申请实施例还提供了计算机可读存储介质。
在一些实施例中,计算机可读存储介质存储有计算机可执行指令,计算机可执行指令用于执行第一方面实施例中提到的目标筛选方法。
在一些实施例中,该存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个控制处理器执行,比如,被上述电子设备中的一个处理器执行,可使得上述一个或多个处理器执行上述目标筛选方法。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。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。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。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。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机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、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、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。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、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。
上面结合附图对本申请实施例作了详细说明,但是本申请不限于上述实施例,在所属技术领域普通技术人员所具备的知识范围内,还可以在不脱离本申请宗旨的前提下作出各种变化。此外,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
Claims (10)
1.目标筛选方法,其特征在于,包括:
获取车辆所在区域内所有检测目标的运动信息,所述运动信息包括:位置信息和速度信息;
根据预设区域范围对所述位置信息进行筛选,确定所述车辆所在车道内的所述检测目标以得到初始目标;
根据预设检测周期定时追踪所述初始目标的所述运动信息的变化以得到所述初始目标的变化状态;
获取预设时间范围内所述变化状态为存在状态的次数以得到存在状态值,所述预设时间范围包括n个预设检测周期;
根据所述预设时间范围、所述存在状态值和预设第一阈值确定所述初始目标是否为有效目标。
2.根据权利要求1所述的目标筛选方法,其特征在于,所述根据预设检测周期定时追踪所述初始目标的所述运动信息的变化以得到所述初始目标的变化状态,包括:
根据所述初始目标的运动信息和预设检测周期确定所述初始目标下一个所述预设检测周期的预测状态值;
获取下一个所述预设检测周期后所述初始目标的实际状态值;
根据所述预测状态值和所述实际状态值得到状态差值;
根据所述状态差值和预设第二阈值确定所述初始目标的所述变化状态。
3.根据权利要求2所述的目标筛选方法,其特征在于,所述变化状态包括:存在状态和丢失状态;
所述根据所述状态差值和预设第二阈值确定所述初始目标的所述变化状态,包括:
若所述状态差值小于或等于所述预设第二阈值,所述变化状态为所述存在状态;
若所述状态差值大于所述预设第二阈值,所述变化状态为所述丢失状态。
4.根据权利要求1所述的目标筛选方法,其特征在于,所述速度信息包括:切向线速度信息和法向角速度信息;所述位置信息包括:横坐标信息和纵坐标信息。
5.根据权利要求1所述的目标筛选方法,其特征在于,所述根据所述预设时间范围、所述存在状态值和预设第一阈值确定所述初始目标是否为有效目标,包括:
获取所述时间范围内的所述预设检测周期的个数以得到周期数;
获取所述存在状态值和所述周期数的比值;
根据所述比值和所述预设第一阈值确定所述初始目标是否为有效目标。
6.根据权利要求5所述的目标筛选方法,其特征在于,所述初始目标的判断结果包括:有效目标和无效目标,所述根据所述比值和所述预设第一阈值确定所述初始目标是否为有效目标,包括:
若所述比值不小于所述预设第一阈值,所述初始目标为所述有效目标;
若所述比值小于所述预设第一阈值,所述初始目标为所述无效目标。
7.根据权利要求1至6中任意一项所述的目标筛选方法,其特征在于,所述目标筛选方法还包括:
若所述初始目标为有效目标,对所述有效目标进行预设滤波算法处理以得到决策目标。
8.目标筛选系统,其特征在于,包括:
获取模块,所述获取模块用于获取车辆所在区域内所有检测目标的运动信息,所述运动信息包括:位置信息和速度信息;
筛选模块,所述筛选模块用于根据预设区域范围对所述位置信息进行筛选,确定所述车辆所在车道内的所述检测目标以得到初始目标;
追踪模块,所述追踪模块用于根据预设检测周期定时追踪所述初始目标的所述运动信息的变化以得到所述初始目标的变化状态;
所述获取模块还用于获取预设时间范围内所述变化状态为存在状态的次数以得到存在状态值,所述预设时间范围包括n个预设检测周期;
判断模块,所述判断模块用于根据所述预设时间范围、所述存在状态值和预设第一阈值确定所述初始目标是否为有效目标。
9.电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于:所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的目标筛选方法。
10.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计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1至7中任意一项所述的目标筛选方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110507401.6A CN113239459A (zh) | 2021-05-10 | 2021-05-10 | 目标筛选方法、筛选系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110507401.6A CN113239459A (zh) | 2021-05-10 | 2021-05-10 | 目标筛选方法、筛选系统、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113239459A true CN113239459A (zh) | 2021-08-10 |
Family
ID=77133004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110507401.6A Withdrawn CN113239459A (zh) | 2021-05-10 | 2021-05-10 | 目标筛选方法、筛选系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113239459A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113942511A (zh) * | 2021-10-19 | 2022-01-18 | 东风柳州汽车有限公司 | 无人驾驶车超车控制方法、装置、设备及存储介质 |
CN114475586A (zh) * | 2022-01-19 | 2022-05-13 | 上汽通用五菱汽车股份有限公司 | 行人目标筛选方法、装置、电子设备及可读存储介质 |
CN114483403A (zh) * | 2022-01-24 | 2022-05-13 | 宁波兴马油嘴油泵有限公司 | 一种油嘴检测方法、系统、存储介质及智能终端 |
-
2021
- 2021-05-10 CN CN202110507401.6A patent/CN113239459A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113942511A (zh) * | 2021-10-19 | 2022-01-18 | 东风柳州汽车有限公司 | 无人驾驶车超车控制方法、装置、设备及存储介质 |
CN114475586A (zh) * | 2022-01-19 | 2022-05-13 | 上汽通用五菱汽车股份有限公司 | 行人目标筛选方法、装置、电子设备及可读存储介质 |
CN114475586B (zh) * | 2022-01-19 | 2023-11-17 | 上汽通用五菱汽车股份有限公司 | 行人目标筛选方法、装置、电子设备及可读存储介质 |
CN114483403A (zh) * | 2022-01-24 | 2022-05-13 | 宁波兴马油嘴油泵有限公司 | 一种油嘴检测方法、系统、存储介质及智能终端 |
CN114483403B (zh) * | 2022-01-24 | 2023-02-24 | 宁波兴马油嘴油泵有限公司 | 一种油嘴检测方法、系统、存储介质及智能终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113239459A (zh) | 目标筛选方法、筛选系统、电子设备及存储介质 | |
US10650253B2 (en) | Method for estimating traffic lanes | |
US20220169280A1 (en) | Method and Device for Multi-Sensor Data Fusion For Automated and Autonomous Vehicles | |
CN110361014B (zh) | 本车位置推断装置 | |
US11142214B2 (en) | System, controller and method for maintaining an advanced driver assistance system as active | |
US20050278112A1 (en) | Process for predicting the course of a lane of a vehicle | |
CN112363167A (zh) | 一种基于毫米波雷达与单目相机融合的扩展目标跟踪方法 | |
CN111121849B (zh) | 传感器的方位参数的自动校准方法、边缘计算单元和路侧传感系统 | |
DE102020121258A1 (de) | Fahrzeugparksteuerung | |
CN112394725A (zh) | 用于自动驾驶的基于预测和反应视场的计划 | |
CN111323038B (zh) | 隧道内无人驾驶车辆的定位方法、系统和电子设备 | |
CN107480592B (zh) | 一种多车道检测方法及跟踪方法 | |
CN117372979A (zh) | 道路巡检方法、装置、电子设备及存储介质 | |
DE102022131625A1 (de) | Bordsteinbasierte merkmalsextraktion für lokalisierung und fahrspurerkennung mittels radar | |
US20200098126A1 (en) | Object detection apparatus | |
Chen et al. | Multi-sensor information fusion algorithm with central level architecture for intelligent vehicle environmental perception system | |
RU2751734C2 (ru) | Способы и процессоры для управления рулением беспилотным автомобилем | |
CN113120002A (zh) | 自动驾驶许可方法、装置、电子设备及存储介质 | |
Park et al. | Vehicle localization using an AVM camera for an automated urban driving | |
CN113227831B (zh) | 基于多传感器数据融合的护栏估计方法和车载设备 | |
CN112598915A (zh) | 使用道路拓扑和交通参与者目标状态的车辆轨迹预测 | |
CN116394892A (zh) | 车辆的横向制动方法、装置、设备及存储介质 | |
CN114084129A (zh) | 一种基于融合的车辆自动驾驶控制方法及系统 | |
CN114898332A (zh) | 一种基于自动驾驶的车道线识别方法及系统 | |
CN114821531A (zh) | 基于电子外后视镜adas的车道线识别图像显示系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210810 |
|
WW01 | Invention patent application withdrawn after publication |