CN113281760A - 障碍物检测方法、装置、电子设备、车辆和存储介质 - Google Patents
障碍物检测方法、装置、电子设备、车辆和存储介质 Download PDFInfo
- Publication number
- CN113281760A CN113281760A CN202110558357.1A CN202110558357A CN113281760A CN 113281760 A CN113281760 A CN 113281760A CN 202110558357 A CN202110558357 A CN 202110558357A CN 113281760 A CN113281760 A CN 113281760A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- historical
- candidate
- observed
- observation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 77
- 230000004888 barrier function Effects 0.000 claims abstract description 69
- 230000008859 change Effects 0.000 claims abstract description 21
- 238000004590 computer program Methods 0.000 claims abstract description 11
- 230000002596 correlated effect Effects 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 42
- 238000004364 calculation method Methods 0.000 claims description 21
- 230000004044 response Effects 0.000 claims description 21
- 230000015654 memory Effects 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 18
- 238000007499 fusion processing Methods 0.000 claims description 12
- 238000009825 accumulation Methods 0.000 claims description 8
- 238000012217 deletion Methods 0.000 claims description 6
- 230000037430 deletion Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000012545 processing Methods 0.000 description 11
- 238000001914 filtration Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012216 screening Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
- G01S15/931—Sonar 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/87—Combinations of sonar systems
- G01S15/872—Combination of several systems for attitude determination
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种障碍物检测方法、装置、电子设备、非瞬时性计算机可读存储介质和计算机程序产品,涉及计算机技术领域,尤其涉及自动驾驶技术领域。具体实现方案为:获取车身位姿变化信息;根据车身位姿变化信息对历史观测障碍物的位置进行预测,获得历史观测障碍物的预测位置信息;获取当前观测获得的候选障碍物的位置信息;根据历史观测障碍物的预测位置信息和候选障碍物的位置信息,对历史观测障碍物和候选障碍物进行关联,生成已知障碍物,并获取已知障碍物的置信度;根据置信度从已知障碍物中获取有效障碍物。本公开可以解决超声波探测距离短和低矮物体误召回的问题,提升远距离召回率,提升障碍物召回实时性。
Description
技术领域
本公开涉及自动驾驶技术领域,尤其涉及一种障碍物检测方法、装置、电子设备、车辆、非瞬时性计算机可读存储介质和计算机程序产品。
背景技术
为了减少安全事故的发生,越来越多的车辆上搭载超声波雷达以实时检测预设扫描范围内的障碍物,这种超声波雷达通常称之为倒车雷达。相关技术中,车载超声波倒车雷达障碍物探测侧重于单帧处理,主要包括采用二次回波比对,单回波回波能量滤除,障碍物点区域切割等作为处理方案,并根据对该单帧的处理结果确定是否输出有效障碍物。
发明内容
本公开提供了一种基于多传感器历史观测数据融合的车载超声波障碍物检测方法、装置、电子设备、车辆、非瞬时性计算机可读存储介质和计算机程序产品。
根据本公开的第一方面,提供了一种障碍物检测方法,包括:
获取车身位姿变化信息,并根据所述车身位姿变化信息对历史观测障碍物的位置进行预测,获得所述历史观测障碍物的预测位置信息;
获取当前观测获得的候选障碍物的位置信息;
根据所述历史观测障碍物的预测位置信息和所述候选障碍物的位置信息,对所述历史观测障碍物和所述候选障碍物进行关联,生成已知障碍物;
获取所述已知障碍物的置信度,并根据所述置信度,从所述已知障碍物中确定有效障碍物。
根据本公开的第二方面,提供了一种障碍物检测装置,包括:
第一获取模块,用于获取车身位姿变化信息;
位置预测模块,用于根据所述车身位姿变化信息对历史观测障碍物的位置进行预测,获得所述历史观测障碍物的预测位置信息;
第二获取模块,用于获取当前观测获得的候选障碍物的位置信息;
关联模块,用于根据所述历史观测障碍物的预测位置信息和所述候选障碍物的位置信息,对所述历史观测障碍物和所述候选障碍物进行关联,生成已知障碍物;
第三获取模块,用于获取所述已知障碍物的置信度;
确定模块,用于根据所述置信度从所述已知障碍物中确定有效障碍物。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,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前述第一方面实施例所述的障碍物检测方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行前述第一方面实施例所述的障碍物检测方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现前述第一方面实施例所述的障碍物检测方法。
根据本公开的第六方面,提供了一种车辆,包括:用于观测所述车辆周围环境的多传感器和前述第二方面实施例所述的障碍物检测装置。
根据本公开的技术解决了超声波探测距离短和低矮物体误召回的问题,提升远距离召回率,提升障碍物召回实时性。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据一示例性实施例示出的一种障碍物检测方法的流程图;
图2是本公开实施例的生成已知障碍物的流程示例图;
图3为本公开实施例的障碍物检测方法中算法处理的流程图;
图4是根据一示例性实施例示出的一种障碍物检测装置的框图;
图5是根据一示例性实施例示出的一种车辆的框图;
图6是用来实现本公开实施例的用于实现障碍物检测方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
相关技术中,车载超声波倒车雷达障碍物探测侧重于单帧处理,主要包括采用二次回波比对、单回波回波能量滤除、障碍物点区域切割等作为处理方案,具体如下:1)二次回波对比,是指将相同传感器的数据做缓存,当有新的观测数据进入时,根据该观测数据获取当前帧的距离值,并将该当前帧的距离值与前面帧的距离值作差,若差值小于设定阈值则认为观测有效,否则认为观测无效。2)单回波回波能量滤除:超声波探测障碍物均有回波能量信息,根据标定设定一定的能量阈值,若观测障碍物距离能量值高于设定的能量阈值,则认为观测有效,否则认为观测无效。3)根据传感器安装位置划分对应的有效障碍物检测区域,对于传感器观测,如果传感器在该有效障碍物检测区域观测到障碍物,则认为障碍物观测有效,否则认为障碍物观测无效。
然而,上述方案侧重于实时单帧观测数据处理,更多集中于一维原始探测距离上的信息滤除,导致上述障碍物检测方式存在探测距离短、实时性不高、障碍物检测准确率低等问题。例如,相关技术中的车载超声波倒车雷达障碍物探测在功能实现上主要体现为如下缺点:
1)探测距离短,由于不能有效区分远距离障碍物是否为探地误检,导致能实际有效检测障碍物的距离非常短,通常在1.2m以内;
2)实时性不高,由于缓存了多帧障碍物原始探测距离做对比确认,导致检测障碍物的滞后时延较大;
3)障碍物检测准确率低,这里的准确率体现在两个方面,一方面是由于没有根据历史障碍物做位置跟踪,导致给出的障碍物位置偏差比较大,另一方面对于低矮障碍物不能非常有效过滤,导致障碍物误检。
也就是说,相关技术中的障碍物检测数据处理方案是判定回波能量阈值,前后帧两次或者三次确认,并限制在理论探地范围(如1.2米)内观测的障碍物为有效障碍物。这种方案能够满足传统倒车雷达及APA(Auto Parking Assist,自动泊车辅助)等场景,但是对于有一定速度下自动驾驶巡航需求的AVP(Autonomous Valet Parking,自动代客泊车)场景不能适用。
为解决超声波探测距离短和低矮物体误召回的问题,提升远距离召回率,提升障碍物召回实时性,本公开提出了一种基于多传感器历史观测数据融合的车载超声波雷达障碍物检测方法、装置、电子设备和存储介质,可适用于AVP场景、APA场景、倒车雷达、车载超声波障碍物探测场景等。
下面参考附图描述本公开实施例的障碍物检测方法、装置、电子设备和存储介质。
图1是根据一示例性实施例示出的一种障碍物检测方法的流程图。需要说明的是,本公开实施例的障碍物检测方法可应用于本公开实施例的障碍物检测装置,该障碍物检测装置可被配置于电子设备。作为一种示例,该电子设备可设置于车辆上,以使得车辆具有障碍物检测功能。如图1所示,该障碍物检测方法可以包括如下步骤。
在步骤101中,获取车身位姿变化信息。
作为一种示例,通过车辆上的多传感器观测数据来获取自车的车身位姿变化信息。例如,根据多传感器上一帧的观测数据和当前帧的观测数据,来获取车辆在两帧之间的时间差内发生的位姿变化,自车在两帧之间的时间差内发生的位姿变化作为该自车的车身位姿变化信息。
在步骤102中,根据车身位姿变化信息对历史观测障碍物的位置进行预测,获得历史观测障碍物的预测位置信息。
例如,可确定多传感器检测的上一帧观测数据的时间,以及多传感器检测的当前帧的观测数据的时间,计算上一帧与当前帧之间的时间差,并根据上一帧与当前帧之间的时间差、以及两帧之间的车身位姿变化信息,对上一帧检测到的历史观测障碍物进行位置预测,获得历史观测障碍物的预测位置信息。其中,该预测位置信息可以是二维坐标信息。
在步骤103中,获取当前观测获得的候选障碍物的位置信息。
可选地,获取由多超声波雷达产生的观测点的观测数据,并通过三角定位方法计算候选障碍物,得到多传感器当前观测获得的候选障碍物的位置信息。其中,该多传感器可理解为多个超声波雷达传感器。
在步骤104中,根据历史观测障碍物的预测位置信息和候选障碍物的位置信息,对历史观测障碍物和候选障碍物进行关联,生成已知障碍物。
需要说明的是,由于多传感器的观测信号是随着时间变化的信号,相邻两帧间的观测数据通常会有关联,例如,当前帧观测到的候选障碍物与前一帧(或前几帧)的历史观测障碍物会存在一定关联。因此,在得到当前观测的候选障碍物的位置信息之后,可根据历史观测障碍物的预测位置信息和候选障碍物的位置信息对历史观测障碍物和候选障碍物进行关联,根据关联结果生成已知障碍物。其中,该已知障碍物是指已经确定是障碍物,该已知障碍物可包括经过删除的历史观测障碍物和当前观测障碍物;该经过删除的历史观测障碍物是指将与未参与候选障碍物计算的观测数据不关联的历史观测障碍物进行删除后剩余的历史观测障碍物;该当前观测障碍物是指未被关联上的候选障碍物,即将未被关联上的候选障碍物作为当前新观测到的障碍物。
在一种实现方式中,如图2所示,该已知障碍物的生成方式可包括如下步骤:
步骤21,根据候选障碍物的位置信息,判断候选障碍物是否被关联;
步骤22,响应于候选障碍物未被关联,将候选障碍物确定为当前观测障碍物;
举例而言,可根据候选障碍物的位置信息,判断候选障碍物是否能够与历史观测障碍物关联上,若候选障碍物不能够与历史观测障碍物关联上,则说明该候选障碍物不是之前已经观测并已被标记为障碍物的历史观测障碍物,即说明该候选障碍物是一个新观测到的障碍物,将该候选障碍物确定为当前观测障碍物。
步骤23,根据历史观测障碍物的预测位置信息,判断历史观测障碍物是否被关联;
步骤24,响应于历史观测障碍物未被关联,根据历史观测障碍物的预测位置信息和候选障碍物的位置信息,判断历史观测障碍物是否与未参与候选障碍物计算的观测数据关联;
例如,可根据历史观测障碍物的预测位置信息,判断历史观测障碍物是否能够与候选障碍物关联上,若历史观测障碍物能够与候选障碍物关联上,则该历史观测障碍物与候选障碍物可能是多传感器观测的同一个障碍物,或者,该历史观测障碍物可能是低矮障碍物,此时需要进一步判断历史观测障碍物是否能够与未参与候选障碍物计算的观测数据关联上。
步骤25,响应于历史观测障碍物与未参与候选障碍物计算的观测数据不关联,删除历史观测障碍物;
例如,若历史观测障碍物与未参与候选障碍物计算的观测数据不能关联上,则可认为该历史观测障碍物可能是低矮障碍物(如只被观测到一次而当前帧未被观测到),此时可将该可能是低矮障碍物的历史观测障碍物进行删除。
步骤26,将当前观测障碍物、以及经过删除后得到的剩余历史观测障碍物确定为该已知障碍物。
例如,将当前观测障碍物、已经经过删除后得到的剩余历史观测障碍物确定为该已知障碍物,上述过程可认为是对当前已知障碍物的筛选过程。该过程不但可以将当前新观测的候选障碍物确定为新的已知障碍物,还会对可能是低矮障碍物的历史观测障碍物进行删除,实现对低矮障碍物的有效过滤。
在一些实施例中,该当前已知障碍物的筛选过程还可包括如下步骤:响应于候选障碍物被关联,根据候选障碍的位置信息对历史观测障碍物进行位置更新;响应于历史观测障碍物被关联,根据历史观测障碍物的预测位置信息对历史观测障碍物进行位置更新;响应于历史观测障碍物与未参与候选障碍物计算的观测数据关联,对历史观测障碍物进行位置更新。
举例而言,若根据候选障碍物的位置信息判断候选障碍物能够与历史观测障碍物关联上,则说明该候选障碍物是之前已经观测并已被标记为障碍物的历史观测障碍物,即说明该候选障碍物是已经被观测并确定是已知的障碍物,此时可根据该候选障碍的位置信息对被关联上的历史观测障碍物进行位置更新。当根据历史观测障碍物的预测位置信息判断历史观测障碍物能够与候选障碍物关联上时,说明历史观测障碍物与候选障碍物可能是多传感器观测的同一个障碍物,此时可根据历史观测障碍物的预测位置信息对该历史观测障碍物进行位置更新。若判断历史观测障碍物能够与未参与候选障碍物计算的观测数据关联,由于未参与候选障碍物计算的观测数据通常不是用于计算新障碍物的观测数据,通常是与历史观测障碍物有关的数据,此时可根据该未参与候选障碍物计算的观测数据对该历史观测障碍物进行位置更新。
由此,通过上述方式即可实现历史障碍物和当前观测获得的候选障碍物的关联处理,并将当前观测障碍物、已经经过删除后得到的剩余历史观测障碍物确定为该已知障碍物,上述过程可认为是对当前已知障碍物的筛选过程。该过程不但可以将当前新观测的候选障碍物确定为新的已知障碍物,并对确定为已知障碍物的历史观测障碍物进行位置更新,还会对可能是低矮障碍物的历史观测障碍物进行删除,实现对低矮障碍物的有效过滤。
在步骤105中,获取已知障碍物的置信度,并根据置信度从已知障碍物中确定有效障碍物。
可选的,在对历史观测障碍物和候选障碍物进行关联的过程中,可通过记录当前观测障碍物与所述历史观测障碍物之间的关联特征信息的方式来获取已知障碍物的置信度。
在一种实现方式中,在根据历史观测障碍物的预测位置信息和候选障碍物的位置信息对历史观测障碍物和候选障碍物进行关联的过程中,可记录当前观测障碍物与历史观测障碍物之间的关联特征信息,并根据关联特征信息获取已知障碍物的置信度。
为了保障关联特征信息的有效性,提高障碍物识别的准确性,可从多个维度来记录当前观测障碍物与历史观测障碍物之间的关联特征信息。可选的,可从障碍物观测方差、障碍物观测传感器ID、障碍物的位置关联次数、单距离关联次数中的至少两个维度,记录当前观测障碍物与历史观测障碍物之间的关联特征信息。其中,该单距离是指观测传感器到障碍物之间的距离,该单距离可通过观测传感器的单回波回波能量确定。
需要说明的是,多传感器的观测数据通常包括当前观测传感器的ID、观测到的障碍物的位置信息、观测到的障碍物的单距离以及障碍物观测方差。而对于同一个障碍物可描述关联特征信息的维度可不同。本申请对于相同障碍物可包括但不限于一定范围内的障碍物二维坐标、障碍物观测方差、障碍物观测传感器ID、障碍物的单距离等。因此,在本申请实施例中,在对历史观测障碍物和候选障碍物进行关联的过程中,可从障碍物观测方差、障碍物观测传感器ID、障碍物的位置关联次数、单距离关联次数中的至少两个维度,来记录当前观测障碍物与历史观测障碍物之间的关联特征信息,可以保障关联特征信息的有效性,提高障碍物识别的准确性。
在一种实现方式中,由于在对历史观测障碍物和候选障碍物进行关联的过程中,通过从障碍物观测方差、障碍物观测传感器ID、障碍物的位置关联次数、单距离关联次数这四个维度进行关联特征信息的记录,所以可通过对关联特征信息的关联成功次数进行统计,并对于同一障碍物,将该障碍物的关联特征信息的关联成功次数作为该障碍物的置信度。
为了进一步能够有效区分低矮障碍物,大大降低低矮障碍物误检概率,在一些实施例中,在对当前观测障碍物与历史观测障碍物之间的关联特征信息进行记录时,采用置信度累加的方式生成已知障碍物的置信度。也就是说,本申请对当前已知障碍物的历史关联特征信息进行了记录,并采用置信度累加的方式对记录的关联特征信息进行表达,从而可以得到当前已知障碍物的置信度。
举例而言,以已知障碍物中的历史观测障碍物为例,由于历史观测障碍物的历史关联特征信息通常是由基于多帧观测数据对障碍物进行关联时而得到的,比如假设第N帧、第N+1帧和第N+2帧都有历史观测障碍物A,在根据每一帧的观测数据对障碍物进行关联时,可将当前帧中历史观测障碍物A与当前帧的候选障碍物进行关联,在每次关联时,若关联成功,则将该历史观测障碍物A的置信度加1,将得到的数值作为该历史观测障碍物A的最新置信度,这样,当该历史观测障碍物A再次被关联且关联成功时,可将该历史观测障碍物A的最新置信度加1,将得到的数值更新为该历史观测障碍物A的最新置信度,由此,可通过采用置信度累加的方式得到障碍物的置信度。
需要说明的是,由于真实障碍物一般观测次数较多,且可观测的传感器角度及数据多,因此累计的置信度较高,而低矮障碍物仅在特定的距离段及角度才有观测,因此累计的置信度小,由此,通过采用置信度累加的方式可以进一步能够有效区分低矮障碍物,大大降低低矮障碍物误检概率。
为了确保已知障碍物中的障碍物是不同障碍物,可选的,将已知障碍物之中相同障碍物以及相同障碍物的置信度进行融合处理;根据融合处理后得到的置信度,从融合处理后得到的已知障碍物之中,将置信度大于或等于预设阈值的已知障碍物确定为有效障碍物。由此,通过将已知障碍物之中相同障碍物进行融合,达到去重的目的;另外,通过将置信度大于或等于预设阈值的已知障碍物确定为有效障碍物,可以提高有效障碍物检测的准确性。也就是说,当障碍物的置信度累计到阈值时,由于本公开对每一帧当前的观测数据均有校正输出,因此检测并输出的障碍物实时性高,避免存在滞后的问题。此外,本公开采用累计置信度的方式确认障碍物的有效性,可以保全远距离段上障碍物检测的准确性,并且整体上大幅提升了能够检测可信障碍物的距离。
根据本公开实施例的障碍物检测方法,利用车身位姿变化信息对历史观测障碍物位置进行预测,并对当前观测获取的候选障碍物的位置信息与更新后的历史观测障碍物进行关联及位置更新,对历史观测障碍物和候选障碍物进行关联,获得当前所有已知障碍物的信度,根据置信度在所有已知障碍物中按照一定的置信度设置规则选择有效障碍物并输出。由此可见,本公开对当前生成障碍物的历史关联特征信息进行了记录,并采用置信度的方式对其进行表达,当障碍物的置信度达到预设阈值时再选择给出有效障碍物,由于真实障碍物一般观测次数较多,且可观测的传感器角度及数量多,因此累计的置信度较高,而低矮障碍物仅在特定的距离段及角度才有观测因此累计的置信度小,由此通过该方式可以有效区分低矮障碍物,使障碍物检测的误检概率大大降低。另外,本公开使用车辆实时位姿信息及实时传感器观测信息对历史观测障碍物的位置进行了融合跟踪校准,大大提升了检测的障碍物位置的精确性。
为了方便本领域技术人员的理解,下面将结合图3对本公开实施例的障碍物检测方法进行详细描述。
如图3所示,本公开实施例的障碍物检测方法中算法处理可包括以下步骤:
步骤31:获取由超声波雷达产生的观测点的观测数据,例如,观测点到雷达探头的距离。
步骤32:通过三角定位方法计算候选点,组成候选点集合。其中,该候选点集合可理解为上述候选障碍物信息。
在本实施例中,在获得候选点集合之后,可判断轨迹池是否初始化。其中,轨迹池可理解为用于存储障碍物的历史信息的存储池。当轨迹池初始化后该轨迹池中会记录障碍物的历史信息,若轨迹池未初始化,则说明轨迹池中没有障碍物的历史信息。若判断轨迹池未初始化,则说明轨迹池中不存在障碍物的历史信息,此时可利用候选点中的所有候选点生成相应的新轨迹,即利用所有候选点生成相应的新障碍物。若判断轨迹池初始化,则说明轨迹池中存储有障碍物的历史信息,此时可执行步骤33。
步骤33:根据上一帧与当前帧之间的时间差和两帧之间的自车位姿变化,对上一帧的轨迹池中的所有轨迹进行位置预测,获得轨迹池中的所有轨迹新的二维坐标信息。
需要说明的是,轨迹池中的轨迹可理解为历史障碍物。
步骤34:根据轨迹池中的所有轨迹新的二维坐标信息、候选点集合中候选点信息,进行数据关联与混合模型跟踪。
在本实施例中,如图3所示,可根据候选点集合中候选点信息,判断候选点是否被关联,若候选点未被关联,则根据未被关联的候选点生成相应的新轨迹,即生成新的障碍物。若候选点被关联,则利用KF(KalmanFilter,卡尔曼滤波)算法根据候选点信息更新轨迹池中的轨迹,即对历史障碍物进行更新。在本实施例中,如图3所示,还可根据轨迹池中轨迹的新二维坐标信息,判断轨迹池中轨迹是否被关联,若轨迹被关联,则利用KF算法根据轨迹的新二维坐标信息对该轨迹进行更新;若轨迹未被关联,则判断轨迹能否与未参与候选点计算的观测数据关联,若轨迹能与未参与候选点计算的观测数据关联,则利用EKF(Extended Kalman Filter,扩展卡尔曼滤波)算法对该轨迹进行更新。若轨迹未能与未参与候选点计算的观测数据关联,则删除该轨迹。
步骤35:记录轨迹池中所有轨迹与候选点集合中的候选点的关联特征信息,结合历史关联特征信息,计算障碍物的置信度。
需要说明的是,障碍物的置信度可理解是该障碍物的关联特征信息的关联成功次数,也就是说,可将障碍物的关联特征信息的关联成功次数作为该障碍物的置信度。例如,以关联特征信息包括障碍物观测方差、障碍物观测传感器ID、障碍物的位置、单回波回波能量为例,在对历史观测障碍物和候选障碍物进行关联时,若根据障碍物观测方差和障碍物的位置判断障碍物关联成功,则统计该障碍物的关联成功次数;根据障碍物的位置和单回波回波能量判断障碍物处于危险区域,确定危险区关联成功次数;确定障碍物的单回波回波能量关联成功次数,其中,该单回波回波能量关联是指多个不同传感器观测的单回波回波能量关联;根据障碍物的单回波回波能量和障碍物观测传感器ID确定单回波回波簇关联成功次数,其中,该单回波回波簇关联是指来自同一个传感器的单回波回波能量关联;可将障碍物的关联成功次数、危险区关联成功次数、单回波回波能量关联成功次数、单回波回波簇关联成功次数,确定为置信度,这样,通过该置信度来确定障碍物是否为有效障碍物。
比如,若障碍物的关联成功次数大于一定阈值,则可认为该障碍物为有效障碍物;或者,若危险区关联成功次数大于一定阈值,则可认为该障碍物为有效障碍物;或者,若单回波回波能量关联成功次数大于一定阈值,则可认为该障碍物为有效障碍物;或者,若单回波回波簇关联成功次数大于一定阈值,则可认为该障碍物为有效障碍物。由此,本申请通过置信度实现对有效障碍物的筛选,进而将有效障碍物作为最终输出结果,以便后续利用该输出结果进行其他操作,比如,利用该输出结果进行障碍物避让等操作,由于该输出结果为有效障碍物(即真实障碍物),从而可以提升避让效果。
为了保证有效障碍物筛选的准确性的同时,尽量避免过多占用计算资源,可对关联次数进行限定。也就是说,在对障碍物进行关联时,将关联次数限定在一定阈值内。例如,以单回波回波能量关联为例,可根据经验,一般关联4次单回波回波能量,障碍物的置信度就比较高了,此时就可以根据该置信度来判断该障碍物是否为有效障碍物。
由此可见,本实施例利用卡尔曼滤波及车辆位姿及航向角跟踪障碍物位置,并利用安装数量相对较多的车载超声波雷达,可以根据障碍物被不同角度的传感器观测后其置信度极大提升的特征来做障碍物有效性的判断。本公开显著的减轻了低矮障碍物造成的障碍物误检以及由于传感器相互串扰造成的障碍物误检,提升了AVP场景的用户体验。随着检测距离以及障碍物检测实时性的提升,本实施例极大的提升了AVP场景的安全性能。
图4是根据一示例性实施例示出的一种障碍物检测装置的框图。如图4所示,该障碍物检测装置可以包括:第一获取模块410、位置预测模块420、第二获取模块430、关联模块440、第三获取模块450和确定模块460。
具体地,第一获取模块410用于获取车身位姿变化信息。
位置预测模块420用于根据车身位姿变化信息对历史观测障碍物的位置进行预测,获得历史观测障碍物的预测位置信息。
第二获取模块430用于获取当前观测获得的候选障碍物的位置信息。
关联模块440用于根据历史观测障碍物的预测位置信息和候选障碍物的位置信息,对历史观测障碍物和候选障碍物进行关联,生成已知障碍物。作为一种示例,关联模块440具体用于:根据候选障碍物的位置信息,判断候选障碍物是否被关联;响应于候选障碍物未被关联,将候选障碍物确定为当前观测障碍物;根据历史观测障碍物的预测位置信息,判断历史观测障碍物是否被关联;响应于历史观测障碍物未被关联,根据历史观测障碍物的预测位置信息和候选障碍物的位置信息,判断历史观测障碍物是否与未参与候选障碍物计算的观测数据关联;响应于历史观测障碍物与未参与候选障碍物计算的观测数据不关联,删除历史观测障碍物;将当前观测障碍物、以及经过删除后得到的剩余历史观测障碍物确定为已知障碍物。
在一种实现方式中,关联模块440还用于:响应于候选障碍物被关联,根据候选障碍的位置信息对历史观测障碍物进行位置更新;响应于历史观测障碍物被关联,根据历史观测障碍物的预测位置信息对历史观测障碍物进行位置更新;响应于历史观测障碍物与未参与候选障碍物计算的观测数据关联,对历史观测障碍物进行位置更新。
第三获取模块450用于获取已知障碍物的置信度。作为一种示例,第三获取模块450具体用于:在根据历史观测障碍物的预测位置信息和候选障碍物的位置信息对历史观测障碍物和候选障碍物进行关联的过程中,记录当前观测障碍物与历史观测障碍物之间的关联特征信息;根据关联特征信息获取已知障碍物的置信度。
在一种实现方式中,第三获取模块450记录当前观测障碍物与历史观测障碍物之间的关联特征信息的实现方式如下:从障碍物观测方差、障碍物观测传感器ID、障碍物的位置关联次数、单距离关联次数中的至少两个维度,记录当前观测障碍物与历史观测障碍物之间的关联特征信息。
在一种可能的实现方式中,第三获取模块450在对当前观测障碍物与历史观测障碍物之间的关联特征信息进行记录时,采用置信度累加的方式生成已知障碍物的置信度。
确定模块460用于根据置信度从已知障碍物中确定有效障碍物。作为一种示例,确定模块460将已知障碍物之中相同障碍物以及相同障碍物的置信度进行融合处理;根据融合处理后得到的置信度,从融合处理后得到的已知障碍物之中,将置信度大于或等于预设阈值的已知障碍物确定为有效障碍物。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
根据本公开实施例的障碍物检测装置,利用实时车身位姿信息对历史障碍物位置进行预测,并对当前观测获取的候选障碍物信息与更新后的历史障碍物进行关联及位置更新,对历史障碍物和当前观测获得的候选障碍物进行关联,获得障碍物置信度,根据障碍物置信度在所有已知障碍物中按照一定的置信度设置规则选择有效障碍物并输出。由此可见,本公开对当前生成障碍物的历史关联信息进行了记录,并采用置信度累加的方式对其进行表达,当障碍物的置信度达到预设阈值是再选择给出有效障碍物,由于真实障碍物一般观测次数较多,且可观测的传感器角度及数量多,因此累计的置信度较高,而低矮障碍物仅在特定的距离段及角度才有观测因此累计的置信度小,由此通过该方式可以有效区分低矮障碍物,使其误检概率大大降低。另外,本公开使用车辆实时位姿信息及实时传感器观测信息对历史障碍物位置进行了融合跟踪校准,大大提升了给出的障碍物位置精确。另外,当障碍物的置信度累计到阈值时,由于本公开对每一帧当前的观测数据均有校正输出,因此给出的障碍物实时性高,不存在滞后的问题。此外,本公开采用累计置信度的方式确认障碍物的有效性,可以保全远距离段上障碍物检测的准确性,并且整体上大大提升了给出可信障碍物的距离。
为了实现上述实施例,本公开还提出了一种车辆。如图5所示,该车辆可包括多传感器501和障碍物检测装置502。其中,该障碍物检测装置502可以是本申请上述任一实施例所述的障碍物检测装置,在此不再赘述。
根据本公开的实施例,本公开还提供了一种电子设备和一种可读存储介质。
如图6所示,是根据本公开实施例的用于实现障碍物检测方法的电子设备的框图。电子设备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、个人数字助理、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。
如图6所示,该电子设备包括:一个或多个处理器601、存储器602,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本公开所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本公开所提供的障碍物检测方法。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障碍物检测方法。
存储器602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,如本公开实施例中的障碍物检测方法对应的程序指令/模块。处理器601通过运行存储在存储器602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障碍物检测方法。
存储器602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用于实现障碍物检测的电子设备的使用所创建的数据等。此外,存储器602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602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至用于实现障碍物检测的电子设备。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。
用于实现障碍物检测方法的电子设备还可以包括:输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接,图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息,以及产生与用于实现障碍物检测方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
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,本发申请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 (18)
1.一种障碍物检测方法,包括:
获取车身位姿变化信息,并根据所述车身位姿变化信息对历史观测障碍物的位置进行预测,获得所述历史观测障碍物的预测位置信息;
获取当前观测获得的候选障碍物的位置信息;
根据所述历史观测障碍物的预测位置信息和所述候选障碍物的位置信息,对所述历史观测障碍物和所述候选障碍物进行关联,生成已知障碍物;
获取所述已知障碍物的置信度,并根据所述置信度,从所述已知障碍物中确定有效障碍物。
2.根据权利要求1所述的方法,其中,所述根据所述历史观测障碍物的预测位置信息和所述候选障碍物的位置信息,对所述历史观测障碍物和所述候选障碍物进行关联,生成已知障碍物,包括:
根据所述候选障碍物的位置信息,判断所述候选障碍物是否被关联;
响应于所述候选障碍物未被关联,将所述候选障碍物确定为当前观测障碍物;
根据所述历史观测障碍物的预测位置信息,判断所述历史观测障碍物是否被关联;
响应于所述历史观测障碍物未被关联,根据所述历史观测障碍物的预测位置信息和所述候选障碍物的位置信息,判断所述历史观测障碍物是否与未参与候选障碍物计算的观测数据关联;
响应于所述历史观测障碍物与未参与候选障碍物计算的观测数据不关联,删除所述历史观测障碍物;
将所述当前观测障碍物、以及经过删除后得到的剩余历史观测障碍物确定为所述已知障碍物。
3.根据权利要求2所述的方法,其中,所述根据所述历史观测障碍物的预测位置信息和所述候选障碍物的位置信息,对所述历史观测障碍物和所述候选障碍物进行关联,生成已知障碍物,还包括:
响应于所述候选障碍物被关联,根据所述候选障碍的位置信息对所述历史观测障碍物进行位置更新;
响应于所述历史观测障碍物被关联,根据所述历史观测障碍物的预测位置信息对所述历史观测障碍物进行位置更新;
响应于所述历史观测障碍物与所述未参与候选障碍物计算的观测数据关联,对所述历史观测障碍物进行位置更新。
4.根据权利要求2所述的方法,其中,获取所述已知障碍物的置信度,包括:
在根据所述历史观测障碍物的预测位置信息和所述候选障碍物的位置信息对所述历史观测障碍物和所述候选障碍物进行关联的过程中,记录所述当前观测障碍物与所述历史观测障碍物之间的关联特征信息;
根据所述关联特征信息获取所述已知障碍物的置信度。
5.根据权利要求4所述的方法,其中,所述记录所述当前观测障碍物与所述历史观测障碍物之间的关联特征信息,包括:
从障碍物观测方差、障碍物观测传感器ID、障碍物的位置关联次数、单距离关联次数中的至少两个维度,记录所述当前观测障碍物与所述历史观测障碍物之间的关联特征信息。
6.根据权利要求4或5所述的方法,其中,所述根据所述关联特征信息获取所述已知障碍物的置信度,包括:
在对所述当前观测障碍物与所述历史观测障碍物之间的关联特征信息进行记录时,采用置信度累加的方式生成所述已知障碍物的置信度。
7.根据权利要求1所述的方法,其中,所述根据所述置信度,从所述已知障碍物中确定有效障碍物,包括:
将所述已知障碍物之中相同障碍物以及所述相同障碍物的置信度进行融合处理;
根据融合处理后得到的置信度,从融合处理后得到的已知障碍物之中,将置信度大于或等于预设阈值的已知障碍物确定为所述有效障碍物。
8.一种障碍物检测装置,包括:
第一获取模块,用于获取车身位姿变化信息;
位置预测模块,用于根据所述车身位姿变化信息对历史观测障碍物的位置进行预测,获得所述历史观测障碍物的预测位置信息;
第二获取模块,用于获取当前观测获得的候选障碍物的位置信息;
关联模块,用于根据所述历史观测障碍物的预测位置信息和所述候选障碍物的位置信息,对所述历史观测障碍物和所述候选障碍物进行关联,生成已知障碍物;
第三获取模块,用于获取所述已知障碍物的置信度;
确定模块,用于根据所述置信度从所述已知障碍物中确定有效障碍物。
9.根据权利要求8所述的装置,其中,所述关联模块具体用于:
根据所述候选障碍物的位置信息,判断所述候选障碍物是否被关联;
响应于所述候选障碍物未被关联,将所述候选障碍物确定为当前观测障碍物;
根据所述历史观测障碍物的预测位置信息,判断所述历史观测障碍物是否被关联;
响应于所述历史观测障碍物未被关联,根据所述历史观测障碍物的预测位置信息和所述候选障碍物的位置信息,判断所述历史观测障碍物是否与未参与候选障碍物计算的观测数据关联;
响应于所述历史观测障碍物与未参与候选障碍物计算的观测数据不关联,删除所述历史观测障碍物;
将所述当前观测障碍物、以及经过删除后得到的剩余历史观测障碍物确定为所述已知障碍物。
10.根据权利要求9所述的装置,其中,所述关联模块还用于:
响应于所述候选障碍物被关联,根据所述候选障碍的位置信息对所述历史观测障碍物进行位置更新;
响应于所述历史观测障碍物被关联,根据所述历史观测障碍物的预测位置信息对所述历史观测障碍物进行位置更新;
响应于所述历史观测障碍物与所述未参与候选障碍物计算的观测数据关联,对所述历史观测障碍物进行位置更新。
11.根据权利要求9所述的装置,其中,所述第三获取模块具体用于:
在根据所述历史观测障碍物的预测位置信息和所述候选障碍物的位置信息对所述历史观测障碍物和所述候选障碍物进行关联的过程中,记录所述当前观测障碍物与所述历史观测障碍物之间的关联特征信息;
根据所述关联特征信息获取所述已知障碍物的置信度。
12.根据权利要求11所述的装置,其中,所述第三获取模块具体用于:
从障碍物观测方差、障碍物观测传感器ID、障碍物的位置关联次数、单距离关联次数中的至少两个维度,记录所述当前观测障碍物与所述历史观测障碍物之间的关联特征信息。
13.根据权利要求11或12所述的装置,其中,所述第三获取模块具体用于:
在对所述当前观测障碍物与所述历史观测障碍物之间的关联特征信息进行记录时,采用置信度累加的方式生成所述已知障碍物的置信度。
14.根据权利要求8所述的装置,其中,所述确定模块具体用于:
将所述已知障碍物之中相同障碍物以及所述相同障碍物的置信度进行融合处理;
根据融合处理后得到的置信度,从融合处理后得到的已知障碍物之中,将置信度大于或等于预设阈值的已知障碍物确定为所述有效障碍物。
15.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,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至7中任一项所述的障碍物检测方法。
16.一种存储有计算机指令的非瞬时性计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1至7中任一项所述的障碍物检测方法。
17.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1至7中任一项所述的障碍物检测方法。
18.一种车辆,包括:
用于观测所述车辆周围环境的多传感器;以及
如权利要求8至14中任一项所述的障碍物检测装置。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110558357.1A CN113281760A (zh) | 2021-05-21 | 2021-05-21 | 障碍物检测方法、装置、电子设备、车辆和存储介质 |
PCT/CN2021/135650 WO2022242111A1 (zh) | 2021-05-21 | 2021-12-06 | 障碍物检测方法以及装置 |
KR1020227020718A KR20220093382A (ko) | 2021-05-21 | 2021-12-06 | 장애물 검출 방법 및 장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110558357.1A CN113281760A (zh) | 2021-05-21 | 2021-05-21 | 障碍物检测方法、装置、电子设备、车辆和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113281760A true CN113281760A (zh) | 2021-08-20 |
Family
ID=77280780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110558357.1A Pending CN113281760A (zh) | 2021-05-21 | 2021-05-21 | 障碍物检测方法、装置、电子设备、车辆和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113281760A (zh) |
WO (1) | WO2022242111A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114488065A (zh) * | 2022-01-27 | 2022-05-13 | 中国第一汽车股份有限公司 | 一种航迹数据处理方法、装置、车辆和介质 |
WO2022242111A1 (zh) * | 2021-05-21 | 2022-11-24 | 阿波罗智能技术(北京)有限公司 | 障碍物检测方法以及装置 |
WO2024124546A1 (zh) * | 2022-12-16 | 2024-06-20 | 华为技术有限公司 | 一种自动泊车的方法、装置以及车辆 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007163431A (ja) * | 2005-12-16 | 2007-06-28 | Daihatsu Motor Co Ltd | 車両の物標認識装置及び物標認識方法 |
CN105894542A (zh) * | 2016-04-26 | 2016-08-24 | 深圳大学 | 一种在线目标跟踪方法及装置 |
US20180101177A1 (en) * | 2016-10-11 | 2018-04-12 | Mobileye Vision Technologies Ltd. | Navigating a vehicle based on a detected barrier |
CN109509210A (zh) * | 2017-09-15 | 2019-03-22 | 百度在线网络技术(北京)有限公司 | 障碍物跟踪方法和装置 |
CN109814080A (zh) * | 2018-12-11 | 2019-05-28 | 长沙莫之比智能科技有限公司 | 一种毫米波雷达目标跟踪与置信度算法及其装置 |
CN110879598A (zh) * | 2019-12-11 | 2020-03-13 | 北京踏歌智行科技有限公司 | 车辆用多传感器的信息融合方法和装置 |
CN110879395A (zh) * | 2019-12-03 | 2020-03-13 | 北京百度网讯科技有限公司 | 障碍物位置预测方法、装置和电子设备 |
US20200269874A1 (en) * | 2019-02-26 | 2020-08-27 | Baidu Online Network Technology (Beijing) Co., Ltd. | Track prediction method and device for obstacle at junction |
US20210089793A1 (en) * | 2019-09-19 | 2021-03-25 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for processing information |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113743228B (zh) * | 2018-12-10 | 2023-07-14 | 百度在线网络技术(北京)有限公司 | 基于多数据融合结果的障碍物存在性检测方法和装置 |
CN111563474A (zh) * | 2020-05-18 | 2020-08-21 | 北京茵沃汽车科技有限公司 | 运动背景下的基于车载鱼眼镜头的障碍物检测方法、系统 |
CN112285714A (zh) * | 2020-09-08 | 2021-01-29 | 苏州挚途科技有限公司 | 一种基于多传感器的障碍物速度融合方法和装置 |
CN112257542B (zh) * | 2020-10-15 | 2024-03-15 | 东风汽车有限公司 | 障碍物感知方法、存储介质及电子设备 |
CN113281760A (zh) * | 2021-05-21 | 2021-08-20 | 阿波罗智能技术(北京)有限公司 | 障碍物检测方法、装置、电子设备、车辆和存储介质 |
-
2021
- 2021-05-21 CN CN202110558357.1A patent/CN113281760A/zh active Pending
- 2021-12-06 WO PCT/CN2021/135650 patent/WO2022242111A1/zh active Application Filing
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007163431A (ja) * | 2005-12-16 | 2007-06-28 | Daihatsu Motor Co Ltd | 車両の物標認識装置及び物標認識方法 |
CN105894542A (zh) * | 2016-04-26 | 2016-08-24 | 深圳大学 | 一种在线目标跟踪方法及装置 |
WO2017185688A1 (zh) * | 2016-04-26 | 2017-11-02 | 深圳大学 | 一种在线目标跟踪方法及装置 |
US20180101177A1 (en) * | 2016-10-11 | 2018-04-12 | Mobileye Vision Technologies Ltd. | Navigating a vehicle based on a detected barrier |
CN109509210A (zh) * | 2017-09-15 | 2019-03-22 | 百度在线网络技术(北京)有限公司 | 障碍物跟踪方法和装置 |
CN109814080A (zh) * | 2018-12-11 | 2019-05-28 | 长沙莫之比智能科技有限公司 | 一种毫米波雷达目标跟踪与置信度算法及其装置 |
US20200269874A1 (en) * | 2019-02-26 | 2020-08-27 | Baidu Online Network Technology (Beijing) Co., Ltd. | Track prediction method and device for obstacle at junction |
US20210089793A1 (en) * | 2019-09-19 | 2021-03-25 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for processing information |
CN110879395A (zh) * | 2019-12-03 | 2020-03-13 | 北京百度网讯科技有限公司 | 障碍物位置预测方法、装置和电子设备 |
CN110879598A (zh) * | 2019-12-11 | 2020-03-13 | 北京踏歌智行科技有限公司 | 车辆用多传感器的信息融合方法和装置 |
Non-Patent Citations (2)
Title |
---|
LIU, Z等: ""Robust Target Recognition and Tracking of Self-Driving Cars With Radar and Camera Information Fusion Under Severe Weather Conditions"", 《 IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS 》, pages 1 - 14 * |
孙金萍等: ""多特征融合的长时间目标跟踪算法"", 《南京大学学报》, vol. 57, no. 2, pages 217 - 226 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022242111A1 (zh) * | 2021-05-21 | 2022-11-24 | 阿波罗智能技术(北京)有限公司 | 障碍物检测方法以及装置 |
CN114488065A (zh) * | 2022-01-27 | 2022-05-13 | 中国第一汽车股份有限公司 | 一种航迹数据处理方法、装置、车辆和介质 |
WO2024124546A1 (zh) * | 2022-12-16 | 2024-06-20 | 华为技术有限公司 | 一种自动泊车的方法、装置以及车辆 |
Also Published As
Publication number | Publication date |
---|---|
WO2022242111A1 (zh) | 2022-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113281760A (zh) | 障碍物检测方法、装置、电子设备、车辆和存储介质 | |
CN111401208B (zh) | 一种障碍物检测方法、装置、电子设备及存储介质 | |
CN111753765B (zh) | 感知设备的检测方法、装置、设备及存储介质 | |
US20220326350A1 (en) | Multisensor data fusion method and apparatus to obtain static and dynamic environment fratures | |
CN109829351B (zh) | 车道信息的检测方法、装置及计算机可读存储介质 | |
WO2020133449A1 (zh) | 目标航迹确定方法、目标跟踪系统与车辆 | |
CN110879395B (zh) | 障碍物位置预测方法、装置和电子设备 | |
CN110827325B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN111273268A (zh) | 障碍物类型的识别方法、装置及电子设备 | |
CN112507949A (zh) | 目标跟踪方法、装置、路侧设备以及云控平台 | |
CN113370911A (zh) | 车载传感器的位姿调整方法、装置、设备和介质 | |
CN110979346A (zh) | 确定车辆所处车道的方法、装置及设备 | |
KR102569900B1 (ko) | 전방위 센서퓨전 장치 및 그의 센서퓨전 방법과 그를 포함하는 차량 | |
CN112132109A (zh) | 车道线处理和车道定位方法、装置、设备及存储介质 | |
CN113432533B (zh) | 一种机器人定位方法、装置、机器人及存储介质 | |
CN111942374A (zh) | 一种障碍物地图生成方法、装置、车辆及存储介质 | |
CN113635912B (zh) | 车辆控制方法、装置、设备、存储介质及自动驾驶车辆 | |
KR20220093382A (ko) | 장애물 검출 방법 및 장치 | |
US11769260B2 (en) | Cross-camera obstacle tracking method, system and medium | |
CN113744565B (zh) | 一种碰撞预警方法、装置、电子设备及自动驾驶车辆 | |
CN113269811A (zh) | 数据融合方法、装置及电子设备 | |
EP3866065A1 (en) | Target detection method, device, electronic apparatus, and storage medium | |
AU2020103979A4 (en) | Multi-sensor cooperative target tracking system | |
GB2599939A (en) | Method of updating the existance probability of a track in fusion based on sensor perceived areas | |
CN111784730A (zh) | 一种对象跟踪方法、装置、电子设备及存储介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240329 Address after: 510000 No. 106 Fengze East Road, Nansha District, Guangzhou City, Guangdong Province Applicant after: Guangzhou dinghang Information Technology Service Co.,Ltd. Country or region after: China Address before: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: Apollo Intelligent Technology (Beijing) Co.,Ltd. Country or region before: China |
|
TA01 | Transfer of patent application right |