CN113701746A - 目标朝向确定方法和装置 - Google Patents
目标朝向确定方法和装置 Download PDFInfo
- Publication number
- CN113701746A CN113701746A CN202010437105.9A CN202010437105A CN113701746A CN 113701746 A CN113701746 A CN 113701746A CN 202010437105 A CN202010437105 A CN 202010437105A CN 113701746 A CN113701746 A CN 113701746A
- Authority
- CN
- China
- Prior art keywords
- orientation
- data
- target
- speed
- straight line
- 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
- 238000000034 method Methods 0.000 title claims abstract description 94
- 230000033001 locomotion Effects 0.000 claims description 76
- 238000001914 filtration Methods 0.000 claims description 53
- 230000015654 memory Effects 0.000 claims description 43
- 238000012545 processing Methods 0.000 claims description 33
- 238000004891 communication Methods 0.000 claims description 32
- 230000002159 abnormal effect Effects 0.000 claims description 30
- 230000006870 function Effects 0.000 claims description 29
- 238000003860 storage Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000002547 anomalous effect Effects 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract 1
- 230000008859 change Effects 0.000 description 27
- 238000001514 detection method Methods 0.000 description 25
- 238000010586 diagram Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 21
- 238000012549 training Methods 0.000 description 14
- 239000011159 matrix material Substances 0.000 description 13
- 230000006399 behavior Effects 0.000 description 12
- 239000013598 vector Substances 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000011217 control strategy Methods 0.000 description 9
- 230000002093 peripheral effect Effects 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 7
- 230000003993 interaction Effects 0.000 description 7
- 239000000872 buffer Substances 0.000 description 6
- 238000013500 data storage Methods 0.000 description 6
- 241001465754 Metazoa Species 0.000 description 5
- 230000008447 perception Effects 0.000 description 5
- MHABMANUFPZXEB-UHFFFAOYSA-N O-demethyl-aloesaponarin I Natural products O=C1C2=CC=CC(O)=C2C(=O)C2=C1C=C(O)C(C(O)=O)=C2C MHABMANUFPZXEB-UHFFFAOYSA-N 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000010267 cellular communication Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005764 inhibitory process Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000000979 retarding effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/18—Stabilised platforms, e.g. by gyroscope
-
- 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
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
- G01S13/62—Sense-of-movement determination
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例涉及人工智能中的自动驾驶领域,提供一种目标朝向确定方法和装置,在获取目标的朝向时,可以综合速度数据、运动轨迹数据或源朝向数据的至少两种,通过多朝向线索进行综合推理从而能够有效的改善输出朝向的稳定性和准确性。
Description
技术领域
本申请涉及自动驾驶领域,尤其涉及一种目标朝向确定方法和装置。
背景技术
环境感知是自动驾驶中的重要技术,环境感知旨在感知自动驾驶车辆周围环境,获取环境中障碍物的位置、速度、朝向、尺寸、形状等属性信息,从而能够为规划决策模块提供重要信息输入。
相关技术中,在识别自动驾驶车辆周围目标(如车辆)的朝向时,可以基于包含目标的俯视图像,判断目标矩形长边方向与车道方向的夹角的关系来获得车辆朝向。
但是,相关技术中识别目标的朝向的准确性较差。
发明内容
本申请实施例提供一种目标朝向确定方法和装置,以在获取目标的朝向时,可以综合速度数据、运动轨迹数据或源朝向数据的至少两种,通过多朝向线索进行综合推理从而能够有效的改善输出朝向的稳定性和准确性。
第一方面,本申请实施例提供一种目标朝向确定方法,包括:获取车辆周围的目标的传感器数据。根据传感器数据获取目标的相关数据,目标的相关数据包括下述的至少两种:目标的速度数据、目标的运动轨迹数据、目标的源朝向数据。至少利用目标的相关数据确定目标的朝向。
本申请实施例中,在获取目标的朝向时,可以综合速度数据、运动轨迹数据或源朝向数据的至少两种,通过多朝向线索进行综合推理从而能够有效的改善输出朝向的稳定性和准确性。
在一种可能的实现方式中,目标的相关数据包括运动轨迹数据和源朝向数据,利用目标的相关数据确定目标的朝向包括:对源朝向数据中的异常朝向数据进行滤波,得到第一朝向。对运动轨迹数据进行直线拟合,得到第二朝向。在第一朝向与第二朝向基本为同向或反向的情况下,将第一朝向作为目标的朝向。或者,在第一朝向与第二朝向不满足基本为同向或反向的情况下,将第二朝向作为目标的朝向。这样,可以基于目标的源朝向数据和运动轨迹数据确定准确的目标朝向。
在一种可能的实现方式中,目标的相关数据包括速度数据和运动轨迹数据,速度数据包括速度的方向信息。利用目标的相关数据确定目标的朝向包括:对运动轨迹数据进行直线拟合,得到第二朝向。在速度数据中的方向信息与第二朝向基本为同向或反向的情况下,将速度数据中的方向信息作为目标的朝向。或者,在速度数据中的方向信息与第二朝向不满足基本为同向或反向的情况下,将第二朝向作为目标的朝向。这样,可以基于目标的速度数据和运动轨迹数据确定准确的目标朝向。
在一种可能的实现方式中,目标的相关数据包括速度数据和源朝向数据,速度数据包括速度值和方向信息。利用目标的相关数据确定目标的朝向包括:对源朝向数据中的异常源朝向数据进行滤波,得到第一朝向。在速度值大于或等于第一阈值的情况下,将速度数据中的方向信息作为目标的朝向。或者,在速度值小于第一阈值的情况下,将第一朝向作为目标的朝向。这样,可以基于目标的速度数据和源朝向数据确定准确的目标朝向。
在一种可能的实现方式中,目标的相关数据包括速度数据、运动轨迹数据和源朝向数据,速度数据包括速度值和方向信息。利用目标的相关数据确定目标的朝向包括:对源朝向数据中的异常源朝向数据进行滤波,得到第一朝向。运动轨迹数据进行直线拟合,得到第二朝向。在速度数据中的速度值小于第一阈值,且第一朝向与第二朝向基本为同向或反向的情况下,将第一朝向作为目标的朝向。或者,在速度数据中的速度值小于第一阈值,且第一朝向与第二朝向不满足基本为同向或反向的情况下,将第二朝向作为目标的朝向。或者,在速度数据中的速度值大于或等于第一阈值,且第一朝向与速度数据中的方向信息基本为同向或反向的情况下,将速度数据中的方向信息作为目标的朝向。或者,在速度数据中的速度值大于或等于第一阈值,且第一朝向与速度数据中的方向信息不满足基本为同向或反向的情况下,将第一朝向与速度数据中的方向信息二者中与第二朝向为同向或反向的朝向作为目标的朝向。或者,在速度数据中的速度值大于或等于第一阈值,第一朝向与速度数据中的方向信息不满足基本为同向或反向,且第一朝向与第二朝向不满足基本为同向或反向的情况下,将第二朝向作为目标的朝向。这样,可以基于目标的速度数据、运动轨迹数据和源朝向数据确定准确的目标朝向。
在一种可能的实现方式中,对源朝向数据中的异常源朝向数据进行滤波,得到第一朝向,包括:对源朝向数据中的多个朝向数据按照时间顺序排序。对于多个朝向数据,计算时间在后的朝向数据与时间在前作为第一朝向的朝向数据的第一角度差。在第一角度差小于第二阈值的情况下,设置时间在后的朝向数据对应的朝向为第一朝向。或者,在第一角度差大于或等于第二阈值的情况下,计算时间在前作为第一朝向的朝向数据与时间在后的朝向数据的下个朝向数据的第二角度差,以及记录第二角度差小于第二阈值的次数。在次数大于或等于第三阈值的情况下,设置次数等于第三阈值时的朝向数据为第一朝向。这样,可以过滤掉源朝向数据中的异常数据,得到较准确的第一朝向。
在一种可能的实现方式中,利用运动轨迹数据进行直线拟合,得到第二朝向,包括:对运动轨迹数据中的多个位置数据按照时间顺序排序。对于多个位置数据中相邻的两个朝向数据,计算时间在后的位置数据与时间在前的位置数据的第一距离。在第一距离小于或等于第四阈值的情况下,确定时间在后的位置数据为候选位置数据。在候选位置数据的数量大于第五阈值的情况下,对候选位置数据进行直线拟合,得到第二朝向。这样,可以基于对运动轨迹数据的直线拟合,得到较准确的第二朝向。
在一种可能的实现方式中,对候选位置数据进行直线拟合,包括:得到一条直线使得各候选位置数据到直线距离的目标函数最小。
在一种可能的实现方式中,候选位置数据中的第一候选位置数据的权重大于候选位置数据中的第二后续位置的权重。其中,第一候选位置数据到直线的距离小于第一常量。第二候选位置数据到直线的距离大于或等于第一常量。这样可以是的距离直线较近的候选位置数据在直线拟合中有更大的作用,以得到更准确的直线拟合。
在一种可能的实现方式中,对候选位置数据进行直线拟合满足下述公式:
其中,ρ(r)为目标函数,r为存储的位置数据中任一个位置数据到拟合直线的距离,C为第一常量。
在一种可能的实现方式中,基本同向或反向包括:两个朝向的角度偏差在角度阈值范围以内。
在一种可能的实现方式中,还包括:在多次确定的目标的朝向稳定的情况下,确定目标的目标预测朝向。在目标预测朝向与源朝向数据的差值在预设范围的情况下,确定目标预测朝向为目标的真实朝向。这样可以得到稳定、准确的目标的朝向。
在一种可能的实现方式中,还包括:显示目标的真实朝向。这样可以帮助用户了解目标的真实朝向。
第三方面,本申请实施例提供一种目标朝向确定系统,包括:传感器和处理模块。其中,传感器,用于获取车辆周围的目标的传感器数据。处理模块,用于根据传感器数据获取目标的相关数据,目标的相关数据包括下述的至少两种:目标的速度数据、目标的运动轨迹数据、目标的源朝向数据。至少利用目标的相关数据确定目标的朝向。
在一种可能的实现方式中,处理模块包括:目标跟踪单元、滤波单元、直线拟合单元和多线索推理单元。目标的相关数据包括运动轨迹数据和源朝向数据。目标跟踪单元,用于获取目标的速度数据。滤波单元,用于对源朝向数据中的异常朝向数据进行滤波,得到第一朝向。直线拟合单元,用于利用运动轨迹数据进行直线拟合,得到第二朝向。多线索推理单元,用于在第一朝向与第二朝向基本为同向或反向的情况下,将第一朝向作为目标的朝向。或者,在第一朝向与第二朝向不满足基本为同向或反向的情况下,将第二朝向作为目标的朝向。
在一种可能的实现方式中,处理模块包括:目标跟踪单元、直线拟合单元和多线索推理单元。目标的相关数据包括速度数据和运动轨迹数据,速度数据包括速度的方向信息。目标跟踪单元,用于获取目标的速度数据。直线拟合单元,用于对运动轨迹数据进行直线拟合,得到第二朝向。多线索推理单元,用于在速度数据中的方向信息与第二朝向基本为同向或反向的情况下,将速度数据中的方向信息作为目标的朝向。或者,在速度数据中的方向信息与第二朝向不满足基本为同向或反向的情况下,将第二朝向作为目标的朝向。
在一种可能的实现方式中,处理模块包括:目标跟踪单元、滤波单元和多线索推理单元。目标的相关数据包括速度数据和源朝向数据,速度数据包括速度值和方向信息。目标跟踪单元,用于获取目标的速度数据。滤波单元,用于对源朝向数据中的异常源朝向数据进行滤波,得到第一朝向。多线索推理单元,用于在速度值大于或等于第一阈值的情况下,将速度数据中的方向信息作为目标的朝向。或者,在速度值小于第一阈值的情况下,将第一朝向作为目标的朝向。
在一种可能的实现方式中,处理模块包括:目标跟踪单元、滤波单元、直线拟合单元和多线索推理单元。目标的相关数据包括速度数据、运动轨迹数据和源朝向数据,速度数据包括速度值和方向信息。目标跟踪单元,用于获取目标的速度数据。滤波单元,用于对源朝向数据中的异常源朝向数据进行滤波,得到第一朝向。直线拟合单元,用于对运动轨迹数据进行直线拟合,得到第二朝向。多线索推理单元,用于在速度数据中的速度值小于第一阈值,且第一朝向与第二朝向基本为同向或反向的情况下,将第一朝向作为目标的朝向。或者,在速度数据中的速度值小于第一阈值,且第一朝向与第二朝向不满足基本为同向或反向的情况下,将第二朝向作为目标的朝向。或者,在速度数据中的速度值大于或等于第一阈值,且第一朝向与速度数据中的方向信息基本为同向或反向的情况下,将速度数据中的方向信息作为目标的朝向。或者,在速度数据中的速度值大于或等于第一阈值,且第一朝向与速度数据中的方向信息不满足基本为同向或反向的情况下,将第一朝向与速度数据中的方向信息二者中与第二朝向为同向或反向的朝向作为目标的朝向。或者,在速度数据中的速度值大于或等于第一阈值,第一朝向与速度数据中的方向信息不满足基本为同向或反向,且第一朝向与第二朝向不满足基本为同向或反向的情况下,将第二朝向作为目标的朝向。
在一种可能的实现方式中,滤波单元,具体用于:对源朝向数据中的多个朝向数据按照时间顺序排序。对于多个朝向数据,计算时间在后的朝向数据与时间在前作为第一朝向的朝向数据的第一角度差。在第一角度差小于第二阈值的情况下,设置时间在后的朝向数据对应的朝向为第一朝向。或者,在第一角度差大于或等于第二阈值的情况下,计算时间在前作为第一朝向的朝向数据与时间在后的朝向数据的下个朝向数据的第二角度差,以及记录第二角度差小于第二阈值的次数。在次数大于或等于第三阈值的情况下,设置次数等于第三阈值时的朝向数据为第一朝向。
在一种可能的实现方式中,直线拟合单元,具体用于:对运动轨迹数据中的多个位置数据按照时间顺序排序。对于多个位置数据中相邻的两个朝向数据,计算时间在后的位置数据与时间在前的位置数据的第一距离。在第一距离小于或等于第四阈值的情况下,确定时间在后的位置数据为候选位置数据。在候选位置数据的数量大于第五阈值的情况下,对候选位置数据进行直线拟合,得到第二朝向。
在一种可能的实现方式中,直线拟合单元,具体用于得到一条直线使得各候选位置数据到直线距离的目标函数最小。
在一种可能的实现方式中,候选位置数据中的第一候选位置数据的权重大于候选位置数据中的第二后续位置的权重。其中,第一候选位置数据到直线的距离小于第一常量。第二候选位置数据到直线的距离大于或等于第一常量。
在一种可能的实现方式中,对候选位置数据进行直线拟合满足下述公式:
其中,ρ(r)为目标函数,r为存储的位置数据中任一个位置数据到拟合直线的距离,C为常量。
在一种可能的实现方式中,处理模块还用于:在多次确定的目标的朝向稳定的情况下,确定目标的目标预测朝向。在目标预测朝向与源朝向数据的差值在预设范围的情况下,确定目标预测朝向为目标的真实朝向。
在一种可能的实现方式中,目标朝向确定系统还包括:显示模块,用于显示目标的真实朝向。
第三方面,本申请实施例提供了一种车辆,包括用于执行第一方面及第一方面的各种可能的实现方式的单元。
第四方面,本申请实施例提供了一种服务端,包括用于执行第一方面及第一方面的各种可能的实现方式的单元。
第五方面,本申请实施例提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序或指令,当计算机程序或指令在计算机上运行时,使得计算机执行如第一方面至第一方面的任意一种实现方式中描述的方法。
第六方面,本申请实施例提供一种包括指令的计算机程序产品,当指令在计算机上运行时,使得计算机执行第一方面至第一方面的任意一种实现方式中描述的方法。
第七方面,本申请实施例提供一种目标朝向确定装置,该通信装置包括处理器和存储介质,存储介质存储有指令,指令被处理器运行时,实现如第一方面至第一方面任意的实现方式描述的方法。
第八方面,本申请提供一种芯片或者芯片系统,该芯片或者芯片系统包括至少一个处理器和通信接口,通信接口和至少一个处理器通过线路互联,至少一个处理器用于运行计算机程序或指令,以进行第一方面至第一方面任意的实现方式中任一项所描述的通信方法。
其中,芯片中的通信接口可以为输入/输出接口、管脚或电路等。
在一种可能的实现中,本申请中上述描述的芯片或者芯片系统还包括至少一个存储器,该至少一个存储器中存储有指令。该存储器可以为芯片内部的存储单元,例如,寄存器、缓存等,也可以是该芯片的存储单元(例如,只读存储器、随机存取存储器等)。
应当理解的是,本申请实施例的第二方面至第八方面与本申请实施例的第一方面的技术方案相对应,各方面及对应的可行实施方式所取得的有益效果相似,不再赘述。
附图说明
图1为本申请实施例提供的系统架构示意图;
图2是本申请实施例提供的车辆100的功能框图;
图3为图2中的计算机系统的结构示意图;
图4为本申请实施例提供的一种芯片硬件结构的示意图;
图5为本申请实施例提供的操作环境示意图;
图6为本申请实施例提供的一种异常值场景示意图;
图7为本申请实施例提供的另一种异常值场景示意图;
图8为本申请实施例提供的一种滤波流程示意图;
图9为本申请实施例提供的一种直线拟合流程示意图;
图10为本申请实施例提供的一种目标朝向确定方法的流程示意图;
图11为本申请实施例提供的一种目标朝向确定方法的流程示意图;
图12为本申请实施例提供的一种目标朝向确定方法的流程示意图;
图13为本申请实施例提供的一种目标朝向确定方法的流程示意图;
图14为本申请实施例提供的一种目标朝向确定方法的流程示意图;
图15为本申请实施例提供的一种目标朝向确定方法的流程示意图;
图16为本申请实施例提供的一种显示目标的朝向的示意图;
图17为本申请实施例提供的一种目标朝向确定系统的结构示意图;
图18为本申请实施例提供的一种目标朝向确定装置的硬件结构示意图。
具体实施方式
首先,对本申请实施例所涉及的应用场景和部分术语进行解释说明。
本申请实施例提供的目标朝向确定方法和装置能够应用在自动驾驶车辆的避障、驾驶策略规划等场景。例如,可以应用于自动驾驶系统的感知模块,或应用于智能交通、安防等领域需要确定目标朝向的系统中。
示例性地,本申请实施例提供的目标朝向确定方法和装置能够应用在A场景和B场景中,下面分别对A场景和B场景进行简单的介绍。
A场景:
自动驾驶车辆在道路的行驶过程中,可以依据自车和周围车辆的驾驶相关数据得到驾驶策略(也可能称为驾驶算法、驾驶模型、控制策略、控制算法或控制模型等)的模型。例如依据本申请实施例的方法确定目标的朝向,进而可以基于目标的朝向确定驾驶策略。
B场景:
自动驾驶车辆在道路的行驶过程中,可以采集周围车辆的驾驶相关数据(也可以称为传感器数据),以及将传感器数据发送给与该自动驾驶车辆通信的其他设备(例如服务端等),该其他设备跟据传感器数据得到用于目标的朝向,该其他设备进而可以基于目标朝向确定驾驶策略,该其他设备可以将该驾驶策略发送给自动驾驶车辆,用于自动驾驶车辆的行驶控制。
当然,本申请实施例提供的目标朝向确定方法和装置还可应用在其它场景,本申请实施例中对此并不作限制。
在目标朝向确定中,目标种类多样,目标间形状、尺寸等差异明显,目标机动性不一。例如,车辆等目标朝向特征明显,行人、自行车等目标朝向不定,随机性较强,目标遮挡情况不一,能够提取朝向的特征并非时刻能够获取到。
相关技术中的通过判断车辆矩形长边方向与车道方向的夹角的关系来获得车辆朝向方法,准确度较低的原因可能有多种。一种可能的原因是,对于逆向停在路边的车辆而言,可能得到相反的朝向,导致目标的朝向获取错误。另一种可能的原因是:车道方向并非时刻都能获取,例如在无清晰车道线的道路、十字路口等,不能自动提取到车道方向,无法对目标的朝向进行约束。另一种可能的原因是:得到目标俯视图像的方式,适用于监控场景,不适合应用在自动驾驶场景,因为在自动驾驶场景中,传感器通常安装在自身车辆上,并不能得到周围环境完整的俯视图像,即使激光雷达通过转换能够得到俯视视角的目标信息,但是容易受遮挡影响,得到的目标矩形形状长边可能不符合真实情况。
基于此,本申请实施例中将目标朝向单一状态量估计问题扩展为多输入源多线索推理,可以在相关技术的朝向线索基础上引入了新的朝向线索,进而通过多朝向线索进行综合推理从而能够有效的改善朝向的稳定性和准确性。
示例性的,图1为本申请实施例提供的系统架构示意图。如图1所示,本申请实施例提供的系统架构1000可以包括:训练设备1001和执行设备1002。其中,训练设备1001用于根据本申请实施例提供的控制策略的训练方法训练控制策略;执行设备1002用于根据本申请实施例提供的目标朝向确定方法使用训练设备1001所训练的控制策略确定目标动作;当然,执行设备1002也可以用于实时训练控制策略,或者每隔预设时长训练控制策略。
本申请实施例中,执行控制策略的训练方法的执行主体可以是上述训练设备1001,也可以是上述训练设备1001中的控制策略的训练装置。示例性地,本申请实施例提供的控制策略的训练装置可以通过软件和/或硬件实现。
本申请实施例中,执行目标朝向确定方法的执行主体可以是上述执行设备1002,也可以是上述执行设备1002中的装置。示例性地,本申请实施例提供的执行设备1002中的装置可以通过软件和/或硬件实现。
示例性地,本申请实施例中提供的训练设备1001可以包括但不限于:模型训练平台设备。
示例性地,本申请实施例中提供的执行设备1002可以包括但不限于:自动驾驶车辆,或者自动驾驶车辆中的控制设备。
图2是本申请实施例提供的车辆100的功能框图。在一个实施例中,将车辆100配置为完全或部分地自动驾驶模式。例如,当车辆100配置为部分地自动驾驶模式时,车辆100在处于自动驾驶模式时还可通过人为操作来确定车辆及其周边环境的当前状态,确定周边环境中的至少一个其他车辆的可能行为,并确定该其他车辆执行可能行为的可能性相对应的置信水平,基于所确定的信息来控制车辆100。在车辆100处于自动驾驶模式中时,可以将车辆100置为在没有和人交互的情况下操作。
车辆100可包括各种子系统,例如行进系统102、传感器系统104、控制系统106、一个或多个外围设备108以及电源110、计算机系统112和用户接口116。可选地,车辆100可包括更多或更少的子系统,并且每个子系统可包括多个元件。另外,车辆100的每个子系统和元件可以通过有线或者无线互连。
行进系统102可包括为车辆100提供动力运动的组件。在一个实施例中,行进系统102可包括引擎118、能量源119、传动装置120和车轮/轮胎121。引擎118可以是内燃引擎、电动机、空气压缩引擎或其他类型的引擎组合,例如汽油发动机和电动机组成的混动引擎,内燃引擎和空气压缩引擎组成的混动引擎。引擎118将能量源119转换成机械能量。
能量源119的示例包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。能量源119也可以为车辆100的其他系统提供能量。
传动装置120可以将来自引擎118的机械动力传送到车轮121。传动装置120可包括变速箱、差速器和驱动轴。在一个实施例中,传动装置120还可以包括其他器件,比如离合器。其中,驱动轴可包括可耦合到一个或多个车轮121的一个或多个轴。
传感器系统104可包括感测关于车辆100周边的环境的信息的若干个传感器。例如,传感器系统104可包括定位系统122(定位系统可以是GPS系统,也可以是北斗系统或者其他定位系统)、惯性测量单元(inertial measurement unit,IMU)124、雷达126、激光测距仪128以及相机130。传感器系统104还可包括被监视车辆100的内部系统的传感器(例如,车内空气质量监测器、燃油量表、机油温度表等)。来自这些传感器中的一个或多个的传感器数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。这种检测和识别是自主车辆100的安全操作的关键功能。
定位系统122可用于估计车辆100的地理位置。IMU 124用于基于惯性加速度来感测车辆100的位置和朝向变化。在一个实施例中,IMU 124可以是加速度计和陀螺仪的组合。
雷达126可利用无线电信号来感测车辆100的周边环境内的物体。在一些实施例中,除了感测物体以外,雷达126还可用于感测物体的速度和/或前进方向。
激光测距仪128可利用激光来感测车辆100所位于的环境中的物体。在一些实施例中,激光测距仪128可包括一个或多个激光源、激光扫描器以及一个或多个检测器,以及其他系统组件。
相机130可用于捕捉车辆100的周边环境的多个图像。相机130可以是静态相机或视频相机。
控制系统106为控制车辆100及其组件的操作。控制系统106可包括各种元件,其中包括转向系统132、油门134、制动单元136、传感器融合算法138、计算机视觉系统140、路线控制系统142以及障碍物避免系统144。
转向系统132可操作来调整车辆100的前进方向。例如在一个实施例中可以为方向盘系统。
油门134用于控制引擎118的操作速度并进而控制车辆100的速度。
制动单元136用于控制车辆100减速。制动单元136可使用摩擦力来减慢车轮121。在其他实施例中,制动单元136可将车轮121的动能转换为电流。制动单元136也可采取其他形式来减慢车轮121转速从而控制车辆100的速度。
计算机视觉系统140可以操作来处理和分析由相机130捕捉的图像以便识别车辆100周边环境中的物体和/或特征。所述物体和/或特征可包括交通信号、道路边界和障碍物。计算机视觉系统140可使用物体识别算法、运动中恢复结构(structure from motion,SFM)算法、视频跟踪和其他计算机视觉技术。在一些实施例中,计算机视觉系统140可以用于为环境绘制地图、跟踪物体、估计物体的速度等等。
路线控制系统142用于确定车辆100的行驶路线。在一些实施例中,路线控制系统142可结合来自传感器138、全球定位系统(global positioning system,GPS)122和一个或多个预定地图的数据以为车辆100确定行驶路线。
障碍物规避系统144用于识别、评估和避开或者以其他方式越过车辆100的环境中的潜在障碍物。
当然,在一个实例中,控制系统106可以增加或替换地包括除了所示出和描述的那些以外的组件。或者也可以减少一部分上述示出的组件。
车辆100通过外围设备108与外部传感器、其他车辆、其他计算机系统或用户之间进行交互。外围设备108可包括无线通信系统146、车载电脑148、麦克风150和/或扬声器152。
在一些实施例中,外围设备108提供车辆100的用户与用户接口116交互的手段。例如,车载电脑148可向车辆100的用户提供信息。用户接口116还可操作车载电脑148来接收用户的输入。车载电脑148可以通过触摸屏进行操作。在其他情况中,外围设备108可提供用于车辆100与位于车内的其它设备通信的手段。例如,麦克风150可从车辆100的用户接收音频(例如,语音命令或其他音频输入)。类似地,扬声器152可向车辆100的用户输出音频。
无线通信系统146可以直接地或者经由通信网络来与一个或多个设备无线通信。例如,无线通信系统146可使用3G蜂窝通信,例如码分多址(code division multipleaccess,CDMA)、EVD0、全球移动通信系统(global system for mobile communications,GSM)/通用分组无线服务(general packet radio service,GPRS),或者4G蜂窝通信,例如LTE。或者5G蜂窝通信。无线通信系统146可利用无线保真(wireless-fidelity,WiFi)与无线局域网(wireless local area network,WLAN)通信。在一些实施例中,无线通信系统146可利用红外链路、蓝牙或紫蜂协议(ZigBee)与设备直接通信。其他无线协议,例如各种车辆通信系统,例如,无线通信系统146可包括一个或多个专用短程通信(dedicated shortrange communications,DSRC)设备,这些设备可包括车辆和/或路边台站之间的公共和/或私有数据通信。
电源110可向车辆100的各种组件提供电力。在一个实施例中,电源110可以为可再充电锂离子或铅酸电池。这种电池的一个或多个电池组可被配置为电源为车辆100的各种组件提供电力。在一些实施例中,电源110和能量源119可一起实现,例如一些全电动车中那样。
车辆100的部分或所有功能受计算机系统112控制。计算机系统112可包括至少一个处理器113,处理器113执行存储在例如数据存储装置114这样的非暂态计算机可读介质中的指令115。计算机系统112还可以是采用分布式方式控制车辆100的个体组件或子系统的多个计算设备。
处理器113可以是任何常规的处理器,诸如商业可获得的中央处理器(centralprocessing unit,CPU)。替选地,该处理器可以是诸如用于供专门应用的集成电路(application specific integrated circuit,ASIC)或其它基于硬件的处理器的专用设备。尽管图2功能性地图示了处理器、存储器、和在相同块中的计算机系统112的其它元件,但是本领域的普通技术人员应该理解该处理器、计算机、或存储器实际上可以包括可以或者可以不存储在相同的物理外壳内的多个处理器、计算机、或存储器。例如,存储器可以是硬盘驱动器或位于不同于计算机的外壳内的其它存储介质。因此,对处理器或计算机的引用将被理解为包括对可以或者可以不并行操作的处理器或计算机或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤,诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器,所述处理器只执行与特定于组件的功能相关的计算。
在此处所描述的各个方面中,处理器可以位于远离该车辆并且与该车辆进行无线通信。在其它方面中,此处所描述的过程中的一些在布置于车辆内的处理器上执行而其它则由远程处理器执行,包括采取执行单一操纵的必要步骤。
在一些实施例中,数据存储装置114可包含指令115(例如,程序逻辑),指令115可被处理器113执行来执行车辆100的各种功能,包括以上描述的那些功能。数据存储装置114也可包含额外的指令,包括向推进系统102、传感器系统104、控制系统106和外围设备108中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。
除了指令115以外,数据存储装置114还可存储数据,例如道路地图、路线信息,车辆的位置、方向、速度以及其它这样的车辆数据,以及其他信息。这种信息可在车辆100在自主、半自主和/或手动模式中操作期间被车辆100和计算机系统112使用。
用户接口116,用于向车辆100的用户提供信息或从其接收信息。可选地,用户接口116可包括在外围设备108的集合内的一个或多个输入/输出设备,例如无线通信系统146、车车在电脑148、麦克风150和扬声器152。
计算机系统112可基于从各种子系统(例如,行进系统102、传感器系统104和控制系统106)以及从用户接口116接收的输入来控制车辆100的功能。例如,计算机系统112可利用来自控制系统106的输入以便控制转向单元132来避免由传感器系统104和障碍物避免系统144检测到的障碍物。在一些实施例中,计算机系统112可操作来对车辆100及其子系统的许多方面提供控制。
可选地,上述这些组件中的一个或多个可与车辆100分开安装或关联。例如,数据存储装置114可以部分或完全地与车辆100分开存在。上述组件可以按有线和/或无线方式来通信地耦合在一起。
可选地,上述组件只是一个示例,实际应用中,上述各个模块中的组件有可能根据实际需要增添或者删除,图2不应理解为对本申请实施例的限制。
在道路行进的自动驾驶汽车,如上面的车辆100,可以识别其周围环境内的物体以确定自身对当前速度的调整。所述物体可以是其它车辆、交通控制设备、或者其它类型的物体。在一些示例中,可以独立地考虑每个识别的障碍物,并且基于各个障碍物各自的特性,诸如它的当前速度、加速度、与车辆的间距等,来确定自动驾驶汽车(自车)所要调整的速度。
可选地,自动驾驶汽车车辆100或者与自动驾驶汽车车辆100相关联的计算设备(如图2的计算机系统112、计算机视觉系统140、数据存储装置114)可以基于所识别的障碍物的特性和周围环境的状态(例如,交通、雨、道路上的冰、等等)来预测所述识别的障碍物的行为。可选地,每一个所识别的障碍物都依赖于彼此的行为,因此还可以将所识别的所有障碍物全部一起考虑来预测单个识别的障碍物的行为。车辆100能够基于预测的所述识别的障碍物的行为来调整它的速度。换句话说,自动驾驶汽车能够基于所预测的障碍物的行为来确定车辆将需要调整到(例如,加速、减速、或者停止)什么状态。在这个过程中,也可以考虑其它因素来确定车辆100的速度,诸如,车辆100在行驶的道路中的横向位置、道路的曲率、静态和动态物体的接近度等等。
除了提供调整自动驾驶汽车的速度的指令之外,计算设备还可以提供修改车辆100的转向角的指令,以使得自动驾驶汽车遵循给定的轨迹和/或维持与自动驾驶汽车附近的障碍物(例如,道路上的相邻车道中的车辆)的安全横向和纵向距离。
上述车辆100可以为轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、割草机、娱乐车、游乐场车辆、施工设备、电车、高尔夫球车、火车、和手推车等,本发明实施例不做特别的限定。
图3为图2中的计算机系统112的结构示意图。如图3所示,计算机系统112包括处理器113,处理器113和系统总线105耦合。处理器113可以是一个或者多个处理器,其中每个处理器都可以包括一个或多个处理器核。显示适配器(video adapter)107,显示适配器107可以驱动显示器109,显示器109和系统总线105耦合。系统总线105通过总线桥111和输入输出(I/O)总线耦合。I/O接口115和I/O总线耦合。I/O接口115和多种I/O设备进行通信,比如输入设备117(如:键盘,鼠标,触摸屏等),多媒体盘(media tray)121,(例如,CD-ROM,多媒体接口等)。收发器123(可以发送和/或接受无线电通信信号),摄像头155(可以捕捉静态和动态数字视频图像)和外部USB接口125。其中,可选地,和I/O接口115相连接的接口可以是通用串行总线(universal serial bus,USB)接口。
其中,处理器113可以是任何传统处理器,包括精简指令集计算(“RISC”)处理器、复杂指令集计算(“CISC”)处理器或上述的组合。可选地,处理器可以是诸如专用集成电路(“ASIC”)的专用装置。可选地,处理器113可以是神经网络处理器或者是神经网络处理器和上述传统处理器的组合。
可选地,在本文所述的各种实施例中,计算机系统可位于远离自动驾驶车辆的地方,并且可与自动驾驶车辆无线通信。在其它方面,本文所述的一些过程在设置在自动驾驶车辆内的处理器上执行,其它由远程处理器执行,包括采取执行单个操纵所需的动作。
计算机系统112可以通过网络接口129和软件部署服务器149通信。网络接口129是硬件网络接口,比如,网卡。网络127可以是外部网络,比如因特网,也可以是内部网络,比如以太网或者虚拟私人网络(VPN)。可选地,网络127还可以是无线网络,比如WiFi网络,蜂窝网络等。
硬盘驱动接口131和系统总线105耦合。硬盘驱动接口131和硬盘驱动器133相连接。系统内存135和系统总线105耦合。运行在系统内存135的软件可以包括计算机系统112的操作系统(operating system,OS)137和应用程序143。
操作系统包括Shell 139和内核(kernel)141。Shell 139是介于使用者和操作系统之内核(kernel)间的一个接口。shell是操作系统最外面的一层。shell管理使用者与操作系统之间的交互:等待使用者的输入,向操作系统解释使用者的输入,并且处理各种各样的操作系统的输出结果。
内核141由操作系统中用于管理存储器、文件、外设和系统资源的那些部分组成。直接与硬件交互,操作系统的内核141通常运行进程,并提供进程间的通信,提供CPU时间片管理、中断、内存管理、IO管理等等。
应用程序141包括控制汽车自动驾驶相关的程序,比如,管理自动驾驶的汽车和路上障碍物交互的程序,控制自动驾驶汽车路线或者速度的程序,控制自动驾驶汽车和路上其他自动驾驶汽车交互的程序。应用程序141也存在于软件部署服务器(deployingserver)149的系统上。在一个实施例中,在需要执行应用程序141时,计算机系统可以从deploying server149下载应用程序143。
传感器153和计算机系统关联。传感器153用于探测计算机系统112周围的环境。举例来说,传感器153可以探测动物,汽车,障碍物和人行横道等,进一步传感器还可以探测上述动物,汽车,障碍物和人行横道等物体周围的环境,比如:动物周围的环境,例如,动物周围出现的其他动物,天气条件,周围环境的光亮度等。可选地,如果计算机系统112位于自动驾驶的汽车上,传感器可以是摄像头,红外线感应器,化学检测器,麦克风等。
图4为本申请实施例提供的一种芯片硬件结构的示意图。如图4所示,该芯片可以包括神经网络处理器30。该芯片可以被设置在如图1所示的执行设备1002中,用以完成申请实施例提供的目标朝向确定方法。该芯片也可以被设置在如图1所示的训练设备1001中,用以完成申请实施例提供的控制策略的训练方法。
神经网络处理器30可以是NPU,TPU,或者GPU等一切适合用于大规模异或运算处理的处理器。以NPU为例:NPU可以作为协处理器挂载到主CPU(host CPU)上,由主CPU为其分配任务。NPU的核心部分为运算电路303,通过控制器304控制运算电路303提取存储器(301和302)中的矩阵数据并进行乘加运算。
在一些实现中,运算电路303内部包括多个处理单元(process engine,PE)。在一些实现中,运算电路303是二维脉动阵列。运算电路303还可以是一维脉动阵列或者能够执行例如乘法和加法这样的数学运算的其它电子线路。在一些实现中,运算电路303是通用的矩阵处理器。
举例来说,假设有输入矩阵A,权重矩阵B,输出矩阵C。运算电路303从权重存储器302中取矩阵B的权重数据,并缓存在运算电路303中的每一个PE上。运算电路303从输入存储器301中取矩阵A的输入数据,根据矩阵A的输入数据与矩阵B的权重数据进行矩阵运算,得到的矩阵的部分结果或最终结果,保存在累加器(accumulator)308中。
统一存储器306用于存放输入数据以及输出数据。权重数据直接通过存储单元访问控制器(direct memory access controller,DMAC)305,被搬运到权重存储器302中。输入数据也通过DMAC被搬运到统一存储器306中。
总线接口单元(bus interface unit,BIU)310,用于DMAC和取指存储器(instruction fetch buffer)309的交互;总线接口单元301还用于取指存储器309从外部存储器获取指令;总线接口单元301还用于存储单元访问控制器305从外部存储器获取输入矩阵A或者权重矩阵B的原数据。
DMAC主要用于将外部存储器DDR中的输入数据搬运到统一存储器306中,或将权重数据搬运到权重存储器302中,或将输入数据搬运到输入存储器301中。
向量计算单元307多个运算处理单元,在需要的情况下,对运算电路303的输出做进一步处理,如向量乘,向量加,指数运算,对数运算,大小比较等等。向量计算单元307主要用于神经网络中非卷积层,或全连接层(fully connected layers,FC)的计算,具体可以处理:Pooling(池化),Normalization(归一化)等的计算。例如,向量计算单元307可以将非线性函数应用到运算电路303的输出,例如累加值的向量,用以生成激活值。在一些实现中,向量计算单元307生成归一化的值、合并值,或二者均有。
在一些实现中,向量计算单元307将经处理的向量存储到统一存储器306。在一些实现中,经向量计算单元307处理过的向量能够用作运算电路303的激活输入。
控制器304连接的取指存储器(instruction fetch buffer)309,用于存储控制器304使用的指令;
统一存储器306,输入存储器301,权重存储器302以及取指存储器309均为On-Chip存储器。外部存储器独立于该NPU硬件架构。
图5为本申请实施例提供的操作环境示意图。如图5所示,云服务中心可以经网络502(如无线通信网络),从其操作环境500内的自动驾驶车辆510和512接收信息(诸如车辆传感器收集到数据或者其它信息)。
示例性地,云服务中心520可以经网络502(如无线通信网络)从自动驾驶车辆510接收自动驾驶车辆510在任意时刻的行驶信息(例如行驶速度和/或行驶位置和/或周围障碍物的等信息)以及自动驾驶车辆510感知范围内其他车辆的行驶信息等。
云服务中心520根据接收到的信息,可以运行其存储的控制汽车自动驾驶相关的程序,从而实现对自动驾驶车辆510和自动驾驶车辆512的控制。控制汽车自动驾驶相关的程序可以为,管理自动驾驶的汽车和路上障碍物交互的程序,控制自动驾驶汽车路线或者速度的程序,控制自动驾驶汽车和路上其他自动驾驶汽车交互的程序,例如云服务中心520可以基于自动驾驶车辆510提供的周围障碍物(或称为目标)的行驶相关信息,计算目标的朝向,基于目标的朝向与自动驾驶车辆510交互。
网络502将地图的部分提供给自动驾驶车辆510和512。
例如,多个云服务中心可以接收、证实、组合和/或发送信息报告。在一些示例中还可以在自动驾驶车辆之间发送信息报告和/传感器数据。
在一些示例中,云服务中心520可以向自动驾驶车辆(或自动驾驶汽车)发送对于基于环境内可能的驾驶情况所建议的解决方案(如,告知前方障碍物,并告知如何绕开它)。例如,云服务中心520可以辅助车辆确定当面对环境内的特定障碍时如何行进。云服务中心520可以向自动驾驶车辆发送指示该车辆应当在给定场景中如何行进的响应。例如,云服务中心基于收集到的传感器数据,可以确认道路前方具有临时停车标志的存在,并还该车道上基于“车道封闭”标志和施工车辆的传感器数据,确定该车道由于施上而被封闭。相应地,云服务中心520可以发送用于自动驾驶车辆通过障碍的建议操作模式(例如:指示车辆变道另一条道路上)。云服务中心520可以观察其操作环境内的视频流并且已确认自动驾驶车辆能安全并成功地穿过障碍时,对该自动驾驶车辆所使用操作步骤可以被添加到驾驶信息地图中。相应地,这一信息可以发送到该区域内可能遇到相同障碍的其它车辆,以便辅助其它车辆不仅识别出封闭的车道还知道如何通过。
需要说明的是,自动驾驶车辆510和/或512在运行过程中可以自主控制行驶,也可以不需要云服务中心520的控制。
本申请实施例中涉及的目标也可能称为障碍物,目标可以是动态移动的目标也可以是静态的目标。例如,目标可以包括但不限于以下至少一项:自动驾驶车辆、非自动驾驶的机动车辆、人、物体。
本申请实施例所涉及的目标的速度数据可以称为速度矢量,可以反映目标的速度值和速度的方向信息等。目标的速度数据可以是依据对目标的跟踪计算得到的。例如,可以使用卡尔曼滤波方法基于匀速运动模型(Constant Velocity,CV)、恒转速恒速度运动模型(Constant Turn Rate and Velocity,CTRV)等运动模型获取目标的速度数据,或根据视觉图像或激光雷达点云数据获取目标的三维检测结果,然后进行目标跟踪,得到目标的速度数据。例如,可以采用深度神经网络如基于区域卷积神经网络的点云目标检测方法(PointRegions with Convolutional Neural Network,PointRCNN)、基于视椎模型的一种点云目标检测方法(Frustum based Point Network,F-PointNet)等从激光雷达点云中得到目标三维检测结果,该检测结果中包含了目标中心点位置、尺寸和朝向等属性,然后利用目标跟踪算法就可以得到目标的速度数据。
因为运动的目标对于自动驾驶车辆来说更具威胁性,需要更加准确可靠的朝向信息,单纯依赖检测方法得到的朝向信息不够稳定,因此引入目标的速度数据作为朝向的线索,可以有效提高计算目标朝向的准确度。
本申请实施例所涉及的目标的源朝向数据可以是基于相关技术直接检测到的目标的朝向。例如,可以采用深度学习(deep learning,DL)或传统算法(例如卡尔曼滤波等)对视觉图像、激光雷达点云数据、毫米波雷达点云数据或超声雷达点云数据等包含目标的数据进行检测,得到目标的源朝向数据。
由于基于相关技术直接检测到的目标的朝向中,一般利用回归方法得到目标的朝向,可能会出现朝向突变,因此,一种可能的实现方式中,本申请实施例针对目标朝向可能出现突变导致朝向的获取不准确的问题点,设计了异常值滤波,改善因朝向异常突变导致的朝向确定准确度低的情况。
一种可能的实现方式中,本申请实施例可以设置异常值滤波器(也可能称为滤波器等),利用异常值滤波器对源朝向数据中的异常朝向数据进行滤波。
示例性的,以在目标的源朝向数据中,异常朝向可能出现的情形包括朝向突变情形和朝向稳定切换情形为例,说明异常值滤波器对异常朝向数据进行滤波的具体实现。
例如,图6示出了一种源朝向数据中存在朝向突变情形的示意图。如图6所示,测量值对应的行为检测算法实时检测目标得到的源朝向数据,真值对应的行为目标实际真实朝向,如图6所示出的,在第二帧、第三帧和第五帧检测朝向出现了突变,即初始时朝向测量值符合真实朝向,中间出现一些异常值,导致测量目标的朝向与实际目标的朝向不符。而按照正常物理规律,目标的朝向不可能在短时间内发生突变,因此异常值滤波器可以识别出这种异常的发生,并采取一定的滤波算法抵抗朝向的突变,维持突变前的朝向输出,从而给出符合目标实际情况的朝向。
例如,图7示出了一种源朝向数据中存在朝向稳定切换情形的示意图。如图7所示,测量值对应的行为检测算法实时检测目标得到的源朝向数据,真值对应的行为目标实际真实朝向,如图7所示出的,在第一帧和第二帧检测朝向出现了突变,突变之后变成了稳定的正确朝向。此时如果识别出突变发生,维持突变前的输出朝向,就会一直给出错误的朝向,因此还需要异常值滤波器能够响应测量朝向输出结果在发生突变之后保持的稳定状态。
基于此,本申请实施例的一种可能的实现方式中,提供一种能够兼顾抵抗朝向突变和响应朝向稳定变化的滤波方法。
一种可能的实现方式中,可以对源朝向数据中的多个朝向数据按照时间顺序排序;对于多个朝向数据,计算时间在后的朝向数据与时间在前作为第一朝向的朝向数据的第一角度差;在第一角度差小于第二阈值的情况下,设置时间在后的朝向数据对应的朝向为第一朝向;或者,在第一角度差大于或等于第二阈值的情况下,计算时间在前作为第一朝向的朝向数据与时间在后的朝向数据的下个朝向数据的第二角度差,以及记录第二角度差小于第二阈值的次数;在次数大于或等于第三阈值的情况下,设置次数等于第三阈值时的朝向数据为第一朝向。
本申请实施例中,第二阈值、第三阈值可以根据实际需求设定,对第二阈值、第三阈值的具体值不作限定。第一朝向可以是对源朝向数据进行滤波后的朝向数据的代称,第一朝向代表的朝向数据的数量可以一个或多个,本申请实施例对此不做具体限定。时间在前作为第一朝向的朝向数据可以认为是异常值滤波器的上一帧输出朝向,或者可以理解为异常值滤波器的当前朝向。
示例性的,图8示出了一种滤波方法的流程图。
如图8所示,可以使用数据缓存队列(buffer)对源朝向数据按时间顺序(T1-Tn)进行存储,然后依次从该队列中取出朝向。
例如,对于第一帧朝向,由于没有历史信息,可以直接作为异常值滤波器输出朝向。对于下一帧输入朝向,可以计算该帧朝向与上一帧输出朝向(该上一帧输出朝向可以认为是经过异常值滤波器处理后输出的第一朝向,或者可以理解为异常滤波器的当前输出朝向中与该下一帧输入朝向时间上最接近的朝向,或者也可以是与该帧朝向相邻的在前朝向数据)之间的角度差Δθ,如果Δθ小于事先设定好的允许两帧间角度差变化的阈值(第一阈值),则更新异常滤波器的输出朝向为当前输入朝向。
如果Δθ大于或等于事先设定好的允许两帧间角度差变化的阈值,可以认为当前帧朝向相对于上一帧发生了突变,进而可以判断是否发送稳定切换,例如,在首次发生异常突变时,设置标志位(例如begin_first_change)为true,并将计数器(例如continuous_change_num)置为0,其中计数器continuous_change_num记录的是首次识别到朝向异常之后输入朝向连续保持异常后的朝向的连续帧数(例如,该帧朝向与后续的多帧朝向的角度差均大于一定值),如果continuous_change_num大于事先设定好的阈值,则认为目标朝向发生了稳定的切换,将滤波器输出朝向重置为最新输入朝向,否则,可以仍然维持上一时刻输出朝向。这样,通过利用begin_first_change标志位和continuous_change_num计算器就可以实现抵抗朝向突变并响应朝向稳定切换的异常值滤波器。可以理解,这种滤波器不仅可以应用在本申请实施例的源朝向值的滤波过程中,还可以应用任何数据有类似变化规律的滤波问题中。
一种可能的实现方式中,图8中的计数器也可以替换为计时器,在计时器的值大于一定值时认为目标朝向发生了稳定的切换,将滤波器输出朝向重置为最新输入朝向,否则,可以仍然维持上一时刻输出朝向,在此不再赘述。
本申请实施例所涉及的目标的轨迹数据可以是通过一段时间内目标的位置信息的集合,通过对目标的轨迹数据进行拟合,得到整体变化的轨迹直线,能较好反映目标的朝向。对于低速运动目标,经过卡尔曼滤波得到的速度方向可能不稳定,在时间线上,宏观角度上看其位置是稳定向其运动方向推进的,利用目标的轨迹数据直线拟合得到的朝向作为计算朝向的线索,可以得到相对准确稳定的目标朝向输出结果。
一种可能的实现方式中,可以对目标的述运动轨迹数据进行直线拟合,得到第二朝向。第二朝向可以理解为对目标的运动轨迹数据拟合后得到的朝向数据的代称,第二朝向代表的朝向数据的数量可以一个或多个,本申请实施例对此不做具体限定。
一种可能的实现方式中,对运动轨迹数据进行直线拟合的一种可能实现为:对运动轨迹数据中的多个位置数据按照时间顺序排序;对于多个位置数据中相邻的两个朝向数据,计算时间在后的位置数据与时间在前的位置数据的第一距离;在第一距离小于或等于第四阈值的情况下,确定时间在后的位置数据为候选位置数据;在候选位置数据的数量大于第五阈值的情况下,对候选位置数据进行直线拟合,得到第二朝向。
示例性的,图9示出了一种对运动轨迹数据进行直线拟合的流程示意图。
如图9所示,对运动轨迹数据进行直线拟合具体流程可以包括两个阶段:数据准备阶段和直线拟合阶段。
在数据准备阶段,第一帧目标定位点(也可以称为目标中心的绝对坐标,或目标位置等)存入直线拟合数据队列中,对后续每一帧输入定位点,判断该点与直线拟合数据队列中最新点的距离(例如欧式距离),如果距离不大于一定阈值,则增加已有不大于阈值的定位点数量(或持续时长),如果不大于阈值点数量(或持续时长)大于一定阈值,则该目标很有可能处于静止状态,则可以清空直线拟合数据队列;如果距离大于一定阈值,则可以将该定位点作为最新的参与直线拟合的轨迹点存入到直线拟合数据队列中,并重置对于不大于阈值的定位点数量(或持续时长)的记录。数据准备阶段得到参与直线拟合的数据队列之后,可以判断数据队列长度是否满足能够进行直线拟合的阈值,如果满足,则进行直线拟合。
直线拟合过程可以使用基于距离目标函数的迭代优化方法,优化目标是找到一条直线方程(也可能称为直线或拟合直线等)能够使各拟合点(也可以称为候选位置数据)到直线距离的目标函数最小。
在直线拟合中,还可以设置各拟合点的权重,例如,拟合点到直线的距离越小,权重越大。可以理解,也可能出现到直线的距离较小的拟合点的权重小于或等于到直线的距离较大的拟合点的权重,本申请实施例对此不做具体限定。
示例性的,假设l为需要拟合的直线,ri为第i个拟合点到直线的距离,C为常量;优化目标函数为∑iρ(ri),其中:
该函数中,可以区别对待到拟合直线距离不同点的权重,距离直线越近,是二次项距离,意味着重点优化距离直线较近的点,从而能够抵抗中心点位置噪声对直线拟合的影响。
需要说明的是,上述公式中,1/2可以是根据实际设置的常量,在上述公式中1/2也可能替换为1/3、1/4,3/5等任意不大于1的值,本申请实施例对此不做具体限定。
本申请实施例中所涉及的多线索推理中,可以依据目标的速度数据、运动轨迹数据或源朝向数据的两种或三种推理目标的朝向。在可能的理解方式中,源朝向数据经过异常值滤波后大部分情况符合目标的真实朝向,但仍然会给出完全错误朝向的可能,它的优点在于能够给出静止目标的朝向。速度数据在目标的运动速度较大,运动形态比较稳定时,基本可靠,但在目标低速运动或者静止时,会受目标位置点的抖动噪声影响较大,导致给出的速度方向错误。轨迹拟合直线方向基本符合目标真实运动方向,对于低速和高速运动目标都有效,它的问题在于响应不够快,因为需要足够的点拟合直线,没有速度方向响应快,特别是目标在转弯运动时。因此所设计的逻辑推理流程可以结合三种线索的特点涉及。
示例性的,本申请实施例中采用了平行角度抑制原则。在对目标客观朝向推理过程中,如果不同线索给出的朝向基本上平行(包括基本同向和基本反向),可以认为真实朝向与其中某个朝向一致,而认为另一个平行朝向仅提供参考线索,不作为输出朝向,因为目标真实朝向可能与运动方向正好相反,此处称这种处理方式可以称为平行角度抑制原则。
其中,基本同向可以理解为朝向相同且朝向之间的角度差不大于一定值,或者也可以认为近似同向,等。基本反向可以理解为朝向相反且朝向之间的角度差不大于一定值,或者也可以认为近似反向,等。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以独立实现,也可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。
图10为本申请实施例提供的一种目标朝向确定方法的流程示意图,如图10所示,该方法包括:
S101:获取车辆周围的目标的传感器数据。
本申请实施例中,可以利用车辆的传感器获取包含车辆周围的目标(也可以称为障碍物)的相关数据。
例如,可以利用车辆中的摄像头拍摄包含该目标的图像,或者利用车辆中的激光雷达获取包含该目标的点云数据等,本申请实施例对该目标的传感器数据不做具体限定。
S102:根据传感器数据获取目标的相关数据,目标的相关数据包括下述的至少两种:目标的速度数据、目标的运动轨迹数据、目标的源朝向数据。
本申请实施例中,可以采用如上述解释中的任意方式获取目标的速度数据、目标的运动轨迹数据、目标的源朝向数据的两种或三种,在此不再赘述。
S103:至少利用目标的相关数据确定目标的朝向。
因为本申请实施例中采用目标的速度数据、目标的运动轨迹数据、目标的源朝向数据的两种或三种计算目标的朝向,相较于相关技术的单一线索的计算目标朝向的方式,能得到更为准确的目标朝向。
在依据目标的速度数据、目标的运动轨迹数据、目标的源朝向数据的两种或三种计算目标的朝向时,可以结合三种数据的特点,采用适应的计算方式。
示例性的,图11-图14示出了四种可能的利用目标的相关数据计算目标的朝向的流程示意图。
如图11所示,目标的相关数据包括运动轨迹数据和源朝向数据。可以对源朝向数据中的异常朝向数据进行滤波,得到第一朝向;利用运动轨迹数据进行直线拟合,得到第二朝向;具体的滤波和直线拟合可以参照前述的记载,在此不再赘述。在第一朝向与第二朝向基本为同向或反向的情况下,将第一朝向作为目标的朝向;或者,在第一朝向与第二朝向不满足基本为同向或反向的情况下,将第二朝向作为目标的朝向。
这样,可以结合源朝向数据和运动轨迹数据上述的特点,得到较为准确的目标的朝向。
如图12所示,目标的相关数据包括速度数据和运动轨迹数据,速度数据包括速度的方向信息;利用目标的相关数据计算目标的朝向包括:利用运动轨迹数据进行直线拟合,得到第二朝向;在速度数据中的方向信息与第二朝向基本为同向或反向的情况下,将速度数据中的方向信息作为目标的朝向;或者,在速度数据中的方向信息与第二朝向不满足基本为同向或反向的情况下,将第二朝向作为目标的朝向。
这样,可以结合速度数据和运动轨迹数据上述的特点,得到较为准确的目标的朝向。
如图13所示,目标的相关数据包括速度数据和源朝向数据,速度数据包括速度值和方向信息;利用目标的相关数据计算目标的朝向包括:对源朝向数据中的异常源朝向数据进行滤波,得到第一朝向;在速度值大于或等于第一阈值的情况下,将速度数据中的方向信息作为目标的朝向;或者,在速度值小于第一阈值的情况下,将第一朝向作为目标的朝向。
这样,可以结合源朝向数据和速度数据上述的特点,得到较为准确的目标的朝向。
如图14所示,目标的相关数据包括速度数据、运动轨迹数据和源朝向数据,速度数据包括速度值和方向信息;利用目标的相关数据计算目标的朝向包括:对源朝向数据中的异常源朝向数据进行滤波,得到第一朝向;利用运动轨迹数据进行直线拟合,得到第二朝向。
在速度数据中的速度值小于第一阈值,且第一朝向与第二朝向基本为同向或反向的情况下,将第一朝向作为目标的朝向。
或者,在速度数据中的速度值小于第一阈值,且第一朝向与第二朝向不满足基本为同向或反向的情况下,将第二朝向作为目标的朝向。
或者,在速度数据中的速度值大于或等于第一阈值,且第一朝向与速度数据中的方向信息基本为同向或反向的情况下,将速度数据中的方向信息作为目标的朝向。
或者,在速度数据中的速度值大于或等于第一阈值,且第一朝向与速度数据中的方向信息不满足基本为同向或反向的情况下,将第一朝向与速度数据中的方向信息二者中与第二朝向为同向或反向的朝向作为目标的朝向。
或者,在速度数据中的速度值大于或等于第一阈值,第一朝向与速度数据中的方向信息不满足基本为同向或反向,且第一朝向与第二朝向不满足基本为同向或反向的情况下,将第二朝向作为目标的朝向。
本申请实施例中,可以基于目标的速度大小进行,首先判断目标速度大小是否大于一定阈值,该阈值大小能够衡量速度的稳定性。如果不大于该阈值,则判断拟合得到的第二朝向(后续称为拟合朝向)是否有效,如果有效,则进一步判断拟合朝向与滤波得到的第一朝向(也可以称为检测朝向)是否满足上述的平行抑制原则,如果符合则输出检测朝向,否则输出拟合朝向,如果拟合朝向无效,则此时只能选择相信检测朝向。如果速度大小大于一定阈值,则认为此时速度方向较为稳定,则判断速度朝向与检测朝向是否满足平行抑制原则,如果满足,则输出检测朝向,不满足则认为速度朝向和检测朝向出现了矛盾,此时进一步判断拟合朝向是否有效,如果拟合朝向有效,则判断拟合朝向与速度朝向和检测朝向中哪一个满足平行抑制原则,则输出对应那一个的朝向,否则输出拟合朝向,如果拟合朝向无效,则选择相信速度朝向。从而可以得到较为准确的目标的朝向。
示例性的,图15示出了图14的实施例的多逻辑推理的核心流程示意图。如图15所示,依据对目标的检测(例如从目标检测模块直接得到目标在车体坐标系下的朝向属性)可以得到目标的源朝向数据(也可以称为检测朝向),依据对目标的跟踪可以得到目标的速度数据(也可称为速度方向)和目标的运动轨迹数据(也可以称为历史轨迹点)。
利用异常值滤波器滤除源朝向数据中的异常值得到稳定检测朝向结果(也可以称为第一朝向)。
对历史轨迹点进行直线拟合,例如在对目标进行跟踪过程中,通过保存目标历史跟踪点,结合本车位姿信息,就可以得到目标历史轨迹点在绝对坐标系下的位置,这些位置点构成的直线能够很好的描述运动目标的运动方向。
进而可以进行多线索逻辑推理。例如将目标滤波后检测朝向、历史轨迹直线拟合方向,以及跟踪模块输出的速度方向,统一转换到绝对坐标系下,构成提供目标朝向线索的多个输入源,针对不同朝向输入源的特点,设计不同逻辑推理流程,从而输出目标真实客观稳定的朝向。
在如10-图15所示的实施例的基础上,一种可能的实现方式中,利用上述的目标朝向的计算方法,多次计算目标的朝向,在多次计算的目标的朝向稳定的情况下,确定目标的目标预测朝向;在目标预测朝向与源朝向数据的差值在预设范围的情况下,确定目标预测朝向为目标的真实朝向。
本申请实施例中,增加了输出朝向一致性验证环节,即考虑到目标客观朝向并不会发生不正常的跳变情况,因此可以在连续记录输出朝向稳定时,认为已经推理得到了目标客观朝向(也可以称为目标预测朝向),此时后续的朝向变化应该在此基础上保持连续的变化,通过将客观朝向与输入朝向源(也可以称为源朝向数据)进行方向比较,如果符合目标正常朝向变化范围,则可以利用对应输入朝向源更新输出朝向,否则维持可以上一帧输出朝向。这样,通过增加输出朝向一致性验证环节,能够在一定程度上保证了输出朝向变化的连续性和稳定性,得到更加准确的目标朝向。
在如10-图15所示的实施例的基础上,一种可能的实现方式中,在确定目标的真实朝向后,还可以显示目标的真实朝向。
示例性的,如图16所示,可以在车辆人机交互界面160(例如中控屏)上显示目标的真实朝向。
例如,车辆1601可以表示自车,车辆周围的目标车辆可以采用箭头指示器朝向。可以理解,图16只是一种示例性的显示方式,实际应用中可以采用任意行驶显示目标的真实朝向,本申请实施例对此不作具体限定。
本申请实施例的上述方法的实现可以借助于自动驾驶车辆的软硬件系统。其中硬件系统可以包括目标探测传感器、处理器等。其中目标探测传感器可以包括激光雷达传感器,用于对自车周围环境的目标进行探测。处理器可以用于接收目标探测传感器的数据并处理数据、输出障碍物目标,处理器例如可以是通用处理器、图形图像处理器等。其中软件系统包括操作系统、传感器驱动、传感器数据处理程序等。
示例性的,图17示出了本申请实施例提供一种目标朝向确定系统。本申请实施例的目标朝向确定系统可以位于自动驾驶软件系统中的感知模块,本申请实施例输出的目标朝向可以发送给感知模块内的其他子模块如目标跟踪子模块,用来校正目标输出朝向属性。
或者,本申请实施例的目标朝向确定系统可以应用于环境感知系统中的目标属性后处理模块,用来校正经过目标检测和目标跟踪后得到的目标朝向属性。例如,环境感知系统可以包括用于对自车周围环境的目标进行探测的传感器、用于检测目标的源朝向数据以及其他基础数据的目标检测模块、用于进行目标跟踪获取目标的位置、速度、朝向和尺寸等属性的目标跟踪模块和执行本申请实施例的目标属性后处理模块等。
如图17所示,目标朝向确定系统170包括:传感器1701和处理模块1702;
其中,传感器,用于获取车辆周围的目标的传感器数据;
处理模块,用于根据传感器数据获取目标的相关数据,目标的相关数据包括下述的至少两种:目标的速度数据、目标的运动轨迹数据、目标的源朝向数据;至少利用目标的相关数据确定目标的朝向。
一种可能的实现方式中,处理模块1702包括:目标跟踪单元17021、滤波单元17022、直线拟合单元17023和多线索推理单元17024;目标的相关数据包括运动轨迹数据和源朝向数据;目标跟踪单元,用于获取目标的速度数据;滤波单元,用于对源朝向数据中的异常朝向数据进行滤波,得到第一朝向;直线拟合单元,用于利用运动轨迹数据进行直线拟合,得到第二朝向;多线索推理单元,用于在第一朝向与第二朝向基本为同向或反向的情况下,将第一朝向作为目标的朝向;或者,在第一朝向与第二朝向不满足基本为同向或反向的情况下,将第二朝向作为目标的朝向。
一种可能的实现方式中,处理模块包括:目标跟踪单元、直线拟合单元和多线索推理单元;目标的相关数据包括速度数据和运动轨迹数据,速度数据包括速度的方向信息;目标跟踪单元,用于获取目标的速度数据;直线拟合单元,用于对运动轨迹数据进行直线拟合,得到第二朝向;多线索推理单元,用于在速度数据中的方向信息与第二朝向基本为同向或反向的情况下,将速度数据中的方向信息作为目标的朝向;或者,在速度数据中的方向信息与第二朝向不满足基本为同向或反向的情况下,将第二朝向作为目标的朝向。
一种可能的实现方式中,处理模块包括:目标跟踪单元、滤波单元和多线索推理单元;目标的相关数据包括速度数据和源朝向数据,速度数据包括速度值和方向信息;目标跟踪单元,用于获取目标的速度数据;滤波单元,用于对源朝向数据中的异常源朝向数据进行滤波,得到第一朝向;多线索推理单元,用于在速度值大于或等于第一阈值的情况下,将速度数据中的方向信息作为目标的朝向;或者,在速度值小于第一阈值的情况下,将第一朝向作为目标的朝向。
一种可能的实现方式中,处理模块包括:目标跟踪单元、滤波单元、直线拟合单元和多线索推理单元;目标的相关数据包括速度数据、运动轨迹数据和源朝向数据,速度数据包括速度值和方向信息;目标跟踪单元,用于获取目标的速度数据;滤波单元,用于对源朝向数据中的异常源朝向数据进行滤波,得到第一朝向;直线拟合单元,用于对运动轨迹数据进行直线拟合,得到第二朝向;多线索推理单元,用于在速度数据中的速度值小于第一阈值,且第一朝向与第二朝向基本为同向或反向的情况下,将第一朝向作为目标的朝向;或者,在速度数据中的速度值小于第一阈值,且第一朝向与第二朝向不满足基本为同向或反向的情况下,将第二朝向作为目标的朝向;或者,在速度数据中的速度值大于或等于第一阈值,且第一朝向与速度数据中的方向信息基本为同向或反向的情况下,将速度数据中的方向信息作为目标的朝向;或者,在速度数据中的速度值大于或等于第一阈值,且第一朝向与速度数据中的方向信息不满足基本为同向或反向的情况下,将第一朝向与速度数据中的方向信息二者中与第二朝向为同向或反向的朝向作为目标的朝向;或者,在速度数据中的速度值大于或等于第一阈值,第一朝向与速度数据中的方向信息不满足基本为同向或反向,且第一朝向与第二朝向不满足基本为同向或反向的情况下,将第二朝向作为目标的朝向。
一种可能的实现方式中,滤波单元,具体用于:对源朝向数据中的多个朝向数据按照时间顺序排序;对于多个朝向数据,计算时间在后的朝向数据与时间在前作为第一朝向的朝向数据的第一角度差;在第一角度差小于第二阈值的情况下,设置时间在后的朝向数据对应的朝向为第一朝向;或者,在第一角度差大于或等于第二阈值的情况下,计算时间在前作为第一朝向的朝向数据与时间在后的朝向数据的下个朝向数据的第二角度差,以及记录第二角度差小于第二阈值的次数;在次数大于或等于第三阈值的情况下,设置次数等于第三阈值时的朝向数据为第一朝向。
一种可能的实现方式中,直线拟合单元,具体用于:对运动轨迹数据中的多个位置数据按照时间顺序排序;对于多个位置数据中相邻的两个朝向数据,计算时间在后的位置数据与时间在前的位置数据的第一距离;在第一距离小于或等于第四阈值的情况下,确定时间在后的位置数据为候选位置数据;在候选位置数据的数量大于第五阈值的情况下,对候选位置数据进行直线拟合,得到第二朝向。
一种可能的实现方式中,直线拟合单元,具体用于得到一条直线使得各候选位置数据到直线距离的目标函数最小。
一种可能的实现方式中,候选位置数据的第一权重大于候选位置数据的第二权重;其中,第一权重为在候选位置数据到直线的距离小于第一常量的情况下的权重;第二权重为在候选位置数据到直线的距离大于或等于第一常量的情况下的权重。
一种可能的实现方式中,对候选位置数据进行直线拟合满足下述公式:
其中,ρ(r)为目标函数,r为存储的位置数据中任一个位置数据到拟合直线的距离,C为常量。
一种可能的实现方式中,处理模块还用于:在多次确定的目标的朝向稳定的情况下,确定目标的目标预测朝向;在目标预测朝向与源朝向数据的差值在预设范围的情况下,确定目标预测朝向为目标的真实朝向。
一种可能的实现方式中,目标朝向确定系统还包括:显示模块,用于显示目标的真实朝向。
本申请实施例还提供一种车辆,包括用于执行上述实施例的步骤的单元。
本申请实施例还提供一种服务端,包括用于执行上述实施例的步骤的单元。
本申请实施例还提供一种电子设备,在采用对应各个功能划分各个功能模块的情况下,该电子设备包括:传感器和处理模块,用于支持目标朝向确定装置执行上述实施例中的步骤,例如传感器可以执行S101的操作,处理模块可以执行S102至S103的操作,或者本申请实施例所描述的技术的其他过程。
其中,上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述,在此不再赘述。
当然,目标朝向确定装置包括但不限于上述所列举的单元模块。并且,上述功能单元的具体所能够实现的功能也包括但不限于上述实例所述的方法步骤对应的功能,电子设备的其他单元的详细描述可以参考其所对应方法步骤的详细描述,本申请实施例这里不予赘述。
在采用集成的单元的情况下,上述实施例中所涉及的电子设备可以包括:处理模块、存储模块和通信模块。存储模块,用于保存电子设备的程序代码和数据。该通信模块用于支持电子设备与其他网络实体的通信,以实现电子设备的通话,数据交互,Internet访问等功能。
其中,处理模块用于对电子设备的动作进行控制管理。处理模块可以是处理器或控制器。通信模块可以是收发器、RF电路或通信接口等。存储模块可以是存储器。
进一步的,该电子设备还可以包括输入模块和显示模块。显示模块可以是屏幕或显示器。输入模块可以是触摸屏,语音输入装置,或指纹传感器等。
如图18所示,示出了本申请实施例提供一种电子设备的又一种可能的结构示意图,包括:一个或多个处理器1501、存储器1502、收发器1503和接口电路1504;上述各器件可以通过一个或多个通信总线1506通信。
其中,一个或多个计算机程序被1505存储在存储器1502中,并被配置为被一个或多个处理器1501执行;一个或多个计算机程序1505包括指令,指令用于执行上述任意步骤的方法。当然,电子设备包括但不限于上述所列举的器件,例如,上述电子设备还可以包括射频电路、定位装置、传感器等等。
本申请实施例还提供一种计算机存储介质,包括计算机指令,当计算机指令在电子设备上运行时,使得电子设备执行如上述任意步骤的方法。
本申请实施例还提供一种计算机程序产品,当计算机程序产品在计算机上运行时,使得计算机执行如上述任意步骤的方法。
本申请实施例还提供一种装置,该装置具有实现上述各方法中电子设备行为的功能。上述功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
其中,本申请实施例提供的电子设备、计算机存储介质、计算机程序产品、或装置均用于执行上文所提供的对应的方法,因此,其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果,此处不再赘述。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请实施例所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述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,作为单元显示的部件可以是或者也可以不是物理单元,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单元来实现本实施例方案的目的。
另外,在本申请实施例各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:快闪存储器、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请实施例的具体实施方式,但本申请实施例的保护范围并不局限于此,任何在本申请实施例揭露的技术范围内的变化或替换,都应涵盖在本申请实施例的保护范围之内。因此,本申请实施例的保护范围应以所述权利要求的保护范围为准。
Claims (29)
1.一种目标朝向确定方法,其特征在于,包括:
获取车辆周围的目标的传感器数据;
根据所述传感器数据获取所述目标的相关数据,所述目标的相关数据包括下述的至少两种:所述目标的速度数据、所述目标的运动轨迹数据、所述目标的源朝向数据;
至少利用所述目标的相关数据确定所述目标的朝向。
2.根据权利要求1所述的方法,其特征在于,所述目标的相关数据包括所述运动轨迹数据和所述源朝向数据,所述利用所述目标的相关数据确定所述目标的朝向包括:
对所述源朝向数据中的异常朝向数据进行滤波,得到第一朝向;
对所述运动轨迹数据进行直线拟合,得到第二朝向;
在所述第一朝向与所述第二朝向基本为同向或反向的情况下,将所述第一朝向作为所述目标的朝向;
或者,
在所述第一朝向与所述第二朝向不满足基本为同向或反向的情况下,将所述第二朝向作为所述目标的朝向。
3.根据权利要求1所述的方法,其特征在于,所述目标的相关数据包括所述速度数据和所述运动轨迹数据,所述速度数据包括速度的方向信息;所述利用所述目标的相关数据确定所述目标的朝向包括:
对所述运动轨迹数据进行直线拟合,得到第二朝向;
在所述速度数据中的方向信息与所述第二朝向基本为同向或反向的情况下,将所述速度数据中的方向信息作为所述目标的朝向;
或者,
在所述速度数据中的方向信息与所述第二朝向不满足基本为同向或反向的情况下,将所述第二朝向作为所述目标的朝向。
4.根据权利要求1所述的方法,其特征在于,所述目标的相关数据包括所述速度数据和所述源朝向数据,所述速度数据包括速度值和方向信息;所述利用所述目标的相关数据确定所述目标的朝向包括:
对所述源朝向数据中的异常源朝向数据进行滤波,得到第一朝向;
在所述速度值大于或等于第一阈值的情况下,将所述速度数据中的方向信息作为所述目标的朝向;
或者,
在所述速度值小于所述第一阈值的情况下,将所述第一朝向作为所述目标的朝向。
5.根据权利要求1所述的方法,其特征在于,所述目标的相关数据包括所述速度数据、所述运动轨迹数据和所述源朝向数据,所述速度数据包括速度值和方向信息;所述利用所述目标的相关数据确定所述目标的朝向包括:
对所述源朝向数据中的异常源朝向数据进行滤波,得到第一朝向;
对所述运动轨迹数据进行直线拟合,得到第二朝向;
在所述速度数据中的速度值小于第一阈值,且所述第一朝向与所述第二朝向基本为同向或反向的情况下,将所述第一朝向作为所述目标的朝向;或者,
在所述速度数据中的速度值小于第一阈值,且所述第一朝向与所述第二朝向不满足基本为同向或反向的情况下,将所述第二朝向作为所述目标的朝向;或者,
在所述速度数据中的速度值大于或等于所述第一阈值,且所述第一朝向与所述速度数据中的方向信息基本为同向或反向的情况下,将所述速度数据中的方向信息作为所述目标的朝向;或者,
在所述速度数据中的速度值大于或等于所述第一阈值,且所述第一朝向与所述速度数据中的方向信息不满足基本为同向或反向的情况下,将所述第一朝向与所述速度数据中的方向信息二者中与所述第二朝向为同向或反向的朝向作为所述目标的朝向;或者,
在所述速度数据中的速度值大于或等于所述第一阈值,所述第一朝向与所述速度数据中的方向信息不满足基本为同向或反向,且所述第一朝向与所述第二朝向不满足基本为同向或反向的情况下,将所述第二朝向作为所述目标的朝向。
6.根据权利要求2、4或5所述的方法,其特征在于,所述对所述源朝向数据中的异常源朝向数据进行滤波,得到第一朝向,包括:
对所述源朝向数据中的多个朝向数据按照时间顺序排序;
对于所述多个朝向数据,计算时间在后的朝向数据与时间在前作为所述第一朝向的朝向数据的第一角度差;
在所述第一角度差小于第二阈值的情况下,设置所述时间在后的朝向数据对应的朝向为所述第一朝向;
或者,在所述第一角度差大于或等于所述第二阈值的情况下,计算所述时间在前作为所述第一朝向的朝向数据与所述时间在后的朝向数据的下个朝向数据的第二角度差,以及记录所述第二角度差小于所述第二阈值的次数;在所述次数大于或等于第三阈值的情况下,设置所述次数等于所述第三阈值时的朝向数据为所述第一朝向。
7.根据权利要求2、3或5所述的方法,其特征在于,所述利用所述运动轨迹数据进行直线拟合,得到第二朝向,包括:
对所述运动轨迹数据中的多个位置数据按照时间顺序排序;
对于所述多个位置数据中相邻的两个朝向数据,计算时间在后的位置数据与时间在前的位置数据的第一距离;
在所述第一距离小于或等于第四阈值的情况下,确定所述时间在后的位置数据为候选位置数据;
在所述候选位置数据的数量大于第五阈值的情况下,对所述候选位置数据进行直线拟合,得到第二朝向。
8.根据权利要求7所述的方法,其特征在于,所述对所述候选位置数据进行直线拟合,包括:得到一条直线使得各所述候选位置数据到所述直线距离的目标函数最小。
9.根据权利要求8所述的方法,其特征在于,所述候选位置数据中的第一候选位置数据的权重大于所述候选位置数据中的第二后续位置的权重;其中,所述第一候选位置数据到所述直线的距离小于第一常量;所述第二候选位置数据到所述直线的距离大于或等于所述第一常量。
11.根据权利要求2、3或5,或7-10任一项所述的方法,其特征在于,所述基本同向或反向包括:两个朝向的角度偏差在角度阈值范围以内。
12.根据权利要求1-11任一项所述的方法,其特征在于,还包括:
在多次确定的所述目标的朝向稳定的情况下,确定所述目标的目标预测朝向;
在所述目标预测朝向与所述源朝向数据的差值在预设范围的情况下,确定所述目标预测朝向为所述目标的真实朝向。
13.根据权利要求12所述的方法,其特征在于,所述方法还包括:
显示所述目标的真实朝向。
14.一种目标朝向确定系统,其特征在于,包括:传感器和处理模块;
其中,所述传感器,用于获取车辆周围的目标的传感器数据;
所述处理模块,用于根据所述传感器数据获取所述目标的相关数据,所述目标的相关数据包括下述的至少两种:所述目标的速度数据、所述目标的运动轨迹数据、所述目标的源朝向数据;至少利用所述目标的相关数据确定所述目标的朝向。
15.根据权利要求14所述的目标朝向确定系统,其特征在于,所述处理模块包括:目标跟踪单元、滤波单元、直线拟合单元和多线索推理单元;所述目标的相关数据包括所述运动轨迹数据和所述源朝向数据;
所述目标跟踪单元,用于获取所述目标的速度数据;
所述滤波单元,用于对所述源朝向数据中的异常朝向数据进行滤波,得到第一朝向;
所述直线拟合单元,用于利用所述运动轨迹数据进行直线拟合,得到第二朝向;
所述多线索推理单元,用于在所述第一朝向与所述第二朝向基本为同向或反向的情况下,将所述第一朝向作为所述目标的朝向;或者,
在所述第一朝向与所述第二朝向不满足基本为同向或反向的情况下,将所述第二朝向作为所述目标的朝向。
16.根据权利要求14所述的目标朝向确定系统,其特征在于,所述处理模块包括:目标跟踪单元、直线拟合单元和多线索推理单元;所述目标的相关数据包括所述速度数据和所述运动轨迹数据,所述速度数据包括速度的方向信息;
所述目标跟踪单元,用于获取所述目标的速度数据;
所述直线拟合单元,用于对所述运动轨迹数据进行直线拟合,得到第二朝向;
所述多线索推理单元,用于在所述速度数据中的方向信息与所述第二朝向基本为同向或反向的情况下,将所述速度数据中的方向信息作为所述目标的朝向;
或者,
在所述速度数据中的方向信息与所述第二朝向不满足基本为同向或反向的情况下,将所述第二朝向作为所述目标的朝向。
17.根据权利要求14所述的目标朝向确定系统,其特征在于,所述处理模块包括:目标跟踪单元、滤波单元和多线索推理单元;所述目标的相关数据包括所述速度数据和所述源朝向数据,所述速度数据包括速度值和方向信息;
所述目标跟踪单元,用于获取所述目标的速度数据;
所述滤波单元,用于对所述源朝向数据中的异常源朝向数据进行滤波,得到第一朝向;
所述多线索推理单元,用于在所述速度值大于或等于第一阈值的情况下,将所述速度数据中的方向信息作为所述目标的朝向;
或者,
在所述速度值小于所述第一阈值的情况下,将所述第一朝向作为所述目标的朝向。
18.根据权利要求14所述的目标朝向确定系统,其特征在于,所述处理模块包括:目标跟踪单元、滤波单元、直线拟合单元和多线索推理单元;所述目标的相关数据包括所述速度数据、所述运动轨迹数据和所述源朝向数据,所述速度数据包括速度值和方向信息;
所述目标跟踪单元,用于获取所述目标的速度数据;
所述滤波单元,用于对所述源朝向数据中的异常源朝向数据进行滤波,得到第一朝向;
所述直线拟合单元,用于对所述运动轨迹数据进行直线拟合,得到第二朝向;
所述多线索推理单元,用于在所述速度数据中的速度值小于第一阈值,且所述第一朝向与所述第二朝向基本为同向或反向的情况下,将所述第一朝向作为所述目标的朝向;或者,
在所述速度数据中的速度值小于第一阈值,且所述第一朝向与所述第二朝向不满足基本为同向或反向的情况下,将所述第二朝向作为所述目标的朝向;或者,
在所述速度数据中的速度值大于或等于所述第一阈值,且所述第一朝向与所述速度数据中的方向信息基本为同向或反向的情况下,将所述速度数据中的方向信息作为所述目标的朝向;或者,
在所述速度数据中的速度值大于或等于所述第一阈值,且所述第一朝向与所述速度数据中的方向信息不满足基本为同向或反向的情况下,将所述第一朝向与所述速度数据中的方向信息二者中与所述第二朝向为同向或反向的朝向作为所述目标的朝向;或者,
在所述速度数据中的速度值大于或等于所述第一阈值,所述第一朝向与所述速度数据中的方向信息不满足基本为同向或反向,且所述第一朝向与所述第二朝向不满足基本为同向或反向的情况下,将所述第二朝向作为所述目标的朝向。
19.根据权利要求15、17或18所述的目标朝向确定系统,其特征在于,所述滤波单元,具体用于:
对所述源朝向数据中的多个朝向数据按照时间顺序排序;
对于所述多个朝向数据,计算时间在后的朝向数据与时间在前作为所述第一朝向的朝向数据的第一角度差;
在所述第一角度差小于第二阈值的情况下,设置所述时间在后的朝向数据对应的朝向为所述第一朝向;
或者,在所述第一角度差大于或等于所述第二阈值的情况下,计算所述时间在前作为所述第一朝向的朝向数据与所述时间在后的朝向数据的下个朝向数据的第二角度差,以及记录所述第二角度差小于所述第二阈值的次数;在所述次数大于或等于第三阈值的情况下,设置所述次数等于所述第三阈值时的朝向数据为所述第一朝向。
20.根据权利要求15、16或18所述的目标朝向确定系统,其特征在于,所述直线拟合单元,具体用于:
对所述运动轨迹数据中的多个位置数据按照时间顺序排序;
对于所述多个位置数据中相邻的两个朝向数据,计算时间在后的位置数据与时间在前的位置数据的第一距离;
在所述第一距离小于或等于第四阈值的情况下,确定所述时间在后的位置数据为候选位置数据;
在所述候选位置数据的数量大于第五阈值的情况下,对所述候选位置数据进行直线拟合,得到第二朝向。
21.根据权利要求20所述的目标朝向确定系统,其特征在于,所述直线拟合单元,具体用于得到一条直线使得各所述候选位置数据到所述直线距离的目标函数最小。
22.根据权利要求21所述的目标朝向确定系统,其特征在于,所述候选位置数据中的第一候选位置数据的权重大于所述候选位置数据中的第二后续位置的权重;其中,所述第一候选位置数据到所述直线的距离小于第一常量;所述第二候选位置数据到所述直线的距离大于或等于所述第一常量。
24.根据权利要求14-23任一项所述的目标朝向确定系统,其特征在于,所述处理模块还用于:
在多次确定的所述目标的朝向稳定的情况下,确定所述目标的目标预测朝向;
在所述目标预测朝向与所述源朝向数据的差值在预设范围的情况下,确定所述目标预测朝向为所述目标的真实朝向。
25.根据权利要求14所述的目标朝向确定系统,其特征在于,所述目标朝向确定系统还包括:
显示模块,用于显示所述目标的真实朝向。
26.一种车辆,其特征在于,包括用于执行如权利要求1-13任一项所述的方法的单元。
27.一种服务端,其特征在于,包括用于执行如权利要求1-13任一项所述的方法的单元。
28.一种电子设备,其特征在于,包括:一个或多个处理器、收发器、存储器和接口电路;所述一个或多个处理器、所述收发器、所述存储器和和所述接口电路通过一个或多个通信总线通信;所述接口电路用于与其它装置通信,一个或多个计算机程序被存储在所述存储器中,并被配置为被所述一个或多个处理器或所述收发器执行以使得所述电子设备执行如权利要求1-13任一项所述的方法。
29.一种可读计算机存储产品,其特征在于,所述可读计算机存储产品用于存储计算机程序,所述计算机程序用于实现如权利要求1-13任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010437105.9A CN113701746A (zh) | 2020-05-21 | 2020-05-21 | 目标朝向确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010437105.9A CN113701746A (zh) | 2020-05-21 | 2020-05-21 | 目标朝向确定方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113701746A true CN113701746A (zh) | 2021-11-26 |
Family
ID=78645864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010437105.9A Pending CN113701746A (zh) | 2020-05-21 | 2020-05-21 | 目标朝向确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113701746A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106525033A (zh) * | 2016-09-22 | 2017-03-22 | 深圳市元征科技股份有限公司 | 一种行车轨迹的确定方法及其装置 |
WO2018068771A1 (zh) * | 2016-10-12 | 2018-04-19 | 纳恩博(北京)科技有限公司 | 目标跟踪方法、系统、电子设备和计算机存储介质 |
CN110146100A (zh) * | 2018-02-13 | 2019-08-20 | 华为技术有限公司 | 轨迹预测方法、装置及存储介质 |
CN110244721A (zh) * | 2019-06-05 | 2019-09-17 | 杭州飞步科技有限公司 | 自动驾驶控制方法、装置、设备及存储介质 |
WO2019218861A1 (zh) * | 2018-05-14 | 2019-11-21 | 华为技术有限公司 | 一种行车道路的估计方法以及行车道路估计系统 |
CN110954122A (zh) * | 2019-12-09 | 2020-04-03 | 东风商用车有限公司 | 高速场景下的自动驾驶轨迹生成方法 |
CN111091591A (zh) * | 2019-12-23 | 2020-05-01 | 百度国际科技(深圳)有限公司 | 一种碰撞检测方法、装置、电子设备及存储介质 |
CN111123952A (zh) * | 2019-12-31 | 2020-05-08 | 华为技术有限公司 | 一种轨迹规划方法及装置 |
-
2020
- 2020-05-21 CN CN202010437105.9A patent/CN113701746A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106525033A (zh) * | 2016-09-22 | 2017-03-22 | 深圳市元征科技股份有限公司 | 一种行车轨迹的确定方法及其装置 |
WO2018068771A1 (zh) * | 2016-10-12 | 2018-04-19 | 纳恩博(北京)科技有限公司 | 目标跟踪方法、系统、电子设备和计算机存储介质 |
CN110146100A (zh) * | 2018-02-13 | 2019-08-20 | 华为技术有限公司 | 轨迹预测方法、装置及存储介质 |
WO2019218861A1 (zh) * | 2018-05-14 | 2019-11-21 | 华为技术有限公司 | 一种行车道路的估计方法以及行车道路估计系统 |
CN110244721A (zh) * | 2019-06-05 | 2019-09-17 | 杭州飞步科技有限公司 | 自动驾驶控制方法、装置、设备及存储介质 |
CN110954122A (zh) * | 2019-12-09 | 2020-04-03 | 东风商用车有限公司 | 高速场景下的自动驾驶轨迹生成方法 |
CN111091591A (zh) * | 2019-12-23 | 2020-05-01 | 百度国际科技(深圳)有限公司 | 一种碰撞检测方法、装置、电子设备及存储介质 |
CN111123952A (zh) * | 2019-12-31 | 2020-05-08 | 华为技术有限公司 | 一种轨迹规划方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109901574B (zh) | 自动驾驶方法及装置 | |
CN110379193B (zh) | 自动驾驶车辆的行为规划方法及行为规划装置 | |
CN113879295B (zh) | 轨迹预测方法及装置 | |
CN112703506B (zh) | 车道线检测方法及装置 | |
CN112230642B (zh) | 道路可行驶区域推理方法及装置 | |
CN113168708B (zh) | 车道线跟踪方法和装置 | |
CN112534483B (zh) | 预测车辆驶出口的方法和装置 | |
CN113631452B (zh) | 一种变道区域获取方法以及装置 | |
CN113460042A (zh) | 车辆驾驶行为的识别方法以及识别装置 | |
CN112512887B (zh) | 一种行驶决策选择方法以及装置 | |
CN113835421A (zh) | 训练驾驶行为决策模型的方法及装置 | |
CN114693540A (zh) | 一种图像处理方法、装置以及智能汽车 | |
CN113968242B (zh) | 自动驾驶场景生成方法、装置及系统 | |
US20230048680A1 (en) | Method and apparatus for passing through barrier gate crossbar by vehicle | |
CN113954858A (zh) | 一种规划车辆行驶路线的方法以及智能汽车 | |
WO2021163846A1 (zh) | 目标跟踪方法以及目标跟踪装置 | |
CN112810603B (zh) | 定位方法和相关产品 | |
CN114248794A (zh) | 车辆的控制方法、装置及车辆 | |
CN113022573B (zh) | 道路结构检测方法及装置 | |
CN116261649A (zh) | 一种车辆行驶意图预测方法、装置、终端及存储介质 | |
CN114261404A (zh) | 一种自动驾驶方法及相关装置 | |
CN113741384A (zh) | 检测自动驾驶系统的方法和装置 | |
CN113859265A (zh) | 一种驾驶过程中的提醒方法及设备 | |
CN114643983A (zh) | 控制方法和装置 | |
CN114327842A (zh) | 多任务部署的方法及装置 |
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 |