CN113743228A - 基于多数据融合结果的障碍物存在性检测方法和装置 - Google Patents

基于多数据融合结果的障碍物存在性检测方法和装置 Download PDF

Info

Publication number
CN113743228A
CN113743228A CN202110903942.0A CN202110903942A CN113743228A CN 113743228 A CN113743228 A CN 113743228A CN 202110903942 A CN202110903942 A CN 202110903942A CN 113743228 A CN113743228 A CN 113743228A
Authority
CN
China
Prior art keywords
obstacle
value
trust function
sensor
existence
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110903942.0A
Other languages
English (en)
Other versions
CN113743228B (zh
Inventor
袁庭荣
王军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baidu Online Network Technology Beijing Co Ltd
Original Assignee
Baidu Online Network Technology Beijing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Baidu Online Network Technology Beijing Co Ltd filed Critical Baidu Online Network Technology Beijing Co Ltd
Priority to CN202110903942.0A priority Critical patent/CN113743228B/zh
Publication of CN113743228A publication Critical patent/CN113743228A/zh
Application granted granted Critical
Publication of CN113743228B publication Critical patent/CN113743228B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Abstract

本申请提出一种基于多数据融合结果的障碍物存在性检测方法和装置，其中，方法包括：根据第一传感器当前获取的数据，确定第一传感器当前的检测区域内第一障碍物对应的第一信任函数，其中，信任函数中的各元素分别用于表征障碍物存在信度、未存在信度及未知信度；根据第一障碍物对应的历史信任函数中各元素的值及第一信任函数中各元素的值，判断第一障碍物对应的总存在信度值是否大于阈值；若大于，则确定第一传感器当前的检测区域内存在第一障碍物。该方法通过根据传感器当前的检测数据得到障碍物的信任函数，并将其与历史信任函数进行存在性融合，根据融合结果来判断障碍物存在信度，提高了障碍物检测结果的可靠性，降低了虚警率。

Description

基于多数据融合结果的障碍物存在性检测方法和装置
技术领域
本申请涉及信息处理技术领域，尤其涉及一种基于多数据融合结果的障碍物存在性检测方法、装置、计算机设备和存储介质。
背景技术
随着车辆技术的发展，可通过在车辆上安装多种传感器辅助驾驶。在现有的智能驾驶技术中，多是利用不同传感器进行障碍物检测，根据传感器的检测结果辅助驾驶。具体而言，当车辆上的任一传感器检测到障碍物后，即会进行报警提示，以达到避让障碍物的目的。
但是这种障碍物检测方式，由于传感器受工作场景及处理速度的影响，极易出现报虚警的情况，当自动驾驶车辆的虚警率过高时，会影响车辆的正常行驶。
发明内容
本申请提出一种基于多数据融合结果的障碍物存在性检测方法、装置、计算机设备和存储介质，用于解决相关技术中障碍物检测方法，存在虚警率较高的问题。
本申请一方面实施例提出了一种基于多数据融合结果的障碍物存在性检测方法，包括：
根据第一传感器当前获取的数据，确定所述第一传感器当前的检测区域内第一障碍物对应的第一信任函数，其中，信任函数中的各元素分别用于表征障碍物存在信度、未存在信度及未知信度；
根据所述第一障碍物对应的历史信任函数中各元素的值及所述第一信任函数中各元素的值，判断所述第一障碍物对应的总存在信度值是否大于阈值；
若大于，则确定所述第一传感器当前的检测区域内存在所述第一障碍物。
本申请实施例的基于多数据融合结果的障碍物存在性检测方法，通过根据第一传感器当前获取的数据，确定第一传感器当前的检测区域内第一障碍物对应的第一信任函数，其中，信任函数中的各元素分别用于表征障碍物存在信度、未存在信度及未知信度，根据第一障碍物对应的历史信任函数中各元素的值及第一信任函数中各元素的值，判断第一障碍物对应的总存在信度值是否大于阈值，若大于，则确定第一传感器当前的检测区域内存在第一障碍物。由此，通过根据传感器当前的检测数据得到障碍物对应的信任函数，并将其与历史信任函数进行存在性融合，根据融合后的障碍物存在信度值，确定检测区域内是否存在障碍物，从而根据历史数据和传感器当前的检测数据的融合结果来判断障碍物存在信度，提高了障碍物检测结果的可靠性，降低了虚警率。
本申请另一方面实施例提出了一种基于多数据融合结果的障碍物存在性检测装置，包括：
第一确定模块，用于根据第一传感器当前获取的数据，确定所述第一传感器当前的检测区域内第一障碍物对应的第一信任函数，其中，信任函数中的各元素分别用于表征障碍物存在信度、未存在信度及未知信度；
第一判断模块，用于根据所述第一障碍物对应的历史信任函数中各元素的值及所述第一信任函数中各元素的值，判断所述第一障碍物对应的总存在信度值是否大于阈值；
第二确定模块，用于当所述第一障碍物对应的总存在信度值大于阈值时，确定所述第一传感器当前的检测区域内存在所述第一障碍物。
本申请实施例的基于多数据融合结果的障碍物存在性检测装置，通过根据第一传感器当前获取的数据，确定第一传感器当前的检测区域内第一障碍物对应的第一信任函数，其中，信任函数中的各元素分别用于表征障碍物存在信度、未存在信度及未知信度，根据第一障碍物对应的历史信任函数中各元素的值及第一信任函数中各元素的值，判断第一障碍物对应的总存在信度值是否大于阈值，若大于，则确定第一传感器当前的检测区域内存在第一障碍物。由此，通过根据传感器当前的检测数据得到障碍物对应的信任函数，并将其与历史信任函数进行存在性融合，根据融合后的障碍物存在信度值，确定检测区域内是否存在障碍物，从而根据历史数据和传感器当前的检测数据的融合结果来判断障碍物存在信度，提高了障碍物检测结果的可靠性，降低了虚警率。
本申请另一方面实施例提出了一种计算机设备，包括处理器和存储器；
其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如上述一方面实施例所述的基于多数据融合结果的障碍物存在性检测方法。
本申请另一方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述一方面实施例所述的基于多数据融合结果的障碍物存在性检测方法。
本申请附加的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
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请实施例提供的一种基于多数据融合结果的障碍物存在性检测方法的流程示意图；
图2为本申请实施例提供的另一种基于多数据融合结果的障碍物存在性检测方法的流程示意图；
图3为本申请实施例提供的再一种基于多数据融合结果的障碍物存在性检测方法的流程示意图；
图4为本申请实施例提供的一种基于多数据融合结果的障碍物存在性检测装置的结构示意图；
图5示出了适于用来实现本申请实施方式的示例性计算机设备的框图。
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，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的基于多数据融合结果的障碍物存在性检测方法、装置、计算机设备和存储介质。
本申请实施例，针对相关技术中，智能驾驶中障碍物检测方法，存在虚警率较高的问题，提出一种基于多数据融合结果的障碍物存在性检测方法。
本申请实施例的基于多数据融合结果的障碍物存在性检测方法，通过根据传感器当前的检测数据得到信任函数，并将其与历史信任函数进行存在性融合，根据融合后的障碍物存在信度值，确定检测区域内是否存在障碍物，从而根据历史数据和传感器当前的检测数据的融合结果来判断障碍物存在信度，提高了障碍物检测结果的可靠性，降低了虚警率。
图1为本申请实施例提供的一种基于多数据融合结果的障碍物存在性检测方法的流程示意图。
本申请实施例的基于多数据融合结果的障碍物存在性检测方法，可以用于自动驾驶车辆，在车辆行驶过程中进行障碍物检测，以保证车辆的正常行驶。
如图1所示，该基于多数据融合结果的障碍物存在性检测方法包括：
步骤101，根据第一传感器当前获取的数据，确定第一传感器当前的检测区域内第一障碍物对应的第一信任函数。
车辆上可安装多种传感器，例如，摄像头、激光雷达、毫米波雷达等等，每个传感器具有对应的检测区域。例如，车辆的左右两侧安装有摄像头，以对车辆左右一定范围的区域进行障碍物检测。
本实施例中，可利用预先训练的神经网络模型，对第一传感器的检测数据进行处理，得到第一传感器当前的检测区域内存在第一障碍物的概率。
例如，第一传感器为车辆前方的摄像头，那么可根据摄像头当前采集的图像，利用神经网络模型得到前方区域中存在障碍物的概率。
在确定第一传感器当前的检测区域内存在第一障碍物的概率后，可根据第一障碍物的存在概率，得到第一信任函数。其中，信任函数的各元素分别用于表征障碍物存在信度、未存在信度及未知信度。
例如，信任函数包括三个元素分别为m(exsit)、m(unexsit)、m(unkown)，信任函数可表示为m＝{m(exsit),m(unexsit),m(unkown)}。其中，m(exsit)表示障碍物存在信度，即障碍物存在的可信度；m(unexsit)表示障碍物未存在信度，即障碍物不存在的可信度；m(unkown)表示障碍物未知信度，即不确定障碍物是否存在的可信度。
若第一信任函数表示为ms1＝{ms1(exsit),ms1(unexsit),ms1(unkown)}，第一障碍物存在的概率为ps1，可规定第一障碍物的存在信度的元素值ms1(exsit)＝ps1，第一障碍物未存在信度的元素值为ms1(unexsit)＝0，第一障碍物未存在信度的元素值为ms1(unkown)＝1-ps1。
步骤102，根据第一障碍物对应的历史信任函数中各元素的值及第一信任函数中各元素的值，判断第一障碍物对应的总存在信度值是否大于阈值。
本实施例中，历史信任函数中也包括表征障碍物存在信度、未存在信度和未知信度三种元素。那么，第一障碍物对应的历史信任函数可以根据第一传感器的历史检测数据得到，也可以是根据所有检测到第一障碍物的各传感器的检测结果得到。
本实施例中，可根据预设的合成规则对第一障碍物对应的历史信任函数和第一函数进行融合，得到第一障碍物对应的总存在信度值。如公式(1)所示，
Figure BDA0003200953330000041
其中，mt1表示历史信任函数与第一函数融合后得到的信任函数，mh表示第一障碍物对应的历史信任函数，ms1表示第一障碍物对应的第一信任函数，A,B,C∈{exsit,unexsit,unkown}，规定unkown∩A＝A，K为归一化函数，
Figure BDA0003200953330000051
其中，D,E∈{exsit,unexsit,unkown}。
当A为exsit时，当B为exsit，C为unkown；B为unkown，C为exsit；以及B和C均为exsit时，满足B∩C＝A。那么，根据公式(1)可知，第一障碍物对应的总存在信度值为
Figure BDA0003200953330000052
其中，K＝1-[mh(unexsit)·ms1(exsit)+mh(exsit)·ms1(unexsit)]。由此，可以公式(1)计算出第一障碍物对应的总存在信度值，然后将总存在信度值与阈值进行比较，以判断第一障碍物对应的总存在信度值是否大于阈值，即判断第一障碍物存在的总可信度是否大于阈值。
其中，阈值可以根据实际需要进行设置，本实施例对其不进行限定。
步骤103，若第一障碍物对应的总存在信度值大于阈值，则确定第一传感器当前的检测区域内存在第一障碍物。
当第一障碍物对应的总存在信度值大于阈值时，说明第一障碍物存在的可信度比较高，可以认为第一传感器当前的检测区域内存在第一障碍物，发出存在障碍物的提示。
本申请实施例中，通过根据第一传感器当前获取的数据，得到第一障碍物对应的信任函数，然后结合第一障碍物对应的信任函数，得到第一障碍物在检测区域的总存在信度值，若总存在信度值大于阈值，则认为第一传感器对应的检测区域存在第一障碍物，从而根据历史数据检测结果与第一传感器的检测结果的存在性融合结果，确定第一传感器的当前检测区域中是否存在障碍物，大大提高了障碍物检测结果的可靠性，降低了虚警率。
对于上述实施例，在判断第一障碍物对应的总存在信度值是否大于阈值之前，可先生成第一障碍物对应的历史信任函数。
作为一种可能的实现方式，可基于预设的合成规则，对第一传感器的历史检测数据进行合成处理，得到第一障碍物对应的历史信任函数。其中，预设的合成的规则可以为上述公式(1)所示的规则。
在具体实现时，可根据某时刻第一传感器的历史检测数据，得到初始化的历史信任函数，在时间上，根据上述公式(1)逐次将根据第一传感器的历史检测数据得到的信任函数与前一次的历史信任函数进行融合，得到第一障碍物对应的历史信任函数。
作为另一种可能的实现方式，基于预设的合成规则，对所有检测到第一障碍物的各传感器的历史检测数据进行合成处理，得到生成第一障碍物对应的历史信任函数。
在实现时，可根据上述公式(1)将根据各传感器的历史检测数据得到的对应的各信任函数进行融合，得到第一传感器对应的历史信任函数。
本申请实施例中，通过对第一传感器的历史检测数据或者检测到第一障碍物的各传感器的历史检测数据进行合成处理，得到第一障碍物对应的历史信任函数，从而将历史数据的检测结果与第一传感器当前的检测结果进行融合，可以大大提高障碍物检测结果的可靠性，降低虚警率。
由上述实施例可知，根据第一传感器获取的数据得到的第一信任函数可以表征第一传感器当前的检测区域内存在第一障碍物的可信度。那么，在本申请的一个实施例中，在根据历史信任函数与第一信任函数，判断第一障碍物对应的总存在信度值之前，可先根据第一信任函数判断第一障碍物对应的信度值是否大于阈值。
具体而言，判断第一信任函数中用于表征障碍物存在信度的元素值是否大于阈值。若大于阈值，说明仅根据第一信任函数中用于表征障碍物存在信度的元素值，便可确定第一传感器当前检测区域存在第一障碍物。若小于阈值，可再结合第一障碍物的历史信任函数，判断第一障碍物对应的总信度值是否大于阈值。
例如，第一障碍物对应的第一信任函数为ms1＝{ms1(exsit)、ms1(unexsit)、ms1(unkown)}，那么判断ms1(exsit)的值是否大于阈值，若ms1(exsit)大于阈值，说明第一传感器当前的检测区域内存在第一障碍物。若ms1(exsit)小于或者等于阈值，可根据第一信任函数ms1和历史信任函数mh得到第一障碍物对应的总存在信度值mt1(exsit)，具体的计算方法可参见上述实施例，判断mt1(exsit)是否大于阈值，若大于阈值可以确定第一传感器当前的检测区域内存在第一障碍物。
基于上述实施例，根据第一信任函数中各元素的值和历史信任函数中各元素的值，判断第一障碍物对应的总存在信度值是否大于阈值。若总存在信度值小于或者等于阈值，可利用第一信任函数中各元素的值对历史信任函数中各元素的值进行更新。
在实现时，可根据上述公式(1)将第一信任函数与历史信任函数进行融合处理，得到更新后的历史信任函数。容易理解的是，融合处理的过程便是计算更新后历史信任函数中用于表征第一障碍物的存在信度、不存在信度、未知的信度的各元素的值。
假设，更新后的历史信任函数用mt1表示，mt1＝{mt1(exsit),mt1(unexsit),mt1(unkown)}中表征第一障碍物存在信度的元素的值mt1(exsit)即为上述实施例中根据第一信任函数与历史信任函数得到的总存在信度值，那么只需计算未存在信度值和未知信度值。
更新后的历史信任函数mt1中用于表征第一障碍物未存在信度的元素的值
Figure BDA0003200953330000061
用于表征第一障碍物未知信度的元素的值
Figure BDA0003200953330000062
由此，根据更新后的历史信任函数mt1中各元素的值，便可得到根据更新后的历史信任函数。
在实际应用中，车辆上安装的不同传感器之间的检测区域可能存在重叠，例如，前方摄像头和前方雷达的检测区域存在重叠，那么它们可能都会检测到同一障碍物，那么根据两个传感器的检测数据，判断同一障碍物存在信度是否大于阈值。
基于上述分析，在本申请的一个实施例中，对第一障碍物对应的历史信任函数中各元素的值进行更新之后，还可判断第一障碍物当前所在的区域是否为第二传感器的检测区域。下面结合图2进行说明，图2为本申请实施例提供的另一种基于多数据融合结果的障碍物存在性检测方法的流程示意图。
如图2所示，该基于多数据融合结果的障碍物存在性检测方法还包括：
步骤201，判断第一障碍物当前所在的区域是否为第二传感器的检测区域。
本实施例中，可根据第一障碍物的位置信息，判断第一障碍物是否在第二传感器的检测区域中。其中，第二传感器可以是与第一传感器的检测区域存在重叠区域的传感器，第二传感器可以是一个，也可以是多个。
步骤202，若第一障碍物当前所在的区域为第二传感器的检测区域，则根据第二传感器当前获取的数据，确定第一障碍物对应的第二信任函数。
若第一障碍物当前所在的区域为第二传感器的检测区域，那么根据第二传感器当前的检测数据，确定第一障碍物对应的第二信任函数。
具体而言，可利用预先训练的神经网络模型对第二传感器当前获取的数据进行处理，得到第二传感器的检测区域内存在第一障碍物的概率，进而根据概率确定第二信任函数中各元素的值。
例如，第二传感器的检测区域内存在第一障碍物的概率为ps2，那么第二信任函数ms2＝{ms2(exsit),ms2(unexsit),ms2(unkown)}中，ms2(exsit)＝ps2，ms2(unexsit)＝0，ms2(unkown)＝1-ps2。
步骤203，根据更新后的历史信任函数中各元素的值及第二信任函数中各元素的值，判断第一障碍物对应总的存在信度值是否大于阈值。
在确定第二信任函数后，结合更新后的历史信任函数中各元素的值，确定第一障碍物对应总的存在信度值，进而判断总存在信度值是否大于阈值。
本实施例中，利用更新后的历史信任函数中各元素的值与第二信任函数中各元素的值，确定第一障碍物对应的总存在信度值的方法，与上述实施例中，根据第一障碍物的历史信任函数中各元素的值和第一信任函数中各元素的值，确定第一障碍物对应的总存在信度值的方法类似。
例如，更新后的历史信任函数为mt1，第二信任函数为ms2，那么根据上述公式(1)，总存在信度值
Figure BDA0003200953330000081
其中，K＝1-[mt1(unexsit)·ms2(exsit)+mt1(exsit)·ms2(unexsit)]。然后，判断mt2(exsit)是否大于阈值。
步骤204，若第一障碍物对应总的存在信度值大于阈值，则确定第一传感器当前的检测区域内存在第一障碍物。
若第一障碍物的总存在信度值大于阈值，说明第一传感器当前的检测区域中存在第一障碍物的可信度比较高，可以确定第一传感器当前的检测区域内存在第一障碍物，发出存在障碍物的提示。
本申请实施例中，当第二传感器的检测区域中存在第一障碍物时，通过利用第二传感器的检测数据和更新后的历史信任函数，确定第一传感器的检测区域是否存在第一障碍物，从而通过将第二信任函数与更新后的历史信任函数进行存在性融合，判断检测区域中是否存在障碍物，可以大大提高障碍物检测结果的可靠性，降低虚警率。
上述实施例中，若根据更新后的历史信任函数和第二信任函数，确定第一障碍物对应的总存在信度值小于或者等于阈值，那么可根据第二信任函数中各元素的值对更新后历史信任函数中各元素的值进行更新，即对第一障碍物对应的历史信任函数中各元素的值进行更新。
例如，更新后的历史信任函数为mt1，第二信任函数为ms2，可根据上述公式(1)得到
Figure BDA0003200953330000082
其中，mt2是根据ms2对mt1进行更新后的历史信任函数，即第一障碍物对应的历史信任函数。上述实施例中，根据更新后的历史信任函数中各元素的值和第二信任函数中各元素的值，得到的第一障碍物对应的总存在信度值mt2(exsit)，即为mt2用于表征第一障碍物存在信度的元素的值，只需要计算mt2(unexsit)和mt2(unkown)，具体计算方法与mt1(unexsit)和mt1(unkown)的计算方法类似，故在此不再赘述。
本实施例中，当障碍物总存在信度值小于或者等于阈值时，可以利用其他检测到障碍物的传感器的检测结果，对障碍物的存在性不断更新，从而提高了检测结果的可靠性，降低虚警率。
在实际应用中，检测区域存在重叠的传感器，可能会存在检测结果不同的情况。例如，两个传感器的检测区域存在重叠，可能其中一个传感器检测到了障碍物，但是另一个传感器的没有检测到该障碍物。基于此，本实施例中，在根据第二传感器获取的数据，确定第二信任函数时，可先判断第二传感器的检测区域内是否存在第一障碍物，进而根据判断结果，确定第二信任函数中用于表征第一障碍物未知信度的元素的值。下面结合图3进行说明，图3为本申请实施例提供的再一种基于多数据融合结果的障碍物存在性检测方法的流程示意图。
如图3所示，在确定第一障碍物对应的第二信任函数之前，该基于多数据融合结果的障碍物存在性检测方法还包括：
步骤301，根据第二传感器当前获取的数据，判断第二传感器的检测区域内是否存在第一障碍物。
本实施例中，根据第二传感器当前获取的数据，可先确定第二传感器对应的检测区域中存在的障碍物，再判断检测出的障碍物中是否包括第一障碍物。
步骤302，若第二传感器的检测区域不存在第一障碍物，则根据第一传感器当前检测的第一障碍物的位置信息，及第二传感器当前检测的第二障碍物的位置信息，确定第一障碍物当前被第二障碍物遮挡的概率。
若第二传感器的检测区域中不存在第一障碍物，第一障碍物可能被其他障碍物遮挡，可根据第一传感器当前检测的第一障碍物的位置信息，以及第二传感器当前检测的第二障碍物的位置信息，确定第一障碍物当前被第二障碍物遮挡的概率。
若第二传感器检测区域中存在第一障碍物，那么第二信任函数中用于表征第一障碍物未存在信度的元素值为零。
步骤303，根据第一障碍物当前被第二障碍物遮挡的概率，确定第二信任函数中用于表征第一障碍物未存在信度的元素值。
本实施例中，第二信任函数中用于表征第一障碍物存在信度的元素值等于1减去第一障碍物当前被第二障碍物遮挡的概率。而第二信任函数中用于表征第一障碍物存在信度的元素的值和未知信度的元素的值，可参见上述实施例中，利用第一障碍物在第二传感器的检测区域内的存在概率，得到用于表征第一障碍物存在信度的元素值和未知信度的元素值。
例如，第一障碍物被第二障碍物遮挡的概率为pz，那么第二信任函数中ms2(unexsit)＝1-pz。也就是说，第一障碍物被第二障碍物遮挡的概率越大，说明第一障碍物存在信度越高。
本申请实施例中，在计算第二信任函数时，通过判断第二传感器的检测区域中是否存在第一障碍物，在确定不未存在第一障碍物时，根据第一障碍物被遮挡的概率，确定第二信任函数中用于表征第一障碍物未存在信度的元素的值，从而提高了第一障碍物存在性的准确度。
为了实现上述实施例，本申请实施例还提出一种基于多数据融合结果的障碍物存在性检测装置。图4为本申请实施例提供的一种基于多数据融合结果的障碍物存在性检测装置的结构示意图。
如图4所示，该基于多数据融合结果的障碍物存在性检测装置包括：第一确定模块410、第一判断模块420、第二确定模块430。
第一确定模块410，用于根据第一传感器当前获取的数据，确定第一传感器当前的检测区域内第一障碍物对应的第一信任函数，其中，信任函数中的各元素分别用于表征障碍物存在信度、未存在信度及未知信度；
第一判断模块420，用于根据第一障碍物对应的历史信任函数中各元素的值及第一信任函数中各元素的值，判断第一障碍物对应的总存在信度值是否大于阈值；
第二确定模块430，用于当第一障碍物对应的总存在信度值大于阈值时，确定第一传感器当前的检测区域内存在第一障碍物。
在本申请实施例一种可能的实现方式中，该装置还包括：合成模块，用于：
基于预设的合成规则，对第一传感器的历史检测数据进行合成处理，以生成第一障碍物对应的历史信任函数；
或者，
基于预设的合成规则，对所有检测到第一障碍物的各传感器的历史检测数据进行合成处理，以生成第一障碍物对应的历史信任函数。
在本申请实施例一种可能的实现方式中，该装置还包括：
第二判断模块，用于判断第一信任函数中用于表征障碍物存在信度的元素值是否大于阈值；
第三确定模块，用于当第一信任函数中用于表征障碍物存在信度的元素值是大于阈值时，确定第一传感器当前的检测区域内存在第一障碍物。
在本申请实施例一种可能的实现方式中，该装置还包括：
更新模块，用于当第一障碍物对应的总存在信度值小于或者等于阈值时，根据历史信任函数中各元素的值及第一信任函数中各元素的值，对第一障碍物对应的历史信任函数中各元素的值进行更新。
在本申请实施例一种可能的实现方式中，该装置还包括：
第三判断模块，用于判断第一障碍物当前所在的区域是否为第二传感器的检测区域；
第四确定模块，用于当第一障碍物当前所在的区域是第二传感器的检测区域时，则根据第二传感器当前获取的数据，确定第一障碍物对应的第二信任函数；
上述第一判断模块420，还用于根据更新后的历史信任函数中各元素的值及第二信任函数中各元素的值，判断第一障碍物对应总的存在信度值是否大于阈值；
上述第二确定模块430，还用于当第一障碍物对应总的存在信度值是否大于阈值时，则确定第一传感器当前的检测区域内存在第一障碍物。
在本申请实施例一种可能的实现方式中，该装置还可包括：
第四判断模块，用于根据第二传感器当前获取的数据，判断第二传感器的检测区域内是否存在第一障碍物；
第五确定模块，用于当第二传感器的检测区域内不存在第一障碍物时，根据第一传感器当前检测的第一障碍物的位置信息，及第二传感器当前检测的第二障碍物的位置信息，确定第一障碍物当前被第二障碍物遮挡的概率；
第六确定模块，用于根据第一障碍物当前被第二障碍物遮挡的概率，确定第二信任函数中用于表征第一障碍物未存在信度的元素值。
在本申请实施例一种可能的实现方式中，第六确定模块，还用于当第二传感器的检测区域内是否存在第一障碍物时，确定第二信任函数中用于表征第一障碍物未存在信度的元素值为0。
在本申请实施例一种可能的实现方式中，上述更新模块还用于：
当第一障碍物对应的总存在信度值小于或者等于阈值时，则根据更新后的历史信任函数中各元素的值及第二信任函数中各元素的值，对第一障碍物对应的历史信任函数中各元素的值进行更新。
需要说明的是，前述对基于多数据融合结果的障碍物存在性检测方法实施例的解释说明，也适用于该实施例的基于多数据融合结果的障碍物存在性检测装置，故在此不再赘述。
本申请实施例的基于多数据融合结果的障碍物存在性检测装置，通过根据第一传感器当前获取的数据，确定第一传感器当前的检测区域内第一障碍物对应的第一信任函数，其中，信任函数中的各元素分别用于表征障碍物存在信度、未存在信度及未知信度，根据第一障碍物对应的历史信任函数中各元素的值及第一信任函数中各元素的值，判断第一障碍物对应的总存在信度值是否大于阈值，若大于，则确定第一传感器当前的检测区域内存在第一障碍物。由此，通过根据传感器当前的检测数据得到信任函数，并将其与历史信任函数进行存在性融合，根据融合后的障碍物存在信度值，确定检测区域内是否存在障碍物，从而根据历史数据和传感器当前的检测数据的融合结果来判断障碍物存在信度，提高了障碍物检测结果的可靠性，降低了虚警率。
为了实现上述实施例，本申请实施例还提出一种计算机设备，包括处理器和存储器；
其中，处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于实现如上述实施例所述的基于多数据融合结果的障碍物存在性检测方法。
图5示出了适于用来实现本申请实施方式的示例性计算机设备的框图。图5显示的计算机设备12仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture；以下简称：ISA)总线，微通道体系结构(Micro Channel Architecture；以下简称：MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation；以下简称：VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection；以下简称：PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory；以下简称：RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(Compact Disc Read OnlyMemory；以下简称：CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory；以下简称：DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本申请所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network；以下简称：LAN)，广域网(Wide Area Network；以下简称：WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的方法。
为了实现上述实施例，本申请实施例还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例所述的基于多数据融合结果的障碍物存在性检测方法。
在本说明书的描述中，术语“第一”、“第二”仅用于描述目的，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。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种基于多数据融合结果的障碍物存在性检测方法，应用于自动驾驶车辆，其特征在于，包括：
根据第一传感器当前获取的数据，确定所述第一传感器当前的检测区域内第一障碍物对应的第一信任函数，其中，信任函数中的各元素分别用于表征障碍物存在信度、未存在信度及未知信度；
根据所述第一障碍物对应的历史信任函数中各元素的值及所述第一信任函数中各元素的值，判断所述第一障碍物对应的总存在信度值是否大于阈值；
若大于，则确定所述第一传感器当前的检测区域内存在所述第一障碍物；
若小于或等于，则根据所述历史信任函数中各元素的值及所述第一信任函数中各元素的值，对所述第一障碍物对应的历史信任函数中各元素的值进行更新；
所述对所述第一障碍物对应的历史信任函数中各元素的值进行更新之后，还包括：
判断所述第一障碍物当前所在的区域是否为第二传感器的检测区域；
若是，则根据所述第二传感器当前获取的数据，确定所述第一障碍物对应的第二信任函数；
根据所述更新后的历史信任函数中各元素的值及所述第二信任函数中各元素的值，判断所述第一障碍物对应总的存在信度值是否大于阈值；
若大于，则确定所述第一传感器当前的检测区域内存在所述第一障碍物。
2.如权利要求1所述的方法，其特征在于，所述判断所述第一障碍物对应的总存在信度值是否大于阈值之前，还包括：
基于预设的合成规则，对所述第一传感器的历史检测数据进行合成处理，以生成所述第一障碍物对应的历史信任函数；
或者，
基于预设的合成规则，对所有检测到所述第一障碍物的各传感器的历史检测数据进行合成处理，以生成所述第一障碍物对应的历史信任函数。
3.如权利要求1所述的方法，其特征在于，所述判断所述第一障碍物对应的总存在信度值是否大于阈值之前，还包括：
判断所述第一信任函数中用于表征障碍物存在信度的元素值是否大于阈值；
若大于，则确定所述第一传感器当前的检测区域内存在所述第一障碍物。
4.如权利要求1所述的方法，其特征在于，所述确定所述第一障碍物对应的第二信任函数之前，还包括：
根据所述第二传感器当前获取的数据，判断所述第二传感器的检测区域内是否存在所述第一障碍物；
若否，则根据所述第一传感器当前检测的所述第一障碍物的位置信息，及所述第二传感器当前检测的第二障碍物的位置信息，确定所述第一障碍物当前被第二障碍物遮挡的概率；
根据所述第一障碍物当前被第二障碍物遮挡的概率，确定所述第二信任函数中用于表征所述第一障碍物未存在信度的元素值。
5.如权利要求4所述的方法，其特征在于，所述判断所述第二传感器的检测区域内是否存在所述第一障碍物之后，还包括：
若是，则确定所述第二信任函数中用于表征所述第一障碍物未存在信度的元素值为0。
6.如权利要求1-5任一所述的方法，其特征在于，所述判断所述第一障碍物对应的总存在信度值是否大于阈值之后，还包括：
若否，则根据所述更新后的历史信任函数中各元素的值及所述第二信任函数中各元素的值，对所述第一障碍物对应的历史信任函数中各元素的值进行更新。
7.一种基于多数据融合结果的障碍物存在性检测装置，应用于自动驾驶车辆，其特征在于，包括：
第一确定模块，用于根据第一传感器当前获取的数据，确定所述第一传感器当前的检测区域内第一障碍物对应的第一信任函数，其中，信任函数中的各元素分别用于表征障碍物存在信度、未存在信度及未知信度；
第一判断模块，用于根据所述第一障碍物对应的历史信任函数中各元素的值及所述第一信任函数中各元素的值，判断所述第一障碍物对应的总存在信度值是否大于阈值；
第二确定模块，用于当所述第一障碍物对应的总存在信度值大于阈值时，确定所述第一传感器当前的检测区域内存在所述第一障碍物；
更新模块，用于当所述第一障碍物对应的总存在信度值小于或者等于阈值时，根据所述历史信任函数中各元素的值及所述第一信任函数中各元素的值，对所述第一障碍物对应的历史信任函数中各元素的值进行更新；
第三判断模块，用于所述第一障碍物当前所在的区域是否为第二传感器的检测区域；
第四确定模块，用于当所述第一障碍物当前所在的区域为第二传感器的检测区域时，则根据所述第二传感器当前获取的数据，确定所述第一障碍物对应的第二信任函数；
所述第一判断模块，还用于根据所述更新后的历史信任函数中各元素的值及所述第二信任函数中各元素的值，判断所述第一障碍物对应总的存在信度值是否大于阈值；
所述第二确定模块，还用于当所述第一障碍物对应总的存在信度值大于阈值时，则确定所述第一传感器当前的检测区域内存在所述第一障碍物。
8.如权利要求7所述的装置，其特征在于，所述装置还包括：
合成模块，用于基于预设的合成规则，对所述第一传感器的历史检测数据进行合成处理，以生成所述第一障碍物对应的历史信任函数；
或者，
基于预设的合成规则，对所有检测到所述第一障碍物的各传感器的历史检测数据进行合成处理，以生成所述第一障碍物对应的历史信任函数。
9.一种计算机设备，其特征在于，包括处理器和存储器；
其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如权利要求1-6中任一所述的基于多数据融合结果的障碍物存在性检测方法。
10.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的基于多数据融合结果的障碍物存在性检测方法。
CN202110903942.0A 2018-12-10 2018-12-10 基于多数据融合结果的障碍物存在性检测方法和装置 Active CN113743228B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110903942.0A CN113743228B (zh) 2018-12-10 2018-12-10 基于多数据融合结果的障碍物存在性检测方法和装置

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202110903942.0A CN113743228B (zh) 2018-12-10 2018-12-10 基于多数据融合结果的障碍物存在性检测方法和装置
CN201811501437.8A CN109684944B (zh) 2018-12-10 2018-12-10 障碍物检测方法、装置、计算机设备和存储介质

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201811501437.8A Division CN109684944B (zh) 2018-12-10 2018-12-10 障碍物检测方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN113743228A true CN113743228A (zh) 2021-12-03
CN113743228B CN113743228B (zh) 2023-07-14

Family

ID=66187373

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202110903942.0A Active CN113743228B (zh) 2018-12-10 2018-12-10 基于多数据融合结果的障碍物存在性检测方法和装置
CN201811501437.8A Active CN109684944B (zh) 2018-12-10 2018-12-10 障碍物检测方法、装置、计算机设备和存储介质

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201811501437.8A Active CN109684944B (zh) 2018-12-10 2018-12-10 障碍物检测方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (2) CN113743228B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115690739A (zh) * 2022-10-31 2023-02-03 阿波罗智能技术(北京)有限公司 多传感器融合障碍物存在性检测方法和自动驾驶车辆

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113253299B (zh) * 2021-06-09 2022-02-01 深圳市速腾聚创科技有限公司 障碍物检测方法、装置及存储介质
US11624831B2 (en) 2021-06-09 2023-04-11 Suteng Innovation Technology Co., Ltd. Obstacle detection method and apparatus and storage medium

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1494044A1 (de) * 2003-07-03 2005-01-05 EADS Deutschland GmbH Verfahren zur Hinderniserkennung und Geländeklassifikation
CN103123687A (zh) * 2011-09-16 2013-05-29 哈曼（中国）投资有限公司 快速障碍物检测
US20130287290A1 (en) * 2012-04-30 2013-10-31 The Boeing Company Image registration of multimodal data using 3d geoarcs
CN107341087A (zh) * 2017-06-29 2017-11-10 上海德衡数据科技有限公司 一种基于多传感器信息融合的运维预警防范系统架构
CN107830869A (zh) * 2017-11-16 2018-03-23 百度在线网络技术（北京）有限公司 用于车辆的信息输出方法和装置
CN108062368A (zh) * 2017-12-08 2018-05-22 北京百度网讯科技有限公司 全量数据翻译方法、装置、服务器及存储介质
CN108280445A (zh) * 2018-02-26 2018-07-13 江苏裕兰信息科技有限公司 一种车辆周围运动物体和凸起障碍物的检测方法
CN108319982A (zh) * 2018-02-06 2018-07-24 贵州电网有限责任公司 一种电力巡线无人机多传感器数据融合障碍物检测方法
US20180308250A1 (en) * 2017-04-25 2018-10-25 TuSimple System and method for vehicle position and velocity estimation based on camera and lidar data
CN108828527A (zh) * 2018-06-19 2018-11-16 驭势（上海）汽车科技有限公司 一种多传感器数据融合方法、装置、车载设备及存储介质
CN108898055A (zh) * 2018-05-24 2018-11-27 长安大学 一种检测信息融合的移动机器人障碍物检测方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5128006B2 (ja) * 2010-05-19 2013-01-23 三菱電機株式会社 障害物検知装置
DK2606482T3 (da) * 2011-05-23 2017-11-06 Ion Geophysical Corp Havtrusselovervågnings- og forsvarssystem
CN104965202B (zh) * 2015-06-18 2017-10-27 奇瑞汽车股份有限公司 障碍物探测方法和装置
CN106951847B (zh) * 2017-03-13 2020-09-29 百度在线网络技术（北京）有限公司 障碍物检测方法、装置、设备及存储介质
US10195992B2 (en) * 2017-04-03 2019-02-05 Ford Global Technologies, Llc Obstacle detection systems and methods
CN108909624B (zh) * 2018-05-13 2021-05-18 西北工业大学 一种基于单目视觉的实时障碍物检测和定位方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1494044A1 (de) * 2003-07-03 2005-01-05 EADS Deutschland GmbH Verfahren zur Hinderniserkennung und Geländeklassifikation
CN103123687A (zh) * 2011-09-16 2013-05-29 哈曼（中国）投资有限公司 快速障碍物检测
US20130287290A1 (en) * 2012-04-30 2013-10-31 The Boeing Company Image registration of multimodal data using 3d geoarcs
US20180308250A1 (en) * 2017-04-25 2018-10-25 TuSimple System and method for vehicle position and velocity estimation based on camera and lidar data
CN107341087A (zh) * 2017-06-29 2017-11-10 上海德衡数据科技有限公司 一种基于多传感器信息融合的运维预警防范系统架构
CN107830869A (zh) * 2017-11-16 2018-03-23 百度在线网络技术（北京）有限公司 用于车辆的信息输出方法和装置
CN108062368A (zh) * 2017-12-08 2018-05-22 北京百度网讯科技有限公司 全量数据翻译方法、装置、服务器及存储介质
CN108319982A (zh) * 2018-02-06 2018-07-24 贵州电网有限责任公司 一种电力巡线无人机多传感器数据融合障碍物检测方法
CN108280445A (zh) * 2018-02-26 2018-07-13 江苏裕兰信息科技有限公司 一种车辆周围运动物体和凸起障碍物的检测方法
CN108898055A (zh) * 2018-05-24 2018-11-27 长安大学 一种检测信息融合的移动机器人障碍物检测方法
CN108828527A (zh) * 2018-06-19 2018-11-16 驭势（上海）汽车科技有限公司 一种多传感器数据融合方法、装置、车载设备及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
欧志芳: "智能车辆中基于视频的车辆检测算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
赵亮 等: "基于改进信度函数分配方法的煤种判别技术", 《华北电力大学学报》 *
鲍阚: "智能车辆近场物体探测及其状态识别方法研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115690739A (zh) * 2022-10-31 2023-02-03 阿波罗智能技术(北京)有限公司 多传感器融合障碍物存在性检测方法和自动驾驶车辆
CN115690739B (zh) * 2022-10-31 2024-03-26 阿波罗智能技术(北京)有限公司 多传感器融合障碍物存在性检测方法和自动驾驶车辆

Also Published As

Publication number Publication date
CN113743228B (zh) 2023-07-14
CN109684944B (zh) 2021-09-03
CN109684944A (zh) 2019-04-26

Similar Documents

Publication Publication Date Title
CN109684944B (zh) 障碍物检测方法、装置、计算机设备和存储介质
CN109188438B (zh) 偏航角确定方法、装置、设备和介质
CN111709975B (zh) 多目标跟踪方法、装置、电子设备及存储介质
CN109035831B (zh) 交通指示灯的识别方法、装置、设备、存储介质及车辆
EP3065087B1 (en) Information processing apparatus, image capturing apparatus, control system applicable to moveable apparatus, information processing method, and carrier medium of program of method
CN109738884B (zh) 对象检测方法、装置和计算机设备
US11126875B2 (en) Method and device of multi-focal sensing of an obstacle and non-volatile computer-readable storage medium
JP2016081525A (ja) 車両用画像認識システム、及び対応法
CN109766867B (zh) 车辆运行状态确定方法、装置、计算机设备和存储介质
US11688078B2 (en) Video object detection
CN112084810A (zh) 一种障碍物检测方法、装置、电子设备及存储介质
CN110893862B (zh) 用于确保自主行驶系统的故障安全功能的装置和方法
CN111383246B (zh) 条幅检测方法、装置及设备
CN110647818A (zh) 一种遮挡目标物体的识别方法及装置
US20210134085A1 (en) Systems and Methods for Diagnosing Perception Systems of Vehicles Based on Temporal Continuity of Sensor Data
JP2021033510A (ja) 運転支援装置
US9418443B2 (en) Apparatus and method for detecting obstacle
CN116863124B (zh) 车辆姿态确定方法、控制器及存储介质
CN112560689A (zh) 一种车位检测方法、装置、电子设备和存储介质
WO2023184833A1 (zh) 检测结果处理方法和装置、设备、介质及计算机程序产品
WO2022264533A1 (ja) 検知枠位置精度向上システム、及び検知枠位置補正方法
CN115703471A (zh) 驾驶员注意力以及手放置系统和方法
CN109583511B (zh) 速度融合方法和装置
CN109740518B (zh) 一种视频中对象的确定方法及装置
KR101886856B1 (ko) 이종센서 탐색기의 비정형 객체추적에 대한 데이터 결합시스템 및 방법

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant