CN113807168A - 一种车辆行驶环境感知方法、车载设备和存储介质 - Google Patents
一种车辆行驶环境感知方法、车载设备和存储介质 Download PDFInfo
- Publication number
- CN113807168A CN113807168A CN202110897330.5A CN202110897330A CN113807168A CN 113807168 A CN113807168 A CN 113807168A CN 202110897330 A CN202110897330 A CN 202110897330A CN 113807168 A CN113807168 A CN 113807168A
- Authority
- CN
- China
- Prior art keywords
- target
- perception
- vehicle
- preset
- determining
- 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 26
- 230000008447 perception Effects 0.000 claims abstract description 95
- 230000000007 visual effect Effects 0.000 claims abstract description 8
- 238000001514 detection method Methods 0.000 claims description 28
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 206010029216 Nervousness Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/292—Multi-camera tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆行驶环境感知方法和车载设备,该方法包括:基于各视觉传感器获取行驶环境图像,并基于预设图像处理算法和预设目标识别算法对行驶环境图像进行处理后确定第一目标列表;基于各毫米波雷达获取行驶环境中的原始目标信息,并根据原始目标信息中各目标返回值确定第二目标列表;根据第一目标列表的第一坐标数据和第二目标列表的第二坐标数据对第一目标列表和第二目标列表进行关联,并根据关联结果确定是否存在感知目标;若存在感知目标,基于预设目标跟踪算法对感知目标进行跟踪,并根据感知目标的跟踪数据和车辆的当前状态数据确定行驶环境感知数据,从而提高了车辆行驶环境感知的精度,进而使车辆可靠的进行主动安全控制。
Description
技术领域
本申请涉及车辆主动安全技术领域,更具体地,涉及一种车辆行驶环境感知方法、车载设备和存储介质。
背景技术
目前,由于车辆存在速度快、侧视盲区、后部追尾等众多类型的安全隐患,经常会出现碰撞事故,因此为了尽量避免车辆碰撞事故的发生,车辆环境感知和主动安全已经成为亟待解决的问题。例如,在存在车辆前方静态和动态障碍物,或车辆两侧盲区运动物体,或车辆后部逐渐靠近的物体等时,依据设定的参数判断车辆行驶的安全性,由控制系统自行执行车辆智能控制行为,包括减速、刹车、变道避让等操作,达到车辆主动安全控制的目标。
现有技术中,一般通过设置在车辆的摄像头和雷达进行周围行驶环境的感知,摄像头可获取目标的图像数据,雷达可获取目标的距离并测速,然而,由于分别基于单一的手段进行探测,并没有将图像数据和雷达数据有效进行结合,导致行驶环境感知的精度较低。
因此,如何提高车辆行驶环境感知的精度,进而使车辆可靠的进行主动安全控制,是目前有待解决的技术问题。
发明内容
本发明提供一种车辆行驶环境感知方法,用以解决现有技术中车辆行驶环境感知的精度较低的技术问题,在车辆上设置有用于探测车辆周围行驶环境的多个视觉传感器和多个毫米波雷达,该方法包括:
基于各所述视觉传感器获取行驶环境图像,并基于预设图像处理算法和预设目标识别算法对所述行驶环境图像进行处理后确定第一目标列表;
基于各所述毫米波雷达获取行驶环境中的原始目标信息,并根据所述原始目标信息中各目标返回值确定第二目标列表;
根据所述第一目标列表的第一坐标数据和所述第二目标列表的第二坐标数据对所述第一目标列表和所述第二目标列表进行关联,并根据关联结果确定是否存在感知目标;
若存在所述感知目标,基于预设目标跟踪算法对所述感知目标进行跟踪,并根据所述感知目标的跟踪数据和车辆的当前状态数据确定行驶环境感知数据。
在本申请一些实施例中,根据所述原始目标信息中各目标返回值确定第二目标列表,具体为:
根据所述目标返回值确定所述原始目标信息中的空目标和干扰目标,并滤除所述空目标和所述干扰目标,得到初始目标列表;
根据所述初始目标列表中各初始目标在所述毫米波雷达的下一探测周期的预测值和检测值确定所述初始目标列表中的有效目标;
根据各所述有效目标确定所述第二目标列表;
其中,所述空目标的目标返回值为预设默认值,所述干扰目标的存在时长小于预设时长或所述干扰目标的目标返回值满足预设跳变条件。
在本申请一些实施例中,所述目标返回值包括车辆与目标的相对距离、相对角度和相对速度,所述目标返回值在所述相对距离和所述相对角度均为零时为所述预设默认值,所述预设跳变条件包括相邻探测周期的相对距离的差值达到预设距离、和/或相邻探测周期的相对角度的差值达到预设角度、和/或相邻探测周期的相对速度的差值达到预设速度。
在本申请一些实施例中,根据所述初始目标列表中各初始目标在所述毫米波雷达的下一探测周期的预测值和检测值确定所述初始目标列表中的有效目标,具体为:
确定所述预测值和所述检测值的差值;
若所述差值小于预设差值,确定所述初始目标为所述有效目标。
在本申请一些实施例中,根据所述第一目标列表的第一坐标数据和所述第二目标列表的第二坐标数据对所述第一目标列表和所述第二目标列表进行关联,具体为:
将所述第一坐标数据和所述第二坐标数据的坐标进行统一;
若可使用目标的航迹信息,根据前后帧的目标的航迹信息确定关联结果;
若不可使用目标的航迹信息,根据所述第一坐标数据和所述第二坐标数据计算所述第一目标列表和所述第二目标列表之间各目标的欧式距离和余弦相似度,并根据所述欧式距离和所述余弦相似度构建关联矩阵,根据所述关联矩阵和预设阈值确定所述关联结果。
在本申请一些实施例中,基于预设目标跟踪算法对所述感知目标进行跟踪,具体为:
基于多目标跟踪算法或卡尔曼滤波算法对所述感知目标进行分离跟踪,并确定与所述感知目标匹配的目标、新的感知目标和当前时刻不存在的感知目标。
在本申请一些实施例中,所述方法还包括:
若检测到当前时刻不存在的感知目标,记录当前时刻不存在的感知目标的连续未出现帧数;
若所述连续未出现帧数大于预设帧数,确定当前时刻不存在的感知目标消失。
在本申请一些实施例中,所述跟踪数据包括车辆与所述感知目标的距离,所述感知目标的大小、车辆与所述感知目标的相对速度,所述当前状态数据包括当前车速、加速度和方向盘转角,根据所述感知目标的跟踪数据和车辆的当前状态数据确定行驶环境感知数据,具体为:
根据所述跟踪数据和所述当前状态数据确定车辆与所述感知目标的安全间距;
根据所述安全间距确定所述行驶环境感知数据。
相应的,本发明还提出了一种车载设备,在车辆上设置有用于探测车辆周围行驶环境的多个视觉传感器和多个毫米波雷达,所述车载设备包括:
第一确定模块,用于基于各所述视觉传感器获取行驶环境图像,并基于预设图像处理算法和预设目标识别算法对所述行驶环境图像进行处理后确定第一目标列表;
第二确定模块,用于基于各所述毫米波雷达获取行驶环境中的原始目标信息,并根据所述原始目标信息中各目标返回值确定第二目标列表;
第三确定模块,用于根据所述第一目标列表的第一坐标数据和所述第二目标列表的第二坐标数据对所述第一目标列表和所述第二目标列表进行关联,并根据关联结果确定是否存在感知目标;
第四确定模块,用于若存在所述感知目标,基于预设目标跟踪算法对所述感知目标进行跟踪,并根据所述感知目标的跟踪数据和车辆的当前状态数据确定行驶环境感知数据。
相应的,本发明还提出了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行如上所述的车辆行驶环境感知方法。
与现有技术对比,本发明具备以下有益效果:
通过应用以上技术方案,在车辆上设置有用于探测车辆周围行驶环境的多个视觉传感器和多个毫米波雷达,基于各视觉传感器获取行驶环境图像,并基于预设图像处理算法和预设目标识别算法对行驶环境图像进行处理后确定第一目标列表;基于各毫米波雷达获取行驶环境中的原始目标信息,并根据原始目标信息中各目标返回值确定第二目标列表;根据第一目标列表的第一坐标数据和第二目标列表的第二坐标数据对第一目标列表和第二目标列表进行关联,并根据关联结果确定是否存在感知目标;若存在感知目标,基于预设目标跟踪算法对感知目标进行跟踪,并根据感知目标的跟踪数据和车辆的当前状态数据确定行驶环境感知数据,从而提高了车辆行驶环境感知的精度,进而使车辆可靠的进行主动安全控制。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本发明实施例提出的一种车辆行驶环境感知方法的流程示意图;
图2示出了本发明实施例提出的一种车载设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供一种车辆行驶环境感知方法,在车辆上设置有用于探测车辆周围行驶环境的多个视觉传感器和多个毫米波雷达,如图1所示,所述方法包括以下步骤:
步骤S101,基于各所述视觉传感器获取行驶环境图像,并基于预设图像处理算法和预设目标识别算法对所述行驶环境图像进行处理后确定第一目标列表。
本实施例中,车辆上设置有用于探测车辆周围行驶环境的多个视觉传感器和多个毫米波雷达,视觉传感器和毫米波雷达的安装方式可以为:在车辆上安装4个视觉传感器和4个毫米波雷达,4个视觉传感器分别安装在车辆前挡风玻璃中央位置,车辆后挡风玻璃中央位置,车辆左右两侧后视镜上,4个毫米波雷达分别安装在车辆的前方中央位置、尾部中央位置、左侧位置、右侧位置,毫米波雷达能够可靠的检测远距离目标并测速,扩展感知范围提高跟踪精度;视觉传感器能够提供丰富的环境语义信息,对感知系统对环境的理解提供支持。
车辆启动后,基于各所述视觉传感器获取行驶环境图像,基于预设图像处理算法和预设目标识别算法对行驶环境图像进行处理,具体包括基于预设图像处理算法获取行驶环境图像特征向量,该特征向量包括纹理、颜色、角点等,基于预设目标识别算法对特征向量处理后获取第一目标列表,所述预设目标识别算法可以为AdaBoost机器学习算法。
步骤S102,基于各所述毫米波雷达获取行驶环境中的原始目标信息,并根据所述原始目标信息中各目标返回值确定第二目标列表。
本实施例中,基于各毫米波雷达对行驶环境进行探测,获取行驶环境中的原始目标信息,原始目标信息中包括多个目标返回值,根据各目标返回值确定第二目标列表。
为了准确的确定第二目标列表,在本申请一些实施例中,根据所述原始目标信息中各目标返回值确定第二目标列表,具体为:
根据所述目标返回值确定所述原始目标信息中的空目标和干扰目标,并滤除所述空目标和所述干扰目标,得到初始目标列表;
根据所述初始目标列表中各初始目标在所述毫米波雷达的下一探测周期的预测值和检测值确定所述初始目标列表中的有效目标;
根据各所述有效目标确定所述第二目标列表。
本实施例中,每个毫米波雷达可识别64个目标,即每个毫米波雷达产生的目标信息中包括有64个目标的信息,这些信息可以包含车辆自身与该目标的相对距离、相对角度、相对速度,以及该目标的ID和该目标的状态信息。目标的ID用于实现对目标之间的区分,可将目标的ID设为i,限定i∈(0,1,2,...,63),分别用0至63表示64个目标的ID,每个目标具有唯一的ID,并根据解析协议对目标信息进行存储。
毫米波雷达返回的目标信息中有一部分是空目标的目标信息,即未检测到目标也会返回系统默认值,雷达返回的目标信息中还存着无效目标的目标信息,即车辆出现颠簸、速度突变或者其他干扰时会产生无实际意义无客观目标对应的干扰目标。因此需要滤除空目标和干扰目标,得到初始目标列表,以保证对车辆周边环境感知的准确性,避免因空目标或者干扰目标的出现造成误判。空目标的目标返回值为预设默认值,干扰目标的存在时长小于预设时长或干扰目标的目标返回值满足预设跳变条件。
在车辆高速行驶时,最容易出现目标的丢失与误判现象,因此需要对初始目标列表中各初始目标进一步处理,以提高行驶环境感知的精度。根据初始目标列表中各初始目标在毫米波雷达的下一探测周期的预测值和检测值确定初始目标列表中的有效目标,并根据各有效目标确定第二目标列表。
需要说明的是,以上实施例的方案仅为本申请所提出的一种具体实现方案,其他根据原始目标信息中各目标返回值确定第二目标列表的方式均属于本申请的保护范围。
为了可靠的得到初始目标列表,在本申请一些实施例中,所述目标返回值包括车辆与目标的相对距离、相对角度和相对速度,所述目标返回值在所述相对距离和所述相对角度均为零时为所述预设默认值,所述预设跳变条件包括相邻探测周期的相对距离的差值达到预设距离、和/或相邻探测周期的相对角度的差值达到预设角度、和/或相邻探测周期的相对速度的差值达到预设速度。
本实施例中,设定车辆自身与目标的相对距离为di,相对角度为αi、相对速度为vi,其中i为目标的ID;则
空目标满足:di=0且αi=0,即相对距离与相对角度的测量值均为零;
干扰目标满足:|di(n+1)-di(n)|≥A米或者|αi(n+1)-αi(n)|≥B度或者|vi(n+1)-vi(n)|≥C米/秒,其中:n为检测次数,A、B、C为系统设定值。本实施例中,A、B、C的设定值用于判断目标是否出现跳变且存在时间短的情况,一般情况下A、B、C的值取决于毫米波雷达的采样频率以及车辆行驶的速度等。以位于前方中央位置的毫米波雷达为例,毫米波雷达的采集频率为20Hz,则采样间隔时间为0.05秒,设定A=6,B=5,C=4,即针对同一目标,其在相邻的两次采集信息中,相对距离超过6米,或者相对角度超过5度,或者相对速度超过4米每秒,则定义为该目标为干扰目标,因为干扰目标的目标信息存在跳跃性且无轨迹。干扰目标还有出现时间短这一特点,所以设定目标连续出现次数小于5次,即该目标连续出现时间小于0.25秒,则将此目标视为干扰目标。
为了准确的确定有效目标,在本申请一些实施例中,根据所述初始目标列表中各初始目标在所述毫米波雷达的下一探测周期的预测值和检测值确定所述初始目标列表中的有效目标,具体为:
确定所述预测值和所述检测值的差值;
若所述差值小于预设差值,确定所述初始目标为所述有效目标。
本实施例中,先确定下一探测周期的预测值和检测值的差值,若差值小于预设差值,初始目标与下一个探测周期的目标一致,确定初始目标为有效目标。可选的,使用三阶卡尔曼滤波获取下一探测周期的预测值。
可以理解的是,差值不小于预设差值,确定初始目标与下一个探测周期的目标不一致。
需要说明的是,以上实施例的方案仅为本申请所提出的一种具体实现方案,其他根据初始目标列表中各初始目标在所述毫米波雷达的下一探测周期的预测值和检测值确定有效目标的方式均属于本申请的保护范围。
步骤S103,根据所述第一目标列表的第一坐标数据和所述第二目标列表的第二坐标数据对所述第一目标列表和所述第二目标列表进行关联,并根据关联结果确定是否存在感知目标。
本实施例中,同一个目标可同时存在与第一目标列表和第二目标列表中,第一目标列表中各目标存在第一坐标数据,第二目标列表中各目标存在第二坐标数据,根据第一坐标数据和第二坐标数据对第一目标列表和所述第二目标列表进行关联,即,将同时存在于第一目标列表和第二目标列表中的目标进行关联,根据关联结果确定是否存在感知目标。
为了可靠的确定感知目标,在本申请一些实施例中,根据所述第一目标列表的第一坐标数据和所述第二目标列表的第二坐标数据对所述第一目标列表和所述第二目标列表进行关联,具体为:
将所述第一坐标数据和所述第二坐标数据的坐标进行统一;
若可使用目标的航迹信息,根据前后帧的目标的航迹信息确定关联结果;
若不可使用目标的航迹信息,根据所述第一坐标数据和所述第二坐标数据计算所述第一目标列表和所述第二目标列表之间各目标的欧式距离和余弦相似度,并根据所述欧式距离和所述余弦相似度构建关联矩阵,根据所述关联矩阵和预设阈值确定所述关联结果。
本实施例中,先将第一坐标数据和第二坐标数据的坐标进行统一,然后判断是否可使用目标的航迹信息,若是,根据前后帧的目标的航迹信息确定关联结果;否则根据第一坐标数据和第二坐标数据计算第一目标列表和第二目标列表之间各目标的欧式距离和余弦相似度,并根据欧式距离和余弦相似度构建关联矩阵,根据关联矩阵和预设阈值确定关联结果。
航迹关联方法中航迹信息包括目标ID和生命周期状态。在对前后帧数据进行关联时,使用跟踪的ID及目标生命周期情况进行匹配可增加融合结果跟踪的稳定性,并减小计算量。在目标刚进入两个传感系统的探测范围中时,可以先使用点迹关联确定关联矩阵,关联完成后,后续的周期中可以使用航迹进行关联,省去计算关联矩阵的计算消耗。
需要说明的是,以上实施例的方案仅为本申请所提出的一种具体实现方案,其他根据第一坐标数据和第二坐标数据对第一目标列表和第二目标列表进行关联的方式均属于本申请的保护范围。
步骤S104,若存在所述感知目标,基于预设目标跟踪算法对所述感知目标进行跟踪,并根据所述感知目标的跟踪数据和车辆的当前状态数据确定行驶环境感知数据。
本实施例中,若存在感知目标,基于预设目标跟踪算法对感知目标进行跟踪,获取感知目标的跟踪数据,根据该跟踪数据和车辆的当前状态数据确定行驶环境感知数据。
为了准确的对感知目标进行跟踪,在本申请一些实施例中,基于预设目标跟踪算法对所述感知目标进行跟踪,具体为:
基于多目标跟踪算法或卡尔曼滤波算法对所述感知目标进行分离跟踪,并确定与所述感知目标匹配的目标、新的感知目标和当前时刻不存在的感知目标。
为了准确的对感知目标进行跟踪,在本申请一些实施例中,所述方法还包括:
若检测到当前时刻不存在的感知目标,记录当前时刻不存在的感知目标的连续未出现帧数;
若所述连续未出现帧数大于预设帧数,确定当前时刻不存在的感知目标消失。
本实施例中,当检测到当前时刻不存在的感知目标时,会记录对应感知目标连续未出现帧数,当连续未出现帧数大于预设帧数时,则判定当前时刻不存在的感知目标消失。
为了提高对感知目标进行跟踪的准确性,在本申请一些实施例中,预设帧数是根据感知目标的连续存在时长进行调整的,感知目标已存在的时长越长,感知目标本身是误差造成的可能性就越小,预设帧数越大;感知目标已存在时长越短,感知目标本身是误差造成的可能性就越大,预设帧数越小。
为了准确的确定行驶环境感知数据,在本申请一些实施例中,所述跟踪数据包括车辆与所述感知目标的距离,所述感知目标的大小、车辆与所述感知目标的相对速度,所述当前状态数据包括当前车速、加速度和方向盘转角,根据所述感知目标的跟踪数据和车辆的当前状态数据确定行驶环境感知数据,具体为:
根据所述跟踪数据和所述当前状态数据确定车辆与所述感知目标的安全间距;
根据所述安全间距确定所述行驶环境感知数据。
本实施例中,根据跟踪数据和当前状态数据确定车辆与所述感知目标的安全间距,根据该安全间距确定行驶环境感知数据,若车辆与感知目标的距离小于安全间距,向驾驶员发出报警并执行预设主动安全控制。
需要说明的是,以上实施例的方案仅为本申请所提出的一种具体实现方案,其他根据感知目标的跟踪数据和车辆的当前状态数据确定行驶环境感知数据的方式均属于本申请的保护范围。
通过应用以上技术方案,在车辆上设置有用于探测车辆周围行驶环境的多个视觉传感器和多个毫米波雷达,基于各视觉传感器获取行驶环境图像,并基于预设图像处理算法和预设目标识别算法对行驶环境图像进行处理后确定第一目标列表;基于各毫米波雷达获取行驶环境中的原始目标信息,并根据原始目标信息中各目标返回值确定第二目标列表;根据第一目标列表的第一坐标数据和第二目标列表的第二坐标数据对第一目标列表和第二目标列表进行关联,并根据关联结果确定是否存在感知目标;若存在感知目标,基于预设目标跟踪算法对感知目标进行跟踪,并根据感知目标的跟踪数据和车辆的当前状态数据确定行驶环境感知数据,从而提高了车辆行驶环境感知的精度,进而使车辆可靠的进行主动安全控制。
与本申请实施例中的一种车辆行驶环境感知方法相对应,本申请实施例还提出了一种车载设备,在车辆上设置有用于探测车辆周围行驶环境的多个视觉传感器和多个毫米波雷达,如图2所示,所述车载设备包括:
第一确定模块201,用于基于各所述视觉传感器获取行驶环境图像,并基于预设图像处理算法和预设目标识别算法对所述行驶环境图像进行处理后确定第一目标列表;
第二确定模块202,用于基于各所述毫米波雷达获取行驶环境中的原始目标信息,并根据所述原始目标信息中各目标返回值确定第二目标列表;
第三确定模块203,用于根据所述第一目标列表的第一坐标数据和所述第二目标列表的第二坐标数据对所述第一目标列表和所述第二目标列表进行关联,并根据关联结果确定是否存在感知目标;
第四确定模块204,用于若存在所述感知目标,基于预设目标跟踪算法对所述感知目标进行跟踪,并根据所述感知目标的跟踪数据和车辆的当前状态数据确定行驶环境感知数据。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种车辆行驶环境感知方法,其特征在于,在车辆上设置有用于探测车辆周围行驶环境的多个视觉传感器和多个毫米波雷达,所述方法包括:
基于各所述视觉传感器获取行驶环境图像,并基于预设图像处理算法和预设目标识别算法对所述行驶环境图像进行处理后确定第一目标列表;
基于各所述毫米波雷达获取行驶环境中的原始目标信息,并根据所述原始目标信息中各目标返回值确定第二目标列表;
根据所述第一目标列表的第一坐标数据和所述第二目标列表的第二坐标数据对所述第一目标列表和所述第二目标列表进行关联,并根据关联结果确定是否存在感知目标;
若存在所述感知目标,基于预设目标跟踪算法对所述感知目标进行跟踪,并根据所述感知目标的跟踪数据和车辆的当前状态数据确定行驶环境感知数据。
2.如权利要求1所述的方法,其特征在于,根据所述原始目标信息中各目标返回值确定第二目标列表,具体为:
根据所述目标返回值确定所述原始目标信息中的空目标和干扰目标,并滤除所述空目标和所述干扰目标,得到初始目标列表;
根据所述初始目标列表中各初始目标在所述毫米波雷达的下一探测周期的预测值和检测值确定所述初始目标列表中的有效目标;
根据各所述有效目标确定所述第二目标列表;
其中,所述空目标的目标返回值为预设默认值,所述干扰目标的存在时长小于预设时长或所述干扰目标的目标返回值满足预设跳变条件。
3.如权利要求2所述的方法,其特征在于,所述目标返回值包括车辆与目标的相对距离、相对角度和相对速度,所述目标返回值在所述相对距离和所述相对角度均为零时为所述预设默认值,所述预设跳变条件包括相邻探测周期的相对距离的差值达到预设距离、和/或相邻探测周期的相对角度的差值达到预设角度、和/或相邻探测周期的相对速度的差值达到预设速度。
4.如权利要求2所述的方法,其特征在于,根据所述初始目标列表中各初始目标在所述毫米波雷达的下一探测周期的预测值和检测值确定所述初始目标列表中的有效目标,具体为:
确定所述预测值和所述检测值的差值;
若所述差值小于预设差值,确定所述初始目标为所述有效目标。
5.如权利要求1所述的方法,其特征在于,根据所述第一目标列表的第一坐标数据和所述第二目标列表的第二坐标数据对所述第一目标列表和所述第二目标列表进行关联,具体为:
将所述第一坐标数据和所述第二坐标数据的坐标进行统一;
若可使用目标的航迹信息,根据前后帧的目标的航迹信息确定关联结果;
若不可使用目标的航迹信息,根据所述第一坐标数据和所述第二坐标数据计算所述第一目标列表和所述第二目标列表之间各目标的欧式距离和余弦相似度,并根据所述欧式距离和所述余弦相似度构建关联矩阵,根据所述关联矩阵和预设阈值确定所述关联结果。
6.如权利要求1所述的方法,其特征在于,基于预设目标跟踪算法对所述感知目标进行跟踪,具体为:
基于多目标跟踪算法或卡尔曼滤波算法对所述感知目标进行分离跟踪,并确定与所述感知目标匹配的目标、新的感知目标和当前时刻不存在的感知目标。
7.如权利要求6所述的方法,其特征在于,所述方法还包括:
若检测到当前时刻不存在的感知目标,记录当前时刻不存在的感知目标的连续未出现帧数;
若所述连续未出现帧数大于预设帧数,确定当前时刻不存在的感知目标消失。
8.如权利要求1所述的方法,其特征在于,所述跟踪数据包括车辆与所述感知目标的距离,所述感知目标的大小、车辆与所述感知目标的相对速度,所述当前状态数据包括当前车速、加速度和方向盘转角,根据所述感知目标的跟踪数据和车辆的当前状态数据确定行驶环境感知数据,具体为:
根据所述跟踪数据和所述当前状态数据确定车辆与所述感知目标的安全间距;
根据所述安全间距确定所述行驶环境感知数据。
9.一种车载设备,其特征在于,在车辆上设置有用于探测车辆周围行驶环境的多个视觉传感器和多个毫米波雷达,所述车载设备包括:
第一确定模块,用于基于各所述视觉传感器获取行驶环境图像,并基于预设图像处理算法和预设目标识别算法对所述行驶环境图像进行处理后确定第一目标列表;
第二确定模块,用于基于各所述毫米波雷达获取行驶环境中的原始目标信息,并根据所述原始目标信息中各目标返回值确定第二目标列表;
第三确定模块,用于根据所述第一目标列表的第一坐标数据和所述第二目标列表的第二坐标数据对所述第一目标列表和所述第二目标列表进行关联,并根据关联结果确定是否存在感知目标;
第四确定模块,用于若存在所述感知目标,基于预设目标跟踪算法对所述感知目标进行跟踪,并根据所述感知目标的跟踪数据和车辆的当前状态数据确定行驶环境感知数据。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行如权利要求1-8任一项所述的车辆行驶环境感知方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110897330.5A CN113807168A (zh) | 2021-08-05 | 2021-08-05 | 一种车辆行驶环境感知方法、车载设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110897330.5A CN113807168A (zh) | 2021-08-05 | 2021-08-05 | 一种车辆行驶环境感知方法、车载设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113807168A true CN113807168A (zh) | 2021-12-17 |
Family
ID=78893335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110897330.5A Pending CN113807168A (zh) | 2021-08-05 | 2021-08-05 | 一种车辆行驶环境感知方法、车载设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113807168A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114442101A (zh) * | 2022-01-28 | 2022-05-06 | 南京慧尔视智能科技有限公司 | 基于成像毫米波雷达的车辆导航方法、装置、设备及介质 |
CN114460598A (zh) * | 2022-01-30 | 2022-05-10 | 中国第一汽车股份有限公司 | 一种目标识别方法、装置、设备及存储介质 |
CN115346374A (zh) * | 2022-08-30 | 2022-11-15 | 北京星云互联科技有限公司 | 一种路口全息感知方法、装置、边缘计算设备和存储介质 |
WO2024007972A1 (zh) * | 2022-07-05 | 2024-01-11 | 安徽蔚来智驾科技有限公司 | 物体关联方法、计算机设备、计算机可读存储介质及车辆 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103869300A (zh) * | 2012-12-07 | 2014-06-18 | 富士通天株式会社 | 雷达设备和信号处理方法 |
CN103971540A (zh) * | 2014-05-16 | 2014-08-06 | 长安大学 | 一种防止车辆连环追尾的预警装置及预警方法 |
CN105469617A (zh) * | 2014-08-20 | 2016-04-06 | 中兴通讯股份有限公司 | 一种行车安全辅助方法和装置 |
CN111505624A (zh) * | 2020-04-30 | 2020-08-07 | 中国汽车工程研究院股份有限公司 | 一种基于机器视觉和毫米波雷达数据融合的环境感知方法 |
WO2020216316A1 (zh) * | 2019-04-26 | 2020-10-29 | 纵目科技(上海)股份有限公司 | 基于毫米波雷达的辅助驾驶系统、方法、终端和介质 |
CN112216146A (zh) * | 2020-09-16 | 2021-01-12 | 浙江吉利控股集团有限公司 | 一种车辆风险预警方法、装置、设备及车辆 |
CN113064172A (zh) * | 2021-03-16 | 2021-07-02 | 安徽卡思普智能科技有限公司 | 基于毫米波雷达与机器视觉融合的汽车安全换道方法 |
-
2021
- 2021-08-05 CN CN202110897330.5A patent/CN113807168A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103869300A (zh) * | 2012-12-07 | 2014-06-18 | 富士通天株式会社 | 雷达设备和信号处理方法 |
CN103971540A (zh) * | 2014-05-16 | 2014-08-06 | 长安大学 | 一种防止车辆连环追尾的预警装置及预警方法 |
CN105469617A (zh) * | 2014-08-20 | 2016-04-06 | 中兴通讯股份有限公司 | 一种行车安全辅助方法和装置 |
WO2020216316A1 (zh) * | 2019-04-26 | 2020-10-29 | 纵目科技(上海)股份有限公司 | 基于毫米波雷达的辅助驾驶系统、方法、终端和介质 |
CN111505624A (zh) * | 2020-04-30 | 2020-08-07 | 中国汽车工程研究院股份有限公司 | 一种基于机器视觉和毫米波雷达数据融合的环境感知方法 |
CN112216146A (zh) * | 2020-09-16 | 2021-01-12 | 浙江吉利控股集团有限公司 | 一种车辆风险预警方法、装置、设备及车辆 |
CN113064172A (zh) * | 2021-03-16 | 2021-07-02 | 安徽卡思普智能科技有限公司 | 基于毫米波雷达与机器视觉融合的汽车安全换道方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114442101A (zh) * | 2022-01-28 | 2022-05-06 | 南京慧尔视智能科技有限公司 | 基于成像毫米波雷达的车辆导航方法、装置、设备及介质 |
CN114442101B (zh) * | 2022-01-28 | 2023-11-14 | 南京慧尔视智能科技有限公司 | 基于成像毫米波雷达的车辆导航方法、装置、设备及介质 |
CN114460598A (zh) * | 2022-01-30 | 2022-05-10 | 中国第一汽车股份有限公司 | 一种目标识别方法、装置、设备及存储介质 |
WO2024007972A1 (zh) * | 2022-07-05 | 2024-01-11 | 安徽蔚来智驾科技有限公司 | 物体关联方法、计算机设备、计算机可读存储介质及车辆 |
CN115346374A (zh) * | 2022-08-30 | 2022-11-15 | 北京星云互联科技有限公司 | 一种路口全息感知方法、装置、边缘计算设备和存储介质 |
CN115346374B (zh) * | 2022-08-30 | 2023-08-22 | 北京星云互联科技有限公司 | 一种路口全息感知方法、装置、边缘计算设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113807168A (zh) | 一种车辆行驶环境感知方法、车载设备和存储介质 | |
JP5939357B2 (ja) | 移動軌跡予測装置及び移動軌跡予測方法 | |
US9983306B2 (en) | System and method for providing target threat assessment in a collision avoidance system on a vehicle | |
CN112154455B (zh) | 数据处理方法、设备和可移动平台 | |
CN110867132B (zh) | 环境感知的方法、装置、电子设备和计算机可读存储介质 | |
US20150298621A1 (en) | Object detection apparatus and driving assistance apparatus | |
CN112526521B (zh) | 一种汽车毫米波防撞雷达的多目标跟踪方法 | |
US9812008B2 (en) | Vehicle detection and tracking based on wheels using radar and vision | |
KR101448506B1 (ko) | 선행차량의 거동을 이용한 주행 차로의 곡률 측정 방법 및 장치 | |
EP3549056B1 (en) | Information processing device, imaging device, apparatus control system, movable body, information processing method, and computer program product | |
EP3537174A1 (en) | Method and system for determining the pointing angle of a moving object | |
US11753002B2 (en) | Vehicular control system | |
US20230034560A1 (en) | Method for tracking a remote target vehicle in an area surrounding a motor vehicle by means of a collision detection device | |
CN114296095A (zh) | 自动驾驶车辆的有效目标提取方法、装置、车辆及介质 | |
CN111959515A (zh) | 一种基于视觉检测的前向目标选择方法、装置及系统 | |
US20220234581A1 (en) | Vehicle control method, vehicle control device, and vehicle control system including same | |
CN108283019A (zh) | 车辆的碰撞时间的改进型计算 | |
CN111391752A (zh) | 一种用于识别障碍物的报警方法、装置、电子设备及存储介质 | |
US20230182728A1 (en) | Collision determination apparatus, collision determination method, collision avoidance system | |
US20240194077A1 (en) | Method for operating a driver assistance system, computer program product, driver assistance system, and vehicle | |
CN111091148B (zh) | 一种基于目标先验信息的车载雷达目标跟踪方法及装置 | |
EP3422321A1 (en) | A road accident warning system and method | |
CN113591673A (zh) | 用于识别交通标志的方法和设备 | |
CN117250595B (zh) | 一种车载毫米波雷达金属井盖目标误报抑制方法 | |
CN115661797B (zh) | 目标跟踪方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211217 |