CN113887433A - 一种障碍物的检测方法、装置、计算机设备及存储介质 - Google Patents
一种障碍物的检测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113887433A CN113887433A CN202111165461.0A CN202111165461A CN113887433A CN 113887433 A CN113887433 A CN 113887433A CN 202111165461 A CN202111165461 A CN 202111165461A CN 113887433 A CN113887433 A CN 113887433A
- Authority
- CN
- China
- Prior art keywords
- identified
- determining
- point
- projection
- historical
- 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
Images
Landscapes
- Traffic Control Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本公开提供了一种障碍物的检测方法、装置、计算机设备及存储介质,其中,该障碍物的检测方法包括:基于对目标场景进行扫描得到的当前帧雷达扫描数据,确定所述目标场景中的待识别对象对应的第一位置点;基于历史帧雷达扫描数据中的历史候选删除对象对应的历史位置信息、以及所述第一位置点,确定所述待识别对象是否为待删除的目标对象;响应于所述待识别对象并非为所述待删除的目标对象,将所述待识别对象确定为所述目标场景中的障碍物。本公开实施例提供的障碍物的检测方法在对障碍物进行检测时,准确度较高。
Description
技术领域
本公开涉及雷达检测技术领域,具体而言,涉及一种障碍物的检测方法、装置、计算机设备及存储介质。
背景技术
在利用激光雷达对行驶区域进行检测时,通常是通过向行驶区域发射激光、并接收由地面和障碍物等反射的激光的方式进行的。而在行驶区域中存在对激光产生镜面反射的非障碍物的物体,如路面的积水、油漆未干的车道线等时,则会由于异常反射的激光将而其判断为异常物体,从而造成利用激光对障碍物进行检测的准确度较低。
发明内容
本公开实施例至少提供一种障碍物的检测方法、装置、计算机设备及存储介质。
第一方面,本公开实施例提供了一种障碍物的检测方法,包括:基于对目标场景进行扫描得到的当前帧雷达扫描数据,确定所述目标场景中的待识别对象对应的第一位置点;基于历史帧雷达扫描数据中的历史候选删除对象对应的历史位置信息、以及所述第一位置点,确定所述待识别对象是否为待删除的目标对象;响应于所述待识别对象并非为所述待删除的目标对象,将所述待识别对象确定为所述目标场景中的障碍物。
这样,通过结合历史帧雷达数据中的历史候选删除对象的历史位置信息,确定是否要对当前帧雷达扫描数据中的待识别对象进行删除处理,从而将空间域和时间域结合,综合判断待识别对象是否为待删除的目标对象,以判断待识别对象是否为目标场景中的障碍物,具有更高的检测精度。
一种可选的实施方式中,所述基于历史帧雷达扫描数据中的历史候选删除对象对应的历史位置信息、以及所述第一位置点,确定所述待识别对象是否为待删除的目标对象,包括:基于所述待识别对象对应的第一位置点,判断所述待识别对象是否为当前候选删除对象;响应于所述待识别对象为所述当前候选删除对象,基于历史帧雷达扫描数据中的历史候选删除对象对应的历史位置信息、以及所述第一位置点,确定所述待识别对象是否为待删除的目标对象。
这样,通过第一位置点可以首先判断待识别对象是否为当前候选删除对象;在可以确定待识别对象为当前候选删除对象的情况下,在根据历史位置信息以及第一位置点,更为准确的对待识别对象是否为待删除的目标对象做出判断。
一种可选的实施方式中,响应于所述待识别对象并非所述当前候选删除对象,将所述待识别对象确定为所述目标场景中的障碍物。
这样,可以在判断待识别对象并非当前候选删除对象的情况下,直接将待识别对象确定为障碍物,效率更高;由于本公开提供的检测方法可以较为准确地确定待识别对象是否为当前候选删除对象,因此在判断待识别对象是否为目标场景中的障碍物时也较为准确。
一种可选的实施方式中,所述基于对目标场景进行扫描得到的当前帧雷达扫描数据,确定所述目标场景中的待识别对象对应的第一位置点,包括:针对各所述待识别对象,从所述当前帧雷达扫描数据中确定与所述待识别对象对应的点云点;基于所述待识别对象对应的点云点在所述目标场景中的三维位置信息,确定所述待识别对象对应的轮廓信息;基于所述轮廓信息,确定所述待识别对象对应的第一位置点。
这样,由于第一位置点是利用雷达扫描数据得到的,因此可以在保留原始的点云点包含的信息外,还可以表征待识别对象的更多信息;因此,利用第一位置点代替通过雷达扫描确定的点云点,计算量更少,耗费的算力较少,并且效率也较高。
一种可选的实施方式中,所述基于所述待识别对象对应的点云点在所述目标场景中的三维位置信息,确定所述待识别对象对应的轮廓信息,包括:将所述待识别对象对应的点云点投影至预设平面中,得到第一投影点;基于所述第一投影点在所述预设平面中的二维位置信息,确定所述待识别对象的轮廓信息。
这样,利用第一投影点确定待识别对象的轮廓信息的方式,相较于利用点云点直接确定轮廓信息的方式而言,利用二维位置信息计算更简单,确定的待识别对象的轮廓信息也更为准确。
一种可选的实施方式中,所述基于所述轮廓信息,确定所述待识别对象对应的第一位置点,包括:利用所述待识别对象的轮廓信息,确定所述待识别对象在预设平面中的投影区域;基于所述投影区域的面积,确定所述待识别对象对应的第一位置点。
一种可选的实施方式中,基于所述投影区域的面积,确定所述待识别对象对应的第一位置点,包括:将所述投影区域的面积与预设的面积阈值进行比对;响应于在所述面积大于所述面积阈值,基于所述投影区域,确定所述投影区域的最小包围框;基于所述最小包围框对应的第一区域、以及预设的第一间隔步长,在所述第一区域内确定多个备选位置点;将位于所述投影区域内的备选位置点确定为所述第一位置点。
这样,对与投影区域的面积大于面积阈值的待识别对象而言,利用其投影区域对应的最小包围框确定的第一区域,确定其第一位置点的方式,可以较好的保留落入投影区域中的位置点,使得在后续利用第一位置点判断该待识别对象是否是可删除的目标对象时,准确性更高。
一种可选的实施方式中,所述基于所述投影区域的面积,确定所述待识别对象对应的第一位置点,还包括:将所述投影区域的面积与预设的面积阈值进行比对;响应于所述面积小于或者等于所述面积阈值,确定位于所述投影区域的中心点;基于所述中心点、以及预设的半径长度,确定以所述中心点为圆心、所述预设的半径长度为半径的第二区域;基于所述第二区域以及预设的第二间隔步长,在所述第二区域内确定所述第一位置点。
这样,由于投影区域的面积小于面积的阈值的待识别对象通常体积较小,直接为其确定第一位置点时,确定的位置点的数量可能也较少。因此,利用该种确定第一位置点的方式,可以为该待识别对象确定与其相关的多个位置点;通过增加位置点的数量,也可以在后续利用第一位置点判断该待识别对象是否是可删除的目标对象时,提升准确性。
一种可选的实施方式中,所述基于所述待识别对象对应的第一位置点,判断所述待识别对象是否为当前候选删除对象,包括:获取对所述目标场景进行扫描得到的当前帧图像;将所述第一位置点投影至所述当前帧图像中,得到第二投影点;基于所述第二投影点在所述当前帧图像中的位置信息、以及所述当前帧图像包括的障碍物在所述当前帧图像中的位置,确定所述待识别对象是否为所述当前候选删除对象。
这样,利用当前帧图像中第一位置点的第二投影点,可以较为容易的先确定该待识别对象是否可以作为当前候选删除对象;若不能作为当前候选删除对象则不再对其进行进一步的处理判断。这样可以进一步提高检测的效率。
一种可选的实施方式中,所述基于所述第二投影点在所述当前帧图像中的位置信息、以及所述当前帧图像包括的障碍物在所述当前帧图像中的位置,确定所述待识别对象是否为所述当前候选删除对象,包括:基于所述第二投影点在所述当前帧图像中的位置信息、以及所述当前帧图像包括的障碍物在所述当前帧图像中的位置,预测所述第二投影点对应的障碍物预测结果;所述障碍物预测结果包括:与所述第二投影点对应的位置存在障碍物,或者未存在障碍物;基于各所述第二投影点分别对应的障碍物预测结果,确定所述待识别对象是否为所述当前候选删除对象。
这样,由于第二投影点在当前帧图像中的位置信息、以及当前帧图像包括的障碍物在当前帧图像中的位置,较为容易获取到;并且,预测第二投影点对应的障碍物的预测结果,可以在保留第二投影点的位置信息的情况下,渐次对每个第二投影点表征的数据进行融合,因此得到的障碍物预测结果的准确性也更高。
一种可选的实施方式中,所述基于各所述第二投影点分别对应的障碍物预测结果,确定所述待识别对象是否为所述当前候选删除对象,包括:基于各所述第二投影点分别对应的障碍物预测结果,确定所述待识别对象为障碍物的置信度;基于所述置信度、以及预设的置信度阈值,确定所述待识别对象是否为所述当前候选删除对象。
一种可选的实施方式中,所述第二投影点有n个;所述基于各第二投影点分别对应的障碍物预测结果,确定所述待识别对象为障碍物的置信度,包括:遍历第2至第n个第二投影点;针对遍历到的第i个第二投影点,基于所述第i个第二投影点的障碍物预测结果,确定与第i个第二投影点对应的判据函数;其中,i为大于1的正整数;基于第i个第二投影点对应的判据函数、以及第1至第i-1个第二投影点的融合判据结果,确定所述第i个第二投影点对应的融合判据结果;基于所述第i个第二投影点对应的融合判据结果,得到确定所述待识别对象为障碍物的置信度。
一种可选的实施方式中,所述基于历史帧雷达扫描数据中的历史候选删除对象对应的历史位置信息、以及所述第一位置点,确定所述待识别对象是否为待删除的目标对象,包括:基于所述历史帧雷达扫描数据中历史候选对象对应的历史位置信息、以及所述第一位置点,从所述历史候选对象中确定目标候选对象;基于所述目标候选对象在预设平面的第一投影区域、以及所述待识别对象在所述预设平面的第二投影区域,确定所述待识别对象是否为待删除的目标对象。
这样,利用第一投影区域和第二投影区域对待识别对象是否为待删除的目标对象进行判断的方式较为简单,因此还可以提升检测的效率。
一种可选的实施方式中,所述基于所述历史帧雷达扫描数据中历史候选对象对应的历史位置信息、以及所述第一位置点,从所述历史候选对象中确定目标候选对象,包括:基于所述历史帧雷达扫描数据中历史候选对象对应的历史位置信息、以及所述第一位置点,确定各历史候选对象分别与所述待识别对象的距离;基于各历史候选对象分别与所述待识别对象的距离,从所述历史候选对象中确定与所述待识别对象距离最近的所述目标候选对象。
这样,利用历史候选对象分别与待识别对象的距离,可以更快速且更准确的确定目标候选对象,并根据确定出的目标候选对象进一步判断待识别对象是否为待删除的目标对象。
一种可选的实施方式中,所述基于所述目标候选对象在预设平面的第一投影区域、以及所述待识别对象在所述预设平面的第二投影区域,确定所述待识别对象是否为待删除的目标对象,包括:确定所述第一投影区域和所述第二投影区域是否存在重叠区域;响应于所述第一投影区域和所述第二投影区域未存在重叠区域,确定所述待识别对象为待删除的目标对象。
一种可选的实施方式中,所述基于所述目标候选对象在预设平面的第一投影区域、以及所述待识别对象在所述预设平面的第二投影区域,确定所述待识别对象是否为待删除的目标对象,还包括:响应于所述当前帧雷达扫描数据中的第一投影区域和第二投影区域存在重叠区域,将所述待识别对象作为新的历史候选对象,直至所述当前帧雷达扫描数据之后的连续N帧雷达扫描数据中,第一投影区域和第二投影区域均存在重叠区域,则确定所述候选删除对象并非为所述待删除的目标对象,并将所述新的历史候选对象删除;N为正整数。
这样,能够在有限帧数的扫描数据中确定待识别对象是否为待删除的目标对象,速度更快,效率更高,能够适用于需要迅速对障碍物做出及时、准确响应的场景。进而,可以使得障碍物的检测更加及时,从而进一步保证行车的安全性。
一种可选的实施方式中,还包括:针对各所述历史候选删除对象,检测该历史候选删除对象的保存时间、与当前时间的时间差;若所述时间差大于或者等于预设的时间差阈值,则删除该历史候选删除对象。
这样,还可以保证利用历史候选删除对象准确的筛选出待删除的待识别对象,并在一定程度上减少需要存储的数据,也同时减少了对历史候选删除对象与当前待识别对象的匹配计算,提高了障碍物的检测效率。
第二方面,本公开实施例还提供一种障碍物的检测装置,包括:
第一确定模块,用于基于对目标场景进行扫描得到的当前帧雷达扫描数据,确定所述目标场景中的待识别对象对应的第一位置点;
第二确定模块,用于基于历史帧雷达扫描数据中的历史候选删除对象对应的历史位置信息、以及所述第一位置点,确定所述待识别对象是否为待删除的目标对象;
第三确定模块,用于响应于所述待识别对象并非为所述待删除的目标对象,将所述待识别对象确定为所述目标场景中的障碍物。
一种可选的实施方式中,所述第二确定模块在基于历史帧雷达扫描数据中的历史候选删除对象对应的历史位置信息、以及所述第一位置点,确定所述待识别对象是否为待删除的目标对象时,用于:基于所述待识别对象对应的第一位置点,判断所述待识别对象是否为当前候选删除对象;响应于所述待识别对象为所述当前候选删除对象,基于历史帧雷达扫描数据中的历史候选删除对象对应的历史位置信息、以及所述第一位置点,确定所述待识别对象是否为待删除的目标对象。
一种可选的实施方式中,所述第二确定模块还用于:响应于所述待识别对象并非所述当前候选删除对象,将所述待识别对象确定为所述目标场景中的障碍物。
一种可选的实施方式中,所述第一确定模块在基于对目标场景进行扫描得到的当前帧雷达扫描数据,确定所述目标场景中的待识别对象对应的第一位置点时,用于:针对各所述待识别对象,从所述当前帧雷达扫描数据中确定与所述待识别对象对应的点云点;基于所述待识别对象对应的点云点在所述目标场景中的三维位置信息,确定所述待识别对象对应的轮廓信息;基于所述轮廓信息,确定所述待识别对象对应的第一位置点。
一种可选的实施方式中,所述第一确定模块在基于所述待识别对象对应的点云点在所述目标场景中的三维位置信息,确定所述待识别对象对应的轮廓信息时,用于:将所述待识别对象对应的点云点投影至预设平面中,得到第一投影点;基于所述第一投影点在所述预设平面中的二维位置信息,确定所述待识别对象的轮廓信息。
一种可选的实施方式中,所述第一确定模块在基于所述轮廓信息,确定所述待识别对象对应的第一位置点时,用于:利用所述待识别对象的轮廓信息,确定所述待识别对象在预设平面中的投影区域;基于所述投影区域的面积,确定所述待识别对象对应的第一位置点。
一种可选的实施方式中,所述第一确定模块在基于所述投影区域的面积,确定所述待识别对象对应的第一位置点时,用于:将所述投影区域的面积与预设的面积阈值进行比对;响应于所述面积大于所述面积阈值,基于所述投影区域,确定所述投影区域的最小包围框;基于所述最小包围框对应的第一区域、以及预设的第一间隔步长,在所述第一区域内确定多个备选位置点;将位于所述投影区域内的备选位置点确定为所述第一位置点。
一种可选的实施方式中,所述第一确定模块在基于所述投影区域的面积,确定所述待识别对象对应的第一位置点时,还用于:将所述投影区域的面积与预设的面积阈值进行比对;响应于所述面积小于或者等于所述面积阈值,确定位于所述投影区域的中心点;基于所述中心点、以及预设的半径长度,确定以所述中心点为圆心、所述预设的半径长度为半径的第二区域;基于所述第二区域以及预设的第二间隔步长,在所述第二区域内确定所述第一位置点。
一种可选的实施方式中,所述第二确定模块在基于所述待识别对象对应的第一位置点,判断所述待识别对象是否为当前候选删除对象时,用于:获取采集所述目标场景得到的当前帧图像;将所述第一位置点投影至所述当前帧图像中,得到第二投影点;基于所述第二投影点在所述当前帧图像中的位置信息、以及所述当前帧图像包括的障碍物在所述当前帧图像中的位置,确定所述待识别对象是否为所述当前候选删除对象。
一种可选的实施方式中,所述第二确定模块在基于所述第二投影点在所述当前帧图像中的位置信息、以及所述当前帧图像包括的障碍物在所述当前帧图像中的位置,确定所述待识别对象是否为所述当前候选删除对象时,用于:基于所述第二投影点在所述当前帧图像中的位置信息、以及所述当前帧图像包括的障碍物在所述当前帧图像中的位置,预测所述第二投影点对应的障碍物预测结果;所述障碍物预测结果包括:与所述第二投影点对应的位置存在障碍物,或者未存在障碍物;基于各所述第二投影点分别对应的障碍物预测结果,确定所述待识别对象是否为所述当前候选删除对象。
一种可选的实施方式中,所述第二确定模块在基于各所述第二投影点分别对应的障碍物预测结果,确定所述待识别对象是否为所述当前候选删除对象时,用于:基于各所述第二投影点分别对应的障碍物预测结果,确定所述待识别对象为障碍物的置信度;基于所述置信度、以及预设的置信度阈值,确定所述待识别对象是否为所述当前候选删除对象。
一种可选的实施方式中,所述第二投影点有n个;所述第二确定模块在基于各第二投影点分别对应的障碍物预测结果,确定所述待识别对象为障碍物的置信度时,用于:遍历第2至第n个第二投影点;针对遍历到的第i个第二投影点,基于所述第i个第二投影点的障碍物预测结果,确定与第i个第二投影点对应的判据函数;其中,i为大于1的正整数;基于第i个第二投影点对应的判据函数、以及第1至第i-1个第二投影点的融合判据结果,确定所述第i个第二投影点对应的融合判据结果;基于所述第i个第二投影点对应的融合判据结果,得到确定所述待识别对象为障碍物的置信度。
一种可选的实施方式中,所述第二确定模块在基于历史帧雷达扫描数据中的历史候选删除对象对应的历史位置信息、以及所述第一位置点,确定所述待识别对象是否为待删除的目标对象时,用于:基于所述历史帧雷达扫描数据中历史候选对象对应的历史位置信息、以及所述第一位置点,从所述历史候选对象中确定目标候选对象;基于所述目标候选对象在预设平面的第一投影区域、以及所述待识别对象在所述预设平面的第二投影区域,确定所述待识别对象是否为待删除的目标对象。
一种可选的实施方式中,所述第二确定模块在基于所述历史帧雷达扫描数据中历史候选对象对应的历史位置信息、以及所述第一位置点,从所述历史候选对象中确定目标候选对象时,用于:基于所述历史帧雷达扫描数据中历史候选对象对应的历史位置信息、以及所述第一位置点,确定各历史候选对象分别与所述待识别对象的距离;基于各历史候选对象分别与所述待识别对象的距离,从所述历史候选对象中确定与所述待识别对象距离最近的历史候选对象为所述目标候选对象。
一种可选的实施方式中,所述第二确定模块在基于所述目标候选对象在预设平面的第一投影区域、以及所述待识别对象在所述预设平面的第二投影区域,确定所述待识别对象是否为待删除的目标对象时,用于:确定所述第一投影区域和所述第二投影区域是否存在重叠区域;响应于所述第一投影区域和所述第二投影区域未存在重叠区域,确定所述待识别对象为待删除的目标对象。
一种可选的实施方式中,所述第二确定模块在基于所述目标候选对象在预设平面的第一投影区域、以及所述待识别对象在所述预设平面的第二投影区域,确定所述待识别对象是否为待删除的目标对象时,还用于:响应于所述当前帧雷达扫描数据中的第一投影区域和第二投影区域存在重叠区域,将所述待识别对象作为新的历史候选对象,直至所述当前帧雷达扫描数据之后的连续N帧雷达扫描数据中,第一投影区域和第二投影区域均存在重叠区域,则确定所述候选删除对象并非为所述待删除的目标对象,并将所述新的历史候选对象删除;N为正整数。
一种可选的实施方式中,所述检测装置还包括:处理模块,用于针对各所述历史候选删除对象,检测该历史候选删除对象的保存时间、与当前时间的时间差;若所述时间差大于或者等于预设的时间差阈值,则删除该历史候选删除对象。
第三方面,本公开可选实现方式还提供一种计算机设备,处理器、存储器,所述存储器存储有所述处理器可执行的机器可读指令,所述处理器用于执行所述存储器中存储的机器可读指令,所述机器可读指令被所述处理器执行时,所述机器可读指令被所述处理器执行时执行上述第一方面,或第一方面中任一种可能的实施方式中的步骤。
第四方面,本公开可选实现方式还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被运行时执行上述第一方面,或第一方面中任一种可能的实施方式中的步骤。
关于上述障碍物的检测装置、计算机设备、及计算机可读存储介质的效果描述参见上述障碍物的检测方法的说明,这里不再赘述。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,此处的附图被并入说明书中并构成本说明书中的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。应当理解,以下附图仅示出了本公开的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,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相关的附图。
图1示出了本公开实施例所提供的一种障碍物的检测方法的流程图;
图2示出了本公开实施例所提供的一种确定第一位置点的示意图;
图3示出了本公开实施例所提供的另一种确定第一位置点的示意图;
图4示出了本公开实施例所提供的一种投影区域的示意图;
图5示出了本公开实施例所提供的一种对待识别对象进行检测的具体流程图;
图6示出了本公开实施例所提供的一种障碍物的检测装置的示意图;
图7示出了本公开实施例所提供的一种计算机设备的示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中附图,对本公开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公开一部分实施例,而不是全部的实施例。通常在此处描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此,以下对本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围,而是仅仅表示本公开的选定实施例。基于本公开的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
经研究发现,利用激光雷达可以对车辆的行驶区域进行扫描,以确定在该行驶区域中可能存在的障碍物。具体地,激光雷达可以向行驶区域发射激光并接收反射回的激光,并根据接收到的激光确定是否有障碍物,这样就容易在物体扫描后反射回的激光出现异常时,无法对障碍物进行正常的检测。例如,在路面存在积水、油漆未干的车道线时,激光雷达发射出的激光会由于镜面反射而无法正常反射激光,从而将这些非障碍物体判断为障碍物,导致利用激光对障碍物进行检测的准确度较低。
基于上述研究,本公开提供了一种障碍物的检测方法,通过结合历史帧雷达数据中的历史候选删除对象的历史位置信息,确定是否要对当前帧雷达扫描数据中的待识别对象进行删除处理,从而将空间域和时间域结合,综合判断待识别对象是否为待删除的目标对象,以判断待识别对象是否为目标场景中的障碍物,具有更高的检测精度。
针对以上方案所存在的缺陷,均是发明人在经过实践并仔细研究后得出的结果,因此,上述问题的发现过程以及下文中本公开针对上述问题所提出的解决方案,都应该是发明人在本公开过程中对本公开做出的贡献。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
为便于对本实施例进行理解,首先对本公开实施例所公开的一种障碍物的检测方法进行详细介绍,本公开实施例所提供的障碍物的检测方法的执行主体一般为具有一定计算能力的计算机设备,该计算机设备例如包括:终端设备或服务器或其它处理设备,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中,该障碍物的检测方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
下面对本公开实施例提供的障碍物的检测方法加以说明。
参见图1所示,为本公开实施例提供的一种障碍物的检测方法的流程图,所述方法包括步骤S101~S103,其中:
S101:基于对目标场景进行扫描得到的当前帧雷达扫描数据,确定所述目标场景中的待识别对象对应的第一位置点;
S102:基于历史帧雷达扫描数据中的历史候选删除对象对应的历史位置信息、以及所述第一位置点,确定所述待识别对象是否为待删除的目标对象;
S103:响应于所述待识别对象并非为所述待删除的目标对象,将所述待识别对象确定为所述目标场景中的障碍物。
本公开实施例利用对目标场景得到的当前帧雷达扫描数据确定待识别对象对应的第一位置点,以及历史帧扫描数据中的历史候选删除对象对应的历史位置信息,确定待识别对象是否为待删除的目标对象;在确定待识别对象并非待删除的目标对象时,将待识别对象确定为目标场景中的障碍物。这种方法可以将空间域和时间域结合,综合判断待识别对象是否为待删除的目标对象,以判断待识别对象是否为目标场景中的障碍物,具有更高的检测精度。
下面对上述S101~S103加以详细说明。
针对上述S101,本公开实施例提供的障碍物的检测方法可以应用于不同的场景中。示例性的,在自动驾驶场景中,目标场景例如可以包括自动驾驶汽车行驶的空间,在目标场景中例如可以包括其他行驶车辆、车道线、标识牌、绿化带等。在智能仓储场景中,目标场景例如可以包括智能机器人行驶的空间,在目标场景中例如可以包括其他机器人、工作人员、货架、货箱、定位标识等。
下面以自动驾驶场景为例对本公开实施例提供的障碍物的检测方法进行说明。
在自动驾驶场景中,自动驾驶汽车上例如可以安置激光雷达以对自动驾驶汽车行驶的区域进行扫描检测。在自动驾驶汽车行进的过程中,激光雷达例如可以间隔0.2秒对目标场景进行扫描,并得到雷达扫描数据。此处,将扫描时间距离当时时刻最近的雷达扫描数据,作为对目标场景进行扫描得到的当前帧雷达扫描数据。
在得到当前帧雷达扫描数据后,即可以利用当前帧雷达扫描数据确定在目标场景中确定的多个对象。示例性的,可以利用对象检测的方式对当前帧雷达扫描数据进行处理。由于雷达扫描数据可以反映物体的大小、形态等,因此利用对象检测的方式可以识别出部分目标场景中的对象,例如车辆、标识牌;这些物体由于是可以确定需要避让的物体,因此可以直接确定为障碍物。同时,还可能存在利用对象检测的方式无法识别的物体,在利用对象识别的方式将其检测出后,将这些无法识别的物体作为当前帧雷达扫描数据中的待识别对象,也即分类标签为“未知(unknown)物体”的对象。
在确定待识别对象是否为待删除的目标对象时,例如可以利用当前帧雷达扫描数据为待识别对象确定的第一位置点来实现。
此处,第一位置点,是用来判断待识别对象是否可以作为候选删除对象的判据、或者依据。其中,候选删除对象为:可能属于障碍物的对象。后续确定目标对象的过程,是对候选删除对象进行进一步判断,确定其是否确实为障碍物;若候选删除对象为目标对象,则表征对应的待识别对象并非障碍物,而是误检测。
具体地,在利用当前帧雷达扫描数据确定目标场景中的待识别对象对应的第一位置点时,可以采用下述方式:针对各所述待识别对象,从所述当前帧雷达扫描数据中确定与所述待识别对象对应的点云点;基于所述待识别对象对应的点云点在所述目标场景中的三维位置信息,确定所述待识别对象对应的轮廓信息;基于所述轮廓信息,确定所述待识别对象对应的第一位置点。
以确定的各待识别对象中的任一待识别对象为例,在利用对象识别的方式在当前帧雷达扫描数据中确定待识别对象的情况下,即可以利用当前帧雷达扫描时数据确定与该待识别对象对应的点云点。
此处,由于待识别对象对应的点云点数量可能较多,并且点云点其在表征待识别对象的位置时利用的三维位置信息数据量较大。因此针对于待识别对象而言,在利用与该待识别对象对应的点云点重新对待识别对象建模,然后判断其是否是障碍物的方式、或者利用神经网络重新对与该待识别对象对应的点云点进行编码,再与历史确定的特定对象的点云点进行相似性判断的方式而言,计算量较大,需要耗费较多的算力,并且效率也较低。
因此,在确定与待识别对象对应的点云点后,可以基于待识别对象对应的点云点在目标场景中的三维位置信息,确定待识别对象对应的轮廓信息,然后再利用轮廓信息确定待识别对象对应的第一位置点,从而利用数据量较少的第一位置点确定待识别对象是否为待删除的目标对象。
具体地,在利用待识别对象对应的点云点在目标场景中的三维位置信息,确定待识别对象对应的轮廓信息时,例如可以采用下述方式:将所述待识别对象对应的点云点投影至预设平面中,得到第一投影点;基于所述第一投影点在所述预设平面中的二维位置信息,确定所述待识别对象的轮廓信息。
其中,预设平面例如可以是自动驾驶汽车正在行驶的地面所在的平面。将待识别对象对应的点云点投影至预设平面上后,可以得到第一投影点;此时,点云点对应的三维位置信息转变为第一投影点对应的二维位置信息,数据量减少。利用第一投影点在预设平面中的二维位置信息,可以确定在第一投影点中位于边缘位置的投影点,利用这些位于边缘位置的投影点、以及其分别对应的二维位置信息,即可以确定待识别对象对应的轮廓信息。
在利用轮廓信息确定待识别对象对应的第一位置点时,例如可以利用待识别对象对应的轮廓信息,确定待识别在预设平面中的投影区域;然后,基于投影区域的面积,确定待识别对象对应的第一位置点。
具体地,利用待识别对象对应的轮廓信息,可以确定包围待识别对象的轮廓对应的多个角点;利用多个角点的二维位置信息,即可以确定待识别在预设平面上的投影区域占据的面积,从而确定待识别对象对应的第一位置点。
在具体实施中,在基于投影区域的面积确定待识别对象对应的第一位置点时,例如可以将投影区域的面积与预设的面积阈值进行比对,并根据比对的结果确定该待识别对象对应的第一位置点。
其中,预设的面积阈值例如可以包括0.3平方米、0.5平方米等;预设的面积阈值例如可以根据经验确定或者根据实际情况确定,具体地在此不再赘述。
以预设的面积阈值为0.3平方米为例,在确定投影区域的面积大于该面积阈值时,基于所述投影区域,确定所述投影区域的最小包围框;基于所述最小包围框对应的第一区域、以及预设的第一间隔步长,在所述第一区域内确定多个备选位置点;将位于所述投影区域内的备选位置点确定为所述第一位置点。
参见图2所示,为本公开实施例提供的一种确定第一位置点的示意图。其中,图2中(a)示出了为待识别对象确定的投影区域21,该投影区域例如为不规则的多边形。利用该投影区域21,可以确定对应的最小包围框22。在一种可能的实施方式中,该最小包围框22包括矩形。在确定最小包围框22后,即可以确定最小包围框22占据的第一区域23。
然后,利用预设的第一间隔步长,例如可以在第一区域23内确定多个备选位置点24。此处,预设的第一间隔步长例如可以包括0.2米。参见图2中(b)所示,其示出了利用预设的第一间隔步长在第一区域23中确定多个备选位置点24;其中,针对于包括上、下、左、右四个方向分别对应有备选位置点24的位置点,其与上、下、左、右四个方向分别对应的备选位置点24之间的间隔为预设的第一间隔步长。
在确定多个备选位置点24后,利用投影区域21,可以框选出与待识别对象对应的备选位置点24,作为第一位置点25。具体地,参见图2中(c)所示,利用由图2中(b)确定的多个备选位置点24、以及图2中(a)确定的投影区域21,即可以框选出位于投影区域21内的备选位置点24,作为第一位置点25。
此处,由于投影区域21通常为不规则的图形,因此在利用投影区域21确定第一位置点25时,可能会出现落在投影区域21边界上的备选位置点24,例如在图2中(c)示出的a点以及b点。
针对该种情况,在一种可能的实施方式中,为了最大限度的保留位置点的数量,可以将a点和b点分别对应的备选位置点24均作为第一位置点25。
在另一种可能的实施方式中,由于该待识别对象的投影区域的面积较大,可以确定的第一位置点的数量足够多,为了减少数据的处理量,同时提升处理精度,也可以选择性的对a点和b点分别对应的备选位置点24进行筛选。例如a点对应的备选位置点24相较于b点对应的备选位置点24有更大部分落入投影区域21中;因此在第一位置点25中保留a点对应的备选位置点24,而筛除b点对应的备选位置点24。
上述两种实现的过程,可以根据实际情况确定,在此不做限定。
另外,在确定投影区域的面积小于或者等于面积阈值的情况下,还可以确定位于投影区域的中心点;基于所述中心点、以及预设的半径长度,确定以所述中心点为圆心、所述预设的半径长度为半径的第二区域;基于所述第二区域以及预设的第二间隔步长,在所述第二区域内确定所述第一位置点。
参见图3所示,为本公开实施例提供的另一种确定第一位置点的示意图。其中,图3中(a)示出了为待识别对象确定的投影区域31(在图中以虚线框出的区域表示),该投影区域例如为不规则的多边形。利用该投影区域31,可以确定投影区域的中心点32。然后,利用中心点32、以及预设的半径长度,例如可以确定第二区域33(在图中以实线框出的区域表示)。具体地,例如可以以中心点32为圆心、预设的半径长度为半径确定圆形的第二区域33。其中,预设的半径长度例如可以选取0.2米、0.3米等。
另外,在一种可能的实施方式中,例如可以将确定的中心点32向外辐射至投影区域31的边界时,确定的最大长度作为预设的半径长度。在图3中(a)示出了中心点32至投影区域31边界的最大长度r,则将该最大长度r作为预设的半径长度确定第二区域33。这样,对于投影区域较小的待识别对象而言,可以确定数量较多的第一位置点,从而能够进一步利用足够数量的第一位置点对待识别对象是否为待删除的目标对象进行判断。
然后,利用预设的第二间隔步长,例如可以在第二区域33内确定多个位置点。其中,为了在较大程度上为待识别对象确定更多的位置点,在确定位置点时保留落在第二区域33边缘的位置点。此处,预设的第二间隔步长例如可以与上述预设的第一间隔步长相同,例如包括0.2米;也可以根据实际情况确定与上述预设的第一间隔步长不同的取值,例如0.15米;具体地可以根据实际情况确定,在此不再赘述。参见图3中(b)所示,利用预设的第二间隔步长,可以在第二区域33中确定多个位置点。
此处,由于该待识别对象对应的投影区域31较小,因此为了保证对该待识别对象而言具有足够数量的位置点,则可以将位于第二区域内的位置点均确定为第一位置点34。参见图3中(b)所示,相较于落入投影区域31中的位置点,得到的第一位置点34的数量更多。
针对上述S102,在确定目标场景中的待识别对象对应的第一位置点后,还可以基于历史帧雷达扫描数据中的历史候选删除对象对应的历史位置信息,确定待识别对象是否为待删除的目标对象。
在具体实施中,例如可以采用下述方式:基于所述待识别对象对应的第一位置点,判断所述待识别对象是否为当前候选删除对象;响应于所述待识别对象为所述当前候选删除对象,基于历史帧雷达扫描数据中的历史候选删除对象对应的历史位置信息、以及所述第一位置点,确定所述待识别对象是否为待删除的目标对象。
具体地,在基于待识别对象的第一位置点,判断待识别对象是否为当前候选删除对象时,具体可以采用下述方式:获取对所述目标场景进行扫描得到的当前帧图像;将所述第一位置点投影至所述当前帧图像中,得到第二投影点;基于所述第二投影点在所述当前帧图像中的位置信息、以及所述当前帧图像包括的障碍物在所述当前帧图像中的位置,确定所述待识别对象是否为所述当前候选删除对象。
其中,在获取当前帧图像时,例如可以是利用搭载在自动驾驶车辆上的图像采集设备获取的。具体地,图像采集设备例如可以包括彩色相机。在获取得到当前帧图像时,可以将第一位置点投影至该当前帧图像中,以得到第二投影点。其中,在投影得到第二投影点的同时,还可以确定得到的第二投影点的位置信息。
此处,由于利用当前帧图像可以确定自动驾驶车辆的可行驶区域(freespace),因此利用将第一位置点投影至当前帧图像后得到的第二投影点,可以进一步确定待识别对象是否是在可行驶区域中的物体,再判断是否需要删除该待识别对象。
在基于所述第二投影点在所述当前帧图像中的位置信息、以及所述当前帧图像包括的障碍物在所述当前帧图像中的位置,确定所述待识别对象是否为所述当前候选删除对象时,例如可以采用下述方式:
基于所述第二投影点在所述当前帧图像中的位置信息、以及所述当前帧图像包括的障碍物在所述当前帧图像中的位置,预测所述第二投影点对应的障碍物预测结果;所述障碍物预测结果包括:与所述第二投影点对应的位置存在障碍物,或者未存在障碍物;基于各所述第二投影点分别对应的障碍物预测结果,确定所述待识别对象是否为所述当前候选删除对象。
具体地,在预测第二投影点对应的障碍物预测结果时,例如可以根据第二投影点在当前帧图像中的位置信息、以及当前帧图像中包括的障碍物在当前帧图像中所处的位置确定。
在一种可能的实施方式中,在第二投影点位于当前帧图像中包括的障碍物所处的位置时,由于可以以更高的置信度认为第二投影点表征对应位置存在障碍物,则对应确定的障碍物预测结果为:与所述第二投影点对应的位置存在障碍物;在另一种可能的实施方式中,在第二投影点并非位于当前帧图像中包括的障碍物所处的位置时,由于可以以更高的置信度认为第二投影点表征对应位置不存在障碍物,则对应确定的障碍物预测结果为:与所述第二投影点对应的位置未存在障碍物。
这样,针对多个第二投影点,均可以确定各第二投影点对应的障碍物预测结果。
利用各所述第二投影点分别对应的障碍物预测结果,确定所述待识别对象是否为所述当前候选删除对象时,例如可以基于各所述第二投影点分别对应的障碍物预测结果,确定所述待识别对象为障碍物的置信度;基于所述置信度、以及预设的置信度阈值,确定所述待识别对象是否为所述当前候选删除对象。
在具体实施中,确定的第二投影点例如可以包括n个;其中,n为正整数。在基于第二投影点分别对应的障碍物预测结果,确定待识别对象为障碍物的置信度时,例如可以采用下述方式:
遍历第2至第n个第二投影点;针对遍历到的第i个第二投影点,基于所述第i个第二投影点的障碍物预测结果,确定与第i个第二投影点对应的判据函数;其中,i为大于1的正整数;基于第i个第二投影点对应的判据函数、以及第1至第i-1个第二投影点的融合判据结果,确定所述第i个第二投影点对应的融合判据结果;基于所述第i个第二投影点对应的融合判据结果,得到确定所述待识别对象为障碍物的置信度。
示例性的,针对于第一个第二投影点,其对应的障碍物预测结果例如可以包括与所述第二投影点对应的位置存在障碍物,或者未存在障碍物;在障碍物预测结果不同的情况下,确定的判据函数也有所区别。例如,在障碍物预测结果包括与所述第二投影点对应的位置存在障碍物的情况下,对应的判据函数M_1(·)例如可以表征第二投影点存在障碍物的情况下,确定该假设置信度的可能性函数(mass);在障碍物预测结果包括与所述第二投影点对应的位置未存在障碍物的情况下,对应的判据函数M_2(·)例如可以表征第二投影点为不存在障碍物的情况下,确定该假设置信度的可能性函数。
此处,为了便于说明,对于第二投影点,其对应的判据函数均利用M2(·)表示,并对应于障碍物预测结果不同的第二投影点,可以具体为上述M_1(·)、以及M_2(·)。
在对第2至第n个第二投影点进行遍历时,还可以确定第1至第i-1个第二投影点的融合判据结果,以确定第i个第二投影点对应的融合判据结果。
以第2个第二投影点为例,在确定第2个第二投影点对应的融合判据结果时,例如可以采用下述公式(1):
其中,a1表示第1个第二投影点、a2表示第2个第二投影点。此处,对应于a2,其对应的判据函数可以利用M2(a2)表示。由于在遍历至a2时,之前的第二投影点仅包括a1,因此融合判据结果M1(·)可以直接利用M1(a1)表示;或者,也可以写作M2(a1)的形式。
另外,K表示归一化系数,满足下述公式(2):
利用公式(1),即可以确定在遍历至第2个第二投影点a2时确定的a1和a2的融合判据结果M2 12(a1;a1)。此处,以M的上角标i表示遍历至第i个第二投影点。
然后,遍历第3个第二投影点a3。类似的,a3对应的判据函数例如可以表示为M2(a3)。此时,可以确定遍历至a3时确定的第3个第二投影点对应的融合判据结果,满足下述公式(3):
其中,归一化系数K满足下述公式(4):
……
如此持续上述过程,以继续遍历其他的第二投影点,并确定第二投影点对应的判据函数、以及确定第1个至当前遍历到的第二投影点的融合判据结果,直至遍历所有的第二投影点,以得到第n个第二投影点对应的融合判据结果,从而得到确定待识别对象为障碍物的置信度。
其中,待识别对象为障碍物的置信度例如可以包括一个概率值,例如可以包括0.61、0.70或者0.86等。
在确定了待识别对象为障碍物的置信度后,利用预设的置信度阈值,可以确定待识别对象是否为当前候选删除对象。
其中,预设的置信度阈值例如也可以包括一个概率值,例如0.75。具体在确定预设的置信度阈值时,可以根据经验、或者多次实验确定,具体地确定预设的置信度阈值的方式在此不再赘述。
并且,认为在确定的待识别对象为障碍物的置信度在数值上大于该预设的置信度阈值的情况下,认为可以确定待识别对象为当前候选删除对象。
示例性的,在确定待识别对象为障碍物的置信度为0.6,而预设的置信度阈值为0.55时,确定待识别对象非当前候选删除对象;并在确定待识别对象为障碍物的置信度为0.80时,确定待识别对象为当前候选删除对象。
在确定当前候选删除对象后,还可以基于历史帧雷达扫描数据中的历史候选删除对象对应的历史位置信息、以及所述第一位置点,确定所述待识别对象是否为待删除的目标对象。
在具体实施中,可以采用下述方式确定待识别对象是否为待删除的目标对象:基于所述历史帧雷达扫描数据中历史候选对象对应的历史位置信息、以及所述第一位置点,从所述历史候选对象中确定目标候选对象;基于所述目标候选对象在预设平面的第一投影区域、以及所述待识别对象在所述预设平面的第二投影区域,确定所述待识别对象是否为待删除的目标对象。
具体地,雷达在对目标场景进行扫描时,例如还包括得到在当前帧雷达扫描数据之前确定的历史帧雷达扫描数据。类似地,利用历史帧雷达扫描数据可以确定对应的历史候选删除对象,并确定历史候选删除对象的历史位置信息;具体地可以在此不再重复赘述。
在确定历史候选对象对应的历史位置信息后,利用第一位置点,可以确定各历史候选对象分别与待识别对象的距离。其中,在确定距离时所利用的历史候选对象的历史位置信息例如可以是表征历史候选对象的中心点的位置坐标;另外,也可以通过在第一位置点中确定可以表征待识别对象中心点的第一位置点,代表待识别对象的位置。然后,利用确定的历史位置信息以及确定的第一位置点,可以确定各历史候选对象与待识别对象分别对应的距离。
这样,即可以根据各历史候选对象分别与待识别对象的距离,从历史候选对象中确定与待识别对象距离最近的目标候选对象。在一种可能的实施方式中,可以在确定的多个距离中确定数值最小的距离,并将对应的历史候选对象作为目标候选对象;又或者,可以将数值较小的多个距离对应的历史候选对象作为目标候选对象。具体地确定目标候选对象的方式可以根据实际情况确定,在此不再赘述。
在确定目标候选对象后,还可以确定目标候选对象在预设平面内的第一投影区域、以及待识别对象在预设平面的第二投影区域。此处,预设平面例如可以包括自动驾驶车辆行驶的路面所在的平面。
示例性的,参见图4所示,为本公开实施例提供的一种投影区域的示意图。其中,包括由目标候选对象在预设平面的第一投影区域41、以及待识别对象在预设平面的第二投影区域42(为便于区分,第一投影区域41的边界以虚线示出)。在图4中(a)示出的情况下,第一投影区域41与第二投影区域42存在重叠区域;在图4中(b)示出的情况下,第一投影区域41与第二投影区域42之间不存在重叠区域。
此处,对于第一投影区域和第二投影区域未存在重叠区域的情况,可以认为在最近的一帧历史帧扫描数据中不存在对该待识别对象对应的目标候选对象,说明该待识别对象是区别于目标候选对象的新出现的对象,在最近的一段时间内并未出现过;因此,在对当前帧扫描数据中确定的待识别对象进行检测时,可以在当前帧将待识别对象判断为待删除的目标对象。
另外,由于待识别对象为新出现的对象,因此还可以将待识别对象作为新的历史候选对象,并保存待识别对象的位置信息。具体地,待识别对象的位置信息可以用于对下一帧雷达扫描数据进行障碍物检测处理。利用该待识别对象的位置信息对下一帧雷达扫描数据进行障碍物检测处理的方式,与上述利用历史帧扫描数据中目标候选对象、以及利用当前帧扫描数据中的待识别对象分别对应的位置信息进行障碍物检测处理的方式相似,在此不再赘述。
此处,由于将待识别对象判断为待删除的目标对象仅是针对于当前帧而言的;若待识别对象在连续的多帧雷达扫描数据中出现在预设平面上的相同区域时,可以在确定多帧雷达扫描数据后判断该待识别对象并非待删除的目标对象。
具体地,响应于所述当前帧雷达扫描数据中的第一投影区域和第二投影区域存在重叠区域,将所述待识别对象作为新的历史候选对象,直至所述当前帧雷达扫描数据之后的连续N帧雷达扫描数据中,第一投影区域和第二投影区域均存在重叠区域,则确定所述候选删除对象为所述待删除的目标对象,并将所述新的历史候选对象删除;N为正整数。
其中,N的数值例如可以包括5、6、8、10等。具体地,可以根据获取雷达扫描数据时的拍摄间隔确定、或者根据实验等方式确定,具体地在此不再赘述。下面以N设置为10为例进行说明。
在一种可能的情况下,在确定出现连续的N帧历史帧雷达扫描数据中,第一投影区域和第二投影区域均存在重叠区域,则可以相应的判断待识别对象为在目标场景中实际存在的对象。示例性的,在目标场景中的路面上摆放有警戒锥时,在得到包含有该警戒锥的第一帧雷达扫描数据后,由于该警戒锥真实存在,因此在之后的连续多帧雷达扫描数据中均包含有该警戒锥,例如在经过15帧雷达扫描数据之后,才不能再在雷达扫描数据中捕捉该警戒锥。也即,对于待识别对象而言,若该待识别对象为在目标场景中实际存在的对象,则会存在连续的多帧雷达扫描数据中包含待识别对象。由于在目标场景中实际存在的对象可能会对自动驾驶车辆的形式造成干扰,因此需要将其作为并非待删除的目标对象。另外,由于可以将待识别对象确定为并非待删除的目标对象,相应的也无需继续对其进行检测,因此可以直接将该作为新的历史候选对象的待识别对象删除。
在另一种可能的情况下,若对于待识别对象而言,未能在连续的N帧历史帧雷达扫描数据中,均存在第一投影区域和第二投影区域均存在重叠区域。例如在出现该待识别对象后,仅在连续的不超过N帧雷达扫描数据中包含该待识别对象,则可以将该待识别对象作为待删除的目标对象。
示例性的,在待识别对象包括积水的情况下,由于镜面反射以及反射角度的影响,在自动驾驶车辆行驶过程中连续获取多帧扫描数据时,可能存在多帧连续的雷达扫描数据中均包含该,但在经过多帧雷达扫描数据后,例如经过3帧雷达扫描数据后,由于在扫描该待识别对象时角度、距离等的改变,雷达不会再通过扫描检测到积水,因此雷达扫描数据中在该待识别对象在预设平面的相近位置处不会再采集到该待识别对象的雷达扫描数据。在该种情况下,可以确定待识别对象为待删除的目标对象。
在本公开另一实施例中,由于自动驾驶车辆在不断行驶的过程中,得到的雷达扫描数据也在不断发生变化。因此对于历史候选删除对象而言,如果存在一段时间内均未出现的历史候选删除对象,则可以认为该历史候选删除对象在继续行驶的过程中不会再次出现。
在具体实施中,可以针对各历史候选删除对象,检测该历史候选删除对象的保存时间、与当前时间的时间差;若时间差大于或者等于预设的时间差阈值,则删除该历史候选删除对象。
其中,预设的时间差阈值例如可以包括3秒、4秒等;具体地可以根据实际情况或者实验确定,在此不再赘述。
这样,还可以保证利用历史候选删除对象逐步的筛选出待删除的待识别对象,并在一定程度上减少需要存储的数据,也同时减少了对历史候选删除对象与当前待识别对象的匹配计算,提高了障碍物的检测效率。
针对上述S103,在根据上述S102,确定待识别对象并非为待删除的目标对象的情况下,可以将待识别对象确定为目标场景中的障碍物。此时,例如可以控制自动驾驶车辆做出避让动作。由于本公开实施例提供的障碍物检测方法在对待识别对象是否为待删除的目标对象进行检测判断时,检测的准确率较高,因此应用本公开提供的障碍物的检测方法进行自动驾驶车辆的自动驾驶时,能够较为准确的判断出行驶区域中实际需要避让的障碍物,并完成有效的避障。这样,驾驶自动驾驶车辆的人员在乘坐该自动驾驶车辆的过程中,可以有效的减少对非障碍物的识别而产生的急转向或者急刹车,乘车体验感更好。
在本公开另一实施例中,还提供了一种针对目标场景中待识别对象检测的具体实施例。参见图5所示,为本公开实施例提供的一种对待识别对象进行检测的具体流程图;其中,
S501:基于对目标场景进行扫描得到的当前帧雷达扫描数据,确定待识别对象对应的第一位置点。
S502:基于第一位置点,判断待识别对象是否为当前候选删除对象;若是,跳转至步骤S503;若否,跳转至步骤S507。
S503:基于所述历史帧雷达扫描数据中历史候选对象对应的历史位置信息、以及所述第一位置点,从所述历史候选对象中确定目标候选对象。
S504:确定目标候选对象在预设平面的第一投影区域与待识别对象在预设平面的第二投影区域是否存在重叠区域;若是,跳转至S505;若否,跳转至S508。
S505:将待识别对象作为新的历史候选对象。
S506:确定在当前帧雷达扫描数据帧至之后的连续N帧雷达扫描数据中,第一投影区域和第二投影区域是否均存在重叠区域;若是,跳转至S507;若否,跳转至S508。
S507:确定待识别对象为目标场景中的障碍物。
S508:确定待识别的对象为待删除的目标对象。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思,本公开实施例中还提供了与障碍物的检测方法对应的障碍物的检测装置,由于本公开实施例中的装置解决问题的原理与本公开实施例上述障碍物的检测方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
参照图6所示,为本公开实施例提供的一种障碍物的检测装置的示意图,所述装置包括:第一确定模块61、第二确定模块62、第三确定模块63;其中,
第一确定模块61,用于基于对目标场景进行扫描得到的当前帧雷达扫描数据,确定所述目标场景中的待识别对象对应的第一位置点;
第二确定模块62,用于基于历史帧雷达扫描数据中的历史候选删除对象对应的历史位置信息、以及所述第一位置点,确定所述待识别对象是否为待删除的目标对象;
第三确定模块63,用于响应于所述待识别对象并非为所述待删除的目标对象,将所述待识别对象确定为所述目标场景中的障碍物。
一种可选的实施方式中,所述第二确定模块62在基于历史帧雷达扫描数据中的历史候选删除对象对应的历史位置信息、以及所述第一位置点,确定所述待识别对象是否为待删除的目标对象时,用于:基于所述待识别对象对应的第一位置点,判断所述待识别对象是否为当前候选删除对象;响应于所述待识别对象为所述当前候选删除对象,基于历史帧雷达扫描数据中的历史候选删除对象对应的历史位置信息、以及所述第一位置点,确定所述待识别对象是否为待删除的目标对象。
一种可选的实施方式中,所述第二确定模块62还用于:响应于所述待识别对象并非所述当前候选删除对象,将所述待识别对象确定为所述目标场景中的障碍物。
一种可选的实施方式中,所述第一确定模块61在基于对目标场景进行扫描得到的当前帧雷达扫描数据,确定所述目标场景中的待识别对象对应的第一位置点时,用于:针对各所述待识别对象,从所述当前帧雷达扫描数据中确定与所述待识别对象对应的点云点;基于所述待识别对象对应的点云点在所述目标场景中的三维位置信息,确定所述待识别对象对应的轮廓信息;基于所述轮廓信息,确定所述待识别对象对应的第一位置点。
一种可选的实施方式中,所述第一确定模块61在基于所述待识别对象对应的点云点在所述目标场景中的三维位置信息,确定所述待识别对象对应的轮廓信息时,用于:将所述待识别对象对应的点云点投影至预设平面中,得到第一投影点;基于所述第一投影点在所述预设平面中的二维位置信息,确定所述待识别对象的轮廓信息。
一种可选的实施方式中,所述第一确定模块61在基于所述轮廓信息,确定所述待识别对象对应的第一位置点时,用于:利用所述待识别对象的轮廓信息,确定所述待识别对象在预设平面中的投影区域;基于所述投影区域的面积,确定所述待识别对象对应的第一位置点。
一种可选的实施方式中,所述第一确定模块61在基于所述投影区域的面积,确定所述待识别对象对应的第一位置点时,用于:将所述投影区域的面积与预设的面积阈值进行比对;响应于所述面积大于所述面积阈值,基于所述投影区域,确定所述投影区域的最小包围框;基于所述最小包围框对应的第一区域、以及预设的第一间隔步长,在所述第一区域内确定多个备选位置点;将位于所述投影区域内的备选位置点确定为所述第一位置点。
一种可选的实施方式中,所述第一确定模块61在基于所述投影区域的面积,确定所述待识别对象对应的第一位置点时,还用于:将所述投影区域的面积与预设的面积阈值进行比对;响应于所述面积小于或者等于所述面积阈值,确定位于所述投影区域的中心点;基于所述中心点、以及预设的半径长度,确定以所述中心点为圆心、所述预设的半径长度为半径的第二区域;基于所述第二区域以及预设的第二间隔步长,在所述第二区域内确定所述第一位置点。
一种可选的实施方式中,所述第二确定模块62在基于所述待识别对象对应的第一位置点,判断所述待识别对象是否为当前候选删除对象时,用于:获取采集所述目标场景得到的当前帧图像;将所述第一位置点投影至所述当前帧图像中,得到第二投影点;基于所述第二投影点在所述当前帧图像中的位置信息、以及所述当前帧图像包括的障碍物在所述当前帧图像中的位置,确定所述待识别对象是否为所述当前候选删除对象。
一种可选的实施方式中,所述第二确定模块62在基于所述第二投影点在所述当前帧图像中的位置信息、以及所述当前帧图像包括的障碍物在所述当前帧图像中的位置,确定所述待识别对象是否为所述当前候选删除对象时,用于:基于所述第二投影点在所述当前帧图像中的位置信息、以及所述当前帧图像包括的障碍物在所述当前帧图像中的位置,预测所述第二投影点对应的障碍物预测结果;所述障碍物预测结果包括:与所述第二投影点对应的位置存在障碍物,或者未存在障碍物;基于各所述第二投影点分别对应的障碍物预测结果,确定所述待识别对象是否为所述当前候选删除对象。
一种可选的实施方式中,所述第二确定模块62在基于各所述第二投影点分别对应的障碍物预测结果,确定所述待识别对象是否为所述当前候选删除对象时,用于:基于各所述第二投影点分别对应的障碍物预测结果,确定所述待识别对象为障碍物的置信度;基于所述置信度、以及预设的置信度阈值,确定所述待识别对象是否为所述当前候选删除对象。
一种可选的实施方式中,所述第二投影点有n个;所述第二确定模块62在基于各第二投影点分别对应的障碍物预测结果,确定所述待识别对象为障碍物的置信度时,用于:遍历第2至第n个第二投影点;针对遍历到的第i个第二投影点,基于所述第i个第二投影点的障碍物预测结果,确定与第i个第二投影点对应的判据函数;其中,i为大于1的正整数;基于第i个第二投影点对应的判据函数、以及第1至第i-1个第二投影点的融合判据结果,确定所述第i个第二投影点对应的融合判据结果;基于所述第i个第二投影点对应的融合判据结果,得到确定所述待识别对象为障碍物的置信度。
一种可选的实施方式中,所述第二确定模块62在基于历史帧雷达扫描数据中的历史候选删除对象对应的历史位置信息、以及所述第一位置点,确定所述待识别对象是否为待删除的目标对象时,用于:基于所述历史帧雷达扫描数据中历史候选对象对应的历史位置信息、以及所述第一位置点,从所述历史候选对象中确定目标候选对象;基于所述目标候选对象在预设平面的第一投影区域、以及所述待识别对象在所述预设平面的第二投影区域,确定所述待识别对象是否为待删除的目标对象。
一种可选的实施方式中,所述第二确定模块62在基于所述历史帧雷达扫描数据中历史候选对象对应的历史位置信息、以及所述第一位置点,从所述历史候选对象中确定目标候选对象时,用于:基于所述历史帧雷达扫描数据中历史候选对象对应的历史位置信息、以及所述第一位置点,确定各历史候选对象分别与所述待识别对象的距离;基于各历史候选对象分别与所述待识别对象的距离,从所述历史候选对象中确定与所述待识别对象距离最近的历史候选对象为所述目标候选对象。
一种可选的实施方式中,所述第二确定模块62在基于所述目标候选对象在预设平面的第一投影区域、以及所述待识别对象在所述预设平面的第二投影区域,确定所述待识别对象是否为待删除的目标对象时,用于:确定所述第一投影区域和所述第二投影区域是否存在重叠区域;响应于所述第一投影区域和所述第二投影区域未存在重叠区域,确定所述待识别对象为待删除的目标对象。
一种可选的实施方式中,所述第二确定模块62在基于所述目标候选对象在预设平面的第一投影区域、以及所述待识别对象在所述预设平面的第二投影区域,确定所述待识别对象是否为待删除的目标对象时,还用于:响应于所述当前帧雷达扫描数据中的第一投影区域和第二投影区域存在重叠区域,将所述待识别对象作为新的历史候选对象,直至所述当前帧雷达扫描数据之后的连续N帧雷达扫描数据中,第一投影区域和第二投影区域均存在重叠区域,则确定所述候选删除对象并非为所述待删除的目标对象,并将所述新的历史候选对象删除;N为正整数。
一种可选的实施方式中,所述检测装置还包括:处理模块64,用于针对各所述历史候选删除对象,检测该历史候选删除对象的保存时间、与当前时间的时间差;若所述时间差大于或者等于预设的时间差阈值,则删除该历史候选删除对象。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明,这里不再详述。
本公开实施例还提供了一种计算机设备,如图7所示,为本公开实施例提供的计算机设备结构示意图,包括:
处理器10和存储器20;所述存储器20存储有处理器10可执行的机器可读指令,处理器10用于执行存储器20中存储的机器可读指令,所述机器可读指令被处理器10执行时,处理器10执行下述步骤:
基于对目标场景进行扫描得到的当前帧雷达扫描数据,确定所述目标场景中的待识别对象对应的第一位置点;基于历史帧雷达扫描数据中的历史候选删除对象对应的历史位置信息、以及所述第一位置点,确定所述待识别对象是否为待删除的目标对象;响应于所述待识别对象并非为所述待删除的目标对象,将所述待识别对象确定为所述目标场景中的障碍物。
上述存储器20包括内存210和外部存储器220;这里的内存210也称内存储器,用于暂时存放处理器10中的运算数据,以及与硬盘等外部存储器220交换的数据,处理器10通过内存210与外部存储器220进行数据交换。
上述指令的具体执行过程可以参考本公开实施例中所述的障碍物的检测方法的步骤,此处不再赘述。
本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法实施例中所述的障碍物的检测方法的步骤。其中,该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例还提供一种计算机程序产品,该计算机程序产品承载有程序代码,所述程序代码包括的指令可用于执行上述方法实施例中所述的障碍物的检测方法的步骤,具体可参见上述方法实施例,在此不再赘述。
其中,上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
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,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在本公开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。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,又例如,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通信接口,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,在本公开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。
所述功能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,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的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)执行本公开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:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本公开的具体实施方式,用以说明本公开的技术方案,而非对其限制,本公开的保护范围并不局限于此,尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应所述以权利要求的保护范围为准。
Claims (20)
1.一种障碍物的检测方法,其特征在于,包括:
基于对目标场景进行扫描得到的当前帧雷达扫描数据,确定所述目标场景中的待识别对象对应的第一位置点;
基于历史帧雷达扫描数据中的历史候选删除对象对应的历史位置信息、以及所述第一位置点,确定所述待识别对象是否为待删除的目标对象;
响应于所述待识别对象并非为所述待删除的目标对象,将所述待识别对象确定为所述目标场景中的障碍物。
2.根据权利要求1所述的检测方法,其特征在于,所述基于历史帧雷达扫描数据中的历史候选删除对象对应的历史位置信息、以及所述第一位置点,确定所述待识别对象是否为待删除的目标对象,包括:
基于所述待识别对象对应的第一位置点,判断所述待识别对象是否为当前候选删除对象;
响应于所述待识别对象为所述当前候选删除对象,基于历史帧雷达扫描数据中的历史候选删除对象对应的历史位置信息、以及所述第一位置点,确定所述待识别对象是否为待删除的目标对象。
3.根据权利要求2所述的检测方法,其特征在于,还包括:响应于所述待识别对象并非所述当前候选删除对象,将所述待识别对象确定为所述目标场景中的障碍物。
4.根据权利要求1-3任一项所述的检测方法,其特征在于,所述基于对目标场景进行扫描得到的当前帧雷达扫描数据,确定所述目标场景中的待识别对象对应的第一位置点,包括:
针对各所述待识别对象,从所述当前帧雷达扫描数据中确定与所述待识别对象对应的点云点;
基于所述待识别对象对应的点云点在所述目标场景中的三维位置信息,确定所述待识别对象对应的轮廓信息;
基于所述轮廓信息,确定所述待识别对象对应的第一位置点。
5.根据权利要求4所述的检测方法,其特征在于,所述基于所述待识别对象对应的点云点在所述目标场景中的三维位置信息,确定所述待识别对象对应的轮廓信息,包括:
将所述待识别对象对应的点云点投影至预设平面中,得到第一投影点;
基于所述第一投影点在所述预设平面中的二维位置信息,确定所述待识别对象的轮廓信息。
6.根据权利要求4或5所述的检测方法,其特征在于,所述基于所述轮廓信息,确定所述待识别对象对应的第一位置点,包括:
利用所述待识别对象的轮廓信息,确定所述待识别对象在预设平面中的投影区域;
基于所述投影区域的面积,确定所述待识别对象对应的第一位置点。
7.根据权利要求6所述的检测方法,其特征在于,基于所述投影区域的面积,确定所述待识别对象对应的第一位置点,包括:
将所述投影区域的面积与预设的面积阈值进行比对;
响应于所述面积大于所述面积阈值,基于所述投影区域,确定所述投影区域的最小包围框;
基于所述最小包围框对应的第一区域、以及预设的第一间隔步长,在所述第一区域内确定多个备选位置点;
将位于所述投影区域内的备选位置点确定为所述第一位置点。
8.根据权利要求6所述的检测方法,其特征在于,所述基于所述投影区域的面积,确定所述待识别对象对应的第一位置点,还包括:
将所述投影区域的面积与预设的面积阈值进行比对;
响应于所述面积小于或者等于所述面积阈值,确定位于所述投影区域的中心点;
基于所述中心点、以及预设的半径长度,确定以所述中心点为圆心、所述预设的半径长度为半径的第二区域;
基于所述第二区域以及预设的第二间隔步长,在所述第二区域内确定所述第一位置点。
9.根据权利要求1-8任一项所述的检测方法,其特征在于,所述基于所述待识别对象对应的第一位置点,判断所述待识别对象是否为当前候选删除对象,包括:
获取采集所述目标场景得到的当前帧图像;
将所述第一位置点投影至所述当前帧图像中,得到第二投影点;
基于所述第二投影点在所述当前帧图像中的位置信息、以及所述当前帧图像包括的障碍物在所述当前帧图像中的位置,确定所述待识别对象是否为所述当前候选删除对象。
10.根据权利要求9所述的检测方法,其特征在于,所述基于所述第二投影点在所述当前帧图像中的位置信息、以及所述当前帧图像包括的障碍物在所述当前帧图像中的位置,确定所述待识别对象是否为所述当前候选删除对象,包括:
基于所述第二投影点在所述当前帧图像中的位置信息、以及所述当前帧图像包括的障碍物在所述当前帧图像中的位置,预测所述第二投影点对应的障碍物预测结果;所述障碍物预测结果包括:与所述第二投影点对应的位置存在障碍物,或者未存在障碍物;
基于各所述第二投影点分别对应的障碍物预测结果,确定所述待识别对象是否为所述当前候选删除对象。
11.根据权利要求10所述的检测方法,其特征在于,所述基于各所述第二投影点分别对应的障碍物预测结果,确定所述待识别对象是否为所述当前候选删除对象,包括:
基于各所述第二投影点分别对应的障碍物预测结果,确定所述待识别对象为障碍物的置信度;
基于所述置信度、以及预设的置信度阈值,确定所述待识别对象是否为所述当前候选删除对象。
12.根据权利要求11所述的检测方法,其特征在于,所述第二投影点有n个;
所述基于各第二投影点分别对应的障碍物预测结果,确定所述待识别对象为障碍物的置信度,包括:
遍历第2至第n个第二投影点;
针对遍历到的第i个第二投影点,基于所述第i个第二投影点的障碍物预测结果,确定与第i个第二投影点对应的判据函数;其中,i为大于1的正整数;
基于第i个第二投影点对应的判据函数、以及第1至第i-1个第二投影点的融合判据结果,确定所述第i个第二投影点对应的融合判据结果;
基于所述第i个第二投影点对应的融合判据结果,得到确定所述待识别对象为障碍物的置信度。
13.根据权利要求1-12任一项所述的检测方法,其特征在于,所述基于历史帧雷达扫描数据中的历史候选删除对象对应的历史位置信息、以及所述第一位置点,确定所述待识别对象是否为待删除的目标对象,包括:
基于所述历史帧雷达扫描数据中历史候选对象对应的历史位置信息、以及所述第一位置点,从所述历史候选对象中确定目标候选对象;
基于所述目标候选对象在预设平面的第一投影区域、以及所述待识别对象在所述预设平面的第二投影区域,确定所述待识别对象是否为待删除的目标对象。
14.根据权利要求13所述的检测方法,其特征在于,所述基于所述历史帧雷达扫描数据中历史候选对象对应的历史位置信息、以及所述第一位置点,从所述历史候选对象中确定目标候选对象,包括:
基于所述历史帧雷达扫描数据中历史候选对象对应的历史位置信息、以及所述第一位置点,确定各历史候选对象分别与所述待识别对象的距离;
基于各历史候选对象分别与所述待识别对象的距离,从所述历史候选对象中确定与所述待识别对象距离最近的历史候选对象为所述目标候选对象。
15.根据权利要求13或14所述的检测方法,其特征在于,所述基于所述目标候选对象在预设平面的第一投影区域、以及所述待识别对象在所述预设平面的第二投影区域,确定所述待识别对象是否为待删除的目标对象,包括:
确定所述第一投影区域和所述第二投影区域是否存在重叠区域;
响应于所述第一投影区域和所述第二投影区域未存在重叠区域,确定所述待识别对象为待删除的目标对象。
16.根据权利要求15所述的检测方法,其特征在于,所述基于所述目标候选对象在预设平面的第一投影区域、以及所述待识别对象在所述预设平面的第二投影区域,确定所述待识别对象是否为待删除的目标对象,还包括:
响应于所述当前帧雷达扫描数据中的第一投影区域和第二投影区域存在重叠区域,将所述待识别对象作为新的历史候选对象,直至所述当前帧雷达扫描数据之后的连续N帧雷达扫描数据中,第一投影区域和第二投影区域均存在重叠区域,则确定所述候选删除对象并非为所述待删除的目标对象,并将所述新的历史候选对象删除;N为正整数。
17.根据权利要求1-16任一项所述的检测方法,其特征在于,还包括:针对各所述历史候选删除对象,检测该历史候选删除对象的保存时间、与当前时间的时间差;
若所述时间差大于或者等于预设的时间差阈值,则删除该历史候选删除对象。
18.一种障碍物的检测装置,其特征在于,包括:
第一确定模块,用于基于对目标场景进行扫描得到的当前帧雷达扫描数据,确定所述目标场景中的待识别对象对应的第一位置点;
第二确定模块,用于基于历史帧雷达扫描数据中的历史候选删除对象对应的历史位置信息、以及所述第一位置点,确定所述待识别对象是否为待删除的目标对象;
第三确定模块,用于响应于所述待识别对象并非为所述待删除的目标对象,将所述待识别对象确定为所述目标场景中的障碍物。
19.一种计算机设备,其特征在于,包括:处理器、存储器,所述存储器存储有所述处理器可执行的机器可读指令,所述处理器用于执行所述存储器中存储的机器可读指令,所述机器可读指令被所述处理器执行时,所述处理器执行如权利要求1至17任一项所述的障碍物的检测方法的步骤。
20.一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上存储有计算机程序,所述计算机程序被计算机设备运行时,所述计算机设备执行如权利要求1至17任一项所述的障碍物的检测方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111165461.0A CN113887433A (zh) | 2021-09-30 | 2021-09-30 | 一种障碍物的检测方法、装置、计算机设备及存储介质 |
PCT/CN2022/075423 WO2023050679A1 (zh) | 2021-09-30 | 2022-02-07 | 一种障碍物的检测方法、装置、计算机设备、存储介质、计算机程序及计算机程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111165461.0A CN113887433A (zh) | 2021-09-30 | 2021-09-30 | 一种障碍物的检测方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113887433A true CN113887433A (zh) | 2022-01-04 |
Family
ID=79005122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111165461.0A Pending CN113887433A (zh) | 2021-09-30 | 2021-09-30 | 一种障碍物的检测方法、装置、计算机设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113887433A (zh) |
WO (1) | WO2023050679A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023050679A1 (zh) * | 2021-09-30 | 2023-04-06 | 上海商汤智能科技有限公司 | 一种障碍物的检测方法、装置、计算机设备、存储介质、计算机程序及计算机程序产品 |
WO2023133772A1 (zh) * | 2022-01-13 | 2023-07-20 | 深圳市大疆创新科技有限公司 | 障碍物监测方法、装置、设备、雷达装置及可移动平台 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116680752B (zh) * | 2023-05-23 | 2024-03-19 | 杭州水立科技有限公司 | 一种基于数据处理的水利工程安全监测方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101395089B1 (ko) * | 2010-10-01 | 2014-05-16 | 안동대학교 산학협력단 | 장애물 감지 시스템 및 방법 |
CN109509210B (zh) * | 2017-09-15 | 2020-11-24 | 百度在线网络技术(北京)有限公司 | 障碍物跟踪方法和装置 |
CN109521757B (zh) * | 2017-09-18 | 2021-12-31 | 阿波罗智能技术(北京)有限公司 | 静态障碍物识别方法和装置 |
CN112698315B (zh) * | 2019-10-23 | 2024-04-09 | 浙江菜鸟供应链管理有限公司 | 移动设备定位系统、方法及设备 |
CN112285714A (zh) * | 2020-09-08 | 2021-01-29 | 苏州挚途科技有限公司 | 一种基于多传感器的障碍物速度融合方法和装置 |
CN112316436A (zh) * | 2020-11-30 | 2021-02-05 | 超参数科技(深圳)有限公司 | 智能体的避障方法、装置、计算机设备和存储介质 |
CN113887433A (zh) * | 2021-09-30 | 2022-01-04 | 上海商汤临港智能科技有限公司 | 一种障碍物的检测方法、装置、计算机设备及存储介质 |
-
2021
- 2021-09-30 CN CN202111165461.0A patent/CN113887433A/zh active Pending
-
2022
- 2022-02-07 WO PCT/CN2022/075423 patent/WO2023050679A1/zh unknown
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023050679A1 (zh) * | 2021-09-30 | 2023-04-06 | 上海商汤智能科技有限公司 | 一种障碍物的检测方法、装置、计算机设备、存储介质、计算机程序及计算机程序产品 |
WO2023133772A1 (zh) * | 2022-01-13 | 2023-07-20 | 深圳市大疆创新科技有限公司 | 障碍物监测方法、装置、设备、雷达装置及可移动平台 |
Also Published As
Publication number | Publication date |
---|---|
WO2023050679A1 (zh) | 2023-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11320833B2 (en) | Data processing method, apparatus and terminal | |
CN110163904B (zh) | 对象标注方法、移动控制方法、装置、设备及存储介质 | |
US11709058B2 (en) | Path planning method and device and mobile device | |
CN113887433A (zh) | 一种障碍物的检测方法、装置、计算机设备及存储介质 | |
CN110458854B (zh) | 一种道路边缘检测方法和装置 | |
US9905032B2 (en) | Object removal using lidar-based classification | |
US10031231B2 (en) | Lidar object detection system for automated vehicles | |
JP5407898B2 (ja) | 対象物検出装置及びプログラム | |
JP2023523243A (ja) | 障害物検出方法及び装置、コンピュータデバイス、並びにコンピュータプログラム | |
JP5822255B2 (ja) | 対象物識別装置及びプログラム | |
WO2018068653A1 (zh) | 点云数据处理方法、装置及存储介质 | |
CN109521757B (zh) | 静态障碍物识别方法和装置 | |
CN110674705B (zh) | 基于多线激光雷达的小型障碍物检测方法及装置 | |
JP6299291B2 (ja) | 道路エッジ検出方法及び道路エッジ検出装置 | |
Erbs et al. | Moving vehicle detection by optimal segmentation of the dynamic stixel world | |
CN111582054B (zh) | 点云数据处理方法及装置、障碍物检测方法及装置 | |
CN110799989A (zh) | 一种障碍物检测方法、设备、可移动平台及存储介质 | |
CN111428859A (zh) | 自动驾驶场景的深度估计网络训练方法、装置和自主车辆 | |
CN111624622A (zh) | 障碍物检测方法、装置 | |
CN107609510B (zh) | 一种岸桥下集卡定位方法及设备 | |
WO2014132490A1 (ja) | 車両諸元計測処理装置、車両諸元計測方法及び記録媒体 | |
CN110807439A (zh) | 检测障碍物的方法及装置 | |
CN111553946A (zh) | 用于去除地面点云的方法及装置、障碍物检测方法及装置 | |
WO2024012211A1 (zh) | 自动驾驶环境感知方法、介质及车辆 | |
CN111308500A (zh) | 基于单线激光雷达的障碍物感知方法、装置和计算机终端 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40058655 Country of ref document: HK |