CN114066927A - 移动目标的遮挡预测方法、装置、设备和存储介质 - Google Patents
移动目标的遮挡预测方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN114066927A CN114066927A CN202010778518.3A CN202010778518A CN114066927A CN 114066927 A CN114066927 A CN 114066927A CN 202010778518 A CN202010778518 A CN 202010778518A CN 114066927 A CN114066927 A CN 114066927A
- Authority
- CN
- China
- Prior art keywords
- target
- moving
- grid
- result
- shielded
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000001514 detection method Methods 0.000 claims abstract description 205
- 238000005070 sampling Methods 0.000 claims description 100
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 7
- 238000000638 solvent extraction Methods 0.000 claims description 7
- 230000000903 blocking effect Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/215—Motion-based segmentation
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种移动目标的遮挡预测方法、装置、设备和存储介质。所述方法包括:获取第一采集设备在当前时刻针对目标场景所采集的点云数据,并对所述点云数据进行目标检测,得到第一目标检测结果,所述第一目标检测结果用于表征目标所在的方位;对所述点云数据进行栅格划分,并根据划分结果确定划分的各个栅格是否被遮挡,得到被遮挡栅格;根据所述第一目标检测结果和所述被遮挡栅格之间的方位关联关系,确定所述目标场景中目标被遮挡的概率;其中,所述方位关联关系用于表征所述目标与所述被遮挡栅格之间的相对方位。采用本方法能够精准预测目标是否存在被遮挡的风险。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种移动目标的遮挡预测方法、装置、设备和存储介质。
背景技术
目标跟踪技术是计算机视觉领域的一项重要技术,其实质上是从图像序列中识别出目标并自动进行跟踪的技术。而在目标跟踪过程中,由于目标可能会被其他遮挡物遮挡住,这样会导致目标跟踪失败,因此,在目标跟踪过程中判断目标是否被遮挡就显得尤为重要。
但是传统技术中针对目标是否被遮挡的判断,其判断结果经常存在不准确的问题。故而,如何实现精准判断目标是否被遮挡,成为目前亟待解决的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够精准判断目标是否被遮挡的移动目标的遮挡预测方法、装置、设备和存储介质。
一种移动目标的遮挡预测方法,该方法包括:
获取第一采集设备在当前时刻针对目标场景所采集的点云数据,并对点云数据进行目标检测,得到第一目标检测结果,该第一目标检测结果包括移动目标的移动状态和移动目标的位置;
对点云数据进行分割,确定点云数据中的被遮挡检测区域;
根据第一目标检测结果和被遮挡检测区域之间的方位关联关系,对移动目标进行遮挡预测,得到目标场景中移动目标被遮挡的预测结果;其中,该方位关联关系用于表征移动目标与遮挡检测区域之间的相对方位。
在其中一个实施例中,上述根据第一目标检测结果和被遮挡检测区域之间的方位关联关系,对移动目标进行遮挡预测,得到目标场景中移动目标被遮挡的预测结果,包括:
根据移动目标移动状态中的目标移动方向与被遮挡检测区域的位置,确定第一目标检测结果和被遮挡检测区域之间的方位关联关系;
根据第一目标检测结果和被遮挡检测区域之间的方位关联关系,对移动目标进行遮挡预测,得到目标场景中移动目标被遮挡的预测结果。
在其中一个实施例中,上述当前时刻的点云数据包括多个第一采样点的数据;上述对点云数据进行分割,确定点云数据中的被遮挡检测区域,包括:
获取第一采集设备在前一时刻针对目标场景所采集的点云数据;该前一时刻的点云数据包括多个第二采样点的数据;
对当前时刻的点云数据进行栅格划分,得到各个栅格中的第一采样点的数量;以及,对前一时刻的点云数据进行栅格划分,得到各栅格中的第二采样点的数量;
将各栅格中的第一采样点的数量和对应的第二采样点的数量进行对比,得到采样点数量对比结果;
根据采样点数量对比结果,确定栅格是否被遮挡,得到被遮挡栅格,并将被遮挡栅格确定为被遮挡检测区域。
在其中一个实施例中,上述将各栅格中的第一采样点的数量和对应的第二采样点的数量进行对比,得到采样点数量对比结果,包括:
计算各栅格中的第一采样点的数量和栅格中的第二采样点的数量的第一差值;
将第一差值和预设的采样点数量阈值进行对比,得到采样点数量对比结果。
在其中一个实施例中,上述根据采样点数量对比结果,确定栅格是否被遮挡,得到被遮挡栅格,包括:
若采样点数量对比结果为第一差值大于采样点数量阈值,则确定栅格被遮挡,并将栅格确定为被遮挡栅格。
在其中一个实施例中,上述根据第一目标检测结果和被遮挡检测区域之间的方位关联关系,对移动目标进行遮挡预测,得到目标场景中移动目标被遮挡的预测结果,包括:
计算移动目标和被遮挡栅格之间的距离,并将距离和预设的距离阈值进行对比,得到距离对比结果;
根据距离对比结果,确定目标场景中移动目标被遮挡的预测结果。
在其中一个实施例中,上述移动目标的位置包括移动目标的多个三维坐标位置;上述计算移动目标和被遮挡栅格之间的距离,包括:
获取被遮挡栅格的中心点的坐标;
根据移动目标的多个三维坐标位置,从中得到移动目标的中心点的坐标;
根据被遮挡栅格的中心点的坐标和移动目标的中心点的坐标,计算被遮挡栅格的中心点与移动目标的中心点之间的中心点距离,并将中心点距离确定为移动目标和被遮挡栅格之间的距离。
在其中一个实施例中,上述移动目标的移动状态包括当前时刻移动目标的航向角;上述根据距离对比结果,确定目标场景中移动目标被遮挡的预测结果,包括:
若中心点距离小于距离阈值,则根据移动目标的航向角判断移动目标的移动方向是否指向被遮挡栅格,得到指向判断结果;
根据指向判断结果确定目标场景中移动目标被遮挡的预测结果。
在其中一个实施例中,上述根据移动目标的航向角判断移动目标的移动方向是否指向被遮挡栅格,得到指向判断结果,包括:
获取被遮挡栅格的中心点投影和候选坐标轴之间的垂线距离;候选坐标轴为航向角所在平面的一个坐标轴;
对垂线距离和中心点距离进行数学运算处理,得到中心点投影和目标的中心点之间的连线与候选坐标轴之间的夹角;
将目标的航向角和夹角进行对比,并根据对比结果判断移动目标的移动方向是否指向被遮挡栅格,得到指向判断结果。
在其中一个实施例中,上述将目标的航向角和夹角进行对比,并根据对比结果判断移动目标的移动方向是否指向被遮挡栅格,得到指向判断结果,包括:
计算移动目标的航向角和夹角的差值的绝对值;
将差值的绝对值和预设的角度阈值进行对比,若差值的绝对值小于角度阈值,则判定移动目标的移动方向指向被遮挡栅格;
上述根据指向判断结果确定目标场景中移动目标被遮挡的预测结果,包括:
确定目标场景中移动目标被遮挡的预测结果为移动目标被遮挡。
在其中一个实施例中,上述根据第一目标检测结果和被遮挡检测区域之间的方位关联关系,对移动目标进行遮挡预测,得到目标场景中移动目标被遮挡的预测结果,包括:
根据第一目标检测结果和被遮挡检测区域之间的方位关联关系,对移动目标进行遮挡预测,得到第一初始遮挡预测结果;
基于第二采集设备在当前时刻针对目标场景所采集的二维图像,获取第二初始遮挡预测结果;
根据第一初始遮挡预测结果与第二初始遮挡预测结果,得到移动目标被遮挡的预测结果。
在其中一个实施例中,上述基于第二采集设备在当前时刻针对目标场景所采集的二维图像,获取第二初始遮挡预测结果,包括:
获取第二采集设备在当前时刻针对目标场景所采集的二维图像,并对二维图像进行目标检测,得到二维图像中的移动目标的数量;
将移动目标的数量和历史目标数量限值进行对比,得到目标数量对比结果;
根据目标数量对比结果确定第二初始遮挡预测结果。
在其中一个实施例中,上述将移动目标的数量和历史目标数量限值进行对比,得到目标数量对比结果,包括:
计算移动目标的数量和历史目标数量限值的第二差值的绝对值,并将第二差值的绝对值和预设的第一数量阈值进行对比,得到目标数量对比结果。
在其中一个实施例中,上述根据目标数量对比结果确定第二初始遮挡预测结果,包括:
若第二差值的绝对值大于第一数量阈值,则获取后续预设时长内的多个待检测二维图像;
对多个待检测二维图像分别进行目标检测,得到各个待检测二维图像中的移动目标的数量;
将各待检测二维图像中的移动目标的数量分别和预设的第二数量阈值进行对比,并根据对比结果确定第二初始遮挡预测结果。
在其中一个实施例中,上述根据对比结果确定第二初始遮挡预测结果,包括:
若各待检测二维图像中的移动目标的数量均小于第二数量阈值,则确定第二初始遮挡预测结果为移动目标被遮挡。
在其中一个实施例中,上述方法还包括:
若第一初始遮挡预测结果为移动目标被遮挡,则输出第一遮挡预警;
若第二初始遮挡预测结果为移动目标被遮挡,则输出第二遮挡预警;
若移动目标被遮挡的预测结果为移动目标被遮挡,则输出第三遮挡预警。
一种移动目标的遮挡预测装置,该装置包括:
获取模块,用于获取第一采集设备在当前时刻针对目标场景所采集的点云数据,并对点云数据进行目标检测,得到第一目标检测结果,该第一目标检测结果包括移动目标的移动状态和移动目标的位置;
划分模块,用于对点云数据进行分割,确定点云数据中的被遮挡检测区域;
遮挡确定模块,用于根据第一目标检测结果和被遮挡检测区域之间的方位关联关系,对移动目标进行遮挡预测,得到目标场景中移动目标被遮挡的预测结果;其中,该方位关联关系用于表征移动目标与遮挡检测区域之间的相对方位。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取第一采集设备在当前时刻针对目标场景所采集的点云数据,并对点云数据进行目标检测,得到第一目标检测结果,该第一目标检测结果包括移动目标的移动状态和移动目标的位置;
对点云数据进行分割,确定点云数据中的被遮挡检测区域;
根据第一目标检测结果和被遮挡检测区域之间的方位关联关系,对移动目标进行遮挡预测,得到目标场景中移动目标被遮挡的预测结果;其中,该方位关联关系用于表征移动目标与遮挡检测区域之间的相对方位。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取第一采集设备在当前时刻针对目标场景所采集的点云数据,并对点云数据进行目标检测,得到第一目标检测结果,该第一目标检测结果包括移动目标的移动状态和移动目标的位置;
对点云数据进行分割,确定点云数据中的被遮挡检测区域;
根据第一目标检测结果和被遮挡检测区域之间的方位关联关系,对移动目标进行遮挡预测,得到目标场景中移动目标被遮挡的预测结果;其中,该方位关联关系用于表征移动目标与遮挡检测区域之间的相对方位。
上述移动目标的遮挡预测方法、装置、设备和存储介质,可以获取第一采集设备在当前时刻针对目标场景采集的点云数据,并对点云数据进行目标检测,得到第一目标检测结果,对点云数据进行分割,得到点云数据中被遮挡检测区域,根据第一目标检测结果和被遮挡检测区域之间的方位关联关系,对移动目标进行遮挡预测,得到移动目标被遮挡的预测结果;其中,第一目标检测结果包括移动目标的移动状态和位置,方位关联关系用于表征移动目标与被遮挡检测区域之间的相对方位。在该方法中,由于可以根据移动目标所在的方位以及目标与被遮挡检测区域之间的相对方位来对移动进行遮挡预测,这样可以真实且准确地评估目标是否存在被遮挡的风险,从而可以使最终确定的目标被遮挡的预测结果更加精确。
附图说明
图1为一个实施例中移动目标的遮挡预测方法的应用环境图;
图2为一个实施例中移动目标的遮挡预测方法的流程示意图;
图2a为一个实施例中对点云数据划分栅格的示例图;
图3为另一个实施例中移动目标的遮挡预测方法的流程示意图;
图4为另一个实施例中移动目标的遮挡预测方法的流程示意图;
图5为另一个实施例中移动目标的遮挡预测方法的流程示意图;
图6为另一个实施例中移动目标的遮挡预测方法的流程示意图;
图6a为另一个实施例中移动目标与被遮挡栅格之间的相对位置示例图;
图7为另一个实施例中移动目标的遮挡预测方法的流程示意图;
图8为另一个实施例中移动目标的遮挡预测方法的流程示意图;
图9为一个实施例中移动目标的遮挡预测装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的移动目标的遮挡预测方法,可以应用于如图1所示的应用环境中。其中,第一采集设备102以及第二采集设备104可以和计算机设备106进行有线或无线通信。第一采集设备102可以是激光雷达、毫米波雷达等,第二采集设备104可以是相机、摄像机等等,第一采集设备102和第二采集设备104均可以设置在路侧的立杆或横杆上,也可以设置在车辆上。计算机设备106可以是终端,也可以是服务器,当计算机设备106是终端时,可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备;当计算机设备106是服务器时,可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
需要说明的是,本申请实施例的执行主体可以是计算机设备,也可以是计算机设备内部的移动目标的遮挡预测装置,下面就以计算机设备为执行主体来进行说明。
在一个实施例中,提供了一种移动目标的遮挡预测方法,本实施例涉及的是如何根据目标场景的点云数据得到目标场景中目标的检测结果和被遮挡检测区域,并根据目标检测结果和被遮挡检测区域得到移动目标被遮挡的预测结果的具体过程。如图2所示,该方法可以包括以下步骤:
S202,获取第一采集设备在当前时刻针对目标场景所采集的点云数据,并对点云数据进行目标检测,得到第一目标检测结果,该第一目标检测结果包括移动目标的移动状态和移动目标的位置。
其中,第一采集设备是激光雷达、毫米波雷达等,这里的第一采集设备一般设置在道路中路侧的横杆或立杆上。目标场景可以是道路场景,该道路场景可以是室外道路场景,也可以是室内游乐道路场景等。目标可以是道路场景中的车辆、行人等等。这里的移动目标可以包括一个或多个移动目标。移动目标的移动状态包括目标移动方向、移动目标的航向角等等。
另外,目标检测可以采用三维目标检测算法来进行,例如可以采用SECOND(Sparsely Embedded Convolutional Detection,稀疏嵌入卷积检测)算法等等。
具体的,第一采集设备在当前时刻可以对道路场景进行扫描,这样就可以得到道路场景在当前时刻的点云数据,并将采集的点云数据传输给计算机设备,这样计算机设备就可以得到道路场景当前时刻的点云数据。然后计算机设备采用目标检测算法对当前时刻的点云数据进行目标检测,就可以得到目标检测结果,记为第一目标检测结果。
S204,对点云数据进行分割,确定点云数据中的被遮挡检测区域。
在本步骤中,通常点云数据是三维数据,假设是在原点为o,三个坐标轴分别为x、y、z所构成的坐标系中,那么这里的对点云数据进行分割,可以通过栅格将点云数据对应的检测区域进行划分实现,而栅格划分就可以是在x轴和y轴所构成的平面上,将该平面按照一定的长宽间隔划分成多个栅格(划分的栅格图可以参见图2a所示,需要说明的是,图2a只是示例,并不影响本申请实施例的实质内容),这样就将点云数据所在的空间沿z轴划分成多个栅格,每个栅格内包含对应的点云数据,当然也可以是沿z轴,将每个栅格包含的点云数据投影到对应的栅格内,得到每个栅格内的点云数据。
在得到当前时刻每个栅格内的点云数据之后,可以将当前时刻各个栅格内的点云数据进行比较,也可以将当前时刻各个栅格内的点云数据和其他时刻的点云数据进行比较,总之可以得到各个栅格的比较结果,通过比较结果就可以确定各个栅格是否被遮挡,在某个栅格被遮挡时,就可以将该栅格记为被遮挡栅格,然后通过统计被遮挡栅格就可以得到被遮挡检测区域。
S206,根据第一目标检测结果和被遮挡检测区域之间的方位关联关系,对移动目标进行遮挡预测,得到目标场景中移动目标被遮挡的预测结果;其中,该方位关联关系用于表征移动目标与遮挡检测区域之间的相对方位。
其中,以一个移动目标和被遮挡检测区域为例,移动目标与被遮挡检测区域之间的相对方位可以包括该移动目标是否指向被遮挡检测区域、该移动目标与被遮挡检测区域之间的距离远近等等。
具体的,计算机设备在得到第一目标检测结果之后,也就可以得到目标场景中移动的移动状态以及移动目标的位置,那么在得到被遮挡检测区域之后,也就可以根据目标移动状态和位置位计算与被遮挡检测区域之间的距离远近、判断是否指向被遮挡检测区域等,得到目标与被遮挡检测区域之间的方位关联关系,然后通过该方位关联关系,预测目标是否会行驶到被遮挡检测区域,若会行驶到被遮挡检测区域,则认为有被遮挡的风险,这里的被遮挡指的是移动目标被其他目标遮挡。当然在该移动目标存在被遮挡的风险时,也可以输出目标遮挡预警等。另外,这里的目标存在被遮挡的风险,可以认为是第一采集设备视野范围内的移动目标存在被遮挡的风险。示例地,假设目标指向被遮挡检测区域或者目标距离被遮挡检测区域较近,那么可以认为移动目标存在被遮挡的风险。
另外,需要说明的是,在本步骤中,上述目标场景中移动目标被遮挡的预测结果可以只根据第一目标检测结果和被遮挡检测区域之间的方位关联关系得到。当然,还可以通过其他采集设备对道路场景中的移动目标进行图像采集以及目标检测,并依据检测出的移动目标的其他参数(例如数量等)来判断出该采集设备视野范围内的目标被遮挡的预测结果。然后综合上述第一采集设备的移动目标被遮挡的预测结果得到目标最终被遮挡的预测结果,本实施例对此不作具体限定。
上述移动目标的遮挡预测方法中,可以获取第一采集设备在当前时刻针对目标场景采集的点云数据,并对点云数据进行目标检测,得到第一目标检测结果,对点云数据进行分割,得到点云数据中被遮挡检测区域,根据第一目标检测结果和被遮挡检测区域之间的方位关联关系,对移动目标进行遮挡预测,得到移动目标被遮挡的预测结果;其中,第一目标检测结果包括移动目标的移动状态和位置,方位关联关系用于表征移动目标与被遮挡检测区域之间的相对方位。在该方法中,由于可以根据移动目标所在的方位以及目标与被遮挡检测区域之间的相对方位来对移动进行遮挡预测,这样可以真实且准确地评估目标是否存在被遮挡的风险,从而可以使最终确定的目标被遮挡的预测结果更加精确。
在另一个实施例中,提供了另一种移动目标的遮挡预测方法,本实施例涉及的是如何根据第一目标检测结果和被遮挡检测区域之间的方位关联关系,得到移动目标被遮挡的预测结果的具体过程。在上述实施例的基础上,如图3所示,上述S206可以包括以下步骤:
S302,根据移动目标移动状态中的目标移动方向与被遮挡检测区域的位置,确定第一目标检测结果和被遮挡检测区域之间的方位关联关系。
在本步骤中,可以通过判断目标移动方向是否指向被遮挡检测区域,若目标移动方向指向被遮挡检测区域,那么就可以将指向被遮挡检测区域作为第一目标检测结果和被遮挡检测区域之间的方位关联关系;相应地,若目标移动方向没有指向被遮挡检测区域,那么就可以将未指向被遮挡检测区域作为第一目标检测结果和被遮挡检测区域之间的方位关联关系。
S304,根据第一目标检测结果和被遮挡检测区域之间的方位关联关系,对移动目标进行遮挡预测,得到目标场景中移动目标被遮挡的预测结果。
本步骤的解释可以参见上述S206的解释,在此不再赘述。
本实施例提供的移动目标的遮挡预测方法,可以通过目标移动方向和被遮挡检测区域的位置,先获得第一目标检测结果和被遮挡检测区域之间的方位关联关系,并通过方位关联关系得到目标被遮挡的预测结果。通过本实施例的方法,可以通过目标移动方向和被遮挡检测区域的位置得到方位关联关系,该过程较为简单快速,从而可以提高得到方位关联关系的速度。
在另一个实施例中,提供了另一种移动目标的遮挡预测方法,本实施例涉及的是上述当前时刻的点云数据包括多个第一采样点的数据,那么如何对该点云数据进行栅格划分,得到被遮挡栅格的具体过程。在上述实施例的基础上,如图4所示,上述S204可以包括以下步骤:
S402,获取第一采集设备在前一时刻针对目标场景所采集的点云数据;该前一时刻的点云数据包括多个第二采样点的数据。
其中,当前时刻的点云数据为第一采集设备在当前时刻对目标场景进行扫描,得到的点云数据,包括多个第一采样点的数据,也就是说,当前时刻的点云数据包括多个第一采样点。
前一时刻的点云数据为第一采集设备在当前时刻对目标场景进行扫描,得到的点云数据,包括多个第二采样点的数据,也就是说,当前时刻的点云数据包括多个第二采样点。
S404,对当前时刻的点云数据进行栅格划分,得到各个栅格中的第一采样点的数量;以及,对前一时刻的点云数据进行栅格划分,得到各栅格中的第二采样点的数量。
在本步骤中,对当前时刻的点云数据和前一时刻的点云数据的栅格划分方式相同,均为上述S204的划分方式,在此不在赘述。
总之,通过对当前时刻的点云数据进行栅格划分,可以得到每个栅格内的第一采样点的数量;对前一时刻的点云数据进行栅格划分,可以得到每个栅格内的第二采样点的数量。
S406,将各栅格中的第一采样点的数量和对应的第二采样点的数量进行对比,得到采样点数量对比结果。
在本步骤中,上述在对当前时刻的点云数据和前一时刻的点云数据划分好栅格之后,可以认为是划分的各个栅格在当前时刻包括第一采样点,在前一时刻包括第二采样点。这样就可以得到每个栅格在前一时刻包括的第二采样点的数量,以及在当前时刻包括的第一采样点的数量。
之后,按照划分的栅格,将各个栅格内的第二采样点的数量和对应的第一采样点的数量分别进行对比,就可以得到每个栅格的采样点数量对比结果。
可选的,在数量对比时,可以计算各栅格中的第一采样点的数量和栅格中的第二采样点的数量的第一差值;将第一差值和预设的采样点数量阈值进行对比,得到采样点数量对比结果。
以一个栅格为例,可以计算该栅格内的第一采样点的数量和第二采样点的数量的差值,然后将该差值和预设的采样点数量阈值进行对比,得到该栅格对应的采样点数量对比结果;当然,也可以是对差值取绝对值,得到该差值的绝对值,然后将该差值的绝对值和预设的采样点数量阈值进行对比,得到该栅格对应的采样点数量对比结果。其他栅格依次类推,总之,最后就可以得到各个栅格的采样点数量对比结果。
另外,这里预设的采样点数量阈值可以根据实际情况而定,例如可以是100、150等等。
S408,根据采样点数量对比结果,确定栅格是否被遮挡,得到被遮挡栅格,并将被遮挡栅格确定为被遮挡检测区域。
在本步骤中,在得到各个栅格对应的采样点数量对比结果之后,以一个栅格为例,可选的,若采样点数量对比结果为第一差值大于采样点数量阈值,则确定栅格被遮挡,并将栅格确定为被遮挡栅格。
也就是说,在一种可能的实施方式中,若该栅格在两个时刻内的采样点的数量的差值(或差值的绝对值)大于采样点数量阈值,则说明该栅格在两个时刻内的采样点的数量差异太大,进而也就说明该栅格被其他障碍物遮挡了,该栅格就可以称为被遮挡栅格。
在另一种可能的实施方式中,因为第一采集设备在正常情况下,栅格未被遮挡时都是有点云数据的,所以若该栅格在两个时刻内的采样点的数量的差值(或差值的绝对值)不大于采样点数量阈值,则说明该栅格在两个时刻内的采样点的数量差异不是很大,即两个时刻有差不多的点云数据,进而也就说明该栅格没有被遮挡。
对于其他栅格,均可以按照此方式进行对比,这样就可以得到每个栅格是否是被遮挡栅格。
总之,通过此对比方式,可以得到划分的多个栅格中的被遮挡栅格。最后可以将所有被遮挡栅格确定为被遮挡检测区域。
本实施例提供的移动目标的遮挡预测方法,可以获取前一时刻的点云数据,并对当前时刻的点云数据和前一时刻的点云数据均进行栅格划分,得到每个栅格在当前时刻和前一时刻时所包括的第一采样点的数量和第二采样点的数量,并将各个栅格内的第一采样点的数量和第二采样点的数量进行对比,并根据得到的对比结果确定该栅格是否被遮挡,最终得到被遮挡栅格,并将被遮挡栅格确定为被遮挡检测区域。通过本实施例的方法,可以通过比较同一栅格在相邻两个时刻内的采样点数量,来确定该栅格是否被遮挡,该比较过程比较直观,而且也比较简单准确,从而可以使得到的栅格被遮挡的结果更加准确,同时也可以加快后续判断目标是否被遮挡的速度。
在另一个实施例中,提供了另一种移动目标的遮挡预测方法,本实施例涉及的是如何根据第一目标检测结果和被遮挡栅格之间的方位关联关系,确定目标场景中目标被遮挡的预测结果的具体过程。在上述实施例的基础上,如图5所示,上述S304可以包括以下步骤:
S502,计算移动目标和被遮挡栅格之间的距离,并将距离和预设的距离阈值进行对比,得到距离对比结果。
在本步骤中,可选的,上述移动目标的位置包括移动目标的多个三维坐标位置,那么在计算目标和被遮挡栅格之间的距离时,可以采用如下步骤A1-A3进行:
A1,获取被遮挡栅格的中心点的坐标。
A2,根据移动目标的多个三维坐标位置,从中得到移动目标的中心点的坐标。
A3,根据被遮挡栅格的中心点的坐标和移动目标的中心点的坐标,计算被遮挡栅格的中心点与移动目标的中心点之间的中心点距离,并将中心点距离确定为移动目标和被遮挡栅格之间的距离。
在上述S204划分栅格时,一般划分的栅格都是矩形状的格子,那么在x轴和y轴所构成的平面上,就可以得到每个栅格所在的矩形框上各个点的坐标,这样也就可以从中找出每个栅格的中心点的坐标。这样在上述确定出被遮挡栅格之后,也就可以得到被遮挡栅格的中心点的坐标。这里栅格的中心点的坐标通常都是二维坐标。
另外,本实施例中移动目标的三维坐标位置,通常是包括移动目标上各个点的三维坐标,那么从这多个点的三维坐标中,也就可以得到移动目标的中心点对应的三维坐标,然后将移动目标的中心点的三维坐标投影到上述栅格所对应的x轴和y轴所构成的平面上,就可以得到移动目标的中心点在该平面上的二维坐标。
以一个移动目标和一个被遮挡栅格为例,在得到被遮挡栅格的中心点的坐标和移动目标中心点的二维坐标之后,就可以利用点到点的距离计算公式,计算这两个中心点之间的距离,并将得到的中心点距离记为该移动目标和该被遮挡栅格之间的距离。根据此方法,可以计算得到任意目标和任意被遮挡栅格之间的距离。
在得到移动目标和被遮挡栅格之间的距离之后,就可以将得到的距离和预设的距离阈值进行对比,得到该移动目标和该被遮挡栅格对应的距离对比结果。其中,距离阈值可以根据实际情况而定,这里给出几种示例,例如可以是该被遮挡栅格的中心点与该栅格左上角角点之间的距离、该被遮挡栅格的中心点与该栅格右下角角点之间的距离等等。
S504,根据距离对比结果,确定目标场景中移动目标被遮挡的预测结果。
在本步骤中,通过将中心点距离和距离阈值进行对比,就可以判断出移动目标是否进入被遮挡栅格,从而就可以得到移动目标被遮挡的预测结果。
在一种可能的实施方式中,以一个移动目标和一个被遮挡栅格为例,若该移动目标和该被遮挡栅格之间的中心点距离大于等于距离阈值,则可以认为该移动目标没有进入该被遮挡栅格所在的区域内,也就是说,该移动目标被遮挡的风险不是很大,即该移动目标当前时刻处于安全区域。
在另一种可能的实施方式中,若该移动目标和该被遮挡栅格之间的中心点距离小于距离阈值,则可以认为该移动目标可能进入了被遮挡栅格所在的区域内,也就是说,该移动目标被遮挡的风险相对较大,那么具体是不是会被遮挡,可以通过进一步的方式来进行判断,这些将在下述实施例进行说明。
总之,通过将中心点距离和距离阈值对比,就可以根据得到的对比结果确定移动目标被遮挡的预测结果。
本实施例提供的移动目标的遮挡预测方法,可以计算移动目标和被遮挡栅格之间的距离,并将距离和距离阈值进行对比,根据得到的距离对比结果就可以确定出移动目标被遮挡的预测结果。通过本实施例中简单的距离对比过程,可以较为快速地得出目标当前时刻是否处于安全区域,从而可以加快后续得到目标被遮挡的预测结果的速度。
在另一个实施例中,提供了另一种移动目标的遮挡预测方法,本实施例涉及的上述移动目标的移动状态包括当前时刻移动目标的航向角,那么如何根据上述得到的距离对比结果,进一步确定目标场景中移动目标被遮挡的预测结果的具体过程。在上述实施例的基础上,如图6所示,上述S504可以包括以下步骤:
S602,若中心点距离小于距离阈值,则根据移动目标的航向角判断移动目标的移动方向是否指向被遮挡栅格,得到指向判断结果。
在上述S504中,若移动目标和被遮挡栅格之间的中心点距离小于距离阈值,则可以认为该移动目标可能进入了被遮挡栅格所在的区域内,那么可以进一步判断该移动目标的指向,以确定该移动目标被遮挡的预测结果。
在判断目标的指向时,一般会采用目标的航向角去进行判断,可选的,可以采用如下步骤B1-B3进行判断:
B1,获取被遮挡栅格的中心点投影和候选坐标轴之间的垂线距离;候选坐标轴为航向角所在平面的一个坐标轴。
其中,参见上述S204,这里也在x轴和y轴所构成的平面上进行栅格划分,那么划分的栅格也就是二维的,所以这里被遮挡栅格的中心点投影即是该被遮挡栅格在x轴和y轴所构成的平面上对应的栅格的中心点。
具体参见图6a所示,其中各个大矩形框为划分的栅格,其中标号为1的小矩形框为该移动目标,标号为2的大矩形框为被遮挡栅格,候选坐标轴为y轴,α为当前时刻该移动目标的航向角,为该移动目标行驶方向与y轴负方向的夹角;β为该移动目标的中心点和被遮挡栅格的中心点连线与y轴负方向的夹角。那么在得到被遮挡栅格的中心点坐标之后,可以计算被遮挡栅格的中心点到y轴的垂线距离,这里就是被遮挡栅格的中心点坐标的x值。
B2,对垂线距离和中心点距离进行数学运算处理,得到中心点投影和目标的中心点之间的连线与候选坐标轴之间的夹角。
上述在得到目标的中心点的二维坐标之后,从图中可以看出,目标的中心点的二维坐标中的x值目标的中心点到y轴的距离,那么可以将被遮挡栅格的中心点坐标的x值减去目标的中心点坐标的x值,得到差值,并将该差值除以上述计算的中心点距离,即得到sinβ值,通过反正弦求解就可以得到β值。
B3,将目标的航向角和夹角进行对比,并根据对比结果判断移动目标的移动方向是否指向被遮挡栅格,得到指向判断结果,得到指向判断结果。
在本步骤中,在上述得到目标航向角α和夹角β之后,就可以通过α和β的对比来得到该移动目标是否指向被遮挡栅格的结果。可选的,可以计算该移动目标的航向角和夹角的差值的绝对值;将差值的绝对值和预设的角度阈值进行对比,得到对比结果;根据对比结果判断目标是否指向被遮挡栅格,得到指向判断结果。
也就是说,可以将α减去β,得到差值,并取绝对值,得到角度差值的绝对值,并将角度差值的绝对值和角度阈值进行对比,得到角度对比结果。之后,根据不同的角度对比结果,就可以得到目标是否指向被遮挡栅格的结果。
其中,角度阈值可以根据实际情况而定,例如可以是5度、10度等等。
S604,根据指向判断结果确定目标场景中移动目标被遮挡的预测结果。
在本步骤中,可选的,若差值的绝对值小于角度阈值,则确定目标指向被遮挡栅格;那么也就可以确定目标场景中移动目标被遮挡的预测结果为移动目标被遮挡。
也就是说,在一种可能的实施方式中,若上述α和β的差值绝对值小于角度阈值,即可以确定目标是朝向被遮挡栅格行驶的,那么也就可以认为该目标指向被遮挡栅格,进而也就可以说明该目标被遮挡的风险是比较大的,即目标场景中移动目标被遮挡的预测结果为移动目标被遮挡。
在另一种可能的实施方式中,若上述α和β的差值绝对值大于等于角度阈值,即可以确定目标是没有朝向被遮挡栅格行驶,说明该目标没有指向被遮挡栅格,那么也就可以认为该目标处于安全区域。
本实施例提供的移动目标的遮挡预测方法,在目标和被遮挡栅格之间的中心点距离小于距离阈值时,还可以根据目标的航向角进行进一步判断,判断目标是否指向被遮挡栅格,并根据是否指向被遮挡栅格的结果确定移动目标被遮挡的预测结果。通过本实施例的方法,在目标和被遮挡栅格之间的距离过近时,可以进一步通过目标的航向角来确定目标被遮挡的概率,这样通过两步判断过程,可以进一步明确目标是否真的被遮挡,从而可以使最终得到的目标是否被遮挡的预测结果更加准确。
在另一个实施例中,提供了另一种移动目标的遮挡预测方法,本实施例涉及的是如何根据方位关联关系确定目标被遮挡的预测结果的具体过程。在上述实施例的基础上,如图7所示,上述S206可以包括以下步骤:
S702,根据第一目标检测结果和被遮挡检测区域之间的方位关联关系,对移动目标进行遮挡预测,得到第一初始遮挡预测结果。
其中,这里的第一初始遮挡预测结果可以是上述第一采集设备侧的遮挡预测预测结果。
S704,基于第二采集设备在当前时刻针对目标场景所采集的二维图像,获取第二初始遮挡预测结果。
在本步骤中,可以对采集的二维图像进行目标检测,并依据检测出的移动目标的其他参数(例如数量等)来判断出该采集设备视野范围内的目标被遮挡的预测结果,记为第二初始遮挡预测结果。
S706,根据第一初始遮挡预测结果与第二初始遮挡预测结果,得到移动目标被遮挡的预测结果。
在本步骤中,可以通过统计上述第一初始遮挡预测结果和第二初始遮挡预测结果,例如若第一初始遮挡预测结果和第二初始遮挡预测结果中至少一个为目标被遮挡,那么就可以确定移动目标被遮挡的预测结果为移动目标被遮挡;例如若第一初始遮挡预测结果和第二初始遮挡预测结果均是移动目标未被遮挡,则确定移动目标被遮挡的预测结果为不会被遮挡,当前处于安全区域。
本实施例提供的移动目标的遮挡预测方法,可以综合考虑各方面的目标被遮挡的预测结果,得到最终目标被遮挡的预测结果,依据的数据源更多,更丰富,这样最终得到的目标被遮挡的预测结果会更加准确。
在另一个实施例中,提供了另一种移动目标的遮挡预测方法,本实施例涉及的是如何结合目标场景中的二维图像的检测结果,确定目标被遮挡的第二初始遮挡预测结果的具体过程。在上述实施例的基础上,如图8所示,上述S704可以包括以下步骤:
S802,获取第二采集设备在当前时刻针对目标场景所采集的二维图像,并对二维图像进行目标检测,得到二维图像中的移动目标的数量。
其中,第二采集设备可以是相机、摄像机等,是相机时,可以是高清相机或者高分辨率相机等,这样可以使采集到的图像更容易分辨目标。第二采集设备可以和上述第一采集设备设置在一起,例如均设置路侧的横杆或立杆上。
目标场景可以是道路场景,该道路场景可以是室外道路场景,也可以是室内游乐道路场景等。移动目标也可以是道路场景中的车辆、行人等等。这里的移动目标可以包括一个或多个移动目标。
另外,这里的目标检测可以采用二维目标检测算法来进行,例如可以采用yolo(you only look once)目标检测算法等等。
具体的,在第一采集设备在当前时刻对道路场景进行扫描时,第二采集设备也可以在当前时刻对道路场景进行扫描,并将采集的道路场景当前时刻的二维图像传输给计算机设备。然后计算机设备可以采用目标检测算法对当前时刻的二维图像进行目标检测,就可以得到该二维图像上目标所在的矩形框,然后统计矩形框的数量,就可以得到移动目标的数量。
需要说明的是,这里二维图像中的目标可以与上述点云数据中的目标相同,也可以不同,不同通常是这里检测出的目标更多,上述点云数据中的目标相对少一些而已。
S804,将移动目标的数量和历史目标数量限值进行对比,得到目标数量对比结果。
在本步骤中,在得到当前时刻二维图像中移动目标的数量之后,可选的,可以计算移动目标的数量和历史目标数量限值的第二差值的绝对值,并将第二差值的绝对值和预设的第一数量阈值进行对比,得到目标数量对比结果。
这里的历史目标数量限值,可以通过统计该道路场景在历史时刻的历史交通流量,并根据该历史交通流量得到。第一数量阈值可以根据实际情况而定,例如可以是5、10、15等等。
在得到当前时刻二维图像中的移动目标的数量之后,可以将移动目标的数量和历史目标数量限值作差,得到第二差值,并取绝对值,得到第二差值的绝对值。之后,可以将第二差值的绝对值和第一数量阈值进行对比,得到目标数量对比结果。
S806,根据目标数量对比结果确定第二初始遮挡预测结果。
在本步骤中,在一种可能的实施方式中,若上述第二差值的绝对值小于等于第一数量阈值,则说明当前时刻目标的数量和历史时刻的交通流量差异不大,也就是说,当前时刻目标的数量属于正常数量,也即是第二采集设备采集视野内的目标未被遮挡。
在另一种可能的实施方式中,可选的,若第二差值的绝对值大于第一数量阈值,则获取后续预设时长内的多个待检测二维图像;对多个待检测二维图像分别进行目标检测,得到各个待检测二维图像中的移动目标的数量;将各待检测二维图像中的移动目标的数量分别和预设的第二数量阈值进行对比,并根据对比结果确定第二初始遮挡预测结果。
这里第二差值的绝对值大于第一数量阈值,说明当前时刻移动目标的数量和历史时刻的交通流量差异很大,此时会对应两种情况,一种是当前时刻移动目标的数量非常少,另一种是当前时刻移动目标的数量非常多,通常移动目标的数量非常少的情况是比较常见的,本实施例也主要针对此来进行说明。
其中,预设时长可以根据实际情况设定,例如可以是该道路场景下红灯的持续时长,例如可以是30s、45s、60s等等。该预设时长内每个时刻可以采集一张二维图像,该预设时长的每1s可以认为是一个时刻,也可以是每2s或每5s认为是一个时刻,本实施例对此不作具体限定,这样就可以得到多张二维图像。
之后可以对每张二维图像均进行和上述S802相同的目标检测,得到每张二维图像中目标的数量,并将每张二维图像中目标的数量均和第二数量阈值进行对比,得到第二数量对比结果。其中,这里的第二数量阈值也可以根据实际情况设定,例如可以是0、1、5等等。
针对第二数量对比结果,在一种可能的实施方式中,若各待检测二维图像中的目标的数量均大于等于第二数量阈值,那么就说明当前时刻目标的数量属于正常数量,也即是第二采集设备采集视野内的目标未被遮挡。
在另一种可能的实施方式中,若各待检测二维图像中的移动目标的数量均小于第二数量阈值,则确定第二初始遮挡预测结果为移动目标被遮挡。这里就是说明当前时刻的目标的数量不正常,那么目标有可能就是被遮挡了。
示例地,假设该道路场景下,在第二采集设备的视野内有一个大卡车,如果其长时间不动的话,那么这个大卡车会遮挡后续很多的小车,从而会导致检测到的二维图像上的小车的数量很少,出现小车的数量长时间小于上述第二数量阈值的情况。
本实施例提供的移动目标的遮挡预测方法,可以通过对目标场景下的二维图像进行目标检测,得到二维图像中移动目标的数量,并将移动目标的数量和历史目标数量限值进行对比,得到目标被遮挡的第二初始遮挡预测结果。在本实施例中,仅通过对目标数量的检测,可以较为简单且直观地得出目标场景中的目标被遮挡的预测结果,这样可以初步得到目标场景中的目标被遮挡的预测结果,从而可以保证移动目标的遮挡预测的时效性。
在另一个实施例中,提供了另一种移动目标的遮挡预测方法,本实施例涉及的是如何根据上述遮挡预测结果输出遮挡预警的具体过程。在上述实施例的基础上,上述方法还可以包括以下步骤:
若第一初始遮挡预测结果为移动目标被遮挡,则输出第一遮挡预警;若第二初始遮挡预测结果为移动目标被遮挡,则输出第二遮挡预警;若移动目标被遮挡的预测结果为移动目标被遮挡,则输出第三遮挡预警。
在本步骤中,在第一采集设备侧的目标被遮挡时,那么就输出第一遮挡预警,在第二采集设备侧的目标被遮挡时,就输出第二遮挡预警,在第一采集设备侧和第二采集设备侧均预测出目标被遮挡时,就输出第三遮挡预警。
其中,第一遮挡预警的级别高于第二遮挡预警的级别,第三遮挡预警的级别比第一遮挡预警以及第二遮挡预警的级别高,对应策略为优先处理,即在输出第三遮挡预警时,可以认为目标场景下的目标被严重遮挡,那么可以优先处理该目标场景下的遮挡情况,例如及时疏散等等。
本实施例提供的移动目标的遮挡预测方法,在不同的采集设备侧预测出目标被遮挡时,可以输出相应地遮挡预警。通过本实施例的方法,可以便于运维人员更快地了解目标被遮挡的情况,以便及时进行相应的运维处理,保障道路行车安全。
为了对本申请的方法进行更详细的说明,以下结合一个更详细的实施例来加以说明,该方法可以包括以下步骤S1-S23:
S1,获取第一采集设备在当前时刻针对目标场景所采集的点云数据,并对点云数据进行目标检测,得到第一目标检测结果,该第一目标检测结果包括移动目标的移动状态和移动目标的位置。
S2,获取第一采集设备在前一时刻针对目标场景所采集的点云数据;该前一时刻的点云数据包括多个第二采样点的数据。
S3,对当前时刻的点云数据进行栅格划分,得到各个栅格中的第一采样点的数量;以及,对前一时刻的点云数据进行栅格划分,得到各栅格中的第二采样点的数量。
S4,计算各栅格中的第一采样点的数量和栅格中的第二采样点的数量的第一差值。
S5,判断第一差值是否大于预设的采样点数量阈值,若是,则执行S7,否则,执行S6。
S6,栅格未被遮挡。
S7,确定栅格被遮挡,并将栅格确定为被遮挡栅格。
S8,获取被遮挡栅格的中心点的坐标;以及根据移动目标的三维位置,从中得到移动目标的中心点的坐标。
S9,根据被遮挡栅格的中心点的坐标和移动目标的中心点的坐标,计算被遮挡栅格的中心点与移动目标的中心点之间的中心点距离。
S10,判断中心点距离是否小于距离阈值,若是,则执行S12,否则,执行S11。
S11,该移动目标处于安全区域。
S12,获取被遮挡栅格的中心点投影和候选坐标轴之间的垂线距离,并对垂线距离和中心点距离进行数学运算处理,得到中心点投影和目标的中心点之间的连线与候选坐标轴之间的夹角。
S13,计算目标的航向角和夹角的差值的绝对值。
S14,判断夹角的差值的绝对值是否小于角度阈值,若是,则执行S15,否则,执行S11。
S15,确定移动目标指向被遮挡栅格,并确定第一初始遮挡预测结果为目标场景中的移动目标被遮挡,并输出第一遮挡预警。
S16,获取第二采集设备在当前时刻针对目标场景所采集的二维图像,并对二维图像进行目标检测,得到二维图像中的移动目标的数量。
S17,计算移动目标的数量和历史目标数量限值的第二差值的绝对值。
S18,判断第二差值的绝对值是否大于第一数量阈值,若是,则执行S20,否则,执行S19。
S19,该移动目标正常。
S20,获取后续预设时长内的多个待检测二维图像,并对多个待检测二维图像分别进行目标检测,得到各个待检测二维图像中的移动目标的数量。
S21,判断各待检测二维图像中的移动目标的数量是否均小于第二数量阈值,若均小于,则执行S22,否则,执行S19。
S22,确定第二初始遮挡预测结果为目标场景中目标被遮挡,并输出第二遮挡预警。
S23,若移动目标被遮挡的预测结果为移动目标被遮挡,则输出第三遮挡预警。
应该理解的是,虽然图2-8的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-8中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图9所示,提供了一种移动目标的遮挡预测装置,包括:获取模块10、划分模块11和遮挡预测模块12,其中:
获取模块10,用于获取第一采集设备在当前时刻针对目标场景所采集的点云数据,并对点云数据进行目标检测,得到第一目标检测结果,该第一目标检测结果包括移动目标的移动状态和移动目标的位置;
划分模块11,用于对点云数据进行分割,确定点云数据中的被遮挡检测区域;
遮挡预测模块12,用于根据第一目标检测结果和被遮挡检测区域之间的方位关联关系,对移动目标进行遮挡预测,得到目标场景中移动目标被遮挡的预测结果;其中,该方位关联关系用于表征移动目标与遮挡检测区域之间的相对方位。
关于移动目标的遮挡预测装置的具体限定可以参见上文中对于移动目标的遮挡预测方法的限定,在此不再赘述。
在另一个实施例中,提供了另一种移动目标的遮挡预测装置,在上述实施例的基础上,上述遮挡预测模块12可以包括方位关系确定单元和遮挡预测单元,其中:
方位关系确定单元,用于根据移动目标移动状态中的目标移动方向与被遮挡检测区域的位置,确定第一目标检测结果和被遮挡检测区域之间的方位关联关系;
遮挡预测单元,用于根据第一目标检测结果和被遮挡检测区域之间的方位关联关系,对移动目标进行遮挡预测,得到目标场景中移动目标被遮挡的预测结果。
在另一个实施例中,提供了另一种移动目标的遮挡预测装置,在上述实施例的基础上,上述当前时刻的点云数据包括多个第一采样点的数据;上述划分模块11可以包括点云获取单元、划分单元、数量对比单元和栅格确定单元,其中:
点云获取单元,用于获取第一采集设备在前一时刻针对目标场景所采集的点云数据;该前一时刻的点云数据包括多个第二采样点的数据;
划分单元,用于对当前时刻的点云数据进行栅格划分,得到各个栅格中的第一采样点的数量;以及,对前一时刻的点云数据进行栅格划分,得到各栅格中的第二采样点的数量;
数量对比单元,用于将各栅格中的第一采样点的数量和对应的第二采样点的数量进行对比,得到采样点数量对比结果;
栅格确定单元,用于根据采样点数量对比结果,确定栅格是否被遮挡,得到被遮挡栅格,并将被遮挡栅格确定为被遮挡检测区域。
可选的,上述数量对比单元,还用于计算各栅格中的第一采样点的数量和栅格中的第二采样点的数量的第一差值;将第一差值和预设的采样点数量阈值进行对比,得到采样点数量对比结果。
可选的,上述栅格确定单元,还用于当采样点数量对比结果为第一差值大于采样点数量阈值时,确定栅格被遮挡,并将栅格确定为被遮挡栅格。
在另一个实施例中,提供了另一种移动目标的遮挡预测装置,在上述实施例的基础上,上述遮挡预测单元可以包括距离计算子单元和距离对比子单元,其中:
距离计算子单元,用于计算移动目标和被遮挡栅格之间的距离,并将距离和预设的距离阈值进行对比,得到距离对比结果;
距离对比子单元,用于根据距离对比结果,确定目标场景中移动目标被遮挡的预测结果。
可选的,上述移动目标的位置包括移动目标的多个三维坐标位置;上述距离计算子单元,还用于获取被遮挡栅格的中心点的坐标;根据移动目标的多个三维坐标位置,从中得到移动目标的中心点的坐标;
根据被遮挡栅格的中心点的坐标和移动目标的中心点的坐标,计算被遮挡栅格的中心点与移动目标的中心点之间的中心点距离,并将中心点距离确定为移动目标和被遮挡栅格之间的距离。
可选的,上述移动目标的移动状态包括当前时刻移动目标的航向角;上述距离对比子单元,还用于当中心点距离小于距离阈值时,根据移动目标的航向角判断移动目标的移动方向是否指向被遮挡栅格,得到指向判断结果;根据指向判断结果确定目标场景中移动目标被遮挡的预测结果。
可选的,上述距离对比子单元,还用于获取被遮挡栅格的中心点投影和候选坐标轴之间的垂线距离;候选坐标轴为航向角所在平面的一个坐标轴;对垂线距离和中心点距离进行数学运算处理,得到中心点投影和目标的中心点之间的连线与候选坐标轴之间的夹角;将目标的航向角和夹角进行对比,将目标的航向角和夹角进行对比,并根据对比结果判断移动目标的移动方向是否指向被遮挡栅格,得到指向判断结果。
可选的,上述距离对比子单元,还用于计算移动目标的航向角和夹角的差值的绝对值;将差值的绝对值和预设的角度阈值进行对比,当差值的绝对值小于角度阈值时,判定移动目标的移动方向指向被遮挡栅格。
可选的,上述距离对比子单元,还用于确定目标场景中移动目标被遮挡的预测结果为移动目标被遮挡。
在另一个实施例中,提供了另一种移动目标的遮挡预测装置,在上述实施例的基础上,上述遮挡预测模块12可以包括第一初始预测单元、第二初始预测单元和目标遮挡预测单元,其中:
第一初始预测单元,用于根据第一目标检测结果和被遮挡检测区域之间的方位关联关系,对移动目标进行遮挡预测,得到第一初始遮挡预测结果;
第二初始预测单元,用于基于第二采集设备在当前时刻针对目标场景所采集的二维图像,获取第二初始遮挡预测结果;
目标遮挡预测单元,用于根据第一初始遮挡预测结果与第二初始遮挡预测结果,得到移动目标被遮挡的预测结果。
在另一个实施例中,提供了另一种移动目标的遮挡预测装置,在上述实施例的基础上,上述第二初始预测单元可以包括数量获取子单元、数量对比子单元、数量确定子单元,其中:
数量获取子单元,用于获取第二采集设备在当前时刻针对目标场景所采集的二维图像,并对二维图像进行目标检测,得到二维图像中的移动目标的数量;
数量对比子单元,用于将移动目标的数量和历史目标数量限值进行对比,得到目标数量对比结果;
数量确定子单元,用于根据目标数量对比结果确定第二初始遮挡预测结果。
可选的,上述数量对比子单元,还用于计算移动目标的数量和历史目标数量限值的第二差值的绝对值,并将第二差值的绝对值和预设的第一数量阈值进行对比,得到目标数量对比结果。
可选的,上述数量确定子单元,还用于当第二差值的绝对值大于第一数量阈值时,获取后续预设时长内的多个待检测二维图像;对多个待检测二维图像分别进行目标检测,得到各个待检测二维图像中的移动目标的数量;将各待检测二维图像中的移动目标的数量分别和预设的第二数量阈值进行对比,并根据对比结果确定第二初始遮挡预测结果。
可选的,上述数量确定子单元,还用于当各待检测二维图像中的移动目标的数量均小于第二数量阈值时,确定第二初始遮挡预测结果为移动目标被遮挡。
在另一个实施例中,提供了另一种移动目标的遮挡预测装置,在上述实施例的基础上,上述装置还可以包括第一预警输出模块、第二预警输出模块和第三预警输出模块,其中:
第一预警输出模块,用于当第一初始遮挡预测结果为移动目标被遮挡时,输出第一遮挡预警;
第二预警输出模块,用于当第二初始遮挡预测结果为移动目标被遮挡时,输出第二遮挡预警;
第三预警输出模块,用于当移动目标被遮挡的预测结果为移动目标被遮挡时,输出第三遮挡预警。
关于移动目标的遮挡预测装置的具体限定可以参见上文中对于移动目标的遮挡预测方法的限定,在此不再赘述。上述移动目标的遮挡预测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,也可以是服务器。以该计算机设备是终端为例,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种移动目标的遮挡预测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取第一采集设备在当前时刻针对目标场景所采集的点云数据,并对点云数据进行目标检测,得到第一目标检测结果,该第一目标检测结果包括移动目标的移动状态和移动目标的位置;
对点云数据进行分割,确定点云数据中的被遮挡检测区域;
根据第一目标检测结果和被遮挡检测区域之间的方位关联关系,对移动目标进行遮挡预测,得到目标场景中移动目标被遮挡的预测结果;其中,该方位关联关系用于表征移动目标与遮挡检测区域之间的相对方位。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取第一采集设备在当前时刻针对目标场景所采集的点云数据,并对点云数据进行目标检测,得到第一目标检测结果,该第一目标检测结果包括移动目标的移动状态和移动目标的位置;
对点云数据进行分割,确定点云数据中的被遮挡检测区域;
根据第一目标检测结果和被遮挡检测区域之间的方位关联关系,对移动目标进行遮挡预测,得到目标场景中移动目标被遮挡的预测结果;其中,该方位关联关系用于表征移动目标与遮挡检测区域之间的相对方位。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (19)
1.一种移动目标的遮挡预测方法,其特征在于,所述方法包括:
获取第一采集设备在当前时刻针对目标场景所采集的点云数据,并对所述点云数据进行目标检测,得到第一目标检测结果,所述第一目标检测结果包括移动目标的移动状态和所述移动目标的位置;
对所述点云数据进行分割,确定所述点云数据中的被遮挡检测区域;
根据所述第一目标检测结果和所述被遮挡检测区域之间的方位关联关系,对所述移动目标进行遮挡预测,得到所述目标场景中移动目标被遮挡的预测结果;其中,所述方位关联关系用于表征所述移动目标与所述遮挡检测区域之间的相对方位。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一目标检测结果和所述被遮挡检测区域之间的方位关联关系,对所述移动目标进行遮挡预测,得到所述目标场景中移动目标被遮挡的预测结果,包括:
根据所述移动目标移动状态中的目标移动方向与所述被遮挡检测区域的位置,确定所述第一目标检测结果和所述被遮挡检测区域之间的方位关联关系;
根据所述第一目标检测结果和所述被遮挡检测区域之间的方位关联关系,对所述移动目标进行遮挡预测,得到所述目标场景中移动目标被遮挡的预测结果。
3.根据权利要求2所述的方法,其特征在于,所述当前时刻的点云数据包括多个第一采样点的数据;所述对所述点云数据进行分割,确定所述点云数据中的被遮挡检测区域,包括:
获取所述第一采集设备在前一时刻针对所述目标场景所采集的点云数据;所述前一时刻的点云数据包括多个第二采样点的数据;
对所述当前时刻的点云数据进行栅格划分,得到各个栅格中的第一采样点的数量;以及,对所述前一时刻的点云数据进行栅格划分,得到各所述栅格中的第二采样点的数量;
将各所述栅格中的第一采样点的数量和对应的第二采样点的数量进行对比,得到采样点数量对比结果;
根据所述采样点数量对比结果,确定所述栅格是否被遮挡,得到被遮挡栅格,并将所述被遮挡栅格确定为所述被遮挡检测区域。
4.根据权利要求3所述的方法,其特征在于,所述将各所述栅格中的第一采样点的数量和对应的第二采样点的数量进行对比,得到采样点数量对比结果,包括:
计算各所述栅格中的第一采样点的数量和所述栅格中的第二采样点的数量的第一差值;
将所述第一差值和预设的采样点数量阈值进行对比,得到所述采样点数量对比结果。
5.根据权利要求4所述的方法,其特征在于,所述根据所述采样点数量对比结果,确定所述栅格是否被遮挡,得到被遮挡栅格,包括:
若所述采样点数量对比结果为所述第一差值大于所述采样点数量阈值,则确定所述栅格被遮挡,并将所述栅格确定为被遮挡栅格。
6.根据权利要求5所述的方法,其特征在于,所述根据所述第一目标检测结果和所述被遮挡检测区域之间的方位关联关系,对所述移动目标进行遮挡预测,得到所述目标场景中移动目标被遮挡的预测结果,包括:
计算所述移动目标和所述被遮挡栅格之间的距离,并将所述距离和预设的距离阈值进行对比,得到距离对比结果;
根据所述距离对比结果,确定所述目标场景中移动目标被遮挡的预测结果。
7.根据权利要求6所述的方法,其特征在于,所述移动目标的位置包括所述移动目标的多个三维坐标位置;所述计算所述移动目标和所述被遮挡栅格之间的距离,包括:
获取所述被遮挡栅格的中心点的坐标;
根据所述移动目标的多个三维坐标位置,从中得到所述移动目标的中心点的坐标;
根据所述被遮挡栅格的中心点的坐标和所述移动目标的中心点的坐标,计算所述被遮挡栅格的中心点与所述移动目标的中心点之间的中心点距离,并将所述中心点距离确定为所述移动目标和所述被遮挡栅格之间的距离。
8.根据权利要求7所述的方法,其特征在于,所述移动目标的移动状态包括当前时刻所述移动目标的航向角;所述根据所述距离对比结果,确定所述目标场景中移动目标被遮挡的预测结果,包括:
若所述中心点距离小于所述距离阈值,则根据所述移动目标的航向角判断所述移动目标的移动方向是否指向所述被遮挡栅格,得到指向判断结果;
根据所述指向判断结果确定所述目标场景中移动目标被遮挡的预测结果。
9.根据权利要求8所述的方法,其特征在于,所述根据所述移动目标的航向角判断所述移动目标的移动方向是否指向所述被遮挡栅格,得到指向判断结果,包括:
获取所述被遮挡栅格的中心点投影和候选坐标轴之间的垂线距离;所述候选坐标轴为所述航向角所在平面的一个坐标轴;
对所述垂线距离和所述中心点距离进行数学运算处理,得到所述中心点投影和所述目标的中心点之间的连线与所述候选坐标轴之间的夹角;
将所述目标的航向角和所述夹角进行对比,并根据对比结果判断所述移动目标的移动方向是否指向所述被遮挡栅格,得到指向判断结果。
10.根据权利要求9所述的方法,其特征在于,所述将所述目标的航向角和所述夹角进行对比,并根据对比结果判断所述移动目标的移动方向是否指向所述被遮挡栅格,得到指向判断结果,包括:
计算所述移动目标的航向角和所述夹角的差值的绝对值;
将所述差值的绝对值和预设的角度阈值进行对比,若所述差值的绝对值小于所述角度阈值,则判定所述移动目标的移动方向指向所述被遮挡栅格;
所述根据所述指向判断结果确定所述目标场景中移动目标被遮挡的预测结果,包括:
确定所述目标场景中移动目标被遮挡的预测结果为所述移动目标被遮挡。
11.根据权利要求1所述的方法,其特征在于,所述根据所述第一目标检测结果和所述被遮挡检测区域之间的方位关联关系,对所述移动目标进行遮挡预测,得到所述目标场景中移动目标被遮挡的预测结果,包括:
根据所述第一目标检测结果和所述被遮挡检测区域之间的方位关联关系,对所述移动目标进行遮挡预测,得到第一初始遮挡预测结果;
基于第二采集设备在所述当前时刻针对所述目标场景所采集的二维图像,获取第二初始遮挡预测结果;
根据所述第一初始遮挡预测结果与所述第二初始遮挡预测结果,得到所述移动目标被遮挡的预测结果。
12.根据权利要求11所述的方法,其特征在于,所述基于第二采集设备在所述当前时刻针对所述目标场景所采集的二维图像,获取第二初始遮挡预测结果,包括:
获取第二采集设备在所述当前时刻针对所述目标场景所采集的二维图像,并对所述二维图像进行目标检测,得到所述二维图像中的移动目标的数量;
将所述移动目标的数量和历史目标数量限值进行对比,得到目标数量对比结果;
根据所述目标数量对比结果确定所述第二初始遮挡预测结果。
13.根据权利要求12所述的方法,其特征在于,所述将所述移动目标的数量和历史目标数量限值进行对比,得到目标数量对比结果,包括:
计算所述移动目标的数量和所述历史目标数量限值的第二差值的绝对值,并将所述第二差值的绝对值和预设的第一数量阈值进行对比,得到所述目标数量对比结果。
14.根据权利要求13所述的方法,其特征在于,所述根据所述目标数量对比结果确定所述第二初始遮挡预测结果,包括:
若所述第二差值的绝对值大于所述第一数量阈值,则获取后续预设时长内的多个待检测二维图像;
对所述多个待检测二维图像分别进行目标检测,得到各个待检测二维图像中的移动目标的数量;
将各所述待检测二维图像中的移动目标的数量分别和预设的第二数量阈值进行对比,并根据对比结果确定所述第二初始遮挡预测结果。
15.根据权利要求14所述的方法,其特征在于,所述将各所述待检测二维图像中的移动目标的数量分别和预设的第二数量阈值进行对比,并根据对比结果确定所述第二初始遮挡预测结果,包括:
若各所述待检测二维图像中的移动目标的数量均小于所述第二数量阈值,则确定所述第二初始遮挡预测结果为所述移动目标被遮挡。
16.根据权利要求11所述的方法,其特征在于,所述方法还包括:
若所述第一初始遮挡预测结果为所述移动目标被遮挡,则输出第一遮挡预警;
若所述第二初始遮挡预测结果为所述移动目标被遮挡,则输出第二遮挡预警;
若所述移动目标被遮挡的预测结果为所述移动目标被遮挡,则输出第三遮挡预警。
17.一种移动目标的遮挡预测装置,其特征在于,所述装置包括:
获取模块,用于获取第一采集设备在当前时刻针对目标场景所采集的点云数据,并对所述点云数据进行目标检测,得到第一目标检测结果,所述第一目标检测结果包括移动目标的移动状态和所述移动目标的位置;
划分模块,用于对所述点云数据进行分割,确定所述点云数据中的被遮挡检测区域;
遮挡预测模块,用于根据所述第一目标检测结果和所述被遮挡检测区域之间的方位关联关系,对所述移动目标进行遮挡预测,得到所述目标场景中移动目标被遮挡的预测结果;其中,所述方位关联关系用于表征所述移动目标与所述遮挡检测区域之间的相对方位。
18.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至16中任一项所述的方法的步骤。
19.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至16中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010778518.3A CN114066927B (zh) | 2020-08-05 | 2020-08-05 | 移动目标的遮挡预测方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010778518.3A CN114066927B (zh) | 2020-08-05 | 2020-08-05 | 移动目标的遮挡预测方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114066927A true CN114066927A (zh) | 2022-02-18 |
CN114066927B CN114066927B (zh) | 2024-09-10 |
Family
ID=80232055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010778518.3A Active CN114066927B (zh) | 2020-08-05 | 2020-08-05 | 移动目标的遮挡预测方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114066927B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010042068A1 (en) * | 2008-10-06 | 2010-04-15 | Agency For Science, Technology And Research | Method and system for object detection and tracking |
CN106997049A (zh) * | 2017-03-14 | 2017-08-01 | 奇瑞汽车股份有限公司 | 一种基于激光点云数据的检测障碍物的方法和装置 |
CN107423686A (zh) * | 2017-06-15 | 2017-12-01 | 深圳大学 | 视频多目标模糊数据关联方法及装置 |
KR20180080004A (ko) * | 2017-01-03 | 2018-07-11 | 국방과학연구소 | 가림환경에서의 표적 형상정보를 활용한 표적 추적 방법 |
CN109215134A (zh) * | 2018-09-04 | 2019-01-15 | 深圳市易尚展示股份有限公司 | 三维模型的遮挡确定方法、装置、计算机设备和存储介质 |
KR20190078270A (ko) * | 2017-12-26 | 2019-07-04 | 자동차부품연구원 | 객체 추적 시스템 및 방법 |
-
2020
- 2020-08-05 CN CN202010778518.3A patent/CN114066927B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010042068A1 (en) * | 2008-10-06 | 2010-04-15 | Agency For Science, Technology And Research | Method and system for object detection and tracking |
KR20180080004A (ko) * | 2017-01-03 | 2018-07-11 | 국방과학연구소 | 가림환경에서의 표적 형상정보를 활용한 표적 추적 방법 |
CN106997049A (zh) * | 2017-03-14 | 2017-08-01 | 奇瑞汽车股份有限公司 | 一种基于激光点云数据的检测障碍物的方法和装置 |
CN107423686A (zh) * | 2017-06-15 | 2017-12-01 | 深圳大学 | 视频多目标模糊数据关联方法及装置 |
KR20190078270A (ko) * | 2017-12-26 | 2019-07-04 | 자동차부품연구원 | 객체 추적 시스템 및 방법 |
CN109215134A (zh) * | 2018-09-04 | 2019-01-15 | 深圳市易尚展示股份有限公司 | 三维模型的遮挡确定方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114066927B (zh) | 2024-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10930151B2 (en) | Roadside parking management method, device, and system based on multiple cameras | |
CN113671480B (zh) | 雷达与视频融合交通目标跟踪方法、系统、设备、终端 | |
CN109829351B (zh) | 车道信息的检测方法、装置及计算机可读存储介质 | |
CN110264495B (zh) | 一种目标跟踪方法及装置 | |
CN108985162A (zh) | 目标实时跟踪方法、装置、计算机设备及存储介质 | |
CN112509364B (zh) | 车辆停车状态的确定方法、装置、计算机设备及存储介质 | |
CN112633152B (zh) | 停车位检测方法、装置、计算机设备和存储介质 | |
CN109766867B (zh) | 车辆运行状态确定方法、装置、计算机设备和存储介质 | |
CN113470374A (zh) | 车辆超速监测方法、装置、计算机设备及存储介质 | |
CN113838125A (zh) | 目标位置确定方法、装置、电子设备以及存储介质 | |
CN111913177A (zh) | 对目标物探测方法、装置以及存储介质 | |
CN111402293A (zh) | 面向智能交通的一种车辆跟踪方法及装置 | |
CN106023594A (zh) | 一种车位遮挡的判定方法、装置及车辆管理系统 | |
US10462448B2 (en) | Image generation system and image generation method | |
CN114565906A (zh) | 障碍物检测方法、装置、电子设备及存储介质 | |
CN113570622A (zh) | 一种障碍物确定方法、装置、电子设备以及存储介质 | |
CN112215036B (zh) | 跨镜追踪方法、装置、设备及存储介质 | |
CN114066927B (zh) | 移动目标的遮挡预测方法、装置、设备和存储介质 | |
CN116912517A (zh) | 相机视野边界的检测方法及装置 | |
CN116563802A (zh) | 一种隧道场景判断方法、装置、设备及存储介质 | |
CN111401135A (zh) | 开门防撞方法、装置、计算机设备和存储介质 | |
CN116996760A (zh) | 视频数据的处理方法、装置、计算机可读介质及电子设备 | |
Tang | Development of a multiple-camera tracking system for accurate traffic performance measurements at intersections | |
CN114066945A (zh) | 基于像素空间分辨率的视频追踪方法及系统 | |
CN113807125A (zh) | 应急车道占用检测方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |