CN114200454B - 一种确定可行驶区域的方法和相关装置 - Google Patents

一种确定可行驶区域的方法和相关装置 Download PDF

Info

Publication number
CN114200454B
CN114200454B CN202210139635.4A CN202210139635A CN114200454B CN 114200454 B CN114200454 B CN 114200454B CN 202210139635 A CN202210139635 A CN 202210139635A CN 114200454 B CN114200454 B CN 114200454B
Authority
CN
China
Prior art keywords
vehicle
obstacle
sector
moment
point cloud
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.)
Active
Application number
CN202210139635.4A
Other languages
English (en)
Other versions
CN114200454A (zh
Inventor
仇世豪
顾超
许孝勇
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.)
Nanjing Hurys Intelligent Technology Co Ltd
Original Assignee
Nanjing Hurys Intelligent Technology 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 Nanjing Hurys Intelligent Technology Co Ltd filed Critical Nanjing Hurys Intelligent Technology Co Ltd
Priority to CN202210139635.4A priority Critical patent/CN114200454B/zh
Publication of CN114200454A publication Critical patent/CN114200454A/zh
Application granted granted Critical
Publication of CN114200454B publication Critical patent/CN114200454B/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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/08—Systems for measuring distance only
    • 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
    • G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请公开了一种确定可行驶区域的方法和相关装置，该方法包括：通过车辆的多个雷达检测障碍物，得到第k时刻障碍物的静态点云坐标和动态点云坐标，k≥1；分别预处理静态点云坐标和动态点云坐标，得到第k时刻障碍物的点云坐标集合；针对以车辆为圆心按照预设探测半径构建、并以预设分片数量划分为多个扇区的预设探测范围，通过第k时刻障碍物的点云坐标集合，确定每个扇区中第k时刻障碍物与车辆的最小距离；以每个扇区中第k时刻障碍物与车辆的最小距离，结合每个扇区中第k‑1时刻障碍物与车辆的检测距离，计算每个扇区中第k时刻障碍物与车辆的检测距离；以此在预设探测范围中更加准确地确定车辆的可行驶区域。

Description

一种确定可行驶区域的方法和相关装置
技术领域
本申请涉及数据处理技术领域，尤其涉及一种确定可行驶区域的方法和相关装置。
背景技术
随着自动驾驶技术的快速发展，确定车辆的可行驶区域的准确性要求越来越高。现阶段，在自动驾驶过程中，通常可以基于深度相机等摄像设备进行摄像，以在摄像头视角下确定车辆的可行驶区域。
但是，上述方式中摄像头视角存在一定的盲区，无法正确识别该盲区中被遮挡或是视野外的障碍物，导致确定车辆的可行驶区域的准确性较低，从而导致自动驾驶存在危险。
发明内容
有鉴于此，本申请实施例提供一种确定可行驶区域的方法和相关装置，可以提高确定车辆的可行驶区域的准确性，从而能够提高自动驾驶的安全性。
第一方面，本申请实施例提供了一种确定可行驶区域的方法，所述方法包括：
基于车辆的多个雷达进行障碍物检测，获得第k时刻障碍物的静态点云坐标和动态点云坐标，k≥1；
对所述静态点云坐标和所述动态点云坐标分别进行预处理，获得第k时刻所述障碍物的点云坐标集合；
针对所述车辆的预设探测范围，基于第k时刻所述障碍物的点云坐标集合，确定每个扇区中第k时刻所述障碍物与所述车辆的最小距离；所述预设探测范围以所述车辆为圆心按照预设探测半径构建、并以预设分片数量划分为多个扇区，所述最小距离小于等于所述预设探测半径；
基于每个所述扇区中第k时刻所述障碍物与所述车辆的最小距离，以及每个所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离，计算每个所述扇区中第k时刻所述障碍物与所述车辆的检测距离；
基于每个所述扇区中第k时刻所述障碍物与所述车辆的检测距离，在所述预设探测范围中确定所述车辆的可行驶区域。
可选的，所述基于第k时刻所述障碍物的点云坐标集合，确定每个扇区中第k时刻所述障碍物与所述车辆的最小距离，包括：
针对每个所述扇区，基于第k时刻所述障碍物的点云坐标集合，确定对应的第k时刻所述障碍物与所述车辆的候选最小距离；
若所述第k时刻所述障碍物与所述车辆的候选最小距离小于等于所述预设探测半径，将所述扇区中第k时刻所述障碍物与所述车辆的候选最小距离确定为所述扇区中第k时刻所述障碍物与所述车辆的最小距离；
若所述第k时刻所述障碍物与所述车辆的候选最小距离大于所述预设探测半径，将所述预设探测半径确定为所述扇区中第k时刻所述障碍物与所述车辆的最小距离。
可选的，所述方法还包括：
基于所述扇区中第k时刻所述障碍物与所述车辆的最小距离、所述扇区的相邻扇区中第k时刻所述障碍物与所述车辆的最小距离、以及求最小值函数，更新所述扇区中第k时刻所述障碍物与所述车辆的最小距离。
可选的，所述基于每个所述扇区中第k时刻所述障碍物与所述车辆的最小距离，以及每个所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离，计算每个所述扇区中第k时刻所述障碍物与所述车辆的检测距离，包括：
针对每个所述扇区，若所述扇区中第k时刻所述障碍物与所述车辆的最小距离、与所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离之间的差值不符合预设差值范围，确定所述第k-1时刻至所述第k时刻更新不相关；
重置所述扇区对应的相关更新计数值为0；
基于重置后的相关更新计数值，确定所述扇区中第k时刻所述障碍物与所述车辆的最小距离对应的第一权重和所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离对应的第二权重；所述第一权重小于所述第二权重；
根据所述第一权重、所述扇区中第k时刻所述障碍物与所述车辆的最小距离、所述第二权重以及所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离，计算所述扇区中第k时刻所述障碍物与所述车辆的检测距离；
若所述扇区中第k时刻所述障碍物与所述车辆的最小距离、与所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离之间的差值符合所述预设差值范围，确定所述第k-1时刻至所述第k时刻更新相关；
更新所述扇区对应的相关更新计数值增1；
基于更新后的相关更新计数值，确定所述扇区中第k时刻所述障碍物与所述车辆的最小距离对应的第三权重和所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离对应的第四权重；所述第三权重大于所述第一权重，所述第四权重小于所述第二权重；
根据所述第三权重、所述扇区中第k时刻所述障碍物与所述车辆的最小距离、所述第四权重以及所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离，计算所述扇区中第k时刻所述障碍物与所述车辆的检测距离。
可选的，所述基于每个所述扇区中第k时刻所述障碍物与所述车辆的检测距离，在所述预设探测范围中确定所述车辆的可行驶区域，包括：
针对每个所述扇区，以所述车辆为圆心、所述扇区中第k时刻所述障碍物与所述车辆的检测距离为半径，在所述扇区中绘制弧线；
在所述预设探测范围中，将多个所述弧线按照多个所述扇区的顺序首尾连接形成的封闭区域确定为所述可行驶区域。
可选的，所述基于车辆的多个雷达进行障碍物检测，获得第k时刻障碍物的静态点云坐标和动态点云坐标，包括：
基于多个所述雷达进行障碍物检测，获得第k时刻所述障碍物的检测点云坐标；
对所述检测点云坐标进行动静分离，获得所述静态点云坐标和所述动态点云坐标。
可选的，所述对所述静态点云坐标和所述动态点云坐标分别进行预处理，获得第k时刻所述障碍物的点云坐标集合，包括：
对所述动态点云坐标进行聚类处理和跟踪处理，获得第k时刻所述障碍物的航迹数据；
基于所述航迹数据获取航迹极坐标；基于所述静态点云坐标获取静态点云极坐标；
合并所述航迹极坐标和所述静态点云极坐标，获得所述点云坐标集合。
第二方面，本申请实施例提供了一种确定可行驶区域的装置，所述装置包括：检测单元、预处理单元、确定单元和计算单元；
所述检测单元，用于基于车辆的多个雷达进行障碍物检测，获得第k时刻障碍物的静态点云坐标和动态点云坐标，k≥1；
所述预处理单元，用于对所述静态点云坐标和所述动态点云坐标分别进行预处理，获得第k时刻所述障碍物的点云坐标集合；
所述确定单元，用于针对所述车辆的预设探测范围，基于第k时刻所述障碍物的点云坐标集合，确定每个扇区中第k时刻所述障碍物与所述车辆的最小距离；所述预设探测范围以所述车辆为圆心按照预设探测半径构建、并以预设分片数量划分为多个扇区，所述最小距离小于等于所述预设探测半径；
所述计算单元，用于基于每个所述扇区中第k时刻所述障碍物与所述车辆的最小距离，以及每个所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离，计算每个所述扇区中第k时刻所述障碍物与所述车辆的检测距离；
所述确定单元，还用于基于每个所述扇区中第k时刻所述障碍物与所述车辆的检测距离，在所述预设探测范围中确定所述车辆的可行驶区域。
可选的，确定单元，用于：
针对每个所述扇区，基于第k时刻所述障碍物的点云坐标集合，确定对应的第k时刻所述障碍物与所述车辆的候选最小距离；
若所述第k时刻所述障碍物与所述车辆的候选最小距离小于等于所述预设探测半径，将所述扇区中第k时刻所述障碍物与所述车辆的候选最小距离确定为所述扇区中第k时刻所述障碍物与所述车辆的最小距离；
若所述第k时刻所述障碍物与所述车辆的候选最小距离大于所述预设探测半径，将所述预设探测半径确定为所述扇区中第k时刻所述障碍物与所述车辆的最小距离。
可选的，所述装置还包括：更新单元；
更新单元，用于基于所述扇区中第k时刻所述障碍物与所述车辆的最小距离、所述扇区的相邻扇区中第k时刻所述障碍物与所述车辆的最小距离、以及求最小值函数，更新所述扇区中第k时刻所述障碍物与所述车辆的最小距离。
可选的，计算单元，用于：
针对每个所述扇区，若所述扇区中第k时刻所述障碍物与所述车辆的最小距离、与所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离之间的差值不符合预设差值范围，确定所述第k-1时刻至所述第k时刻更新不相关；
重置所述扇区对应的相关更新计数值为0；
基于重置后的相关更新计数值，确定所述扇区中第k时刻所述障碍物与所述车辆的最小距离对应的第一权重和所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离对应的第二权重；所述第一权重小于所述第二权重；
根据所述第一权重、所述扇区中第k时刻所述障碍物与所述车辆的最小距离、所述第二权重以及所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离，计算所述扇区中第k时刻所述障碍物与所述车辆的检测距离；
若所述扇区中第k时刻所述障碍物与所述车辆的最小距离、与所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离之间的差值符合所述预设差值范围，确定所述第k-1时刻至所述第k时刻更新相关；
更新所述扇区对应的相关更新计数值增1；
基于更新后的相关更新计数值，确定所述扇区中第k时刻所述障碍物与所述车辆的最小距离对应的第三权重和所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离对应的第四权重；所述第三权重大于所述第一权重，所述第四权重小于所述第二权重；
根据所述第三权重、所述扇区中第k时刻所述障碍物与所述车辆的最小距离、所述第四权重以及所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离，计算所述扇区中第k时刻所述障碍物与所述车辆的检测距离。
可选的，确定单元，还用于：
针对每个所述扇区，以所述车辆为圆心、所述扇区中第k时刻所述障碍物与所述车辆的检测距离为半径，在所述扇区中绘制弧线；
在所述预设探测范围中，将多个所述弧线按照多个所述扇区的顺序首尾连接形成的封闭区域确定为所述可行驶区域。
可选的，检测单元，用于：
基于多个所述雷达进行障碍物检测，获得第k时刻所述障碍物的检测点云坐标；
对所述检测点云坐标进行动静分离，获得所述静态点云坐标和所述动态点云坐标。
可选的，预处理单元，用于：
对所述动态点云坐标进行聚类处理和跟踪处理，获得第k时刻所述障碍物的航迹数据；
基于所述航迹数据获取航迹极坐标；基于所述静态点云坐标获取静态点云极坐标；
合并所述航迹极坐标和所述静态点云极坐标，获得所述点云坐标集合。
第三方面，本申请实施例提供了一种计算机设备，所述计算机设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行上述第一方面所述的确定可行驶区域的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述第一方面所述的确定可行驶区域的方法。
与现有技术相比，本申请至少具有以下优点：
采用本申请实施例的技术方案，首先，通过车辆的多个雷达检测障碍物，得到第k时刻障碍物的静态点云坐标和动态点云坐标，k≥1；其次，分别预处理静态点云坐标和动态点云坐标，得到第k时刻障碍物的点云坐标集合；然后，针对以车辆为圆心按照预设探测半径构建、并以预设分片数量划分为多个扇区的预设探测范围，通过第k时刻障碍物的点云坐标集合，确定每个扇区中第k时刻障碍物与车辆的最小距离，该最小距离小于等于预设探测半径；接着，以每个扇区中第k时刻障碍物与车辆的最小距离，结合每个扇区中第k-1时刻障碍物与车辆的检测距离，计算每个扇区中第k时刻障碍物与车辆的检测距离；最后，按照每个扇区中第k时刻障碍物与车辆的检测距离，在预设探测范围中确定车辆的可行驶区域。
可见，通过车辆的多个雷达检测障碍物以避免存在盲区，通过对多个雷达检测到的当前时刻障碍物的静态点云坐标和动态点云坐标分别进行预处理，得到较为合理的点云坐标集合，以更加准确地确定车辆的预设探测范围的每个扇区中当前时刻障碍物与车辆的最小距离；进一步结合每个扇区中上一时刻障碍物与车辆的检测距离，平滑地计算每个扇区中当前时刻障碍物与车辆的检测距离，以在预设探测范围中更加准确地确定车辆的可行驶区域。基于此，该方式可以提高确定车辆的可行驶区域的准确性，从而能够提高自动驾驶的安全性。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请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中记载的一些实施例，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它的附图。
图1为本申请实施例中一种应用场景所涉及的系统框架示意图；
图2为本申请实施例提供的一种确定可行驶区域的方法的流程示意图；
图3为本申请实施例提供的一种预设探测范围的示意图；
图4为本申请实施例提供的一种车辆的可行驶区域的示意图；
图5为本申请实施例提供的一种确定可行驶区域的装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，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。
目前，在自动驾驶过程中，一般情况下可以基于深度相机等摄像设备进行摄像，以在摄像头视角下确定车辆的可行驶区域。但是，发明人经过研究发现，上述方式中摄像头视角存在一定的盲区，无法正确识别该盲区中被遮挡或是视野外的障碍物，导致确定车辆的可行驶区域的准确性较低，从而导致自动驾驶存在危险。
为了解决这一问题，在本申请实施例中，通过车辆的多个雷达检测障碍物，得到第k时刻障碍物的静态点云坐标和动态点云坐标，k≥1；分别预处理静态点云坐标和动态点云坐标，得到第k时刻障碍物的点云坐标集合；针对以车辆为圆心按照预设探测半径构建、并以预设分片数量划分为多个扇区的预设探测范围，通过第k时刻障碍物的点云坐标集合，确定每个扇区中第k时刻障碍物与车辆的最小距离，该最小距离小于等于预设探测半径；以每个扇区中第k时刻障碍物与车辆的最小距离，结合每个扇区中第k-1时刻障碍物与车辆的检测距离，计算每个扇区中第k时刻障碍物与车辆的检测距离；按照每个扇区中第k时刻障碍物与车辆的检测距离，在预设探测范围中确定车辆的可行驶区域。
可见，通过车辆的多个雷达检测障碍物以避免存在盲区，通过对多个雷达检测到的当前时刻障碍物的静态点云坐标和动态点云坐标分别进行预处理，得到较为合理的点云坐标集合，以更加准确地确定车辆的预设探测范围的每个扇区中当前时刻障碍物与车辆的最小距离；进一步结合每个扇区中上一时刻障碍物与车辆的检测距离，平滑地计算每个扇区中当前时刻障碍物与车辆的检测距离，以在预设探测范围中更加准确地确定车辆的可行驶区域。基于此，该方式可以提高确定车辆的可行驶区域的准确性，从而能够提高自动驾驶的安全性。
举例来说，本申请实施例的场景之一，可以是应用到如图1所示的场景中。该场景包括车辆100，其中，车辆100包括电子控制单元（Electronic Control Unit，ECU）101和多个雷达102。ECU101通过车辆100的多个雷达102采用本申请实施例提供的实施方式，确定车辆100的可行驶区域。
首先，在上述应用场景中，虽然将本申请实施例提供的实施方式的动作描述由ECU101执行；但是，本申请实施例在执行主体方面不受限制，只要执行了本申请实施例提供的实施方式所公开的动作即可。
其次，上述场景仅是本申请实施例提供的一个场景示例，本申请实施例并不限于此场景。
下面结合附图，通过实施例来详细说明本申请实施例中确定可行驶区域的方法和相关装置的具体实现方式。
示例性方法
参见图2，示出了本申请实施例中一种确定可行驶区域的方法的流程示意图。在本实施例中，方法例如可以包括以下步骤：
步骤201：基于车辆的多个雷达进行障碍物检测，获得第k时刻障碍物的静态点云坐标和动态点云坐标，k≥1。
由于相关技术中，在自动驾驶过程中，基于深度相机等摄像设备进行摄像，以在摄像头视角下确定车辆的可行驶区域。但是，该方式中摄像头视角存在一定的盲区，无法正确识别该盲区中被遮挡或是视野外的障碍物，导致确定车辆的可行驶区域的准确性较低，从而导致自动驾驶存在危险。
因此，本申请实施例中，考虑利用雷达检测技术进行障碍物检测，则需要在车辆的车身四周安装多个雷达，以便在第k时刻利用车辆的多个雷达进行障碍物检测，不仅可以得到第k时刻障碍物的静态点云坐标，还可以得到第k时刻障碍物的动态点云坐标。
在步骤201具体实施时，在第k时刻利用车辆的多个雷达进行障碍物检测，得到的是多个雷达检测到的第k时刻障碍物的检测点云坐标，该检测点云坐标中静态点云坐标和动态点云坐标混合；基于此，为了便于后续对检测点云坐标按照静态点云坐标和动态点云坐标采用不同方式进行预处理，还需要将检测点云坐标中静态点云坐标和动态点云坐标分离，得到第k时刻障碍物的静态点云坐标和动态点云坐标。因此，在本申请实施例一种可选的实施方式中，步骤201例如可以包括如下步骤A-步骤B：
步骤A：基于多个雷达进行障碍物检测，获得第k时刻障碍物的检测点云坐标。
作为一种示例，以车辆后轴正中心为坐标原点、车辆向右为X轴正方向、车辆前进方向为Y轴正方向构建车辆坐标系，在该车辆坐标系下标定车辆的每个雷达的坐标、法线方向与Y轴正方向的夹角，则编号为n的雷达的标定参数为：radarn=(xn，yn，anglen)，编号为n的雷达检测到的第m个检测点云坐标为：Pnm=(rnm，anm，vnm) ；其中，rnm表示以编号为n的雷达为坐标原点的极坐标系中坐标原点与第m个检测点云的直线距离，anm表示以编号为n的雷达为坐标原点的极坐标系中坐标原点至第m个检测点云的射线方向、与编号为n的雷达的法线方向之间的夹角，vnm表示以编号为n的雷达为坐标原点的极坐标系中第m个检测点云相对坐标原点的径向速度。此外，编号为n的雷达检测到的第m个检测点云坐标可以按照如下公式转换到车辆坐标系下：
Figure 256481DEST_PATH_IMAGE001
其中，为了能够检测到车辆周围全方位的障碍物，可以根据车辆的大小，确定车辆的多个雷达的数量，例如可以是6个或6个以上。
步骤B：对检测点云坐标进行动静分离，获得静态点云坐标和动态点云坐标。
作为一种示例，在上述示例的基础上，第k时刻障碍物的检测点云坐标为P，利用预设过滤算法对检测点云坐标P进行动静分离，得到第k时刻障碍物的静态点云坐标Pdynamic和动态点云坐标Pstatic。
步骤202：对静态点云坐标和动态点云坐标分别进行预处理，获得第k时刻障碍物的点云坐标集合。
本申请实施例中，在步骤201得到第k时刻障碍物的静态点云坐标和动态点云坐标之后，考虑到利用雷达进行障碍物检测存在一定的噪声干扰，还需要分别采用不同方式对静态点云坐标和动态点云坐标进行预处理，得到第k时刻障碍物的点云坐标集合，以减小噪声干扰对障碍物检测的影响。
在步骤202具体实施时，其中，对于第k时刻障碍物的动态点云坐标而言，需要利用聚类算法滤除动态点云坐标中离群点云坐标，在此基础上，需要利用跟踪算法获取滤除后的动态点云坐标的航迹数据，作为第k时刻障碍物的航迹数据。通过航迹数据中获取航迹极坐标，通过静态点云坐标获取静态点云极坐标，合并得到第k时刻障碍物的点云坐标集合。因此，在本申请实施例一种可选的实施方式中，步骤202例如可以包括如下步骤C-步骤E：
步骤C：对动态点云坐标进行聚类处理和跟踪处理，获得第k时刻障碍物的航迹数据。
作为一种示例，在上述示例的基础上，利用具有噪声的基于密度的聚类（Density-Based Spatial Clustering of Applications with Noise，DBSCAN）算法对第k时刻障碍物的动态点云坐标Pdynamic进行聚类处理，滤除动态点云坐标Pdynamic中离群点云坐标得到滤除后的动态点云坐标P＇ dynamic；利用卡尔曼滤波、扩展卡尔曼滤波或联合概率数据关联等跟踪算法，获取滤除后的动态点云坐标P＇ dynamic的航迹数据
Figure 173622DEST_PATH_IMAGE002
。
其中，DBSCAN算法是一种基于密度的非参数聚类算法：给定某个空间中的一组点，它将紧密堆积在一起的点组合在一起，将单独位于低密度区域的点标记为异常值，从而达到去除离群点、分类密集点的效果。该算法需要两个参数：ε和形成高密度区域所需要的最少点数(minPts)，它由一个任意未被访问的点开始，然后探索这个点的ε-领域，如果ε-领域里有足够的点，则建立一个新的聚类，否则这个点被标记为杂音。注意这个点之后可能被发现在其它点的ε-领域里，而该ε-领域可能有足够的点，届时这个点会被加入该聚类中。如果一个点位于一个聚类的密集区域里，它的ε-领域里的点也属于该聚类，当这些新的点被加进聚类后，如果它们也在密集区域里，它们的ε-领域里的点也会被加进聚类里。这个过程将一直重复，直至不能再加进更多的点为止，这样，一个密度连结的聚类被完整地找出来。然后，一个未曾被访问的点将被探索，从而发现一个新的聚类或噪声。
步骤D：基于航迹数据获取航迹极坐标；基于静态点云坐标获取静态点云极坐标。
作为一种示例，在上述示例的基础上，通过航迹数据T获取航迹笛卡尔坐标并转换为航迹极坐标
Figure 15676DEST_PATH_IMAGE003
，通过静态点云坐标Pstatic中的极坐标
Figure 410885DEST_PATH_IMAGE004
。
步骤E：合并航迹极坐标和静态点云极坐标，获得点云坐标集合。
作为一种示例，在上述示例的基础上，合并航迹极坐标和静态点云极坐标，得到第k时刻障碍物的点云坐标集合
Figure 225257DEST_PATH_IMAGE005
。
步骤203：针对车辆的预设探测范围，基于第k时刻障碍物的点云坐标集合，确定每个扇区中第k时刻障碍物与车辆的最小距离；预设探测范围以车辆为圆心按照预设探测半径构建、并以预设分片数量划分为多个扇区，最小距离小于等于预设探测半径。
本申请实施例中，在通过第k时刻障碍物的点云坐标集合，确定车辆的可行驶区域时，考虑车辆的探测范围是有限的，需要在有限的探测范围确定探测范围，则针对车辆预先构建有限的探测范围，作为车辆的预设探测范围。具体实施时，如图3所示的一种预设探测范围的示意图，以车辆为圆心按照预设探测半径构建车辆的预设探测范围，该预设探测范围可以按照预设分片数量划分为多个扇区；其中，预设探测半径例如可以为最大探测半径slice max，预设分片数量slice num为12。
针对车辆的预设探测范围的每个扇区而言，通过步骤202得到第k时刻障碍物的点云坐标集合，可以确定扇区中第k时刻障碍物与车辆的最小距离，在预设探测范围是以车辆为圆心按照预设探测半径构建的基础上，上述最小距离不超过预设探测半径。
在步骤203具体实施时，针对车辆的预设探测范围的每个扇区而言，首先，可以通过第k时刻障碍物的点云坐标集合，对应选取距离车辆最近的点云坐标，得到第k时刻障碍物与车辆的候选最小距离；然后，判断第k时刻障碍物与车辆的候选最小距离是否超过预设探测半径，若否，表示上述距离车辆最近的点云坐标在扇区内，可以将k时刻障碍物与车辆的候选最小距离作为扇区中第k时刻障碍物与车辆的最小距离；若是，表示上述距离车辆最近的点云坐标在扇区外，此时，舍弃k时刻障碍物与车辆的候选最小距离，将预设探测半径作为扇区中第k时刻障碍物与车辆的最小距离。因此，在本申请实施例一种可选的实施方式中，步骤203例如可以包括如下步骤F-步骤H：
步骤F：针对每个扇区，基于第k时刻障碍物的点云坐标集合，确定对应的第k时刻障碍物与车辆的候选最小距离。
步骤G：若第k时刻障碍物与车辆的候选最小距离小于等于预设探测半径，将扇区中第k时刻障碍物与车辆的候选最小距离确定为扇区中第k时刻障碍物与车辆的最小距离。
步骤H：若第k时刻障碍物与车辆的候选最小距离大于预设探测半径，将预设探测半径确定为扇区中第k时刻障碍物与车辆的最小距离。
作为一种示例，针对车辆的预设探测范围的第i扇区而言，通过第k时刻障碍物的点云坐标集合Pfreespace，对应选取距离车辆最近的点云坐标(r，a)；得到第k时刻障碍物与车辆的候选最小距离为r，若r≤slice max，令第i扇区中第k时刻障碍物与车辆的最小距离slice_range[i]=r；若r＞slice max，令第i扇区中第k时刻障碍物与车辆的最小距离slice_range[i]= slice max。
此外，本申请实施例中，由于预设分片数量slice num一般都比较大，导致预设探测范围的每个扇区的弧度较小，则每个扇区中第k时刻障碍物与车辆的最小距离，容易受到其相邻扇区中第k时刻障碍物与车辆的最小距离的影响；因此，针对每个扇区而言，需要通过求最小值函数结合扇区中第k时刻障碍物与车辆的最小距离、以及扇区的相邻扇区中第k时刻障碍物与车辆的最小距离，更新扇区中第k时刻障碍物与车辆的最小距离。因此，在本申请实施例一种可选的实施方式中，方法例如还可以包括步骤I：基于扇区中第k时刻障碍物与车辆的最小距离、扇区的相邻扇区中第k时刻障碍物与车辆的最小距离、以及求最小值函数，更新扇区中第k时刻障碍物与车辆的最小距离。
作为一种示例，按照如下公式更新第i扇区中第k时刻障碍物与车辆的最小距离：slice_range[i]=min(slice_range[i-1]，(slice_range[i+1])。
步骤204：基于每个扇区中第k时刻障碍物与车辆的最小距离，以及每个扇区中第k-1时刻障碍物与车辆的检测距离，计算每个扇区中第k时刻障碍物与车辆的检测距离。
本申请实施例中，在步骤203确定车辆的预设探测范围的每个扇区中第k时刻障碍物与车辆的最小距离之后，并不是直接将其作为对应的扇区中第k时刻障碍物与车辆的检测距离，而是考虑平滑前后不同时刻之间检测距离，则需要结合每个扇区中第k-1时刻障碍物与车辆的检测距离，计算每个扇区中第k时刻障碍物与车辆的检测距离。
在步骤204具体实施时，针对车辆的预设探测范围的每个扇区而言，通过判断扇区中第k时刻障碍物与车辆的最小距离、与扇区中第k-1时刻障碍物与车辆的检测距离之间差值是否符合预设差值范围，以判断差值是否较大；其中，差值不符合预设差值范围表示差值较大，即，第k-1时刻至第k时刻更新不相关，需要重置扇区对应的相关更新计数值为0，确定扇区中第k时刻障碍物与车辆的最小距离对应的第一权重，需要小于扇区中第k-1时刻障碍物与车辆的检测距离对应的第二权重，并以此计算扇区中第k时刻障碍物与车辆的检测距离。
对应地，差值符合预设差值范围表示差值较小，即，第k-1时刻至第k时刻更新相关，需要针对扇区对应的相关更新计数值增1，确定扇区中第k时刻障碍物与车辆的最小距离对应的第三权重大于第一权重，并确定扇区中第k-1时刻障碍物与车辆的检测距离对应的第四权重小于第二权重，并以此计算扇区中第k时刻障碍物与车辆的检测距离。
即，在本申请实施例一种可选的实施方式中，步骤204例如可以包括如下步骤J-步骤Q：
步骤J：针对每个扇区，若扇区中第k时刻障碍物与车辆的最小距离、与扇区中第k-1时刻障碍物与车辆的检测距离之间的差值不符合预设差值范围，确定第k-1时刻至第k时刻更新不相关。
步骤K：重置扇区对应的相关更新计数值为0。
步骤L：基于重置后的相关更新计数值，确定扇区中第k时刻障碍物与车辆的最小距离对应的第一权重和扇区中第k-1时刻障碍物与车辆的检测距离对应的第二权重；第一权重小于第二权重。
步骤M：根据第一权重、扇区中第k时刻障碍物与车辆的最小距离、第二权重以及扇区中第k-1时刻障碍物与车辆的检测距离，计算扇区中第k时刻障碍物与车辆的检测距离。
步骤N：若扇区中第k时刻障碍物与车辆的最小距离、与扇区中第k-1时刻障碍物与车辆的检测距离之间的差值符合预设差值范围，确定第k-1时刻至第k时刻更新相关。
步骤O：更新扇区对应的相关更新计数值增1。
步骤P：基于更新后的相关更新计数值，确定扇区中第k时刻障碍物与车辆的最小距离对应的第三权重和扇区中第k-1时刻障碍物与车辆的检测距离对应的第四权重；第三权重大于第一权重，第四权重小于第二权重。
步骤Q：根据第三权重、扇区中第k时刻障碍物与车辆的最小距离、第四权重以及扇区中第k-1时刻障碍物与车辆的检测距离，计算扇区中第k时刻障碍物与车辆的检测距离。
作为一种示例，第i扇区中第k时刻障碍物与车辆的最小距离为slice_range[i]，第i扇区中第k-1时刻障碍物与车辆的检测距离为slice_statek-1[i]，预设差值范围为[-ε，ε]，第i扇区对应的相关更新计数值为slice_counter[i]。若slice_range[i]与slice_statek-1[i]之间的差值不符合[-ε，ε]，确定第k-1时刻至第k时刻更新不相关，令slice_counter[i]=0，slice_range[i]对应的第一权重可以为1/8，slice_statek-1[i]对应的第二权重可以为7/8；则第i扇区中第k时刻障碍物与车辆的检测距离slice_statek[i]=(slice_range[i]+ slice_statek-1[i] ×7)÷8。
若slice_range[i]与slice_statek-1[i]之间的差值符合[-ε，ε]，确定第k-1时刻至第k时刻更新相关，令slice_counter[i]=slice_counter[i]+1，步骤P-步骤Q的具体实现如下所示：
若0＜slice_counter[i]＜3，确定第k-1时刻至第k时刻更新相关处于起始阶段，slice_range[i]对应的第三权重可以为1/4，slice_statek-1[i]对应的第四权重可以为3/4；则第i扇区中第k时刻障碍物与车辆的检测距离slice_statek[i]=( slice_range[i]+slice_statek-1[i] ×3)÷4。
若3≤slice_counter[i]＜5，确定第k-1时刻至第k时刻更新相关处于平缓阶段，slice_range[i]对应的第三权重可以为1/3，slice_statek-1[i]对应的第四权重可以为2/3；则第i扇区中第k时刻障碍物与车辆的检测距离slice_statek[i]=( slice_range[i]+slice_statek-1[i] ×2)÷3。
若slice_counter[i]≥5，确定第k-1时刻至第k时刻更新相关处于稳定阶段，slice_range[i]对应的第三权重可以为1/2，slice_statek-1[i]对应的第四权重可以为1/2；则第i扇区中第k时刻障碍物与车辆的检测距离slice_statek[i]=( slice_range[i]+slice_statek-1[i])÷2。
其中，通过0＜slice_counter[i]＜3、3≤slice_counter[i]＜5和slice_counter[i]≥5，划分第k-1时刻至第k时刻更新相关处于起始阶段、平缓阶段和稳定阶段三个不同阶段，使得第三权重相较于第一权重逐渐增大，第四权重相较于第二权重逐渐减小，从而使得计算得到的slice_statek[i]更加准确。
步骤205：基于每个扇区中第k时刻障碍物与车辆的检测距离，在预设探测范围中确定车辆的可行驶区域。
本申请实施例中，在步骤204计算得到车辆的预设探测范围的每个扇区中第k时刻障碍物与车辆的检测距离之后，基于此，在预设探测范围中可以确定车辆的可行驶区域。
在步骤205具体实施时，针对车辆的预设探测范围的每个扇区而言，需要以车辆为圆心、扇区中第k时刻障碍物与车辆的检测距离为半径，在扇区中绘制弧线，则扇区中弧线以内表示没有任何障碍物；通过将预设探测范围中多个弧线按照多个扇区的顺序首尾连接，可以形成一个封闭区域，该封闭区域均没有任何障碍物，即是车辆的可行驶区域，如图4所示的一种车辆的可行驶区域的示意图。因此，在本申请实施例一种可选的实施方式中，步骤205例如可以包括如下步骤R-步骤S：
步骤R：针对每个扇区，以车辆为圆心、扇区中第k时刻障碍物与车辆的检测距离为半径，在扇区中绘制弧线。
步骤S：在预设探测范围中，将多个弧线按照多个扇区的顺序首尾连接形成的封闭区域确定为可行驶区域。
此外，本申请实施例中，自动驾驶的场景还可以是物流运输车自动驾驶、矿山矿车自动驾驶、农业运输车自动驾驶等类似的各种各样车辆自动驾驶场景，在此不再一一举例。
通过本实施例提供的各种实施方式，首先，通过车辆的多个雷达检测障碍物，得到第k时刻障碍物的静态点云坐标和动态点云坐标，k≥1；其次，分别预处理静态点云坐标和动态点云坐标，得到第k时刻障碍物的点云坐标集合；然后，针对以车辆为圆心按照预设探测半径构建、并以预设分片数量划分为多个扇区的预设探测范围，通过第k时刻障碍物的点云坐标集合，确定每个扇区中第k时刻障碍物与车辆的最小距离，该最小距离小于等于预设探测半径；接着，以每个扇区中第k时刻障碍物与车辆的最小距离，结合每个扇区中第k-1时刻障碍物与车辆的检测距离，计算每个扇区中第k时刻障碍物与车辆的检测距离；最后，按照每个扇区中第k时刻障碍物与车辆的检测距离，在预设探测范围中确定车辆的可行驶区域。
可见，通过车辆的多个雷达检测障碍物以避免存在盲区，通过对多个雷达检测到的当前时刻障碍物的静态点云坐标和动态点云坐标分别进行预处理，得到较为合理的点云坐标集合，以更加准确地确定车辆的预设探测范围的每个扇区中当前时刻障碍物与车辆的最小距离；进一步结合每个扇区中上一时刻障碍物与车辆的检测距离，平滑地计算每个扇区中当前时刻障碍物与车辆的检测距离，以在预设探测范围中更加准确地确定车辆的可行驶区域。基于此，该方式可以提高确定车辆的可行驶区域的准确性，从而能够提高自动驾驶的安全性。
示例性装置
参见图5，示出了本申请实施例中一种确定可行驶区域的装置的结构示意图。在本实施例中，装置例如具体可以包括：检测单元501、预处理单元502、确定单元503和计算单元504；
检测单元501，用于基于车辆的多个雷达进行障碍物检测，获得第k时刻障碍物的静态点云坐标和动态点云坐标，k≥1；
预处理单元502，用于对静态点云坐标和动态点云坐标分别进行预处理，获得第k时刻障碍物的点云坐标集合；
确定单元503，用于针对车辆的预设探测范围，基于第k时刻障碍物的点云坐标集合，确定每个扇区中第k时刻障碍物与车辆的最小距离；预设探测范围以车辆为圆心按照预设探测半径构建、并以预设分片数量划分为多个扇区，最小距离小于等于预设探测半径；
计算单元504，用于基于每个扇区中第k时刻障碍物与车辆的最小距离，以及每个扇区中第k-1时刻障碍物与车辆的检测距离，计算每个扇区中第k时刻障碍物与车辆的检测距离；
确定单元503，还用于基于每个扇区中第k时刻障碍物与车辆的检测距离，在预设探测范围中确定车辆的可行驶区域。
在本申请实施例一种可选的实施方式中，确定单元503，用于：
针对每个扇区，基于第k时刻障碍物的点云坐标集合，确定对应的第k时刻障碍物与车辆的候选最小距离；
若第k时刻障碍物与车辆的候选最小距离小于等于预设探测半径，将扇区中第k时刻障碍物与车辆的候选最小距离确定为扇区中第k时刻障碍物与车辆的最小距离；
若第k时刻障碍物与车辆的候选最小距离大于预设探测半径，将预设探测半径确定为扇区中第k时刻障碍物与车辆的最小距离。
在本申请实施例一种可选的实施方式中，装置还包括：更新单元；
更新单元，用于基于扇区中第k时刻障碍物与车辆的最小距离、扇区的相邻扇区中第k时刻障碍物与车辆的最小距离、以及求最小值函数，更新扇区中第k时刻障碍物与车辆的最小距离。
在本申请实施例一种可选的实施方式中，计算单元504，用于：
针对每个扇区，若扇区中第k时刻障碍物与车辆的最小距离、与扇区中第k-1时刻障碍物与车辆的检测距离之间的差值不符合预设差值范围，确定第k-1时刻至第k时刻更新不相关；
重置扇区对应的相关更新计数值为0；
基于重置后的相关更新计数值，确定扇区中第k时刻障碍物与车辆的最小距离对应的第一权重和扇区中第k-1时刻障碍物与车辆的检测距离对应的第二权重；第一权重小于第二权重；
根据第一权重、扇区中第k时刻障碍物与车辆的最小距离、第二权重以及扇区中第k-1时刻障碍物与车辆的检测距离，计算扇区中第k时刻障碍物与车辆的检测距离；
若扇区中第k时刻障碍物与车辆的最小距离、与扇区中第k-1时刻障碍物与车辆的检测距离之间的差值符合预设差值范围，确定第k-1时刻至第k时刻更新相关；
更新扇区对应的相关更新计数值增1；
基于更新后的相关更新计数值，确定扇区中第k时刻障碍物与车辆的最小距离对应的第三权重和扇区中第k-1时刻障碍物与车辆的检测距离对应的第四权重；第三权重大于第一权重，第四权重小于第二权重；
根据第三权重、扇区中第k时刻障碍物与车辆的最小距离、第四权重以及扇区中第k-1时刻障碍物与车辆的检测距离，计算扇区中第k时刻障碍物与车辆的检测距离。
在本申请实施例一种可选的实施方式中，确定单元503，还用于：
针对每个扇区，以车辆为圆心、扇区中第k时刻障碍物与车辆的检测距离为半径，在扇区中绘制弧线；
在预设探测范围中，将多个弧线按照多个扇区的顺序首尾连接形成的封闭区域确定为可行驶区域。
在本申请实施例一种可选的实施方式中，检测单元501，用于：
基于多个雷达进行障碍物检测，获得第k时刻障碍物的检测点云坐标；
对检测点云坐标进行动静分离，获得静态点云坐标和动态点云坐标。
在本申请实施例一种可选的实施方式中，预处理单元502，用于：
对动态点云坐标进行聚类处理和跟踪处理，获得第k时刻障碍物的航迹数据；
基于航迹数据获取航迹极坐标；基于静态点云坐标获取静态点云极坐标；
合并航迹极坐标和静态点云极坐标，获得点云坐标集合。
通过本实施例提供的各种实施方式，首先，通过车辆的多个雷达检测障碍物，得到第k时刻障碍物的静态点云坐标和动态点云坐标，k≥1；其次，分别预处理静态点云坐标和动态点云坐标，得到第k时刻障碍物的点云坐标集合；然后，针对以车辆为圆心按照预设探测半径构建、并以预设分片数量划分为多个扇区的预设探测范围，通过第k时刻障碍物的点云坐标集合，确定每个扇区中第k时刻障碍物与车辆的最小距离，该最小距离小于等于预设探测半径；接着，以每个扇区中第k时刻障碍物与车辆的最小距离，结合每个扇区中第k-1时刻障碍物与车辆的检测距离，计算每个扇区中第k时刻障碍物与车辆的检测距离；最后，按照每个扇区中第k时刻障碍物与车辆的检测距离，在预设探测范围中确定车辆的可行驶区域。
可见，通过车辆的多个雷达检测障碍物以避免存在盲区，通过对多个雷达检测到的当前时刻障碍物的静态点云坐标和动态点云坐标分别进行预处理，得到较为合理的点云坐标集合，以更加准确地确定车辆的预设探测范围的每个扇区中当前时刻障碍物与车辆的最小距离；进一步结合每个扇区中上一时刻障碍物与车辆的检测距离，平滑地计算每个扇区中当前时刻障碍物与车辆的检测距离，以在预设探测范围中更加准确地确定车辆的可行驶区域。基于此，该方式可以提高确定车辆的可行驶区域的准确性，从而能够提高自动驾驶的安全性。
此外，本申请实施例还提供了一种计算机设备，计算机设备包括处理器以及存储器：
存储器用于存储程序代码，并将程序代码传输给处理器；
处理器用于根据程序代码中的指令执行上述方法实施例的确定可行驶区域的方法。
本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质用于存储程序代码，程序代码用于执行上述方法实施例的确定可行驶区域的方法。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述，仅是本申请的较佳实施例而已，并非对本申请作任何形式上的限制。虽然本申请已以较佳实施例揭露如上，然而并非用以限定本申请。任何熟悉本领域的技术人员，在不脱离本申请技术方案范围情况下，都可利用上述揭示的方法和技术内容对本申请技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本申请技术方案的内容，依据本申请的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本申请技术方案保护的范围内。

Claims (9)

1.一种确定可行驶区域的方法，其特征在于，包括：
基于车辆的多个雷达进行障碍物检测，获得第k时刻障碍物的静态点云坐标和动态点云坐标，k≥1；
对所述静态点云坐标和所述动态点云坐标分别进行预处理，获得第k时刻所述障碍物的点云坐标集合；
针对所述车辆的预设探测范围，基于第k时刻所述障碍物的点云坐标集合，确定每个扇区中第k时刻所述障碍物与所述车辆的最小距离；所述预设探测范围以所述车辆为圆心按照预设探测半径构建、并以预设分片数量划分为多个扇区，所述最小距离小于等于所述预设探测半径；
基于每个所述扇区中第k时刻所述障碍物与所述车辆的最小距离，以及每个所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离，计算每个所述扇区中第k时刻所述障碍物与所述车辆的检测距离；
基于每个所述扇区中第k时刻所述障碍物与所述车辆的检测距离，在所述预设探测范围中确定所述车辆的可行驶区域；
其中，所述基于每个所述扇区中第k时刻所述障碍物与所述车辆的最小距离，以及每个所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离，计算每个所述扇区中第k时刻所述障碍物与所述车辆的检测距离，包括：
针对每个所述扇区，若所述扇区中第k时刻所述障碍物与所述车辆的最小距离、与所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离之间的差值不符合预设差值范围，确定所述第k-1时刻至所述第k时刻更新不相关；
重置所述扇区对应的相关更新计数值为0；
基于重置后的相关更新计数值，确定所述扇区中第k时刻所述障碍物与所述车辆的最小距离对应的第一权重和所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离对应的第二权重；所述第一权重小于所述第二权重；
根据所述第一权重、所述扇区中第k时刻所述障碍物与所述车辆的最小距离、所述第二权重以及所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离，计算所述扇区中第k时刻所述障碍物与所述车辆的检测距离；
若所述扇区中第k时刻所述障碍物与所述车辆的最小距离、与所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离之间的差值符合所述预设差值范围，确定所述第k-1时刻至所述第k时刻更新相关；
更新所述扇区对应的相关更新计数值增1；
基于更新后的相关更新计数值，确定所述扇区中第k时刻所述障碍物与所述车辆的最小距离对应的第三权重和所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离对应的第四权重；所述第三权重大于所述第一权重，所述第四权重小于所述第二权重；
根据所述第三权重、所述扇区中第k时刻所述障碍物与所述车辆的最小距离、所述第四权重以及所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离，计算所述扇区中第k时刻所述障碍物与所述车辆的检测距离。
2.根据权利要求1所述的方法，其特征在于，所述基于第k时刻所述障碍物的点云坐标集合，确定每个扇区中第k时刻所述障碍物与所述车辆的最小距离，包括：
针对每个所述扇区，基于第k时刻所述障碍物的点云坐标集合，确定对应的第k时刻所述障碍物与所述车辆的候选最小距离；
若所述第k时刻所述障碍物与所述车辆的候选最小距离小于等于所述预设探测半径，将所述扇区中第k时刻所述障碍物与所述车辆的候选最小距离确定为所述扇区中第k时刻所述障碍物与所述车辆的最小距离；
若所述第k时刻所述障碍物与所述车辆的候选最小距离大于所述预设探测半径，将所述预设探测半径确定为所述扇区中第k时刻所述障碍物与所述车辆的最小距离。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于所述扇区中第k时刻所述障碍物与所述车辆的最小距离、所述扇区的相邻扇区中第k时刻所述障碍物与所述车辆的最小距离、以及求最小值函数，更新所述扇区中第k时刻所述障碍物与所述车辆的最小距离。
4.根据权利要求1所述的方法，其特征在于，所述基于每个所述扇区中第k时刻所述障碍物与所述车辆的检测距离，在所述预设探测范围中确定所述车辆的可行驶区域，包括：
针对每个所述扇区，以所述车辆为圆心、所述扇区中第k时刻所述障碍物与所述车辆的检测距离为半径，在所述扇区中绘制弧线；
在所述预设探测范围中，将多个所述弧线按照多个所述扇区的顺序首尾连接形成的封闭区域确定为所述可行驶区域。
5.根据权利要求1-4任意一项所述的方法，其特征在于，所述基于车辆的多个雷达进行障碍物检测，获得第k时刻障碍物的静态点云坐标和动态点云坐标，包括：
基于多个所述雷达进行障碍物检测，获得第k时刻所述障碍物的检测点云坐标；
对所述检测点云坐标进行动静分离，获得所述静态点云坐标和所述动态点云坐标。
6.根据权利要求1-4任意一项所述的方法，其特征在于，所述对所述静态点云坐标和所述动态点云坐标分别进行预处理，获得第k时刻所述障碍物的点云坐标集合，包括：
对所述动态点云坐标进行聚类处理和跟踪处理，获得第k时刻所述障碍物的航迹数据；
基于所述航迹数据获取航迹极坐标；基于所述静态点云坐标获取静态点云极坐标；
合并所述航迹极坐标和所述静态点云极坐标，获得所述点云坐标集合。
7.一种确定可行驶区域的装置，其特征在于，包括：检测单元、预处理单元、确定单元和计算单元；
所述检测单元，用于基于车辆的多个雷达进行障碍物检测，获得第k时刻障碍物的静态点云坐标和动态点云坐标，k≥1；
所述预处理单元，用于对所述静态点云坐标和所述动态点云坐标分别进行预处理，获得第k时刻所述障碍物的点云坐标集合；
所述确定单元，用于针对所述车辆的预设探测范围，基于第k时刻所述障碍物的点云坐标集合，确定每个扇区中第k时刻所述障碍物与所述车辆的最小距离；所述预设探测范围以所述车辆为圆心按照预设探测半径构建、并以预设分片数量划分为多个扇区，所述最小距离小于等于所述预设探测半径；
所述计算单元，用于基于每个所述扇区中第k时刻所述障碍物与所述车辆的最小距离，以及每个所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离，计算每个所述扇区中第k时刻所述障碍物与所述车辆的检测距离；
所述确定单元，还用于基于每个所述扇区中第k时刻所述障碍物与所述车辆的检测距离，在所述预设探测范围中确定所述车辆的可行驶区域；
其中，所述计算单元，具体用于：
针对每个所述扇区，若所述扇区中第k时刻所述障碍物与所述车辆的最小距离、与所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离之间的差值不符合预设差值范围，确定所述第k-1时刻至所述第k时刻更新不相关；
重置所述扇区对应的相关更新计数值为0；
基于重置后的相关更新计数值，确定所述扇区中第k时刻所述障碍物与所述车辆的最小距离对应的第一权重和所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离对应的第二权重；所述第一权重小于所述第二权重；
根据所述第一权重、所述扇区中第k时刻所述障碍物与所述车辆的最小距离、所述第二权重以及所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离，计算所述扇区中第k时刻所述障碍物与所述车辆的检测距离；
若所述扇区中第k时刻所述障碍物与所述车辆的最小距离、与所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离之间的差值符合所述预设差值范围，确定所述第k-1时刻至所述第k时刻更新相关；
更新所述扇区对应的相关更新计数值增1；
基于更新后的相关更新计数值，确定所述扇区中第k时刻所述障碍物与所述车辆的最小距离对应的第三权重和所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离对应的第四权重；所述第三权重大于所述第一权重，所述第四权重小于所述第二权重；
根据所述第三权重、所述扇区中第k时刻所述障碍物与所述车辆的最小距离、所述第四权重以及所述扇区中第k-1时刻所述障碍物与所述车辆的检测距离，计算所述扇区中第k时刻所述障碍物与所述车辆的检测距离。
8.一种计算机设备，其特征在于，所述计算机设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行权利要求1-6任一项所述的确定可行驶区域的方法。
9.一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用于存储程序代码，所述程序代码用于执行权利要求1-6任一项所述的确定可行驶区域的方法。
CN202210139635.4A 2022-02-16 2022-02-16 一种确定可行驶区域的方法和相关装置 Active CN114200454B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210139635.4A CN114200454B (zh) 2022-02-16 2022-02-16 一种确定可行驶区域的方法和相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210139635.4A CN114200454B (zh) 2022-02-16 2022-02-16 一种确定可行驶区域的方法和相关装置

Publications (2)

Publication Number Publication Date
CN114200454A CN114200454A (zh) 2022-03-18
CN114200454B true CN114200454B (zh) 2022-05-10

Family

ID=80658989

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210139635.4A Active CN114200454B (zh) 2022-02-16 2022-02-16 一种确定可行驶区域的方法和相关装置

Country Status (1)

Country Link
CN (1) CN114200454B (zh)

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102015108759A1 (de) * 2015-06-03 2016-12-08 Valeo Schalter Und Sensoren Gmbh Verfahren zum Klassifizieren eines länglich ausgedehnten stationären Objektes in einem seitlichen Umgebungsbereich eines Kraftfahrzeugs, Fahrerassistenzsystem sowie Kraftfahrzeug
EP3535171A4 (en) * 2016-11-02 2019-11-27 Peloton Technology Inc. GAP MEASUREMENT FOR VEHICLE COLONNE
CN109407097B (zh) * 2018-10-30 2020-09-29 北京润科通用技术有限公司 一种车辆可行驶区域的检测方法及装置
US10634793B1 (en) * 2018-12-24 2020-04-28 Automotive Research & Testing Center Lidar detection device of detecting close-distance obstacle and method thereof
CN110045376B (zh) * 2019-04-28 2021-06-01 森思泰克河北科技有限公司 可行驶区域获取方法、计算机可读存储介质及终端设备
CN111368760B (zh) * 2020-03-09 2023-09-01 阿波罗智能技术(北京)有限公司 一种障碍物检测方法、装置、电子设备及存储介质
CN111708029B (zh) * 2020-06-23 2023-04-07 公安部交通管理科学研究所 一种基于多雷达的自动驾驶信息采集方法及其应用
CN113705809B (zh) * 2021-09-07 2024-03-19 北京航空航天大学 一种数据预测模型训练方法、工业指标预测方法和装置

Also Published As

Publication number Publication date
CN114200454A (zh) 2022-03-18

Similar Documents

Publication Publication Date Title
US10474908B2 (en) Unified deep convolutional neural net for free-space estimation, object detection and object pose estimation
EP3338248B1 (en) Systems and methods for object tracking
JP6682833B2 (ja) 物体認識アルゴリズムの機械学習のためのデータベース構築システム
US11043002B2 (en) Obstacle detecting method and obstacle detecting apparatus based on unmanned vehicle, and device, and storage medium
JP2021514498A (ja) 目標追跡方法及び装置、記憶媒体
EP2657644B1 (en) Positioning apparatus and positioning method
JP5908193B1 (ja) レーダ信号処理装置
JP2017223680A (ja) 目標検出情報を生成する方法、装置、および、機器
JP2006234513A (ja) 障害物検出装置
JP6330160B2 (ja) 物体認識装置
WO2016117602A1 (ja) 車両制御装置及び車両制御方法
US11403494B2 (en) Obstacle recognition assistance device, obstacle recognition assistance method, and storage medium
US20170357850A1 (en) Human detection apparatus and method using low-resolution two-dimensional (2d) light detection and ranging (lidar) sensor
JP5082394B2 (ja) 多目標追尾装置
JP2018147399A (ja) 物標検出装置
CN112783135A (zh) 用于基于传感器数据的时间连续性来诊断车辆的感知系统的系统和方法
CN116430375A (zh) 一种多传感器融合的多目标跟踪方法及对应的系统
KR20210063409A (ko) 센서 데이터 스트림을 분석하기 위한 방법과 장치 및 차량을 안내하기 위한 방법
CN116645396A (zh) 轨迹确定方法、装置、计算机可读存储介质及电子设备
WO2021102676A1 (zh) 物体状态获取方法、可移动平台及存储介质
CN108733042B (zh) 自动驾驶车辆的目标跟踪方法及装置
CN114200454B (zh) 一种确定可行驶区域的方法和相关装置
US20070162261A1 (en) Method and arrangement for processing data
CN115761693A (zh) 一种基于全景图像下车位标志点检测与车辆跟踪定位方法
US20230004757A1 (en) Device, memory medium, computer program and computer-implemented method for validating a data-based model

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