CN114359848A - 目标检测方法、装置、车端感知设备和存储介质 - Google Patents
目标检测方法、装置、车端感知设备和存储介质 Download PDFInfo
- Publication number
- CN114359848A CN114359848A CN202011069288.XA CN202011069288A CN114359848A CN 114359848 A CN114359848 A CN 114359848A CN 202011069288 A CN202011069288 A CN 202011069288A CN 114359848 A CN114359848 A CN 114359848A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- detection result
- target
- road
- detection
- 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
Abstract
本申请涉及一种目标检测方法、装置、车端感知设备和存储介质。所述方法包括:获取同一时刻的车端感知数据和路端感知数据;根据车端感知数据,获取第一检测结果;对路端感知数据进行目标检测得到第二检测结果;对第一检测结果与第二检测结果进行融合处理,获取目标检测结果。由于路侧基站的路侧感知设备相对于车端感知设备的安装高度高,覆盖范围广,相应得到的路端感知数据的数据量也就大,基于数据量大的路端感知数据得到的第二检测结果也就更全面和准确,将第一检测结果和第二检测结果融合得到最终的目标检测结果,进而提高了得到的目标检测结果的准确性。
Description
技术领域
本申请涉及道路交通技术领域,特别是涉及一种目标检测方法、装置、车端感知设备和存储介质。
背景技术
随着道路交通技术的发展,车辆辅助驾驶技术逐渐成为道路交通技术的重点研究方向。
传统的车辆辅助驾驶是车端根据自身传感器采集得到的感知数据进行目标检测与跟踪,以此得到车辆感知范围内目标物的位置和行驶信息,以辅助指导车辆行驶。
但是,传统技术中车辆自身传感器因其安装高度,限制了车辆自身传感器的感知范围,造成了一定范围的感知视野盲区,并且考虑车辆的实际行驶环境,车辆在自身传感器遮挡或者特殊天气等情况下行驶时,会进一步增大感知视野盲区,导致自身传感器的感知能力下降,对车辆行驶造成安全隐患。
发明内容
基于此,有必要针对上述技术问题,提供一种目标检测方法、装置、车端感知设备和存储介质。
一种目标检测方法,包括:
获取同一时刻的车端感知数据和路端感知数据;
根据车端感知数据,获取第一检测结果;
对路端感知数据进行目标检测得到第二检测结果;
对第一检测结果与第二检测结果进行融合处理,获取目标检测结果。
其中一个实施例中,对第一检测结果与第二检测结果进行融合处理,获取目标检测结果,包括:
利用结果置信度、距离相关度以及盲区位置中的一种或几种对融合结果进行修正;其中,距离相关度表征检测目标与路侧设备和车端设备的距离远近,盲区位置包括车端设备检测盲区位置和/或路端设备检测盲区位置;
根据修正的融合结果得到目标检测结果。
其中一个实施例中,根据车端感知数据,获取第一检测结果,包括:
利用标定参数将路端感知数据转换至车端坐标系下;
利用转换至车端坐标系下的路端感知数据对车端感知数据进行增强处理,得到增强感知数据;
根据增强感知数据得到第一检测结果。
其中一个实施例中,获取同一时刻的待测区域内的车端感知数据和路端感知数据,包括:
根据预设规则确定目标区域;
利用目标区域对路端原始感知数据进行过滤,得到路端感知数据。
其中一个实施例中,目标检测结果包括:目标位置、目标速度、目标类别、目标尺寸、目标航向角以及目标加速度中的一种或多种。
一种目标检测方法,包括:
获取同一时刻的车端点云和路端点云;
利用标定参数将路端点云转换至车端坐标系下;
利用转换至车端坐标系下的路端点云对车端点云进行增强处理,得到增强感知数据;
根据增强感知数据得到目标检测结果。
其中一个实施例中,获取同一时刻的车端点云和路端点云,包括:
根据预设规则确定目标区域;
利用目标区域对路端原始点云进行过滤,得到路端点云。
其中一个实施例中,根据增强感知数据得到目标检测结果,包括:
对增强感知数据进行目标检测得到第一检测结果;
对路端点云进行目标检测得到第二检测结果;
根据第一检测结果和第二检测结果得到目标检测结果。
其中一个实施例中,根据第一检测结果和第二检测结果得到目标检测结果,包括:
对第一检测结果和第二检测结果进行融合处理;
利用结果置信度、距离相关度以及盲区位置中的一种或几种对融合结果进行修正;其中,距离相关度表征检测目标与路侧设备和车端设备的距离远近,盲区位置包括车端设备检测盲区位置和/或路端设备检测盲区位置;
根据修正的融合结果得到目标检测结果。
一种辅助驾驶方法,包括:
利用上述目标检测方法,获取目标检测结果;
根据目标检测结果生成辅助驾驶信息,辅助驾驶信息包括驾驶提醒信息和/或驾驶控制指令。
一种交通信息处理方法,包括:
接收车端设备发送的目标检测结果;目标检测结果基于上述的目标检测方法获取;
根据目标检测结果生成安全预警信息和/或交通调度信息。
一种目标检测装置,包括:
感知获取模块,用于获取同一时刻的车端感知数据和路端感知数据;
第一检测模块,用于根据车端感知数据,获取第一检测结果;
第二检测模块,用于对路端感知数据进行目标检测得到第二检测结果;
融合处理模块,用于对第一检测结果与第二检测结果进行融合处理,获取目标检测结果。
一种目标检测装置,包括:
数据获取模块,用于获取同一时刻的车端点云和路端点云;
坐标转换模块,用于利用标定参数将路端点云转换至车端坐标系下;
增强处理模块,用于利用转换至车端坐标系下的路端点云对车端点云进行增强处理,得到增强感知数据;
目标检测模块,用于根据增强感知数据得到目标检测结果。
一种车端感知设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现如下步骤:
获取同一时刻的车端感知数据和路端感知数据;
根据车端感知数据,获取第一检测结果;
对路端感知数据进行目标检测得到第二检测结果;
对第一检测结果与第二检测结果进行融合处理,获取目标检测结果。
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如下步骤:
获取同一时刻的车端感知数据和路端感知数据;
根据车端感知数据,获取第一检测结果;
对路端感知数据进行目标检测得到第二检测结果;
对第一检测结果与第二检测结果进行融合处理,获取目标检测结果。
上述目标检测方法、装置、车端感知设备和存储介质,通过获取同一时刻的车端感知数据和路端感知数据,并将根据车端感知数据得到的第一检测结果和根据路端感知数据得到的第二检测结果进行融合处理,由于路侧基站的路侧感知设备相对于车端感知设备的安装高度高,覆盖范围广,相应得到的路端感知数据的数据量也就大,基于数据量大的路端感知数据得到的第二检测结果也就更全面和准确,将第一检测结果和第二检测结果融合得到最终的目标检测结果,进而提高了得到的目标检测结果的准确性。
附图说明
图1为一个实施例中目标检测方法的应用环境图;
图2为一个实施例中目标检测方法的流程示意图;
图3为一个实施例中得到目标检测结果的流程示意图;
图4为一个实施例中确定第一检测结果的流程示意图;
图5为一个实施例中获取路端感知数据的流程示意图;
图6为另一个实施例中目标检测方法的流程示意图;
图7为一个实施例中获取路端点云的流程示意图;
图8为另一个实施例中得到目标检测结果的流程示意图;
图9为一个实施例中目标检测装置的结构框图;
图10为另一个实施例中目标检测装置的结构框图;
图11为一个实施例中车端感知设备的内部结构图。
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。
本申请提供的目标检测方法,可以应用于如图1所示的应用环境中。其中,路侧基站102通过网络与车端感知设备104通过网络进行通信。路侧基站102采集自身覆盖区域的路端感知数据,车端感知设备104采集自身覆盖区域的车端感知数据。路侧基站102发送采集得到的路端感知数据给车端感知设备104,车端感知设备104获取同一时刻的车端感知数据和路端感知数据,根据车端感知数据,获取第一检测结果,并对路端感知数据进行目标检测得到第二检测结果。车端感知设备104对第一检测结果与第二检测结果进行融合处理,获取目标检测结果。
在一个实施例中,如图2所示,提供了一种目标检测方法,以该方法应用于图1中的车端感知设备为例进行说明,包括以下步骤:
S210、获取同一时刻的车端感知数据和路端感知数据。
具体地,路侧基站通过路侧感知设备采集自身覆盖区域的路端感知数据,例如,路侧基站通过路侧图像采集装置获取自身覆盖区域的路端图像,作为路端感知数据。车端感知设备通过车端自身感知设备采集自身覆盖区域内的车端感知数据,同样,车辆通过车端感知设备采集自身覆盖区域内的车端图像,作为车端感知数据。车端感知设备接受路侧基站发送的路端感知数据,并获取同一时刻的车端感知数据和路端感知数据,即获取同一采集时刻的路端图像和车端图像。本实施例中,车端感知数据和路端感知数据均为图像,在其他实施例中,车端感知数据和路端感知数据还可以是其他形式的数据,在此不做具体限定。
在S210之前,为确保车端感知数据和路端感知数据的时间一致性,车端感知设备需实现车端感知设备所采用的GPS时间轴与路侧基站所采用的时间轴之间的校准,具体包括车端感知设备接收路侧基站发送的路侧当前时刻,将路侧当前时刻t’与自身当前时刻t比较,可以将t-t=△t,将后续接收到的每一路端感知数据的时刻T-△t,作为该路端感知数据的实际时刻,以此实现路端感知数据和车端感知数据时间同步。
S220、根据车端感知数据,获取第一检测结果。
S230、对路端感知数据进行目标检测得到第二检测结果。
具体地,车端感知设备基于采集得到的车端感知数据进行目标检测,得到第一检测结果。例如,车端感知设备将采集得到的车端图像输入目标检测模型,以对车端图像进行检测,得到包括车端图像中检测目标的目标位置、目标速度、目标类别、目标尺寸、目标航向角以及目标加速度中的一种或多种的第一检测结果。同理,车端感知设备将接收到的路端图像也输入目标检测模型,以对路端图像进行检测,得到包括路端图像中检测目标的目标位置、目标速度、目标类别、目标尺寸、目标航向角以及目标加速度中的一种或多种的第二检测结果。
S240、对第一检测结果与第二检测结果进行融合处理,获取目标检测结果。
具体地,车端感知设备对第一检测结果与第二检测结果进行融合处理,获取目标检测结果。可选地,融合处理包括结果筛选,可以根据第一检测结果与第二检测结果的结果置信度对同一检测目标的第一检测结果与第二检测结果进行筛选,选择结果置信度高的检测结果作为该检测目标的目标检测结果。例如,车端感知设备对自身覆盖区域内的目标进行检测,检测得到的检测目标1和2,得到检测目标1的第一检测结果:检测目标1为车,检测目标1为车的车端结果置信度为60%,得到检测目标2的第一检测结果:检测目标2为人,检测目标2为人的车端结果置信度为75%,路侧基站对自身覆盖区域内的目标进行检测,检测得到与检测目标1和2处于同一位置处的检测目标1’和2’,对应得到检测目标1’的第二检测结果:检测目标1’为车,检测目标1’为车的路侧结果置信度为58%,对应得到检测目标2’的第二检测结果:目标2’为人,检测目标2’为人的路侧结果置信度为80%。在车端结果置信度大于路侧结果置信度(检测目标1(60%)>检测目标1’(58%))时,则确定车端结果置信度对应的第一检测检测结果为目标检测结果;在车端结果置信度小于路侧结果置信度(检测目标2(75%)<检测目标2’(80%))时,确定路侧结果置信度对应第二检测结果为目标检测结果。
本实施例中,车端感知设备获取同一时刻的车端感知数据和路端感知数据,并将根据车端感知数据得到的第一检测结果和根据路端感知数据得到的第二检测结果进行融合处理,由于路侧基站的路侧感知设备相对于车端感知设备的安装高度高,覆盖范围广,相应得到的路端感知数据的数据量也就大,基于数据量大的路端感知数据得到的第二检测结果也就更全面和准确,将第一检测结果和第二检测结果融合得到最终的目标检测结果,进而提高了得到的目标检测结果的准确性。
在一个实施例中,如图3所示,S240包括:
S310、利用结果置信度、距离相关度以及盲区位置中的一种或几种对融合结果进行修正。
其中,距离相关度表征检测目标与路侧设备和车端设备的距离远近,盲区位置包括车端设备检测盲区和/或路端设备检测盲区的位置。
S320、根据修正的融合结果得到目标检测结果。
车端感知设备除过上述根据第一检测结果与第二检测结果的结果置信度对同一检测目标的第一检测结果与第二检测结果进行筛选,选择结果置信度高的检测结果作为该检测目标的目标检测结果,以实现对融合结果的筛选之外,在同一检测目标的第一检测结果和第二检测结果的置信度相同时,为进一步提高目标检测结果的准确性,车端设备中的车端感知设备还可以根据该检测目标与路侧基站之间的第一距离,以及该检测目标与车端感知设备之间的第二距离,实现对第一检测和第二检测结果的筛选,确定目标检测过程。
具体地,车端感知设备获取检测目标与路侧基站之间的第一距离,以及该检测目标与车端感知设备之间的第二距离,比较第一距离和第二距离,选择得到距离较小的检测结果作为目标检测结果。例如,车端感知设备基于车端感知数据得到的检测目标3为车的第一检测而结果的置信度为60%,检测目标4为车的第一检测结果的置信度为70%,车端感知设备基于路端感知数据得到与检测目标3和4处于同一位置处的检测目标3’和4’,对应得到检测目标3’为车的第二检测结果的置信度为60%,检测目标4’为车的第二检测结果的置信度为70%。上述同一位置处检测目标第一检测结果的置信度和第二检测结果的置信度相等,车端感知设备则进一步比较检测目标3与路侧基站的路侧感知设备之间的第一距离D1=15m和检测目标3’与车端感知设备之间的第二距离D2=12m,以及检测目标4与路侧基站的路侧感知设备之间的第一距离D1’=20m和检测目标4’与车端感知设备之间的第二距离D2’=25m。在第一距离不小于第二距离时(检测目标3的第一距离D1=15m>检测目标3’的第二距离D2=12m),确定得到第二距离D2=12m的第二检测结果为目标检测结果;在第一距离小于第二距离(检测目标4的第一距离D1’=20m<检测目标4’的第二距离D2’=25m)时,确定得到第一距离D1’=20m的第一检测结果为目标检测结果。
车端感知设备还可以根据车端设备检测盲区位置对融合结果进行修正。
其中,车端设备检测盲区位置即为车端感知设备自身感知盲区的位置。
车端感知设备自身的感知盲区包括固定盲区,如车端感知设备的正下方预设大小的区域,还包括机动盲区,如大型车辆或者建筑物的遮挡的区域。车端感知设备可根据自身的感知覆盖范围和感知结果,确定机动盲区。
具体地,车端感知设备将第一检测结果中的目标位置与车端设备检测盲区位置进行匹配,若车端设备检测盲区位置包括该目标位置,则将得到该目标位置的第一检测结果作为目标检测结果。
在上述方法应用于路侧基站时,路侧基站可以根据路端设备检测盲区位置对融合结果进行修正;其中,路端设备检测盲区位置即为路端感知设备自身感知盲区的位置。在上述方法应用于车端设备和路侧基站之外的第三方设备时,第三方设备可以根据车端设备检测盲区位置和路端设备检测盲区位置对融合结果进行修正。
本实施例中,车端感知设备基于第一检测结果与第二检测结果的结果置信度、距离相关度以及盲区信息中的至少一种对融合结果进行修正,得到目标检测结果,进一步提高了目标检测结果的可靠性和准确性。
在一个实施例中,在路端感知数据和车端感知数据是点云数据,或者深度特征点数据时,如图4所示,S220包括:
S410、利用标定参数将路端感知数据转换至车端坐标系下。
具体地,车端感知数据和路端感知数据可以是利用激光雷达得到的点云数据,每一车端采样点对应一点云数据;或者是针对图像深度特征提取得到的深度特征点数据,作为车端感知数据和路端感知数据。车端感知设备利用预先设定的标定参数将接收到的路端感知数据转换至车端坐标系下,以统一车端感知数据与路端感知数据的坐标系。
S420、利用转换至车端坐标系下的路端感知数据对车端感知数据进行增强处理,得到增强感知数据。
具体地,车端感知数据包括至少一车端采样点的位置,路端感知数据包括多个路侧采样点的位置,车端感知设备对车端感知数据与路端感知数据进行增强处理,如取并集操作,得到包括至少一车端采样点的感知数据和至少一路侧采样点的感知数据的增强感知数据。
S430、根据增强感知数据得到第一检测结果。
具体地,车端感知设备采用得到的增强感知数据对自身覆盖区域的检测目标进行检测,得到目标检测结果。
本实施例中,车端感知设备将接收到的路端感知数据利用标定参数转换至车端坐标系下,对转换后的路端感知数据和自身采集得到的车端感知数据进行取并集操作,路端感知数据的数据量大,取并集操作后扩展了得到的感知数据的范围,减小了感知数据的盲区,提高了得到的感知数据总量和感知数据密度,得到增强感知数据,采用增强感知数据进行检测,得到了更多检测目标的目标检测结果,同时提高了得到的目标检测结果的准确性。
在一个实施例中,为进一步减少检测数据量,提高检测效率,如图5所示,S210包括:
S510、根据预设规则确定目标区域。
其中,目标区域为车端设备进行目标检测时的重点关注区域,可以是车端设备的自身覆盖区域,可以是预设区域,如车头前预设覆盖范围的空间区域。例如,目标区域可以是以车头位置为起始点,向车辆行驶方向延伸预设距离形成的空间区域。
具体地,车端感知设备以自身覆盖区域作为目标区域。
S520、利用目标区域对路端原始感知数据进行过滤,得到路端感知数据。
其中,路侧原始感知数据为路侧感知设备基于自身覆盖区域所采集得到的感知数据,过滤后得到的路端感知数据为针对目标区域的感知数据。
具体地,车端感知设备根据目标区域的位置区域对原始感知数据进行过滤,保留属于目标区域的位置范围内的原始感知数据,去除不属于目标区域的位置范围内的原始感知数据,得到针对目标区域的路端感知数据。
本实施例中,车端感知设备根据预设规则确定目标区域,以根据目标区域对路端原始感知数据进行过滤,得到路端感知数据,实现对车端重点关注区域的路端感知数据的精准获取,降低非重点关注区域数据的干扰影响,降低后续目标检测的计算压力,集中算力在重点关注区域,提升检测精度。
在一个实施例中,如图6所示,提供了一种目标检测方法,以该方法应用于图1中的车端感知设备为例进行说明,包括以下步骤:
S610、获取同一时刻的车端点云和路端点云。
具体地,路侧基站通过路侧感知设备采集自身覆盖区域的路端点云,车端感知设备通过车端自身感知设备采集自身覆盖区域内的车端点云。车端感知设备接受路侧基站发送的路端感知数据,并获取同一时刻的车端点云和路端点云。
S620、利用标定参数将路端点云转换至车端坐标系下。
具体地,车端感知设备利用预先设定的标定参数将接收到的路端感知数据转换至车端坐标系下,以统一车端感知数据与路端感知数据的坐标系。
S630、利用转换至车端坐标系下的路端点云对车端点云进行增强处理,得到增强感知数据。
具体地,车端点云包括至少一车端采样点的位置,路端点云包括多个路侧采样点的位置,车端感知设备利用转换至车端坐标系下的路端点云对车端点云进行增强处理,如取并集操作,得到包括至少一车端采样点的感知点云和至少一路侧采样点的车端点云的增强感知数据。
S640、根据增强感知数据得到目标检测结果。
具体地,车端感知设备采用得到的增强感知数据对自身覆盖区域的检测目标进行检测,得到目标检测结果。
本实施例中,车端感知设备获取同一时刻的车端点云和路端点云,将接收到的路端点云利用标定参数转换至车端坐标系下,对转换后的路端点云和车端点云进行增强操作,增强操作后扩展了得到的点云的范围,减小了车端盲区,提高了得到的点云总量和点云密度,得到增强感知数据,采用增强感知数据进行检测,得到了更多目标的目标检测结果,同时提高了得到的目标检测结果的准确性。
在一个实施例中,为进一步减少检测数据量,提高检测效率,如图7所示,S610包括:
S710、根据预设规则确定目标区域。
其中,目标区域为车端设备进行目标检测时的重点关注区域,可以是车端设备的自身覆盖区域,可以是预设区域,如车头前预设覆盖范围的空间区域。例如,目标区域可以是以车头位置为起始点,向车辆行驶方向延伸预设距离形成的空间区域。
具体地,车端感知设备以自身覆盖区域作为目标区域。
S720、利用目标区域对路端原始点云进行过滤,得到路端点云。
其中,路侧原始点云为路侧感知设备基于自身覆盖区域所采集得到的点云数据,过滤后得到的路端点云为针对目标区域的点云数据。
具体地,车端感知设备根据目标区域的位置范围对原始点云进行过滤,保留属于目标区域的位置范围内的原始点云,去除不属于目标区域的位置范围内的原始点云,得到针对目标区域的路端点云。
本实施例中,车端感知设备根据预设规则确定目标区域,以根据目标区域对路端点云进行过滤,得到路端点云,实现对车端重点关注区域的路端点云的精准获取,降低非重点关注区域数据的干扰影响,降低后续目标检测的计算压力,集中算力在重点关注区域,提升检测精度。
在一个实施例中,为进一步提高目标检测的准确率,如图8所示,S640包括:
S810、对增强感知数据进行目标检测得到第一检测结果。
S820、对路端点云进行目标检测得到第二检测结果。
具体地,车端感知设备基于车端点云和路端点云得到的增强感知数据进行目标检测,得到第一检测结果。例如,车端感知设备将得到的增强感知数据输入目标检测模型进行检测,得到包括目标位置、目标速度、目标类别、目标尺寸、目标航向角以及目标加速度中的一种或多种的第一检测结果。同理,车端感知设备将得到的路端点云也输入目标检测模型进行检测,得到包括目标位置、目标速度、目标类别、目标尺寸、目标航向角以及目标加速度中的一种或多种的第二检测结果。
S830、根据第一检测结果和第二检测结果得到目标检测结果。
具体地,车端感知设备对第一检测结果与第二检测结果进行融合处理,获取目标检测结果。可选地,融合处理包括结果筛选,可以根据第一检测结果与第二检测结果的结果置信度对同一目标的第一检测结果与第二检测结果进行筛选,选择结果置信度高的检测结果作为该目标的目标检测结果。
在同一检测目标的第一检测结果和第二检测结果的置信度相同时,为进一步提高目标检测结果的准确性,车端感知设备还可以根据该检测目标与路侧基站之间的第一距离,以及该检测目标与车端感知设备之间的第二距离,实现对第一检测和第二检测结果的筛选,确定目标检测过程。
具体地,车端感知设备获取检测目标与路侧基站之间的第一距离,以及该检测目标与车端感知设备之间的第二距离,比较第一距离和第二距离,选择得到距离较小的检测结果作为目标检测结果。
车端感知设备还可以根据车端设备检测盲区位置对融合结果进行修正。
其中,车端设备检测盲区位置即为车端感知设备自身感知盲区的位置。
车端感知设备自身的感知盲区包括固定盲区,如车端感知设备的正下方预设大小的区域,还包括机动盲区,如大型车辆或者建筑物的遮挡的区域。车端感知设备可根据自身的感知覆盖范围和感知结果,确定机动盲区。
具体地,车端感知设备将第一检测结果中的目标位置与车端设备检测盲区位置进行匹配,若车端设备检测盲区位置包括该目标位置,则将得到该目标位置的第一检测结果作为目标检测结果。
在上述方法应用于路侧基站时,路侧基站可以根据路端设备检测盲区位置对融合结果进行修正;其中,路端设备检测盲区位置即为路端感知设备自身感知盲区的位置。在上述方法应用于车端设备和路侧基站之外的第三方设备时,第三方设备可以根据车端设备检测盲区位置和路端设备检测盲区位置对融合结果进行修正。
本实施例中,车端感知设备基于第一检测结果与第二检测结果的结果置信度、距离相关度以及盲区信息中的至少一种对融合结果进行修正,得到目标检测结果,进一步提高了目标检测结果的可靠性和准确性。
在一个实施例中,为提高车端驾驶安全,还提供一种辅助驾驶方法,包括:
利用上述任一目标检测方法,获取目标检测结果;
根据目标检测结果生成辅助驾驶信息;其中,辅助驾驶信息包括驾驶提醒信息和/或驾驶控制指令。
具体地,车端感知设备根据上述任一目标检测方法得到的目标检测结果中预设范围内车辆的类型和行驶速度,生成驾驶提醒信息。例如,车端45°方向,10m处,有一90km/h行驶的货车;或者生成驾驶控制指令,例如,预设范围内车辆车速均超过60km/h,控制车辆以60km/h行驶。
在一个实施例中,为提高交通管理效率,提高道路交通安全性,还提供一种交通信息处理方法,包括:
接收车端设备发送的目标检测结果;其中,目标检测结果基于上述任一目标检测方法获取;
根据目标检测结果生成安全预警信息和/或交通调度信息。
具体地,交通管理平台接收车端设备发送的车端感知设备根据上述任一目标检测方法得到的目标检测结果,根据目标检测结果生成安全预警信息和/或交通调度信息。例如,交通管理平台接收到同一道路区域内车端发送的每一车端自身预设范围内的检测得到的车辆数量和行驶速度,在车辆数量大于预设数量,且行驶速度小于预设速度,则生成车辆所属道路区域处于道路拥挤状态的安全预警信息;或者生成处于道路拥挤状态的道路区域需要交通疏导的交通调度信息。
应该理解的是,虽然图2-8中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,提供了一种目标检测增强装置,包括:感知获取模块901、第一检测模块902、第二检测模块903以及融合处理模块904,其中:
感知获取模块901用于获取同一时刻的车端感知数据和路端感知数据;
第一检测模块902用于根据车端感知数据,获取第一检测结果;
第二检测模块903用于对路端感知数据进行目标检测得到第二检测结果;
融合处理模块904用于对第一检测结果与第二检测结果进行融合处理,获取目标检测结果。
在一个实施例中,融合处理模块904具体用于:
利用结果置信度、距离相关度以及盲区位置中的一种或几种对融合结果进行修正;其中,距离相关度表征检测目标与路侧设备和车端设备的距离远近,盲区位置包括车端设备检测盲区位置和/或路端设备检测盲区位置;根据修正的融合结果得到目标检测结果。
在一个实施例中,第一检测模块902具体用于:
利用标定参数将路端感知数据转换至车端坐标系下;利用转换至车端坐标系下的路端感知数据对车端感知数据进行增强处理,得到增强感知数据;根据增强感知数据得到第一检测结果。
在一个实施例中,感知获取模块901具体用于:
根据预设规则确定目标区域;利用目标区域对路端原始感知数据进行过滤,得到路端感知数据。
在一个实施例中,目标检测结果包括:目标位置、目标速度、目标类别、目标尺寸、目标航向角以及目标加速度中的一种或多种。
在一个实施例中,如图10所示,提供了一种目标检测增强装置,包括:数据获取模块1001、坐标转换模块1002、增强处理模块1003以及目标检测模块1004,其中:
数据获取模块1001用于获取同一时刻的车端点云和路端点云;
坐标转换模块1002用于利用标定参数将路端点云转换至车端坐标系下;
增强处理模块1003用于利用转换至车端坐标系下的路端点云对车端点云进行增强处理,得到增强感知数据;
目标检测模块1004用于根据增强感知数据得到目标检测结果。
在一个实施例中,数据获取模块1001具体用于:
根据预设规则确定目标区域;利用目标区域对路端原始点云进行过滤,得到路端点云。
在一个实施例中,目标检测模块1004具体用于:
对增强感知数据进行目标检测得到第一检测结果;对路端点云进行目标检测得到第二检测结果;根据第一检测结果和第二检测结果得到目标检测结果。
在一个实施例中,目标检测模块1004具体用于:
对第一检测结果和第二检测结果进行融合处理;利用结果置信度、距离相关度以及盲区位置中的一种或几种对融合结果进行修正;其中,距离相关度表征检测目标与路侧设备和车端设备的距离远近,盲区位置包括车端设备检测盲区位置和/或路端设备检测盲区位置;根据修正的融合结果得到目标检测结果。
关于目标检测增强装置的具体限定可以参见上文中对于目标检测方法的限定,在此不再赘述。上述目标检测增强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,提供了一种车端感知设备,其内部结构图可以如图7所示。该车端感知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,该车端感知设备的处理器用于提供计算和控制能力。该车端感知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。该车端感知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目标检测方法。该车端感知设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该车端感知设备的输入装置可以是显示屏上覆盖的触摸层,也可以是车端感知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11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车端感知设备的限定,具体的车端感知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,提供了一种车端感知设备,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:
获取同一时刻的车端感知数据和路端感知数据;根据车端感知数据,获取第一检测结果;对路端感知数据进行目标检测得到第二检测结果;对第一检测结果与第二检测结果进行融合处理,获取目标检测结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
利用结果置信度、距离相关度以及盲区位置中的一种或几种对融合结果进行修正;其中,距离相关度表征检测目标与路侧设备和车端设备的距离远近,盲区位置包括车端设备检测盲区位置和/或路端设备检测盲区位置;根据修正的融合结果得到目标检测结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
利用标定参数将路端感知数据转换至车端坐标系下;利用转换至车端坐标系下的路端感知数据对车端感知数据进行增强处理,得到增强感知数据;根据增强感知数据得到第一检测结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据预设规则确定目标区域;利用目标区域对路端原始感知数据进行过滤,得到路端感知数据。
在一个实施例中,目标检测结果包括:目标位置、目标速度、目标类别、目标尺寸、目标航向角以及目标加速度中的一种或多种。
在一个实施例中,提供了一种车端感知设备,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:
获取同一时刻的车端点云和路端点云;利用标定参数将路端点云转换至车端坐标系下;利用转换至车端坐标系下的路端点云对车端点云进行增强处理,得到增强感知数据;根据增强感知数据得到目标检测结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据预设规则确定目标区域;利用目标区域对路端原始点云进行过滤,得到路端点云。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对增强感知数据进行目标检测得到第一检测结果;对路端点云进行目标检测得到第二检测结果;根据第一检测结果和第二检测结果得到目标检测结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对第一检测结果和第二检测结果进行融合处理;利用结果置信度、距离相关度以及盲区位置中的一种或几种对融合结果进行修正;其中,距离相关度表征检测目标与路侧设备和车端设备的距离远近,盲区位置包括车端设备检测盲区位置和/或路端设备检测盲区位置;根据修正的融合结果得到目标检测结果。
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:
获取同一时刻的车端感知数据和路端感知数据;根据车端感知数据,获取第一检测结果;对路端感知数据进行目标检测得到第二检测结果;对第一检测结果与第二检测结果进行融合处理,获取目标检测结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
利用结果置信度、距离相关度以及盲区位置中的一种或几种对融合结果进行修正;其中,距离相关度表征检测目标与路侧设备和车端设备的距离远近,盲区位置包括车端设备检测盲区位置和/或路端设备检测盲区位置;根据修正的融合结果得到目标检测结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
利用标定参数将路端感知数据转换至车端坐标系下;利用转换至车端坐标系下的路端感知数据对车端感知数据进行增强处理,得到增强感知数据;根据增强感知数据得到第一检测结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据预设规则确定目标区域;利用目标区域对路端原始感知数据进行过滤,得到路端感知数据。
在一个实施例中,目标检测结果包括:目标位置、目标速度、目标类别、目标尺寸、目标航向角以及目标加速度中的一种或多种。
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:
获取同一时刻的车端点云和路端点云;利用标定参数将路端点云转换至车端坐标系下;利用转换至车端坐标系下的路端点云对车端点云进行增强处理,得到增强感知数据;根据增强感知数据得到目标检测结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据预设规则确定目标区域;利用目标区域对路端原始点云进行过滤,得到路端点云。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对增强感知数据进行目标检测得到第一检测结果;对路端点云进行目标检测得到第二检测结果;根据第一检测结果和第二检测结果得到目标检测结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对第一检测结果和第二检测结果进行融合处理;利用结果置信度、距离相关度以及盲区位置中的一种或几种对融合结果进行修正;其中,距离相关度表征检测目标与路侧设备和车端设备的距离远近,盲区位置包括车端设备检测盲区位置和/或路端设备检测盲区位置;根据修正的融合结果得到目标检测结果。
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 (15)
1.一种目标检测方法,其特征在于,所述方法包括:
获取同一时刻的车端感知数据和路端感知数据;
根据所述车端感知数据,获取第一检测结果;
对所述路端感知数据进行目标检测得到第二检测结果;
对所述第一检测结果与所述第二检测结果进行融合处理,获取目标检测结果。
2.根据权利要求1所述的方法,其特征在于,所述对所述第一检测结果与所述第二检测结果进行融合处理,获取目标检测结果,包括:
利用结果置信度、距离相关度以及盲区位置中的一种或几种对融合结果进行修正;其中,所述距离相关度表征检测目标与路侧设备和车端设备的距离远近,所述盲区位置包括车端设备检测盲区位置和/或路端设备检测盲区位置;
根据修正的融合结果得到所述目标检测结果。
3.根据权利要求1所述的方法,其特征在于,所述根据所述车端感知数据,获取第一检测结果,包括:
利用标定参数将所述路端感知数据转换至车端坐标系下;
利用转换至所述车端坐标系下的路端感知数据对所述车端感知数据进行增强处理,得到增强感知数据;
根据所述增强感知数据得到第一检测结果。
4.根据权利要求1所述的方法,其特征在于,所述获取同一时刻的待测区域内的车端感知数据和路端感知数据,包括:
根据预设规则确定目标区域;
利用所述目标区域对路端原始感知数据进行过滤,得到所述路端感知数据。
5.根据权利要求1所述的方法,其特征在于,所述目标检测结果包括:目标位置、目标速度、目标类别、目标尺寸、目标航向角以及目标加速度中的一种或多种。
6.一种目标检测方法,其特征在于,所述方法包括:
获取同一时刻的车端点云和路端点云;
利用标定参数将所述路端点云转换至车端坐标系下;
利用转换至所述车端坐标系下的路端点云对所述车端点云进行增强处理,得到增强感知数据;
根据所述增强感知数据得到目标检测结果。
7.根据权利要求6所述的方法,其特征在于,所述获取同一时刻的车端点云和路端点云,包括:
根据预设规则确定目标区域;
利用所述目标区域对路端原始点云进行过滤,得到所述路端点云。
8.根据权利要求6或7所述的方法,其特征在于,所述根据所述增强感知数据得到目标检测结果,包括:
对所述增强感知数据进行目标检测得到第一检测结果;
对所述路端点云进行目标检测得到第二检测结果;
根据所述第一检测结果和所述第二检测结果得到所述目标检测结果。
9.根据权利要求8所述的方法,其特征在于,所述根据所述第一检测结果和所述第二检测结果得到所述目标检测结果,包括:
对所述第一检测结果和所述第二检测结果进行融合处理;
利用结果置信度、距离相关度以及盲区位置中的一种或几种对融合结果进行修正;其中,所述距离相关度表征检测目标与路侧设备和车端设备的距离远近,所述盲区位置包括车端设备检测盲区位置和/或路端设备检测盲区位置;
根据修正的融合结果得到所述目标检测结果。
10.一种辅助驾驶方法,其特征在于,所述方法包括:
利用权利要求1-9所述的目标检测方法,获取目标检测结果;
根据所述目标检测结果生成辅助驾驶信息;其中,所述辅助驾驶信息包括驾驶提醒信息和/或驾驶控制指令。
11.一种交通信息处理方法,其特征在于,所述方法包括:
接收车端设备发送的目标检测结果;其中,所述目标检测结果基于权利要求1-9所述的目标检测方法获取;
根据所述目标检测结果生成安全预警信息和/或交通调度信息。
12.一种目标检测装置,其特征在于,所述装置包括:
感知获取模块,用于获取同一时刻的车端感知数据和路端感知数据;
第一检测模块,用于根据所述车端感知数据,获取第一检测结果;
第二检测模块,用于对所述路端感知数据进行目标检测得到第二检测结果;
融合处理模块,用于对所述第一检测结果与所述第二检测结果进行融合处理,获取目标检测结果。
13.一种目标检测装置,其特征在于,所述装置包括:
数据获取模块,用于获取同一时刻的车端点云和路端点云;
坐标转换模块,用于利用标定参数将路端点云转换至车端坐标系下;
增强处理模块,用于利用转换至车端坐标系下的路端点云对所述车端点云进行增强处理,得到增强感知数据;
目标检测模块,用于根据所述增强感知数据得到目标检测结果。
14.一种车端感知设备,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9中任一项所述方法的步骤。
15.一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9中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011069288.XA CN114359848A (zh) | 2020-09-30 | 2020-09-30 | 目标检测方法、装置、车端感知设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011069288.XA CN114359848A (zh) | 2020-09-30 | 2020-09-30 | 目标检测方法、装置、车端感知设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114359848A true CN114359848A (zh) | 2022-04-15 |
Family
ID=81089562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011069288.XA Pending CN114359848A (zh) | 2020-09-30 | 2020-09-30 | 目标检测方法、装置、车端感知设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114359848A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114579556A (zh) * | 2022-05-05 | 2022-06-03 | 中汽创智科技有限公司 | 一种数据处理方法、装置、设备及存储介质 |
CN114655207A (zh) * | 2022-05-13 | 2022-06-24 | 中汽创智科技有限公司 | 一种数据处理方法、装置、设备及存储介质 |
CN114913687A (zh) * | 2022-05-11 | 2022-08-16 | 智道网联科技(北京)有限公司 | 基于车-路-云的车辆内感知共享的方法、设备及系统 |
CN115273473A (zh) * | 2022-07-29 | 2022-11-01 | 阿波罗智联(北京)科技有限公司 | 路侧设备感知信息的处理方法、装置及自动驾驶车辆 |
CN115457773A (zh) * | 2022-09-19 | 2022-12-09 | 智道网联科技(北京)有限公司 | 路侧设备数据处理方法、装置及电子设备、存储介质 |
CN115830860A (zh) * | 2022-11-17 | 2023-03-21 | 西部科学城智能网联汽车创新中心(重庆)有限公司 | 交通事故预测方法及装置 |
CN117294831A (zh) * | 2023-11-23 | 2023-12-26 | 中汽创智科技有限公司 | 时间校准方法、装置、计算机设备、存储介质 |
-
2020
- 2020-09-30 CN CN202011069288.XA patent/CN114359848A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114579556A (zh) * | 2022-05-05 | 2022-06-03 | 中汽创智科技有限公司 | 一种数据处理方法、装置、设备及存储介质 |
CN114913687A (zh) * | 2022-05-11 | 2022-08-16 | 智道网联科技(北京)有限公司 | 基于车-路-云的车辆内感知共享的方法、设备及系统 |
CN114913687B (zh) * | 2022-05-11 | 2023-11-10 | 智道网联科技(北京)有限公司 | 基于车-路-云的车辆内感知共享的方法、设备及系统 |
CN114655207A (zh) * | 2022-05-13 | 2022-06-24 | 中汽创智科技有限公司 | 一种数据处理方法、装置、设备及存储介质 |
CN115273473A (zh) * | 2022-07-29 | 2022-11-01 | 阿波罗智联(北京)科技有限公司 | 路侧设备感知信息的处理方法、装置及自动驾驶车辆 |
CN115457773A (zh) * | 2022-09-19 | 2022-12-09 | 智道网联科技(北京)有限公司 | 路侧设备数据处理方法、装置及电子设备、存储介质 |
CN115830860A (zh) * | 2022-11-17 | 2023-03-21 | 西部科学城智能网联汽车创新中心(重庆)有限公司 | 交通事故预测方法及装置 |
CN115830860B (zh) * | 2022-11-17 | 2023-12-15 | 西部科学城智能网联汽车创新中心(重庆)有限公司 | 交通事故预测方法及装置 |
CN117294831A (zh) * | 2023-11-23 | 2023-12-26 | 中汽创智科技有限公司 | 时间校准方法、装置、计算机设备、存储介质 |
CN117294831B (zh) * | 2023-11-23 | 2024-02-13 | 中汽创智科技有限公司 | 时间校准方法、装置、计算机设备、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114359848A (zh) | 目标检测方法、装置、车端感知设备和存储介质 | |
US11315420B2 (en) | Moving object and driving support system for moving object | |
US20220215673A1 (en) | Device, system, and method for generating occupancy grid map | |
CN112203216B (zh) | 定位信息获取方法、辅助驾驶方法以及车端传感器检测方法 | |
CN109143290B (zh) | 用于位置误差检测的方法和装置 | |
CN110851545A (zh) | 地图绘制方法、装置及设备 | |
CN114639085A (zh) | 交通信号灯识别方法、装置、计算机设备和存储介质 | |
CN112447058B (zh) | 泊车方法、装置、计算机设备及存储介质 | |
CN111753901B (zh) | 一种数据融合方法、装置、系统及计算机设备 | |
CN112689234A (zh) | 室内车辆定位方法、装置、计算机设备和存储介质 | |
JP2023164502A (ja) | 静止物データ生成装置、制御方法、プログラム及び記憶媒体 | |
CN108957432B (zh) | 路沿检测方法、装置、计算机设备和存储介质 | |
CN112051592A (zh) | 自身位置共享系统、车辆以及终端 | |
CN111624550A (zh) | 一种车辆定位方法、装置、设备及存储介质 | |
JP2023059930A (ja) | 道路情報生成装置 | |
JP2020034451A (ja) | データ構造、記憶媒体及び記憶装置 | |
CN114758200A (zh) | 多传感数据融合方法、多源融合感知系统和计算机设备 | |
US20230079545A1 (en) | Method and control unit for monitoring a sensor system | |
CN114078323B (zh) | 感知增强方法、装置、路侧基站、计算机设备和存储介质 | |
CN111596288B (zh) | 测量速度的方法、装置、车载终端和车载测速系统 | |
CN113312403B (zh) | 地图获取方法、装置、电子设备及存储介质 | |
CN114078325B (zh) | 多感知系统配准方法、装置、计算机设备和存储介质 | |
CN114581615B (zh) | 一种数据处理方法、装置、设备和存储介质 | |
US11250275B2 (en) | Information processing system, program, and information processing method | |
WO2021106297A1 (ja) | 提供装置、車両管理装置、車両管理システム、車両管理方法および車両管理プログラム |
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 |