CN114724116A - 车辆通行信息生成方法、装置、设备和计算机可读介质 - Google Patents
车辆通行信息生成方法、装置、设备和计算机可读介质 Download PDFInfo
- Publication number
- CN114724116A CN114724116A CN202210559347.4A CN202210559347A CN114724116A CN 114724116 A CN114724116 A CN 114724116A CN 202210559347 A CN202210559347 A CN 202210559347A CN 114724116 A CN114724116 A CN 114724116A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- road
- characteristic information
- information
- key
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开的实施例公开了车辆通行信息生成方法、装置、设备和计算机可读介质。该方法的一具体实施方式包括:获取当前道路图像和当前行驶区域的点云数据;对当前道路图像进行图像识别,得到第一道路特征信息和第一障碍物特征信息集;对当前行驶区域的点云数据进行特征提取,得到第二道路特征信息和第二障碍物特征信息集;基于第一道路特征信息和第二道路特征信息,生成关键道路特征信息;基于第一障碍物特征信息集和第二障碍物特征信息集,生成关键障碍物特征信息集;基于关键道路特征信息和关键障碍物特征信息集,生成车辆通行信息,以及将车辆通行信息发送至车辆控制单元以进行车辆控制。该实施方式可以确保车辆在通行受限状态下生成车辆通行信息。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及车辆通行信息生成方法、装置、设备和计算机可读介质。
背景技术
车辆通行信息的生成对自动驾驶车辆的稳定安全行驶有着重要意义。目前,生成车辆通行信息通常采用的方式为:首先,对当前车辆周围的信息进行检测,得到检测信息;然后,通过检测信息,确定是否生成车辆通行信息。
然而,当采用上述方式进行车辆通行信息生成时,经常会存在如下技术问题:
第一,若通过检测信息确定当前车辆处于通行受限状态(例如,当前道路前方存在障碍物、或前方道路区域为禁止通行区域等),则无法生成车辆通行信息,从而,无法为驾驶员提供车辆通行信息,进而,导致降低车辆驾驶安全;
第二,未考虑对生成车辆通行信息的影响因素,导致生成的车辆通行信息的准确度不足;
第三,未充分考虑各设备对应的障碍物特征信息的一致性,导致障碍物特征信息不够完备。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了车辆通行信息生成方法、装置、设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种车辆通行信息生成方法,该方法包括:获取当前道路图像和当前行驶区域的点云数据;对上述当前道路图像进行图像识别,得到第一道路特征信息和第一障碍物特征信息集;对上述当前行驶区域的点云数据进行特征提取,得到第二道路特征信息和第二障碍物特征信息集;基于上述第一道路特征信息和上述第二道路特征信息,生成关键道路特征信息;基于上述第一障碍物特征信息集和上述第二障碍物特征信息集,生成关键障碍物特征信息集;基于上述关键道路特征信息和上述关键障碍物特征信息集,生成车辆通行信息,以及将上述车辆通行信息发送至车辆控制单元以进行车辆控制。
第二方面,本公开的一些实施例提供了一种车辆通行信息生成装置,装置包括:获取单元,被配置成获取当前道路图像和当前行驶区域的点云数据;识别单元,被配置成对上述当前道路图像进行图像识别,得到第一道路特征信息和第一障碍物特征信息集;特征提取单元,被配置成对上述当前行驶区域的点云数据进行特征提取,得到第二道路特征信息和第二障碍物特征信息集;第一生成单元,被配置成基于上述第一道路特征信息和上述第二道路特征信息,生成关键道路特征信息;第二生成单元,被配置成基于上述第一障碍物特征信息集和上述第二障碍物特征信息集,生成关键障碍物特征信息集;生成和发送单元,被配置成基于上述关键道路特征信息和上述关键障碍物特征信息集,生成车辆通行信息,以及将上述车辆通行信息发送至车辆控制单元以进行车辆控制。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的车辆通行信息生成方法,可以在当前车辆处于通行受限状态时生成车辆通行信息,并将车辆通行信息提供给驾驶员,来提高车辆驾驶安全;也可以提高车辆通行信息的准确度。具体来说,造成车辆通行受限时无法生成车辆通行信息以及车辆通行信息准确度低的原因在于:未考虑对生成车辆通行信息的影响因素。基于此,本公开的一些实施例的车辆通行信息生成方法,首先,获取当前道路图像和当前行驶区域的点云数据。其次,对上述当前道路图像进行图像识别,得到第一道路特征信息和第一障碍物特征信息集。对上述当前行驶区域的点云数据进行特征提取,得到第二道路特征信息和第二障碍物特征信息集。在此,不同方式识别道路特征信息和各个障碍物特征信息,便于生成车辆通行信息。然后,基于上述第一道路特征信息和上述第二道路特征信息,生成关键道路特征信息。基于上述第一障碍物特征信息集和上述第二障碍物特征信息集,生成关键障碍物特征信息集。最后,基于上述关键道路特征信息和上述关键障碍物特征信息集,生成车辆通行信息,以及将上述车辆通行信息发送至车辆控制单元以进行车辆控制。响应于融合生成上述关键道路特征信息和上述关键障碍物特征信息集,车辆在通行受限状态下仍能生成车辆通行信息。从而,可以将车辆通行信息提供给驾驶员。进而,提高了车辆驾驶安全。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是本公开的一些实施例的车辆通行信息生成方法的一个应用场景的示意图;
图2是根据本公开的车辆通行信息生成方法的一些实施例的流程图;
图3是根据本公开的一些实施例的车辆通行信息生成方法的另一些实施例的流程图;
图4是根据本公开的车辆通行信息生成装置的一些实施例的结构示意图;
图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是本公开一些实施例的车辆通行信息生成方法的一个应用场景的示意图。
在图1的应用场景中,首先,计算设备101可以获取当前道路图像102和当前行驶区域的点云数据103。例如,当前行驶区域的点云数据103可以包括但不限于以下至少一项:车道线点云数据、障碍物点云数据和地面车道标识点云数据。接着,计算设备101可以对上述当前道路图像102进行图像识别,得到第一道路特征信息104和第一障碍物特征信息集105。例如,第一道路特征信息104可以是(道路边缘缓和曲线方程,车道宽度值3.5m,横向距离值0.3m,单向标线)。第一障碍物特征信息集105可以是{(汽车,(60,0),(1,0),0度),(行人,(10,1),(4,0.2),10度)}。计算设备101可以对上述当前行驶区域的点云数据103进行特征提取,得到第二道路特征信息106和第二障碍物特征信息集107。例如,第二道路特征信息106可以是(道路边缘缓和曲线方程,车道宽度值3.5m,横向距离值0.3m,单向标线)。第二障碍物特征信息集107可以是{(汽车,(60,0),(1,0),0度),(行人,(10,1),(4,0.2),10度)}。然后,计算设备101可以基于上述第一道路特征信息104和上述第二道路特征信息106,生成关键道路特征信息108。例如,关键道路特征信息108可以是(道路边缘缓和曲线方程,车道宽度值3.5m,横向距离值0.3m,单向标线)。计算设备101可以基于上述第一障碍物特征信息集104和上述第二障碍物特征信息集107,生成关键障碍物特征信息集109。例如,关键障碍物特征信息集109可以是{(汽车,(60,0),(1,0),0度),(行人,(10,1),(4,0.2),10度)}。最后,计算设备101可以基于上述关键道路特征信息108和上述关键障碍物特征信息集109,生成车辆通行信息110,以及将上述车辆通行信息发送至车辆控制单元以进行车辆控制。例如,车辆通行信息110可以是{(道路边缘缓和曲线方程,车道宽度值3.5m,横向距离值0.3m,单向标线), (汽车,(60,0),(1,0),0度),(行人,(10,1),(4,0.2),10度)}。
需要说明的是,上述计算设备101可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的计算设备的数目仅仅是示意性的。根据实现需要,可以具有任意数目的计算设备。
继续参考图2,示出了根据本公开的车辆通行信息生成方法的一些实施例的流程200。该车辆通行信息生成方法,包括以下步骤:
步骤201,获取当前道路图像和当前行驶区域的点云数据。
在一些实施例中,车辆通行信息生成方法的执行主体(例如图1所示的计算设备101)可以分别获取视觉感知设备和雷达感知设备检测的当前道路图像和当前行驶区域的点云数据。其中,上述当前道路图像可以是自车车辆在行驶过程中车载相机拍摄的道路图像。当前行驶区域是自车车辆行驶区域。需要指出的是,上述当前道路图像可以包括但不限于以下至少一项:路沿图像、车道线图像、限时通行标线图像、周边行人图像、周边车辆图像;上述当前行驶区域的点云数据包括但不限于以下至少一项:路面点云、机动车点云、行道树点云。
步骤202,对当前道路图像进行图像识别,得到第一道路特征信息和第一障碍物特征信息集。
在一些实施例中,上述执行主体可以对上述当前道路图像进行图像识别,得到第一道路特征信息和第一障碍物特征信息集。其中,可以通过预设的图像识别模型,对上述当前道路图像进行图像识别,得到第一道路特征信息和第一障碍物特征信息集。
作为示例,预设的图像识别模型可以包括但不限于以下至少一项:Scharr算子(边缘检测)、霍夫变换、YOLO(You Only Look Once,目标检测算法)等。
步骤203,对当前行驶区域的点云数据进行特征提取,得到第二道路特征信息和第二障碍物特征信息集。
在一些实施例中,上述执行主体可以对上述当前行驶区域的点云数据进行特征提取,得到第二道路特征信息和第二障碍物特征信息集。其中,可以通过预设的点云处理模型,对上述当前行驶区域的点云数据进行特征提取,得到第二道路特征信息和第二障碍物特征信息集。
作为示例,预设的点云处理模型可以包括但不限于以下至少一项:RANSAC(RANDOMSAMPLE AND CONSENSUS,点云分割算法)、欧几里德聚类、PCA(Principle ComponentAnalysis,主成分分析)等。
步骤204,基于第一道路特征信息和第二道路特征信息,生成关键道路特征信息。
在一些实施例中,上述执行主体可以基于上述第一道路特征信息和上述第二道路特征信息,生成关键道路特征信息。其中,可以通过平均绝对误差估计算法,对第一道路特征信息和第二道路特征信息进行误差估计,得到误差结果。上述误差结果处于(0,1),可以通过对第一道路特征信息和第二道路特征信息求均值,均值结果可以作为关键道路特征信息。
步骤205,基于第一障碍物特征信息集和第二障碍物特征信息集,生成关键障碍物特征信息集。
在一些实施例中,上述执行主体可以基于上述第一障碍物特征信息集和上述第二障碍物特征信息集,生成关键障碍物特征信息集。其中,可以包括以下步骤:
对上述第一障碍物特征信息集中的每个第一障碍物特征信息执行以下步骤,以生成关键障碍物特征信息集:
第一子步骤,可以通过平均绝对误差估计算法,对上述第一障碍物特征信息集中的每个第一障碍物特征信息与上述第二障碍物特征信息集中对应的第二障碍物特征信息进行误差估计,得到误差结果。
第二子步骤,若上述误差结果处于(0,1),可以把第二障碍物特征信息作为目标障碍物特征信息;若上述误差结果大于1,可以把第一障碍物特征信息和第二障碍物特征信息分别作为关键障碍物特征信息。
步骤206,基于关键道路特征信息和关键障碍物特征信息集,生成车辆通行信息,以及将车辆通行信息发送至车辆控制单元以进行车辆控制。
在一些实施例中,上述执行主体可以基于上述关键道路特征信息和上述关键障碍物特征信息集,生成车辆通行信息,以及将上述车辆通行信息发送至车辆控制单元以进行车辆控制。其中,可以将上述关键道路特征信息和上述关键障碍物特征信息集输入路径规划算法,从而生成车辆通行信息。
作为示例,预设的路径规划算法可以包括但不限于以下至少一项:RRT(Rapidly-exploring Random Trees,快速扩展随机树算法)、Lattice Planner规划算法、A*(A-Star)路径规划算法等。
在一些实施例的一些可选的实现方式中,其中,上述关键障碍物特征信息包括:障碍物距离和障碍物相对速度;以及上述执行主体可以基于上述关键道路特征信息和上述关键障碍物特征信息集,生成车辆通行信息,包括:
响应于确定上述障碍物距离和上述障碍物相对速度满足预设的距离速度关系,基于上述关键道路特征信息和上述关键障碍物特征信息集,生成车辆通行信息。其中,上述预设的距离速度关系可以用函数表示。上述函数可以是以速度为自变量,以安全距离为因变量的方程。上述函数反映了安全距离随速度变化而变化。可以通过以下步骤,响应于确定上述障碍物距离和上述障碍物相对速度满足预设的距离速度关系,基于上述道路特征信息和上述障碍物特征信息集,生成车辆通行信息:
第一步,对上述关键障碍物特征信息集中的每个关键障碍物特征信息执行以下步骤:
第一子步骤,可以把上述关键障碍物特征信息包括的障碍物相对速度输入上述预设的距离速度方程,得到安全距离。
第二子步骤,确定上述关键障碍物特征信息包括的障碍物距离大于等于上述安全距离,则生成安全标识。其中,安全标识可以是用来表征上述当前车辆与上述障碍物无碰撞风险的数字。例如,安全标识可以用0或1来表示。0表示上述当前车辆与上述障碍物有碰撞风险。1表示上述当前车辆与上述障碍物无碰撞风险。
第三子步骤,将上述安全标识添加至上述关键障碍物特征信息。
第二步,将上述关键道路特征信息和上述关键障碍物特征信息集输入上述预设的路径规划算法模型,从而生成车辆通行信息。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的车辆通行信息生成方法,可以在当前车辆处于通行受限状态时生成车辆通行信息,并将车辆通行信息提供给驾驶员,来提高车辆驾驶安全;也可以提高车辆通行信息的准确度。具体来说,造成车辆通行受限时无法生成车辆通行信息以及车辆通行信息准确度低的原因在于:未考虑对生成车辆通行信息的影响因素。基于此,本公开的一些实施例的车辆通行信息生成方法,首先,获取当前道路图像和当前行驶区域的点云数据。其次,对上述当前道路图像进行图像识别,得到第一道路特征信息和第一障碍物特征信息集。对上述当前行驶区域点云数据进行特征提取,得到第二道路特征信息和第二障碍物特征信息集。响应于不同方式识别当前道路特征信息和当前行驶区域内的障碍物特征信息集,便于生成车辆通行信息。然后,基于上述第一道路特征信息和上述第二道路特征信息,生成关键道路特征信息。基于上述第一障碍物特征信息集和上述第二障碍物特征信息集,生成关键障碍物特征信息集。最后,基于上述关键道路特征信息和上述关键障碍物特征信息集,生成车辆通行信息,以及将上述车辆通行信息发送至车辆控制单元以进行车辆控制。响应于融合生成上述关键道路特征信息和上述关键障碍物特征信息集,车辆在通行受限状态下仍能生成车辆通行信息。从而,可以将车辆通行信息提供给驾驶员。进而,提高了车辆驾驶安全。
进一步参考图3,其示出了车辆通行信息生成方法的另一些实施例的流程300。该车辆通行信息生成方法的流程300,包括以下步骤:
步骤301,获取当前道路图像和当前行驶区域的点云数据。
在一些实施例中,步骤301的具体实现方式及所带来的技术效果可以参考图2对应的那些实施例中的步骤201,在此不再赘述。
步骤302,对当前道路图像进行图像识别,生成第一道路特征信息,其中,第一道路特征信息包括:第一道路边缘曲线、第一车道宽度值、第一横向距离值、第一道路标识。
在一些实施例中,上述执行主体可以对上述当前道路图像进行图像识别,生成第一道路特征信息。其中,上述第一道路特征信息包括:第一道路边缘曲线、第一车道宽度值、第一横向距离值、第一道路标识。上述第一道路边缘曲线可以是道路边缘曲线方程。上述第一车道宽度值可以是当前车道的宽度值。上述第一横向距离值可以是当前车辆坐标系行驶轴向与右车道线的横向距离值。上述第一道路标识可以是道路标志和道路标线。
步骤303,对当前道路图像进行图像识别,生成第一障碍物特征信息集。其中,第一障碍物特征信息集中的每个第一障碍物特征信息包括:第一障碍物类型信息、第一障碍物距离、第一障碍物相对速度和第一障碍物方位角。
在一些实施例中,上述执行主体可以对上述当前道路图像进行图像识别,生成第一障碍物特征信息集。其中,上述第一障碍物特征信息集中的每个第一障碍物特征信息包括:第一障碍物类型信息、第一障碍物距离、第一障碍物相对速度和第一障碍物方位角。上述第一障碍物类型信息可以是障碍物类型标识(例如,0可以表示机动车、1可以表示行人、2可以表示限高杆等)。上述第一障碍物距离可以是当前车辆到障碍物的距离值组,可以包括:当前车辆到障碍物的第一纵向距离值和当前车辆到障碍物的第一横向距离值。上述第一障碍物相对速度可以是当前车辆到障碍物的相对速度值组,可以包括:当前车辆到障碍物的第一纵向相对速度值和当前车辆到障碍物的第一横向相对速度值。上述第一障碍物方位角可以是当前车辆行驶方向与障碍物间的夹角。
步骤304,对当前行驶区域的点云数据进行特征提取,得到第二道路特征信息和第二障碍物特征信息集。
在一些实施例中,上述执行主体可以对上述当前行驶区域的点云数据进行特征提取,得到第二道路特征信息和第二障碍物特征信息集。其中,本步骤具体可以按照如下执行:
第一步,对上述当前行驶区域的点云数据进行特征提取,生成上述第二道路特征信息。其中,上述第二道路特征信息包括:第二道路边缘曲线、第二车道宽度值、第二横向距离值、第二道路标识。上述第二道路边缘曲线可以是点云坐标系下的道路边缘曲线方程。上述第二车道宽度值可以是上述点云坐标系下测量的当前道路的宽度值。第二横向距离值可以是当前车辆坐标系行驶轴向与右车道线的横向距离值。第二道路标识可以是道路标志和道路标线。
第二步,对上述当前行驶区域的点云数据进行特征提取,生成上述第二障碍物特征信息集。其中,上述第二障碍物特征信息集中的每个第二障碍物特征信息包括:上述第二障碍物类型信息、上述第二障碍物距离、上述第二障碍物相对速度和上述第二障碍物方位角。上述第二障碍物类型信息可以是点云数据中障碍物的障碍物类型标识(例如,0可以表示机动车、1可以表示行人、2可以表示限高杆等)。上述第二障碍物距离可以是当前车辆到障碍物的距离值组,可以包括:当前车辆到障碍物的第二纵向距离值和当前车辆到障碍物的第二横向距离值。上述第二障碍物相对速度可以是当前车辆到障碍物的相对速度值组,可以包括:当前车辆到障碍物的第二纵向相对速度值和当前车辆到障碍物的第二横向相对速度值。上述第二障碍物方位角可以是当前车辆行驶方向与障碍物间的夹角。
步骤305,基于第一道路特征信息和第二道路特征信息,生成关键道路特征信息。
在一些实施例中,上述执行主体可以基于上述第一道路特征信息和上述第二道路特征信息,生成关键道路特征信息。其中,对上述第一道路特征信息包括的第一道路边缘曲线、第一车道宽度值、第一横向距离值、第一道路标识分别与上述第二道路特征信息包括的第二道路边缘曲线、第二车道宽度值、第二横向距离值和第二道路标识进行匹配处理,得到关键道路特征信息。其中,上述匹配处理具体可以包括以下步骤:
第一步,若上述第一道路边缘曲线的曲线方程与上述第二道路边缘曲线的曲线方程相同,则可以选取上述第二道路边缘曲线作为目标道路边缘曲线。若二者不相同,则可以将上述关键道路特征信息设为空。
第二步,若上述第一车道宽度值与上述第二车道宽度值相等,则融合成目标车道宽度值。其中,可以通过平均值法对上述第一车道宽度值和上述第二车道宽度值进行融合,求平均值后的结果可以作为目标车道宽度值。
第三步,若上述第一横向距离值与上述第二横向距离值相等,则融合成目标横向距离值。其中,可以通过平均值法对上述第一横向距离值和上述第二横向距离值进行融合,求平均值后的结果可以作为目标横向距离值。
第四步,若上述第一道路标识与上述第二道路标识相同,则可以选取上述第二道路标识作为目标道路标识。
第五步,可以将上述目标道路边缘曲线、上述目标车道宽度值、上述目标横向距离值和上述目标道路标识分别作为关键道路特征信息子项,从而得到关键道路特征信息。
步骤306,基于第一障碍物特征信息集和第二障碍物特征信息集,生成关键障碍物特征信息集。
在一些实施例中,上述执行主体可以基于上述第一障碍物特征信息集和上述第二障碍物特征信息集,生成关键障碍物特征信息集。其中,可以对上述第一障碍物特征信息集中的每个第一障碍物特征信息执行以下步骤,以生成关键障碍物特征信息集:
对上述第一障碍物特征信息包括的上述第一障碍物类型信息、上述第一障碍物距离、上述第一障碍物相对速度和上述第一障碍物方位角分别与上述第二障碍物特征信息集中对应的第二障碍物特征信息包括的上述第二障碍物类型信息、上述第二障碍物距离、上述第二障碍物相对速度和上述第二障碍物方位角进行匹配处理,得到关键障碍物特征信息。其中,上述匹配处理具体可以包括以下步骤:
第一子步骤,若上述第一障碍物类型信息与上述第二障碍物类型信息相同,则可以选取上述第二障碍物类型信息作为目标障碍物类型信息;若二者不相同,上述目标障碍物特征信息为空。其中,可以通过字符串匹配算法确定上述第一障碍物类型信息与上述第二障碍物类型信息相同,选取上述第二障碍物类型信息作为目标障碍物类型信息。
第二子步骤,若上述第一障碍物距离与上述第二障碍物距离相等,则可以选取上述第二障碍物距离作为目标障碍物距离。其中,可以通过确定上述第一纵向距离值与上述第二纵向距离值相等、上述第一横向距离值与上述第二横向距离值相等,从而确定上述第一障碍物距离与上述第二障碍物距离相等。
第三子步骤,若上述第一障碍物相对速度与上述第二障碍物相对速度相等,则可以选取上述第二障碍物相对速度作为目标障碍物相对速度。其中,可以通过确定上述第一纵向相对速度值与上述第二纵向相对速度值相等、上述第一横向相对速度值与上述第二横向相对速度值相等,从而确定上述第一障碍物相对速度与上述第二障碍物相对速度相等。
第四子步骤,若上述第一障碍物方位角与上述第二障碍物方位角相同相等,则可以选取上述第二障碍物方位角作为目标障碍物方位角。
第五子步骤,将上述目标障碍物类型信息、上述目标障碍物距离、上述目标障碍物相对速度、上述目标障碍物方位角看作元组元素,得到目标障碍物特征信息。
步骤307,响应于确定通行区域信息满足预设的通行区域条件,生成可通行区域标识。
在一些实施例中,上述执行主体可以响应于确定通行区域信息满足预设的通行区域条件,生成可通行区域标识。其中,上述关键道路特征信息可以包括:通行区域信息。通行区域信息可以是限时行驶区域信息,可以包括可行驶区域、限时行驶区域和不可行驶区域。预设的通行区域条件可以是可行驶区域。可以通过确定通行区域信息满足预设的通行区域条件,生成可通行区域标识。可通行区域标识可以是0、1或2。例如,0代表可行驶区域、1代表限时行驶区域和2代表不可行驶区域。
步骤308,基于可通行区域标识、关键道路特征信息和关键障碍物特征信息集,生成车辆通行信息。
在一些实施例中,上述执行主体可以基于可通行区域标识、关键道路特征信息和关键障碍物特征信息集,生成车辆通行信息。其中,可以通过A*路径规划算法,从上述可通行区域标识、上述关键道路特征信息和上述关键障碍物特征信息集生成车辆通行信息。
在另一些实施例中,其中,上述关键道路特征信息包括:限时通行时间;以及上述执行主体可以基于上述关键道路特征信息和上述关键障碍物特征信息集,生成车辆通行信息,包括:
响应于确定当前时间与上述限时通行时间相匹配,基于上述关键道路特征信息和上述关键障碍物特征信息集,生成车辆通行信息。其中,限时通行时间可以是道路标识上的限制通行时间区间。当前时间可以是车辆中控系统显示的时间。可以通过当前时间处于上述限时通行时间区间来确定当前时间与限时通行时间相匹配,基于上述关键道路特征信息和上述关键障碍物特征信息集,生成车辆通行信息。其中,可以通过Lattice Planner规划算法,对上述关键道路特征信息和上述关键障碍物特征信息集进行融合,生成车辆通行信息。
从图3中可以看出,与图2对应的一些实施例的描述相比,图3对应的一些实施例中的车辆通行信息生成方法的流程300体现了车辆通行信息生成的步骤。由此,这些实施例描述的方案可以引入更多的生成车辆通行信息的影响因素,从而提高了车辆通行信息的准确度。其中,流程306充分考虑了各设备对应的障碍物特征信息的一致性,障碍物特征信息得以完备。
进一步参考图4,作为对上述各图所示方法的实现,本公开提供了一种车辆通行信息生成装置的一些实施例,这些装置实施例与图2所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,一些实施例的障碍物信息生成装置400包括:获取单元401、识别单元402、特征提取单元403、第一生成单元404、第二生成单元405和生成以及发送单元406。其中,获取单元401,被配置成获取当前道路图像和当前行驶区域的点云数据;识别单元402,被配置成对上述当前道路图像进行识别,得到第一道路特征信息和第一障碍物特征信息集;特征提取单元403,被配置成对上述当前行驶区域的点云数据进行特征提取,得到第二道路特征信息和第二障碍物特征信息集;第一生成单元404,被配置成基于上述第一道路特征信息和上述第二道路特征信息,生成关键道路特征信息集;第二生成单元405,被配置成对基于上述第一障碍物特征信息集和上述第二障碍物特征信息集,生成关键障碍物特征信息集;生成以及发送单元406,被配置成基于上述关键道路特征信息和上述关键障碍物特征信息集,生成车辆通行信息,以及将上述车辆通行信息发送至车辆控制单元以进行车辆控制。
可以理解的是,该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元,在此不再赘述。
进一步参考图5,其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)500的结构示意图。图5示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取当前道路图像和当前行驶区域的点云数据;对上述当前道路图像进行图像识别,得到第一道路特征信息和第一障碍物特征信息集;对上述当前行驶区域的点云数据进行特征提取,得到第二道路特征信息和第二障碍物特征信息集;基于上述第一道路特征信息和上述第二道路特征信息,生成关键道路特征信息;基于上述第一障碍物特征信息集和上述第二障碍物特征信息集,生成关键障碍物特征信息集;基于上述关键道路特征信息和上述关键障碍物特征信息集,生成车辆通行信息,以及将上述车辆通行信息发送至车辆控制单元以进行车辆控制。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、识别单元、特征提取单元、第一生成单元、第二生成单元和生成以及发送单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取当前道路图像和当前行驶区域的点云数据的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种车辆通行信息生成方法,包括:
获取当前道路图像和当前行驶区域的点云数据;
对所述当前道路图像进行图像识别,得到第一道路特征信息和第一障碍物特征信息集;
对所述当前行驶区域的点云数据进行特征提取,得到第二道路特征信息和第二障碍物特征信息集;
基于所述第一道路特征信息和所述第二道路特征信息,生成关键道路特征信息;
基于所述第一障碍物特征信息集和所述第二障碍物特征信息集,生成关键障碍物特征信息集;
基于所述关键道路特征信息和所述关键障碍物特征信息集,生成车辆通行信息,以及将所述车辆通行信息发送至车辆控制单元以进行车辆控制。
2.根据权利要求1所述的方法,其中,所述对所述当前道路图像进行图像识别,得到第一道路特征信息和第一障碍物特征信息集,包括:
对所述当前道路图像进行图像识别,生成所述第一道路特征信息,其中,所述第一道路特征信息包括:第一道路边缘曲线、第一车道宽度值、第一横向距离值、第一道路标识;
对所述当前道路图像进行图像识别,生成所述第一障碍物特征信息集,其中,所述第一障碍物特征信息集中的每个第一障碍物特征信息包括:第一障碍物类型信息、第一障碍物距离、第一障碍物相对速度和第一障碍物方位角。
3.根据权利要求2所述的方法,其中,所述对所述当前行驶区域的点云数据进行特征提取,得到第二道路特征信息和第二障碍物特征信息集,包括:
对所述当前行驶区域的点云数据进行特征提取,生成所述第二道路特征信息,其中,所述第二道路特征信息包括:第二道路边缘曲线、第二车道宽度值、第二横向距离值、第二道路标识;
对所述当前行驶区域的点云数据进行特征提取,生成所述第二障碍物特征信息集,其中,所述第二障碍物特征信息集中的每个第二障碍物特征信息包括:第二障碍物类型信息、第二障碍物距离、第二障碍物相对速度和第二障碍物方位角。
4.根据权利要求3所述的方法,其中,所述基于所述第一道路特征信息和所述第二道路特征信息,生成关键道路特征信息,包括:
对所述第一道路特征信息包括的所述第一道路边缘曲线、所述第一车道宽度值、所述第一横向距离值、所述第一道路标识分别与所述第二道路特征信息包括的所述第二道路边缘曲线、所述第二车道宽度值、所述第二横向距离值和所述第二道路标识进行匹配处理,得到所述关键道路特征信息。
5.根据权利要求1所述的方法,其中,所述关键道路特征信息包括:通行区域信息;以及
所述基于所述关键道路特征信息和所述关键障碍物特征信息集,生成车辆通行信息,包括:
响应于确定所述通行区域信息满足预设的通行区域条件,生成可通行区域标识;
基于所述可通行区域标识、所述关键道路特征信息和所述关键障碍物特征信息集,生成所述车辆通行信息。
6.根据权利要求1所述的方法,其中,所述关键道路特征信息包括:限时通行时间;以及
所述基于所述关键道路特征信息和所述关键障碍物特征信息集,生成车辆通行信息,包括:
响应于确定当前时间与所述限时通行时间相匹配,基于所述关键道路特征信息和所述关键障碍物特征信息集,生成所述车辆通行信息。
7.根据权利要求1所述的方法,其中,所述关键障碍物特征信息集中的关键障碍物特征信息包括:障碍物距离和障碍物相对速度;以及
所述基于所述关键道路特征信息和所述关键障碍物特征信息集,生成车辆通行信息,包括:
响应于确定所述障碍物距离和所述障碍物相对速度满足预设的距离速度关系,基于所述道路特征信息和所述障碍物特征信息集,生成所述车辆通行信息。
8.一种车辆通行信息生成的装置,包括:
获取单元,被配置成获取当前道路图像和当前行驶区域的点云数据;
识别单元,被配置成对所述当前道路图像进行图像识别,得到第一道路特征信息和第一障碍物特征信息集;
特征提取单元,被配置成对所述当前行驶区域的点云数据进行特征提取,得到第二道路特征信息和第二障碍物特征信息集;
第一生成单元,被配置成基于所述第一道路特征信息和所述第二道路特征信息,生成关键道路特征信息;
第二生成单元,被配置成基于所述第一障碍物特征信息集和所述第二障碍物特征信息集,生成关键障碍物特征信息集;
生成和发送单元,被配置成基于所述关键道路特征信息和所述关键障碍物特征信息集,生成车辆通行信息,以及将所述车辆通行信息发送至车辆控制单元以进行车辆控制。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210559347.4A CN114724116B (zh) | 2022-05-23 | 2022-05-23 | 车辆通行信息生成方法、装置、设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210559347.4A CN114724116B (zh) | 2022-05-23 | 2022-05-23 | 车辆通行信息生成方法、装置、设备和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114724116A true CN114724116A (zh) | 2022-07-08 |
CN114724116B CN114724116B (zh) | 2022-09-27 |
Family
ID=82231954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210559347.4A Active CN114724116B (zh) | 2022-05-23 | 2022-05-23 | 车辆通行信息生成方法、装置、设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114724116B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115240157A (zh) * | 2022-08-05 | 2022-10-25 | 禾多科技(北京)有限公司 | 道路场景数据持久化方法、装置、设备和计算机可读介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108628320A (zh) * | 2018-07-04 | 2018-10-09 | 广东猪兼强互联网科技有限公司 | 一种智能汽车无人驾驶系统 |
US20210276589A1 (en) * | 2019-01-15 | 2021-09-09 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method, apparatus, device and computer storage medium for vehicle control |
CN113568002A (zh) * | 2021-06-24 | 2021-10-29 | 中车南京浦镇车辆有限公司 | 基于激光和图像数据融合的轨道交通主动障碍物检测装置 |
CN113985405A (zh) * | 2021-09-16 | 2022-01-28 | 森思泰克河北科技有限公司 | 障碍物检测方法、应用于车辆的障碍物检测设备 |
CN113989766A (zh) * | 2021-09-16 | 2022-01-28 | 森思泰克河北科技有限公司 | 道路边缘检测方法、应用于车辆的道路边缘检测设备 |
-
2022
- 2022-05-23 CN CN202210559347.4A patent/CN114724116B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108628320A (zh) * | 2018-07-04 | 2018-10-09 | 广东猪兼强互联网科技有限公司 | 一种智能汽车无人驾驶系统 |
US20210276589A1 (en) * | 2019-01-15 | 2021-09-09 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method, apparatus, device and computer storage medium for vehicle control |
CN113568002A (zh) * | 2021-06-24 | 2021-10-29 | 中车南京浦镇车辆有限公司 | 基于激光和图像数据融合的轨道交通主动障碍物检测装置 |
CN113985405A (zh) * | 2021-09-16 | 2022-01-28 | 森思泰克河北科技有限公司 | 障碍物检测方法、应用于车辆的障碍物检测设备 |
CN113989766A (zh) * | 2021-09-16 | 2022-01-28 | 森思泰克河北科技有限公司 | 道路边缘检测方法、应用于车辆的道路边缘检测设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115240157A (zh) * | 2022-08-05 | 2022-10-25 | 禾多科技(北京)有限公司 | 道路场景数据持久化方法、装置、设备和计算机可读介质 |
CN115240157B (zh) * | 2022-08-05 | 2023-07-18 | 禾多科技(北京)有限公司 | 道路场景数据持久化方法、装置、设备和计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114724116B (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109212530B (zh) | 用于确定障碍物速度的方法和装置 | |
US20210124054A1 (en) | Method and apparatus for detecting obstacle | |
CN109212532B (zh) | 用于检测障碍物的方法和装置 | |
CN112598762B (zh) | 三维车道线信息生成方法、装置、电子设备和介质 | |
CN114742958B (zh) | 三维车道信息生成方法、装置、设备和计算机可读介质 | |
CN107941226B (zh) | 用于生成车辆的方向引导线的方法和装置 | |
CN115326099B (zh) | 局部路径规划方法、装置、电子设备和计算机可读介质 | |
CN115540894B (zh) | 车辆轨迹规划方法、装置、电子设备和计算机可读介质 | |
CN115540896A (zh) | 路径规划方法、装置、电子设备和计算机可读介质 | |
CN115339453B (zh) | 车辆换道决策信息生成方法、装置、设备和计算机介质 | |
CN115761702B (zh) | 车辆轨迹生成方法、装置、电子设备和计算机可读介质 | |
CN114993328B (zh) | 车辆定位评估方法、装置、设备和计算机可读介质 | |
CN115817463A (zh) | 车辆避障方法、装置、电子设备和计算机可读介质 | |
CN114724116B (zh) | 车辆通行信息生成方法、装置、设备和计算机可读介质 | |
CN114018269B (zh) | 定位方法、装置、电子设备、存储介质以及自动驾驶车辆 | |
CN112232451B (zh) | 多传感器数据融合方法、装置、电子设备和介质 | |
CN112578781A (zh) | 数据处理方法、装置、芯片系统及介质 | |
CN114724115B (zh) | 障碍物定位信息生成方法、装置、设备和计算机可读介质 | |
CN111561946A (zh) | 用于访客车辆的导航方法、装置、系统、介质及电子设备 | |
CN115937449A (zh) | 高精地图生成方法、装置、电子设备和存储介质 | |
CN113688721A (zh) | 用于拟合车道线的方法及装置 | |
CN109859254B (zh) | 自动驾驶中用于发送信息的方法和装置 | |
CN115848358B (zh) | 车辆泊车方法、装置、电子设备和计算机可读介质 | |
CN117191068B (zh) | 模型训练方法和装置、轨迹预测方法和装置 | |
CN115616560B (zh) | 车辆避障方法、装置、电子设备和计算机可读介质 |
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 | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address |
Address after: 201, 202, 301, No. 56-4 Fenghuang South Road, Huadu District, Guangzhou City, Guangdong Province, 510806 Patentee after: Heduo Technology (Guangzhou) Co.,Ltd. Address before: 100099 101-15, 3rd floor, building 9, yard 55, zique Road, Haidian District, Beijing Patentee before: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd. |
|
CP03 | Change of name, title or address |