CN114872712B - 静态车辆检测方法、装置、设备、车辆及存储介质 - Google Patents
静态车辆检测方法、装置、设备、车辆及存储介质 Download PDFInfo
- Publication number
- CN114872712B CN114872712B CN202210747031.8A CN202210747031A CN114872712B CN 114872712 B CN114872712 B CN 114872712B CN 202210747031 A CN202210747031 A CN 202210747031A CN 114872712 B CN114872712 B CN 114872712B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- static
- information
- target
- reference object
- 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
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/20—Static objects
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Radar Systems Or Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开是关于一种静态车辆检测方法、装置、设备、车辆及存储介质,其中,该方法包括:获取本车车辆之上图像采集单元采集的图像数据和毫米波雷达采集的雷达数据;根据图像数据和雷达数据进行场景解析,以得到静态场景信息;静态场景信息中至少包括静态参照物信息和多个车辆局部部件信息,多个车辆局部部件来源于至少一个不同疑似静态车辆的多个部件;根据静态参照物信息和多个车辆局部部件信息,并结合雷达数据以检测本车车辆行驶道路的路旁或前方是否存在静态车辆。通过本公开的技术方案,可以弥补视觉检测对弱纹理识别准确率较低的缺陷,提高对静止车辆的识别率。
Description
技术领域
本公开涉及自动驾驶技术领域,尤其涉及一种静态车辆检测方法、装置、设备、车辆及存储介质。
背景技术
相关技术中,基于视觉传感器的目标检测不能获得目标的距离信息,需要使用毫米波雷达对目标的距离进行检测,因此需要通过不同传感器数据的融合来识别目标以及距离检测。由于明亮的室外场景中大量存在的白色属于弱纹理,而大面积的白色对基于视觉的物体特征识别有很大干扰。例如,当白天道路上存在静止或速度较慢的白色大卡车时,传统的车辆检测技术就难以准确识别上述车辆。
发明内容
为克服相关技术中存在的问题,本公开提供一种静态车辆检测方法、装置、设备、车辆及存储介质。
根据本公开实施例的第一方面,提供一种静态车辆检测方法,包括:获取本车车辆之上图像采集单元采集的图像数据和毫米波雷达采集的雷达数据;根据所述图像数据和所述雷达数据进行场景解析,以得到静态场景信息;所述静态场景信息中至少包括静态参照物信息和多个车辆局部部件信息,所述多个车辆局部部件来源于至少一个不同疑似静态车辆的多个部件;根据所述静态参照物信息和所述多个车辆局部部件信息,并结合所述雷达数据以检测所述本车车辆行驶道路的路旁或前方是否存在静态车辆。
在一种实现方式中,所述根据所述图像数据和所述雷达数据进行场景解析,以得到静态场景信息,包括:对所述图像数据进行车辆目标和静态参照物目标检测,并结合所述雷达数据之中毫米波测速结果对所述图像数据进行关系图谱解析,以获得所述场景中各目标的动静状态数据;从所述场景中各目标的动静状态数据中,确定出所述静态场景信息。
在一种可选地实现方式中,所述对所述图像数据进行车辆目标和静态参照物目标检测,并结合所述雷达数据之中毫米波测速结果对所述图像数据进行关系图谱解析,以获得所述场景中各目标的动静状态数据,包括:对所述图像数据进行车辆目标和静态参照物目标检测,以获得所述场景中的车辆目标和静态参照物目标;根据所述场景中的车辆目标、静态参照物目标以及所述雷达数据之中毫米波测速结果,确定所述车辆目标的速度信息和静态参照物目标的速度信息;基于细粒度检测方式对所述图像数据进行关系图谱解析,以得到所述场景中多个车辆局部部件的部件信息;根据所述多个车辆局部部件的部件信息和所述雷达数据之中毫米波测速结果,确定与所述多个车辆局部部件对应的车辆目标的速度信息;根据所述车辆目标的速度信息、静态参照物目标的速度信息、以及与所述多个车辆局部部件对应的车辆目标的速度信息,确定所述场景中各目标的动静状态数据。
在一种实现方式中,所述根据所述静态参照物信息和所述多个车辆局部部件信息,并结合所述雷达数据以检测所述本车车辆行驶道路的路旁或前方是否存在静态车辆,包括:将所述雷达数据之中的动态数据进行删除,以得到第一雷达数据;将所述第一雷达数据、所述静态参照物信息和所述多个车辆局部部件信息进行融合处理,以检测所述本车车辆行驶道路的路旁或前方是否存在静态车辆。
在一种可选地实现方式中,所述将所述第一雷达数据、所述静态参照物信息和所述多个车辆局部部件信息进行融合处理,以检测所述本车车辆行驶道路的路旁或前方是否存在静态车辆,包括:根据所述第一雷达数据和所述静态参照物信息,确定所述静态参照物在场景环境中的位置信息;根据所述第一雷达数据和所述多个车辆局部部件信息,确定所述多个车辆局部部件在所述场景环境中的位置信息;根据所述静态参照物在场景环境中的位置信息和所述多个车辆局部部件在所述场景环境中的位置信息,确定所述多个车辆局部部件相对于所述静态参照物的位置是否不变;响应于所述多个车辆局部部件相对于所述静态参照物的位置不变,确定所述本车车辆行驶道路的路旁或前方存在静态车辆。
在一种实现方式中,所述的方法还包括:从所述图像数据中,获取所述多个车辆局部部件信息对应的图像区域;根据所述雷达数据确定所述静态车辆与所述本车车辆之间的第一距离;基于预设的距离与车辆尺寸大小间的映射关系,确定与所述第一距离对应的目标车辆尺寸大小;根据所述目标车辆尺寸大小,在所述图像区域中确定出所述静态车辆的轮廓。
根据本公开实施例的第二方面,提供一种静态车辆检测装置,包括:第一获取模块,用于获取本车车辆之上图像采集单元采集的图像数据和毫米波雷达采集的雷达数据;解析模块,用于根据所述图像数据和所述雷达数据进行场景解析,以得到静态场景信息;所述静态场景信息中至少包括静态参照物信息和多个车辆局部部件信息,所述多个车辆局部部件来源于至少一个不同疑似静态车辆的多个部件;检测模块,用于根据所述静态参照物信息和所述多个车辆局部部件信息,并结合所述雷达数据以检测所述本车车辆行驶道路的路旁或前方是否存在静态车辆。
在一种实现方式中,所述解析模块具体用于:对所述图像数据进行车辆目标和静态参照物目标检测,并结合所述雷达数据之中毫米波测速结果对所述图像数据进行关系图谱解析,以获得所述场景中各目标的动静状态数据;从所述场景中各目标的动静状态数据中,确定出所述静态场景信息。
在一种可选地实现方式中,所述解析模块具体用于:对所述图像数据进行车辆目标和静态参照物目标检测,以获得所述场景中的车辆目标和静态参照物目标;根据所述场景中的车辆目标、静态参照物目标以及所述雷达数据之中毫米波测速结果,确定所述车辆目标的速度信息和静态参照物目标的速度信息;基于细粒度检测方式对所述图像数据进行关系图谱解析,以得到所述场景中多个车辆局部部件的部件信息;根据所述多个车辆局部部件的部件信息和所述雷达数据之中毫米波测速结果,确定与所述多个车辆局部部件对应的车辆目标的速度信息;根据所述车辆目标的速度信息、静态参照物目标的速度信息、以及与所述多个车辆局部部件对应的车辆目标的速度信息,确定所述场景中各目标的动静状态数据。
在一种实现方式中,所述检测模块具体用于:将所述雷达数据之中的动态数据进行删除,以得到第一雷达数据;将所述第一雷达数据、所述静态参照物信息和所述多个车辆局部部件信息进行融合处理,以检测所述本车车辆行驶道路的路旁或前方是否存在静态车辆。
在一种可选地实现方式中,所述检测模块具体用于:根据所述第一雷达数据和所述静态参照物信息,确定所述静态参照物在场景环境中的位置信息;根据所述第一雷达数据和所述多个车辆局部部件信息,确定所述多个车辆局部部件在所述场景环境中的位置信息;根据所述静态参照物在场景环境中的位置信息和所述多个车辆局部部件在所述场景环境中的位置信息,确定所述多个车辆局部部件相对于所述静态参照物的位置是否不变;响应于所述多个车辆局部部件相对于所述静态参照物的位置不变,确定所述本车车辆行驶道路的路旁或前方存在静态车辆。
在一种实现方式中,所述的装置还包括第二获取模块,用于从所述图像数据中,获取所述多个车辆局部部件信息对应的图像区域;第一确定模块,用于根据所述雷达数据确定所述静态车辆与所述本车车辆之间的第一距离;第二确定模块,用于基于预设的距离与车辆尺寸大小间的映射关系,确定与所述第一距离对应的目标车辆尺寸大小;第三确定模块,用于根据所述目标车辆尺寸大小,在所述图像区域中确定出所述静态车辆的轮廓。
根据本公开实施例的第三方面,提供一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如前述第一方面所述的方法。
根据本公开实施例的第四方面,提供一种车辆,包括:图像采集单元;毫米波雷达;如前述第三方面所述的电子设备。
根据本公开实施例的第五方面,提供一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行如前述第一方面所述的方法。
本公开的实施例提供的技术方案可以包括以下有益效果:通过对图像数据和雷达数据等多种传感器采集的数据进行场景解析得到静态场景信息,并结合雷达数据实现对静态车辆的检测,弥补视觉检测对弱纹理识别准确率较低的缺陷,提高对静止车辆的识别率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种静态车辆检测方法的流程图。
图2是根据一示例性实施例示出的另一种静态车辆检测方法的流程图。
图3是根据一示例性实施例示出的又一种静态车辆检测方法的流程图。
图4是根据一示例性实施例示出的又一种静态车辆检测方法的流程图。
图5是根据一示例性实施例示出的一种静态车辆检测的流程示意图。
图6是根据一示例性实施例示出的一种静态车辆检测装置的框图。
图7是根据一示例性实施例示出的一种静态车辆检测装置的框图。
图8是根据一示例性实施例示出的一种电子设备的框图。
图9是根据一示例性实施例示出的一种车辆的示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种静态车辆检测方法的流程图,如图1所示,该静态车辆检测方法可以包括但不限于以下步骤:
步骤S101,获取本车车辆之上图像采集单元采集的图像数据和毫米波雷达采集的雷达数据。
其中,该图像采集单元可以是本车车辆上的摄像头。
步骤S102,根据图像数据和雷达数据进行场景解析,以得到静态场景信息。
其中,在本公开的实施例中,静态场景信息中至少包括静态参照物信息和多个车辆局部部件信息,多个车辆局部部件来源于至少一个不同疑似静态车辆的多个部件。
举例而言,对获取的图像数据进行场景解析,以识别得到图像数据中多个目标物体,并基于图像数据和雷达数据综合判断每个不同目标物体的速度信息,从而得到当前场景中存在的静态参照物(例如,树木、路杆、路沿和建筑物等)信息,并得到来源于至少一个不同疑似静态车辆的多个车辆局部部件(例如,车辆的轮胎和车牌等部件)信息。
步骤S103,根据静态参照物信息和多个车辆局部部件信息,并结合雷达数据以检测本车车辆行驶道路的路旁或前方是否存在静态车辆。
举例而言,根据静态参照物信息和多个车辆局部部件信息,确定车辆局部部件与静态参照物之间的是否相对静止,并结合上述多个车辆局部部件的雷达测速数据,综合判断上述多个车辆局部部件是否处于静止状态,从而判断多个车辆局部部件对应的一个或多个车辆是否处于静止状态,从而检测本车车辆行驶道路的路旁或前方是否存在静态车辆。
通过实施本公开实施例,可以对图像数据和雷达数据等多种传感器采集的数据进行场景解析得到静态场景信息,从而实现对静态车辆的检测,弥补视觉检测对弱纹理识别准确率较低的缺陷,提高对静止车辆的识别率。
可以理解的是,当检测到车辆局部部件时,上述局部部件对应的车辆也可能不存在,比如该车辆距离本车车辆的距离过近,导致本车车辆上的图像采集单元不能拍摄到该车辆的全部,即该车辆的车身超过了本车车辆上的图像采集单元的视角范围;又如,该车辆的车身属于弱纹理颜色(比如白色),但由于车牌、轮胎或其他部件均为非弱纹理颜色,所以本车车辆可以检测到该车辆的局部部件(如车牌、轮胎等其他部件)。即在实际场景中可能只存在若干互相独立的局部部件,但上述局部部件仍可能会对行车安全造成威胁。本公开的技术方案仍能够对上述局部部件进行准确的检测,从而使本车车辆有效规避上述局部部件所在区域,保证行车安全。
在本公开实施例的一种实现方式中,可以结合雷达数据对图像数据进行关系图谱解析,以确定出静态场景信息。作为一种示例,请参见图2,根据图2是根据一示例性实施例示出的另一种静态车辆检测方法的流程图,如图2所示,该静态车辆检测方法可以包括但不限于以下步骤:
步骤S201,获取本车车辆之上图像采集单元采集的图像数据和毫米波雷达采集的雷达数据。
步骤S202,对图像数据进行车辆目标和静态参照物目标检测,并结合雷达数据之中毫米波测速结果对图像数据进行关系图谱解析,以获得场景中各目标的动静状态数据。
举例而言,对图像数据进行目标检测,以获取该图像数据中的车辆目标和静态参照物,并结合毫米波雷达的波测速结果,对图像数据进行关系图谱解析,以获得当前场景中的车辆目标和静态参照物目标的动静状态数据。
在一种可选地实现方式中,上述对图像数据进行车辆目标和静态参照物目标检测,并结合雷达数据之中毫米波测速结果对图像数据进行关系图谱解析,以获得场景中各目标的动静状态数据,可以包括以下步骤:对图像数据进行车辆目标和静态参照物目标检测,以获得场景中的车辆目标和静态参照物目标;根据场景中的车辆目标、静态参照物目标以及雷达数据之中毫米波测速结果,确定车辆目标的速度信息和静态参照物目标的速度信息;基于细粒度检测方式对图像数据进行关系图谱解析,以得到场景中多个车辆局部部件的部件信息;根据多个车辆局部部件的部件信息和雷达数据之中毫米波测速结果,确定与多个车辆局部部件对应的车辆目标的速度信息;根据车辆目标的速度信息、静态参照物目标的速度信息、以及与多个车辆局部部件对应的车辆目标的速度信息,确定场景中各目标的动静状态数据。
举例而言,对图像数据进行目标检测,以获取该图像数据中可以直接识别出的车辆目标和静态参照物目标,根据场景中的车辆目标和静态参照物目标对应的雷达数据中的毫米波雷达的测速结果,确定上述车辆目标的速度信息和每个静态参照物目标的速度信息;基于细粒度检测方式对图像数据进行关系图谱解析,以得到该图像数据对应的场景中包含的多个车辆局部部件的部件信息;根据上述多个车辆局部部件的部件信息,以及每个车辆局部部件对应的雷达数据之中毫米波雷达的测速结果,确定每个车辆局部部件对应的车辆目标的速度信息;根据直接识别出的车辆目标的速度信息、静态参照物目标的速度信息、以及与多个车辆局部部件对应的车辆目标的速度信息,确定场景中上述各个目标的动静状态数据。
步骤S203,从场景中各目标的动静状态数据中,确定出静态场景信息。
举例而言,从场景中各目标的动静状态数据中,选出处于静态状态的目标信息,从而确定出静态场景信息。
步骤S204,根据静态参照物信息和多个车辆局部部件信息,并结合雷达数据以检测本车车辆行驶道路的路旁或前方是否存在静态车辆。
在本公开的实施例中,步骤S204可以分别采用本公开的各实施例中的任一种方式实现,本公开实施例并不对此作出限定,也不再赘述。
通过实施本公开实施例,可以对图像数据进行车辆目标和静态参照物目标检测,并结合雷达数据之中毫米波测速结果对图像数据进行关系图谱解析,以获得场景中各目标的动静状态数据,并基于该静态参照物信息和多个车辆局部部件信息,结合雷达数据检测本车车辆行驶道路的路旁或前方是否存在静态车辆,弥补视觉检测对弱纹理识别准确率较低的缺陷,提高对静止车辆的识别率。
在本公开实施例的一种实现方式中,可将处理后的雷达数据、静态参照物信息和多个车辆局部部件信息进行融合处理,以检测本车车辆行驶道路的路旁或前方是否存在静态车辆。作为一种示例,请参见图3,图3是根据一示例性实施例示出的又一种静态车辆检测方法的流程图,如图3所示,该静态车辆检测方法可以包括但不限于以下步骤:
步骤S301,获取本车车辆之上图像采集单元采集的图像数据和毫米波雷达采集的雷达数据。
步骤S302,根据图像数据和雷达数据进行场景解析,以得到静态场景信息。
在本公开的实施例中,步骤S302可以分别采用本公开的各实施例中的任一种方式实现,本公开实施例并不对此作出限定,也不再赘述。
步骤S303,将雷达数据之中的动态数据进行删除,以得到第一雷达数据。
举例而言,将雷达数据中速度大于或等于预设阈值(例如,5千米/时)的雷达测速数据及对应的雷达测距数据删除,得到第一雷达数据。
步骤S304,将第一雷达数据、静态参照物信息和多个车辆局部部件信息进行融合处理,以检测本车车辆行驶道路的路旁或前方是否存在静态车辆。
举例而言,基于静态参照物信息和多个车辆局部部件信息,判断静态参照物和多个车辆局部部件之间的相对位置变化情况,并结合多个车辆局部部件对应的第一雷达数据中的速度数据和距离数据,综合判断各个车辆局部部件所处具体位置为本车车辆行驶道路的路旁或前方,并判断各个车辆局部部件是否静止,从而检测判断各个车辆局部部件对应的车辆的位置及上述车辆是否静止,以检测本车车辆行驶道路的路旁或前方是否存在静态车辆。
在一种可选地实现方式中,上述将第一雷达数据、静态参照物信息和多个车辆局部部件信息进行融合处理,以检测本车车辆行驶道路的路旁或前方是否存在静态车辆,可以包括以下步骤:根据第一雷达数据和静态参照物信息,确定静态参照物在场景环境中的位置信息;根据第一雷达数据和多个车辆局部部件信息,确定多个车辆局部部件在场景环境中的位置信息;根据静态参照物在场景环境中的位置信息和多个车辆局部部件在场景环境中的位置信息,确定多个车辆局部部件相对于静态参照物的位置是否不变;响应于多个车辆局部部件相对于静态参照物的位置不变,确定本车车辆行驶道路的路旁或前方存在静态车辆。
作为一种示例,根据第一雷达数据和静态参照物信息,对静态参照物进行定位,以确定静态参照物在当前场景环境中的位置信息;根据第一雷达数据和多个车辆局部部件信息,分别对多个车辆局部部件进行定位,确定多个车辆局部部件在当前场景环境中的位置处于本车车辆行驶道路的路旁;根据预设个数(例如,50个)的连续图像帧内静态参照物在场景环境中的多个位置信息,和对应的多个车辆局部部件在场景环境中的多个位置信息,确定在上述连续图像帧内,多个车辆局部部件的位置相对于静态参照物的位置是否不变;响应于上述连续图像帧内多个车辆局部部件相对于静态参照物的位置不变,则确定本车车辆行驶道路的路旁存在静态车辆。
作为另一种示例,根据第一雷达数据和静态参照物信息,对静态参照物进行定位,以确定静态参照物在当前场景环境中的位置信息;根据第一雷达数据和多个车辆局部部件信息,分别对多个车辆局部部件进行定位,确定多个车辆局部部件在当前场景环境中的位置处于本车车辆行驶道路的前方;根据预设个数的连续图像帧内静态参照物在场景环境中的多个位置信息,和对应的多个车辆局部部件在场景环境中的多个位置信息,确定在上述连续图像帧内,多个车辆局部部件的位置相对于静态参照物的位置是否不变;响应于上述连续图像帧内多个车辆局部部件相对于静态参照物的位置不变,则确定本车车辆行驶道路的前方存在静态车辆。
通过实施本公开实施例,可以对雷达数据进行处理,将处理后的雷达数据、静态参照物信息和多个车辆局部部件信息进行融合处理,以检测本车车辆行驶道路的路旁或前方是否存在静态车辆,从而实现对静态车辆的检测,弥补视觉检测对弱纹理识别准确率较低的缺陷,提高对静止车辆的识别率。
在本公开实施例的一种实现方式中,当检测本车车辆行驶道路的路旁或前方存在静态车辆时,可根据静态车辆与本车车辆之间的第一距离和预设的距离与车辆尺寸大小间的映射关系,在图像区域中确定出静态车辆的轮廓。作为一种示例,请参见图4,图4是根据一示例性实施例示出的又一种静态车辆检测方法的流程图,如图4所示,该静态车辆检测方法可以包括但不限于以下步骤:
步骤S401,获取本车车辆之上图像采集单元采集的图像数据和毫米波雷达采集的雷达数据。
步骤S402,根据图像数据和雷达数据进行场景解析,以得到静态场景信息。
在本公开的实施例中,步骤S402可以分别采用本公开的各实施例中的任一种方式实现,本公开实施例并不对此作出限定,也不再赘述。
步骤S403,根据静态参照物信息和多个车辆局部部件信息,并结合雷达数据以检测本车车辆行驶道路的路旁或前方是否存在静态车辆。
在本公开的实施例中,步骤S403可以分别采用本公开的各实施例中的任一种方式实现,本公开实施例并不对此作出限定,也不再赘述。
步骤S404,从图像数据中,获取多个车辆局部部件信息对应的图像区域。
举例而言,从图像数据中,获取多个车辆局部部件在上述图像数据中所在的图像区域。
步骤S405,根据雷达数据确定静态车辆与本车车辆之间的第一距离。
举例而言,根据雷达数据中的对静态车辆的测距数据,确定上述静态车辆与本车车辆之间的第一距离。
步骤S406,基于预设的距离与车辆尺寸大小间的映射关系,确定与第一距离对应的目标车辆尺寸大小。
举例而言,基于预设的距离与车辆尺寸大小间的映射关系,确定与第一距离存在映射关系的车辆尺寸大小,从而确定与第一距离对应的目标车辆尺寸大小。
步骤S407,根据目标车辆尺寸大小,在图像区域中确定出静态车辆的轮廓。
举例而言,根据目标车辆实际尺寸大小,在上述目标车辆对应的多个车辆局部部件所在的图像区域中,确定出上述目标车辆对应的静态车辆的轮廓。
通过实施本公开实施例,可以根据静态车辆与本车车辆之间的第一距离和预设的距离与车辆尺寸大小间的映射关系,在图像区域中确定出静态车辆的轮廓,从而便于本车车辆对静态车辆进行规避,以保障行车安全。
请参见图5。图5是根据一示例性实施例示出的一种静态车辆检测的流程示意图。如图5所示,本公开实施例的静态车辆检测流程,可对采集到的场景图像进行目标识别,并结合毫米波雷达测得的速度数据进行场景解析,以对当前场景中的车辆进行检测,同时将上述检测结果与毫米波雷达测得的距离数据进行信息融合。同时对场景环境进行解析,以获取当前场景中的静态目标和动态目标,对上述静态目标进行识别,得到轮胎和车牌等车辆相关的目标信息,基于该目标信息和信息融合得到的信息,实现对静态车辆的检测。
图6是根据一示例性实施例示出的一种静态车辆检测装置600的框图。参照图6,该装置包括第一获取模块601,解析模块602和检测模块603。
其中,获取模块601,用于获取本车车辆之上图像采集单元采集的图像数据和毫米波雷达采集的雷达数据;解析模块602,用于根据图像数据和雷达数据进行场景解析,以得到静态场景信息;静态场景信息中至少包括静态参照物信息和多个车辆局部部件信息,多个车辆局部部件来源于至少一个不同疑似静态车辆的多个部件;检测模块603,用于根据静态参照物信息和多个车辆局部部件信息,并结合雷达数据以检测本车车辆行驶道路的路旁或前方是否存在静态车辆。
在一种实现方式中,解析模块602具体用于:对图像数据进行车辆目标和静态参照物目标检测,并结合雷达数据之中毫米波测速结果对图像数据进行关系图谱解析,以获得场景中各目标的动静状态数据;从场景中各目标的动静状态数据中,确定出静态场景信息。
在一种可选地实现方式中,解析模块602具体用于:对图像数据进行车辆目标和静态参照物目标检测,以获得场景中的车辆目标和静态参照物目标;根据场景中的车辆目标、静态参照物目标以及雷达数据之中毫米波测速结果,确定车辆目标的速度信息和静态参照物目标的速度信息;基于细粒度检测方式对图像数据进行关系图谱解析,以得到场景中多个车辆局部部件的部件信息;根据多个车辆局部部件的部件信息和雷达数据之中毫米波测速结果,确定与多个车辆局部部件对应的车辆目标的速度信息;根据车辆目标的速度信息、静态参照物目标的速度信息、以及与多个车辆局部部件对应的车辆目标的速度信息,确定场景中各目标的动静状态数据。
在一种实现方式中,检测模块603具体用于:将雷达数据之中的动态数据进行删除,以得到第一雷达数据;将第一雷达数据、静态参照物信息和多个车辆局部部件信息进行融合处理,以检测本车车辆行驶道路的路旁或前方是否存在静态车辆。
在一种可选地实现方式中,检测模块603具体用于:根据第一雷达数据和静态参照物信息,确定静态参照物在场景环境中的位置信息;根据第一雷达数据和多个车辆局部部件信息,确定多个车辆局部部件在场景环境中的位置信息;根据静态参照物在场景环境中的位置信息和多个车辆局部部件在场景环境中的位置信息,确定多个车辆局部部件相对于静态参照物的位置是否不变;响应于多个车辆局部部件相对于静态参照物的位置不变,确定本车车辆行驶道路的路旁或前方存在静态车辆。
通过本公开实施例的装置,可以对图像数据和雷达数据等多种传感器采集的数据进行场景解析得到静态场景信息,并结合雷达数据实现对静态车辆的检测,弥补视觉检测对弱纹理识别准确率较低的缺陷,提高对静止车辆的识别率。
在一种实现方式中,该装置还包括:第二获取模块、第一确定模块、第二确定模块和第三确定模块。作为一种示例,请参见图7,图7是根据一示例性实施例示出的另一种静态车辆检测装置700的框图。参照图7,该装置包括第二获取模块704、第一确定模块705、第二确定模块706和第三确定模块707。
其中,第二获取模块704,用于从图像数据中,获取多个车辆局部部件信息对应的图像区域;第一确定模块705,用于根据雷达数据确定静态车辆与本车车辆之间的第一距离;第二确定模块706,用于基于预设的距离与车辆尺寸大小间的映射关系,确定与第一距离对应的目标车辆尺寸大小;第三确定模块707,用于根据目标车辆尺寸大小,在图像区域中确定出静态车辆的轮廓。其中,图7中的模块701~703与图6中的模块601~603具有相同的结构和功能。
通过本公开实施例的装置,可以根据静态车辆与本车车辆之间的第一距离和预设的距离与车辆尺寸大小间的映射关系,在图像区域中确定出静态车辆的轮廓,从而便于本车车辆对静态车辆进行规避,以保障行车安全。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
请参见图8,图8是根据一示例性实施例示出的一种电子设备800的示意图。电子设备800可以是电子设备,也可以是支持电子设备实现上述方法的芯片、芯片系统、或处理器等。该电子设备可用于实现上述方法实施例中描述的方法,具体可以参见上述方法实施例中的说明。
电子设备800可以包括一个或多个处理器801。处理器801可以是通用处理器或者专用处理器等。例如可以是基带处理器或中央处理器。基带处理器可以用于对通信协议以及通信数据进行处理,中央处理器可以用于对通信装置(如,基站、基带芯片,电子设备、电子设备芯片,DU或CU等)进行控制,执行计算机程序,处理计算机程序的数据。
可选的,电子设备800中还可以包括一个或多个存储器802,其上可以存有计算机程序804,处理器801执行所述计算机程序804,以使得电子设备800执行上述方法实施例中描述的方法。可选的,所述存储器802中还可以存储有数据。电子设备800和存储器802可以单独设置,也可以集成在一起。
可选的,电子设备800还可以包括收发器805、天线806。收发器805可以称为收发单元、收发机、或收发电路等,用于实现收发功能。收发器805可以包括接收器和发送器,接收器可以称为接收机或接收电路等,用于实现接收功能;发送器可以称为发送机或发送电路等,用于实现发送功能。
可选的,电子设备800中还可以包括一个或多个接口电路807。接口电路807用于接收代码指令并传输至处理器801。处理器801运行所述代码指令以使电子设备800执行上述方法实施例中描述的方法。
在一种实现方式中,处理器801中可以包括用于实现接收和发送功能的收发器。例如该收发器可以是收发电路,或者是接口,或者是接口电路。用于实现接收和发送功能的收发电路、接口或接口电路可以是分开的,也可以集成在一起。上述收发电路、接口或接口电路可以用于代码/数据的读写,或者,上述收发电路、接口或接口电路可以用于信号的传输或传递。
在一种实现方式中,处理器801可以存有计算机程序,计算机程序在处理器801上运行,可使得电子设备800执行上述方法实施例中描述的方法。计算机程序可能固化在处理器801中,该种情况下,处理器801可能由硬件实现。
在一种实现方式中,电子设备800可以包括电路,所述电路可以实现前述方法实施例中发送或接收或者通信的功能。本公开中描述的处理器和收发器可实现在集成电路(integrated circuit,IC)、模拟IC、射频集成电路RFIC、混合信号IC、专用集成电路(application specific integrated circuit,ASIC)、印刷电路板(printed circuitboard,PCB)、电子设备等上。该处理器和收发器也可以用各种IC工艺技术来制造,例如互补金属氧化物半导体(complementary metal oxide semiconductor,CMOS)、N型金属氧化物半导体(nMetal-oxide-semiconductor,NMOS)、P 型金属氧化物半导体(positive channelmetal oxide semiconductor,PMOS)、双极结型晶体管(bipolar junction transistor,BJT)、双极 CMOS(BiCMOS)、硅锗(SiGe)、砷化镓(GaAs)等。
以上实施例描述中的电子设备可以是网络设备或者电子设备,但本公开中描述的电子设备的范围并不限于此,而且电子设备的结构可以不受图8的限制。电子设备可以是独立的设备或者可以是较大设备的一部分。例如所述电子设备可以是:
(1)独立的集成电路IC,或芯片,或,芯片系统或子系统;
(2)具有一个或多个IC的集合,可选的,该IC集合也可以包括用于存储数据,计算机程序的存储部件;
(3)ASIC,例如调制解调器(Modem);
(4)可嵌入在其他设备内的模块;
(5)接收机、电子设备、智能电子设备、蜂窝电话、无线设备、手持机、移动单元、车载设备、网络设备、云设备、人工智能设备等等;
(6)其他等等。
本领域技术人员还可以了解到本公开实施例列出的各种说明性逻辑块(illustrative logical block)和步骤(step)可以通过电子硬件、电脑软件,或两者的结合进行实现。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本公开实施例保护的范围。
请参见图9,图9是根据一示例性实施例示出的一种车辆900的示意图,如图9所示,该车辆包括:图像采集单元901、毫米波雷达902和电子设备903。其中,电子设备903的功能和结构描述可参见如图8所示的电子设备的功能和结构描述,本公开在此不再赘述。
本公开还提供一种可读存储介质,其上存储有指令,该指令被计算机执行时实现上述任一方法实施例的功能。
本公开还提供一种计算机程序产品,该计算机程序产品被计算机执行时实现上述任一方法实施例的功能。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机程序。在计算机上加载和执行所述计算机程序时,全部或部分地产生按照本公开实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机程序可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机程序可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,高密度数字视频光盘(digital video disc,DVD))、或者半导体介质(例如,固态硬盘(solid state disk,SSD))等。
本领域普通技术人员可以理解:本公开中涉及的第一、第二等各种数字编号仅为描述方便进行的区分,并不用来限制本公开实施例的范围,也表示先后顺序。
本公开中的至少一个还可以描述为一个或多个,多个可以是两个、三个、四个或者更多个,本公开不做限制。在本公开实施例中,对于一种技术特征,通过“第一”、“第二”、“第三”、“A”、“B”、“C”和“D”等区分该种技术特征中的技术特征,该“第一”、“第二”、“第三”、“A”、“B”、“C”和“D”描述的技术特征间无先后顺序或者大小顺序。
本公开中的预定义可以理解为定义、预先定义、存储、预存储、预协商、预配置、固化、或预烧制。
本领域普通技术人员可以意识到,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、或者计算机软件和电子硬件的结合来实现。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公开的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上所述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以所述权利要求的保护范围为准。
Claims (11)
1.一种静态车辆检测方法,其特征在于,包括:
获取本车车辆之上图像采集单元采集的图像数据和毫米波雷达采集的雷达数据;
根据所述图像数据和所述雷达数据进行场景解析,以得到静态场景信息;所述静态场景信息中至少包括静态参照物信息和多个车辆局部部件信息,所述多个车辆局部部件来源于至少一个不同疑似静态车辆的多个部件;
根据所述静态参照物信息和所述多个车辆局部部件信息,确定所述车辆局部部件与所述静态参照物之间是否相对静止,并结合所述雷达数据以检测所述本车车辆行驶道路的路旁或前方是否存在静态车辆;
所述根据所述图像数据和所述雷达数据进行场景解析,以得到静态场景信息,包括:
对所述图像数据进行车辆目标和静态参照物目标检测,以获得所述场景中的车辆目标和静态参照物目标;
根据所述场景中的车辆目标、静态参照物目标以及所述雷达数据之中毫米波测速结果,确定所述车辆目标的速度信息和静态参照物目标的速度信息;
基于细粒度检测方式对所述图像数据进行关系图谱解析,以得到所述场景中多个车辆局部部件的部件信息;
根据所述多个车辆局部部件的部件信息和所述雷达数据之中毫米波测速结果,确定与所述多个车辆局部部件对应的车辆目标的速度信息;
根据所述车辆目标的速度信息、静态参照物目标的速度信息、以及与所述多个车辆局部部件对应的车辆目标的速度信息,确定所述场景中各目标的动静状态数据;
从所述场景中各目标的动静状态数据中,确定出所述静态场景信息。
2.如权利要求1所述的方法,其特征在于,所述根据所述静态参照物信息和所述多个车辆局部部件信息,并结合所述雷达数据以检测所述本车车辆行驶道路的路旁或前方是否存在静态车辆,包括:
将所述雷达数据之中的动态数据进行删除,以得到第一雷达数据;
将所述第一雷达数据、所述静态参照物信息和所述多个车辆局部部件信息进行融合处理,以检测所述本车车辆行驶道路的路旁或前方是否存在静态车辆。
3.如权利要求2所述的方法,其特征在于,所述将所述第一雷达数据、所述静态参照物信息和所述多个车辆局部部件信息进行融合处理,以检测所述本车车辆行驶道路的路旁或前方是否存在静态车辆,包括:
根据所述第一雷达数据和所述静态参照物信息,确定所述静态参照物在场景环境中的位置信息;
根据所述第一雷达数据和所述多个车辆局部部件信息,确定所述多个车辆局部部件在所述场景环境中的位置信息;
根据所述静态参照物在场景环境中的位置信息和所述多个车辆局部部件在所述场景环境中的位置信息,确定所述多个车辆局部部件相对于所述静态参照物的位置是否不变;
响应于所述多个车辆局部部件相对于所述静态参照物的位置不变,确定所述本车车辆行驶道路的路旁或前方存在静态车辆。
4.如权利要求1至3中任一项所述的方法,其特征在于,还包括:
从所述图像数据中,获取所述多个车辆局部部件信息对应的图像区域;
根据所述雷达数据确定所述静态车辆与所述本车车辆之间的第一距离;
基于预设的距离与车辆尺寸大小间的映射关系,确定与所述第一距离对应的目标车辆尺寸大小;
根据所述目标车辆尺寸大小,在所述图像区域中确定出所述静态车辆的轮廓。
5.一种静态车辆检测装置,其特征在于,包括:
第一获取模块,用于获取本车车辆之上图像采集单元采集的图像数据和毫米波雷达采集的雷达数据;
解析模块,用于根据所述图像数据和所述雷达数据进行场景解析,以得到静态场景信息;所述静态场景信息中至少包括静态参照物信息和多个车辆局部部件信息,所述多个车辆局部部件来源于至少一个不同疑似静态车辆的多个部件;
检测模块,用于根据所述静态参照物信息和所述多个车辆局部部件信息,确定所述车辆局部部件与所述静态参照物之间是否相对静止,并结合所述雷达数据以检测所述本车车辆行驶道路的路旁或前方是否存在静态车辆;
所述解析模块,具体用于:
对所述图像数据进行车辆目标和静态参照物目标检测,以获得所述场景中的车辆目标和静态参照物目标;
根据所述场景中的车辆目标、静态参照物目标以及所述雷达数据之中毫米波测速结果,确定所述车辆目标的速度信息和静态参照物目标的速度信息;
基于细粒度检测方式对所述图像数据进行关系图谱解析,以得到所述场景中多个车辆局部部件的部件信息;
根据所述多个车辆局部部件的部件信息和所述雷达数据之中毫米波测速结果,确定与所述多个车辆局部部件对应的车辆目标的速度信息;
根据所述车辆目标的速度信息、静态参照物目标的速度信息、以及与所述多个车辆局部部件对应的车辆目标的速度信息,确定所述场景中各目标的动静状态数据;
从所述场景中各目标的动静状态数据中,确定出所述静态场景信息。
6.如权利要求5所述的装置,其特征在于,所述检测模块具体用于:
将所述雷达数据之中的动态数据进行删除,以得到第一雷达数据;
将所述第一雷达数据、所述静态参照物信息和所述多个车辆局部部件信息进行融合处理,以检测所述本车车辆行驶道路的路旁或前方是否存在静态车辆。
7.如权利要求6所述的装置,其特征在于,所述检测模块具体用于:
根据所述第一雷达数据和所述静态参照物信息,确定所述静态参照物在场景环境中的位置信息;
根据所述第一雷达数据和所述多个车辆局部部件信息,确定所述多个车辆局部部件在所述场景环境中的位置信息;
根据所述静态参照物在场景环境中的位置信息和所述多个车辆局部部件在所述场景环境中的位置信息,确定所述多个车辆局部部件相对于所述静态参照物的位置是否不变;
响应于所述多个车辆局部部件相对于所述静态参照物的位置不变,确定所述本车车辆行驶道路的路旁或前方存在静态车辆。
8.如权利要求5至7中任一项所述的装置,其特征在于,还包括:
第二获取模块,用于从所述图像数据中,获取所述多个车辆局部部件信息对应的图像区域;
第一确定模块,用于根据所述雷达数据确定所述静态车辆与所述本车车辆之间的第一距离;
第二确定模块,用于基于预设的距离与车辆尺寸大小间的映射关系,确定与所述第一距离对应的目标车辆尺寸大小;
第三确定模块,用于根据所述目标车辆尺寸大小,在所述图像区域中确定出所述静态车辆的轮廓。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至4中任一项所述的方法。
10.一种车辆,其特征在于,包括:
图像采集单元;
毫米波雷达;
如权利要求9所述的电子设备。
11.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行如权利要求1至4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210747031.8A CN114872712B (zh) | 2022-06-29 | 2022-06-29 | 静态车辆检测方法、装置、设备、车辆及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210747031.8A CN114872712B (zh) | 2022-06-29 | 2022-06-29 | 静态车辆检测方法、装置、设备、车辆及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114872712A CN114872712A (zh) | 2022-08-09 |
CN114872712B true CN114872712B (zh) | 2022-10-18 |
Family
ID=82682647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210747031.8A Active CN114872712B (zh) | 2022-06-29 | 2022-06-29 | 静态车辆检测方法、装置、设备、车辆及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114872712B (zh) |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463104B (zh) * | 2014-11-14 | 2018-06-08 | 武汉工程大学 | 一种静态车辆目标快速检测方法及装置 |
CN106991389B (zh) * | 2017-03-29 | 2021-04-27 | 蔚来(安徽)控股有限公司 | 确定道路边沿的装置和方法 |
CN109085829B (zh) * | 2018-08-09 | 2022-03-08 | 北京智行者科技有限公司 | 一种动静态目标识别方法 |
KR102572784B1 (ko) * | 2018-10-25 | 2023-09-01 | 주식회사 에이치엘클레무브 | 운전자 보조 시스템 및 그 제어방법 |
CN110208793B (zh) * | 2019-04-26 | 2022-03-11 | 纵目科技(上海)股份有限公司 | 基于毫米波雷达的辅助驾驶系统、方法、终端和介质 |
KR20210080024A (ko) * | 2019-12-20 | 2021-06-30 | 주식회사 만도 | 운전자 보조 시스템 및 그 제어방법 |
CN111289980B (zh) * | 2020-03-06 | 2022-03-08 | 成都纳雷科技有限公司 | 基于车载毫米波雷达的路边静止物的检测方法及系统 |
CN114563788A (zh) * | 2022-02-17 | 2022-05-31 | 英博超算(南京)科技有限公司 | 一种基于单线激光雷达及毫米波雷达的无人驾驶系统 |
-
2022
- 2022-06-29 CN CN202210747031.8A patent/CN114872712B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114872712A (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102412879B (zh) | 针对诊断和性能优化具有集成的基于位置的测量的无线通信系统 | |
CN108347691B (zh) | 一种定位方法及设备 | |
CN110687562A (zh) | 一种定位方法及车载装置 | |
US9207088B2 (en) | Method for operating a motor vehicle and motor vehicle | |
CN109931927B (zh) | 轨迹记录方法、室内地图绘制方法、装置、设备及系统 | |
US20200309538A1 (en) | System for producing and/or updating a digital model of a digital map | |
US20220210622A1 (en) | Communication system and base station | |
CN110213488B (zh) | 一种定位方法及相关设备 | |
EP3672185A1 (en) | Identifying potentially manipulated radio signals and/or radio signal parameters | |
CN107333245B (zh) | 一种机动车辆自动驾驶方法及终端设备 | |
CN107767668A (zh) | 一种基于雷达主动探测车辆连续实时跟踪的方法 | |
CN105144260A (zh) | 用于识别变换交通标志的方法和设备 | |
WO2015135494A1 (en) | Route information displaying method and apparatus | |
CN113055949A (zh) | 定位方法、装置、设备和介质 | |
CN114814823A (zh) | 基于毫米波雷达和相机融合的轨道车辆检测系统和方法 | |
CN111791921A (zh) | 获取列车的位置信息的方法和装置 | |
CN114872712B (zh) | 静态车辆检测方法、装置、设备、车辆及存储介质 | |
US20230254807A1 (en) | Base station determination method, apparatus and device, and computer storage medium | |
CN110796869B (zh) | 一种检测违法跟车的方法和装置 | |
KR20190028700A (ko) | 물체 추적 방법 및 시스템 | |
CN109581448A (zh) | 一种高精度adas场地测试系统 | |
CN111337950B (zh) | 提高地标定位精度的数据处理方法、装置、设备及介质 | |
CN109286785B (zh) | 一种环境信息共享系统及方法 | |
CN103646547A (zh) | 一种消除rfid邻道干扰的方法及装置 | |
CN114866999B (zh) | 一种定位车载紧急救援系统及救援方法 |
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 |