CN115082524A - 一种车辆追踪方法、系统和车辆 - Google Patents
一种车辆追踪方法、系统和车辆 Download PDFInfo
- Publication number
- CN115082524A CN115082524A CN202210771769.8A CN202210771769A CN115082524A CN 115082524 A CN115082524 A CN 115082524A CN 202210771769 A CN202210771769 A CN 202210771769A CN 115082524 A CN115082524 A CN 115082524A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target
- target vehicle
- point cloud
- cloud data
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例提供一种车辆追踪方法、系统和车辆,该方法包括:获取安装在追踪车辆上的激光雷达传感器采集的目标点云数据;从所述目标点云数据中确定目标车辆并获取所述目标车辆的状态信息;基于所述目标点云数据和所述目标车辆的状态信息,预测所述目标车辆的至少一条行驶路径;根据所述目标点云数据、所述目标车辆的状态信息和所述至少一条行驶路径,控制所述追踪车辆追踪所述目标车辆。该方法利用激光雷达传感器采集的目标点云数据来对被追捕车辆的路径进行预测,可以实现对被追捕车辆的实时跟踪,可以大大降低目标跟丢的概率,提高抓捕成功率等。
Description
技术领域
本申请涉及车辆控制技术领域,尤其涉及一种车辆追踪方法、系统和车辆。
背景技术
在如公路上进行追捕等场景中,由于车辆高速行驶,加上道路错综复杂且场景多变,现有技术中主要是通过人眼进行目标车辆的判断及跟踪,人眼会存在一定的疲劳感,一不注意目标车辆就容易隐藏于车流、建筑物或转向其他道路等,进而使得目标跟丢,而一旦目标跟丢,则会失去追捕方向。因此,为解决追捕问题,如何实现对目标车辆的实时跟踪及对目标车辆的逃跑路线的预测则显得尤为重要。
发明内容
有鉴于此,本申请实施例提供一种车辆追踪方法、系统和车辆。
第一方面,本申请实施例提供一种车辆追踪方法,包括:
获取安装在追踪车辆上的激光雷达传感器采集的目标点云数据;
从所述目标点云数据中确定目标车辆并获取所述目标车辆的状态信息;
基于所述目标点云数据和所述目标车辆的状态信息,预测所述目标车辆的至少一条行驶路径;
根据所述目标点云数据、所述目标车辆的状态信息和所述至少一条行驶路径,控制所述追踪车辆追踪所述目标车辆。
在一些实施例中,所述目标车辆的状态信息包括所述目标车辆的位置信息和所述目标车辆的运动方向,所述基于所述目标点云数据和所述目标车辆的状态信息,预测所述目标车辆的至少一条行驶路径,包括:
根据所述目标车辆的位置信息、所述目标车辆的运动方向和导航地图,确定所述目标车辆运动方向前方的若干可通行道路;
根据所述目标点云数据和所述若干可通行道路,预测所述目标车辆的至少一条行驶路径。
在一些实施例中,上述车辆追踪方法还包括:
在所述导航地图中显示所述目标车辆的至少一条行驶路径;
根据所述目标车辆的位置信息,在所述导航地图中显示所述目标车辆在任意一条行驶路径上的移动。
在一些实施例中,所述根据所述目标点云数据和所述若干可通行道路,预测所述目标车辆的至少一条行驶路径,包括:
根据所述目标点云数据,识别所述目标车辆所在的当前车道和所述当前车道对应的行驶方向指示信息;
根据所述当前车道、所述当前车道对应的行驶方向指示信息和所述若干可通行道路,确定所述目标车辆的至少一条行驶路径。
在一些实施例中,所述目标车辆的状态信息还包括所述目标车辆的行驶速度,所述方法还包括:
根据所述目标车辆的位置信息和所述目标车辆的至少一条行驶路径,确定最佳截停地点;
根据所述目标点云数据,识别交通指示设备及其状态信息;
根据所述目标车辆的行驶速度和所述交通指示设备的状态信息,控制所述交通指示设备的状态信息,以使所述目标车辆行驶至所述最佳截停地点。
在一些实施例中,所述目标车辆的状态信息包括所述目标车辆的位置信息、所述目标车辆的运动方向和所述目标车辆的行驶速度,所述根据所述目标点云数据、所述目标车辆的状态信息和所述至少一条行驶路径,控制所述追踪车辆追踪所述目标车辆,包括:
根据所述目标点云数据、所述目标车辆的位置信息和所述目标车辆的行驶速度,控制所述追踪车辆跟随所述目标车辆行驶;
根据所述目标车辆的运动方向和所述至少一条行驶路径,预测所述目标车辆下一时刻的行驶路径。
在一些实施例中,上述车辆追踪方法还包括:
根据所述目标车辆所在的当前车道和所述目标车辆的位置信息,确定目标监控摄像头;
通过所述目标监控摄像头抓拍所述目标车辆的实时图像;
在所述导航地图中显示所述目标车辆的实时图像。
在一些实施例中,在预测所述目标车辆的至少一条行驶路径之后,所述方法还包括:
当所述目前车辆位于存在至少两条行驶路径的分岔路口时,根据所述目标点云数据,计算所述至少两条行驶路径在所述分岔路口预设范围内的车辆通行速度;
基于所述车辆通行速度,计算所述目标车辆选择所述至少两条行驶路径对应的概率。
在一些实施例中,所述追踪车辆上安装有前向探测的第一激光雷达传感器和第二激光雷达传感器,所述目标点云数据的获取,包括:
获取所述第一激光雷达传感器和所述第二激光雷达传感器采集的所述追踪车辆前方的第一点云数据和第二点云数据,其中,所述第一激光雷达传感器和所述第二激光雷达传感器同步扫描且探测视场相同,所述第一点云数据包括被测对象的三维位置信息,所述第二点云数据包括所述被测对象的速度信息;
对所述第一点云数据和所述第二点云数据执行点关联,并将所述第二点云数据中的所述速度信息赋予相应点的所述第一点云数据,以得到由所述三维位置信息和所述速度信息构成的目标点云数据。
在一些实施例中,所述追踪车辆上安装有前向探测的第一激光雷达传感器和第二激光雷达传感器,所述目标点云数据的获取,包括:
控制所述第一激光雷达传感器和所述第二激光雷达传感器的扫描线重合并进行周期性同步扫描;
根据所述第二激光雷达传感器的扫描周期,将所述第二激光雷达传感器测量到的速度信息赋予相同扫描周期内所述第一激光雷达传感器测量的相应点,得到由所述第一激光雷达传感器测量的相应点的三维位置信息和所述速度信息构成的目标点云数据。
第二方面,本申请实施例还提供一种车辆控制系统,包括:
点云获取模块,用于获取安装在追踪车辆上的激光雷达传感器采集的目标点云数据;
目标车辆确定模块,用于从所述目标点云数据中确定目标车辆并获取所述目标车辆的状态信息;
路径预测模块,用于根据所述目标点云数据和所述目标车辆的状态信息,预测所述目标车辆的至少一条行驶路径;
追踪控制模块,用于根据所述目标点云数据、所述目标车辆的状态信息和所述至少一条行驶路径,控制所述追踪车辆追踪所述目标车辆。
第三方面,本申请实施例还提供一种车辆,所述车辆包括激光雷达传感器、处理器和存储器,所述激光雷达传感器用于获取相应区域的点云数据,所述存储器存储有计算机程序,所述处理器用于执行所述计算机程序以实施上述的车辆追踪方法。
本申请的实施例具有如下有益效果:
本申请的车辆追踪方法通过获取安装在追踪车辆上的激光雷达传感器采集的目标点云数据,并从目标点云数据中确定目标车辆并获取其状态信息,然后结合目标点云数据,预测目标车辆的至少一条行驶路径;最后根据目标点云数据、目标车辆的状态信息和预测的行驶路径来控制对目标车辆的追踪。该方法利用激光雷达传感器采集的目标点云数据来对被追捕车辆的路径进行预测,进而实现对被追捕车辆的实时跟踪,还可以方便提前进行拦截准备,这样可以大大降低目标跟丢的概率,提高抓捕的成功率等。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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他相关的附图。
图1示出了本申请实施例的车辆安装有前向探测的激光雷达组件的结构示意图;
图2示出了本申请实施例的车辆追踪方法的第一流程图;
图3示出了本申请实施例的车辆追踪方法的目标点云数据获取的一种流程图;
图4示出了本申请实施例的车辆追踪方法的目标点云数据获取的另一流程图;
图5示出了本申请实施例的对目标车辆行驶路径预测的一种流程图;
图6示出了本申请实施例的对目标车辆行驶路径预测的另一种流程图;
图7示出了本申请实施例的目标车辆到达分岔路口的示意图;
图8示出了本申请实施例的车辆追踪方法的第二流程图;
图9示出了本申请实施例的车辆追踪装置的结构示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。
通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的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。
在下文中,可在本申请的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合,并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
除非另有限定,否则这里使用的所有术语(包括技术术语和科学术语)具有与本申请的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义,除非在本申请的各种实施例中被清楚地限定。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互结合。
本申请的车辆追踪方法利用追踪车辆上的激光雷达传感器所获取的点云信息等来辅助驾驶员进行自动追踪以及预测目标车辆的行驶路线,可大大降低跟丢目标车辆的概率,提高了追捕成功率等。在本申请中,该追踪车辆上设置有用于前向探测的至少两种激光雷达传感器,分别为TOF激光雷达与FMCW激光雷达,其中,TOF激光雷达可用于获取其探测视场内的一个或多个对象(如车辆前后方的行人、道路设施、其他车辆等)的三维空间位置;而FMCW激光雷达可用于获取其探测视场内的一个或多个对象的二维位置信息以及速度信息等。
如图1所示,可将TOF激光雷达与FMCW激光雷达安装在探测方向朝向车辆前方的车顶或车前盖等位置,这里将TOF激光雷达记为第一激光雷达传感器,将FMCW激光雷达记为第二激光雷达传感器,反之亦可。可以理解,除了激光雷达传感器外,该追踪车辆上还可设置其他传感器,如图像传感器等,这里不作限定。
基于上述的激光雷达传感器等结构,本申请实施例提出一种车辆追踪方法。请参照图2,示范性地,该车辆追踪方法包括步骤S110~S140:
S110,获取安装在追踪车辆上的激光雷达传感器采集的目标点云数据。
其中,该目标点云数据具体包括各个点的三维空间位置坐标以及速度信息,例如,可表示为(x,y,z,v),其中,(x,y,z)表示三维空间坐标,v表示速度。本实施例中,主要利用上述两种激光雷达来进行点云数据采集及数据融合,其中,TOF激光雷达可以探测到被测对象的三维位置信息,而FMCW激光雷达可探测到被测对象的速度信息。
在一种实施方式中,可设置该第一激光雷达传感器和第二激光雷达传感器设置为同步扫描且探测视场(FOV)相同,即两者所探测到的对象是相同且同步的。对于目标点云数据的获取,如图3所示,步骤S110包括子步骤S210~S220:
S210,获取第一激光雷达传感器和第二激光雷达传感器采集的当前车辆前方的第一点云数据和第二点云数据,其中,第一点云数据包括被测对象的三维位置信息,第二点云数据包括所述被测对象的速度信息。
S220,对第一点云数据和第二点云数据执行点关联,并将第二点云数据中的速度信息赋予相应点的第一点云数据,以得到由上述三维位置信息和速度信息构成的目标点云数据。可以理解,由于上述两个激光雷达的探测视场相同且进行同步描述,因此两者探测到的各个点之间存在关联关系,这里不展开描述。
在另一种实施方式中,如图4所示,目标点云数据的获取,包括子步骤S310~S320:
S310,控制让第一激光雷达传感器和第二激光雷达传感器的扫描线重合并进行周期性同步扫描。
S320,根据第二激光雷达传感器的扫描周期,将第二激光雷达传感器测量到的速度信息赋予相同扫描周期内第一激光雷达传感器测量的相应点,扫描周期内的每个点得到由第一激光雷达传感器测量到的三维位置信息和由第二激光雷达传感器测量到的速度信息构成的目标点云数据。
可以理解,通过将上述两种激光雷达的点云数据进行信息融合,可以获取到车辆前方对象的更多信息,一方面可以从中确定目标车辆的状态信息,另一方面也可以利用周围的环境信息来控制追踪车辆自身的行驶,从而更快地追捕到目标车辆。
S120,从所述目标点云数据中确定目标车辆并获取所述目标车辆的状态信息。
其中,目标车辆是指被追踪的特定车辆。通常地,目标车辆的相关车辆信息可以提前输入,例如,可包括但不限于包括目标车辆的车牌、目标车辆的品牌型号、颜色、所属类型等,其中,颜色可以按照白色、黑色、绿色、蓝色、粉色等来分类;而所属类型可以包括轿车、SUV、MPV、跑车、轿跑、皮卡车、越野车等。可以理解,目标车辆的信息越详细,往往越有利于车辆追踪。
本实施例中,上述目标车辆的状态信息主要通过对目标点云数据进行数据分析获得,例如,状态信息可包括但不限于包括目标车辆的位置信息、速度信息、运动方向、识别到的轮廓信息、颜色等。下面对目标车辆的识别方法进行说明,值得注意的是,基于目标点云数据来识别出目标车辆的方式可包括以下几种,但不限于此。
在一种实施方式中,在已知目标车辆的如颜色、品牌型号等信息的情况下,可对获取的目标点云数据进行三维点云图构建并显示在显示屏上,然后允许追踪人员进行手动选定,以便将接收到的来自显示屏上的手动框选区域中的车辆作为确定的目标车辆。
在另一种实施方式中,也可以进行车辆自动识别,具体地,可对目标点云数据进行车辆轮廓拟合及颜色等关键信息的提取,得到包含颜色信息的拟合车辆轮廓,通过和预先输入的目标车辆的轮廓及颜色特征进行匹配,以此对目标车辆进行标定。
在又一种实施方式中,还可通过对目标点云数据进行车牌识别,具体而言,通过安装在追踪车辆上的高清摄像装置来拍摄得到目标车辆的车牌,并根据拍摄到的车牌来确定图像中目标车辆的位置信息,利用坐标转换计算出该目标车辆点云坐标系下的区域位置,然后从该目标点云数据中标定该目标车辆。
进而,在识别到目标车辆后,即可以提取到目标车辆对应的局部点云数据,通过对局部点云数据进行分析,可以进一步得到目标车辆的状态信息,如三维坐标位置、行驶速度、运动方向等。
S130,根据目标点云数据和目标车辆的状态信息,预测目标车辆的至少一条行驶路径。
其中,预测目标车辆的行驶路径的目的在于,可以提前预判目标车辆接下来会如何运动,可方便提前进行拦截部署,如进行红绿灯控制、在道路设置关卡等。
在一种实施方式中,如图5所示,预测目标车辆可能的一条或多种行驶路径,包括子步骤S410~S420:
S410,根据目标车辆的位置信息、目标车辆的运动方向和导航地图,得到目标车辆运动方向前方的若干可通行道路。其中,上述的导航地图可以是当前所在地的城市地图,其可以通过第三方导航软件(如高德地图、百度地图等)进行在线接入,也可以采用离线的地图数据等。
本实施例中,在得到目标车辆当前的位置信息后,可结合导航地图来查看该目标车辆所在位置的道路信息,由此可搜索到该目标车辆运动方向前方存在的所有可通行道路,例如,若在单行道路上,则可通行道路只有一条;若在分岔路口,则可通行道路往往存在不止一条,此时可以将所有可能的道路进行标记。
S420,根据目标点云数据和若干可通行道路,预测目标车辆的至少一条行驶路径。
在所有的可通行道路中,结合目标点云数据,从中筛选出目标车辆在接下来的时刻内可能会行驶的至少一条路径。在一种实施方式中,可根据目标点云数据,识别目标车辆所在的当前车道和当前车道对应的行驶方向指示信息;然后,根据该目标车辆所在的当前车道、及当前车道对应的行驶方向指示信息和上述的若干可通行道路,确定目标车辆的至少一条行驶路径。
可选地,如图6所示,在预测出目标车辆的至少一条行驶路径之后,车辆追踪方法还包括:
S430,当目前车辆位于存在至少两条行驶路径的分岔路口时,根据所述目标点云数据,计算所述至少两条行驶路径在该分岔路口预设范围内的车辆通行速度。例如,该分岔路口可以是T字路口,十字路口,或Y型路口等。
S440,基于所述车辆通行速度,计算目标车辆选择所述至少两条行驶路径对应的概率。
如图7所示,当目标车辆当前处于分岔路口时,由于可通行道路存在多条,对此,可利用该目标点云数据进行预设范围内的车流量分析,具体可粗步估计各可通行道路的车辆通行速度。通常地,车辆通行速度越慢,则说明当前道路的车流量越多,越拥挤;反之,若探测到的车辆通行速度较快,则说明车流量越少,越畅通。可以理解,当道路越拥挤时,越不利于车辆行驶,因此,其被选择的概率就会小于畅通道路的概率。由此,即可计算出各条行驶路径的被选取概率。
作为一种可选的方案,在预测到目标车辆的可能行驶路径后,该方法还包括:
在导航地图中显示目标车辆的至少一条行驶路径;根据目标车辆的位置信息,在导航地图中显示目标车辆在任意一条行驶路径上的移动。这样可以方便追踪人员直观地在地图上查看目标车辆的移动轨迹,进而快速预测目标车辆在下一时刻的可能运动方向。
于是,在获得了目标车辆的至少一条行驶路径后,可进一步进行目标车辆追踪。
S140,根据所述目标点云数据、所述目标车辆的状态信息和所述至少一条行驶路径,控制所述追踪车辆追踪目标车辆。
示范性地,可根据上述的目标点云数据、目标车辆的位置信息和目标车辆的行驶速度,控制追踪车辆跟随目标车辆行驶;同时,根据目标车辆的运动方向和上述至少一条行驶路径,预测目标车辆下一时刻的行驶路径,以便追捕人员进行提前准备等。
进一步地,如图8所示,在确定了目标车辆的至少一条行驶路径后,在追踪过程中,该车辆追踪方法还包括:
S510,根据目标车辆的位置信息和目标车辆的至少一条行驶路径,确定最佳截停地点。
示范性地,在搜索了目标车辆从当前的坐标位置出发,在接下来的时刻所有可能的行驶路径后,可进一步从这些行驶路径中找到一个最佳的截停地点,即方便拦截的地点。例如,可以是方便设置多层障碍而且车流量较小的道路等,具体可根据实际条件来选取。
S520,根据目标点云数据,识别交通指示设备及其状态信息。
其中,上述的交通指示设备可包括但不限于包括红绿灯、可变方向指示牌等。可以理解,该激光雷达传感器可设置具有一定高度的位置,如车顶等,以便能够探测到交通指示设备。
示范性地,可根据相应的交通指示设备的特征或特征模型来进行匹配,以确定目标点云数据中是否存在交通指示设备,并在识别到交通指示设备时,获得具体的状态信息。例如,以红绿灯为例,其状态信息可包括当前处于亮状态的灯颜色、指示剩余时间等;以可变方向指示牌为例,其状态信息可以具体的方向指示,如呈左转状态,还是直行状态等,以及剩余时间等。
S530,根据目标车辆的行驶速度和交通指示设备的状态信息,控制交通指示设备的状态信息,以使目标车辆行驶至所述最佳截停地点。
为了拦截目标车辆或者将目标车辆引向设定的截停地点,可通过控制行驶途中的交通指示设备的状态信息,例如,可将方向或灯颜色、剩余时间等进行调整,以此引导目标车辆往预期的方向行驶。
作为一种可选的方案,该车辆追踪方法还包括:根据目标车辆所在的当前车道和目标车辆的位置信息,确定目标监控摄像头;然后,通过目标监控摄像头抓拍目标车辆的实时图像;在导航地图中显示目标车辆的实时图像。可以理解,通过联动道路监控摄像头,可以更全面地捕捉目标车辆的信息。
本实施例的车辆追踪方法利用激光雷达传感器采集的带速度信息的目标点云数据来对被追捕车辆的路径进行预测,进而实现对被追捕车辆的实时跟踪,不仅可以避免跟丢问题,还可以方便提前进行拦截准备,这样可大大提高抓捕成功率等。
请参照图9,基于上述实施例的方法,本实施例提出一种车辆追踪装置100,示范性地,该车辆追踪装置100包括:
点云获取模块110,用于获取安装在追踪车辆上的激光雷达传感器采集的目标点云数据。
目标车辆确定模块120,用于从所述目标点云数据中确定目标车辆并获取所述目标车辆的状态信息。
路径预测模块130,用于根据所述目标点云数据和所述目标车辆的状态信息,预测所述目标车辆的至少一条行驶路径。
追踪控制模块140,用于根据所述目标点云数据、所述目标车辆的状态信息和所述至少一条行驶路径,控制所述追踪车辆追踪所述目标车辆。
可以理解,本实施例的装置对应于上述实施例的方法,上述实施例中的步骤方法的可选项同样适用于本实施例,故在此不再重复描述。
本申请还提供了一种车辆,示范性地,该车辆包括激光雷达传感器、处理器和存储器,其中,激光雷达传感器用于获取相应区域的点云数据,存储器存储有计算机程序,处理器通过运行所述计算机程序,从而使车辆装置执行上述的车辆追踪方法或者上述车辆追踪装置中的各个模块的功能。
本申请还提供了一种可读存储介质,用于储存上述车辆中使用的所述计算机程序。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和结构图显示了根据本申请的多个实施例的装置、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,所述模块、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,在作为替换的实现方式中,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,两个连续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,结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合,可以用执行规定的功能或动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。
另外,在本申请各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (12)
1.一种车辆追踪方法,其特征在于,包括:
获取安装在追踪车辆上的激光雷达传感器采集的目标点云数据;
从所述目标点云数据中确定目标车辆并获取所述目标车辆的状态信息;
基于所述目标点云数据和所述目标车辆的状态信息,预测所述目标车辆的至少一条行驶路径;
根据所述目标点云数据、所述目标车辆的状态信息和所述至少一条行驶路径,控制所述追踪车辆追踪所述目标车辆。
2.根据权利要求1所述的车辆追踪方法,其特征在于,所述目标车辆的状态信息包括所述目标车辆的位置信息和所述目标车辆的运动方向,所述基于所述目标点云数据和所述目标车辆的状态信息,预测所述目标车辆的至少一条行驶路径,包括:
根据所述目标车辆的位置信息、所述目标车辆的运动方向和导航地图,确定所述目标车辆运动方向前方的若干可通行道路;
根据所述目标点云数据和所述若干可通行道路,预测所述目标车辆的至少一条行驶路径。
3.根据权利要求2所述的车辆追踪方法,其特征在于,还包括:
在所述导航地图中显示所述目标车辆的至少一条行驶路径;
根据所述目标车辆的位置信息,在所述导航地图中显示所述目标车辆在任意一条行驶路径上的移动。
4.根据权利要求2所述的车辆追踪方法,其特征在于,所述根据所述目标点云数据和所述若干可通行道路,预测所述目标车辆的至少一条行驶路径,包括:
根据所述目标点云数据,识别所述目标车辆所在的当前车道和所述当前车道对应的行驶方向指示信息;
根据所述当前车道、所述当前车道对应的行驶方向指示信息和所述若干可通行道路,确定所述目标车辆的至少一条行驶路径。
5.根据权利要求4所述的车辆追踪方法,其特征在于,所述目标车辆的状态信息还包括所述目标车辆的行驶速度,所述方法还包括:
根据所述目标车辆的位置信息和所述目标车辆的至少一条行驶路径,确定最佳截停地点;
根据所述目标点云数据,识别交通指示设备及其状态信息;
根据所述目标车辆的行驶速度和所述交通指示设备的状态信息,控制所述交通指示设备的状态信息,以使所述目标车辆行驶至所述最佳截停地点。
6.根据权利要求1所述的车辆追踪方法,其特征在于,所述目标车辆的状态信息包括所述目标车辆的位置信息、所述目标车辆的运动方向和所述目标车辆的行驶速度,所述根据所述目标点云数据、所述目标车辆的状态信息和所述至少一条行驶路径,控制所述追踪车辆追踪所述目标车辆,包括:
根据所述目标点云数据、所述目标车辆的位置信息和所述目标车辆的行驶速度,控制所述追踪车辆跟随所述目标车辆行驶;
根据所述目标车辆的运动方向和所述至少一条行驶路径,预测所述目标车辆下一时刻的行驶路径。
7.根据权利要求2-5中任一项所述的车辆追踪方法,其特征在于,所述方法还包括:
根据所述目标车辆所在的当前车道和所述目标车辆的位置信息,确定目标监控摄像头;
通过所述目标监控摄像头抓拍所述目标车辆的实时图像;
在所述导航地图中显示所述目标车辆的实时图像。
8.根据权利要求1-6中任一项所述的车辆追踪方法,其特征在于,在预测所述目标车辆的至少一条行驶路径之后,所述方法还包括:
当所述追踪车辆位于存在至少两条行驶路径的分岔路口时,根据所述目标点云数据,计算所述至少两条行驶路径在所述分岔路口预设范围内的车辆通行速度;
基于所述车辆通行速度,计算所述目标车辆选择所述至少两条行驶路径对应的概率。
9.根据权利要求1所述的车辆追踪方法,其特征在于,所述追踪车辆上安装有前向探测的第一激光雷达传感器和第二激光雷达传感器,所述目标点云数据的获取,包括:
获取所述第一激光雷达传感器和所述第二激光雷达传感器采集的所述追踪车辆前方的第一点云数据和第二点云数据,其中,所述第一激光雷达传感器和所述第二激光雷达传感器同步扫描且探测视场相同,所述第一点云数据包括被测对象的三维位置信息,所述第二点云数据包括所述被测对象的速度信息;
对所述第一点云数据和所述第二点云数据执行点关联,并将所述第二点云数据中的所述速度信息赋予相应点的所述第一点云数据,以得到由所述三维位置信息和所述速度信息构成的目标点云数据。
10.根据权利要求1所述的车辆追踪方法,其特征在于,所述追踪车辆上安装有前向探测的第一激光雷达传感器和第二激光雷达传感器,所述目标点云数据的获取,包括:
控制所述第一激光雷达传感器和所述第二激光雷达传感器的扫描线重合并进行周期性同步扫描;
根据所述第二激光雷达传感器的扫描周期,将所述第二激光雷达传感器测量到的速度信息赋予相同扫描周期内所述第一激光雷达传感器测量的相应点,所述扫描周期得到由所述第一激光雷达传感器测量到的三维位置信息和所述第二激光雷达传感器测量到的所述速度信息构成的目标点云数据。
11.一种车辆追踪系统,其特征在于,包括:
点云获取模块,用于获取安装在追踪车辆上的激光雷达传感器采集的目标点云数据;
目标车辆确定模块,用于从所述目标点云数据中确定目标车辆并获取所述目标车辆的状态信息;
路径预测模块,用于根据所述目标点云数据和所述目标车辆的状态信息,预测所述目标车辆的至少一条行驶路径;
追踪控制模块,用于根据所述目标点云数据、所述目标车辆的状态信息和所述至少一条行驶路径,控制所述追踪车辆追踪所述目标车辆。
12.一种车辆,其特征在于,所述车辆包括激光雷达传感器、处理器和存储器,所述激光雷达传感器用于获取相应区域的点云数据,所述存储器存储有计算机程序,所述处理器用于执行所述计算机程序以实施权利要求1-10中任一项所述的车辆追踪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210771769.8A CN115082524A (zh) | 2022-06-30 | 2022-06-30 | 一种车辆追踪方法、系统和车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210771769.8A CN115082524A (zh) | 2022-06-30 | 2022-06-30 | 一种车辆追踪方法、系统和车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115082524A true CN115082524A (zh) | 2022-09-20 |
Family
ID=83257399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210771769.8A Pending CN115082524A (zh) | 2022-06-30 | 2022-06-30 | 一种车辆追踪方法、系统和车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115082524A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117334080A (zh) * | 2023-12-01 | 2024-01-02 | 江苏镭神激光智能系统有限公司 | 基于激光雷达和相机识别的车辆追踪方法及系统 |
-
2022
- 2022-06-30 CN CN202210771769.8A patent/CN115082524A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117334080A (zh) * | 2023-12-01 | 2024-01-02 | 江苏镭神激光智能系统有限公司 | 基于激光雷达和相机识别的车辆追踪方法及系统 |
CN117334080B (zh) * | 2023-12-01 | 2024-02-02 | 江苏镭神激光智能系统有限公司 | 基于激光雷达和相机识别的车辆追踪方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10926763B2 (en) | Recognition and prediction of lane constraints and construction areas in navigation | |
US11155249B2 (en) | Systems and methods for causing a vehicle response based on traffic light detection | |
JP6800575B2 (ja) | 自己の乗り物のドライバを支援する方法およびシステム | |
EP3366539A2 (en) | Information processing apparatus and information processing method | |
US11685405B2 (en) | Vehicle controller, method, and computer program for vehicle trajectory planning and control based on other vehicle behavior | |
US20150293534A1 (en) | Vehicle control system and method | |
US20220035378A1 (en) | Image segmentation | |
CN111094095B (zh) | 自动地感知行驶信号的方法、装置及运载工具 | |
EP2963632A1 (en) | Manoeuvre assistance | |
JP7115502B2 (ja) | 物体状態識別装置、物体状態識別方法及び物体状態識別用コンピュータプログラムならびに制御装置 | |
RU2769921C2 (ru) | Способы и системы для автоматизированного определения присутствия объектов | |
CN107406072A (zh) | 车辆辅助系统 | |
JP2021165914A (ja) | 物体状態識別装置、物体状態識別方法及び物体状態識別用コンピュータプログラムならびに制御装置 | |
CN107111741B (zh) | 用于具有摄像机的机动车的方法,设备和系统 | |
JP2018097398A (ja) | 視線推定システム | |
CN115082524A (zh) | 一种车辆追踪方法、系统和车辆 | |
JPH08306000A (ja) | 交差点における危険度判定方法 | |
US20210291736A1 (en) | Display control apparatus, display control method, and computer-readable storage medium storing program | |
WO2017013692A1 (ja) | 走行車線判定装置及び走行車線判定方法 | |
JP2021163432A (ja) | 信号灯状態識別装置、信号灯状態識別方法及び信号灯状態識別用コンピュータプログラムならびに制御装置 | |
JP7015665B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN114954442A (zh) | 一种车辆控制方法、系统和车辆 | |
Fuerstenberg et al. | Advanced intersection safety-The EC project INTERSAFE | |
CN110763244B (zh) | 一种电子地图生成系统和方法 | |
CN111688688A (zh) | 对前面行驶的车辆在交通节点处的后退的实现 |
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 |