CN115257727B - 障碍物信息融合方法、装置、电子设备和计算机可读介质 - Google Patents

障碍物信息融合方法、装置、电子设备和计算机可读介质 Download PDF

Info

Publication number
CN115257727B
CN115257727B CN202211178026.6A CN202211178026A CN115257727B CN 115257727 B CN115257727 B CN 115257727B CN 202211178026 A CN202211178026 A CN 202211178026A CN 115257727 B CN115257727 B CN 115257727B
Authority
CN
China
Prior art keywords
obstacle
historical
target
obstacle information
point coordinate
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
CN202211178026.6A
Other languages
English (en)
Other versions
CN115257727A (zh
Inventor
袁飞扬
兰莎郧
黄立宏
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.)
Heduo Technology Guangzhou Co ltd
Original Assignee
HoloMatic Technology Beijing 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 HoloMatic Technology Beijing Co Ltd filed Critical HoloMatic Technology Beijing Co Ltd
Priority to CN202211178026.6A priority Critical patent/CN115257727B/zh
Publication of CN115257727A publication Critical patent/CN115257727A/zh
Application granted granted Critical
Publication of CN115257727B publication Critical patent/CN115257727B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • 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
    • B60W50/0097—Predicting future conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
    • G06V10/811—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data the classifiers operating on different input data, e.g. multi-modal recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/50—Barriers

Abstract

本公开的实施例公开了障碍物信息融合方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取历史障碍物轨迹集和历史障碍物信息组序列；对历史障碍物轨迹集中的每个历史障碍物轨迹进行轨迹预测以生成预测障碍物轨迹，得到预测障碍物轨迹集；对历史障碍物信息组序列中每相邻两个历史障碍物信息组中的历史障碍物信息进行融合处理以生成融合障碍物信息，得到融合障碍物信息集；基于融合障碍物信息集，对预测障碍物轨迹集中的每个预测障碍物轨迹进行调整以生成目标障碍物轨迹，得到目标障碍物轨迹集；将目标障碍物轨迹集发送至当前车辆的控制终端以进行避障操作。该实施方式可以提高融合障碍物的障碍物轨迹的精准度。

Description

障碍物信息融合方法、装置、电子设备和计算机可读介质
技术领域
本公开的实施例涉及计算机技术领域，具体涉及障碍物信息融合方法、装置、电子设备和计算机可读介质。
背景技术
障碍物信息融合，是将处于不同图像中的障碍物信息进行融合的方法。目前，在进行障碍物信息融合时，通常采用的方式为：对不同图像中的障碍物信息，通过确定车身坐标系下障碍物坐标的欧氏距离对障碍物信息进行匹配，将匹配成功的一组障碍物信息确定为融合障碍物信息。
然而，发明人发现，当采用上述方式进行障碍物信息融合时，经常会存在如下技术问题：
第一，欧式距离匹配只对障碍物信息中的障碍物中心点坐标进行匹配融合，未考虑历史障碍物信息中的历史障碍物关键点坐标和历史障碍物尺寸，导致生成的融合障碍物信息的误差较大，使得融合障碍物信息与预测障碍物轨迹的匹配成功率不稳定，从而，导致无法确保及时对预测障碍物轨迹进行调整，由此，导致融合障碍物的障碍物轨迹的精准度低；
第二，欧式距离匹配的方法在障碍物存在于不同图像中时，只对障碍物信息中的障碍物中心点坐标进行匹配，导致障碍物信息匹配成功率低，从而导致得到的融合障碍物信息的误差较大。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
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障碍物信息融合方法、装置、电子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障碍物信息融合方法，该方法包括：获取历史障碍物轨迹集和历史障碍物信息组序列，其中，上述历史障碍物信息组序列中的每个历史障碍物信息组对应当前车辆的一个车载相机；对上述历史障碍物轨迹集中的每个历史障碍物轨迹进行轨迹预测以生成预测障碍物轨迹，得到预测障碍物轨迹集；对上述历史障碍物信息组序列中每相邻两个历史障碍物信息组中的历史障碍物信息进行融合处理以生成融合障碍物信息，得到融合障碍物信息集，其中，确定上述历史障碍物信息组序列中的第一个历史障碍物信息组与最后一个历史障碍物信息组相邻；基于上述融合障碍物信息集，对上述预测障碍物轨迹集中的每个预测障碍物轨迹进行调整以生成目标障碍物轨迹，得到目标障碍物轨迹集；将上述目标障碍物轨迹集发送至上述当前车辆的控制终端以进行避障操作。
第二方面，本公开的一些实施例提供了一种障碍物信息融合装置，装置包括：获取单元，被配置成获取历史障碍物轨迹集和历史障碍物信息组序列；轨迹预测单元，被配置成对历史障碍物轨迹集中的每个历史障碍物轨迹进行轨迹预测以生成预测障碍物轨迹，得到预测障碍物轨迹集；融合单元，被配置成对历史障碍物信息组序列中每相邻两个历史障碍物信息组中的历史障碍物信息进行融合处理以生成融合障碍物信息，得到融合障碍物信息集；调整单元，被配置成基于融合障碍物信息集，对预测障碍物轨迹集中的每个预测障碍物轨迹进行调整以生成目标障碍物轨迹，得到目标障碍物轨迹集；发送单元，被配置成将目标障碍物轨迹集发送至当前车辆的控制终端以进行避障操作。
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。
第五方面，本公开的一些实施例提供了一种计算机程序产品，包括计算机程序，计算机程序在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障碍物信息融合方法，提高了融合障碍物的障碍物轨迹的精准度。具体来说，造成融合障碍物的障碍物轨迹精准度低的原因在于：欧式距离匹配只对障碍物信息中的障碍物中心点坐标进行匹配融合，未考虑历史障碍物信息中的历史障碍物关键点坐标和历史障碍物尺寸，导致生成的融合障碍物信息的误差较大，使得融合障碍物信息与预测障碍物轨迹的匹配成功率不稳定，从而，导致无法确保及时对预测障碍物轨迹进行调整。基于此，本公开的一些障碍物信息融合方法，首先，获取历史障碍物轨迹集和历史障碍物信息组序列；对上述历史障碍物轨迹集中的每个历史障碍物轨迹进行轨迹预测以生成预测障碍物轨迹，得到预测障碍物轨迹集。由此，可以得到对历史障碍物轨迹的预测结果，可用于与融合障碍物信息进行匹配，对预测障碍物轨迹进行调整，方便得到更精准的目标障碍物轨迹。然后，对上述历史障碍物信息组序列中每相邻两个历史障碍物信息组中的历史障碍物信息进行融合处理以生成融合障碍物信息，得到融合障碍物信息集。由此，可以通过对上述历史障碍物信息进行融合的方式生成处于不同图像中的融合障碍物信息，这里，由于对历史障碍物信息中的历史障碍物关键点坐标进行匹配和匹配后对历史障碍物尺寸再进行匹配，然后再将匹配成功的历史障碍物信息进行融合，从而减小了融合障碍物信息的误差，提高了与上述预测障碍物轨迹的匹配成功率的稳定性。接着，基于上述融合障碍物信息集，对上述预测障碍物轨迹集中的每个预测障碍物轨迹进行调整以生成目标障碍物轨迹，得到目标障碍物轨迹集。由此，可以根据上述预测障碍物轨迹集中每个预测障碍物轨迹与上述融合障碍物信息集中每个融合障碍物信息的对应关系，对上述预测障碍物轨迹集中的预测障碍物轨迹进行创建、更新和删除操作，得到目标障碍物轨迹。最后，将目标障碍物轨迹集发送至当前车辆的控制终端以进行避障操作。由此，当前车辆的控制终端可以根据上述目标障碍物轨迹进行避障。因此，本公开的一些障碍物信息融合方法，可以对历史障碍物轨迹进行预测，当障碍物存在于不同图像中时，可以将不同图像中匹配的历史障碍物信息进行融合处理来生成融合障碍物信息，减小了融合障碍物信息的误差，提高了与预测障碍物轨迹的匹配成功率的稳定性，从而可以确保及时对预测障碍物轨迹进行调整，由此，提高了融合障碍物的障碍物轨迹的精准度。
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是根据本公开的障碍物信息融合方法的一些实施例的流程图；
图2是根据本公开的障碍物信息融合装置的一些实施例的结构示意图；
图3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示出了根据本公开的障碍物信息融合方法的一些实施例的流程100。该障碍物信息融合方法，包括以下步骤：
步骤101，获取历史障碍物轨迹集和历史障碍物信息组序列。
在一些实施例中，障碍物信息融合方法的执行主体可以通过有线连接方式或者无线连接方式从终端设备上获取上述历史障碍物轨迹集和从当前车辆的车载相机上获取历史障碍物信息组序列。其中，上述历史障碍物信息组序列中的每个历史障碍物信息组对应当前车辆的一个车载相机。上述车载相机可以包括前视相机、左前视相机、右前视相机、左后视相机、右后视相机和后视相机。上述历史障碍物轨迹集中的每个历史障碍物轨迹可以表征一个障碍物的历史轨迹。由于多相机多视角的原因，每个历史障碍物轨迹可以对应历史障碍物信息组序列中的至少一个历史障碍物信息。上述车载相机可以按照一定的拓扑顺序排列。
作为示例，可以将上述前视相机确定为1号相机，将上述左前视相机确定为2号相机，将上述左后视相机确定为3号相机，将上述右后视相机确定为4号相机，将上述后视相机确定为5号相机，将上述右前视相机确定为6号相机。可以按照上述序号从小到大的顺序对上述车载相机进行排序。
步骤102，对历史障碍物轨迹集中的每个历史障碍物轨迹进行轨迹预测以生成预测障碍物轨迹，得到预测障碍物轨迹集。
在一些实施例中，上述执行主体可以对上述历史障碍物轨迹集中的每个历史障碍物轨迹进行轨迹预测以生成预测障碍物轨迹，得到预测障碍物轨迹集。其中，可以通过卡尔曼滤波算法，对历史障碍物轨迹集中的每个历史障碍物轨迹进行轨迹预测以生成预测障碍物轨迹。
步骤103，对历史障碍物信息组序列中每相邻两个历史障碍物信息组中的历史障碍物信息进行融合处理以生成融合障碍物信息，得到融合障碍物信息集。
在一些实施例中，上述执行主体可以对上述历史障碍物信息组序列中每相邻两个历史障碍物信息组中的历史障碍物信息进行融合处理以生成融合障碍物信息，得到融合障碍物信息集。其中，可以确定上述历史障碍物信息组序列中的第一个历史障碍物信息组与最后一个历史障碍物信息组相邻。上述历史障碍物信息组序列中每个历史障碍物信息组中的每个历史障碍物信息可以包括历史障碍物尺寸、历史障碍物中心点坐标和历史障碍物关键点坐标序列。上述历史障碍物信息组序列的顺序可以是与上述历史障碍物信息组序列中每个历史障碍物信息组对应的车载相机的顺序。上述历史障碍物尺寸可以包括历史纵向距离值和历史横向距离值。上述历史障碍物关键点坐标可以是障碍物车辆车轮的轮胎接地点在车身坐标系下的坐标。上述历史障碍物关键点坐标序列可以按照一定的拓扑顺序进行排序。
作为示例，可以将上述障碍物车辆车轮的左前车轮的轮胎接地点在车身坐标系下的坐标确定为0号障碍物关键点坐标，将上述障碍物车辆车轮的右前车轮的轮胎接地点在车身坐标系下的坐标确定为1号障碍物关键点坐标，将上述障碍物车辆车轮的右后车轮的轮胎接地点在车身坐标系下的坐标确定为2号障碍物关键点坐标，将上述障碍物车辆车轮的左后车轮的轮胎接地点在车身坐标系下的坐标确定为3号障碍物关键点坐标。可以按照上述序号从小到大的顺序对上述障碍物关键点坐标排序。
在一些实施例的一些可选的实现方式中，上述执行主体对上述历史障碍物信息组序列中每相邻两个历史障碍物信息组中的历史障碍物信息进行融合处理以生成融合障碍物信息，可以包括以下步骤：
第一步，基于上述相邻两个历史障碍物信息组，生成目标关键点坐标序列集。
在一些实施例的一些可选的实现方式中，上述执行主体基于上述相邻两个历史障碍物信息组，生成目标关键点坐标序列集，可以包括以下步骤：
第一子步骤，将上述相邻两个历史障碍物信息组中的其中一个历史障碍物信息确定为第一历史障碍物信息组，以及将另一个历史障碍物信息确定为第二历史障碍物信息组。
第二子步骤，对于上述第一历史障碍物信息组中的每个第一历史障碍物信息，执行如下步骤以生成目标关键点坐标序列，得到目标关键点坐标序列集：
首先，对上述第一历史障碍物信息包括的第一历史障碍物关键点坐标序列中的各个第一历史障碍物关键点坐标与上述第二历史障碍物信息组中的每个第二历史障碍物信息包括的第二历史障碍物关键点坐标序列中对应的第二历史障碍物关键点坐标进行匹配处理以生成关键点坐标匹配结果序列，得到关键点匹配结果序列集，其中，上述关键点坐标匹配结果序列中的每个关键点坐标匹配结果为匹配成功或未匹配成功。可以对上述第一历史障碍物关键点坐标序列和上述第二历史障碍物关键点坐标序列按上述序号的顺序进行编号。上述第二历史障碍物关键点坐标序列中，存在与上述第一历史障碍物关键点坐标序列中的第一历史障碍物关键点坐标对应序号的第二历史障碍物关键点坐标，则上述匹配结果为匹配成功。上述第二历史障碍物关键点坐标序列中，不存在与上述第一历史障碍物关键点坐标序列中的第一历史障碍物关键点坐标对应编号的第二历史障碍物关键点坐标，或上述第一历史障碍物关键点坐标序列中，不存在与上述第二历史障碍物关键点坐标序列中的第二历史障碍物关键点坐标对应编号的第一历史障碍物关键点坐标，则上述匹配结果为未匹配成功。
其次，将与上述关键点坐标匹配结果序列中为未匹配成功的关键点坐标匹配结果对应的第一历史障碍物关键点坐标确定为第一目标关键点坐标，得到第一目标关键点坐标序列。
然后，将与上述关键点坐标匹配结果序列中为未匹配成功的关键点坐标匹配结果对应的第二历史障碍物关键点坐标确定为第二目标关键点坐标，得到第二目标关键点坐标序列。
再然后，将与上述关键点坐标匹配结果序列中为匹配成功的关键点坐标匹配结果对应的上述第一历史障碍物信息包括的第一历史障碍物关键点坐标序列中的第一历史障碍物关键点坐标、和上述第二历史障碍物信息组中的第二历史障碍物信息包括的第二历史障碍物关键点坐标序列中的第二历史障碍物关键点坐标确定为匹配关键点坐标对，得到匹配关键点坐标对序列。其中，上述匹配关键点坐标对可以包括上述第一历史障碍物关键点坐标值和上述第二历史障碍物关键点坐标值。
接着，响应于确定上述匹配关键点坐标对序列中匹配关键点坐标对的距离值小于预设值，将上述匹配关键点坐标对中匹配关键点坐标对的坐标平均值确定为第三目标关键点坐标，得到第三目标关键点坐标序列。
最后，将上述第一目标关键点坐标序列、上述第二目标关键点坐标序列和上述第三目标关键点坐标序列组合为目标关键点坐标序列。其中，可以分别将上述第一目标关键点坐标序列、上述第二目标关键点坐标序列和上述第三目标关键点坐标序列中的第一目标关键点坐标、上述第二目标关键点坐标和上述第三目标关键点坐标取出，按照上述序号顺序进行排序，得到目标关键点坐标序列。
第二步，将上述相邻两个历史障碍物信息组中与上述目标关键点坐标序列集中每个目标关键点坐标序列中每个目标关键点坐标对应的历史障碍物信息融合为目标障碍物信息，得到目标障碍物信息组。
第三步，对上述目标关键点坐标序列集中的每个目标关键点坐标序列，确定目标障碍物尺寸，得到目标障碍物尺寸集。其中，上述目标障碍物尺寸可以用于表征一个障碍物的尺寸，包括目标纵向距离值和目标横向距离值。
作为示例，按照上述障碍物关键点坐标序号，上述执行主体可以将1号障碍物关键点坐标和2号障碍物关键点坐标的距离值与0号障碍物关键点坐标和3号障碍物关键点坐标之间的距离值确定为纵向距离值，将0号障碍物关键点坐标和1号障碍物关键点坐标的距离值与2号障碍物关键点坐标和3号障碍物关键点坐标的距离值确定为横向距离值。
第四步，确定上述目标障碍物尺寸集中各个目标障碍物尺寸与上述目标障碍物信息组中每个目标障碍物信息对应的历史障碍物尺寸的差值以生成差值组，得到差值组集。其中，可以通过以下公式，确定上述目标障碍物尺寸集中每个目标障碍物尺寸与上述目标障碍物信息组中每个目标障碍物信息对应的历史障碍物尺寸的差值：
Figure 828404DEST_PATH_IMAGE001
。
其中，
Figure 900266DEST_PATH_IMAGE002
表示上述历史障碍物尺寸。
Figure 809316DEST_PATH_IMAGE003
表示上述目标障碍物尺寸。
Figure 551007DEST_PATH_IMAGE004
表示纵向距离值。
Figure 545508DEST_PATH_IMAGE005
表示横向距离值。
Figure 793298DEST_PATH_IMAGE006
表示上述差值。
Figure 556855DEST_PATH_IMAGE007
表示上述历史障碍物尺寸包括的历史纵向距离值。
Figure 328502DEST_PATH_IMAGE008
表示上述目标障碍物尺寸包括的目标纵向距离值。
Figure 951244DEST_PATH_IMAGE009
表示上述历史障碍物尺寸包括的历史横向距离值。
Figure 99329DEST_PATH_IMAGE010
表示上述目标障碍物尺寸包括的目标横向距离值。
Figure 982971DEST_PATH_IMAGE011
表示预设的车头车尾补偿值。
作为示例，上述预设的车头车尾补偿值可以是1米。
第五步，将上述目标障碍物信息组中与上述差值组集中小于预设值的差值对应的目标障碍物信息确定为融合障碍物信息。
实践中，上述生成融合障碍物信息的相关内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“欧式距离匹配的方法在障碍物存在于不同图像中时，只对障碍物信息中的障碍物中心点坐标进行匹配，导致障碍物信息匹配成功的概率低，从而导致得到的融合障碍物信息的误差较大”。其中，导致对融合障碍物信息包括的融合障碍物中心点坐标估计的误差较大的因素往往如下：欧式距离匹配的方法在障碍物存在于不同图像中时，只对障碍物信息中的障碍物中心点坐标进行匹配，导致障碍物信息匹配成功的概率低。如果解决了上述因素，就能达到在障碍物存在于不同图像中时，通过关键点坐标匹配的方法对障碍物信息进行匹配，确定融合障碍物信息，提高障碍物信息匹配成功的概率，从而，减小对融合障碍物信息包括的融合障碍物中心点坐标估计的误差。为了达到这一效果，可以通过关键点匹配的方法初步确定存在于不同图像中的障碍物信息是同一个融合障碍物信息并得到初次匹配后的关键点坐标序列。然后，基于上述关键点坐标序列将初步确定的障碍物信息提取出来。进行障碍物尺寸匹配。最后，得到对存在于不同图像中的障碍物信息进行融合后的融合障碍物信息。经过两次匹配操作，提高了障碍物信息匹配成功的概率，减小了融合障碍物中心点坐标估计的误差。
可选的，上述执行主体在上述基于融合障碍物信息集，对预测障碍物轨迹集中的每个预测障碍物轨迹进行调整以生成目标障碍物轨迹，得到目标障碍物轨迹集之前，还可以执行如下步骤：
对上述预测障碍物轨迹集中的每个预测障碍物轨迹进行中心点坐标提取以生成预测障碍物轨迹中心点坐标，得到预测障碍物轨迹中心点坐标集。其中，可以通过卡尔曼滤波算法，对上述预测障碍物轨迹集中的每个预测障碍物轨迹进行中心点坐标提取操作以生成预测障碍物轨迹中心点坐标。
步骤104，基于融合障碍物信息集，对预测障碍物轨迹集中的每个预测障碍物轨迹进行调整以生成目标障碍物轨迹，得到目标障碍物轨迹集。
在一些实施例中，上述执行主体可以基于上述融合障碍物信息集，对上述预测障碍物轨迹集中的每个预测障碍物轨迹进行调整以生成目标障碍物轨迹，得到目标障碍物轨迹集。
在一些实施例的一些可选的实现方式中，上述基于上述融合障碍物信息集，对上述预测障碍物轨迹集中的每个预测障碍物轨迹进行调整以生成目标障碍物轨迹，得到目标障碍物轨迹集，可以包括以下步骤：
对于上述融合障碍物信息集中的每个融合障碍物信息，执行如下步骤，以生成目标障碍物轨迹集中的目标障碍物轨迹：
首先，响应于确定上述预测障碍物轨迹集中不存在与上述融合障碍物信息对应的预测障碍物轨迹，生成与上述融合障碍物信息对应的目标障碍物轨迹。可以通过卡尔曼滤波算法，生成与上述融合障碍物信息对应的目标障碍物轨迹。
其次，响应于确定上述预测障碍物轨迹集中存在与上述融合障碍物信息对应的预测障碍物轨迹，对所对应的预测障碍物轨迹进行更新，得到目标障碍物轨迹。
在一些实施例的一些可选的实现方式中，上述基于融合障碍物信息集，对预测障碍物轨迹集中的每个预测障碍物轨迹进行调整以生成目标障碍物轨迹，可以包括以下步骤：
第一步，响应于确定上述融合障碍物信息集中不存在与上述预测障碍物轨迹对应的融合障碍物信息，从上述预测障碍物轨迹集中删除上述预测障碍物轨迹。
第二步，响应于确定上述融合障碍物信息集中存在与上述预测障碍物轨迹对应的融合障碍物信息，对上述预测障碍物轨迹进行更新，得到目标障碍物轨迹。
在一些实施例的一些可选的实现方式中，上述对上述预测障碍物轨迹进行更新，得到目标障碍物轨迹，可以包括以下步骤：
第一子步骤，基于上述预测障碍物轨迹对应的目标关键点坐标序列和历史障碍物关键点坐标序列，生成目标单应矩阵。其中，上述目标单应矩阵可以表征对应序号的目标关键点坐标和历史障碍物关键点坐标之间的转换关系。可以从上述目标关键点坐标序列中取出任意两个目标关键点坐标作为第一个目标关键点坐标和第二个目标关键点坐标，从上述历史障碍物关键点坐标序列中取出任意两个历史障碍物关键点坐标作为第一个历史障碍物关键点坐标和第二个历史障碍物关键点坐标。可以通过如下公式，生成目标单应矩阵：
Figure 315732DEST_PATH_IMAGE012
。
其中，
Figure 19246DEST_PATH_IMAGE013
表示关键点坐标的横坐标。
Figure 971021DEST_PATH_IMAGE014
表示关键点坐标的纵坐标。
Figure 584536DEST_PATH_IMAGE015
表示一个自然数，包括1和2。
Figure 963565DEST_PATH_IMAGE016
表示另一个自然数，包括1和2。上述
Figure 154375DEST_PATH_IMAGE015
中的1表示目标关键点坐标，2表示历史障碍物关键点坐标。上述
Figure 270361DEST_PATH_IMAGE016
中的1表示第一个关键点坐标，2表示第二个关键点坐标。
Figure 128596DEST_PATH_IMAGE017
表示上述第一个目标关键点坐标的横坐标。
Figure 678526DEST_PATH_IMAGE018
表示上述第二个目标障碍物坐标的横坐标。
Figure 497577DEST_PATH_IMAGE019
表示上述第一个目标障碍物关键点坐标的纵坐标。
Figure 525576DEST_PATH_IMAGE020
表示上述第二个目标障碍物关键点坐标的纵坐标。
Figure 362951DEST_PATH_IMAGE021
表示上述第一个历史障碍物关键点坐标的横坐标。
Figure 83782DEST_PATH_IMAGE022
表示上述第二个历史障碍物关键点坐标的横坐标。
Figure 249184DEST_PATH_IMAGE023
表示第一个历史障碍物关键点坐标的纵坐标。
Figure 80874DEST_PATH_IMAGE024
表示第二个历史障碍物关键点坐标的纵坐标。
Figure 523488DEST_PATH_IMAGE025
表示目标单应矩阵。
Figure 415220DEST_PATH_IMAGE026
表示一个
Figure 959596DEST_PATH_IMAGE027
的矩阵。
Figure 329398DEST_PATH_IMAGE028
表示行，包括1、2和3。
Figure 16731DEST_PATH_IMAGE029
表示列，包括1、2和3。
第二子步骤，基于上述目标单应矩阵，对上述预测障碍物轨迹对应的历史障碍物中心点坐标进行更新，得到融合障碍物中心点坐标。其中，可以通过如下公式对上述预测障碍物轨迹对应的历史障碍物中心点坐标进行更新，得到融合障碍物中心点坐标：
Figure 954731DEST_PATH_IMAGE030
。
其中，
Figure 94726DEST_PATH_IMAGE031
表示中心点坐标。
Figure 533797DEST_PATH_IMAGE032
表示中心点坐标的横坐标。
Figure 200271DEST_PATH_IMAGE033
表示中心点坐标的纵坐标。
Figure 433806DEST_PATH_IMAGE034
表示融合障碍物中心点坐标的横坐标。
Figure 936463DEST_PATH_IMAGE035
表示融合障碍物中心点坐标的纵坐标。
Figure 648067DEST_PATH_IMAGE036
表示历史障碍物中心点坐标的横坐标。
Figure 309992DEST_PATH_IMAGE037
表示历史障碍物中心点坐标的纵坐标。上述符号下标中的数字1表示融合障碍物中心点坐标，数字2表示历史障碍物中心点坐标。
第三子步骤，响应于确定上述融合障碍物中心点坐标和上述预测障碍物轨迹中心点坐标距离值小于预设阈值，基于上述融合障碍物中心点坐标和上述预测障碍物轨迹中心点坐标，生成目标转换矩阵。其中，上述目标转换矩阵可以表征融合障碍物中心点坐标和预测障碍物轨迹中心点坐标的转换关系。可以通过卡尔曼滤波算法，基于融合障碍物中心点坐标和预测障碍物轨迹中心点坐标，生成目标转换矩阵。
第四子步骤，基于上述目标转换矩阵和上述融合障碍物中心点坐标，生成目标障碍物轨迹。可以通过卡尔曼滤波算法，基于目标转换矩阵和融合障碍物中心点坐标，生成目标障碍物轨迹。
实践中，可以确定对应序号的融合障碍物信息中目标关键点坐标和历史障碍物关键点坐标之间的对应转换关系。然后，根据上述对应序号的目标关键点坐标和历史障碍物关键点坐标之间的转换关系，确定上述历史障碍物中心点坐标和上述融合障碍物中心点坐标的转换关系，从而，对融合障碍物中心点坐标进行估计，从而，减小了对融合障碍物中心点坐标的估计误差。
步骤105，将目标障碍物轨迹集发送至当前车辆的控制终端以进行避障操作。
在一些实施例中，上述执行主体可以将上述目标障碍物轨迹集发送至上述当前车辆的控制终端以进行避障操作。
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障碍物信息融合方法，提高了融合障碍物的障碍物轨迹的精准度。具体来说，造成融合障碍物的障碍物轨迹精准度低的原因在于：欧式距离匹配只对障碍物信息中的障碍物中心点坐标进行匹配融合，未考虑历史障碍物信息中的历史障碍物关键点坐标和历史障碍物尺寸，导致生成的融合障碍物信息的误差较大，使得融合障碍物信息与预测障碍物轨迹的匹配成功率不稳定，从而，导致无法确保及时对预测障碍物轨迹进行调整。基于此，本公开的一些障碍物信息融合方法，首先，获取历史障碍物轨迹集和历史障碍物信息组序列；对上述历史障碍物轨迹集中的每个历史障碍物轨迹进行轨迹预测以生成预测障碍物轨迹，得到预测障碍物轨迹集。由此，可以得到对历史障碍物轨迹的预测结果，可用于与融合障碍物信息进行匹配，对预测障碍物轨迹进行调整，方便得到更精准的目标障碍物轨迹。然后，对上述历史障碍物信息组序列中每相邻两个历史障碍物信息组中的历史障碍物信息进行融合处理以生成融合障碍物信息，得到融合障碍物信息集。由此，可以通过对上述历史障碍物信息进行融合的方式生成处于不同图像中的融合障碍物信息，这里，由于对历史障碍物信息中的历史障碍物关键点坐标进行匹配和匹配后对历史障碍物尺寸再进行匹配，然后再将匹配成功的历史障碍物信息进行融合，从而减小了融合障碍物信息的误差，提高了与上述预测障碍物轨迹的匹配成功率的稳定性。接着，基于上述融合障碍物信息集，对上述预测障碍物轨迹集中的每个预测障碍物轨迹进行调整以生成目标障碍物轨迹，得到目标障碍物轨迹集。由此，可以根据上述预测障碍物轨迹集中每个预测障碍物轨迹与上述融合障碍物信息集中每个融合障碍物信息的对应关系，对上述预测障碍物轨迹集中的预测障碍物轨迹进行创建、更新和删除操作，得到目标障碍物轨迹。最后，将目标障碍物轨迹集发送至当前车辆的控制终端以进行避障操作。由此，当前车辆的控制终端可以根据上述目标障碍物轨迹进行避障。因此，本公开的一些障碍物信息融合方法，可以对历史障碍物轨迹进行预测，当障碍物存在于不同图像中时，可以将不同图像中匹配的历史障碍物信息进行融合处理来生成融合障碍物信息，减小了融合障碍物信息的误差，提高了与预测障碍物轨迹的匹配成功率的稳定性，从而可以确保及时对预测障碍物轨迹进行调整，由此，提高了融合障碍物的障碍物轨迹的精准度。
进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种障碍物信息融合装置的一些实施例，这些装置实施例与图1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2所示，一些实施例的障碍物信息融合装置200包括：获取单元201、轨迹预测单元202、融合单元203、调整单元204和发送单元205。其中，接收单元201被配置成获取历史障碍物轨迹集和历史障碍物信息组序列，其中，上述历史障碍物信息组序列中的每个历史障碍物信息组对应当前车辆的一个车载相机；轨迹预测单元202被配置成对上述历史障碍物轨迹集中的每个历史障碍物轨迹进行轨迹预测以生成预测障碍物轨迹，得到预测障碍物轨迹集；融合单元203被配置成对上述历史障碍物信息组序列中每相邻两个历史障碍物信息组中的历史障碍物信息进行融合处理以生成融合障碍物信息，得到融合障碍物信息集，其中，确定上述历史障碍物信息组序列中的第一个历史障碍物信息组与最后一个历史障碍物信息组相邻；调整单元204被配置成基于上述融合障碍物信息集，对上述预测障碍物轨迹集中的每个预测障碍物轨迹进行调整以生成目标障碍物轨迹，得到目标障碍物轨迹集；而发送单元205，被配置成将上述目标障碍物轨迹集发送至上述当前车辆的控制终端以进行避障操作。
可以理解的是，该装置200中记载的诸单元与参考图1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200及其中包含的单元，在此不再赘述。
下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备300的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3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3所示，电子设备300可以包括处理装置（例如中央处理器、图形处理器等）301，其可以根据存储在只读存储器（ROM）302中的程序或者从存储装置308加载到随机访问存储器（RAM）303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出（I/O）接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：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306；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，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3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309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301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中记载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电子设备中所包含的；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：获取历史障碍物轨迹集和历史障碍物信息组序列，其中，上述历史障碍物信息组序列中的每个历史障碍物信息组对应当前车辆的一个车载相机；对上述历史障碍物轨迹集中的每个历史障碍物轨迹进行轨迹预测以生成预测障碍物轨迹，得到预测障碍物轨迹集；对上述历史障碍物信息组序列中每相邻两个历史障碍物信息组中的历史障碍物信息进行融合处理以生成融合障碍物信息，得到融合障碍物信息集，其中，确定上述历史障碍物信息组序列中的第一个历史障碍物信息组与最后一个历史障碍物信息组相邻；基于上述融合障碍物信息集，对上述预测障碍物轨迹集中的每个预测障碍物轨迹进行调整以生成目标障碍物轨迹，得到目标障碍物轨迹集；将上述目标障碍物轨迹集发送至上述当前车辆的控制终端以进行避障操作。
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，所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、轨迹预测单元、融合单元、调整单元和发送单元。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“获取历史障碍物轨迹集和历史障碍物信息组序列的单元”。
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)

1.一种障碍物信息融合的方法，包括：
获取历史障碍物轨迹集和历史障碍物信息组序列，其中，所述历史障碍物信息组序列中的每个历史障碍物信息组对应当前车辆的一个车载相机，所述历史障碍物信息组序列中每个历史障碍物信息组中的每个历史障碍物信息包括历史障碍物尺寸、历史障碍物中心点坐标和历史障碍物关键点坐标序列；
对所述历史障碍物轨迹集中的每个历史障碍物轨迹进行轨迹预测以生成预测障碍物轨迹，得到预测障碍物轨迹集；
对所述历史障碍物信息组序列中每相邻两个历史障碍物信息组中的历史障碍物信息进行融合处理以生成融合障碍物信息，得到融合障碍物信息集，其中，确定所述历史障碍物信息组序列中的第一个历史障碍物信息组与最后一个历史障碍物信息组相邻；
基于所述融合障碍物信息集，对所述预测障碍物轨迹集中的每个预测障碍物轨迹进行调整以生成目标障碍物轨迹，得到目标障碍物轨迹集；
将所述目标障碍物轨迹集发送至所述当前车辆的控制终端以进行避障操作。
2.根据权利要求1所述的方法，其中，在所述基于所述融合障碍物信息集，对所述预测障碍物轨迹集中的每个预测障碍物轨迹进行调整以生成目标障碍物轨迹，得到目标障碍物轨迹集之前，所述方法还包括：
对所述预测障碍物轨迹集中的每个预测障碍物轨迹进行中心点坐标提取以生成预测障碍物轨迹中心点坐标，得到预测障碍物轨迹中心点坐标集。
3.根据权利要求1所述的方法，其中，所述历史障碍物信息组序列中每个历史障碍物信息组中的每个历史障碍物信息包括历史障碍物尺寸和历史障碍物中心点坐标；以及
所述对所述历史障碍物信息组序列中每相邻两个历史障碍物信息组中的历史障碍物信息进行融合处理以生成融合障碍物信息，包括：
基于所述相邻两个历史障碍物信息组，生成目标关键点坐标序列集；
将所述相邻两个历史障碍物信息组中与所述目标关键点坐标序列集中每个目标关键点坐标序列中每个目标关键点坐标对应的历史障碍物信息融合为目标障碍物信息，得到目标障碍物信息组；
对所述目标关键点坐标序列集中的每个目标关键点坐标序列，确定目标障碍物尺寸，得到目标障碍物尺寸集；
确定所述目标障碍物尺寸集中各个目标障碍物尺寸与所述目标障碍物信息组中每个目标障碍物信息对应的历史障碍物尺寸的差值以生成差值组，得到差值组集；
将所述目标障碍物信息组中与所述差值组集中小于预设值的差值对应的目标障碍物信息确定为融合障碍物信息。
4.根据权利要求3所述的方法，其中，所述历史障碍物信息组序列中每个历史障碍物信息组中的每个历史障碍物信息还包括历史障碍物关键点坐标序列，所述历史障碍物关键点坐标序列中的历史障碍物关键点坐标是障碍物车辆车轮的轮胎接地点在车身坐标系下的坐标；以及
所述基于所述相邻两个历史障碍物信息组，生成目标关键点坐标序列集，包括：
将所述相邻两个历史障碍物信息组中的其中一个历史障碍物信息确定为第一历史障碍物信息组，以及将另一个历史障碍物信息确定为第二历史障碍物信息组；
对于所述第一历史障碍物信息组中的每个第一历史障碍物信息，执行如下步骤以生成目标关键点坐标序列，得到目标关键点坐标序列集：
对所述第一历史障碍物信息包括的第一历史障碍物关键点坐标序列中的各个第一历史障碍物关键点坐标与所述第二历史障碍物信息组中的每个第二历史障碍物信息包括的第二历史障碍物关键点坐标序列中对应的第二历史障碍物关键点坐标进行匹配处理以生成关键点坐标匹配结果序列，得到关键点匹配结果序列集，其中，所述关键点坐标匹配结果序列中的每个关键点坐标匹配结果为匹配成功或未匹配成功；
将与所述关键点坐标匹配结果序列中为未匹配成功的关键点坐标匹配结果对应的第一历史障碍物关键点坐标确定为第一目标关键点坐标，得到第一目标关键点坐标序列；
将与所述关键点坐标匹配结果序列中为未匹配成功的关键点坐标匹配结果对应的第二历史障碍物关键点坐标确定为第二目标关键点坐标，得到第二目标关键点坐标序列；
将与所述关键点坐标匹配结果序列中为匹配成功的关键点坐标匹配结果对应的所述第一历史障碍物信息包括的第一历史障碍物关键点坐标序列中的第一历史障碍物关键点坐标、和所述第二历史障碍物信息组中的第二历史障碍物信息包括的第二历史障碍物关键点坐标序列中的第二历史障碍物关键点坐标确定为匹配关键点坐标对，得到匹配关键点坐标对序列；
响应于确定所述匹配关键点坐标对序列中匹配关键点坐标对的距离值小于预设值，将所述匹配关键点坐标对序列中匹配关键点坐标对的坐标平均值确定为第三目标关键点坐标，得到第三目标关键点坐标序列；
将所述第一目标关键点坐标序列、所述第二目标关键点坐标序列和所述第三目标关键点坐标序列组合为目标关键点坐标序列。
5.根据权利要求3所述的方法，其中，所述基于所述融合障碍物信息集，对所述预测障碍物轨迹集中的每个预测障碍物轨迹进行调整以生成目标障碍物轨迹，得到目标障碍物轨迹集，包括：
对于所述融合障碍物信息集中的每个融合障碍物信息，执行如下步骤，以生成目标障碍物轨迹集中的目标障碍物轨迹：
响应于确定所述预测障碍物轨迹集中不存在与所述融合障碍物信息对应的预测障碍物轨迹，生成与所述融合障碍物信息对应的目标障碍物轨迹；
响应于确定所述预测障碍物轨迹集中存在与所述融合障碍物信息对应的预测障碍物轨迹，对所对应的预测障碍物轨迹进行更新，得到目标障碍物轨迹。
6.根据权利要求3所述的方法，其中，所述基于所述融合障碍物信息集，对所述预测障碍物轨迹集中的每个预测障碍物轨迹进行调整以生成目标障碍物轨迹，包括：
响应于确定所述融合障碍物信息集中不存在与所述预测障碍物轨迹对应的融合障碍物信息，从所述预测障碍物轨迹集中删除所述预测障碍物轨迹；
响应于确定所述融合障碍物信息集中存在与所述预测障碍物轨迹对应的融合障碍物信息，对所述预测障碍物轨迹进行更新，得到目标障碍物轨迹。
7.根据权利要求5-6之一所述的方法，其中，所述对所述预测障碍物轨迹进行更新，得到目标障碍物轨迹，包括：
基于所述预测障碍物轨迹对应的融合障碍物信息包括的目标关键点坐标序列和历史障碍物关键点坐标序列，生成目标单应矩阵；
基于所述目标单应矩阵，对所述预测障碍物轨迹对应的历史障碍物中心点坐标进行更新，得到融合障碍物中心点坐标；
响应于确定所述融合障碍物中心点坐标和所述预测障碍物轨迹中心点坐标距离值小于预设阈值，基于所述融合障碍物中心点坐标和所述预测障碍物轨迹中心点坐标，生成目标转换矩阵；
基于所述目标转换矩阵和所述融合障碍物中心点坐标，生成目标障碍物轨迹。
8.一种障碍物信息融合的装置，包括：
获取单元，被配置成获取历史障碍物轨迹集和历史障碍物信息组序列，其中，所述历史障碍物信息组序列中的每个历史障碍物信息组对应当前车辆的一个车载相机，所述历史障碍物信息组序列中每个历史障碍物信息组中的每个历史障碍物信息包括历史障碍物尺寸、历史障碍物中心点坐标和历史障碍物关键点坐标序列；
轨迹预测单元，被配置成对所述历史障碍物轨迹集中的每个历史障碍物轨迹进行轨迹预测以生成预测障碍物轨迹，得到预测障碍物轨迹集；
融合单元，被配置成对所述历史障碍物信息组序列中每相邻两个历史障碍物信息组中的历史障碍物信息进行融合处理以生成融合障碍物信息，得到融合障碍物信息集，其中，确定所述历史障碍物信息组序列中的第一个历史障碍物信息组与最后一个历史障碍物信息组相邻；
调整单元，被配置成基于所述融合障碍物信息集，对所述预测障碍物轨迹集中的每个预测障碍物轨迹进行调整以生成目标障碍物轨迹，得到目标障碍物轨迹集；
发送单元，被配置成将所述目标障碍物轨迹集发送至所述当前车辆的控制终端以进行避障操作。
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。
CN202211178026.6A 2022-09-27 2022-09-27 障碍物信息融合方法、装置、电子设备和计算机可读介质 Active CN115257727B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211178026.6A CN115257727B (zh) 2022-09-27 2022-09-27 障碍物信息融合方法、装置、电子设备和计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211178026.6A CN115257727B (zh) 2022-09-27 2022-09-27 障碍物信息融合方法、装置、电子设备和计算机可读介质

Publications (2)

Publication Number Publication Date
CN115257727A CN115257727A (zh) 2022-11-01
CN115257727B true CN115257727B (zh) 2022-12-23

Family

ID=83757351

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211178026.6A Active CN115257727B (zh) 2022-09-27 2022-09-27 障碍物信息融合方法、装置、电子设备和计算机可读介质

Country Status (1)

Country Link
CN (1) CN115257727B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115497078B (zh) * 2022-11-15 2023-03-10 广汽埃安新能源汽车股份有限公司 车道线生成方法、装置、设备和计算机可读介质
CN115588185B (zh) * 2022-11-15 2023-03-14 广汽埃安新能源汽车股份有限公司 行驶路线生成方法、装置、电子设备和计算机可读介质
CN115540894B (zh) * 2022-12-02 2023-03-07 广汽埃安新能源汽车股份有限公司 车辆轨迹规划方法、装置、电子设备和计算机可读介质
CN115546293B (zh) * 2022-12-02 2023-03-07 广汽埃安新能源汽车股份有限公司 障碍物信息融合方法、装置、电子设备和计算机可读介质
CN116088537B (zh) * 2023-04-06 2023-06-13 禾多科技（北京）有限公司 车辆避障方法、装置、电子设备和计算机可读介质
CN116563817B (zh) * 2023-04-14 2024-02-20 禾多科技（北京）有限公司 障碍物信息生成方法、装置、电子设备和计算机可读介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110371112A (zh) * 2019-07-06 2019-10-25 深圳数翔科技有限公司 一种自动驾驶车辆的智能避障系统及方法
CN110517483A (zh) * 2019-08-06 2019-11-29 杭州博信智联科技有限公司 一种路况信息处理方法及数字轨路侧单元
CN112677993A (zh) * 2021-01-05 2021-04-20 北京三快在线科技有限公司 一种模型训练的方法及装置
WO2021134354A1 (zh) * 2019-12-30 2021-07-08 深圳元戎启行科技有限公司 轨迹预测方法、装置、计算机设备和存储介质
CN114596547A (zh) * 2022-01-28 2022-06-07 北京汽车研究总院有限公司 自动驾驶车辆的障碍物检测方法、装置、设备及介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110371112A (zh) * 2019-07-06 2019-10-25 深圳数翔科技有限公司 一种自动驾驶车辆的智能避障系统及方法
CN110517483A (zh) * 2019-08-06 2019-11-29 杭州博信智联科技有限公司 一种路况信息处理方法及数字轨路侧单元
WO2021134354A1 (zh) * 2019-12-30 2021-07-08 深圳元戎启行科技有限公司 轨迹预测方法、装置、计算机设备和存储介质
CN112677993A (zh) * 2021-01-05 2021-04-20 北京三快在线科技有限公司 一种模型训练的方法及装置
CN114596547A (zh) * 2022-01-28 2022-06-07 北京汽车研究总院有限公司 自动驾驶车辆的障碍物检测方法、装置、设备及介质

Also Published As

Publication number Publication date
CN115257727A (zh) 2022-11-01

Similar Documents

Publication Publication Date Title
CN115257727B (zh) 障碍物信息融合方法、装置、电子设备和计算机可读介质
CN111292420B (zh) 用于构建地图的方法和装置
CN112328731B (zh) 车辆车道级定位方法、装置、电子设备和计算机可读介质
CN115326099B (zh) 局部路径规划方法、装置、电子设备和计算机可读介质
CN114964296B (zh) 车辆行驶路径规划方法、装置、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
CN115817463B (zh) 车辆避障方法、装置、电子设备和计算机可读介质
CN113050643A (zh) 无人车路径规划方法、装置、电子设备和计算机可读介质
CN112464921B (zh) 障碍物检测信息生成方法、装置、设备和计算机可读介质
CN112598731B (zh) 车辆定位方法、装置、电子设备和计算机可读介质
CN116740382B (zh) 障碍物信息生成方法、装置、电子设备和计算机可读介质
CN115326079B (zh) 车辆车道级定位方法、装置、设备和计算机可读介质
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
CN110705536A (zh) 汉字识别纠错方法、装置、计算机可读介质及电子设备
CN114724116B (zh) 车辆通行信息生成方法、装置、设备和计算机可读介质
CN115408609A (zh) 泊车路线推荐方法、装置、电子设备和计算机可读介质
CN110209851B (zh) 模型训练方法、装置、电子设备及存储介质
CN111950238A (zh) 自动驾驶故障评分表生成方法、装置、电子设备
CN113778078A (zh) 定位信息生成方法、装置、电子设备和计算机可读介质
CN115310728B (zh) 泊车路线生成方法、装置、设备和计算机可读介质
CN115991235B (zh) 车辆转向控制方法、装置、电子设备和计算机可读介质
CN115973178B (zh) 车辆移动控制方法、装置、电子设备和计算机可读介质
CN115471708B (zh) 车道线类型信息生成方法、装置、设备和计算机可读介质
CN115908143B (zh) 车辆跨层泊车方法、装置、电子设备和计算机可读介质
CN115610415B (zh) 车辆距离控制方法、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
CB03 Change of inventor or designer information

Inventor after: Yuan Feiyang

Inventor after: Lan Shayun

Inventor after: Huang Lihong

Inventor before: Yuan Feiyang

Inventor before: Lan Shayun

Inventor before: Huang Lihong

CB03 Change of inventor or designer information
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