CN115376105A - 可行驶区域的确定方法、装置、电子设备以及存储介质 - Google Patents

可行驶区域的确定方法、装置、电子设备以及存储介质 Download PDF

Info

Publication number
CN115376105A
CN115376105A CN202211066186.1A CN202211066186A CN115376105A CN 115376105 A CN115376105 A CN 115376105A CN 202211066186 A CN202211066186 A CN 202211066186A CN 115376105 A CN115376105 A CN 115376105A
Authority
CN
China
Prior art keywords
value
obstacle distance
microwave radar
scanning
determining
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
Application number
CN202211066186.1A
Other languages
English (en)
Inventor
顾超
仇世豪
许孝勇
陶征
朱大安
王长冬
张辉
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.)
Nanjing Hurys Intelligent Technology Co Ltd
Original Assignee
Nanjing Hurys Intelligent Technology 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 Nanjing Hurys Intelligent Technology Co Ltd filed Critical Nanjing Hurys Intelligent Technology Co Ltd
Priority to CN202211066186.1A priority Critical patent/CN115376105A/zh
Publication of CN115376105A publication Critical patent/CN115376105A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • 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
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明实施例公开了一种可行驶区域的确定方法、装置、电子设备以及存储介质。其中，该方法包括：获取至少两个微波雷达探测得到的微波雷达图像；其中，各微波雷达的位置点处于过车辆后轴中点且垂直于车辆后轴的平面上；所述微波雷达图像中各像素点的灰度值，用于反映以微波雷达为原点进行微波雷达扫描时反射波的信号强度；根据与各微波雷达图像对应的灰度值矩阵，得到聚类融合点集；确定至少两个扫描区域，根据聚类融合点集，确定与各扫描区域匹配的障碍物点；根据与各扫描区域匹配的障碍物点，确定车辆的可行驶区域。本技术方案实现了矿山场景下的安全区域检测，提高矿山地区驾驶的安全系数。

Description

可行驶区域的确定方法、装置、电子设备以及存储介质
技术领域
本发明涉及数据处理技术领域，尤其涉及一种可行驶区域的确定方法、装置、电子设备以及存储介质。
背景技术
随着辅助驾驶技术的迅速发展，车辆附近的障碍物检测技术已经较为成熟。现有的车辆附近的障碍物检测技术，通常是基于激光雷达的全景成像技术，对得到的车辆周边全景图像进行图像处理，判断是否存在障碍物。
然而，对于矿山等特殊场景，存在车辆的行驶环境中灰尘较多，可能会遮挡激光雷达的检测窗口的情况，从而降低障碍物检测的准确率，甚至使激光雷达失效。因此，在矿山等车辆的行驶环境中灰尘较多的场景下，需要一种新的障碍物检测方案。
发明内容
本发明提供了一种可行驶区域的确定方法、装置、电子设备以及存储介质，以实现矿山场景下的安全区域检测，提高矿山地区驾驶的安全系数。
根据本发明的一方面，提供了一种可行驶区域的确定方法，所述方法包括：
获取至少两个微波雷达探测得到的微波雷达图像；其中，各微波雷达的位置点处于过车辆后轴中点且垂直于车辆后轴的平面上；
所述微波雷达图像中各像素点的灰度值，用于反映以微波雷达为原点进行微波雷达扫描时反射波的信号强度；
根据与各微波雷达图像对应的灰度值矩阵，得到聚类融合点集；
确定至少两个扫描区域，根据聚类融合点集，确定与各扫描区域匹配的障碍物点；
根据与各扫描区域匹配的障碍物点，确定车辆的可行驶区域。
根据本发明的另一方面，提供了一种可行驶区域的确定装置，包括：
图像获取模块，用于获取至少两个微波雷达探测得到的微波雷达图像；其中，各微波雷达的位置点处于过车辆后轴中点且垂直于车辆后轴的平面上；
所述微波雷达图像中各像素点的灰度值，用于反映以微波雷达为原点进行微波雷达扫描时反射波的信号强度；
聚类融合点集确定模块，用于根据与各微波雷达图像对应的灰度值矩阵，得到聚类融合点集；
障碍物点确定模块，用于确定至少两个扫描区域，根据聚类融合点集，确定与各扫描区域匹配的障碍物点；
可行驶区域确定模块，用于根据与各扫描区域匹配的障碍物点，确定车辆的可行驶区域。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
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计算机程序，所述计算机程序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本发明任一实施例所述的可行驶区域的确定方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的可行驶区域的确定方法。
本申请实施例的技术方案，通过获取至少两个微波雷达探测得到的微波雷达图像；根据与各微波雷达图像对应的灰度值矩阵，得到聚类融合点集；确定至少两个扫描区域，根据聚类融合点集，确定与各扫描区域匹配的障碍物点；根据与各扫描区域匹配的障碍物点，确定车辆的可行驶区域。本技术方案通过微波雷达探测障碍物，避免了灰尘等因素的干扰，且采用至少两个微波雷达工作的方式，提高了障碍物探测的准确性与完备性，实现了矿山场景下的安全区域检测，提高矿山地区驾驶的安全系数。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1是根据本发明实施例一提供的一种可行驶区域的确定方法的流程图；
图2是根据本发明实施例提供的一种可行驶区域的确定方法的微波雷达位置点示意图；
图3是根据本发明实施例提供的一种可行驶区域的确定方法的扫描区域示意图；
图4是根据本发明实施例二提供的一种可行驶区域的确定方法的流程图；
图5是根据本发明实施例三提供的一种可行驶区域的确定方法的流程图；
图6是根据本发明实施例提供的一种可行驶区域的确定方法的微波雷达探测示意图；
图7是根据本发明实施例提供的一种可行驶区域的确定方法的相邻位置点示意图；
图8是根据本发明实施例提供的一种可行驶区域的确定方法的插值示意图；
图9是根据本发明实施例四提供的一种可行驶区域的确定装置的结构示意图；
图10是实现本发明实施例的一种可行驶区域的确定方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”“目标”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种可行驶区域的确定方法的流程图，本实施例可适用于检测矿山场景下安全区域的情况，该方法可以由可行驶区域的确定装置来执行，该可行驶区域的确定装置可以采用硬件和/或软件的形式实现，该可行驶区域的确定装置可配置于具有数据处理能力的电子设备中。如图1所示，该方法包括：
S110，获取至少两个微波雷达探测得到的微波雷达图像；其中，各微波雷达的位置点处于过车辆后轴中点且垂直于车辆后轴的平面上。
其中，微波雷达图像是指雷达发射机向探测区域发射无线电波，接收机接收散射回波所形成的图像。微波雷达图像实际上反映的是雷达探测区域中的各位置的强度数据，微波雷达图像与探测区域相对应，各像素点与探测区域中各子区域相对应，各像素点的位置、灰度值等信息，可以反映各子区域信息。例如，探测区域的障碍物会造成该位置的雷达反射波信号强度与无障碍物区域不同，雷达反射波的信号强度以像素点的灰度值的形式体现，所以微波雷达图像可以反映探测区域的障碍物信息。
本申请实施例中，通过至少两个微波雷达探测障碍物，提高了障碍物的探测全面性，避免了漏探的情况，其中，所述微波雷达图像中各像素点的灰度值，用于反映以微波雷达为原点进行微波雷达扫描时反射波的信号强度。至少两个微波雷达的位置点应在车辆不同位置，以从不同方位探测障碍物，示例性的，至少两个微波雷达的位置点以及车辆后轴中点所构成的平面，垂直于车辆后轴，如图2所示，微波雷达的位置点可以是车顶与车底的方块部位。
S120，根据与各微波雷达图像对应的灰度值矩阵，得到聚类融合点集。
本申请实施例中，将微波雷达图像的各像素点灰度值，提取到灰度值矩阵中，若微波雷达图像包括P行Q列个像素点，则
Figure BDA0003827618270000051
其中，F为灰度值矩阵，fpq表示位置(p，q)处的像素点灰度值，F可以映射为一个PΔ×QΔ的矩形区域，其中每个像素对应实际空间中边长为Δ米的正方形区域。
进一步的，由于障碍物具有一定的体积，所以障碍物在微波雷达图像中通常对应多个像素点，可以对各灰度值矩阵进行聚类，得到各灰度值矩阵对应的聚类点集，该聚类点集在微波雷达图像的分布可以反映障碍物对应的实际位置，将与各微波雷达图像对应的聚类点集融合，得到聚类融合点集，该聚类融合点集的实际意义是将各微波雷达探测到的障碍物整合在一起，方便后续运算。
S130，确定至少两个扫描区域，根据聚类融合点集，确定与各扫描区域匹配的障碍物点。
其中，扫描区域可以是微波雷达探测区域的一部分，所有扫描区域可组成雷达探测区域。障碍物点是指各扫描区域内距离车辆最近的障碍物对应的位置点。
具体的，对雷达探测区域进行划分，得到至少两个扫描区域，根据聚类融合点集确定各扫描区域的障碍物，计算距离车辆最近的障碍物距离，确定与各扫描区域匹配的障碍物点。
S140，根据与各扫描区域匹配的障碍物点，确定车辆的可行驶区域。
其中，可行驶区域是指障碍物较少的区域，在可行驶区域的车辆活动空间较大。示例性的，在矿山区域，障碍物附近不方便车辆行驶，且安全性较差，可以在远离障碍物的位置行驶车辆，以提高驾驶的安全系数。需要说明的是，若某扫描区域的障碍物点距离车辆较近，则该扫描区域的相邻区域应尽可能避免出现在可行驶区域中。
本申请实施例的技术方案，通过获取至少两个微波雷达探测得到的微波雷达图像；根据与各微波雷达图像对应的灰度值矩阵，得到聚类融合点集；确定至少两个扫描区域，根据聚类融合点集，确定与各扫描区域匹配的障碍物点；根据与各扫描区域匹配的障碍物点，确定车辆的可行驶区域。本技术方案通过微波雷达探测障碍物，避免了灰尘等因素的干扰，且采用至少两个微波雷达工作的方式，提高了障碍物探测的准确性与完备性，实现了矿山场景下的安全区域检测，提高矿山地区驾驶的安全系数。
实施例二
图4为本发明实施例二提供的一种可行驶区域的确定方法的流程图，本实施例以上述实施例为基础对聚类融合过程进行优化。
如图4所示，本实施例的方法具体包括如下步骤：
S210，获取至少两个微波雷达探测得到的微波雷达图像；其中，各微波雷达的位置点处于过车辆后轴中点且垂直于车辆后轴的平面上；所述微波雷达图像包括车顶微波雷达图像以及车底微波雷达图像。
S220，根据场景底噪灰度值，对与各微波雷达图像对应的灰度值矩阵进行激活函数映射；所述场景底噪灰度值为车顶微波雷达图像对应的灰度值矩阵中各灰度值的众数。
其中，激活函数可以去除场景底噪，场景底噪可以反映背景噪声。本申请实施例中，各微波雷达图像包括了障碍物以及场景底噪，需要对场景底噪进行去除。具体的，设激活函数为fact()，
Figure BDA0003827618270000071
其中，baseline为场景底噪灰度值。将车顶微波雷达图像的灰度值矩阵记为Fhigh，将车底微波雷达图像的灰度值矩阵记为Flow，将Fhigh和Flow带入激活函数进行激活函数映射，得到：
F′low＝{fact(x)|x in Flow}
F′high＝{fact(x)|x in Fhigh}
其中，F′low是指激活函数映射后的车底微波雷达图像的灰度值矩阵，F′high是指激活函数映射后的车底微波雷达图像的灰度值矩阵，x in Flow是指：将车底微波雷达图像的灰度值矩阵的各元素作为x，x in Fhigh是指：将车顶微波雷达图像的灰度值矩阵的各元素作为x。
S230，将激活函数映射后的各灰度值矩阵进行笛卡尔坐标系转换，得到与各灰度值矩阵匹配的笛卡尔坐标点集。
其中，笛卡尔坐标可以是二维直角坐标系，由两个互相垂直的坐标轴设定，分别称为x轴和y轴。本申请实施例中，由于激活函数映射后的各灰度值矩阵中的元素为数值形式，未体现与实际位置的对应关系，所以将激活函数映射后的各灰度值矩阵进行笛卡尔坐标系转换，进而得到与各灰度值矩阵匹配的笛卡尔坐标点集。
具体的，每个像素点对应的实际长度设为Δ米，以微波雷达为坐标原点，建立笛卡尔坐标系，将F′low和F′high从像素坐标系映射到笛卡尔坐标系，得到的与各灰度值矩阵匹配的笛卡尔坐标点集分别记为Plow和Phigh，
Figure BDA0003827618270000081
Figure BDA0003827618270000082
其中，F′low和F′high为P*Q的矩阵，
Figure BDA0003827618270000083
代表笛卡尔坐标系下的坐标，
Figure BDA0003827618270000084
in F′low代表F′low中的各元素，
Figure BDA0003827618270000085
in F′high代表F′high中的各元素。
S240，对与各灰度值矩阵匹配的笛卡尔坐标点集进行聚类和融合，得到聚类融合点集。
本申请实施例中，可选的，对与各灰度值矩阵匹配的笛卡尔坐标点集进行聚类和融合，得到聚类融合点集，包括步骤A1-A3：
步骤A1，对与各灰度值矩阵匹配的笛卡尔坐标点集分别进行基于密度的非参数聚类，得到与各笛卡尔坐标点集匹配的离群点集。
其中，基于密度的非参数聚类是指将与各灰度值矩阵匹配的笛卡尔坐标点集中，紧密堆积的点组合在一起，将单独位于低密度区域的点标记为离群点，各离群点构成离群点集。具体的，进行基于密度的非参数聚类时，预先设置形成一个聚类区域所需要的最小点数：minPts，以及邻域值：∈，从任一未被访问的点开始聚类，判断该点附近的∈范围内是否存在其余点，若存在且总点数大于等于minPts，则形成一个聚类区域，否则判断为离群点。进一步的，离群点可能被发现在其它点的∈邻域内，若该邻域内的点数大于等于minPts，则该离群点加入这个聚类区域，形成更大的聚类区域，重复这个过程，将最终的离群点作为离群点集。示例性的，minPts＝2，∈＝2Δ。
步骤A2，将各笛卡尔坐标点集去除离群点集之后进行合并，得到笛卡尔坐标融合点集。
其中，笛卡尔坐标融合点集包括了去除离群点集之后的车顶微波雷达图对应的笛卡尔坐标点集，以及去除离群点集之后的车底微波雷达图对应的笛卡尔坐标点集。示例性的，车顶微波雷达和车底微波雷达构成的连线垂直于水平面，车顶微波雷达和车底微波雷达可以是同一笛卡尔坐标系的原点，所以各笛卡尔坐标点集可以标记在同一笛卡尔坐标中，进而将各笛卡尔坐标点集去除离群点集之后进行合并，得到笛卡尔坐标融合点集。
具体的，车底微波雷达和车顶微波雷达对应的离群点集记为：P′low和P′high。
L＝Plow-P′low
H＝Phigh-P′high；
其中，L表示去除离群点集的车底微波雷达笛卡尔坐标点集，H表示去除离群点集的车顶微波雷达笛卡尔坐标点集。将笛卡尔坐标融合点集记为P′U，则：
P′U＝L∪H。
显而易见的是，若微波雷达的位置点呈无规则分布，可以平移各微波雷达的笛卡尔坐标系，使各笛卡尔坐标系融合，进而将各笛卡尔坐标点集去除离群点集之后进行合并，得到笛卡尔坐标融合点集。
步骤A3，对笛卡尔坐标融合点集进行极坐标转换，得到聚类融合点集。
其中，极坐标转换是指将笛卡尔坐标融合点集以极坐标的形式体现。所述聚类融合点集所在的极坐标系以车辆后轴中点为极点，以车辆行驶方向为极轴方向，取顺时针角度为正。
具体的，将聚类融合点集记为PU，则：
Figure BDA0003827618270000101
其中，(x,y)in P′U表示P′U中各元素的笛卡尔坐标。
本方案通过对与各灰度值矩阵匹配的笛卡尔坐标点集分别进行基于密度的非参数聚类，并去除离群点集，得到了与障碍物匹配的聚类点集，去除了其余因素的干扰，并将各笛卡尔坐标点集去除离群点集之后进行合并，将各点集融合在一个笛卡尔坐标系中，方便了各障碍物位置的确定，又对笛卡尔坐标融合点集进行极坐标转换，方便了后续步骤中确定各扫描区域匹配的障碍物点。
S250，以车辆后轴中点为圆心，以预设的最大探测距离为半径，确定圆形探测区域。
显而易见的是，圆形探测区域的圆心可以是任意位置，本申请实施例以车辆后轴中点为圆心，只是一种具体实现方式，本申请实施例对圆心的具体位置不做限定。
S260，根据预设的分片数量，将所述圆形探测区域划分为扫描区域；其中，各扫描区域的面积相等。
其中，预设的分片数量的具体数值可以根据实际情况确定，本申请实施例对此不做限定。示例性的，如图3所示，将圆形探测区域划分为多个扇形区域，每个扇形区域为一个扫描区域。
S270，根据聚类融合点集，确定与各扫描区域匹配的障碍物点。
本申请实施例中，可选的，根据聚类融合点集，确定与各扫描区域匹配的障碍物点，包括：对目标扫描区域，根据聚类融合点集确定障碍物距离扫描值；若确定所述障碍物距离扫描值与障碍物距离状态值之间的差值小于预设阈值，则根据障碍物距离扫描值、障碍物距离状态值以及障碍物距离状态值连续更新的次数，对障碍物距离状态值进行更新。
其中，目标扫描区域是指各扫描区域中，进行障碍物距离扫描的区域。障碍物距离扫描值可以是每次进行雷达扫描时，得到的目标扫描区域中距离车辆后轴中点最近的障碍物距离。所述障碍物距离状态值用于表示当前时刻目标扫描区域中距离车辆后轴中点最近的障碍物距离。预设阈值可以根据实际情况确定，本申请实施例对此不做限定。
本申请实施例中，车辆与障碍物的距离通过多次扫描确定，以避免某次扫描出现扫描数据不准确的情况。具体的，在目标扫描区域初次进行雷达扫描时，得到的障碍物距离扫描值作为障碍物距离状态值，此后每次进行雷达扫描，判断得到的障碍物距离扫描值与障碍物距离状态值之间的差值是否小于预设阈值，若小于则根据障碍物距离扫描值、障碍物距离状态值以及障碍物距离状态值连续更新的次数，对障碍物距离状态值进行更新。
本申请实施例中，可选的，根据障碍物距离扫描值、障碍物距离状态值以及障碍物距离状态值连续更新的次数，对障碍物距离状态值进行更新，包括步骤B1-B4：
步骤B1，若确定障碍物距离状态值连续更新的次数小于第一数值，则将第一权重作为障碍物距离扫描值的权重，将1减去第一权重的数值作为障碍物距离状态值的权重，对障碍物距离状态值进行更新。
步骤B2，若确定障碍物距离状态值连续更新的次数大于或者等于第一数值，并且小于第二数值，则将第二权重作为障碍物距离扫描值的权重，将1减去第二权重的数值作为障碍物距离状态值的权重，对障碍物距离状态值进行更新。
步骤B3，若确定障碍物距离状态值连续更新的次数大于或者等于第三数值，并且小于第四数值，则将第三权重作为障碍物距离扫描值的权重，将1减去第三权重的数值作为障碍物距离状态值的权重，对障碍物距离状态值进行更新。
步骤B4，若确定障碍物距离状态值连续更新的次数大于或者等于第四数值，则根据障碍物距离扫描值和障碍物距离状态值的平均值，对障碍物距离状态值进行更新。
其中，第一数值小于第二数值，第二数值小于第三数值，第三数值小于第四数值；第一权重小于第二权重，第二权重小于第三权重。第一数值、第二数值、第三数值、第四数值、第一权重、第二权重以及第三权重的具体数值可以根据实际情况确定，本申请实施例对此不做限定。
本方案中，障碍物距离扫描值与障碍物距离状态值之间的差值小于预设阈值时，才对障碍物距离状态值进行更新，因此若障碍物距离状态值连续更新次数较少，说明每次扫描得到的障碍物距离状态值存在较多的不确定性，则更新障碍物距离状态值时，对障碍物距离扫描值赋予较低的权重，对障碍物距离状态值赋予较高的权重，通过障碍物距离扫描值和障碍物距离状态值的加权求和更新障碍物距离状态值。若障碍物距离状态值连续更新次数较多，说明障碍物距离状态值的更新状态趋于稳定，则更新障碍物距离状态值时，应提高原先的障碍物距离扫描值的权重，降低障碍物距离状态值的权重。
示例性的，将障碍物距离状态值连续更新次数放置于数组counter中，将障碍物距离状态值放置于数组statek中，将障碍物距离扫描值放置于数组range中。
若|rangei-statek,i|<ε，则认为是相关联的连续更新，令counteri自增1。否则认为是不相关的更新，令counteri置1，statek＝(rangei+statek-1,i×7)÷8，进入下一个扫描区域的更新。其中，ε可以根据具体情况进行设置，通常小于雷达采集数据间隔的20倍。角标i表示扫描区域，statek-1,i和statek分别表示上次确定的障碍物距离扫描值和新确定的障碍物距离扫描值。
若1≤counteri<3，则认为该相关联的连续更新处于起始阶段，则使障碍物距离状态值有一个中等速度的更新statek＝(rangei+statek-1,i×3)÷4。
若3≤counteri<5，则认为该相关联的连续更新趋于平缓，则使障碍物距离状态值有一个较快速度的更新statek＝(rangei+statek-1,i×2)÷3。
若counteri≥5，认为该相关联的连续更新已经稳定，则使障碍物距离状态值以最快的速度更新statek＝(rangei+statek-1,i)÷2，。
进一步的，遍历所有扫描区域，确定出障碍物点，需要说明的是，若扫描区域所占圆形探测区域的弧度较小，认为当前扫描区域更新的障碍物距离状态值会影响到相邻区域，故在i-1和i+1两个相邻探测区域的更新中加入rangei，即：
rangei-1＝min(rangei-1,rangei)；
rangei+1＝min(rangei+1,rangei)。
S280，根据与各扫描区域匹配的障碍物点，确定车辆的可行驶区域。
本申请实施例的技术方案，通过激活函数去除了场景底噪，在去除离群点集后，得到了笛卡尔坐标下的聚类融合点集，并将该点集转换为极坐标的形式，得到了障碍物在极坐标中的位置分布。
实施例三
图5为本发明实施例三提供的一种用于目标检测的微波雷达图像确定方法的流程图，本实施例以上述实施例为基础对微波雷达图像的确定过程进行优化。
如图5所示，本实施例的方法具体包括如下步骤：
S310，获取以微波雷达为原点，以预设方位角进行旋转微波雷达扫描时，距微波雷达不同间距处的各反射波的信号强度。
本申请实施例的技术方案通过微波雷达探测目标，微波雷达位置如图6所示，可以为单发单收的机械式扫描微波雷达。该雷达绕中心旋转，连续发射和接收调频无线电波。其中，从雷达发射出的发散状的虚线为雷达的探测信号，相邻两个探测信号对应的方向为相邻探测方向，相邻两个探测信号之间的夹角为预设方位角，相邻位置点为相邻探测方向上与雷达距离相等的点，如图7中的A点和B点。
反射波为雷达发射的探测信号被反射后返回被雷达接收到的回波，反射波的信号强度可以由微波雷达检测得到。与环境中某个位置相对应的反射波的信号强度可以反映该位置是否存在障碍物，并可以根据反射波的信号强度确定障碍物的位置、尺寸、形状等信息。雷达每次发射探测信号的探测方向可以用方位角进行表征，一个探测方向的方位角可以为是从雷达指北方向线起，依顺时针方向到该探测方向之间的水平夹角。雷达探测到每一个方位角时，在该方位角上与雷达距离不同的每个位置点处，对应得到一个反射波的信号强度，每一个方位角对应多个信号强度，得到一维信号强度，雷达旋转扫射一周，可以形成一个极坐标表示的各位置点对应的二维信号强度。
S320，对各反射波的信号强度进行插值处理。
在本申请实施例中，可以根据相邻位置点的信号强度，选取不同的权重，以确定插值位置点处的信号强度，例如相邻位置点的信号强度为SA和SB，设其权重分别为ω1和ω2，插值位置点处的信号强度为SC，则SC＝SA×ω1+SB×ω2。
具体的，在相邻位置点之间进行强度插值可以是：在以雷达为圆心以相邻位置点为端点的圆弧上进行插值，得到插值位置点。如图8所示。插值位置点C和插值位置点D为在以雷达为圆心的
Figure BDA0003827618270000151
上进行插值得到的。插值位置点的间隔可以相等，也可以不相等。如图8所示，A、B两点为相邻位置点，C、D两点为插值位置点且位于A、B两点之间，A、B、C和D到雷达的距离相同，则C点的信号强度
Figure BDA0003827618270000152
D点的信号强度
Figure BDA0003827618270000153
S330，根据插值处理后的各信号强度，以及预先确定的信号强度与灰度值之间的映射关系，得到待识别微波雷达图像中各像素点的灰度值。
示例性的，若用
Figure BDA0003827618270000154
表示获取的微博雷达的信号强度矩阵，M表示第M个方位角，N表示第N个采样数。采用S320中的方式进行插值后得到的信号强度矩阵为：
Figure BDA0003827618270000155
其中
Figure BDA0003827618270000157
表示向下取整，％表示求余运算,round()为四舍五入取整。经过插值之后，相邻两束的角度间隔为
Figure BDA0003827618270000156
与微波雷达距离相同的点，相邻两束的角度间隔也相等。
将待识别微波雷达图像F表示为P行Q列的灰度值矩阵：
Figure BDA0003827618270000161
其中，fpq表示位置(p,q)的像素点的灰度值。
信号强度与灰度值之间的映射关系的确定过程可以为：确定扫描区域的尺寸，以及待识别微波雷达图像中的像素点对应的区域尺寸；根据扫描区域的尺寸以及像素点对应的区域尺寸，确定待识别微波雷达图像中的像素点的像素坐标与笛卡尔坐标系坐标之间的映射关系；根据像素坐标与笛卡尔坐标系坐标之间的映射关系，以及笛卡尔坐标系坐标与极坐标之间的映射关系，确定待识别微波雷达图像中的像素点的灰度值与各信号强度之间的映射关系。
其中，扫描区域的尺寸记为PΔ×QΔ，像素点对应的区域记为边长为Δ米的正方形区域，待识别微波雷达图像中的像素点的像素坐标与笛卡尔坐标系坐标之间的映射关系可以表示为：
Figure BDA0003827618270000162
其中，(x,y)为笛卡尔坐标系坐标，(p,q)为像素点的像素坐标。
笛卡尔坐标系坐标与极坐标之间的映射关系可以表示为：
Figure BDA0003827618270000163
Figure BDA0003827618270000164
其中，(r,θ)为极坐标，||表示或的关系。
最终，可以得到待识别微波雷达图像中的像素点的灰度值与各信号强度之间的映射关系：
Figure BDA0003827618270000165
因此，根据微波雷达进行扫描时得到的信号强度矩阵，即可以根据预先确定的像素点的灰度值与各信号强度之间的映射关系，确定待识别微波雷达图像中各像素点的灰度值。
S340，根据与各微波雷达图像对应的灰度值矩阵，得到聚类融合点集。
S350，确定至少两个扫描区域，根据聚类融合点集，确定与各扫描区域匹配的障碍物点。
S360，根据与各扫描区域匹配的障碍物点，确定车辆的可行驶区域。
本申请实施例的技术方案，通过获取以微波雷达为原点，以预设方位角进行旋转微波雷达扫描时，距微波雷达不同间距处的各反射波的信号强度；对各反射波的信号强度进行插值处理；根据插值处理后的各信号强度，以及预先确定的信号强度与灰度值之间的映射关系，得到待识别微波雷达图像中各像素点的灰度值。本技术方案通过插值的方式，确定出更多位置的信号强度，提高了雷达探测密度，并且，预先确定的各信号强度与灰度值之间的映射关系，可快速确定待识别微波雷达图像中各像素点对应的信号强度。
实施例四
图9为本发明实施例四提供的一种可行驶区域的确定装置的结构示意图，该装置可执行本发明任意实施例所提供的可行驶区域的确定方法，具备执行方法相应的功能模块和有益效果。如图9所示，该装置包括：
图像获取模块410，用于获取至少两个微波雷达探测得到的微波雷达图像；其中，各微波雷达的位置点处于过车辆后轴中点且垂直于车辆后轴的平面上；
所述微波雷达图像中各像素点的灰度值，用于反映以微波雷达为原点进行微波雷达扫描时反射波的信号强度；
聚类融合点集确定模块420，用于根据与各微波雷达图像对应的灰度值矩阵，得到聚类融合点集；
障碍物点确定模块430，用于确定至少两个扫描区域，根据聚类融合点集，确定与各扫描区域匹配的障碍物点；
可行驶区域确定模块440，用于根据与各扫描区域匹配的障碍物点，确定车辆的可行驶区域。
可选的，图像获取模块410包括：
信号强度获取单元，用于获取以微波雷达为原点，以预设方位角进行旋转微波雷达扫描时，距微波雷达不同间距处的各反射波的信号强度；
插值处理单元，用于对各反射波的信号强度进行插值处理；
灰度值确定单元，用于根据插值处理后的各信号强度，以及预先确定的信号强度与灰度值之间的映射关系，得到待识别微波雷达图像中各像素点的灰度值。
可选的，所述微波雷达图像包括车顶微波雷达图像以及车底微波雷达图像；聚类融合点集确定模块420包括：
函数映射单元，用于根据场景底噪灰度值，对与各微波雷达图像对应的灰度值矩阵进行激活函数映射；所述场景底噪灰度值为车顶微波雷达图像对应的灰度值矩阵中各灰度值的众数；
笛卡尔坐标点集确定单元，用于将激活函数映射后的各灰度值矩阵进行笛卡尔坐标系转换，得到与各灰度值矩阵匹配的笛卡尔坐标点集；
聚类融合单元，用于对与各灰度值矩阵匹配的笛卡尔坐标点集进行聚类和融合，得到聚类融合点集。
可选的，聚类融合点集确定模块420包括：
离群点集确定单元，用于对与各灰度值矩阵匹配的笛卡尔坐标点集分别进行基于密度的非参数聚类，得到与各笛卡尔坐标点集匹配的离群点集；
融合点集确定单元，用于将各笛卡尔坐标点集去除离群点集之后进行合并，得到笛卡尔坐标融合点集；
坐标转换单元，用于对笛卡尔坐标融合点集进行极坐标转换，得到聚类融合点集；
其中，所述聚类融合点集所在的极坐标系以车辆后轴中点为极点，以车辆行驶方向为极轴方向，取顺时针角度为正。
可选的，确定至少两个扫描区域具体可以是：
以车辆后轴中点为圆心，以预设的最大探测距离为半径，确定圆形探测区域；
根据预设的分片数量，将所述圆形探测区域划分为扫描区域；其中，各扫描区域的面积相等。
可选的，障碍物点确定模块430包括：
扫描值确定单元，用于对目标扫描区域，根据聚类融合点集确定障碍物距离扫描值；
状态值更新单元，用于若确定所述障碍物距离扫描值与障碍物距离状态值之间的差值小于预设阈值，则根据障碍物距离扫描值、障碍物距离状态值以及障碍物距离状态值连续更新的次数，对障碍物距离状态值进行更新；
其中，所述障碍物距离状态值用于表示当前时刻目标扫描区域中距离车辆后轴中点最近的障碍物距离。
可选的，状态值更新单元包括：
第一状态值更新子单元，用于若确定障碍物距离状态值连续更新的次数小于第一数值，则将第一权重作为障碍物距离扫描值的权重，将1减去第一权重的数值作为障碍物距离状态值的权重，对障碍物距离状态值进行更新；
第二状态值更新子单元，用于若确定障碍物距离状态值连续更新的次数大于或者等于第一数值，并且小于第二数值，则将第二权重作为障碍物距离扫描值的权重，将1减去第二权重的数值作为障碍物距离状态值的权重，对障碍物距离状态值进行更新；
第三状态值更新子单元，用于若确定障碍物距离状态值连续更新的次数大于或者等于第三数值，并且小于第四数值，则将第三权重作为障碍物距离扫描值的权重，将1减去第三权重的数值作为障碍物距离状态值的权重，对障碍物距离状态值进行更新；
第四状态值更新子单元，用于若确定障碍物距离状态值连续更新的次数大于或者等于第四数值，则根据障碍物距离扫描值和障碍物距离状态值的平均值，对障碍物距离状态值进行更新；
其中，第一数值小于第二数值，第二数值小于第三数值，第三数值小于第四数值；第一权重小于第二权重，第二权重小于第三权重。
本发明实施例所提供的一种可行驶区域的确定装置可执行本发明任意实施例所提供的一种可行驶区域的确定方法，具备执行方法相应的功能模块和有益效果。
实施例五
图10示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图10所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如可行驶区域的确定方法。
在一些实施例中，可行驶区域的确定方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的可行驶区域的确定方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行可行驶区域的确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种可行驶区域的确定方法，其特征在于，包括：
获取至少两个微波雷达探测得到的微波雷达图像；其中，各微波雷达的位置点处于过车辆后轴中点且垂直于车辆后轴的平面上；
所述微波雷达图像中各像素点的灰度值，用于反映以微波雷达为原点进行微波雷达扫描时反射波的信号强度；
根据与各微波雷达图像对应的灰度值矩阵，得到聚类融合点集；
确定至少两个扫描区域，根据聚类融合点集，确定与各扫描区域匹配的障碍物点；
根据与各扫描区域匹配的障碍物点，确定车辆的可行驶区域。
2.根据权利要求1所述的方法，其特征在于，获取至少两个微波雷达探测得到的微波雷达图像，包括：
获取以微波雷达为原点，以预设方位角进行旋转微波雷达扫描时，距微波雷达不同间距处的各反射波的信号强度；
对各反射波的信号强度进行插值处理；
根据插值处理后的各信号强度，以及预先确定的信号强度与灰度值之间的映射关系，得到待识别微波雷达图像中各像素点的灰度值。
3.根据权利要求1所述的方法，其特征在于，所述微波雷达图像包括车顶微波雷达图像以及车底微波雷达图像；
根据与各微波雷达图像对应的灰度值矩阵，得到聚类融合点集，包括：
根据场景底噪灰度值，对与各微波雷达图像对应的灰度值矩阵进行激活函数映射；所述场景底噪灰度值为车顶微波雷达图像对应的灰度值矩阵中各灰度值的众数；
将激活函数映射后的各灰度值矩阵进行笛卡尔坐标系转换，得到与各灰度值矩阵匹配的笛卡尔坐标点集；
对与各灰度值矩阵匹配的笛卡尔坐标点集进行聚类和融合，得到聚类融合点集。
4.根据权利要求3所述的方法，其特征在于，对与各灰度值矩阵匹配的笛卡尔坐标点集进行聚类和融合，得到聚类融合点集，包括：
对与各灰度值矩阵匹配的笛卡尔坐标点集分别进行基于密度的非参数聚类，得到与各笛卡尔坐标点集匹配的离群点集；
将各笛卡尔坐标点集去除离群点集之后进行合并，得到笛卡尔坐标融合点集；
对笛卡尔坐标融合点集进行极坐标转换，得到聚类融合点集；
其中，所述聚类融合点集所在的极坐标系以车辆后轴中点为极点，以车辆行驶方向为极轴方向，取顺时针角度为正。
5.根据权利要求4所述的方法，其特征在于，确定至少两个扫描区域，包括：
以车辆后轴中点为圆心，以预设的最大探测距离为半径，确定圆形探测区域；
根据预设的分片数量，将所述圆形探测区域划分为扫描区域；其中，各扫描区域的面积相等。
6.根据权利要求4所述的方法，其特征在于，根据聚类融合点集，确定与各扫描区域匹配的障碍物点，包括：
对目标扫描区域，根据聚类融合点集确定障碍物距离扫描值；
若确定所述障碍物距离扫描值与障碍物距离状态值之间的差值小于预设阈值，则根据障碍物距离扫描值、障碍物距离状态值以及障碍物距离状态值连续更新的次数，对障碍物距离状态值进行更新；
其中，所述障碍物距离状态值用于表示当前时刻目标扫描区域中距离车辆后轴中点最近的障碍物距离。
7.根据权利要求6所述的方法，其特征在于，根据障碍物距离扫描值、障碍物距离状态值以及障碍物距离状态值连续更新的次数，对障碍物距离状态值进行更新，包括：
若确定障碍物距离状态值连续更新的次数小于第一数值，则将第一权重作为障碍物距离扫描值的权重，将1减去第一权重的数值作为障碍物距离状态值的权重，对障碍物距离状态值进行更新；
若确定障碍物距离状态值连续更新的次数大于或者等于第一数值，并且小于第二数值，则将第二权重作为障碍物距离扫描值的权重，将1减去第二权重的数值作为障碍物距离状态值的权重，对障碍物距离状态值进行更新；
若确定障碍物距离状态值连续更新的次数大于或者等于第三数值，并且小于第四数值，则将第三权重作为障碍物距离扫描值的权重，将1减去第三权重的数值作为障碍物距离状态值的权重，对障碍物距离状态值进行更新；
若确定障碍物距离状态值连续更新的次数大于或者等于第四数值，则根据障碍物距离扫描值和障碍物距离状态值的平均值，对障碍物距离状态值进行更新；
其中，第一数值小于第二数值，第二数值小于第三数值，第三数值小于第四数值；第一权重小于第二权重，第二权重小于第三权重。
8.一种可行驶区域的确定装置，其特征在于，包括：
图像获取模块，用于获取至少两个微波雷达探测得到的微波雷达图像；其中，各微波雷达的位置点处于过车辆后轴中点且垂直于车辆后轴的平面上；
所述微波雷达图像中各像素点的灰度值，用于反映以微波雷达为原点进行微波雷达扫描时反射波的信号强度；
聚类融合点集确定模块，用于根据与各微波雷达图像对应的灰度值矩阵，得到聚类融合点集；
障碍物点确定模块，用于确定至少两个扫描区域，根据聚类融合点集，确定与各扫描区域匹配的障碍物点；
可行驶区域确定模块，用于根据与各扫描区域匹配的障碍物点，确定车辆的可行驶区域。
9.一种电子设备，其特征在于，所述电子设备包括：
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计算机程序，所述计算机程序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权利要求1-7中任一项所述的可行驶区域的确定方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的可行驶区域的确定方法。
CN202211066186.1A 2022-08-31 2022-08-31 可行驶区域的确定方法、装置、电子设备以及存储介质 Pending CN115376105A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211066186.1A CN115376105A (zh) 2022-08-31 2022-08-31 可行驶区域的确定方法、装置、电子设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211066186.1A CN115376105A (zh) 2022-08-31 2022-08-31 可行驶区域的确定方法、装置、电子设备以及存储介质

Publications (1)

Publication Number Publication Date
CN115376105A true CN115376105A (zh) 2022-11-22

Family

ID=84069003

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211066186.1A Pending CN115376105A (zh) 2022-08-31 2022-08-31 可行驶区域的确定方法、装置、电子设备以及存储介质

Country Status (1)

Country Link
CN (1) CN115376105A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115884479A (zh) * 2023-02-22 2023-03-31 广州易而达科技股份有限公司 一种照明灯具的转向方法、装置、设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115884479A (zh) * 2023-02-22 2023-03-31 广州易而达科技股份有限公司 一种照明灯具的转向方法、装置、设备及存储介质
CN115884479B (zh) * 2023-02-22 2023-05-09 广州易而达科技股份有限公司 一种照明灯具的转向方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN110488234B (zh) 车载毫米波雷达的外参标定方法、装置、设备及介质
JP6456141B2 (ja) 地図データの生成
EP4124878A2 (en) Method and apparatus for calibrating lidar and positioning device and storage medium
CN113093128A (zh) 用于标定毫米波雷达的方法、装置、电子设备及路侧设备
CN114677655A (zh) 多传感器目标检测方法、装置、电子设备以及存储介质
CN115685249A (zh) 一种障碍物检测方法、装置、电子设备和存储介质
CN115376105A (zh) 可行驶区域的确定方法、装置、电子设备以及存储介质
CN114528941A (zh) 传感器数据融合方法、装置、电子设备及存储介质
CN113177980B (zh) 用于自动驾驶的目标对象速度确定方法、装置及电子设备
CN115436936A (zh) 用于目标检测的雷达图确定方法、装置、设备及介质
CN115437385B (zh) 移动机器人的激光定位方法、装置、设备和介质
CN115327540A (zh) 基于雷达图的山体滑坡检测方法、装置、设备及介质
CN117078767A (zh) 激光雷达与相机标定方法、装置、电子设备及存储介质
CN115546597A (zh) 一种传感器融合方法、装置、设备及存储介质
CN115153632A (zh) 一种超声成像定位系统、方法、装置、设备及存储介质
CN114694138B (zh) 一种应用于智能驾驶的路面检测方法、装置及设备
CN117392631B (zh) 一种道路边界提取方法、装置、电子设备及存储介质
CN116609731A (zh) 基于毫米波雷达的虚假目标识别方法、装置、设备及介质
CN115320669A (zh) 基于雷达图的铁路来车检测方法、装置、设备及介质
CN115342758A (zh) 基于雷达图的目标体积检测方法、装置、设备及介质
CN117739993A (zh) 一种机器人定位方法、装置、机器人及存储介质
CN110376601B (zh) 确定目标姿态的方法和系统
CN118154795A (zh) 一种地面生成方法、装置、电子设备及存储介质
CN116740676A (zh) 一种障碍物检测方法、装置、设备和介质
CN114966668A (zh) 一种车辆数据处理方法、装置、设备及介质

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