CN115792841A - 目标检测方法、装置、计算机设备和存储介质 - Google Patents
目标检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN115792841A CN115792841A CN202211092438.8A CN202211092438A CN115792841A CN 115792841 A CN115792841 A CN 115792841A CN 202211092438 A CN202211092438 A CN 202211092438A CN 115792841 A CN115792841 A CN 115792841A
- Authority
- CN
- China
- Prior art keywords
- target
- point cloud
- object detection
- cloud data
- area
- 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
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请涉及一种目标检测方法、装置、计算机设备和存储介质。所述方法包括:获取对目标车辆的驾驶环境进行探测得到的点云数据集;点云数据集包含多帧点云数据;根据点云数据集中各点云数据的位置信息,确定各对象检测区域内的点云数据;根据各对象检测区域内的点云数据的特征信息,在各对象检测区域内的点云数据中,筛选出满足目标对象的点云数据特征条件的目标点云数据;根据各对象检测区域内的目标点云数据的数量,确定各对象检测区域对应的对象检测置信度,并基于对象检测置信度大于或等于预设置信度阈值的对象检测区域,确定目标对象所在的目标区域。采用本方法能够在目标对象从遮挡区域穿出之前检测出目标对象,提高驾驶安全性。
Description
技术领域
本申请涉及雷达技术领域,特别是涉及一种目标检测方法、装置、计算机设备和存储介质。
背景技术
鬼探头场景,指行人、车辆等目标突然从驾驶车辆前方的遮挡区域(如路边停靠的车辆后方、车库中柱子后方等区域)穿出的场景,此时驾驶车辆容易因避让不及,而发生碰撞事件。
相关技术中,可以利用车载雷达对驾驶环境进行感知,以便检测出驾驶环境中的行人、车辆等目标,进而驾驶员或无人驾驶车辆可以根据检测结果及时调整驾驶策略,以避免与目标碰撞。然而,通常雷达传感器对于从遮挡区域突然横穿出现的目标较难及时检出,一般是在目标已穿出遮挡区域一定距离后才能稳定检测出目标,即难以在目标完全从遮挡区域穿出之前检测到该目标,则可能导致来不及调整驾驶策略而发生碰撞。
发明内容
基于此,有必要针对上述技术问题,提供一种能够在目标对象从遮挡区域穿出之前检测出目标对象,以提高驾驶安全性的目标检测方法、装置、计算机设备和计算机可读存储介质。
第一方面,本申请提供了一种目标检测方法。所述方法包括:
获取对目标车辆的驾驶环境进行探测得到的点云数据集;所述点云数据集包含多帧点云数据;
根据所述点云数据集中各点云数据的位置信息,确定各对象检测区域内的点云数据;
根据各所述对象检测区域内的点云数据的特征信息,在各所述对象检测区域内的点云数据中,筛选出满足所述目标对象的点云数据特征条件的目标点云数据;
根据各所述对象检测区域内的目标点云数据的数量,确定各所述对象检测区域对应的对象检测置信度,并基于所述对象检测置信度大于或等于预设置信度阈值的对象检测区域,确定所述目标对象所在的目标区域。
在其中一个实施例中,所述根据所述点云数据集中各点云数据的位置信息,确定各对象检测区域内的点云数据,包括:
将所述驾驶环境的目标探测区域进行网格划分,得到多个对象检测区域;
将所述点云数据集中各点云数据的位置信息与各所述对象检测区域的位置信息进行匹配,确定各所述对象检测区域内的点云数据。
在其中一个实施例中,所述根据各所述对象检测区域内的目标点云数据的数量,确定各所述对象检测区域对应的对象检测置信度,并基于所述对象检测置信度大于或等于预设置信度阈值的对象检测区域,确定所述目标对象所在的目标区域,包括:
针对每个所述对象检测区域,将所述对象检测区域内的目标点云数据的数量确定为所述对象检测区域的对象检测置信度,并获取所述对象检测区域对应的置信度阈值;所述对象检测区域对应的置信度阈值,与所述对象检测区域和所述目标车辆的距离负相关;
在所述对象检测区域的对象检测置信度大于或等于所述对象检测区域对应的置信度阈值的情况下,将所述对象检测区域确定为所述目标对象所在的目标区域。
在其中一个实施例中,所述获取所述对象检测区域对应的置信度阈值,包括:
根据所述对象检测区域和所述目标车辆的距离,在预先建立的距离与置信度阈值的对应关系中,确定所述对象检测区域对应的置信度阈值。
在其中一个实施例中,所述获取所述对象检测区域对应的置信度阈值,包括:
根据所述对象检测区域的位置信息,确定所述对象检测区域对应的网格区域;
在预先建立的网格区域与置信度阈值的对应关系中,获取所述对象检测区域对应的置信度阈值。
在其中一个实施例中,所述基于所述对象检测置信度大于或等于预设置信度阈值的对象检测区域,确定所述目标对象所在的目标区域,包括:
将所述对象检测置信度大于或等于预设置信度阈值的对象检测区域,确定为所述目标对象所在的第一候选区域;
针对每个所述第一候选区域,在所述第一候选区域相邻的对象检测区域和所述第一候选区域中,确定包含目标点云数据的数量满足预设数量条件的区域,作为所述目标对象所在的目标区域。
在其中一个实施例中,所述基于所述对象检测置信度大于或等于预设置信度阈值的对象检测区域,确定所述目标对象所在的目标区域,包括:
将所述对象检测置信度大于或等于预设置信度阈值的对象检测区域,确定为所述目标对象所在的第二候选区域;
在各所述第二候选区域中,根据各所述第二候选区域内的目标点云数据的特征信息确定满足多径目标与真实目标相似度条件的第二候选区域对;
针对所述第二候选区域对,将包含目标点云数据的数量最多的第二候选区域作为所述目标对象所在的目标区域。
在其中一个实施例中,所述方法还包括:
若在各所述第二候选区域中,不存在与目标第二候选区域满足多径目标与真实目标相似度条件的其他第二候选区域,则将目标第二候选区域作为所述目标对象所在的目标区域。
第二方面,本申请还提供了一种目标检测装置。所述装置包括:
获取模块,用于获取对目标车辆的驾驶环境进行探测得到的点云数据集;所述点云数据集包含多帧点云数据;
第一确定模块,用于根据所述点云数据集中各点云数据的位置信息,确定各对象检测区域内的点云数据;
筛选模块,用于根据各所述对象检测区域内的点云数据的特征信息,在各所述对象检测区域内的点云数据中,筛选出满足所述目标对象的点云数据特征条件的目标点云数据;
第二确定模块,用于根据各所述对象检测区域内的目标点云数据的数量,确定各所述对象检测区域对应的对象检测置信度,并基于所述对象检测置信度大于或等于预设置信度阈值的对象检测区域,确定所述目标对象所在的目标区域。
在其中一个实施例中,所述第一确定模块具体用于:
将所述驾驶环境的目标探测区域进行网格划分,得到多个对象检测区域;将所述点云数据集中各点云数据的位置信息与各所述对象检测区域的位置信息进行匹配,确定各所述对象检测区域内的点云数据。
在其中一个实施例中,所述第二确定模块具体用于:
针对每个所述对象检测区域,将所述对象检测区域内的目标点云数据的数量确定为所述对象检测区域的对象检测置信度,并获取所述对象检测区域对应的置信度阈值;所述对象检测区域对应的置信度阈值,与所述对象检测区域和所述目标车辆的距离负相关;在所述对象检测区域的对象检测置信度大于或等于所述对象检测区域对应的置信度阈值的情况下,将所述对象检测区域确定为所述目标对象所在的目标区域。
在其中一个实施例中,所述第二确定模块具体用于:根据所述对象检测区域和所述目标车辆的距离,在预先建立的距离与置信度阈值的对应关系中,确定所述对象检测区域对应的置信度阈值。
在其中一个实施例中,所述第二确定模块具体用于:根据所述对象检测区域的位置信息,确定所述对象检测区域对应的网格区域;在预先建立的网格区域与置信度阈值的对应关系中,获取所述对象检测区域对应的置信度阈值。
在其中一个实施例中,所述第二确定模块具体用于:
将所述对象检测置信度大于或等于预设置信度阈值的对象检测区域,确定为所述目标对象所在的第一候选区域;针对每个所述第一候选区域,在所述第一候选区域相邻的对象检测区域和所述第一候选区域中,确定包含目标点云数据的数量满足预设数量条件的区域,作为所述目标对象所在的目标区域。
在其中一个实施例中,所述第二确定模块具体用于:
将所述对象检测置信度大于或等于预设置信度阈值的对象检测区域,确定为所述目标对象所在的第二候选区域;在各所述第二候选区域中,根据各所述第二候选区域内的目标点云数据的特征信息确定满足多径目标与真实目标相似度条件的第二候选区域对;针对所述第二候选区域对,将包含目标点云数据的数量最多的第二候选区域作为所述目标对象所在的目标区域。
在其中一个实施例中,所述装置还包括第三确定模块,用于若在各所述第二候选区域中,不存在与目标第二候选区域满足多径目标与真实目标相似度条件的其他第二候选区域,则将目标第二候选区域作为所述目标对象所在的目标区域。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现第一方面所述的方法的步骤。
第四方面,本申请还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,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的方法的步骤。
上述目标检测方法、装置、计算机设备和存储介质,通过获取对目标车辆的驾驶环境进行探测得到点云数据集,然后根据点云数据集中各点云数据的位置信息,确定各对象检测区域内的点云数据,进而根据点云数据的特征信息,筛选出满足目标对象的点云数据特征条件的目标点云数据,之后根据各对象检测区域内的目标点云数据的数量,确定各对象检测区域对应的对象检测置信度,并基于对象检测置信度大于或等于预设置信度阈值的对象检测区域,确定目标对象所在的目标区域。其中,点云数据集包含多帧点云数据。
本方案中,根据多帧的点云数据进行积累,可以增加探测到鬼探头目标的点云数据数量和密度,避免鬼探头目标被遮挡导致单帧点云稀疏而漏检。并且,在鬼探头场景中,点云数据集可以包含目标对象的多径反射点云数据,通过设置目标对象的点云数据特征条件筛选出目标点云数据,以充分利用目标对象周围环境中地面、墙壁等其他静物反射的多径回波,来探测被遮挡的目标对象。此外,根据对象检测区域内的目标点云数据的数量确定对象检测置信度,将置信度满足条件的对象检测区域作为目标对象所在的区域,可以保障目标检测的准确性。因此,采用本方案能够在目标对象穿出遮挡区域前即可检测出该目标对象所在的位置,即可以相对提前地检测出鬼探头目标,以便驾驶车辆有更充足的时间调整驾驶策略,提高驾驶安全性。
附图说明
图1为一个示例中鬼探头场景的示意图;
图2为一个实施例中目标检测方法的流程示意图;
图3为一个实施例中确定各对象检测区域内的点云数据的流程示意图;
图4为一个示例中多个网格区域的示意图;
图5为一个实施例中确定目标对象所在的目标区域的流程示意图;
图6为一个示例中第一候选区域及相邻区域的示意图;
图7为另一个实施例中确定目标对象所在的目标区域的流程示意图;
图8为一个示例中第二候选区域的示意图;
图9为一个实施例中目标检测装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
首先,在具体介绍本申请实施例的技术方案之前,先对本申请实施例基于的技术背景或者技术演进脉络进行介绍。鬼探头场景,如图1所示,指行人、车辆等目标突然从驾驶车辆前方的遮挡区域(如路边停靠的车辆后方、车库中柱子后方等区域)穿出,此时驾驶车辆容易因避让不及而发生碰撞事件。相关技术中,可以利用车载雷达对驾驶环境进行感知,以便检测出驾驶环境中的行人、车辆等目标,进而驾驶员或无人驾驶车辆可以根据检测结果及时调整驾驶策略,以避免与目标碰撞。然而,由于鬼探头场景中,目标处于横穿或斜穿状态,其相对雷达的径向速度较低,且在横穿过程中是从遮挡区域出现的,被遮挡时雷达能探测到的目标点数较少,导致雷达对于从遮挡区域突然横穿出现的目标(可简称为“鬼探头目标”)较难及时检出,一般是在目标已穿出遮挡区域一定距离后才能稳定检测出目标,即难以在目标完全从遮挡区域穿出之前检测到该目标,则可能导致来不及调整驾驶策略而发生碰撞。基于该背景,申请人通过长期的研发以及实验验证,提出本申请的目标检测方法,能够在鬼探头目标穿出遮挡区域之前检测出该目标所在的位置,以便驾驶车辆有更充足的时间调整驾驶策略,提高驾驶安全性。另外,需要说明的是,本申请技术问题的发现以及下述实施例介绍的技术方案,申请人均付出了大量的创造性劳动。
本申请实施例提供的目标检测方法,可以应用于终端,包括车载终端或其他电子设备。例如,可以是毫米波雷达等车载雷达,也可以是与车载雷达通信连接的其他车载终端,还可以是安防雷达、交通雷达等电子设备。终端可以获取通过雷达对驾驶环境探测到的点云数据,进而检测驾驶环境中是否存在横穿的目标对象(鬼探头目标),以及有目标对象存在的情况下、其所在的目标区域。由此,终端可以输出检测结果,提醒驾驶员安全驾驶,或者将检测结果用于智能驾驶系统制定驾驶策略,提高驾驶安全性。
在一个实施例中,如图2所示,提供了一种目标检测方法,以该方法应用于终端为例进行说明,包括以下步骤:
步骤201,获取对目标车辆的驾驶环境进行探测得到的点云数据集。
在实施中,可以在目标车辆的行驶过程中,通过车载雷达(如4D前向毫米波雷达)以预设帧周期对目标车辆的驾驶环境进行探测,以得到驾驶环境中各物体或行人对应的点云数据。点云数据可以包括位置信息(如三维坐标)、点云速度、点云高度、点云强度、点云方位角等信息。其中,点云数据集包含多帧点云数据,可以是连续多帧的点云数据,也可以是非连续帧的点云数据。具体的,终端可以获取当前帧探测到的点云数据(可称为当前点云数据),以及当前帧之前预设数量个历史帧探测到的点云数据(可称为历史点云数据),以便进行下一步处理。在一些示例中,点云数据集包含6至10帧的点云数据。
由于鬼探头场景中,目标对象(鬼探头目标)通常会被环境中如停靠车辆、车库柱子等物体遮挡,即目标对象所处的环境较为复杂,雷达可能接收到由目标对象直接反射的回波,还可能接收到由目标对象和环境中如地面、柱子、天花板(地库场景)等其他静物联合反射的多径回波。多径回波对应的点云数据可称为多径反射点云数据。因此,点云数据集中可以包含目标对象的多径反射点云数据。
步骤202,根据点云数据集中各点云数据的位置信息,确定各对象检测区域内的点云数据。
其中,对象检测区域为目标车辆的驾驶环境中用于检测目标对象的单位区域。例如,可以将驾驶环境中预设的目标探测区域划分为多个单位区域,每个单位区域即为对象检测区域,以便检测每个单位区域内是否存在目标对象。各单位区域的尺寸可以相同,也可以不同,例如,各单位区域的尺寸可以和该区域与目标车辆的距离正相关或负相关。目标探测区域一般为目标车辆行驶路径上涉及的区域,其可能出现鬼探头目标而影响目标车辆安全驾驶,故需要进行目标探测,具体探测范围可以根据需要设置。
在实施中,终端可以根据点云数据集中各点云数据的位置信息,确定各对象检测区域内的点云数据,也即确定出位置信息落入对象检测区域范围内的点云数据。
可以理解的,由于当前点云数据(当前帧探测到的点云数据)的位置信息和对象检测区域的位置信息,一般是以与当前时刻的目标车辆的相对位置表示,而历史点云数据(历史帧探测到的点云数据)的位置信息,一般是以与历史时刻(历史帧对应的探测时刻)的目标车辆的相对位置表示,因此,需要将各位置信息统一坐标系。例如,可以根据历史时刻的目标车辆的车身姿态信息、速度信息等,对历史点云数据的位置信息进行补偿,以将各历史点云数据的位置信息映射到当前帧采用的坐标系中。在一个示例中,当前帧的前一帧探测到的历史点云数据的位置信息可记为(Rx0,Ry0,Rz0),其中,Rx0、Ry0、Rz0分别表示该历史点云与前一时刻(前一帧对应的时刻)的目标车辆的横向距离、纵向距离和高度差。前一时刻和当前时刻的时间差为雷达的帧周期T,假设目标车辆处于匀加速状态,则可以根据目标车辆在前一时刻的车速(记为V0)、在当前时刻的车速(记为V1)、以及雷达帧周期T,对该历史点云数据的位置信息进行补偿,得到该历史点云数据对应的目标相对当前时刻的目标车辆的纵向距离(记为Ry1)为:Ry1=Ry0+0.5*(V0+V1)*T。由此,可以将点云数据集中各点云数据的位置信息和对象检测区域的位置信息采用统一的坐标系,进而可以根据坐标系统一后的位置信息,确定各对象检测区域内的点云数据。
步骤203,根据各对象检测区域内的点云数据的特征信息,在各对象检测区域内的点云数据中,筛选出满足目标对象的点云数据特征条件的目标点云数据。
其中,点云数据的特征信息可以包括点云高度、点云强度、点云速度等信息。相应的,目标对象的点云数据特征条件可以包括点云高度条件(如点云高度区间)、点云强度条件(如点云强度区间)、点云速度条件(如点云速度区间)中的一个或多个。
在实施中,终端可以根据各对象检测区域内的点云数据的特征信息和预设的目标对象的点云数据特征条件,对各对象检测区域内的点云数据进行筛选,筛选出各对象检测区域内的目标点云数据。具体的,目标对象的点云数据特征条件为点云高度条件、点云强度条件、点云速度条件中的一个或多个。例如,若目标对象的点云数据特征条件为一个,如为点云高度条件,则可以将各点云数据的点云高度与点云高度条件进行比较或匹配,将点云高度符合点云高度条件的点云数据确定为目标点云数据。若目标对象的点云数据特征条件为多个(如为点云高度条件、点云强度条件、点云速度条件三个),则可以将各点云数据的点云高度、点云强度、点云速度,分别与点云高度条件、点云强度条件、点云速度条件进行比较或匹配,若点云数据的点云高度符合点云高度条件、点云强度符合点云强度条件、且点云速度符合点云速度条件,则可以将该点云数据确定为目标点云数据。各对象检测区域的点云数据筛选条件可以相同,也可以对各对象检测区域分别设置筛选条件。
目标对象的点云数据特征条件可以预先根据实验或经验设置。例如,可以统计若干存在鬼探头目标的点云数据和无鬼探头目标的点云数据,分析两类场景下点云数据的点云高度、点云速度、点云强度等特征,以设置适用鬼探头场景的点云数据特征条件。比如,若在存在鬼探头目标的场景下,90%占比的点云高度介于-2m~0.5m,则可将点云高度条件设为-2m~0.5m(目标点云数据的点云高度需处于该高度区间内)。
点云高度条件、点云速度条件、点云强度条件的设置可能会影响目标检测的准确性和检测灵敏度。在一些示例中,点云高度条件可以设置为-4m~4m,或者设为-3m~3m,或者设为-2m~2m,或者设为-2m~0m或2~3m(满足该两个区间中的任一个即可)。其中,高度为负的点云数据,可能为雷达通过地面反射探测到的点云数据(多径反射点云数据);高度为正且大于2m的点云数据,可能为雷达通过天花板等物体反射探测到的点云数据(多径反射点云数据)。
鬼探头目标检测时更依赖于强度较低的点云数据,故点云强度条件可以设为相比常规雷达应用场景中更低强度的点云数据,例如,常规雷达应用场景中检测行人时,一般设置点云强度条件为大于或等于50dB,鬼探头场景中则可设为20dB~30dB(常规场景的0.4~0.6倍),即目标点云数据的强度应介于20dB~30dB之间。
对于鬼探头目标检测,由于大部分目标处于横穿或斜穿运动状态(以横穿居多),此时行人或车辆横穿速度一般较低,与传统目标检测算法中需要同时考虑低、中、高速点云的有效性不同,本方案可以仅选择较低速的点云数据,同时需要区别静止物体。例如,可以将点云速度条件设为-3m/s~-0.2m/s或0.2m/s~3m/s(满足该两个区间中的任一个即可),也可以设为-3m/s~-0.4m/s或0.4m/s~3m/s,还可以设为-1m/s~-0.4m/s或0.4m/s~1m/s。其中,点云速度指相对地面的速度。
步骤204,根据各对象检测区域内的目标点云数据的数量,确定各对象检测区域对应的对象检测置信度,并基于对象检测置信度大于或等于预设置信度阈值的对象检测区域,确定目标对象所在的目标区域。
在实施中,终端在筛选出各对象检测区域内的目标点云数据后,可以根据各对象检测区域内的目标点云数据的数量,确定各对象检测区域对应的对象检测置信度。其中,对象检测置信度表示该对象检测区域内存在目标对象的可信度。例如,可以直接将目标点云数据的数量作为对象检测置信度,或者将目标点云数据的数量进行归一化处理,得到对象检测置信度。若对象检测区域对应的对象检测置信度大于或等于预设置信度阈值,则可以将该对象检测区域确定为目标对象所在的目标区域,即认为该对象检测区域存在目标对象(鬼探头目标)。由于雷达探测到的点云数据可能包含杂波噪点,因此,可以通过设置置信度阈值,根据对象检测置信度对各对象检测区域进行筛选,以保障检测准确性。
上述目标检测方法中,根据多帧的点云数据进行积累,可以增加探测到鬼探头目标的点云数据数量和密度,避免鬼探头目标被遮挡导致单帧点云稀疏而漏检。并且,在鬼探头场景中,点云数据集可以包含目标对象的多径反射点云数据,通过设置目标对象的点云数据特征条件筛选出目标点云数据,以充分利用目标对象周围环境中地面、墙壁等其他静物反射的多径回波,来探测被遮挡的目标对象。此外,根据对象检测区域内的目标点云数据的数量确定对象检测置信度,将置信度满足条件的对象检测区域作为目标对象所在的区域,可以保障目标检测的准确性。因此,采用本方案能够在目标对象穿出遮挡区域前即可检测出该目标对象所在的位置,即可以相对提前地检测出鬼探头目标,以便驾驶车辆有更充足的时间调整驾驶策略,提高驾驶安全性。
在一个实施例中,如图3所示,步骤202中确定各对象检测区域内的点云数据的过程具体包括如下步骤:
步骤301,将驾驶环境的目标探测区域进行网格划分,得到多个对象检测区域。
其中,驾驶环境的目标探测区域指当前时刻对目标车辆的驾驶环境进行目标检测的雷达探测区域,具体探测范围可以根据实际情况设置。例如,若目标车辆在道路上前向行驶,则可以将目标车辆前方纵向长60米、横向宽16米(目标车辆左侧和右侧各8米)的矩形区域作为目标探测区域,以检测目标车辆的行驶路径上可能出现的鬼探头目标。
在实施中,终端可以将目标探测区域进行网格划分,得到多个网格区域,如图4所示的网格区域示意图。网格区域的划分规则可以根据情况设置,例如,可以设置每个网格区域的尺寸为2米*2米,对于前述示例中的目标探测区域(纵向长60米、横向宽16米的矩形区域),则可以将该60米*16米的目标探测区域划分为240个网格区域。各网格区域的位置信息可以采用该区域与目标车辆的横向距离Rx和纵向距离Ry表示,如图4中从下往上数第1行第1个网格的位置信息可表示为:横向距离范围为Rx≥-8m,且Rx≤-6m,纵向距离范围为Ry≥0m,且Ry≤2m。可以将各网格区域作为对象检测区域,以便对各对象检测区域分别检测是否存在目标对象。
步骤302,将点云数据集中各点云数据的位置信息与各对象检测区域的位置信息进行匹配,确定各对象检测区域内的点云数据。
在实施中,终端可以根据当前点云数据集中各点云数据的位置信息、历史点云数据集中各点云数据的位置信息、以及对象检测区域的位置信息,确定各对象检测区域内的点云数据。其中,各位置信息的坐标系需统一,一般可以与当前时刻的目标车辆的横向距离和纵向距离表示位置信息。例如,若对象检测区域i与目标车辆的横向距离范围为:Rx≤4m,且Rx≥2m,纵向距离范围为:Ry≤4m,且Ry≥2m,而点云数据j相对目标车辆的横向距离为Rx=2.5m,纵向距离Ry=3m,则点云数据j为对象检测区域i内的点云数据。
本实施例中,通过对目标探测区域进行网格划分,由此将对目标探测区域划分为多个网格区域,作为对象检测区域,以便对各网格区域进行多帧点云积累,从而根据各网格区域内的点云数据数量来判断该网格区域内是否存在目标对象,以实现在目标对象穿出遮挡区域之前检测出该目标所在的网格区域,使得车辆有更充足的时间调整驾驶策略,提高驾驶安全性。
在一个实施例中,步骤204中确定目标对象所在的目标区域的过程具体包括如下步骤:针对每个对象检测区域,将对象检测区域内的目标点云数据的数量确定为对象检测区域的对象检测置信度,并获取对象检测区域对应的置信度阈值;在对象检测区域的对象检测置信度大于或等于对象检测区域对应的置信度阈值的情况下,将对象检测区域确定为目标对象所在的目标区域。
其中,对象检测区域对应的置信度阈值,与对象检测区域和目标车辆的距离负相关。
在实施中,针对每个对象检测区域,终端可以将对象检测区域内的目标点云数据的数量确定为该对象检测区域的对象检测置信度。并且,终端可以获取各对象检测区域对应的置信度阈值。其中,对象检测区域对应的置信度阈值与对象检测区域和目标车辆的距离负相关,即,对象检测区域与目标车辆的距离越近,置信度阈值越大或越高,相应的,距离越远,置信度阈值越小或越低。若对象检测区域的对象检测置信度大于或等于对象检测区域对应的置信度阈值,则终端可以将该对象检测区域确定为目标对象所在的目标区域。
在一种实现方式中,可以预先建立距离与置信度阈值的对应关系,如将距离与置信度阈值的对应存储为距离与置信度阈值的对应关系表,则终端可以根据对象检测区域与目标车辆的距离,在该对应关系表中查询对应的置信度阈值,即确定出该对象检测区域对应的置信度阈值。
在一个示例中,距离与置信度阈值的对应关系表如表1所示,其中,纵向距离和横向距离分别表示对象检测区域与目标车辆的横向距离和纵向距离,置信度阈值表示对象检测区域内的目标点云数据的数量门限。例如,对于位置信息为{Rx≤4m,且Rx≥2m,Ry≤4m,且Ry≥2m}的对象检测区域,根据表1可知,该对象检测区域对应的置信度阈值为5。若该对象检测区域内的目标点云数据的数量为6,即该对象检测区域对应的对象检测置信度为6。此时,该对象检测区域的对象检测置信度(6)大于或等于置信度阈值(5),则可以认为该对象检测区域为目标对象所在的区域,即可以认为该对象检测区域内存在鬼探头目标。若该对象检测区域内的目标点云数据的数量为2,则可以认为该对象检测区域内不存在鬼探头目标。
表1距离与置信度阈值的对应关系表
在另一种实现方式中,终端可以根据对象检测区域的位置信息,确定对象检测区域对应的网格区域。例如,可以预先将雷达探测范围(如探测范围为60米*16米的区域)进行网格划分,得到多个网格区域(如得到240个网格区域),由此可以根据对象检测区域的位置信息和网格区域的位置信息,将对象检测区域与网格区域对应。然后,可以基于划分出的网格区域,建立网格区域与置信度阈值的对应关系,如建立网格标识与置信度阈值的对应关系表。其中,网格区域与置信度阈值的对应关系,可以根据表1所示的距离与置信度阈值的对应关系得到。由此,终端可以根据对象检测区域的位置信息,确定对象检测区域对应的网格区域,进而在预先建立的网格区域与置信度阈值的对应关系中,直接获取该对象检测区域对应的置信度阈值。
本实施例中,由于与目标车辆较近距离的区域,鬼探头目标回波相对较强,因而设置较高的点数门限(置信度阈值),以避免近距离杂波噪点过多导致误检,从而提高目标检测准确性;而对于较远距离的区域,由于鬼探头目标回波相对较弱,故设置较低的点数门限,以保证足够的检出灵敏度。由此可以兼顾目标检测的准确性和检出灵敏度。
在一个实施例中,如图5所示,步骤204中确定目标对象所在的目标区域的过程具体包括如下步骤:
步骤501,将对象检测置信度大于或等于预设置信度阈值的对象检测区域,确定为目标对象所在的第一候选区域。
在实施中,终端可以将各对象检测区域的对象检测置信度,分别与预设置信度阈值进行比较。若对象检测区域的对象检测置信度大于或等于预设置信度阈值,则终端可以将该对象检测区域确定为目标对象所在的第一候选区域,以便进行后续处理;若对象检测区域的对象检测置信度小于预设置信度阈值,则可以认为该对象检测区域内不存在鬼探头目标。
步骤502,针对每个第一候选区域,在第一候选区域相邻的对象检测区域和第一候选区域中,确定包含目标点云数据的数量满足预设数量条件的区域,作为目标对象所在的目标区域。
在实施在,终端在确定出第一候选区域后,可以根据第一候选区域的位置信息,确定与该第一候选区域相邻的对象检测区域。然后,终端可以从第一候选区域和与该第一候选区域相邻的对象检测区域中,筛选出满足预设数量条件的区域。预设数量条件可以是数量最大。具体的,终端可以将该第一候选区域内的目标点云数据的数量,与该第一候选区域的各相邻对象检测区域内的目标点云数据的数量进行比较,选出包含目标点云数据的数量最多的区域作为目标对象所在的目标区域。例如,若对象检测区域为网格区域,且确定出第一候选区域(如图6中所示的待测网格),则终端可以根据各网格区域的位置信息,确定出该第一候选区域相邻的8个网格区域(如图6中待测网格周围的8个邻域网格,每个网格对应一个对象检测区域)。然后,终端可以将该9个网格区域(包括待测网格和8个邻域网格)中包含目标点云数据的数量最多的区域,作为目标对象所在的目标区域。该示例中,第一候选区域(待测网格)右侧的邻域网格区域包含的目标点云数据的数量最多(15点),则可以将该邻域网格区域作为目标对象所在的目标区域。
本实施例中,根据置信度筛选出第一候选区域后,进而将第一候选区域及其相邻区域中、包含最多目标点云数据的区域作为目标对象所在的区域。一方面,若目标对象尺寸较大,或在多帧的探测时段内,该目标从一个对象检测区域跨入相邻的对象检测区域,则可能导致在多个对象检测区域同时检测到目标对象的点云数据;另一方面,目标对象的多径反射点云数据的位置信息可能会出现位置扩展现象,如实际目标的横向距离位于-5m~-2m,而雷达检测到的点云数据处于-6m~-1m。由此,根据第一候选区域和相邻区域的目标点云数据的数量进一步筛选目标区域,以解决目标距离扩展问题,以及避免同一个目标在相邻区域同时被检出,可以更准确地检测出目标对象所在的位置,提高目标检测准确性,降低目标误检率。
在一个实施例中,如图7所示,步骤204中确定目标对象所在的目标区域的过程具体包括如下步骤:
步骤701,将对象检测置信度大于或等于预设置信度阈值的对象检测区域,确定为目标对象所在的第二候选区域。
在实施中,终端可以将对象检测置信度大于或等于预设置信度阈值的对象检测区域确定为目标对象所在的第二候选区域。
在一些示例中,终端可以执行步骤501和步骤502,并将第一候选区域和该第一候选区域的相邻对象检测区域中,包含目标点云数据的数量最多的区域确定为第二候选区域。
步骤702,在各第二候选区域中,根据各第二候选区域内的目标点云数据的特征信息确定满足多径目标与真实目标相似度条件的第二候选区域对。
在实施中,终端可以在各第二候选区域中,根据各第二候选区域内的目标点云数据的特征信息确定出满足多径目标与真实目标相似度条件的第二候选区域对。即组成第二候选区域对的两个第二候选区域,其包含的目标点云数据的特征信息,将满足多径目标与真实目标相似度条件。多径目标与真实目标相似度条件可以根据真实目标的点云数据、和与该真实目标对应的多径目标的多径点云数据的特征信息设置,因此,满足多径目标与真实目标相似度条件的第二候选区域对中,其中一个第二候选区域将包含真实目标,另一个第二候选区域将包含该真实目标对应的多径目标。例如,多径目标与真实目标相似度条件可以是两个第二候选区域内的目标点云数据的速度差和纵向距离分别满足阈值条件,且方位角呈对称关系,即方位角的角度呈反向关系(如一正一负)且方位角的角度差值满足阈值条件。在一个示例中,终端可以根据各第二候选区域内的目标点云数据的特征信息,如点云速度、点云强度、方位角等信息,计算出各第二候选区域对应的点云平均速度、点云最大速度、点云最小速度,以及点云强度最强的点云数据(可称为最强点云)的方位角信息和位置信息。然后,终端可以将各第二候选区域的点云平均速度、点云最大速度、点云最小速度、最强点云的方位角信息和位置信息进行两两比较,若存在两个第二候选区域,其点云平均速度之差、点云最大速度之差、点云最小速度之差、最强点云的纵向距离之差均小于对应的预设阈值,且最强点云的方位角呈对称关系,则判断该两个第二候选区域为满足多径目标与真实目标相似度条件的第二候选区域对。
步骤703,针对第二候选区域对,将包含目标点云数据的数量最多的第二候选区域作为目标对象所在的目标区域。
在实施中,若终端在各第二候选区域中确定出满足多径目标与真实目标相似度条件的第二候选区域对,则可以将第二候选区域对中的两个第二候选区域内的目标点云数据的数量进行比较,并将包含目标点云数据的数量最多的第二候选区域确定为目标对象所在的目标区域。可以认为目标点云数据的数量较少的另一个第二候选区域包含该目标对象(真实目标)对应的多径目标,即该区域内不存在真实的目标对象。
在一些实施例中,若在各第二候选区域中,不存在与目标第二候选区域满足多径目标与真实目标相似度条件的其他第二候选区域,则终端可以将该目标第二候选区域作为目标对象所在的目标区域。具体的,终端可以将各第二候选区域两两进行相似度判断,具体判断方法详见前述步骤702的说明,在此不再赘述。若终端判断出某个第二候选区域(即目标第二候选区域)不存在与其满足多径目标与真实目标相似度条件的其他第二候选区域,则终端可以将该第二候选区域作为目标对象所在的目标区域。该种情况可能是探测到多径目标和真实目标的点云数据处于同一区域,或者仅检测到多径目标而未检测到被遮挡的真实目标的点云数据,则可以利用多径点云积累探测到被遮挡的目标,以便相对提前地检测出鬼探头目标,提高驾驶安全性。
在一种可能的实现方式中,可以将目标探测区域进行网格划分,得到多个对象检测区域(网格区域),则确定出的第二候选区域为网格区域。然后,终端可以遍历一定纵向距离步长内的第二候选区域,分别比较各纵向距离步长内是否存在满足多径目标与真实目标相似度条件的第二候选区域对。例如,若网格区域的尺寸为2米*2米,纵向距离步长设为4米,则可以从近到远,依次遍历纵向距离为0~4m,4~8m,8~12m,……,56~60m内的第二候选区域,即将每两行网格区域中的第二候选区域进行相似度判断。具体纵向距离步长可以根据情况设置,较小的步长会导致运算量增大,甚至难以准确滤除各类多径目标而导致目标误检率较高,较大的步长会导致环境中出现较多的鬼探头目标时,部分目标被错误抑制而导致目标漏检。在一些示例中,纵向距离步长可以设为4米。
具体的,在一个纵向距离步长内只包含一个第二候选区域的情况下,例如,若仅一个第二候选区域的纵向距离在0~4m内,则可以将该第二候选区域确定为目标对象所在的目标区域。在一个纵向距离步长内包含两个或以上个第二候选区域的情况下,则可以将第二候选区域进行两两相似度判断。若确定出满足多径目标与真实目标相似度条件的第二候选区域对,则将该两个第二候选区域中包含目标点云数据的数量最多的第二候选区域确定为目标对象所在的目标区域;若确定出某个第二候选区域(目标第二候选区域)不存在与其满足多径目标与真实目标相似度条件的其他第二候选区域,则将该目标第二候选区域确定为目标对象所在的目标区域。例如,若两行网格区域内包含满足多径目标与真实目标相似度条件的第二候选区域对(如图8所示的网格1和网格2),则可以将该两个第二候选区域中包含目标点云数据的数量最多区域作为目标对象所在的区域。本示例中,网格1包含的目标点云数据的数量(15点)大于网格2包含的目标点云数据的数量(10点),则将网格1作为目标对象所在的目标区域,并认为网格2中不存在真实的目标对象。
本实施例中,根据各第二候选区域内的目标点云数据的特征信息,判断各第二候选区域中满足多径目标与真实目标相似度条件的第二候选区域对,并将第二候选区域对中包含目标点云数据的数量最多的第二候选区域作为目标区域。也即,在同时检测到真实目标和该真实目标对应的多径目标,且二者所在的区域不同时,将包含多径目标的区域剔除,仅保留真实目标所在的区域。由此,可以在保证目标检出灵敏度和检出及时性的前提下,进一步提高检出准确性。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的目标检测方法的目标检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个目标检测装置实施例中的具体限定可以参见上文中对于目标检测方法的限定,在此不再赘述。
在一个实施例中,如图9所示,提供了一种目标检测装置900,包括:获取模块901、第一确定模块902、筛选模块903和第二确定模块904,其中:
获取模块901,用于获取对目标车辆的驾驶环境进行探测得到的点云数据集;点云数据集包含多帧点云数据。
第一确定模块902,用于根据点云数据集中各点云数据的位置信息,确定各对象检测区域内的点云数据。
筛选模块903,用于根据各对象检测区域内的点云数据的特征信息,在各对象检测区域内的点云数据中,筛选出满足目标对象的点云数据特征条件的目标点云数据。
第二确定模块904,用于根据各对象检测区域内的目标点云数据的数量,确定各对象检测区域对应的对象检测置信度,并基于对象检测置信度大于或等于预设置信度阈值的对象检测区域,确定目标对象所在的目标区域。
在一个实施例中,第一确定模块902具体用于:将驾驶环境的目标探测区域进行网格划分,得到多个对象检测区域;将点云数据集中各点云数据的位置信息与各对象检测区域的位置信息进行匹配,确定各对象检测区域内的点云数据。
在一个实施例中,第二确定模块904具体用于:针对每个对象检测区域,将对象检测区域内的目标点云数据的数量确定为对象检测区域的对象检测置信度,并获取对象检测区域对应的置信度阈值;对象检测区域对应的置信度阈值,与对象检测区域和所述目标车辆的距离负相关;在对象检测区域的对象检测置信度大于或等于对象检测区域对应的置信度阈值的情况下,将对象检测区域确定为目标对象所在的目标区域。
在其中一个实施例中,第二确定模块904具体用于:根据对象检测区域和目标车辆的距离,在预先建立的距离与置信度阈值的对应关系中,确定对象检测区域对应的置信度阈值。
在其中一个实施例中,第二确定模块904具体用于:根据对象检测区域的位置信息,确定对象检测区域对应的网格区域;在预先建立的网格区域与置信度阈值的对应关系中,获取对象检测区域对应的置信度阈值。
在一个实施例中,第二确定模块904具体用于:将对象检测置信度大于或等于预设置信度阈值的对象检测区域,确定为目标对象所在的第一候选区域;针对每个第一候选区域,在第一候选区域相邻的对象检测区域和第一候选区域中,确定包含目标点云数据的数量满足预设数量条件的区域,作为目标对象所在的目标区域。
在一个实施例中,第二确定模块904具体用于:将对象检测置信度大于或等于预设置信度阈值的对象检测区域,确定为目标对象所在的第二候选区域;在各第二候选区域中,根据各第二候选区域内的目标点云数据的特征信息确定满足多径目标与真实目标相似度条件的第二候选区域对;针对第二候选区域对,将包含目标点云数据的数量最多的第二候选区域作为目标对象所在的目标区域。
在一个实施例中,该装置还包括第三确定模块,用于若在各第二候选区域中,不存在与目标第二候选区域满足多径目标与真实目标相似度条件的其他第二候选区域,则将目标第二候选区域作为目标对象所在的目标区域。
上述目标检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种目标检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种目标检测方法,其特征在于,所述方法包括:
获取对目标车辆的驾驶环境进行探测得到的点云数据集;所述点云数据集包含多帧点云数据;
根据所述点云数据集中各点云数据的位置信息,确定各对象检测区域内的点云数据;
根据各所述对象检测区域内的点云数据的特征信息,在各所述对象检测区域内的点云数据中,筛选出满足所述目标对象的点云数据特征条件的目标点云数据;
根据各所述对象检测区域内的目标点云数据的数量,确定各所述对象检测区域对应的对象检测置信度,并基于所述对象检测置信度大于或等于预设置信度阈值的对象检测区域,确定所述目标对象所在的目标区域。
2.根据权利要求1所述的方法,其特征在于,所述根据所述点云数据集中各点云数据的位置信息,确定各对象检测区域内的点云数据,包括:
将所述驾驶环境的目标探测区域进行网格划分,得到多个对象检测区域;
将所述点云数据集中各点云数据的位置信息与各所述对象检测区域的位置信息进行匹配,确定各所述对象检测区域内的点云数据。
3.根据权利要求1所述的方法,其特征在于,所述根据各所述对象检测区域内的目标点云数据的数量,确定各所述对象检测区域对应的对象检测置信度,并基于所述对象检测置信度大于或等于预设置信度阈值的对象检测区域,确定所述目标对象所在的目标区域,包括:
针对每个所述对象检测区域,将所述对象检测区域内的目标点云数据的数量确定为所述对象检测区域的对象检测置信度,并获取所述对象检测区域对应的置信度阈值;所述对象检测区域对应的置信度阈值,与所述对象检测区域和所述目标车辆的距离负相关;
在所述对象检测区域的对象检测置信度大于或等于所述对象检测区域对应的置信度阈值的情况下,将所述对象检测区域确定为所述目标对象所在的目标区域。
4.根据权利要求1所述的方法,其特征在于,所述基于所述对象检测置信度大于或等于预设置信度阈值的对象检测区域,确定所述目标对象所在的目标区域,包括:
将所述对象检测置信度大于或等于预设置信度阈值的对象检测区域,确定为所述目标对象所在的第一候选区域;
针对每个所述第一候选区域,在所述第一候选区域相邻的对象检测区域和所述第一候选区域中,确定包含目标点云数据的数量满足预设数量条件的区域,作为所述目标对象所在的目标区域。
5.根据权利要求1所述的方法,其特征在于,所述基于所述对象检测置信度大于或等于预设置信度阈值的对象检测区域,确定所述目标对象所在的目标区域,包括:
将所述对象检测置信度大于或等于预设置信度阈值的对象检测区域,确定为所述目标对象所在的第二候选区域;
在各所述第二候选区域中,根据各所述第二候选区域内的目标点云数据的特征信息确定满足多径目标与真实目标相似度条件的第二候选区域对;
针对所述第二候选区域对,将包含目标点云数据的数量最多的第二候选区域作为所述目标对象所在的目标区域。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
若在各所述第二候选区域中,不存在与目标第二候选区域满足多径目标与真实目标相似度条件的其他第二候选区域,则将目标第二候选区域作为所述目标对象所在的目标区域。
7.根据权利要求1所述的方法,其特征在于,所述目标对象的点云数据特征条件包括点云高度条件、点云强度条件、点云速度条件中的一个或多个。
8.一种目标检测装置,其特征在于,所述装置包括:
获取模块,用于获取对目标车辆的驾驶环境进行探测得到的点云数据集;所述点云数据集包含多帧点云数据;
第一确定模块,用于根据所述点云数据集中各点云数据的位置信息,确定各对象检测区域内的点云数据;
筛选模块,用于根据各所述对象检测区域内的点云数据的特征信息,在各所述对象检测区域内的点云数据中,筛选出满足所述目标对象的点云数据特征条件的目标点云数据;
第二确定模块,用于根据各所述对象检测区域内的目标点云数据的数量,确定各所述对象检测区域对应的对象检测置信度,并基于所述对象检测置信度大于或等于预设置信度阈值的对象检测区域,确定所述目标对象所在的目标区域。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211092438.8A CN115792841A (zh) | 2022-09-08 | 2022-09-08 | 目标检测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211092438.8A CN115792841A (zh) | 2022-09-08 | 2022-09-08 | 目标检测方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115792841A true CN115792841A (zh) | 2023-03-14 |
Family
ID=85431786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211092438.8A Pending CN115792841A (zh) | 2022-09-08 | 2022-09-08 | 目标检测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115792841A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116359938A (zh) * | 2023-05-31 | 2023-06-30 | 未来机器人(深圳)有限公司 | 对象检测方法、装置及运载装置 |
CN118015850A (zh) * | 2024-04-08 | 2024-05-10 | 云南省公路科学技术研究院 | 一种多目标车辆车速同步估算方法、系统、终端及介质 |
-
2022
- 2022-09-08 CN CN202211092438.8A patent/CN115792841A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116359938A (zh) * | 2023-05-31 | 2023-06-30 | 未来机器人(深圳)有限公司 | 对象检测方法、装置及运载装置 |
CN116359938B (zh) * | 2023-05-31 | 2023-08-25 | 未来机器人(深圳)有限公司 | 对象检测方法、装置及运载装置 |
CN118015850A (zh) * | 2024-04-08 | 2024-05-10 | 云南省公路科学技术研究院 | 一种多目标车辆车速同步估算方法、系统、终端及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115792841A (zh) | 目标检测方法、装置、计算机设备和存储介质 | |
US11709058B2 (en) | Path planning method and device and mobile device | |
US11480967B2 (en) | Pass route planning method and apparatus, device and readable storage medium | |
CN111562581B (zh) | 交通雷达及其目标检测方法、装置、电子设备及存储介质 | |
EP3063552B1 (en) | Method and apparatus for road width estimation | |
EP2486555B1 (en) | Collision avoidance system and method and respective computer program product | |
Li et al. | High Resolution Radar-based Occupancy Grid Mapping and Free Space Detection. | |
CN113536850B (zh) | 基于77g毫米波雷达的目标物体大小测试方法和装置 | |
CN112731307B (zh) | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 | |
WO2020132972A1 (zh) | 目标检测方法、系统及计算机可读存储介质 | |
CN114384491B (zh) | 用于激光雷达的点云处理方法及装置、存储介质 | |
CN115731382A (zh) | 点云目标检测方法、装置、计算机设备和存储介质 | |
CN116467848B (zh) | 一种毫米波雷达点云仿真的方法和装置 | |
CN116563802A (zh) | 一种隧道场景判断方法、装置、设备及存储介质 | |
CN110619254B (zh) | 一种基于视差图的目标跟踪方法、装置及终端 | |
CN116863325A (zh) | 一种用于多个目标检测的方法和相关产品 | |
CN113514825A (zh) | 道路边缘的获取方法、装置和终端设备 | |
CN117784028B (zh) | 随机杂波识别方法、系统、计算机设备和存储介质 | |
CN117630845A (zh) | 目标检测方法、装置、数据处理装置、雷达及存储介质 | |
CN117148307B (zh) | 基于双极化雷达基数融合处理的空飘物检测方法及装置 | |
CN117689907B (zh) | 车辆跟踪方法、装置、计算机设备和存储介质 | |
CN117842044A (zh) | 道路风险评估方法、装置、计算机设备和存储介质 | |
CN117907957A (zh) | 一种目标检测方法、装置、电子设备及介质 | |
CN115877331A (zh) | 一种恒虚警检测方法、装置、设备及存储介质 | |
CN117710417A (zh) | 一种单相机多路多目标跟踪方法、设备及可读存储介质 |
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 |