CN115817463A - 车辆避障方法、装置、电子设备和计算机可读介质 - Google Patents
车辆避障方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN115817463A CN115817463A CN202310155701.1A CN202310155701A CN115817463A CN 115817463 A CN115817463 A CN 115817463A CN 202310155701 A CN202310155701 A CN 202310155701A CN 115817463 A CN115817463 A CN 115817463A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- looking
- point coordinate
- obstacle
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 5
- 238000007499 fusion processing Methods 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims 2
- 230000006870 function Effects 0.000 description 27
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本公开的实施例公开了车辆避障方法、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：获取目标车辆前视图像和目标车辆右前视图像；对目标车辆前视图像和目标车辆右前视图像进行图像识别处理，得到障碍物图像识别信息；基于障碍物图像识别信息，生成轮胎接地点信息、车尾坐标信息和障碍物车底框信息；基于轮胎接地点信息、车尾坐标信息和障碍物车底框信息，生成障碍物车辆信息；将障碍物车辆信息发送至控制终端以控制目标车辆避障。该实施方式提高了车辆避障的准确度。
Description
技术领域
本公开的实施例涉及计算机技术领域，具体涉及车辆避障方法、装置、电子设备和计算机可读介质。
背景技术
车辆避障，需要控制终端依据障碍物车辆信息引导目标车辆避障。目前，在进行车辆避障时，通常采用的方式为：控制终端使用对获取的单个图像进行图像检测，得到障碍物车辆的图像数据（例如，障碍物车辆在图像坐标系下的坐标），然后结合障碍物车辆的历史信息确定障碍物车辆的现实数据作为障碍物车辆信息，或直接使用神经网络检测出图像中的障碍物车辆的现实数据（例如，障碍物车辆在世界坐标系下的坐标）作为障碍物车辆信息，根据障碍物车辆信息引导车辆避障。
然而，发明人发现，当采用上述方式进行车辆避障时，经常会存在如下技术问题：
第一，对获取的单个图像直接进行图像检测，当图像中的障碍物车辆出现截断时，只能得到障碍物车辆的部分图像数据，导致障碍物车辆的现实数据的准确度降低，从而，导致车辆避障的准确度降低；
第二，直接使用神经网络检测出图像中的障碍物车辆的现实数据，当图像中的障碍物车辆出现截断时，会导致得到的障碍物车辆的现实数据的准确度降低，从而，导致车辆避障的准确度降低。
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车辆避障方法、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车辆避障方法，该方法包括：获取目标车辆前视图像和目标车辆右前视图像；对上述目标车辆前视图像和上述目标车辆右前视图像进行图像识别处理，得到障碍物图像识别信息；基于上述障碍物图像识别信息，生成轮胎接地点信息、车尾坐标信息和障碍物车底框信息；基于上述轮胎接地点信息、上述车尾坐标信息和上述障碍物车底框信息，生成障碍物车辆信息；将上述障碍物车辆信息发送至控制终端以控制目标车辆避障。
第二方面，本公开的一些实施例提供了一种车辆避障装置，装置包括：获取单元，被配置成响应于确定目标车辆驶入预设的地理围栏，获取停车场图像；识别单元，被配置成对上述停车场图像进行视觉地点识别，得到识别结果，其中，上述识别结果包括泊车路线集；确定单元，被配置成响应于确定上述识别结果满足预设识别完成条件，确定上述识别结果包括的泊车路线集中每个泊车路线的路线评分值，得到路线评分值集；排序单元，被配置成基于上述路线评分值集，对上述泊车路线集中的各个泊车路线进行排序，得到泊车路线序列；发送单元，被配置成将泊车路线序列发送至终端以供用户选择。
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中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中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车辆避障方法，可以提高车辆避障的准确度。具体来说，造成车辆避障的准确度降低的原因在于：对获取的单个图像直接进行图像检测，当图像中的障碍物车辆出现截断时，只能得到障碍物车辆的部分图像数据，导致障碍物车辆的现实数据的准确度降低，从而，导致车辆避障的准确度降低。基于此，本公开的一些实施例的车辆避障方法，首先，获取目标车辆前视图像和目标车辆右前视图像。其次，对上述目标车辆前视图像和上述目标车辆右前视图像进行图像识别处理，得到障碍物图像识别信息。由此，可以通过图像识别的方式，初步得到障碍物车辆的图像数据。然后，基于上述障碍物图像识别信息，生成轮胎接地点信息、车尾坐标信息和障碍物车底框信息。由此，可以对上述障碍物图像识别信息进行分析，得到障碍物车辆的图像数据和现实数据。接着，基于上述轮胎接地点信息、上述车尾坐标信息和上述障碍物车底框信息，生成障碍物车辆信息。由此，可以对分析后的障碍物图像识别信息进行分类和融合，得到包括障碍物车辆的图像数据和现实数据的障碍物车辆信息。最后，将上述障碍物车辆信息发送至控制终端以控制目标车辆避障。由此，控制终端可以依据障碍物车辆信息控制车辆避障。因此，本公开的一些车辆避障方法，当图像中的障碍物车辆出现截断时，可以对从相邻相机（例如，前视相机和右前视相机）中获取的图像进行图像识别和数据分析，生成障碍物车辆信息，可以提高障碍物车辆信息的准确度，从而可以提高车辆避障的准确度。
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是根据本公开的车辆避障方法的一些实施例的流程图；
图2是根据本公开的目标车辆图像的示意图；
图3是根据本公开的车辆避障装置的一些实施例的结构示意图；
图4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车辆避障方法的一些实施例的流程100。该车辆避障方法，包括以下步骤：
步骤101，获取目标车辆前视图像和目标车辆右前视图像。
在一些实施例中，车辆避障方法的执行主体可以通过有线连接或无线连接的方式从目标车辆的前视相机上获取上述目标车辆前视图像，以及从目标车辆的右前视相机上获取上述目标车辆右前视图像。其中，上述目标车辆可以是正在行驶中的、可自主进行车辆避让的车辆。
实践中，上述执行主体还可以通过有线连接或无线连接的方式从目标车辆的左前视相机上获取目标车辆左前视图像，以执行上述车辆避障方法的相关步骤。
作为示例，上述前视车载相机可以是安装在上述目标车辆挡风玻璃后的车载相机。上述右前视相机可以是安装在上述目标车辆右后视镜下方的车载相机。
步骤102，对目标车辆前视图像和目标车辆右前视图像进行图像识别处理，得到障碍物图像识别信息。
在一些实施例中，上述执行主体可以对上述目标车辆前视图像和上述目标车辆右前视图像进行图像识别处理，得到障碍物图像识别信息。其中，可以通过预设的神经网络模型，对上述目标车辆前视图像和上述目标车辆右前视图像进行图像识别处理。上述障碍物图像识别信息可以包括但不限于以下至少一项：前视轮胎接地点坐标集，右前视轮胎接地点坐标集，初始车尾识别点信息，前视车头框目标点坐标，前视车尾框目标点坐标，右前视车头框目标点坐标，右前视车尾框目标点坐标，车头识别点坐标和车尾识别点坐标。上述初始车尾识别点信息可以包括但不限于以下至少一项：第一前视车尾识别点坐标，第二前视车尾识别点坐标，第一右前视车尾识别点坐标和第二右前视车尾识别点坐标。这里，上述障碍物图像识别信息包括的前视车头框目标点坐标、前视车尾框目标点坐标、车头识别点坐标、第一前视车尾识别点坐标、第二前视车尾识别点坐标和前视轮胎接地点坐标集中的前视轮胎接地点坐标可以是在上述目标车辆前视图像对应的图像坐标系下的各个坐标。上述障碍物图像识别信息包括的右前视车头框目标点坐标、右前视车尾框目标点坐标、车尾识别点坐标、第一右前视车尾识别点坐标、第二右前视车尾识别点坐标和右前视轮胎接地点坐标集中的右前视轮胎接地点坐标可以是在上述目标车辆右前视图像对应的图像坐标系下的各个坐标。
作为示例，上述预设的神经网络模型可以是但不限于：RCNN（RegionConvolutional Neural Networks，区域卷积神经网络）模型、YOLO(You only look once，只需浏览一次)模型或SSD（Single Shot MultiBox Detector，单次多框检测器）模型。可以参考图2示出的目标车辆图像200的示意图。上述图像识别处理后的目标车辆前视图像可以参考图2中的201。上述图像识别处理后的目标车辆右前视图像可以参考图2中的202。上述前视轮胎接地点坐标集中的第一个前视轮胎接地点坐标可以是点2011在图像坐标系下的坐标，上述前视轮胎接地点坐标集中的第二个前视轮胎接地点坐标可以是点2012在图像坐标系下的坐标。上述右前视轮胎接地点坐标集中的第一个右前视轮胎接地点坐标可以是点2021在图像坐标系下的坐标，上述右前视轮胎接地点坐标集中的第二个右前视轮胎接地点坐标可以是点2022在图像坐标系下的坐标。上述前视车头框目标点坐标可以是从点2013到点2014组成的线段上任意选取的一点在图像坐标系下的坐标。上述前视车尾框目标点坐标可以是从点2015到点2016组成的线段上任意选取的一点在图像坐标系下的坐标。上述右前视车头框目标点坐标可以是从点2023到点2024组成的线段上任意选取的一点在图像坐标系下的坐标。上述右前视车尾框目标点坐标可以是从点2025到点2026组成的线段上任意选取的一点在图像坐标系下的坐标。上述车头识别点坐标可以是点2013在图像坐标系下的坐标。上述车尾识别点坐标可以是点2027在图像坐标系下的坐标。上述第一前视车尾识别点坐标可以是点2015在图像坐标系下的坐标。上述第二前视车尾识别点坐标可以是点2016在图像坐标系下的坐标。上述第一右前视车尾识别点坐标可以是点2025在图像坐标系下的坐标。上述第二右前视车尾识别点坐标可以是点2026在图像坐标系下的坐标。
步骤103，基于障碍物图像识别信息，生成轮胎接地点信息、车尾坐标信息和障碍物车底框信息。
在一些实施例中，上述执行主体可以基于上述障碍物图像识别信息，生成轮胎接地点信息、车尾坐标信息和障碍物车底框信息。
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障碍物图像识别信息，生成轮胎接地点信息、车尾坐标信息和障碍物车底框信息，可以包括以下步骤：
第一步，基于上述障碍物图像识别信息包括的前视轮胎接地点坐标集和右前视轮胎接地点坐标集，生成轮胎接地点信息。
第二步，基于上述障碍物图像识别信息包括的初始车尾识别点信息、前视车头框目标点坐标、前视车尾框目标点坐标、右前视车头框目标点坐标、右前视车尾框目标点坐标和上述轮胎接地点信息，生成车尾坐标信息。
第三步，基于上述障碍物图像识别信息、上述轮胎接地点信息和上述车尾坐标信息，生成障碍物车底框信息。
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障碍物图像识别信息包括的前视轮胎接地点坐标集和右前视轮胎接地点坐标集，生成轮胎接地点信息，可以包括以下步骤：
第一步，响应于确定上述右前视轮胎接地点坐标集满足预设条件，基于上述障碍物图像识别信息包括的前视轮胎接地点坐标集和右前视轮胎接地点坐标集，生成目标轮胎接地点坐标集。其中，上述预设条件可以是上述右前视轮胎接地点坐标集不为空。上述目标轮胎接地点坐标集中的目标轮胎接地点坐标可以是通过以下公式生成的：
其中，
表示轮胎接地点坐标约束函数。
表示与上述目标车辆前视图像对应。
表示与上述目标车辆右前视图像对应。
表示上述目标车辆前视图像对应的轮胎接地点坐标约束函数。
表示上述目标车辆前视图像对应的前视轮胎接地点坐标集中的第一个前视轮胎接地点坐标对应的轮胎接地点坐标约束函数。
表示上述目标车辆前视图像对应的前视轮胎接地点坐标集中的第二个前视轮胎接地点坐标对应的轮胎接地点坐标约束函数。
表示上述目标车辆右前视图像对应的轮胎接地点坐标约束函数。
表示上述目标车辆右前视图像对应的右前视轮胎接地点坐标集中的第一个右前视轮胎接地点坐标对应的轮胎接地点坐标约束函数。
表示上述目标车辆右前视图像对应的右前视轮胎接地点坐标集中的第二个右前视轮胎接地点坐标对应的轮胎接地点坐标约束函数。
表示图像坐标转换函数，可以用于将世界坐标系下的坐标转换成图像坐标系下的坐标。
表示上述目标车辆前视图像对应的图像坐标转换函数。
表示上述目标车辆右前视图像对应的图像坐标转换函数。
表示世界坐标系下的坐标。
表示上述目标轮胎接地点坐标集中第一个目标轮胎接地点坐标对应的第一自变量坐标。
表示上述目标轮胎接地点坐标集中第二个目标轮胎接地点坐标对应的第二自变量坐标。
表示上述第一自变量坐标转换至上述目标车辆前视图像对应的图像坐标系后的坐标。
表示上述第二自变量坐标转换至上述目标车辆前视图像对应的图像坐标系后的坐标。
表示上述第一自变量坐标转换至上述目标车辆右前视图像对应的图像坐标系后的坐标。
表示上述第二自变量坐标转换至上述目标车辆右前视图像对应的图像坐标系后的坐标。
表示图像坐标系下的坐标。
表示上述目标车辆前视图像对应的图像坐标系下的坐标。
表示上述右前视轮胎接地点坐标集中的第一个前视轮胎接地点坐标。
表示上述右前视轮胎接地点坐标集中的第二个前视轮胎接地点坐标。
表示上述目标车辆右前视图像对应的图像坐标系下的坐标。
表示上述右前视轮胎接地点坐标集中的第一个右前视轮胎接地点坐标。
表示上述右前视轮胎接地点坐标集中的第一个右前视轮胎接地点坐标。
表示2-范数。
表示取最小值函数，可以用于生成使目标函数取最小值时的自变量值。
表示上述目标轮胎接地点坐标集中的第一个目标轮胎接地点坐标。
表示上述目标轮胎接地点坐标集中的第二个目标轮胎接地点坐标。
第二步，将上述目标轮胎接地点坐标集中的各个目标轮胎接地点坐标投影至上述目标车辆前视图像和上述目标车辆右前视图像中，得到前视图像接地点坐标集和右前视图像接地点坐标集。其中，上述将上述目标轮胎接地点坐标集中的各个目标轮胎接地点坐标投影至上述目标车辆前视图像和上述目标车辆右前视图像中，可以是通过坐标转换的方式，将上述目标轮胎接地点坐标集中的各个目标轮胎接地点坐标从世界坐标系下的坐标转换成上述目标车辆前视图像对应的图像坐标系下的坐标，得到上述前视图像接地点坐标集，以及将上述目标轮胎接地点坐标集中的各个目标轮胎接地点坐标从世界坐标系下的坐标转换成上述目标车辆右前视图像对应的图像坐标系下的坐标，得到上述右前视图像接地点坐标集。
第三步，对上述目标轮胎接地点坐标集、上述前视图像接地点坐标集和上述右前视图像接地点坐标集进行融合处理，得到上述轮胎接地点信息。其中，上述对上述目标轮胎接地点坐标集、上述前视图像接地点坐标集和上述右前视图像接地点坐标集进行融合处理，可以是将上述目标轮胎接地点坐标集、上述前视图像接地点坐标集和上述右前视图像接地点坐标集确定为轮胎接地点信息包括的目标轮胎接地点坐标集、前视图像接地点坐标集和右前视图像接地点坐标集。
在一些实施例的一些可选的实现方式中，上述执行主体在上述将上述目标轮胎接地点坐标集中的各个目标轮胎接地点坐标投影至上述目标车辆前视图像和上述目标车辆右前视图像中之前，还可以执行以下步骤：
第一步，响应于确定上述右前视轮胎接地点坐标集不满足上述预设条件，对上述障碍物图像识别信息包括的前视轮胎接地点坐标集进行投影处理，得到投影轮胎接地点坐标集。其中，可以通过IPM（Inverse Perspective Mapping，逆透视变换）算法，对上述障碍物图像识别信息包括的前视轮胎接地点坐标集进行投影处理。
第二步，将上述投影轮胎接地点坐标集确定为目标轮胎接地点坐标集。
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障碍物图像识别信息包括的初始车尾识别点信息、前视车头框目标点坐标、前视车尾框目标点坐标、右前视车头框目标点坐标、右前视车尾框目标点坐标和上述轮胎接地点信息，生成车尾坐标信息，可以包括以下步骤：
第一步，基于上述轮胎接地点信息包括的前视图像接地点坐标集、右前视图像接地点坐标集和上述障碍物图像识别信息包括的前视车头框目标点坐标、前视车尾框目标点坐标、右前视车头框目标点坐标、右前视车尾框目标点坐标，确定目标车尾识别点坐标。其中，可以通过以下公式确定上述目标车尾识别点坐标：
其中，
表示车尾识别点坐标约束函数。
表示上述目标车辆前视图像对应的车尾识别点坐标约束函数。
表示上述目标车辆前视图像对应的前视图像接地点坐标集对应的车尾识别点坐标约束函数。
表示上述目标车辆前视图像对应的前视车头框目标点坐标和前视车尾框目标点坐标对应的车尾识别点坐标约束函数。
表示上述目标车辆右前视图像对应的车尾识别点坐标约束函数。
表示上述目标车辆右前视图像对应的前视图像接地点坐标集对应的车尾识别点坐标约束函数。
表示上述目标车辆右前视图像对应的右前视车头框目标点坐标和右前视车尾框目标点坐标对应的车尾识别点坐标约束函数。
表示上述目标车尾识别点坐标对应的第三自变量坐标。
表示上述第三自变量坐标转换至上述目标车辆前视图像对应的图像坐标系后的坐标。
表示上述第三自变量坐标转换至上述目标车辆右前视图像对应的图像坐标系后的坐标。
表示上述前视图像接地点坐标集中的第一个前视图像接地点坐标。
表示上述前视图像接地点坐标集中的第二个前视图像接地点坐标。
表示上述右前视图像接地点坐标集中的第一个右前视图像接地点坐标。
表示上述右前视图像接地点坐标集中的第二个右前视图像接地点坐标。
表示上述前视车头框目标点坐标。
表示上述前视车尾框目标点坐标。
表示上述右前视车头框目标点坐标。
表示上述右前视车尾框目标点坐标。
表示上述目标车尾识别点坐标。
表示向量叉乘，可以用于对坐标进行乘法运算。
第二步，将上述目标车尾识别点坐标投影至上述目标车辆前视图像和上述目标车辆右前视图像，得到第一前视车尾投影点坐标和第一右前视车尾投影点坐标。其中，可以将上述目标车尾识别点坐标从世界坐标系下的坐标转换成上述目标车辆前视图像对应的图像坐标系下的坐标，得到上述第一前视车尾投影点坐标，以及将上述目标车尾识别点坐标从世界坐标系下的坐标转换成上述目标车辆右前视图像对应的图像坐标系下的坐标，得到上述第一右前视车尾投影点坐标。
第三步，基于上述第一前视车尾投影点坐标、上述第一右前视车尾投影点坐标和上述初始车尾识别点信息包括的第一前视车尾识别点坐标、第二前视车尾识别点坐标、第一右前视车尾识别点坐标和第二右前视车尾识别点坐标，确定第二前视车尾投影点坐标和第二右前视车尾投影坐标。其中，可以通过以下公式确定第二前视车尾投影点坐标和第二右前视车尾投影坐标：
其中，
表示上述第一前视车尾识别点坐标。
表示上述第二前视车尾识别点坐标。
表示上述第一前视车尾投影点坐标。
表示上述第二前视车尾投影点坐标。
表示上述第一右前视车尾识别点坐标。
表示上述第二右前视车尾识别点坐标。
表示上述第一右前视车尾投影点坐标。
表示上述第二右前视车尾投影坐标。
第四步，对上述目标车尾识别点坐标、上述第一前视车尾投影点坐标、上述第一右前视车尾投影点坐标、上述第二前视车尾投影点坐标和上述第二右前视车尾投影点坐标进行融合处理，得到上述车尾坐标信息。其中，可以将上述目标车尾识别点坐标、上述第一前视车尾投影点坐标、上述第一右前视车尾投影点坐标、上述第二前视车尾投影点坐标和上述第二右前视车尾投影点坐标确定为车尾坐标信息包括的目标车尾识别点坐标、第一前视车尾投影点坐标、第一右前视车尾投影点坐标、第二前视车尾投影点坐标和第二右前视车尾投影点坐标。
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障碍物图像识别信息、上述轮胎接地点信息和上述车尾坐标信息，生成障碍物车底框信息，可以包括以下步骤：
第一步，对上述障碍物图像识别信息包括的车头识别点坐标和车尾识别点坐标进行投影处理，得到第一目标车头投影点坐标和目标车尾投影点坐标。其中，可以通过上述IPM算法，对上述障碍物图像识别信息包括的车头识别点坐标和车尾识别点坐标进行投影处理。
第二步，基于上述目标车尾识别点坐标、上述第一目标车头投影点坐标和上述目标车尾投影点坐标，生成第二目标车头投影点坐标。其中，基于上述目标车尾识别点坐标、上述第一目标车头投影点坐标和上述目标车尾投影点坐标，可以通过数学几何原理，生成第二目标车头投影点坐标。
作为示例，可以参考图2示出的目标车辆图像200的示意图。上述目标车尾识别点坐标可以是与点2015对应的世界坐标系下的点的坐标。上述第一目标车头投影点坐标可以是点2013在世界坐标系下的坐标。上述目标车尾投影点坐标可以是点2027在世界坐标系下的坐标。上述第二目标车头投影点坐标可以是点2017在世界坐标系下的坐标。由于上述目标车尾识别点坐标、上述第一目标车头投影点坐标、上述目标车尾投影点坐标和上述第二目标车头投影点坐标组成了一个矩形，因此可以通过数学几何原理，根据上述目标车尾识别点坐标、上述第一目标车头投影点坐标和上述目标车尾投影点坐标，生成上述第二目标车头投影点坐标。
第三步，对上述第二目标车头投影点坐标进行坐标转换处理，得到图像车头投影点坐标。其中，可以将上述第二目标车头投影点坐标从世界坐标系下的坐标转换成上述目标车辆前视图像对应的图像坐标系下的坐标。
第四步，对上述第一目标车头投影点坐标、上述目标车尾投影点坐标、上述第二目标车头投影点坐标和上述图像车头投影点坐标进行融合处理，得到上述障碍物车底框信息。其中，可以将上述第一目标车头投影点坐标、上述目标车尾投影点坐标、上述第二目标车头投影点坐标和上述图像车头投影点坐标确定为障碍物车底框信息包括的第一目标车头投影点坐标、目标车尾投影点坐标、第二目标车头投影点坐标和图像车头投影点坐标。
步骤103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“车辆避障的准确度降低”。其中，导致了车辆避障的准确度较低的因素往往如下：直接使用神经网络检测出图像中的障碍物车辆的现实数据，当图像中的障碍物车辆出现截断时，会导致得到的障碍物车辆的现实数据的准确度降低。如果解决了上述因素，就能达到提高车辆避障的准确度的效果。为了达到这一效果，本公开可以根据从相邻的两个相机（例如，前视相机和右前视相机）中获取的图像中通过预设的神经网络识别出的信息（即障碍物车辆的图像数据），确定识别信息包括的各个障碍物车辆特征点坐标对应的世界坐标系下的坐标，然后结合识别信息和上述各个世界坐标系下的坐标确定识别信息中缺失的障碍物车辆特征点坐标（例如，上述图像车头投影点坐标），以此融合为障碍物车辆信息，即保存了障碍物车辆的图像数据，也得到了障碍物车辆的现实数据，可以提高障碍物车辆图像数据和现实数据的准确度，从而可以提高障碍物车辆信息的准确度，进而，可以提高车辆避障的准确度。
步骤104，基于轮胎接地点信息、车尾坐标信息和障碍物车底框信息，生成障碍物车辆信息。
在一些实施例中，上述执行主体可以基于上述轮胎接地点信息、上述车尾坐标信息和上述障碍物车底框信息，生成障碍物车辆信息。
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障碍物图像识别信息、上述轮胎接地点信息和上述车尾坐标信息，生成障碍物车底框信息，可以包括以下步骤：
第一步，对上述轮胎接地点信息包括的目标轮胎接地点坐标集、上述车尾坐标信息包括的目标车尾识别点坐标和上述障碍物车底框信息包括的第一目标车头投影点坐标、目标车尾投影点坐标和第二目标车头投影点坐标进行融合处理，得到第一障碍物车辆信息。其中，可以将上述轮胎接地点信息包括的目标轮胎接地点坐标集、上述车尾坐标信息包括的目标车尾识别点坐标和上述障碍物车底框信息包括的第一目标车头投影点坐标、目标车尾投影点坐标和第二目标车头投影点坐标确定为第一障碍物车辆信息包括的目标轮胎接地点坐标集、目标车尾识别点坐标、第一目标车头投影点坐标、目标车尾投影点坐标和第二目标车头投影点坐标。
第二步，对上述轮胎接地点信息包括的前视图像接地点坐标集、右前视图像接地点坐标集、上述车尾坐标信息包括的第一前视车尾识别点坐标、第一右前视车尾识别点坐标、第二前视车尾识别点坐标和第二右前视车尾识别点坐标和上述障碍物车底框信息包括的图像车头投影点坐标进行融合处理，得到第二障碍物车辆信息。其中，可以将上述轮胎接地点信息包括的前视图像接地点坐标集、右前视图像接地点坐标集、上述车尾坐标信息包括的第一前视车尾识别点坐标、第一右前视车尾识别点坐标、第二前视车尾识别点坐标和第二右前视车尾识别点坐标和上述障碍物车底框信息包括的图像车头投影点坐标确定为第二障碍物车辆信息包括的前视图像接地点坐标集、右前视图像接地点坐标集、第一前视车尾识别点坐标、第一右前视车尾识别点坐标、第二前视车尾识别点坐标和第二右前视车尾识别点坐标、图像车头投影点坐标。
第三步，对上述第一障碍物车辆信息和上述第二障碍物车辆信息进行融合处理，得到上述障碍物车辆信息。其中，可以将上述第一障碍物车辆信息和上述第二障碍物车辆信息确定为障碍物车辆信息包括的第一障碍物车辆信息和第二障碍物车辆信息。
步骤105，将障碍物车辆信息发送至控制终端以控制目标车辆避障。
在一些实施例中，上述执行主体可以将上述障碍物车辆信息发送至控制终端以控制目标车辆避障。
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车辆避障方法，可以提高车辆避障的准确度。具体来说，造成车辆避障的准确度降低的原因在于：对获取的单个图像直接进行图像检测，当图像中的障碍物车辆出现截断时，会导致障碍物车辆的图像数据准确度降低，从而导致障碍物车辆的现实数据的准确度降低，进而，导致车辆避障的准确度降低。基于此，本公开的一些实施例的车辆避障方法，首先，获取目标车辆前视图像和目标车辆右前视图像。其次，对上述目标车辆前视图像和上述目标车辆右前视图像进行图像识别处理，得到障碍物图像识别信息。由此，可以通过图像识别的方式，初步得到障碍物车辆的图像数据。然后，基于上述障碍物图像识别信息，生成轮胎接地点信息、车尾坐标信息和障碍物车底框信息。由此，可以对上述障碍物图像识别信息进行分析，得到障碍物车辆的图像数据和现实数据。接着，基于上述轮胎接地点信息、上述车尾坐标信息和上述障碍物车底框信息，生成障碍物车辆信息。由此，可以对分析后的障碍物图像识别信息进行分类和融合，得到包括障碍物车辆的图像数据和现实数据的障碍物车辆信息。最后，将上述障碍物车辆信息发送至控制终端以控制目标车辆避障。由此，控制终端可以依据障碍物车辆信息控制车辆避障。因此，本公开的一些车辆避障方法，当图像中的障碍物车辆出现截断时，可以对从相邻相机（例如，前视相机和右前视相机）中获取的图像进行图像识别和数据分析，生成障碍物车辆信息，可以提高障碍物车辆信息的准确度，从而可以提高车辆避障的准确度。
进一步参考图3，作为对上述各图所示方法的实现，本公开提供了一种车辆避障装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该车辆避障装置具体可以应用于各种电子设备中。
如图3所示，一些实施例的车辆避障装置300包括：获取单元301、图像识别单元302、第一生成单元303、第二生成单元304和发送单元305。其中，获取单元301，被配置成获取目标车辆前视图像和目标车辆右前视图像；图像识别单元302，被配置成对上述目标车辆前视图像和上述目标车辆右前视图像进行图像识别处理，得到障碍物图像识别信息；第一生成单元303，被配置成基于上述障碍物图像识别信息，生成轮胎接地点信息、车尾坐标信息和障碍物车底框信息；第二生成单元304，被配置成基于上述轮胎接地点信息、上述车尾坐标信息和上述障碍物车底框信息，生成障碍物车辆信息；发送单元305，被配置成将上述障碍物车辆信息发送至控制终端以控制目标车辆避障。
可以理解的是，该车辆避障装置300中记载的诸单元与参考图1描述的车辆避障方法中的各个步骤相对应。由此，上文针对车辆避障方法描述的操作、特征以及产生的有益效果同样适用于车辆避障装置300及其中包含的单元，在此不再赘述。
下面参考图4，其示出了适于用来实现本公开的一些实施例的电子设备400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4示出的终端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4所示，电子设备400可以包括处理装置（例如中央处理器、图形处理器等）401，其可以根据存储在只读存储器（ROM）402中的程序或者从存储装置408加载到随机访问存储器（RAM）403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出（I/O）接口405也连接至总线404。
通常，以下装置可以连接至I/O接口405：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406；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，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4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409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401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）之类的任何目标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），以及任何目标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：获取目标车辆前视图像和目标车辆右前视图像；对上述目标车辆前视图像和上述目标车辆右前视图像进行图像识别处理，得到障碍物图像识别信息；基于上述障碍物图像识别信息，生成轮胎接地点信息、车尾坐标信息和障碍物车底框信息；基于上述轮胎接地点信息、上述车尾坐标信息和上述障碍物车底框信息，生成障碍物车辆信息；将上述障碍物车辆信息发送至控制终端以控制目标车辆避障。
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，上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、图像识别单元、第一生成单元、第二生成单元和发送单元。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“获取目标车辆前视图像和目标车辆右前视图像的单元”。
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)
1.一种车辆避障方法，包括：
获取目标车辆前视图像和目标车辆右前视图像；
对所述目标车辆前视图像和所述目标车辆右前视图像进行图像识别处理，得到障碍物图像识别信息；
基于所述障碍物图像识别信息，生成轮胎接地点信息、车尾坐标信息和障碍物车底框信息；
基于所述轮胎接地点信息、所述车尾坐标信息和所述障碍物车底框信息，生成障碍物车辆信息；
将所述障碍物车辆信息发送至控制终端以控制目标车辆避障。
2.根据权利要求1所述的方法，其中，所述障碍物图像识别信息包括：前视轮胎接地点坐标集，右前视轮胎接地点坐标集，初始车尾识别点信息，前视车头框目标点坐标、前视车尾框目标点坐标、右前视车头框目标点坐标和右前视车尾框目标点坐标；以及
所述基于所述障碍物图像识别信息，生成轮胎接地点信息、车尾坐标信息和障碍物车底框信息，包括：
基于所述障碍物图像识别信息包括的前视轮胎接地点坐标集和右前视轮胎接地点坐标集，生成轮胎接地点信息；
基于所述障碍物图像识别信息包括的初始车尾识别点信息、前视车头框目标点坐标、前视车尾框目标点坐标、右前视车头框目标点坐标、右前视车尾框目标点坐标和所述轮胎接地点信息，生成车尾坐标信息；
基于所述障碍物图像识别信息、所述轮胎接地点信息和所述车尾坐标信息，生成障碍物车底框信息。
3.根据权利要求2所述的方法，其中，所述基于所述障碍物图像识别信息包括的前视轮胎接地点坐标集和右前视轮胎接地点坐标集，生成轮胎接地点信息，包括：
响应于确定所述右前视轮胎接地点坐标集满足预设条件，基于所述障碍物图像识别信息包括的前视轮胎接地点坐标集和右前视轮胎接地点坐标集，生成目标轮胎接地点坐标集；
将所述目标轮胎接地点坐标集中的各个目标轮胎接地点坐标投影至所述目标车辆前视图像和所述目标车辆右前视图像中，得到前视图像接地点坐标集和右前视图像接地点坐标集；
对所述目标轮胎接地点坐标集、所述前视图像接地点坐标集和所述右前视图像接地点坐标集进行融合处理，得到所述轮胎接地点信息。
4.根据权利要求3所述的方法，其中，在所述将所述目标轮胎接地点坐标集中的各个目标轮胎接地点坐标投影至所述目标车辆前视图像和所述目标车辆右前视图像中之前，所述方法还包括：
响应于确定所述右前视轮胎接地点坐标集不满足所述预设条件，对所述障碍物图像识别信息包括的前视轮胎接地点坐标集进行投影处理，得到投影轮胎接地点坐标集；
将所述投影轮胎接地点坐标集确定为目标轮胎接地点坐标集。
5.根据权利要求3所述的方法，其中，所述初始车尾识别点信息包括：第一前视车尾识别点坐标，第二前视车尾识别点坐标，第一右前视车尾识别点坐标和第二右前视车尾识别点坐标；以及
所述基于所述障碍物图像识别信息包括的初始车尾识别点信息、前视车头框目标点坐标、前视车尾框目标点坐标、右前视车头框目标点坐标、右前视车尾框目标点坐标和所述轮胎接地点信息，生成车尾坐标信息，包括：
基于所述轮胎接地点信息包括的前视图像接地点坐标集、右前视图像接地点坐标集和所述障碍物图像识别信息包括的、前视车头框目标点坐标、前视车尾框目标点坐标、右前视车头框目标点坐标、右前视车尾框目标点坐标，确定目标车尾识别点坐标；
将所述目标车尾识别点坐标投影至所述目标车辆前视图像和所述目标车辆右前视图像，得到第一前视车尾投影点坐标和第一右前视车尾投影点坐标；
基于所述第一前视车尾投影点坐标、所述第一右前视车尾投影点坐标和所述初始车尾识别点信息包括的第一前视车尾识别点坐标、第二前视车尾识别点坐标、第一右前视车尾识别点坐标和第二右前视车尾识别点坐标，确定第二前视车尾投影点坐标和第二右前视车尾投影坐标；
对所述目标车尾识别点坐标、所述第一前视车尾投影点坐标、所述第一右前视车尾投影点坐标、所述第二前视车尾投影点坐标和所述第二右前视车尾投影点坐标进行融合处理，得到所述车尾坐标信息。
6.根据权利要求5所述的方法，其中，所述障碍物图像识别信息还包括：车头识别点坐标和车尾识别点坐标；以及
所述基于所述障碍物图像识别信息、所述轮胎接地点信息和所述车尾坐标信息，生成障碍物车底框信息，包括：
对所述障碍物图像识别信息包括的车头识别点坐标和车尾识别点坐标进行投影处理，得到第一目标车头投影点坐标和目标车尾投影点坐标；
基于所述目标车尾识别点坐标、所述第一目标车头投影点坐标和所述目标车尾投影点坐标，生成第二目标车头投影点坐标；
对所述第二目标车头投影点坐标进行坐标转换处理，得到图像车头投影点坐标；
对所述第一目标车头投影点坐标、所述目标车尾投影点坐标、所述第二目标车头投影点坐标和所述图像车头投影点坐标进行融合处理，得到所述障碍物车底框信息。
7.根据权利要求6所述的方法，其中，所述基于所述轮胎接地点信息、所述车尾坐标信息和所述障碍物车底框信息，生成障碍物车辆信息，包括：
对所述轮胎接地点信息包括的目标轮胎接地点坐标集、所述车尾坐标信息包括的目标车尾识别点坐标和所述障碍物车底框信息包括的第一目标车头投影点坐标、目标车尾投影点坐标和第二目标车头投影点坐标进行融合处理，得到第一障碍物车辆信息；
对所述轮胎接地点信息包括的前视图像接地点坐标集、右前视图像接地点坐标集、所述车尾坐标信息包括的第一前视车尾识别点坐标、第一右前视车尾识别点坐标、第二前视车尾识别点坐标和第二右前视车尾识别点坐标和所述障碍物车底框信息包括的图像车头投影点坐标进行融合处理，得到第二障碍物车辆信息；
对所述第一障碍物车辆信息和所述第二障碍物车辆信息进行融合处理，得到所述障碍物车辆信息。
8.一种车辆避障装置，包括：
获取单元，被配置成获取目标车辆前视图像和目标车辆右前视图像；
图像识别单元，被配置成对所述目标车辆前视图像和所述目标车辆右前视图像进行图像识别处理，得到障碍物图像识别信息；
第一生成单元，被配置成基于所述障碍物图像识别信息，生成轮胎接地点信息、车尾坐标信息和障碍物车底框信息；
第二生成单元，被配置成基于所述轮胎接地点信息、所述车尾坐标信息和所述障碍物车底框信息，生成障碍物车辆信息；
发送单元，被配置成将所述障碍物车辆信息发送至控制终端以控制目标车辆避障。
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，所述计算机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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310155701.1A CN115817463B (zh) | 2023-02-23 | 2023-02-23 | 车辆避障方法、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 |
|---|---|---|---|
| CN202310155701.1A CN115817463B (zh) | 2023-02-23 | 2023-02-23 | 车辆避障方法、装置、电子设备和计算机可读介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115817463A true CN115817463A (zh) | 2023-03-21 |
| CN115817463B CN115817463B (zh) | 2023-05-26 |
Family
ID=85522194
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310155701.1A Active CN115817463B (zh) | 2023-02-23 | 2023-02-23 | 车辆避障方法、装置、电子设备和计算机可读介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115817463B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116563818A (zh) * | 2023-04-14 | 2023-08-08 | 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 |
| CN116563817A (zh) * | 2023-04-14 | 2023-08-08 | 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 (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120081542A1 (en) * | 2010-10-01 | 2012-04-05 | Andong University Industry-Academic Cooperation Foundation | Obstacle detecting system and method |
| CN103231708A (zh) * | 2013-04-12 | 2013-08-07 | 安徽工业大学 | 一种基于双目视觉的智能车辆避障方法 |
| CN110059566A (zh) * | 2019-03-20 | 2019-07-26 | 东软睿驰汽车技术（沈阳）有限公司 | 一种图像识别方法及装置 |
| CN110539748A (zh) * | 2019-08-27 | 2019-12-06 | 北京纵目安驰智能科技有限公司 | 基于环视的拥堵跟车系统和终端 |
| CN110738181A (zh) * | 2019-10-21 | 2020-01-31 | 东软睿驰汽车技术（沈阳）有限公司 | 一种确定车辆朝向信息的方法及装置 |
| CN111179300A (zh) * | 2019-12-16 | 2020-05-19 | 新奇点企业管理集团有限公司 | 障碍物检测的方法、装置、系统、设备以及存储介质 |
| CN113869268A (zh) * | 2021-10-12 | 2021-12-31 | 广州小鹏自动驾驶科技有限公司 | 障碍物测距方法、装置、电子设备及可读介质 |
| CN114549645A (zh) * | 2022-02-27 | 2022-05-27 | 重庆长安汽车股份有限公司 | 一种基于视觉信息计算目标车辆航向角的方法和装置 |
| CN114708498A (zh) * | 2022-03-11 | 2022-07-05 | 山西省交通科技研发有限公司 | 图像处理方法、装置、电子设备以及存储介质 |
| CN114723640A (zh) * | 2022-05-23 | 2022-07-08 | 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 |
| CN114943952A (zh) * | 2022-06-13 | 2022-08-26 | 北京易航远智科技有限公司 | 多相机重叠视域下障碍物融合方法、系统、设备和介质 |
| CN115131992A (zh) * | 2022-06-29 | 2022-09-30 | 福建盛海智能科技有限公司 | 一种基于双目相机的车辆盲区障碍物示警方法及终端 |
| CN115540894A (zh) * | 2022-12-02 | 2022-12-30 | 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 |
-
2023
- 2023-02-23 CN CN202310155701.1A patent/CN115817463B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120081542A1 (en) * | 2010-10-01 | 2012-04-05 | Andong University Industry-Academic Cooperation Foundation | Obstacle detecting system and method |
| CN103231708A (zh) * | 2013-04-12 | 2013-08-07 | 安徽工业大学 | 一种基于双目视觉的智能车辆避障方法 |
| CN110059566A (zh) * | 2019-03-20 | 2019-07-26 | 东软睿驰汽车技术（沈阳）有限公司 | 一种图像识别方法及装置 |
| CN110539748A (zh) * | 2019-08-27 | 2019-12-06 | 北京纵目安驰智能科技有限公司 | 基于环视的拥堵跟车系统和终端 |
| CN110738181A (zh) * | 2019-10-21 | 2020-01-31 | 东软睿驰汽车技术（沈阳）有限公司 | 一种确定车辆朝向信息的方法及装置 |
| CN111179300A (zh) * | 2019-12-16 | 2020-05-19 | 新奇点企业管理集团有限公司 | 障碍物检测的方法、装置、系统、设备以及存储介质 |
| CN113869268A (zh) * | 2021-10-12 | 2021-12-31 | 广州小鹏自动驾驶科技有限公司 | 障碍物测距方法、装置、电子设备及可读介质 |
| CN114549645A (zh) * | 2022-02-27 | 2022-05-27 | 重庆长安汽车股份有限公司 | 一种基于视觉信息计算目标车辆航向角的方法和装置 |
| CN114708498A (zh) * | 2022-03-11 | 2022-07-05 | 山西省交通科技研发有限公司 | 图像处理方法、装置、电子设备以及存储介质 |
| CN114723640A (zh) * | 2022-05-23 | 2022-07-08 | 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 |
| CN114943952A (zh) * | 2022-06-13 | 2022-08-26 | 北京易航远智科技有限公司 | 多相机重叠视域下障碍物融合方法、系统、设备和介质 |
| CN115131992A (zh) * | 2022-06-29 | 2022-09-30 | 福建盛海智能科技有限公司 | 一种基于双目相机的车辆盲区障碍物示警方法及终端 |
| CN115540894A (zh) * | 2022-12-02 | 2022-12-30 | 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 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116563818A (zh) * | 2023-04-14 | 2023-08-08 | 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 |
| CN116563817A (zh) * | 2023-04-14 | 2023-08-08 | 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 |
| CN116563818B (zh) * | 2023-04-14 | 2024-02-06 | 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 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115817463B (zh) | 2023-05-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115817463B (zh) | 车辆避障方法、装置、电子设备和计算机可读介质 | |
| CN114742958B (zh) | 三维车道信息生成方法、装置、设备和计算机可读介质 | |
| CN107941226B (zh) | 用于生成车辆的方向引导线的方法和装置 | |
| 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 | |
| CN115326099B (zh) | 局部路径规划方法、装置、电子设备和计算机可读介质 | |
| CN113607185B (zh) | 车道线信息显示方法、装置、电子设备和计算机可读介质 | |
| CN114399588B (zh) | 三维车道线生成方法、装置、电子设备和计算机可读介质 | |
| CN113255619B (zh) | 车道线识别及定位方法、电子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 | |
| CN115761702A (zh) | 车辆轨迹生成方法、装置、电子设备和计算机可读介质 | |
| CN114894205A (zh) | 三维车道线信息生成方法、装置、设备和计算机可读介质 | |
| CN110956128A (zh) | 生成车道线图像的方法、装置、电子设备和介质 | |
| CN112649011B (zh) | 车辆避障方法、装置、设备和计算机可读介质 | |
| CN115384484B (zh) | 辅助泊车方法、装置、电子设备和计算机可读介质 | |
| CN115565158B (zh) | 车位检测方法、装置、电子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 | |
| CN114724116B (zh) | 车辆通行信息生成方法、装置、设备和计算机可读介质 | |
| CN112232451B (zh) | 多传感器数据融合方法、装置、电子设备和介质 | |
| CN115808929A (zh) | 车辆仿真避障方法、装置、电子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 | |
| CN114386481A (zh) | 一种车辆感知信息融合方法、装置、设备及存储介质 | |
| CN115610415B (zh) | 车辆距离控制方法、装置、电子设备和计算机可读介质 | |
| CN115616560B (zh) | 车辆避障方法、装置、电子设备和计算机可读介质 | |
| CN116563818B (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
| CN116563817B (zh) | 障碍物信息生成方法、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 | ||
| 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 |