CN115937826B - 目标检测方法及装置 - Google Patents
目标检测方法及装置 Download PDFInfo
- Publication number
- CN115937826B CN115937826B CN202310054926.8A CN202310054926A CN115937826B CN 115937826 B CN115937826 B CN 115937826B CN 202310054926 A CN202310054926 A CN 202310054926A CN 115937826 B CN115937826 B CN 115937826B
- Authority
- CN
- China
- Prior art keywords
- target
- detection result
- visual data
- target detection
- external parameters
- 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
Links
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
Landscapes
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开关于一种目标检测方法及装置,涉及车辆技术、自动驾驶技术领域,通过基于当前采集的视觉数据,识别车辆所行驶的前方道路是否存在异常位置;响应于在前方道路上存在异常位置,获取图像采集装置在预设时长内稳定的历史相机外参;在行驶至异常位置,基于历史相机外参采集视觉数据;对视觉数据进行目标检测,获取第一目标检测结果。本申请在异常位置为避免相机异常检测,在异常位置采用预设时长内稳定的历史相机外参,保证检测不受异常扰动影响,使得获得的目标检测结果更加准确。
Description
技术领域
本公开涉及车辆技术、自动驾驶技术领域,尤其涉及一种目标检测方法及装置。
背景技术
自动驾驶需要对道路进行实时检测,但自动驾驶过程中经常出现路面颠簸、斜坡、减速带等情况,短距颠簸上行导致检测距离偏远,近距颠簸下行导致检测距离偏近,在车道线的检测表现上更明显,在大多数工业产品的自动驾驶情况下,物体的摄动是非常普遍的,相关技术中,对数据的采集忽略了摄像机的姿态信息,这不可避免地导致检测器容易受到摄像机外部参数的影响,从而导致所测得的结果不够准确。
发明内容
本公开提供一种目标检测方法及装置,以至少解决对数据的采集忽略了摄像机的姿态信息,不可避免地导致检测器容易受到摄像机外部参数的影响,从而导致所测得的结果不够准确的问题。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种目标检测方法,包括:基于当前采集的视觉数据,识别车辆所行驶的前方道路是否存在异常位置;响应于在前方道路上存在异常位置,获取图像采集装置在预设时长内稳定的历史相机外参;在行驶至异常位置,基于历史相机外参采集视觉数据;对视觉数据进行目标检测,获取第一目标检测结果。
在一些实施例中,基于当前采集的视觉数据,识别车辆所行驶的前方道路是否存在异常位置,包括:对视觉数据进行坑洼路面和减速带检测;确定坑洼路面和减速带与当前车辆位置之间的第一距离;根据当前车辆位置和第一距离,确定异常位置。
在一些实施例中,基于当前采集的视觉数据,识别车辆所行驶的前方道路是否存在异常位置,包括:对视觉数据进行车道线检测,确定车道线当前时刻的第一消失点;将第一消失点与上一时刻的第二消失点进行对比;若比对结果满足突变条件,确定车道线出现突变;确定第一消失点与当前车辆位置之间的第二距离;根据当前车辆位置和第二距离,确定异常位置。
在一些实施例中,对视觉数据进行目标检测,获取第一目标检测结果之后,还包括:在采集视觉数据的同时同步采集点云数据,并根据同一采样时刻的点云数据,获取与第一目标检测结果同步的第二目标检测结果;获取第一目标检测结果和第二目标检测结果的匹配结果;根据匹配结果,对图像采集装置的相机外参进行调整;基于调整后的相机外参在下一采样时刻继续采集视觉数据,并基于继续采集的视觉数据进行目标重检。
在一些实施例中,根据匹配结果,对图像采集装置的相机外参进行调整,包括:从第一目标检测结果选取检测目标,以及从第二目标检测结果中选取参考目标,检测目标与参考目标为同一目标;获取检测目标的第一位姿信息和参考目标的第二位姿信息;根据第一位姿信息和第二位姿信息的位姿偏差,对图像采集装置的相机外参进行调整。
在一些实施例中,从第一目标检测结果选取检测目标,以及从第二目标检测结果中选取参考目标,包括:按照检测结果中目标的距离和置信度,从第二目标检测结果中选取参考目标,以及从第一目标检测结果中选取检测目标。
在一些实施例中,获取图像采集装置在预设时长内稳定的历史相机外参,包括:从当前时刻开始,获取N个历史时刻的候选相机外参;根据N个候选相机外参的出现频率,确定历史相机外参。
根据本公开实施例的第二方面,提供一种目标检测装置,包括:识别模块,用于基于当前采集的视觉数据,识别车辆所行驶的前方道路是否存在异常位置;获取模块,用于响应于在前方道路上存在异常位置,获取图像采集装置在预设时长内稳定的历史相机外参;采集模块,用于在行驶至异常位置,基于历史相机外参采集视觉数据;检测模块,用于对视觉数据进行目标检测,获取第一目标检测结果。
在一些实施例中,识别模块,还用于:对视觉数据进行坑洼路面和减速带检测;确定坑洼路面和减速带与当前车辆位置之间的第一距离;根据当前车辆位置和第一距离,确定异常位置。
在一些实施例中,识别模块,还用于:对视觉数据进行车道线检测,确定车道线当前时刻的第一消失点;将第一消失点与上一时刻的第二消失点进行对比;若比对结果满足突变条件,确定车道线出现突变;确定第一消失点与当前车辆位置之间的第二距离;根据当前车辆位置和第二距离,确定异常位置。
在一些实施例中,检测模块,还用于:在采集视觉数据的同时同步采集点云数据,并根据同一采样时刻的点云数据,获取与第一目标检测结果同步的第二目标检测结果;获取第一目标检测结果和第二目标检测结果的匹配结果;根据匹配结果,对图像采集装置的相机外参进行调整;基于调整后的相机外参在下一采样时刻继续采集视觉数据,并基于继续采集的视觉数据进行目标重检。
在一些实施例中,检测模块,还用于:从第一目标检测结果选取检测目标,以及从第二目标检测结果中选取参考目标,检测目标与参考目标为同一目标;获取检测目标的第一位姿信息和参考目标的第二位姿信息;根据第一位姿信息和第二位姿信息的位姿偏差,对图像采集装置的相机外参进行调整。
在一些实施例中,检测模块,还用于:按照检测结果中目标的距离和置信度,从第二目标检测结果中选取参考目标,以及从第一目标检测结果中选取检测目标。
在一些实施例中,获取模块,还用于:从当前时刻开始,获取N个历史时刻的候选相机外参;根据N个候选相机外参的出现频率,确定历史相机外参。
根据本公开实施例的第三方面,提出了一种车辆,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为:实现如本申请第一方面实施例所述的目标检测方法。
根据本公开实施例的第四方面,提出了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于实现如本申请第一方面实施例所述的目标检测方法。
根据本公开实施例的第五方面,提出了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如本申请第一方面实施例所述的目标检测方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
本申请在异常位置为避免相机异常检测,在异常位置采用预设时长内稳定的历史相机外参,保证检测不受异常扰动影响,使得获得的目标检测结果更加准确。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种目标检测方法的示例性实施方式。
图2是根据一示例性实施例示出的一种目标检测方法的示例性实施方式。
图3是根据一示例性实施例示出的一种目标检测方法的总体流程图。
图4是根据一示例性实施例示出的一种目标检测装置的示意图。
图5是根据一示例性实施例示出的一种车辆的功能框图示意图。
具体实施方式
这里将详细地对本公开一些实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。本文所描述的方法、装置和/或系统的各种改变、变型及等同物将在理解本公开之后变得显而易见。例如,本文所描述的操作的顺序仅仅为示例,且并非受限于本文中所阐述的那些顺序,而是除了必须以特定顺序进行的操作之外,如在理解本公开之后变得显而易见的那样可进行改变。另外,为提升清楚性和简洁性,对本领域中已知的特征的描述可被省略。
以下本公开的一些实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。图1是本申请示出的一种目标检测方法的示例性实施方式,如图1所示,该目标检测方法,包括以下步骤:
S101,基于当前采集的视觉数据,识别车辆所行驶的前方道路是否存在异常位置。
自动驾驶车辆自主行驶在道路上,需要对周围场景进行感知,而目标检测用于获取物体在空间中的位置和类别信息,是自动驾驶感知系统的基础,对后续的路径规划、运动预测、碰撞避免具有重要指导作用。
本申请中,基于安装在车辆上的图像采集装置,对车辆所行驶道路的前方道路进行图像采集,获取当前所采集的视觉数据,并对当前采集的视觉数据进行识别处理,以识别判断车辆所行驶的前方道路是否存在异常位置。其中,本申请中,异常位置指的是道路上会出现的坑洼、减速带等容易造成车辆发生颠簸或者抖动的位置。
本申请中,安装在车辆上的图像采集装置可为一个也可为多个,本申请对图像采集装置的个数不做限定。
S102,响应于在前方道路上存在异常位置,获取图像采集装置在预设时长内稳定的历史相机外参。
若识别到在前方道路上存在异常位置,为避免当车辆行驶到异常位置时,车辆的颠簸造成车辆上的检测仪器对于道路的检测结果不够准确,本申请中,需要获取图像采集装置在预设时长内稳定的历史相机外参。
示例性的,若识别到在前方道路上存在异常位置,将预设时长设置为从当前时刻开始到异常位置的这段时长,则从当前时刻开始,获取车辆行驶到异常位置的这段时长内每个时刻图像采集装置的相机外参,并将出现频率最高的相机外参确定为稳定的历史相机外参。
可选地,预设时长内可为从当前时刻开始算起的之前10分钟之内,之前1小时之内,也可为从当前时刻开始算起到异常位置的这段时长。
S103,在行驶至异常位置,基于历史相机外参采集视觉数据。
当车辆行驶至异常位置时,控制图像采集装置的相机外参维持在上述确定的历史相机外参以继续采集视觉数据。
S104,对视觉数据进行目标检测,获取第一目标检测结果。
对上述图像采集装置的相机外参维持在上述确定的历史相机外参继续采集的视觉数据进行目标检测,将获得的检测结果作为第一目标检测结果,以作为后续自动驾驶的路径规划、运动预测、碰撞避免等事项的基础。
本申请实施例提出了一种目标检测方法,通过基于当前采集的视觉数据,识别车辆所行驶的前方道路是否存在异常位置;响应于在前方道路上存在异常位置,获取图像采集装置在预设时长内稳定的历史相机外参;在行驶至异常位置,基于历史相机外参采集视觉数据;对视觉数据进行目标检测,获取第一目标检测结果。本申请在异常位置为避免相机异常检测,在异常位置采用预设时长内稳定的历史相机外参,保证检测不受异常扰动影响,使得获得的目标检测结果更加准确。
图2是本申请示出的一种目标检测方法的示例性实施方式,如图2所示,该目标检测方法,包括以下步骤:
S201,基于当前采集的视觉数据,识别车辆所行驶的前方道路是否存在异常位置。
本申请中,基于安装在车辆上的图像采集装置,对车辆所行驶道路的前方道路进行图像采集,获取当前所采集的视觉数据,并对当前采集的视觉数据进行识别处理,以识别判断车辆所行驶的前方道路是否存在异常位置。其中,本申请中,异常位置指的是道路上会出现的坑洼、减速带等容易造成车辆发生颠簸或者抖动的位置。
作为一种可实现的方式,在识别车辆所行驶的前方道路是否存在异常位置时,首先对当前采集的视觉数据进行坑洼路面和减速带检测,若检测到前方道路存在坑洼路面和/或存在减速带,则获取坑洼路面和/或减速带与当前车辆位置之间的距离,并将该距离作为第一距离,并根据当前车辆位置和第一距离,确定坑洼路面和/或减速带所在的位置为异常位置。示例性的,若对当前采集的视觉数据进行坑洼路面和减速带检测后,检测到前方道路存在坑洼路面,则获取坑洼路面与当前车辆位置之间的第一距离,若该第一距离为50米,则将当前车辆位置的前方50米处确定为异常位置。
作为另一种可实现的方式,在识别车辆所行驶的前方道路是否存在异常位置时,首先对视觉数据进行车道线检测,确定车道线当前时刻对应的消失点作为第一消失点,将第一消失点与上一时刻的第二消失点进行对比,判断第一消失点与上一时刻的第二消失点是否满足突变条件,若比对结果满足突变条件,则确定车道线出现突变,确定第一消失点与当前车辆位置之间的距离,并将该距离作为第二距离,根据当前车辆位置和第二距离,确定第一消失点所在的位置为异常位置。其中,消失点是指,车辆正常沿车道行驶时,车道线在远端汇聚的一点。其中,突变条件可为,第一消失点与第二消失点之间的距离大于设定阈值。
S202,响应于在前方道路上存在异常位置,获取图像采集装置在预设时长内稳定的历史相机外参。
若识别到在前方道路上存在异常位置,为避免当车辆行驶到异常位置时,车辆的颠簸造成车辆上的检测仪器对于道路的检测结果不够准确,本申请中,需要获取图像采集装置在预设时长内稳定的历史相机外参。
示例性的,若识别到在前方道路上存在异常位置,将预设时长设置为从当前时刻开始到异常位置的这段时长,则从当前时刻开始,获取N个历史时刻的相机外参作为候选相机外参,并根据N个候选相机外参的出现频率,确定历史相机外参。可选地,可将出现频率最高的候选相机外参作为历史相机外参。
S203,在行驶至异常位置,基于历史相机外参采集视觉数据。
当车辆行驶至异常位置时,控制图像采集装置的相机外参维持在上述确定的历史相机外参以继续采集视觉数据。
S204,对视觉数据进行目标检测,获取第一目标检测结果。
对上述图像采集装置的相机外参维持在上述确定的历史相机外参继续采集的视觉数据进行目标检测,将获得的检测结果作为第一目标检测结果,以作为后续自动驾驶的路径规划、运动预测、碰撞避免等事项的基础。
S205,在采集视觉数据的同时同步采集点云数据,并根据同一采样时刻的点云数据,获取与第一目标检测结果同步的第二目标检测结果。
本申请中,为使得最终所确定的相机外参更加准确,可基于安装在车辆上的激光传感器,在采集视觉数据的同时同步采集车辆所行驶的前方道路的点云数据,并在对视觉数据进行目标检测获取第一目标检测结果的同时,对同一采样时刻的点云数据进行目标检测,获取点云数据对应的第二目标检测结果。
S206,获取第一目标检测结果和第二目标检测结果的匹配结果。
对上述第一目标检测结果和第二目标检测结果进行匹配,并获取第一目标检测结果和第二目标检测结果的匹配结果。
S207,根据匹配结果,对图像采集装置的相机外参进行调整。
根据第一目标检测结果和第二目标检测结果的匹配结果,对图像采集装置的相机外参进行调整。
其中,在对图像采集装置的相机外参进行调整时,从第一目标检测结果中选取一个近距离和高置信度的目标作为检测目标,以及从第二目标检测结果中选取一个近距离和高置信度的目标作为参考目标,其中,检测目标与参考目标为同一目标。比如说,检测目标与参考目标可以为同一栋建筑物或者同一个红绿灯。
获取上述确定的检测目标的位姿信息作为第一位姿信息,以及获取上述确定的参考目标的位姿信息作为第二位姿信息。获取第一位姿信息和第二位姿信息的位姿偏差,并根据第一位姿信息和第二位姿信息的位姿偏差,对图像采集装置的相机外参进行调整。
S208,基于调整后的相机外参在下一采样时刻继续采集视觉数据,并基于继续采集的视觉数据进行目标重检。
基于调整后的相机外参在下一采样时刻继续采集视觉数据,并基于继续采集的视觉数据进行目标重检。
本申请基于多模态思想,在异常位置为避免相机异常检测,在异常位置采用预设时长内稳定的历史相机外参,保证检测不受异常扰动影响,根据视觉数据对应的第一目标检测结果和点云数据对应的第二目标检测结果的匹配结果,对图像采集装置的相机外参进行调整,使得获得的目标检测结果更加准确。
图3是本申请示出的一种目标检测方法的总体流程图,如图3所示,该目标检测方法,包括以下步骤:
S301,对视觉数据进行坑洼路面和减速带检测。
S302,确定坑洼路面和减速带与当前车辆位置之间的第一距离。
S303,根据当前车辆位置和第一距离,确定异常位置。
关于步骤S301~ S303的具体实现方式,可参照上述实施例中相关部分的具体介绍,在此不再进行赘述。
S304,对视觉数据进行车道线检测,确定车道线当前时刻的第一消失点。
S305,将第一消失点与上一时刻的第二消失点进行对比。
S306,若比对结果满足突变条件,确定车道线出现突变。
S307,确定第一消失点与当前车辆位置之间的第二距离。
S308,根据当前车辆位置和第二距离,确定异常位置。
关于步骤S304~ S308的具体实现方式,可参照上述实施例中相关部分的具体介绍,在此不再进行赘述。
S309,从当前时刻开始,获取N个历史时刻的候选相机外参。
S310,根据N个候选相机外参的出现频率,确定历史相机外参。
S311,在行驶至异常位置,基于历史相机外参采集视觉数据。
S312,对视觉数据进行目标检测,获取第一目标检测结果。
关于步骤S309~S312的具体实现方式,可参照上述实施例中相关部分的具体介绍,在此不再进行赘述。
S313,在采集视觉数据的同时同步采集点云数据,并根据同一采样时刻的点云数据,获取与第一目标检测结果同步的第二目标检测结果。
S314,获取第一目标检测结果和第二目标检测结果的匹配结果。
S315,根据匹配结果,对图像采集装置的相机外参进行调整。
S316,基于调整后的相机外参在下一采样时刻继续采集视觉数据,并基于继续采集的视觉数据进行目标重检。
关于步骤S313~S316的具体实现方式,可参照上述实施例中相关部分的具体介绍,在此不再进行赘述。
本申请实施例提出了一种目标检测方法,通过基于当前采集的视觉数据,识别车辆所行驶的前方道路是否存在异常位置;响应于在前方道路上存在异常位置,获取图像采集装置在预设时长内稳定的历史相机外参;在行驶至异常位置,基于历史相机外参采集视觉数据;对视觉数据进行目标检测,获取第一目标检测结果。本申请在异常位置为避免相机异常检测,在异常位置采用预设时长内稳定的历史相机外参,保证检测不受异常扰动影响,使得获得的目标检测结果更加准确。
图4是本申请提出的一种目标检测装置的示意图,如图4所示,该目标检测装置400,包括识别模块401、获取模块402、采集模块403和检测模块404,其中:
识别模块401,用于基于当前采集的视觉数据,识别车辆所行驶的前方道路是否存在异常位置;
获取模块402,用于响应于在前方道路上存在异常位置,获取图像采集装置在预设时长内稳定的历史相机外参;
采集模块403,用于在行驶至异常位置,基于历史相机外参采集视觉数据;
检测模块404,用于对视觉数据进行目标检测,获取第一目标检测结果。
本申请提出的目标检测装置,包括:识别模块,用于基于当前采集的视觉数据,识别车辆所行驶的前方道路是否存在异常位置;获取模块,用于响应于在前方道路上存在异常位置,获取图像采集装置在预设时长内稳定的历史相机外参;采集模块,用于在行驶至异常位置,基于历史相机外参采集视觉数据;检测模块,用于对视觉数据进行目标检测,获取第一目标检测结果。本装置在异常位置为避免相机异常检测,在异常位置采用预设时长内稳定的历史相机外参,保证检测不受异常扰动影响,使得获得的目标检测结果更加准确。
在一些实施例中,识别模块401,还用于:对视觉数据进行坑洼路面和减速带检测;确定坑洼路面和减速带与当前车辆位置之间的第一距离;根据当前车辆位置和第一距离,确定异常位置。
在一些实施例中,识别模块401,还用于:对视觉数据进行车道线检测,确定车道线当前时刻的第一消失点;将第一消失点与上一时刻的第二消失点进行对比;若比对结果满足突变条件,确定车道线出现突变;确定第一消失点与当前车辆位置之间的第二距离;根据当前车辆位置和第二距离,确定异常位置。
在一些实施例中,检测模块404,还用于:在采集视觉数据的同时同步采集点云数据,并根据同一采样时刻的点云数据,获取与第一目标检测结果同步的第二目标检测结果;获取第一目标检测结果和第二目标检测结果的匹配结果;根据匹配结果,对图像采集装置的相机外参进行调整;基于调整后的相机外参在下一采样时刻继续采集视觉数据,并基于继续采集的视觉数据进行目标重检。
在一些实施例中,检测模块404,还用于:从第一目标检测结果选取检测目标,以及从第二目标检测结果中选取参考目标,检测目标与参考目标为同一目标;获取检测目标的第一位姿信息和参考目标的第二位姿信息;根据第一位姿信息和第二位姿信息的位姿偏差,对图像采集装置的相机外参进行调整。
在一些实施例中,检测模块404,还用于:按照检测结果中目标的距离和置信度,从第二目标检测结果中选取参考目标,以及从第一目标检测结果中选取检测目标。
在一些实施例中,获取模块402,还用于:从当前时刻开始,获取N个历史时刻的候选相机外参;根据N个候选相机外参的出现频率,确定历史相机外参。
图5是根据一示例性实施例示出的一种车辆500的框图。例如,车辆500可以是混合动力车辆,也可以是非混合动力车辆、电动车辆、燃料电池车辆或者其他类型的车辆。车辆500可以是自动驾驶车辆、半自动驾驶车辆或者非自动驾驶车辆。
如图5所示,上述车辆500包括各种子系统,例如,感知系统510、决策控制系统520、驱动系统530以及计算平台540。其中,车辆500还可以包括更多或更少的子系统,并且每个子系统都可包括多个部件。另外,车辆500的每个子系统之间和每个部件之间可以通过有线或者无线的方式实现互连。
感知系统510可以包括若干种传感器,用于感测车辆500周边的环境的信息。例如,感知系统510可包括全球定位系统(全球定位系统可以是GPS系统,也可以是北斗系统或者其他定位系统)、惯性测量单元(inertialmeasurement unit,IMU)、激光雷达、毫米波雷达、超声雷达以及摄像装置。
决策控制系统520可以包括计算系统、整车控制器、转向系统、油门以及制动系统。
驱动系统530可以包括为车辆500提供动力运动的组件。在一个实施例中,驱动系统530可以包括引擎、能量源、传动系统和车轮。引擎可以是内燃机、电动机、空气压缩引擎中的一种或者多种的组合。引擎能够将能量源提供的能量转换成机械能量。
车辆500的部分或所有功能受计算平台540控制。计算平台540可包括至少一个处理器541和存储器542,处理器541可以执行存储在存储器542中的指令543。
处理器541可以是任何常规的处理器,诸如商业可获得的CPU。处理器还可以包括诸如图像处理器(Graphic Process Unit,GPU),现场可编程门阵列(FieldProgrammableGate Array,FPGA)、片上系统(Systemon Chip,SOC)、专用集成芯片(ApplicationSpecificIntegrated Circuit,ASIC)或它们的组合。
存储器542可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
除了指令543以外,存储器542还可存储数据,例如道路地图,路线信息,车辆的位置、方向、速度等数据。存储器542存储的数据可以被计算平台540使用。
在本公开实施例中,处理器541可以执行指令543,以完成上述的目标检测方法的全部或部分步骤。
为了实现上述实施例,本申请实施例还提出一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机实现如上述实施例所示的目标检测方法。可选的,非瞬时计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
为了实现上述实施例,本申请实施例还提出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如上述实施例所示的目标检测方法。
此外,在本文中使用词语“示例性的”以表示充当示例、实例、示图。在本文中被描述为“示例性的”任何方面或设计都不一定理解为与其他方面或设计相比是有利的。相反,使用词语示例性的旨在以具体的方式呈现概念。如在本文中所使用的,术语“或”旨在表示包括性的“或”而不是排他性的“或”。即,除非另外指定,或者从上下文中清楚,否则“X应用A或B”旨在表示自然的包括性排列中的任何一种排列。即,如果X应用A;X应用B;或者X应用A和B两者,则“X应用A或B”在前述实例中的任何一个实例下都满足。另外,除非另外指定或者从上下文中清楚指向单数形式,否则如在该申请和所附权利要求中所使用的冠词“一”和“一个”通常被理解为表示“一个或多个”。
同样,尽管已经关于一个或多个实现示出并描述了本公开,但是在阅读并理解了该说明书和附图之后,本领域技术人员将想到等同的变型和修改。本公开包括所有这样的修改和变型,并且仅由权利要求的范围来限制。特别关于由上文所描述的组件(例如,元件、资源等)执行的各种功能,除非另外指出,否则用于描述这样的组件的术语旨在对应于执行所描述的组件的具体功能的任何组件(功能上等价的),即使结构上不等价于所公开的结构。另外,尽管可以已经关于几个实现中的仅仅一个而公开了本公开的特定的特征,但是如可以是期望的并且有利于任何给定的或特定的应用的那样,这样的特征可以与其它实现的一个或多个其它特征相结合。此外,就在具体实施方式或者权利要求中所使用的“包括”、“拥有”、“具有”、“有”、或其变型而言,这样的术语旨在作为类似于术语“包含”的方式是包括性的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
另外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本文描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (12)
1.一种目标检测方法,其特征在于,包括:
基于当前采集的视觉数据,识别车辆所行驶的前方道路是否存在异常位置;
响应于在所述前方道路上存在所述异常位置,从当前时刻开始,获取N个历史时刻的候选相机外参,并根据N个所述候选相机外参的出现频率,确定图像采集装置的历史相机外参;
在行驶至所述异常位置,基于所述历史相机外参采集视觉数据;
对所述视觉数据进行目标检测,获取第一目标检测结果;
在采集视觉数据的同时同步采集点云数据,并根据同一采样时刻的所述点云数据,获取与所述第一目标检测结果同步的第二目标检测结果;
获取所述第一目标检测结果和所述第二目标检测结果的匹配结果;
根据所述匹配结果,对所述图像采集装置的相机外参进行调整;
基于调整后的相机外参在下一采样时刻继续采集所述视觉数据,并基于继续采集的所述视觉数据进行目标重检。
2.根据权利要求1所述的方法,其特征在于,所述基于当前采集的视觉数据,识别车辆所行驶的前方道路是否存在异常位置,包括:
对所述视觉数据进行坑洼路面和减速带检测;
确定所述坑洼路面和所述减速带与当前车辆位置之间的第一距离;
根据所述当前车辆位置和所述第一距离,确定所述异常位置。
3.根据权利要求1所述的方法,其特征在于,所述基于当前采集的视觉数据,识别车辆所行驶的前方道路是否存在异常位置,包括:
对所述视觉数据进行车道线检测,确定所述车道线当前时刻的第一消失点,其中,所述第一消失点为车辆当前时刻沿车道行驶时车道线在远端汇聚的点;
将所述第一消失点与上一时刻的第二消失点进行对比,其中,所述第二消失点为车辆上一时刻沿车道行驶时车道线在远端汇聚的点;
若比对结果满足突变条件,确定所述车道线出现突变,其中,所述突变条件为所述第一消失点与所述第二消失点之间的距离大于设定阈值;
确定所述第一消失点与当前车辆位置之间的第二距离;
根据所述当前车辆位置和所述第二距离,确定所述异常位置。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述根据所述匹配结果,对所述图像采集装置的相机外参进行调整,包括:
从所述第一目标检测结果选取检测目标,以及从所述第二目标检测结果中选取参考目标,所述检测目标与所述参考目标为同一目标;
获取所述检测目标的第一位姿信息和所述参考目标的第二位姿信息;
根据所述第一位姿信息和所述第二位姿信息的位姿偏差,对所述图像采集装置的相机外参进行调整。
5.根据权利要求4所述的方法,其特征在于,所述从所述第一目标检测结果选取检测目标,以及从所述第二目标检测结果中选取参考目标,包括:
按照检测结果中目标的距离和置信度,从所述第二目标检测结果中选取所述参考目标,以及从所述第一目标检测结果中选取所述检测目标。
6.一种目标检测装置,其特征在于,包括:
识别模块,用于基于当前采集的视觉数据,识别车辆所行驶的前方道路是否存在异常位置;
获取模块,用于响应于在所述前方道路上存在所述异常位置,从当前时刻开始,获取N个历史时刻的候选相机外参,并根据N个所述候选相机外参的出现频率,确定图像采集装置的历史相机外参;
采集模块,用于在行驶至所述异常位置,基于所述历史相机外参采集视觉数据;
检测模块,用于对所述视觉数据进行目标检测,获取第一目标检测结果;在采集视觉数据的同时同步采集点云数据,并根据同一采样时刻的所述点云数据,获取与所述第一目标检测结果同步的第二目标检测结果;获取所述第一目标检测结果和所述第二目标检测结果的匹配结果;根据所述匹配结果,对所述图像采集装置的相机外参进行调整;基于调整后的相机外参在下一采样时刻继续采集所述视觉数据,并基于继续采集的所述视觉数据进行目标重检。
7.根据权利要求6所述的装置,其特征在于,所述识别模块,还用于:
对所述视觉数据进行坑洼路面和减速带检测;
确定所述坑洼路面和所述减速带与当前车辆位置之间的第一距离;
根据所述当前车辆位置和所述第一距离,确定所述异常位置。
8.根据权利要求6所述的装置,其特征在于,所述识别模块,还用于:
对所述视觉数据进行车道线检测,确定所述车道线当前时刻的第一消失点,其中,所述第一消失点为车辆当前时刻沿车道行驶时车道线在远端汇聚的点;
将所述第一消失点与上一时刻的第二消失点进行对比,其中,所述第二消失点为车辆上一时刻沿车道行驶时车道线在远端汇聚的点;
若比对结果满足突变条件,确定所述车道线出现突变,其中,所述突变条件为所述第一消失点与所述第二消失点之间的距离大于设定阈值;
确定所述第一消失点与当前车辆位置之间的第二距离;
根据所述当前车辆位置和所述第二距离,确定所述异常位置。
9.根据权利要求6-8中任一项所述的装置,其特征在于,所述检测模块,还用于:
从所述第一目标检测结果选取检测目标,以及从所述第二目标检测结果中选取参考目标,所述检测目标与所述参考目标为同一目标;
获取所述检测目标的第一位姿信息和所述参考目标的第二位姿信息;
根据所述第一位姿信息和所述第二位姿信息的位姿偏差,对所述图像采集装置的相机外参进行调整。
10.根据权利要求9所述的装置,其特征在于,所述检测模块,还用于:
按照检测结果中目标的距离和置信度,从所述第二目标检测结果中选取所述参考目标,以及从所述第一目标检测结果中选取所述检测目标。
11.一种车辆,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
实现权利要求1-5中任一项所述方法的步骤。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310054926.8A CN115937826B (zh) | 2023-02-03 | 2023-02-03 | 目标检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310054926.8A CN115937826B (zh) | 2023-02-03 | 2023-02-03 | 目标检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115937826A CN115937826A (zh) | 2023-04-07 |
CN115937826B true CN115937826B (zh) | 2023-05-09 |
Family
ID=85827149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310054926.8A Active CN115937826B (zh) | 2023-02-03 | 2023-02-03 | 目标检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115937826B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112265548A (zh) * | 2020-09-15 | 2021-01-26 | 北京工业大学 | 一种考虑路面状况的自动驾驶控制策略调整方法 |
CN113276874A (zh) * | 2021-06-11 | 2021-08-20 | 浙江大华技术股份有限公司 | 一种车辆行驶轨迹处理方法及相关装置 |
CN114399675A (zh) * | 2021-11-22 | 2022-04-26 | 北京航天自动控制研究所 | 一种基于机器视觉与激光雷达融合的目标检测方法和装置 |
WO2022083409A1 (zh) * | 2020-10-24 | 2022-04-28 | 腾讯科技(深圳)有限公司 | 道路异常路面的检测方法、仿真方法和相关装置 |
WO2022199472A1 (zh) * | 2021-03-23 | 2022-09-29 | 长沙智能驾驶研究院有限公司 | 障碍物检测方法、车辆、设备及计算机存储介质 |
CN115220449A (zh) * | 2022-07-14 | 2022-10-21 | 小米汽车科技有限公司 | 路径规划的方法、装置、存储介质、芯片及车辆 |
-
2023
- 2023-02-03 CN CN202310054926.8A patent/CN115937826B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112265548A (zh) * | 2020-09-15 | 2021-01-26 | 北京工业大学 | 一种考虑路面状况的自动驾驶控制策略调整方法 |
WO2022083409A1 (zh) * | 2020-10-24 | 2022-04-28 | 腾讯科技(深圳)有限公司 | 道路异常路面的检测方法、仿真方法和相关装置 |
WO2022199472A1 (zh) * | 2021-03-23 | 2022-09-29 | 长沙智能驾驶研究院有限公司 | 障碍物检测方法、车辆、设备及计算机存储介质 |
CN113276874A (zh) * | 2021-06-11 | 2021-08-20 | 浙江大华技术股份有限公司 | 一种车辆行驶轨迹处理方法及相关装置 |
CN114399675A (zh) * | 2021-11-22 | 2022-04-26 | 北京航天自动控制研究所 | 一种基于机器视觉与激光雷达融合的目标检测方法和装置 |
CN115220449A (zh) * | 2022-07-14 | 2022-10-21 | 小米汽车科技有限公司 | 路径规划的方法、装置、存储介质、芯片及车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN115937826A (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109085829B (zh) | 一种动静态目标识别方法 | |
RU2737874C1 (ru) | Способ хранения информации транспортного средства, способ управления движением транспортного средства и устройство хранения информации транспортного средства | |
US11898855B2 (en) | Assistance control system that prioritizes route candidates based on unsuitable sections thereof | |
KR102023858B1 (ko) | 주행 제어 방법 및 주행 제어 장치 | |
JP7051366B2 (ja) | 情報処理装置、学習済モデル、情報処理方法、およびプログラム | |
US10553117B1 (en) | System and method for determining lane occupancy of surrounding vehicles | |
CN113950703B (zh) | 确定外参矩阵是否准确的方法、装置及数据处理系统 | |
US8818702B2 (en) | System and method for tracking objects | |
US10310511B2 (en) | Automatic driving control system of mobile object | |
CN105892471A (zh) | 汽车自动驾驶方法和装置 | |
KR102456626B1 (ko) | 자율 주행 차량의 차선 인지 방법 및 장치 | |
KR102201384B1 (ko) | 전기 자율주행 자동차 종방향 반응 제어를 시스템 및 방법 | |
US11598877B2 (en) | Object recognition device and vehicle control system | |
JP2018048949A (ja) | 物体識別装置 | |
JP2018063476A (ja) | 運転支援装置、運転支援方法及び運転支援用コンピュータプログラム | |
JP7321035B2 (ja) | 物体位置検出方法及び物体位置検出装置 | |
CN114084129A (zh) | 一种基于融合的车辆自动驾驶控制方法及系统 | |
JP2012026888A (ja) | 自車位置認識装置 | |
CN113049264B (zh) | 一种车辆高级驾驶辅助系统的测试系统及方法 | |
CN115937826B (zh) | 目标检测方法及装置 | |
CN114212106A (zh) | 一种车辆的可行驶区域内安全概率的确定方法及装置 | |
CN110764505B (zh) | 一种无人驾驶汽车控制系统 | |
WO2018221456A1 (ja) | 経路探索装置、制御方法、プログラム及び記憶媒体 | |
WO2018180247A1 (ja) | 出力装置、制御方法、プログラム及び記憶媒体 | |
CN113850209B (zh) | 一种动态物体检测方法、装置、交通工具及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |