CN116030432A - 车辆之间的自由空间的判断方法及其装置 - Google Patents
车辆之间的自由空间的判断方法及其装置 Download PDFInfo
- Publication number
- CN116030432A CN116030432A CN202111231800.0A CN202111231800A CN116030432A CN 116030432 A CN116030432 A CN 116030432A CN 202111231800 A CN202111231800 A CN 202111231800A CN 116030432 A CN116030432 A CN 116030432A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- feature point
- information
- free space
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004364 calculation method Methods 0.000 claims abstract description 39
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种车辆之间的自由空间的判断方法及其装置。该判定方法包括盲区确定步骤，确定第一车辆和第二车辆之间的盲区；边缘信息计算步骤，至少获取第一车辆和第二车辆的当前特征点信息，根据第一车辆和第二车辆的当前特征点信息计算得到第一车辆和第二车辆之间的盲区中的边缘信息；封闭空间生成步骤，根据第一车辆和第二车辆之间的盲区中的边缘信息，生成封闭空间；以及自由空间判断步骤，基于对所述封闭空间的监控来判断所述封闭空间是否为自由空间。根据本发明，通过对车辆之间的封闭区域进行判断，能够将部分盲区判断为安全区，以作为自由空间使用。
Description
技术领域
本发明涉及车联网技术，具体地涉及一种车辆之间的自由空间的判断方法以及车辆之间的自由空间的判断装置。
背景技术
随着智能驾驶车辆的出现，车辆能够感知周围环境，识别一些危险状态以保证车辆的正常驾驶。然而，仅在车载端安装传感器仍然有许多问题需要解决。
基于这样的问题，车联网技术由此应运而生。车联网技术通过高精度GPS、车载传感器(如毫米波雷达、车载摄像头等)获取车辆自身的状态信息以及周边环境的感知信息（例如来自路端传感器的感知信息）。通过车与车、车与路侧、车与互联网之间进行无线通信以及信息交互，大量车辆的信息可以被分析和处理并用于不同的应用场景。
例如，通过建立路端传感器可以扩展车载传感器的视场（例如盲点）和性能。
然而，现有技术中无论路端传感器安装得多高，仍然存在无法直接获得信息的盲区（或者也称阴影区）。图1表示了现有技术中存在盲区的示意图。如图1所示，路端传感器已经安装在较高的位置，但是在车辆之间仍然存在以阴影部分表示的盲区。
发明内容
鉴于上述问题，本发明旨在提出一种能够对车辆之间存在的盲区进行更精准判断的车辆之间的自由空间的判断方法以及车辆之间的自由空间的判断装置。
本发明一方面的种车辆之间的自由空间的判断方法，其特征在于，该方法用于对第一车辆和第二车辆之间存在的空间进行判断，该方法包括：
盲区确定步骤，确定第一车辆和第二车辆之间的盲区；
边缘信息计算步骤，至少获取第一车辆和第二车辆的当前特征点信息，根据第一车辆和第二车辆的当前特征点信息计算得到第一车辆和第二车辆之间的盲区中的边缘信息；
封闭空间生成步骤，根据第一车辆和第二车辆之间的盲区中的边缘信息，生成封闭空间；以及
自由空间判断步骤，基于对所述封闭空间的监控来判断所述封闭空间是否为自由空间。
可选地，所述自由空间判断步骤包括：
监控第一车辆和第二车辆在规定时间内是否始终相邻并且第一车辆和第二车辆位于同一车道或者相邻车道，
其中，在第一车辆和第二车辆在规定时间内始终相邻并且第一车辆和第二车辆位于同一车道或者相邻车道的情况下，则判断所述封闭空间为自由空间，否则判断为非自由空间。
可选地，在所述边缘信息计算步骤中，进一步获取第一车辆和第二车辆的历史特征点信息的情况下，
在所述边缘信息计算步骤中，基于第一车辆和第二车辆的当前特征点信息和第一车辆和第二车辆的历史特征点信息计算得到第一车辆和第二车辆之间的盲区中的边缘信息。
可选地，所述边缘信息计算步骤包括：将第一车辆的当前特征点信息与第一车辆的历史特征点信息进行匹配，以获得第一车辆的特征点相对于第一车辆的参考点的第一相对位置关系，并且将第二车辆的当前特征点信息与第二车辆的历史特征点信息进行匹配，以获得第二车辆的特征点相对于第二车辆的参考点的第二相对位置关系；
基于所述第一相对位置关系、所述第二相对位置关系以及从外部获得的第一车辆的参考点的绝对位置信息以及第二车辆的参考点的绝对位置信息，计算出第一车辆和第二车辆之间的盲区中的第一车辆的车辆特征点和第二车辆的特征点；以及
基于第一车辆的车辆特征点和第二车辆的特征点，得到第一车辆和第二车辆之间的盲区中的边缘信息。
可选地，所述特征点信息包括以下的一项或者多项：
车辆的基本特征点信息以及车辆的深度特征点信息。
可选地，在所述边缘信息计算步骤中，进一步获取预先存储的常用车辆模型的情况下，基于第一车辆和第二车辆的当前特征点信息和预先存储的常用车辆模型计算得到第一车辆和第二车辆之间的盲区中的边缘信息。
可选地，所述边缘信息计算步骤包括：
将第一车辆的当前特征点信息与所述常用车辆模型进行匹配以获得第一车辆的特征点相对于第一车辆的参考点之间的第一相对位置关系，并且将第二车辆的当前特征点信息与所述常用车辆模型进行匹配以获得第二车辆的特征点相对于第二车辆的参考点之间的第二相对位置关系；
基于所述第一相对位置关系、所述第二相对位置关系以及从外部获得的第一车辆的参考点的绝对位置信息以及第二车辆的车辆参考点的绝对位置信息，获得第一车辆和第二车辆之间的盲区中的第一车辆的车辆特征点和第二车辆的特征点；以及
基于第一车辆的车辆特征点和第二车辆的特征点，得到第一车辆和第二车辆之间的盲区中的边缘信息。
可选地，所述特征点信息包括以下的一项或者多项：
车辆的基本特征点信息、车辆的深度特征点信息以及车辆的外观特征点信息。
可选地，所述外观特征点信息包括以下的一项或者多项：
车辆的颜色特征点信息、车辆的花纹特征点信息以及车辆的轮廓特征点信息。
可选地，所述第一相对位置关系和所述第二相对位置关系通过以下任意一种计算方式获得：
欧式距离、马氏距离、曼哈顿距离、切比雪夫距离以及明可夫斯基距离。
本发明一方面的车辆之间的自由空间的判断装置，其特征在于，该装置用于对第一车辆和第二车辆之间存在的空间进行判断，该装置包括：
盲区确定模块，用于确定第一车辆和第二车辆之间的盲区；
边缘信息计算模块，用于至少获取第一车辆和第二车辆的当前特征点信息，并根据第一车辆和第二车辆的当前特征点信息计算得到第一车辆和第二车辆之间的盲区中的边缘信息；
封闭空间生成模块，用于根据第一车辆和第二车辆之间的盲区中的边缘信息，生成封闭空间；以及
自由空间判断模块，用于基于对所述封闭空间的监控来判断所述封闭空间是否为自由空间。
可选地，所述自由空间判断模块用于监控第一车辆和第二车辆在规定时间内是否始终相邻并且第一车辆和第二车辆位于同一车道或者相邻车道。
可选地，在所述边缘信息计算模块中，基于第一车辆和第二车辆的当前特征点信息和进一步获得的第一车辆和第二车辆的历史特征点信息计算得到第一车辆和第二车辆之间的盲区中的边缘信息。
可选地，所述边缘信息计算模块包括：
匹配子模块，将第一车辆的当前特征点信息与第一车辆的历史特征点信息进行匹配，以获得第一车辆的特征点相对于第一车辆的参考点的第一相对位置关系，并且将第二车辆的当前特征点信息与第二车辆的历史特征点信息进行匹配，以获得第二车辆的特征点相对于第二车辆的参考点的第二相对位置关系；以及
第一计算子模块，基于所述第一相对位置关系、所述第二相对位置关系以及从外部获得的第一车辆的参考点的绝对位置信息以及第二车辆的参考点的绝对位置信息，计算出第一车辆和第二车辆之间的盲区中的第一车辆的车辆特征点和第二车辆的特征点；以及
第二计算子模块，基于第一车辆的车辆特征点和第二车辆的特征点，得到第一车辆和第二车辆之间的盲区中的边缘信息。
可选地，在所述边缘信息计算模块中，进一步获取预先存储的常用车辆模型的情况下，在所述边缘信息计算模块中，基于第一车辆和第二车辆的当前特征点信息和预先存储的常用车辆模型计算得到第一车辆和第二车辆之间的盲区中的边缘信息。
可选地，所述边缘信息计算模块包括：
匹配子模块，将第一车辆的当前特征点信息与所述常用车辆模型进行匹配以获得第一车辆的特征点相对于参考点之间的第一相对位置关系，并且将第二车辆的当前特征点信息与所述常用车辆模型进行匹配以获得第二车辆的特征点相对于参考点之间的第二相对位置关系；
第一计算子模块，基于所述第一相对位置关系、所述第二相对位置关系以及从外部获得的第一车辆的参考点的绝对位置信息以及第二车辆的车辆参考点的绝对位置信息，获得第一车辆和第二车辆之间的盲区中的第一车辆的车辆特征点和第二车辆的特征点；以及
第二计算子模块，基于第一车辆的车辆特征点和第二车辆的特征点，得到第一车辆和第二车辆之间的盲区中的边缘信息。
本发明一方面的计算机可读介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时所述的车辆之间的自由空间的判断方法。
本发明一方面的计算机设备，包括存储模块、处理器以及存储在存储模块上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现所述的车辆之间的自由空间的判断方法。
本发明的车辆之间的自由空间的判断方法以及车辆之间的自由空间的判断装置，能够对车辆之间的盲区内的空间进行更精准地判断，由此能够扩展更多可用空间。
附图说明
图1表示了现有技术中存在盲区的示意图。
图2是表示本发明的车辆之间的自由空间的判断方法的概要流程示意图。
图3是表示本发明第一实施方式的车辆之间的自由空间的判断方法的流程示意图。
图4是表示本发明的车辆之间的自由空间的判断装置的结构框图。
具体实施方式
下面介绍的是本发明的多个实施例中的一些，旨在提供对本发明的基本了解。并不旨在确认本发明的关键或决定性的要素或限定所要保护的范围。
出于简洁和说明性目的，本文主要参考其示范实施例来描述本发明的原理。但是，本领域技术人员将容易地认识到，相同的原理可等效地应用于所有类型的车辆之间的自由空间的判断方法以及车辆之间的自由空间的判断装置，并且可以在其中实施这些相同的原理，以及任何此类变化不背离本专利申请的真实精神和范围。
图2是表示本发明的车辆之间的自由空间的判断方法的概要流程示意图。
如图2所示，本发明的车辆之间的自由空间的判断方法包括以下步骤：
盲区确定步骤S100：确定第一车辆和第二车辆之间的盲区；
边缘信息计算步骤S200：至少获取第一车辆和第二车辆的当前特征点信息，根据第一车辆和第二车辆的当前特征点信息计算得到第一车辆和第二车辆之间的盲区中的边缘信息；
封闭空间生成步骤S300：根据第一车辆和第二车辆之间的盲区中的边缘信息，生成一个封闭空间；以及
自由空间判断步骤S400：基于对所述封闭空间的监控来判断所述封闭空间是否为自由空间。
其中，自由空间判断步骤S400例如以下述方式实现：
监控第一车辆和第二车辆在规定时间内是否始终相邻并且第一车辆和第二车辆位于同一车道或者相邻车道，
其中，在第一车辆和第二车辆在规定时间内始终相邻并且第一车辆和第二车辆位于同一车道或者相邻车道的情况下，则判断所述封闭空间为自由空间，否则判断为非自由空间。
这样，通过对于封闭空间进行判断，可以将部分盲区判断为自由空间，即安全区，其可以作为自由的空间使用。
接着，对于本发明的车辆之间的自由空间的判断方法的一个具体实施方式进行说明。
图3是表示本发明第一实施方式的车辆之间的自由空间的判断方法的流程示意图。
本发明第一实施方式的车辆之间的自由空间的判断方法用于判断第一车辆和第二车辆之间的空间是否为自由空间，如图3所示，第一实施方式的车辆之间的自由空间的判断方法包括下述：
步骤S1：确定第一车辆和第二车辆之间的盲区，这主要是由路端传感器通过感测第一车辆和第二车辆的位置来实现；
步骤S2：判断是否存在历史特征点信息，若存在的历史特征点信息，则进入步骤S3，否则，若无历史特征点信息，则进入步骤S4，其中，无历史特征点信息的情况一般包括：目标车辆刚进入传感器的跟踪列表里，或者中间丢失了一段时间重新进入跟踪列表里；
步骤S3: 在存在历史特征点信息的情况下，基于第一车辆和第二车辆的当前特征点信息和第一车辆和第二车辆的历史特征点信息计算得到第一车辆和第二车辆之间的盲区中的边缘信息；
步骤S4：在无历史特征点信息的情况下，基于第一车辆和第二车辆的当前特征点信息和预先存储的常用车辆模型计算得到第一车辆和第二车辆之间的盲区中的边缘信息，另一方面，由于没有获得历史特征点信息而是采用了预先存储的常用车辆模型来计算边缘信息，因此，在步骤S4中还能够进一步将置信等级下调为更低，这里，置信等级的设置是用于表征最终获取的相对位置（即边缘信息）的可信程度，因为它不是完全测量出来的，可能存在匹配误差，因此，设置置信等级来表示推测计算出的边缘信息的可信程度。所以，在不存在历史特征点信息的情况下，置信等级可以设置为下调（相反地，在存在历史特征点信息的情况下则可以设置不下调），另一方面，置信等级还能够用于基于它来对于以下得到的封闭空间的大小进行进一步的调整；以及
步骤S5：基于步骤S3或者步骤S4中获得的第一车辆和第二车辆之间的盲区中的边缘信息构成封闭空间；
步骤S6（可选步骤）：进一步根据置信等级调整该封闭空间的大小，例如在置信等级低于预设阈值的情况下缩小封闭空间的大小；
步骤S7：判断该封闭空间中是否有物体闯入，若没有物体闯入，则进至步骤S8，若有物体闯入则进至步骤S9；
步骤S8：判断该封闭空间为自由空间，自由空间表示该空间是自由且相对安全的，比如可以用于变道插车（cut-in）；
步骤S9：判断该封闭空间为非自由空间，继续步骤S10：
步骤S10：对该封闭保持监控，一旦闯入的物体离开该封闭空间，则进至步骤S11；
步骤S11：双重确认该物体是否曾经闯入过（即曾经闯入过并且当且已离开）具体地，例如确认封闭空间的进入物体数量和特征（特征为之前所描述的）与离开空间的物体数量和特征是否保持一致，如果一致，则认为封闭空间的不可视区域已经清空了，则回至步骤S8，若否，则回至步骤S10。
以下，对于上述步骤中的个别步骤的具体内容的进行说明。
在步骤S3中，表示了存在历史特征点信息的情况下，基于第一车辆和第二车辆的当前特征点信息和第一车辆和第二车辆的历史特征点信息计算得到第一车辆和第二车辆之间的盲区中的边缘信息的情况。作为计算第一车辆和第二车辆之间的盲区中的边缘信息的一个示例，例如具体可以包括下述步骤：
将第一车辆的当前特征点信息与第一车辆的历史特征点信息进行匹配，以获得第一车辆的特征点相对于第一车辆的参考点的第一相对位置关系，并且将第二车辆的当前特征点信息与第二车辆的历史特征点信息进行匹配，以获得第二车辆的特征点相对于第二车辆的参考点的第二相对位置关系；
基于所述第一相对位置关系、所述第二相对位置关系以及从外部获得的第一车辆的参考点的绝对位置信息以及第二车辆的参考点的绝对位置信息，计算出第一车辆和第二车辆之间的盲区中的第一车辆的车辆特征点和第二车辆的特征点；以及
基于第一车辆的车辆特征点和第二车辆的特征点，得到第一车辆和第二车辆之间的盲区中的边缘信息。
在这里所有的信息都是通过传感器获得，车辆的特征点信息例如包括：车辆的基本特征点信息（长宽高，中心点位置或边缘中点）、以及车辆的深度特征点（目标的关键点的传感信息比如，货车车厢边缘，车轮相对位置，车顶棱角线或特征点（如中点，拐点等）），它们的表现形式例如像素坐标位置，或者局部特征图等。
当前特征点信息和历史特征点信息的差别在于，当前特征点信息是指当前时刻的实时的特征点信息，历史特征点信息是指当前时刻之前的一段时间内的不同时刻的特征点信息。
在本实施方式中，通过当前特征点信息和历史特征点信息进行特征匹配，比如通过计算数学距离来确定两者匹配，获得特征点相对于参考点的相对位置关系，然后，再根据相对位置关系和参考点的位置信息（参考点的位置信息从车辆基本特征里的位置信息获得）来计算出位于盲区的不可见的边缘信息。
也就是说，通过计算特征点与参考点的相对位置关系，然后又因为能够获得参考点的坐标（相对或者绝对坐标）就能计算出任意边界的端点坐标。对于第一车辆和第二辆车辆分别进行上述计算，对于两辆车分别得到各自得到两个端点，就可以围成一个区域，就是上述的封闭区域。当然，在实际情况下也有可能不止四个端点，它们为凸多边形或者多面体的端点，由此来构成封闭的多边形的封闭空间。
在步骤S3中的作为计算特征点与参考点的相对位置关系的具体计算方法可以采用例如：欧式距离、马氏距离、曼哈顿距离、切比雪夫距离以及明可夫斯基距离灯。
另外，作为一个示例当采用欧式距离进行来作特征点匹配的情况下，比如，颜色计算值 34 与该车历史车辆特征表中的 33非常接近满足欧式距离定义的一个界限，那么则认为当前特征和历史列表中是同一特征。如果历史数据中观测过车辆的边缘比如前脸，那么就可以找到历史里维护的前脸到匹配特征点的相对位置关系值。
在步骤S4中，在无历史特征点信息的情况下，基于第一车辆和第二车辆的当前特征点信息和预先存储的常用车辆模型计算得到第一车辆和第二车辆之间的盲区中的边缘信息。作为计算第一车辆和第二车辆之间的盲区中的边缘信息的一个示例，例如具体可以包括：
将第一车辆的当前特征点信息与所述常用车辆模型进行匹配以获得第一车辆的特征点相对于第一车辆的参考点之间的第一相对位置关系，并且将第二车辆的当前特征点信息与所述常用车辆模型进行匹配以获得第二车辆的特征点相对于第二车辆的参考点之间的第二相对位置关系；
基于所述第一相对位置关系、所述第二相对位置关系以及从外部获得的第一车辆的参考点的绝对位置信息以及第二车辆的参考点的绝对位置信息，计算出第一车辆和第二车辆之间的盲区中的第一车辆的车辆特征点和第二车辆的特征点；以及
基于第一车辆的车辆特征点和第二车辆的特征点，得到第一车辆和第二车辆之间的盲区中的边缘信息。
在步骤S4中描述了无历史特征点信息的情况下如何计算第一车辆和第二车辆之间的盲区中的边缘信息，在这种情况下，由于缺乏历史特征点信息，因此，可以对实时数据或者几帧实时数据采取保留更多的特征点或特征值，即，特征点信息在包含车辆的基本特征点信息和车辆的深度特征点信息之外，还能够进一步包括车辆的外观特征点信息，比如有：颜色的提取值（提取值可以理解为精度降低和激活后得到的新值能表征当前的特征，这种方式可以降低计算量）、花纹的提取值以及轮廓信息，由此通过增加更多特征点，能够获得更多拐点。
另外，在步骤S4中预先存储的常用车辆模型可以是，路端计算单元本地保留一些经典车辆的特征（经典车辆如卡车，大巴，SUV等），或者在云端维护一个库包含一些主要车型。
在步骤S4中的作为计算特征点与参考点的相对位置关系的具体计算方法也可以采用例如：欧式距离、马氏距离、曼哈顿距离、切比雪夫距离以及明可夫斯基距离。
在步骤S7中，作为判断该封闭空间中是否有物体闯入，可以是监控第一车辆和第二车辆在规定时间内是否始终相邻并且第一车辆和第二车辆位于同一车道或者相邻车道，其中，在第一车辆和第二车辆在规定时间内始终相邻并且第一车辆和第二车辆位于同一车道或者相邻车道的情况下，则进至步骤S8。具体地，每一个被感知的车辆在算法里会维护一个ID，如果ID第二车辆 B始终与第一车辆A 邻近（比如没有间隔另一个车辆C的ID），且维持在相邻车道或者同一车道。
图4是表示本发明的车辆之间的自由空间的判断装置的结构框图。
如图4所示，本发明的车辆之间的自由空间的判断装置包括：
盲区确定模块100，用于确定第一车辆和第二车辆之间的盲区；
边缘信息计算模块200，用于至少获取第一车辆和第二车辆的当前特征点信息，并根据第一车辆和第二车辆的当前特征点信息计算得到第一车辆和第二车辆之间的盲区中的边缘信息；
封闭空间生成模块300，用于根据第一车辆和第二车辆之间的盲区中的边缘信息，生成封闭空间；以及
自由空间判断模块400，用于基于对所述封闭空间的监控来判断所述封闭空间是否为自由空间。
其中，作为一个示例，自由空间判断模块400用于监控第一车辆和第二车辆在规定时间内是否始终相邻并且第一车辆和第二车辆位于同一车道或者相邻车道。
其中，作为一个示例，在边缘信息计算模块200中，基于第一车辆和第二车辆的当前特征点信息和进一步获得的第一车辆和第二车辆的历史特征点信息计算得到第一车辆和第二车辆之间的盲区中的边缘信息。这种情况下，边缘信息计算模块200包括：
匹配子模块210，将第一车辆的当前特征点信息与第一车辆的历史特征点信息进行匹配，以获得第一车辆的特征点相对于参考点的第一相对位置关系，并且将第二车辆的当前特征点信息与第二车辆的历史特征点信息进行匹配，以获得第二车辆的特征点相对于参考点的第二相对位置关系；以及
第一计算子模块220，基于所述第一相对位置关系、所述第二相对位置关系以及从外部获得的第一车辆的参考点的绝对位置信息以及第二车辆的参考点的绝对位置信息，计算出第一车辆和第二车辆之间的盲区中的第一车辆的车辆特征点和第二车辆的特征点；以及
第二计算子模块230，基于第一车辆的车辆特征点和第二车辆的特征点，得到第一车辆和第二车辆之间的盲区中的边缘信息。
作为另一示例，在边缘信息计算模块200中，进一步获取预先存储的常用车辆模型的情况下，在边缘信息计算模块200中，基于第一车辆和第二车辆的当前特征点信息和预先存储的常用车辆模型计算得到第一车辆和第二车辆之间的盲区中的边缘信息。在这种情况下，边缘信息计算模块200包括：
匹配子模块210，将第一车辆的当前特征点信息与所述常用车辆模型进行匹配以获得第一车辆的特征点相对于参考点之间的第一相对位置关系，并且将第二车辆的当前特征点信息与所述常用车辆模型进行匹配以获得第二车辆的特征点相对于参考点之间的第二相对位置关系；以及
第一计算子模块220，基于所述第一相对位置关系、所述第二相对位置关系以及从外部获得的第一车辆的参考点的绝对位置信息以及第二车辆的车辆参考点的绝对位置信息，获得第一车辆和第二车辆之间的盲区中的第一车辆的车辆特征点和第二车辆的特征点；以及
第二计算子模块230，基于第一车辆的车辆特征点和第二车辆的特征点，得到第一车辆和第二车辆之间的盲区中的边缘信息。
本发明还提供一种计算机可读介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现上述的车辆之间的自由空间的判断方法。
本发明还提供一种计算机设备，包括存储模块、处理器以及存储在存储模块上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述的车辆之间的自由空间的判断方法。
本发明的车辆之间的自由空间的判断方法以及车辆之间的自由空间的判断装置，能够对车辆之间的盲区内的空间进行更精准地判断，由此能够扩展更多可用空间。
以上例子主要说明了本发明的车辆之间的自由空间的判断方法以及车辆之间的自由空间的判断装置。尽管只对其中一些本发明的具体实施方式进行了描述，但是本领域普通技术人员应当了解，本发明可以在不偏离其主旨与范围内以许多其他的形式实施。因此，所展示的例子与实施方式被视为示意性的而非限制性的，在不脱离如所附各权利要求所定义的本发明精神及范围的情况下，本发明可能涵盖各种的修改与替换。
Claims (18)
1.一种车辆之间的自由空间的判断方法，其特征在于，该方法用于对第一车辆和第二车辆之间存在的空间进行判断，该方法包括：
盲区确定步骤，确定第一车辆和第二车辆之间的盲区；
边缘信息计算步骤，至少获取第一车辆和第二车辆的当前特征点信息，根据第一车辆和第二车辆的当前特征点信息计算得到第一车辆和第二车辆之间的盲区中的边缘信息；
封闭空间生成步骤，根据第一车辆和第二车辆之间的盲区中的边缘信息，生成封闭空间；以及
自由空间判断步骤，基于对所述封闭空间的监控来判断所述封闭空间是否为自由空间。
2.如权利要求1所述的车辆之间的自由空间的判断方法，其特征在于，所述自由空间判断步骤包括：
监控第一车辆和第二车辆在规定时间内是否始终相邻并且第一车辆和第二车辆位于同一车道或者相邻车道，
其中，在第一车辆和第二车辆在规定时间内始终相邻并且第一车辆和第二车辆位于同一车道或者相邻车道的情况下，则判断所述封闭空间为自由空间，否则判断为非自由空间。
3.如权利要求2所述的车辆之间的自由空间的判断方法，其特征在于，
在所述边缘信息计算步骤中，进一步获取第一车辆和第二车辆的历史特征点信息的情况下，
在所述边缘信息计算步骤中，基于第一车辆和第二车辆的当前特征点信息和第一车辆和第二车辆的历史特征点信息计算得到第一车辆和第二车辆之间的盲区中的边缘信息。
4.如权利要求3所述的车辆之间的自由空间的判断方法，其特征在于，
所述边缘信息计算步骤包括：
将第一车辆的当前特征点信息与第一车辆的历史特征点信息进行匹配，以获得第一车辆的特征点相对于第一车辆的参考点的第一相对位置关系，并且将第二车辆的当前特征点信息与第二车辆的历史特征点信息进行匹配，以获得第二车辆的特征点相对于第二车辆的参考点的第二相对位置关系；
基于所述第一相对位置关系、所述第二相对位置关系以及从外部获得的第一车辆的参考点的绝对位置信息以及第二车辆的参考点的绝对位置信息，计算出第一车辆和第二车辆之间的盲区中的第一车辆的车辆特征点和第二车辆的特征点；以及
基于第一车辆的车辆特征点和第二车辆的特征点，得到第一车辆和第二车辆之间的盲区中的边缘信息。
5.如权利要求4所述的车辆之间的自由空间的判断方法，其特征在于，所述特征点信息包括以下的一项或者多项：
车辆的基本特征点信息以及车辆的深度特征点信息。
6.如权利要求2所述的车辆之间的自由空间的判断方法，其特征在于，
在所述边缘信息计算步骤中，进一步获取预先存储的常用车辆模型的情况下，基于第一车辆和第二车辆的当前特征点信息和预先存储的常用车辆模型计算得到第一车辆和第二车辆之间的盲区中的边缘信息。
7.如权利要求6所述的车辆之间的自由空间的判断方法，其特征在于，
所述边缘信息计算步骤包括：
将第一车辆的当前特征点信息与所述常用车辆模型进行匹配以获得第一车辆的特征点相对于第一车辆的参考点之间的第一相对位置关系，并且将第二车辆的当前特征点信息与所述常用车辆模型进行匹配以获得第二车辆的特征点相对于第二车辆的参考点之间的第二相对位置关系；
基于所述第一相对位置关系、所述第二相对位置关系以及从外部获得的第一车辆的参考点的绝对位置信息以及第二车辆的车辆参考点的绝对位置信息，获得第一车辆和第二车辆之间的盲区中的第一车辆的车辆特征点和第二车辆的特征点；以及
基于第一车辆的车辆特征点和第二车辆的特征点，得到第一车辆和第二车辆之间的盲区中的边缘信息。
8.如权利要求7所述的车辆之间的自由空间的判断方法，其特征在于，所述特征点信息包括以下的一项或者多项：
车辆的基本特征点信息、车辆的深度特征点信息以及车辆的外观特征点信息。
9.如权利要求8所述的车辆之间的自由空间的判断方法，其特征在于，所述外观特征点信息包括以下的一项或者多项：
车辆的颜色特征点信息、车辆的花纹特征点信息以及车辆的轮廓特征点信息。
10.如权利要求4或7所述的车辆之间的自由空间的判断方法，其特征在于，
所述第一相对位置关系和所述第二相对位置关系通过以下任意一种计算方式获得：
欧式距离、马氏距离、曼哈顿距离、切比雪夫距离以及明可夫斯基距离。
11.一种车辆之间的自由空间的判断装置，其特征在于，该装置用于对第一车辆和第二车辆之间存在的空间进行判断，该装置包括：
盲区确定模块，用于确定第一车辆和第二车辆之间的盲区；
边缘信息计算模块，用于至少获取第一车辆和第二车辆的当前特征点信息，并根据第一车辆和第二车辆的当前特征点信息计算得到第一车辆和第二车辆之间的盲区中的边缘信息；
封闭空间生成模块，用于根据第一车辆和第二车辆之间的盲区中的边缘信息，生成封闭空间；以及
自由空间判断模块，用于基于对所述封闭空间的监控来判断所述封闭空间是否为自由空间。
12.如权利要求11所述的车辆之间的自由空间的判断装置，其特征在于，
所述自由空间判断模块用于监控第一车辆和第二车辆在规定时间内是否始终相邻并且第一车辆和第二车辆位于同一车道或者相邻车道。
13.如权利要求12所述的车辆之间的自由空间的判断装置，其特征在于，
在所述边缘信息计算模块中，基于第一车辆和第二车辆的当前特征点信息和进一步获得的第一车辆和第二车辆的历史特征点信息计算得到第一车辆和第二车辆之间的盲区中的边缘信息。
14.如权利要求13所述的车辆之间的自由空间的判断装置，其特征在于，
所述边缘信息计算模块包括：
匹配子模块，将第一车辆的当前特征点信息与第一车辆的历史特征点信息进行匹配，以获得第一车辆的特征点相对于第一车辆的参考点的第一相对位置关系，并且将第二车辆的当前特征点信息与第二车辆的历史特征点信息进行匹配，以获得第二车辆的特征点相对于第二车辆的参考点的第二相对位置关系；以及
第一计算子模块，基于所述第一相对位置关系、所述第二相对位置关系以及从外部获得的第一车辆的参考点的绝对位置信息以及第二车辆的参考点的绝对位置信息，计算出第一车辆和第二车辆之间的盲区中的第一车辆的车辆特征点和第二车辆的特征点；以及
第二计算子模块，基于第一车辆的车辆特征点和第二车辆的特征点，得到第一车辆和第二车辆之间的盲区中的边缘信息。
15.如权利要求12所述的车辆之间的自由空间的判断装置，其特征在于，
在所述边缘信息计算模块中，进一步获取预先存储的常用车辆模型的情况下，在所述边缘信息计算模块中，基于第一车辆和第二车辆的当前特征点信息和预先存储的常用车辆模型计算得到第一车辆和第二车辆之间的盲区中的边缘信息。
16.如权利要求15所述的车辆之间的自由空间的判断装置，其特征在于，
所述边缘信息计算模块包括：
匹配子模块，将第一车辆的当前特征点信息与所述常用车辆模型进行匹配以获得第一车辆的特征点相对于参考点之间的第一相对位置关系，并且将第二车辆的当前特征点信息与所述常用车辆模型进行匹配以获得第二车辆的特征点相对于参考点之间的第二相对位置关系；
第一计算子模块，基于所述第一相对位置关系、所述第二相对位置关系以及从外部获得的第一车辆的参考点的绝对位置信息以及第二车辆的车辆参考点的绝对位置信息，获得第一车辆和第二车辆之间的盲区中的第一车辆的车辆特征点和第二车辆的特征点；以及
第二计算子模块，基于第一车辆的车辆特征点和第二车辆的特征点，得到第一车辆和第二车辆之间的盲区中的边缘信息。
17.一种计算机可读介质，其上存储有计算机程序，其特征在于，
该计算机程序被处理器执行时实现权利要求1~10任意一项所述的车辆之间的自由空间的判断方法。
18.一种计算机设备，包括存储模块、处理器以及存储在存储模块上并可在处理器上运行的计算机程序，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1~10任意一项所述的车辆之间的自由空间的判断方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111231800.0A CN116030432A (zh) | 2021-10-22 | 2021-10-22 | 车辆之间的自由空间的判断方法及其装置 |
| PCT/EP2022/078233 WO2023066719A1 (en) | 2021-10-22 | 2022-10-11 | Method for judging free space between vehicles and apparatus therefor |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111231800.0A CN116030432A (zh) | 2021-10-22 | 2021-10-22 | 车辆之间的自由空间的判断方法及其装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116030432A true CN116030432A (zh) | 2023-04-28 |
Family
ID=84330197
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111231800.0A Pending CN116030432A (zh) | 2021-10-22 | 2021-10-22 | 车辆之间的自由空间的判断方法及其装置 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN116030432A (zh) |
| WO (1) | WO2023066719A1 (zh) |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009076182A1 (en) * | 2007-12-13 | 2009-06-18 | Clemson University | Vision based real time traffic monitoring |
| US10497265B2 (en) * | 2017-05-18 | 2019-12-03 | Panasonic Intellectual Property Corporation Of America | Vehicle system, method of processing vehicle information, recording medium storing a program, traffic system, infrastructure system, and method of processing infrastructure information |
| US10885775B2 (en) * | 2019-06-06 | 2021-01-05 | Verizon Patent And Licensing Inc. | Monitoring a scene to analyze an event using a plurality of image streams |
| US11210536B2 (en) * | 2020-01-06 | 2021-12-28 | Toyota Jidosha Kabushiki Kaisha | Moving object recognition system, moving object recognition method, and program |
-
2021
- 2021-10-22 CN CN202111231800.0A patent/CN116030432A/zh active Pending
-
2022
- 2022-10-11 WO PCT/EP2022/078233 patent/WO2023066719A1/en active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023066719A1 (en) | 2023-04-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6410949B2 (ja) | 車線認識装置および車線認識方法 | |
| JP4616046B2 (ja) | 車両用画像処理システム、車両用画像処理方法、車両用画像処理プログラム、及び車両 | |
| EP3121761A1 (en) | A system and method for verifying road position information for a motor vehicle | |
| CN106696960B (zh) | 一种车辆碰撞预警方法及装置 | |
| CN110696823B (zh) | 一种预估车辆发生碰撞时间的方法、系统及车辆 | |
| CN110867132B (zh) | 环境感知的方法、装置、电子设备和计算机可读存储介质 | |
| CN110816534B (zh) | 车辆变道预警方法、设备、存储介质及装置 | |
| CN113978457B (zh) | 一种碰撞风险预测方法及装置 | |
| CN110979313B (zh) | 一种基于空间地图的自动泊车定位方法及系统 | |
| CN108197590B (zh) | 一种路面检测方法、装置、终端及存储介质 | |
| JP7371269B2 (ja) | 自動車のカメラピッチをキャリブレーションする方法及び装置、並びにそのための消滅点推定モデルをコンティニュアルラーニングさせる方法 | |
| CN110341621B (zh) | 一种障碍物检测方法及装置 | |
| CN111505617B (zh) | 车辆定位方法、装置、设备及存储介质 | |
| CN110843786A (zh) | 用于确定和显示涉水状况的方法和系统及具有该系统的车辆 | |
| US10386849B2 (en) | ECU, autonomous vehicle including ECU, and method of recognizing nearby vehicle for the same | |
| US10410070B2 (en) | Step detection device and step detection method | |
| CN114466776A (zh) | 车辆控制方法、车辆控制装置和包括该车辆控制装置的车辆控制系统 | |
| CN111104824A (zh) | 车道偏离的检测方法、电子设备及计算机可读存储介质 | |
| JP2020066246A (ja) | 路面状態推定装置 | |
| CN116030432A (zh) | 车辆之间的自由空间的判断方法及其装置 | |
| CN114559935A (zh) | 虚拟斑马线投影控制方法与装置、存储介质、导航系统 | |
| CN110834626B (zh) | 行车障碍预警方法、装置、车辆和存储介质 | |
| CN115222779B (zh) | 一种车辆切入检测方法、装置及存储介质 | |
| CN113386773A (zh) | 视觉识别可靠度的判断方法及设备 | |
| US11403441B2 (en) | Method for checking a vehicle dynamics model |
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 |