CN116148792A - 目标检测方法、道路事件检测方法、终端设备及存储介质 - Google Patents

目标检测方法、道路事件检测方法、终端设备及存储介质 Download PDF

Info

Publication number
CN116148792A
CN116148792A CN202211649254.7A CN202211649254A CN116148792A CN 116148792 A CN116148792 A CN 116148792A CN 202211649254 A CN202211649254 A CN 202211649254A CN 116148792 A CN116148792 A CN 116148792A
Authority
CN
China
Prior art keywords
target
result
sensor
target detection
sensing data
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
CN202211649254.7A
Other languages
English (en)
Inventor
戴雪瑞
秦昊
李智
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.)
Beijing Wanji Technology Co Ltd
Original Assignee
Beijing Wanji 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 Beijing Wanji Technology Co Ltd filed Critical Beijing Wanji Technology Co Ltd
Priority to CN202211649254.7A priority Critical patent/CN116148792A/zh
Publication of CN116148792A publication Critical patent/CN116148792A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/418—Theoretical aspects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/86—Combinations of sonar systems with lidar systems; Combinations of sonar systems with systems not using wave reflection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • 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
    • 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
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

本申请适用于数据融合技术领域，提供了一种目标检测方法、道路事件检测方法、终端设备及存储介质，该方法包括：根据第一传感器的设备状态和/或第二传感器的设备状态确定影响因子；利用影响因子和预设的目标检测算法，对所述第一传感数据和所述第二传感数据进行目标检测处理，得到目标检测结果。本申请使用两种传感器采集数据，并使用两种传感器采集的数据确定目标检测结果，使检测结果更全面；另外，本申请在进行目标检测时考虑了设备状态对检测结果的影响，使检测结果更准确。

Description

目标检测方法、道路事件检测方法、终端设备及存储介质
技术领域
本申请属于数据融合技术领域，尤其涉及一种目标检测方法、道路事件检测方法、终端设备及存储介质。
背景技术
随着大数据的发展，目标的特征识别已经在越来越多的领域得到应用例如，通过目标的特征识别进行目标的跟踪、定位或违规事件的判断等。
目前，在确定目标的特征时，常常使用单一的传感器采集目标的图像，进而通过采集的图像确定目标的特征，目标特征检测不全面，例如，利用目标的点云图像确定目标的位置和尺寸等。即使有利用多个传感器进行图像采集得到目标检测结果的，也是根据多个传感器采集的图像直接进行目标检测，若出现检测结果不一致时则会造成目标的特征识别不准确。
发明内容
本申请实施例提供了一种目标检测方法、终端设备及存储介质，可以解决利用单一的传感器采集的信息得到的目标特征不全面、不准确的问题。
第一方面，本申请实施例提供了一种目标检测方法，包括：
获取第一传感器的第一传感数据和第二传感器的第二传感数据；
利用影响因子和预设的目标检测算法，对所述第一传感数据和所述第二传感数据进行目标检测处理，得到目标检测结果，所述影响因子影响所述目标检测算法的检测结果的置信度，所述影响因子基于所述第一传感器和/或第二传感器的设备状态确定，所述设备状态包含设备运行状态和设备环境状态中的一种或几种。
第二方面，本申请实施例提供了一种道路事件检测方法，包括：
获取第一传感器的第一传感数据和第二传感器的第二传感数据；
基于所述第一传感数据确定所述第一传感器的设备状态，基于所述第二传感数据确定所述第二传感器的设备状态；
根据所述第一传感器的设备状态和所述第二传感器的设备状态，确定目标检测结果的置信度；
基于所述目标检测结果的置信度得到所述第一传感数据和所述第二传感数据的事件检测结果。
第三方面，本申请实施例提供了一种目标检测装置，包括：
数据获取模块，用于获取第一传感器的第一传感数据和第二传感器的第二传感数据；
目标检测模块，用于利用影响因子和预设的目标检测算法，对所述第一传感数据和所述第二传感数据进行目标检测处理，得到目标检测结果，所述影响因子影响所述目标检测算法的检测结果的置信度，所述影响因子基于所述第一传感器和/或第二传感器的设备状态确定，所述设备状态包含设备运行状态和设备环境状态中的一种或几种。
第四方面，本申请实施例提供了一种道路事件检测装置，包括：
信息获取模块，用于获取第一传感器的第一传感数据和第二传感器的第二传感数据；
设备状态检测模块，用于基于所述第一传感数据确定所述第一传感器的设备状态，基于所述第二传感数据确定所述第二传感器的设备状态；
目标检测模块，用于根据所述第一传感器的设备状态和所述第二传感器的设备状态，确定目标检测结果和目标检测结果的置信度；
事件检测模块，用于基于所述目标检测结果和目标检测结果的置信度，得到所述第一传感数据和所述第二传感数据的事件检测结果。
第五方面，本申请实施例提供了一种终端设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面中任一项所述的目标检测方法。
第六方面，本申请实施例提供了一种终端设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面中任一项所述的道路事件检测方法。
第七方面，本申请实施例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程序，所述计算机程序被处理器执行时实现上述第一方面中任一项所述的目标检测方法。
第八方面，本申请实施例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程序，所述计算机程序被处理器执行时实现上述第一方面中任一项所述的道路事件检测方法。
第九方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的目标检测方法。
第十方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的道路事件检测方法。
本申请第一方面实施例与现有技术相比存在的有益效果是：本申请利用影响因子和预设的目标检测算法，对所述第一传感数据和所述第二传感数据进行目标检测处理，得到目标检测结果；影响因子基于所述第一传感器和/或第二传感器的设备状态确定。本申请使用两种传感器采集数据，并使用两种传感器采集的数据确定目标检测结果，使检测结果更全面；另外，本申请在进行目标检测时考虑了设备状态对检测结果的影响，使检测结果更准确。
本申请第二方面实施例与现有技术相比存在的有益效果是：本申请基于第一传感数据确定第一传感器的设备状态，基于第二传感数据确定第二传感器的设备状态；根据第一传感器的设备状态和第二传感器的设备状态，确定目标检测结果的置信度；基于目标检测结果的置信度得到第一传感数据和第二传感数据的事件检测结果。本申请使用两种传感器采集数据，并使用两种传感器采集的数据确定目标检测结果，使检测结果更全面；另外，本申请在进行目标检测时考虑了设备状态对检测结果的影响，使检测结果更全面更准确；再次，本申请在进行事件检测时参考了目标检测结果的置信度，使事件检测结果更准确。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的目标检测方法的流程示意图；
图2是本申请一实施例提供的点云感知结果的置信度的确定方法的流程示意图；
图3是本申请一实施例提供的图像感知结果的置信度的确定方法的流程示意图；
图4是本申请一实施例提供的目标融合的方法的流程示意图；
图5是本申请一实施例提供的道路事件检测方法的流程示意图；
图6是本申请一实施例提供的利用第二传感数据进行道路事件检测的方法的流程示意图；
图7是本申请一实施例提供的目标检测装置的结构示意图；
图8是本申请一实施例提供的道路事件检测装置的结构示意图；
图9是本申请一实施例提供的终端设备的结构示意图。
具体实施方式
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
传感器采集图像时容易受到周围环境的影响，导致传感器采集的图像质量不好。例如，在隧道等明暗交叠的地方，相机容易受光照等因素的影响，导致相机采集图像不清楚等。由于上述情况的存在，在依赖传感器采集的图像进行的一些检测时，检测结果不准确。另外，由于传感器自身异常，也会导致采集的图像不准确，进而使检测结果不准确。
基于上述原因，本申请在使用传感器采集的图像进行目标检测或事件检测时，考虑了设备状态对检测结果的影响，使最终得到的检测结果更准确。
图1示出了本申请提供的目标检测方法的示意性流程图，参照图1，对该方法的详述如下：
S101，获取第一传感器的第一传感数据和第二传感器的第二传感数据。
在本实施例中，第一传感数据为第一传感器采集的数据。第一传感器可以为雷达设备，例如，激光雷达或超声波雷达等。在第一传感器为雷达设备时，第一传感数据为点云图像。
第二传感数据为第二传感器采集的数据，第二传感器可以为相机。在第二传感器为相机时，第二传感数据可以为帧图像。
S102，利用影响因子和预设的目标检测算法，对所述第一传感数据和所述第二传感数据进行目标检测处理，得到目标检测结果，所述影响因子影响所述目标检测算法的检测结果的置信度，所述影响因子基于所述第一传感器和/或第二传感器的设备状态确定，所述设备状态包含设备运行状态和设备环境状态中的一种或几种。
在本实施例中，目标融合结果可以包括目标的类别、尺寸和置信度等。
在本实施例中，对第一传感器和/或第二传感器进行设备状态的检测，得到影响目标检测的影响因子。然后利用确定的影响因子和预设的目标检测算法对第一传感数据和第二传感数据进行目标检测处理，得到目标检测结果。
在一些实施例中，在第一传感器为雷达设备时，第一传感器的设备状态包括雷达设备正常和雷达设备异常，雷达设备异常包括点云异常、设备晃动异常和天气异常中的一种或多种。影响因子包括第一影响因子，所述第一影响因子基于所述雷达设备的异常种类确定。第一影响因子包括所述点云异常、所述设备晃动异常和所述天气异常中的一种或多种。
作为举例，在对第一传感器进行设备状态检测后，若第一传感器存在点云异常，则第一影响因子包括点云异常。若第一传感器存在设备晃动异常，则第一影响因子包括设备晃动异常。若第一传感器存在天气异常，则第一影响因子包括天气异常。
点云异常、所述设备晃动异常和所述天气异常分别对应不同的影响级别；所述雷达设备异常的各个影响级别影响目标的点云感知结果的置信度；所述点云感知结果通过对所述第一传感数据进行目标检测后得到，所述目标检测算法的检测结果的置信度包括所述点云感知结果的置信度。
具体地，基于第一影响因子对第一传感数据进行目标检测，得到点云感知结果和点云感知结果的置信度。
点云异常的影响级别大于所述设备晃动异常的影响级别；所述设备晃动的影响级别大于所述天气异常的影响级别。影响级别可以用影响占比进行表征。
作为举例，点云异常的占比可以为70％，设备晃动异常的影响占比为50％，天气异常的影响占比为30％。
在一些实施例中，在第二传感器为相机时，第二传感器的设备状态包括相机正常和相机异常，所述相机异常包括相机模糊、曝光异常、相机设备偏移和相机覆盖异常中的一种或多种。影响因子包括第二影响因子，所述第二影响因子基于所述相机的异常种类确定。第二影响因子可以包括所述相机模糊、所述曝光异常、所述相机设备偏移和所述相机覆盖异常中的一种或多种
作为举例，在对第而传感器进行设备状态检测后，若第二传感器存在相机模糊，则第二影响因子包括相机模糊。若第二传感器存在曝光异常，则第二影响因子包括曝光异常。若第二传感器存在相机设备偏移，则第二影响因子包括相机设备偏移。若第二传感器存在相机覆盖异常，则第二影响因子包括相机覆盖异常。
相机模糊、所述曝光异常、所述相机设备偏移和所述相机覆盖异常分别对应不同的影响级别；所述相机异常的各个影响级别影响目标的图像感知结果的置信度；所述图像感知结果通过对所述第二传感数据进行目标检测后得到，所述目标检测算法的检测结果的置信度包括所述点云感知结果的置信度。
具体地，基于第二影响因子对第二传感数据进行目标检测，得到图像感知结果和图像感知结果的置信度。
相机模糊、所述曝光异常、所述相机设备偏移和所述相机覆盖异常的影响级别从大到小依次为：所述曝光异常、所述相机模糊、所述相机设备偏移和所述相机覆盖异常。影响级别用影响占比进行表征。
作为举例，曝光异常的影响占比可以为70％，相机模糊的影响占比可以为50％，相机设备偏移的影响占比可以为30％，相机覆盖异常的影响占比可以为20％。
在一些实施例中，目标检测算法可以包括第一检测算法和第二检测算法。在第一传感器为雷达设备时，第一检测算法为基于点云图像检测的算法。在第二传感器为相机时，第二检测算法为基于帧图像检测的算法。
本申请实施例中，利用影响因子和预设的目标检测算法，对所述第一传感数据和所述第二传感数据进行目标检测处理，得到目标检测结果；影响因子基于所述第一传感器和/或第二传感器的设备状态确定。本申请使用两种传感器采集数据，并使用两种传感器采集的数据确定目标检测结果，并在进行目标检测时考虑了设备状态对检测结果的影响，使检测结果更全面更准确。
如图2所示，在一种可能的实现方式中，基于第一影响因子对第一传感数据进行目标检测，得到点云感知结果和点云感知结果的置信度的方法包括：
S201，基于每个第一影响因子的影响占比，计算每个所述第一影响因子对应的权重值，其中，所述第一影响因子的影响占比为所述雷达设备的异常种类的影响占比确定。
具体地，利用1减去影响占比，得到权重值。
S202，获取目标的所述点云感知结果的初始置信度，其中，所述初始置信度通过对所述第一传感数据进行目标检测处理后得到。
在本实施例中，对第一传感数据进行目标检测处理，得到第一传感数据中各个目标的点云感知结果和点云感知结果的初始置信度，每个目标均对应一初始置信度。
作为举例，对第一传感数据进行目标检测，得到目标A的类别为汽车、距离为100米、初始置信度为0.8；得到目标B的类别为行人、距离为200、初始置信度为0.5。
S203，基于每个所述第一影响因子对应的权重值对所述点云感知结果的初始置信度进行修正，得到所述点云感知结果的置信度。
具体地，计算每个所述第一影响因子对应的权重值与一目标的点云感知的置信度的乘积，得到各个第一候选置信度。计算所有的所述第一候选置信度的均值，得到该目标的所述点云感知结果的置信度。
作为举例，若目标A的点云感知的初始置信度为0.9，第一影响因子包括点云异常、设备晃动异常和天气异常；点云异常的占比可以为70％，设备晃动异常的影响占比为50％，天气异常的影响占比为30％。计算[(1-0.7)×0.9+(1-0.5)×0.9+(1-0.3)×0.9]/3＝0.45，得到目标A的点云感知结果的置信度为0.45。
本申请实施例中，利用第一影响因子修正点云感知结果的初始置信度，使最终得到的点云感知结果的置信度更准确。
如图3所示，在一种可能的实现方式中，基于第二影响因子对第二传感数据进行目标检测，得到图像感知结果和图像感知结果的置信度的方法包括：
S301，基于每个第二影响因子的影响占比，计算每个所述第二影响因子对应的权重值，其中，所述第二影响因子的影响占比为所述相机的异常种类的影响占比确定。
S302，获取目标的所述图像感知结果的初始置信度，其中，所述初始置信度通过对所述第二传感数据进行目标检测处理后得到。
S303，基于每个所述第二影响因子对应的权重值对所述图像感知结果的初始置信度进行修正，得到所述图像感知结果的置信度。
具体的，本实施例中的执行方法与上述步骤S201至步骤S203相同，请参照上述步骤S201至步骤S203，在此不再赘述。
作为举例，若目标B的图像感知的初始置信度为0.9，第二影响因子包括曝光异常、相机模糊、相机设备和相机覆盖异常；曝光异常的影响占比可以为70％，相机模糊的影响占比可以为50％，相机设备偏移的影响占比可以为30％，相机覆盖异常的影响占比可以为20％。计算[(1-0.7)×0.9+(1-0.5)×0.9+(1-0.3)×0.9+(1-0.2)×0.9]/3＝0.51，得到目标B的图像感知结果的置信度为0.51。
在一种可能的实现方式中，确定雷达设备是否存在点云异常的方法包括：
在所述雷达设备异常包括点云异常时，确定所述第一传感数据中点云的总个数；若所述点云的总个数小于或等于预设个数，则确定所述雷达设备存在所述点云异常。若所述点云的总个数大于所述预设个数，则确定雷达设备不存在所述点云异常。具体地，点云异常为丢帧事件。
作为举例，每个第一传感数据中点云的总个数应该为57600个点，若点云的个数小于40000即判定为丢帧，则预设个数为40000。
在一种可能的实现方式中，确定雷达设备是否存在设备晃动异常的方法包括：
在所述雷达设备异常包括设备晃动异常时，获取连续采集的多帧所述第一传感数据；并计算多帧所述第一传感数据中相同区域的点云坐标的方差值，若所述方差值大于或等于第一预设值，则确定所述雷达设备存在所述设备晃动异常。
具体地，获取雷达设备在同一位置连续采集的n个第一传感数据。
确定n个第一传感数据中同一位置的点云的坐标。例如，确定距离雷达设备在预设范围(40米)内的各个点云的坐标。
计算各个点云的坐标的方差，得到方差值。若方差值大于或等于第一预设值，则确定雷达设备存在所述设备晃动异常。若方差值小于所述第一预设值，则确定雷达设备不存在所述设备晃动异常。
本申请实施例中利用线序方差确定雷达设备是否发生偏移，进而确定雷达设备是否存在设备晃动异常。
在一种可能的实现方式中，确定雷达设备是否存在天气异常的方法包括：
在所述雷达设备异常包括天气异常时，获取所述第一传感数据中点云噪声的分布，若所述点云噪声的分布满足预设要求，则确定所述雷达设备存在所述天气异常，所述预设要求为所述点云噪声分布在所述雷达设备四周。
具体地，确定第一传感数据中的第一区域中是否存在点云噪声，其中，第一区域为距离雷达设备所在位置小于或等于第一预设距离的位置区域。若所述第一区域中存在点云噪声，确定点云噪声的分布是否满足预设要求，其中，所述预设要求为雷达设备的四周均存在所述点云噪声；若所述点云噪声的分布满足所述预设要求，则确定存在天气异常；若所述点云噪声的分布不满足所述预设要求，则确定不存在天气异常。
天气异常可以为雨雪干扰事件，由于雷达设备的发射信号投射在水面上时，雷达设备采集的点云将会出现虚点现象，根据该特性，通过判断第一传感数据中点云噪声的分布可以确定雷达设备是否存在天气异常。
在一种可能的实现方式中，确定相机是否存在相机模糊的方法包括：
在所述相机异常包括所述相机模糊时，获取所述第二传感数据中的高频区域，其中，所述高频区域中的像素点的灰度值大于或等于第二预设值；若所述高频区域的面积大于第二预设值，则确定存在所述相机模糊。
具体地，根据第二传感数据中各个像素点的灰度值，确定第二传感数据中的高频区域，其中，高频区域中的像素点的灰度值大于或等于第二预设值。
计算高频区域的总面积；计算高频区域的总面积与第二传感数据的总面积的面积比值；若面积比值小于或等于第三预设值，则确定存在相机模糊；若所述面积比值大于第三预设值，则确定相机不存在相机模糊。
在一种可能的实现方式中，确定相机是否存在曝光异常的方法包括：
在所述相机异常包括所述曝光异常时，基于所述第二传感数据中各个像素点的灰度值，计算所述第二传感数据对应的灰度均值和灰度方差；若所述灰度均值在第一预设区间、且所述灰度方差在第二预设区间，则确定所述相机存在所述曝光异常。曝光异常包括过度曝光和曝光不足。
在一种可能的实现方式中，确定相机是否存在相机设备偏移的方法包括：
提取第二传感数据中的背景数据，背景数据可以为预先设备的某一参照物等。将第二传感数据中的背景数据与预设数据中的背景数据进行对比，确定相机是否存在相机设备偏移。预设数据为预先拍摄的标准数据。
在一种可能的实现方式中，确定相机是否存在相机覆盖异常的方法包括：利用边缘检测方法确定第二传感数据中的边缘数据，确定边缘数据是否显示异常，若边缘数据显示异常，则确定相机存在相机覆盖异常。若边缘数据显示正常，则确定相机不存在相机覆盖异常。
如图4所示，在一种可能的实现方式中，步骤S102的实现过程可以包括：
S1021，利用第一检测算法和所述第一影响因子对所述第一传感数据进行目标检测，得到所述第一传感数据中各个目标的点云感知结果和所述点云感知结果的置信度。
步骤S1021的说明请参照上述步骤S201至步骤S203，在此不再赘述。
S1022，利用第二检测算法和所述第二影响因子对所述第二传感数据进行目标检测，得到所述第二传感数据中各个目标的图像感知结果和所述图像感知结果的置信度。
步骤S1022的说明请参照上述步骤S301至步骤S303，在此不再赘述。
S1023，基于点云感知结果的置信度和所述图像感知结果的置信度，将所述点云感知结果和所述图像感知结果进行融合，得到所述目标检测结果。
在本实施例中，点云感知结果包括目标的点云感知类别，所述图像检测结果包括目标的图像感知类别。
具体地，步骤S1023的实现过程可以包括：
S401，针对能进行数据融合的目标，若所述目标对应的所述点云感知类别和所述图像感知类别相同，则将所述目标的最高置信度作为所述目标的目标检测结果的置信度，所述最高置信度为所述目标对应的所述点云感知结果的置信度和所述图像感知结果的置信度的最大值。
在本实施例中，若第一传感数据中的目标和第二传感数据中的目标能进行数据融合，则确定能进行数据融合的目标为同一目标，将该目标得第一传感数据和第二传感数据进行融合，得到该目标的目标融合结果。
作为举例，若第一传感数据中的目标C和第二传感数据中的目标D为能进行数据融合的目标。目标C的点云感知类别为车辆、且点云感知结果的置信度为0.8；目标D的图像感知类别为车辆、且图像感知结果的置信度为0.5；则将0.8作为该目标的目标检测结果的置信度。
S402，若所述目标对应的所述点云感知类别和所述图像感知类别不相同，将所述目标的最高置信度对应的类别作为所述目标的目标检测结果的类别；将所述目标的最高置信度作为所述目标的目标检测结果的置信度。
作为举例，若第一传感数据中的目标C和第二传感数据中的目标D为能进行数据融合的目标。目标C的点云感知类别为家用轿车、且点云感知结果的置信度为0.8；目标D的图像感知类别为皮卡车、且图像感知结果的置信度为0.5；则该目标的目标检测结果的类别为家用轿车，目标检测结果的置信度为0.8。
S403，针对未能进行数据融合的目标，若所述目标对应的置信度大于预设阈值，将所述目标对应的置信度作为所述目标的目标检测结果的置信度，所述目标对应的置信度为所述点云感知结果的置信度或所述图像感知结果的置信度。
在本实施例中，若第一传感数据中的目标和第二传感数据中的目标不能进行数据融合，则确定不能融合的两个目标不是同一目标。对于第一传感数据中的目标，该目标的目标检测结果为点云感知结果，目标检测结果的置信度为点云感知结果的置信度。对于第二传感数据中的目标，该目标的目标检测结果为图像感知结果，该目标的目标检测结果的置信度为图像感知结果的置信度。
预设阈值可以根据需要进行设置，例如，预设阈值可以为0.6或0.65等。若目标检测结果的置信度大于预设阈值，则确定该目标的目标检测结果相对准确，则可以保留该目标的目标检测结果。
作为举例，第一传感数据中的目标E不能进行数据融合，目标E的点云感知结果的置信度为0.7，则目标E的目标检测结果的置信度为0.7。
S404，若所述目标对应的置信度小于或等于所述预设阈值，则删除所述目标。
在本实施例中，若目标检测结果的置信度小于或等于预设阈值，则确定该目标的目标检测结果相对不准确，则可以删除该目标。
本申请实施例中，在数据融合时参考了置信度，可以防止数据融合时由于类型不同导致无法融合，或融合混乱的现象，可以保证数据融合的准确性。
图5示出了本申请提供的道路事件检测方法的示意性流程图，参照图5，对该方法的详述如下：
S501，获取第一传感器的第一传感数据和第二传感器的第二传感数据。
S502，基于所述第一传感数据确定所述第一传感器的设备状态，基于所述第二传感数据确定所述第二传感器的设备状态。
在本实施例中，第一传感器的设备状态和第二传感器的设备状态的确定方法请参照上述说明，在此不再赘述。
S503，根据所述第一传感器的设备状态和所述第二传感器的设备状态，确定目标检测结果和目标检测结果的置信度。
在本实施例中，基于第一传感器的设备状态和第二传感器的设备状态，对第一传感数据和第二传感数据进行目标融合处理，得到目标检测结果和目标检测结果的置信度。
在一些实施例中，所述第一传感器为雷达设备，所述第一传感器的设备状态为点云异常；所述第二传感器为相机，所述第二传感器的设备状态为相机正常；将所述第二传感数据的图像感知结果的置信度作为所述目标检测结果的置信度。雷达设备异常包括点云异常、设备晃动异常和天气异常中的一种或多种。
在一些实施例中，所述第一传感器为雷达设备，所述第一传感器的设备状态为雷达设备正常；所述第二传感器为相机，所述第二传感器的设备状态为相机异常；将所述第一传感数据的点云感知结果的置信度作为所述目标检测结果的置信度。相机异常可以包括曝光异常、所述相机模糊、所述相机设备偏移和所述相机覆盖异常中的一种或多种。
在一些实施例中，目标检测结果和目标检测结果的置信度的确定方法还可以通过上述步骤S401至步骤S403的方法进行确定。
S504，基于所述目标检测结果和所述目标检测结果的置信度，得到所述第一传感数据和所述第二传感数据的事件检测结果。
在本实施例中，事件检测可以包括违停、占用专用车道和变道等。
本申请实施例中，基于第一传感数据确定第一传感器的设备状态，基于第二传感数据确定第二传感器的设备状态；根据第一传感器的设备状态和第二传感器的设备状态，确定目标检测结果的置信度；基于目标检测结果的置信度得到第一传感数据和第二传感数据的事件检测结果。本申请使用两种传感器采集数据，并使用两种传感器采集的数据确定目标检测结果，并在进行目标检测时考虑了设备状态对检测结果的影响，使检测结果更全面更准确；另外，本申请在进行事件检测时参考了目标检测结果的置信度，使事件检测结果更准确。
如图6所示，在一种可能的实现方式中，在第一传感器的设备状态为点云异常，第二传感器的设备状态为相机正常时，步骤S504的实现过程可以包括：
S601，获取连续采集的多个所述第二传感数据和待检测的事件。
作为举例，待检测的事件可以为违停、占用应急车道或行人翻越护栏等。
S602，基于所述目标检测结果和所述待检测的事件，确定所述第二传感数据中的待检测目标。
在本实施例中，目标检测结果包括目标的类别，例如，目标是行人、机动车或摩托车等。
S603，基于多个所述第二传感数据确定所述待检测目标的位移信息。
在本实施例中，对待检测目标进行目标追踪，得到待检测目标在各个第二传感数据中的位置，根据待检测目标在各个第二传感数据中的位置确定待检测目标的位移信息。位移信息可以包括位移路线。
S604，基于所述待检测目标的位移信息和所述待检测目标的目标检测结果的置信度，确定所述事件检测结果。
在一些实施例中，筛选置信度大于预设置信度的待检测目标，得到最终的待检测目标。根据最终的待检测目标的位移信息确定该目标是否存在待检测的事件。若最终的待检测目标存在待检测的事件，则事件检测结果中包括该待检测目标和与之对应的事件。若最终的待检测目标不存在待检测的事件，则删除该待检测目标。
作为举例，若待检测的事件为车辆违停事件。根据待检测的事件确定待检测目标为车辆，从目标检测结果中筛选出各个车辆。基于多个第二传感数据确定各个车辆的位移信息。确定置信度大于预设置信度的车辆，得到最终的待检测车辆。根据最终的待检测车辆的位移信息确定该车辆是否存在违停事件。
在一些实施例中，基于待检测目标的位移信息，确定各个待检测目标是否存在待检测的事件。若确定待检测目标存在待检测的事件，确定待检测目标的置信度是否大于预设置信度。若待检测目标的置信度大于预设置信度，则确定事件检测结果中包括该待检测目标和与之对应的事件。若待检测目标的置信度小于或等于预设置信度，则删除该待检测目标。
在一些实施例中，基于所述待检测目标的位移信息确定待检测目标是否存在待检测的事件，若待检测目标存在待检测的事件，则时间检测结果包括该待检测目标和该待检测目标对应的置信度等。
在一种可能的实现方式中，在第一传感器的设备状态为雷达设备正常、且第二传感器的设备状态为相机异常时，步骤S504的实现过程可以包括：
S701，获取连续采集的多个所述第一传感数据和待检测的事件。
S702，基于所述目标检测结果和所述待检测的事件，确定所述第一传感数据中的检测目标。
S703，基于多个所述第一传感数据确定所述检测目标的位移信息。
S704，基于所述检测目标的位移信息和所述检测目标的目标检测结果的置信度，确定所述事件检测结果。
在本实施例中，步骤S701至步骤S704与上述步骤S601至步骤S604相似，请参照上述步骤S601至步骤S604的说明，在此不再赘述。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的目标检测方法，图7示出了本申请实施例提供的目标检测装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
参照图7，该装置800可以包括：数据获取模块810和目标检测模块820。
其中，数据获取模块810，用于获取第一传感器的第一传感数据和第二传感器的第二传感数据；
目标检测模块820，用于利用影响因子和预设的目标检测算法，对所述第一传感数据和所述第二传感数据进行目标检测处理，得到目标检测结果，所述影响因子影响所述目标检测算法的检测结果的置信度，所述影响因子基于所述第一传感器和/或第二传感器的设备状态确定，所述设备状态包含设备运行状态和设备环境状态中的一种或几种。
在一种可能的实现方式中，所述第一传感器为激光雷达，所述第一传感器的设备状态包括雷达设备正常和雷达设备异常，所述雷达设备异常包括点云异常、设备晃动异常和天气异常中的一种或多种；
所述影响因子包括第一影响因子，所述第一影响因子基于所述雷达设备的异常种类确定。
在一种可能的实现方式中，所述点云异常、所述设备晃动异常和所述天气异常分别对应不同的影响级别；所述雷达设备异常的各个影响级别影响目标的点云感知结果的置信度；所述点云感知结果通过对所述第一传感数据进行目标检测后得到，所述目标检测算法的检测结果的置信度包括所述点云感知结果的置信度。
在一种可能的实现方式中，所述点云异常的影响级别大于所述设备晃动异常的影响级别；所述设备晃动的影响级别大于所述天气异常的影响级别；所述影响级别用影响占比进行表征；所述第一影响因子包括所述点云异常、所述设备晃动异常和所述天气异常中的一种或多种；
目标检测模块820具体还可以用于：
基于每个第一影响因子的影响占比，计算每个所述第一影响因子对应的权重值，其中，所述第一影响因子的影响占比为所述雷达设备的异常种类的影响占比；
获取目标的所述点云感知结果的初始置信度，其中，所述初始置信度通过对所述第一传感数据进行目标检测处理后得到；
基于每个所述第一影响因子对应的权重值对所述点云感知结果的初始置信度进行修正，得到所述点云感知结果的置信度。
在一种可能的实现方式中，目标检测模块820具体还可以用于：
在所述雷达设备异常包括点云异常时，确定所述第一传感数据中点云的总个数；若所述点云的总个数小于或等于预设个数，则确定所述雷达设备存在所述点云异常；和/或，
在所述雷达设备异常包括设备晃动异常时，获取连续采集的多帧所述第一传感数据；并计算多帧所述第一传感数据中相同区域的点云坐标的方差值，若所述方差值大于或等于第一预设值，则确定所述雷达设备存在所述设备晃动异常；和/或，
在所述雷达设备异常包括天气异常时，获取所述第一传感数据中点云噪声的分布，若所述点云噪声的分布满足预设要求，则确定所述雷达设备存在所述天气异常，所述预设要求为所述点云噪声分布在所述雷达设备四周。
在一种可能的实现方式中，所述第二传感器为相机，所述第二传感器的设备状态包括相机正常和相机异常，所述相机异常包括相机模糊、曝光异常、相机设备偏移和相机覆盖异常中的一种或多种；
所述影响因子包括第二影响因子，所述第二影响因子基于所述相机的异常种类确定。
在一种可能的实现方式中，所述相机模糊、所述曝光异常、所述相机设备偏移和所述相机覆盖异常分别对应不同的影响级别；所述相机异常的各个影响级别影响目标的图像感知结果的置信度；所述图像感知结果通过对所述第二传感数据进行目标检测后得到，所述目标检测算法的检测结果的置信度包括所述图像感知结果的置信度。
在一种可能的实现方式中，所述相机模糊、所述曝光异常、所述相机设备偏移和所述相机覆盖异常的影响级别从大到小依次为：所述曝光异常、所述相机模糊、所述相机设备偏移和所述相机覆盖异常；所述影响级别用影响占比进行表征；所述第二影响因子包括所述相机模糊、所述曝光异常、所述相机设备偏移和所述相机覆盖异常中的一种或多种；
目标检测模块820具体还可以用于：
基于每个第二影响因子的影响占比，计算每个所述第二影响因子对应的权重值，其中，所述第二影响因子的影响占比为所述相机的异常种类的影响占比；
获取目标的所述图像感知结果的初始置信度，其中，所述初始置信度通过对所述第二传感数据进行目标检测处理后得到；
基于每个所述第二影响因子对应的权重值对所述图像感知结果的初始置信度进行修正，得到所述图像感知结果的置信度。
在一种可能的实现方式中，目标检测模块820具体还可以用于：
在所述相机异常包括所述相机模糊时，获取所述第二传感数据中的高频区域，其中，所述高频区域中的像素点的灰度值大于或等于第二预设值；若所述高频区域的面积大于第二预设值，则确定存在所述相机模糊；和/或，
在所述相机异常包括所述曝光异常时，基于所述第二传感数据中各个像素点的灰度值，计算所述第二传感数据对应的灰度均值和灰度方差；若所述灰度均值在第一预设区间、且所述灰度方差在第二预设区间，则确定所述相机存在所述曝光异常。
在一种可能的实现方式中，所述目标检测算法包括第一检测算法和第二检测算法；所述影响因子包括所述第一影响因子和所述第二影响因子；所述第一影响因子基于所述雷达设备的异常种类确定；所述第二影响因子基于所述相机的异常种类确定；
目标检测模块820具体还可以用于：
利用第一检测算法和所述第一影响因子对所述第一传感数据进行目标检测，得到所述第一传感数据中各个目标的点云感知结果和所述点云感知结果的置信度；
利用第二检测算法和所述第二影响因子对所述第二传感数据进行目标检测，得到所述第二传感数据中各个目标的图像感知结果和所述图像感知结果的置信度；
基于点云感知结果的置信度和所述图像感知结果的置信度，将所述点云感知结果和所述图像感知结果进行融合，得到所述目标检测结果。
在一种可能的实现方式中，所述点云感知结果包括目标的点云感知类别，所述图像检测结果包括目标的图像感知类别；
目标检测模块820具体还可以用于：
针对能进行数据融合的目标，若所述目标对应的所述点云感知类别和所述图像感知类别相同，则将所述目标的最高置信度作为所述目标的目标检测结果的置信度，所述最高置信度为所述目标对应的所述点云感知结果的置信度和所述图像感知结果的置信度的最大值；
若所述目标对应的所述点云感知类别和所述图像感知类别不相同，将所述目标的最高置信度对应的类别作为所述目标的目标检测结果的类别；将所述目标的最高置信度作为所述目标的目标检测结果的置信度；
针对未能进行数据融合的目标，若所述目标对应的置信度大于预设阈值，将所述目标对应的置信度作为所述目标的目标检测结果的置信度，所述目标对应的置信度为所述点云感知结果的置信度或所述图像感知结果的置信度；
若所述目标对应的置信度小于或等于所述预设阈值，则删除所述目标。
对应于上文实施例所述的道路事件检测方法，图8示出了本申请实施例提供的道路事件检测装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
参照图8，该装置900可以包括：信息获取模块910、设备状态检测模块920、目标检测模块930和事件检测模块940。
信息获取模块910，用于获取第一传感器的第一传感数据和第二传感器的第二传感数据；
设备状态检测模块920，用于基于所述第一传感数据确定所述第一传感器的设备状态，基于所述第二传感数据确定所述第二传感器的设备状态；
目标检测模块930，用于根据所述第一传感器的设备状态和所述第二传感器的设备状态，确定目标检测结果和目标检测结果的置信度；
事件检测模块940，用于基于所述目标检测结果和目标检测结果的置信度，得到所述第一传感数据和所述第二传感数据的事件检测结果。
在一种可能的实现方式中，所述第一传感器为雷达设备，所述第一传感器的设备状态为点云异常；所述第二传感器为相机，所述第二传感器的设备状态为相机正常；将所述第二传感数据的图像感知结果的置信度作为所述目标检测结果的置信度。
在一种可能的实现方式中，事件检测模块940具体可以用于：
获取连续采集的多个所述第二传感数据和待检测的事件；
基于所述目标检测结果和所述待检测的事件，确定所述第二传感数据中的待检测目标；
基于多个所述第二传感数据确定所述待检测目标的位移信息；
基于所述待检测目标的位移信息和所述待检测目标的目标检测结果的置信度，确定所述事件检测结果。
在一种可能的实现方式中，所述第一传感器为雷达设备，所述第一传感器的设备状态为雷达设备正常；所述第二传感器为相机，所述第二传感器的设备状态为相机异常；将所述第一传感数据的点云感知结果的置信度作为所述目标检测结果的置信度。
在一种可能的实现方式中，事件检测模块940具体可以用于：
获取连续采集的多个所述第一传感数据和待检测的事件；
基于所述目标检测结果和所述待检测的事件，确定所述第一传感数据中的检测目标；
基于多个所述第一传感数据确定所述检测目标的位移信息；
基于所述检测目标的位移信息和所述检测目标的目标检测结果的置信度，确定所述事件检测结果。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还提供了一种终端设备，参见图9，该终端设备10可以包括：至少一个处理器11、存储器12以及存储在所述存储器12中并可在所述至少一个处理器11上运行的计算机程序，所述处理器11执行所述计算机程序时实现上述任意各个方法实施例中的步骤，例如图1所示实施例中的步骤S101至步骤S102。或者，例如图1所示实施例中的步骤S501至步骤S504。或者，处理器11执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能，例如图7所示数据获取模块810至目标检测模块820的功能。或者，如图8所示信息获取模块910至事件检测模块940的功能。
示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器12中，并由处理器11执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序段，该程序段用于描述计算机程序在终端设备10中的执行过程。
本领域技术人员可以理解，图9仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如输入输出设备、网络接入设备、总线等。
处理器11可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器12可以是终端设备的内部存储单元，也可以是终端设备的外部存储设备，例如插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。所述存储器12用于存储所述计算机程序以及终端设备所需的其他程序和数据。所述存储器12还可以用于暂时地存储已经输出或者将要输出的数据。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本申请实施例提供的目标检测方法和道路事件检测方法可以应用于计算机、平板电脑、笔记本电脑、上网本、个人数字助理(personal digital assistant，PDA)等终端设备上，本申请实施例对终端设备的具体类型不作任何限制。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的终端设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也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计算机可读存储介质中，该计算机程序在被一个或多个处理器执行时，可实现上述各个方法实施例的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也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计算机可读存储介质中，该计算机程序在被一个或多个处理器执行时，可实现上述各个方法实施例的步骤。
同样，作为一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行时实现可实现上述各个方法实施例中的步骤。
其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (20)

1.一种目标检测方法，其特征在于，包括：
获取第一传感器的第一传感数据和第二传感器的第二传感数据；
利用影响因子和预设的目标检测算法，对所述第一传感数据和所述第二传感数据进行目标检测处理，得到目标检测结果，所述影响因子影响所述目标检测算法的检测结果的置信度，所述影响因子基于所述第一传感器和/或第二传感器的设备状态确定，所述设备状态包含设备运行状态和设备环境状态中的一种或几种。
2.如权利要求1所述的目标检测方法，其特征在于，所述第一传感器为激光雷达，所述第一传感器的设备状态包括雷达设备正常和雷达设备异常，所述雷达设备异常包括点云异常、设备晃动异常和天气异常中的一种或多种；
所述影响因子包括第一影响因子，所述第一影响因子基于所述雷达设备的异常种类确定。
3.如权利要求2所述的目标检测方法，其特征在于，所述点云异常、所述设备晃动异常和所述天气异常分别对应不同的影响级别；所述雷达设备异常的各个影响级别影响目标的点云感知结果的置信度；所述点云感知结果通过对所述第一传感数据进行目标检测后得到，所述目标检测算法的检测结果的置信度包括所述点云感知结果的置信度。
4.如权利要求3所述的目标检测方法，其特征在于，所述点云异常的影响级别大于所述设备晃动异常的影响级别；所述设备晃动的影响级别大于所述天气异常的影响级别；所述影响级别用影响占比进行表征；所述第一影响因子包括所述点云异常、所述设备晃动异常和所述天气异常中的一种或多种；
所述方法还包括：
基于每个第一影响因子的影响占比，计算每个所述第一影响因子对应的权重值，其中，所述第一影响因子的影响占比为所述雷达设备的异常种类的影响占比；
获取目标的所述点云感知结果的初始置信度，其中，所述初始置信度通过对所述第一传感数据进行目标检测处理后得到；
基于每个所述第一影响因子对应的权重值对所述点云感知结果的初始置信度进行修正，得到所述点云感知结果的置信度。
5.如权利要求2至4任一项所述的目标检测方法，其特征在于，所述方法还包括：
在所述雷达设备异常包括点云异常时，确定所述第一传感数据中点云的总个数；若所述点云的总个数小于或等于预设个数，则确定所述雷达设备存在所述点云异常；和/或，
在所述雷达设备异常包括设备晃动异常时，获取连续采集的多帧所述第一传感数据；并计算多帧所述第一传感数据中相同区域的点云坐标的方差值，若所述方差值大于或等于第一预设值，则确定所述雷达设备存在所述设备晃动异常；和/或，
在所述雷达设备异常包括天气异常时，获取所述第一传感数据中点云噪声的分布，若所述点云噪声的分布满足预设要求，则确定所述雷达设备存在所述天气异常，所述预设要求为所述点云噪声分布在所述雷达设备四周。
6.如权利要求1所述的目标检测方法，其特征在于，所述第二传感器为相机，所述第二传感器的设备状态包括相机正常和相机异常，所述相机异常包括相机模糊、曝光异常、相机设备偏移和相机覆盖异常中的一种或多种；
所述影响因子包括第二影响因子，所述第二影响因子基于所述相机的异常种类确定。
7.如权利要求6所述的目标检测方法，其特征在于，所述相机模糊、所述曝光异常、所述相机设备偏移和所述相机覆盖异常分别对应不同的影响级别；所述相机异常的各个影响级别影响目标的图像感知结果的置信度；所述图像感知结果通过对所述第二传感数据进行目标检测后得到，所述目标检测算法的检测结果的置信度包括所述图像感知结果的置信度。
8.如权利要求7所述的目标检测方法，其特征在于，所述相机模糊、所述曝光异常、所述相机设备偏移和所述相机覆盖异常的影响级别从大到小依次为：所述曝光异常、所述相机模糊、所述相机设备偏移和所述相机覆盖异常；所述影响级别用影响占比进行表征；所述第二影响因子包括所述相机模糊、所述曝光异常、所述相机设备偏移和所述相机覆盖异常中的一种或多种；
所述方法还包括：
基于每个第二影响因子的影响占比，计算每个所述第二影响因子对应的权重值，其中，所述第二影响因子的影响占比为所述相机的异常种类的影响占比；
获取目标的所述图像感知结果的初始置信度，其中，所述初始置信度通过对所述第二传感数据进行目标检测处理后得到；
基于每个所述第二影响因子对应的权重值对所述图像感知结果的初始置信度进行修正，得到所述图像感知结果的置信度。
9.如权利要求6至8任一项所述的目标检测方法，其特征在于，所述方法还包括：
在所述相机异常包括所述相机模糊时，获取所述第二传感数据中的高频区域，其中，所述高频区域中的像素点的灰度值大于或等于第二预设值；若所述高频区域的面积大于第二预设值，则确定存在所述相机模糊；和/或，
在所述相机异常包括所述曝光异常时，基于所述第二传感数据中各个像素点的灰度值，计算所述第二传感数据对应的灰度均值和灰度方差；若所述灰度均值在第一预设区间、且所述灰度方差在第二预设区间，则确定所述相机存在所述曝光异常。
10.如权利要求1所述的目标检测方法，其特征在于，所述目标检测算法包括第一检测算法和第二检测算法；所述影响因子包括第一影响因子和第二影响因子；所述第一影响因子基于所述第一传感器的异常种类确定；所述第二影响因子基于所述第二传感器的异常种类确定；
所述利用所述影响因子和预设的目标检测算法，对所述第一传感数据和第二传感数据进行目标检测处理，得到目标检测结果，包括：
利用第一检测算法和所述第一影响因子对所述第一传感数据进行目标检测，得到所述第一传感数据中各个目标的点云感知结果和所述点云感知结果的置信度；
利用第二检测算法和所述第二影响因子对所述第二传感数据进行目标检测，得到所述第二传感数据中各个目标的图像感知结果和所述图像感知结果的置信度；
基于点云感知结果的置信度和所述图像感知结果的置信度，将所述点云感知结果和所述图像感知结果进行融合，得到所述目标检测结果。
11.如权利要求10所述的目标检测方法，其特征在于，所述点云感知结果包括目标的点云感知类别，所述图像检测结果包括目标的图像感知类别；
所述基于点云感知结果的置信度和所述图像感知结果的置信度，将所述点云感知结果和所述图像感知结果进行融合，得到所述目标检测结果，包括：
针对能进行数据融合的目标，若所述目标对应的所述点云感知类别和所述图像感知类别相同，则将所述目标的最高置信度作为所述目标的目标检测结果的置信度，所述最高置信度为所述目标对应的所述点云感知结果的置信度和所述图像感知结果的置信度的最大值；
若所述目标对应的所述点云感知类别和所述图像感知类别不相同，将所述目标的最高置信度对应的类别作为所述目标的目标检测结果的类别；将所述目标的最高置信度作为所述目标的目标检测结果的置信度；
针对未能进行数据融合的目标，若所述目标对应的置信度大于预设阈值，将所述目标对应的置信度作为所述目标的目标检测结果的置信度，所述目标对应的置信度为所述点云感知结果的置信度或所述图像感知结果的置信度；
若所述目标对应的置信度小于或等于所述预设阈值，则删除所述目标。
12.一种道路事件检测方法，其特征在于，包括：
获取第一传感器的第一传感数据和第二传感器的第二传感数据；
基于所述第一传感数据确定所述第一传感器的设备状态，基于所述第二传感数据确定所述第二传感器的设备状态；
根据所述第一传感器的设备状态和所述第二传感器的设备状态，确定目标检测结果和所述目标检测结果的置信度；
基于所述目标检测结果和所述目标检测结果的置信度，得到所述第一传感数据和所述第二传感数据的事件检测结果。
13.如权利要求12所述的道路事件检测方法，其特征在于，所述第一传感器为雷达设备，所述第一传感器的设备状态为点云异常；所述第二传感器为相机，所述第二传感器的设备状态为相机正常；将所述第二传感数据的图像感知结果的置信度作为所述目标检测结果的置信度。
14.如权利要求13所述的道路事件检测方法，其特征在于，所述基于所述目标检测结果和所述目标检测结果的置信度，得到所述第一传感数据和所述第二传感数据的事件检测结果，包括：
获取连续采集的多个所述第二传感数据和待检测的事件；
基于所述目标检测结果和所述待检测的事件，确定所述第二传感数据中的待检测目标；
基于多个所述第二传感数据确定所述待检测目标的位移信息；
基于所述待检测目标的位移信息和所述待检测目标的目标检测结果的置信度，确定所述事件检测结果。
15.如权利要求12所述的道路事件检测方法，其特征在于，所述第一传感器为雷达设备，所述第一传感器的设备状态为雷达设备正常；所述第二传感器为相机，所述第二传感器的设备状态为相机异常；将所述第一传感数据的点云感知结果的置信度作为所述目标检测结果的置信度。
16.如权利要求15所述的道路事件检测方法，其特征在于，所述基于所述目标检测结果和所述目标检测结果的置信度，得到所述第一传感数据和所述第二传感数据的事件检测结果，包括：
获取连续采集的多个所述第一传感数据和待检测的事件；
基于所述目标检测结果和所述待检测的事件，确定所述第一传感数据中的检测目标；
基于多个所述第一传感数据确定所述检测目标的位移信息；
基于所述检测目标的位移信息和所述检测目标的目标检测结果的置信度，确定所述事件检测结果。
17.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述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如权利要求1至11任一项所述的目标检测方法。
18.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述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如权利要求12至16任一项所述的道路事件检测方法。
19.一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程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至11任一项所述的目标检测方法。
20.一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程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求12至16任一项所述的道路事件检测方法。
CN202211649254.7A 2022-12-20 2022-12-20 目标检测方法、道路事件检测方法、终端设备及存储介质 Pending CN116148792A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211649254.7A CN116148792A (zh) 2022-12-20 2022-12-20 目标检测方法、道路事件检测方法、终端设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211649254.7A CN116148792A (zh) 2022-12-20 2022-12-20 目标检测方法、道路事件检测方法、终端设备及存储介质

Publications (1)

Publication Number Publication Date
CN116148792A true CN116148792A (zh) 2023-05-23

Family

ID=86355421

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211649254.7A Pending CN116148792A (zh) 2022-12-20 2022-12-20 目标检测方法、道路事件检测方法、终端设备及存储介质

Country Status (1)

Country Link
CN (1) CN116148792A (zh)

Similar Documents

Publication Publication Date Title
CN108859952B (zh) 车辆变道预警方法、装置和雷达
CN109977776A (zh) 一种车道线检测方法、装置及车载设备
CN113947892B (zh) 异常停车的监测方法、装置、服务器及可读存储介质
CN111476099B (zh) 一种目标检测方法、目标检测装置及终端设备
CN112782658A (zh) 一种雷达角度校准方法及装置
CN105303157A (zh) 延伸用于avm停止线检测的检测范围的算法
CN112634359A (zh) 车辆防碰撞预警方法、装置、终端设备及存储介质
CN114463372A (zh) 车辆识别方法、装置、终端设备及计算机可读存储介质
CN116863124B (zh) 车辆姿态确定方法、控制器及存储介质
CN107748882B (zh) 一种车道线检测方法及装置
CN113888860A (zh) 车辆异常行驶的检测方法、装置、服务器及可读存储介质
CN108693517B (zh) 车辆定位方法、装置和雷达
CN113297939B (zh) 障碍物检测方法、系统、终端设备及存储介质
CN116148792A (zh) 目标检测方法、道路事件检测方法、终端设备及存储介质
CN115482672B (zh) 车辆逆行检测的方法、装置、终端设备及存储介质
CN113009467B (zh) 一种雷达盲区目标检测跟踪方法、装置及终端设备
CN113514825A (zh) 道路边缘的获取方法、装置和终端设备
JP7210208B2 (ja) 提供装置
CN111191603A (zh) 车内人员识别方法、装置、终端设备及介质
CN114627651B (zh) 一种行人保护预警方法、装置、电子设备及可读存储介质
JP2000149181A (ja) 交通流計測システム
CN114898325B (zh) 一种车辆危险变道检测方法、装置及电子设备
CN111038496B (zh) 车辆预警方法、装置、终端设备以及计算机可读存储介质
CN111597959B (zh) 行为检测方法、装置及电子设备
CN112686246B (zh) 一种车牌字符分割方法、装置、存储介质及终端设备

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