CN116299300A - 可行驶区域的确定方法、装置、计算机设备及存储介质 - Google Patents

可行驶区域的确定方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN116299300A
CN116299300A CN202310546561.0A CN202310546561A CN116299300A CN 116299300 A CN116299300 A CN 116299300A CN 202310546561 A CN202310546561 A CN 202310546561A CN 116299300 A CN116299300 A CN 116299300A
Authority
CN
China
Prior art keywords
point cloud
information
distance
matrix
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.)
Granted
Application number
CN202310546561.0A
Other languages
English (en)
Other versions
CN116299300B (zh
Inventor
王成旭
张煜东
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 Jidu Technology Co Ltd
Original Assignee
Beijing Jidu 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 Jidu Technology Co Ltd filed Critical Beijing Jidu Technology Co Ltd
Priority to CN202310546561.0A priority Critical patent/CN116299300B/zh
Publication of CN116299300A publication Critical patent/CN116299300A/zh
Application granted granted Critical
Publication of CN116299300B publication Critical patent/CN116299300B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • 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
    • 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
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • 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)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本公开提供了一种可行驶区域的确定方法、装置、计算机设备及存储介质，其中，可行驶区域的确定方法包括：获取目标车辆在行驶过程中采集的实时点云信息；其中，所述实时点云信息包括用于表征所述目标车辆的点云检测区域中各物体移动速度的速度信息，以及用于表征所述点云检测区域中各物体与所述目标车辆之间距离的距离信息；基于所述实时点云信息对应的历史点云信息所包含的速度信息，确定所述点云检测区域中的动态物体；基于所述历史点云信息所包含的速度信息和预设的距离补偿算法，对所述实时点云信息中所述动态物体对应的距离信息进行补偿处理，得到补偿处理后的距离信息；基于所述补偿处理后的距离信息，确定所述目标车辆对应的可行驶区域。

Description

可行驶区域的确定方法、装置、计算机设备及存储介质
技术领域
本公开涉及计算机技术领域，具体而言，涉及一种可行驶区域的确定方法、装置、计算机设备及存储介质。
背景技术
随着汽车产业的快速发展，自动驾驶技术越来越成为新能源汽车的核心技术之一。为了提高自动驾驶的安全性，需要更为准确的感知汽车周围的物体，从而才能够根据周围物体与车辆的距离判断出车辆的可行驶区域，以使车辆根据自动驾驶算法和可行驶区域控制车辆进行自动驾驶。
相关技术中，在确定车辆的可行驶区域的过程中，在静态场景下（比如停车场），物体往往是静止的，因此物体与车辆的距离较为容易精确的测量到，从而可以较为的识别出车辆的可行驶区域，但在动态场景下（比如道路上），往往存在速度变化较快的物体（比如车辆），而速度变化较快的物体与车辆之间的距离难以准确的测量，因此如何在动态场景下得到车辆对应的可行驶区域成为了该领域内亟待解决的问题。
发明内容
本公开实施例至少提供一种可行驶区域的确定方法、装置、计算机设备及存储介质。
第一方面，本公开实施例提供了一种可行驶区域的确定方法，包括：
获取目标车辆在行驶过程中采集的实时点云信息；其中，所述实时点云信息包括用于表征所述目标车辆的点云检测区域中各物体移动速度的速度信息，以及用于表征所述点云检测区域中各物体与所述目标车辆之间距离的距离信息；
基于所述实时点云信息对应的历史点云信息所包含的速度信息，确定所述点云检测区域中的动态物体；
基于所述历史点云信息所包含的速度信息和预设的距离补偿算法，对所述实时点云信息中所述动态物体对应的距离信息进行补偿处理，得到补偿处理后的距离信息；
基于所述补偿处理后的距离信息，确定所述目标车辆对应的可行驶区域。
一种可能的实施方式中，所述获取目标车辆在行驶过程中采集的实时点云信息，包括：
获取所述目标车辆在行驶过程中实时采集的初始点云信息；
将位于预设的所述点云检测区域内的点云信息作为所述实时点云信息。
一种可能的实施方式中，所述基于所述实时点云信息对应的历史点云信息所包含的速度信息，确定所述点云检测区域中的动态物体，包括：
基于当前帧点云数据之前的至少一帧历史点云数据对应的点云信息所包含的速度信息，确定所述点云检测区域中的动态物体；其中，所述历史点云数据包括当前帧点云数据之前预设时间段内的点云数据。
一种可能的实施方式中，所述基于所述历史点云信息所包含的速度信息和预设的距离补偿算法，对所述实时点云信息中所述动态物体对应的距离信息进行补偿处理，得到补偿处理后的距离信息，包括：
构建与所述历史点云信息的速度信息对应的速度矩阵、与所述历史点云信息中的距离信息对应的第一距离矩阵、以及与所述实时点云信息中的距离信息对应的第二距离矩阵；
基于所述速度矩阵、所述第一距离矩阵以及预设的距离补偿算法，对所述第二距离矩阵进行补偿处理，得到包含补偿处理后的距离信息的目标距离矩阵。
一种可能的实施方式中，点云信息还包括各个点云点在雷达坐标系下的第一坐标；
所述构建与所述历史点云信息的速度信息对应的速度矩阵、与所述历史点云信息中的距离信息对应的第一距离矩阵，包括：
基于雷达的外参信息，对所述历史点云信息中的各个点云点进行坐标系转换处理，确定各个点云点在车辆坐标系下的第二坐标；
按照预设矩阵尺寸和车辆坐标系下的第二坐标与矩阵索引之间的映射关系，将车辆坐标系下的各个点云点的速度信息映射至所述预设矩阵尺寸的第一矩阵中，得到所述速度矩阵；以及，按照所述映射关系，将车辆坐标系下的各个点云点的距离信息映射至所述预设矩阵尺寸的第二矩阵中，得到所述第一距离矩阵。
一种可能的实施方式中，所述距离补偿算法包括卡尔曼滤波算法；
针对任一帧点云信息，所述方法还包括根据以下方法对该帧点云信息对应的距离矩阵进行补偿处理：
基于第N-1帧点云信息对应的速度矩阵、距离矩阵和卡尔曼滤波算法，确定出与第N帧点云信息中动态物体对应的距离补偿值，N为大于1的正整数；
基于所述第N帧点云信息中动态物体对应的距离补偿值，对第N帧点云信息对应的距离矩阵中，与动态物体匹配的距离信息进行更新，得到包含补偿处理后的距离信息的距离矩阵。
一种可能的实施方式中，所述实时点云信息还包括高度信息；
所述基于所述补偿处理后的距离信息，确定所述目标车辆对应的可行驶区域，包括：
基于所述补偿处理后的距离信息、预设的距离阈值、所述高度信息、所述目标车辆对应的尺寸信息，确定所述目标车辆对应的可行驶区域。
第二方面，本公开实施例提供了一种车辆控制方法，包括：
获取车辆采集的待处理点云信息；
按照第一方面中任一所述的可行驶区域的确定方法对所述待处理点云信息进行处理，确定车辆对应的可行驶区域；
基于所述车辆对应的可行驶区域对所述车辆进行控制。
第三方面，本公开实施例提供了一种车辆，所述车辆按照第一方面中任一所述的可行驶区域的确定方法确定车辆对应的可行驶区域。
第四方面，本公开实施例提供了一种可行驶区域的确定装置，包括：
获取模块，用于获取目标车辆在行驶过程中采集的实时点云信息；其中，所述实时点云信息包括用于表征所述目标车辆的点云检测区域中各物体移动速度的速度信息，以及用于表征所述点云检测区域中各物体与所述目标车辆之间距离的距离信息；
第一确定模块，用于基于所述实时点云信息对应的历史点云信息所包含的速度信息，确定所述点云检测区域中的动态物体；
补偿模块，用于基于所述历史点云信息所包含的速度信息和预设的距离补偿算法，对所述实时点云信息中所述动态物体对应的距离信息进行补偿处理，得到补偿处理后的距离信息；
第二确定模块，用于基于所述补偿处理后的距离信息，确定所述目标车辆对应的可行驶区域。
第五方面，本公开实施例还提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面或第二方面中，任一种可能的实施方式中的步骤。
第六方面，本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面或第二方面中，任一种可能的实施方式中的步骤。
本公开实施例提供的可行驶区域的确定方法、装置、计算机设备及存储介质，可以在行驶过程中根据采集的速度信息确定出需要进行距离补偿的动态物体，并针对目标车辆的点云检测区域中的动态物体，使用历史点云信息中的速度信息和预设的距离补偿算法，对动态物体当前时刻对应的距离信息进行补偿，从而可以减少由于动态物体速度变化导致的距离误差，得到更为准确的距离值，便于更为准确的在动态场景下确定出车辆对应的可行驶区域。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本公开实施例所提供的一种可行驶区域的确定方法的流程图；
图2示出了本公开实施例所提供的一种车辆控制方法的流程图；
图3示出了本公开实施例所提供的一种可行驶区域的确定装置的架构示意图；
图4示出了本公开实施例所提供的一种计算机设备的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
本文中术语“和/或”，仅仅是描述一种关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
经研究发现，在确定车辆的可行驶区域的过程中，在静态场景下（比如停车场），物体往往是静止的，因此物体与车辆的距离较为容易精确的测量到，从而可以较为的识别出车辆的可行驶区域，但在动态场景下（比如道路上），往往存在速度变化较快的物体（比如车辆），而速度变化较快的物体与车辆之间的距离难以准确的测量，因此如何在动态场景下得到车辆对应的可行驶区域成为了该领域内亟待解决的问题。
基于上述研究，本公开提供了一种可行驶区域的确定方法、装置、计算机设备及存储介质，可以在行驶过程中根据采集的速度信息确定出需要进行距离补偿的动态物体，并针对目标车辆的点云检测区域中的动态物体，使用历史点云信息中的速度信息和预设的距离补偿算法，对动态物体当前时刻对应的距离信息进行补偿，从而可以减少由于动态物体速度变化导致的距离误差，得到更为准确的距离值，便于更为准确的在动态场景下确定出车辆对应的可行驶区域。
为便于对本实施例进行理解，首先对本公开实施例所公开的一种可行驶区域的确定方法进行详细介绍，本公开实施例所提供的可行驶区域的确定方法的执行主体一般为具有一定计算能力的计算机设备，该计算机设备例如包括：终端设备或服务器或其它处理设备，终端设备可以为用户设备（User Equipment，UE）、移动设备、用户终端、终端、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该可行驶区域的确定方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
参见图1所示，为本公开实施例提供的可行驶区域的确定方法的流程图，所述方法包括S101~S104，其中：
S101：获取目标车辆在行驶过程中采集的实时点云信息；其中，所述实时点云信息包括用于表征所述目标车辆的点云检测区域中各物体移动速度的速度信息，以及用于表征所述点云检测区域中各物体与所述目标车辆之间距离的距离信息。
S102：基于所述实时点云信息对应的历史点云信息所包含的速度信息，确定所述点云检测区域中的动态物体。
S103：基于所述历史点云信息所包含的速度信息和预设的距离补偿算法，对所述实时点云信息中所述动态物体对应的距离信息进行补偿处理，得到补偿处理后的距离信息。
S104：基于所述补偿处理后的距离信息，确定所述目标车辆对应的可行驶区域。
以下是对上述步骤的详细介绍。
针对S101、
这里，所述目标车辆可以是部署有目标雷达的车辆，所述目标雷达可以是4D毫米波雷达，所述4D毫米波雷达在采集点云信息时，可以采集各点云点分别对应的角度信息、速度信息、距离信息、高度信息；所述点云检测区域可以是所述目标雷达能够采集到的全部点云点所处区域（可以是车辆的前、后、左、右方向中的至少一个方向上的区域）的全部区域，比如目标雷达能够采集到点云点的区域为车辆前方50米内的区域，则可以将车辆前方50米内的区域均作为点云检测区域；或者，所述点云检测区域还可以是所述全部区域中的部分区域，比如目标雷达能够采集到点云点的区域为车辆前方50米内的区域，则可以将车辆前方30米的区域作为点云检测区域，从而可以减少实时数据处理量，从而提高数据处理效率。
其中，所述角度信息可以表示点云点所处位置与车辆前进方向之间的角度，所述速度信息可以表示所述点云点对应位置处的物体与车辆之间的相对速度，所述距离信息可以表示所述点云点对应位置处的物体与车辆之间的位置，所述高度信息可以表示所述点云点对应位置处的物体与地面之间的高度。
一种可能的实施方式中，在获取目标车辆在行驶过程中采集的实时点云信息时，可以通过以下步骤A1~A2：
A1：获取所述目标车辆在行驶过程中实时采集的初始点云信息。
A2：将位于预设的所述点云检测区域内的点云信息作为所述实时点云信息。
这里，所述初始点云信息可以是所述目标雷达能够采集到的全部点云点对应的点云信息。
具体的，在采集初始点云信息时可以按照所述目标雷达的采集能力进行采集，并将位于预设的所述点云检测区域内的点云信息作为所述实时点云信息，而剩余部分的其他点云信息可以用于后续的动态物体判断等其他用途，以实现相应的功能；其中，关于动态物体判断将在下文进行介绍，在此不再展开说明。
针对S102、
这里，所述历史点云信息可以是历史点云数据对应的点云信息，历史点云数据可以是由当前时刻之前的历史时刻采集的点云点构成的。
此外，若不存在历史点云信息，则可以使用当前时刻对应的实时点云信息确定所述点云检测区域中的动态物体，比如当前时刻为开始检测的初始时刻，此时不存在历史点云信息，则可以将当前时刻的实时点云信息中的速度信息作为确定动态物体的标准。
一种可能的实施方式中，在基于所述实时点云信息对应的历史点云信息所包含的速度信息，确定所述点云检测区域中的动态物体时，可以基于当前帧点云数据之前的至少一帧历史点云数据对应的点云信息所包含的速度信息，确定所述点云检测区域中的动态物体。
其中，所述历史点云数据可以包括当前帧点云数据之前预设时间段内的点云数据。
示例性的，以当前帧点云数据之前预设时间段为当前帧之前1分钟为例，则可以当前帧点云数据之前1分钟内采集到的点云数据作为所述历史点云数据。
进一步的，由于所述历史点云数据可能是多帧点云数据构成，每帧点云数据由大量的点云点构成，因此为了提高动态物体的确定效率，可以在所述历史点云数据包含多帧点云数据的情况下，按照预设的点云数据抽取方式抽取其中的部分点云数据，并使用其中的部分点云数据对应的速度信息，确定动态物体；其中，所述点云数据抽取方式可以是随机抽取、按照预设采样间隔进行抽取等，本公开实施例对点云数据的抽取方式不做限定。
针对S103、
实际应用中，由于动态物体速度的变化可能会导致帧间的距离检测误差，因此可以使用距离补偿算法对实时点云信息中所述动态物体对应的距离信息进行补偿处理，从而提高当前时刻动态物体对应的距离信息的精确度，从而便于后续确定车辆的可行驶区域。
其中，所述距离补偿算法可以用于根据当前时刻之前的历史时刻对应的历史点云信息，对当前时刻的实时点云信息中所述动态物体对应的距离信息进行补偿处理；所述距离补偿算法例如可以是卡尔曼滤波算法。
一种可能的实施方式中，在基于所述历史点云信息所包含的速度信息和预设的距离补偿算法，对所述实时点云信息中所述动态物体对应的距离信息进行补偿处理，得到补偿处理后的距离信息时，可以通过以下步骤B1~B2：
B1：构建与所述历史点云信息的速度信息对应的速度矩阵、与所述历史点云信息中的距离信息对应的第一距离矩阵、以及与所述实时点云信息中的距离信息对应的第二距离矩阵。
这里，距离补偿算法需要使用的点云信息可以通过矩阵的形式进行表示，以便于按照距离补偿算法进行计算。
一种可能的实施方式中，在构建与所述历史点云信息的速度信息对应的速度矩阵、与所述历史点云信息中的距离信息对应的第一距离矩阵时，可以通过以下步骤B11~B12：
B11：基于雷达的外参信息，对所述历史点云信息中的各个点云点进行坐标系转换处理，确定各个点云点在车辆坐标系下的第二坐标。
这里，点云信息中包括各个点云点在雷达坐标系下的第一坐标，建立的速度矩阵和距离矩阵的目标是需要判断动态物体距离车辆的准确距离，因此可以基于雷达的外参信息，对所述历史点云信息中的各个点云点进行坐标系转换处理，确定各个点云点在车辆坐标系下的第二坐标。
具体的，在进行坐标系转换时可以通过以下公式：
Figure SMS_1
其中，
Figure SMS_2
表示点云点在车辆坐标系的第二坐标；/>
Figure SMS_3
表示点云点在雷达坐标系下的第一坐标；E表示雷达的外参信息；k表示雷达帧数的数字索引；i为点云点的数字索引。
进一步的，在完成坐标系转换后，还可以根据第二坐标对点云点进行筛选，以进一步减少点云点的数量，从而提高后续数据处理时的处理速度。
B12：按照预设矩阵尺寸和车辆坐标系下的第二坐标与矩阵索引之间的映射关系，将车辆坐标系下的各个点云点的速度信息映射至所述预设矩阵尺寸的第一矩阵中，得到所述速度矩阵；以及，按照所述映射关系，将车辆坐标系下的各个点云点的距离信息映射至所述预设矩阵尺寸的第二矩阵中，得到所述距离矩阵。
这里，所述车辆坐标系下的第二坐标与矩阵索引之间的映射关系，可以包括行索引对应的映射关系和列索引对应的映射关系；其中，所述行索引对应的映射关系用于将点云点按照行坐标映射至矩阵中的某一行，所述列索引对应的映射关系用于将点云点按照列坐标映射至矩阵中的某一列。
下面以第一距离矩阵为例，对矩阵的构建过程进行介绍，在生成所述第一距离矩阵时可以根据以下公式：
Figure SMS_4
其中，
Figure SMS_5
表示第k帧点云信息对应的距离矩阵的行索引；/>
Figure SMS_6
表示第k帧点云信息对应的距离矩阵的列索引；z和x分别表示点云点的三维坐标中的z轴取值和x轴取值，z轴的正方向垂直于地面指向天空，x轴指向车体右侧；/>
Figure SMS_7
和/>
Figure SMS_8
在计算过程中均为向下取整。
通过上述公式即可建立矩阵索引和点云点之间的对应关系：
Figure SMS_9
进一步的，在实际应用过程中，多个点云点可能会被映射到同一个索引对应的位置处，也即同一个矩阵索引可能会对应有多个点云点，而不同点云点对应的距离信息可能不同，因此在计算同一矩阵索引对应的距离信息时，可以通过以下公式：
Figure SMS_10
其中，
Figure SMS_11
表示第i个点的距离值；/>
Figure SMS_12
表示/>
Figure SMS_13
的个数；/>
Figure SMS_14
表示对应有同一矩阵索引的点云点的集合，从而可以计算出矩阵中每个索引/>
Figure SMS_15
所对应的点云点的距离均值/>
Figure SMS_16
。
这样，通过将点云数据映射至对应的矩阵中，可以将对应有同一矩阵索引的多个点云点的点云信息整合至矩阵中的一个参数上，从而可以在后续计算过程中避免使用大量的点云信息进行计算，提高了进行距离补偿处理时的计算效率。
需要说明的是，构建速度矩阵和第二距离矩阵的原理与上述构建第一距离矩阵的原理相同，因此构建速度矩阵和第二距离矩阵的计算公式和过程可以参照上文中构建距离矩阵的相关描述，在此不再赘述。
B2：基于所述速度矩阵、所述第一距离矩阵以及预设的距离补偿算法，对所述第二距离矩阵进行补偿处理，得到包含补偿处理后的距离信息的目标距离矩阵。
一种可能的实施方式中，针对任一帧点云信息，可以根据以下步骤B21~B22对该帧点云信息对应的距离矩阵进行补偿处理：
B21：基于第N-1帧点云信息对应的速度矩阵、距离矩阵和卡尔曼滤波算法，确定出与第N帧点云信息中动态物体对应的距离补偿值，N为大于1的正整数。
B22：基于所述第N帧点云信息中动态物体对应的距离补偿值，对第N帧点云信息对应的距离矩阵中，与动态物体匹配的距离信息进行更新，得到包含补偿处理后的距离信息的距离矩阵。
这里，以距离补偿算法为卡尔曼滤波算法为例，对距离补偿的过程进行介绍，在使用卡尔曼滤波算法进行距离补偿处理时，可以通过以下公式：
Figure SMS_17
Figure SMS_18
其中，
Figure SMS_19
表示动态物体的状态向量；/>
Figure SMS_20
表示动态物体对应的距离值；/>
Figure SMS_21
表示动态物体对应的速度值；/>
Figure SMS_22
表示协方差矩阵，在本次使用卡尔曼滤波算法进行距离补偿处理时，所述协方差矩阵用于根据速度值和距离值计算卡尔曼滤波增益。
进一步的，可以根据卡尔曼滤波算法构建历史时刻的状态向量与当前时刻的状态向量的第一转换关系，以及历史时刻的协方差矩阵与当前时刻协方差矩阵之间的第二转换关系，所述第一转换关系和所述第二转换关系的公式如下：
Figure SMS_23
Figure SMS_24
其中，
Figure SMS_25
表示预设的时间间隔，该预设的时间间隔小于两帧点云数据之间的采集间隔，比如点云数据的采集间隔为1s，则/>
Figure SMS_29
可以为0.1s；/>
Figure SMS_32
表示预测的历史时刻的状态向量；/>
Figure SMS_26
表示预测的（也即未经补偿处理的）当前时刻的状态向量；/>
Figure SMS_28
表示历史时刻的协方差矩阵；/>
Figure SMS_31
表示预测的历史时刻的协方差矩阵；a为加速度，若当前帧点云数据为采集的第一帧点云数据，则a的取值为1，否则根据加速度计算公式/>
Figure SMS_34
进行计算，/>
Figure SMS_27
表示当前时刻动态物体的速度，/>
Figure SMS_30
表示当前时刻上一时刻动态物体的速度，所述当前时刻与所述上一时刻之前的时间间隔即为/>
Figure SMS_33
。
进一步的，在根据卡尔曼滤波算法完成对状态向量的构建之后，还可以根据卡尔曼滤波算法构建观测方程，所述观测方程用于和状态向量一起计算卡尔曼滤波增益，以在本次使用中完成对距离信息的补偿，可以通过插值的方式得到所述观测方程：
Figure SMS_35
其中，
Figure SMS_36
表示预测的当前时刻对应的观测方程（也即第k帧点云数据对应的观测方程）；若当前帧点云数据为采集的第一帧点云数据（也即不存在对应的历史点云数据），则
Figure SMS_37
；/>
Figure SMS_38
表示计算过程中使用的自定义参数，在计算该自定义参数时可以使用以下公式：/>
Figure SMS_39
，T为两帧之间的时间差，/>
Figure SMS_40
表示第k-1帧中动态物体对应的距离值，/>
Figure SMS_41
表示第k-2帧中动态物体对应的距离值；
进一步的，在构建上述观测方程之后，可以根据卡尔曼滤波算法构建卡尔曼滤波增益的表达式：
Figure SMS_42
其中，
Figure SMS_43
为计算过程中使用的自定义矩阵，/>
Figure SMS_44
；/>
Figure SMS_45
为/>
Figure SMS_46
的转置矩阵。
进一步的，在得到卡尔曼滤波增益的表达式后，可以根据历史时刻对应的状态向量和卡尔曼滤波增益，确定出使用卡尔曼滤波增益后的当前时刻对应的状态向量；以及，可以根据历史时刻对应的协方差矩阵和卡尔曼滤波增益，确定出使用卡尔曼滤波增益后的当前时刻对应的协方差矩阵，更新后的状态向量和协方差矩阵的表达式可以为：
Figure SMS_47
其中，
Figure SMS_48
表示经过补偿后实际使用的当前帧（即第k帧）的状态向量。
具体的，通过使用卡尔曼滤波增益进行状态向量的更新，即可确定出包含当前帧点云数据对应的距离补偿值的状态向量，从而可以根据补偿后的状态向量
Figure SMS_49
中的距离补偿值/>
Figure SMS_50
对当前时刻的距离信息进行更新，从而得到包含补偿处理后的距离信息的距离矩阵；而与状态向量同步更新的协方差矩阵可以用于计算后续状态向量对应的卡尔曼滤波增益，在此不再展开说明。
这样，通过使用距离矩阵和速度矩阵相结合的方式计算点云点实时距离的数值，并使用卡尔曼滤波算法减少由于动态物体速度变化导致的距离误差，从而可以得到更为准确的距离值，便于更为准确的确定出车辆对应的可行驶区域。
针对S104、
承接上述步骤，在得到包含所述补偿处理后的距离信息的目标距离矩阵之后，可以在目标距离矩阵上，根据各物体与目标车辆之间的距离信息和预设的距离阈值，确定所述目标车辆对应的可行驶区域。
一种可能的实施方式中，在基于所述补偿处理后的距离信息，确定所述目标车辆对应的可行驶区域时，可以基于所述补偿处理后的距离信息、预设的距离阈值、所述高度信息、所述目标车辆对应的尺寸信息，确定所述目标车辆对应的可行驶区域。
这里，若使用的目标雷达为4D毫米波雷达，则可以获取到所述目标车辆周围区域中各物体对应的高度信息，从而可以从高度维度对所述目标车辆的可行驶区域进行进一步的筛选。
一种可能的实施方式中，在基于所述补偿处理后的距离信息、预设的距离阈值、所述高度信息、所述目标车辆对应的尺寸信息，确定所述目标车辆对应的可行驶区域时，可以通过以下步骤C1~C2：
C1：基于补偿处理后的距离信息和预设的距离阈值，确定与距离信息关联的第一可行驶区域；以及，基于所述高度信息和所述目标车辆对应的尺寸信息，确定与高度信息关联的第二可行驶区域。
C2：基于所述第一可行驶区域和所述第二可行驶区域，确定所述目标车辆对应的目标可行驶区域。
这里，所述第一可行驶区域表示通过距离判断的可以行驶的区域，所述第二可行驶区域表示通过高度判断的可以行驶的区域，则第一可行驶区域和所述第二可行驶区域的重叠区域即为高度和距离均满足行驶要求的目标可行驶区域。
示例性的，所述目标可行驶区域可以通过矩阵的方式进行表示，矩阵中的“0”可以用于表示当前区域为可行驶区域，“1”可以用于表示当前区域为不同行驶区域。
下面，将结合具体实施例对本公开提供的可行驶区域的确定方法进行介绍，可以包括以下步骤：
步骤1、获取目标车辆在行驶过程中采集的实时点云信息。
其中，所述实时点云信息中包含速度信息和距离信息。
步骤2、根据所述速度信息构建速度矩阵，以及根据距离信息构建距离矩阵。
步骤3、根据速度矩阵中的速度信息确定动态物体。
步骤4、根据由历史点云信息构建的速度矩阵和卡尔曼滤波算法，对当前时刻对应的距离矩阵中动态物体对应的距离信息进行更新，得到更新后的距离矩阵。
步骤5、根据更新后的距离矩阵确定可行驶区域。
具体的，关于上述步骤的具体内容可以参照上文相关描述，在此不再赘述。
本公开实施例提供的可行驶区域的确定方法，可以在行驶过程中根据采集的速度信息确定出需要进行距离补偿的动态物体，并针对目标车辆的点云检测区域中的动态物体，使用历史点云信息中的速度信息和预设的距离补偿算法，对动态物体当前时刻对应的距离信息进行补偿，从而可以减少由于动态物体速度变化导致的距离误差，得到更为准确的距离值，便于更为准确的在动态场景下确定出车辆对应的可行驶区域。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
参见图2所示，为本公开实施例提供的车辆控制方法的流程图，所述方法包括S201~S203，其中：
S201：获取车辆采集的待处理点云信息。
S202：按照本公开任一实施例所述的可行驶区域的确定方法对所述待处理点云信息进行处理，确定车辆对应的可行驶区域。
S203：基于所述车辆对应的可行驶区域对所述车辆进行控制。
此外，本公开实施例提供了一种车辆，所述车辆用于执行本公开任一实施例所述的可行驶区域的确定方法，确定车辆对应的可行驶区域，并给予所述可行驶区域控制所述车辆进行行驶。
基于同一发明构思，本公开实施例中还提供了与可行驶区域的确定方法对应的可行驶区域的确定装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述可行驶区域的确定方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
参照图3所示，为本公开实施例提供的一种可行驶区域的确定装置的架构示意图，所述装置包括：获取模块301、第一确定模块302、补偿模块303以及第二确定模块304；其中，
获取模块301，用于获取目标车辆在行驶过程中采集的实时点云信息；其中，所述实时点云信息包括用于表征所述目标车辆的点云检测区域中各物体移动速度的速度信息，以及用于表征所述点云检测区域中各物体与所述目标车辆之间距离的距离信息；
第一确定模块302，用于基于所述实时点云信息对应的历史点云信息所包含的速度信息，确定所述点云检测区域中的动态物体；
补偿模块303，用于基于所述历史点云信息所包含的速度信息和预设的距离补偿算法，对所述实时点云信息中所述动态物体对应的距离信息进行补偿处理，得到补偿处理后的距离信息；
第二确定模块304，用于基于所述补偿处理后的距离信息，确定所述目标车辆对应的可行驶区域。
一种可能的实施方式中，所述获取模块301，在获取目标车辆在行驶过程中采集的实时点云信息时，用于：
获取所述目标车辆在行驶过程中实时采集的初始点云信息；
将位于预设的所述点云检测区域内的点云信息作为所述实时点云信息。
一种可能的实施方式中，所述第一确定模块302，在基于所述实时点云信息对应的历史点云信息所包含的速度信息，确定所述点云检测区域中的动态物体时，用于：
基于当前帧点云数据之前的至少一帧历史点云数据对应的点云信息所包含的速度信息，确定所述点云检测区域中的动态物体；其中，所述历史点云数据包括当前帧点云数据之前预设时间段内的点云数据。
一种可能的实施方式中，所述补偿模块303，在基于所述历史点云信息所包含的速度信息和预设的距离补偿算法，对所述实时点云信息中所述动态物体对应的距离信息进行补偿处理，得到补偿处理后的距离信息时，用于：
构建与所述历史点云信息的速度信息对应的速度矩阵、与所述历史点云信息中的距离信息对应的第一距离矩阵、以及与所述实时点云信息中的距离信息对应的第二距离矩阵；
基于所述速度矩阵、所述第一距离矩阵以及预设的距离补偿算法，对所述第二距离矩阵进行补偿处理，得到包含补偿处理后的距离信息的目标距离矩阵。
一种可能的实施方式中，点云信息还包括各个点云点在雷达坐标系下的第一坐标；
所述补偿模块303，在构建与所述历史点云信息的速度信息对应的速度矩阵、与所述历史点云信息中的距离信息对应的第一距离矩阵时，用于：
基于雷达的外参信息，对所述历史点云信息中的各个点云点进行坐标系转换处理，确定各个点云点在车辆坐标系下的第二坐标；
按照预设矩阵尺寸和车辆坐标系下的第二坐标与矩阵索引之间的映射关系，将车辆坐标系下的各个点云点的速度信息映射至所述预设矩阵尺寸的第一矩阵中，得到所述速度矩阵；以及，按照所述映射关系，将车辆坐标系下的各个点云点的距离信息映射至所述预设矩阵尺寸的第二矩阵中，得到所述第一距离矩阵。
一种可能的实施方式中，所述距离补偿算法包括卡尔曼滤波算法；
针对任一帧点云信息，所述补偿模块303还用于根据以下步骤对该帧点云信息对应的距离矩阵进行补偿处理：
基于第N-1帧点云信息对应的速度矩阵、距离矩阵和卡尔曼滤波算法，确定出与第N帧点云信息中动态物体对应的距离补偿值，N为大于1的正整数；
基于所述第N帧点云信息中动态物体对应的距离补偿值，对第N帧点云信息对应的距离矩阵中，与动态物体匹配的距离信息进行更新，得到包含补偿处理后的距离信息的距离矩阵。
一种可能的实施方式中，所述实时点云信息还包括高度信息；
所述第二确定模块304，在基于所述补偿处理后的距离信息，确定所述目标车辆对应的可行驶区域时，用于：
基于所述补偿处理后的距离信息、预设的距离阈值、所述高度信息、所述目标车辆对应的尺寸信息，确定所述目标车辆对应的可行驶区域。
基于同一技术构思，本公开实施例还提供了一种计算机设备。参照图4所示，为本公开实施例提供的计算机设备400的结构示意图，包括处理器401、存储器402、和总线403。其中，存储器402用于存储执行指令，包括内存4021和外部存储器4022；这里的内存4021也称内存储器，用于暂时存放处理器401中的运算数据，以及与硬盘等外部存储器4022交换的数据，处理器401通过内存4021与外部存储器4022进行数据交换，当计算机设备400运行时，处理器401与存储器402之间通过总线403通信，使得处理器401在执行以下指令：
获取目标车辆在行驶过程中采集的实时点云信息；其中，所述实时点云信息包括用于表征所述目标车辆的点云检测区域中各物体移动速度的速度信息，以及用于表征所述点云检测区域中各物体与所述目标车辆之间距离的距离信息；
基于所述实时点云信息对应的历史点云信息所包含的速度信息，确定所述点云检测区域中的动态物体；
基于所述历史点云信息所包含的速度信息和预设的距离补偿算法，对所述实时点云信息中所述动态物体对应的距离信息进行补偿处理，得到补偿处理后的距离信息；
基于所述补偿处理后的距离信息，确定所述目标车辆对应的可行驶区域。
一种可能的实施方式中，所述处理器401中，所述获取目标车辆在行驶过程中采集的实时点云信息，包括：
获取所述目标车辆在行驶过程中实时采集的初始点云信息；
将位于预设的所述点云检测区域内的点云信息作为所述实时点云信息。
一种可能的实施方式中，所述处理器401中，所述基于所述实时点云信息对应的历史点云信息所包含的速度信息，确定所述点云检测区域中的动态物体，包括：
基于当前帧点云数据之前的至少一帧历史点云数据对应的点云信息所包含的速度信息，确定所述点云检测区域中的动态物体；其中，所述历史点云数据包括当前帧点云数据之前预设时间段内的点云数据。
一种可能的实施方式中，所述处理器401中，所述基于所述历史点云信息所包含的速度信息和预设的距离补偿算法，对所述实时点云信息中所述动态物体对应的距离信息进行补偿处理，得到补偿处理后的距离信息，包括：
构建与所述历史点云信息的速度信息对应的速度矩阵、与所述历史点云信息中的距离信息对应的第一距离矩阵、以及与所述实时点云信息中的距离信息对应的第二距离矩阵；
基于所述速度矩阵、所述第一距离矩阵以及预设的距离补偿算法，对所述第二距离矩阵进行补偿处理，得到包含补偿处理后的距离信息的目标距离矩阵。
一种可能的实施方式中，所述处理器401中，点云信息还包括各个点云点在雷达坐标系下的第一坐标；
所述构建与所述历史点云信息的速度信息对应的速度矩阵、与所述历史点云信息中的距离信息对应的第一距离矩阵，包括：
基于雷达的外参信息，对所述历史点云信息中的各个点云点进行坐标系转换处理，确定各个点云点在车辆坐标系下的第二坐标；
按照预设矩阵尺寸和车辆坐标系下的第二坐标与矩阵索引之间的映射关系，将车辆坐标系下的各个点云点的速度信息映射至所述预设矩阵尺寸的第一矩阵中，得到所述速度矩阵；以及，按照所述映射关系，将车辆坐标系下的各个点云点的距离信息映射至所述预设矩阵尺寸的第二矩阵中，得到所述第一距离矩阵。
一种可能的实施方式中，所述处理器401中，所述距离补偿算法包括卡尔曼滤波算法；
针对任一帧点云信息，所述方法还包括根据以下方法对该帧点云信息对应的距离矩阵进行补偿处理：
基于第N-1帧点云信息对应的速度矩阵、距离矩阵和卡尔曼滤波算法，确定出与第N帧点云信息中动态物体对应的距离补偿值，N为大于1的正整数；
基于所述第N帧点云信息中动态物体对应的距离补偿值，对第N帧点云信息对应的距离矩阵中，与动态物体匹配的距离信息进行更新，得到包含补偿处理后的距离信息的距离矩阵。
一种可能的实施方式中，所述处理器401中，所述实时点云信息还包括高度信息；
所述基于所述补偿处理后的距离信息，确定所述目标车辆对应的可行驶区域，包括：
基于所述补偿处理后的距离信息、预设的距离阈值、所述高度信息、所述目标车辆对应的尺寸信息，确定所述目标车辆对应的可行驶区域；
或者，使得处理器401在执行以下指令：
获取车辆采集的待处理点云信息；
按照本公开任一实施例所述的可行驶区域的确定方法对所述待处理点云信息进行处理，确定车辆对应的可行驶区域；
基于所述车辆对应的可行驶区域对所述车辆进行控制。
本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的可行驶区域的确定方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例还提供一种计算机程序产品，该计算机程序产品承载有程序代码，所述程序代码包括的指令可用于执行上述方法实施例中所述的可行驶区域的确定方法的步骤，具体可参见上述方法实施例，在此不再赘述。
其中，上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包（Software Development Kit，SDK）等等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本公开所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，又例如，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信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，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，在本公开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。
所述功能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，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（Read-OnlyMemory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本公开的具体实施方式，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利要求的保护范围为准。

Claims (12)

1.一种可行驶区域的确定方法，其特征在于，包括：
获取目标车辆在行驶过程中采集的实时点云信息；其中，所述实时点云信息包括用于表征所述目标车辆的点云检测区域中各物体移动速度的速度信息，以及用于表征所述点云检测区域中各物体与所述目标车辆之间距离的距离信息；
基于所述实时点云信息对应的历史点云信息所包含的速度信息，确定所述点云检测区域中的动态物体；
基于所述历史点云信息所包含的速度信息和预设的距离补偿算法，对所述实时点云信息中所述动态物体对应的距离信息进行补偿处理，得到补偿处理后的距离信息；
基于所述补偿处理后的距离信息，确定所述目标车辆对应的可行驶区域。
2.根据权利要求1所述的方法，其特征在于，所述获取目标车辆在行驶过程中采集的实时点云信息，包括：
获取所述目标车辆在行驶过程中实时采集的初始点云信息；
将位于预设的所述点云检测区域内的点云信息作为所述实时点云信息。
3.根据权利要求1所述的方法，其特征在于，所述基于所述实时点云信息对应的历史点云信息所包含的速度信息，确定所述点云检测区域中的动态物体，包括：
基于当前帧点云数据之前的至少一帧历史点云数据对应的点云信息所包含的速度信息，确定所述点云检测区域中的动态物体；其中，所述历史点云数据包括当前帧点云数据之前预设时间段内的点云数据。
4.根据权利要求1所述的方法，其特征在于，所述基于所述历史点云信息所包含的速度信息和预设的距离补偿算法，对所述实时点云信息中所述动态物体对应的距离信息进行补偿处理，得到补偿处理后的距离信息，包括：
构建与所述历史点云信息的速度信息对应的速度矩阵、与所述历史点云信息中的距离信息对应的第一距离矩阵、以及与所述实时点云信息中的距离信息对应的第二距离矩阵；
基于所述速度矩阵、所述第一距离矩阵以及预设的距离补偿算法，对所述第二距离矩阵进行补偿处理，得到包含补偿处理后的距离信息的目标距离矩阵。
5.根据权利要求4所述的方法，其特征在于，点云信息还包括各个点云点在雷达坐标系下的第一坐标；
所述构建与所述历史点云信息的速度信息对应的速度矩阵、与所述历史点云信息中的距离信息对应的第一距离矩阵，包括：
基于雷达的外参信息，对所述历史点云信息中的各个点云点进行坐标系转换处理，确定各个点云点在车辆坐标系下的第二坐标；
按照预设矩阵尺寸和车辆坐标系下的第二坐标与矩阵索引之间的映射关系，将车辆坐标系下的各个点云点的速度信息映射至所述预设矩阵尺寸的第一矩阵中，得到所述速度矩阵；以及，按照所述映射关系，将车辆坐标系下的各个点云点的距离信息映射至所述预设矩阵尺寸的第二矩阵中，得到所述第一距离矩阵。
6.根据权利要求4所述的方法，其特征在于，所述距离补偿算法包括卡尔曼滤波算法；
针对任一帧点云信息，所述方法还包括根据以下方法对该帧点云信息对应的距离矩阵进行补偿处理：
基于第N-1帧点云信息对应的速度矩阵、距离矩阵和卡尔曼滤波算法，确定出与第N帧点云信息中动态物体对应的距离补偿值，N为大于1的正整数；
基于所述第N帧点云信息中动态物体对应的距离补偿值，对第N帧点云信息对应的距离矩阵中，与动态物体匹配的距离信息进行更新，得到包含补偿处理后的距离信息的距离矩阵。
7.根据权利要求1所述的方法，其特征在于，所述实时点云信息还包括高度信息；
所述基于所述补偿处理后的距离信息，确定所述目标车辆对应的可行驶区域，包括：
基于所述补偿处理后的距离信息、预设的距离阈值、所述高度信息、所述目标车辆对应的尺寸信息，确定所述目标车辆对应的可行驶区域。
8.一种车辆控制方法，其特征在于，包括：
获取车辆采集的待处理点云信息；
按照权利要求1~7任一所述的可行驶区域的确定方法对所述待处理点云信息进行处理，确定车辆对应的可行驶区域；
基于所述车辆对应的可行驶区域对所述车辆进行控制。
9.一种车辆，其特征在于，所述车辆按照权利要求1~7任一所述的可行驶区域的确定方法确定车辆对应的可行驶区域。
10.一种可行驶区域的确定装置，其特征在于，包括：
获取模块，用于获取目标车辆在行驶过程中采集的实时点云信息；其中，所述实时点云信息包括用于表征所述目标车辆的点云检测区域中各物体移动速度的速度信息，以及用于表征所述点云检测区域中各物体与所述目标车辆之间距离的距离信息；
第一确定模块，用于基于所述实时点云信息对应的历史点云信息所包含的速度信息，确定所述点云检测区域中的动态物体；
补偿模块，用于基于所述历史点云信息所包含的速度信息和预设的距离补偿算法，对所述实时点云信息中所述动态物体对应的距离信息进行补偿处理，得到补偿处理后的距离信息；
第二确定模块，用于基于所述补偿处理后的距离信息，确定所述目标车辆对应的可行驶区域。
11.一种计算机设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至7任一所述的可行驶区域的确定方法的步骤；或者，执行如权利要求8所述的车辆控制方法的步骤。
12.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至7任一所述的可行驶区域的确定方法的步骤；或者，执行如权利要求8所述的车辆控制方法的步骤。
CN202310546561.0A 2023-05-15 2023-05-15 可行驶区域的确定方法、装置、计算机设备及存储介质 Active CN116299300B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310546561.0A CN116299300B (zh) 2023-05-15 2023-05-15 可行驶区域的确定方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310546561.0A CN116299300B (zh) 2023-05-15 2023-05-15 可行驶区域的确定方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN116299300A true CN116299300A (zh) 2023-06-23
CN116299300B CN116299300B (zh) 2023-08-08

Family

ID=86781852

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310546561.0A Active CN116299300B (zh) 2023-05-15 2023-05-15 可行驶区域的确定方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN116299300B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112098990A (zh) * 2020-11-19 2020-12-18 长沙莫之比智能科技有限公司 车载高分辨毫米波雷达对于中高速车辆的检测与跟踪方法
WO2021082745A1 (zh) * 2019-10-31 2021-05-06 浙江商汤科技开发有限公司 信息补全方法、车道线识别方法、智能行驶方法及相关产品
WO2021134441A1 (zh) * 2019-12-31 2021-07-08 深圳元戎启行科技有限公司 基于自动驾驶的车辆速度控制方法、装置和计算机设备
CN113514806A (zh) * 2021-04-02 2021-10-19 苏州挚途科技有限公司 自动驾驶过程中障碍物确定方法、装置及电子设备
CN114415171A (zh) * 2021-12-21 2022-04-29 南京市德赛西威汽车电子有限公司 一种基于4d毫米波雷达的汽车可行驶区域检测方法
DE102021101336A1 (de) * 2021-01-22 2022-07-28 Audi Aktiengesellschaft Verfahren zur Auswertung von Sensordaten eines Abstandssensors, Ermittlungseinrichtung, Computerprogramm und elektronisch lesbarer Datenträger
CN115220041A (zh) * 2022-06-21 2022-10-21 华中科技大学 一种带有多普勒补偿的毫米波雷达尺度定位方法和系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021082745A1 (zh) * 2019-10-31 2021-05-06 浙江商汤科技开发有限公司 信息补全方法、车道线识别方法、智能行驶方法及相关产品
WO2021134441A1 (zh) * 2019-12-31 2021-07-08 深圳元戎启行科技有限公司 基于自动驾驶的车辆速度控制方法、装置和计算机设备
CN112098990A (zh) * 2020-11-19 2020-12-18 长沙莫之比智能科技有限公司 车载高分辨毫米波雷达对于中高速车辆的检测与跟踪方法
DE102021101336A1 (de) * 2021-01-22 2022-07-28 Audi Aktiengesellschaft Verfahren zur Auswertung von Sensordaten eines Abstandssensors, Ermittlungseinrichtung, Computerprogramm und elektronisch lesbarer Datenträger
CN113514806A (zh) * 2021-04-02 2021-10-19 苏州挚途科技有限公司 自动驾驶过程中障碍物确定方法、装置及电子设备
CN114415171A (zh) * 2021-12-21 2022-04-29 南京市德赛西威汽车电子有限公司 一种基于4d毫米波雷达的汽车可行驶区域检测方法
CN115220041A (zh) * 2022-06-21 2022-10-21 华中科技大学 一种带有多普勒补偿的毫米波雷达尺度定位方法和系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ANDRI RIID ET AL.: ""Identification of Drivable Road Area from Orthophotos Using a Convolutional Neural Network"", 《2020 17TH BIENNIAL BALTIC ELECTRONICS CONFERENCE (BEC)》, pages 1 - 5 *
王成旭: ""车载毫米波雷达的目标跟踪算法研究"", 《中国硕士学位论文全文数据库工程科技Ⅱ辑》, no. 2, pages 1 - 79 *
程健等: ""城市复杂环境下基于三维激光雷达实时车辆检测"", 《浙江大学学报（工学版）》, vol. 48, no. 12, pages 2101 - 2106 *

Also Published As

Publication number Publication date
CN116299300B (zh) 2023-08-08

Similar Documents

Publication Publication Date Title
US11709058B2 (en) Path planning method and device and mobile device
CN109506642B (zh) 一种机器人多相机视觉惯性实时定位方法及装置
EP3875907B1 (en) Method, apparatus, computing device and computer-readable storage medium for positioning
CN108280866B (zh) 道路点云数据处理方法及系统
CN107636679A (zh) 一种障碍物检测方法及装置
CN110887493B (zh) 基于局部地图匹配的轨迹推算方法、介质、终端和装置
EP3852065A1 (en) Data processing method and apparatus
CN113466890B (zh) 基于关键特征提取的轻量化激光雷达惯性组合定位方法和系统
CN112166458B (zh) 目标检测与跟踪方法、系统、设备及存储介质
CN114485698B (zh) 一种交叉路口引导线生成方法及系统
CN108776991A (zh) 三维建模方法、装置、存储介质和计算机设备
CN115236644A (zh) 一种激光雷达外参标定方法、装置、设备和存储介质
CN115145289A (zh) 多智能体协同围捕方法、系统、设备及存储介质
WO2024197815A1 (zh) 一种工程机械的建图、方法、设备、及可读存储介质
CN112154394A (zh) 地形检测方法、可移动平台、控制设备、系统及存储介质
CN112362054A (zh) 一种标定方法、装置、电子设备及存储介质
CN116091574A (zh) 一种基于平面约束与位置约束的3d目标检测方法及系统
CN115683100A (zh) 机器人的定位方法、装置、机器人以及存储介质
CN112946612B (zh) 外参标定方法、装置、电子设备及存储介质
CN114241057A (zh) 相机和激光雷达的外参标定方法、系统及可读存储介质
CN117739954A (zh) 地图局部更新方法、装置及电子设备
CN116299300B (zh) 可行驶区域的确定方法、装置、计算机设备及存储介质
CN111712855A (zh) 地面信息处理方法、装置和无人驾驶车辆
CN115560744A (zh) 机器人以及基于多传感器的三维建图方法、存储介质
CN113034538B (zh) 一种视觉惯导设备的位姿跟踪方法、装置及视觉惯导设备

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
GR01 Patent grant
GR01 Patent grant