CN116363870A - 基于雷达的目标融合方法、装置、终端及存储介质 - Google Patents

基于雷达的目标融合方法、装置、终端及存储介质 Download PDF

Info

Publication number
CN116363870A
CN116363870A CN202310072131.XA CN202310072131A CN116363870A CN 116363870 A CN116363870 A CN 116363870A CN 202310072131 A CN202310072131 A CN 202310072131A CN 116363870 A CN116363870 A CN 116363870A
Authority
CN
China
Prior art keywords
radar
intersection
target
specified target
specified
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
CN202310072131.XA
Other languages
English (en)
Inventor
黄小浦
杨若璋
袁亚运
姚磊
贾晓润
秦屹
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.)
Whst Co Ltd
Original Assignee
Whst 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 Whst Co Ltd filed Critical Whst Co Ltd
Priority to CN202310072131.XA priority Critical patent/CN116363870A/zh
Publication of CN116363870A publication Critical patent/CN116363870A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/62—Sense-of-movement determination
    • 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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic control
    • 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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic control
    • G01S13/92—Radar or analogous systems specially adapted for specific applications for traffic control for velocity measurement
    • 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
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
    • 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)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供了一种基于雷达的目标融合方法、装置、终端及存储介质，该方法包括：获取目标路口对应的至少一个路口雷达对指定目标监测得到的雷达数据；所述雷达数据包括位置坐标和速度；基于所述指定目标在前一周期融合后的位置坐标或速度确定所述指定目标在所述目标路口处的行驶方向；根据所述指定目标在所述目标路口处的行驶方向从各个路口雷达监测得到的所述指定目标在当前周期的雷达数据中选取一个雷达数据作为所述指定目标在当前周期融合后的雷达数据。通过上述方法，本申请能够避免路口处多雷达目标融合时目标分裂的问题，从而提高目标融合效果。

Description

基于雷达的目标融合方法、装置、终端及存储介质
技术领域
本发明涉及雷达技术领域，尤其涉及一种基于雷达的目标融合方法、装置、终端及存储介质。
背景技术
全息路口融合路口雷达及电警/卡口摄像机等多种感知设备，对路口车辆、人流信息进行实时感知监测，为管控人员提供“路口上帝视角”。
目前，全息路口主要采用雷达技术监测，但目前市面上全息路口雷达融合效果较差，监测误差范围仍旧较大。尤其是针对路口转弯目标，融合误差范围更大，频繁出现目标分裂现象，直接导致毫米波雷达融合效果大打折扣。
发明内容
有鉴于此，本发明提供了一种基于雷达的目标融合方法、装置、终端及存储介质，能够解决现有技术中交叉路口的目标融合效果差的问题。
第一方面，本发明实施例提供了一种基于雷达的目标融合方法，包括：
获取目标路口对应的至少一个路口雷达对指定目标监测得到的雷达数据；所述雷达数据包括位置坐标和速度；
基于所述指定目标在前一周期融合后的位置坐标或速度确定所述指定目标在所述目标路口处的行驶方向；
根据所述指定目标在所述目标路口处的行驶方向从各个路口雷达监测得到的所述指定目标在当前周期的雷达数据中选取一个雷达数据作为所述指定目标在当前周期融合后的雷达数据。
第二方面，本发明实施例提供了一种基于雷达的目标融合装置，包括：
雷达数据获取模块，用于获取目标路口对应的至少一个路口雷达对指定目标监测得到的雷达数据；所述雷达数据包括位置坐标和速度；
行驶方向确定模块，用于基于所述指定目标在前一周期融合后的位置坐标或速度确定所述指定目标在所述目标路口处的行驶方向；
数据融合模块，用于根据所述指定目标在所述目标路口处的行驶方向从各个路口雷达监测得到的所述指定目标在当前周期的雷达数据中选取一个雷达数据作为所述指定目标在当前周期融合后的雷达数据。
第三方面，本发明实施例提供了一种终端，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如上第一方面任一种可能的实现方式所述方法的步骤。
第四方面，本发明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如上第一方面任一种可能的实现方式所述方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：
本发明实施例首先获取目标路口对应的至少一个路口雷达对指定目标监测得到的雷达数据；所述雷达数据包括位置坐标和速度；然后基于所述指定目标在前一周期融合后的位置坐标或速度确定所述指定目标在所述目标路口处的行驶方向；最后根据所述指定目标在所述目标路口处的行驶方向从各个路口雷达监测得到的所述指定目标在当前周期的雷达数据中选取一个雷达数据作为所述指定目标在当前周期融合后的雷达数据。通过上述方法，本实施例能够避免路口处多雷达目标融合时目标分裂的问题，从而提高目标融合效果。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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是本发明实施例提供的基于雷达的目标融合方法的应用场景图；
图2是本发明实施例提供的基于雷达的目标融合方法的实现流程图；
图3是本发明实施例提供的基于雷达的目标融合方法的另一应用场景图；
图4是本发明实施例提供的基于雷达的目标融合方法的又一应用场景图；
图5是本发明实施例提供的基于雷达的目标融合装置的结构示意图；
图6是本发明实施例提供的终端的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
图1为本发明实施例提供的基于雷达的目标融合方法的应用场景图。以图1中十字路口为例，图1中黑色原点(R1～R4)表示路口雷达，该路口包括四个路口雷达。
参见图2，其示出了本发明实施例提供的基于雷达的目标融合方法的实现流程图，详述如下：
S101：获取目标路口对应的至少一个路口雷达对指定目标监测得到的雷达数据；所述雷达数据包括位置坐标和速度。
本实施例的执行主体可以为终端或服务器，以下以终端为例对本实施例提供的方法进行解释说明。
在一个可能的实施方式中，所述位置坐标为路口坐标系下的位置坐标；在S101之前，本实施例提供的方法还包括：
以所述目标路口的多个路口雷达中第一度量值最大的路口雷达和所述第一度量值最小的路口雷达的连线作为纵轴，以所述连线的中垂线作为横轴建立所述路口坐标系，所述第一度量值为经度和纬度中的任一个。
具体的，如图1所示，以纬度作为第一度量值，连接纬度最高的雷达R1及纬度最低的雷达R3，得到坐标系的纵轴，以R1和R3之间的线段的中垂线作为横轴建立路口坐标系xoy。
在建立路口坐标系后，将每个路口雷达探测得到的目标的雷达数据由雷达坐标系转换至路口坐标系。
在一个可能的实施方式中，在S101之前，本实施例提供的方法还包括：
根据所述目标路口的所有路口雷达的位置，创建所有路口雷达的最小外接矩形框；
将所述最小外接矩形框向内缩小第一长度，将缩小后的最小外接矩形框内的区域作为所述目标路口的融合区域。
具体的，由于指定目标只有在靠近路口时才会被路口的多个路口雷达探测到，当指定目标与目标路口的距离较远时，通常只会被该指定目标所在道路对向道路的路口雷达探测到。因此，本实施例可以设置融合区域，当指定目标位于融合区域内时，对指定目标的雷达数据进行融合，当指定目标未位于融合区域内时，则直接采用指定目标的对向雷达监测得到的雷达数据作为融合后的雷达数据，从而减小计算量，提高目标融合效率。
具体的，路口雷达的位置具体为位置坐标，终端获取目标路口的所有路口雷达在路口坐标系下的位置坐标，然后创建该目标路口所有路口雷达的最小外接矩形框，如图1所示，图1中W为目标路口的路口雷达R1、R2、R3、R4的最小外接矩形框，将最小外接矩形框向内缩小第一长度，得到如图1中阴影区域所示的融合区域。其中，第一长度可以取5米至15米中的任一值，优选的，第一长度可以为10米。
S102：基于所述指定目标在前一周期融合后的位置坐标或速度确定所述指定目标在所述目标路口处的行驶方向。
在一个可能的实施方式中，所述速度包括横向速度和纵向速度；基于所述指定目标在前一周期融合后的速度确定所述指定目标在所述目标路口处的行驶方向的具体实现流程包括：
若所述指定目标位于所述融合区域内，则根据所述指定目标在前一周期融合后的横向速度和纵向速度确定所述指定目标在所述目标路口处的行驶方向；
若所述指定目标未位于所述融合区域内，则确定所述指定目标在所述目标路口处的行驶方向为直行。
具体的，在融合区域内，当指定目标纵向行驶时，其横向速度若大于一定值，则说明指定目标转向，可以根据横向速度的符号，确定行驶方向为左转还是右转，否则指定目标的行驶方向为直行或掉头；当车辆横向行驶时，其纵向速度若大于一定值，则说明指定目标转向，可以根据纵向速度的符号，确定行驶方向为左转还是右转，否则指定目标的行驶方向为直行或掉头。
在一个可能的实施方式中，所述位置坐标包括x坐标和y坐标；基于所述指定目标在前一周期融合后的位置坐标确定所述指定目标在所述目标路口处的行驶方向的具体实现流程包括：
将所述指定目标处于第一道路的有效区段内的位置坐标作为参考位置坐标；根据所述参考位置坐标及所述第一道路的斜率，计算所述指定目标的直行线性模型；所述第一道路为所述指定目标所在的道路；所述直行线性模型用于表示所述指定目标在直线行驶时x坐标和y坐标之间的关系；
根据所述直行线性模型预测所述指定目标在前一周期的x坐标下对应的y坐标；
根据所述指定目标在前一周期的x坐标下的y坐标的预测值和真实值，确定所述指定目标的行驶方向。
在本实施例中，为了提高行驶方向的计算准确性，避免遇到斜穿路口时目标行驶方向计算准确性差的问题，本实施例可以实时创建指定目标的直行线性模型，通过直行线性模型预测指定目标在目标路口直行时各个x坐标下的y坐标，从而基于预测的y坐标和实际的y坐标的偏差值，确定指定目标的行驶方向。
具体的，第一道路的斜率可以由以下步骤确定：
基于至少一个目标在所述第一道路的有效区段内的位置坐标，计算所述第一道路的斜率。
在一个可能的实施方式中，在基于至少一个目标在所述第一道路的有效区段内的位置坐标，计算所述第一道路的斜率之前，所述方法还包括：
获取所述第一道路的路口雷达与所述路口坐标系的原点之间的距离；
将所述第一道路中距离所述路口坐标系的原点(d，d+m)的区段作为所述第一道路的有效区段；其中，d表示所述第一道路的路口雷达与所述路口坐标系的原点之间的距离，m表示第一固定值。
在本实施例中，如图3所示，以道路A作为第一道路，确定第一道路A上的路口雷达R3与路口坐标系的原点之间在第一道路方向上的距离d，并以第一道路上距离原点d的边界线作为有效区段的一条边界线，以距离原点d+m的边界线作为有效区段的另一边界线，确定第一道路的有效区段10，该有效区段10既靠近目标路口，又要保证该有效区段为直行线段，因此该有效区段的长度不宜过长。
其中，d的取值可以基于实际场景中路口中心与路口雷达之间的距离确定，例如，d可以为50米，m可以取50米至100米范围内的任一值。
在本实施例中，终端可以取目标经过有效区段时的至少两个位置坐标拟合一元一次公式，得到第一道路的斜率，然后将多个目标对应的第一道路的斜率求平均，得到第一道路的斜率。
在一个可能的实施方式中，所述基于至少一个目标在所述第一道路的有效区段内的位置坐标，计算所述第一道路的斜率包括：
步骤1：初始化迭代次数；
步骤2：获取当前的目标在所述有效区段内的至少两个位置坐标；
步骤3：基于当前的目标在所述有效区段内的至少两个位置坐标，计算当前迭代次数下的单条航迹斜率；
步骤4：将当前迭代次数及当前迭代次数下的单条航迹斜率输入斜率计算公式，计算当前迭代次数对应的所述第一道路的斜率，并将当前迭代次数累加1，返回步骤2继续执行，直至当前迭代次数达到最大迭代次数；
所述斜率计算公式为：
Figure BDA0004065197930000071
其中，k_xi表示第i次迭代的所述第一道路的斜率，k_x'i表示第i次迭代的单条航迹斜率，k_xi-1表示第i-1次迭代的所述第一道路的斜率，w表示权重系数，且0<w<1。
具体的，若当前迭代次数小于最大迭代次数，则每次计算目标的行驶方向时均采用上述步骤更新第一道路的斜率，基于更新后的第一道路的斜率计算指定目标的直行线性模型，从而提高直行线性模型的计算准确性；若当前迭代次数达到最大迭代次数，则第一道路的斜率的准确性已较高，后续再确定指定目标的行驶方向时，则直接采用最大迭代次数对应的第一道路的斜率计算指定目标的直行线性模型，以减小算法计算量。
在本实施例中，上述步骤2至步骤3的具体实现流程可以包括：
获取当前的目标进入所述有效区段内的首个位置坐标和驶出所述有效区段时的首个位置坐标；基于当前的目标进入所述有效区段内的首个位置坐标和驶出所述有效区段时的首个位置坐标，计算当前迭代次数下的单条航迹斜率，以提高单条航迹斜率的准确性。
采用上述方法计算第一道路的斜率能够提高第一道路斜率的准确性。
在本实施例中，取指定目标在第一道路上距离路口坐标系的原点第一距离的位置坐标作为参考位置坐标，根据参考位置坐标和第一道路的斜率，计算融合目标的直行线性模型。其中，第一距离可以为0～d。优选地，第一距离可以为d，即取指定目标出有效区段时的位置坐标作为参考位置坐标。
在一个可能的实施方式中，所述参考位置坐标包括参考x坐标和参考y坐标；
所述直行线性模型为：y_predict＝k_x*x_real_time+y'-k_x*x'；
其中，y'表示所述参考y坐标，x'表示所述参考x坐标；k_x表示所述第一道路的斜率，x_real_time表示所述指定目标在前一周期的x坐标，y_predict表示所述指定目标在前一周期的x坐标下的y坐标的预测值。
在一个可能的实施方式中，雷达数据还包括多普勒值；根据所述指定目标在前一周期的x坐标下的y坐标的预测值和真实值，确定所述指定目标的行驶方向的具体实现流程包括：
计算所述指定目标在前一周期的x坐标下的y坐标的预测值与真实值的差值绝对值；
若所述差值绝对值小于等于第一预设值，则判定所述指定目标的行驶方向为直行；
若所述差值绝对值大于所述第一预设值，且所述指定目标在前一周期的x坐标下的位置坐标的实际值在预测值的右侧，则判定所述指定目标的行驶方向为右转；
若所述差值绝对值大于所述第一预设值，且所述指定目标在前一周期的x坐标下的位置坐标的实际值在预测值的左侧，则判定所述指定目标的行驶方向为左转；
若所述指定目标在前一周期的x坐标下的多普勒值和在参考位置坐标下的多普勒值的差值小于第二预设值，且所述指定目标在前一周期的x坐标下的多普勒值和在参考位置坐标下的多普勒值的符号相反，则判定所述指定目标的行驶方向为掉头。
S103：根据所述指定目标在所述目标路口处的行驶方向从各个路口雷达监测得到的所述指定目标在当前周期的雷达数据中选取一个雷达数据作为所述指定目标在当前周期融合后的雷达数据。
在本实施例中，当设置融合区域时，上述S103的具体实现流程包括：
根据所述指定目标在前一周期融合后的位置坐标判断所述指定目标是否位于所述融合区域内；
若所述指定目标位于所述融合区域内，则根据所述指定目标在所述目标路口处的行驶方向从各个路口雷达监测得到的所述指定目标在当前周期的雷达数据中选取一个雷达数据作为所述指定目标在当前周期融合后的雷达数据；
若所述指定目标未位于所述融合区域内，则选择所述指定目标的对向路口雷达监测得到的所述指定目标在当前周期的雷达数据作为所述指定目标在当前周期融合后的雷达数据。
在一个可能的实施方式中，S103的具体实现流程进一步包括：
将位于所述指定目标的前方的路口雷达作为前方路口雷达，位于所述指定目标的后方的路口雷达作为后方路口雷达，位于所述指定目标的左方的路口雷达作为左方路口雷达，位于所述指定目标的右方的路口雷达作为右方路口雷达；
若所述指定目标在所述目标路口处的行驶方向为直行，则将监测到所述指定目标在当前周期的雷达数据的路口雷达作为备选路口雷达，从所述备选路口雷达中按照第一选择顺序选取最靠前的路口雷达监测到的所述指定目标在当前周期的雷达数据作为所述指定目标在当前周期融合后的雷达数据；所述第一选择顺序为前方路口雷达、后方路口雷达、左方路口雷达、右方路口雷达；
若所述指定目标在所述目标路口处的行驶方向为左转，则将监测到所述指定目标在当前周期的雷达数据的路口雷达作为备选路口雷达，从所述备选路口雷达中按照第二选择顺序选取最靠前的路口雷达监测到的所述指定目标在当前周期的雷达数据作为所述指定目标在当前周期融合后的雷达数据；所述第二选择顺序为右方路口雷达、左方路口雷达、前方路口雷达、后方路口雷达；
若所述指定目标在所述目标路口处的行驶方向为右转，则将监测到所述指定目标在当前周期的雷达数据的路口雷达作为备选路口雷达，从所述备选路口雷达中按照第三选择顺序选取最靠前的路口雷达监测到的所述指定目标在当前周期的雷达数据作为所述指定目标在当前周期融合后的雷达数据；所述第三选择顺序为左方路口雷达、右方路口雷达、前方路口雷达、后方路口雷达；
若所述指定目标在所述目标路口处的行驶方向为掉头，则将监测到所述指定目标在当前周期的雷达数据的路口雷达作为备选路口雷达，从所述备选路口雷达中按照第四选择顺序选取最靠前的路口雷达监测到的所述指定目标在当前周期的雷达数据作为所述指定目标在当前周期融合后的雷达数据；所述第四选择顺序为前方路口雷达、后方路口雷达、右方路口雷达、左方路口雷达。
具体的，当车辆为指定目标时，车头方向为指定目标的前方，车尾方向为指定目标的后方，以此基准确定指定目标的前方、后方、左方和右方，并基于指定目标的位置坐标和各个路口雷达的位置坐标，确定各个路口雷达相对于指定目标的方向。如图4所示，指定目标为Card1，则其前方路口雷达为R1、后方路口雷达为R3，左方路口雷达为R4，右方路口雷达为R3。
具体的，雷达对于行驶方向为雷达径向的目标的探测精度比其他方向的目标的探测精度高，本实施例基于上述特性，按照对指定目标探测精度由高到低的顺序对路口雷达进行排序，优选选择对指定目标探测精度最高的路口雷达监测的雷达数据作为指定目标融合后的雷达数据。例如，若所述指定目标在所述目标路口处的行驶方向为直行，则该指定目标径向上的路口雷达为前方路口雷达和后方路口雷达，此时，若指定目标的前方路口雷达能够监测到指定目标，则选择前方路口监测的雷达数据作为指定目标融合后的雷达数据，若指定目标的前方路口雷达无法监测到指定目标，则选择后方路口雷达监测的雷达数据作为指定目标融合后的雷达数据，依此类推，直至得到一个路口雷达监测的雷达数据作为指定目标融合后的雷达数据，从而不仅能够提高融合目标的数据准确性，还能够避免目标分裂的情况，提高目标融合效果。
在本实施例中，采用上述方法获取到指定目标在当前周期融合后的雷达数据后，采用融合后的雷达数据对指定目标的位置、速度和加速度等进行更新。
从上述实施例可知，本实施例通过在融合区域内选择对指定目标监测准确度高的路口雷达采集的雷达数据作为指定目标的雷达数据，能够在保证雷达探测准确性的前提下避免目标分裂的情况，提高目标融合效果。
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，而不应对本发明实施例的实施过程构成任何限定。
以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。
图5示出了本发明实施例提供的基于雷达的目标融合装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
如图5所示，基于雷达的目标融合装置100包括：
雷达数据获取模块110，用于获取目标路口对应的至少一个路口雷达对指定目标监测得到的雷达数据；所述雷达数据包括位置坐标和速度；
行驶方向确定模块120，用于基于所述指定目标在前一周期融合后的位置坐标或速度确定所述指定目标在所述目标路口处的行驶方向；
数据融合模块130，用于根据所述指定目标在所述目标路口处的行驶方向从各个路口雷达监测得到的所述指定目标在当前周期的雷达数据中选取一个雷达数据作为所述指定目标在当前周期融合后的雷达数据。
在一个可能的实施方式中，基于雷达的目标融合装置100还包括：融合区域确定模块，用于：
根据所述目标路口的所有路口雷达的位置，创建所有路口雷达的最小外接矩形框；
将所述最小外接矩形框向内缩小第一长度，将缩小后的最小外接矩形框内的区域作为所述目标路口的融合区域；
相应地，数据融合模块130包括：
根据所述指定目标在前一周期融合后的位置坐标判断所述指定目标是否位于所述融合区域内；
若所述指定目标位于所述融合区域内，则根据所述指定目标在所述目标路口处的行驶方向从各个路口雷达监测得到的所述指定目标在当前周期的雷达数据中选取一个雷达数据作为所述指定目标在当前周期融合后的雷达数据。
在一个可能的实施方式中，所述速度包括横向速度和纵向速度；行驶方向确定模块120包括：
若所述指定目标位于所述融合区域内，则根据所述指定目标在前一周期融合后的横向速度和纵向速度确定所述指定目标在所述目标路口处的行驶方向；
若所述指定目标未位于所述融合区域内，则确定所述指定目标在所述目标路口处的行驶方向为直行。
在一个可能的实施方式中，所述位置坐标包括x坐标和y坐标；行驶方向确定模块120包括：
将所述指定目标处于第一道路的有效区段内的位置坐标作为参考位置坐标；根据所述参考位置坐标及所述第一道路的斜率，计算所述指定目标的直行线性模型；所述第一道路为所述指定目标所在的道路；所述直行线性模型用于表示所述指定目标在直线行驶时x坐标和y坐标之间的关系；
根据所述直行线性模型预测所述指定目标在前一周期的x坐标下对应的y坐标；
根据所述指定目标在前一周期的x坐标下的y坐标的预测值和真实值，确定所述指定目标的行驶方向。
在一个可能的实施方式中，数据融合模块130包括：
将位于所述指定目标的前方的路口雷达作为前方路口雷达，位于所述指定目标的后方的路口雷达作为后方路口雷达，位于所述指定目标的左方的路口雷达作为左方路口雷达，位于所述指定目标的右方的路口雷达作为右方路口雷达；
若所述指定目标在所述目标路口处的行驶方向为直行，则将监测到所述指定目标在当前周期的雷达数据的路口雷达作为备选路口雷达，从所述备选路口雷达中按照第一选择顺序选取最靠前的路口雷达监测到的所述指定目标在当前周期的雷达数据作为所述指定目标在当前周期融合后的雷达数据；所述第一选择顺序为前方路口雷达、后方路口雷达、左方路口雷达、右方路口雷达；
若所述指定目标在所述目标路口处的行驶方向为左转，则将监测到所述指定目标在当前周期的雷达数据的路口雷达作为备选路口雷达，从所述备选路口雷达中按照第二选择顺序选取最靠前的路口雷达监测到的所述指定目标在当前周期的雷达数据作为所述指定目标在当前周期融合后的雷达数据；所述第二选择顺序为右方路口雷达、左方路口雷达、前方路口雷达、后方路口雷达；
若所述指定目标在所述目标路口处的行驶方向为右转，则将监测到所述指定目标在当前周期的雷达数据的路口雷达作为备选路口雷达，从所述备选路口雷达中按照第三选择顺序选取最靠前的路口雷达监测到的所述指定目标在当前周期的雷达数据作为所述指定目标在当前周期融合后的雷达数据；所述第三选择顺序为左方路口雷达、右方路口雷达、前方路口雷达、后方路口雷达；
若所述指定目标在所述目标路口处的行驶方向为掉头，则将监测到所述指定目标在当前周期的雷达数据的路口雷达作为备选路口雷达，从所述备选路口雷达中按照第四选择顺序选取最靠前的路口雷达监测到的所述指定目标在当前周期的雷达数据作为所述指定目标在当前周期融合后的雷达数据；所述第四选择顺序为前方路口雷达、后方路口雷达、右方路口雷达、左方路口雷达。
在一个可能的实施方式中，所述位置坐标为路口坐标系下的位置坐标；基于雷达的目标融合装置100还包括：
路口坐标系建立模块，用于以所述目标路口的多个路口雷达中第一度量值最大的路口雷达和所述第一度量值最小的路口雷达的连线作为纵轴，以所述连线的中垂线作为横轴建立所述路口坐标系，所述第一度量值为经度和纬度中的任一个。
在一个可能的实施方式中，基于雷达的目标融合装置100还包括：
第二融合模块，用于若所述指定目标未位于所述融合区域内，则选择所述指定目标的对向路口雷达监测得到的所述指定目标在当前周期的雷达数据作为所述指定目标在当前周期融合后的雷达数据。
本实施例提供的基于雷达的目标融合装置，可用于执行上述基于雷达的目标融合方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
图6是本发明一实施例提供的终端的示意图。如图6所示，该实施例的终端6包括：处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62。所述处理器60执行所述计算机程序62时实现上述各个基于雷达的目标融合方法实施例中的步骤，例如图2所示的步骤101至步骤103。或者，所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能，例如图5所示模块110至130的功能。
示例性的，所述计算机程序62可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器61中，并由所述处理器60执行，以完成本发明。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指令段，该指令段用于描述所述计算机程序62在所述终端6中的执行过程。
所述终端6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端6可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图6仅仅是终端6的示例，并不构成对终端6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，例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器60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)、现场可编程门阵列(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。
所述存储器61可以是所述终端6的内部存储单元，例如终端6的硬盘或内存。所述存储器61也可以是所述终端6的外部存储设备，例如所述终端6上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器61还可以既包括所述终端6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
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。
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发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端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，在本发明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。
所述集成的模块/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，本发明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，该计算机程序在被处理器执行时，可实现上述各个基于雷达的目标融合方法实施例的步骤。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 Access Memory)、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发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于雷达的目标融合方法，其特征在于，包括：
获取目标路口对应的至少一个路口雷达对指定目标监测得到的雷达数据；所述雷达数据包括位置坐标和速度；
基于所述指定目标在前一周期融合后的位置坐标或速度确定所述指定目标在所述目标路口处的行驶方向；
根据所述指定目标在所述目标路口处的行驶方向从各个路口雷达监测得到的所述指定目标在当前周期的雷达数据中选取一个雷达数据作为所述指定目标在当前周期融合后的雷达数据。
2.根据权利要求1所述的基于雷达的目标融合方法，其特征在于，在所述获取目标路口对应的至少一个路口雷达对指定目标监测得到的雷达数据之前，所述方法还包括：
根据所述目标路口的所有路口雷达的位置，创建所有路口雷达的最小外接矩形框；
将所述最小外接矩形框向内缩小第一长度，将缩小后的最小外接矩形框内的区域作为所述目标路口的融合区域；
相应地，所述根据所述指定目标在所述目标路口处的行驶方向从各个路口雷达监测得到的所述指定目标在当前周期的雷达数据中选取一个雷达数据作为所述指定目标在当前周期融合后的雷达数据，包括：
根据所述指定目标在前一周期融合后的位置坐标判断所述指定目标是否位于所述融合区域内；
若所述指定目标位于所述融合区域内，则根据所述指定目标在所述目标路口处的行驶方向从各个路口雷达监测得到的所述指定目标在当前周期的雷达数据中选取一个雷达数据作为所述指定目标在当前周期融合后的雷达数据。
3.根据权利要求1所述的基于雷达的目标融合方法，其特征在于，所述速度包括横向速度和纵向速度；
所述基于所述指定目标在前一周期融合后的位置坐标或速度确定所述指定目标在所述目标路口处的行驶方向，包括：
若所述指定目标位于所述融合区域内，则根据所述指定目标在前一周期融合后的横向速度和纵向速度确定所述指定目标在所述目标路口处的行驶方向；
若所述指定目标未位于所述融合区域内，则确定所述指定目标在所述目标路口处的行驶方向为直行。
4.根据权利要求1所述的基于雷达的目标融合方法，其特征在于，所述位置坐标包括x坐标和y坐标；
所述基于所述指定目标在前一周期融合后的位置坐标或速度确定所述指定目标在所述目标路口处的行驶方向，包括：
将所述指定目标处于第一道路的有效区段内的位置坐标作为参考位置坐标；根据所述参考位置坐标及所述第一道路的斜率，计算所述指定目标的直行线性模型；所述第一道路为所述指定目标所在的道路；所述直行线性模型用于表示所述指定目标在直线行驶时x坐标和y坐标之间的关系；
根据所述直行线性模型预测所述指定目标在前一周期的x坐标下对应的y坐标；
根据所述指定目标在前一周期的x坐标下的y坐标的预测值和真实值，确定所述指定目标的行驶方向。
5.根据权利要求1所述的基于雷达的目标融合方法，其特征在于，所述根据所述指定目标在所述目标路口处的行驶方向从各个路口雷达监测得到的所述指定目标在当前周期的雷达数据中选取一个雷达数据作为所述指定目标在当前周期融合后的雷达数据，包括：
将位于所述指定目标的前方的路口雷达作为前方路口雷达，位于所述指定目标的后方的路口雷达作为后方路口雷达，位于所述指定目标的左方的路口雷达作为左方路口雷达，位于所述指定目标的右方的路口雷达作为右方路口雷达；
若所述指定目标在所述目标路口处的行驶方向为直行，则将监测到所述指定目标在当前周期的雷达数据的路口雷达作为备选路口雷达，从所述备选路口雷达中按照第一选择顺序选取最靠前的路口雷达监测到的所述指定目标在当前周期的雷达数据作为所述指定目标在当前周期融合后的雷达数据；所述第一选择顺序为前方路口雷达、后方路口雷达、左方路口雷达、右方路口雷达；
若所述指定目标在所述目标路口处的行驶方向为左转，则将监测到所述指定目标在当前周期的雷达数据的路口雷达作为备选路口雷达，从所述备选路口雷达中按照第二选择顺序选取最靠前的路口雷达监测到的所述指定目标在当前周期的雷达数据作为所述指定目标在当前周期融合后的雷达数据；所述第二选择顺序为右方路口雷达、左方路口雷达、前方路口雷达、后方路口雷达；
若所述指定目标在所述目标路口处的行驶方向为右转，则将监测到所述指定目标在当前周期的雷达数据的路口雷达作为备选路口雷达，从所述备选路口雷达中按照第三选择顺序选取最靠前的路口雷达监测到的所述指定目标在当前周期的雷达数据作为所述指定目标在当前周期融合后的雷达数据；所述第三选择顺序为左方路口雷达、右方路口雷达、前方路口雷达、后方路口雷达；
若所述指定目标在所述目标路口处的行驶方向为掉头，则将监测到所述指定目标在当前周期的雷达数据的路口雷达作为备选路口雷达，从所述备选路口雷达中按照第四选择顺序选取最靠前的路口雷达监测到的所述指定目标在当前周期的雷达数据作为所述指定目标在当前周期融合后的雷达数据；所述第四选择顺序为前方路口雷达、后方路口雷达、右方路口雷达、左方路口雷达。
6.根据权利要求1至5任一项所述的基于雷达的目标融合方法，其特征在于，所述位置坐标为路口坐标系下的位置坐标；在所述获取所述目标路口对应的各个路口雷达对指定目标监测得到的雷达数据之前，所述方法还包括：
以所述目标路口的多个路口雷达中第一度量值最大的路口雷达和所述第一度量值最小的路口雷达的连线作为纵轴，以所述连线的中垂线作为横轴建立所述路口坐标系，所述第一度量值为经度和纬度中的任一个。
7.根据权利要求2所述的基于雷达的目标融合方法，其特征在于，所述方法还包括：
若所述指定目标未位于所述融合区域内，则选择所述指定目标的对向路口雷达监测得到的所述指定目标在当前周期的雷达数据作为所述指定目标在当前周期融合后的雷达数据。
8.一种基于雷达的目标融合装置，其特征在于，包括：
融合区域确定模块，用于根据目标路口对应的至少一个路口雷达的位置确定所述目标路口的融合区域；
雷达数据获取模块，用于获取目标路口对应的至少一个路口雷达对指定目标监测得到的雷达数据；所述雷达数据包括位置坐标和速度；
行驶方向确定模块，用于基于所述指定目标在前一周期融合后的位置坐标或速度确定所述指定目标在所述目标路口处的行驶方向；
数据融合模块，用于根据所述指定目标在所述目标路口处的行驶方向从各个路口雷达监测得到的所述指定目标在当前周期的雷达数据中选取一个雷达数据作为所述指定目标在当前周期融合后的雷达数据。
9.一种终端，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，执行如权利要求1至7中任一项所述的方法。
10.一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上的权利要求1至7中任一项所述方法的步骤。
CN202310072131.XA 2023-01-31 2023-01-31 基于雷达的目标融合方法、装置、终端及存储介质 Pending CN116363870A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310072131.XA CN116363870A (zh) 2023-01-31 2023-01-31 基于雷达的目标融合方法、装置、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310072131.XA CN116363870A (zh) 2023-01-31 2023-01-31 基于雷达的目标融合方法、装置、终端及存储介质

Publications (1)

Publication Number Publication Date
CN116363870A true CN116363870A (zh) 2023-06-30

Family

ID=86910483

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310072131.XA Pending CN116363870A (zh) 2023-01-31 2023-01-31 基于雷达的目标融合方法、装置、终端及存储介质

Country Status (1)

Country Link
CN (1) CN116363870A (zh)

Similar Documents

Publication Publication Date Title
US20200265710A1 (en) Travelling track prediction method and device for vehicle
CN109760675B (zh) 预测车辆轨迹的方法、装置、存储介质和终端设备
CN110632617B (zh) 一种激光雷达点云数据处理的方法及装置
CN110654381B (zh) 用于控制车辆的方法和装置
WO2021042856A1 (zh) 一种车道中心线确定方法及装置
CN112639849A (zh) 路径选择方法和路径选择装置
CN108859952B (zh) 车辆变道预警方法、装置和雷达
CN113109783B (zh) 航向角获取方法、装置、设备和存储介质
CN113139607A (zh) 障碍物检测方法和装置
CN110654380B (zh) 用于控制车辆的方法和装置
WO2023197408A1 (zh) 车速控制模型训练样本的确定方法及装置
CN113682318A (zh) 车辆行驶控制方法及装置
CN111968405A (zh) 确定自动驾驶车辆的行驶车道的方法及装置
CN108693517B (zh) 车辆定位方法、装置和雷达
EP4206610A1 (en) Map matching method and apparatus, and electronic device and storage medium
CN112902911B (zh) 基于单目相机的测距方法、装置、设备及存储介质
CN116363870A (zh) 基于雷达的目标融合方法、装置、终端及存储介质
CN116572837A (zh) 一种信息显示控制方法及装置、电子设备、存储介质
CN112558035A (zh) 用于估计地面的方法和装置
CN116010543A (zh) 车道信息确定方法、装置、电子设备以及存储介质
CN116259033A (zh) 车辆信息丢失的目标跟踪方法、系统、介质及设备
CN115526053A (zh) 一种道路建模方法、装置以及设备
CN114954532A (zh) 一种车道线确定方法、装置、设备和存储介质
CN115123291A (zh) 一种基于障碍物识别的行为预测方法及装置
CN116008981A (zh) 路口处的目标行驶方向确定方法、装置、终端及存储介质

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