CN116381698A - 道路遗撒物的检测方法、装置及电子设备 - Google Patents
道路遗撒物的检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116381698A CN116381698A CN202310652083.1A CN202310652083A CN116381698A CN 116381698 A CN116381698 A CN 116381698A CN 202310652083 A CN202310652083 A CN 202310652083A CN 116381698 A CN116381698 A CN 116381698A
- Authority
- CN
- China
- Prior art keywords
- road
- preset
- obstacle detection
- detection result
- point cloud
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 265
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000012795 verification Methods 0.000 claims abstract description 26
- 230000006399 behavior Effects 0.000 claims description 47
- 230000003068 static effect Effects 0.000 claims description 21
- 238000001914 filtration Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/04—Systems determining the presence 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请公开了一种道路遗撒物的检测方法、装置及电子设备，该方法包括：获取路侧激光雷达在当前路段采集的激光点云数据；利用预设障碍物检测策略对激光点云数据进行检测，得到第一障碍物检测结果，预设障碍物检测策略用于检测道路中各种障碍物；利用目标检测模型对激光点云数据进行检测，得到第二障碍物检测结果，预设目标检测模型用于检测道路中已知类别的障碍物；根据前述障碍物检测结果确定候选道路遗撒物并利用预设验证策略验证，得到最终道路遗撒物。本申请通过预设障碍物检测策略和目标检测模型的相互补充，覆盖了大多数道路场景遗撒物检测的需求，解决了单纯依赖障碍物检测模型无法识别遗撒物的问题，为后续车辆提前避让提供了可靠依据。
Description
技术领域
本申请涉及障碍物检测技术领域，尤其涉及一种道路遗撒物的检测方法、装置及电子设备。
背景技术
道路中经常会出现一些遗撒物如车辆上掉落的物体、道路两侧的树木折断的树枝以及落石等，如果是高度较高、体积较大的物体，通常通过人眼或者自动驾驶车辆的感知设备即可容易识别，但是相对低矮的遗撒物在短时间内车辆容易躲避不及，甚至为了躲避而发生车祸。
道路遗撒物可以看作是道路障碍物的一种形式，目前的障碍物检测方法主要是基于深度学习训练特定的障碍物检测模型，利用训练好的障碍物检测模型进行障碍物检测。
然而，上述障碍物检测模型仅仅是针对数据集中标注的特定的障碍物类别进行识别，实际标注数据集时，很难覆盖到所有可能出现在道路中的障碍物类别，尤其是对于突然或者临时出现在道路中的遗撒物，现有的障碍物检测模型往往无法直接进行识别。
发明内容
本申请实施例提供了一种道路遗撒物的检测方法、装置及电子设备，以对道路中可能出现的各种遗撒物进行检测。
本申请实施例采用下述技术方案：
第一方面，本申请实施例提供一种道路遗撒物的检测方法，其中，所述方法包括：
获取路侧激光雷达在当前路段采集的激光点云数据；
利用预设障碍物检测策略对所述激光点云数据进行障碍物检测，得到第一障碍物检测结果，所述预设障碍物检测策略用于检测道路中的已知类别的道路障碍物和未知类别的道路障碍物；
利用预设目标检测模型对所述激光点云数据进行障碍物检测，得到第二障碍物检测结果，所述预设目标检测模型用于检测道路中的已知类别的道路障碍物；
根据所述第一障碍物检测结果和所述第二障碍物检测结果确定候选道路遗撒物；
利用预设验证策略对所述候选道路遗撒物进行验证，得到当前路段的最终道路遗撒物。
可选地，所述获取路侧激光雷达在当前路段采集的激光点云数据包括：
获取路侧激光雷达在预设采集条件下在当前路段采集的激光点云数据；
根据路侧激光雷达与高精地图的变换关系，将高精地图中的道路区域投影至所述激光点云数据中，得到道路区域的激光点云数据。
可选地，所述利用预设障碍物检测策略对所述激光点云数据进行障碍物检测，得到第一障碍物检测结果包括：
利用预设平面拟合算法对所述激光点云数据进行道路平面拟合，得到道路平面拟合方程；
将所述激光点云数据中的点与所述道路平面拟合方程进行距离计算，得到所述激光点云数据中的点到道路平面的距离；
根据所述激光点云数据中的点到道路平面的距离和预设距离阈值对所述激光点云数据中的点进行过滤，得到非道路平面对应的激光点云数据；
利用预设点云聚类算法对所述非道路平面对应的激光点云数据进行聚类，得到所述第一障碍物检测结果。
可选地，所述第一障碍物检测结果包括已知类别的道路障碍物和未知类别的道路障碍物，所述第二障碍物检测结果包括已知类别的道路障碍物，所述根据所述第一障碍物检测结果和所述第二障碍物检测结果确定候选道路遗撒物包括：
将所述第一障碍物检测结果与所述第二障碍物检测结果进行比较；
根据比对结果确定所述第一障碍物检测结果中的未知类别的道路障碍物，作为所述候选道路遗撒物。
可选地，所述利用预设验证策略对所述候选道路遗撒物进行验证，得到当前路段的最终道路遗撒物包括：
确定所述候选道路遗撒物在预设帧数内的静止状态，并根据所述候选道路遗撒物在预设帧数内的静止状态确定所述最终道路遗撒物；和/或，
对所述候选道路遗撒物对应的周围车辆进行车辆避让行为的检测，并根据车辆避让行为的检测结果确定所述最终道路遗撒物。
可选地，所述确定所述候选道路遗撒物在预设帧数内的静止状态包括：
在预设帧数内对所述候选道路遗撒物进行跟踪检测，得到预设帧数的候选道路遗撒物的检测结果；
利用预设匹配策略对预设帧数的候选道路遗撒物的检测结果进行匹配，所述预设匹配策略包括预设匹配维度，所述预设匹配维度包括候选道路遗撒物的大小和位置；
根据匹配结果确定所述候选道路遗撒物在预设帧数内的静止状态。
可选地，所述第二障碍物检测结果包括当前路段的车辆检测结果，所述对所述候选道路遗撒物对应的周围车辆进行车辆避让行为的检测包括：
根据所述车辆检测结果对当前路段的车辆进行跟踪，得到当前路段的车辆跟踪检测结果，所述车辆跟踪检测结果包括跟踪车辆的位置和航向角；
根据所述跟踪车辆的位置和候选道路遗撒物的位置确定所述跟踪车辆是否即将到达所述候选道路遗撒物的位置；
在所述跟踪车辆即将到达所述候选道路遗撒物的位置的情况下，将所述跟踪车辆作为所述候选道路遗撒物对应的周围车辆并确定所述周围车辆的航向角与所述周围车辆所在车道的航向角的偏差；
在所述周围车辆的航向角与所述周围车辆所在车道的航向角的偏差大于预设偏差阈值的情况下，确定所述周围车辆在所述候选道路遗撒物的位置存在避让行为；
否则，确定所述周围车辆在所述候选道路遗撒物的位置不存在避让行为。
可选地，所述根据车辆避让行为的检测结果确定所述最终道路遗撒物包括：
根据车辆避让行为的检测结果确定在所述候选道路遗撒物的位置存在避让行为的周围车辆数量；
根据在所述候选道路遗撒物的位置存在避让行为的周围车辆数量和预设数量阈值，确定所述最终道路遗撒物。
第二方面，本申请实施例还提供一种道路遗撒物的检测装置，其中，所述装置包括：
获取单元，用于获取路侧激光雷达在当前路段采集的激光点云数据；
第一障碍物检测单元，用于利用预设障碍物检测策略对所述激光点云数据进行障碍物检测，得到第一障碍物检测结果，所述预设障碍物检测策略用于检测道路中的已知类别的道路障碍物和未知类别的道路障碍物；
第二障碍物检测单元，用于利用预设目标检测模型对所述激光点云数据进行障碍物检测，得到第二障碍物检测结果，所述预设目标检测模型用于检测道路中的已知类别的道路障碍物；
确定单元，用于根据所述第一障碍物检测结果和所述第二障碍物检测结果确定候选道路遗撒物；
验证单元，用于利用预设验证策略对所述候选道路遗撒物进行验证，得到当前路段的最终道路遗撒物。
第三方面，本申请实施例还提供一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行前述之任一所述方法。
第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行前述之任一所述方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：本申请实施例的道路遗撒物的检测方法，先获取路侧激光雷达在当前路段采集的激光点云数据；然后利用预设障碍物检测策略对激光点云数据进行障碍物检测，得到第一障碍物检测结果，预设障碍物检测策略用于检测道路中的已知类别的道路障碍物和未知类别的道路障碍物；之后利用预设目标检测模型对激光点云数据进行障碍物检测，得到第二障碍物检测结果，预设目标检测模型用于检测道路中的已知类别的道路障碍物；再根据第一障碍物检测结果和第二障碍物检测结果确定候选道路遗撒物；最后利用预设验证策略对候选道路遗撒物进行验证，得到当前路段的最终道路遗撒物。本申请实施例的道路遗撒物的检测方法能够基于激光点云数据对道路中可能出现的各种遗撒物进行检测，解决了现有的障碍物检测模型无法针对突然或者临时出现的道路遗撒物进行识别的问题，且能够保证检测结果的准确性，为后续即将行驶到该位置的车辆的提前避让提供了可靠的依据。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例中一种道路遗撒物的检测方法的流程示意图；
图2为本申请实施例中一种道路遗撒物的检测流程示意图；
图3为本申请实施例中一种道路遗撒物的检测装置的结构示意图；
图4为本申请实施例中一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
以下结合附图，详细说明本申请各实施例提供的技术方案。
本申请实施例提供了一种道路遗撒物的检测方法，如图1所示，提供了本申请实施例中一种道路遗撒物的检测方法的流程示意图，所述方法至少包括如下的步骤S110至步骤S150：
步骤S110，获取路侧激光雷达在当前路段采集的激光点云数据。
本申请实施例的道路遗撒物的检测方法可以由路侧设备来执行，在对道路中的遗撒物进行检测时，需要先获取路侧激光雷达在当前路段也即其感知范围内的道路采集的激光点云数据。
步骤S120，利用预设障碍物检测策略对所述激光点云数据进行障碍物检测，得到第一障碍物检测结果，所述预设障碍物检测策略用于检测道路中的已知类别的道路障碍物和未知类别的道路障碍物。
利用本申请实施例定义的预设障碍物检测策略对激光点云数据中的障碍物进行检测，这里的预设障碍物检测策略是指对当前路段中的各种障碍物进行检测的策略，包括车辆、行人、车辆上掉落的物体、道路两侧的树木折断的树枝以及落石等等，相对于事先训练好的障碍物检测模型而言，预设障碍物检测策略检测得到的障碍物可以分为已知类别和未知类别的道路障碍物，对于能够被障碍物检测模型识别的障碍物类别即为已知类别的障碍物如车辆、行人等，对于不能够被障碍物检测模型识别的障碍物类别即为未知类别的障碍物如车辆上突然掉落的未知物体以及道路两侧的树木折断的树枝等。
步骤S130，利用预设目标检测模型对所述激光点云数据进行障碍物检测，得到第二障碍物检测结果，所述预设目标检测模型用于检测道路中的已知类别的道路障碍物。
如前所述，本申请实施例定义的预设障碍物检测策略能够对道路中可能存在的各种障碍物进行检测，而事先基于深度学习训练好的障碍物检测模型则能够准确检测出已标注类别的障碍物，这些已标注类别的障碍物通常是道路中形态固定且经常出现的障碍物如车辆、行人、路障标识等，往往并非是道路遗撒物，因此可以将预设目标检测模型得到的障碍物检测结果作为后续过滤非道路遗撒物的基础。
需要说明的是，上述步骤S120和步骤S130没有严格的先后顺序之分，可以并行执行。
步骤S140，根据所述第一障碍物检测结果和所述第二障碍物检测结果确定候选道路遗撒物。
将前述步骤S120检测到的障碍物与前述步骤S130检测得到的障碍物进行比较，可以初步确定出哪些障碍物是无法被事先基于深度学习训练好的障碍物检测模型所检测出的障碍物，这些障碍物就有可能是道路中突然或者临时出现的遗撒物，因此可以作为候选道路遗撒物。
步骤S150，利用预设验证策略对所述候选道路遗撒物进行验证，得到当前路段的最终道路遗撒物。
前述步骤得到的候选道路遗撒物仅仅是疑似的道路遗撒物，为了进一步提高道路遗撒物检测的准确性，本申请实施例可以进一步采取一定的验证策略对候选道路遗撒物进行验证，从而从候选道路遗撒物中确定出最终的道路遗撒物。这里的验证策略可以根据实际需求灵活设置，例如可以通过判断候选道路遗撒物是否在连续帧中处于静止状态来判断，或者也可以根据道路中车辆的避让行为来判断，具体如何验证，本领域技术人员可以根据实际需求灵活设置，在此不作具体限定。
本申请实施例的道路遗撒物的检测方法通过预设障碍物检测策略和预设目标检测模型的相互补充，能够覆盖大多数道路场景的遗撒物检测的需求，解决了单纯依赖障碍物检测模型无法针对突然或者临时出现的道路遗撒物进行识别的问题，且能够保证检测结果的准确性，为后续即将行驶到该位置的车辆的提前避让提供了可靠的依据。
在本申请的一些实施例中，所述获取路侧激光雷达在当前路段采集的激光点云数据包括：获取路侧激光雷达在预设采集条件下在当前路段采集的激光点云数据；根据路侧激光雷达与高精地图的变换关系，将高精地图中的道路区域投影至所述激光点云数据中，得到道路区域的激光点云数据。
为了提高道路遗撒物检测的准确性，在采集激光点云数据时，可以限定在一定的采集条件下完成，例如如果路侧设置有气象传感器，则可以根据气象传感器选择在当前路侧设备的周围天气良好时采集激光点云数据，如果没有气象传感器，可以选择凌晨时间，通过路侧激光雷达对道路中的车辆或行人进行检测，通过连续帧多次检测判断当前道路无车辆及行人，则采集当前帧的激光点云数据。通常上述采集条件的约束，可以降低天气情况或者道路中的非道路遗撒物的障碍物的干扰，提高道路遗撒物检测的准确性。
当然，需要说明的是，上述采集条件的设置主要用于非实时检测的场景，对于道路中持续存在一定时间的遗撒物具有较好的检测效果，对于实时检测的场景，也可以不受上述采集条件的限制，
由于路侧激光雷达能够对其感知范围内的所有物体进行感知，既可能包含道路区域的物体，也可能包含非道路区域的物体如道路两侧的标志牌、周边建筑等等，因此本申请实施例在得到上述激光点云数据后，可以通过高精地图中提供的道路区域信息过滤掉道路区域以外的激光点云数据，从而得到道路区域内的激光点云数据，避免无用的激光点云数据的干扰。
在本申请的一些实施例中，所述利用预设障碍物检测策略对所述激光点云数据进行障碍物检测，得到第一障碍物检测结果包括：利用预设平面拟合算法对所述激光点云数据进行道路平面拟合，得到道路平面拟合方程；将所述激光点云数据中的点与所述道路平面拟合方程进行距离计算，得到所述激光点云数据中的点到道路平面的距离；根据所述激光点云数据中的点到道路平面的距离和预设距离阈值对所述激光点云数据中的点进行过滤，得到非道路平面对应的激光点云数据；利用预设点云聚类算法对所述非道路平面对应的激光点云数据进行聚类，得到所述第一障碍物检测结果。
由于原始的激光点云数据也会包含道路平面的点云数据，因此本申请实施例可以先利用预设平面拟合算法对激光点云数据进行道路平面拟合，以进一步将道路平面对应的激光点云数据过滤掉。
上述预设平面拟合算法例如可以采用常规算法如RANSAC（RANdom SAmpleConsensus，随机采样一致性）对激光点云数据进行处理建立平面方程Ax+By+Cz+D=0，RANSAC会随机选择道路区域的点云中的点带入平面方程x、y、z，当随机采样的次数足够多，就可以解析出平面方程中的系数A、B、C、D，从而得到表示道路平面的方程。
在得到道路平面方程后，可以计算激光点云数据中的各个点到道路平面的距离，如果点到道路平面的距离小于预设距离阈值，说明该点与道路平面十分接近，即很有可能是道路平面的点，反之可以认为是非道路平面的点。通过此种方式即可将激光点云数据中属于道路平面的点过滤掉，得到非道路平面的激光点云数据。
对于非道路平面的激光点云数据，可以进一步采取一定的点云聚类算法如DBSCAN（Density—Based Spatial Clustering of Application with Noise，基于密度的聚类算法）等对非道路平面的激光点云数据进行聚类，得到多团点云，每团点云都可以看作是道路中存在的一个障碍物，并可以根据聚类后结果确定每团点云的位置，基于激光雷达与世界坐标系的变换关系，可以将该位置转换到世界坐标系下，得到障碍物的位置。
需要说明的是，具体采用何种平面拟合算法和聚类算法，本领域技术人员可以结合现有技术灵活选择，在此不作具体限定。
在本申请的一些实施例中，所述第一障碍物检测结果包括已知类别的道路障碍物和未知类别的道路障碍物，所述第二障碍物检测结果包括已知类别的道路障碍物，所述根据所述第一障碍物检测结果和所述第二障碍物检测结果确定候选道路遗撒物包括：将所述第一障碍物检测结果与所述第二障碍物检测结果进行比较；根据比对结果确定所述第一障碍物检测结果中的未知类别的道路障碍物，作为所述候选道路遗撒物。
本申请实施例的第一障碍物检测结果可以包括道路中可能存在的各种障碍物的位置包括已知类别和未知类别的障碍物，第二障碍物检测结果可以包括已知类别的障碍物的位置，因此通过将第一障碍物检测结果中的各种障碍物的位置与第二障碍物检测结果中的已知类别的障碍物的位置进行匹配，可以在第一障碍物检测结果中确定出无法与第二障碍物检测结果匹配成功的障碍物，也即未知类别的障碍物，这些障碍物通常是无法被障碍物检测模型检测到的道路遗撒物。
在本申请的一些实施例中，所述利用预设验证策略对所述候选道路遗撒物进行验证，得到当前路段的最终道路遗撒物包括：确定所述候选道路遗撒物在预设帧数内的静止状态，并根据所述候选道路遗撒物在预设帧数内的静止状态确定所述最终道路遗撒物；和/或，对所述候选道路遗撒物对应的周围车辆进行车辆避让行为的检测，并根据车辆避让行为的检测结果确定所述最终道路遗撒物。
在利用预设验证策略对候选道路遗撒物进行验证时，可以从以下两个方面来实现：
第一个方面可以通过预设帧数的跟踪检测结果判断候选道路遗撒物的静止状态，如果候选道路遗撒物在预设帧数均处于静止的状态，则可以认为该候选道路遗撒物即为真正的道路遗撒物，反之，则并非真正的道路遗撒物，可能是误检导致的。
第二个方面可以通过对候选道路遗撒物对应的周围车辆的避让行为进行检测，也即结合周围车辆在候选道路遗撒物位置附近是否发生避让行为来确认该位置是否真正存在遗撒物。
上述两个维度可以分别单独作为验证策略使用，也可以结合使用，具体如何设置，本领域技术人员可以根据实际需求灵活确定，在此不作具体限定。
在本申请的一些实施例中，所述确定所述候选道路遗撒物在预设帧数内的静止状态包括：在预设帧数内对所述候选道路遗撒物进行跟踪检测，得到预设帧数的候选道路遗撒物的检测结果；利用预设匹配策略对预设帧数的候选道路遗撒物的检测结果进行匹配，所述预设匹配策略包括预设匹配维度，所述预设匹配维度包括候选道路遗撒物的大小和位置；根据匹配结果确定所述候选道路遗撒物在预设帧数内的静止状态。
在确定候选道路遗撒物在预设帧数内的静止状态时，可以对预设帧数内的候选道路遗撒物进行跟踪检测，将预设帧数内的候选道路遗撒物的检测结果按照预设匹配维度如候选道路遗撒物的大小和位置进行匹配，如果两帧的候选道路遗撒物的大小和位置均匹配成功，则可以认为是同一个候选道路遗撒物。
上述跟踪匹配逻辑和一般的3D目标跟踪相似，但不同的是本申请实施例的跟踪匹配不会因为偶尔的检测帧关联不上而跟丢，因为这里会考虑候选道路遗撒物过小时可能被车辆遮挡而导致的无法在相邻帧匹配成功的问题，因此会保留之前检测帧中候选道路遗撒物的大小和位置，并与后续一定帧数内的检测帧中的候选道路遗撒物的大小和位置进行匹配关联。也即，本申请实施例定义的对“预设帧数”内的候选道路遗撒物的检测结果进行匹配并非一定是相邻帧之间的匹配。
在本申请的一些实施例中，所述第二障碍物检测结果包括当前路段的车辆检测结果，所述对所述候选道路遗撒物对应的周围车辆进行车辆避让行为的检测包括：根据所述车辆检测结果对当前路段的车辆进行跟踪，得到当前路段的车辆跟踪检测结果，所述车辆跟踪检测结果包括跟踪车辆的位置和航向角；根据所述跟踪车辆的位置和候选道路遗撒物的位置确定所述跟踪车辆是否即将到达所述候选道路遗撒物的位置；在所述跟踪车辆即将到达所述候选道路遗撒物的位置的情况下，将所述跟踪车辆作为所述候选道路遗撒物对应的周围车辆并确定所述周围车辆的航向角与所述周围车辆所在车道的航向角的偏差；在所述周围车辆的航向角与所述周围车辆所在车道的航向角的偏差大于预设偏差阈值的情况下，确定所述周围车辆在所述候选道路遗撒物的位置存在避让行为；否则，确定所述周围车辆在所述候选道路遗撒物的位置不存在避让行为。
在对候选道路遗撒物对应的周围车辆的避让行为进行检测时，可以先对当前路段检测出的车辆进行跟踪，根据跟踪结果以及候选道路遗撒物的位置可以确定出车辆是否即将到达候选道路遗撒物的位置，如果即将到达，可以进一步根据车辆检测得到的航向角判断该周围车辆在候选道路遗撒物的位置附近的航向角变化，这里可以以高精地图中提供的车道航向角为基准进行判断，如果周围车辆的航向角与周围车辆所在车道的航向角的偏差大于预设偏差阈值，说明周围车辆的航向角相对于车道方向发生了明显变化，即出现转向，此时可以认为周围车辆在候选道路遗撒物的位置发生了避让行为。
当然，除了可以根据车辆的航向角变化检测避让行为，也可以根据连续跟跟踪检测的车辆位置确定出车辆的行驶轨迹，根据车辆的行驶轨迹判断车辆是否在在候选道路遗撒物的位置发生避让行为。因此，具体如何判断是否发生避让行为，本领域技术人员可以根据实际需求灵活选择，在此不作具体限定。
在本申请的一些实施例中，所述根据车辆避让行为的检测结果确定所述最终道路遗撒物包括：根据车辆避让行为的检测结果确定在所述候选道路遗撒物的位置存在避让行为的周围车辆数量；根据在所述候选道路遗撒物的位置存在避让行为的周围车辆数量和预设数量阈值，确定所述最终道路遗撒物。
考虑到单个车辆的避让行为对于验证道路遗撒物的可靠性不高，本申请实施例可以对当前路段的多个车辆进行跟踪检测，统计出在候选道路遗撒物的位置发生避让行为的周围车辆数量，如果该周围车辆数量达到预设数量阈值，则可以确认该候选道路遗撒物的位置存在道路遗撒物，由此提高道路遗撒物检测的准确性，从而为后续车辆的行驶规划提供可靠的参考。
为了便于对本申请各实施例的理解，如图2所示，提供了本申请实施例中一种道路遗撒物的检测流程示意图。先获取路侧激光雷达在当前路段采集的激光点云数据，然后利用预设障碍物检测策略对激光点云数据进行障碍物检测，得到第一障碍物检测结果，利用预设障碍物检测模型对激光点云数据进行障碍物检测，得到第二障碍物检测结果。之后将第一障碍物检测结果与第二障碍物检测结果进行比对，得到候选道路障碍物。
最后利用一定验证策略对候选道路障碍物进行验证，例如一方面可以通过预设帧数的跟踪检测结果判断候选道路遗撒物的静止状态，如果候选道路遗撒物在预设帧数均处于静止的状态，则可以认为该候选道路遗撒物即为真正的道路遗撒物。另一方面可以通过对候选道路遗撒物对应的周围车辆的避让行为进行检测，也即结合周围车辆在候选道路遗撒物位置附近是否发生避让行为来确定该位置是否真正存在遗撒物。
本申请的道路遗撒物的检测流程能够基于激光点云数据对道路中可能出现的各种遗撒物进行检测，解决了单纯依赖障碍物检测模型无法对突然或者临时出现的道路遗撒物进行识别的问题，且能够保证检测结果的准确性，为后续即将行驶到该位置的车辆的提前避让提供了可靠的依据。
本申请实施例提供了一种道路遗撒物的检测装置300，如图3所示，提供了本申请实施例中一种道路遗撒物的检测装置的结构示意图，所述装置300包括：获取单元310、第一障碍物检测单元320、第二障碍物检测单元330、确定单元340以及验证单元350，其中：
获取单元310，用于获取路侧激光雷达在当前路段采集的激光点云数据；
第一障碍物检测单元320，用于利用预设障碍物检测策略对所述激光点云数据进行障碍物检测，得到第一障碍物检测结果，所述预设障碍物检测策略用于检测道路中的已知类别的道路障碍物和未知类别的道路障碍物；
第二障碍物检测单元330，用于利用预设目标检测模型对所述激光点云数据进行障碍物检测，得到第二障碍物检测结果，所述预设目标检测模型用于检测道路中的已知类别的道路障碍物；
确定单元340，用于根据所述第一障碍物检测结果和所述第二障碍物检测结果确定候选道路遗撒物；
验证单元350，用于利用预设验证策略对所述候选道路遗撒物进行验证，得到当前路段的最终道路遗撒物。
在本申请的一些实施例中，所述获取单元310具体用于：获取路侧激光雷达在预设采集条件下在当前路段采集的激光点云数据；根据路侧激光雷达与高精地图的变换关系，将高精地图中的道路区域投影至所述激光点云数据中，得到道路区域的激光点云数据。
在本申请的一些实施例中，所述第一障碍物检测单元320具体用于：利用预设平面拟合算法对所述激光点云数据进行道路平面拟合，得到道路平面拟合方程；将所述激光点云数据中的点与所述道路平面拟合方程进行距离计算，得到所述激光点云数据中的点到道路平面的距离；根据所述激光点云数据中的点到道路平面的距离和预设距离阈值对所述激光点云数据中的点进行过滤，得到非道路平面对应的激光点云数据；利用预设点云聚类算法对所述非道路平面对应的激光点云数据进行聚类，得到所述第一障碍物检测结果。
在本申请的一些实施例中，所述第一障碍物检测结果包括已知类别的道路障碍物和未知类别的道路障碍物，所述第二障碍物检测结果包括已知类别的道路障碍物，所述确定单元340具体用于：将所述第一障碍物检测结果与所述第二障碍物检测结果进行比较；根据比对结果确定所述第一障碍物检测结果中的未知类别的道路障碍物，作为所述候选道路遗撒物。
在本申请的一些实施例中，所述验证单元350具体用于：确定所述候选道路遗撒物在预设帧数内的静止状态，并根据所述候选道路遗撒物在预设帧数内的静止状态确定所述最终道路遗撒物；和/或，对所述候选道路遗撒物对应的周围车辆进行车辆避让行为的检测，并根据车辆避让行为的检测结果确定所述最终道路遗撒物。
在本申请的一些实施例中，所述验证单元350具体用于：在预设帧数内对所述候选道路遗撒物进行跟踪检测，得到预设帧数的候选道路遗撒物的检测结果；利用预设匹配策略对预设帧数的候选道路遗撒物的检测结果进行匹配，所述预设匹配策略包括预设匹配维度，所述预设匹配维度包括候选道路遗撒物的大小和位置；根据匹配结果确定所述候选道路遗撒物在预设帧数内的静止状态。
在本申请的一些实施例中，所述第二障碍物检测结果包括当前路段的车辆检测结果，所述验证单元350具体用于：根据所述车辆检测结果对当前路段的车辆进行跟踪，得到当前路段的车辆跟踪检测结果，所述车辆跟踪检测结果包括跟踪车辆的位置和航向角；根据所述跟踪车辆的位置和候选道路遗撒物的位置确定所述跟踪车辆是否即将到达所述候选道路遗撒物的位置；在所述跟踪车辆即将到达所述候选道路遗撒物的位置的情况下，将所述跟踪车辆作为所述候选道路遗撒物对应的周围车辆并确定所述周围车辆的航向角与所述周围车辆所在车道的航向角的偏差；在所述周围车辆的航向角与所述周围车辆所在车道的航向角的偏差大于预设偏差阈值的情况下，确定所述周围车辆在所述候选道路遗撒物的位置存在避让行为；否则，确定所述周围车辆在所述候选道路遗撒物的位置不存在避让行为。
在本申请的一些实施例中，所述验证单元350具体用于：根据车辆避让行为的检测结果确定在所述候选道路遗撒物的位置存在避让行为的周围车辆数量；根据在所述候选道路遗撒物的位置存在避让行为的周围车辆数量和预设数量阈值，确定所述最终道路遗撒物。
能够理解，上述道路遗撒物的检测装置，能够实现前述实施例中提供的道路遗撒物的检测方法的各个步骤，关于道路遗撒物的检测方法的相关阐释均适用于道路遗撒物的检测装置，此处不再赘述。
图4是本申请的一个实施例电子设备的结构示意图。请参考图4，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器（non-volatile memory），例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构）总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构）总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成道路遗撒物的检测装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
获取路侧激光雷达在当前路段采集的激光点云数据；
利用预设障碍物检测策略对所述激光点云数据进行障碍物检测，得到第一障碍物检测结果，所述预设障碍物检测策略用于检测道路中的已知类别的道路障碍物和未知类别的道路障碍物；
利用预设目标检测模型对所述激光点云数据进行障碍物检测，得到第二障碍物检测结果，所述预设目标检测模型用于检测道路中的已知类别的道路障碍物；
根据所述第一障碍物检测结果和所述第二障碍物检测结果确定候选道路遗撒物；
利用预设验证策略对所述候选道路遗撒物进行验证，得到当前路段的最终道路遗撒物。
上述如本申请图1所示实施例揭示的道路遗撒物的检测装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器（Central ProcessingUnit，CPU）、网络处理器（Network Processor，NP）等；还可以是数字信号处理器（DigitalSignal 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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1中道路遗撒物的检测装置执行的方法，并实现道路遗撒物的检测装置在图1所示实施例的功能，本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中道路遗撒物的检测装置执行的方法，并具体用于执行：
获取路侧激光雷达在当前路段采集的激光点云数据；
利用预设障碍物检测策略对所述激光点云数据进行障碍物检测，得到第一障碍物检测结果，所述预设障碍物检测策略用于检测道路中的已知类别的道路障碍物和未知类别的道路障碍物；
利用预设目标检测模型对所述激光点云数据进行障碍物检测，得到第二障碍物检测结果，所述预设目标检测模型用于检测道路中的已知类别的道路障碍物；
根据所述第一障碍物检测结果和所述第二障碍物检测结果确定候选道路遗撒物；
利用预设验证策略对所述候选道路遗撒物进行验证，得到当前路段的最终道路遗撒物。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM) 和/或非易失性内存等形式，如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种道路遗撒物的检测方法，其中，所述方法包括：
获取路侧激光雷达在当前路段采集的激光点云数据；
利用预设障碍物检测策略对所述激光点云数据进行障碍物检测，得到第一障碍物检测结果，所述预设障碍物检测策略用于检测道路中的已知类别的道路障碍物和未知类别的道路障碍物；
利用预设目标检测模型对所述激光点云数据进行障碍物检测，得到第二障碍物检测结果，所述预设目标检测模型用于检测道路中的已知类别的道路障碍物；
根据所述第一障碍物检测结果和所述第二障碍物检测结果确定候选道路遗撒物；
利用预设验证策略对所述候选道路遗撒物进行验证，得到当前路段的最终道路遗撒物。
2.如权利要求1所述方法，其中，所述获取路侧激光雷达在当前路段采集的激光点云数据包括：
获取路侧激光雷达在预设采集条件下在当前路段采集的激光点云数据；
根据路侧激光雷达与高精地图的变换关系，将高精地图中的道路区域投影至所述激光点云数据中，得到道路区域的激光点云数据。
3.如权利要求1所述方法，其中，所述利用预设障碍物检测策略对所述激光点云数据进行障碍物检测，得到第一障碍物检测结果包括：
利用预设平面拟合算法对所述激光点云数据进行道路平面拟合，得到道路平面拟合方程；
将所述激光点云数据中的点与所述道路平面拟合方程进行距离计算，得到所述激光点云数据中的点到道路平面的距离；
根据所述激光点云数据中的点到道路平面的距离和预设距离阈值对所述激光点云数据中的点进行过滤，得到非道路平面对应的激光点云数据；
利用预设点云聚类算法对所述非道路平面对应的激光点云数据进行聚类，得到所述第一障碍物检测结果。
4.如权利要求1所述方法，其中，所述第一障碍物检测结果包括已知类别的道路障碍物和未知类别的道路障碍物，所述第二障碍物检测结果包括已知类别的道路障碍物，所述根据所述第一障碍物检测结果和所述第二障碍物检测结果确定候选道路遗撒物包括：
将所述第一障碍物检测结果与所述第二障碍物检测结果进行比较；
根据比对结果确定所述第一障碍物检测结果中的未知类别的道路障碍物，作为所述候选道路遗撒物。
5.如权利要求1所述方法，其中，所述利用预设验证策略对所述候选道路遗撒物进行验证，得到当前路段的最终道路遗撒物包括：
确定所述候选道路遗撒物在预设帧数内的静止状态，并根据所述候选道路遗撒物在预设帧数内的静止状态确定所述最终道路遗撒物；和/或，
对所述候选道路遗撒物对应的周围车辆进行车辆避让行为的检测，并根据车辆避让行为的检测结果确定所述最终道路遗撒物。
6.如权利要求5所述方法，其中，所述确定所述候选道路遗撒物在预设帧数内的静止状态包括：
在预设帧数内对所述候选道路遗撒物进行跟踪检测，得到预设帧数的候选道路遗撒物的检测结果；
利用预设匹配策略对预设帧数的候选道路遗撒物的检测结果进行匹配，所述预设匹配策略包括预设匹配维度，所述预设匹配维度包括候选道路遗撒物的大小和位置；
根据匹配结果确定所述候选道路遗撒物在预设帧数内的静止状态。
7.如权利要求5所述方法，其中，所述第二障碍物检测结果包括当前路段的车辆检测结果，所述对所述候选道路遗撒物对应的周围车辆进行车辆避让行为的检测包括：
根据所述车辆检测结果对当前路段的车辆进行跟踪，得到当前路段的车辆跟踪检测结果，所述车辆跟踪检测结果包括跟踪车辆的位置和航向角；
根据所述跟踪车辆的位置和候选道路遗撒物的位置确定所述跟踪车辆是否即将到达所述候选道路遗撒物的位置；
在所述跟踪车辆即将到达所述候选道路遗撒物的位置的情况下，将所述跟踪车辆作为所述候选道路遗撒物对应的周围车辆并确定所述周围车辆的航向角与所述周围车辆所在车道的航向角的偏差；
在所述周围车辆的航向角与所述周围车辆所在车道的航向角的偏差大于预设偏差阈值的情况下，确定所述周围车辆在所述候选道路遗撒物的位置存在避让行为；
否则，确定所述周围车辆在所述候选道路遗撒物的位置不存在避让行为。
8.如权利要求5所述方法，其中，所述根据车辆避让行为的检测结果确定所述最终道路遗撒物包括：
根据车辆避让行为的检测结果确定在所述候选道路遗撒物的位置存在避让行为的周围车辆数量；
根据在所述候选道路遗撒物的位置存在避让行为的周围车辆数量和预设数量阈值，确定所述最终道路遗撒物。
9.一种道路遗撒物的检测装置，其中，所述装置包括：
获取单元，用于获取路侧激光雷达在当前路段采集的激光点云数据；
第一障碍物检测单元，用于利用预设障碍物检测策略对所述激光点云数据进行障碍物检测，得到第一障碍物检测结果，所述预设障碍物检测策略用于检测道路中的已知类别的道路障碍物和未知类别的道路障碍物；
第二障碍物检测单元，用于利用预设目标检测模型对所述激光点云数据进行障碍物检测，得到第二障碍物检测结果，所述预设目标检测模型用于检测道路中的已知类别的道路障碍物；
确定单元，用于根据所述第一障碍物检测结果和所述第二障碍物检测结果确定候选道路遗撒物；
验证单元，用于利用预设验证策略对所述候选道路遗撒物进行验证，得到当前路段的最终道路遗撒物。
10.一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述权利要求1~8之任一所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310652083.1A CN116381698B (zh) | 2023-06-05 | 2023-06-05 | 道路遗撒物的检测方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310652083.1A CN116381698B (zh) | 2023-06-05 | 2023-06-05 | 道路遗撒物的检测方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116381698A true CN116381698A (zh) | 2023-07-04 |
| CN116381698B CN116381698B (zh) | 2024-03-12 |
Family
ID=86979124
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310652083.1A Active CN116381698B (zh) | 2023-06-05 | 2023-06-05 | 道路遗撒物的检测方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116381698B (zh) |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002123820A (ja) * | 2000-10-17 | 2002-04-26 | Meidensha Corp | 路上静止障害物検出方法及び装置 |
| US20170236422A1 (en) * | 2014-09-29 | 2017-08-17 | Hitachi Construction Machinery Co., Ltd. | Obstacle avoidance system |
| US20180165966A1 (en) * | 2016-12-13 | 2018-06-14 | Toyota Jidosha Kabushiki Kaisha | Obstacle determination system and non-transitory computer-readable recording medium storing obstacle determination program |
| WO2019124343A1 (ja) * | 2017-12-19 | 2019-06-27 | 株式会社ダイヘン | 移動体 |
| JP2019185110A (ja) * | 2018-04-02 | 2019-10-24 | パイオニア株式会社 | 情報提供装置、情報提供方法及びプログラム |
| WO2020101071A1 (ko) * | 2018-11-14 | 2020-05-22 | 휴먼플러스(주) | 도로 장애물의 알림 및 차량의 추적이 가능한 라이다를 이용한 교통 감시 시스템 |
| CN111722249A (zh) * | 2019-03-22 | 2020-09-29 | 丰田自动车株式会社 | 物体识别装置以及车辆控制系统 |
| CN111754798A (zh) * | 2020-07-02 | 2020-10-09 | 上海电科智能系统股份有限公司 | 融合路侧激光雷达和视频实现车辆和周边障碍物探知方法 |
| CN111814764A (zh) * | 2020-08-27 | 2020-10-23 | 北京交跃通达检测科技有限公司 | 一种遗撒物确定系统 |
| CN112528793A (zh) * | 2020-12-03 | 2021-03-19 | 上海汽车集团股份有限公司 | 一种车辆的障碍物检测框抖动消除方法及装置 |
| CN112629548A (zh) * | 2020-12-28 | 2021-04-09 | 北京航空航天大学 | 一种基于路侧激光雷达的三维栅格地图的创建与更新方法 |
| CN113657161A (zh) * | 2021-07-15 | 2021-11-16 | 北京中科慧眼科技有限公司 | 一种非标小障碍物检测方法、装置与自动驾驶系统 |
| CN113673383A (zh) * | 2021-08-05 | 2021-11-19 | 苏州智加科技有限公司 | 一种面向复杂道路场景的时空域障碍物检测方法及系统 |
| CN114120283A (zh) * | 2021-11-29 | 2022-03-01 | 华中光电技术研究所（中国船舶重工集团公司第七一七研究所） | 一种道路场景三维语义分割中未知障碍物的判别方法 |
| CN114325760A (zh) * | 2021-12-31 | 2022-04-12 | 山东大学 | 基于多线激光雷达的公路隧道质检避障方法及系统 |
| CN115164880A (zh) * | 2022-07-04 | 2022-10-11 | 中联重科股份有限公司 | 用于识别障碍物的方法、装置、控制器及可移动设备 |
| CN115512107A (zh) * | 2022-09-16 | 2022-12-23 | 联陆智能交通科技(上海)有限公司 | 基于机器视觉的道路抛洒物检测追踪方法和系统 |
-
2023
- 2023-06-05 CN CN202310652083.1A patent/CN116381698B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002123820A (ja) * | 2000-10-17 | 2002-04-26 | Meidensha Corp | 路上静止障害物検出方法及び装置 |
| US20170236422A1 (en) * | 2014-09-29 | 2017-08-17 | Hitachi Construction Machinery Co., Ltd. | Obstacle avoidance system |
| US20180165966A1 (en) * | 2016-12-13 | 2018-06-14 | Toyota Jidosha Kabushiki Kaisha | Obstacle determination system and non-transitory computer-readable recording medium storing obstacle determination program |
| WO2019124343A1 (ja) * | 2017-12-19 | 2019-06-27 | 株式会社ダイヘン | 移動体 |
| JP2019185110A (ja) * | 2018-04-02 | 2019-10-24 | パイオニア株式会社 | 情報提供装置、情報提供方法及びプログラム |
| WO2020101071A1 (ko) * | 2018-11-14 | 2020-05-22 | 휴먼플러스(주) | 도로 장애물의 알림 및 차량의 추적이 가능한 라이다를 이용한 교통 감시 시스템 |
| CN111722249A (zh) * | 2019-03-22 | 2020-09-29 | 丰田自动车株式会社 | 物体识别装置以及车辆控制系统 |
| CN111754798A (zh) * | 2020-07-02 | 2020-10-09 | 上海电科智能系统股份有限公司 | 融合路侧激光雷达和视频实现车辆和周边障碍物探知方法 |
| CN111814764A (zh) * | 2020-08-27 | 2020-10-23 | 北京交跃通达检测科技有限公司 | 一种遗撒物确定系统 |
| CN112528793A (zh) * | 2020-12-03 | 2021-03-19 | 上海汽车集团股份有限公司 | 一种车辆的障碍物检测框抖动消除方法及装置 |
| CN112629548A (zh) * | 2020-12-28 | 2021-04-09 | 北京航空航天大学 | 一种基于路侧激光雷达的三维栅格地图的创建与更新方法 |
| CN113657161A (zh) * | 2021-07-15 | 2021-11-16 | 北京中科慧眼科技有限公司 | 一种非标小障碍物检测方法、装置与自动驾驶系统 |
| CN113673383A (zh) * | 2021-08-05 | 2021-11-19 | 苏州智加科技有限公司 | 一种面向复杂道路场景的时空域障碍物检测方法及系统 |
| CN114120283A (zh) * | 2021-11-29 | 2022-03-01 | 华中光电技术研究所（中国船舶重工集团公司第七一七研究所） | 一种道路场景三维语义分割中未知障碍物的判别方法 |
| CN114325760A (zh) * | 2021-12-31 | 2022-04-12 | 山东大学 | 基于多线激光雷达的公路隧道质检避障方法及系统 |
| CN115164880A (zh) * | 2022-07-04 | 2022-10-11 | 中联重科股份有限公司 | 用于识别障碍物的方法、装置、控制器及可移动设备 |
| CN115512107A (zh) * | 2022-09-16 | 2022-12-23 | 联陆智能交通科技(上海)有限公司 | 基于机器视觉的道路抛洒物检测追踪方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| 王立志: "长短效双背景模型下交通遗撒物识别新方法", 计算机应用研究, vol. 37, no. 1, pages 412 - 413 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116381698B (zh) | 2024-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110341621B (zh) | 一种障碍物检测方法及装置 | |
| CN114705121B (zh) | 车辆位姿测量方法、装置及电子设备、存储介质 | |
| CN115292435B (zh) | 高精地图的更新方法和装置、电子设备和存储介质 | |
| CN115205803A (zh) | 自动驾驶环境感知方法、介质及车辆 | |
| CN111160132B (zh) | 障碍物所在车道的确定方法、装置、电子设备和存储介质 | |
| CN115962774A (zh) | 点云地图更新方法、装置及电子设备、存储介质 | |
| CN113804214B (zh) | 车辆定位方法、装置及电子设备、计算机可读存储介质 | |
| CN112863242B (zh) | 一种车位检测的方法和装置 | |
| CN110751040A (zh) | 一种三维物体的检测方法和装置、电子设备、存储介质 | |
| CN115792945B (zh) | 一种浮空障碍物检测方法、装置和电子设备、存储介质 | |
| CN115856979B (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
| CN114419573A (zh) | 动态占据栅格估计方法及装置 | |
| CN116381698B (zh) | 道路遗撒物的检测方法、装置及电子设备 | |
| CN115050007A (zh) | 牵引车以及拖板车的识别方法、装置及电子设备、存储介质 | |
| CN113158864A (zh) | 卡车车头与挂车之间的夹角的确定方法与确定装置 | |
| CN116228820B (zh) | 一种障碍物检测方法、装置和电子设备、存储介质 | |
| CN117037094A (zh) | 车道划分方法、装置、电子设备 | |
| CN116129383A (zh) | 一种可行驶区域检测方法、装置和电子设备、存储介质 | |
| CN116758736A (zh) | 违停检测方法、装置及电子设备 | |
| CN116597376A (zh) | 路侧设备感知范围确定方法、装置及路侧设备 | |
| CN116994179A (zh) | 一种目标跟踪方法、装置和电子设备 | |
| CN115691127A (zh) | 障碍物检测方法、装置及电子设备、计算机可读存储介质 | |
| CN116168087A (zh) | 路侧相机标定结果的验证方法、装置及电子设备 | |
| CN114114241A (zh) | 一种数据融合方法及装置 | |
| CN116610766A (zh) | 地图更新方法、装置及电子设备、计算机可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |