CN116400362B - 一种行车边界检测方法、装置、存储介质及设备 - Google Patents
一种行车边界检测方法、装置、存储介质及设备 Download PDFInfo
- Publication number
- CN116400362B CN116400362B CN202310674370.2A CN202310674370A CN116400362B CN 116400362 B CN116400362 B CN 116400362B CN 202310674370 A CN202310674370 A CN 202310674370A CN 116400362 B CN116400362 B CN 116400362B
- Authority
- CN
- China
- Prior art keywords
- previous frame
- value
- boundary
- obstacle distance
- obstacle
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000004590 computer program Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000009466 transformation Effects 0.000 description 5
- 230000001174 ascending effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
- G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Algebra (AREA)
- Acoustics & Sound (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本申请提供一种行车边界检测方法、装置、存储介质及设备,该方法中,利用安装于车辆两侧的超声传感器对边界进行检测,获取障碍物距离值和置信度,通过当前帧和前二帧的障碍物距离值以及前一帧的置信度,对前一帧的障碍物距离值进行修正,并将其对应的障碍物在当前帧的车辆坐标系下的点坐标转到世界坐标系下,得到边界点的坐标,当提取到的边界点的个数达到预设阈值时,利用这些边界点的坐标进行曲线拟合,从而生成边界曲线。如此,可以在光线差、上下坡、弧形通道等情况下实现高精度的边界检测,并且不需要昂贵的设备支持,因此成本较低。
Description
技术领域
本申请涉及自动驾驶技术领域,具体而言,涉及一种行车边界检测方法、装置、存储介质及设备。
背景技术
行车边界检测是智慧汽车领域中的一个重要研究方向,尤其是对于自动驾驶汽车来说,其需要根据车辆行驶区域上的边界进行线路规划,才能安全地完成自动行驶。目前的行车边界检测主要是通过视觉检测方式或激光雷达检测方式来实现的,其中,视觉检测方式是通过车载侧边摄像头采集图像数据后,用深度学习模型从图像数据中检测出边界;而激光雷达检测方式是采集到激光点云数据后,通过分割算法检测出边界。然而,视觉检测方式在光线差或上下坡的情况下,经常会出现误检或精度不高的问题,而激光雷达检测方式需要较高的设备成本,难以满足多数车辆的要求。因此,市场上亟需一种在光线差或上下坡的情况下仍具有较高精度,且成本较低的边界检测方案。
发明内容
本申请的目的在于提供一种行车边界检测方法、装置、存储介质及设备,旨在解决相关技术中的行车边界检测方式存在的在光线差或上下坡的情况下,经常会出现误检或精度不高,或者需要较高的设备成本,难以满足多数车辆的要求的问题。
第一方面,本申请提供的一种行车边界检测方法,包括:获取安装于车辆两侧的超声传感器检测到的边界数据;所述超声传感器每秒产生预设帧数的边界数据,所述边界数据包括障碍物距离值和置信度;通过当前帧和前二帧的障碍物距离值,以及前一帧的置信度,对前一帧的障碍物距离值进行修正,并将修正后的前一帧的边界数据对应的障碍物在当前帧的车辆坐标系下的点坐标转换到世界坐标系下,将转换后的点坐标作为边界点的坐标进行存储;当存储的边界点的个数达到预设阈值时,利用所有边界点的坐标进行曲线拟合,生成边界曲线。
在上述实现过程中,利用安装于车辆两侧的超声传感器对边界进行检测,获取障碍物距离值和置信度,通过当前帧和前二帧的障碍物距离值以及前一帧的置信度,对前一帧的障碍物距离值进行修正,并将其对应的障碍物在当前帧的车辆坐标系下的点坐标转到世界坐标系下,得到边界点的坐标,当提取到的边界点的个数达到预设阈值时,利用这些边界点的坐标进行曲线拟合,从而生成边界曲线。如此,可以在光线差、上下坡、弧形通道等情况下实现高精度的边界检测,并且不需要昂贵的设备支持,因此成本较低。
进一步地,在一些实施例中,所述障碍物距离值是障碍物垂直于车身方向的距离;所述障碍物距离值是基于所述超声传感器检测到的距离值和信号角度计算得到的;所述信号角度表征所述超声传感器在车辆上的安装角度。
在上述实现过程中,根据超声传感器检测到的距离值,结合传感器标定测试得到的信号角度,得到障碍物垂直于车身方向的距离,为后续的边界检测奠定良好的数据基础。
进一步地,在一些实施例中,所述通过当前帧和前二帧的障碍物距离值,以及前一帧的置信度,对前一帧的障碍物距离值进行修正,包括:对比当前帧和前二帧的障碍物距离值,获取较大值和较小值;若前一帧的障碍物距离值与预设距离阈值之间的差值大于所述较大值,基于所述前一帧的置信度和所述较大值,对所述前一帧的障碍物距离值进行修正;若前一帧的障碍物距离值与预设距离阈值之间的和小于所述较小值,基于所述前一帧的置信度和所述较小值,对所述前一帧的障碍物距离值进行修正。
在上述实现过程中,通过前二帧、前一帧和当前帧三个时刻的边界数据,判断前一帧的边界数据是异常凸变或凹陷的数据,并在判断结果为是时,对该异常数据进行修正,使得提取到的边界点更为平滑。
进一步地,在一些实施例中,所述修正后的前一帧的边界数据中的障碍物距离值基于以下公式计算得到:
其中,所述为修正后的前一帧的障碍物距离值;所述/>为修正前的前一帧的障碍物距离值;所述/>为所述前一帧的置信度;若前一帧的障碍物距离值与预设距离阈值之间的差值大于所述较大值,所述/>为所述较大值;若前一帧的障碍物距离值与预设距离阈值之间的和小于所述较小值,所述/>为所述较小值。
在上述实现过程中,提供一种对障碍物距离值进行修正的具体方式。
进一步地,在一些实施例中,所述通过当前帧和前二帧的障碍物距离值,以及前一帧的置信度,对前一帧的障碍物距离值进行修正,还包括:若前一帧的障碍物距离值与预设距离阈值之间的差值不大于所述较大值,且前一帧的障碍物距离值与预设距离阈值之间的和不小于所述较小值,确定所述为修正前的前一帧的障碍物距离值。
在上述实现过程中,当确认前一帧的边界数据并非异常凸变或凹陷的数据时,将前面提到的公式中的确定为原本的障碍物距离值,使得修正后的障碍物距离值与原本的一致。如此,可以基于上述公式对前一帧的边界数据的各种情况进行处理,提升处理效率。
进一步地,在一些实施例中,所述将修正后的前一帧的边界数据对应的障碍物在当前帧的车辆坐标系下的点坐标转换到世界坐标系下,包括:根据车辆位姿数据、所述超声传感器的外参矩阵以及所述车辆的外参矩阵,将修正后的前一帧的边界数据对应的障碍物在当前帧的车辆坐标系下的点坐标转换成所述障碍物在世界坐标系下的点坐标。
在上述实现过程中,根据车辆位姿数据,结合传感器外参和车辆外参,确定当前帧的车辆坐标系相对于世界坐标系的坐标变换关系,进而根据该坐标变换关系,将在当前帧的车辆坐标系下的点坐标转换成在世界坐标系下的点坐标,从而实现坐标转换。
进一步地,在一些实施例中,所述利用所有边界点的坐标进行曲线拟合之前,包括:通过当前的车辆位姿数据,将所有边界点的坐标转换到当前的车辆坐标系下。
在上述实现过程中,根据当前车辆的位姿信息,将保存的边界点转移到当前的车辆坐标系下,再用这些边界点的坐标进行曲线拟合,使得生成的边界曲线能够与当前的车辆坐标系相对应,从而提升自动行驶路径规划的准确性和效率。
第二方面,本申请提供的一种行车边界检测装置,包括:获取模块,用于获取安装于车辆两侧的超声传感器检测到的边界数据;所述超声传感器每秒产生预设帧数的边界数据,所述边界数据包括障碍物距离值和置信度;转换模块,用于通过当前帧和前二帧的障碍物距离值,以及前一帧的置信度,对前一帧的障碍物距离值进行修正,并将修正后的前一帧的边界数据对应的障碍物在当前帧的车辆坐标系下的点坐标转换到世界坐标系下,将转换后的点坐标作为边界点的坐标进行存储;生成模块,用于当存储的边界点的个数达到预设阈值时,利用所有边界点的坐标进行曲线拟合,生成边界曲线。
第三方面,本申请提供的一种电子设备,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如第一方面任一项所述的方法的步骤。
第四方面,本申请提供的一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,使得所述计算机执行如第一方面任一项所述的方法。
第五方面,本申请提供的一种计算机程序产品,所述计算机程序产品在计算机上运行时,使得计算机执行如第一方面任一项所述的方法。
本申请公开的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本申请公开的上述技术即可得知。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,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为本申请实施例提供的一种行车边界检测方法的流程图;
图2为本申请实施例提供的一种基于超声信号的边界检测方案的超声传感器的部署情况的示意图;
图3为本申请实施例提供的一种基于超声信号的边界检测方案的最终道路边界生成的效果的示意图;
图4为本申请实施例提供的一种行车边界检测装置的框图;
图5为本申请实施例提供的一种电子设备的结构框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
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。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
如背景技术记载,相关技术中的行车边界检测方式存在着在光线差或上下坡的情况下,经常会出现误检或精度不高,或者需要较高的设备成本,难以满足多数车辆的要求的问题。基于此,本申请实施例提供一种新的行车边界检测方案,以解决上述问题。
接下来对本申请实施例进行介绍:
如图1所示,图1是本申请实施例提供的一种行车边界检测方法的流程图,所述方法可以应用于车辆上的控制器,如整车控制器(Vehicle Control Unit,VCU)或域控制器(Domain Control Unit,DCU)等,也可以应用于与车辆建立有通信连接的服务器。
所述方法包括:
在步骤101、获取安装于车辆两侧的超声传感器检测到的边界数据;所述超声传感器每秒产生预设帧数的边界数据,所述边界数据包括障碍物距离值和置信度;
超声传感器,也称超声波传感器,是将超声波信号转换成其它能量信号(通常是电信号)的传感器,其主要由发送器、接收器、控制部分和电源部分组成,在工作时,发送器会发出一定频率的超声波,超声波经过空气传播到被测物体表面,被测物体表面反射回来的超声波被接收器接收并转换成电信号,控制部分根据超声波的传播时间和速度,可以计算出被测物体的距离、位置等参数。
在本实施例方案中,车辆的左右两侧各安装一个超声传感器,车辆在行驶过程中,两侧超声传感器实时地进行检测,如果检测范围内有边界存在,则传感器信号中会给出相应的距离值并携带置信度,置信度的取值范围在[0,1]。根据传感器信号中给出的距离值可以得到障碍物距离值,一个障碍物距离值和对应的一个置信度即为一组边界数据,假设超声传感器的工作频率为f赫兹,则一秒内传感器产生f组边界数据。本步骤中提到的预设帧数可以是基于超声传感器的工作频率而得到,一帧相当于超声传感器产生一组边界数据的一个时刻。
在一些实施例中,本步骤中提到的障碍物距离值是障碍物垂直于车身方向的距离;该障碍物距离值是基于超声传感器检测到的距离值和信号角度计算得到的;该信号角度表征该超声传感器在车辆上的安装角度。在实际应用中,车辆上安装的超声传感器的信号发射方向,与车身方向可能并不垂直,此时超声传感器检测到的距离值实际上是障碍物与超声传感器之间的距离,因此,根据超声传感器的标定测试,得到信号角度,即超声传感器的信号发射方向相对于车身方向的角度,再根据超声传感器检测到的距离值以及该信号角度,利用三角函数关系计算出障碍物垂直于车身方向的距离,即障碍物距离值。当然,当超声传感器的信号发射方向与车身方向相互垂直时,该信号角度为0,则障碍物距离值即为超声传感器检测到的距离值。如此,为后续的边界检测奠定良好的数据基础。
在步骤102、通过当前帧和前二帧的障碍物距离值,以及前一帧的置信度,对前一帧的障碍物距离值进行修正,并将修正后的前一帧的边界数据对应的障碍物在当前帧的车辆坐标系下的点坐标转换到世界坐标系下,将转换后的点坐标作为边界点的坐标进行存储;
在检测边界时,如果提取到的边界点不平滑,拟合出来的边界曲线可能存在较大差异,因此,本实施例方案中,通过相邻时刻的边界数据,对异常凸变或凹陷的点进行筛选和修正,实现滤波功能,从而使得后续生成的边界曲线更为精准。其中,该前二帧是指当前时刻之前的倒数第二帧,该第一帧是指当前时刻之前的倒数第一帧,例如,假设超声传感器产生一组边界数据的时间间隔是10ms,则该超声传感器在当前时刻的10ms前所对应的时刻采集到的边界数据即是前一帧的边界数据,而该超声传感器在当前时刻的20ms前所对应的时刻采集到的边界数据即是前二帧的边界数据。
具体地,在一些实施例中,本步骤中提到的通过当前帧和前二帧的障碍物距离值,以及前一帧的置信度,对前一帧的障碍物距离值进行修正可以包括:对比当前帧和前二帧的障碍物距离值,获取较大值和较小值;若前一帧的障碍物距离值与预设距离阈值之间的差值大于所述较大值,基于所述前一帧的置信度和所述较大值,对所述前一帧的障碍物距离值进行修正;若前一帧的障碍物距离值与预设距离阈值之间的和小于所述较小值,基于所述前一帧的置信度和所述较小值,对所述前一帧的障碍物距离值进行修正。也就是说,若前一帧的障碍物距离值减去预设距离阈值得到的差值大于当前帧和前二帧的障碍物距离值中的较大值,或者前一帧的障碍物距离值加上预设距离阈值得到的和小于当前帧和前二帧的障碍物距离值中的较小值,则确认前一帧的边界数据是异常凸变或凹陷的数据,则对其进行修正。例如,利用(障碍物距离值,置信度)来表示边界数据,若前二帧的边界数据是(4.5米,0.95),前一帧的边界数据是(4.2米,0.80),当前帧的边界数据是(4.6米,0.95),则通过对比获取到较大值为4.7,较小值为4.5,假设预设距离阈值为0.2,则由于4.5>(4.2+0.2),因此确定前一帧的边界数据是异常数据,则利用前一帧的置信度和该较小值,对前一帧的障碍物距离值进行修正,使得提取到的边界点更为平滑。其中,该预设距离阈值可以根据不同场景的需求进行不同的设置,本申请对此不作限制。
进一步地,在一些实施例中,修正后的前一帧的障碍物距离值可以基于以下公式计算得到:
其中,所述为修正后的前一帧的障碍物距离值;所述/>为修正前的前一帧的障碍物距离值;所述/>为所述前一帧的置信度;若前一帧的障碍物距离值与预设距离阈值之间的差值大于所述较大值,所述/>为所述较大值;若前一帧的障碍物距离值与预设距离阈值之间的和小于所述较小值,所述/>为所述较小值。沿用前面的例子,则/>为/>,相应地,修正后的前一帧的障碍物距离值为/>。
更进一步地,在一些实施例中,若前一帧的障碍物距离值与预设距离阈值之间的差值不大于所述较大值,且前一帧的障碍物距离值与预设距离阈值之间的和不小于所述较小值,确定所述为修正前的前一帧的障碍物距离值。也就是说,当确认前一帧的边界数据并非异常凸变或凹陷的数据时,将上述公式中的/>确定为原本的障碍物距离值,使得修正后的障碍物距离值与原本的一致。如此,可以基于上述公式对前一帧的边界数据的各种情况进行处理,提升处理效率。
在对前一帧的边界数据进行修正后,可以根据该边界数据,结合超声传感器在车辆上的安装位置,可以得到相应的障碍物在前一帧的车辆坐标系下的点坐标,这里的车辆坐标系是以车辆后轴中心点建立的,车辆行驶正前方为X轴,车辆右侧方为Y轴;接着,根据车辆上搭载的GPS(Global Positioning System,全球定位系统)和IMU(InertialMeasurement Unit,惯性测量单元)可得到当前帧的车辆坐标系相对于前一帧的车辆坐标系的旋转平移参数;之后,基于该旋转平移参数,能够得到前一帧的边界数据所对应的障碍物在当前帧的车辆坐标系下的点坐标。考虑到在积累边界点的过程中,车辆可能是一直处于行驶状态的,则车辆坐标系也会随之发生变换,因此,将在当前帧的车辆坐标系下的点坐标转移到世界坐标系下,以此作为边界点的坐标进行存储,从而减少因车辆坐标系的变换而实时更新在车辆坐标系下的点坐标导致的计算量。
在一些实施例中,本步骤中提到的将修正后的前一帧的边界数据对应的障碍物在当前帧的车辆坐标系下的点坐标转换到世界坐标系下可以包括:根据车辆位姿数据、所述超声传感器的外参矩阵以及所述车辆的外参矩阵,将修正后的前一帧的边界数据对应的障碍物在当前帧的车辆坐标系下的点坐标转换成所述障碍物在世界坐标系下的点坐标。也就是说,根据车辆位姿数据,如车辆的位置和航向角等,结合传感器外参和车辆外参,确定当前帧的车辆坐标系相对于世界坐标系的坐标变换关系,进而根据该坐标变换关系,将在当前帧的车辆坐标系下的点坐标转换成在世界坐标系下的点坐标,实现坐标转换。
在步骤103、当存储的边界点的个数达到预设阈值时,利用所有边界点的坐标进行曲线拟合,生成边界曲线。
本步骤是指:通过一段时间的采集,可得到边界点序列,当检测到边界点序列中的边界点个数大于等于预设阈值时,利用所有边界点的坐标进行曲线拟合,得到多项式曲线方程。根据这一多项式曲线方程,除了各边界点之外,向前延伸的缺陷也是可预测得到的,即为此时刻下的边界曲线。在行驶环境昏暗或弯度过大的情况,如当车辆低速行驶于光线暗、具有明显边界(如墙、路沿等)的上坡、下坡或弧形通道中时,可以基于生成的边界曲线来对规控环节进行线路指导并完成自动行驶。这里的预设阈值可以根据精度要求来设置,本申请对此不作限制。
在实际应用中,车辆在进行自动行驶路径的规划时,通常是依靠当前自车坐标系来实现的,因此,在一些实施例中,在利用所有边界点的坐标进行曲线拟合之前可以包括:通过当前的车辆位姿数据,将所有边界点的坐标转换到当前的车辆坐标系下。也就是说,根据当前车辆的位姿信息,将保存的边界点转移到当前的车辆坐标系下,再用这些边界点的坐标进行曲线拟合,使得生成的边界曲线能够与当前的车辆坐标系相对应,从而提升自动行驶路径规划的准确性和效率。
本申请实施例,利用安装于车辆两侧的超声传感器对边界进行检测,获取障碍物距离值和置信度,通过当前帧和前二帧的障碍物距离值以及前一帧的置信度,对前一帧的障碍物距离值进行修正,并将其对应的障碍物在当前帧的车辆坐标系下的点坐标转到世界坐标系下,得到边界点的坐标,当提取到的边界点的个数达到预设阈值时,利用这些边界点的坐标进行曲线拟合,从而生成边界曲线。如此,可以在光线差、上下坡、弧形通道等情况下实现高精度的边界检测,并且不需要昂贵的设备支持,因此成本较低。
为了对本申请的方案做更为详细的说明,接下来介绍一具体实施例:
本实施例提供一种基于超声信号的边界检测方案。该方案中,超声传感器的部署情况如图2所示,车辆21前后各安装四个短距超声传感器22,左右两侧各安装一个长距超声传感器23,记检测范围为K米。传感器信号中会给出相应的距离值并携带置信度,置信度的取值范围在[0,1]。
该方案中的边界检测流程包括:
S201、车辆在行驶过程中,两侧超声传感器实时地进行检测,从超声传感器中可以获得此时的障碍物距离值和置信度,记为[distance,confidence],称为dc数据;假设传感器工作频率为f赫兹,则一秒内传感器产生f组dc数据;
S202、根据传感器标定测试,得到信号角度,可计算出障碍物垂直于车身方向的距离/>;
S203、以车辆后轴中心点建立车辆坐标系,车辆行驶正前方为X轴,车辆右侧方为Y轴;这样,车辆在行驶过程中如果检测范围K米内有边界存在,得到一组dc值,即可得到相应的障碍物在自车坐标系下的点坐标p_car;
S204、通过前面保存下来的和对应的confidence进行筛选与滤波,过程包括:取前两个点p_car[i-2]、p_car[i-1]和当前点p_car[i],根据预先设定好的阈值threshold,采用去抖算法对p_car[i-1]是否为异常凸变或凹陷的点进行判断,并在判断结果为是时对其进行修正,具体地,将p_car[i-2]和p_car[i]二者的/>的较大值记为max,较小值记为min,则如果/>,则针对p_car[i-1]的/>,其修正后的值;如果,则针对p_car[i-1]的/>,其修正后的值/>;
之后,根据车辆位姿数据和超声传感器与车辆外参矩阵,将calDistance对应的点坐标转到世界坐标系下,得到p_world;
S205、通过一段时间的采集,可得到边界点p_cal以及序列p_cal_list;当检测到了大于等于N个p_world边界点后,通过当前提是车辆的位姿信息,将保存的N个p_world边界点转换到当前自车坐标系下,用这N个边界点进行曲线拟合,得到多项式曲数方程;根据这一多项式曲线方程,除了各边界点之外,向前延伸的缺陷也是可预测得到的,即为此时刻下的边界曲线。
本实施例方案中,最终道路边界生成的效果如图3所示。在车辆低速行驶于光线暗、具有明显边界(如墙、路沿等)的上坡、下坡或弧形通道中时,生成的边界曲线可以对规控环节进行线路指导并完成自动行驶。
与前述方法的实施例相对应,本申请还提供行车边界检测装置及其应用的终端的实施例:
如图4所示,图4是本申请实施例提供的一种行车边界检测装置的框图,所述装置包括:
获取模块41,用于获取安装于车辆两侧的超声传感器检测到的边界数据;所述超声传感器每秒产生预设帧数的边界数据,所述边界数据包括障碍物距离值和置信度;
转换模块42,用于通过当前帧和前二帧的障碍物距离值,以及前一帧的置信度,对前一帧的障碍物距离值进行修正,并将修正后的前一帧的边界数据对应的障碍物在当前帧的车辆坐标系下的点坐标转换到世界坐标系下,将转换后的点坐标作为边界点的坐标进行存储;
生成模块43,用于当存储的边界点的个数达到预设阈值时,利用所有边界点的坐标进行曲线拟合,生成边界曲线。
上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
本申请还提供一种电子设备,请参见图5,图5为本申请实施例提供的一种电子设备的结构框图。电子设备可以包括处理器510、通信接口520、存储器530和至少一个通信总线540。其中,通信总线540用于实现这些组件直接的连接通信。其中,本申请实施例中电子设备的通信接口520用于与其他节点设备进行信令或数据的通信。处理器510可以是一种集成电路芯片,具有信号的处理能力。
上述的处理器510可以是通用处理器,包括中央处理器(CPU,CentralProcessingUnit)、网络处理器(NP,NetworkProcessor)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(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510也可以是任何常规的处理器等。
存储器530可以是,但不限于,随机存取存储器(RAM,RandomAccessMemory),只读存储器(ROM,Read Only Memory),可编程只读存储器(PROM ,Programmable Read-OnlyMemory),可擦除只读存储器(EPROM ,Erasable Programmable Read-Only Memory),电可擦除只读存储器(EEPROM ,Electric Erasable Programmable Read-Only Memory)等。存储器530中存储有计算机可读取指令,当所述计算机可读取指令由所述处理器510执行时,电子设备可以执行上述图1方法实施例涉及的各个步骤。
可选地,电子设备还可以包括存储控制器、输入输出单元。
所述存储器530、存储控制器、处理器510、外设接口、输入输出单元各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通信总线540实现电性连接。所述处理器510用于执行存储器530中存储的可执行模块,例如电子设备包括的软件功能模块或计算机程序。
输入输出单元用于提供给用户创建任务以及为该任务创建启动可选时段或预设执行时间以实现用户与服务器的交互。所述输入输出单元可以是,但不限于,鼠标和键盘等。
可以理解,图5所示的结构仅为示意,所述电子设备还可包括比图5中所示更多或者更少的组件,或者具有与图5所示不同的配置。图5中所示的各组件可以采用硬件、软件或其组合实现。
本申请实施例还提供一种存储介质,所述存储介质上存储有指令,当所述指令在计算机上运行时,所述计算机程序被处理器执行时实现方法实施例所述的方法,为避免重复,此处不再赘述。
本申请还提供一种计算机程序产品,所述计算机程序产品在计算机上运行时,使得计算机执行方法实施例所述的方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也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,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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)执行本申请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(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。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。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物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、物品或者设备中还存在另外的相同要素。
Claims (9)
1.一种行车边界检测方法,其特征在于,包括:
获取安装于车辆两侧的超声传感器检测到的边界数据;所述超声传感器每秒产生预设帧数的边界数据,所述边界数据包括障碍物距离值和置信度;
通过当前帧和前二帧的障碍物距离值,以及前一帧的置信度,对前一帧的障碍物距离值进行修正,并将修正后的前一帧的边界数据对应的障碍物在当前帧的车辆坐标系下的点坐标转换到世界坐标系下,将转换后的点坐标作为边界点的坐标进行存储;
当存储的边界点的个数达到预设阈值时,利用所有边界点的坐标进行曲线拟合,生成边界曲线;
所述通过当前帧和前二帧的障碍物距离值,以及前一帧的置信度,对前一帧的障碍物距离值进行修正,包括:
对比当前帧和前二帧的障碍物距离值,获取较大值和较小值;
若前一帧的障碍物距离值与预设距离阈值之间的差值大于所述较大值,基于所述前一帧的置信度和所述较大值,对所述前一帧的障碍物距离值进行修正;
若前一帧的障碍物距离值与预设距离阈值之间的和小于所述较小值,基于所述前一帧的置信度和所述较小值,对所述前一帧的障碍物距离值进行修正。
2.根据权利要求1所述的方法,其特征在于,所述障碍物距离值是障碍物垂直于车身方向的距离;所述障碍物距离值是基于所述超声传感器检测到的距离值和信号角度计算得到的;所述信号角度表征所述超声传感器在车辆上的安装角度。
3.根据权利要求1所述的方法,其特征在于,所述修正后的前一帧的边界数据中的障碍物距离值基于以下公式计算得到:
其中,所述为修正后的前一帧的障碍物距离值;所述/>为修正前的前一帧的障碍物距离值;所述/>为所述前一帧的置信度;若前一帧的障碍物距离值与预设距离阈值之间的差值大于所述较大值,所述/>为所述较大值;若前一帧的障碍物距离值与预设距离阈值之间的和小于所述较小值,所述/>为所述较小值。
4.根据权利要求3所述的方法,其特征在于,所述通过当前帧和前二帧的障碍物距离值,以及前一帧的置信度,对前一帧的障碍物距离值进行修正,还包括:
若前一帧的障碍物距离值与预设距离阈值之间的差值不大于所述较大值,且前一帧的障碍物距离值与预设距离阈值之间的和不小于所述较小值,确定所述为修正前的前一帧的障碍物距离值。
5.根据权利要求1所述的方法,其特征在于,所述将修正后的前一帧的边界数据对应的障碍物在当前帧的车辆坐标系下的点坐标转换到世界坐标系下,包括:
根据车辆位姿数据、所述超声传感器的外参矩阵以及所述车辆的外参矩阵,将修正后的前一帧的边界数据对应的障碍物在当前帧的车辆坐标系下的点坐标转换成所述障碍物在世界坐标系下的点坐标。
6.根据权利要求1所述的方法,其特征在于,所述利用所有边界点的坐标进行曲线拟合之前,包括:
通过当前的车辆位姿数据,将所有边界点的坐标转换到当前的车辆坐标系下。
7.一种行车边界检测装置,其特征在于,包括:
获取模块,用于获取安装于车辆两侧的超声传感器检测到的边界数据;所述超声传感器每秒产生预设帧数的边界数据,所述边界数据包括障碍物距离值和置信度;
转换模块,用于通过当前帧和前二帧的障碍物距离值,以及前一帧的置信度,对前一帧的障碍物距离值进行修正,并将修正后的前一帧的边界数据对应的障碍物在当前帧的车辆坐标系下的点坐标转换到世界坐标系下,将转换后的点坐标作为边界点的坐标进行存储;
生成模块,用于当存储的边界点的个数达到预设阈值时,利用所有边界点的坐标进行曲线拟合,生成边界曲线;
所述转换模块具体用于:
对比当前帧和前二帧的障碍物距离值,获取较大值和较小值;
若前一帧的障碍物距离值与预设距离阈值之间的差值大于所述较大值,基于所述前一帧的置信度和所述较大值,对所述前一帧的障碍物距离值进行修正;
若前一帧的障碍物距离值与预设距离阈值之间的和小于所述较小值,基于所述前一帧的置信度和所述较小值,对所述前一帧的障碍物距离值进行修正。
8.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法。
9.一种电子设备,其特征在于,包括处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310674370.2A CN116400362B (zh) | 2023-06-08 | 2023-06-08 | 一种行车边界检测方法、装置、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310674370.2A CN116400362B (zh) | 2023-06-08 | 2023-06-08 | 一种行车边界检测方法、装置、存储介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116400362A CN116400362A (zh) | 2023-07-07 |
CN116400362B true CN116400362B (zh) | 2023-08-08 |
Family
ID=87010938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310674370.2A Active CN116400362B (zh) | 2023-06-08 | 2023-06-08 | 一种行车边界检测方法、装置、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116400362B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117698711B (zh) * | 2024-02-06 | 2024-04-26 | 江苏日盈电子股份有限公司 | 一种基于物联网的汽车雷达测距智能管控系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001066361A (ja) * | 1999-08-30 | 2001-03-16 | Denso Corp | 車両用障害物検出装置の中心軸偏向量算出装置及び中心軸偏向量補正装置、操舵角中立学習装置並びに車間制御装置 |
CN101900814A (zh) * | 2010-07-09 | 2010-12-01 | 深圳市豪恩电子科技股份有限公司 | 倒车雷达系统及倒车雷达探测方法 |
CN108007451A (zh) * | 2017-11-10 | 2018-05-08 | 未来机器人(深圳)有限公司 | 货物承载装置位姿的检测方法、装置、计算机设备和存储介质 |
CN108931246A (zh) * | 2017-05-26 | 2018-12-04 | 杭州海康机器人技术有限公司 | 一种检测未知位置的障碍物存在概率的方法和装置 |
WO2019058507A1 (ja) * | 2017-09-22 | 2019-03-28 | 三菱電機株式会社 | 障害物検出装置および障害物検出方法 |
CN110573905A (zh) * | 2017-04-28 | 2019-12-13 | 株式会社电装 | 障碍物检知装置 |
CN111257893A (zh) * | 2020-01-20 | 2020-06-09 | 珠海上富电技股份有限公司 | 一种停车位检测方法及自动泊车方法 |
CN112084810A (zh) * | 2019-06-12 | 2020-12-15 | 杭州海康威视数字技术股份有限公司 | 一种障碍物检测方法、装置、电子设备及存储介质 |
CN112105953A (zh) * | 2018-11-26 | 2020-12-18 | 华为技术有限公司 | 一种障碍物检测方法及装置 |
CN113552575A (zh) * | 2021-07-16 | 2021-10-26 | 铁将军汽车电子股份有限公司 | 泊车障碍物侦测方法及装置 |
CN115113189A (zh) * | 2022-06-30 | 2022-09-27 | 东风汽车有限公司东风日产乘用车公司 | 障碍物检测系统标定方法、装置、设备及存储介质 |
CN115540896A (zh) * | 2022-12-06 | 2022-12-30 | 广汽埃安新能源汽车股份有限公司 | 路径规划方法、装置、电子设备和计算机可读介质 |
-
2023
- 2023-06-08 CN CN202310674370.2A patent/CN116400362B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001066361A (ja) * | 1999-08-30 | 2001-03-16 | Denso Corp | 車両用障害物検出装置の中心軸偏向量算出装置及び中心軸偏向量補正装置、操舵角中立学習装置並びに車間制御装置 |
CN101900814A (zh) * | 2010-07-09 | 2010-12-01 | 深圳市豪恩电子科技股份有限公司 | 倒车雷达系统及倒车雷达探测方法 |
CN110573905A (zh) * | 2017-04-28 | 2019-12-13 | 株式会社电装 | 障碍物检知装置 |
CN108931246A (zh) * | 2017-05-26 | 2018-12-04 | 杭州海康机器人技术有限公司 | 一种检测未知位置的障碍物存在概率的方法和装置 |
WO2019058507A1 (ja) * | 2017-09-22 | 2019-03-28 | 三菱電機株式会社 | 障害物検出装置および障害物検出方法 |
CN108007451A (zh) * | 2017-11-10 | 2018-05-08 | 未来机器人(深圳)有限公司 | 货物承载装置位姿的检测方法、装置、计算机设备和存储介质 |
CN112105953A (zh) * | 2018-11-26 | 2020-12-18 | 华为技术有限公司 | 一种障碍物检测方法及装置 |
CN112084810A (zh) * | 2019-06-12 | 2020-12-15 | 杭州海康威视数字技术股份有限公司 | 一种障碍物检测方法、装置、电子设备及存储介质 |
CN111257893A (zh) * | 2020-01-20 | 2020-06-09 | 珠海上富电技股份有限公司 | 一种停车位检测方法及自动泊车方法 |
CN113552575A (zh) * | 2021-07-16 | 2021-10-26 | 铁将军汽车电子股份有限公司 | 泊车障碍物侦测方法及装置 |
CN115113189A (zh) * | 2022-06-30 | 2022-09-27 | 东风汽车有限公司东风日产乘用车公司 | 障碍物检测系统标定方法、装置、设备及存储介质 |
CN115540896A (zh) * | 2022-12-06 | 2022-12-30 | 广汽埃安新能源汽车股份有限公司 | 路径规划方法、装置、电子设备和计算机可读介质 |
Non-Patent Citations (1)
Title |
---|
激光测距雷达距离图障碍物实时检测算法研究及误差分析;张奇, 顾伟康;机器人(第02期);122-133 * |
Also Published As
Publication number | Publication date |
---|---|
CN116400362A (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105109484B (zh) | 目标障碍物体确定方法及装置 | |
CN110867132B (zh) | 环境感知的方法、装置、电子设备和计算机可读存储介质 | |
CN116400362B (zh) | 一种行车边界检测方法、装置、存储介质及设备 | |
EP4089659A1 (en) | Map updating method, apparatus and device | |
US11912293B2 (en) | Method, system, and computer program product for determining a blockage of a sensor of a plurality of sensors of an ego vehicle | |
JP2018180735A (ja) | 動作範囲決定装置 | |
CN108016445B (zh) | 用于交通流量的车辆应用的系统和方法 | |
CN110632617A (zh) | 一种激光雷达点云数据处理的方法及装置 | |
EP3712642B1 (en) | Light signal detection device, range finding device, and detection method | |
CN110969059A (zh) | 车道线识别方法及系统 | |
CN112147651B (zh) | 一种异步多车协同目标状态鲁棒估计方法 | |
KR20170068937A (ko) | 터널 조명을 이용한 자율주행 차량 항법 시스템 | |
US20220128377A1 (en) | Travel route setting system, travel route setting method, and program | |
GB2576206A (en) | Sensor degradation | |
CN112748421A (zh) | 一种基于直行路段自动驾驶的激光雷达校准方法 | |
US20220137207A1 (en) | Systems and methods for radar false track mitigation with camera | |
JP2019184566A (ja) | 車両および車両位置推定装置 | |
CN114396958B (zh) | 基于多车道多传感器的车道定位方法、系统及车辆 | |
CN110986966B (zh) | 一种用于长距离隧道的自动驾驶定位方法及系统 | |
CN110426714B (zh) | 一种障碍物识别方法 | |
CN109827610B (zh) | 用于校验传感器融合结果的方法和装置 | |
CN112835029A (zh) | 面向无人驾驶的多传感器障碍物探测数据融合方法及系统 | |
CN113325415B (zh) | 车辆雷达数据和相机数据的融合方法及系统 | |
JP2016115211A (ja) | 位置認識方法 | |
CN113587940A (zh) | 一种基于车辆转弯半径的车道线校验方法、系统及车辆 |
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 |