CN116499488B - 目标融合方法、装置、车辆及存储介质 - Google Patents

目标融合方法、装置、车辆及存储介质 Download PDF

Info

Publication number
CN116499488B
CN116499488B CN202310777886.XA CN202310777886A CN116499488B CN 116499488 B CN116499488 B CN 116499488B CN 202310777886 A CN202310777886 A CN 202310777886A CN 116499488 B CN116499488 B CN 116499488B
Authority
CN
China
Prior art keywords
target
target vehicle
similarity
vehicle
vehicles
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
Application number
CN202310777886.XA
Other languages
English (en)
Other versions
CN116499488A (zh
Inventor
刘长江
付青顺
杨奎元
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.)
Xiaomi Automobile Technology Co Ltd
Original Assignee
Xiaomi Automobile 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 Xiaomi Automobile Technology Co Ltd filed Critical Xiaomi Automobile Technology Co Ltd
Priority to CN202310777886.XA priority Critical patent/CN116499488B/zh
Publication of CN116499488A publication Critical patent/CN116499488A/zh
Application granted granted Critical
Publication of CN116499488B publication Critical patent/CN116499488B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3453Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3492Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S13/00Systems 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
    • G01S13/88Radar or analogous systems specially adapted for specific applications
    • G01S13/93Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/25Fusion techniques

Abstract

本公开提出一种目标融合方法、装置、车辆及存储介质,涉及自动驾驶技术领域。所述方法包括:对自动驾驶设备采集的感测数据进行目标检测,以获取所述自动驾驶设备周围的目标车辆;在所述目标车辆的数量为多个的情况下,获取每个所述目标车辆对应的运行数据;根据位于同一行车道、且相邻的两个目标车辆对应的运行数据的相似度,确定目标车辆对;在所述目标车辆对中的第一目标车辆与第二目标车辆之间的目标距离,小于距离阈值的情况下,将所述第一目标车辆及所述第二目标车辆融合为一个目标车辆。由此,避免了将一个大车目标,识别为两个目标车辆,提高了确定的目标车辆的准确度。

Description

目标融合方法、装置、车辆及存储介质
技术领域
本公开涉及自动驾驶技术领域,尤其涉及一种目标融合方法、装置、车辆及存储介质。
背景技术
毫米波雷达是自动驾驶中的主要传感器,但其分辨性能较差,往往不能准确给出目标的尺寸。若基于毫米波雷达采集的数据进行目标检测,特别是对一些尺寸较长的大车目标(比如,长度为十米的货车等),容易出现目标分裂问题。比如,将长度较长的大车目标探测为两个目标车辆,即将车头探测为一个目标车辆、车尾探测为一个目标车辆。
发明内容
本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
本公开第一方面实施例提出了一种目标融合方法,包括:
对自动驾驶设备采集的感测数据进行目标检测,以获取所述自动驾驶设备周围的目标车辆;
在所述目标车辆的数量为多个的情况下,获取每个所述目标车辆对应的运行数据;
根据位于同一行车道、且相邻的两个目标车辆对应的运行数据的相似度,确定目标车辆对;
在所述目标车辆对中的第一目标车辆与第二目标车辆之间的目标距离,小于距离阈值的情况下,将所述第一目标车辆及所述第二目标车辆融合为一个目标车辆。
本公开第二方面实施例提出了一种目标融合装置,包括:
第一获取模块,用于对自动驾驶设备采集的感测数据进行目标检测,以获取所述自动驾驶设备周围的目标车辆;
第二获取模块,用于在所述目标车辆的数量为多个的情况下,获取每个所述目标车辆对应的运行数据;
第一确定模块,用于根据位于同一行车道、且相邻的两个目标车辆对应的运行数据的相似度,确定目标车辆对;
融合模块,用于在所述目标车辆对中的第一目标车辆与第二目标车辆之间的目标距离,小于距离阈值的情况下,将所述第一目标车辆及所述第二目标车辆融合为一个目标车辆。
本公开第三方面实施例提出了一种车辆,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为:如本公开第一方面实施例提出的目标融合方法的步骤。
本公开第四方面实施例提出了一种计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够执行一种目标融合方法,所述方法包括:
对自动驾驶设备采集的感测数据进行目标检测,以获取所述自动驾驶设备周围的目标车辆;
在所述目标车辆的数量为多个的情况下,获取每个所述目标车辆对应的运行数据;
根据位于同一行车道、且相邻的两个目标车辆对应的运行数据的相似度,确定目标车辆对;
在所述目标车辆对中的第一目标车辆与第二目标车辆之间的目标距离,小于距离阈值的情况下,将所述第一目标车辆及所述第二目标车辆融合为一个目标车辆。
本公开提供的目标融合方法、装置、车辆及存储介质,存在如下有益效果:
本公开实施例中,先对自动驾驶设备采集的感测数据进行目标检测,以获取自动驾驶设备周围的目标车辆,之后在目标车辆的数量为多个的情况下,获取每个目标车辆对应的运行数据,并根据位于同一行车道、且相邻的两个目标车辆对应的运行数据的相似度,确定目标车辆对,最后在目标车辆对中的第一目标车辆与第二目标车辆之间的目标距离,小于距离阈值的情况下,将第一目标车辆及第二目标车辆融合为一个目标车辆。由此,可以根据目标车辆的运行数据,确定可能需要融合的两个目标车辆,进而基于两个目标车辆之间的目标距离与距离阈值的关系,准确地确定需要融合的两个目标车辆,已将两个目标车辆融合为一个目标车辆,从而避免了将一个大车目标,识别为两个目标车辆,提高了确定的目标车辆的准确度。
本公开附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本公开的实践了解到。
附图说明
本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本公开一实施例所提供的一种目标融合方法的流程示意图;
图2为本公开另一实施例所提供的一种目标融合方法的流程示意图;
图3为本公开另一实施例所提供的目标融合装置的结构示意图;
图4示出了适于用来实现本公开实施方式的示例性电子设备的框图。
具体实施方式
下面详细描述本公开的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本公开,而不能理解为对本公开的限制。
下面参考附图描述本公开实施例的目标融合方法、装置、车辆及存储介质。
图1为本公开实施例所提供的一种目标融合方法的流程示意图。
本公开实施例以该目标融合方法被配置于目标融合装置中来举例说明,该目标融合装置可以应用于任一车辆中,以使该车辆可以执行目标融合功能。
如图1所示,该目标融合方法可以包括以下步骤:
步骤101,对自动驾驶设备采集的感测数据进行目标检测,以获取自动驾驶设备周围的目标车辆。
其中,自动驾驶设备可以为自动驾驶车辆。
其中,感测数据可以为自动驾驶设备中毫米波雷达采集的点云数据,也可以为自动驾驶设备中的其他采集设备(比如激光雷达等)采集的数据。本公开对此不做限定。
可以选,可以采用目标检测模型对感测数据进行目标检测,以获取目标检测结果,进而从目标检测结果中,获取自动驾驶设备周围存在的目标车辆。
步骤102,在目标车辆的数量为多个的情况下,获取每个目标车辆对应的运行数据。
可以理解的是,目标数量为1个的情况下,不会出现将一个大车识别为两个目标车辆的情况下,从而不需要进行后续的目标车辆融合操作。
可选的,运行数据可以包括以下至少一项:
在采集感测数据之前的预设时间段内,目标车辆对应的位置序列;
在预设时间段内,目标车辆对应的速度序列;及
在预设时间段内,目标车辆对应的运行轨迹。
其中,预设时间段可以为1秒(s)、2s等。需要说明的是,预设时间段不易过长,预设时间段过长,则对应的运行数据就越多,从而占用较多的计算资源,从而影响计算效率。
其中,位置序列可以为预设时间段内目标车辆的位置变化的序列。
其中,速度序列可以为预设时间段内目标车辆的速度变化的序列。其中,速度序列总的速度可以为目标车辆与自动驾驶设备之间的相对速度,也可以为目标车辆的行驶速度。本公开对此不做限定。
其中,运行轨迹可以为预设时间段内目标车辆的真实的运行轨迹。可以基于目标车辆的实时位置,确定运行轨迹。
比如,运行数据可以包括位置序列和速度序列,或者,运行数据也可以包括位置序列、速度序列及运行轨迹。本公开对此不做限定。
在一些可能的实现方式中,运行数据中也可以包括当前时刻目标车辆的位置、速度、预设时间段内的运行轨迹等。
步骤103,根据位于同一行车道、且相邻的两个目标车辆对应的运行数据的相似度,确定目标车辆对。
可以理解的是,若一个大车被识别成两个目标车辆,则两个目标车辆应相邻、且在同一行车道上行驶。因此,本公开中,可以根据位于同一行车道、且相邻的两个目标车辆对应的运行数据的相似度,确定可能是由一个大车识别得到的两个目标车辆(即目标车辆对)。相似度越高的两个目标车辆,是由一个大车识别得到的可能性越大,即两个目标车辆属于同一个大车的可能越大。
在一些可能的实现方式中,若运行数据中包含位置序列、速度序列及运行轨迹,可以先确定两个目标车辆对应的两个位置序列之间的第一相似度、两个速度序列之间的第二相似度、两个运行轨迹之间的第三相似度,之后在第一相似度大于第一阈值、第二相似度大于第二阈值、且第三相似度大于第三阈值的情况下,确定两个目标车辆为目标车辆对。
可选的,可以根据位置序列中相同时刻下,两个目标车辆对应的位置之间的距离,确定两个位置序列之间的第一相似度。若位置序列中,每个时刻两个目标车辆对应的位置之间的距离均相近,则第一相似度越大。
可选的,可以根据速度序列中相同时刻下,两个目标车辆对应的速度之间的差值,确定两个位置序列之间的第二相似度。若速度序列中,每个时刻,两个目标车辆的速度之间的差值越小,则第二相似度越大。
其中,第一阈值可以为预先设置的用于对两个位置序列之间的第一相似度进行判断的数值。
其中,第二阈值可以为预先设置的用于对两个速度序列之间的第二相似度进行判断的数值。
其中,第三阈值可以为预先设置的用于对两个运行轨迹之间的第三相似度进行判断的数值。
其中,第一阈值、第二阈值、第三阈值可以相同,也可以不同。本公开对此不做限定。
从而,在第一相似度大于第一阈值、第二相似度大于第二阈值、且第三相似度大于第三阈值的情况下,表示两个目标车辆之间高度相似,可能是由一个大车识别得到的,因此,将两个高度相似的目标车辆,确定为一个目标车辆对,进一步判断目标车辆对是否由同一个大车识别得到。
在一些可能的实现方式中,若运行数据中包含位置序列及速度序列,可以先确定两个目标车辆对应的两个位置序列之间的第一相似度、两个速度序列之间的第二相似度,之后在第一相似度大于第一阈值、第二相似度大于第二阈值的情况下,确定两个目标车辆为目标车辆对。
步骤104,在目标车辆对中的第一目标车辆与第二目标车辆之间的目标距离,小于距离阈值的情况下,将第一目标车辆及第二目标车辆融合为一个目标车辆。
可选的,将第一目标车辆的车头、与第二目标车辆的车尾之间的距离,确定为目标距离,其中,第一目标车辆与第二目标车辆的行驶方向相同、且第二目标车辆行驶在第一目标车辆前方。即目标距离可以为当前时刻第一目标车辆与第二目标车辆之间的真实行车距离。
或者,目标距离也可以为当前时刻第一目标车辆的中心点与第二目标车辆的中心点之间的距离。
其中,距离阈值可以为预先设置的用于判断第一目标车辆与第二目标车辆是否是由一个大车识别得到的阈值。
可选的,距离阈值可以根据市面上常见的大车的最长长度、及第一目标车辆、第二目标车辆的长度确定。比如,大车最长的长度为18米,则距离阈值可以为18米减去第一目标车辆的长度及第二目标车辆的长度。
可选的,可以将第一目标车辆、第二目标车辆、第一目标车辆与第二目标车辆之间的区域,融合为一个目标车辆。
需要说明的是,对一些尺寸较长的大车目标,目标检测结果可能会出现目标分裂问题,即将一个大车识别为两个目标车辆,从而可能会影响下游的自动驾驶计算,不利于自动驾驶的准确控制。因此,本公开中,在确定了目标车辆之后,还可以进一步根据目标车辆中相似的两个目标车辆之间的距离,准确地确定由同一个大车识别得到的两个目标车辆,进而将两个目标车辆融合为一个目标车辆,提高了得到的目标车辆的准确度,进而为后续自动驾驶的控制提供了可靠依据。
本公开实施例中,先对自动驾驶设备采集的感测数据进行目标检测,以获取自动驾驶设备周围的目标车辆,之后在目标车辆的数量为多个的情况下,获取每个目标车辆对应的运行数据,并根据位于同一行车道、且相邻的两个目标车辆对应的运行数据的相似度,确定目标车辆对,最后在目标车辆对中的第一目标车辆与第二目标车辆之间的目标距离,小于距离阈值的情况下,将第一目标车辆及第二目标车辆融合为一个目标车辆。由此,可以根据目标车辆的运行数据,确定可能需要融合的两个目标车辆,进而基于两个目标车辆之间的目标距离与距离阈值的关系,准确地确定需要融合的两个目标车辆,已将两个目标车辆融合为一个目标车辆,从而避免了将一个大车目标,识别为两个目标车辆,提高了确定的目标车辆的准确度。
图2为本公开一实施例所提供的一种目标融合方法的流程示意图,如图2所示,该目标融合方法可以包括以下步骤:
步骤201,对自动驾驶设备采集的感测数据进行目标检测,以获取自动驾驶设备周围的目标车辆。
步骤202,在目标车辆的数量为多个的情况下,获取每个目标车辆对应的运行数据。
步骤203,根据位于同一行车道、且相邻的两个目标车辆对应的运行数据的相似度,确定目标车辆对。
其中,步骤201及步骤203的具体实现形式,可参照本公开中,其他各实施例中的详细描述,此处不再具体赘述。
步骤204,获取第一目标车辆对应的第一行驶速度、及第二目标车辆对应的第二行驶速度。
可选的,可以根据自动驾驶设备当前的行驶速度,及自动驾驶设备获取的第一目标车辆与自动驾驶设备之间的相对速度,第二目标车辆与自动驾驶设备之间的相对速度,确定第一目标车辆对应的第一行驶速度、及第二目标车辆对应的第二行驶速度。
步骤205,根据第一行驶速度、及第二行驶速度,确定距离阈值。
本公开实施例中,可以根据第一行驶速度、及第二行驶速度,确定第一目标车辆与第二目标车辆之间的安全跟车距离,并将安全跟车距离作为距离阈值,进而在第一目标车辆与第二目标车辆之间的目标距离,小于安全跟车距离的情况下,准确地确定第一目标车辆与第二目标车辆属于同一个大车,将第一目标车辆与第二目标车辆融合为一个目标车辆。
可选的,基于第一行驶速度与第二行驶速度的平均速度,查询距离阈值映射表,以获取距离阈值。
其中,距离阈值映射表可以为预先设置的,用于保存每个行驶速度对应的安全跟车距离(即距离阈值)的表格或文本等。
需要说明的是,由于第一目标车辆与第二目标车辆的行驶数据较为相似,因此,第一行驶速度及第二行驶速度是较为相似的,因此,可以取第一行驶速度与第二行驶速度的平均速度,进而基于平均值,获取距离阈值。
或者,也可以基于第一行驶速度,或第二行驶速度获取距离阈值。
在一些可能的实现方式中,也可以将平均速度与预设的第一数值的乘积,确定为距离阈值。
即将平均速度与距离阈值之间的关系看作是线性变化的。比如,预设的第一数值可以为0.3。
步骤206,在目标车辆对中的第一目标车辆与第二目标车辆之间的目标距离,小于距离阈值的情况下,将第一目标车辆及第二目标车辆融合为一个目标车辆。
本公开实施例中,先对自动驾驶设备采集的感测数据进行目标检测,以获取自动驾驶设备周围的目标车辆,在目标车辆的数量为多个的情况下,获取每个目标车辆对应的运行数据,之后根据位于同一行车道、且相邻的两个目标车辆对应的运行数据的相似度,确定目标车辆对;获取第一目标车辆对应的第一行驶速度、及第二目标车辆对应的第二行驶速度,根据第一行驶速度、及第二行驶速度,确定距离阈值,最后在目标车辆对中的第一目标车辆与第二目标车辆之间的目标距离,小于距离阈值的情况下,将第一目标车辆及第二目标车辆融合为一个目标车辆。由此,可以基于第一目标车辆与第二目标车辆的行驶速度,确定距离阈值,从而使确定的距离阈值更加贴合的当时的行驶场景,进而准确地将需要融合的两个目标车辆融合为一个目标车辆,进一步提高了确定的目标车辆的准确度。
为了实现上述实施例,本公开还提出一种目标融合装置。
图3为本公开实施例所提供的目标融合装置的结构示意图。
如图3所示,该目标融合装置300可以包括:
第一获取模块301,用于对自动驾驶设备采集的感测数据进行目标检测,以获取自动驾驶设备周围的目标车辆;
第二获取模块302,用于在目标车辆的数量为多个的情况下,获取每个目标车辆对应的运行数据;
第一确定模块303,用于根据位于同一行车道、且相邻的两个目标车辆对应的运行数据的相似度,确定目标车辆对;
融合模块304,用于在目标车辆对中的第一目标车辆与第二目标车辆之间的目标距离,小于距离阈值的情况下,将第一目标车辆及第二目标车辆融合为一个目标车辆。
在一些可能的实现方式中,还包括第二确定模块,用于:
获取第一目标车辆对应的第一行驶速度、及第二目标车辆对应的第二行驶速度;
根据第一行驶速度、及第二行驶速度,确定距离阈值。
在一些可能的实现方式中,第二确定模块,还用于:
基于第一行驶速度与第二行驶速度的平均速度,查询距离阈值映射表,以获取距离阈值;或者,
将平均速度与预设的第一数值的乘积,确定为距离阈值。
在一些可能的实现方式中,还包括第三确定模块,用于:
将第一目标车辆的车头、与第二目标车辆的车尾之间的距离,确定为目标距离,其中,第一目标车辆与第二目标车辆的行驶方向相同、且第二目标车辆行驶在第一目标车辆前方。
在一些可能的实现方式中,运行数据包括以下至少一项:
在采集感测数据之前的预设时间段内,目标车辆对应的位置序列;
在预设时间段内,目标车辆对应的速度序列;及
在预设时间段内,目标车辆对应的运行轨迹。
在一些可能的实现方式中,第一确定模块303,用于:
确定两个目标车辆对应的两个位置序列之间的第一相似度、两个速度序列之间的第二相似度、两个运行轨迹之间的第三相似度;
在第一相似度大于第一阈值、第二相似度大于第二阈值、且第三相似度大于第三阈值的情况下,确定两个目标车辆为目标车辆对。
本公开实施例中的上述各模块的功能及具体实现原理,可参照上述各方法实施例,此处不再赘述。
本公开实施例的目标融合装置,首先对自动驾驶设备采集的感测数据进行目标检测,以获取自动驾驶设备周围的目标车辆,之后在目标车辆的数量为多个的情况下,获取每个目标车辆对应的运行数据,并根据位于同一行车道、且相邻的两个目标车辆对应的运行数据的相似度,确定目标车辆对,最后在目标车辆对中的第一目标车辆与第二目标车辆之间的目标距离,小于距离阈值的情况下,将第一目标车辆及第二目标车辆融合为一个目标车辆。由此,可以根据目标车辆的运行数据,确定可能需要融合的两个目标车辆,进而基于两个目标车辆之间的目标距离与距离阈值的关系,准确地确定需要融合的两个目标车辆,已将两个目标车辆融合为一个目标车辆,从而避免了将一个大车目标,识别为两个目标车辆,提高了确定的目标车辆的准确度。
图4是一示例性实施例示出的一种车辆的功能框图示意图。例如,车辆400可以是混合动力车辆,也可以是非混合动力车辆、电动车辆、燃料电池车辆或者其他类型的车辆。车辆400可以是自动驾驶车辆、半自动驾驶车辆或者非自动驾驶车辆。
参照图4,车辆400可包括各种子系统,例如,信息娱乐系统410、感知系统420、决策控制系统430、驱动系统440以及计算平台450。其中,车辆400还可以包括更多或更少的子系统,并且每个子系统都可包括多个部件。另外,车辆400的每个子系统之间和每个部件之间可以通过有线或者无线的方式实现互连。
在一些实施例中,信息娱乐系统410可以包括通信系统,娱乐系统以及导航系统等。感知系统420可以包括若干种传感器,用于感测车辆400周边的环境的信息。例如,感知系统420可包括全球定位系统(全球定位系统可以是GPS系统,也可以是北斗系统或者其他定位系统)、惯性测量单元(inertial measurement unit,IMU)、激光雷达、毫米波雷达、超声雷达以及摄像装置。
决策控制系统430可以包括计算系统、整车控制器、转向系统、油门以及制动系统。驱动系统440可以包括为车辆400提供动力运动的组件。在一个实施例中,驱动系统440可以包括引擎、能量源、传动系统和车轮。引擎可以是内燃机、电动机、空气压缩引擎中的一种或者多种的组合。引擎能够将能量源提供的能量转换成机械能量。
车辆400的部分或所有功能受计算平台450控制。计算平台450可包括至少一个处理器451和存储器452,处理器451可以执行存储在存储器452中的指令453。
处理器451可以是任何常规的处理器,诸如商业可获得的CPU。处理器还可以包括诸如图像处理器(Graphic Process Unit,GPU),现场可编程门阵列(Field ProgrammableGate Array,FPGA)、片上系统(System on Chip,SOC)、专用集成芯片(ApplicationSpecific Integrated Circuit,ASIC)或它们的组合。
存储器452可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
除了指令453以外,存储器452还可存储数据,例如道路地图,路线信息,车辆的位置、方向、速度等数据。存储器452存储的数据可以被计算平台450使用。在本公开实施例中,处理器451可以执行指令453,以完成上述的目标融合方法的全部或部分步骤。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开提供的目标融合方法的步骤。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本公开的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本公开的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本公开的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,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模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块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,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本公开的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本公开的限制,本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (6)

1.一种目标融合方法,其特征在于,包括:
对自动驾驶设备采集的感测数据进行目标检测,以获取所述自动驾驶设备周围的目标车辆;
在所述目标车辆的数量为多个的情况下,获取每个所述目标车辆对应的运行数据;
根据位于同一行车道、且相邻的两个目标车辆对应的运行数据的相似度,确定目标车辆对;所述运行数据包括以下至少一项:在采集所述感测数据之前的预设时间段内,所述目标车辆对应的位置序列,所述位置序列为所述预设时间段内所述目标车辆的位置变化的序列;在所述预设时间段内,所述目标车辆对应的速度序列,所述速度序列为所述预设时间段内所述目标车辆的速度变化的序列;及在所述预设时间段内,所述目标车辆对应的运行轨迹,所述运行轨迹为所述预设时间段内所述目标车辆的真实的运行轨迹;
在所述目标车辆对中的第一目标车辆与第二目标车辆之间的目标距离,小于距离阈值的情况下,将所述第一目标车辆及所述第二目标车辆融合为一个目标车辆;
所述方法,还包括:
获取所述第一目标车辆对应的第一行驶速度、及所述第二目标车辆对应的第二行驶速度;
根据所述第一行驶速度、及所述第二行驶速度,确定所述距离阈值;
其中,所述根据位于同一行车道、且相邻的两个目标车辆对应的运行数据的相似度,确定目标车辆对,包括:
确定所述两个目标车辆对应的两个位置序列之间的第一相似度、两个速度序列之间的第二相似度、两个运行轨迹之间的第三相似度;
在所述第一相似度大于第一阈值、所述第二相似度大于第二阈值、且所述第三相似度大于第三阈值的情况下,确定所述两个目标车辆为所述目标车辆对。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一行驶速度、及所述第二行驶速度,确定所述距离阈值,包括:
基于所述第一行驶速度与所述第二行驶速度的平均速度,查询距离阈值映射表,以获取所述距离阈值;或者,
将所述平均速度与预设的第一数值的乘积,确定为所述距离阈值。
3.根据权利要求1所述的方法,其特征在于,还包括:
将所述第一目标车辆的车头、与所述第二目标车辆的车尾之间的距离,确定为所述目标距离,其中,所述第一目标车辆与所述第二目标车辆的行驶方向相同、且所述第二目标车辆行驶在所述第一目标车辆前方。
4.一种目标融合方法装置,其特征在于,所述装置包括:
第一获取模块,用于对自动驾驶设备采集的感测数据进行目标检测,以获取所述自动驾驶设备周围的目标车辆;
第二获取模块,用于在所述目标车辆的数量为多个的情况下,获取每个所述目标车辆对应的运行数据;所述运行数据包括以下至少一项:在采集所述感测数据之前的预设时间段内,所述目标车辆对应的位置序列,所述位置序列为所述预设时间段内所述目标车辆的位置变化的序列;在所述预设时间段内,所述目标车辆对应的速度序列,所述速度序列为所述预设时间段内所述目标车辆的速度变化的序列;及在所述预设时间段内,所述目标车辆对应的运行轨迹,所述运行轨迹为所述预设时间段内所述目标车辆的真实的运行轨迹;
第一确定模块,用于根据位于同一行车道、且相邻的两个目标车辆对应的运行数据的相似度,确定目标车辆对;
融合模块,用于在所述目标车辆对中的第一目标车辆与第二目标车辆之间的目标距离,小于距离阈值的情况下,将所述第一目标车辆及所述第二目标车辆融合为一个目标车辆;
所述装置,还包括第二确定模块,用于:获取所述第一目标车辆对应的第一行驶速度、及所述第二目标车辆对应的第二行驶速度;根据所述第一行驶速度、及所述第二行驶速度,确定所述距离阈值;
其中,所述第一确定模块,具体用于:确定所述两个目标车辆对应的两个位置序列之间的第一相似度、两个速度序列之间的第二相似度、两个运行轨迹之间的第三相似度;在所述第一相似度大于第一阈值、所述第二相似度大于第二阈值、且所述第三相似度大于第三阈值的情况下,确定所述两个目标车辆为所述目标车辆对。
5.一种车辆,其特征在于,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为:实现权利要求1-3中任一项所述方法的步骤。
6.一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够执行一种目标融合方法,所述方法包括:
对自动驾驶设备采集的感测数据进行目标检测,以获取所述自动驾驶设备周围的目标车辆;
在所述目标车辆的数量为多个的情况下,获取每个所述目标车辆对应的运行数据;所述运行数据包括以下至少一项:在采集所述感测数据之前的预设时间段内,所述目标车辆对应的位置序列;在所述预设时间段内,所述目标车辆对应的速度序列;及在所述预设时间段内,所述目标车辆对应的运行轨迹;
根据位于同一行车道、且相邻的两个目标车辆对应的运行数据的相似度,确定目标车辆对;
在所述目标车辆对中的第一目标车辆与第二目标车辆之间的目标距离,小于距离阈值的情况下,将所述第一目标车辆及所述第二目标车辆融合为一个目标车辆;
所述目标融合方法,还包括:
获取所述第一目标车辆对应的第一行驶速度、及所述第二目标车辆对应的第二行驶速度;
根据所述第一行驶速度、及所述第二行驶速度,确定所述距离阈值;
其中,所述根据位于同一行车道、且相邻的两个目标车辆对应的运行数据的相似度,确定目标车辆对,包括:
确定所述两个目标车辆对应的两个位置序列之间的第一相似度、两个速度序列之间的第二相似度、两个运行轨迹之间的第三相似度;
在所述第一相似度大于第一阈值、所述第二相似度大于第二阈值、且所述第三相似度大于第三阈值的情况下,确定所述两个目标车辆为所述目标车辆对。
CN202310777886.XA 2023-06-29 2023-06-29 目标融合方法、装置、车辆及存储介质 Active CN116499488B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310777886.XA CN116499488B (zh) 2023-06-29 2023-06-29 目标融合方法、装置、车辆及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310777886.XA CN116499488B (zh) 2023-06-29 2023-06-29 目标融合方法、装置、车辆及存储介质

Publications (2)

Publication Number Publication Date
CN116499488A CN116499488A (zh) 2023-07-28
CN116499488B true CN116499488B (zh) 2023-11-03

Family

ID=87328865

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310777886.XA Active CN116499488B (zh) 2023-06-29 2023-06-29 目标融合方法、装置、车辆及存储介质

Country Status (1)

Country Link
CN (1) CN116499488B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109917365A (zh) * 2019-03-29 2019-06-21 成都纳雷科技有限公司 具有抑制检测目标分裂功能的雷达目标检测方法及装置
CN111351491A (zh) * 2018-12-24 2020-06-30 长城汽车股份有限公司 目标数据融合方法及系统
CN113139607A (zh) * 2021-04-27 2021-07-20 苏州挚途科技有限公司 障碍物检测方法和装置
CN114966591A (zh) * 2022-05-07 2022-08-30 深圳汇辰软件有限公司 一种大目标检测方法、大目标检测装置及电子设备
CN115561750A (zh) * 2022-09-02 2023-01-03 上海无线电设备研究所 毫米波雷达车型分类方法
CN115593438A (zh) * 2022-11-25 2023-01-13 小米汽车科技有限公司(Cn) 跟车方法、装置以及存储介质
CN116153078A (zh) * 2023-04-14 2023-05-23 健鼎(无锡)电子有限公司 基于毫米波雷达的道路安全度评估方法、装置及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11209537B2 (en) * 2019-06-18 2021-12-28 GM Global Technology Operations LLC Extended target-matched CFAR detector

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111351491A (zh) * 2018-12-24 2020-06-30 长城汽车股份有限公司 目标数据融合方法及系统
CN109917365A (zh) * 2019-03-29 2019-06-21 成都纳雷科技有限公司 具有抑制检测目标分裂功能的雷达目标检测方法及装置
CN113139607A (zh) * 2021-04-27 2021-07-20 苏州挚途科技有限公司 障碍物检测方法和装置
CN114966591A (zh) * 2022-05-07 2022-08-30 深圳汇辰软件有限公司 一种大目标检测方法、大目标检测装置及电子设备
CN115561750A (zh) * 2022-09-02 2023-01-03 上海无线电设备研究所 毫米波雷达车型分类方法
CN115593438A (zh) * 2022-11-25 2023-01-13 小米汽车科技有限公司(Cn) 跟车方法、装置以及存储介质
CN116153078A (zh) * 2023-04-14 2023-05-23 健鼎(无锡)电子有限公司 基于毫米波雷达的道路安全度评估方法、装置及存储介质

Also Published As

Publication number Publication date
CN116499488A (zh) 2023-07-28

Similar Documents

Publication Publication Date Title
CN110873568B (zh) 高精度地图的生成方法、装置以及计算机设备
US11634153B2 (en) Identification of proxy calibration targets for a fleet of vehicles
CN108482378A (zh) 用于控制车辆的运动的方法和控制器
CN113792566A (zh) 一种激光点云的处理方法及相关设备
CN112512887B (zh) 一种行驶决策选择方法以及装置
CN111177288A (zh) 用于导出自主车辆启用的可行驶地图的系统
US20210300419A1 (en) Mobile object control method, mobile object control device, and storage medium
CN115878494B (zh) 自动驾驶软件系统的测试方法、装置、车辆及存储介质
CN111623789B (zh) 车辆的自动驾驶方法和装置
CN115147796A (zh) 评测目标识别算法的方法、装置、存储介质及车辆
CN116626670B (zh) 自动驾驶模型的生成方法、装置、车辆及存储介质
CN116343174A (zh) 目标检测方法、装置、车辆和存储介质
CN116499488B (zh) 目标融合方法、装置、车辆及存储介质
CN115221151B (zh) 车辆数据的传输方法、装置、车辆、存储介质及芯片
CN115100630B (zh) 障碍物检测方法、装置、车辆、介质及芯片
CN114821542B (zh) 目标检测方法、装置、车辆及存储介质
CN114782638B (zh) 生成车道线的方法、装置、车辆、存储介质及芯片
JP6848847B2 (ja) 静止物体地図情報生成装置
CN115900771B (zh) 信息确定的方法、装置、车辆及存储介质
CN115082886B (zh) 目标检测的方法、装置、存储介质、芯片及车辆
US20230401680A1 (en) Systems and methods for lidar atmospheric filtering background
CN115123252B (zh) 车辆控制方法、装置、车辆及存储介质
CN114972824B (zh) 杆件检测方法、装置、车辆和存储介质
CN115583240B (zh) 跟车方法、装置、车辆及介质
CN116767224B (zh) 确定可行驶区域的方法、装置、车辆、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
GR01 Patent grant
GR01 Patent grant