CN117008118A - 对象状态确定方法、装置、电子设备以及存储介质 - Google Patents
对象状态确定方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN117008118A CN117008118A CN202310974610.0A CN202310974610A CN117008118A CN 117008118 A CN117008118 A CN 117008118A CN 202310974610 A CN202310974610 A CN 202310974610A CN 117008118 A CN117008118 A CN 117008118A
- Authority
- CN
- China
- Prior art keywords
- time
- target
- sampling
- determining
- moving object
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000005070 sampling Methods 0.000 claims abstract description 106
- 230000008447 perception Effects 0.000 claims abstract description 64
- 230000001133 acceleration Effects 0.000 claims abstract description 32
- 238000004590 computer program Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 9
- 238000001914 filtration Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001953 sensory effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect 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
- 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
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
-
- 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
- G01S13/66—Radar-tracking systems; Analogous 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
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/867—Combination of radar systems with cameras
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种对象状态确定方法、装置、设备及介质,涉及计算机技术领域,尤其涉及自动驾驶、自主泊车、智能交通、智能座舱、云服务、车联网领域。具体实现方案为:确定针对移动对象的多个目标感知数据,每个目标感知数据均包括时刻值和速度值,时刻值表征目标感知数据的采集时刻,速度值表征移动对象在所述时刻的速度;根据多个目标感知数据的时刻值和速度值,确定表征多个目标感知数据的时间和速度之间的线性关系;以及根据线性关系确定所述移动对象的加速度;其中,确定多个目标感知数据包括:获取包括多个感知数据的预定时段内的时序感知数据序列;对多个感知数据变步长采样,以使得距离当前时刻近的采样点更密集,距离远的采样点更稀疏。
Description
本申请是申请日为2021年08月31日的中国专利申请CN202111017760.X(“对象状态确定方法、装置、电子设备以及存储介质”)的分案申请。
技术领域
本公开涉及计算机技术领域,尤其涉及自动驾驶、自主泊车、智能交通、智能座舱、云服务、车联网技术领域。
背景技术
无人驾驶汽车是智能汽车的一种,也称为轮式移动机器人。无人驾驶汽车可以通过车载传感系统感知道路环境,自动规划行车路线并控制车辆到达预定目标。
高级驾驶辅助系统是指利用安装在汽车上的各种传感器,如毫米波雷达、激光雷达、摄像头、超声波雷达等,感知车身周围环境并收集数据,进行静、动态物体辨识、侦测与追踪,并进行系统的运算和分析,从而让驾驶者预先察觉到可能发生的危险,有效增加汽车驾驶的舒适性和安全性。
发明内容
本公开提供了一种对象状态确定方法、装置、电子设备以及存储介质。
根据本公开的一方面,提供了一种对象状态确定方法,包括:确定针对移动对象的多个目标感知数据,其中,每个所述目标感知数据均包括时刻值和速度值,所述时刻值表征所述目标感知数据的采集时刻,所述速度值表征所述移动对象在所述时刻的速度;根据所述多个目标感知数据的时刻值和速度值,确定表征所述多个目标感知数据的时间和速度之间的线性关系;以及根据所述线性关系确定所述移动对象的加速度;其中,确定针对移动对象的多个目标感知数据包括:获取移动对象在预定时间段内的时序感知数据序列,其中时序感知数据序列包括多个感知数据;以及对多个感知数据进行变步长采样,以使得距离当前时刻近的采样点更密集,距离当前时刻远的采样点更稀疏,得到多个目标感知数据。
根据本公开的另一方面,提供了一种对象状态确定装置,包括:第一确定模块,用于确定针对移动对象的多个目标感知数据,其中,每个所述目标感知数据均包括时刻值和速度值,所述时刻值表征所述目标感知数据的采集时刻,所述速度值表征所述移动对象在所述时刻的速度;第二确定模块,用于根据所述多个目标感知数据的时刻值和速度值,确定表征所述多个目标感知数据的时间和速度之间的线性关系;以及第三确定模块,根据所述线性关系确定所述移动对象的加速度;其中,第一确定模块包括:获取子模块,用于获取移动对象在预定时间段内的时序感知数据序列,其中时序感知数据序列包括多个感知数据;以及采样子模块,用于对多个感知数据进行变步长采样,以使得距离当前时刻近的采样点更密集,距离当前时刻远的采样点更稀疏,得到多个目标感知数据。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上所述的对象状态确定方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行如上所述的对象状态确定方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如上所述的对象状态确定方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1示意性示出了根据本公开实施例的对象状态确定方法及装置的示例性系统架构;
图2示意性示出了根据本公开实施例的对象状态确定方法的流程图;
图3示意性示出了根据本公开的实施例的将感知数据记录入历史数据列表的流程图;
图4示意性示出了根据本公开实施例的确定多个目标采样时刻的流程图;
图5示意性示出了根据本公开的实施例的对象状态确定装置的框图;以及
图6示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
车辆的辅助驾驶功能从以往有限的辅助逐渐向更高级的辅助功能拓展。一些辅助驾驶功能不仅要对自车的状态有准确的认知,还要求对交通环境以及其它交通参与者的状态有一定的认知,来采用更高级的策略。对于装配了激光雷达传感器的自动驾驶车辆,通过对其它对象进行跟踪,然后通过微分以及滤波的方式可获得相对准确的速度、加速度。但装配了高级辅助驾驶功能的车辆大多未装配激光雷达,其主要传感器为摄像头和毫米波雷达。在对其它交通参与者的加速度进行估计时,通常通过传感器直接获取对象相对主车的位置。然后,通过连续的对对象进行跟踪,取用微分、滤波的方式获取对象的速度值。之后,对速度值再次进行微分、滤波来获取对象的加速度。
发明人在实现本公开构思的过程中发现,采用微分、滤波的方式估计其他对象的加速度的方法,对传感器的精度要求高,由于需要进行两次微分,细微的噪声都将造成最终结果较大的波动,导致数据失真较大。此外,在采用了滤波的情况下,虽然可消除一定的噪声,但会产生一定的系统延迟,系统延迟的引用将影响车辆决策反应速度,不能满足驾驶过程对实时性的要求。
图1示意性示出了根据本公开实施例的对象状态确定方法及装置的示例性系统架构。
需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。例如,在另一实施例中,可以应用对象状态确定方法及装置的示例性系统架构可以包括终端设备,但终端设备可以无需与服务器进行交互,即可实现本公开实施例提供的对象状态确定方法及装置。
如图1所示,根据该实施例的系统架构可以包括终端设备111、112、113,网络114和服务器115。网络114用以在终端设备111、112、113和服务器115之间提供通信链路的介质。网络114可以包括各种连接类型,例如有线和/或无线通信链路等等。
用户可以使用终端设备111、112、113通过网络114与服务器115交互,以接收或发送消息等。终端设备111、112、113上可以安装有各种通讯客户端应用,例如知识阅读类应用、网页浏览器应用、搜索类应用、即时通信工具、传感器类应用、邮箱客户端和/或社交平台软件等(仅为示例)。
终端设备111、112、113可以是车辆110中的用户携带的或内置于车辆110中的设备,该设备可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器115可以是内置于车辆110中的服务器,可以提供各种服务,例如对用户利用终端设备111、112、113所浏览的内容提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。服务器115也可以是与车辆110的车机系统具有通信关系的云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务(″Virtual Private Server″,或简称″VPS″)中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
需要说明的是,本公开实施例所提供的对象状态确定方法一般可以由终端设备111、112、或113执行。相应地,本公开实施例所提供的对象状态确定装置也可以设置于终端设备111、112、或113中。
或者,本公开实施例所提供的对象状态确定方法一般也可以由服务器115执行。相应地,本公开实施例所提供的对象状态确定装置一般可以设置于服务器115中。本公开实施例所提供的对象状态确定方法也可以由不同于服务器115且能够与终端设备111、112、113和/或服务器115通信的服务器或服务器集群执行。相应地,本公开实施例所提供的对象状态确定装置也可以设置于不同于服务器115且能够与终端设备111、112、113和/或服务器115通信的服务器或服务器集群中。
例如,在需要确定移动对象(如图1中车辆120、130等)的状态时,终端设备111、112、113、服务器115可以首先确定移动对象的多个目标感知数据。其中,每个目标感知数据均包括时刻值和速度值,时刻值表征目标感知数据的采集时刻,速度值表征移动对象在所述时刻的速度。然后,根据多个目标感知数据的时刻值和速度值确定表征多个目标感知数据的时间和速度之间的线性关系。之后,根据线性关系确定移动对象的加速度。或者由能够与终端设备111、112、113和/或服务器115通信的服务器或服务器集群对移动对象多个目标感知数据进行分析,并实现利用线性关系确定移动对象的加速度。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图2示意性示出了根据本公开实施例的对象状态确定方法的流程图。
如图2所示,该方法包括操作S210~S230。
在操作S210,确定针对移动对象的多个目标感知数据,其中,每个目标感知数据均包括时刻值和速度值,时刻值表征目标感知数据的采集时刻,速度值表征移动对象在该时刻的速度。
在操作S220,根据多个目标感知数据的时刻值和速度值,确定表征多个目标感知数据的时间和速度之间的线性关系。
在操作S230,根据线性关系确定移动对象的加速度。
根据本公开的实施例,移动对象可以包括移动的车辆、行人及其他可移动对象等其中至少之一。由于加速度的估计需要参考移动对象的历史速度信息,所以需要首先采集移动对象的速度信息,即速度值。此外,由于加速度是速度在时间上的微分,所以还需要采集与速度对应的时刻信息,即时间值。因此,感知数据可以包括相应的感知数据的采集时刻信息和在该采集时刻移动对象的速度信息。目标感知数据可以包括在某个或某些时刻采集到的移动对象的感知数据。时间信息和速度信息均可以通过传感器获得,传感器可以包括摄像头、毫米波雷达、激光雷达和其他可以获得时间信息和速度信息的检测设备等其中至少之一。
根据本公开的实施例,线性关系可以表示为线性方程的形式。例如,可以以多个目标感知数据的时刻值作为横坐标,以相应的目标感知数据的速度值作为纵坐标,通过确定该多个目标感知数据在坐标系中的多个坐标点,可以根据该多个坐标点该线性方程。例如,也可以根据基于最小二乘计算,结合目标感知数据的时刻值和速度值确定该线性方程。确定的线性方程例如可以表示为V(t)=k×t+b,则移动对象的加速度可以根据该线性方程的斜率k来确定,k,b为参数。
根据本公开的实施例,例如,在某一场景中,存在处于移动状态或静止状态的多个车辆,以其中的一个车辆作为主车,则其他车辆可以作为相对于该主车的移动对象。主车可以获取其他各个移动对象的目标感知数据,并可基于获取到的目标感知数据确定与各个移动对象相对应的线性方程,从而进一步确定各个移动对象的加速度。。
需要说明的是,主车可以为移动状态,也可以为静止状态。移动对象的速度值可以为相对于大地的绝对速度。
通过本公开的上述实施例,根据多个目标感知数据的时间和速度之间的线性关系确定加速度。由于不需对数据进行微分及滤波处理,可有效解决基于微分及滤波的方式确定加速度时数据失真大的问题,减少了系统延迟,提高了加速度计算结果的准确性。
下面结合具体实施例,对图2所示的方法做进一步说明。
根据本公开的实施例,上述感知数据的确定方法可以包括:确定在目标时刻处获取到的移动对象的目标速度值。根据移动对象的标识、与目标时刻相对应的时刻值和目标速度值,确定移动对象在目标时刻下的感知数据。
根据本公开的实施例,由于移动对象通常可以包括多个,为了区分与每个移动对象相对应的感知数据,感知数据中还可以包括相应的移动对象的标识信息。
根据本公开的实施例,目标时刻可以为在主车能够检测到移动对象的时间范围内的任一时刻。时刻的实际值可以根据传感器采集数据时的采集频率来确定。例如,以100Hz的采集频率采集感知数据,则可以确定感知数据的采集周期为0.01s,则针对主车可以检测到的同一个移动对象,可以每0.01s采集到该移动对象的一条感知数据。
根据本公开的实施例,得到的感知数据可以包括移动对象的标识信息、与目标时刻相对应的时刻信息和移动对象在该时刻的速度信息。
通过本公开的上述实施例,提供了一种感知数据的获取方式,基于该方式,能够检测到所有需要检测的移动对象的感知数据,为加速度的计算提供了可靠的数据基础。
根据本公开的实施例,感知数据还可以包括位置坐标,位置坐标表征移动对象在相应时刻的地理位置。
根据本公开的实施例,由于移动对象通常可以包括多个,例如,交通系统由众多交通参与者共同组成,所以在采样的过程中还需要采集移动对象的位置信息做为目标追踪的依据。因此,传感器获取的感知数据还可以包括移动对象在相应时刻的位置坐标。
通过本公开的上述实施例,在采集的感知数据中增加移动对象的位置坐标,可以提高每个移动对象采集的感知数据的准确率。
根据本公开的实施例,确定针对移动对象的多个目标感知数据可以包括:获取移动对象在预定时间段内的时序感知数据序列。时序感知数据序列包括多个感知数据。对多个感知数据进行变步长采样,得到多个目标感知数据。
根据本公开的实施例,预定时间段也可以为在主车能够检测到移动对象的时间范围内的任一时间段。主车能够检测到移动对象的时间范围可以根据移动对象与主车的距离确定。例如,在距离主车50米的范围内的移动对象均可以被主车检测到,则预定时间段可以为自移动对象进入距离主车50米处开始至离开主车50米的时间段内的任一时间段。在该任一时间段内采集到的感知数据的集合可以构成一个时序感知数据序列。目标感知数据可以为从该时序感知数据序列对应的感知数据的集合中选择的至少两个感知数据。
根据本公开的实施例,对多个感知数据进行变步长采样可以表现为对多个感知数据,以不同的采样步长进行采样。每个感知数据可以在时序感知数据序列中对应一个位置。例如,在0.2s的预定时间段内采集到了20个感知数据,则该20个感知数据在由其构成的时序感知数据序列中分别位于1~20。变步长采样可以表现为对排在第1、3、7、9、13、16、18个位置的感知数据进行采样,采样得到的结果可以作为目标感知数据。每个感知数据可以对应一个采集时刻,变步长采样也可以表现为对预定时间段内的不同时刻上的感知数据进行采样,以得到目标感知数据。采样时刻可以在预定时间段内随机确定。
通过本公开的上述实施例,提供了一种目标感知数据的确定方法,基于该方法对采集到的多条感知数据进行采样,可以为加速度的计算提供简单、有效的数据基础。
根据本公开的实施例,上述时序感知数据序列的确定方法可以包括:确定在预定时间段内获取到的针对移动对象的多个感知数据。根据多个感知数据确定时序感知数据序列。根据本公开的实施例,由于预定时间段也可以为在主车能够检测到移动对象的时间范围内的任一时间段。在预定时间段的结束时刻为当前时刻的情况下,基于该预定时间段确定的时序感知数据序列中的目标感知数据得到的加速度,为移动对象的当前加速度。在预定时间段的结束时刻不等于当前时刻的情况下,对应得到的加速度为移动对象在相应的预定时间段内的加速度。
根据本公开的实施例,在每次主车的传感器能够检测到移动对象时,可以将针对移动对象采集到的感知数据中的时间t、速度v和位置s合并成一条数据(t,v,s)。然后,可以将该条数据存入一个历史数据列表中,该列表可以以移动对象的标识信息id进行标识。对于在主车能够检测到移动对象的时间范围内采集到的每一条感知数据,均可进行存入以移动对象的标识信息id进行标识的历史数据列表中的操作,以便于在同时检测到多个移动对象时,明确列表中的某一感知数据为针对哪个移动对象采集到的感知数据。可以基于预定时间段从相应的历史数据列表中确定时序感知数据序列。
通过本公开的上述实施例,根据预设时间段内的感知数据确定时序感知数据序列,可以有效提升根据时序感知数据序列中的目标感知数据确定的加速度值的准确率。且,预设时间段越小,计算得到的加速度的准确率可以越高。
根据本公开的实施例,对于历史数据列表中的感知数据的操作还可以包括:确定在第一时刻处获取到的移动对象的第一位置坐标。确定在第二时刻处获取到的移动对象的第二位置坐标。第一时刻和第二时刻之间的时间差等于获取感知数据的一个时间周期,第二时刻在所述第一时刻之后。在确定第一位置坐标与第二位置坐标之间的距离差大于预设阈值的情况下,舍弃在第一时刻处及第一时刻之前获取的针对移动目标的感知数据。
根据本公开的实施例,第一时刻可以是在主车能够检测到移动对象的时间范围内的任一时刻,在该时刻采集到的移动对象的位置坐标可以为第一位置坐标。第二时刻可以是相对于第一时刻的下一次采集感知数据的时刻,在该时刻采集到的移动对象的位置坐标可以为第二位置坐标。一个时间周期可以根据采集频率来确定,例如,采集频率为100Hz,则可以确定一个时间周期为0.01s。预设阈值可以为移动对象在一个时间周期内不可能达到的一个距离值,该值可以根据移动对象在一个时间周期内可移动的最大速度确定。例如,预设阈值可以为大于该最大速度的值。
需要说明的是。第一时刻和第二时刻之间可以相差一个时间周期,也可以相差多个时间周期,在此不做限定。无论相差对少个时间周期,只要保证预设阈值为移动对象在从第一时刻到第二时刻的时间范围内不能达到的一个距离值即可。
根据本公开的实施例,在主车能够检测到移动对象的时间范围内,采集感知数据时,对于每个非第一次采集到的感知数据,可以基于历史数据列表的记录,将本次采集到的感知数据的位置坐标与其前一次采集到的感知数据的位置坐标进行比较。如果两者间的距离差在预设阈值范围内,可以直接将本次采集到的感知数据继续记录入相应的历史数据列表中。如果两者间的距离差超出了预设阈值,可以认为对移动对象的追踪有误,在该种情况下,可以历史数据列表中的记录清空,然后以本次采集到的感知数据作为第一条记录,重新记录入该历史数据列表中,实现对该移动对象的重新追踪。
根据本公开的实施例,在历史数据列表中可以仅保存距离当前时刻最近的一段时间段内的感知数据,如可以仅保留最新追踪的0.5s的数据,对于0.5s之前的数据可以清空。
图3示意性示出了根据本公开的实施例的将感知数据记录入历史数据列表的流程图。
如图3所示,该流程包括操作S310~S350。
在操作S310,获取移动对象的感知数据。感知数据中可以包括获取时间、该移动对象的标识信息、速度信息和位置坐标等。
在操作S320,判断该移动对象是否第一次被检测到。若是,则执行操作S330;若否,则执行操作S340。
在操作S330,将感知数据记录入以该移动对象的标识信息进行标识的历史数据列表中。
在操作S340,判断该感知数据中的位置坐标与该历史数据列表中的位置坐标是否差距过大。若是,则执行操作S350;若否,则执行操作S330。差距是否过大可以通过判断感知数据中的位置坐标与历史数据列表中最新的位置坐标的距离差是否大于预设阈值来确定。
在操作S350,清空该历史数据列表中的历史数据,将该感知数据作为第一条数据重新记录入该历史数据列表中。
通过本公开的上述实施例,通过设置预设阈值,删除可能采集错误的感知数据,可以使得保留的感知数据具有更高的准确性,可进一步提高加速度计算结果的准确度。
根据本公开的实施例,上述对多个感知数据进行变步长采样,得到多个目标感知数据可以包括:确定多个目标采样时刻。多个目标采样时刻中,至少一对相邻两个目标采样时刻之间的时间差与其他相邻两个目标采样时刻之间的时间差不同。以每个目标采样时刻,对时序感知数据序列进行采样,得到目标感知数据。
根据本公开的实施例,目标采样时刻可以为预定时间段内的任一时刻。例如,当前时刻为10:00:00.00,预设时间段为0.2s,则目标采样时刻可以为09:59:59.80~10:00:00.00之间的任一时刻,如,09:59:59.81、09:59:59.85、09:59:59.87、09:59:59.90、09:59:59.93、09:59:59.97、10:00:00.00。
通过本公开的上述实施例,提供了变步长以及目标感知数据的确定方法,基于该方法对采集到的多条感知数据进行采样,可以为加速度的计算提供简洁有效的数据基础。
根据本公开的实施例,确定多个目标采样时刻的方式可以包括:确定预定时间段的结束时刻为第1采样时刻。确定第i步长,其中,i=1,2,......,I-1,I,第i步长小于第i+1步长,I为大于1的整数。在第j采样时刻在预定时间段的起始时刻之前的情况下,根据第j-1采样时刻和第i步长,确定第j采样时刻,j=i+1。将第1采样时刻和第j-1采样时刻作为多个目标采样时刻。
图4示意性示出了根据本公开实施例的确定多个目标采样时刻的流程图。
如图4所示,该流程包括操作S410~S460。
在操作S410,确定当前时间t为第1采样时刻。
在操作S420,确定第i步长step,i的初始值为1。
在操作S430,确定t-step所对应的时刻为第j采样时刻,j=i+1。
在操作S440,将第j-1采样时刻作为目标采样时刻。
在操作S450,t=t-step,step=step×scale,i=i+1。其中,scale>1.0。
在操作S460,判断t是否在预定时间段的起始时刻之前。若是,则结束流程;若否,则迭代执行操作S420~S450。
根据本公开的实施例,当前时刻例如为10:00:00.00,则时间t的初始值可以为10:00:00.00。假设初始步长,即i=1时的第1步长step=0.02s,则可以确定两个目标采样时刻10:00:00.00和09:59:59.98。之后,假设scale=1.1,则可以确定第2步长为0.022,并可进一步确定第3个采样时刻为09:59:59.958。依此类推,假设预定时刻为0.2s,则可以确定09:59:59.80~10:00:00.00时间段内的采样时刻为目标采样时刻。
通过本公开的上述实施例,通过上述变步长的采样方式,可使距离当前时刻近的采样点更密集,距离当前时刻远的采样点更稀疏,在增强新数据的权重的基础上,可以一定程度的减小历史数据的影响,且距离当前时刻越远,影响越小。
通过本公开的上述实施例,可以在未装配激光雷达的情况下,提升基于视觉以及毫米波雷达进行感知的车辆对其它交通参与者的加速度估计的准确度,并保证一定的实时性。相较于直接微分并滤波的方式,不但保证了加速度估计值的准确性,还减小了数据信号的延迟。
图5示意性示出了根据本公开的实施例的对象状态确定装置的框图。
如图5所示,对象状态确定装置500包括第一确定模块510、第二确定模块520、第三确定模块530。
第一确定模块510,用于确定针对移动对象的多个目标感知数据,其中,每个目标感知数据均包括时刻值和速度值,时刻值表征目标感知数据的采集时刻,速度值表征所述移动对象在所述时刻的速度。
第二确定模块520,用于根据多个目标感知数据的时刻值和速度值,确定表征多个目标感知数据的时间和速度之间的线性关系。
第三确定模块530,用于根据线性关系确定移动对象的加速度。
根据本公开的实施例,第一确定模块包括获取子模块和采样子模块。
获取子模块,用于获取移动对象在预定时间段内的时序感知数据序列,其中,时序感知数据序列包括多个感知数据。
采样子模块,用于对多个感知数据进行变步长采样,得到多个目标感知数据。
根据本公开的实施例,采样子模块包括确定单元和采样单元。
确定单元,用于确定多个目标采样时刻,其中多个目标采样时刻中,至少一对相邻两个目标采样时刻之间的时间差与其他相邻两个目标采样时刻之间的时间差不同。
采样单元,用于以每个目标采样时刻,对时序感知数据序列进行采样,得到目标感知数据。
根据本公开的实施例,确定单元包括第一确定子单元、第二确定子单元、第三确定子单元和第四确定子单元。
第一确定子单元,用于确定预定时间段的结束时刻为第1采样时刻。
第二确定子单元,用于确定第i步长,其中,i=1,2,......,I-1,I,第i步长小于第i+1步长,I为大于1的整数。
第三确定子单元,用于在第j采样时刻在预定时间段的起始时刻之前的情况下,根据第j-1采样时刻和第i步长,确定第j采样时刻,j=i+1。
第四确定子单元,用于将第1采样时刻和第j-1采样时刻作为多个目标采样时刻。
根据本公开的实施例,对象状态确定装置还包括第四确定模块和第五确定模块。
第四确定模块,用于确定在目标时刻处获取到的所述移动对象的目标速度值。
第五确定模块,用于根据移动对象的标识、与目标时刻相对应的时刻值和目标速度值,确定移动对象在所述目标时刻下的感知数据。
根据本公开的实施例,对象状态确定装置,还包括第六确定模块和第七确定模块。
第六确定模块,用于确定在预定时间段内获取到的针对所述移动对象的多个感知数据。
第七确定模块,用于根据多个感知数据确定时序感知数据序列。
根据本公开的实施例,感知数据还包括位置坐标,位置坐标表征所述移动对象在时刻的地理位置。
根据本公开的实施例,对象状态确定装置还包括第八确定模块、第九确定模块和舍弃模块。
第八确定模块,用于确定在第一时刻处获取到的移动对象的第一位置坐标。
第九确定模块,用于确定在第二时刻处获取到的移动对象的第二位置坐标,其中,第一时刻和第二时刻之间的时间差等于获取感知数据的一个时间周期,第二时刻在第一时刻之后。
舍弃模块,用于在确定第一位置坐标与第二位置坐标之间的距离差大于预设阈值的情况下,舍弃在第一时刻处及第一时刻之前获取的针对移动目标的感知数据。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例,一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如上所述的方法。
根据本公开的实施例,一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行如上所述的方法。
根据本公开的实施例,一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如上所述的方法。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如对象状态确定方法。例如,在一些实施例中,对象状态确定方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的对象状态确定方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行对象状态确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以是分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (17)
1.一种对象状态确定方法,包括:
确定针对移动对象的多个目标感知数据,其中,每个所述目标感知数据均包括时刻值和速度值,所述时刻值表征所述目标感知数据的采集时刻,所述速度值表征所述移动对象在所述时刻的速度;
根据所述多个目标感知数据的时刻值和速度值,确定表征所述多个目标感知数据的时间和速度之间的线性关系;以及
根据所述线性关系确定所述移动对象的加速度;
其中,所述确定针对移动对象的多个目标感知数据包括:
获取所述移动对象在预定时间段内的时序感知数据序列,其中,所述时序感知数据序列包括多个感知数据;以及
对所述多个感知数据进行变步长采样,以使得距离当前时刻近的采样点更密集,距离所述当前时刻远的采样点更稀疏,得到所述多个目标感知数据。
2.根据权利要求1所述的方法,其中,所述对所述多个感知数据进行变步长采样,得到所述多个目标感知数据包括:
确定多个目标采样时刻,其中所述多个目标采样时刻中,至少一对相邻两个目标采样时刻之间的时间差与其他相邻两个目标采样时刻之间的时间差不同;以及
以每个所述目标采样时刻,对所述时序感知数据序列进行采样,得到所述目标感知数据。
3.根据权利要求2所述的方法,其中,所述确定多个目标采样时刻包括:
确定所述预定时间段的结束时刻为第1采样时刻;
确定第i步长,其中,i=1,2,......,I-1,I,第i步长小于第i+1步长,I为大于1的整数;
在所述第j采样时刻在所述预定时间段的起始时刻之前的情况下,根据第.j-1采样时刻和第i步长,确定第j采样时刻,j=i+1;以及
将所述第1采样时刻和第j-1采样时刻作为所述多个目标采样时刻。
4.根据权利要求1至3中任一所述的方法,还包括:
确定在目标时刻处获取到的所述移动对象的目标速度值;以及
根据所述移动对象的标识、与所述目标时刻相对应的时刻值和目标速度值,确定所述移动对象在所述目标时刻下的感知数据。
5.根据权利要求1至4中任一所述的方法,还包括:
确定在所述预定时间段内获取到的针对所述移动对象的多个感知数据;
根据所述多个感知数据确定所述时序感知数据序列。
6.根据权利要求1至5中任一所述的方法,其中,所述感知数据还包括位置坐标,所述位置坐标表征所述移动对象在所述时刻的地理位置。
7.根据权利要求6所述的方法,还包括:
确定在第一时刻处获取到的所述移动对象的第一位置坐标;
确定在第二时刻处获取到的所述移动对象的第二位置坐标,其中,所述第一时刻和所述第二时刻之间的时间差等于获取所述感知数据的一个时间周期,所述第二时刻在所述第一时刻之后;
在确定所述第一位置坐标与所述第二位置坐标之间的距离差大于预设阈值的情况下,舍弃在所述第一时刻处及所述第一时刻之前获取的针对所述移动目标的感知数据。
8.一种对象状态确定装置,包括:
第一确定模块,用于确定针对移动对象的多个目标感知数据,其中,每个所述目标感知数据均包括时刻值和速度值,所述时刻值表征所述目标感知数据的采集时刻,所述速度值表征所述移动对象在所述时刻的速度;
第二确定模块,用于根据所述多个目标感知数据的时刻值和速度值,确定表征所述多个目标感知数据的时间和速度之间的线性关系;以及
第三确定模块,根据所述线性关系确定所述移动对象的加速度;
其中,所述第一确定模块包括:
获取子模块,用于获取所述移动对象在预定时间段内的时序感知数据序列,其中,所述时序感知数据序列包括多个感知数据;以及
采样子模块,用于对所述多个感知数据进行变步长采样,以使得距离当前时刻近的采样点更密集,距离所述当前时刻远的采样点更稀疏,得到所述多个目标感知数据。
9.根据权利要求8所述的装置,其中,所述采样子模块包括:
确定单元,用于确定多个目标采样时刻,其中所述多个目标采样时刻中,至少一对相邻两个目标采样时刻之间的时间差与其他相邻两个目标采样时刻之间的时间差不同;以及
采样单元,用于以每个所述目标采样时刻,对所述时序感知数据序列进行采样,得到所述目标感知数据。
10.根据权利要求9所述的装置,其中,所述确定单元包括:
第一确定子单元,用于确定所述预定时间段的结束时刻为第1采样时刻;
第二确定子单元,用于确定第i步长,其中,i=1,2,......,I-1,I,第i步长小于第i+1步长,I为大于1的整数;
第三确定子单元,用于在所述第j采样时刻在所述预定时间段的起始时刻之前的情况下,根据第j-1采样时刻和第i步长,确定第j采样时刻,j=i+1;以及
第四确定子单元,用于将所述第1采样时刻和第j-1采样时刻作为所述多个目标采样时刻。
11.根据权利要求8至10中任一所述的装置,还包括:
第四确定模块,用于确定在目标时刻处获取到的所述移动对象的目标速度值;以及
第五确定模块,用于根据所述移动对象的标识、与所述目标时刻相对应的时刻值和目标速度值,确定所述移动对象在所述目标时刻下的感知数据。
12.根据权利要求8至11中任一所述的装置,还包括:
第六确定模块,用于确定在所述预定时间段内获取到的针对所述移动对象的多个感知数据;
第七确定模块,用于根据所述多个感知数据确定所述时序感知数据序列。
13.根据权利要求8至12中任一所述的装置,其中,所述感知数据还包括位置坐标,所述位置坐标表征所述移动对象在所述时刻的地理位置。
14.根据权利要求13所述的装置,还包括:
第八确定模块,用于确定在第一时刻处获取到的所述移动对象的第一位置坐标;
第九确定模块,用于确定在第二时刻处获取到的所述移动对象的第二位置坐标,其中,所述第一时刻和所述第二时刻之间的时间差等于获取所述感知数据的一个时间周期,所述第二时刻在所述第一时刻之后;
舍弃模块,用于在确定所述第一位置坐标与所述第二位置坐标之间的距离差大于预设阈值的情况下,舍弃在所述第一时刻处及所述第一时刻之前获取的针对所述移动目标的感知数据。
15.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
17.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310974610.0A CN117008118A (zh) | 2021-08-31 | 2021-08-31 | 对象状态确定方法、装置、电子设备以及存储介质 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310974610.0A CN117008118A (zh) | 2021-08-31 | 2021-08-31 | 对象状态确定方法、装置、电子设备以及存储介质 |
CN202111017760.XA CN113721235B (zh) | 2021-08-31 | 2021-08-31 | 对象状态确定方法、装置、电子设备以及存储介质 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111017760.XA Division CN113721235B (zh) | 2021-08-31 | 2021-08-31 | 对象状态确定方法、装置、电子设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117008118A true CN117008118A (zh) | 2023-11-07 |
Family
ID=78680250
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310974610.0A Pending CN117008118A (zh) | 2021-08-31 | 2021-08-31 | 对象状态确定方法、装置、电子设备以及存储介质 |
CN202111017760.XA Active CN113721235B (zh) | 2021-08-31 | 2021-08-31 | 对象状态确定方法、装置、电子设备以及存储介质 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111017760.XA Active CN113721235B (zh) | 2021-08-31 | 2021-08-31 | 对象状态确定方法、装置、电子设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN117008118A (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102081245B1 (ko) * | 2013-04-10 | 2020-04-14 | 유니버시티 오브 서레이 | 사용자가 휴대하는 휴대용 전자 장치의 정보 결정 |
US10997429B2 (en) * | 2018-04-11 | 2021-05-04 | Micron Technology, Inc. | Determining autonomous vehicle status based on mapping of crowdsourced object data |
CN110782551A (zh) * | 2019-10-24 | 2020-02-11 | 北京百度网讯科技有限公司 | 数据处理方法、装置、电子设备和存储介质 |
WO2021164006A1 (zh) * | 2020-02-21 | 2021-08-26 | 华为技术有限公司 | 一种车辆行驶速度、加速度的测量方法、装置及存储介质 |
CN111583668B (zh) * | 2020-05-27 | 2021-12-28 | 阿波罗智联(北京)科技有限公司 | 交通拥堵检测方法、装置、电子设备和存储介质 |
CN111812649A (zh) * | 2020-07-15 | 2020-10-23 | 西北工业大学 | 基于单目相机与毫米波雷达融合的障碍物识别与定位方法 |
CN113177980B (zh) * | 2021-04-29 | 2023-12-26 | 北京百度网讯科技有限公司 | 用于自动驾驶的目标对象速度确定方法、装置及电子设备 |
-
2021
- 2021-08-31 CN CN202310974610.0A patent/CN117008118A/zh active Pending
- 2021-08-31 CN CN202111017760.XA patent/CN113721235B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113721235A (zh) | 2021-11-30 |
CN113721235B (zh) | 2023-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113240909B (zh) | 车辆监测方法、设备、云控平台和车路协同系统 | |
CN113264066B (zh) | 障碍物轨迹预测方法、装置、自动驾驶车辆及路侧设备 | |
GB2560620A (en) | Recurrent deep convolutional neural network for object detection | |
CN109099920B (zh) | 基于多传感器关联的传感器目标精确定位方法 | |
CN113011323B (zh) | 通行状态的获取方法、相关装置、路侧设备及云控平台 | |
KR20210137936A (ko) | 차량 대기 정보를 결정하는 방법, 전자 기기, 노변 기기, 클라우드 제어 플랫폼, 저장 매체, 및 컴퓨터 프로그램 제품 | |
CN114842445A (zh) | 基于多途径融合的目标检测方法、装置、设备及介质 | |
CN114047760B (zh) | 路径规划方法、装置、电子设备及自动驾驶车辆 | |
CN113177980B (zh) | 用于自动驾驶的目标对象速度确定方法、装置及电子设备 | |
CN113052047B (zh) | 交通事件的检测方法、路侧设备、云控平台及系统 | |
CN113721235B (zh) | 对象状态确定方法、装置、电子设备以及存储介质 | |
JP7294323B2 (ja) | 動体管理装置、動体管理システム、動体管理方法、及びコンピュータプログラム | |
CN115675528A (zh) | 基于相似场景挖掘的自动驾驶方法和车辆 | |
CN114429631B (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
CN114394111B (zh) | 用于自动驾驶车辆的变道方法 | |
CN113516013B (zh) | 目标检测方法、装置、电子设备、路侧设备和云控平台 | |
CN117962930B (zh) | 无人车的控制方法及装置、无人车和计算机可读存储介质 | |
CN112861811A (zh) | 目标识别方法、装置、设备、存储介质及雷达 | |
CN116311943B (zh) | 交叉路口的平均延误时间的估算方法及装置 | |
CN115583243B (zh) | 确定车道线信息的方法、车辆控制方法、装置和设备 | |
CN115431968B (zh) | 车辆控制器、车辆及车辆控制方法 | |
CN112700657B (zh) | 用于生成检测信息的方法、装置、路侧设备和云控平台 | |
CN114333405B (zh) | 用于辅助车辆停车的方法 | |
CN113705279B (zh) | 目标对象的位置识别的方法及装置 | |
CN116363604A (zh) | 目标交通事件识别方法、装置、设备及介质 |
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 |