CN117289280A - 目标边界框的确定方法、装置、设备及存储介质 - Google Patents
目标边界框的确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117289280A CN117289280A CN202311188258.4A CN202311188258A CN117289280A CN 117289280 A CN117289280 A CN 117289280A CN 202311188258 A CN202311188258 A CN 202311188258A CN 117289280 A CN117289280 A CN 117289280A
- Authority
- CN
- China
- Prior art keywords
- target object
- information
- angle
- rotation
- value
- 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 68
- 238000005070 sampling Methods 0.000 claims abstract description 96
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000004590 computer program Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000033001 locomotion Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009434 installation Methods 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
- 238000011160 research Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 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
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种目标边界框的确定方法、装置、设备及存储介质,涉及车辆技术领域。应用于车辆,其方法包括:获取在第M帧下检测到的目标对象的点云信息和车辆的速度信息,速度信息包括车速值和横摆角速度值,点云信息包括N个采样点的点信息,点信息包括径向速度值,M为正整数,N为正整数;根据N个采样点的径向速度值、车速值和横摆角速度值,确定目标对象的航向角,航向角用于表示目标对象与车辆航向之间的夹角;根据目标对象的航向角,确定目标对象的边界框。根据本申请实施例,能够准确测量距离,从而准确确定目标对象的边界框。
Description
技术领域
本申请属于车辆技术领域,尤其涉及一种目标边界框的确定方法、装置、设备及存储介质。
背景技术
随着车辆科技的不断发展和辅助驾驶的深入研究,在车辆驾驶时,为了给车辆规划合理路径,并在突发状况时做出正确决策,需要准确感知车辆在行驶环境中的目标对象。现有技术可以通过在车辆上装载摄像头感知目标对象,并确定目标对象的边界框,但摄像头对于距离不敏感,目标对象边界框的确定不够准确。
发明内容
本申请实施例提供一种目标边界框的确定方法、装置、设备及存储介质,能够准确测量距离,从而准确确定目标对象的边界框。
第一方面,本申请实施例提供一种目标边界框的确定方法,应用于车辆,方法包括:
获取在第M帧下检测到的目标对象的点云信息和所述车辆的速度信息,所述速度信息包括车速值和横摆角速度值,所述点云信息包括N个采样点的点信息,所述点信息包括径向速度值,所述M为正整数,所述N为正整数;
根据所述N个采样点的径向速度值、所述车速值和所述横摆角速度值,确定所述目标对象的航向角,所述航向角用于表示所述目标对象与所述车辆航向之间的夹角;
根据所述目标对象的航向角,确定所述目标对象的边界框。
第二方面,本申请实施例提供了一种目标边界框的确定装置,应用于车辆,装置包括:
获取模块,用于获取在第M帧下检测到的目标对象的点云信息和所述车辆的速度信息,所述速度信息包括车速值和横摆角速度值,所述点云信息包括N个采样点的点信息,所述点信息包括径向速度值,所述M为正整数,所述N为正整数;
第一确定模块,用于根据所述N个采样点的径向速度值、所述车速值和所述横摆角速度值,确定所述目标对象的航向角,所述航向角用于表示所述目标对象与所述车辆航向之间的夹角;
第二确定模块,用于根据所述目标对象的航向角,确定所述目标对象的边界框。
第三方面,本申请实施例提供了一种电子设备,设备包括:处理器以及存储有计算机程序指令的存储器;所述处理器执行所述计算机程序指令时实现如上任意一项所述的目标边界框的确定方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如上任意一项所述的目标边界框的确定方法。
第五方面,本申请实施例提供了一种计算机程序产品,所述计算机程序产品中的指令由电子设备的处理器执行时,使得所述电子设备执行如上任意一项所述的目标边界框的确定方法。
第六方面,本申请实施例提供了一种车辆,包括:电子设备,所述电子设备用于实现如上任意一项所述的目标边界框的确定方法。
本申请实施例的目标边界框的确定方法、装置、设备及存储介质,应用于车辆,可以根据在第M帧下检测到的目标对象的点云信息和车辆的速度信息,确定目标对象的航向角,速度信息包括车速值和横摆角速度值,点云信息包括N个采样点的点信息,点信息包括径向速度值,并根据目标对象的航向角,可以确定目标对象的边界框。如此,本申请实施例,通过雷达检测目标对象的点云信息和车辆的速度信息,确定目标对象的边界框,相较于现有车载摄像头感知目标对象的边界框而言,可以准确测量距离,从而准确确定目标对象的边界框。
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的介绍,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的附图。
图1是本申请实施例提供的目标边界框的确定方法的流程示意图;
图2是本申请实施例提供的雷达安装示意图;
图3是本申请实施例提供的目标对象的边界框与航向角的关系图;
图4是本申请实施例提供的目标边界框的确定方法的一个场景实施例的流程示意图;
图5是本申请实施例提供的点云L型拟合的流程示意图;
图6是本申请实施例提供的目标边界框的确定装置的结构示意图;
图7是本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例,为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本申请进行进一步详细描述。应理解,此处所描述的具体实施例仅意在解释本申请,而不是限定本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
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……”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。
随着车辆科技的不断发展和辅助驾驶的深入研究,在车辆驾驶时,为了给车辆规划合理路径,并在突发状况时做出正确决策,需要准确感知车辆在行驶环境中的目标对象。现有技术可以通过在车辆上装载摄像头感知目标对象,并确定目标对象的边界框,但摄像头对于距离不敏感,目标对象边界框的确定不够准确。
为了解决现有技术问题,本申请实施例提供了一种目标边界框的确定方法、装置、设备及存储介质。下面首先对本申请实施例所提供的目标边界框的确定方法进行介绍。
图1示出了本申请一个实施例提供的目标边界框的确定方法的流程示意图。如图1所示,一种目标边界框的确定方法,应用于车辆,可以包括以下步骤S101至S103。
S101、获取在第M帧下检测到的目标对象的点云信息和车辆的速度信息,速度信息包括车速值和横摆角速度值,点云信息包括N个采样点的点信息,点信息包括径向速度值,M为正整数,N为正整数。
S102、根据N个采样点的径向速度值、车速值和横摆角速度值,确定目标对象的航向角,航向角用于表示目标对象与车辆航向之间的夹角。
S103、根据目标对象的航向角,确定目标对象的边界框。
本申请实施例的目标边界框的确定方法,应用于车辆,可以根据在第M帧下检测到的目标对象的点云信息和车辆的速度信息,确定目标对象的航向角,速度信息包括车速值和横摆角速度值,点云信息包括N个采样点的点信息,点信息包括径向速度值,并根据目标对象的航向角,可以确定目标对象的边界框。如此,本申请实施例,通过雷达检测目标对象的点云信息和车辆的速度信息,确定目标对象的边界框,相较于现有车载摄像头感知目标对象的边界框而言,可以准确测量距离,从而准确确定目标对象的边界框。
在S101中,上述车辆,可以是不具备自动驾驶技术的车辆,或者,也可以是具备自动驾驶技术的车辆。
上述目标对象,可以是会影响车辆驾驶的行人、其他车辆或是其他障碍物。目标对象可以为至少一个。
上述速度信息可以包括车速值和横摆角速度值。其中,横摆角速度,是指汽车绕垂直轴的偏转,该偏转的大小代表汽车的稳定程度,如果横摆角速度达到一个阈值,说明汽车发生测滑或者甩尾等危险工况。
上述点云是目标对象表面特性的点集合,上述点云信息可以包括N个采样点的点信息,也可以说点云信息是N个采样点的点信息的集合。其中,点信息可以包括径向速度值,径向速度一般指物体运动速度在观察者视线方向的速度分量,即速度矢量在视线方向的投影。
此外,点信息还可以包括径向距离。径向距离是在直径方向或者是圆心辐射方向上的距离。
上述获取在第M帧下检测到的目标对象的点云信息,示例性地,可以是通过设置在车身上的毫米波雷达传感器,采集在第M帧下检测到的目标对象的点云信息,且毫米波雷达受环境影响较小,具备全天候的特点,因此,本申请实施例可以选用毫米波雷达。
上述获取在第M帧下车辆的速度信息,可以是直接通过车辆获取在第M帧下的速度信息。
在S102中,上述航向角,可以用于表示目标对象与车辆航向之间的夹角。
在一些实施例中,上述点信息还可以包括坐标信息、方位角度值和俯仰角度值,其中,坐标信息可以用于表征采样点在车辆的坐标系中位置信息。
上述S102,具体可以包括:
根据N个采样点的径向速度值、方位角度值和俯仰角度值,确定目标对象的相对航向信息,相对航向信息用于表示目标对象相对于车辆的航向信息;
将N个采样点的坐标信息的均值,确定目标对象的坐标信息;
根据目标对象的坐标信息、车速值、横摆角速度值和相对航向信息,确定目标对象的绝对航向信息;
根据目标对象的绝对航向信息,确定目标对象的航向角。
上述方位角,可以是从某个采样点的指北方向线起依顺时针方向至目标方向线间的水平夹角,用“度”和“密位”表示,可以用于判定方位、指示目标和保持行进方向。
上述俯仰角,可以是某个采样点在车身坐标系中x轴与水平面的夹角。
在一些实施例中,上述根据N个采样点的径向速度值、方位角度值和俯仰角度值,确定目标对象的相对航向信息,具体可以包括:
根据N个采样点的径向速度值、方位角度值和俯仰角度值,构建损失函数;
根据损失函数,确定目标对象的相对航向信息。
上述根据N个采样点的径向速度值、方位角度值和俯仰角度值,构建损失函数,示例性地,假设目标对象的运动仅存在平动,不存在转动,即,目标对象中每个采样点位置的运动矢量都是一致的,可以设为(Vx,Vy,Vz),因此,对目标对象的N个采样点中第i个采样点,可以构建如下关系式:
式中,Vdi,θi,分别为目标对象的第i个采样点的径向速度值、方位角度值与俯仰角度值。
将目标对象的点云信息中所有采样点的点信息带入式(1)中,构建损失函数如式(2)所示:
上述根据损失函数,确定目标对象的相对航向信息,具体求解式(2)可获得目标对象的最优航向,即相对航向信息(Vx,Vy,Vz)。
本实施例中,根据N个采样点的径向速度值、方位角度值和俯仰角度值,构建损失函数,以确定目标对象的相对航向信息,可以降低真实值与预测值之间的损失,使得预测值往真实值方向靠拢,从而提高目标对象的相对航向信息的准确性。
上述目标对象的绝对航向信息的确定,可以是将N个采样点的坐标信息的均值,确定目标对象的坐标信息,并根据目标对象的坐标信息、车速值、横摆角速度值和相对航向信息,确定目标对象的绝对航向信息;或者,还可以是根据N个采样点的坐标信息、车速值、横摆角速度值和相对航向信息,确定目标对象N个采样点的绝对航向信息,将N个采样点的绝对航向信息的均值确定为目标对象的绝对航向信息。
在一些实施例中,上述目标对象的坐标信息包括目标对象的横坐标值和目标对象的纵坐标值,相对航向信息包括相对横向子信息和相对纵向子信息,绝对航向信息包括绝对横向子信息和绝对纵向子信息,上述根据目标对象的坐标信息、车速值、横摆角速度值和相对航向信息,确定目标对象的绝对航向信息,具体可以包括:
根据相对横向子信息、横摆角速度值和目标对象的纵坐标值,得到绝对横向子信息;
根据相对纵向子信息、车速值、横摆角速度值和目标对象的纵坐标值,得到绝对纵向子信息。
上述相对航向信息包括相对横向子信息和相对纵向子信息,即用Vx,Vy分别表示相对横向子信息和相对纵向子信息。
上述绝对航向信息可以表示为(AbsVx,AbsVy,Vz),其中,AbsVx,AbsVy分别表示为绝对横向子信息和绝对纵向子信息。
上述根据相对横向子信息、横摆角速度值和目标对象的纵坐标值,得到绝对横向子信息,示例性地,可以如下式(3)所示:
AbsVx=Vx+YR*(RadarY+y) 公式(3)
式(3)中的YR为横摆角速度值,RadarY为雷达距离车辆后轴中心的纵向距离,y为目标对象的纵坐标值,即雷达检测N个采样点的纵向坐标的均值。
上述根据相对纵向子信息、车速值、横摆角速度值和目标对象的纵坐标值,得到绝对纵向子信息,示例性地,可以如下式(4)所示:
AbsVy=Vy+V-YR*x 公式(4)
式(4)中的V为车辆的车速值,x为目标对象的横坐标值,即雷达检测N个采样点的横向与纵向坐标的均值。
本实施例中,根据相对横向子信息、横摆角速度值和目标对象的纵坐标值,以及根据相对纵向子信息、车速值、横摆角速度值和目标对象的纵坐标值,得到绝对横向子信息和绝对纵向子信息,可以更为准确地得到目标对象的航向角。
上述根据目标对象的绝对航向信息,确定目标对象的航向角,示例性地,可以是如下式(5)所示:
HA=tan-1(AbsVy/AbsVx) 公式(5)
式(5)中,HA标志为目标对象的航向角。
本实施例中,根据N个采样点的径向速度值、方位角度值和俯仰角度值,可以准确确定目标对象相对车辆的相对航向信息,并根据目标对象的坐标信息、车速值、横摆角速度值和相对航向信息,确定目标对象的绝对航向信息,可以进一步准确确定目标对象的航向角,从而为车辆规划合理路线。
在S103中,上述目标对象的边界框,可以是将目标对象包裹的最小矩形边界框。
在一些实施例中,上述S103,具体可以包括:
根据目标对象的航向角,生成至少一个外接矩形,外接矩形为包裹N个采样点的矩形,且外接矩形的角度与航向角相关联;
将至少一个外接矩形中最小外接矩形,确定为目标对象的边界框,最小外接矩形为至少一个外接矩形中面积最小的外接矩形。
上述外接矩形的角度与航向角相关联,示例性地,可以是外接矩形的角度等于航向角,或者,也可以是外接矩形的角度与航向角互补,或者,还可以是外接矩形的角度与航向角互余。
上述最小外接矩形可以为至少一个外接矩形中面积最小的外接矩形。
本实施例中,根据目标对象的航向角,生成至少一个外接矩形,并将最小外接矩形确定为目标对象的边界框,可以准确感知目标对象,从而为车辆制定合理路径,降低交通事故风险。
作为本申请的一种实现方式,为了提高目标对象边界框的准确性,在上述S103之前,还可以包括:
根据目标对象的航向角与预设范围,得到比较结果,比较结果用于指示目标对象的航向角是否满足预设范围;
上述S103,具体可以包括:
在比较结果指示目标对象的航向角满足预设范围的情况下,根据目标对象的航向角,确定目标对象的边界框。
上述预设范围,示例性地,在目标对象与车辆之间行驶方向关系为同向直行时,可以是|HA|<5°;或者,在目标对象与车辆之间行驶方向关系为相向而行时,可以是|180°-HA|<5°;或者,在目标对象与车辆之间行驶方向关系为横穿行驶时,还可以是|90°-|HA||<5°,||为绝对值符号。本实施例中,不仅限于5°的数值,还可以根据用户需求设定为其他数值,在此不做具体限定。
本实施例中,比较结果指示目标对象的航向角满足预设范围,意味着航向角是准确的,因此在此情况下,再根据目标对象的航向角,确定目标对象的边界框,从而可以提高目标对象边界框的准确性。
作为本申请的另一种实现方式,对于航向角不满足预设范围的情况,为了可以准确得到目标对象的边界框,上述点信息还可以包括信噪比值,在上述根据目标对象的航向角与预设范围,得到比较结果之后,还可以包括:
在比较结果指示目标对象的航向角不满足预设范围的情况下,根据N个采样点的信噪比值,计算N个采样点的比例因子;
将目标对象的边界框的旋转角度区间以预设步进离散化处理,得到旋转角集合,旋转角集合包括多个旋转角,各旋转角之间相差预设步进;
根据N个采样点的坐标信息,计算旋转角集合中各旋转角的目标距离集合,目标距离合集中各元素值表示在旋转角下,各采样点与目标对象的边界框的距离;
将各旋转角的目标距离合集中各元素值,乘以各采样点的比例因子,求和得到各旋转角的得分;
在各旋转角的得分中,将最小得分对应的旋转角确定为目标对象的目标旋转角。
上述信噪比值,可以是指接收到的有用信号的强度与接收到的干扰信号(噪声和干扰)的强度的比值。本实施例中,信噪比值可以通过毫米波雷达检测得到。
上述比例因子的大小,可以代表单位长度内组成现行的基本单位的重复次数。
上述根据N个采样点的信噪比值,计算N个采样点的比例因子,示例性地,求取第i个采样点的比例因子εi,i为N个采样点中的任一个,可以如下式(6)表示:
式(6)中,max(SNR)与min(SNR)分别为目标对象的N个采样点中信噪比的最大值与最小值。
由于矩形所有可能的旋转角为0-90°,上述将目标对象的边界框的旋转角度区间以预设步进离散化处理,得到旋转角集合,可以是以δ为步进对旋转角进行离散化,得到包括多个旋转角的旋转角集合,即旋转角集合0,0+δ,0+2δ,0+3δ,…,90°,各旋转角之间相差预设步进δ。上述步进可以表示为各旋转角之间的单位差距,步进的具体数值可以是用户根据需求设定的角度值,不仅限于某一固定数值。
上述目标距离合集中各元素值,可以表示在对应旋转角下,各采样点与目标对象的边界框的最优距离。
上述各旋转角的得分,具体可以是各旋转角的目标距离合集中,各元素值乘以各采样点的比例因子的和值。
上述目标对象的目标旋转角,为各旋转角的得分中,将最小得分对应的旋转角。
本实施例中,能够在目标对象的航向角不满足预设范围的情况下,根据N个采样点的信噪比值,计算N个采样点的比例因子,并将各旋转角的目标距离合集中各元素值乘以各采样点的比例因子,求和得到各旋转角的得分,进而目标对象的目标旋转角,最终准确得到目标对象的边界框。
在一些实施例中,上述根据N个采样点的坐标信息,计算旋转角集合中各旋转角的目标距离集合,具体可以包括:
将各旋转角的旋转矩阵,乘以N个采样点的坐标信息,得到各旋转角的旋转坐标集合,旋转坐标集合为旋转角与N个采样点的旋转坐标的集合,旋转坐标集合包括旋转横坐标子集合和旋转纵坐标子集合,旋转矩阵为旋转角按照预设格式形成的矩阵;
获取各旋转角的第一距离集合、第二距离集合、第三距离集合和第四距离集合,第一距离集合为旋转角的旋转横坐标子集合中各元素值与最大旋转横坐标值之间差值的集合,第二距离集合为旋转角的旋转横坐标子集合中各元素值与最小旋转横坐标值之间差值的集合,第三距离集合为旋转角的旋转纵坐标子集合中各元素值与最大旋转纵坐标值之间差值的集合,第四距离集合为旋转角的旋转纵坐标子集合中各元素值与最小旋转纵坐标值之间差值的集合;
将第一距离集合中的各元素值和第二距离集合中的各元素值进行比较,取较小的元素值组成各旋转角的第五距离集合;
将第三距离集合中的各元素值和第四距离集合中的各元素值进行比较,取较小的元素值组成各旋转角的第六距离集合;
将第五距离集合中的各元素值和第六距离集合中的各元素值进行比较,取较小的元素值组成各旋转角的目标距离合集。
上述将各旋转角的旋转矩阵,乘以N个采样点的坐标信息,得到各旋转角的旋转坐标集合,示例性地,可以是每个旋转角θ形成旋转矩阵Rθ,如式(7)所示,用旋转矩阵Rθ乘以目标对象中的N个采样点的坐标信息X,如式(8)所示,得到旋转之后的坐标信息Xθ如式(8)所示:
Xθ=RθX
式(8)中X为目标对象的N个采样点俯视图投影的坐标集合。因此,令
求解集合xθ的最大值与最小值/>以及集合yθ的最大值/>与最小值
上述第一距离集合为旋转角的旋转横坐标子集合中各元素值与最大旋转横坐标值之间差值的集合,即式(9)所示的距离集合D1,上述第二距离集合为旋转角的旋转横坐标子集合中各元素值与最小旋转横坐标值之间差值的集合,即式(9)所示的距离集合D2,上述第三距离集合为旋转角的旋转纵坐标子集合中各元素值与最大旋转纵坐标值之间差值的集合,即式(9)所示的距离集合D3,上述第四距离集合为旋转角的旋转纵坐标子集合中各元素值与最小旋转纵坐标值之间差值的集合,即式(9)所示的距离集合D4,示例性地,分别求取集合xθ到与/>的距离集合D1与D2,以及集合yθ到/>与/>的距离集合D3与D4,如式(9)所示:
上述将第一距离集合中的各元素值和第二距离集合中的各元素值进行比较,取较小的元素值组成各旋转角的第五距离集合,示例性地,可以是距离集合D1与D2进行逐一比较,取距离较小的组成新的距离集合Dx,即第五距离集合。
上述将第三距离集合中的各元素值和第四距离集合中的各元素值进行比较,取较小的元素值组成各旋转角的第六距离集合,示例性地,可以是D3与D4进行相同的操作,得到集合Dy,即第六距离集合。
本实施例中,通过计算各旋转角与N个采样点的距离集合,一一对比各距离集合,从而准确确定各旋转角的目标距离合集,提高目标旋转角的准确性。
作为本申请的又一种实现方式,为了在航向角不满足预设范围的情况下,准确确定目标对象的边界框,在上述在各旋转角的得分中,将最小得分对应的旋转角确定为目标对象的目标旋转角之后,还可以包括:
根据目标对象的目标旋转角,确定目标对象的边界框。
上述根据目标对象的目标旋转角,确定目标对象的边界框,具体可以包括:
根据目标对象的目标旋转角,生成至少一个外接矩形,外接矩形为包裹N个采样点的矩形,且外接矩形的角度与目标旋转角相关联;
将至少一个外接矩形中最小外接矩形,确定为目标对象的边界框,最小外接矩形为至少一个外接矩形中面积最小的外接矩形。
上述根据目标对象的目标旋转角,确定目标对象的边界框的应用过程,与根据目标对象的航向角,确定目标对象的边界框的应用过程相似,在此不重复进行赘述。
本实施例中,根据目标对象的目标旋转角,确定目标对象的边界框,可以在航向角不满足预设范围的情况下,准确确定目标对象的边界框,使得目标对象的边界框的应用场景更为全面。
为了便于对本申请实施例中的目标边界框的确定方法的理解,在对此目标边界框的确定方法的实际应用过程进行说明。
本实施例主要包含两个部分:速度剖面分析与点云的L型拟合,主要流程如下:
1)获取毫米波雷达当前帧下目标簇点云(即上述目标对象的点云信息)的N个点云(即上述采样点)的点云信息(即上述点信息):径向距离(range),方位角(θ),俯仰角以及径向速度(Doppler,速度
(Vd)),雷达的安装示意图如图2所示;
2)对目标簇的点云进行速度剖面分析,得到目标的相对航向信息
(Vx,Vy,Vz);
3)雷达自身的运动状态可由车身提供(车速(V)与横摆角速度(YR)),因此,可得到目标的绝对航向信息(AbsVx,AbsVy,Vz),从而得到目标的航向角HA,如式(10)所示:
式中,RadarY为雷达距离车辆后轴中心的纵向距离,x,y为雷达测出N个点云的横向与纵向坐标的均值。求解的航向角的示意图如图3所示。
4)由于目标的速度剖面分析时,假设目标的运动仅存在平动,当目标的运动存在转动时,得出的航向信息就是不对的,因此,这里需要判断得到的航向角是否准确,统计发现,当目标直行,或者与本车相向而行,或者横穿行时,得到的航向角较为准确,即HA满足式(11):
|HA|<5° or |180°-HA|<5° or |90°-|HA||<5° (11)
式中,||为绝对值符号。
5)如果HA满足式(11)则认为航向角是准确的,然后利用角度为HA的矩形,最小外接目标对象的点云信息,得到最优矩形边界框(即上述目标对象的边界框);
6)如果角度不满足式(11),则利用优化之后的L型拟合得到最优的矩形旋转角度θ*,然后得到最优的外接矩形边界框(即上述目标对象的边界框),其处理流程图如图4所示。
下面介绍一下速度剖面分析与点云L型拟合的处理流程。
(一)速度剖面分析
a)假设目标的运动仅存在平动,不存在转动,即,目标的每个位置的运动矢量都是一致的,可以设为(Vx,Vy,Vz),因此,目标簇的任意一个点云可以构建如下关系式:
式中,Vdi,θi,分别为目标上第i个点云的径向速度,方位角与俯仰角。
b)将目标簇中所有的点云信息带入式(3)中,构建损失函数如式(13)所示:
c)求解式(13)可获得目标的最优航向(Vx,Vy,Vz)(即上述相对航向信息)。
(二)点云L型拟合
本文优化了最优矩形框的衡量标准,考虑了毫米波雷达采集点云信息中的信噪比,其主要流程如下:
a)根据目标上每个采样点的信噪比(SNR)大小,求取第i个采样点的比例因子εi,i为N个采样点中的任一个,如式(14)所示:
式中,max(SNR)与min(SNR)分别为目标簇点云信噪比的最大值与最小值;
b)矩形所有可能的旋转角为0~90°,以δ为步进对旋转角进行离散化;
c)每个旋转角θ形成旋转矩阵Rθ,如式(15)所示,用旋转矩阵Rθ乘以目标簇中的点云坐标信息X,得到旋转之后的坐标信息Xθ如式(16)所示:
Xθ=RθX
式中X为目标簇俯视图投影的坐标集合。因此,令
d)求解集合xθ的最大值与最小值/>以及集合yθ的最大值/>与最小值
e)分别求取集合xθ到与/>的距离集合D1与D2,以及集合yθ到/>与/>的距离集合D3与D4,如式(17)所示:
f)距离集合D1与D2进行逐一比较,取距离较小的组成新的距离集合Dx,D3与D4进行相同的操作,得到集合Dy;
g)因此目标的点云簇中每个点云都会存在两个距离Dxi与Dyi,取较小值作为当前第i个采样点到达最优的外接矩形的距离,然后将所有点的距离与比例因子ε的乘积之和作为当前旋转角的得分s。
h)得到所有的旋转角θ的得分s之后,求取它们的最小值min{s(θ)},
θ∈(0,90°),作为最优的矩形旋转角θ*。
以上为使用L型拟合的方式求取最优的矩形旋转角的流程,其具体的算法流程如图5所示。
基于上述实施例提供的目标边界框的确定方法,相应地,本申请还提供了目标边界框的确定装置的具体实现方式。请参见以下实施例。
请参见图6,本申请实施例提供的一种目标边界框的确定装置600,应用于车辆,可以包括以下模块:获取模块601、第一确定模块602和第二确定模块603。
获取模块601,用于获取在第M帧下检测到的目标对象的点云信息和车辆的速度信息,速度信息包括车速值和横摆角速度值,点云信息包括N个采样点的点信息,点信息包括径向速度值,M为正整数,N为正整数。
第一确定模块602,用于根据N个采样点的径向速度值、车速值和横摆角速度值,确定目标对象的航向角,航向角用于表示目标对象与车辆航向之间的夹角。
第二确定模块603,用于根据目标对象的航向角,确定目标对象的边界框。
本申请实施例的目标边界框的确定装置,应用于车辆,可以根据在第M帧下检测到的目标对象的点云信息和车辆的速度信息,确定目标对象的航向角,速度信息包括车速值和横摆角速度值,点云信息包括N个采样点的点信息,点信息包括径向速度值,并根据目标对象的航向角,可以确定目标对象的边界框。如此,本申请实施例,通过雷达检测目标对象的点云信息和车辆的速度信息,确定目标对象的边界框,相较于现有车载摄像头感知目标对象的边界框而言,可以准确测量距离,从而准确确定目标对象的边界框。
在一些实施例中,上述点信息还包括坐标信息、方位角度值和俯仰角度值,上述坐标信息用于表征采样点在车辆的坐标系中位置信息;
上述第一确定模块602,具体可以包括:
第一确定单元,用于根据N个采样点的径向速度值、方位角度值和俯仰角度值,确定目标对象的相对航向信息,相对航向信息用于表示目标对象相对于车辆的航向信息;
第二确定单元,用于将N个采样点的坐标信息的均值,确定目标对象的坐标信息;
第三确定单元,用于根据目标对象的坐标信息、车速值、横摆角速度值和相对航向信息,确定目标对象的绝对航向信息;
第四确定单元,用于根据目标对象的绝对航向信息,确定目标对象的航向角。
在一些实施例中,上述第一确定单元,具体可以包括:
构建子单元,用于根据N个采样点的径向速度值、方位角度值和俯仰角度值,构建损失函数;
第一确定子单元,用于根据损失函数,确定目标对象的相对航向信息。
在一些实施例中,上述目标对象的坐标信息包括目标对象的横坐标值和目标对象的纵坐标值,上述相对航向信息包括相对横向子信息和相对纵向子信息,上述绝对航向信息包括绝对横向子信息和绝对纵向子信息;
上述第三确定单元,具体可以包括:
第二确定子单元,用于根据相对横向子信息、横摆角速度值和目标对象的纵坐标值,得到绝对横向子信息;
第三确定子单元,用于根据相对纵向子信息、车速值、横摆角速度值和目标对象的纵坐标值,得到绝对纵向子信息。
在一些实施例中,上述第二确定模块603,具体可以包括:
第一生成单元,用于根据目标对象的航向角,生成至少一个外接矩形,外接矩形为包裹N个采样点的矩形,且外接矩形的角度与航向角相关联;
第五确定单元,用于将至少一个外接矩形中最小外接矩形,确定为目标对象的边界框,最小外接矩形为至少一个外接矩形中面积最小的外接矩形。
作为本申请的一种实现方式,为了提高目标对象边界框的准确性,上述装置600,还可以包括:
第一比较模块,用于根据目标对象的航向角与预设范围,得到比较结果,比较结果用于指示目标对象的航向角是否满足预设范围;
上述第二确定模块603,具体可以包括:
在比较结果指示目标对象的航向角满足预设范围的情况下,根据目标对象的航向角,确定目标对象的边界框。
作为本申请的另一种实现方式,对于航向角不满足预设范围的情况,为了可以准确得到目标对象的边界框,上述点信息还可以包括信噪比值,上述装置600,还可以包括:
第一计算模块,用于在比较结果指示目标对象的航向角不满足预设范围的情况下,根据N个采样点的信噪比值,计算N个采样点的比例因子;
离散模块,用于将目标对象的边界框的旋转角度区间以预设步进离散化处理,得到旋转角集合,旋转角集合包括多个旋转角,各旋转角之间相差预设步进;
第二计算模块,用于根据N个采样点的坐标信息,计算旋转角集合中各旋转角的目标距离集合,目标距离合集中各元素值表示在旋转角下,各采样点与目标对象的边界框的距离;
第三计算模块,用于将各旋转角的目标距离合集中各元素值,乘以各采样点的比例因子,求和得到各旋转角的得分;
第三确定模块,用于在各旋转角的得分中,将最小得分对应的旋转角确定为目标对象的目标旋转角。
在一些实施例中,上述第二计算模块,具体可以包括:
第一计算单元,用于将各旋转角的旋转矩阵,乘以N个采样点的坐标信息,得到各旋转角的旋转坐标集合,旋转坐标集合为旋转角与N个采样点的旋转坐标的集合,旋转坐标集合包括旋转横坐标子集合和旋转纵坐标子集合,旋转矩阵为旋转角按照预设格式形成的矩阵;
获取单元,用于获取各旋转角的第一距离集合、第二距离集合、第三距离集合和第四距离集合,第一距离集合为旋转角的旋转横坐标子集合中各元素值与最大旋转横坐标值之间差值的集合,第二距离集合为旋转角的旋转横坐标子集合中各元素值与最小旋转横坐标值之间差值的集合,第三距离集合为旋转角的旋转纵坐标子集合中各元素值与最大旋转纵坐标值之间差值的集合,第四距离集合为旋转角的旋转纵坐标子集合中各元素值与最小旋转纵坐标值之间差值的集合;
第一比较单元,用于将第一距离集合中的各元素值和第二距离集合中的各元素值进行比较,取较小的元素值组成各旋转角的第五距离集合;
第二比较单元,用于将第三距离集合中的各元素值和第四距离集合中的各元素值进行比较,取较小的元素值组成各旋转角的第六距离集合;
第三比较单元,用于将第五距离集合中的各元素值和第六距离集合中的各元素值进行比较,取较小的元素值组成各旋转角的目标距离合集。
作为本申请的又一种实现方式,为了在航向角不满足预设范围的情况下,准确确定目标对象的边界框,上述装置600,还可以包括:
第四确定单元,用于根据目标对象的目标旋转角,确定目标对象的边界框。
图7示出了本申请实施例提供的电子设备的硬件结构示意图。
在电子设备可以包括处理器701以及存储有计算机程序指令的存储器702。
具体地,上述处理器701可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器702可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器702可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器702可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器702可在综合网关容灾设备的内部或外部。在特定实施例中,存储器702是非易失性固态存储器。
在特定实施例中,存储器702可包括只读存储器(ROM),随机存取存储器(RAM),磁盘存储介质设备,光存储介质设备,闪存设备,电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行参考根据本公开的一方面的方法所描述的操作。
处理器701通过读取并执行存储器702中存储的计算机程序指令,以实现上述实施例中的任意一种目标边界框的确定方法。
在一个示例中,电子设备还可包括通信接口703和总线710。其中,如图7所示,处理器701、存储器702、通信接口703通过总线710连接并完成相互间的通信。
通信接口703,主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线710包括硬件、软件或两者,将电子设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线710可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
该电子设备可以执行本申请实施例中的目标边界框的确定方法,从而实现结合图1和图6描述的目标边界框的确定方法和装置。
另外,结合上述实施例中的目标边界框的确定方法,本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种目标边界框的确定方法。
结合上述实施例中的目标边界框的确定方法,本申请实施例可提供一种计算机程序产品,该计算机程序产品中的指令由电子设备的处理器执行时,使得该电子设备执行如上任意一项的目标边界框的确定方法。
结合上述实施例中的目标边界框的确定方法,本申请实施例可提供一种车辆来实现。该车辆包括:电子设备,用于实现如上任意一项的目标边界框的确定方法。
需要明确的是,本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本申请的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本申请的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本公开的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,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,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上所述,仅为本申请的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,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,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种目标边界框的确定方法,其特征在于,应用于车辆,所述方法包括:
获取在第M帧下检测到的目标对象的点云信息和所述车辆的速度信息,所述速度信息包括车速值和横摆角速度值,所述点云信息包括N个采样点的点信息,所述点信息包括径向速度值,所述M为正整数,所述N为正整数;
根据所述N个采样点的径向速度值、所述车速值和所述横摆角速度值,确定所述目标对象的航向角,所述航向角用于表示所述目标对象与所述车辆航向之间的夹角;
根据所述目标对象的航向角,确定所述目标对象的边界框。
2.根据权利要求1所述的方法,其特征在于,所述点信息还包括坐标信息、方位角度值和俯仰角度值,所述坐标信息用于表征所述采样点在所述车辆的坐标系中位置信息;
所述根据所述N个采样点的径向速度值、所述车速值和所述横摆角速度值,确定所述目标对象的航向角,包括:
根据所述N个采样点的径向速度值、方位角度值和俯仰角度值,确定所述目标对象的相对航向信息,所述相对航向信息用于表示所述目标对象相对于所述车辆的航向信息;
将所述N个采样点的坐标信息的均值,确定所述目标对象的坐标信息;
根据所述目标对象的坐标信息、所述车速值、所述横摆角速度值和所述相对航向信息,确定所述目标对象的绝对航向信息;
根据所述目标对象的绝对航向信息,确定所述目标对象的航向角。
3.根据权利要求2所述的方法,其特征在于,所述根据所述N个采样点的径向速度值、方位角度值和俯仰角度值,确定所述目标对象的相对航向信息,包括:
根据所述N个采样点的径向速度值、方位角度值和俯仰角度值,构建损失函数;
根据所述损失函数,确定所述目标对象的相对航向信息。
4.根据权利要求2所述的方法,其特征在于,所述目标对象的坐标信息包括所述目标对象的横坐标值和所述目标对象的纵坐标值,所述相对航向信息包括相对横向子信息和相对纵向子信息,所述绝对航向信息包括绝对横向子信息和绝对纵向子信息;
所述根据所述目标对象的坐标信息、所述车速值、所述横摆角速度值和所述相对航向信息,确定所述目标对象的绝对航向信息,包括:
根据所述相对横向子信息、所述横摆角速度值和所述目标对象的纵坐标值,得到所述绝对横向子信息;
根据所述相对纵向子信息、所述车速值、所述横摆角速度值和所述目标对象的纵坐标值,得到所述绝对纵向子信息。
5.根据权利要求1所述的方法,其特征在于,所述根据所述目标对象的航向角,确定所述目标对象的边界框,包括:
根据所述目标对象的航向角,生成至少一个外接矩形,所述外接矩形为包裹所述N个采样点的矩形,且所述外接矩形的角度与所述航向角相关联;
将所述至少一个外接矩形中最小外接矩形,确定为所述目标对象的边界框,所述最小外接矩形为所述至少一个外接矩形中面积最小的外接矩形。
6.根据权利要求1所述的方法,其特征在于,在所述根据所述目标对象的航向角,确定所述目标对象的边界框之前,还包括:
根据所述目标对象的航向角与预设范围,得到比较结果,所述比较结果用于指示所述目标对象的航向角是否满足所述预设范围;
所述根据所述目标对象的航向角,确定所述目标对象的边界框,包括:
在所述比较结果指示所述目标对象的航向角满足所述预设范围的情况下,根据所述目标对象的航向角,确定所述目标对象的边界框。
7.根据权利要求6所述的方法,其特征在于,所述点信息还包括信噪比值;
在所述根据所述目标对象的航向角与预设范围,得到比较结果之后,还包括:
在所述比较结果指示所述目标对象的航向角不满足所述预设范围的情况下,根据所述N个采样点的信噪比值,计算所述N个采样点的比例因子;
将所述目标对象的边界框的旋转角度区间以预设步进离散化处理,得到旋转角集合,所述旋转角集合包括多个旋转角,各所述旋转角之间相差所述预设步进;
根据所述N个采样点的坐标信息,计算所述旋转角集合中各所述旋转角的目标距离集合,所述目标距离合集中各元素值表示在所述旋转角下,各所述采样点与所述目标对象的边界框的距离;
将各所述旋转角的所述目标距离合集中各元素值,乘以各所述采样点的所述比例因子,求和得到各所述旋转角的得分;
在各所述旋转角的得分中,将最小得分对应的所述旋转角确定为所述目标对象的目标旋转角。
8.根据权利要求7所述的方法,其特征在于,所述根据所述N个采样点的坐标信息,计算所述旋转角集合中各所述旋转角的目标距离集合,包括:
将各所述旋转角的旋转矩阵,乘以所述N个采样点的坐标信息,得到各所述旋转角的旋转坐标集合,所述旋转坐标集合为所述旋转角与所述N个采样点的旋转坐标的集合,所述旋转坐标集合包括旋转横坐标子集合和旋转纵坐标子集合,所述旋转矩阵为所述旋转角按照预设格式形成的矩阵;
获取各所述旋转角的第一距离集合、第二距离集合、第三距离集合和第四距离集合,所述第一距离集合为所述旋转角的旋转横坐标子集合中各元素值与最大旋转横坐标值之间差值的集合,所述第二距离集合为所述旋转角的旋转横坐标子集合中各元素值与最小旋转横坐标值之间差值的集合,所述第三距离集合为所述旋转角的旋转纵坐标子集合中各元素值与最大旋转纵坐标值之间差值的集合,所述第四距离集合为所述旋转角的旋转纵坐标子集合中各元素值与最小旋转纵坐标值之间差值的集合;
将所述第一距离集合中的各元素值和所述第二距离集合中的各元素值进行比较,取较小的所述元素值组成各所述旋转角的第五距离集合;
将所述第三距离集合中的各元素值和所述第四距离集合中的各元素值进行比较,取较小的所述元素值组成各所述旋转角的第六距离集合;
将所述第五距离集合中的各元素值和所述第六距离集合中的各元素值进行比较,取较小的所述元素值组成各所述旋转角的目标距离合集。
9.根据权利要求7所述的方法,其特征在于,在所述在各所述旋转角的得分中,将最小得分对应的所述旋转角确定为所述目标对象的目标旋转角之后,还包括:
根据所述目标对象的目标旋转角,确定所述目标对象的边界框。
10.一种目标边界框的确定装置,其特征在于,应用于车辆,所述装置包括:
获取模块,用于获取在第M帧下检测到的目标对象的点云信息和所述车辆的速度信息,所述速度信息包括车速值和横摆角速度值,所述点云信息包括N个采样点的点信息,所述点信息包括径向速度值,所述M为正整数,所述N为正整数;
第一确定模块,用于根据所述N个采样点的径向速度值、所述车速值和所述横摆角速度值,确定所述目标对象的航向角,所述航向角用于表示所述目标对象与所述车辆航向之间的夹角;
第二确定模块,用于根据所述目标对象的航向角,确定所述目标对象的边界框。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311188258.4A CN117289280A (zh) | 2023-09-14 | 2023-09-14 | 目标边界框的确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311188258.4A CN117289280A (zh) | 2023-09-14 | 2023-09-14 | 目标边界框的确定方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117289280A true CN117289280A (zh) | 2023-12-26 |
Family
ID=89240128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311188258.4A Pending CN117289280A (zh) | 2023-09-14 | 2023-09-14 | 目标边界框的确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117289280A (zh) |
-
2023
- 2023-09-14 CN CN202311188258.4A patent/CN117289280A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11525682B2 (en) | Host vehicle position estimation device | |
US10890658B2 (en) | Vehicle group control device | |
CN110531357A (zh) | 估计移动目标在水平面中速度大小的方法和雷达检测系统 | |
US8098280B2 (en) | Moving object locating device, moving object locating method, and computer product | |
US20130332112A1 (en) | State estimation device | |
US10810749B2 (en) | Image processing apparatus, moving body device control system, computer-readable medium, and image processing method | |
WO2014115319A1 (ja) | 道路環境認識システム | |
Qiu et al. | Towards robust vehicular context sensing | |
CN112346103A (zh) | 基于v2x的智能网联汽车动态协同定位方法与装置 | |
CN113419258B (zh) | 一种定位异常检测方法及其相关设备 | |
JP2020003463A (ja) | 自車位置推定装置 | |
CN112116809A (zh) | 基于v2x技术的非视距车辆防碰撞方法及装置 | |
CN103395435A (zh) | 一种高精度高速列车实时定位系统方法 | |
CN116224317A (zh) | 非机动车运动轨迹的预测方法、装置及相关设备 | |
US20200020126A1 (en) | Host vehicle position estimation device | |
CN111527377B (zh) | 数字地图的验证 | |
Song et al. | Research on Target Tracking Algorithm Using Millimeter‐Wave Radar on Curved Road | |
CN115556749B (zh) | 调整跟车状态的预测时间确定方法、装置及设备 | |
CN117289280A (zh) | 目标边界框的确定方法、装置、设备及存储介质 | |
CN104501817A (zh) | 一种基于误差消除的车载导航系统 | |
CN110095776B (zh) | 用于确定对象的存在和/或特性的方法和周围环境识别设备 | |
JP2007212418A (ja) | 車載レーダ装置 | |
US20200158850A1 (en) | Apparatus and method for learning scale factor of vehicle speed sensor | |
CN111959482A (zh) | 自主驾驶装置及方法 | |
WO2020148894A1 (ja) | 運動状態判定装置 |
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 |