CN117741646A - 目标对象的速度确定方法、装置、计算机设备和存储介质 - Google Patents
目标对象的速度确定方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117741646A CN117741646A CN202311617822.XA CN202311617822A CN117741646A CN 117741646 A CN117741646 A CN 117741646A CN 202311617822 A CN202311617822 A CN 202311617822A CN 117741646 A CN117741646 A CN 117741646A
- Authority
- CN
- China
- Prior art keywords
- speed
- current
- target object
- value
- difference
- 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 41
- 238000004590 computer program Methods 0.000 claims description 40
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请涉及一种目标对象的速度确定方法、装置、计算机设备和存储介质。该方法包括:通过传感器获取目标对象的当前采集速度、当前采集位置和历史采集位置;根据目标对象的当前采集位置和历史采集位置,确定目标对象的当前预测速度;根据目标对象的当前采集速度和当前预测速度,确定目标对象的当前目标速度。通过上述方法可以增加当前目标速度的速度数据准确性。
Description
技术领域
本申请涉及智能驾驶技术领域,特别是涉及一种目标对象的速度确定方法、装置、计算机设备和存储介质。
背景技术
随着社会的发展与科技的进步,智能驾驶已经深入人们的生活。而对目标对象速度的检测,是实现智能驾驶的关键,例如,通过检测车辆周围障碍物的速度从而实现辅助驾驶或帮助车辆进行障碍躲避等,因此,障碍物的速度在智能驾驶领域发挥着不可或缺的作用。
综上可知,目标对象的速度检测是否准确直接影响了智能驾驶功能的可靠性,目前,现有技术通常使用传感器(如毫米波雷达)检测目标对象的速度,并直接基于传感器检测的速度来实现智能驾驶功能。由于传感器检测结果可能存在误差,从而导致智能驾驶的可靠性不足。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高速度检测准确性的目标对象的速度确定方法、装置、计算机设备和存储介质。
第一方面,本申请提供了一种目标对象的速度确定方法。该方法包括:
通过传感器获取目标对象的当前采集速度、当前采集位置和历史采集位置;其中,历史采集位置为当前时刻之前至少两个连续时刻采集的目标对象的位置信息;
根据目标对象的当前采集位置和历史采集位置,确定目标对象的当前预测速度;
根据目标对象的当前采集速度和当前预测速度,确定目标对象的当前目标速度。
在其中一个实施例中,根据目标对象的当前采集速度和当前预测速度,确定目标对象的当前目标速度,包括:
根据目标对象的当前采集速度中的横向速度,和当前预测速度中的横向速度,确定横向速度差值;
根据目标对象的当前采集速度中的纵向速度,和当前预测速度中的纵向速度,确定纵向速度差值;
根据纵向速度差值、横向速度差值及预设差值阈值,确定目标对象的当前目标速度。
在其中一个实施例中,预设差值阈值包括第一差值阈值和第二差值阈值,第一差值阈值大于第二差值阈值,根据纵向速度差值、横向速度差值及预设差值阈值,确定目标对象的当前目标速度,包括:
若纵向速度差值和/或横向速度差值大于第一差值阈值,则将当前预测速度作为目标对象的当前目标速度;
若纵向速度差值和横向速度差值均小于第二差值阈值,则将当前采集速度作为目标对象的当前目标速度;
若纵向速度差值和横向速度差值均小于第一差值阈值,且纵向速度差值和/或横向速度差值大于第二差值阈值,则根据横向速度差、纵向速度差,对当前采集速度进行修正,得到目标对象的当前目标速度。
在其中一个实施例中,根据横向速度差、纵向速度差,对当前采集速度进行修正,包括:
将横向速度差与横向调整参数之积,作为横向速度调整值,并基于横向速度调整值,对当前采集速度中的横向速度进行修正;
将纵向速度差与纵向调整参数之积,作为纵向速度调整值,并基于纵向速度调整值,对当前采集速度中的纵向速度进行修正。
在其中一个实施例中,根据目标对象的当前采集位置和历史采集位置,确定目标对象的当前预测速度,包括:
将当前位置时间参数和历史位置时间参数之和,作为第一参数值;其中,当前位置时间参数为当前采集位置和当前时刻之积,历史位置时间参数为历史采集位置和历史时刻之积;
根据当前采集位置和历史采集位置,确定均值位置,并将均值位置和当前时刻之积作为第二参数值;
根据当前时刻的时刻平方值和历史时刻的时刻平方,确定时刻平方总值,作为第三参数值;
将当前采集位置和历史采集位置之和,与均值位置的乘积作为第四参数值;
根据第一参数差与第二参数差之间的比值,确定目标对象的当前预测速度;其中,第一参数差为第一参数值与第二参数值之间的差值;第二参数差为第三参数值与第四参数值之间的差值。
在其中一个实施例中,通过传感器获取目标对象的当前采集速度、当前采集位置,包括:
通过毫米波雷达获取目标对象在当前时刻的当前原始速度和当前原始位置;
将当前原始速度和当前原始位置从雷达坐标系转换到地图坐标系,得到目标对象的当前采集速度和当前采集位置。
在其中一个实施例中,确定目标对象的当前目标速度之后,还包括:
将目标对象的当前目标速度、当前采集位置和当前时间进行关联存储。
第二方面,本申请还提供了一种目标对象的速度确定装置。该装置包括:
数据采集模块,用于通过传感器获取目标对象的当前采集速度、当前采集位置和历史采集位置;其中,历史采集位置为当前时刻之前至少两个连续时刻采集的目标对象的位置信息;
速度预测模块,用于根据目标对象的当前采集位置和历史采集位置,确定目标对象的当前预测速度;
目标确定模块,用于根据目标对象的当前采集速度和当前预测速度,确定目标对象的当前目标速度。
第三方面,本申请还提供了一种计算机设备。计算机设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
通过传感器获取目标对象的当前采集速度、当前采集位置和历史采集位置;其中,历史采集位置为当前时刻之前至少两个连续时刻采集的目标对象的位置信息;
根据目标对象的当前采集位置和历史采集位置,确定目标对象的当前预测速度;
根据目标对象的当前采集速度和当前预测速度,确定目标对象的当前目标速度。
第四方面,本申请还提供了一种计算机可读存储介质。计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
通过传感器获取目标对象的当前采集速度、当前采集位置和历史采集位置;其中,历史采集位置为当前时刻之前至少两个连续时刻采集的目标对象的位置信息;
根据目标对象的当前采集位置和历史采集位置,确定目标对象的当前预测速度;
根据目标对象的当前采集速度和当前预测速度,确定目标对象的当前目标速度。
第五方面,本申请还提供了一种计算机程序产品。计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
通过传感器获取目标对象的当前采集速度、当前采集位置和历史采集位置;其中,历史采集位置为当前时刻之前至少两个连续时刻采集的目标对象的位置信息;
根据目标对象的当前采集位置和历史采集位置,确定目标对象的当前预测速度;
根据目标对象的当前采集速度和当前预测速度,确定目标对象的当前目标速度。
上述目标对象的速度确定方法、装置、计算机设备和存储介质。先根据传感器获取到的目标对象的当前采集位置和历史采集位置,来对目标对象的当前速度进行预测,得到目标对象的当前预测速度,再根据当前预测速度和获取的当前采集速度,共同确定目标对象的当前目标速度,在上述方法中,确定目标对象的当前目标速度时,既没有直接将当前预测速度作为当前目标速度,也没有直接将传感器采集的当前采集速度作为当前目标速度,而是根据当前预测速度和当前采集速度,共同确定目标对象的当前目标速度,大大增加了当前目标速度的速度数据准确性。
附图说明
图1为一个实施例中目标对象的速度确定方法的应用环境图;
图2为一个实施例中目标对象的速度确定方法的流程示意图;
图3为一个实施例中确定当前目标速度的流程示意图;
图4为另一个实施例中目标对象的速度确定方法的流程示意图;
图5为一个实施例中第一个目标对象的速度确定装置的结构框图;
图6为一个实施例中第二个目标对象的速度确定装置的结构框图;
图7为一个实施例中第三个目标对象的速度确定装置的结构框图;
图8为一个实施例中第四个目标对象的速度确定装置的结构框图;
图9为一个实施例中第五个目标对象的速度确定装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的目标对象的速度确定方法,可以应用于如图1所示的应用环境中。在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图1所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储做相关处理时所需的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现下述任意实施例所示的目标对象的速度确定方法。
在一个实施例中,如图2所示,提供了一种目标对象的速度确定方法,以该方法应用于图1中的计算机设备为例进行说明,包括以下步骤:
S201,通过传感器获取目标对象的当前采集速度、当前采集位置和历史采集位置。
其中,历史采集位置为当前时刻之前至少两个连续时刻采集的目标对象的位置信息,可将传感器采集的信息暂存,以实现历史采集位置信息的获取;当前采集速度为在当前时刻利用传感器采集到的目标对象的速度,该传感器可以为毫米波雷达、激光雷达等;当前采集位置为当前时刻采集的目标对象的位置信息。
具体的,可以控制传感器(如毫米波雷达)采集目标对象在当前时刻的速度作为当前采集速度;控制传感器(如毫米波雷达)采集目标对象在当前时刻的位置信息作为当前采集位置。由于历史时刻目标对象的采集位置之前已经获取过了,此时直接获取历史各时刻确定的目标对象的历史采集位置即可。例如,本实施例在每一时刻通过传感器获取目标对象的当前采集位置之后,都将获取的当前采集位置进行存储,便于后续时刻确定目标对象的速度时使用。
可选的,当本实施例的传感器为毫米波雷达时,本步骤还可以先通过毫米波雷达获取目标对象在当前时刻的当前原始速度和当前原始位置;再将当前原始速度和当前原始位置从雷达坐标系转换到地图坐标系,得到目标对象的当前采集速度和当前采集位置。其中,当前原始速度为当前时刻目标对象在毫米波雷达坐标系下的速度;当前原始位置为当前时刻目标对象在毫米波雷达坐标系下的位置信息。
具体的,本实施例可以预先基于毫米波雷达的参数和工作原理,确定毫米波雷达坐标系的原点和地图坐标系原点之间的夹角关系和距离关系。根据上述夹角关系将毫米波雷达坐标系下的当前原始速度转旋转对应的夹角,即可化为地图坐标系下的当前采集速度;根据上述距离关系将毫米波雷达坐标系下的当前原始位置平移对应的距离,即可转换为地图坐标系下的当前采集位置。
需要说明的是,由于每一时刻确定目标对象的当前目标速度时,都需要将目标对象在毫米波雷达坐标系下的当前原始位置转换为目标对象在地图坐标系下的当前采集位置,也就是说历史采集位置已经是经过转换后的在地图坐标系下的位置信息了,因此在本步骤中不需要对历史采集位置进行坐标系转换。
另外需要说明的是,虽然历史采集位置可以为当前时刻之前多个连续时刻的位置信息,但如果时间过长,目标对象的速度变化就增多,反而使后续步骤中确定的目标对象的当前预测速度不准确,因此,历史采集位置最好是当前时刻之前两个连续时刻的位置信息。
S202,根据目标对象的当前采集位置和历史采集位置,确定目标对象的当前预测速度。
其中,当前预测速度为基于目标对象在当前时刻和和历史时刻的位置,预测出的目标对象在当前时刻的速度。可选的,若目标对象位置位于地图坐标系,则基于其预测的当前预测速度也位于地图坐标系。
可选的,确定目标对象当前预测速度的一种方式可以是,计算出当前采集位置和历史采集位置之间的距离差,以及当前采集位置和历史采集位置对应时刻的时间差,将距离差除以时间差,并将得到的速度数据作为目标对象的当前预测速度。
可选的,确定目标对象当前预测速度的另一种方式可以是,将当前位置时间参数和历史位置时间参数之和,作为第一参数值;其中,当前位置时间参数为当前采集位置和当前时刻之积,历史位置时间参数为历史采集位置和历史时刻之积;根据当前采集位置和历史采集位置,确定均值位置,并将均值位置和当前时刻之积作为第二参数值;根据当前时刻的时刻平方值和历史时刻的时刻平方,确定时刻平方总值,作为第三参数值;将当前采集位置和历史采集位置之和,与均值位置的乘积作为第四参数值;根据第一参数差与第二参数差之间的比值,确定目标对象的当前预测速度;其中,第一参数差为第一参数值与第二参数值之间的差值;第二参数差为第三参数值与第四参数值之间的差值。
具体的,上述确定目标对象当前预测速度的方法可以转化为如下公式(1):
其中,dx为当前预测速度的纵向速度,ti为第i时刻,map_xi为第i时刻对应的采集位置中的纵向位置,dy为当前预测速度的横向速度,map_yi为第i时刻对应的采集位置中的横向位置,i取值为1至m,其中,m代表当前时刻,1至m-1代表当前时刻之前连续的m-1个时刻,m优选为3。
示例性的,上述公式1中,当前采集位置为i=m时的map_xi和map_yi,历史采集位置为i=(1至m-1)时的map_xi和map_yi,当前位置时间参数为当前采集位置和当前时刻之积,即i=m时的timap_xi,历史位置时间参数为历史采集位置和历史时刻之积,即i=(1至m-1)时的timap_xi,第一参数为均值位置为/>第二参数值为时刻平方总值即第三参数值,也就是/>第四参数值为第一参数差为/>第二参数差为
S203,根据目标对象的当前采集速度和当前预测速度,确定目标对象的当前目标速度。
其中,当前目标速度为目标对象在当前时刻最终确定的速度。该目标速度可在后续确定智能驾驶决策时使用。
可选的,一种可实现方式为计算当前采集速度和当前预测速度的均值作为当前目标速度。
可选的,另一种实现方式为确定当前采集速度与当前预测速度之间的误差,若误差大于预设误差阈值,则选取当前预测速度作为当前目标速度;若误差不大于预设误差阈值,则选取当前采集速度作为当前目标速度。
上述实施例中,先根据传感器获取到的目标对象的当前采集位置和历史采集位置,来对目标对象的当前速度进行预测,得到目标对象的当前预测速度,再根据当前预测速度和获取的当前采集速度,共同确定目标对象的当前目标速度,在上述方法中,确定目标对象的当前目标速度时,既没有直接将当前预测速度作为当前目标速度,也没有直接将传感器采集的当前采集速度作为当前目标速度,而是根据当前预测速度和当前采集速度,共同确定目标对象的当前目标速度,大大增加了当前目标速度的速度数据准确性。
需要说明的是,为了利用确定的当前目标速度帮助车辆进行智能驾驶,还需要将目标对象的当前目标速度、当前采集位置和当前时间进行关联存储,从而车辆可以根据当前时间在存储系统中查找并调用当前目标速度和当前采集位置,以实现智能驾驶。
上述实施例详细阐述了如何确定当前目标速度,而在本实施例中,如图3所示,详细阐述了如何根据当前采集速度和当前预测速度,确定目标对象的当前目标速度,具体方法包括:
S301,根据目标对象的当前采集速度中的横向速度,和当前预测速度中的横向速度,确定横向速度差值。
具体的,将目标对象的当前采集速度和当前预测速度都分解为横向速度和纵向速度,将当前采集速度和当前预测速度的横向速度取差值,得到横向速度差值。
S302,根据目标对象的当前采集速度中的纵向速度,和当前预测速度中的纵向速度,确定纵向速度差值。
具体的,将目标对象的当前采集速度和当前预测速度都分解为横向速度和纵向速度,将当前采集速度和当前预测速度的纵向速度取差值,得到纵向速度差值。
S303,根据纵向速度差值、横向速度差值及预设差值阈值,确定目标对象的当前目标速度。
具体的,可以根据纵向速度差值、横向速度差值和预设差值阈值之间的大小关系,确定目标对象的当前目标速度。若纵向速度差值和/或横向速度差值大于第一差值阈值,则将当前预测速度作为目标对象的当前目标速度。若纵向速度差值和横向速度差值均小于第二差值阈值,则将当前采集速度作为目标对象的当前目标速度。若纵向速度差值和横向速度差值均小于第一差值阈值,且纵向速度差值和/或横向速度差值大于第二差值阈值,则根据横向速度差、纵向速度差,对当前采集速度进行修正,得到目标对象的当前目标速度。
可选的,由于第一差值阈值较大,如果纵向速度差值和横向速度差值中存在任意一个大于第一差值阈值,则说明当前采集速度的误差较大,此时可以直接舍弃当前采集速度,直接将当前预测速度作为目标对象的当前目标速度。由于第二差值阈值较小,如果纵向速度差值和横向速度差值均小于第二差值阈值,则说明当前采集速度的误差较小,此时可以直接选取当前采集速度作为目标对象的当前目标速度。如果纵向速度差值和横向速度差值均小于数值较大的第一差值阈值,但是存在任意一个大于第二差值阈值,则证明当前采集速度有误差,但误差较小,根据横向速度差、纵向速度差,对当前采集速度进行修正,即可得到目标对象的当前目标速度。
具体的,根据横向速度差、纵向速度差,对当前采集速度进行修正,得到目标对象的当前目标速度的可选方法可以是,将横向速度差与横向调整参数之积,作为横向速度调整值,并基于横向速度调整值,对当前采集速度中的横向速度进行修正;将纵向速度差与纵向调整参数之积,作为纵向速度调整值,并基于纵向速度调整值,对当前采集速度中的纵向速度进行修正。
具体的,上述对当前采集速度进行修正得到当前目标速度的方法可以转化为如下公式(2):
其中,LS_vx为当前预测速度中的纵向速度,LS_vy当前预测速度中的横向速度,map_vx为当前采集速度中的纵向速度,map_vy为当前采集速度中的横向速度,new_vx为当前目标速度中的纵向速度,new_vy为当前目标速度中的横向速度,w1为纵向调整参数,w2为横向调整参数。
示例性的,上述公式中,map_vx-LS_vx为纵向速度差,map_vy-LS_vy为横向速度差,w1(map_vx-LS_vx)为纵向速度调整值,w2(map_vy-LS_vy)为横向速度调整值。
上述实施例中,将横向速度差值、纵向速度差值与第一差值阈值、第二差值阈值进行比较,并根据比较结果确定目标对象的当前目标速度,因此,在确定当前目标速度时,并没有直接将当前预测速度或者当前采集速度直接作为当前目标速度,而是根据实际情况确定当前目标速度,因此大大增加了当前目标速度的准确性。
为了更全面的展示本方案,本实施例给出了一种目标对象的速度确定方法的可选方式,如图4所示:
S401,通过毫米波雷达获取目标对象在当前时刻的当前原始速度和当前原始位置。
S402,将当前原始速度和当前原始位置从雷达坐标系转换到地图坐标系,得到目标对象的当前采集速度和当前采集位置。
S403,将当前位置时间参数和历史位置时间参数之和,作为第一参数值。
其中,当前位置时间参数为当前采集位置和当前时刻之积,历史位置时间参数为历史采集位置和历史时刻之积。
S404,根据当前采集位置和历史采集位置,确定均值位置,并将均值位置和当前时刻之积作为第二参数值。
S405,根据当前时刻的时刻平方值和历史时刻的时刻平方,确定时刻平方总值,作为第三参数值。
S406,将当前采集位置和历史采集位置之和,与均值位置的乘积作为第四参数值。
S407,根据第一参数差与第二参数差之间的比值,确定目标对象的当前预测速度。
其中,第一参数差为第一参数值与第二参数值之间的差值;第二参数差为第三参数值与第四参数值之间的差值。
S408,根据目标对象的当前采集速度中的横向速度,和当前预测速度中的横向速度,确定横向速度差值。
S409,根据目标对象的当前采集速度中的纵向速度,和当前预测速度中的纵向速度,确定纵向速度差值。
S410,若纵向速度差值和/或横向速度差值大于第一差值阈值,则将当前预测速度作为目标对象的当前目标速度。
S411,若纵向速度差值和横向速度差值均小于第二差值阈值,则将当前采集速度作为目标对象的当前目标速度。
S412,若纵向速度差值和横向速度差值均小于第一差值阈值,且纵向速度差值和/或横向速度差值大于第二差值阈值,将横向速度差与横向调整参数之积,作为横向速度调整值,并基于横向速度调整值,对当前采集速度中的横向速度进行修正。
S413,将纵向速度差与纵向调整参数之积,作为纵向速度调整值,并基于纵向速度调整值,对当前采集速度中的纵向速度进行修正,得到目标对象的当前目标速度。
上述S401-S413的具体过程可以参见上述方法实施例的描述,其实现原理和技术效果类似,在此不再赘述。
应该理解的是,虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的目标对象的速度确定方法的目标对象的速度确定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个目标对象的速度确定装置实施例中的具体限定可以参见上文中对于目标对象的速度确定方法的限定,在此不再赘述。
在一个实施例中,如图5所示,提供了一种目标对象的速度确定装置5,包括:数据采集模块50、速度预测模块51和目标确定模块52,其中:
数据采集模块50,用于通过传感器获取目标对象的当前采集速度、当前采集位置和历史采集位置;其中,历史采集位置为当前时刻之前至少两个连续时刻采集的目标对象的位置信息。
速度预测模块51,用于根据目标对象的当前采集位置和历史采集位置,确定目标对象的当前预测速度。
目标确定模块52,用于根据目标对象的当前采集速度和当前预测速度,确定目标对象的当前目标速度。
在另一个实施例中,如图6所示,上述图5中的目标确定模块52,包括:
第一确定单元520,用于根据目标对象的当前采集速度中的横向速度,和当前预测速度中的横向速度,确定横向速度差值。
第二确定单元521,用于根据目标对象的当前采集速度中的纵向速度,和当前预测速度中的纵向速度,确定纵向速度差值。
目标确定单元522,用于根据纵向速度差值、横向速度差值及预设差值阈值,确定目标对象的当前目标速度。
在另一个实施例中,预设差值阈值包括第一差值阈值和第二差值阈值,第一差值阈值大于第二差值阈值,上述图6中的目标确定单元522,包括
第一目标确定子单元,用于若纵向速度差值和/或横向速度差值大于第一差值阈值,则将当前预测速度作为目标对象的当前目标速度。
第二目标确定子单元,用于若纵向速度差值和横向速度差值均小于第二差值阈值,则将当前采集速度作为目标对象的当前目标速度。
第三目标确定子单元,用于若纵向速度差值和横向速度差值均小于第一差值阈值,且纵向速度差值和/或横向速度差值大于第二差值阈值,则根据横向速度差、纵向速度差,对当前采集速度进行修正,得到目标对象的当前目标速度。
在另一个实施例中,上述实施例中的第三目标确定子单元,具体用于:
将横向速度差与横向调整参数之积,作为横向速度调整值,并基于横向速度调整值,对当前采集速度中的横向速度进行修正;将纵向速度差与纵向调整参数之积,作为纵向速度调整值,并基于纵向速度调整值,对当前采集速度中的纵向速度进行修正。
在另一个实施例中,如图7所示,上述图5中的速度预测模块51,包括:
第一参数确定单元510,用于将当前位置时间参数和历史位置时间参数之和,作为第一参数值。
其中,当前位置时间参数为当前采集位置和当前时刻之积,历史位置时间参数为历史采集位置和历史时刻之积。
第二参数确定单元511,用于根据当前采集位置和历史采集位置,确定均值位置,并将均值位置和当前时刻之积作为第二参数值。
第三参数确定单元512,用于根据当前时刻的时刻平方值和历史时刻的时刻平方,确定时刻平方总值,作为第三参数值。
第四参数确定单元513,用于将当前采集位置和历史采集位置之和,与均值位置的乘积作为第四参数值。
速度预测单元514,用于根据第一参数差与第二参数差之间的比值,确定目标对象的当前预测速度。
其中,第一参数差为第一参数值与第二参数值之间的差值;第二参数差为第三参数值与第四参数值之间的差值。
在另一个实施例中,如图8所示,上述图5中的数据采集模块50,包括:
第一采集单元500,用于通过毫米波雷达获取目标对象在当前时刻的当前原始速度和当前原始位置。
第二采集单元501,用于将当前原始速度和当前原始位置从雷达坐标系转换到地图坐标系,得到目标对象的当前采集速度和当前采集位置。
在另一个实施例中,如图9所示,上述图5中的目标对象的速度确定装置5,还包括:
数据存储模块53,用于将目标对象的当前目标速度、当前采集位置和当前时间进行关联存储。
上述目标对象的速度确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图10所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种目标对象的速度确定方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
通过传感器获取目标对象的当前采集速度、当前采集位置和历史采集位置;其中,历史采集位置为当前时刻之前至少两个连续时刻采集的目标对象的位置信息;
根据目标对象的当前采集位置和历史采集位置,确定目标对象的当前预测速度;
根据目标对象的当前采集速度和当前预测速度,确定目标对象的当前目标速度。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据目标对象的当前采集速度中的横向速度,和当前预测速度中的横向速度,确定横向速度差值;根据目标对象的当前采集速度中的纵向速度,和当前预测速度中的纵向速度,确定纵向速度差值;根据纵向速度差值、横向速度差值及预设差值阈值,确定目标对象的当前目标速度。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
若纵向速度差值和/或横向速度差值大于第一差值阈值,则将当前预测速度作为目标对象的当前目标速度;若纵向速度差值和横向速度差值均小于第二差值阈值,则将当前采集速度作为目标对象的当前目标速度;若纵向速度差值和横向速度差值均小于第一差值阈值,且纵向速度差值和/或横向速度差值大于第二差值阈值,则根据横向速度差、纵向速度差,对当前采集速度进行修正,得到目标对象的当前目标速度。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将横向速度差与横向调整参数之积,作为横向速度调整值,并基于横向速度调整值,对当前采集速度中的横向速度进行修正;将纵向速度差与纵向调整参数之积,作为纵向速度调整值,并基于纵向速度调整值,对当前采集速度中的纵向速度进行修正。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将当前位置时间参数和历史位置时间参数之和,作为第一参数值;其中,当前位置时间参数为当前采集位置和当前时刻之积,历史位置时间参数为历史采集位置和历史时刻之积;根据当前采集位置和历史采集位置,确定均值位置,并将均值位置和当前时刻之积作为第二参数值;根据当前时刻的时刻平方值和历史时刻的时刻平方,确定时刻平方总值,作为第三参数值;将当前采集位置和历史采集位置之和,与均值位置的乘积作为第四参数值;根据第一参数差与第二参数差之间的比值,确定目标对象的当前预测速度;其中,第一参数差为第一参数值与第二参数值之间的差值;第二参数差为第三参数值与第四参数值之间的差值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
通过毫米波雷达获取目标对象在当前时刻的当前原始速度和当前原始位置;将当前原始速度和当前原始位置从雷达坐标系转换到地图坐标系,得到目标对象的当前采集速度和当前采集位置。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将目标对象的当前目标速度、当前采集位置和当前时间进行关联存储。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
通过传感器获取目标对象的当前采集速度、当前采集位置和历史采集位置;其中,历史采集位置为当前时刻之前至少两个连续时刻采集的目标对象的位置信息;
根据目标对象的当前采集位置和历史采集位置,确定目标对象的当前预测速度;
根据目标对象的当前采集速度和当前预测速度,确定目标对象的当前目标速度。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据目标对象的当前采集速度中的横向速度,和当前预测速度中的横向速度,确定横向速度差值;根据目标对象的当前采集速度中的纵向速度,和当前预测速度中的纵向速度,确定纵向速度差值;根据纵向速度差值、横向速度差值及预设差值阈值,确定目标对象的当前目标速度。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若纵向速度差值和/或横向速度差值大于第一差值阈值,则将当前预测速度作为目标对象的当前目标速度;若纵向速度差值和横向速度差值均小于第二差值阈值,则将当前采集速度作为目标对象的当前目标速度;若纵向速度差值和横向速度差值均小于第一差值阈值,且纵向速度差值和/或横向速度差值大于第二差值阈值,则根据横向速度差、纵向速度差,对当前采集速度进行修正,得到目标对象的当前目标速度。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将横向速度差与横向调整参数之积,作为横向速度调整值,并基于横向速度调整值,对当前采集速度中的横向速度进行修正;将纵向速度差与纵向调整参数之积,作为纵向速度调整值,并基于纵向速度调整值,对当前采集速度中的纵向速度进行修正。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将当前位置时间参数和历史位置时间参数之和,作为第一参数值;其中,当前位置时间参数为当前采集位置和当前时刻之积,历史位置时间参数为历史采集位置和历史时刻之积;根据当前采集位置和历史采集位置,确定均值位置,并将均值位置和当前时刻之积作为第二参数值;根据当前时刻的时刻平方值和历史时刻的时刻平方,确定时刻平方总值,作为第三参数值将当前采集位置和历史采集位置之和,与均值位置的乘积作为第四参数值;根据第一参数差与第二参数差之间的比值,确定目标对象的当前预测速度;其中,第一参数差为第一参数值与第二参数值之间的差值;第二参数差为第三参数值与第四参数值之间的差值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
通过毫米波雷达获取目标对象在当前时刻的当前原始速度和当前原始位置;将当前原始速度和当前原始位置从雷达坐标系转换到地图坐标系,得到目标对象的当前采集速度和当前采集位置。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将目标对象的当前目标速度、当前采集位置和当前时间进行关联存储。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
通过传感器获取目标对象的当前采集速度、当前采集位置和历史采集位置;其中,历史采集位置为当前时刻之前至少两个连续时刻采集的目标对象的位置信息;
根据目标对象的当前采集位置和历史采集位置,确定目标对象的当前预测速度;
根据目标对象的当前采集速度和当前预测速度,确定目标对象的当前目标速度。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据目标对象的当前采集速度中的横向速度,和当前预测速度中的横向速度,确定横向速度差值;根据目标对象的当前采集速度中的纵向速度,和当前预测速度中的纵向速度,确定纵向速度差值;根据纵向速度差值、横向速度差值及预设差值阈值,确定目标对象的当前目标速度。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若纵向速度差值和/或横向速度差值大于第一差值阈值,则将当前预测速度作为目标对象的当前目标速度;若纵向速度差值和横向速度差值均小于第二差值阈值,则将当前采集速度作为目标对象的当前目标速度;若纵向速度差值和横向速度差值均小于第一差值阈值,且纵向速度差值和/或横向速度差值大于第二差值阈值,则根据横向速度差、纵向速度差,对当前采集速度进行修正,得到目标对象的当前目标速度。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将横向速度差与横向调整参数之积,作为横向速度调整值,并基于横向速度调整值,对当前采集速度中的横向速度进行修正;将纵向速度差与纵向调整参数之积,作为纵向速度调整值,并基于纵向速度调整值,对当前采集速度中的纵向速度进行修正。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将当前位置时间参数和历史位置时间参数之和,作为第一参数值;其中,当前位置时间参数为当前采集位置和当前时刻之积,历史位置时间参数为历史采集位置和历史时刻之积;根据当前采集位置和历史采集位置,确定均值位置,并将均值位置和当前时刻之积作为第二参数值;根据当前时刻的时刻平方值和历史时刻的时刻平方,确定时刻平方总值,作为第三参数值;将当前采集位置和历史采集位置之和,与均值位置的乘积作为第四参数值;根据第一参数差与第二参数差之间的比值,确定目标对象的当前预测速度;其中,第一参数差为第一参数值与第二参数值之间的差值;第二参数差为第三参数值与第四参数值之间的差值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
通过毫米波雷达获取目标对象在当前时刻的当前原始速度和当前原始位置;将当前原始速度和当前原始位置从雷达坐标系转换到地图坐标系,得到目标对象的当前采集速度和当前采集位置。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将目标对象的当前目标速度、当前采集位置和当前时间进行关联存储。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种目标对象的速度确定方法,其特征在于,所述方法包括:
获取目标对象的当前采集速度、当前采集位置和历史采集位置;其中,所述历史采集位置为当前时刻之前至少两个连续时刻采集的所述目标对象的位置信息;
根据所述目标对象的当前采集位置和历史采集位置,确定所述目标对象的当前预测速度;
根据所述目标对象的当前采集速度和当前预测速度,确定所述目标对象的当前目标速度。
2.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当前采集速度和当前预测速度,确定所述目标对象的当前目标速度,包括:
根据所述目标对象的当前采集速度中的横向速度,和当前预测速度中的横向速度,确定横向速度差值;
根据所述目标对象的当前采集速度中的纵向速度,和当前预测速度中的纵向速度,确定纵向速度差值;
根据所述纵向速度差值、横向速度差值及预设差值阈值,确定所述目标对象的当前目标速度。
3.根据权利要求2所述的方法,其特征在于,所述预设差值阈值包括第一差值阈值和第二差值阈值,所述第一差值阈值大于第二差值阈值,所述根据所述纵向速度差值、横向速度差值及预设差值阈值,确定所述目标对象的当前目标速度,包括:
若所述纵向速度差值和/或所述横向速度差值大于所述第一差值阈值,则将所述当前预测速度作为所述目标对象的当前目标速度;
若所述纵向速度差值和横向速度差值均小于所述第二差值阈值,则将所述当前采集速度作为所述目标对象的当前目标速度;
若所述纵向速度差值和横向速度差值均小于第一差值阈值,且所述纵向速度差值和/或所述横向速度差值大于所述第二差值阈值,则根据所述横向速度差、纵向速度差,对所述当前采集速度进行修正,得到所述目标对象的当前目标速度。
4.根据权利要求3所述的方法,其特征在于,根据所述横向速度差、纵向速度差,对所述当前采集速度进行修正,包括:
将所述横向速度差与横向调整参数之积,作为横向速度调整值,并基于所述横向速度调整值,对所述当前采集速度中的横向速度进行修正;
将所述纵向速度差与纵向调整参数之积,作为纵向速度调整值,并基于所述纵向速度调整值,对所述当前采集速度中的纵向速度进行修正。
5.根据权利要求1所述的方法,其特征在于,根据所述目标对象的当前采集位置和历史采集位置,确定所述目标对象的当前预测速度,包括:
将当前位置时间参数和历史位置时间参数之和,作为第一参数值;其中,当前位置时间参数为当前采集位置和当前时刻之积,历史位置时间参数为历史采集位置和历史时刻之积;
根据当前采集位置和历史采集位置,确定均值位置,并将所述均值位置和所述当前时刻之积作为第二参数值;
根据当前时刻的时刻平方值和历史时刻的时刻平方,确定时刻平方总值,作为第三参数值;
将当前采集位置和历史采集位置之和,与所述均值位置的乘积作为第四参数值;
根据第一参数差与第二参数差之间的比值,确定所述目标对象的当前预测速度;其中,所述第一参数差为所述第一参数值与所述第二参数值之间的差值;所述第二参数差为所述第三参数值与所述第四参数值之间的差值。
6.根据权利要求1所述的方法,其特征在于,获取目标对象的当前采集速度、当前采集位置,包括:
通过毫米波雷达获取目标对象在当前时刻的当前原始速度和当前原始位置;
将所述当前原始速度和当前所述原始位置从雷达坐标系转换到地图坐标系,得到所述目标对象的当前采集速度和当前采集位置。
7.根据权利要求1-6中任一项所述的方法,其特征在于,确定所述目标对象的当前目标速度之后,还包括:
将所述目标对象的当前目标速度、当前采集位置和当前时间进行关联存储。
8.一种目标对象的速度确定装置,其特征在于,所述装置包括:
数据采集模块,用于获取目标对象的当前采集速度、当前采集位置和历史采集位置;其中,所述历史采集位置为当前时刻之前至少两个连续时刻采集的所述目标对象的位置信息;
速度预测模块,用于根据所述目标对象的当前采集位置和历史采集位置,确定所述目标对象的当前预测速度;
目标确定模块,用于根据所述目标对象的当前采集速度和当前预测速度,确定所述目标对象的当前目标速度。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311617822.XA CN117741646A (zh) | 2023-11-29 | 2023-11-29 | 目标对象的速度确定方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311617822.XA CN117741646A (zh) | 2023-11-29 | 2023-11-29 | 目标对象的速度确定方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117741646A true CN117741646A (zh) | 2024-03-22 |
Family
ID=90256992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311617822.XA Pending CN117741646A (zh) | 2023-11-29 | 2023-11-29 | 目标对象的速度确定方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117741646A (zh) |
-
2023
- 2023-11-29 CN CN202311617822.XA patent/CN117741646A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114348019B (zh) | 车辆轨迹预测方法、装置、计算机设备和存储介质 | |
CN110824496B (zh) | 运动估计方法、装置、计算机设备和存储介质 | |
CN114882115B (zh) | 车辆位姿的预测方法和装置、电子设备和存储介质 | |
CN117741646A (zh) | 目标对象的速度确定方法、装置、计算机设备和存储介质 | |
CN114913500B (zh) | 位姿确定方法、装置、计算机设备和存储介质 | |
CN114022518B (zh) | 图像的光流信息获取方法、装置、设备和介质 | |
CN115294280A (zh) | 三维重建方法、装置、设备、存储介质和程序产品 | |
CN115797438A (zh) | 目标定位方法、装置、计算机设备、存储介质和程序产品 | |
CN112414444B (zh) | 一种数据标定方法、计算机设备、存储介质 | |
CN117036511B (zh) | 多类型传感器的标定方法、装置、计算机设备和存储介质 | |
CN113805587B (zh) | 多无人车分布式编队控制方法、装置和设备 | |
CN116522148A (zh) | 车辆行驶轨迹确定方法、装置、计算机设备和存储介质 | |
CN116266362A (zh) | 外参标定方法、装置、计算机设备和存储介质 | |
CN117804450A (zh) | 一种定位方法 | |
CN115187935A (zh) | 车辆行为预测方法、装置、基站、存储介质和程序产品 | |
CN116205391A (zh) | 车辆路线的距离优化方法、装置、计算机设备和存储介质 | |
CN116415353A (zh) | 基于自动驾驶功能的感知系统设计需求的建模方法 | |
CN116952243A (zh) | 道路病害位置获取方法、装置、设备及可读存储介质 | |
CN116309834A (zh) | 移动设备的定位方法、装置和移动设备 | |
CN117842044A (zh) | 道路风险评估方法、装置、计算机设备和存储介质 | |
CN117471937A (zh) | 车辆仿真方法、装置、计算机设备、存储介质和程序产品 | |
CN117268379A (zh) | 一种定位预测方法、装置、计算机设备和存储介质 | |
CN117008097A (zh) | 雷达外参标定方法、装置、计算机设备和存储介质 | |
CN111047562A (zh) | 一种处理方法、装置、电子设备及存储介质 | |
CN116382296A (zh) | 路径生成方法、装置、机器人及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |