CN117930220A - 障碍物速度检测方法、装置、计算机设备以及存储介质 - Google Patents
障碍物速度检测方法、装置、计算机设备以及存储介质 Download PDFInfo
- Publication number
- CN117930220A CN117930220A CN202311788861.6A CN202311788861A CN117930220A CN 117930220 A CN117930220 A CN 117930220A CN 202311788861 A CN202311788861 A CN 202311788861A CN 117930220 A CN117930220 A CN 117930220A
- Authority
- CN
- China
- Prior art keywords
- speed
- motion model
- obstacle
- longitudinal
- target
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 31
- 230000033001 locomotion Effects 0.000 claims abstract description 560
- 238000001914 filtration Methods 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 40
- 230000008859 change Effects 0.000 claims description 52
- 238000006073 displacement reaction Methods 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 description 26
- 230000004888 barrier function Effects 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 11
- 238000012544 monitoring process Methods 0.000 description 9
- 230000001133 acceleration Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000000007 visual effect Effects 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
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种障碍物速度检测方法、装置、计算机设备以及存储介质。所述方法包括:根据目标障碍物的方位角正弦值、方位角余弦值和径向多普勒速度确定目标障碍物在纵向运动模型下的纵向速度,以及目标障碍物在横向运动模型下的横向速度;根据纵向运动模型的纵向速度和横向运动模型的横向速度确定纵向运动模型的障碍物速度和横向运动模型的障碍物速度;根据历史轨迹信息和历史点迹信息从横向运动模型和纵向运动模型中确定目标运动模型,并确定目标运动模型的障碍物速度;根据历史点迹信息、目标运动模型的障碍物速度和卡尔曼滤波算法确定的障碍物速度确定目标障碍物的目标速度。上述方案,能够通过毫米波雷达获取到准确的障碍物速度信息。
Description
技术领域
本申请涉及雷达技术领域,特别是涉及一种障碍物速度检测方法、装置、计算机设备以及存储介质。
背景技术
毫米波雷达是通过电磁波束对于目标进行探测,但是毫米波雷达发射功率、探测距离以及天线排布和探测角度之间互相制约,因此毫米波雷达很难具备大角度和远距离的性能。在毫米波雷达技术领域中,由于在毫米波雷达的大角度区域,雷达获取的障碍物点迹质量较差,且障碍物在启停时的速度对毫米波雷达的检测信息影响较大,容易导致倒车警告系统和后碰撞预警系统发出错误告警信息,影响车辆后续制动功能的触发。因此,如何通过毫米波雷达获取到准确的障碍物速度信息,提高毫米波雷达对障碍物速度的检测精度,是需要解决的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种通过毫米波雷达获取到准确的障碍物速度信息,提高毫米波雷达对障碍物速度的检测精度的障碍物速度检测方法、装置、计算机设备以及存储介质。
第一方面,本申请提供了一种障碍物速度检测方法,所述方法包括:
获取目标障碍物的历史轨迹信息和历史点迹信息;
根据所述目标障碍物的方位角正弦值、方位角余弦值和径向多普勒速度确定所述目标障碍物在纵向运动模型下的纵向速度,以及所述目标目标障碍物在横向运动模型下的横向速度;
根据纵向运动模型的纵向速度和横向运动模型的横向速度确定纵向运动模型的障碍物速度和横向运动模型的障碍物速度;
根据所述历史轨迹信息和所述历史点迹信息从横向运动模型和纵向运动模型中确定目标运动模型,并从纵向运动模型的障碍物速度和横向运动模型的障碍物速度确定目标运动模型的障碍物速度;
根据所述历史点迹信息、目标运动模型的障碍物速度和卡尔曼滤波算法确定的障碍物速度确定所述目标障碍物的目标速度。
在其中一个实施例中,根据所述历史点迹信息、目标运动模型的障碍物速度和卡尔曼滤波算法确定的障碍物速度确定所述目标障碍物的目标速度,包括:
根据目标运动模型的障碍物速度和所述历史点迹信息确定障碍物速度偏差;
根据卡尔曼滤波算法确定的障碍物速度和所述历史点迹信息确定卡尔曼滤波偏差;
若所述障碍物速度偏差小于所述卡尔曼滤波偏差,则确定目标障碍物速度为所述目标障碍物的目标速度。
在其中一个实施例中,根据卡尔曼滤波算法确定的障碍物速度和所述历史点迹信息确定卡尔曼滤波偏差后,还包括:
若障碍物速度偏差大于或等于卡尔曼滤波偏差,则根据纵向运动模型的纵向速度和纵向运动模型的横向速度确定纵向运动模型的纵向偏差,并根据横向运动模型的纵向速度和横向运动模型的横向速度确定横向运动模型的横向偏差;
确定纵向运动模型的纵向偏差和横向运动模型的横向偏差是否满足预设的纵向模型偏差条件;所述纵向模型偏差条件为纵向运动模型的纵向偏差小于纵向运动模型的横向偏差,纵向运动模型的纵向偏差小于目标多普勒偏差,且纵向运动模型的横向偏差大于目标多普勒偏差;
若是,则确定纵向运动模型的纵向速度和纵向运动模型的横向速度为所述目标障碍物的目标速度。
在其中一个实施例中,确定纵向运动模型的纵向偏差和横向运动模型的横向偏差是否满足预设的纵向模型偏差条件后,还包括:
若否,则确定横向运动模型的纵向偏差和横向运动模型的横向偏差是否满足预设的横向模型偏差条件;所述横向模型偏差条件为横向运动模型的横向偏差小于横向运动模型的纵向偏差,横向运动模型的横向偏差小于目标多普勒偏差,且横向运动模型的纵向偏差大于目标多普勒偏差;
若是,则确定横向运动模型的纵向速度和横向运动模型的横向速度为所述目标障碍物的目标速度。
在其中一个实施例中,根据纵向运动模型的纵向速度和横向运动模型的横向速度确定纵向运动模型的障碍物速度和横向运动模型的障碍物速度,包括:
根据纵向运动模型的纵向速度确定纵向运动模型的纵向多普勒速度偏差,并根据横向运动模型的横向速度确定横向运动模型的横向多普勒速度偏差;
若所述纵向多普勒速度偏差小于所述横向多普勒速度偏差,则根据纵向运动模型的纵向速度、本地车辆的纵向速度、所述目标障碍物的横摆角和障碍物位置确定所述目标障碍物的补偿纵向速度;
根据所述补偿纵向速度和所述障碍物位置确定纵向碰撞时间,若所述纵向碰撞时间小于时间阈值,则将纵向运动模型的纵向速度和纵向运动模型的横向速度作为纵向运动模型的障碍物速度;
根据横向运动模型的横向速度、本地车辆的横向速度、所述目标障碍物的纵摆角和所述障碍物位置确定所述目标障碍物的补偿横向速度;
根据所述补偿横向速度和所述障碍物位置确定横向碰撞时间,若所述横向碰撞时间小于所述时间阈值,则将横向运动模型的横向速度和横向运动模型的纵向速度作为横向运动模型的障碍物速度。
在其中一个实施例中,障碍物速度检测方法,还包括:
根据所述历史点迹信息确定所述目标障碍物的障碍物运行场景是否为机动场景,若是,则根据所述历史轨迹信息确定第一目标帧轨迹信息,并确定所述第一目标帧轨迹信息对应的第一目标帧点迹信息;
根据所述第一目标帧轨迹信息和所述第一目标帧点迹信息确定第一位置变化方差和第一速度变化方差;
从所述第一目标帧轨迹信息中确定第二目标帧轨迹信息,并确定所述第二目标帧轨迹信息的第二目标帧点迹信息,且根据所述第二目标帧轨迹信息和所述第二目标帧点迹信息确定第二位置变化方差和第二速度变化方差;
根据所述第一位置变化方差、第一速度变化方差、第二位置变化方差和第二速度变化方差确定所述历史轨迹信息的历史轨迹权重;
基于所述历史轨迹权重,通过毫米波雷达获取所述目标障碍物的障碍物运行信息。
在一个实施例中,根据所述历史轨迹信息和所述历史点迹信息从横向运动模型和纵向运动模型中确定目标运动模型,包括:
确定所述历史轨迹信息对应的历史轨迹帧是否大于轨迹帧阈值,若是,则根据所述历史轨迹信息确定横向轨迹偏差和纵向轨迹偏差;
若所述纵向轨迹偏差大于轨迹偏差阈值,则根据所述历史点迹信息确定横向位移方差,若所述横向位移方差小于位移方差阈值,则目标运动模型为纵向运动模型;
若所述横向位移方差大于或等于所述位移方差阈值,则目标运动模型为横向运动模型。
第二方面,本申请提供了一种障碍物速度检测装置,所述障碍物速度检测装置包括:
历史轨迹信息获取模块,用于获取目标障碍物的历史轨迹信息和历史点迹信息;
纵向速度确定模块,用于根据所述目标障碍物的方位角正弦值、方位角余弦值和径向多普勒速度确定所述目标障碍物在纵向运动模型下的纵向速度,以及所述目标目标障碍物在横向运动模型下的横向速度;
障碍物速度确定模块,用于根据纵向运动模型的纵向速度和横向运动模型的横向速度确定纵向运动模型的障碍物速度和横向运动模型的障碍物速度;
目标运动模型确定模块,用于根据所述历史轨迹信息和所述历史点迹信息从横向运动模型和纵向运动模型中确定目标运动模型,并从纵向运动模型的障碍物速度和横向运动模型的障碍物速度确定目标运动模型的障碍物速度;
目标速度确定模块,用于根据所述历史点迹信息、目标运动模型的障碍物速度和卡尔曼滤波算法确定的障碍物速度确定所述目标障碍物的目标速度。
第三方面,本申请还提供了一种计算机设备,所述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,所述处理器执行所述计算机程序时实现以下步骤:
获取目标障碍物的历史轨迹信息和历史点迹信息;
根据所述目标障碍物的方位角正弦值、方位角余弦值和径向多普勒速度确定所述目标障碍物在纵向运动模型下的纵向速度,以及所述目标目标障碍物在横向运动模型下的横向速度;
根据纵向运动模型的纵向速度和横向运动模型的横向速度确定纵向运动模型的障碍物速度和横向运动模型的障碍物速度;
根据所述历史轨迹信息和所述历史点迹信息从横向运动模型和纵向运动模型中确定目标运动模型,并从纵向运动模型的障碍物速度和横向运动模型的障碍物速度确定目标运动模型的障碍物速度;
根据所述历史点迹信息、目标运动模型的障碍物速度和卡尔曼滤波算法确定的障碍物速度确定所述目标障碍物的目标速度。
第四方面,本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取目标障碍物的历史轨迹信息和历史点迹信息;
根据所述目标障碍物的方位角正弦值、方位角余弦值和径向多普勒速度确定所述目标障碍物在纵向运动模型下的纵向速度,以及所述目标目标障碍物在横向运动模型下的横向速度;
根据纵向运动模型的纵向速度和横向运动模型的横向速度确定纵向运动模型的障碍物速度和横向运动模型的障碍物速度;
根据所述历史轨迹信息和所述历史点迹信息从横向运动模型和纵向运动模型中确定目标运动模型,并从纵向运动模型的障碍物速度和横向运动模型的障碍物速度确定目标运动模型的障碍物速度;
根据所述历史点迹信息、目标运动模型的障碍物速度和卡尔曼滤波算法确定的障碍物速度确定所述目标障碍物的目标速度。
上述障碍物速度检测方法、装置、计算机设备以及存储介质,获取目标障碍物的历史轨迹信息和历史点迹信息;根据目标障碍物的方位角正弦值、方位角余弦值和径向多普勒速度确定目标障碍物在纵向运动模型下的纵向速度,以及目标障碍物在横向运动模型下的横向速度;根据纵向运动模型的纵向速度和横向运动模型的横向速度确定纵向运动模型的障碍物速度和横向运动模型的障碍物速度;根据历史轨迹信息和历史点迹信息从横向运动模型和纵向运动模型中确定目标运动模型,并从纵向运动模型的障碍物速度和横向运动模型的障碍物速度确定目标运动模型的障碍物速度;根据历史点迹信息、目标运动模型的障碍物速度和卡尔曼滤波算法确定的障碍物速度确定目标障碍物的目标速度。上述方案,解决了在毫米波雷达技术领域中,由于在毫米波雷达的大角度区域,雷达获取的障碍物点迹质量较差,且障碍物在启停时的速度对毫米波雷达的检测信息影响较大,容易导致倒车警告系统和后碰撞预警系统发出错误告警信息,影响车辆后续制动功能的触发的问题。根据毫米波雷达采集到的目标障碍物的运行信息和位置信息确定目标障碍物的目标运动模型,并确定目标障碍物基于目标运动模型的障碍物速度,基于目标障碍物的历史点迹信息从目标运动模型的障碍物速度和卡尔曼滤波算法确定的障碍物速度中确定目标障碍物的目标速度,能够在不增加毫米波雷达检测成本的基础上,通过毫米波雷达获取到准确的障碍物速度信息,提高车辆倒车警告系统和后碰撞预警系统的可靠性,从而提高车辆的行驶安全。
附图说明
图1为一个实施例中障碍物速度检测方法的应用环境图;
图2为一个实施例中障碍物速度检测方法的流程示意图;
图3为另一个实施例中障碍物速度检测方法的流程示意图;
图4为另一个实施例中障碍物速度检测方法的流程示意图;
图5为另一个实施例中障碍物速度检测方法的流程示意图;
图6为一个实施例中障碍物速度检测装置的结构框图;
图7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障碍物速度检测方法,可以应用于如图1所示的应用环境中。图1示出了交通工具10的侧视图,所述交通工具10设置在行进表面70(例如,铺设道路表面)上,并且能够在行进表面70上横穿行进。交通工具10可以包括交通工具机载导航系统24、存储数字化道路地图25的计算机可读存储装置或介质(存储器)23、空间监测系统100、交通工具控制器50、全球定位系统(GPS)传感器52、人/机界面(HMI)装置60。在另一个实施例中交通工具10还包括自主控制器65和远程信息处理控制器75。具体的,交通工具10包括但不限于商业交通工具、工业交通工具、农业交通工具、客运交通工具、飞机、船只、火车、全地形交通工具、个人移动设备、机器人和类似的形式的移动平台,用于实现本申请的目的。
在一个实施例中,空间监测系统100包括:一个或多个空间传感器和系统,设置为监测交通工具10前方的可视区域32;以及空间监测控制器110。设置为监测交通工具10前方的可视区域32的空间传感器,例如包括激光雷达传感器34、雷达传感器36、数字摄像头38等等。每个空间传感器设置方式包括装载于交通工具10上,以监测全部或部分可视区域32,用于检测接近远程对象,例如,道路特征、车道标记、建筑物、行人、道路标志、交通控制灯和标志、其它交通工具以及在交通工具10近侧的地理特征。空间监测控制器110基于来自空间传感器的数据输入而生成可视区域32的表示数字。空间监测控制器110可以评估来自空间传感器的输入,以基于每个接近远程对象确定交通工具10的线性范围、相对速度和轨迹。空间传感器可设置于交通工具10上的各处位置,包括前拐角、后拐角、后侧和中侧。在一个实施例中,空间传感器可包括但不限于前部雷达传感器和摄像头。空间传感器的设置方式使空间监测控制器110能够监测交通流量,包括接近交通工具、交叉口、车道标记以及围绕交通工具10的其它对象。车道标记检测处理器(未显示)可以基于空间监测控制器110生成的数据估测道路。交通工具空间监测系统100的空间传感器可以包括对象定位感测装置,所述对象定位感测装置包括范围传感器,例如,FMCW(调频连续波)雷达、脉冲和FSK(频移键控)雷达以及Lidar(光检测和测距)装置以及超声波装置,其依赖于例如多普勒效应测量的效应以定位前方对象。对象定位装置可以包括电荷耦合装置(CCD)或互补金属氧化物半导体(CMOS)视频图像传感器以及利用数字摄影方法以‘查看’前方对象(包括一个或多个交通工具)的其它摄像头/视频图像处理器。
激光雷达传感器34基于脉冲和反射激光束测量至对象的范围或距离。雷达传感器36基于无线电波确定对象的范围、角度和/或速度。摄像头38包括图像传感器、镜头和摄像头控制器。图像传感器是采用光敏感测元件的多维阵列而将光学图像转换成电子信号的电光装置。摄像头控制器操作性地连接到图像传感器,以监测可视区域32。摄像头控制器设置为控制图像传感器,用于捕获与经由镜头投影到图像传感器上的可视区域32相关联的视场(FOV)的图像。光学镜头可以包括针孔镜头、鱼眼镜头、立体镜头、伸缩镜头等等。摄像头38经由图像传感器以期望速率(例如,每秒30个图像文件)周期性捕获与可视区域32相关联的图像文件。每个图像文件包括以摄像头38的原始分辨率捕获的全部或部分可视区域32的2D或3D像素化表示数字。在一个实施例中,图像文件呈24位图像的形式,包括表示可视区域32的RGB(红、绿、蓝)可见光的光谱值和深度值。图像文件的其它实施例可以包括处于一定分辨率水平的2D或3D图像,描绘了可视区域32的黑白或灰度可见光的光谱、可视区域32的红外光谱或其它图像,本申请对此不作具体限制。在一个实施例中,对于涉及明度和/或亮度的参数,可以评估多个图像文件的图像。可选地,可基于RGB颜色分量、明度、纹理、轮廓或其组合而评估图像。图像传感器与编码器通信,所述编码器对于每个图像文件执行数字信号处理(DSP)。摄像头38的图像传感器可以设置为以标称标准清晰度分辨率(例如,640x480像素)捕获图像。可选地,摄像头38的图像传感器可以设置为以标称高清晰度分辨率(例如,1440x1024像素)或以另一合适的分辨率捕获图像。摄像头38的图像传感器可以预定图像捕获速率捕获静止图像或可选地捕获数字视频图像。在一个实施例中,图像文件作为编码数据文件发送至摄像头控制器,所述编码数据文件存储在非暂时性数字数据存储介质中,用于机载或非机载分析。
摄像头38设置和定位在交通工具10上能够捕获可视区域32的图像的位置中,其中,可视区域32至少部分包括在交通工具10前方并且包括交通工具10的轨迹的行进表面70的部分。可视区域32还可以包括周围环境,例如,包括交通工具交通、路边对象、行人和其它特征、天空、地平线、行进车道和交通工具10前方驶来的交通工具。还可包括其它摄像头(未显示),例如,包括设置在交通工具10的后部分或侧部分上的第二摄像头,用于监测交通工具10的后方以及交通工具10的右侧或左侧中的任意一个方向。
自主控制器65用于实施自主驾驶或高级驾驶员辅助系统(ADAS)交通工具功能性。此类功能性可包括能够提供一定驾驶自动化水平的交通工具机载控制系统。术语‘驾驶员’和‘操作者’描述了负责指导交通工具10的操作的人员,所述操作人员可以参与控制一个或多个交通工具功能,或指导自主交通工具。驾驶自动化可以包括动态驾驶和交通工具操作。驾驶自动化可以包括涉及单个交通工具功能(例如,转向、加速和/或制动)的某种水平的自动控制或干预,其中,驾驶员可以从总体上持续控制交通工具10。驾驶自动化可以包括涉及多个交通工具功能(例如,转向、加速和/或制动)的同时控制的某种水平的自动控制或干预,其中,驾驶员可以从总体上持续控制交通工具10。驾驶自动化可以包括交通工具驾驶功能的同时自动控制(包括转向、加速和制动),其中,驾驶员可以在行程期间中,放弃一段时间周期内对交通工具的控制。驾驶自动化可包括交通工具驾驶功能的同时自动控制(包括转向、加速和制动),其中,驾驶员可以在整个行程中放弃交通工具10的控制。驾驶自动化包括硬件和控制器,设置为在各种驾驶模式下监测空间环境,用于在动态交通工具操作期间执行各种驾驶任务。驾驶自动化包括但不限于巡航控制、自适应巡航控制、车道变换警告、干预和控制、自动停车、加速、制动和类似。自主交通工具功能包括但不限于自适应巡航控制(ACC)操作、车道引导和车道保持操作、车道变换操作、转向辅助操作、对象避让操作、停车辅助操作、交通工具制动操作、交通工具速度和加速操作、交通工具横向运动操作,例如,作为车道引导、车道保持和车道变换操作等等。基于此,制动命令可通过自主控制器65独立于通过交通工具操作者的动作并且响应于自主控制功能而生成。
交通工具10的乘客舱中可以包括操作者控制件,包括但不限于方向盘、加速器踏板、制动踏板和操作者输入装置,所述操作者输入装置是HMI装置60的元件。交通工具操作者可以基于操作者控制件与运行的交通工具10交互,并且指导交通工具10的操作,用于提供乘客运输。在交通工具10的一些实施例中,可省略操作者控制装置,包括方向盘、加速器踏板、制动踏板、变速范围选择器和类似的其他控制装置。
HMI装置60提供人机交互,用于指导信息娱乐系统、全球定位系统(GPS)传感器52、导航系统24和类似的操作功能,HMI装置60可以包括控制器。HMI装置60监测操作者请求,并且向操作者提供信息,包括交通工具系统的状态、服务和维护信息。HMI装置60可以与多个操作者界面装置通信,和/或控制多个操作者界面装置的操作,其中,操作者界面装置能够传送与自动交通工具控制系统中的操作相关联的消息。HMI装置60还可以与一个或多个装置通信,所述一个或多个装置监测与交通工具操作者相关联的生物特征数据,例如,包括眼睛视线位置、姿势和头部位置追踪等等。为简化表述,HMI装置60表述为单一装置,但是在本申请系统的实施例中,可以设置为多个控制器和相关联的感测装置。操作者界面装置可以包括能够传送催促操作者动作的消息的装置,并且可以包括电子视觉显示模块,例如,液晶显示器(LCD)装置、平视显示器(HUD)、音频反馈装置、可穿戴装置和触觉座椅。能够催促操作者动作的操作者界面装置可以由HMI装置60控制或通过HMI装置60控制。在操作者的视场中,HUD可投影信息反射到交通工具的挡风玻璃的内部侧上,包括传送与操作自动交通工具控制系统中的一个相关联的置信水平。HUD还可提供增强现实信息,例如,车道位置、交通工具路径、方向和/或导航信息等等。
机载导航系统24基于数字化道路地图25向交通工具操作者提供导航支持和信息。自主控制器65基于数字化道路地图25控制自主交通工具操作或ADAS交通工具功能。
交通工具10可以包括远程信息处理控制器75,所述远程信息处理控制器75包括能够进行交通工具外通信(包括与具有无线和有线通信能力的通信网络90通信)的无线远程信息处理通信系统。远程信息处理控制器75能够进行交通工具外通信,包括短程交通工具对于交通工具(V2V)通信和/或交通工具对于外界(V2x)通信,其可以包括与基础设施监测器(例如,交通摄像头)的通信。可选地或附加地,远程信息处理控制器75具有无线远程信息处理通信系统,所述无线远程信息处理通信系统能够与手持装置(例如,蜂窝电话、卫星电话或另一电话装置)短程无线通信。在一个实施例中,手持装置包括软件应用,所述软件应用包括无线协议,用于与远程信息处理控制器75通信,并且手持装置可以执行交通工具外通信,包括基于通信网络90与非机载服务器95通信。可选地或附加地,远程信息处理控制器75基于通信网络90与非机载服务器95通信而直接执行交通工具外通信。
术语“控制器”和相关术语(例如,微控制器、控制单元、处理器和类似的术语)指的是以下中的一个或各种组合:(多个)专用集成电路(ASIC)、现场可编程门阵列(FPGA)、(多个)电子电路、(多个)中央处理单元,例如,(多个)微处理器和呈存储器和存储装置(只读、可编程只读、随机存取、硬盘驱动等等)的形式的(多个)相关联的非暂时性存储器部件(由存储器23指示)。非暂时性存储器部件能够呈以下形式存储机器可读指令:一个或多个软件或固件程序或例程、(多个)组合逻辑电路、(多个)输入/输出电路和装置、信号调节和缓冲电路系统以及可由一个或多个处理器存取的其它部件,用于实现相应的功能。(多个)输入/输出电路和装置包括监测来自传感器的输入的模拟/数字转换器和相关装置,可以以预设采样频率或响应于触发事件而监测此类输入。软件、固件、程序、指令、控制例程、代码、算法和类似的术语指代控制器可执行指令集,包括校准和查找表。每个控制器执行(多个)控制例程,用于提供相应功能。例程可按定期间隔执行,例如,在正在进行的操作期间每100微秒执行一次。可选地,例程可响应于触发事件而执行。控制器、致动器和/或传感器之间的通信可使用直接有线点对点链路、网络化通信总线链路、无线链路或其他合适的通信链路而实现。通信包括相应的交换数据信号,例如,包括基于传导介质的电气信号、基于空气的电磁信号、基于光学波导的光学信号等等。数据信号可以包括离散的、模拟的或数字化的模拟信号,其表示来自传感器的输入、致动器命令以及控制器之间的通信。术语“信号”指的是传递信息的物理可识别指示符,并且可以为相应的波形(例如,电气、光学、磁性、机械或电磁),例如,DC、AC、正弦波、三角波、方波、振动等,其能够通过介质传播。参数被限定为可测量的量,其表示可使用一个或多个传感器和/或物理模型而识别的装置或其它元件的物理性质。参数可具有离散值,例如,“1”或“0”,或在值上无限可变。
终端车辆可以通过网络与服务器进行通信。数据存储系统可以存储服务器需要处理的数据。数据存储系统可以集成在服务器上,也可以放在云上或其他网络服务器上。终端车辆可以获取目标障碍物的历史轨迹信息和历史点迹信息;根据所述目标障碍物的方位角正弦值、方位角余弦值和径向多普勒速度确定障碍物在纵向运动模型下的纵向速度,以及所述目标障碍物在横向运动模型下的横向速度;根据纵向运动模型的纵向速度和横向运动模型的横向速度确定纵向运动模型的障碍物速度和横向运动模型的障碍物速度;根据所述历史轨迹信息和所述历史点迹信息从横向运动模型和纵向运动模型中确定目标运动模型,并从纵向运动模型的障碍物速度和横向运动模型的障碍物速度确定目标运动模型的障碍物速度;根据所述历史点迹信息、目标运动模型的障碍物速度和卡尔曼滤波算法确定的障碍物速度确定所述目标障碍物的目标速度。在其他实施例中,终端车辆在获取目标障碍物的历史轨迹信息和历史点迹信息后,也可以将上述目标障碍物的历史轨迹信息和历史点迹信息发送至服务器,由服务器执行上述根据所述目标障碍物的方位角正弦值、方位角余弦值和径向多普勒速度确定所述目标障碍物在纵向运动模型下的纵向速度,以及所述目标障碍物在横向运动模型下的横向速度;根据纵向运动模型的纵向速度和横向运动模型的横向速度确定纵向运动模型的障碍物速度和横向运动模型的障碍物速度;根据所述历史轨迹信息和所述历史点迹信息从横向运动模型和纵向运动模型中确定目标运动模型,并从纵向运动模型的障碍物速度和横向运动模型的障碍物速度确定目标运动模型的障碍物速度;根据所述历史点迹信息、目标运动模型的障碍物速度和卡尔曼滤波算法确定的障碍物速度确定所述目标障碍物的目标速度。其中,服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种障碍物速度检测方法,本实施例以该方法应用于终端进行举例说明,可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。本实施例中,该方法包括以下步骤:
S210、获取目标障碍物的历史轨迹信息和历史点迹信息。
其中,目标障碍物是指本地车辆周围的障碍物,目标障碍物可以是车辆或者行人。历史轨迹信息是指本地车辆上配置的毫米波雷达检测到的目标障碍物在历史时间段内的移动轨迹信息。历史点迹信息是指历史轨迹信息关联的目标障碍物移动的点迹信息。
具体的,在本地车辆行驶的过程中,本地车辆上配置的毫米波雷达会实时采集车辆周围的障碍物运行信息,并将障碍物运行信息存储在历史轨迹结构体中,障碍物运行信息可以包括障碍物的速度、障碍物运行方向和障碍物轨迹信息。根据累计存储的障碍物轨迹信息确定目标障碍物的障碍物轨迹信息对应的轨迹信息帧是否小于轨迹帧阈值,若是,则根据目标障碍物的当前轨迹信息对障碍物轨迹信息进行更新,确定目标障碍物的历史轨迹信息,确定历史轨迹信息的关联点迹信息,并对关联点迹信息进行有效性筛选,确定有效点迹信息,若有效点迹信息的点迹信息数量小于点迹数量阈值,则根据当前轨迹信息关联的当前点迹信息和有效点迹信息确定目标障碍物的历史点迹信息。有效点迹信息是指高质量点迹对应的点迹信息,高质量点迹即非车轮点且非同距同速点的动态点迹。需要说明的是,目标障碍物的历史轨迹信息对应的轨迹信息帧数大于或等于轨迹帧阈值,历史点迹信息的点迹信息数量大于或等于点迹数量阈值。
S220、根据目标障碍物的方位角正弦值、方位角余弦值和径向多普勒速度确定目标障碍物在纵向运动模型下的纵向速度,以及目标障碍物在横向运动模型下的横向速度。
其中,运动模型是指模拟运动过程中的静态或动态物体的运动关系的模型。纵向运动模型是指模拟物体纵向运动关系的模型,横向运动模型是指模拟物体横向运动关系的模型。
具体的,若本地车辆的偏航角速率小于预设的角速率阈值,且毫米波雷达测得得目标障碍物的起始点迹位于毫米波雷达得大角度视野边缘处,假设目标障碍物符合纵向运动模型的约束,如公式(1)所示,可以根据目标障碍物的方位角余弦值和径向多普勒速度确定目标障碍物在纵向运动模型下的纵向速度。
HypolongVx=Doppler/CosAzimuth (1)
其中,Doppler为目标障碍物的径向多普勒速度,CosAzimuth为目标障碍物的方位角余弦值,HypolongVx为目标障碍物在纵向运动模型下的纵向速度。
假设目标障碍物符合横向运动模型的约束,如公式(2)所示,可以根据目标障碍物的方位角正弦值和径向多普勒速度确定目标障碍物在横向运动模型下的横向速度。
HypolatVy=Doppler/SinAzimuth (2)
其中,HypolatVy为目标障碍物在横向运动模型下的横向速度,SinAzimuth为目标障碍物的方位角正弦值。
S230、根据纵向运动模型的纵向速度和横向运动模型的横向速度确定纵向运动模型的障碍物速度和横向运动模型的障碍物速度。
具体的,HypolongVy=0,HypolongVy为目标障碍物在纵向运动模型下的横向速度。HypolatVx=0,HypolatVx为目标障碍物在横向运动模型下的纵向速度。可以将纵向运动模型的横向速度和纵向速度作为纵向运动模型的障碍物速度,将横向运动模型的横向速度和纵向速度作为横向运动模型的障碍物速度。
S240、根据历史轨迹信息和历史点迹信息从横向运动模型和纵向运动模型中确定目标运动模型,并从纵向运动模型的障碍物速度和横向运动模型的障碍物速度确定目标运动模型的障碍物速度。
具体的,根据历史轨迹信息和历史点迹信息确定目标障碍物的运行轨迹符合横向运动模型的约束条件还是符合纵向运动模型的约束条件。若目标障碍物的运行轨迹符合横向运动模型的约束条件,则确定目标运动模型为横向运动模型,此时目标运动模型的障碍物速度即为横向运动模型的障碍物速度;若目标障碍物的运行轨迹符合纵向运动模型的约束条件,则确定目标运动模型为纵向运动模型,此时目标运动模型的障碍物速度即为纵向运动模型的障碍物速度。
S250、根据历史点迹信息、目标运动模型的障碍物速度和卡尔曼滤波算法确定的障碍物速度确定目标障碍物的目标速度。
其中,卡尔曼滤波算法确定的障碍物速度是指通过卡尔曼滤波算法,根据毫米波雷达采集到的目标障碍物的障碍物运行信息确定的目标障碍物的速度。
具体的,根据历史点迹信息确定历史点迹位置,确定目标障碍物基于目标运动模型的障碍物速度运行时的运行点迹位置和历史点迹位置之间的位置偏差为第一位置偏差,确定目标障碍物基于卡尔曼滤波算法确定的障碍物速度运行时的运行点迹位置和历史点迹位置之间的位置偏差为第二位置偏差。根据第一位置偏差和第二位置偏差的比较结果从目标运动模型的障碍物速度和卡尔曼滤波算法确定的障碍物速度中确定目标障碍物的目标速度。
上述障碍物速度检测方法中,获取目标障碍物的历史轨迹信息和历史点迹信息;根据目标障碍物的方位角正弦值、方位角余弦值和径向多普勒速度确定目标障碍物在纵向运动模型下的纵向速度,以及目标障碍物在横向运动模型下的横向速度;根据纵向运动模型的纵向速度和横向运动模型的横向速度确定纵向运动模型的障碍物速度和横向运动模型的障碍物速度;根据历史轨迹信息和历史点迹信息从横向运动模型和纵向运动模型中确定目标运动模型,并从纵向运动模型的障碍物速度和横向运动模型的障碍物速度确定目标运动模型的障碍物速度;根据历史点迹信息、目标运动模型的障碍物速度和卡尔曼滤波算法确定的障碍物速度确定目标障碍物的目标速度。上述方案,解决了在毫米波雷达技术领域中,由于在毫米波雷达的大角度区域,雷达获取的障碍物点迹质量较差,且障碍物在启停时的速度对毫米波雷达的检测信息影响较大,容易导致倒车警告系统和后碰撞预警系统发出错误告警信息,影响车辆后续制动功能的触发的问题。根据毫米波雷达采集到的目标障碍物的运行信息和位置信息确定目标障碍物的目标运动模型,并确定目标障碍物基于目标运动模型的障碍物速度,基于目标障碍物的历史点迹信息从目标运动模型的障碍物速度和卡尔曼滤波算法确定的障碍物速度中确定目标障碍物的目标速度,能够在不增加毫米波雷达检测成本的基础上,通过毫米波雷达获取到准确的障碍物速度信息,提高车辆倒车警告系统和后碰撞预警系统的可靠性,从而提高车辆的行驶安全。
在一个实施例中,如图3所示,根据历史点迹信息、目标运动模型的障碍物速度和卡尔曼滤波算法确定的障碍物速度确定目标障碍物的目标速度,包括:
S310、根据目标运动模型的障碍物速度和历史点迹信息确定障碍物速度偏差。
具体的,根据历史点迹信息确定历史点迹对应的径向多普勒速度。障碍物速度偏差的计算公式如公式(3)和公式(4)所示:
CalDoppler=CalXvel*cosAzimuth+CalYel*sinAzimuth (3)
其中,CalXvel和CalYel为目标运动模型的障碍物速度,CalXvel为目标运动模型的纵向障碍物速度,CalYel为目标运动模型的横向障碍物速度,n为历史点迹的数量,doCALdiff为障碍物速度偏差,Cludoppler为目标障碍物在历史点迹上的径向多普勒速度。
S320、根据卡尔曼滤波算法确定的障碍物速度和历史点迹信息确定卡尔曼滤波偏差。
具体的,卡尔曼滤波偏差的计算公式如公式(5)和公式(6)所示:
FiltDoppler=FiltXvel*cosAzimuth+FiltYel*sinAzimuth (5)
其中,FiltXvel和FiltYel为卡尔曼滤波算法确定的障碍物速度,FiltXvel为卡尔曼滤波算法确定的障碍物纵向速度,FiltYel为卡尔曼滤波算法确定的障碍物横向速度,FiltCALdiff为卡尔曼滤波偏差。
S330、若障碍物速度偏差小于所述卡尔曼滤波偏差,则确定目标障碍物速度为目标障碍物的目标速度。
本实施例中,基于历史点迹信息对应的多普勒速度确定目标运动模型的障碍物速度对应的障碍物速度偏差,以及卡尔曼滤波算法确定的障碍物速度的卡尔曼滤波偏差,当障碍物速度偏差小于卡尔曼滤波偏差时,确定目标障碍物速度为目标障碍物的目标速度,可以提高获取的目标速度的精确度。
在一个实施例中,如图4所示,根据卡尔曼滤波算法确定的障碍物速度和历史点迹信息确定卡尔曼滤波偏差后,还包括:
S410、若障碍物速度偏差大于或等于卡尔曼滤波偏差,则根据纵向运动模型的纵向速度和纵向运动模型的横向速度确定纵向运动模型的纵向偏差,并根据横向运动模型的纵向速度和横向运动模型的横向速度确定横向运动模型的横向偏差。
具体的,若障碍物速度偏差大于或等于卡尔曼滤波偏差,则获取纵向运动模型的纵向速度longXvel、纵向运动模型的横向速度longYvel、横向运动模型的横向速度latXvel和横向运动模型的纵向速度latYvel。纵向运动模型的纵向偏差的计算过程如公式(7)和公式(8)所示:
HyCalDoppler=longXvel*cosAzimuth+longYvel*sinAzimuth (7)
其中,LongCALdiff为纵向运动模型的纵向偏差。
横向运动模型的横向偏差的计算过程如公式(9)和公式(10)所示:
HxCalDoppler=LatXvel*LatAzimuth+LatYvel*LatAzimuth (9)
其中,LatCALdiff为横向运动模型的横向偏差。
S420、确定纵向运动模型的纵向偏差和横向运动模型的横向偏差是否满足预设的纵向模型偏差条件。
纵向模型偏差条件为纵向运动模型的纵向偏差小于纵向运动模型的横向偏差,纵向运动模型的纵向偏差小于目标多普勒偏差,且纵向运动模型的横向偏差大于目标多普勒偏差。
其中,目标多普勒偏差是指目标障碍物和本地车辆之间的多普勒频偏。
S430、若是,则确定纵向运动模型的纵向速度和纵向运动模型的横向速度为目标障碍物的目标速度。
具体的,若纵向运动模型的纵向偏差小于纵向运动模型的横向偏差,纵向运动模型的纵向偏差小于目标多普勒偏差,且纵向运动模型的横向偏差大于目标多普勒偏差,则确定纵向运动模型的纵向速度和纵向运动模型的横向速度为目标障碍物的目标速度。
上述方案,当障碍物速度偏差大于或等于卡尔曼滤波偏差时,进一步确定纵向运动模型的速度偏差和横向运动模型的速度偏差,根据纵向运动模型的速度偏差、横向运动模型的速度偏差和目标多普勒偏差,确定纵向运动模型对应的速度是否可以作为目标障碍物的目标速度,从而在障碍物速度偏差大于或等于卡尔曼滤波偏差时,再一次对纵向运动模型对应的速度进行验证,提高了目标速度的可靠性。
在一个实施例中,确定纵向运动模型的纵向偏差和横向运动模型的横向偏差是否满足预设的纵向模型偏差条件后,还包括:
若纵向运动模型的纵向偏差和横向运动模型的横向偏差不满足预设的纵向模型偏差条件,则确定横向运动模型的纵向偏差和横向运动模型的横向偏差是否满足预设的横向模型偏差条件;横向模型偏差条件为横向运动模型的横向偏差小于横向运动模型的纵向偏差,横向运动模型的横向偏差小于目标多普勒偏差,且横向运动模型的纵向偏差大于目标多普勒偏差;若是,则确定横向运动模型的纵向速度和横向运动模型的横向速度为目标障碍物的目标速度。
示例性的,若纵向运动模型的纵向偏差和横向运动模型的横向偏差既不满足预设的纵向模型偏差条件,也不满足预设的横向模型偏差条件,则确定卡尔曼滤波算法确定的障碍物速度为目标障碍物的目标速度。
上述方案,当障碍物速度偏差大于或等于卡尔曼滤波偏差时,进一步根据纵向运动模型的速度偏差、横向运动模型的速度偏差和目标多普勒偏差,确定横向运动模型对应的速度是否可以作为目标障碍物的目标速度,从而在障碍物速度偏差大于或等于卡尔曼滤波偏差时,再一次对横向运动模型对应的速度进行验证,提高了目标速度的可靠性。
在一个实施例中,如图5所示,根据纵向运动模型的纵向速度和横向运动模型的横向速度确定纵向运动模型的障碍物速度和横向运动模型的障碍物速度,包括:
S510、根据纵向运动模型的纵向速度确定纵向运动模型的纵向多普勒速度偏差,并根据横向运动模型的横向速度确定横向运动模型的横向多普勒速度偏差。
其中,多普勒速度偏差是指基于多普勒测速的毫米波雷达检测目标障碍物的速度时的测速误差。
具体的,纵向运动模型的纵向多普勒速度偏差的计算公式如公式(11)所示:
其中,LongDiff为纵向运动模型的纵向多普勒速度偏差,HypolongVx为纵向运动模型的纵向速度,HypolongVy为纵向运动模型的横向速度。
横向运动模型的横向多普勒速度偏差的计算公式如公式(12)所示:
其中,LatDiff为横向运动模型的横向多普勒速度偏差,HypolatVy为横向运动模型的纵向速度,HypolatVy为横向运动模型的横向速度。
S520、若纵向多普勒速度偏差小于横向多普勒速度偏差,则根据纵向运动模型的纵向速度、本地车辆的纵向速度、目标障碍物的横摆角和障碍物位置确定目标障碍物的补偿纵向速度。
其中,障碍物位置包括目标障碍物的纵向位置和目标障碍物的横向位置。
具体的,若若纵向多普勒速度偏差小于横向多普勒速度偏差,则确定目标障碍物的补偿纵向速度,目标障碍物的补偿纵向速度的计算公式如公式(13)所示:
Xvrel=HypolongVx-Vego+yarate*Ypos (13)
其中,Xvrel为目标障碍物的补偿纵向速度,Vego为本地车辆的纵向速度,yarate为目标障碍物的横摆角,Ypos为目标障碍物的横向位置。
S530、根据补偿纵向速度和所述障碍物位置确定纵向碰撞时间,若纵向碰撞时间小于时间阈值,则将纵向运动模型的纵向速度和纵向运动模型的横向速度作为纵向运动模型的障碍物速度。
其中,碰撞时间是指预测的本地车辆和目标障碍物之间的碰撞时间。
具体的,纵向碰撞时间的计算公式如公式(14)所示:
ttc1=Xvrel/Xpos (14)
其中,ttc1为纵向碰撞时间,Xpos为目标障碍物的纵向位置。
若纵向碰撞时间小于预设的时间阈值,则将纵向运动模型的纵向速度和纵向运动模型的横向速度作为纵向运动模型的障碍物速度。
S540、根据横向运动模型的横向速度、本地车辆的横向速度、目标障碍物的纵摆角和障碍物位置确定目标障碍物的补偿横向速度。
具体的,目标障碍物的补偿横向速度的计算公式如公式(15)所示:
Yvrel=HypolatVy-Yego+yarate*Xpos (15)
其中,Yvrel为目标障碍物的补偿横向速度,Yego为本地车辆的横向速度。
S550、根据补偿横向速度和障碍物位置确定横向碰撞时间,若所述横向碰撞时间小于所述时间阈值,则将横向运动模型的横向速度和横向运动模型的纵向速度作为横向运动模型的障碍物速度。
具体的,横向碰撞时间的计算公式如公式(16)所示:
ttc2=Yvrel/Ypos (16)
其中,ttc2为横向碰撞之间。
上述方案,根据本地车辆和目标障碍物的纵向碰撞时间确定纵向运动模型对应的速度是否可以作为纵向运动模型的障碍物速度,根据本地车辆和目标障碍物的横向碰撞时间确定横向运动模型对应的速度是否可以作为横向运动模型的障碍物速度,从而提高获取的纵向运动模型的障碍物速度和横向运动模型的障碍物速度的准确性。
示例性的,在上述实施例的基础上,障碍物速度检测方法还包括:
根据历史点迹信息确定目标障碍物的障碍物运行场景是否为机动场景,若是,则根据历史轨迹信息确定第一目标帧轨迹信息,并确定第一目标帧轨迹信息对应的第一目标帧点迹信息;根据第一目标帧轨迹信息和第一目标帧点迹信息确定第一位置变化方差和第一速度变化方差;从第一目标帧轨迹信息中确定第二目标帧轨迹信息,并确定第二目标帧轨迹信息的第二目标帧点迹信息,且根据第二目标帧轨迹信息和第二目标帧点迹信息确定第二位置变化方差和第二速度变化方差;根据第一位置变化方差、第一速度变化方差、第二位置变化方差和第二速度变化方差确定轨迹信息的轨迹权重;基于轨迹权重,通过毫米波雷达获取目标障碍物的障碍物运行信息。
其中,机动场景是指历史移动位置机动性较强,历史位置信息变化剧烈的运行场景。第一目标帧轨迹信息是指从历史轨迹信息中选择出的轨迹信息,第一目标帧轨迹信息可以是前十帧的历史轨迹信息。第二目标帧轨迹信息可以是前三帧的历史轨迹信息。第一目标帧点迹信息包括第一目标帧轨迹信息对应的历史点迹的点迹位置信息,以及目标障碍物在第一目标帧轨迹信息对应的历史点迹的障碍物速度信息。第二目标帧点迹信息包括第二目标帧轨迹信息对应的历史点迹的点迹位置信息,以及目标障碍物在第二目标帧轨迹信息对应的历史点迹的障碍物速度信息。
例如,若第一目标帧轨迹信息为前十帧的历史轨迹信息,第二目标帧轨迹信息为前三帧的历史轨迹信息,则第一位置变化方差的计算过程如公式(17)和公式(18)所示:
其中,是指第i帧历史轨迹信息对应的历史点迹的点迹位置信息,r为前十帧历史轨迹信息对应的历史点迹的点迹数量,/>为前十帧历史轨迹信息对应的历史点迹的点迹位置的平均值,ObjXvar10为第一位置变化方差。
第一速度变化方差的计算过程如公式(23)和公式(24)所示:
其中,为障碍物在第i帧历史轨迹信息对应的历史点迹时的障碍物速度,为目标障碍物在前十帧历史轨迹信息对应的历史点迹时的运行速度的平均值,ObjXVvar10第一速度变化方差。
则第二位置变化方差的计算过程如公式(21)和公式(22)所示:
其中,n为前三帧历史轨迹信息对应的历史点迹的点迹数量,为前三帧历史轨迹信息对应的历史点迹的点迹位置的平均值,ObjXvar3为第二位置变化方差。
第二速度变化方差的计算过程如公式(23)和公式(24)所示:
其中,为目标障碍物在前三帧历史轨迹信息对应的历史点迹时的运行速度的平均值,ObjXVvar3第二速度变化方差。
上述方案,能够避免由于目标障碍物的历史位置变化较大,导致毫米波雷达根据历史轨迹信息确定目标障碍物的运行速度时,导致获取的目标障碍物的运行速度误差较大的问题。在目标障碍物处于激动场景时,根据历史轨迹信息确定历史帧的位置变化方差和速度变化方差,根据历史帧对应的位置变化方差和速度变化方差对轨迹信息的轨迹权重进行调整,以使毫米波雷达能够准确的获取目标障碍物的速度信息。
示例性的,在上述实施例的基础上,根据所述历史轨迹信息和所述历史点迹信息从横向运动模型和纵向运动模型中确定目标运动模型,包括:
确定历史轨迹信息对应的历史轨迹帧是否大于轨迹帧阈值,若是,则根据历史轨迹信息确定横向轨迹偏差和纵向轨迹偏差;若纵向轨迹偏差大于轨迹偏差阈值,则根据历史点迹信息确定横向位移方差,若横向位移方差小于位移方差阈值,则目标运动模型为纵向运动模型;若横向位移方差大于或等于位移方差阈值,则目标运动模型为横向运动模型。
具体的,若历史轨迹信息对应的历史轨迹帧大于轨迹帧阈值时,则历史轨迹信息的信息量满足需求。则根据历史轨迹信息确定历史轨迹信息中前后两帧轨迹的横向轨迹偏差和纵向轨迹偏差。若纵向轨迹偏差大于预先设置的于轨迹偏差阈值,则根据历史点迹信息确定横向位移方差,根据历史点迹信息确定历史点迹的横向位置和纵向位置。横向位移方差的计算过程如公式(25)和公式(26)所示:
其中,AveobjY为历史点迹的横向位置的平均值,TraceYposi为第i个历史点迹的横向位置,ObjYvar为横向位移方差。若ObjYvar小于预设的位移方差阈值,则目标运动模型为纵向运动模型,若ObjYvar大于或等于位移方差阈值,则目标运动模型为横向运动模型。
上述方案,根据横向轨迹偏差和纵向轨迹偏差的比较结果确定目标障碍物的历史运行轨迹是否符合运动学模型约束条件,若是,则根据目标障碍物的历史轨迹信息确定目标障碍物的横向位移方差,根据横向位移方差确定目标障碍物的目标运动模型,能够提高目标运动模型的确定效率和精确度。
示例性的,在上述实施例的基础上,障碍物速度检测方法包括:
在本地车辆行驶的过程中,本地车辆上配置的毫米波雷达会实时采集车辆周围的障碍物运行信息,并将障碍物运行信息存储在历史轨迹结构体中,障碍物运行信息可以包括障碍物的速度、障碍物运行方向和障碍物轨迹信息。根据累计存储的障碍物轨迹信息确定目标障碍物的障碍物轨迹信息对应的轨迹信息帧是否小于轨迹帧阈值,若是,则根据目标障碍物的当前轨迹信息对障碍物轨迹信息进行更新,确定目标障碍物的历史轨迹信息,确定历史轨迹信息的关联点迹信息,并对关联点迹信息进行有效性筛选,确定有效点迹信息,若有效点迹信息的点迹信息数量小于点迹数量阈值,则根据当前轨迹信息关联的当前点迹信息和有效点迹信息确定目标障碍物的历史点迹信息。有效点迹信息是指高质量点迹对应的点迹信息,高质量点迹即非车轮点且非同距同速点的动态点迹。需要说明的是,目标障碍物的历史轨迹信息对应的轨迹信息帧数大于或等于轨迹帧阈值,历史点迹信息的点迹信息数量大于或等于点迹数量阈值。
若本地车辆的偏航角速率小于预设的角速率阈值,且毫米波雷达测得得目标障碍物的起始点迹位于毫米波雷达得大角度视野边缘处,假设目标障碍物符合纵向运动模型的约束,可以根据目标障碍物的方位角余弦值和径向多普勒速度确定目标障碍物在纵向运动模型下的纵向速度。假设目标障碍物符合横向运动模型的约束,可以根据目标障碍物的方位角正弦值和径向多普勒速度确定目标障碍物在横向运动模型下的横向速度。
根据纵向运动模型的纵向速度确定纵向运动模型的纵向多普勒速度偏差,并根据横向运动模型的横向速度确定横向运动模型的横向多普勒速度偏差。若纵向多普勒速度偏差小于横向多普勒速度偏差,则根据纵向运动模型的纵向速度、本地车辆的纵向速度、目标障碍物的横摆角和障碍物位置确定目标障碍物的补偿纵向速度。根据补偿纵向速度和所述障碍物位置确定纵向碰撞时间,若纵向碰撞时间小于时间阈值,则将纵向运动模型的纵向速度和纵向运动模型的横向速度作为纵向运动模型的障碍物速度,根据横向运动模型的横向速度、本地车辆的横向速度、目标障碍物的纵摆角和障碍物位置确定目标障碍物的补偿横向速度。根据补偿横向速度和障碍物位置确定横向碰撞时间,若所述横向碰撞时间小于所述时间阈值,则将横向运动模型的横向速度和横向运动模型的纵向速度作为横向运动模型的障碍物速度。
确定历史轨迹信息对应的历史轨迹帧是否大于轨迹帧阈值,若是,则根据历史轨迹信息确定横向轨迹偏差和纵向轨迹偏差;若纵向轨迹偏差大于轨迹偏差阈值,则根据历史点迹信息确定横向位移方差,若横向位移方差小于位移方差阈值,则目标运动模型为纵向运动模型;若横向位移方差大于或等于位移方差阈值,则目标运动模型为横向运动模型。从纵向运动模型的障碍物速度和横向运动模型的障碍物速度确定目标运动模型的障碍物速度。
根据目标运动模型的障碍物速度和历史点迹信息确定障碍物速度偏差,根据卡尔曼滤波算法确定的障碍物速度和历史点迹信息确定卡尔曼滤波偏差,若障碍物速度偏差小于所述卡尔曼滤波偏差,则确定目标障碍物速度为目标障碍物的目标速度。若障碍物速度偏差大于或等于卡尔曼滤波偏差,则根据纵向运动模型的纵向速度和纵向运动模型的横向速度确定纵向运动模型的纵向偏差,并根据横向运动模型的纵向速度和横向运动模型的横向速度确定横向运动模型的横向偏差,确定纵向运动模型的纵向偏差和横向运动模型的横向偏差是否满足纵向运动模型的纵向偏差小于纵向运动模型的横向偏差,纵向运动模型的纵向偏差小于目标多普勒偏差,且纵向运动模型的横向偏差大于目标多普勒偏差,若是,则确定纵向运动模型的纵向速度和纵向运动模型的横向速度为目标障碍物的目标速度。若纵向运动模型的纵向偏差和横向运动模型的横向偏差不满足预设的纵向模型偏差条件,则确定横向运动模型的纵向偏差和横向运动模型的横向偏差是否满足横向运动模型的横向偏差小于横向运动模型的纵向偏差,横向运动模型的横向偏差小于目标多普勒偏差,且横向运动模型的纵向偏差大于目标多普勒偏差,若是,则确定横向运动模型的纵向速度和横向运动模型的横向速度为目标障碍物的目标速度。
根据历史点迹信息确定目标障碍物的障碍物运行场景是否为机动场景,若是,则根据历史轨迹信息确定第一目标帧轨迹信息,并确定第一目标帧轨迹信息对应的第一目标帧点迹信息;根据第一目标帧轨迹信息和第一目标帧点迹信息确定第一位置变化方差和第一速度变化方差;从第一目标帧轨迹信息中确定第二目标帧轨迹信息,并确定第二目标帧轨迹信息的第二目标帧点迹信息,且根据第二目标帧轨迹信息和第二目标帧点迹信息确定第二位置变化方差和第二速度变化方差;根据第一位置变化方差、第一速度变化方差、第二位置变化方差和第二速度变化方差确定轨迹信息的轨迹权重;基于轨迹权重,通过毫米波雷达获取目标障碍物的障碍物运行信息。
上述障碍物速度检测方法中,获取目标障碍物的历史轨迹信息和历史点迹信息;根据目标障碍物的方位角正弦值、方位角余弦值和径向多普勒速度确定目标障碍物在纵向运动模型下的纵向速度,以及目标障碍物在横向运动模型下的横向速度;根据纵向运动模型的纵向速度和横向运动模型的横向速度确定纵向运动模型的障碍物速度和横向运动模型的障碍物速度;根据历史轨迹信息和历史点迹信息从横向运动模型和纵向运动模型中确定目标运动模型,并从纵向运动模型的障碍物速度和横向运动模型的障碍物速度确定目标运动模型的障碍物速度;根据历史点迹信息、目标运动模型的障碍物速度和卡尔曼滤波算法确定的障碍物速度确定目标障碍物的目标速度。上述方案,解决了在毫米波雷达技术领域中,由于在毫米波雷达的大角度区域,雷达获取的障碍物点迹质量较差,且障碍物在启停时的速度对毫米波雷达的检测信息影响较大,容易导致倒车警告系统和后碰撞预警系统发出错误告警信息,影响车辆后续制动功能的触发的问题。根据毫米波雷达采集到的目标障碍物的运行信息和位置信息确定目标障碍物的目标运动模型,并确定目标障碍物基于目标运动模型的障碍物速度,基于目标障碍物的历史点迹信息从目标运动模型的障碍物速度和卡尔曼滤波算法确定的障碍物速度中确定目标障碍物的目标速度,能够在不增加毫米波雷达检测成本的基础上,通过毫米波雷达获取到准确的障碍物速度信息,提高车辆倒车警告系统和后碰撞预警系统的可靠性,从而提高车辆的行驶安全。
应该理解的是,虽然如上所述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,如上所述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障碍物速度检测方法的障碍物速度检测装置。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障碍物速度检测装置实施例中的具体限定可以参见上文中对于障碍物速度检测方法的限定,在此不再赘述。
在一个实施例中,如图6所示,提供了一种障碍物速度检测装置,包括:历史轨迹信息获取模块601、纵向速度确定模块602、障碍物速度确定模块603、目标运动模型确定模块604和目标速度确定模块605,其中:
历史轨迹信息获取模块601,用于获取目标障碍物的历史轨迹信息和历史点迹信息;
纵向速度确定模块602,用于根据所述目标障碍物的方位角正弦值、方位角余弦值和径向多普勒速度确定所述目标障碍物在纵向运动模型下的纵向速度,以及所述目标目标障碍物在横向运动模型下的横向速度;
障碍物速度确定模块603,用于根据纵向运动模型的纵向速度和横向运动模型的横向速度确定纵向运动模型的障碍物速度和横向运动模型的障碍物速度;
目标运动模型确定模块604,用于根据所述历史轨迹信息和所述历史点迹信息从横向运动模型和纵向运动模型中确定目标运动模型,并从纵向运动模型的障碍物速度和横向运动模型的障碍物速度确定目标运动模型的障碍物速度;
目标速度确定模块605,用于根据所述历史点迹信息、目标运动模型的障碍物速度和卡尔曼滤波算法确定的障碍物速度确定所述目标障碍物的目标速度。
示例性的,目标速度确定模块605具体用于:
根据目标运动模型的障碍物速度和所述历史点迹信息确定障碍物速度偏差;
根据卡尔曼滤波算法确定的障碍物速度和所述历史点迹信息确定卡尔曼滤波偏差;
若所述障碍物速度偏差小于所述卡尔曼滤波偏差,则确定目标障碍物速度为所述目标障碍物的目标速度。
示例性的,目标速度确定模块605还具体用于:
若障碍物速度偏差大于或等于卡尔曼滤波偏差,则根据纵向运动模型的纵向速度和纵向运动模型的横向速度确定纵向运动模型的纵向偏差,并根据横向运动模型的纵向速度和横向运动模型的横向速度确定横向运动模型的横向偏差;
确定纵向运动模型的纵向偏差和横向运动模型的横向偏差是否满足预设的纵向模型偏差条件;所述纵向模型偏差条件为纵向运动模型的纵向偏差小于纵向运动模型的横向偏差,纵向运动模型的纵向偏差小于目标多普勒偏差,且纵向运动模型的横向偏差大于目标多普勒偏差;
若是,则确定纵向运动模型的纵向速度和纵向运动模型的横向速度为所述目标障碍物的目标速度。
示例性的,目标速度确定模块605还具体用于:
若纵向运动模型的纵向偏差和横向运动模型的横向偏差不满足预设的纵向模型偏差条件,则确定横向运动模型的纵向偏差和横向运动模型的横向偏差是否满足预设的横向模型偏差条件;所述横向模型偏差条件为横向运动模型的横向偏差小于横向运动模型的纵向偏差,横向运动模型的横向偏差小于目标多普勒偏差,且横向运动模型的纵向偏差大于目标多普勒偏差;
若是,则确定横向运动模型的纵向速度和横向运动模型的横向速度为所述目标障碍物的目标速度。
示例性的,障碍物速度确定模块603具体用于:
根据纵向运动模型的纵向速度确定纵向运动模型的纵向多普勒速度偏差,并根据横向运动模型的横向速度确定横向运动模型的横向多普勒速度偏差;
若所述纵向多普勒速度偏差小于所述横向多普勒速度偏差,则根据纵向运动模型的纵向速度、本地车辆的纵向速度、所述目标障碍物的横摆角和障碍物位置确定所述目标障碍物的补偿纵向速度;
根据所述补偿纵向速度和所述障碍物位置确定纵向碰撞时间,若所述纵向碰撞时间小于时间阈值,则将纵向运动模型的纵向速度和纵向运动模型的横向速度作为纵向运动模型的障碍物速度;
根据横向运动模型的横向速度、本地车辆的横向速度、所述目标障碍物的纵摆角和所述障碍物位置确定所述目标障碍物的补偿横向速度;
根据所述补偿横向速度和所述障碍物位置确定横向碰撞时间,若所述横向碰撞时间小于所述时间阈值,则将横向运动模型的横向速度和横向运动模型的纵向速度作为横向运动模型的障碍物速度。
示例性的,上述障碍物速度检测装置,还包括:
目标点迹信息确定模块,用于根据所述历史点迹信息确定所述目标障碍物的障碍物运行场景是否为机动场景,若是,则根据所述历史轨迹信息确定第一目标帧轨迹信息,并确定所述第一目标帧轨迹信息对应的第一目标帧点迹信息;
位置变化方差确定模块,用于根据所述第一目标帧轨迹信息和所述第一目标帧点迹信息确定第一位置变化方差和第一速度变化方差;
速度变化方差确定模块,用于从所述第一目标帧轨迹信息中确定第二目标帧轨迹信息,并确定所述第二目标帧轨迹信息的第二目标帧点迹信息,且根据所述第二目标帧轨迹信息和所述第二目标帧点迹信息确定第二位置变化方差和第二速度变化方差;
历史轨迹权重确定模块,用于根据所述第一位置变化方差、第一速度变化方差、第二位置变化方差和第二速度变化方差确定所述历史轨迹信息的历史轨迹权重;
运行信息获取模块,用于基于所述历史轨迹权重,通过毫米波雷达获取所述目标障碍物的障碍物运行信息。
示例性的,目标运动模型确定模块604具体用于:
确定所述历史轨迹信息对应的历史轨迹帧是否大于轨迹帧阈值,若是,则根据所述历史轨迹信息确定横向轨迹偏差和纵向轨迹偏差;
若所述纵向轨迹偏差大于轨迹偏差阈值,则根据所述历史点迹信息确定横向位移方差,若所述横向位移方差小于位移方差阈值,则目标运动模型为纵向运动模型;
若所述横向位移方差大于或等于所述位移方差阈值,则目标运动模型为横向运动模型。
上述障碍物速度检测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7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障碍物速度检测方法。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7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:
步骤一、获取目标障碍物的历史轨迹信息和历史点迹信息;
步骤二、根据目标障碍物的方位角正弦值、方位角余弦值和径向多普勒速度确定目标障碍物在纵向运动模型下的纵向速度,以及目标目标障碍物在横向运动模型下的横向速度;
步骤三、根据纵向运动模型的纵向速度和横向运动模型的横向速度确定纵向运动模型的障碍物速度和横向运动模型的障碍物速度;
步骤四、根据历史轨迹信息和历史点迹信息从横向运动模型和纵向运动模型中确定目标运动模型,并从纵向运动模型的障碍物速度和横向运动模型的障碍物速度确定目标运动模型的障碍物速度;
步骤五、根据历史点迹信息、目标运动模型的障碍物速度和卡尔曼滤波算法确定的障碍物速度确定目标障碍物的目标速度。
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:
步骤一、获取目标障碍物的历史轨迹信息和历史点迹信息;
步骤二、根据目标障碍物的方位角正弦值、方位角余弦值和径向多普勒速度确定目标障碍物在纵向运动模型下的纵向速度,以及目标目标障碍物在横向运动模型下的横向速度;
步骤三、根据纵向运动模型的纵向速度和横向运动模型的横向速度确定纵向运动模型的障碍物速度和横向运动模型的障碍物速度;
步骤四、根据历史轨迹信息和历史点迹信息从横向运动模型和纵向运动模型中确定目标运动模型,并从纵向运动模型的障碍物速度和横向运动模型的障碍物速度确定目标运动模型的障碍物速度;
步骤五、根据历史点迹信息、目标运动模型的障碍物速度和卡尔曼滤波算法确定的障碍物速度确定目标障碍物的目标速度。
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:
步骤一、获取目标障碍物的历史轨迹信息和历史点迹信息;
步骤二、根据目标障碍物的方位角正弦值、方位角余弦值和径向多普勒速度确定目标障碍物在纵向运动模型下的纵向速度,以及目标目标障碍物在横向运动模型下的横向速度;
步骤三、根据纵向运动模型的纵向速度和横向运动模型的横向速度确定纵向运动模型的障碍物速度和横向运动模型的障碍物速度;
步骤四、根据历史轨迹信息和历史点迹信息从横向运动模型和纵向运动模型中确定目标运动模型,并从纵向运动模型的障碍物速度和横向运动模型的障碍物速度确定目标运动模型的障碍物速度;
步骤五、根据历史点迹信息、目标运动模型的障碍物速度和卡尔曼滤波算法确定的障碍物速度确定目标障碍物的目标速度。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
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,所述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。
以上所述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)
1.一种障碍物速度检测方法,其特征在于,包括:
获取目标障碍物的历史轨迹信息和历史点迹信息;
根据所述目标障碍物的方位角正弦值、方位角余弦值和径向多普勒速度确定所述目标障碍物在纵向运动模型下的纵向速度,以及所述目标目标障碍物在横向运动模型下的横向速度;
根据纵向运动模型的纵向速度和横向运动模型的横向速度确定纵向运动模型的障碍物速度和横向运动模型的障碍物速度;
根据所述历史轨迹信息和所述历史点迹信息从横向运动模型和纵向运动模型中确定目标运动模型,并从纵向运动模型的障碍物速度和横向运动模型的障碍物速度确定目标运动模型的障碍物速度;
根据所述历史点迹信息、目标运动模型的障碍物速度和卡尔曼滤波算法确定的障碍物速度确定所述目标障碍物的目标速度。
2.根据权利要求1所述的方法,其特征在于,根据所述历史点迹信息、目标运动模型的障碍物速度和卡尔曼滤波算法确定的障碍物速度确定所述目标障碍物的目标速度,包括:
根据目标运动模型的障碍物速度和所述历史点迹信息确定障碍物速度偏差;
根据卡尔曼滤波算法确定的障碍物速度和所述历史点迹信息确定卡尔曼滤波偏差;
若所述障碍物速度偏差小于所述卡尔曼滤波偏差,则确定目标障碍物速度为所述目标障碍物的目标速度。
3.根据权利要求2所述的方法,其特征在于,根据卡尔曼滤波算法确定的障碍物速度和所述历史点迹信息确定卡尔曼滤波偏差后,还包括:
若障碍物速度偏差大于或等于卡尔曼滤波偏差,则根据纵向运动模型的纵向速度和纵向运动模型的横向速度确定纵向运动模型的纵向偏差,并根据横向运动模型的纵向速度和横向运动模型的横向速度确定横向运动模型的横向偏差;
确定纵向运动模型的纵向偏差和横向运动模型的横向偏差是否满足预设的纵向模型偏差条件;所述纵向模型偏差条件为纵向运动模型的纵向偏差小于纵向运动模型的横向偏差,纵向运动模型的纵向偏差小于目标多普勒偏差,且纵向运动模型的横向偏差大于目标多普勒偏差;
若是,则确定纵向运动模型的纵向速度和纵向运动模型的横向速度为所述目标障碍物的目标速度。
4.根据权利要求3所述的方法,其特征在于,确定纵向运动模型的纵向偏差和横向运动模型的横向偏差是否满足预设的纵向模型偏差条件后,还包括:
若否,则确定横向运动模型的纵向偏差和横向运动模型的横向偏差是否满足预设的横向模型偏差条件;所述横向模型偏差条件为横向运动模型的横向偏差小于横向运动模型的纵向偏差,横向运动模型的横向偏差小于目标多普勒偏差,且横向运动模型的纵向偏差大于目标多普勒偏差;
若是,则确定横向运动模型的纵向速度和横向运动模型的横向速度为所述目标障碍物的目标速度。
5.根据权利要求1所述的方法,其特征在于,根据纵向运动模型的纵向速度和横向运动模型的横向速度确定纵向运动模型的障碍物速度和横向运动模型的障碍物速度,包括:
根据纵向运动模型的纵向速度确定纵向运动模型的纵向多普勒速度偏差,并根据横向运动模型的横向速度确定横向运动模型的横向多普勒速度偏差;
若所述纵向多普勒速度偏差小于所述横向多普勒速度偏差,则根据纵向运动模型的纵向速度、本地车辆的纵向速度、所述目标障碍物的横摆角和障碍物位置确定所述目标障碍物的补偿纵向速度;
根据所述补偿纵向速度和所述障碍物位置确定纵向碰撞时间,若所述纵向碰撞时间小于时间阈值,则将纵向运动模型的纵向速度和纵向运动模型的横向速度作为纵向运动模型的障碍物速度;
根据横向运动模型的横向速度、本地车辆的横向速度、所述目标障碍物的纵摆角和所述障碍物位置确定所述目标障碍物的补偿横向速度;
根据所述补偿横向速度和所述障碍物位置确定横向碰撞时间,若所述横向碰撞时间小于所述时间阈值,则将横向运动模型的横向速度和横向运动模型的纵向速度作为横向运动模型的障碍物速度。
6.根据权利要求1所述的方法,其特征在于,还包括:
根据所述历史点迹信息确定所述目标障碍物的障碍物运行场景是否为机动场景,若是,则根据所述历史轨迹信息确定第一目标帧轨迹信息,并确定所述第一目标帧轨迹信息对应的第一目标帧点迹信息;
根据所述第一目标帧轨迹信息和所述第一目标帧点迹信息确定第一位置变化方差和第一速度变化方差;
从所述第一目标帧轨迹信息中确定第二目标帧轨迹信息,并确定所述第二目标帧轨迹信息的第二目标帧点迹信息,且根据所述第二目标帧轨迹信息和所述第二目标帧点迹信息确定第二位置变化方差和第二速度变化方差;
根据所述第一位置变化方差、第一速度变化方差、第二位置变化方差和第二速度变化方差确定所述历史轨迹信息的历史轨迹权重;
基于所述历史轨迹权重,通过毫米波雷达获取所述目标障碍物的障碍物运行信息。
7.根据权利要求1所述的方法,其特征在于,根据所述历史轨迹信息和所述历史点迹信息从横向运动模型和纵向运动模型中确定目标运动模型,包括:
确定所述历史轨迹信息对应的历史轨迹帧是否大于轨迹帧阈值,若是,则根据所述历史轨迹信息确定横向轨迹偏差和纵向轨迹偏差;
若所述纵向轨迹偏差大于轨迹偏差阈值,则根据所述历史点迹信息确定横向位移方差,若所述横向位移方差小于位移方差阈值,则目标运动模型为纵向运动模型;
若所述横向位移方差大于或等于所述位移方差阈值,则目标运动模型为横向运动模型。
8.一种障碍物速度检测装置,其特征在于,所述障碍物速度检测装置包括:
历史轨迹信息获取模块,用于获取目标障碍物的历史轨迹信息和历史点迹信息;
纵向速度确定模块,用于根据所述目标障碍物的方位角正弦值、方位角余弦值和径向多普勒速度确定所述目标障碍物在纵向运动模型下的纵向速度,以及所述目标目标障碍物在横向运动模型下的横向速度;
障碍物速度确定模块,用于根据纵向运动模型的纵向速度和横向运动模型的横向速度确定纵向运动模型的障碍物速度和横向运动模型的障碍物速度;
目标运动模型确定模块,用于根据所述历史轨迹信息和所述历史点迹信息从横向运动模型和纵向运动模型中确定目标运动模型,并从纵向运动模型的障碍物速度和横向运动模型的障碍物速度确定目标运动模型的障碍物速度;
目标速度确定模块,用于根据所述历史点迹信息、目标运动模型的障碍物速度和卡尔曼滤波算法确定的障碍物速度确定所述目标障碍物的目标速度。
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至权利要求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至权利要求7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311788861.6A CN117930220A (zh) | 2023-12-22 | 2023-12-22 | 障碍物速度检测方法、装置、计算机设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311788861.6A CN117930220A (zh) | 2023-12-22 | 2023-12-22 | 障碍物速度检测方法、装置、计算机设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117930220A true CN117930220A (zh) | 2024-04-26 |
Family
ID=90751617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311788861.6A Pending CN117930220A (zh) | 2023-12-22 | 2023-12-22 | 障碍物速度检测方法、装置、计算机设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117930220A (zh) |
-
2023
- 2023-12-22 CN CN202311788861.6A patent/CN117930220A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112824997B (zh) | 用于局部行进车道感知的方法和系统 | |
US20170359561A1 (en) | Disparity mapping for an autonomous vehicle | |
US11475678B2 (en) | Lane marker detection and lane instance recognition | |
US11796331B2 (en) | Associating perceived and mapped lane edges for localization | |
US11880203B2 (en) | Methods and system for predicting trajectories of uncertain road users by semantic segmentation of drivable area boundaries | |
CN111638536A (zh) | 用于情境感知众包稀疏高清晰度地图的方法和装置 | |
CN111824141B (zh) | 显示控制装置、显示控制方法及存储介质 | |
CN116653964B (zh) | 变道纵向速度规划方法、装置和车载设备 | |
CN117784768A (zh) | 车辆避障规划方法、装置、计算机设备和存储介质 | |
CN116691688B (zh) | 车辆变道轨迹缝合方法、装置和域控制器 | |
CN116674557B (zh) | 车辆自主变道动态规划方法、装置和域控制器 | |
CN112987053A (zh) | 监测偏航传感器的方法和设备 | |
EP4155759A1 (en) | Systems and method for lidar grid velocity estimation | |
US11845429B2 (en) | Localizing and updating a map using interpolated lane edge data | |
US10249056B2 (en) | Vehicle position estimation system | |
CN117930220A (zh) | 障碍物速度检测方法、装置、计算机设备以及存储介质 | |
CN116653965B (zh) | 车辆变道重规划触发方法、装置及域控制器 | |
CN114236521A (zh) | 一种测距方法、装置、终端设备和汽车 | |
CN117991205A (zh) | 雷达俯仰角的确定方法、装置、计算机设备以及存储介质 | |
CN117073709B (zh) | 路径规划方法、装置、计算机设备以及存储介质 | |
CN118131261A (zh) | 障碍物检测方法、装置、计算机设备以及存储介质 | |
CN117681868A (zh) | 车辆避障碰撞检测方法、装置、计算机设备和存储介质 | |
RU2763331C1 (ru) | Способ отображения плана движения и устройство отображения плана движения | |
CN117725502A (zh) | 目标俯仰分类方法、装置、计算机设备和存储介质 | |
US20230161014A1 (en) | Methods and systems for reducing lidar memory load |
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 |