WO2023142814A1 - 目标识别方法、装置、设备及存储介质 - Google Patents
目标识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- WO2023142814A1 WO2023142814A1 PCT/CN2022/141361 CN2022141361W WO2023142814A1 WO 2023142814 A1 WO2023142814 A1 WO 2023142814A1 CN 2022141361 W CN2022141361 W CN 2022141361W WO 2023142814 A1 WO2023142814 A1 WO 2023142814A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- target
- millimeter
- wave radar
- preset sensor
- preset
- Prior art date
Links
Images
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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- 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
- G01S13/865—Combination of radar systems with lidar 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
- G01S13/88—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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
Abstract
一种目标识别方法、装置、设备及存储介质,该方法包括:在车辆行驶过程中,获取至少一个预设传感器目标和毫米波雷达静态目标(S110,S210,S310,S410);对各毫米波雷达静态目标与各预设传感器目标进行关联判断(S120);进而根据关联判断结果,在至少一个毫米波雷达静态目标中确定与至少一个预设传感器目标成功关联的关联目标,并在目标生命周期内对所述关联目标进行跟踪管理(S130)。
Description
本申请要求在2022年1月30日提交中国专利局、申请号为202210114331.2的中国专利申请的优先权,该申请的全部内容通过引用结合在本申请中。
本申请实施例涉及自动驾驶技术领域,例如涉及一种目标识别方法、装置、设备及存储介质。
随着自动驾驶技术的高速发展,利用自动驾驶感知技术对驾驶环境进行自动感知,并根据环境感知结果进行车辆行驶辅助,对降低交通拥堵程度和提升交通效率具有重要意义。
目前,相关技术中的自动驾驶感知技术,主要利用智能视觉传感器和激光雷达传感器进行目标感知,对应的,对于自动驾驶感知融合方案主要采用智能视觉传感器和激光雷达传感器融合进行目标感知。然而,在某些特定场景下,例如,车辆视觉被遮挡或者对长时间静止的目标进行识别,相关技术中的自动驾驶感知技术,无法实现对目标的准确感知,降低了自动驾驶系统的鲁棒性。
发明内容
本申请实施例提供一种目标识别方法、装置、设备及存储介质,可以增强毫米波雷达对静态目标识别的稳定性,实现特定场景下毫米波雷达对预设传感器的目标识别性能补充,提升自动驾驶系统的鲁棒性。
第一方面,本申请实施例提供了一种目标识别方法,包括:
在车辆行驶过程中,获取至少一个预设传感器目标和至少一个毫米波雷达静态目标;
对每个毫米波雷达静态目标与每个预设传感器目标进行关联判断;
根据关联判断结果,在所述至少一个毫米波雷达静态目标中确定与至少一个预设传感器目标成功关联的关联目标,并在目标生命周期内对所述关联目标进行跟踪管理。
第二方面,本申请实施例还提供了一种目标识别装置,包括:
目标获取模块,设置为在车辆行驶过程中,获取至少一个预设传感器目标和至少一个毫米波雷达静态目标;
关联判断模块,设置为对每个毫米波雷达静态目标与每个预设传感器目标进行关联判断;
关联目标确定模块,设置为根据关联判断结果,在所述至少一个毫米波雷达静态目标中确定与至少一个预设传感器目标成功关联的关联目标,并在目标生命周期内对所述关联目标进行跟踪管理。
第三方面,本申请实施例还提供了一种电子设备,该电子设备包括:
一个或多个处理器;
存储装置,设置为存储一个或多个计算机程序;
当所述一个或多个计算机程序被所述一个或多个处理器执行,使得所述一个或多个处理器执行所述计算机程序时实现本申请任意实施例提供的目标识别方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,该存储介质上存储有计算机程序,该程序被处理器执行时实现本申请任意实施例提供的目标识别方法。
图1A是本申请一实施例中的一种目标识别方法的流程图;
图1B是本申请一实施例中的一种目标识别方法的流程示意图;
图2A是本申请另一实施例中的一种目标识别方法的流程图;
图2B是本申请另一实施例中的一种目标识别方法的流程示意图;
图3A是本申请另一实施例中的一种目标识别方法的流程图;
图3B是本申请另一实施例中的一种目标识别方法的流程示意图;
图4是本申请另一实施例中的一种目标识别装置的结构示意图;
图5是本申请另一实施例中的一种电子设备的结构示意图。
图1A为本申请一实施例提供的一种目标识别方法的流程图,本申请实施例可适用于利用多个预设传感器目标对毫米波雷达静态目标进行关联判断,以在多个毫米波雷达静态目标中获取准确识别的关联目标;该方法可以由目标识别装置来执行,该装置可由硬件和/或软件组成,并一般可集成在电子设备中,典型的,可以集成在车机设备中。如图1A所示,该方法包括如下步骤:
S110、在车辆行驶过程中,获取至少一个预设传感器目标和毫米波雷达静态目标。
在本实施例中,预设传感器目标可以包括单激光雷达目标、单视觉目标以及激光雷达和视觉融合目标中的至少一项。单激光雷达目标,是指仅由激光雷达检测和识别到的目标;单视觉目标,是指仅由视觉传感器检测和识别的目标;对应的,激光雷达和视觉融合目标,是指由激光雷达和视觉传感器共同检测和识别到的目标。其中,目标可以是车辆、行人以及道路设施等,本实施例对目标类型不作具体限定。
其中,激光雷达,主要由发射机、接收机、测量控制和电源组成;在进行目标探测时,首先向被测目标发射一束激光,然后测量反射或者散射光到达发射机的时间、信号强弱和频率变化等参数,以确定被测目标的距离、运动速度和方位,从而实现自动驾驶过程中的环境感知。视觉传感器,在自动驾驶领域 中,主要用于对道路的检测,以及对车辆、信号灯和交通标志牌等的检测和识别;视觉传感器可以包括单目摄像机、双目摄像机、全景相机和红外相机等。
毫米波雷达静态目标,是指通过毫米波雷达检测识别到的静态目标;毫米波雷达,即探测波为毫米波(波长为1~10毫米)的雷达设备。需要说明的是,毫米波雷达对静态目标的识别是无差别的,由此,对于路边的垃圾桶、旗杆、井盖和铁栅栏等,只要在雷达检测范围内,均会被作为静态目标被成功识别。此外,对于此类静态目标的属性,例如,横纵向距离等,存在识别不准确或者易跳变等情况。由此,如果直接使用毫米波雷达静态目标进行自动驾驶控制,易导致目标误识别,从而降低自动驾驶系统的稳定性,影响自动驾驶安全。
在本实施例中,在车辆自动驾驶过程中,可以利用预设传感器(例如,激光传感器和视觉传感器)和毫米波雷达共同进行环境感知,以获取多个预设传感器目标和毫米波雷达静态目标。
S120、对每个毫米波雷达静态目标与每个预设传感器目标进行关联判断。
在本实施例中,针对毫米波雷达静态目标的上述情况,可以采用预设传感器的目标识别结果对毫米波雷达静态目标进行关联判断,以在毫米波雷达静态目标中筛选得到稳定且有效的毫米波雷达静态目标。进而将筛选出的毫米波雷达静态目标作为预设传感器目标的补充,可以在某些特定场景下,例如,视觉被遮挡或者大雾天气等,当预设传感器出现目标感知异常时,基于筛选出的毫米波雷达静态目标进行自动驾驶控制,可以提升自动驾驶系统的鲁棒性。
其中,可以通过计算每个毫米波雷达静态目标与每个预设传感器目标间的相似度,以进行两者之间的关联判断;例如,若检测到某个毫米波雷达静态目标与一个预设传感器目标间的相似度大于预设相似度阈值,则可以确定所检测毫米波雷达静态目标与该预设传感器目标成功关联;而若相似度小于或者等于预设相似度阈值,则可以确定所检测毫米波雷达静态目标与该预设传感器目标失败关联。其中,可以分别计算每个毫米波雷达静态目标与每个预设传感器目标间的欧式距离作为相似度;在本实施例中,对关联判断的方法不作具体限定。
在本实施例的一个示例的实施方式中,对每个毫米波雷达静态目标与每个预设传感器目标进行关联判断,可以包括:分别计算所述每个毫米波雷达静态目标,与所述每个预设传感器目标的马氏距离,并在所述至少一个预设传感器目标中,确定与所述每个毫米波雷达静态目标间分别具有最小马氏距离的至少一个相似预设传感器目标;
对应的,若检测到一个毫米波雷达静态目标与对应相似预设传感器目标的最小马氏距离小于预设距离阈值,则确定所检测毫米波雷达静态目标与对应相似预设传感器目标成功关联;若检测到一个毫米波雷达静态目标与对应相似预设传感器目标的最小马氏距离大于或者等于预设距离阈值,则确定所检测毫米波雷达静态目标与对应相似预设传感器目标失败关联。
在本实施例中,还可以分别计算每个毫米波雷达静态目标与每个预设传感器目标间的马氏距离,以作为每个毫米波雷达静态目标与每个预设传感器目标间的相似度。其中,马氏距离(Mahalanobis distance),表示两个数据的协方差 距离,可以有效计算两个未知样本集间的相似度。与欧式距离不同,马氏距离可以综合考虑多种特征之间的联系,且独立于测量尺度;通过马氏距离,可以综合考虑目标的位置和速度,实现对毫米波雷达静态目标与预设传感器目标间相似度的准确评价。
例如,可以首先分别计算每个毫米波雷达静态目标与每个预设传感器目标的马氏距离,然后将与毫米波雷达静态目标具有最小马氏距离的预设传感器目标,作为相似预设传感器目标;由此,可以获取每个毫米波雷达静态目标分别对应的相似预设传感器目标。其中,马氏距离越小,表示对应的毫米波雷达静态目标与预设传感器目标间的相似度越高。
例如,将每个毫米波雷达静态目标与对应的相似预设传感器目标间的最小马氏距离,与预设距离阈值进行对比,若最小马氏距离小于预设距离阈值,则可以确定该最小马氏距离对应的毫米波雷达静态目标与相似预设传感器目标成功关联;对应的,若最小马氏距离大于或者等于预设距离阈值,则可以确定该最小马氏距离对应的毫米波雷达静态目标与相似预设传感器目标失败关联。
其中,X表示预设传感器目标坐标,Y表示毫米波雷达静态目标坐标,W表示毫米波雷达静态目标坐标的协方差矩阵与预设传感器目标坐标的协方差矩阵的和矩阵。
需要说明的是,X还可以包括预设传感器目标的速度,对应的,Y可以包括毫米波雷达静态目标的速度;通过综合考虑目标的位置和速度,进行预设传感器目标和毫米波雷达静态目标是否关联的判断,可以提升关联判断的准确度。
在本实施例的一个示例的实施方式中,在对每个毫米波雷达静态目标与每个预设传感器目标进行关联判断之前,还可以包括:通过预设滤波算法对预设传感器目标进行滤波处理,获取有效预设传感器目标;对应的,对每个毫米波雷达静态目标与每个预设传感器目标进行关联判断,可以包括:对每个毫米波雷达静态目标与每个有效预设传感器目标进行关联判断。其中,预设滤波算法,可以包括卡尔曼滤波算法和粒子滤波算法等。
可以理解的是,在对预设传感器目标的持续跟踪检测过程中,某些预设传感器目标可能发生跳变或者短暂丢失,此时,这类预设传感器目标可被确定为误识别目标。针对此类误识别目标,则没有必要进行与毫米波雷达静态目标的关联判断。由此,预先通过预设滤波算法对预设传感器目标进行筛选,以获取有效预设传感器目标,并对有效预设传感器目标和毫米波雷达静态目标进行关联判断,可以提升关联判断的效率。
S130、根据关联判断结果,在所述至少一个毫米波雷达静态目标中确定与至少一个预设传感器目标成功关联的关联目标,并在目标生命周期内对所述关联目标进行跟踪管理。
在本实施例中,在完成对毫米波雷达静态目标和预设传感器目标的关联判 断之后;选择与预设传感器目标成功关联的毫米波雷达静态目标作为关联目标,并对关联目标进行持续的跟踪管理,直至该关联目标的目标生命周期结束,即直至无法再检测到该关联目标。
本申请实施例提供的技术方案,通过在车辆行驶过程中,获取多个预设传感器目标和至少一个毫米波雷达静态目标,并对每个毫米波雷达静态目标与每个预设传感器目标进行关联判断;进而根据关联判断结果,在至少一个毫米波雷达静态目标中确定与至少一个预设传感器目标成功关联的关联目标,并在目标生命周期内对该关联目标进行跟踪管理;通过利用至少一个预设传感器目标对毫米波雷达静态目标进行关联判断,增强了毫米波雷达对静态目标识别的稳定性,实现了特定场景下毫米波雷达对预设传感器的目标识别性能补充,提升了自动驾驶系统的鲁棒性。
在本实施例的一个示例的实施方式中,如图1B所示,首先获取激光雷达和视觉融合目标,并通过预设滤波算法对获取的上述目标进行筛选,以获取有效激光雷达和视觉融合目标。然后将毫米波雷达静态目标分别与有效激光雷达和视觉融合目标进行关联判断,若确定两者成功关联,则将毫米波雷达静态目标和对应的有效激光雷达和视觉融合目标标记为关联目标,并在目标生命周期内对关联目标进行跟踪管理。
而若确定毫米波雷达静态目标与每个有效激光雷达和视觉融合目标均失败关联,则获取单激光雷达目标,并筛选有效单激光雷达目标,进而对毫米波雷达静态目标与有效单激光雷达目标进行关联判断;若确定成功关联,则将毫米波雷达静态目标和对应的有效单激光雷达目标标记为关联目标,并在目标生命周期内对关联目标进行跟踪管理。
若仍然失败关联,则获取单视觉目标,并筛选有效单视觉目标,进而对毫米波雷达静态目标与有效单视觉目标进行关联判断;若确定成功关联,则将毫米波雷达静态目标和对应的有效单视觉目标标记为关联目标,并在目标生命周期内对关联目标进行跟踪管理。否则,结束目标识别流程。
在本实施例中,可同时对毫米波雷达静态目标与多个类型的预设传感器目标进行关联判断,也可以依次进行;本实施例对毫米波雷达静态目标与多个类型的预设传感器目标的关联判断顺序不作具体限定。
图2A为本申请又一实施例提供的目标识别方法的流程图,本实施例以上述技术方案为基础,在本实施例中当检测到存在识别异常的异常预设传感器目标时,确定与该异常预设传感器目标成功关联的毫米波雷达静态目标,并在确定该毫米波雷达静态目标对应的目标置信度大于或者等于预设置信度阈值时,根据该毫米波雷达静态目标进行车辆行驶控制;如图2A所示,该方法具体包括:
S210、在车辆行驶过程中,获取至少一个预设传感器目标和毫米波雷达静态目标。
S220、分别计算所述每个毫米波雷达静态目标,与所述每个预设传感器目标的马氏距离,并在所述至少一个预设传感器目标中,确定与所述每个毫米波 雷达静态目标间分别具有最小马氏距离的至少一个相似预设传感器目标。
S230、若检测到一个毫米波雷达静态目标与对应相似预设传感器目标的最小马氏距离小于预设距离阈值,则确定所检测毫米波雷达静态目标与对应相似预设传感器目标成功关联。
S240、若检测到一个毫米波雷达静态目标与对应相似预设传感器目标的最小马氏距离大于或者等于预设距离阈值,则确定所检测毫米波雷达静态目标与对应相似预设传感器目标失败关联。
S250、根据关联判断结果,在所述至少一个毫米波雷达静态目标中确定与至少一个预设传感器目标成功关联的关联目标。
S260、根据与所述关联目标成功关联的相似预设传感器目标的目标类型,为所述关联目标配置目标置信度。
在本实施例中,在确定关联目标之后,可以基于该关联目标成功关联的相似预设传感器目标的目标类型,为该关联目标配置对应的目标置信度。可以理解的是,激光雷达和视觉融合目标,由于由激光雷达和视觉传感器共同确定,故其可信任度更高,对应的,单激光雷达目标和单视觉目标对应的可信任度较低。因此,对于与激光雷达和视觉融合目标成功关联的关联目标可配置较高的目标置信度(例如,0.9),对于与单激光雷达目标或者单视觉目标成功关联的关联目标可配置较低的目标置信度(例如,0.7)。
S270、当检测到存在识别异常的异常预设传感器目标时,判断所述异常预设传感器目标是否存在成功关联的毫米波雷达静态目标。
其中,识别异常可以包括目标跳变、目标属性识别不稳定以及短暂目标丢失等。
在本实施例中,当检测到预设传感器目标存在识别异常时,可将该预设传感器目标确定为异常预设传感器目标,并判断是否存在与该异常预设传感器目标成功关联的毫米波雷达静态目标。
S280、若是,则在确定所述毫米波雷达静态目标对应的目标置信度大于或者等于预设置信度阈值时,根据所述毫米波雷达静态目标进行车辆行驶控制。
此时,若检测到与该异常预设传感器目标成功关联的毫米波雷达静态目标,可以判断当前成功关联的毫米波雷达静态目标的目标置信度是否大于或者等于预设置信度阈值;若是,则将当前的毫米波雷达静态目标作为目标稳定根据依据,以进行车辆行驶控制,可以提升自动驾驶系统的鲁棒性。
其中,针对不同的场景,可以设置不同的预设置信度阈值;例如,当异常预设传感器目标为激光雷达和视觉融合目标时,可以设置较高的预设置信度阈值;或者,当异常预设传感器目标为单激光雷达目标或者单视觉目标时,可以设置较低的预设置信度阈值。
例如,还可以根据毫米波雷达静态目标成功关联的目标类型和目标置信度,确定该毫米波雷达静态目标的可使用时长;例如,若毫米波雷达静态目标成功关联的目标类型为激光雷达和视觉融合目标,且具有较高的目标置信度,则可以设置较大的可使用时长;若毫米波雷达静态目标成功关联的目标类型为单激 光雷达目标或者单视觉目标,且具有较低的目标置信度,则可以设置较小的可使用时长。
在一种场景下,激光雷达对于静止目标,在初始短暂时间内,对目标的速度属性识别不稳定,容易出现较大偏差。针对上述情况,当使用单激光雷达进行目标检测时,需要使用多重滤波,或者引入其他目标属性进行计算,以对目标的速度属性进行稳定识别。此外,当激光雷达受环境因素(例如,大雾或者大雨等)影响,对目标识别同时发生目标跳变时,则需要更加复杂的容错处理机制进行处理。
在这种情况下,可以获取当前单激光雷达目标成功关联的毫米波雷达静态目标;若该目标被毫米波雷达持续稳定跟踪,则可以基于毫米波雷达实现对该目标的速度属性的稳定识别,可以节约算力,同时可以避免单激光雷达的目标跳变的情况。
在另一种场景下,对于长时间静止目标,视觉传感器可能存在偶发的目标类别跳变或者短暂目标丢失;为了避免上述情况,提升单视觉目标的识别准确度,需要加强视觉传感器对此类目标的训练。由此,需要获取大量的训练样本,需要投入大量的人力物力。而通过本实施例提供的方法,可以获取与该单视觉目标成功关联的毫米波雷达静态目标,并将毫米波雷达对该静态目标的识别结果,作为自动驾驶依据。在本实施例中,通过加入可关联的毫米波雷达静态目标,可以在不同开发预算和开发周期下,实现视觉传感器对全场景全目标的稳定识别,可以提升自动驾驶系统的鲁棒性。
在另一种场景下,当自动驾驶过程中出现短暂的视觉遮挡时,视觉传感器的视觉感知能力将会受到较大影响,出现短暂的目标丢失或者跳变;此时,对于单视觉传感器,需要提升整体传感器配置,利用其它视觉传感器进行互补,以避免上述情况。而在本实施例中,通过加入可关联的毫米波雷达静态目标,可以避免上述偶发性情况,并降低自动驾驶系统成本,节省算力。
本申请实施例提供的技术方案,通过在根据关联判断结果在至少一个毫米波雷达静态目标中确定与至少一个预设传感器目标成功关联的关联目标之后,根据与关联目标成功关联的相似预设传感器目标的目标类型,为关联目标配置目标置信度,并在当检测到存在识别异常的异常预设传感器目标时,判断该异常预设传感器目标是否存在成功关联的毫米波雷达静态目标;若是,则在确定毫米波雷达静态目标对应的目标置信度大于或者等于预设置信度阈值时,根据毫米波雷达静态目标进行车辆行驶控制,通过在预设传感器目标存在识别异常时,将与预设传感器成功关联的毫米波雷达静态目标,作为目标稳定跟踪依据,可以降低自动驾驶系统成本,节省算力,可以提升自动驾驶系统的鲁棒性。
在本实施例的一个示例的实施方式中,如图2B所示,当单激光雷达目标、单视觉目标以及激光雷达和视觉融合目标出现识别异常时,确定是否存在成功关联的毫米波雷达静态目标;若是,在确定该毫米波雷达静态目标被稳定跟踪时,判断该毫米波雷达静态目标对应的目标置信度是否满足当前场景下的预设置信度阈值。在确定目标置信度满足预设置信度阈值时,以该毫米波雷达静态 目标作为主判断条件,以规避其他传感器的短暂感知异常情况。
图3A为本申请又一实施例提供的目标识别方法的流程图,本实施例以上述技术方案为基础,在本实施例中基于与对应相似预设传感器失败关联的毫米波雷达静态目标,进行车辆自动行驶异常的告警;如图3A所示,该方法包括:
S310、在车辆行驶过程中,获取至少一个预设传感器目标和毫米波雷达静态目标。
S320、分别计算所述每个毫米波雷达静态目标,与所述每个预设传感器目标的马氏距离,并在所述至少一个预设传感器目标中,确定与所述每个毫米波雷达静态目标间分别具有最小马氏距离的至少一个相似预设传感器目标。
S330、若检测到一个毫米波雷达静态目标与对应相似预设传感器目标的最小马氏距离小于预设距离阈值,则确定所检测毫米波雷达静态目标与对应相似预设传感器目标成功关联。
S340、若检测到一个毫米波雷达静态目标与对应相似预设传感器目标的最小马氏距离大于或者等于预设距离阈值,则确定所检测毫米波雷达静态目标与对应相似预设传感器目标失败关联。
S350、根据关联判断结果,在所述至少一个毫米波雷达静态目标中确定与至少一个预设传感器目标成功关联的关联目标,并在目标生命周期内对所述关联目标进行跟踪管理。
S360、在与对应相似预设传感器失败关联的毫米波雷达静态目标中,筛选得到与车辆行驶安全相关的临时毫米波雷达静态目标,并对所述临时毫米波雷达静态目标进行跟踪管理。
S370、在预设时间范围内,若检测到所述临时毫米波雷达静态目标被稳定识别,则生成所述临时毫米波雷达静态目标对应的告警信息发送至车辆驾驶员。
需要说明的是,对于与对应相似预设传感器失败关联的毫米波雷达静态目标,表示当前其它传感器均未稳定识别该目标;在一般情况下,此类目标通常属于误识别目标。然而在一些特定场景下,此类目标可能对应一些特定目标,例如,道路上出现的白色指示板,或者横向停置的大货车等;通过对此类目标进行分析判断,可以避免特殊场景下的目标漏报。
在本实施例中,可以首先对与对应相似预设传感器失败关联的毫米波雷达静态目标进行筛选处理,以保留行驶路径上的未关联毫米波雷达静态目标;然后在未关联毫米波雷达静态目标中,筛选出与车辆行驶安全相关的临时毫米波雷达静态目标,例如,可以剔除广告牌等目标。然后,对筛选出的临时毫米波雷达静态目标,进行持续的跟踪管理;其中,可以对临时毫米波雷达静态目标的目标属性(例如,位置和速度等)进行持续的跟踪管理。车辆行驶路径可以根据车辆的导航信息确定,或者由用户手动选择确定。
如果临时毫米波雷达静态目标在预设时间范围内未发生目标跳变、短暂目标丢失或者目标属性跳变等异常,即在预设时间范围内被稳定跟踪,则表示该临时毫米波雷达静态目标可能危害自动驾驶安全。此时,可以生成该临时毫米 波雷达静态目标对应的告警信息发送至车辆驾驶员,由车辆驾驶员判断是否退出自动驾驶状态并接管车辆,或者继续保持自动驾驶状态。
其中,预设时间范围可以根据工况和车辆状态进行设置。告警信息,可以包括该临时毫米波雷达静态目标的位置、速度以及类别等信息;本实施例对告警信息的内容和形式不作具体限定。
本申请实施例提供的技术方案,当确定所检测毫米波雷达静态目标与对应相似预设传感器目标失败关联时,在与对应相似预设传感器失败关联的毫米波雷达静态目标中,筛选得到与车辆行驶安全相关的临时毫米波雷达静态目标,并对临时毫米波雷达静态目标进行跟踪管理;在预设时间范围内,若检测到临时毫米波雷达静态目标被稳定识别,则生成临时毫米波雷达静态目标对应的告警信息发送至车辆驾驶员;通过对失败关联的毫米波雷达静态目标进行分析判断,可以避免特殊场景下的目标漏报,可以提升目标识别的准确度,可以提升自动驾驶系统的鲁棒性。
在本实施例的一个示例的实施方式中,如图3B所示,对失败关联的毫米波雷达静态目标进行筛选处理,以获取行驶路径上的毫米波雷达静态目标,并在确定筛选后的毫米波雷达静态目标与驾驶安全相关时,对该毫米波雷达静态目标进行生命周期内的跟踪管理。在特定时间内,若该毫米波雷达静态目标被持续稳定跟踪,则生成对应的警告信息反馈给车主。
图4为本申请另一实施例提供的一种目标识别装置的结构示意图。如图4所示,该装置包括:目标获取模块410、关联判断模块420和关联目标确定模块430。其中,
目标获取模块410,设置为在车辆行驶过程中,获取至少一个预设传感器目标和至少一个毫米波雷达静态目标;
关联判断模块420,设置为对每个毫米波雷达静态目标与每个预设传感器目标进行关联判断;
关联目标确定模块430,设置为根据关联判断结果,在所述至少一个毫米波雷达静态目标中确定与至少一个预设传感器目标成功关联的关联目标,并在目标生命周期内对所述关联目标进行跟踪管理。
本申请实施例提供的技术方案,通过在车辆行驶过程中,获取多个预设传感器目标和毫米波雷达静态目标,并对每个毫米波雷达静态目标与每个预设传感器目标进行关联判断;进而根据关联判断结果,在至少一个毫米波雷达静态目标中确定与至少一个预设传感器目标成功关联的关联目标,并在目标生命周期内对该关联目标进行跟踪管理;通过利用至少一个预设传感器目标对毫米波雷达静态目标进行关联判断,增强了毫米波雷达对静态目标识别的稳定性,实现了特定场景下毫米波雷达对预设传感器的目标识别性能补充,提升了自动驾驶系统的鲁棒性。
例如,在上述技术方案的基础上,所述预设传感器目标包括单激光雷达目标、单视觉目标以及激光雷达和视觉融合目标中的至少一项。
例如,在上述技术方案的基础上,关联判断模块420,包括:
距离计算单元,设置为分别计算所述每个毫米波雷达静态目标,与所述每个预设传感器目标的马氏距离,并在所述至少一个预设传感器目标中,确定与所述每个毫米波雷达静态目标间分别具有最小马氏距离的至少一个相似预设传感器目标;
成功关联确定单元,设置为若检测到一个毫米波雷达静态目标与对应相似预设传感器目标的最小马氏距离小于预设距离阈值,则确定所检测毫米波雷达静态目标与对应相似预设传感器目标成功关联;
失败关联确定单元,设置为若检测到一个毫米波雷达静态目标与对应相似预设传感器目标的最小马氏距离大于或者等于预设距离阈值,则确定所检测毫米波雷达静态目标与对应相似预设传感器目标失败关联。
其中,X表示预设传感器目标坐标,Y表示毫米波雷达静态目标坐标,W表示毫米波雷达静态目标坐标的协方差矩阵与预设传感器目标坐标的协方差矩阵的和矩阵。
例如,在上述技术方案的基础上,所述目标识别装置,还包括:
置信度配置模块,设置为根据与所述关联目标成功关联的相似预设传感器目标的目标类型,为所述关联目标配置目标置信度。
例如,在上述技术方案的基础上,所述目标识别装置,还包括:
异常预设传感器目标检测模块,设置为当检测到存在识别异常的异常预设传感器目标时,判断所述异常预设传感器目标是否存在成功关联的毫米波雷达静态目标;
目标置信度判断模块,设置为若是,则在确定所述毫米波雷达静态目标对应的目标置信度大于或者等于预设置信度阈值时,根据所述毫米波雷达静态目标进行车辆行驶控制。
例如,在上述技术方案的基础上,所述目标识别装置,还包括:
临时毫米波雷达静态目标筛选模块,设置为在与对应相似预设传感器失败关联的毫米波雷达静态目标中,筛选得到与车辆行驶安全相关的临时毫米波雷达静态目标,并对所述临时毫米波雷达静态目标进行跟踪管理;
告警信息生成模块,设置为在预设时间范围内,若检测到所述临时毫米波雷达静态目标被稳定识别,则生成所述临时毫米波雷达静态目标对应的告警信息发送至车辆驾驶员。
上述装置可执行本申请前述实施例所提供的目标识别方法,具备执行上述方法相应的功能模块和有益效果。未在本申请实施例中详尽描述的技术细节,可参见本申请前述实施例所提供的目标识别方法。
图5为本申请另一实施例提供的一种电子设备的结构示意图,如图5所示, 该电子设备包括处理器510、存储器520、输入装置530和输出装置540;电子设备中处理器510的数量可以是一个或多个,图5中以一个处理器510为例;电子设备中的处理器510、存储器520、输入装置530和输出装置540可以通过总线或其他方式连接,图5中以通过总线连接为例。存储器520作为一种计算机可读存储介质,可设置为存储软件程序、计算机可执行程序以及模块,如本申请任意实施例中的一种目标识别方法对应的程序指令/模块(例如,一种目标识别装置中的目标获取模块410、关联判断模块420和关联目标确定模块430)。处理器510通过运行存储在存储器520中的软件程序、指令以及模块,从而执行电子设备的多种功能应用以及数据处理,即实现上述的一种目标识别方法。也即,该程序被处理器执行时实现:
在车辆行驶过程中,获取至少一个预设传感器目标和至少一个毫米波雷达静态目标;
对每个毫米波雷达静态目标与每个预设传感器目标进行关联判断;
根据关联判断结果,在所述至少一个毫米波雷达静态目标中确定与至少一个预设传感器目标成功关联的关联目标,并在目标生命周期内对所述关联目标进行跟踪管理。
存储器520可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器520可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器520可包括相对于处理器510远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置530可设置为接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入,可以包括键盘和鼠标等。输出装置540可包括显示屏等显示设备。
本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本申请任意实施例所述方法。当然,本申请实施例所提供的一种计算机可读存储介质,其可以执行本申请任意实施例所提供的一种目标识别方法中的相关操作。也即,该程序被处理器执行时实现:
在车辆行驶过程中,获取至少一个预设传感器目标和至少一个毫米波雷达静态目标;
对每个毫米波雷达静态目标与每个预设传感器目标进行关联判断;
根据关联判断结果,在所述至少一个毫米波雷达静态目标中确定与至少一个预设传感器目标成功关联的关联目标,并在目标生命周期内对所述关联目标进行跟踪管理。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本申请可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现。基于 这样的理解,本申请的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台电子设备(可以是个人计算机,服务器,或者网络设备等)执行本申请多个实施例所述的方法。
值得注意的是,上述目标识别装置的实施例中,所包括的多个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,多个功能单元的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。
Claims (10)
- 一种目标识别方法,包括:在车辆行驶过程中,获取至少一个预设传感器目标和至少一个毫米波雷达静态目标;对每个毫米波雷达静态目标与每个预设传感器目标进行关联判断;根据关联判断结果,在所述至少一个毫米波雷达静态目标中确定与至少一个预设传感器目标成功关联的关联目标,并在目标生命周期内对所述关联目标进行跟踪管理。
- 根据权利要求1所述的方法,其中,所述预设传感器目标包括单激光雷达目标、单视觉目标以及激光雷达和视觉融合目标中的至少一项。
- 根据权利要求1所述的方法,其中,所述对每个毫米波雷达静态目标与每个预设传感器目标进行关联判断,包括:分别计算所述每个毫米波雷达静态目标,与所述每个预设传感器目标的马氏距离,并在所述至少一个预设传感器目标中,确定与所述每个毫米波雷达静态目标间分别具有最小马氏距离的至少一个相似预设传感器目标;响应于确定检测到一个毫米波雷达静态目标与对应相似预设传感器目标的最小马氏距离小于预设距离阈值,确定所检测毫米波雷达静态目标与对应相似预设传感器目标成功关联;响应于确定测到一个毫米波雷达静态目标与对应相似预设传感器目标的最小马氏距离大于或者等于预设距离阈值,确定所检测毫米波雷达静态目标与对应相似预设传感器目标失败关联。
- 根据权利要求3所述的方法,在根据关联判断结果,在所述至少一个毫米波雷达静态目标中确定与至少一个预设传感器目标成功关联的关联目标之后,还包括:根据与所述关联目标成功关联的相似预设传感器目标的目标类型,为所述关联目标配置目标置信度。
- 根据权利要求5所述的方法,还包括:响应于确定检测到存在识别异常的异常预设传感器目标,判断所述异常预设传感器目标是否存在成功关联的毫米波雷达静态目标;基于所述异常预设传感器目标存在成功关联的毫米波雷达静态目标的判断结果,响应于确定所述毫米波雷达静态目标对应的目标置信度大于或者等于预设置信度阈值,根据所述毫米波雷达静态目标进行车辆行驶控制。
- 根据权利要求3所述的方法,还包括:在与对应相似预设传感器失败关联的毫米波雷达静态目标中,筛选得到与车辆行驶安全相关的临时毫米波雷达静态目标,并对所述临时毫米波雷达静态目标进行跟踪管理;在预设时间范围内,响应于确定检测到所述临时毫米波雷达静态目标被稳定识别,生成所述临时毫米波雷达静态目标对应的告警信息发送至车辆驾驶员。
- 一种目标识别装置,包括:目标获取模块,设置为在车辆行驶过程中,获取至少一个预设传感器目标和至少一个毫米波雷达静态目标;关联判断模块,设置为对每个毫米波雷达静态目标与每个预设传感器目标进行关联判断;关联目标确定模块,设置为根据关联判断结果,在所述至少一个毫米波雷达静态目标中确定与至少一个预设传感器目标成功关联的关联目标,并在目标生命周期内对所述关联目标进行跟踪管理。
- 一种电子设备,包括:一个或多个处理器;存储装置,设置为存储一个或多个计算机程序;当所述一个或多个计算机程序被所述一个或多个处理器执行,使得所述一个或多个处理器执行所述计算机程序时实现如权利要求1-7中任一所述的目标识别方法。
- 一种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如权利要求1-7中任一所述的目标识别方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210114331.2 | 2022-01-30 | ||
CN202210114331.2A CN114460598A (zh) | 2022-01-30 | 2022-01-30 | 一种目标识别方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2023142814A1 true WO2023142814A1 (zh) | 2023-08-03 |
Family
ID=81411573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2022/141361 WO2023142814A1 (zh) | 2022-01-30 | 2022-12-23 | 目标识别方法、装置、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114460598A (zh) |
WO (1) | WO2023142814A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114460598A (zh) * | 2022-01-30 | 2022-05-10 | 中国第一汽车股份有限公司 | 一种目标识别方法、装置、设备及存储介质 |
CN117152197B (zh) * | 2023-10-30 | 2024-01-23 | 成都睿芯行科技有限公司 | 一种跟踪对象的确定方法、系统及跟踪方法、系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111538029A (zh) * | 2020-04-24 | 2020-08-14 | 江苏盛海智能科技有限公司 | 一种视觉与雷达融合的测量方法及终端 |
WO2020216316A1 (zh) * | 2019-04-26 | 2020-10-29 | 纵目科技(上海)股份有限公司 | 基于毫米波雷达的辅助驾驶系统、方法、终端和介质 |
US20200369274A1 (en) * | 2018-02-14 | 2020-11-26 | Denso Corporation | Driving assist device and driving assist method |
WO2021012254A1 (zh) * | 2019-07-25 | 2021-01-28 | 深圳市大疆创新科技有限公司 | 目标检测方法、系统及可移动平台 |
CN112630771A (zh) * | 2020-12-09 | 2021-04-09 | 清华大学 | 一种基于毫米波设备的多目标跟踪方法及系统 |
CN113093178A (zh) * | 2021-04-21 | 2021-07-09 | 中国第一汽车股份有限公司 | 一种障碍物目标检测方法、装置、域控制器及车辆 |
CN114460598A (zh) * | 2022-01-30 | 2022-05-10 | 中国第一汽车股份有限公司 | 一种目标识别方法、装置、设备及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9542846B2 (en) * | 2011-02-28 | 2017-01-10 | GM Global Technology Operations LLC | Redundant lane sensing systems for fault-tolerant vehicular lateral controller |
CN111382768B (zh) * | 2018-12-29 | 2023-11-14 | 华为技术有限公司 | 多传感器数据融合方法和装置 |
CN111859597B (zh) * | 2019-04-18 | 2024-04-05 | 北京京东乾石科技有限公司 | 一种自动驾驶算法的评估方法和系统 |
CN110532896B (zh) * | 2019-08-06 | 2022-04-08 | 北京航空航天大学 | 一种基于路侧毫米波雷达和机器视觉融合的道路车辆检测方法 |
CN111257864B (zh) * | 2020-01-17 | 2021-12-10 | 河北德冠隆电子科技有限公司 | 一种主动式探测车辆持续跟踪断点补偿装置、系统及方法 |
CN112505684B (zh) * | 2020-11-17 | 2023-12-01 | 东南大学 | 恶劣环境路侧视角下雷达视觉融合的车辆多目标跟踪方法 |
CN113807168A (zh) * | 2021-08-05 | 2021-12-17 | 北京蜂云科创信息技术有限公司 | 一种车辆行驶环境感知方法、车载设备和存储介质 |
-
2022
- 2022-01-30 CN CN202210114331.2A patent/CN114460598A/zh active Pending
- 2022-12-23 WO PCT/CN2022/141361 patent/WO2023142814A1/zh unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200369274A1 (en) * | 2018-02-14 | 2020-11-26 | Denso Corporation | Driving assist device and driving assist method |
WO2020216316A1 (zh) * | 2019-04-26 | 2020-10-29 | 纵目科技(上海)股份有限公司 | 基于毫米波雷达的辅助驾驶系统、方法、终端和介质 |
WO2021012254A1 (zh) * | 2019-07-25 | 2021-01-28 | 深圳市大疆创新科技有限公司 | 目标检测方法、系统及可移动平台 |
CN111538029A (zh) * | 2020-04-24 | 2020-08-14 | 江苏盛海智能科技有限公司 | 一种视觉与雷达融合的测量方法及终端 |
CN112630771A (zh) * | 2020-12-09 | 2021-04-09 | 清华大学 | 一种基于毫米波设备的多目标跟踪方法及系统 |
CN113093178A (zh) * | 2021-04-21 | 2021-07-09 | 中国第一汽车股份有限公司 | 一种障碍物目标检测方法、装置、域控制器及车辆 |
CN114460598A (zh) * | 2022-01-30 | 2022-05-10 | 中国第一汽车股份有限公司 | 一种目标识别方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114460598A (zh) | 2022-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023142814A1 (zh) | 目标识别方法、装置、设备及存储介质 | |
CN110532916B (zh) | 一种运动轨迹确定方法及装置 | |
CN106295459A (zh) | 基于机器视觉和级联分类器的车辆检测和预警方法 | |
WO2021259260A1 (zh) | 一种制动等级的评估方法、装置、车辆和存储介质 | |
CN111798698B (zh) | 一种前方目标车辆的确定方法、装置及车辆 | |
CN112580571A (zh) | 车辆行驶的控制方法、装置及电子设备 | |
EP3910533B1 (en) | Method, apparatus, electronic device, and storage medium for monitoring an image acquisition device | |
KR20130007243A (ko) | 차량 카메라를 이용한 전방 충돌 경보 방법 및 시스템 | |
JP2017068700A (ja) | 物体検出装置、物体検出方法、及びプログラム | |
CN111783905A (zh) | 一种目标融合方法、装置、存储介质及电子设备 | |
CN112101223A (zh) | 检测方法、装置、设备和计算机存储介质 | |
CN110866544A (zh) | 传感器数据的融合方法、装置及存储介质 | |
CN112598715A (zh) | 基于多传感器的多目标跟踪方法、系统及计算机可读介质 | |
CN114648748A (zh) | 一种基于深度学习的机动车违停智能识别方法及系统 | |
CN114842445A (zh) | 基于多途径融合的目标检测方法、装置、设备及介质 | |
CN108629225B (zh) | 一种基于多幅子图与图像显著性分析的车辆检测方法 | |
US11474535B2 (en) | Method of processing data, apparatus for processing data, and system for controlling vehicle | |
US20220108552A1 (en) | Method and Apparatus for Determining Drivable Region Information | |
CN110422173B (zh) | 一种行车环境识别方法 | |
CN113393675B (zh) | 一种车辆id确定方法、装置、设备和介质 | |
CN116990768A (zh) | 预测航迹处理方法、装置、电子设备及可读介质 | |
CN115578716A (zh) | 一种车载数据的处理方法、装置、设备及介质 | |
CN115457779A (zh) | 一种车道限速提醒方法和装置 | |
CN114084129A (zh) | 一种基于融合的车辆自动驾驶控制方法及系统 | |
CN110969058A (zh) | 用于环境目标的融合方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 22923600 Country of ref document: EP Kind code of ref document: A1 |