CN114332818A - 障碍物的检测方法、装置和电子设备 - Google Patents
障碍物的检测方法、装置和电子设备 Download PDFInfo
- Publication number
- CN114332818A CN114332818A CN202111633794.1A CN202111633794A CN114332818A CN 114332818 A CN114332818 A CN 114332818A CN 202111633794 A CN202111633794 A CN 202111633794A CN 114332818 A CN114332818 A CN 114332818A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- data
- vehicle
- matching
- determining
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 134
- 238000000034 method Methods 0.000 claims abstract description 48
- 230000008447 perception Effects 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 17
- 239000000758 substrate Substances 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 42
- 230000004888 barrier function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种障碍物的检测方法、装置和电子设备,涉及智能交通、环境感知、自动驾驶等人工智能技术领域。具体实现方案为:在确定路侧感知的障碍物是否为误检障碍物时,可以先分别获取路侧设备感知的检测道路中的第一障碍物数据、车辆感知的检测道路中的第二障碍物数据、及车辆数据;其中,第一障碍物数据、第二障碍物数据和车辆数据的采集时刻相同;并将第一障碍物数据对应的第一障碍物与第二障碍物数据对应的第二障碍物进行匹配;再根据匹配结果和车辆数据,确定第一障碍物的检测结果,实现了路侧设备感知的障碍物是否为误检障碍物的自动检测,从而有效地提高了障碍物的检测效率。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及智能交通、环境感知、自动驾驶等人工智能技术领域,具体涉及一种障碍物的检测方法、装置和电子设备。
背景技术
路侧设备感知的障碍物数据,在较多领域具有重要的应用。以辅助驾驶领域为例,通常情况下,路侧设备会将其感知到的障碍物数据发送给自动驾驶车辆,以使自动驾驶车辆结合该障碍物数据实现辅助驾驶。
因此,路侧设备感知的障碍物数据的准确度是至关重要的。若基于障碍物数据识别出的障碍物存在误检的情况,则会影响路侧设备感知的障碍物数据的准确度。因此,如何检测基于路侧感知的障碍物数据识别出的障碍物是否为误检障碍物,是本领域技术人员亟待解决的问题。
发明内容
本公开提供了一种障碍物的检测方法、装置和电子设备,可以自动检测路侧感知的障碍物是否为误检障碍物,从而有效地提高了障碍物的检测效率。
根据本公开的第一方面,提供了一种障碍物的检测方法,该障碍物的检测方法可以包括:
获取路侧设备感知的检测道路中的第一障碍物数据、车辆感知的所述检测道路中的第二障碍物数据、及车辆数据;其中,所述第一障碍物数据、所述第二障碍物数据和所述车辆数据的采集时刻相同。
将所述第一障碍物数据对应的第一障碍物与所述第二障碍物数据对应的第二障碍物进行匹配,得到匹配结果。
根据所述匹配结果和所述车辆数据,确定所述第一障碍物的检测结果;其中,所述检测结果包括误检或者非误检。
根据本公开的第二方面,提供了一种障碍物的检测装置,该障碍物的检测装置可以包括:
获取单元,用于获取路侧设备感知的检测道路中的第一障碍物数据、车辆感知的所述检测道路中的第二障碍物数据、及车辆数据;其中,所述第一障碍物数据、所述第二障碍物数据和所述车辆数据的采集时刻相同。
匹配单元,用于将所述第一障碍物数据对应的第一障碍物与所述第二障碍物数据对应的第二障碍物进行匹配,得到匹配结果。
处理单元,用于根据所述匹配结果和所述车辆数据,确定所述第一障碍物的检测结果;其中,所述检测结果包括误检或者非误检。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述第一方面所述的障碍物的检测方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行上述第一方面所述的障碍物的检测方法。
根据本公开的第五方面,提供了一种计算机程序产品,所述计算机程序产品包括:计算机程序,所述计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的障碍物的检测方法。
根据本公开的技术方案,可以自动检测路侧设备感知的障碍物是否为误检障碍物,从而有效地提高了障碍物的检测效率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开实施例提供的一种路侧感知的障碍物和车辆感知的障碍物的示意图;
图2是根据本公开第一实施例提供的障碍物的检测方法的流程示意图;
图3是本公开实施例提供的一种路侧设备与车辆之间的交互示意图;
图4是本公开实施例提供的一种车辆感知全路径覆盖场景下的障碍物数据的路径示意图;
图5是本公开实施例提供的另一种车辆感知全路径覆盖场景下的障碍物数据的路径示意图;
图6是本公开实施例提供的又一种车辆感知全路径覆盖场景下的障碍物数据的路径示意图;
图7是本公开实施例提供的一种路侧感知的障碍物和车辆感知的障碍物的示意图;
图8是本公开实施例提供的另一种路侧感知的障碍物和车辆感知的障碍物的示意图;
图9是根据本公开第二实施例提供的一种将第一障碍物数据对应的第一障碍物与第二障碍物数据对应的第二障碍物进行匹配的方法的流程示意图;
图10是本公开实施例提供的一种将车辆与第一障碍物进行匹配的示意图;
图11是本公开实施例提供的一种路口划分示意图;
图12是本公开实施例提供的一种将第三障碍物与第二障碍物进行匹配的示意图;
图13是根据本公开第三实施例提供的一种根据匹配结合和车辆数据,确定第一障碍物的检测结果的方法的流程示意图;
图14是本公开实施例提供的一种障碍物与车辆的位置关系的示意图;
图15是根据本公开第三实施例提供的障碍物的检测装置的结构示意图;
图16是本公开实施例提供的一种电子设备的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开的实施例中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述匹配对象的访问关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,其中A,B可以是单数或者复数。在本公开的文字描述中,字符“/”一般表示前后匹配对象是一种“或”的关系。此外,在本公开实施例中,“第一”、“第二”、“第三”、“第四”、“第五”以及“第六”只是为了区分不同对象的内容而已,并无其它特殊含义。
本公开实施例提供的技术方案可以应用于智能交通、环境感知、自动驾驶等技术领域。以辅助驾驶领域为例,路侧设备对障碍物数据的准确感知,以获取到准确的障碍物数据,对于辅助驾驶是至关重要的。
路侧设备对障碍物数据的感知准确与否,与路侧设备的感知能力息息相关。在后续的描述中,“路侧设备的感知”可简述为“路侧感知”。在评估路侧感知能力时,影响路侧感知能力的一个重要因素为:基于路侧感知的障碍物数据识别出的障碍物是否为误检的情况。若存在误检的情况,则会影响路侧设备感知的障碍物数据的准确度,从而影响路侧感知能力。在后续的描述中,可以将“基于路侧感知的障碍物数据识别出的障碍物”简述为“路侧感知的障碍物”。因此,如何检测路侧感知的障碍物是否为误检障碍物,是本领域技术人员亟待解决的问题。
目前,在检测路侧感知的障碍物是否为误检障碍物时,路侧设备会先采集道路的场景图像,并对场景图像进行障碍物识别,以提取场景图像中的障碍物数据,该障碍物数据对应的即为路侧感知的障碍物;此外,工作人员也会对采集的场景图像进行人工标注,标注出道路中的障碍物,该人工标注出的障碍物作为真值;再将路侧感知的障碍物与人工标注出的障碍物进行比较,再根据比较结果,检测路侧感知的障碍物是否为误检障碍物。但是,采用人工标注的方法,使得障碍物的检测效率。
其中,误检障碍物可以理解为路侧感知到的,但是人工标注的障碍物中并不存在的障碍物。
为了可以自动检测路侧感知的障碍物是否为误检障碍物,考虑到车辆在其可感知区域内,具有较高的感知能力,因此,可以考虑将车辆在其感知区域内感知的障碍物数据对应的障碍物作为真值,再将路侧感知的障碍物与车辆感知的障碍物数据对应的障碍物进行匹配,再根据匹配结果和车辆数据,共同确定路侧感知的障碍物是否为误检障碍物,实现了路侧设备感知的障碍物是否为误检障碍物的自动检测,从而有效地提高了障碍物的检测效率。
示例的,可参见图1所示,图1是本公开实施例提供的一种路侧感知的障碍物和车辆感知的障碍物的示意图,结合图1可以看出,图1中的左图为车辆通过车端视角感知的障碍物数据,该障碍物数据对应的障碍物包括障碍物1和障碍物2,需要注意的是,车辆通过车端视角感知的障碍物数据不包括车辆本身;图1中的右图为路侧设备通过路侧视角感知的障碍物数据,该障碍物数据对应的障碍物包括右图中的障碍物1、障碍物2、障碍物3、障碍物4以及障碍物5;其中,路侧设备感知的5个障碍物中,障碍物1和障碍物2为准确感知到的障碍物,障碍物5为误检障碍物,障碍物3和障碍物4为非误检障碍物。
基于上述技术构思,本公开实施例提供了一种障碍物的检测方法,下面,将通过具体的实施例对本公开提供的障碍物的检测方法进行详细地说明。可以理解的是,下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
实施例一
图2是根据本公开第一实施例提供的障碍物的检测方法的流程示意图,该障碍物的检测方法可以由软件和/或硬件装置执行,例如,该硬件装置可以为车辆的车载终端或者服务器。示例的,以硬件装置为车辆的车载终端为例,请参见图2所示,该障碍物的检测方法可以包括:
S201、获取路侧设备感知的检测道路中的第一障碍物数据、车辆感知的检测道路中的第二障碍物数据、及车辆数据;其中,第一障碍物数据、第二障碍物数据和车辆数据的采集时刻相同。
示例的,障碍物数据用于描述障碍物,可以包括障碍物的类型、障碍物的位置、及障碍物的尺寸大小等数据,具体可以根据实际需要进行设置,也可以包括其他信息,例如障碍物的速度等,在此,本公开实施例只是以第一障碍物数据包括障碍物的类型、障碍物的位置、及障碍物的尺寸大小等数据为例进行描述,但并不代表本公开实施例仅局限于此。
示例的,车辆数据可以包括车辆的类型、车辆的位置以及车辆的尺寸等数据,具体可以根据实际需要进行设置,也可以包括其他信息,例如车辆的速度等,在此,本公开实施例只是以车辆数据包括车辆的类型、车辆的位置以及车辆的尺寸等数据为例进行描述,但并不代表本公开实施例仅局限于此。
示例的,在获取第一障碍物数据时,可以接收其他电子设备发送的第一障碍物数据,例如,路侧设备采集的第一障碍物数据;也可以从本地存储中查找第一障碍物数据;也可以通过其它方法获取第一障碍物数据,具体可以根据实际需要进行设置,在此,对于第一障碍物数据的获取方法,本公开实施例不做具体限制。
示例的,在获取第二障碍物数据时,可以接收其他电子设备发送的第二障碍物数据;也可以从本地存储中查找第二障碍物数据;也可以通过其它方法获取第二障碍物数据,具体可以根据实际需要进行设置,在此,对于第二障碍物数据的获取方法,本公开实施例不做具体限制。
以接收路侧设备发送的第一障碍物数据为例,示例的,可参见图3所示,图3是本公开实施例提供的一种路侧设备与车辆之间的交互示意图,路侧设备可以通过其路侧感知系统感知检测道路中的障碍物信息,该障碍物信息中包括第一障碍物数据和感知时间;并对其感知到的障碍物信息进行编码;再通过其路侧单元(road side unit,RSU)将编码后的障碍物信息,通过无线传输的方法发送给车辆;可以理解的是,路侧设备是实时感知检测道路中的障碍物信息,也是实时将其感知的障碍物信息发送给车辆,为了后续与车辆感知的障碍物信息进行区分,将可路侧设备感知的障碍物信息记为第一障碍物信息,将车辆感知的障碍物信息记为第二障碍物信息。
对应的,车辆可以通过其车载单元(on board unit,OBU)接收路侧设备感知的编码后的第一障碍物信息;并将编码后的第一障碍物信息发送给车载计算单元,车载计算单元可以对编码后的第一障碍物信息进行解码,以获取到路侧设备感知的第一障碍物信息。此外,车辆的车载感知系统也会感知检测道路中的障碍物信息,可记为第二障碍物信息,该第二障碍物信息中包括第二障碍物数据和感知时间;并将其感知到的第二障碍物信息发送给车载计算单元;可以理解的是,车载感知系统也是实时感知检测道路中的第二障碍物信息,并将其实时感知到的第二障碍物信息发送给车载计算单元;此外,车辆中的定位系统也会实时定位车辆的位置,并将其车辆的位置发送给车载计算单元;以使车载计算单元基于路侧设备感知的第一障碍物信息、车载感知系统感知的第二障碍物信息以及车辆信息,共同确定路侧感知的障碍物是否为误检障碍物。其中,车辆信息包括实时采集多组车辆数据。
其中,路侧设备具备将采集到的检测道路的场景图像中物体计算转换为具有类型、坐标位置、及尺寸大小的障碍物数据的能力;车辆也具备将采集到的检测道路的场景图像中物体计算转换为具有类型、坐标位置、及尺寸大小的障碍物数据的能力。
结合上述描述可以看出,车载终端在进行障碍物信息采集时,采集的障碍物信息包括路侧设备感知的第一障碍物信息和车辆的车载感知系统感知的第二障碍物信息。在接收路侧设备感知的第一障碍物信息时,以车辆高精定位信息作为依据,实时计算车辆与检测道路路口中心点之间的距离,当检测到车辆驶入到距中心点150m范围内时,车辆接收路侧设备感知的第一障碍物信息,并进行存储;此外,上述获取到的包括多组车辆数据的车辆信息也会一并存储。
车载终端在获取到路侧设备实时发送的第一障碍物信息、车辆自身实时感知的第二障碍物信息以及车辆信息后,为了可以准确地检测路侧感知的障碍物是否为误检障碍物,需要进行时间对齐,即按照同一采集时刻,从较多的第一障碍物信息、第二障碍物信息、以及车辆信息中筛选出同一采集时刻感知到的第一初始障碍物数据、第二初始障碍物数据以及车辆的初始数据,再基于第一初始障碍物数据、第二初始障碍物数据以及车辆的初始数据,共同确定路侧感知的障碍物是否为误检障碍物。其中,第一初始障碍物数据可以理解为从第一感知信息中筛选出的,第二初始障碍物数据可以理解为从第二感知信息中筛选出的,车辆的初始数据可以理解为从车辆信息中筛选出的。示例的,车辆的初始数据中均包括车辆位置和车辆的尺寸。
需要说明的是,在本公开实施例中,当路侧设备感知的第一初始障碍物数据为全路径覆盖场景下的障碍物数据时,对应的,车辆感知的第二初始障碍物数据也为全路径覆盖场景下的障碍物数据,以保证初始障碍物数据的覆盖区域相同,这样才能更好地进行障碍物匹配。示例的,为了车辆感知的第二初始障碍物数据也为全路径覆盖场景下的障碍物数据,可参见下述图4、图5以及图6所示,其中,图4是本公开实施例提供的一种车辆感知全路径覆盖场景下的障碍物数据的路径示意图,图5是本公开实施例提供的另一种车辆感知全路径覆盖场景下的障碍物数据的路径示意图;图6是本公开实施例提供的又一种车辆感知全路径覆盖场景下的障碍物数据的路径示意图;结合上述三种不同的路径方式,均可以使得车辆感知到全路径覆盖场景下的障碍物数据。
示例的,可参见图7所示,图7是本公开实施例提供的一种路侧感知的障碍物和车辆感知的障碍物的示意图,其中,图7所示的路侧设备通过路侧视角感知的第一初始障碍物数据,和车辆通过车端视角感知的第二初始障碍物数据的采集时刻相同。结合图7可以看出,图7中左侧的图为车辆通过车端视角感知的第二初始障碍物数据对应的障碍物包括:障碍物1、障碍物2、以及4个未标注障碍物编号的障碍物;图7中右侧的图为路侧设备通过路侧视角感知的第一初始障碍物数据对应的障碍物包括:障碍物1、障碍物2、障碍物3、障碍物4、障碍物5、车辆以及2个未标注障碍物编号的障碍物。
在检测路侧感知的第一初始障碍物数据对应的7个障碍物是否为误检障碍物时,是将车辆感知的第二初始障碍物数据对应的7个障碍物作为障碍物的真值进行检测。考虑到是将车辆感知的第二初始障碍物数据对应的障碍物,作为用于检测路侧感知的障碍物是否为误检障碍物的真值,因此,需要确保车辆感知的障碍物数据的准确度。
假设上述车辆感知的第二初始障碍物数据为位于车辆感知能力对应的检测范围内的障碍物数据,则可以直接将第一初始障碍物数据确定为第一障碍物数据,并将第二初始障碍物数据确定为第二障碍物数据。假设图7所示的障碍物数据,为车辆在图7所示位置感知的障碍物数据,图7中左侧的图中两个未编号的障碍物的位置,未位于车辆感知能力对应的检测范围内,则可以对第二初始障碍物数据做进一步的筛选。通常情况下,考虑到车辆感知能力为以该车辆为中心,半径大约为60米的检测范围,因此,可以从车辆感知的第二初始障碍物数据中筛选出位于车辆感知能力对应的检测范围内的障碍物数据,并将筛选出的障碍物数据确定为第二障碍物数据,并将该第二障碍物数据对应的障碍物作为真值;对应的,也需要从路侧设备感知的第一初始障碍物数据中筛选出位于车辆感知能力对应的检测范围内的障碍物数据,并将筛选出的障碍物数据确定为第一障碍物数据;此外,也需要从车辆的初始数据中筛选出位于车辆感知能力对应的检测范围内车辆数据,从而获取到路侧设备感知的检测道路中的第一障碍物数据、车辆感知的检测道路中的第二障碍物数据、及车辆数据。
结合上述图7所示的路侧感知的障碍物和车辆感知的障碍物的示意图,通过上述基于车辆感知能力限定的检测范围,对应的,可以仅将车辆感知的位于检测范围内的第二障碍物数据对应的障碍物作为真值,用于确定路侧感知的位置检测范围内的第一障碍物数据对应的障碍物是否为误检障碍物。示例的,可参见图8所示,图8是本公开实施例提供的另一种路侧感知的障碍物和车辆感知的障碍物的示意图,结合图8可以看出,图8中左侧的图为车辆通过车端视角感知的第二初始障碍物数据对应的障碍物包括:障碍物1和障碍物2;图8中右侧的图为路侧设备通过路侧视角感知的第一初始障碍物数据对应的障碍物包括:障碍物1、障碍物2、障碍物3、障碍物4、障碍物5以及车辆。
示例的,在本公开实施例中,还可以进一步考虑车辆感知视线的局限性,车辆在检测道路的路口中可能会存在较多区域的感知盲区,即视线盲区,车辆无法感知其感知盲区内的障碍物数据,因此,还可以在筛选车辆感知能力对应的检测范围内的障碍物数据时另外进行一些区域限定;此外,考虑到车辆不仅是能感知到检测道路的路口内车道线内的障碍物数据,同时也能感知道路外周边的障碍物数据;而路侧设备目前只能感知道路内且范围有限的障碍物数据,因此,本公开障碍物误检只涉及道路内障碍物的误检,而不考虑道路外周边的障碍物的误检。
在分别获取到路侧设备感知的检测道路中的第一障碍物数据和车辆感知的检测道路中的第二障碍物数据后,就可以将第一障碍物数据对应的第一障碍物与第二障碍物数据对应的第二障碍物进行匹配,即执行下述S202:
S202、将第一障碍物数据对应的第一障碍物与第二障碍物数据对应的第二障碍物进行匹配,得到匹配结果。
其中,匹配结果包括匹配或不匹配。
示例的,第一障碍物的数量可以为一个,也可以为多个,具体可以根据实际需要进行设置;第二障碍物的数量可以为一个,也可以为多个,具体可以根据实际需要进行设置。
在将第一障碍物数据对应的第一障碍物与第二障碍物数据对应的第二障碍物进行匹配时,针对第一障碍物,若第二障碍物中存在与该第一障碍物匹配的障碍物,说明该第一障碍物为路侧准确感知的障碍物;相反的,若第二障碍物中存在不与该第一障碍物匹配的障碍物,说明该第一障碍物可能为路侧设备误检的障碍物,因此,为了准确地确定第一障碍物是否为路侧设备误检的障碍物,可以进一步结合车辆数据,并根据匹配结果和车辆数据共同确定该第一障碍物是否为路侧设备误检的障碍物,即执行下述S203:
S203、根据匹配结果和车辆数据,确定第一障碍物的检测结果;其中,检测结果包括误检或者非误检。
可以看出,本公开实施例中,在确定路侧感知的障碍物是否为误检障碍物时,可以先分别获取路侧设备感知的检测道路中的第一障碍物数据、车辆感知的检测道路中的第二障碍物数据、及车辆数据;其中,第一障碍物数据、第二障碍物数据和车辆数据的采集时刻相同;并将第一障碍物数据对应的第一障碍物与第二障碍物数据对应的第二障碍物进行匹配;再根据匹配结果和车辆数据,确定第一障碍物的检测结果,实现了路侧设备感知的障碍物是否为误检障碍物的自动检测,从而有效地提高了障碍物的检测效率。
基于上述图2所示的实施例,在上述S202中,在将第一障碍物数据对应的第一障碍物与第二障碍物数据对应的第二障碍物进行匹配时,考虑到由于车辆感知的检测道路中的第二障碍物数据中不包括该车辆本身,为了准确地进行匹配,路侧感知的第一障碍物数据中也应不包括该车辆作为障碍物的障碍物数据,因此,在匹配之前,可以先确定路侧感知的第一障碍物数据中是否包括车辆作为障碍物的障碍物数据,若路侧感知的第一障碍物数据中不包括车辆作为障碍物的障碍物数据,则可以直接将第一障碍物数据对应的第一障碍物与第二障碍物数据对应的第二障碍物进行匹配,并直接根据匹配结果和车辆数据,确定第一障碍物的检测结果;其具体实现方法可参见下述实施例三的技术方案。
若路侧感知的第一障碍物数据中包括该车辆作为障碍物的障碍物数据,为了准确地检测路侧感知的障碍物是否为误检障碍物,以准确地检测路侧设备的感知能力,可以先从路侧感知的第一障碍物数据中剔除车辆作为障碍物的障碍物数据再进行匹配。下面,将通过下述图9所示的实施例二,对上述S202中如何将第一障碍物数据对应的第一障碍物与第二障碍物数据对应的第二障碍物进行匹配进行详细描述。
实施例二
图9是根据本公开第二实施例提供的一种将第一障碍物数据对应的第一障碍物与第二障碍物数据对应的第二障碍物进行匹配的方法的流程示意图,该方法同样可以由软件和/或硬件装置执行。示例的,请参见图9所示,该方法可以包括:
S901、从第一障碍物数据中剔除车辆作为障碍物的障碍物数据,得到第三障碍物数据。
从第一障碍物数据中剔除车辆作为障碍物的障碍物数据时,可以先将车辆与第一障碍物数据对应的第一障碍物进行匹配,从第一障碍物数据对应的第一障碍物中,确定与车辆匹配的第一障碍物,确定出的与车辆匹配的第一障碍物为路侧感知的车辆;再从第一障碍物数据中剔除该与车辆匹配的第一障碍物的障碍物数据,这样就可以得到不包括车辆的第三障碍物数据。
在将车辆分别与第一障碍物进行匹配时,可以先根据车辆数据,确定车辆对应的第一矩形区域;并确定第一障碍物对应的第二矩形区域;再计算第一矩形区域和第二矩形区域的重叠面积,可记为第一重叠面积;并根据第一重叠面积,从第一障碍物中确定与车辆匹配的第一障碍物;该与车辆匹配的第一障碍物即为车辆,再从第一障碍物数据中剔除与车辆匹配的第一障碍物的障碍物数据,即从第一障碍物数据中剔除车辆作为障碍物的障碍物数据,得到第三障碍物数据。
示例的,根据车辆数据确定车辆对应的第一矩形区域时,可以将车辆数据中包括的车辆位置确定为矩形区域的中心点,根据车辆数据中包括的车辆尺寸确定矩形区域的大小,从而确定出车辆对应的第一矩形区域。
示例的,在确定第一障碍物对应的第二矩形区域时,同样可以将第一障碍物数据中包括的障碍物位置确定为矩形区域的中心点,根据第一障碍物数据中包括的障碍物尺寸确定矩形区域的大小,从而确定出第一障碍物对应的第二矩形区域。
示例的,根据第一重叠面积,从第一障碍物中确定与车辆匹配的第一障碍物,并从第一障碍物数据中剔除与车辆匹配的第一障碍物的障碍物数据时,可以先根据第一重叠面积,确定最大第一重叠面积对应的第一障碍物;并将最大第一重叠面积对应的第一障碍物,确定为与车辆匹配的第一障碍物;再从第一障碍物数据中,剔除最大第一重叠面积对应的第一障碍物的障碍物数据,从而得到第三障碍物数据。
示例的,可参见上述图8所示的路侧感知的障碍物和车辆感知的障碍物的示意图,假设路侧感知的第一障碍物数据对应的障碍物包括障碍物1、障碍物2、障碍物3、障碍物4、障碍物5以及车辆;在从该6个障碍物中确定与车辆匹配的第一障碍物时,可参见图10所示,图10是本公开实施例提供的一种将车辆与第一障碍物进行匹配的示意图,可以将车辆分别与6个障碍物中每一个第一障碍物进行匹配,在匹配时,可以分别计算车辆对应的第一矩形区域分别与6个障碍物中每一个第一障碍物对应的第二矩形区域的第一重叠面积;并将最大第一重叠面积对应的第一障碍物确定为与车辆匹配的第一障碍物,从路侧感知的第一障碍物数据中剔除与车辆匹配的第一障碍物的障碍物数据,即从路侧感知的第一障碍物数据中剔除车辆作为障碍物的障碍物数据,从而得到第三障碍物数据,该第三障碍物数据对应的障碍物包括障碍物1、障碍物2、障碍物3、障碍物4、障碍物5。
在从第一障碍物数据中剔除车辆作为障碍物的障碍物数据后,就可以将第三障碍物数据对应的第三障碍物与第二障碍物数据对应的第二障碍物进行匹配,即执行下述S902:
S902、将第三障碍物数据对应的第三障碍物与第二障碍物数据对应的第二障碍物进行匹配,得到匹配结果。
示例的,将第三障碍物数据对应的第三障碍物与第二障碍物数据对应的第二障碍物进行匹配时,可以先确定第三障碍物对应的矩形区域,与第二障碍物对应的矩形区域的第二重叠面积;并从第二障碍物中,确定最大第二重叠面积对应的第五障碍物;并进一步判断最大第二重叠区域与预设阈值的大小关系;若最大第二重叠面积小于或等于预设阈值,则确定第三障碍物与第五障碍物不匹配;若最大第二重叠面积大于预设阈值,则确定第三障碍物与第五障碍物匹配。其中,预设阈值的取值可以根据实际需要进行设置。
示例的,将第三障碍物数据对应的第三障碍物与第二障碍物数据对应的第二障碍物进行匹配时,结合上述S201中的描述,还可以考虑车辆感知视线的局限性,车辆无法感知其感知盲区内的障碍物数据,因此,还可以在筛选车辆感知能力对应的检测范围内的障碍物数据时另外进行一些区域限定;例如图11所示,图11是本公开实施例提供的一种路口划分示意图,可以将检测道路的路口划分成9个区域,并对9个区域依次编号为:区域1、区域2、区域3、区域4、区域5、区域6、区域7、区域8以及区域9。由于检测道路中可能存在中间绿化带、隔离带,路口朝向等因素的影响,因此,可以仅筛选9个区域和车辆所在的车道线方向内的障碍物数据,并将该9个区域和车辆所在的车道线方向内的第三障碍物数据对应的第三障碍物与第二障碍物数据对应的第二障碍物进行匹配,这样可以提高障碍物匹配的准确度。
结合上述图8所示的路侧感知的障碍物和车辆感知的障碍物的示意图,在将路侧感知的第三障碍物数据对应的第三障碍物,包括右图中的障碍物1、障碍物2、障碍物3、障碍物4以及障碍物5,分别与第二障碍物数据对应的障碍物,包括左图中的障碍物1和障碍物2时,示例的,可参见图12所示,图12是本公开实施例提供的一种将第三障碍物与第二障碍物进行匹配的示意图,可以先将左图中的障碍物1分别与右图中的障碍物1、障碍物2、障碍物3、障碍物4以及障碍物5进行匹配,可以先分别确定左图中的障碍物1分别与右图中的障碍物1、障碍物2、障碍物3、障碍物4以及障碍物5中各障碍物的第二重叠面积,经计算可以得出左图中的障碍物1与右图中的障碍物1的第二重叠面积最大,且最大第二重叠面积大于预设阈值,则确定左图中的障碍物1与右图中的障碍物1匹配。
再将左图中的障碍物2分别与右图中的障碍物1、障碍物2、障碍物3、障碍物4以及障碍物5进行匹配,可以先分别确定左图中的障碍物2分别与右图中的障碍物1、障碍物2、障碍物3、障碍物4以及障碍物5中各障碍物的第二重叠面积,经计算可以得出左图中的障碍物2与右图中的障碍物2的第二重叠面积最大,且最大第二重叠面积大于预设阈值,则确定左图中的障碍物2与右图中的障碍物2匹配。
经过匹配之后,可以确定出路侧感知的第三障碍物数据对应的障碍物1、障碍物2、障碍物3、障碍物4以及障碍物5中,障碍物1和障碍物2为与第二障碍物匹配成功的障碍物;障碍物3、障碍物4以及障碍物5为与第二障碍物匹配失败的障碍物,从而得到匹配结果。
基于上述得到的匹配结果,路侧感知的障碍物1和障碍物2匹配成功,说明该障碍物1和障碍物2为路侧设备准确感知的障碍物;障碍物3、障碍物4以及障碍物5匹配失败,说明该障碍物1和障碍物2为路侧设备未准确感知的障碍物,至于该未准确感知的障碍物是否为误检障碍物,还需要结合车辆数据做进一步地确定,即根据匹配结合和车辆数据,确定第一障碍物的检测结果。
可以看出,本公开实施例中,在将第一障碍物数据对应的第一障碍物与第二障碍物数据对应的第二障碍物进行匹配时,考虑到车辆感知的检测道路中的第二障碍物数据中不包括该车辆本身,而路侧感知的第一障碍物数据中包括该车辆作为障碍物的障碍物数据,因此,可以先从第一障碍物数据中剔除车辆作为障碍物的障碍物数据;再将得到的第三障碍物数据对应的第三障碍物与第二障碍物数据对应的第二障碍物进行匹配;这样可以基于匹配结果准确地检测路侧感知的障碍物是否为误检障碍物,从而提高了误检障碍物检测结果的准确度。
基于上述实施例,在将第三障碍物数据对应的第三障碍物与第二障碍物数据对应的第二障碍物进行匹配,得到匹配结果后,就可以根据匹配结合和车辆数据,确定第一障碍物的检测结果。下面,将通过下述图13所示的实施例三进行详细描述。
实施例三
图13是根据本公开第三实施例提供的一种根据匹配结合和车辆数据,确定第一障碍物的检测结果的方法的流程示意图,该方法同样可以由软件和/或硬件装置执行。示例的,请参见图13所示,该方法可以包括:
S1301、若匹配结果指示第三障碍物中,存在与第二障碍物匹配失败的第四障碍物,则根据车辆数据,确定第四障碍物与车辆之间的位置关系。
结合上述图8所示的路侧感知的障碍物和车辆感知的障碍物的示意图,将第三障碍物数据对应的第三障碍物,分别与第二障碍物数据对应的第二障碍物进行匹配后,可以确定出,第三障碍物数据对应的第三障碍物中,障碍物3、障碍物4以及障碍物5为与第二障碍物匹配失败的第四障碍物。
与第二障碍物匹配失败的障碍物3、障碍物4以及障碍物5,不一定都是路侧感知错误,导致误检的障碍物;也有可能是因为车辆感知时,其感知视线被某些障碍物遮挡,导致车辆未感知到与第二障碍物匹配失败的障碍物3、障碍物4以及障碍物5,因此,针对障碍物3、障碍物4以及障碍物5中的每一个第四障碍物,还需要进一步确定第四障碍物与车辆之间的位置关系。
示例的,在确定第四障碍物与车辆之间的位置关系时,假设路侧感知的第三障碍物数据对应的障碍物包括障碍物6、障碍物7、障碍物8、以及车辆,则分别确定车辆与障碍物6、障碍物7以及障碍物8的位置关系时,示例的,可参见图14所示,图14是本公开实施例提供的一种障碍物与车辆的位置关系的示意图,可以根据障碍物6的障碍物数据中包括的障碍物6的位置和障碍物6的尺寸计算该障碍物6对应的坐标,该障碍物6对应的坐标可记为(x1,y1),(x2,y2);根据车辆数据中包括的车辆的位置和车辆的尺寸计算该车辆对应的坐标,该车辆对应的坐标可记为(x3,y3),(x4,y4);可以看出,坐标(x1,y1),(x2,y2),(x3,y3),以及(x4,y4)围成一个矩形区域。结合图14可以看出,障碍物6被障碍物7遮挡,与车辆的位置关系为:障碍物6处于车辆的感知范围内的感知盲区;障碍物7与车辆的位置关系为:障碍物7未处于车辆的感知范围内的感知盲区;障碍物8与车辆的位置关系为:障碍物8未处于车辆的感知范围内的感知盲区,从而确定出车辆与障碍物6、障碍物7以及障碍物8的位置关系。
基于图14的位置关系确定方法,可以得到上述图8所示的障碍物3与车辆的位置关系为:障碍物3处于车辆的感知范围内的感知盲区;障碍物4与车辆的位置关系为:障碍物4处于车辆的感知范围内的感知盲区;障碍物5与车辆的位置关系为:障碍物5未处于车辆的感知范围内的感知盲区。
在根据车辆数据,确定第四障碍物与车辆之间的位置关系后,就可以根据位置关系,确定第四障碍物的检测结果,即执行下述S1302:
S1302、根据位置关系,确定第四障碍物的检测结果。
示例的,根据位置关系,确定第四障碍物的检测结果时,可以先根据位置关系,确定第四障碍物是否处于车辆的感知范围内的感知盲区;若第四障碍物未处于感知盲区,则确定检测结果为误检,即第四障碍物为误检障碍物;若第四障碍物处于感知盲区,则确定检测结果为非误检,即第四障碍物为非误检障碍物。
结合上述S1301中的描述,障碍物3和障碍物4处于车辆的感知范围内的感知盲区,导致车辆感知的第二障碍物数据中并未包括障碍物3和障碍物4的障碍物数据,因此,该障碍物3和障碍物4为路侧感知的未非误检障碍物;而障碍物5未处于车辆的感知范围内的感知盲区,假设存在障碍物5,车辆感知的第二障碍物数据中一定会包括该障碍物5的障碍物数据,而车辆感知的第二障碍物数据中却未包括障碍物5的障碍物数据,因此,该障碍物5为路侧感知的误检障碍物。
可以看出,本公开实施例中,在根据匹配结合和车辆数据,确定第一障碍物的检测结果时,若匹配结果指示第三障碍物中,存在与第二障碍物匹配失败的第四障碍物,则根据车辆数据,确定第四障碍物与车辆之间的位置关系;再根据位置关系,确定第四障碍物的检测结果,这样可以基于位置关系准确地检测路侧感知的障碍物是否为误检障碍物,从而提高了误检障碍物检测结果的准确度。
实施例三
图15是根据本公开第三实施例提供的障碍物的检测装置150的结构示意图,示例的,请参见图15所示,该障碍物的检测装置150可以包括:
获取单元1501,用于获取路侧设备感知的检测道路中的第一障碍物数据、车辆感知的检测道路中的第二障碍物数据、及车辆数据;其中,第一障碍物数据、第二障碍物数据和车辆数据的采集时刻相同。
匹配单元1502,用于将第一障碍物数据对应的第一障碍物与第二障碍物数据对应的第二障碍物进行匹配,得到匹配结果。
处理单元1503,用于根据匹配结果和车辆数据,确定第一障碍物的检测结果;其中,检测结果包括误检或者非误检。
可选的,匹配单元1502包括第一匹配模块和第二匹配模块。
第一匹配模块,用于从第一障碍物数据中剔除车辆作为障碍物的障碍物数据,得到第三障碍物数据。
第二匹配模块,用于将第三障碍物数据对应的第三障碍物与第二障碍物数据对应的第二障碍物进行匹配,得到匹配结果。
可选的,第一匹配模块包括第一匹配子模块和第二匹配子模块。
第一匹配子模块,用于根据车辆数据,确定车辆对应的第一矩形区域;并确定第一障碍物对应的第二矩形区域。
第二匹配子模块,用于根据第一矩形区域和第二矩形区域的第一重叠面积,从第一障碍物数据中剔除车辆作为障碍物的障碍物数据。
可选的,第二匹配子模块,具体用于从第一障碍物数据中,剔除最大第一重叠面积对应的第一障碍物的障碍物数据。
可选的,处理单元1503包括第一处理模块和第二处理模块。
第一处理模块,用于若匹配结果指示第三障碍物中,存在与第二障碍物匹配失败的第四障碍物,则根据车辆数据,确定第四障碍物与车辆之间的位置关系。
第二处理模块,用于根据位置关系,确定第四障碍物的检测结果。
可选的,第二处理模块包括第一处理子模块、第二处理子模块以及第三处理子模块。
第一处理子模块,用于根据位置关系,确定第四障碍物是否处于车辆的感知范围内的感知盲区。
第二处理子模块,用于若第四障碍物未处于感知盲区,则确定检测结果为误检。
第三处理子模块,用于若第四障碍物处于感知盲区,则确定检测结果为非误检。
可选的,第二匹配模块包括第三匹配子模块、第四匹配子模块以及第五匹配子模块。
第三匹配子模块,用于确定第三障碍物对应的矩形区域,与第二障碍物对应的矩形区域的第二重叠面积;并从第二障碍物中,确定最大第二重叠面积对应的第五障碍物。
第四匹配子模块,用于若最大第二重叠面积小于或等于预设阈值,则确定第三障碍物与第五障碍物不匹配。
第五匹配子模块,用于若最大第二重叠面积大于预设阈值,则确定第三障碍物与第五障碍物匹配。
本公开实施例提供的障碍物的检测装置150,可以执行上述任一实施例所示的障碍物的检测方法的技术方案,其实现原理以及有益效果与障碍物的检测方法的实现原理及有益效果类似,可参见障碍物的检测方法的实现原理及有益效果,此处不再进行赘述。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例,本公开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,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
图16是本公开实施例提供的一种电子设备160的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图16所示,设备160包括计算单元1601,其可以根据存储在只读存储器(ROM)1602中的计算机程序或者从存储单元1608加载到随机访问存储器(RAM)1603中的计算机程序,来执行各种适当的动作和处理。在RAM1603中,还可存储设备160操作所需的各种程序和数据。计算单元1601、ROM1602以及RAM 1603通过总线1604彼此相连。输入/输出(I/O)接口1605也连接至总线1604。
设备160中的多个部件连接至I/O接口1605,包括:输入单元1606,例如键盘、鼠标等;输出单元1607,例如各种类型的显示器、扬声器等;存储单元1608,例如磁盘、光盘等;以及通信单元1609,例如网卡、调制解调器、无线通信收发机等。通信单元1609允许设备160通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1601执行上文所描述的各个方法和处理,例如障碍物的检测方法。例如,在一些实施例中,障碍物的检测方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1602和/或通信单元1609而被载入和/或安装到设备160上。当计算机程序加载到RAM 1603并由计算单元1601执行时,可以执行上文描述的障碍物的检测方法的一个或多个步骤。备选地,在其他实施例中,计算单元1601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行障碍物的检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (17)
1.一种障碍物的检测方法,包括:
获取路侧设备感知的检测道路中的第一障碍物数据、车辆感知的所述检测道路中的第二障碍物数据、及车辆数据;其中,所述第一障碍物数据、所述第二障碍物数据和所述车辆数据的采集时刻相同;
将所述第一障碍物数据对应的第一障碍物与所述第二障碍物数据对应的第二障碍物进行匹配,得到匹配结果;
根据所述匹配结果和所述车辆数据,确定所述第一障碍物的检测结果;其中,所述检测结果包括误检或者非误检。
2.根据权利要求1所述的方法,其中,所述将所述第一障碍物数据对应的第一障碍物与所述第二障碍物数据对应的第二障碍物进行匹配,得到匹配结果,包括:
从所述第一障碍物数据中剔除所述车辆作为障碍物的障碍物数据,得到第三障碍物数据;
将所述第三障碍物数据对应的第三障碍物与所述第二障碍物数据对应的第二障碍物进行匹配,得到所述匹配结果。
3.根据权利要求2所述的方法,其中,所述从所述第一障碍物数据中剔除所述车辆作为障碍物的障碍物数据,包括:
根据所述车辆数据,确定所述车辆对应的第一矩形区域;并确定所述第一障碍物对应的第二矩形区域;
根据所述第一矩形区域和所述第二矩形区域的第一重叠面积,从所述第一障碍物数据中剔除所述车辆作为障碍物的障碍物数据。
4.根据权利要求3所述的方法,其中,所述根据所述第一矩形区域和所述第二矩形区域的第一重叠面积,从所述第一障碍物数据中剔除所述车辆作为障碍物的障碍物数据,包括:
从所述第一障碍物数据中,剔除所述最大第一重叠面积对应的第一障碍物的障碍物数据。
5.根据权利要求2-4任一项所述的方法,其中,所述根据所述匹配结果和所述车辆数据,确定所述第一障碍物的检测结果,包括:
若所述匹配结果指示所述第三障碍物中,存在与所述第二障碍物匹配失败的第四障碍物,则根据所述车辆数据,确定所述第四障碍物与所述车辆之间的位置关系;
根据所述位置关系,确定所述第四障碍物的检测结果。
6.根据权利要求5所述的方法,其中,所述根据所述位置关系,确定所述第四障碍物的检测结果,包括:
根据位置关系,确定所述第四障碍物是否处于所述车辆的感知范围内的感知盲区;
若所述第四障碍物未处于所述感知盲区,则确定所述检测结果为误检;
若所述第四障碍物处于所述感知盲区,则确定所述检测结果为非误检。
7.根据权利要求2-6任一项所述的方法,其中,所述将所述第三障碍物数据对应的第三障碍物与所述第二障碍物数据对应的第二障碍物进行匹配,得到所述匹配结果,包括:
确定所述第三障碍物对应的矩形区域,与所述第二障碍物对应的矩形区域的第二重叠面积;并从所述第二障碍物中,确定最大第二重叠面积对应的第五障碍物;
若所述最大第二重叠面积小于或等于预设阈值,则确定所述第三障碍物与所述第五障碍物不匹配;
若所述最大第二重叠面积大于所述预设阈值,则确定所述第三障碍物与所述第五障碍物匹配。
8.一种障碍物的检测装置,包括:
获取单元,用于获取路侧设备感知的检测道路中的第一障碍物数据、车辆感知的所述检测道路中的第二障碍物数据、及车辆数据;其中,所述第一障碍物数据、所述第二障碍物数据和所述车辆数据的采集时刻相同;
匹配单元,用于将所述第一障碍物数据对应的第一障碍物与所述第二障碍物数据对应的第二障碍物进行匹配,得到匹配结果;
处理单元,用于根据所述匹配结果和所述车辆数据,确定所述第一障碍物的检测结果;其中,所述检测结果包括误检或者非误检。
9.根据权利要求8所述的装置,其中,所述匹配单元包括第一匹配模块和第二匹配模块;
所述第一匹配模块,用于从所述第一障碍物数据中剔除所述车辆作为障碍物的障碍物数据,得到第三障碍物数据;
所述第二匹配模块,用于将所述第三障碍物数据对应的第三障碍物与所述第二障碍物数据对应的第二障碍物进行匹配,得到所述匹配结果。
10.根据权利要求9所述的装置,其中,所述第一匹配模块包括第一匹配子模块和第二匹配子模块;
所述第一匹配子模块,用于根据所述车辆数据,确定所述车辆对应的第一矩形区域;并确定所述第一障碍物对应的第二矩形区域;
所述第二匹配子模块,用于根据所述第一矩形区域和所述第二矩形区域的第一重叠面积,从所述第一障碍物数据中剔除所述车辆作为障碍物的障碍物数据。
11.根据权利要求10所述的装置,
所述第二匹配子模块,具体用于从所述第一障碍物数据中,剔除所述最大第一重叠面积对应的第一障碍物的障碍物数据。
12.根据权利要求9-11任一项所述的装置,其中,所述处理单元包括第一处理模块和第二处理模块;
所述第一处理模块,用于若所述匹配结果指示所述第三障碍物中,存在与所述第二障碍物匹配失败的第四障碍物,则根据所述车辆数据,确定所述第四障碍物与所述车辆之间的位置关系;
所述第二处理模块,用于根据所述位置关系,确定所述第四障碍物的检测结果。
13.根据权利要求12所述的装置,其中,所述第二处理模块包括第一处理子模块、第二处理子模块以及第三处理子模块;
所述第一处理子模块,用于根据位置关系,确定所述第四障碍物是否处于所述车辆的感知范围内的感知盲区;
所述第二处理子模块,用于若所述第四障碍物未处于所述感知盲区,则确定所述检测结果为误检;
所述第三处理子模块,用于若所述第四障碍物处于所述感知盲区,则确定所述检测结果为非误检。
14.根据权利要求9-13任一项所述的装置,其中,所述第二匹配模块包括第三匹配子模块、第四匹配子模块以及第五匹配子模块;
所述第三匹配子模块,用于确定所述第三障碍物对应的矩形区域,与所述第二障碍物对应的矩形区域的第二重叠面积;并从所述第二障碍物中,确定最大第二重叠面积对应的第五障碍物;
所述第四匹配子模块,用于若所述最大第二重叠面积小于或等于预设阈值,则确定所述第三障碍物与所述第五障碍物不匹配;
所述第五匹配子模块,用于若所述最大第二重叠面积大于所述预设阈值,则确定所述第三障碍物与所述第五障碍物匹配。
15.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的障碍物的检测方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的障碍物的检测方法。
17.一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现权利要求1-7中任一项所述的障碍物的检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111633794.1A CN114332818B (zh) | 2021-12-28 | 2021-12-28 | 障碍物的检测方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111633794.1A CN114332818B (zh) | 2021-12-28 | 2021-12-28 | 障碍物的检测方法、装置和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114332818A true CN114332818A (zh) | 2022-04-12 |
| CN114332818B CN114332818B (zh) | 2024-04-09 |
Family
ID=81016759
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111633794.1A Active CN114332818B (zh) | 2021-12-28 | 2021-12-28 | 障碍物的检测方法、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114332818B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115107793A (zh) * | 2022-07-07 | 2022-09-27 | 阿波罗智能技术(北京)有限公司 | 自动驾驶车辆的行进规划方法、装置、设备以及存储介质 |
| WO2024045178A1 (zh) * | 2022-09-02 | 2024-03-07 | 华为技术有限公司 | 感知方法、装置和系统 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002269694A (ja) * | 2001-03-08 | 2002-09-20 | Natl Inst For Land & Infrastructure Management Mlit | 障害物検出データの補正を行う路側処理装置 |
| US20160274239A1 (en) * | 2015-03-16 | 2016-09-22 | Here Global B.V. | Vehicle Obstruction Detection |
| CN106463059A (zh) * | 2014-06-06 | 2017-02-22 | 日立汽车系统株式会社 | 障碍物信息管理装置 |
| CN109801508A (zh) * | 2019-02-26 | 2019-05-24 | 百度在线网络技术(北京)有限公司 | 路口处障碍物的运动轨迹预测方法及装置 |
| US20190202476A1 (en) * | 2017-12-28 | 2019-07-04 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method, apparatus and device for obstacle in lane warning |
| CN110386065A (zh) * | 2018-04-20 | 2019-10-29 | 比亚迪股份有限公司 | 车辆盲区的监控方法、装置、计算机设备及存储介质 |
| CN110687549A (zh) * | 2019-10-25 | 2020-01-14 | 北京百度网讯科技有限公司 | 障碍物检测方法和装置 |
| CN111208839A (zh) * | 2020-04-24 | 2020-05-29 | 清华大学 | 一种实时感知信息与自动驾驶地图的融合方法及系统 |
| CN111551938A (zh) * | 2020-04-26 | 2020-08-18 | 北京踏歌智行科技有限公司 | 一种基于矿区环境的无人驾驶技术感知融合方法 |
| CN111768642A (zh) * | 2019-04-02 | 2020-10-13 | 上海图森未来人工智能科技有限公司 | 车辆的道路环境感知和车辆控制方法、系统、设备及车辆 |
| CN112199991A (zh) * | 2020-08-27 | 2021-01-08 | 广州中国科学院软件应用技术研究所 | 一种应用于车路协同路侧感知的仿真点云滤波方法和系统 |
| CN112712719A (zh) * | 2020-12-25 | 2021-04-27 | 北京百度网讯科技有限公司 | 车辆控制方法、车路协同系统、路侧设备和自动驾驶车辆 |
| CN112764013A (zh) * | 2020-12-25 | 2021-05-07 | 北京百度网讯科技有限公司 | 自动驾驶车辆感知系统测试方法、装置、设备及存储介质 |
| CN113378947A (zh) * | 2021-06-21 | 2021-09-10 | 北京踏歌智行科技有限公司 | 一种面向露天矿区无人运输的车路云融合感知系统及方法 |
| CN113468941A (zh) * | 2021-03-11 | 2021-10-01 | 长沙智能驾驶研究院有限公司 | 障碍物检测方法、装置、设备及计算机存储介质 |
-
2021
- 2021-12-28 CN CN202111633794.1A patent/CN114332818B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002269694A (ja) * | 2001-03-08 | 2002-09-20 | Natl Inst For Land & Infrastructure Management Mlit | 障害物検出データの補正を行う路側処理装置 |
| CN106463059A (zh) * | 2014-06-06 | 2017-02-22 | 日立汽车系统株式会社 | 障碍物信息管理装置 |
| US20160274239A1 (en) * | 2015-03-16 | 2016-09-22 | Here Global B.V. | Vehicle Obstruction Detection |
| US20190202476A1 (en) * | 2017-12-28 | 2019-07-04 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method, apparatus and device for obstacle in lane warning |
| CN110386065A (zh) * | 2018-04-20 | 2019-10-29 | 比亚迪股份有限公司 | 车辆盲区的监控方法、装置、计算机设备及存储介质 |
| CN109801508A (zh) * | 2019-02-26 | 2019-05-24 | 百度在线网络技术(北京)有限公司 | 路口处障碍物的运动轨迹预测方法及装置 |
| CN111768642A (zh) * | 2019-04-02 | 2020-10-13 | 上海图森未来人工智能科技有限公司 | 车辆的道路环境感知和车辆控制方法、系统、设备及车辆 |
| CN110687549A (zh) * | 2019-10-25 | 2020-01-14 | 北京百度网讯科技有限公司 | 障碍物检测方法和装置 |
| CN111208839A (zh) * | 2020-04-24 | 2020-05-29 | 清华大学 | 一种实时感知信息与自动驾驶地图的融合方法及系统 |
| CN111551938A (zh) * | 2020-04-26 | 2020-08-18 | 北京踏歌智行科技有限公司 | 一种基于矿区环境的无人驾驶技术感知融合方法 |
| CN112199991A (zh) * | 2020-08-27 | 2021-01-08 | 广州中国科学院软件应用技术研究所 | 一种应用于车路协同路侧感知的仿真点云滤波方法和系统 |
| CN112712719A (zh) * | 2020-12-25 | 2021-04-27 | 北京百度网讯科技有限公司 | 车辆控制方法、车路协同系统、路侧设备和自动驾驶车辆 |
| CN112764013A (zh) * | 2020-12-25 | 2021-05-07 | 北京百度网讯科技有限公司 | 自动驾驶车辆感知系统测试方法、装置、设备及存储介质 |
| CN113468941A (zh) * | 2021-03-11 | 2021-10-01 | 长沙智能驾驶研究院有限公司 | 障碍物检测方法、装置、设备及计算机存储介质 |
| CN113378947A (zh) * | 2021-06-21 | 2021-09-10 | 北京踏歌智行科技有限公司 | 一种面向露天矿区无人运输的车路云融合感知系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| MARKUS HIESMAIR ET.AL: "Empowering Road Vehicles to Learn Parking Situations Based on Optical Sensor Measurements", 《 IOT\'17: PROCEEDINGS OF THE SEVENTH INTERNATIONAL CONFERENCE ON THE INTERNET OF THINGS》, pages 199 - 200 * |
| 姜灏;: "一种自动驾驶车的环境感知系统", 电子制作, no. 15, pages 72 - 75 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115107793A (zh) * | 2022-07-07 | 2022-09-27 | 阿波罗智能技术(北京)有限公司 | 自动驾驶车辆的行进规划方法、装置、设备以及存储介质 |
| WO2024045178A1 (zh) * | 2022-09-02 | 2024-03-07 | 华为技术有限公司 | 感知方法、装置和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114332818B (zh) | 2024-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113129625B (zh) | 车辆控制方法、装置、电子设备和车辆 | |
| CN112764013B (zh) | 自动驾驶车辆感知系统测试方法、装置、设备及存储介质 | |
| CN113762272B (zh) | 道路信息的确定方法、装置和电子设备 | |
| CN112560862B (zh) | 文本识别方法、装置及电子设备 | |
| CN110595459B (zh) | 车辆定位方法、装置、设备和介质 | |
| CN113743344B (zh) | 道路信息的确定方法、装置和电子设备 | |
| CN111640301B (zh) | 故障车辆检测方法及包括路侧单元的故障车辆检测系统 | |
| CN113887418A (zh) | 车辆违规行驶的检测方法、装置、电子设备及存储介质 | |
| CN115891868B (zh) | 自动驾驶车辆的故障检测方法、装置、电子设备和介质 | |
| EP4080479A2 (en) | Method for identifying traffic light, device, cloud control platform and vehicle-road coordination system | |
| CN114332818A (zh) | 障碍物的检测方法、装置和电子设备 | |
| CN114581890A (zh) | 确定车道线的方法、装置、电子设备和存储介质 | |
| CN113688730A (zh) | 障碍物测距方法、装置、电子设备、存储介质及程序产品 | |
| CN113538963A (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
| WO2023273344A1 (zh) | 车辆跨线识别方法、装置、电子设备和存储介质 | |
| CN113887391A (zh) | 用于识别路面标识的方法、装置以及自动驾驶车辆 | |
| CN114647637A (zh) | 车道中心线精度的确定方法、装置、设备以及存储介质 | |
| CN113592903A (zh) | 车辆轨迹识别方法、装置、电子设备和存储介质 | |
| CN116990768A (zh) | 预测航迹处理方法、装置、电子设备及可读介质 | |
| CN112801189B (zh) | 经纬度异常检测方法、装置、电子设备和存储介质 | |
| CN112581526B (zh) | 障碍物检测的测评方法、装置、设备以及存储介质 | |
| CN114049615A (zh) | 行驶环境中交通对象融合关联方法、装置及边缘计算设备 | |
| CN117854038A (zh) | 施工区域的获取方法、装置、电子设备与自动驾驶车辆 | |
| CN112507964B (zh) | 用于车道级事件的检测方法和装置、路侧设备和云控平台 | |
| CN116246244A (zh) | 停车场车辆标注方法及装置、电子设备和存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |