[go: up one dir, main page]

CN110008891A - 一种行人检测定位方法、装置、车载计算设备及存储介质 - Google Patents

一种行人检测定位方法、装置、车载计算设备及存储介质 Download PDF

Info

Publication number
CN110008891A
CN110008891A CN201910252786.9A CN201910252786A CN110008891A CN 110008891 A CN110008891 A CN 110008891A CN 201910252786 A CN201910252786 A CN 201910252786A CN 110008891 A CN110008891 A CN 110008891A
Authority
CN
China
Prior art keywords
region
localization
unmanned vehicle
identification
vehicle traveling
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
Application number
CN201910252786.9A
Other languages
English (en)
Other versions
CN110008891B (zh
Inventor
张文超
石添华
吴敏
陈宇建
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen Golden Dragon Bus Co Ltd
Original Assignee
Xiamen Golden Dragon Bus Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiamen Golden Dragon Bus Co Ltd filed Critical Xiamen Golden Dragon Bus Co Ltd
Priority to CN201910252786.9A priority Critical patent/CN110008891B/zh
Publication of CN110008891A publication Critical patent/CN110008891A/zh
Application granted granted Critical
Publication of CN110008891B publication Critical patent/CN110008891B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • 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
    • G01S13/867—Combination of radar systems with cameras
    • 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
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种行人检测定位方法、装置、车载计算设备及存储介质，涉及无人车驾驶领域。该方法包括：获取无人车行驶前方区域的雷达数据和图像数据；基于雷达数据，将无人车行驶前方区域划分为多个定位区域；基于图像数据，将无人车行驶前方区域划分为多个识别区域；其中，定位区域与识别区域具有对应关系；基于雷达数据，判断存在障碍物的定位区域；获取存在障碍物的定位区域对应的识别区域；根据获取的识别区域对应的图像数据，确定包含的障碍物为行人目标的识别区域，以实现行人检测定位。本发明通过定位区域与识别区域的对应关系，无需对无人车行驶前方区域进行全面识别，缩小了行人识别的范围，提高了行人检测定位效率。

Description

一种行人检测定位方法、装置、车载计算设备及存储介质
技术领域
本发明涉及无人车技术领域，具体而言，涉及一种行人检测定位方法、装置、车载计算设备及存储介质。
背景技术
随着社会经济和科技的不断进步，人们对无人驾驶产品需求越来越急迫，尤其是无人驾驶电动车在景区、园区等公共场所的应用，但是行人安全性是首要的，因此基于无人驾驶观光电动车的行人检测定位功能非常重要。
目前，专利CN109165542A公开了一种基于精简卷积神经网络的行人检测方法，专利CN109117717A公开了一种城市行人检测方法，但这两个方法都是仅仅采用图像识别的方法进行检测，并且没有对行人检测结果进行定位，不适合用于无人驾驶电动车的自主行人避障。
因此，开发一种既能行人检测，又能行人定位的方法是本发明所解决的问题。
发明内容
有鉴于此，本发明实施例的目的在于提供一种行人检测定位方法、装置、车载计算设备及存储介质，用以增加在景区、园区等公共场所环境中无人驾驶电动车的行人检测定位功能。
本发明较佳实施例提供了一种行人检测定位方法，包括：
获取无人车行驶前方区域的雷达数据和图像数据；
基于所述雷达数据，将所述无人车行驶前方区域划分为多个定位区域；
基于所述图像数据，将所述无人车行驶前方区域划分为多个识别区域；其中，所述定位区域与所述识别区域具有对应关系；
基于所述雷达数据，判断存在障碍物的定位区域；
获取存在障碍物的定位区域对应的识别区域；
根据获取的所述识别区域对应的图像数据，确定包含的所述障碍物为行人目标的识别区域，以实现行人检测定位。
优选地，获取无人车行驶前方区域的雷达数据和图像数据的步骤包括：
利用一线激光雷达传感器获取所述无人车行驶前方区域的雷达数据；其中，所述雷达数据包括所述雷达传感器采集的一组极坐标系坐标点，每个所述坐标点均由角度和与无人车的距离组成；
利用单目相机获取所述无人车行驶前方区域的图像数据。
优选地，所述定位区域与所述识别区域具有对应关系具体包括：
基于所述雷达数据和视野角度，将所述无人车行驶前方区域划分为对应于不同方位的至少一个定位区域；
基于所述图像数据和图像宽度，将所述无人车行驶前方区域划分为对应于不同方位的至少一个识别区域；
对具有相同方位的定位区域以及识别区域建立对应关系。
优选地，基于所述雷达数据，判断存在障碍物的定位区域的步骤包括：
基于所述雷达数据，对同一定位区域的任意两个坐标点pi(θi,di)和pj(θj,dj)进行聚类，获得所有的障碍物类；
确定所述障碍物类所在的定位区域。
优选地，基于所述雷达数据，对同一定位区域的任意两个坐标点pi(θi,di)和pj(θj,dj)进行聚类，获得所有的障碍物类的具体步骤包括：
判断同一定位区域的任意两个坐标点pi(θi,di)和pj(θj,dj)是否满足条件|θi-θj|≤3和|di-dj|≤0.05；
若能满足条件，则这两个所述坐标点能聚类，将这两个所述坐标点记为一个障碍物类；
若不能满足条件，则这两个所述坐标点不能聚类。
本发明的实施例还提供了一种行人检测定位装置，包括：
数据获取单元，用于获取无人车行驶前方区域的雷达数据和图像数据；
定位区域划分单元，用于基于所述雷达数据，将所述无人车行驶前方区域划分为多个定位区域；
识别区域划分单元，用于基于所述图像数据，将所述无人车行驶前方区域划分为多个识别区域；其中，所述定位区域与所述识别区域具有对应关系；
判断单元，用于基于所述雷达数据，判断存在障碍物的定位区域；
对应单元，用于获取存在障碍物的定位区域对应的识别区域；
定位单元，用于根据获取的所述识别区域对应的图像数据，确定包含的所述障碍物为行人目标的识别区域，以实现行人检测定位。
优选地，所述数据获取单元包括：
雷达数据获取模块，利用一线激光雷达传感器获取所述无人车行驶前方区域的雷达数据；其中，所述雷达数据包括所述雷达传感器采集的一组极坐标系坐标点，每个所述坐标点均由角度和与无人车的距离组成；
图像数据获取模块，利用单目相机获取所述无人车行驶前方区域的图像数据。
优选地，所述障碍物判断单元包括：
聚类模块，用于基于所述雷达数据，对同一定位区域的任意两个坐标点pi(θi,di)和pj(θj,dj)进行聚类，获得所有的障碍物类；
区域确定模块，用于确定所述障碍物类所在的定位区域。
本发明实施例还提供了一种车载计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的行人检测定位方法。
本发明的实施例还提供了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上述行人检测定位方法的步骤。
本发明提供的提供的一种行人检测定位方法、装置、车载计算设备及存储介质，通过获取到无人车行驶前方区域的雷达数据和图像数据，并基于雷达数据对进行定位区域的划分，基于图像数据进行识别区域的划分，使得定位区域与识别区域具有对应关系。因此，当雷达传感器在某个定位区域检测到障碍物时，车载计算设备只需根据定位区域与识别区域的对应关系，找到与存在障碍物的定位区域相对应的识别区域，再通过图像分析技术对该识别区域的图像数据进行分析，确认该识别区域的障碍物是否为行人，若该障碍物为行人，则进行行人定位。本发明提供的行人检测定位方法可缩小行人识别的范围，不必对无人车行驶前方区域全部区域进行识别，提高了行人检测定位效率。本实施例提供的行人检测定位方法可应用于景区、园区等公共场所环境中无人驾驶电动车中，并可很好地解决在景区、园区等公共场所环境中无人驾驶电动车的实时行人检测定位的问题，确保行人的安全，具有较高的实时性，满足实际应用需求。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明提供的行人检测定位方法的第一实施例的流程示意图；
图2是本发明提供的行人检测定位方法装置的第二实施例的结构示意图。
图标：201-数据获取单元；202-定位区域划分单元；203-识别区域划分单元；204-判断单元；205-对应单元；206-定位单元。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参考图1，本发明的第一实施例提供了一种行人检测定位方法，其可由车载计算设备来执行，例如，配置在无人车上的车载计算机，其具有控制无人车和计算能力，具体包括至少以下步骤：
S101，获取无人车行驶前方区域的雷达数据和图像数据。
在无人车的行驶过程中，根据无人车配置的传感器采集无人车行驶前方区域的数据，例如利用相机或激光雷达等采集雷达数据和图像数据，雷达数据用于确认无人车行驶前方区域障碍物的存在，图像数据则用于确认该障碍物是否为行人，将两种数据进行结合，更利于精准、有效地检测出无人车行驶前方区域的行人信息。需要说明的是，本实施例中所述的无人车行驶前方区域指的是位于所述无人车车头前方传感器所能检测到的所有区域。
在本实施例中，在本发明的一较佳实施例中，获取无人车行驶前方区域的雷达数据和图像数据的步骤包括：
利用一线激光雷达传感器获取所述无人车行驶前方区域的雷达数据；其中，所述雷达数据包括所述雷达传感器采集的一组极坐标系坐标点，每个所述坐标点均由角度和与无人车的距离组成；
利用单目相机获取所述无人车行驶前方区域的图像数据。
具体地，在本实施例中，所述一线激光雷达传感器与单目相机具有一定的安装要求，确保数据采集的精准度。所述一线激光雷达传感器水平安装在无人车的车身前部中间处，要求雷达传感器不被其他物体遮挡，安装高度在0.4～0.6m内。所述单目相机也水平安装在无人车的车身前部中间处，要求所述单目相机的镜头冲向前下方，并不被其他物体遮挡，安装高度在1.5～2m内。最后确保按照好后的所述一线激光雷达传感器和所述单目相机的视野中轴线对齐，便于后续步骤定位区域和识别区域的划分及对应，减小误差。
在本实施例中，所述一线激光雷达传感器采集的雷达数据是一组极坐标系坐标点，可用P{p1,p2,p3,...,pk,...,pn}表示，每个所述坐标点均由角度和与无人车的距离组成，则第k个坐标点可表示为pk(θk,dk)，其中角度θk的单位为度，距离dk的单位为米。所述单目相机采集的图像数据，大小为h×w，h代表图像的高，w代表图像的宽，单位为像素。
S102，基于所述雷达数据，将所述无人车行驶前方区域划分为多个定位区域。
S103，基于所述图像数据，将所述无人车行驶前方区域划分为多个识别区域；其中，所述定位区域与所述识别区域具有对应关系。
S104，基于所述雷达数据，判断存在障碍物的定位区域；
S105，获取存在障碍物的定位区域对应的识别区域；
S106，根据获取的所述识别区域对应的图像数据，确定包含的所述障碍物为行人目标的识别区域，以实现行人检测定位。
具体地，在本实施例中，先基于所述雷达数据对无人车行驶前方区域进行定位区域的划分，再基于所述图像数据对无人车行驶前方区域进行识别区域的划分，定位区域与识别区域具有对应关系。因此，当雷达传感器在某个定位区域检测到障碍物时，车载计算设备只需根据定位区域与识别区域的对应关系，找到与该存在障碍物的定位区域相对应的识别区域，再通过图像分析技术对该识别区域的图像数据进行分析，确认该识别区域的障碍物是否为行人，若该障碍物为行人，则进行行人定位。上述的行人检测定位方法缩小行人识别的范围，不必对无人车行驶前方区域全部区域进行行人识别，提高了行人检测定位效率。
本实施例提供的行人检测定位方法可应用于景区、园区等公共场所环境中无人驾驶电动车中，并可很好地解决在景区、园区等公共场所环境中无人驾驶电动车的实时行人检测定位的问题，确保行人的安全，具有较高的实时性，满足实际应用需求。需要说明的是，在本发明中，为了保障行人和车辆的安全，在景区、园区等公共场所环境要求，应用本发明行人检测定位方法的无人车行驶速度低于50千米/小时。
需要说明的是，定位区域与识别区域的对应关系，可以是一个定位区域对应一个识别区域，也可以是一个定位区域对应多个识别区域，还可以是多个定位区域对应一个识别区域，这里不做限定，可根据实际需求进行对应关系的设定。
优选地，在上述实施例的基础上，在本发明的一优选实施例中，所述定位区域与所述识别区域具有对应关系具体包括：
基于所述雷达数据和视野角度，将所述无人车行驶前方区域划分为对应于不同方位的至少一个定位区域；
基于所述图像数据和图像宽度，将所述无人车行驶前方区域划分为对应于不同方位的至少一个识别区域；
对具有相同方位的定位区域以及识别区域建立对应关系。
具体地，在本实施例中，将无人车行驶前方区域按照不同方位进行定位区域与识别区域的划分，使得同一方位上的定位区域与识别区域一一对应，增强了区域对应的准确性。例如，在本发明一较佳实时例中，基于雷达数据将所述无人车行驶前方区域划分成三个定位区域，每个定位区域的视野角度范围是60°，分别为左定位区域、中定位区域和右定位区域。基于雷达数据将所述无人车行驶前方区域划分成三个识别区域，每个识别区域按照图像的宽度将其平均分成左识别区域、中识别区域和右识别区域。其中，左定位区域对应左识别区域，中定位区域对应中识别区域，右定位区域对应右识别区域。这样分区的是基于单目相机所拍摄的图片的宽度就是相机的视野角度，与雷达的视野角度一致，因此，同一方位的定位区域与识别区域可更好的进行对应，减少对应关系的误差。且本实施例还根据上述的雷达传感器与单目相机安装的位置，进一步减小对应关系的误差，使的定位区域与识别区域对应关系更为精准，利于后续步骤的行人识别及定位。
优选地，在上述实施例的基础上，在本发明的一优选实施例中，基于所述雷达数据，判断存在障碍物的定位区域的步骤包括：
基于所述雷达数据，对同一定位区域的任意两个坐标点pi(θi,di)和pj(θj,dj)进行聚类，获得所有的障碍物类；
确定所述障碍物类所在的定位区域。
具体的，在本实施例中，车载计算设备通过聚类算法，将同一定位区域的任意两个坐标点进行聚类，若这两个坐标点能聚类，代表这两个点位置十分相近，可能是同一障碍物上扫描得出两个坐标点，因此就可将这两个坐标点记为一个障碍物类，最后将所有定位区域通过遍历计算即可得到所有的障碍物类，而后车载计算设备通过确定哪些定位区域存在障碍物类，再根据定位区域与识别区域的对应关系，就可找到该障碍物类所处的识别区域。其中，所述聚类算法可用现有技术，这里就不在进行赘述。本实施例通过两个坐标点确定一个障碍物类的方式，尽可能的最大范围检测出障碍物，避免漏检情况。
优选地，在上述实施例的基础上，在本发明的一优选实施例中，基于所述雷达数据，对同一定位区域的任意两个坐标点pi(θi,di)和pj(θj,dj)进行聚类，获得所有的障碍物类的具体步骤包括：
判断同一定位区域的任意两个坐标点pi(θi,di)和pj(θj,dj)是否满足条件|θi-θj|≤3和|di-dj|≤0.05；
若能满足条件，则这两个所述坐标点能聚类，将这两个所述坐标点记为一个障碍物类；
若不能满足条件，则这两个所述坐标点不能聚类。
在本实施例中，通过根据雷达数据判定两个坐标点之间的角度与位置关系进行聚类，无需经过过于复杂的算法计算，聚类过程更为快速、简洁。
优选地，在上述实施例的基础上，在本发明的一优选实施例中，根据获取的所述识别区域对应的图像数据，确定包含的所述障碍物为行人目标的识别区域，以实现行人检测定位的具体步骤包括：
获取所述识别区域的图像数据；
根据所述图像数据及图像分析技术，对所述障碍物进行图像检测；
当所述障碍物为行人的时，标记所述障碍物所在的识别区域为行人区域；
根据所述行人区域与所述无人车的相对位置，对所述行人进行定位。
具体地，在本实施例中，车载计算设备通过确定哪些定位区域存在障碍物类，再根据定位区域与识别区域的对应关系，就可找到该障碍物类所处的识别区域，并可获得该识别区域的图像数据。利用图像分析技术，例如基于HOG特征的经典图像处理方法，对该区域进行行人检测，判断该障碍物类是否为行人。而不存在障碍物类的定位区域就可不用进行行人检测，从而缩小了行人识别的范围，提高了效率。
在本实施例中，当判断出所述障碍物为行人的时候，将所述障碍物所在的识别区域标记行人区域，即该识别区域有行人存在。最后车载计算设备通过所述行人区域与所述无人车的相对位置，对所述行人进行定位，让无人车对行人进行躲避，保障行人的安全。例如，本发明的一较佳实施例中，基于雷达数据将所述无人车行驶前方区域划分成三个识别区域，每个识别区域按照图像的宽度将其平均分成左识别区域、中识别区域和右识别区域，而这三个方位也分别对应了无人车行驶前方区域与无人车之间的位置关系，三个识别区域分别对应了无人车车辆前方左侧、正前方和前方右侧三种位置关系。因而，如果左识别区域检测到行人，则将行人定位在无人车车辆的前方左侧；如果中识别区域检测到行人，则将行人定位在无人车车辆的正前方；如果右识别区域检测到行人，则将行人定位在无人车车辆的前方右侧，通过上述方法实现行人快速定位，方便无人车进行躲避行人操作。以上为本发明的一较佳实施例，可根据需求自主设计识别区域与车辆的位置关系，从而达到行人定位效果。
请参考图2，本发明的第二实施例提供了一种行人检测定位装置，包括：
数据获取单元201，用于获取无人车行驶前方区域的雷达数据和图像数据；
定位区域划分单元202，用于基于所述雷达数据，将所述无人车行驶前方区域划分为多个定位区域；
识别区域划分单元203，用于基于所述图像数据，将所述无人车行驶前方区域划分为多个识别区域；其中，所述定位区域与所述识别区域具有对应关系；
判断单元204，用于基于所述雷达数据，判断存在障碍物的定位区域；
对应单元205，用于获取存在障碍物的定位区域对应的识别区域；
定位单元206，用于根据获取的所述识别区域对应的图像数据，确定包含的所述障碍物为行人目标的识别区域，以实现行人检测定位。
优选地，所述数据获取单元201包括：
雷达数据获取模块，利用一线激光雷达传感器获取所述无人车行驶前方区域的雷达数据；其中，所述雷达数据包括所述雷达传感器采集的一组极坐标系坐标点，每个所述坐标点均由角度和与无人车的距离组成；
图像数据获取模块，利用单目相机获取所述无人车行驶前方区域的图像数据。
优选地，所述定位区域与所述识别区域具有对应关系具体包括：
基于所述雷达数据和视野角度，将所述无人车行驶前方区域划分为对应于不同方位的至少一个定位区域；
基于所述图像数据和图像宽度，将所述无人车行驶前方区域划分为对应于不同方位的至少一个识别区域；
对具有相同方位的定位区域以及识别区域建立对应关系。
优选地，所述障碍物判断单元204包括：
聚类模块，用于基于所述雷达数据，对同一定位区域的任意两个坐标点pi(θi,di)和pj(θj,dj)进行聚类，获得所有的障碍物类；
区域确定模块，用于确定所述障碍物类所在的定位区域。
优选地，所述聚类模块用于：
判断同一定位区域的任意两个坐标点pi(θi,di)和pj(θj,dj)是否满足条件|θi-θj|≤3和|di-dj|≤0.05；
若能满足条件，则这两个所述坐标点能聚类，将这两个所述坐标点记为一个障碍物类；
若不能满足条件，则这两个所述坐标点不能聚类。
优选地，所述定位单元206包括：
获取模块，用于获取所述识别区域的图像数据；
检测模块，用于根据所述图像数据及图像分析技术，对所述障碍物进行图像检测；
标记模块，用于当所述障碍物为行人的时，标记所述障碍物所在的识别区域为行人区域；
定位模块，用于根据所述行人区域与所述无人车的相对位置，对所述行人进行定位。
本发明的第三实施例还提供了一种车载计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一实施例的行人检测定位方法。
本发明的实施例还提供了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第一实施例的行人检测定位方法的步骤。
示例性地，本发明实施例所述的计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述实现服务器设备中的执行过程。例如，本发明第二实施例中所述的装置。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(APPlication Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述行人检测定位方法的控制中心，利用各种接口和线路连接整个所述实现行人检测定位方法的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现行人检测定位方法的各种功能。所述存储器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(比如声音播放功能、文字转换功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、文字消息数据等)等。此外，存储器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，例如硬盘、内存、插接式硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述实现服务设备的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也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个计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种行人检测定位方法，其特征在于，包括：
获取无人车行驶前方区域的雷达数据和图像数据；
基于所述雷达数据，将所述无人车行驶前方区域划分为多个定位区域；
基于所述图像数据，将所述无人车行驶前方区域划分为多个识别区域；其中，所述定位区域与所述识别区域具有对应关系；
基于所述雷达数据，判断存在障碍物的定位区域；
获取存在障碍物的定位区域对应的识别区域；
根据获取的所述识别区域对应的图像数据，确定包含的所述障碍物为行人目标的识别区域，以实现行人检测定位。
2.根据权利要求1所述的行人检测定位方法，其特征在于，获取无人车行驶前方区域的雷达数据和图像数据的步骤包括：
利用一线激光雷达传感器获取所述无人车行驶前方区域的雷达数据；其中，所述雷达数据包括所述雷达传感器采集的一组极坐标系坐标点，每个所述坐标点均由角度和与无人车的距离组成；
利用单目相机获取所述无人车行驶前方区域的图像数据。
3.根据权利要求1所述的行人检测定位方法，其特征在于，所述定位区域与所述识别区域具有对应关系具体包括：
基于所述雷达数据和视野角度，将所述无人车行驶前方区域划分为对应于不同方位的至少一个定位区域；
基于所述图像数据和图像宽度，将所述无人车行驶前方区域划分为对应于不同方位的至少一个识别区域；
对具有相同方位的定位区域以及识别区域建立对应关系。
4.根据权利要求2所述的行人检测定位方法，其特征在于，基于所述雷达数据，判断存在障碍物的定位区域的步骤包括：
基于所述雷达数据，对同一定位区域的任意两个坐标点pi(θi,di)和pj(θj,dj)进行聚类，获得所有的障碍物类；
确定所述障碍物类所在的定位区域。
5.根据权利要求4所述的行人检测定位方法，其特征在于，基于所述雷达数据，对同一定位区域的任意两个坐标点pi(θi,di)和pj(θj,dj)进行聚类，获得所有的障碍物类的具体步骤包括：
判断同一定位区域的任意两个坐标点pi(θi,di)和pj(θj,dj)是否满足条件|θi-θj|≤3和|di-dj|≤0.05；
若能满足条件，则这两个所述坐标点能聚类，将这两个所述坐标点记为一个障碍物类；
若不能满足条件，则这两个所述坐标点不能聚类。
6.一种行人检测定位装置，其特征在于，包括：
数据获取单元，用于获取无人车行驶前方区域的雷达数据和图像数据；
定位区域划分单元，用于基于所述雷达数据，将所述无人车行驶前方区域划分为多个定位区域；
识别区域划分单元，用于基于所述图像数据，将所述无人车行驶前方区域划分为多个识别区域；其中，所述定位区域与所述识别区域具有对应关系；
判断单元，用于基于所述雷达数据，判断存在障碍物的定位区域；
对应单元，用于获取存在障碍物的定位区域对应的识别区域；
定位单元，用于根据获取的所述识别区域对应的图像数据，确定包含的所述障碍物为行人目标的识别区域，以实现行人检测定位。
7.根据权利要求6所述的行人检测定位装置，其特征在于，所述数据获取单元包括：
雷达数据获取模块，利用一线激光雷达传感器获取所述无人车行驶前方区域的雷达数据；其中，所述雷达数据包括所述雷达传感器采集的一组极坐标系坐标点，每个所述坐标点均由角度和与无人车的距离组成；
图像数据获取模块，利用单目相机获取所述无人车行驶前方区域的图像数据。
8.根据权利要求7所述的行人检测定位装置，其特征在于，所述障碍物判断单元包括：
聚类模块，用于基于所述雷达数据，对同一定位区域的任意两个坐标点pi(θi,di)和pj(θj,dj)进行聚类，获得所有的障碍物类；
区域确定模块，用于确定所述障碍物类所在的定位区域。
9.一种车载计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～5所述的行人检测定位方法。
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，该程序被处理器执行时实现权利要求1～5任一项所述行人检测定位方法的步骤。
CN201910252786.9A 2019-03-29 2019-03-29 一种行人检测定位方法、装置、车载计算设备及存储介质 Active CN110008891B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910252786.9A CN110008891B (zh) 2019-03-29 2019-03-29 一种行人检测定位方法、装置、车载计算设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910252786.9A CN110008891B (zh) 2019-03-29 2019-03-29 一种行人检测定位方法、装置、车载计算设备及存储介质

Publications (2)

Publication Number Publication Date
CN110008891A true CN110008891A (zh) 2019-07-12
CN110008891B CN110008891B (zh) 2022-07-08

Family

ID=67169039

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910252786.9A Active CN110008891B (zh) 2019-03-29 2019-03-29 一种行人检测定位方法、装置、车载计算设备及存储介质

Country Status (1)

Country Link
CN (1) CN110008891B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110557430A (zh) * 2019-07-19 2019-12-10 西安艾润物联网技术服务有限责任公司 基于etc设备的车辆服务管理方法及装置
CN110580046A (zh) * 2019-09-12 2019-12-17 吉利汽车研究院（宁波）有限公司 一种无人驾驶观光车的控制方法及其系统
CN111144315A (zh) * 2019-12-27 2020-05-12 北京三快在线科技有限公司 目标检测方法、装置、电子设备和可读存储介质
CN111178215A (zh) * 2019-12-23 2020-05-19 深圳成谷科技有限公司 一种传感器数据融合处理的方法和装置
CN114842441A (zh) * 2022-06-30 2022-08-02 小米汽车科技有限公司 模型性能的确定方法、装置、电子设备及可读存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102508246A (zh) * 2011-10-13 2012-06-20 吉林大学 车辆前方障碍物检测跟踪方法
CN104573646A (zh) * 2014-12-29 2015-04-29 长安大学 基于激光雷达和双目相机的车前行人检测方法及系统
WO2015082293A1 (fr) * 2013-12-02 2015-06-11 Commissariat A L'energie Atomique Et Aux Energies Alternatives Reconnaissance de formes par correction d'image
US20160339959A1 (en) * 2015-05-21 2016-11-24 Lg Electronics Inc. Driver Assistance Apparatus And Control Method For The Same
CN107272021A (zh) * 2016-03-30 2017-10-20 德尔福技术有限公司 使用雷达和视觉定义的图像检测区域的对象检测
CN107991671A (zh) * 2017-11-23 2018-05-04 浙江东车智能科技有限公司 一种基于雷达数据和视频信号融合识别危险目标的方法
CN108567379A (zh) * 2017-03-14 2018-09-25 联润科技股份有限公司 自走式清洁装置分区清洁方法及使用该方法的自走式清洁装置
CN109100741A (zh) * 2018-06-11 2018-12-28 长安大学 一种基于3d激光雷达及图像数据的目标检测方法
CN109271944A (zh) * 2018-09-27 2019-01-25 百度在线网络技术（北京）有限公司 障碍物检测方法、装置、电子设备、车辆及存储介质
CN109426264A (zh) * 2017-08-30 2019-03-05 苏州宝时得电动工具有限公司 自移动设备及其移动路径的控制方法
CN109443369A (zh) * 2018-08-20 2019-03-08 北京主线科技有限公司 利用激光雷达和视觉传感器融合构建动静态栅格地图的方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102508246A (zh) * 2011-10-13 2012-06-20 吉林大学 车辆前方障碍物检测跟踪方法
WO2015082293A1 (fr) * 2013-12-02 2015-06-11 Commissariat A L'energie Atomique Et Aux Energies Alternatives Reconnaissance de formes par correction d'image
CN104573646A (zh) * 2014-12-29 2015-04-29 长安大学 基于激光雷达和双目相机的车前行人检测方法及系统
US20160339959A1 (en) * 2015-05-21 2016-11-24 Lg Electronics Inc. Driver Assistance Apparatus And Control Method For The Same
CN107272021A (zh) * 2016-03-30 2017-10-20 德尔福技术有限公司 使用雷达和视觉定义的图像检测区域的对象检测
CN108567379A (zh) * 2017-03-14 2018-09-25 联润科技股份有限公司 自走式清洁装置分区清洁方法及使用该方法的自走式清洁装置
CN109426264A (zh) * 2017-08-30 2019-03-05 苏州宝时得电动工具有限公司 自移动设备及其移动路径的控制方法
CN107991671A (zh) * 2017-11-23 2018-05-04 浙江东车智能科技有限公司 一种基于雷达数据和视频信号融合识别危险目标的方法
CN109100741A (zh) * 2018-06-11 2018-12-28 长安大学 一种基于3d激光雷达及图像数据的目标检测方法
CN109443369A (zh) * 2018-08-20 2019-03-08 北京主线科技有限公司 利用激光雷达和视觉传感器融合构建动静态栅格地图的方法
CN109271944A (zh) * 2018-09-27 2019-01-25 百度在线网络技术（北京）有限公司 障碍物检测方法、装置、电子设备、车辆及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
GANGQIANG ZHAO 等: "Fusion of 3D-LIDAR and camera data for scene parsing", 《ELSEVIER》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110557430A (zh) * 2019-07-19 2019-12-10 西安艾润物联网技术服务有限责任公司 基于etc设备的车辆服务管理方法及装置
CN110557430B (zh) * 2019-07-19 2022-05-03 西安艾润物联网技术服务有限责任公司 基于etc设备的车辆服务管理方法及装置
CN110580046A (zh) * 2019-09-12 2019-12-17 吉利汽车研究院（宁波）有限公司 一种无人驾驶观光车的控制方法及其系统
CN110580046B (zh) * 2019-09-12 2022-08-16 吉利汽车研究院（宁波）有限公司 一种无人驾驶观光车的控制方法及其系统
CN111178215A (zh) * 2019-12-23 2020-05-19 深圳成谷科技有限公司 一种传感器数据融合处理的方法和装置
CN111178215B (zh) * 2019-12-23 2024-03-08 深圳成谷科技有限公司 一种传感器数据融合处理的方法和装置
CN111144315A (zh) * 2019-12-27 2020-05-12 北京三快在线科技有限公司 目标检测方法、装置、电子设备和可读存储介质
CN114842441A (zh) * 2022-06-30 2022-08-02 小米汽车科技有限公司 模型性能的确定方法、装置、电子设备及可读存储介质

Also Published As

Publication number Publication date
CN110008891B (zh) 2022-07-08

Similar Documents

Publication Publication Date Title
CN110008891A (zh) 一种行人检测定位方法、装置、车载计算设备及存储介质
CN109863513B (zh) 用于自主车辆控制的神经网络系统
US12511874B2 (en) Smart navigation method and system based on topological map
US20200209857A1 (en) Multimodal control system for self driving vehicle
US10901417B2 (en) Autonomous vehicle operational management with visual saliency perception control
CN108068817A (zh) 一种无人驾驶汽车自动变道装置及方法
JP2018037053A (ja) 車線境界線を検出する方法、装置、およびデバイス
US11314974B2 (en) Detecting debris in a vehicle path
US20240246570A1 (en) Path planning system and path planning method thereof
CN109840454B (zh) 目标物定位方法、装置、存储介质以及设备
JP7785192B2 (ja) 道路障害物の検出方法、道路障害物の検出装置、コンピュータ記憶媒体、コンピュータ機器及びコンピュータプログラム
KR20200102378A (ko) 정보 처리 방법, 장치 및 저장 매체
CN112540606A (zh) 避障的方法、装置、调度服务器及存储介质
CN107703936A (zh) 基于卷积神经网络的自动导航小车系统及小车定位方法
CN109583312A (zh) 车道线识别方法、装置、设备及存储介质
CN111325187A (zh) 一种车道位置的识别方法及装置
CN106092123A (zh) 一种视频导航方法及装置
CN112230638A (zh) 一种车辆的停车路径规划方法和装置
CN115147791B (zh) 一种车辆变道检测方法、装置、交通工具及存储介质
CN114842660A (zh) 一种无人车道路轨迹预测方法、装置和电子设备
CN118149797B (zh) 栅格地图构建方法、装置、计算机设备及存储介质
CN112861657A (zh) 一种无人车经召停靠方法、终端设备及存储介质
CN115610444A (zh) 自动驾驶方法、装置、设备以及存储介质
CN116576872A (zh) 一种无人清洁车的路线规划方法、装置、设备和介质
CN115848409A (zh) 自动驾驶车辆的盲区安全性决策方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant