CN108363985A - 目标对象感知***测试方法、装置及计算机可读存储介质 - Google Patents
目标对象感知***测试方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108363985A CN108363985A CN201810182029.4A CN201810182029A CN108363985A CN 108363985 A CN108363985 A CN 108363985A CN 201810182029 A CN201810182029 A CN 201810182029A CN 108363985 A CN108363985 A CN 108363985A
- Authority
- CN
- China
- Prior art keywords
- target object
- monitoring data
- sensory perceptual
- perceptual system
- monitoring
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
-
- 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
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)
- Alarm Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种目标对象感知***测试方法、装置及计算机可读存储介质,该方法包括:获取预置传感器采集的监测数据,所述预置传感器搭载于移动装置上;输出所述监测数据的监测画面,当监测画面中存在目标对象时,根据所述监测数据,获取所述目标对象的类型信息以及所述目标对象同所述移动装置的相对位置信息;显示所述类型信息以及所述相对位置信息。通过本发明,由于传感器采集的是实际应用场景中的监测数据,基于该监测数据对目标对象感知***测试完成后,将目标对象感知***部署在实际使用场景中前,无需再对目标对象感知***进行修改,节省了时间成本、研发成本、人力成本和财务成本。
Description
技术领域
本发明涉及感知***测试技术领域,尤其涉及目标对象感知***测试方法、装置及计算机可读存储介质。
背景技术
近年来,智能车辆己经成为世界车辆工程领域研究的热点和汽车工业增长的新动力,很多发达国家都将其纳入到各自重点发展的智能交通***当中。自动驾驶,是实现智能汽车的关键技术。
为了实现自动驾驶技术,需要在汽车上搭载感知***,用于探测和识别路上的行人、车辆等。因此,在将感知***实际运用之前,需要对感知***的探测能力进行验证。
目前,感知***测试技术主要有两种:使用实际的***和环境来测试感知***,例如将带感知***的汽车在实际的道路上行驶以测试感知***的探测功能,这种测试方式存在的问题是测试成本很高;使用试验平台来测试感知***,这种测试方式存在的问题是测试完成后的感知***部署在实际运用前,仍需要花费大量时间和成本来修改和移植。
发明内容
本发明的主要目的在于提供一种目标对象感知***测试方法、装置及计算机可读存储介质,旨在至少解决上述技术问题之一。
为实现上述目的,本发明提供一种目标对象感知***测试方法,所述目标对象感知***测试方法包括:
获取预置传感器采集的监测数据,所述预置传感器搭载于移动装置上;
输出所述监测数据的监测画面,当监测画面中存在目标对象时,根据所述监测数据,获取所述目标对象的类型信息以及所述目标对象同所述移动装置的相对位置信息;
显示所述类型信息以及所述相对位置信息。
可选的,所述获取预置传感器采集的监测数据之前包括:
通过搭载于移动装置上的预置传感器采集监测数据,将所述监测数据与其对应的采集时间关联存储于预置存储器中。
可选的,所述输出所述监测数据的监测画面包括:
按照所述监测数据对应的采集时间的先后顺序,顺次输出所述监测数据对应的监测画面。
可选的,所述根据所述监测数据,获取所述目标对象同所述移动装置的相对位置信息包括:
当所述监测数据由多个不同类型传感器采集的独立监测数据组成时,根据每组独立监测数据,计算得到每组独立监测数据对应的所述目标对象同所述移动装置的基础相对位置信息;
根据每组独立监测数据对应的所述目标对象同所述移动装置的基础相对位置信息,通过修正计算,得到所述目标对象同所述移动装置的当前相对位置信息。
可选的,所述显示所述类型信息以及所述相对位置信息包括:
获取所述目标对象在监测画面中的当前显示位置,基于所述当前显示位置,得到目标位置,在所述目标位置显示所述类型信息以及所述相对位置信息。
此外,为实现上述目的,本发明还提供一种目标对象感知***测试装置,所述目标对象感知***测试装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的目标对象感知***测试程序,所述目标对象感知***测试程序被所述处理器执行时实现如上所述的目标对象感知***测试方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有目标对象感知***测试程序,所述目标对象感知***测试程序被处理器执行时实现如上所述的目标对象感知***测试方法的步骤。
本发明中,将传感器搭载于移动装置上,获取该传感器采集的监测数据,输出该监测数据对应的监测画面,且当监测画面中存在目标对象时,根据监测数据,获取该目标对象的类型信息以及该目标对象同移动装置的相对位置信息,并显示该目标对应的类型信息以及该相对位置信息。通过本发明,由于传感器采集的是实际应用场景中的监测数据,基于该监测数据对目标对象感知***测试完成后,将目标对象感知***部署在实际使用场景中前,无需再对目标对象感知***进行修改,节省了时间成本、研发成本、人力成本和财务成本。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的装置结构示意图;
图2为本发明目标对象感知***测试方法第一实施例的流程示意图;
图3为本发明目标对象感知***测试方法一实施例中传感器采集数据的场景示意图;
图4为本发明目标对象感知***测试方法一实施例中数据处理的场景示意图;
图5为本发明目标对象感知***测试方法一实施例中结果显示的场景示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图。
本发明实施例装置可以是服务器、PC,也可以是便携计算机等终端设备。
如图1所示,该装置可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的装置结构并不构成对装置的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及目标对象感知***测试程序。
在图1所示的装置中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的目标对象感知***测试程序,并执行以下操作:
获取预置传感器采集的监测数据,所述预置传感器搭载于移动装置上;
输出所述监测数据的监测画面,当监测画面中存在目标对象时,根据所述监测数据,获取所述目标对象的类型信息以及所述目标对象同所述移动装置的相对位置信息;
显示所述类型信息以及所述相对位置信息。
进一步地,所述获取预置传感器采集的监测数据之前包括:
通过搭载于移动装置上的预置传感器采集监测数据,将所述监测数据与其对应的采集时间关联存储于预置存储器中。
进一步地,所述输出所述监测数据的监测画面包括:
按照所述监测数据对应的采集时间的先后顺序,顺次输出所述监测数据对应的监测画面。
进一步地,所述根据所述监测数据,获取所述目标对象同所述移动装置的相对位置信息包括:
当所述监测数据由多个不同类型传感器采集的独立监测数据组成时,根据每组独立监测数据,计算得到每组独立监测数据对应的所述目标对象同所述移动装置的基础相对位置信息;
根据每组独立监测数据对应的所述目标对象同所述移动装置的基础相对位置信息,通过修正计算,得到所述目标对象同所述移动装置的当前相对位置信息。
进一步地,所述显示所述类型信息以及所述相对位置信息包括:
获取所述目标对象在监测画面中的当前显示位置,基于所述当前显示位置,得到目标位置,在所述目标位置显示所述类型信息以及所述相对位置信息。
参照图2,图2为本发明目标对象感知***测试方法第一实施例的流程示意图。
在一实施例中,目标对象感知***测试方法包括:
步骤S10,获取预置传感器采集的监测数据,所述预置传感器搭载于移动装置上;
本实施例中,预置传感器搭载于移动装置上,移动装置可以是汽车、机器人等。本实施例中,预置传感器可以包括摄像头、雷达、红外测距传感器等。本实施例中,预置传感器采集的监测数据存储于存储器中,存储器可以是固态硬盘或机械硬盘或存储云,在此不做限制。
参照图3,图3为本发明目标对象感知***测试方法一实施例中传感器采集数据的场景示意图。
传感器包括摄像头和雷达,搭载于汽车上,摄像头实时采集数据,数据先进入摄像头的数据缓存区域A,例如DDR4内存,然后存储于存储器C中;雷达实时采集数据,数据先进入雷达的数据缓存区域B,例如DDR4内存,然后存储于存储器C中。本实施例中,摄像头的数据缓存区域与雷达的数据缓存区域可以是同一个DDR4内存,也可以是独立的两个DDR4内存,存储摄像头实时采集的数据的存储器与存储雷达实时采集的数据的存储器可以是同一个存储器,也可以是独立的两个存储器,在此不作限制。
存储器中存储的所有传感器采集的数据,即监测数据,其中所有数据均对应有其被采集的时间。
本实施例中,当存储器为云存储器时,目标对象感知***测试装置(计算机、服务器等具有计算处理能力的终端设备)从云存储器中获取监测数据;当存储器为硬盘时,目标对象感知***测试装置从硬盘中获取监测数据。
步骤S20,输出所述监测数据的监测画面,当监测画面中存在目标对象时,根据所述监测数据,获取所述目标对象的类型信息以及所述目标对象同所述移动装置的相对位置信息;
本实施例中,当传感器为摄像头时,监测数据为摄像头采集的数据,该数据为视频数据,则按照数据被采集的时间的先后顺序播放对应的视频画面。该数据由摄像头采集后存储在存储器中,目标对象感知***从存储器中获取数据的过程为:数据由存储器到缓存(例如DDR4),再由缓存到目标对象感知***。在视频画面播放过程中,实时检测视频画面中是否存在目标对象,其中目标对象包括人、车辆、车道、红绿灯等。通过图像特征识别技术,当识别到视频画面中存在目标对象时,确定目标对象的类型,例如目标对象为人/车辆/车道,然后通过预置的目标距离估计模型和相关算法计算得到目标对象同移动装置的相对位置信息。本实施例中,相关算法可以是被动对焦测距法、被动散焦测距法、基于光流的被动测距法、基于序列图像特征提取的测距法等。具体根据实际需要进行选择,在此不做限制。
参照图4,图4为本发明目标对象感知***测试方法一实施例中数据处理的场景示意图。本实施例中,当传感器为摄像头和雷达时,监测数据由摄像头采集的数据和雷达采集的数据组成。基于摄像头采集的数据,按照数据被采集的时间的先后顺序播放对应的视频画面。在视频画面播放过程中,实时检测视频画面中是否存在目标对象,其中目标对象包括人、车辆、车道、红绿灯等。通过图像特征识别技术,当识别到视频画面中存在目标对象时,例如识别到人,获取当前视频画面对应的采集时间,通过预置的目标距离估计模型和相关算法计算得到目标对象同移动装置的相对位置信息,例如记作相对位置信息1。在雷达采集的数据中查找该采集时间对应的雷达数据,根据雷达数据,计算目标对象同移动装置的相对位置信息,例如记作相对位置信息2。本实施例中,为了使得到的目标对象同所述移动装置的相对位置信息更加精确,可以结合相对位置1以及相对位置2,通过预置规则,得到目标对象同所述移动装置的相对位置信息。例如,在一实施例中,当根据摄像头采集的数据计算得到的目标对象同移动装置的相对位置信息1为(9,15),根据雷达采集的数据计算得到的对象同移动装置的相对位置信息2为(8,16),可通过取平均数的方式,得到的目标对象同移动装置的相对位置信息为(8.5,15.5)。
步骤S30,显示所述类型信息以及所述相对位置信息。
本实施例中,例如,通过步骤S20得到的目标对象同移动装置的相对位置信息为(X,Y),该目标对象的类型为“人”,则将该相对位置信息(X,Y)以及类型信息“人”进行显示。该相对位置信息以及类型信息的显示位置可以基于目标对象在监测画面上的显示位置进行确定,也可以显示于固定的显示位置。参照图5,图5为本发明目标对象感知***测试方法一实施例中结果显示的场景示意图。本实施例中,获取目标对象在监测画面上的显示位置,选取该显示位置中的中点O,基于该中点O的位置,向右平移五个单位,作为相对位置信息以及类型信息的显示位置。通过检测人员观察,判断显示目标对象的类型以及相对位置信息是否是正确的,若是正确的,则该目标对象感知***通过测试,若测试人员认为显示的目标对象的类型以及相对位置信息不够准确,则对目标对象感知***进行调试,例如调整算法、更换传感器等。
本实施例中,将传感器搭载于移动装置上,获取该传感器采集的监测数据,输出该监测数据对应的监测画面,且当监测画面中存在目标目标对象时,根据监测数据,计算得到该目标目标对象同移动装置的相对位置信息,并显示该相对位置信息。通过本实施例,由于传感器采集的是实际应用场景中的监测数据,基于该监测数据对目标对象感知***测试完成后,将目标对象感知***部署在实际使用场景中前,无需再对目标对象感知***进行修改,节省了时间成本、研发成本、人力成本和财务成本。
进一步的,本发明目标对象感知***测试方法一实施例中,步骤S10之前包括:
通过搭载于移动装置上的预置传感器采集监测数据,将所述监测数据与其对应的采集时间关联存储于预置存储器中。
现有的对感知***进行测试的方式一般有两种:
使用实际的***和环境来测试感知***,例如将带感知***的汽车在实际的道路上行驶以测试感知***的探测功能,这种测试方式存在的问题是测试成本很高;使用试验平台来测试感知***,这种测试方式存在的问题是在测试时,并不是实际的使用场景,因此测试完成后的感知***部署在实际运用前,仍需要花费大量时间和成本来修改和移植。
本实施例中,将传感器以独立的一部分搭载在移动装置上,传感器采集监测数据,该监测数据是实际使用场景中的数据,将该监测数据与对应的采集时间关联存储在存储器中。存储器可以是固态硬盘、机械硬盘、云存储器等。
本实施例中,存储器中存储的是传感器在实际使用场景中采集的数据,相当于基于实际应用场景对目标对象感知***进行测试,使得完成测试的目标对象感知***更贴合实际需要,后续在将目标对象感知***部署在实际的***上不需要任何的额外时间和额外成本。
进一步的,本发明目标对象感知***测试方法一实施例中,输出所述监测数据的监测画面包括:
按照所述监测数据对应的采集时间的先后顺序,顺次输出所述监测数据对应的监测画面。
本实施例中,当传感器为摄像头时,监测数据为摄像头采集的数据,该数据为视频数据,则按照数据被采集的时间的先后顺序播放对应的视频画面。
本实施例中,按照数据被采集的时间的先后顺序输出数据对应的监测画面,做到了基于监测数据,实时进行分析,更贴合实际需要。
进一步的,本发明目标对象感知***测试方法一实施例中,所述所述根据所述监测数据,获取所述目标对象同所述移动装置的相对位置信息包括:
当所述监测数据由多个不同类型传感器采集的独立监测数据组成时,根据每组独立监测数据,计算得到每组独立监测数据对应的所述目标对象同所述移动装置的基础相对位置信息;
根据每组独立监测数据对应的所述目标对象同所述移动装置的基础相对位置信息,通过修正计算,得到所述目标对象同所述移动装置的当前相对位置信息。
本实施例中,当传感器为摄像头时,监测数据为摄像头采集的数据,该数据为视频数据,则按照数据被采集的时间的先后顺序播放对应的视频画面。在视频画面播放过程中,实时检测视频画面中是否存在目标对象,其中目标对象包括人、车辆、车道、红绿灯等。通过图像特征识别技术,当识别到视频画面中存在目标对象时,确定目标对象的类型,例如目标对象为人/车辆/车道,然后通过预置的目标距离估计模型和相关算法计算得到目标对象同移动装置的相对位置信息。本实施例中,相关算法可以是被动对焦测距法、被动散焦测距法、基于光流的被动测距法、基于序列图像特征提取的测距法等。具体根据实际需要进行选择,在此不做限制。
参照图4,图4为本发明目标对象感知***测试方法一实施例中数据处理的场景示意图。本实施例中,当传感器为摄像头和雷达时,监测数据由摄像头采集的数据和雷达采集的数据组成。基于摄像头采集的数据,按照数据被采集的时间的先后顺序播放对应的视频画面。在视频画面播放过程中,实时检测视频画面中是否存在目标对象,其中目标对象包括人、车辆、车道、红绿灯等。通过图像特征识别技术,当识别到视频画面中存在目标对象时,例如识别到人,获取当前视频画面对应的采集时间,通过预置的目标距离估计模型和相关算法计算得到目标对象同移动装置的相对位置信息,例如记作相对位置信息1。在雷达采集的数据中查找该采集时间对应的雷达数据,根据雷达数据,计算目标对象同移动装置的相对位置信息,例如记作相对位置信息2。本实施例中,为了使得到的目标对象同所述移动装置的相对位置信息更加精确,可以结合相对位置1以及相对位置2,通过预置规则,得到目标对象同所述移动装置的相对位置信息。例如,在一实施例中,当根据摄像头采集的数据计算得到的目标对象同移动装置的相对位置信息1为(9,15),根据雷达采集的数据计算得到的对象同移动装置的相对位置信息2为(8,16),可通过取平均数的方式,得到的目标对象同移动装置的相对位置信息为(8.5,15.5)。
本实施例中,当传感器有多个且类型不同时,通过各个传感器采集的数据计算得到目标对象同移动装置的相对位置信息,然后根据计算得到的所有数据,进行修正计算,得到最终的目标对象同移动装置的相对位置信息,使得通过计算得到的目标对象同移动装置的相对位置信息更加准确。
进一步的,本发明目标对象感知***测试方法一实施例中,所述显示所述类型信息以及所述相对位置信息包括:
获取所述目标对象在监测画面中的当前显示位置,基于所述当前显示位置,得到目标位置,在所述目标位置显示所述类型信息以及所述相对位置信息。
本实施例中,例如,通过步骤S20得到的目标对象同移动装置的相对位置信息为(X,Y),该目标对象的类型为“人”,则将该相对位置信息(X,Y)以及类型信息“人”进行显示。该相对位置信息以及类型信息的显示位置可以基于目标对象在监测画面上的显示位置进行确定,也可以显示于固定的显示位置。参照图5,图5为本发明目标对象感知***测试方法一实施例中结果显示的场景示意图。本实施例中,获取目标对象在监测画面上的显示位置,选取该显示位置中的中点O,基于该中点O的位置,向右平移五个单位,作为相对位置信息以及类型信息的显示位置。通过检测人员观察,判断显示目标对象的类型以及相对位置信息是否是正确的,若是正确的,则该目标对象感知***通过测试,若测试人员认为显示的目标对象的类型以及相对位置信息不够准确,则对目标对象感知***进行调试,例如调整算法、更换传感器等。
本实施例中,显示类型信息以及相对位置信息,有助于测试人员判断该目标对象感知***是否能通过测试,只有在测试人员认为该类型信息以及相对位置信息是正确的信息时,该目标对象感知***才能通过测试,确保了目标对象感知***的探测能力。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有目标对象感知***测试程序,所述目标对象感知***测试程序被处理器执行时实现如上所述的目标对象感知***测试方法的步骤。
本发明计算机可读存储介质的具体实施例与上述目标对象感知***测试方法的各个实施例基本相同,在此不做赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种目标对象感知***测试方法,其特征在于,所述目标对象感知***测试方法包括:
获取预置传感器采集的监测数据,所述预置传感器搭载于移动装置上;
输出所述监测数据的监测画面,当监测画面中存在目标对象时,根据所述监测数据,获取所述目标对象的类型信息以及所述目标对象同所述移动装置的相对位置信息;
显示所述类型信息以及所述相对位置信息。
2.如权利要求1所述的目标对象感知***测试方法,其特征在于,所述获取预置传感器采集的监测数据之前包括:
通过搭载于移动装置上的预置传感器采集监测数据,将所述监测数据与其对应的采集时间关联存储于预置存储器中。
3.如权利要求2所述的目标对象感知***测试方法,其特征在于,所述输出所述监测数据的监测画面包括:
按照所述监测数据对应的采集时间的先后顺序,顺次输出所述监测数据对应的监测画面。
4.如权利要求1所述的目标对象感知***测试方法,其特征在于,所述根据所述监测数据,获取所述目标对象同所述移动装置的相对位置信息包括:
当所述监测数据由多个不同类型传感器采集的独立监测数据组成时,根据每组独立监测数据,计算得到每组独立监测数据对应的所述目标对象同所述移动装置的基础相对位置信息;
根据每组独立监测数据对应的所述目标对象同所述移动装置的基础相对位置信息,通过修正计算,得到所述目标对象同所述移动装置的当前相对位置信息。
5.如权利要求1所述的目标对象感知***测试方法,其特征在于,所述显示所述类型信息以及所述相对位置信息包括:
获取所述目标对象在监测画面中的当前显示位置,基于所述当前显示位置,得到目标位置,在所述目标位置显示所述类型信息以及所述相对位置信息。
6.一种目标对象感知***测试装置,其特征在于,所述目标对象感知***测试装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的目标对象感知***测试程序,所述目标对象感知***测试程序被所述处理器执行时实现如下步骤:
获取预置传感器采集的监测数据,所述预置传感器搭载于移动装置上;
输出所述监测数据的监测画面,当监测画面中存在目标对象时,根据所述监测数据,获取所述目标对象的类型信息以及所述目标对象同所述移动装置的相对位置信息;
显示所述类型信息以及所述相对位置信息。
7.如权利要求6所述的目标对象感知***测试装置,其特征在于,所述获取预置传感器采集的监测数据之前包括:
通过搭载于移动装置上的预置传感器采集监测数据,将所述监测数据与其对应的采集时间关联存储于预置存储器中。
8.如权利要求6所述的目标对象感知***测试装置,其特征在于,所述输出所述监测数据的监测画面包括:
按照所述监测数据对应的采集时间的先后顺序,顺次输出所述监测数据对应的监测画面。
9.如权利要求6所述的目标对象感知***测试装置,其特征在于,所述目标对象感知***测试程序被所述处理器执行时还实现如权利要求4或5所述的目标对象感知***测试方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有目标对象感知***测试程序,所述目标对象感知***测试程序被处理器执行时实现如权利要求1至5中任一项所述的目标对象感知***测试方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810182029.4A CN108363985B (zh) | 2018-03-06 | 2018-03-06 | 目标对象感知***测试方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810182029.4A CN108363985B (zh) | 2018-03-06 | 2018-03-06 | 目标对象感知***测试方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108363985A true CN108363985A (zh) | 2018-08-03 |
CN108363985B CN108363985B (zh) | 2023-06-06 |
Family
ID=63003622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810182029.4A Active CN108363985B (zh) | 2018-03-06 | 2018-03-06 | 目标对象感知***测试方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108363985B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3620926A1 (en) * | 2018-09-07 | 2020-03-11 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for testing autonomous vehicle, and storage medium |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102929620A (zh) * | 2012-10-19 | 2013-02-13 | 杭州信雅达科技有限公司 | 一种柔性测控平台***及开发方法 |
CN103905131A (zh) * | 2014-03-11 | 2014-07-02 | 上海永畅信息科技有限公司 | 一种基于空地信道探测的高速公路车辆感知***及感知方法 |
US20140195195A1 (en) * | 2013-01-09 | 2014-07-10 | SynTouch, LLC | Object investigation and classification |
CN104424487A (zh) * | 2013-09-09 | 2015-03-18 | 富士重工业株式会社 | 车外环境识别装置 |
US20160371843A1 (en) * | 2014-09-18 | 2016-12-22 | Intel Corporation | Tracking objects in bowl-shaped imaging systems |
CN106303401A (zh) * | 2015-05-12 | 2017-01-04 | 杭州海康威视数字技术股份有限公司 | 视频监控方法、设备及其***和基于商场的视频监控方法 |
CN106873397A (zh) * | 2017-01-23 | 2017-06-20 | 同济大学 | 智能网联汽车“硬件在环”加速加载仿真测试*** |
CN107063713A (zh) * | 2017-04-27 | 2017-08-18 | 百度在线网络技术(北京)有限公司 | 应用于无人驾驶汽车的测试方法和装置 |
CN107578427A (zh) * | 2017-07-31 | 2018-01-12 | 深圳市易成自动驾驶技术有限公司 | 动态障碍物的检测方法、装置及计算机可读存储介质 |
CN107615353A (zh) * | 2015-05-20 | 2018-01-19 | 日本艺美极株式会社 | 汽车周边信息显示*** |
-
2018
- 2018-03-06 CN CN201810182029.4A patent/CN108363985B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102929620A (zh) * | 2012-10-19 | 2013-02-13 | 杭州信雅达科技有限公司 | 一种柔性测控平台***及开发方法 |
US20140195195A1 (en) * | 2013-01-09 | 2014-07-10 | SynTouch, LLC | Object investigation and classification |
CN104424487A (zh) * | 2013-09-09 | 2015-03-18 | 富士重工业株式会社 | 车外环境识别装置 |
CN103905131A (zh) * | 2014-03-11 | 2014-07-02 | 上海永畅信息科技有限公司 | 一种基于空地信道探测的高速公路车辆感知***及感知方法 |
US20160371843A1 (en) * | 2014-09-18 | 2016-12-22 | Intel Corporation | Tracking objects in bowl-shaped imaging systems |
CN106303401A (zh) * | 2015-05-12 | 2017-01-04 | 杭州海康威视数字技术股份有限公司 | 视频监控方法、设备及其***和基于商场的视频监控方法 |
CN107615353A (zh) * | 2015-05-20 | 2018-01-19 | 日本艺美极株式会社 | 汽车周边信息显示*** |
CN106873397A (zh) * | 2017-01-23 | 2017-06-20 | 同济大学 | 智能网联汽车“硬件在环”加速加载仿真测试*** |
CN107063713A (zh) * | 2017-04-27 | 2017-08-18 | 百度在线网络技术(北京)有限公司 | 应用于无人驾驶汽车的测试方法和装置 |
CN107578427A (zh) * | 2017-07-31 | 2018-01-12 | 深圳市易成自动驾驶技术有限公司 | 动态障碍物的检测方法、装置及计算机可读存储介质 |
Non-Patent Citations (3)
Title |
---|
徐跃: "基于超声波测距的机器人定位与避障", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
陈思宇: "基于多传感器智能汽车环境感知***研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
雷涛: "面向车联网的车载信息实时感知与交互方法" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3620926A1 (en) * | 2018-09-07 | 2020-03-11 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for testing autonomous vehicle, and storage medium |
US20200081822A1 (en) * | 2018-09-07 | 2020-03-12 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and Apparatus for Testing Autonomous Vehicle, and Storage Medium |
JP2020042014A (ja) * | 2018-09-07 | 2020-03-19 | 百度在線網絡技術(北京)有限公司 | 自動運転車両のテスト方法、装置及び記憶媒体 |
US11520684B2 (en) * | 2018-09-07 | 2022-12-06 | Apollo Intelligent Driving Technology (Beijing) Co., Ltd. | Method and apparatus for testing autonomous vehicle, and storage medium |
Also Published As
Publication number | Publication date |
---|---|
CN108363985B (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5442261B2 (ja) | スポーツ競技場におけるイベントの自動検出方法とシステム | |
CN109145708B (zh) | 一种基于rgb和d信息融合的人流量统计方法 | |
CN105872477A (zh) | 视频监控方法和视频监控*** | |
CN107121690B (zh) | 一种基于多运动参数的停留点识别方法和装置 | |
CN106296724A (zh) | 一种目标人物的轨迹信息的确定方法、***及处理服务器 | |
CN106097361A (zh) | 一种缺陷区域检测方法及装置 | |
CN107818573A (zh) | 一种目标跟踪方法及装置 | |
CN104023229B (zh) | 非接触式影像***性能检测方法及*** | |
CN109145803A (zh) | 手势识别方法及装置、电子设备、计算机可读存储介质 | |
CN108180909B (zh) | 相对位置确定方法、装置及电子设备 | |
CN107292223A (zh) | 一种实时手势检测的在线验证方法及*** | |
CN107578021A (zh) | 基于深度学习网络的行人检测方法、装置及*** | |
CN105975967A (zh) | 一种目标定位方法和*** | |
KR102559586B1 (ko) | 인공지능을 이용한 구조물 외관 점검 시스템 및 방법 | |
CN108257347A (zh) | 一种利用卷积神经网络的火焰图像序列分类方法及装置 | |
CN110309768A (zh) | 车检工位的工作人员检测方法及设备 | |
CN110147752A (zh) | 运动检测处理方法、装置、电子设备和存储介质 | |
Jeong et al. | Real‐time generic target tracking for structural displacement monitoring under environmental uncertainties via deep learning | |
CN108320497A (zh) | 行人闯红灯行为检测方法、装置及计算机可读存储介质 | |
Pyykönen et al. | Multi-camera-based smoke detection and traffic pollution analysis system | |
CN111444837A (zh) | 在极端环境下提升人脸检测可用性的测温方法及测温*** | |
CN117333808B (zh) | 一种面向轻量化部署的建筑物火灾识别方法及*** | |
CN108363985A (zh) | 目标对象感知***测试方法、装置及计算机可读存储介质 | |
CN110503092A (zh) | 基于领域适应的改进ssd监控视频目标检测方法 | |
CN108154199B (zh) | 一种基于深度学习的高精度快速单类目标检测方法 |
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 |