CN109145489B - 一种基于概率图的障碍物分布仿真方法、装置以及终端 - Google Patents

一种基于概率图的障碍物分布仿真方法、装置以及终端 Download PDF

Info

Publication number
CN109145489B
CN109145489B CN201811044644.5A CN201811044644A CN109145489B CN 109145489 B CN109145489 B CN 109145489B CN 201811044644 A CN201811044644 A CN 201811044644A CN 109145489 B CN109145489 B CN 109145489B
Authority
CN
China
Prior art keywords
obstacles
simulation
data
real
obstacle
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.)
Active
Application number
CN201811044644.5A
Other languages
English (en)
Other versions
CN109145489A (zh
Inventor
方进
燕飞龙
杨睿刚
王亮
马彧
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201811044644.5A priority Critical patent/CN109145489B/zh
Publication of CN109145489A publication Critical patent/CN109145489A/zh
Priority to EP19185798.6A priority patent/EP3633551A1/en
Priority to US16/514,824 priority patent/US11341297B2/en
Priority to JP2019133668A priority patent/JP6850325B2/ja
Application granted granted Critical
Publication of CN109145489B publication Critical patent/CN109145489B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G06V10/7753—Incorporation of unlabelled data, e.g. multiple instance learning [MIL]
    • 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
    • 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; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G06V20/653—Three-dimensional objects by matching three-dimensional models, e.g. conformal mapping of Riemann surfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/469—Contour-based spatial representations, e.g. vector-coding
    • G06V10/476—Contour-based spatial representations, e.g. vector-coding using statistical shape modelling, e.g. point distribution models

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Geometry (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出一种基于概率图的障碍物分布仿真方法、装置和终端，所述方法包括：获取多帧点云，点云中包括多个障碍物；获取采集车的真实标注数据，结合采集车的真实标注数据和采集车的运动规则得到采集车的仿真位置数据；根据采集车的仿真位置数据得到障碍物的仿真个数；提取各帧点云中所述障碍物的真实标注数据，并将已提取的障碍物的真实标注数据构成标注数据集合；对标注数据集合进行网格划分，并计算每个网格中出现障碍物的概率；根据障碍物的概率选择与仿真个数相同的一个或多个仿真障碍物；根据仿真障碍物的真实标注数据得到仿真障碍物的位置分布。选取的仿真障碍物不局限于真实的障碍物，增加了障碍物的位置泛化多样性。

Description

一种基于概率图的障碍物分布仿真方法、装置以及终端
技术领域
本发明涉及计算机技术领域，具体涉及一种基于概率图的障碍物分布仿真方法、装置以及终端。
背景技术
高精地图在离线状态下，可以采集地图中障碍物的标注数据，标注数据包括障碍物当前所处的位置、朝向、ID和障碍物的类别等。其中，障碍物的类别可以是车辆、行人、骑车的人以及锥筒等动态障碍物和静态障碍物。如何对障碍物的个数以及位置分布进行仿真，使得尽可能接近真实状况，越来越引起本领域技术人员的重视。
现有的技术方案中，往往利用高精地图，采取基于规则的障碍物摆放来进行仿真，规则的障碍物摆放包括车辆沿着车道线方向摆放，行人随机摆放等示例。然而，基于规则的摆放障碍物所呈现的场景十分有限，由于高精地图中只有主路，没有辅路和支路，导致同一种类的障碍物的位置分布以及不同种类障碍物的个数分布的仿真结果与真实情况相差较大。同时，基于规则的摆放无法穷尽真实场景中可能出现的情况，导致覆盖率不足。
发明内容
本发明实施例提供一种基于概率图的障碍物分布仿真方法、装置以及终端，以至少解决现有技术中的以上技术问题。
第一方面，本发明实施例提供了一种基于概率图的障碍物分布仿真方法，包括：
获取多帧点云，所述点云中包括多个障碍物；
获取采集车的真实标注数据，结合所述采集车的真实标注数据和所述采集车的运动规则得到所述采集车的仿真位置数据；
根据所述采集车的仿真位置数据得到所述障碍物的仿真个数；
提取各帧所述点云中所述障碍物的真实标注数据，并将已提取的所述障碍物的真实标注数据构成标注数据集合；
对所述标注数据集合进行网格划分，并计算每个网格中出现所述障碍物的概率；
根据所述障碍物的概率选择与所述仿真个数相同的一个或多个仿真障碍物；
根据所述仿真障碍物的真实标注数据得到所述仿真障碍物的位置分布。
结合第一方面，本发明在第一方面的第一实施方式中，计算每个网格中出现所述障碍物的概率，包括：
选取所述标注数据集合中的其中一个所述障碍物的真实标注数据；
将高斯模板的中心与已选的所述障碍物的真实标注数据对应，以使所述高斯模板的多个权重分别赋值于所述网格中；
利用所述高斯模板依次遍历所有所述障碍物的真实标注数据，以使每个所述网格中的权重叠加，得到所述网格的总权重；
根据所述网格的总权重计算每个所述网格中出现所述障碍物的概率。
结合第一方面，本发明在第一方面的第二实施方式中，根据所述障碍物的概率选择与所述仿真个数相同的一个或多个仿真障碍物，包括：
利用不等概率抽样法选择与所述仿真个数相同的一个或多个仿真障碍物。
结合第一方面，本发明在第一方面的第三实施方式中，根据所述采集车的仿真位置数据得到所述障碍物的仿真个数，包括：
查找与所述采集车的仿真位置数据相同或相邻的采集车的真实标注数据；
检索已查到的所述采集车的真实标注数据所属的所述点云，将检索到的所述点云中的所述障碍物的个数表示为所述仿真个数。
第二方面，本发明实施例提供了一种基于概率图的障碍物分布仿真装置，包括：
点云获取模块，用于获取多帧点云，所述点云中包括多个障碍物；
采集车的仿真模块，用于获取采集车的真实标注数据，结合所述采集车的真实标注数据和所述采集车的运动规则得到所述采集车的仿真位置数据；
仿真个数获取模块，用于根据所述采集车的仿真位置数据得到所述障碍物的仿真个数；
障碍物真实标注数据集合模块，用于提取各帧所述点云中障碍物的真实标注数据，并将已提取的所述障碍物的真实标注数据构成标注数据集合；
障碍物概率计算模块，用于对所述标注数据集合进行网格划分，并计算每个网格中出现所述障碍物的概率；
仿真障碍物选择模块，用于根据所述障碍物的概率选择与所述仿真个数相同的一个或多个仿真障碍物；
仿真障碍物位置分布模块，用于根据所述仿真障碍物的真实标注数据得到所述仿真障碍物的位置分布。
结合第二方面，本发明在第二方面的第二种实施方式中，所述障碍物概率计算模块包括：
选取标注数据单元，用于选取所述标注数据集合中的其中一个所述障碍物的真实标注数据；
权重赋值单元，用于将高斯模板的中心与已选的所述障碍物的真实标注数据对应，以使所述高斯模板的多个权重分别赋值于所述网格中；
权重叠加单元，用于利用所述高斯模板依次遍历所有所述障碍物的真实标注数据，以使每个所述网格中的权重叠加，得到所述网格的总权重；
概率计算单元，用于根据所述网格的总权重计算每个所述网格中出现所述障碍物的概率。
结合第二方面，本发明在第二方面的第三种实施方式中，所述仿真个数获取模块包括：
标注数据查找单元，用于查找与所述采集车的仿真位置数据相同或相邻的采集车的真实标注数据；
仿真个数计算单元，用于检索已查到的所述采集车的真实标注数据所属的所述点云，将检索到的所述点云中的所述障碍物的个数表示为所述仿真个数。
第三方面，本发明实施例提供了一种基于概率图的障碍物分布仿真终端，包括处理器和存储器，所述存储器用于存储支持基于概率图的障碍物分布仿真装置执行上述第一方面中基于概率图的障碍物分布仿真方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。所述终端还可以包括通信接口，用于所述终端与其他设备或通信网络通信。
所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
第四方面，本发明实施例提供了一种计算机可读存储介质，用于一种基于概率图的障碍物分布仿真装置所用的计算机软件指令，其包括用于执行上述第一方面中基于概率图的障碍物分布仿真方法为多意图查询装置所涉及的程序。
上述技术方案中的一个技术方案具有如下优点或有益效果：通过对障碍物的真实标注数据构成的标注数据集合进行网格划分，并计算每个网格中出现障碍物的概率；根据障碍物的概率选择与仿真个数相同的一个或多个仿真障碍物，根据仿真障碍物的真实标注数据得到仿真障碍物的位置分布。选取的仿真障碍物不局限于真实的障碍物，增加了障碍物的位置泛化多样性。
上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。
附图说明
在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本发明公开的一些实施方式，而不应将其视为是对本发明范围的限制。
图1为本发明实施例提供的一种基于概率图的障碍物分布仿真方法流程图；
图2为本发明实施例提供的一种标注数据集合示意图；
图3为本发明实施例提供的一种在标注数据集合中利用高斯模板划分网格的示意图；
图4为本发明实施例提供的一种基于概率图的障碍物分布仿真装置框图；
图5为本发明实施例提供的障碍物概率计算模块结构框图；
图6为本发明实施例提供的一种基于概率图的障碍物分布仿真终端示意图。
具体实施方式
在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。
实施例一
在一种具体的实施方式中，如图1所示，提供了一种基于概率图的障碍物分布仿真方法，包括：
步骤S100：获取多帧点云100，点云100中包括多个障碍物。
如图2所示，采集车在沿运动路线运动时，可以通过雷达对四周的障碍物进行扫描，获取多帧点云100。例如，建筑物101和路障102等。也可以从外部进行获取。
步骤200：获取采集车的真实标注数据，结合采集车的真实标注数据和采集车的运动规则得到采集车的仿真位置数据。
采集车的运动规则可以是在主路上运动，或者在指定的辅路上运动等，均在本实施方式的保护范围内。可将采集车的沿运动路线的多个绝对坐标作为仿真位置数据。以及可将采集车的相邻两个绝对坐标之间做插值运算，即相邻两个采集车的绝对坐标之间的连线上的坐标作为仿真位置数据。增加了采集车的绝对坐标的数量，即采集车可能到达的位置，使得采集车的仿真位置更加趋近于采集车的真实位置。
步骤S300：根据采集车的仿真位置数据得到障碍物的仿真个数。
查找与采集车的仿真位置数据相同或相邻的采集车的真实标注数据，检索已查到的采集车的真实标注数据所属的点云，将检索到的点云中的障碍物的个数表示为仿真个数。
步骤S400：提取各帧点云中障碍物的真实标注数据，并将已提取的障碍物的真实标注数据构成标注数据集合200。如图2所示。
步骤S500：对标注数据集合进行网格划分，并计算每个网格中出现障碍物的概率。
如图3所示，给标注数据集合200进行网格划分。定义网格的属性主要是定义单元的形状、大小。单元大小基本上在线段上定义，可以用线段数目或长度大小来划分。网格中可能有一个障碍物，也可能有多个障碍物，甚至可能没有障碍物。通过高斯模板给各个网格赋权重，进一步得到计算每个网格中出现障碍物的概率。
步骤S600：根据障碍物的概率选择与仿真个数相同的一个或多个仿真障碍物。
步骤S700：根据仿真障碍物的真实标注数据得到仿真障碍物的位置分布。
获取仿真障碍物的真实标注数据，进而得到基于所有仿真障碍物的位置分布。增加了障碍物的位置仿真多样性，障碍物的个数仿真结果以及位置分布的仿真结果与真实情况更为接近。
在一种实施方式中，计算每个网格中出现障碍物的概率，包括：
选取标注数据集合中的其中一个障碍物的真实标注数据；
将高斯模板的中心与已选的障碍物的真实标注数据对应，以使高斯模板的多个权重分别赋值于网格中；
利用高斯模板依次遍历所有障碍物的真实标注数据，以使每个网格中的权重叠加，得到网格的总权重；
根据网格的总权重计算每个网格中出现障碍物的概率。
如图3所示，高斯模板300是一个矩阵，可根据需要选择矩阵行列的个数，整个矩阵以矩阵中心为最高权重，并且周边的权重随着与中心的距离而衰减。由于已选障碍物出现的概率是1，因此，将高斯模板300的中心与已选的障碍物的真实标注数据对应。高斯模板300中的剩余部分分别对应各个网格，给各网格进行赋值。高斯模板300的中心依次对应具有真实标注数据的每个障碍物，每遍历一次，就对与高斯模板300对应的网格赋值一次，最后将权重叠加，每个网格对应一个总权重。根据每个网格的总权重计算每个网格中出现障碍物的概率。
在一种实施方式中，根据障碍物的概率选择与仿真个数相同的一个或多个仿真障碍物，包括：
利用不等概率抽样法选择与仿真个数相同的一个或多个仿真障碍物。
需要指出的是，包括但不限于不等概率抽样法进行选择，还可以是其它方法，均在本实施方式的保护范围内。
在一种实施方式中，根据所述采集车的仿真位置数据得到所述障碍物的仿真个数，包括：
查找与采集车的仿真位置数据相同或相邻的采集车的真实标注数据；
检索已查到的采集车的真实标注数据所属的点云100，将检索到的点云100中的障碍物的个数表示为仿真个数。
首先在采集车沿运动路线采集的真实标注数据的集合中查找与采集车的仿真位置数据相同的真实标注数据。若并未找到相同数据，则查找与采集车的仿真位置数据最近邻的真实标注数据。检索已查找的采集车的真实标注数据所在的点云100，将点云100中的障碍物的个数表示为障碍物的仿真个数。
实施例二
在另一种具体的实施方式中，如图4所示，提供了一种基于概率图的障碍物分布仿真装置，包括：
点云获取模块10，用于获取多帧点云，点云中包括多个障碍物；
采集车的仿真模块20，用于获取采集车的真实标注数据，结合采集车的真实标注数据和所述采集车的运动规则得到采集车的仿真位置数据；
仿真个数获取模块30，用于根据采集车的仿真位置数据得到障碍物的仿真个数；
障碍物真实标注数据集合模块40，用于提取各帧点云中障碍物的真实标注数据，并将已提取的障碍物的真实标注数据构成标注数据集合；
障碍物概率计算模块50，用于对标注数据集合进行网格划分，并计算每个网格中出现障碍物的概率；
仿真障碍物选择模块60，用于根据障碍物的概率选择与仿真个数相同的一个或多个仿真障碍物；
仿真障碍物位置分布模块70，用于根据仿真障碍物的真实标注数据得到仿真障碍物的位置分布。
在一种实施方式中，如图5所示，障碍物概率计算模块50包括：
选取标注数据单元51，用于选取标注数据集合中的其中一个障碍物的真实标注数据；
权重赋值单元52，用于将高斯模板的中心与已选的障碍物的真实标注数据对应，以使高斯模板的多个权重分别赋值于网格中；
权重叠加单元53，用于利用高斯模板依次遍历所有障碍物的真实标注数据，以使每个网格中的权重叠加，得到网格的总权重；
概率计算单元54，用于根据网格的总权重计算每个网格中出现障碍物的概率。
在一种实施方式中，仿真个数获取模块包括：
标注数据查找单元，用于查找与采集车的仿真位置数据相同或相邻的采集车的真实标注数据；
仿真个数计算单元，用于检索已查到的采集车的真实标注数据所属的点云，将检索到的所述点云中的障碍物的个数表示为仿真个数。
实施例三
本发明实施例提供了一种基于概率图的障碍物分布仿真终端，如图6所示，包括：
存储器400和处理器500，存储器400内存储有可在处理器500上运行的计算机程序。处理器500执行所述计算机程序时实现上述实施例中的基于概率图的障碍物分布仿真方法。存储器400和处理器500的数量可以为一个或多个。
通信接口600，用于存储器400和处理器500与外部进行通信。
存储器400可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
如果存储器400、处理器500以及通信接口600独立实现，则存储器400、处理器500以及通信接口600可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(ISA，Industry Standard Architecture)总线、外部设备互连(PCI，PeripheralComponent)总线或扩展工业标准体系结构(EISA，Extended Industry StandardComponent)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器400、处理器500以及通信接口600集成在一块芯片上，则存储器400、处理器500及通信接口600可以通过内部接口完成相互间的通信。
实施例四
一种计算机可读存储介质，其存储有计算机程序，所述程序被处理器执行时实现如实施例一包括的任一所述的基于概率图的障碍物分布仿真方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用，或结合这些指令执行***、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。所述存储介质可以是只读存储器，磁盘或光盘等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (7)

1.一种基于概率图的障碍物分布仿真方法，其特征在于，包括：
获取多帧点云，所述点云中包括多个障碍物；
获取采集车的真实标注数据，结合所述采集车的真实标注数据和所述采集车的运动规则得到所述采集车的仿真位置数据；
根据所述采集车的仿真位置数据得到所述障碍物的仿真个数；
提取各帧所述点云中所述障碍物的真实标注数据，并将已提取的所述障碍物的真实标注数据构成标注数据集合；
对所述标注数据集合进行网格划分，并计算每个网格中出现所述障碍物的概率；
根据所述障碍物的概率选择与所述仿真个数相同的一个或多个仿真障碍物；
根据所述仿真障碍物的真实标注数据得到所述仿真障碍物的位置分布；
计算每个网格中出现所述障碍物的概率，包括：
选取所述标注数据集合中的其中一个所述障碍物的真实标注数据；
将高斯模板的中心与已选的所述障碍物的真实标注数据对应，以使所述高斯模板的多个权重分别赋值于所述网格中；
利用所述高斯模板依次遍历所有所述障碍物的真实标注数据，以使每个所述网格中的权重叠加，得到所述网格的总权重；
根据所述网格的总权重计算每个所述网格中出现所述障碍物的概率。
2.如权利要求1所述的方法，其特征在于，根据所述障碍物的概率选择与所述仿真个数相同的一个或多个仿真障碍物，包括：
利用不等概率抽样法选择与所述仿真个数相同的一个或多个仿真障碍物。
3.如权利要求1所述的方法，其特征在于，根据所述采集车的仿真位置数据得到所述障碍物的仿真个数，包括：
查找与所述采集车的仿真位置数据相同或相邻的采集车的真实标注数据；
检索已查到的所述采集车的真实标注数据所属的所述点云，将检索到的所述点云中的所述障碍物的个数表示为所述仿真个数。
4.一种基于概率图的障碍物分布仿真装置，其特征在于，包括：
点云获取模块，用于获取多帧点云，所述点云中包括多个障碍物；
采集车的仿真模块，用于获取采集车的真实标注数据，结合所述采集车的真实标注数据和所述采集车的运动规则得到所述采集车的仿真位置数据；
仿真个数获取模块，用于根据所述采集车的仿真位置数据得到所述障碍物的仿真个数；
障碍物真实标注数据集合模块，用于提取各帧所述点云中障碍物的真实标注数据，并将已提取的所述障碍物的真实标注数据构成标注数据集合；
障碍物概率计算模块，用于对所述标注数据集合进行网格划分，并计算每个网格中出现所述障碍物的概率；
仿真障碍物选择模块，用于根据所述障碍物的概率选择与所述仿真个数相同的一个或多个仿真障碍物；
仿真障碍物位置分布模块，用于根据所述仿真障碍物的真实标注数据得到所述仿真障碍物的位置分布；
所述障碍物概率计算模块包括：
选取标注数据单元，用于选取所述标注数据集合中的其中一个所述障碍物的真实标注数据；
权重赋值单元，用于将高斯模板的中心与已选的所述障碍物的真实标注数据对应，以使所述高斯模板的多个权重分别赋值于所述网格中；
权重叠加单元，用于利用所述高斯模板依次遍历所有所述障碍物的真实标注数据，以使每个所述网格中的权重叠加，得到所述网格的总权重；
概率计算单元，用于根据所述网格的总权重计算每个所述网格中出现所述障碍物的概率。
5.如权利要求4所述的装置，其特征在于，所述仿真个数获取模块包括：
标注数据查找单元，用于查找与所述采集车的仿真位置数据相同或相邻的采集车的真实标注数据；
仿真个数计算单元，用于检索已查到的所述采集车的真实标注数据所属的所述点云，将检索到的所述点云中的所述障碍物的个数表示为所述仿真个数。
6.一种基于概率图的障碍物分布仿真终端，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-3中任一所述的方法。
7.一种计算机可读存储介质，其存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-3中任一所述的方法。
CN201811044644.5A 2018-09-07 2018-09-07 一种基于概率图的障碍物分布仿真方法、装置以及终端 Active CN109145489B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201811044644.5A CN109145489B (zh) 2018-09-07 2018-09-07 一种基于概率图的障碍物分布仿真方法、装置以及终端
EP19185798.6A EP3633551A1 (en) 2018-09-07 2019-07-11 Obstacle distribution simulation method, device and terminal based on a probability graph
US16/514,824 US11341297B2 (en) 2018-09-07 2019-07-17 Obstacle distribution simulation method, device and terminal based on a probability graph
JP2019133668A JP6850325B2 (ja) 2018-09-07 2019-07-19 確率プロットに基づく障害物分布シミュレーション方法、装置、端末、記憶媒体、及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811044644.5A CN109145489B (zh) 2018-09-07 2018-09-07 一种基于概率图的障碍物分布仿真方法、装置以及终端

Publications (2)

Publication Number Publication Date
CN109145489A CN109145489A (zh) 2019-01-04
CN109145489B true CN109145489B (zh) 2020-01-17

Family

ID=64823898

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811044644.5A Active CN109145489B (zh) 2018-09-07 2018-09-07 一种基于概率图的障碍物分布仿真方法、装置以及终端

Country Status (4)

Country Link
US (1) US11341297B2 (zh)
EP (1) EP3633551A1 (zh)
JP (1) JP6850325B2 (zh)
CN (1) CN109145489B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111325984B (zh) * 2020-03-18 2023-05-05 阿波罗智能技术(北京)有限公司 样本数据的获取方法、装置和电子设备
CN111625877B (zh) * 2020-04-15 2023-05-23 浙江仁欣环科院有限责任公司 一种基于cad等高线提高大气污染预测准确性的方法
CN111694287B (zh) * 2020-05-14 2023-06-23 阿波罗智能技术(北京)有限公司 无人驾驶仿真场景中的障碍物模拟方法和装置
CN115235482A (zh) * 2021-09-28 2022-10-25 上海仙途智能科技有限公司 地图更新方法、装置、计算机设备及介质
CN114842458B (zh) * 2022-06-29 2022-11-04 小米汽车科技有限公司 障碍物检测方法、装置、车辆和存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106934347A (zh) * 2017-02-10 2017-07-07 百度在线网络技术（北京）有限公司 障碍物识别方法及装置、计算机设备及可读介质
CN107392875A (zh) * 2017-08-01 2017-11-24 长安大学 一种基于k近邻域划分的点云数据去噪方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109643125B (zh) * 2016-06-28 2022-11-15 柯尼亚塔有限公司 用于训练自动驾驶***的逼真的3d虚拟世界创造与模拟
CN106707293B (zh) * 2016-12-01 2019-10-29 百度在线网络技术（北京）有限公司 用于车辆的障碍物识别方法和装置
CN106845416B (zh) * 2017-01-20 2021-09-21 百度在线网络技术（北京）有限公司 障碍物识别方法及装置、计算机设备及可读介质
CN106919908B (zh) * 2017-02-10 2020-07-28 百度在线网络技术（北京）有限公司 障碍物识别方法及装置、计算机设备及可读介质
CN108470174B (zh) 2017-02-23 2021-12-24 百度在线网络技术（北京）有限公司 障碍物分割方法及装置、计算机设备及可读介质
CN108445882B (zh) * 2018-03-26 2021-06-04 北京智山机器人科技有限责任公司 具有跟踪功能的自动导引车
US10726567B2 (en) * 2018-05-03 2020-07-28 Zoox, Inc. Associating LIDAR data and image data

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106934347A (zh) * 2017-02-10 2017-07-07 百度在线网络技术（北京）有限公司 障碍物识别方法及装置、计算机设备及可读介质
CN107392875A (zh) * 2017-08-01 2017-11-24 长安大学 一种基于k近邻域划分的点云数据去噪方法

Also Published As

Publication number Publication date
EP3633551A1 (en) 2020-04-08
CN109145489A (zh) 2019-01-04
US20200082039A1 (en) 2020-03-12
US11341297B2 (en) 2022-05-24
JP2020042793A (ja) 2020-03-19
JP6850325B2 (ja) 2021-03-31

Similar Documents

Publication Publication Date Title
CN109145489B (zh) 一种基于概率图的障碍物分布仿真方法、装置以及终端
CN109541634B (zh) 一种路径规划方法、装置和移动设备
CN108763287B (zh) 大规模可通行区域驾驶地图的构建方法及其无人驾驶应用方法
WO2017215622A1 (zh) 物体分割方法及装置、计算设备
CN109255181B (zh) 一种基于多模型的障碍物分布仿真方法、装置以及终端
US20220214182A1 (en) Method, system, terminal, and storage medium for rapid generation of reference lines
CN110967028B (zh) 导航地图构建方法、装置、机器人及存储介质
CN109146898B (zh) 一种仿真数据量增强方法、装置以及终端
CN106845324B (zh) 路牌信息的处理方法和装置
CN112329789B (zh) 点云的提取方法、装置、计算机设备和存储介质
CN109410290B (zh) 确定作业区域边界的方法和装置
JP7121454B2 (ja) 統計に基づく障害物位置シミュレーション方法、装置及び端末
CN111445576A (zh) 地图数据的获取方法和装置、存储介质及电子装置
CN115077540A (zh) 一种地图构建方法及装置
CN108287940B (zh) 样点布设的方法、装置、电子设备和存储介质
Wibowo et al. Mapping and grouping of farm land with Graham scan algorithm on convex hull method
CN114092771A (zh) 多传感数据融合方法、目标检测方法、装置和计算机设备
CN110057377A (zh) 路径导航方法及相关产品
CN116563968A (zh) 基于风险热力地图的智能巡检方法、装置及电子设备
CN111742242A (zh) 点云处理方法、***、设备及存储介质
CN115713600A (zh) 自动驾驶场景的数字高程模型的生成方法和装置
CN114387293A (zh) 道路边缘检测方法、装置、电子设备及车辆
CN114398253A (zh) 自动驾驶实车测试场景生成方法和***
CN113569600A (zh) 物体重识别的方法、装置、电子设备及存储介质
CN105447500A (zh) 一种自动识别秸秆焚烧火点的方法及***

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