CN109635868B - 障碍物类别的确定方法、装置、电子设备及存储介质 - Google Patents
障碍物类别的确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN109635868B CN109635868B CN201811506234.8A CN201811506234A CN109635868B CN 109635868 B CN109635868 B CN 109635868B CN 201811506234 A CN201811506234 A CN 201811506234A CN 109635868 B CN109635868 B CN 109635868B
- Authority
- CN
- China
- Prior art keywords
- time corresponding
- category
- current time
- target obstacle
- candidate
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000004927 fusion Effects 0.000 claims abstract description 235
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 303
- 238000010586 diagram Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000007796 conventional method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种障碍物类别的确定方法、装置、电子设备及存储介质。所述方法包括:接收各个传感器发送的目标障碍物对应的当前时刻的类别输出结果;根据预先确定的所述目标障碍物对应的上一时刻的类别融合结果和所述目标障碍物对应的当前时刻的类别输出结果计算所述目标障碍物对应的当前时刻的类别融合结果;根据所述目标障碍物对应的当前时刻的类别融合结果确定所述目标障碍物的最终类别。可以更加准确地确定出目标障碍物的最终类别。
Description
技术领域
本发明实施例涉及数据处理技术领域,尤其涉及一种障碍物类别的确定方法、装置、电子设备及存储介质。
背景技术
自动驾驶车辆,也可称为无人驾驶车辆,是指通过各种传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息等,控制车辆的转向和速度,从而使车辆能够安全、可靠地在道路上行驶。因此,自动驾驶车辆在行使时,必须实时了解车辆周围的行使环境。而环境信息的获取依靠安装于自动驾驶车辆上的各种传感器,目前自动驾驶车辆上典型的传感器包括:激光雷达、相机和毫米波雷达。各个传感器都会输出目标障碍物的类别,如行人、车辆等,并且各个传感器的输出结果可能会存在冲突,例如对某个障碍物,激光雷达识别为行人而相机识别为车辆。为了提高对目标障碍物的识别能力,就要利用多传感器数据融合技术,充分利用各个传感器的互补性,形成对***环境相对一致的感知描述。
现有的障碍物类别的确定方法采用如下两种方案:第一、将某一个传感器的输出类别确定为目标障碍物的最终类别。具体选取哪一个传感器一般以各传感器的分类性能作为评价指标,一般来说,相机对障碍物的分类准确度要高于激光传感器,所以当相机和激光雷达都检测到同一个障碍物时,都会将相机的输出结果确定为目标障碍物的最终类别。第二、利用先验知识对各传感器的输出结果进行加权融合。举例说明,假设某个障碍物可能有以下四种类别:行人、自行车、车辆、未知障碍物,激光雷达对该障碍物的输出结果为:Plidar=[p1,p2,p3,p4],该向量表示属于四个类别的概率;对应地,相机对该障碍物的输出结果为:Pcamera=[a1,a2,a3,a4]。加权融合模型为:其中i表示第i个类别,Mk表示加权系数,Pfusion[i]表示加权融合后目标障碍物属于第i个类别的概率。
在实现本发明的过程中,发明人发现现有技术中至少存在如下问题:
在现有的第一种障碍物类别的确定方法中,直接将某一个传感器的输出结果确定为目标障碍物的最终结果,这种方法并没有综合考虑各个传感器的输出结果,这样确定出的目标障碍物的最终类别可能会不准确;在现有的第二种障碍物类别的确定方法中,加权系数也会影响到目标障碍物的最终类别的准确性。
发明内容
有鉴于此,本发明实施例提供一种障碍物类别的确定方法、装置、电子设备及存储介质,可以更加准确地确定出目标障碍物的最终类别。
第一方面,本发明实施例提供了一种障碍物类别的确定方法,所述方法包括:
接收各个传感器发送的目标障碍物对应的当前时刻的类别输出结果;
根据预先确定的所述目标障碍物对应的上一时刻的类别融合结果和所述目标障碍物对应的当前时刻的类别输出结果计算所述目标障碍物对应的当前时刻的类别融合结果;
根据所述目标障碍物对应的当前时刻的类别融合结果确定所述目标障碍物的最终类别。
在上述实施例中,所述根据预先确定的所述目标障碍物对应的上一时刻的类别融合结果和所述目标障碍物对应的当前时刻的类别输出结果计算所述目标障碍物对应的当前时刻的类别融合结果,包括:
在所述目标障碍物对应的上一时刻的类别融合结果中获取各个候选类别对应的上一时刻的信度融合值;
在所述目标障碍物对应的当前时刻的类别输出结果中获取各个候选类别对应的当前时刻的信度输出值;
根据各个候选类别对应的上一时刻的信度融合值和各个候选类别对应的当前时刻的信度输出值计算所述目标障碍物对应的当前时刻的类别融合结果。
在上述实施例中,所述根据各个候选类别对应的上一时刻的信度融合值和各个候选类别对应的当前时刻的信度输出值计算所述目标障碍物对应的当前时刻的类别融合结果,包括:
根据各个候选类别对应的上一时刻的信度融合值和各个候选类别对应的当前时刻的信度输出值计算各个候选类别对应的当前时刻的信度融合值;
根据各个候选类别对应的当前时刻的信度融合值确定所述目标障碍物对应的当前时刻的类别融合结果。
在上述实施例中,所述根据各个候选类别对应的上一时刻的信度融合值和各个候选类别对应的当前时刻的信度输出值计算各个候选类别对应的当前时刻的信度融合值,包括:
确定各个候选类别对应的相互关联的候选类别和相互排斥的候选类别;
在所述目标障碍物对应的上一时刻的类别融合结果中获取所述相互关联的候选类别对应的上一时刻的信度融合值和所述相互排斥的候选类别对应的上一时刻的信度融合值;
在所述目标障碍物对应的当前时刻的类别输出结果中获取所述相互关联的候选类别对应的当前时刻的信度输出值和所述相互排斥的候选类别对应的当前时刻的信度输出值;
根据所述相互关联的候选类别对应的上一时刻的信度融合值和所述相互排斥的候选类别对应的上一时刻的信度融合值以及所述相互关联的候选类别对应的当前时刻的信度输出值和所述相互排斥的候选类别对应的当前时刻的信度输出值计算各个候选类别对应的当前时刻的信度融合值。
在上述实施例中,所述根据所述目标障碍物对应的当前时刻的类别融合结果确定所述目标障碍物的最终类别,包括:
根据所述目标障碍物对应的当前时刻的类别融合结果将全部候选类别按照与其对应的当前时刻的信度融合值进行排序;
将信度融合值最大的候选类别确定为所述目标障碍物的最终类别。
第二方面,本发明实施例提供了一种障碍物类别的确定装置,所述装置包括:接收模块、计算模块和确定模块;其中,
所述接收模块,用于接收各个传感器发送的目标障碍物对应的当前时刻的类别输出结果;
所述计算模块,用于根据预先确定的所述目标障碍物对应的上一时刻的类别融合结果和所述目标障碍物对应的当前时刻的类别输出结果计算所述目标障碍物对应的当前时刻的类别融合结果;
所述确定模块,用于根据所述目标障碍物对应的当前时刻的类别融合结果确定所述目标障碍物的最终类别。
在上述实施例中,所述计算模块包括:获取子模块和计算子模块;其中,
所述获取子模块,用于在所述目标障碍物对应的上一时刻的类别融合结果中获取各个候选类别对应的上一时刻的信度融合值;在所述目标障碍物对应的当前时刻的类别输出结果中获取各个候选类别对应的当前时刻的信度输出值;
所述计算子模块,用于根据各个候选类别对应的上一时刻的信度融合值和各个候选类别对应的当前时刻的信度输出值计算所述目标障碍物对应的当前时刻的类别融合结果。
在上述实施例中,所述计算子模块,用于根据各个候选类别对应的上一时刻的信度融合值和各个候选类别对应的当前时刻的信度输出值计算各个候选类别对应的当前时刻的信度融合值;根据各个候选类别对应的当前时刻的信度融合值确定所述目标障碍物对应的当前时刻的类别融合结果。
在上述实施例中,所述计算子模块,具体用于确定各个候选类别对应的相互关联的候选类别和相互排斥的候选类别;在所述目标障碍物对应的上一时刻的类别融合结果中获取所述相互关联的候选类别对应的上一时刻的信度融合值和所述相互排斥的候选类别对应的上一时刻的信度融合值;在所述目标障碍物对应的当前时刻的类别输出结果中获取所述相互关联的候选类别对应的当前时刻的信度输出值和所述相互排斥的候选类别对应的当前时刻的信度输出值;根据所述相互关联的候选类别对应的上一时刻的信度融合值和所述相互排斥的候选类别对应的上一时刻的信度融合值以及所述相互关联的候选类别对应的当前时刻的信度输出值和所述相互排斥的候选类别对应的当前时刻的信度输出值计算各个候选类别对应的当前时刻的信度融合值。
在上述实施例中,所述确定模块,具体用于根据所述目标障碍物对应的当前时刻的类别融合结果将全部候选类别按照与其对应的当前时刻的信度融合值进行排序;将信度融合值最大的候选类别确定为所述目标障碍物的最终类别。
第三方面,本发明实施例提供了一种电子设备,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,使得所述一个或多个处理器实现本发明任意实施例所述的障碍物类别的确定方法。
第四方面,本发明实施例提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明任意实施例所述的障碍物类别的确定方法。
本发明实施例提出了一种障碍物类别的确定方法、装置、电子设备及存储介质,先接收各个传感器发送的目标障碍物对应的当前时刻的类别输出结果;然后根据预先确定的目标障碍物对应的上一时刻的类别融合结果和目标障碍物对应的当前时刻的类别输出结果计算目标障碍物对应的当前时刻的类别融合结果;再根据目标障碍物对应的当前时刻的类别融合结果确定目标障碍物的最终类别。也就是说,在本发明的技术方案中,可以根据目标障碍物对应的上一时刻的类别融合结果和目标障碍物对应的当前时刻的类别输出结果计算目标障碍物对应的当前时刻的类别融合结果;再根据目标障碍物对应的当前时刻的类别融合结果确定目标障碍物的最终类别。而在现有的障碍物类别的确定方法中,将某一个传感器的输出类别确定为目标障碍物的最终类别;或者,利用先验知识对各传感器的输出结果进行加权融合。因此,和现有技术相比,本发明实施例提出的障碍物类别的确定方法、装置、电子设备及存储介质,可以更加准确地确定出目标障碍物的最终类别;并且,本发明实施例的技术方案实现简单方便、便于普及,适用范围更广。
附图说明
图1为本发明实施例一提供的障碍物类别的确定方法的流程示意图;
图2为本发明实施例二提供的障碍物类别的确定方法的流程示意图;
图3为本发明实施例三提供的障碍物类别的确定方法的流程示意图;
图4为本发明实施例四提供的障碍物类别的确定装置的第一结构示意图;
图5为本发明实施例四提供的障碍物类别的确定装置的第二结构示意图;
图6为本发明实施例五提供的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。
实施例一
图1为本发明实施例一提供的障碍物类别的确定方法的流程示意图,该方法可以由障碍物类别的确定装置或者电子设备来执行,该装置或者电子设备可以由软件和/或硬件的方式实现,该装置或者电子设备可以集成在任何具有网络通信功能的智能设备中。如图1所示,障碍物类别的确定方法可以包括以下步骤:
S101、接收各个传感器发送的目标障碍物对应的当前时刻的类别输出结果。
在本发明的具体实施例中,电子设备可以接收各个传感器发送的目标障碍物对应的当前时刻的类别输出结果。例如,假设可以在无人车上设置M个传感器,分别为:传感器1、传感器2、…、传感器M;传感器1可以向电子设备发送目标障碍物对应的当前时刻的类别输出结果1;传感器2可以向电子设备发送目标障碍物对应的当前时刻的类别输出结果2;…;传感器M可以向电子设备发送目标障碍物对应的当前时刻的类别输出结果M。因此,电子设备可以接收传感器1发送的目标障碍物对应的当前时刻的类别输出结果1;还可以接收传感器2发送的目标障碍物对应的当前时刻的类别输出结果1;…;还可以接收传感器M发送的目标障碍物对应的当前时刻的类别输出结果M;其中,M为大于1的自然数。
S102、根据预先确定的目标障碍物对应的上一时刻的类别融合结果和目标障碍物对应的当前时刻的类别输出结果计算目标障碍物对应的当前时刻的类别融合结果。
在本发明的具体实施例中,电子设备可以根据预先确定的目标障碍物对应的上一时刻的类别融合结果和目标障碍物对应的当前时刻的类别输出结果计算目标障碍物对应的当前时刻的类别融合结果。具体地,电子设备可以先在目标障碍物对应的上一时刻的类别融合结果中获取各个候选类别对应的上一时刻的信度融合值;然后在目标障碍物对应的当前时刻的类别输出结果中获取各个候选类别对应的当前时刻的信度输出值;再根据各个候选类别对应的上一时刻的信度融合值和各个候选类别对应的当前时刻的信度输出值计算目标障碍物对应的当前时刻的类别融合结果。
S103、根据目标障碍物对应的当前时刻的类别融合结果确定目标障碍物的最终类别。
在本发明的具体实施例中,电子设备可以根据目标障碍物对应的当前时刻的类别融合结果确定目标障碍物的最终类别。具体地,电子设备可以先根据目标障碍物对应的当前时刻的类别融合结果将全部候选类别按照与其对应的当前时刻的信度融合值进行排序;然后将信度融合值最大的候选类别确定为目标障碍物的最终类别。
本发明实施例提出的障碍物类别的确定方法,先接收各个传感器发送的目标障碍物对应的当前时刻的类别输出结果;然后根据预先确定的目标障碍物对应的上一时刻的类别融合结果和目标障碍物对应的当前时刻的类别输出结果计算目标障碍物对应的当前时刻的类别融合结果;再根据目标障碍物对应的当前时刻的类别融合结果确定目标障碍物的最终类别。也就是说,在本发明的技术方案中,可以根据目标障碍物对应的上一时刻的类别融合结果和目标障碍物对应的当前时刻的类别输出结果计算目标障碍物对应的当前时刻的类别融合结果;再根据目标障碍物对应的当前时刻的类别融合结果确定目标障碍物的最终类别。而在现有的障碍物类别的确定方法中,将某一个传感器的输出类别确定为目标障碍物的最终类别;或者,利用先验知识对各传感器的输出结果进行加权融合。因此,和现有技术相比,本发明实施例提出的障碍物类别的确定方法,可以更加准确地确定出目标障碍物的最终类别;并且,本发明实施例的技术方案实现简单方便、便于普及,适用范围更广。
实施例二
图2为本发明实施例二提供的障碍物类别的确定方法的流程示意图。如图2所示,障碍物类别的确定方法可以包括以下步骤:
S201、接收各个传感器发送的目标障碍物对应的当前时刻的类别输出结果。
在本发明的具体实施例中,电子设备可以接收各个传感器发送的目标障碍物对应的当前时刻的类别输出结果。例如,假设可以在无人车上设置M个传感器,分别为:传感器1、传感器2、…、传感器M;传感器1可以向电子设备发送目标障碍物对应的当前时刻的类别输出结果1;传感器2可以向电子设备发送目标障碍物对应的当前时刻的类别输出结果2;…;传感器M可以向电子设备发送目标障碍物对应的当前时刻的类别输出结果M。因此,电子设备可以接收传感器1发送的目标障碍物对应的当前时刻的类别输出结果1;还可以接收传感器2发送的目标障碍物对应的当前时刻的类别输出结果1;…;还可以接收传感器M发送的目标障碍物对应的当前时刻的类别输出结果M;其中,M为大于1的自然数。
S202、在目标障碍物对应的上一时刻的类别融合结果中获取各个候选类别对应的上一时刻的信度融合值。
在本发明的具体实施例中,电子设备可以在目标障碍物对应的上一时刻的类别融合结果中获取各个候选类别对应的上一时刻的信度融合值。具体地,目标障碍物对应的上一时刻的类别融合结果可以包括N个候选类别对应的上一时刻的信度融合值,分别为:候选类别1对应的上一时刻的信度融合值1、候选类别2对应的上一时刻的信度融合值2;…;候选类别N对应的上一时刻的信度融合值N。例如,假设目标障碍物对应的上一时刻的类别融合结果可以包括四个候选类别对应的上一时刻的信度融合值,Ped表示行人;Bic表示自行车;Car表示机动车;Unk表示未知类别;即:其中,表示目标障碍物对应的上一时刻的类别融合结果;mK-1(Ped)表示行人对应的上一时刻的信度融合值;mK-1(Bic)表示自行车对应的上一时刻的信度融合值;mK-1(Car)表示机动车对应的上一时刻的信度融合值;mK-1(Unk)表示未知类别对应的上一时刻的信度融合值。因此,在本步骤中,电子设备可以在目标障碍物对应的上一时刻的类别融合结果中获取各个候选类别对应的上一时刻的信度融合值。
S203、在目标障碍物对应的当前时刻的类别输出结果中获取各个候选类别对应的当前时刻的信度输出值。
在本发明的具体实施例中,电子设备可以在目标障碍物对应的当前时刻的类别输出结果中获取各个候选类别对应的当前时刻的信度输出值。具体地,各个传感器输出的目标障碍物对应的当前时刻的类别输出结果可以包括N个候选类别对应的当前时刻的信度输出值,分别为:候选类别1对应的当前时刻的信度输出值1、候选类别2对应的当前时刻的信度输出值2;…;候选类别N对应的当前时刻的信度输出值N。例如,假设第一传感器输出的目标障碍物对应的当前时刻的类别输出结果可以包括四个候选类别对应的当前时刻的信度输出值,Ped表示行人;Bic表示自行车;Car表示机动车;Unk表示未知类别;即:m1=[a1(Ped),a1(Bic),a1(Car),a1(Unk)];其中,m1表示第一传感器输出的目标障碍物对应的当前时刻的类别输出结果;a1(Ped)表示第一传感器输出的行人对应的当前时刻的信度输出值;a1(Bic)表示第一传感器输出的自行车对应的当前时刻的信度输出值;a1(Car)表示第一传感器输出的机动车对应的当前时刻的信度输出值;a1(Unk)表示第一传感器输出的未知类别对应的当前时刻的信度输出值。再例如,假设第二传感器输出的目标障碍物对应的当前时刻的类别输出结果可以包括四个候选类别对应的当前时刻的信度输出值,Ped表示行人;Bic表示自行车;Car表示机动车;Unk表示未知类别;即:m2=[a2(Ped),a2(Bic),a2(Car),a2(Unk)];其中,m2表示第二传感器输出的目标障碍物对应的当前时刻的类别输出结果;a2(Ped)表示第二传感器输出的行人对应的当前时刻的信度输出值;a2(Bic)表示第二传感器输出的自行车对应的当前时刻的信度输出值;a2(Car)表示第二传感器输出的机动车对应的当前时刻的信度输出值;a2(Unk)表示第二传感器输出的未知类别对应的当前时刻的信度输出值。以此类推。再例如,假设第M传感器输出的目标障碍物对应的当前时刻的类别输出结果可以包括四个候选类别对应的当前时刻的信度输出值,Ped表示行人;Bic表示自行车;Car表示机动车;Unk表示未知类别;即:mM=[aM(Ped),aM(Bic),aM(Car),aM(Unk)];其中,mM表示第M传感器输出的目标障碍物对应的当前时刻的类别输出结果;aM(Ped)表示第M传感器输出的行人对应的当前时刻的信度输出值;aM(Bic)表示第M传感器输出的自行车对应的当前时刻的信度输出值;aM(Car)表示第M传感器输出的机动车对应的当前时刻的信度输出值;aM(Unk)表示第M传感器输出的未知类别对应的当前时刻的信度输出值。因此,在本步骤中,电子设备可以在目标障碍物对应的当前时刻的类别输出结果中获取各个候选类别对应的当前时刻的信度输出值。
S204、根据各个候选类别对应的上一时刻的信度融合值和各个候选类别对应的当前时刻的信度输出值计算目标障碍物对应的当前时刻的类别融合结果。
在本发明的具体实施例中,电子设备可以根据各个候选类别对应的上一时刻的信度融合值和各个候选类别对应的当前时刻的信度输出值计算目标障碍物对应的当前时刻的类别融合结果。具体地,电子设备可以根据各个候选类别对应的上一时刻的信度融合值和各个候选类别对应的当前时刻的信度输出值计算各个候选类别对应的当前时刻的信度融合值;根据各个候选类别对应的当前时刻的信度融合值确定目标障碍物对应的当前时刻的类别融合结果。
S205、根据目标障碍物对应的当前时刻的类别融合结果确定目标障碍物的最终类别。
在本发明的具体实施例中,电子设备可以根据目标障碍物对应的当前时刻的类别融合结果确定目标障碍物的最终类别。具体地,电子设备可以先根据目标障碍物对应的当前时刻的类别融合结果将全部候选类别按照与其对应的当前时刻的信度融合值进行排序;然后将信度融合值最大的候选类别确定为目标障碍物的最终类别。
本发明实施例提出的障碍物类别的确定方法,先接收各个传感器发送的目标障碍物对应的当前时刻的类别输出结果;然后根据预先确定的目标障碍物对应的上一时刻的类别融合结果和目标障碍物对应的当前时刻的类别输出结果计算目标障碍物对应的当前时刻的类别融合结果;再根据目标障碍物对应的当前时刻的类别融合结果确定目标障碍物的最终类别。也就是说,在本发明的技术方案中,可以根据目标障碍物对应的上一时刻的类别融合结果和目标障碍物对应的当前时刻的类别输出结果计算目标障碍物对应的当前时刻的类别融合结果;再根据目标障碍物对应的当前时刻的类别融合结果确定目标障碍物的最终类别。而在现有的障碍物类别的确定方法中,将某一个传感器的输出类别确定为目标障碍物的最终类别;或者,利用先验知识对各传感器的输出结果进行加权融合。因此,和现有技术相比,本发明实施例提出的障碍物类别的确定方法,可以更加准确地确定出目标障碍物的最终类别;并且,本发明实施例的技术方案实现简单方便、便于普及,适用范围更广。
实施例三
图3为本发明实施例三提供的障碍物类别的确定方法的流程示意图。如图3所示,障碍物类别的确定方法可以包括以下步骤:
S301、接收各个传感器发送的目标障碍物对应的当前时刻的类别输出结果。
在本发明的具体实施例中,电子设备可以接收各个传感器发送的目标障碍物对应的当前时刻的类别输出结果。例如,假设可以在无人车上设置M个传感器,分别为:传感器1、传感器2、…、传感器M;传感器1可以向电子设备发送目标障碍物对应的当前时刻的类别输出结果1;传感器2可以向电子设备发送目标障碍物对应的当前时刻的类别输出结果2;…;传感器M可以向电子设备发送目标障碍物对应的当前时刻的类别输出结果M。因此,电子设备可以接收传感器1发送的目标障碍物对应的当前时刻的类别输出结果1;还可以接收传感器2发送的目标障碍物对应的当前时刻的类别输出结果1;…;还可以接收传感器M发送的目标障碍物对应的当前时刻的类别输出结果M;其中,M为大于1的自然数。
S302、在目标障碍物对应的上一时刻的类别融合结果中获取各个候选类别对应的上一时刻的信度融合值。
在本发明的具体实施例中,电子设备可以在目标障碍物对应的上一时刻的类别融合结果中获取各个候选类别对应的上一时刻的信度融合值。具体地,目标障碍物对应的上一时刻的类别融合结果可以包括N个候选类别对应的上一时刻的信度融合值,分别为:候选类别1对应的上一时刻的信度融合值1、候选类别2对应的上一时刻的信度融合值2;…;候选类别N对应的上一时刻的信度融合值N。例如,假设目标障碍物对应的上一时刻的类别融合结果可以包括四个候选类别对应的上一时刻的信度融合值,Ped表示行人;Bic表示自行车;Car表示机动车;Unk表示未知类别;即:其中,表示目标障碍物对应的上一时刻的类别融合结果;mK-1(Ped)表示行人对应的上一时刻的信度融合值;mK-1(Bic)表示自行车对应的上一时刻的信度融合值;mK-1(Car)表示机动车对应的上一时刻的信度融合值;mK-1(Unk)表示未知类别对应的上一时刻的信度融合值。因此,在本步骤中,电子设备可以在目标障碍物对应的上一时刻的类别融合结果中获取各个候选类别对应的上一时刻的信度融合值。
S303、在目标障碍物对应的当前时刻的类别输出结果中获取各个候选类别对应的当前时刻的信度输出值。
在本发明的具体实施例中,电子设备可以在目标障碍物对应的当前时刻的类别输出结果中获取各个候选类别对应的当前时刻的信度输出值。具体地,各个传感器输出的目标障碍物对应的当前时刻的类别输出结果可以包括N个候选类别对应的当前时刻的信度输出值,分别为:候选类别1对应的当前时刻的信度输出值1、候选类别2对应的当前时刻的信度输出值2;…;候选类别N对应的当前时刻的信度输出值N。例如,假设第一传感器输出的目标障碍物对应的当前时刻的类别输出结果可以包括四个候选类别对应的当前时刻的信度输出值,Ped表示行人;Bic表示自行车;Car表示机动车;Unk表示未知类别;即:m1=[a1(Ped),a1(Bic),a1(Car),a1(Unk)];其中,m1表示第一传感器输出的目标障碍物对应的当前时刻的类别输出结果;a1(Ped)表示第一传感器输出的行人对应的当前时刻的信度输出值;a1(Bic)表示第一传感器输出的自行车对应的当前时刻的信度输出值;a1(Car)表示第一传感器输出的机动车对应的当前时刻的信度输出值;a1(Unk)表示第一传感器输出的未知类别对应的当前时刻的信度输出值。再例如,假设第二传感器输出的目标障碍物对应的当前时刻的类别输出结果可以包括四个候选类别对应的当前时刻的信度输出值,Ped表示行人;Bic表示自行车;Car表示机动车;Unk表示未知类别;即:m2=[a2(Ped),a2(Bic),a2(Car),a2(Unk)];其中,m2表示第二传感器输出的目标障碍物对应的当前时刻的类别输出结果;a2(Ped)表示第二传感器输出的行人对应的当前时刻的信度输出值;a2(Bic)表示第二传感器输出的自行车对应的当前时刻的信度输出值;a2(Car)表示第二传感器输出的机动车对应的当前时刻的信度输出值;a2(Unk)表示第二传感器输出的未知类别对应的当前时刻的信度输出值。以此类推。再例如,假设第M传感器输出的目标障碍物对应的当前时刻的类别输出结果可以包括四个候选类别对应的当前时刻的信度输出值,Ped表示行人;Bic表示自行车;Car表示机动车;Unk表示未知类别;即:mM=[aM(Ped),aM(Bic),aM(Car),aM(Unk)];其中,mM表示第M传感器输出的目标障碍物对应的当前时刻的类别输出结果;aM(Ped)表示第M传感器输出的行人对应的当前时刻的信度输出值;aM(Bic)表示第M传感器输出的自行车对应的当前时刻的信度输出值;aM(Car)表示第M传感器输出的机动车对应的当前时刻的信度输出值;aM(Unk)表示第M传感器输出的未知类别对应的当前时刻的信度输出值。因此,在本步骤中,电子设备可以在目标障碍物对应的当前时刻的类别输出结果中获取各个候选类别对应的当前时刻的信度输出值。
S304、根据各个候选类别对应的上一时刻的信度融合值和各个候选类别对应的当前时刻的信度输出值计算各个候选类别对应的当前时刻的信度融合值。
在本发明的具体实施例中,电子设备可以根据各个候选类别对应的上一时刻的信度融合值和各个候选类别对应的当前时刻的信度输出值计算各个候选类别对应的当前时刻的信度融合值。具体地,电子设备可以先确定各个候选类别对应的相互关联的候选类别和相互排斥的候选类别;然后在目标障碍物对应的上一时刻的类别融合结果中获取相互关联的候选类别对应的上一时刻的信度融合值和相互排斥的候选类别对应的上一时刻的信度融合值;在目标障碍物对应的当前时刻的类别输出结果中获取相互关联的候选类别对应的当前时刻的信度输出值和相互排斥的候选类别对应的当前时刻的信度输出值;再根据相互关联的候选类别对应的上一时刻的信度融合值和相互排斥的候选类别对应的上一时刻的信度融合值以及相互关联的候选类别对应的当前时刻的信度输出值和相互排斥的候选类别对应的当前时刻的信度输出值计算各个候选类别对应的当前时刻的信度融合值。具体地,电子设备可以按照以下公式计算各个候选类别对应的当前时刻的信度融合值:其中,A∈{Ped,Bic,Car,Unk};归一化常数
S305、根据各个候选类别对应的当前时刻的信度融合值确定目标障碍物对应的当前时刻的类别融合结果。
在本发明的具体实施例中,电子设备可以根据各个候选类别对应的当前时刻的信度融合值确定目标障碍物对应的当前时刻的类别融合结果。具体地,假设目标障碍物对应的当前时刻的类别融合结果可以包括四个候选类别对应的当前时刻的信度融合值,Ped表示行人;Bic表示自行车;Car表示机动车;Unk表示未知类别;即:其中,表示目标障碍物对应的当前时刻的类别融合结果;mK(Ped)表示行人对应的当前时刻的信度融合值;mK(Bic)表示自行车对应的当前时刻的信度融合值;mK(Car)表示机动车对应的当前时刻的信度融合值;mK(Unk)表示未知类别对应的当前时刻的信度融合值。因此,在本步骤中,电子设备可以根据各个候选类别对应的当前时刻的信度融合值确定目标障碍物对应的当前时刻的类别融合结果。
S306、根据目标障碍物对应的当前时刻的类别融合结果确定目标障碍物的最终类别。
在本发明的具体实施例中,电子设备可以根据目标障碍物对应的当前时刻的类别融合结果确定目标障碍物的最终类别。具体地,电子设备可以先根据目标障碍物对应的当前时刻的类别融合结果将全部候选类别按照与其对应的当前时刻的信度融合值进行排序;然后将信度融合值最大的候选类别确定为目标障碍物的最终类别。
本发明实施例提出的障碍物类别的确定方法,先接收各个传感器发送的目标障碍物对应的当前时刻的类别输出结果;然后根据预先确定的目标障碍物对应的上一时刻的类别融合结果和目标障碍物对应的当前时刻的类别输出结果计算目标障碍物对应的当前时刻的类别融合结果;再根据目标障碍物对应的当前时刻的类别融合结果确定目标障碍物的最终类别。也就是说,在本发明的技术方案中,可以根据目标障碍物对应的上一时刻的类别融合结果和目标障碍物对应的当前时刻的类别输出结果计算目标障碍物对应的当前时刻的类别融合结果;再根据目标障碍物对应的当前时刻的类别融合结果确定目标障碍物的最终类别。而在现有的障碍物类别的确定方法中,将某一个传感器的输出类别确定为目标障碍物的最终类别;或者,利用先验知识对各传感器的输出结果进行加权融合。因此,和现有技术相比,本发明实施例提出的障碍物类别的确定方法,可以更加准确地确定出目标障碍物的最终类别;并且,本发明实施例的技术方案实现简单方便、便于普及,适用范围更广。
实施例四
图4为本发明实施例四提供的障碍物类别的确定装置的第一结构示意图。如图4所示,本发明实施例所述的障碍物类别的确定装置可以包括:接收模块401、计算模块402和确定模块403;其中,
所述接收模块401,用于接收各个传感器发送的目标障碍物对应的当前时刻的类别输出结果;
所述计算模块402,用于根据预先确定的所述目标障碍物对应的上一时刻的类别融合结果和所述目标障碍物对应的当前时刻的类别输出结果计算所述目标障碍物对应的当前时刻的类别融合结果;
所述确定模块403,用于根据所述目标障碍物对应的当前时刻的类别融合结果确定所述目标障碍物的最终类别。
图5为本发明实施例四提供的障碍物类别的确定装置的第二结构示意图。如图5所示,所述计算模块402包括:获取子模块4021和计算子模块4022;其中,
所述获取子模块4021,用于在所述目标障碍物对应的上一时刻的类别融合结果中获取各个候选类别对应的上一时刻的信度融合值;在所述目标障碍物对应的当前时刻的类别输出结果中获取各个候选类别对应的当前时刻的信度输出值;
所述计算子模块4022,用于根据各个候选类别对应的上一时刻的信度融合值和各个候选类别对应的当前时刻的信度输出值计算所述目标障碍物对应的当前时刻的类别融合结果。
进一步的,所述计算子模块4022,用于根据各个候选类别对应的上一时刻的信度融合值和各个候选类别对应的当前时刻的信度输出值计算各个候选类别对应的当前时刻的信度融合值;根据各个候选类别对应的当前时刻的信度融合值确定所述目标障碍物对应的当前时刻的类别融合结果。
进一步的,所述计算子模块4022,具体用于确定各个候选类别对应的相互关联的候选类别和相互排斥的候选类别;在所述目标障碍物对应的上一时刻的类别融合结果中获取所述相互关联的候选类别对应的上一时刻的信度融合值和所述相互排斥的候选类别对应的上一时刻的信度融合值;在所述目标障碍物对应的当前时刻的类别输出结果中获取所述相互关联的候选类别对应的当前时刻的信度输出值和所述相互排斥的候选类别对应的当前时刻的信度输出值;根据所述相互关联的候选类别对应的上一时刻的信度融合值和所述相互排斥的候选类别对应的上一时刻的信度融合值以及所述相互关联的候选类别对应的当前时刻的信度输出值和所述相互排斥的候选类别对应的当前时刻的信度输出值计算各个候选类别对应的当前时刻的信度融合值。
进一步的,所述确定模块403,具体用于根据所述目标障碍物对应的当前时刻的类别融合结果将全部候选类别按照与其对应的当前时刻的信度融合值进行排序;将信度融合值最大的候选类别确定为所述目标障碍物的最终类别。
上述障碍物类别的确定装置可执行本发明任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明任意实施例提供的障碍物类别的确定方法。
实施例五
图6为本发明实施例五提供的电子设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性电子设备的框图。图6显示的电子设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,***存储器28,连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
电子设备12典型地包括多种计算机***可读介质。这些介质可以是任何能够被电子设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
***存储器28可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该电子设备12交互的设备通信,和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与电子设备12的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元16通过运行存储在***存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的障碍物类别的确定方法。
实施例六
本发明实施例六提供了一种计算机存储介质。
本发明实施例的计算机可读存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (6)
1.一种障碍物类别的确定方法,其特征在于,所述方法包括:
接收各个传感器发送的目标障碍物对应的当前时刻的类别输出结果;
根据预先确定的所述目标障碍物对应的上一时刻的类别融合结果和所述目标障碍物对应的当前时刻的类别输出结果计算所述目标障碍物对应的当前时刻的类别融合结果;
根据所述目标障碍物对应的当前时刻的类别融合结果确定所述目标障碍物的最终类别;
其中,所述根据预先确定的所述目标障碍物对应的上一时刻的类别融合结果和所述目标障碍物对应的当前时刻的类别输出结果计算所述目标障碍物对应的当前时刻的类别融合结果,包括:
在所述目标障碍物对应的上一时刻的类别融合结果中获取各个候选类别对应的上一时刻的信度融合值;
在所述目标障碍物对应的当前时刻的类别输出结果中获取各个候选类别对应的当前时刻的信度输出值;
根据各个候选类别对应的上一时刻的信度融合值和各个候选类别对应的当前时刻的信度输出值计算所述目标障碍物对应的当前时刻的类别融合结果;
其中,所述根据各个候选类别对应的上一时刻的信度融合值和各个候选类别对应的当前时刻的信度输出值计算所述目标障碍物对应的当前时刻的类别融合结果,包括:
根据各个候选类别对应的上一时刻的信度融合值和各个候选类别对应的当前时刻的信度输出值计算各个候选类别对应的当前时刻的信度融合值;
根据各个候选类别对应的当前时刻的信度融合值确定所述目标障碍物对应的当前时刻的类别融合结果;
其中,所述根据各个候选类别对应的上一时刻的信度融合值和各个候选类别对应的当前时刻的信度输出值计算各个候选类别对应的当前时刻的信度融合值,包括:
确定各个候选类别对应的相互关联的候选类别和相互排斥的候选类别;
在所述目标障碍物对应的上一时刻的类别融合结果中获取所述相互关联的候选类别对应的上一时刻的信度融合值和所述相互排斥的候选类别对应的上一时刻的信度融合值;
在所述目标障碍物对应的当前时刻的类别输出结果中获取所述相互关联的候选类别对应的当前时刻的信度输出值和所述相互排斥的候选类别对应的当前时刻的信度输出值;
根据所述相互关联的候选类别对应的上一时刻的信度融合值和所述相互排斥的候选类别对应的上一时刻的信度融合值以及所述相互关联的候选类别对应的当前时刻的信度输出值和所述相互排斥的候选类别对应的当前时刻的信度输出值计算各个候选类别对应的当前时刻的信度融合值。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标障碍物对应的当前时刻的类别融合结果确定所述目标障碍物的最终类别,包括:
根据所述目标障碍物对应的当前时刻的类别融合结果将全部候选类别按照与其对应的当前时刻的信度融合值进行排序;
将信度融合值最大的候选类别确定为所述目标障碍物的最终类别。
3.一种障碍物类别的确定装置,其特征在于,所述装置包括:接收模块、计算模块和确定模块;其中,
所述接收模块,用于接收各个传感器发送的目标障碍物对应的当前时刻的类别输出结果;
所述计算模块,用于根据预先确定的所述目标障碍物对应的上一时刻的类别融合结果和所述目标障碍物对应的当前时刻的类别输出结果计算所述目标障碍物对应的当前时刻的类别融合结果;
所述确定模块,用于根据所述目标障碍物对应的当前时刻的类别融合结果确定所述目标障碍物的最终类别;
其中,所述计算模块包括:获取子模块和计算子模块;其中,
所述获取子模块,用于在所述目标障碍物对应的上一时刻的类别融合结果中获取各个候选类别对应的上一时刻的信度融合值;在所述目标障碍物对应的当前时刻的类别输出结果中获取各个候选类别对应的当前时刻的信度输出值;
所述计算子模块,用于根据各个候选类别对应的上一时刻的信度融合值和各个候选类别对应的当前时刻的信度输出值计算所述目标障碍物对应的当前时刻的类别融合结果;
其中,所述计算子模块,用于根据各个候选类别对应的上一时刻的信度融合值和各个候选类别对应的当前时刻的信度输出值计算各个候选类别对应的当前时刻的信度融合值;根据各个候选类别对应的当前时刻的信度融合值确定所述目标障碍物对应的当前时刻的类别融合结果;
其中,所述计算子模块,具体用于确定各个候选类别对应的相互关联的候选类别和相互排斥的候选类别;在所述目标障碍物对应的上一时刻的类别融合结果中获取所述相互关联的候选类别对应的上一时刻的信度融合值和所述相互排斥的候选类别对应的上一时刻的信度融合值;在所述目标障碍物对应的当前时刻的类别输出结果中获取所述相互关联的候选类别对应的当前时刻的信度输出值和所述相互排斥的候选类别对应的当前时刻的信度输出值;根据所述相互关联的候选类别对应的上一时刻的信度融合值和所述相互排斥的候选类别对应的上一时刻的信度融合值以及所述相互关联的候选类别对应的当前时刻的信度输出值和所述相互排斥的候选类别对应的当前时刻的信度输出值计算各个候选类别对应的当前时刻的信度融合值。
4.根据权利要求3所述的装置,其特征在于:
所述确定模块,具体用于根据所述目标障碍物对应的当前时刻的类别融合结果将全部候选类别按照与其对应的当前时刻的信度融合值进行排序;将信度融合值最大的候选类别确定为所述目标障碍物的最终类别。
5.一种电子设备,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,使得所述一个或多个处理器实现如权利要求1至2中任一项所述的障碍物类别的确定方法。
6.一种存储介质,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如权利要求1至2中任一项所述的障碍物类别的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811506234.8A CN109635868B (zh) | 2018-12-10 | 2018-12-10 | 障碍物类别的确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811506234.8A CN109635868B (zh) | 2018-12-10 | 2018-12-10 | 障碍物类别的确定方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109635868A CN109635868A (zh) | 2019-04-16 |
CN109635868B true CN109635868B (zh) | 2021-07-20 |
Family
ID=66072547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811506234.8A Active CN109635868B (zh) | 2018-12-10 | 2018-12-10 | 障碍物类别的确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109635868B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110843792B (zh) * | 2019-11-29 | 2021-05-25 | 北京百度网讯科技有限公司 | 用于输出信息的方法和装置 |
CN111582173A (zh) * | 2020-05-08 | 2020-08-25 | 东软睿驰汽车技术(沈阳)有限公司 | 一种自动驾驶的方法及*** |
CN114858200B (zh) * | 2022-04-19 | 2023-06-27 | 合众新能源汽车股份有限公司 | 车辆传感器检测到的对象的质量评价方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106707293A (zh) * | 2016-12-01 | 2017-05-24 | 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 |
CN108573271A (zh) * | 2017-12-15 | 2018-09-25 | 蔚来汽车有限公司 | 多传感器目标信息融合的优化方法及装置、计算机设备和记录介质 |
CN108664989A (zh) * | 2018-03-27 | 2018-10-16 | 北京达佳互联信息技术有限公司 | 图像标签确定方法、装置及终端 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8666111B2 (en) * | 2011-05-24 | 2014-03-04 | Tata Consultancy Services Limited | System and method for detecting the watermark using decision fusion |
JP5597322B1 (ja) * | 2012-11-05 | 2014-10-01 | パナソニック株式会社 | 自律走行装置の走行情報生成装置、方法、及びプログラム、並びに自律走行装置 |
US10034066B2 (en) * | 2016-05-02 | 2018-07-24 | Bao Tran | Smart device |
CN107966700A (zh) * | 2017-11-20 | 2018-04-27 | 天津大学 | 一种用于无人驾驶汽车的前方障碍物检测***及方法 |
-
2018
- 2018-12-10 CN CN201811506234.8A patent/CN109635868B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106707293A (zh) * | 2016-12-01 | 2017-05-24 | 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 |
CN108573271A (zh) * | 2017-12-15 | 2018-09-25 | 蔚来汽车有限公司 | 多传感器目标信息融合的优化方法及装置、计算机设备和记录介质 |
CN108664989A (zh) * | 2018-03-27 | 2018-10-16 | 北京达佳互联信息技术有限公司 | 图像标签确定方法、装置及终端 |
Non-Patent Citations (2)
Title |
---|
An improved classification method of concealed obstacles using UWB radar and stereo cameras;Dong Won Yang 等;《IEEE》;20111128;第1-4页 * |
决策层时空信息融合的神经网络模型研究;朱玉鹏 等;《***工程与电子技术》;20080630;第30卷(第6期);第1098-1102页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109635868A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109059902B (zh) | 相对位姿确定方法、装置、设备和介质 | |
EP3627180B1 (en) | Sensor calibration method and device, computer device, medium, and vehicle | |
CN109188457B (zh) | 物体检测框的生成方法、装置、设备、存储介质及车辆 | |
CN109188438B (zh) | 偏航角确定方法、装置、设备和介质 | |
CN110260870B (zh) | 基于隐马尔可夫模型的地图匹配方法、装置、设备和介质 | |
CN110095752B (zh) | 定位方法、装置、设备和介质 | |
CN109284348B (zh) | 一种电子地图的更新方法、装置、设备和存储介质 | |
CN109435955B (zh) | 一种自动驾驶***性能评估方法、装置、设备及存储介质 | |
CN110134126B (zh) | 轨迹匹配方法、装置、设备和介质 | |
JP7185811B2 (ja) | 超音波アレイによる障害物検出結果の処理方法、コンピュータデバイス、記憶媒体、プログラム及びシステム | |
CN109635868B (zh) | 障碍物类别的确定方法、装置、电子设备及存储介质 | |
CN109635861B (zh) | 一种数据融合方法、装置、电子设备及存储介质 | |
CN113537362A (zh) | 一种基于车路协同的感知融合方法、装置、设备及介质 | |
CN109118797B (zh) | 信息共享方法、装置、设备及存储介质 | |
CN112100565A (zh) | 一种道路曲率确定方法、装置、设备及存储介质 | |
CN112712036A (zh) | 交通标志识别方法、装置、电子设备及计算机存储介质 | |
CN114490910A (zh) | 一种地图的生成方法、装置、电子设备及存储介质 | |
JP2023038164A (ja) | 障害物検出方法、装置、自動運転車両、機器、及び記憶媒体 | |
WO2024051344A1 (zh) | 一种地图创建方法及装置 | |
CN109270566B (zh) | 导航方法、导航效果测试方法、装置、设备和介质 | |
WO2023051398A1 (zh) | 安全补偿方法、装置、存储介质及电子设备 | |
CN114578401B (zh) | 一种车道航迹点的生成方法、装置、电子设备及存储介质 | |
CN114429631B (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
CN115512336A (zh) | 基于路灯光源的车辆定位方法、装置和电子设备 | |
CN108872999B (zh) | 一种物体识别方法、装置、识别设备及存储介质 |
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 |