CN110045376A - 可行驶区域获取方法、计算机可读存储介质及终端设备 - Google Patents
可行驶区域获取方法、计算机可读存储介质及终端设备 Download PDFInfo
- Publication number
- CN110045376A CN110045376A CN201910349294.1A CN201910349294A CN110045376A CN 110045376 A CN110045376 A CN 110045376A CN 201910349294 A CN201910349294 A CN 201910349294A CN 110045376 A CN110045376 A CN 110045376A
- Authority
- CN
- China
- Prior art keywords
- point
- cfar
- vehicle
- probability map
- frame
- 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
- 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
- G01S13/50—Systems of measurement based on relative movement of 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
- G01S13/88—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)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种可行驶区域获取方法、计算机可读存储介质及终端设备，通过安装在车辆上的毫米波雷达逐帧采集点云数据；根据车辆的行驶速度和毫米波雷达检测到的点云数据中每个CFAR点的多普勒速度，获取点云数据中与地面相对静止的CFAR点；根据车辆的行驶速度和车辆的横摆角信息，获取车辆的运动状态，平移栅格概率地图；将每帧中所有与地面相对静止的CFAR点投影到栅格概率地图中，计算每个CFAR点在栅格概率地图中的概率值；将概率值高于第一预设值的CFAR点作为障碍物的点，除障碍物的点之外的其他区域作为可行驶区域。通过对点云数据进行处理，精确获取与地面相对静止的障碍物信息，将障碍物显示在显示屏上获得可行驶区域。
Description
技术领域
本发明属于车辆驾驶技术领域，尤其涉及一种可行驶区域获取方法、计算机可读存储介质及终端设备。
背景技术
近年来随着汽车产业的高速发展，交通事故已经成为全球性的问题，全世界每年交通事故的死伤人数估计超过50多万人，交通改善和驾驶安全需求不断增强。
在车辆行驶的过程中实时进行障碍物检测，获取可行驶区域，以便进行避障等操作，能够有效提高驾驶的安全性。现有技术虽然存在障碍物检测、以获取可驾驶区域的方案，但是其检测准确性有待提高，而且只能检测定义好的障碍物类型，应对突发或未知类型的障碍物存在困难。
发明内容
有鉴于此，本发明实施例提供了一种可行驶区域获取方法、计算机可读存储介质及终端设备，以解决现有技术中对可行驶区域检测不准确的问题。
本发明实施例的第一方面提供了一种可行驶区域获取方法，包括：
通过安装在车辆上的毫米波雷达逐帧采集点云数据，其中，任意相邻两帧的时间间隔相同；
根据所述车辆的行驶速度，和所述毫米波雷达检测到的点云数据中每个恒虚警率CFAR点的多普勒速度，获取点云数据中与地面相对静止的CFAR点；
根据所述车辆的行驶速度和所述车辆的横摆角信息，获取所述车辆的运动状态，根据所述车辆的运动状态平移栅格概率地图；
将每帧中所有与地面相对静止的CFAR点投影到栅格概率地图中，并计算每个CFAR点在所述栅格概率地图中的概率值；
获取所述栅格概率地图中概率值高于第一预设值的CFAR点作为障碍物的点，获取所述栅格概率地图中除所述概率值高于第一预设值的CFAR点之外的区域作为可行驶区域。
本发明实施例的第二方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如下步骤：
通过安装在车辆上的毫米波雷达逐帧采集点云数据，其中，任意相邻两帧的时间间隔相同；
根据所述车辆的行驶速度，和所述毫米波雷达检测到的点云数据中每个恒虚警率CFAR点的多普勒速度，获取点云数据中与地面相对静止的CFAR点；
根据所述车辆的行驶速度和所述车辆的横摆角信息，获取所述车辆的运动状态，根据所述车辆的运动状态平移栅格概率地图；
将每帧中所有与地面相对静止的CFAR点投影到栅格概率地图中，并计算每个CFAR点在所述栅格概率地图中的概率值；
获取所述栅格概率地图中概率值高于第一预设值的CFAR点作为障碍物的点，获取所述栅格概率地图中除所述概率值高于第一预设值的CFAR点之外的区域作为可行驶区域。
本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现如下步骤：
通过安装在车辆上的毫米波雷达逐帧采集点云数据，其中，任意相邻两帧的时间间隔相同；
根据所述车辆的行驶速度，和所述毫米波雷达检测到的点云数据中每个恒虚警率CFAR点的多普勒速度，获取点云数据中与地面相对静止的CFAR点；
根据所述车辆的行驶速度和所述车辆的横摆角信息，获取所述车辆的运动状态，根据所述车辆的运动状态平移栅格概率地图；
将每帧中所有与地面相对静止的CFAR点投影到栅格概率地图中，并计算每个CFAR点在所述栅格概率地图中的概率值；
获取所述栅格概率地图中概率值高于第一预设值的CFAR点作为障碍物的点，获取所述栅格概率地图中除所述概率值高于第一预设值的CFAR点之外的区域作为可行驶区域。
本发明提供了一种可行驶区域获取方法、计算机可读存储介质及终端设备，包括：通过安装在车辆上的毫米波雷达逐帧采集点云数据；根据车辆的行驶速度，和毫米波雷达检测到的点云数据中每个CFAR点的多普勒速度，获取点云数据中与地面相对静止的CFAR点；根据车辆的行驶速度和车辆的横摆角信息，获取车辆的运动状态，平移栅格概率地图；将每帧中所有与地面相对静止的CFAR点投影到栅格概率地图中，计算每个CFAR点在栅格概率地图中的概率值；将概率值高于第一预设值的CFAR点作为障碍物的点，除障碍物的点之外的其他区域作为可行驶区域。通过对毫米波雷达采集的点云数据进行处理，精确获取与地面相对静止的障碍物信息，将障碍物显示在显示屏上，获得可行驶区域。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种可行驶区域获取方法的流程示意图；
图2为本发明实施例提供的一种可行驶区域获取装置的结构框图；
图3为本发明实施例提供的一种可行驶区域获取终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的***、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
本发明实施例提供了一种可行驶区域获取方法。结合图1，该方法包括：
S101，通过安装在车辆上的毫米波雷达逐帧采集点云数据，其中，任意相邻两帧的时间间隔相同。
可选的，在车辆的多个位置安装毫米波雷达，如车辆的左前、右前、左后、右后方向。每个毫米波雷达实时对路况进行逐帧扫描，得到每一帧对应的点云数据，在本发明实施例中只以一个毫米波雷达为例进行说明，但本发明实施例所提供的可行驶区域获取方法适用于任一毫米波雷达。
需要说明的是，毫米波雷达在进行扫描的过程中，任意相邻两帧的时间间隔相同。
S102，根据所述车辆的行驶速度，和所述毫米波雷达检测到的点云数据中每个恒虚警率CFAR点的多普勒速度，获取点云数据中与地面相对静止的CFAR点。
其中，CFAR点的多普勒速度可通过毫米波雷达直接获取。
S103，根据所述车辆的行驶速度和所述车辆的横摆角信息，获取所述车辆的运动状态，根据所述车辆的运动状态平移栅格概率地图。
根据所述车辆的行驶速度和所述车辆的横摆角信息，计算所述车辆当前帧相对于上一帧的运动状态，获得上一帧栅格概率地图中所有的点在当前帧所对应的栅格概率地图中的位置。
具体的，根据第一表达式获取所述栅格概率地图中每个像素点在预设坐标系中X轴方向的平移量和Y轴方向的平移量，所述第一表达式为：
其中：v是所述车辆的行驶速度，t是任意相邻两帧的时间间隔，θ是所述车辆在上一帧和当前帧的横摆角的差；
根据第二表达式获取所述栅格概率地图中每个像素点在预设坐标系中X轴方向的旋转量和Y轴方向的旋转量：
x′＝x·cosθ-y·sinθ
y′＝x·sinθ+y·cosθ
其中，x，y是所述栅格概率地图中的一个点旋转前的横纵坐标，x′,y′是所述栅格概率地图中所述一个点旋转后的坐标。
例如，在相邻两帧中，目标CFAR点在前一帧的坐标为(x1,y1)，在后一帧的坐标(x2,y2)，虽然目标CFAR点在前后两帧的坐标不同，但是为同一个目标点。
S104，将每帧中所有与地面相对静止的CFAR点投影到栅格概率地图中，并计算每个CFAR点在所述栅格概率地图中的概率值。
一种可选的，根据平移后的栅格概率地图，计算相对地面静止的CFAR点在每一帧所对应的栅格概率地图中的坐标，得到所述相对地面静止的CFAR点的概率值。
可选的，在所述毫米波雷达到达图像边界点之间经过的点中，若有存在相对地面静止的CFAR点，则增加距离所述毫米波雷达最近的CFAR点以及所述距离所述毫米波雷达最近的CFAR点的邻域点的概率值，减少所述距离所述毫米波雷达最近的CFAR点到所述毫米波雷达之间经过的点的概率值；
若所述毫米波雷达到达图像边界点之间经过的点中没有CFAR点，则减小所述毫米波雷达到达图像边界点之间经过的所有点的概率值。
S105，获取所述栅格概率地图中概率值高于第一预设值的CFAR点作为障碍物的点，获取所述栅格概率地图中除所述概率值高于第一预设值的CFAR点之外的区域作为可行驶区域。
如果是交通状况中真实存在的障碍物，毫米波雷达会多次监测到，同一个CFAR点在栅格概率地图中所对应位置的概率值越大，越可以说明该点为障碍物，因此，在本发明实施例中，将步骤S104中获取的所有概率值高于第一预设值的点作为障碍物的点。
将概率值大于第一预设值的点确定为行驶过程中的障碍物信息，显示在显示器上，将其他区域作为可行驶区域，从而准确提取可行驶区域，为安全驾驶提供保障。
进一步的，为使得提取出的可行驶区域更加准确清晰，并降低计算量，该方法还包括：
获取栅格概率地图中概率值高于第二预设值的点作为道路边缘所对应的点；在所述栅格概率地图中，将提取出的道路边缘所对应的点分配到所述栅格概率地图中预设的不同的扇区内，若扇区内存在道路边缘点，则删除所述扇区中位于道路边缘点两侧的CFAR点。
其中，所述扇区是与所述毫米波雷达的法线夹角为基准，每隔预设角度划分为一个扇区，如与毫米波雷达的法线夹角每隔1°划分为一个扇区。
通过上述方法，经过连续若干帧的计算，可以得到栅格概率地图中的道路边缘信息，在得到道路边缘信息之后，可选的，在最终获取点云数据中与地面相对静止的CFAR点之前，在所述栅格概率地图中，在每一帧的点云数据中删除位于所述道路边缘两侧的点云数据，从而降低计算量，提高可行驶区域获取的效率。
本发明提供了一种可行驶区域获取方法，包括：通过安装在车辆上的毫米波雷达逐帧采集点云数据；根据车辆的行驶速度，和毫米波雷达检测到的点云数据中每个CFAR点的多普勒速度，获取点云数据中与地面相对静止的CFAR点；根据车辆的行驶速度和车辆的横摆角信息，获取车辆的运动状态，平移栅格概率地图；将每帧中所有与地面相对静止的CFAR点投影到栅格概率地图中，计算每个CFAR点在栅格概率地图中的概率值；将概率值高于第一预设值的CFAR点作为障碍物的点，除障碍物的点之外的其他区域作为可行驶区域。通过对毫米波雷达采集的点云数据进行处理，精确获取与地面相对静止的障碍物信息，将障碍物显示在显示屏上，获得可行驶区域。
图2为本发明实施例提供的一种可行驶区域获取装置示意图，结合图2，该装置包括：采集单元21、第一获取单元22、第二获取单元23、第三获取单元24和第四获取单元25；
所述采集单元21，用于通过安装在车辆上的毫米波雷达逐帧采集点云数据，其中，任意相邻两帧的时间间隔相同；
所述第一获取单元22，用于根据所述车辆的行驶速度，和所述毫米波雷达检测到的点云数据中每个恒虚警率CFAR点的多普勒速度，获取点云数据中与地面相对静止的CFAR点；
所述第二获取单元23，用于根据所述车辆的行驶速度和所述车辆的横摆角信息，获取所述车辆的运动状态，根据所述车辆的运动状态平移栅格概率地图；
所述第三获取单元24，用于将每帧中所有与地面相对静止的CFAR点投影到栅格概率地图中，并计算每个CFAR点在所述栅格概率地图中的概率值；
所述第四获取单元25，用于获取所述栅格概率地图中概率值高于第一预设值的CFAR点作为障碍物的点，获取所述栅格概率地图中除所述概率值高于第一预设值的CFAR点之外的区域作为可行驶区域。
即可选的，所述第二获取单元23用于：
根据所述车辆的行驶速度和所述车辆的横摆角信息，计算所述车辆当前帧相对于上一帧的运动状态，获得上一帧栅格概率地图中所有的点在当前帧所对应的栅格概率地图中的位置。
可选的，所述第二获取单元23用于：
根据第一表达式获取所述栅格概率地图中每个像素点在预设坐标系中X轴方向的平移量和Y轴方向的平移量，所述第一表达式为：
其中：v是所述车辆的行驶速度，t是任意相邻两帧的时间间隔，θ是所述车辆在上一帧和当前帧的横摆角的差；
根据第二表达式获取所述栅格概率地图中每个像素点在预设坐标系中X轴方向的旋转量和Y轴方向的旋转量：
x′＝x·cosθ-y·sinθ
y′＝x·sinθ+y·cosθ
其中，x，y是所述栅格概率地图中的一个点旋转前的横纵坐标，x′,y′是所述栅格概率地图中所述一个点旋转后的坐标。
可选的，所述第三获取单元24用于：
根据平移后的栅格概率地图，计算相对地面静止的CFAR点在每一帧所对应的栅格概率地图中的坐标，得到所述相对地面静止的CFAR点的概率值。
可选的，所述第三获取单元24用于：
在所述毫米波雷达到达图像边界点之间经过的点中，若有存在相对地面静止的CFAR点，则增加距离所述毫米波雷达最近的CFAR点以及所述距离所述毫米波雷达最近的CFAR点的邻域点的概率值，减少所述距离所述毫米波雷达最近的CFAR点到所述毫米波雷达之间经过的点的概率值；
若所述毫米波雷达到达图像边界点之间经过的点中没有CFAR点，则减小所述毫米波雷达到达图像边界点之间经过的所有点的概率值。
可选的，所述第四获取单元25还用于：
获取栅格概率地图中概率值高于第二预设值的点作为道路边缘所对应的点；
在所述栅格概率地图中，将提取出的道路边缘所对应的点分配到所述栅格概率地图中预设的不同的扇区内，若扇区内存在道路边缘点，则删除所述扇区中位于道路边缘点两侧的CFAR点。
其中，所述扇区是与所述毫米波雷达的法线夹角为基准，每隔预设角度划分为一个扇区。
本发明提供了一种可行驶区域获取装置，该装置通过安装在车辆上的毫米波雷达逐帧采集点云数据；根据车辆的行驶速度，和毫米波雷达检测到的点云数据中每个CFAR点的多普勒速度，获取点云数据中与地面相对静止的CFAR点；根据车辆的行驶速度和车辆的横摆角信息，获取车辆的运动状态，平移栅格概率地图；将每帧中所有与地面相对静止的CFAR点投影到栅格概率地图中，计算每个CFAR点在栅格概率地图中的概率值；将概率值高于第一预设值的CFAR点作为障碍物的点，除障碍物的点之外的其他区域作为可行驶区域。通过对毫米波雷达采集的点云数据进行处理，精确获取与地面相对静止的障碍物信息，将障碍物显示在显示屏上，获得可行驶区域。
图3为本发明实施例提供的一种终端设备的示意图。如图3所示，该实施例的终端设备3包括：处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32，例如可行驶区域获取程序。所述处理器30执行所述计算机程序32时实现上述各个可行驶区域获取方法实施例中的步骤，例如图1所示的步骤101至105。或者，所述处理器30执行所述计算机程序32时实现上述各装置实施例中各模块/单元的功能，例如图2所示模块21至25的功能。
示例性的，所述计算机程序32可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器31中，并由所述处理器30执行，以完成本发明。所述一个或多个模块/单元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32在所述终端设备3中的执行过程。
所述终端设备3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图3仅仅是终端设备3的示例，并不构成对终端设备3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，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器30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)、现场可编程门阵列(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。
所述存储器31可以是所述终端设备3的内部存储单元，例如终端设备3的硬盘或内存。所述存储器31也可以是所述终端设备3的外部存储设备，例如所述终端设备3上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器31还可以既包括所述终端设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
本发明实施例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存储有计算机程序，所述计算机程序被处理器执行时实现上述任一实施例所述可行驶区域获取方法的步骤。
另外，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单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使对应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种可行驶区域获取方法，其特征在于，该方法包括：
通过安装在车辆上的毫米波雷达逐帧采集点云数据，其中，任意相邻两帧的时间间隔相同；
根据所述车辆的行驶速度，和所述毫米波雷达检测到的点云数据中每个恒虚警率CFAR点的多普勒速度，获取点云数据中与地面相对静止的CFAR点；
根据所述车辆的行驶速度和所述车辆的横摆角信息，获取所述车辆的运动状态，根据所述车辆的运动状态平移栅格概率地图；
将每帧中所有与地面相对静止的CFAR点投影到栅格概率地图中，并计算每个CFAR点在所述栅格概率地图中的概率值；
获取所述栅格概率地图中概率值高于第一预设值的CFAR点作为障碍物的点，获取所述栅格概率地图中除所述概率值高于第一预设值的CFAR点之外的区域作为可行驶区域。
2.根据权利要求1所述的可行驶区域获取方法，其特征在于，所述根据所述车辆的运动状态平移栅格概率地图包括：
根据所述车辆的行驶速度和所述车辆的横摆角信息，计算所述车辆当前帧相对于上一帧的运动状态，获得上一帧栅格概率地图中所有的点在当前帧所对应的栅格概率地图中的位置。
3.根据权利要求2所述的可行驶区域获取方法，其特征在于，所述根据所述车辆的行驶速度和所述车辆的横摆角信息，计算所述车辆当前帧相对于上一帧的运动状态，获得上一帧栅格概率地图中所有的点在当前帧所对应的栅格概率地图中的位置包括：
根据第一表达式获取所述栅格概率地图中每个像素点在预设坐标系中X轴方向的平移量和Y轴方向的平移量，所述第一表达式为：
其中：v是所述车辆的行驶速度，t是任意相邻两帧的时间间隔，θ是所述车辆在上一帧和当前帧的横摆角的差；
根据第二表达式获取所述栅格概率地图中每个像素点在预设坐标系中X轴方向的旋转量和Y轴方向的旋转量：
x′＝x·cosθ-y·sinθ
y′＝x·sinθ+y·cosθ
其中，x，y是所述栅格概率地图中的一个点旋转前的横纵坐标，x′，y′是所述栅格概率地图中所述一个点旋转后的坐标。
4.根据权利要求1至3任一项所述的可行驶区域获取方法，其特征在于，所述计算每个CFAR点在所述栅格概率地图中的概率值包括：
根据平移后的栅格概率地图，计算相对地面静止的CFAR点在每一帧所对应的栅格概率地图中的坐标，得到所述相对地面静止的CFAR点的概率值。
5.根据权利要求4所述的可行驶区域获取方法，其特征在于，所述计算相对地面静止的CFAR点在每一帧所对应的栅格概率地图中的坐标，得到所述相对地面静止的CFAR点的概率值包括：
在所述毫米波雷达到达图像边界点之间经过的点中，若有存在相对地面静止的CFAR点，则增加距离所述毫米波雷达最近的CFAR点以及所述距离所述毫米波雷达最近的CFAR点的邻域点的概率值，减少所述距离所述毫米波雷达最近的CFAR点到所述毫米波雷达之间经过的点的概率值；
若所述毫米波雷达到达图像边界点之间经过的点中没有CFAR点，则减小所述毫米波雷达到达图像边界点之间经过的所有点的概率值。
6.根据权利要求1至3任一项所述的可行驶区域获取方法，其特征在于，该方法还包括：
获取栅格概率地图中概率值高于第二预设值的点作为道路边缘所对应的点；
在所述栅格概率地图中，将提取出的道路边缘所对应的点分配到所述栅格概率地图中预设的不同的扇区内，若扇区内存在道路边缘点，则删除所述扇区中位于道路边缘点两侧的CFAR点。
7.根据权利要求6所述的可行驶区域获取方法，其特征在于，所述扇区是与所述毫米波雷达的法线夹角为基准，每隔预设角度划分为一个扇区。
8.一种可行驶区域获取装置，其特征在于，该装置包括采集单元、第一获取单元、第二获取单元、第三获取单元和第四获取单元；
所述采集单元，用于通过安装在车辆上的毫米波雷达逐帧采集点云数据，其中，任意相邻两帧的时间间隔相同；
所述第一获取单元，用于根据所述车辆的行驶速度，和所述毫米波雷达检测到的点云数据中每个恒虚警率CFAR点的多普勒速度，获取点云数据中与地面相对静止的CFAR点；
所述第二获取单元，用于根据所述车辆的行驶速度和所述车辆的横摆角信息，获取所述车辆的运动状态，根据所述车辆的运动状态平移栅格概率地图；
所述第三获取单元，用于将每帧中所有与地面相对静止的CFAR点投影到栅格概率地图中，并计算每个CFAR点在所述栅格概率地图中的概率值；
所述第四获取单元，用于获取所述栅格概率地图中概率值高于第一预设值的CFAR点作为障碍物的点，获取所述栅格概率地图中除所述概率值高于第一预设值的CFAR点之外的区域作为可行驶区域。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
10.一种终端设备，其特征在于，所述终端设备包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910349294.1A CN110045376B (zh) | 2019-04-28 | 2019-04-28 | 可行驶区域获取方法、计算机可读存储介质及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910349294.1A CN110045376B (zh) | 2019-04-28 | 2019-04-28 | 可行驶区域获取方法、计算机可读存储介质及终端设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110045376A true CN110045376A (zh) | 2019-07-23 |
| CN110045376B CN110045376B (zh) | 2021-06-01 |
Family
ID=67279939
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910349294.1A Active CN110045376B (zh) | 2019-04-28 | 2019-04-28 | 可行驶区域获取方法、计算机可读存储介质及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110045376B (zh) |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110550029A (zh) * | 2019-08-12 | 2019-12-10 | 华为技术有限公司 | 障碍物避让方法及装置 |
| CN110716209A (zh) * | 2019-09-19 | 2020-01-21 | 浙江大华技术股份有限公司 | 地图构建方法、设备及存储装置 |
| CN111427032A (zh) * | 2020-04-24 | 2020-07-17 | 森思泰克河北科技有限公司 | 基于毫米波雷达的房间墙体轮廓识别方法及终端设备 |
| CN111551958A (zh) * | 2020-04-28 | 2020-08-18 | 北京踏歌智行科技有限公司 | 一种面向矿区无人驾驶的高精地图制作方法 |
| CN111942374A (zh) * | 2020-08-14 | 2020-11-17 | 中国第一汽车股份有限公司 | 一种障碍物地图生成方法、装置、车辆及存储介质 |
| CN111990929A (zh) * | 2020-08-26 | 2020-11-27 | 北京石头世纪科技股份有限公司 | 一种障碍物探测方法、装置、自行走机器人和存储介质 |
| CN112183381A (zh) * | 2020-09-30 | 2021-01-05 | 深兰人工智能(深圳)有限公司 | 车辆的可行驶区域检测方法和装置 |
| CN112415518A (zh) * | 2020-11-20 | 2021-02-26 | 南京理工大学 | 基于车载毫米波雷达的可通行空间检测方法 |
| CN112581613A (zh) * | 2020-12-08 | 2021-03-30 | 纵目科技（上海）股份有限公司 | 一种栅格地图的生成方法、***、电子设备及存储介质 |
| CN112578404A (zh) * | 2019-09-27 | 2021-03-30 | 北京地平线机器人技术研发有限公司 | 一种行驶路径的确定方法及装置 |
| CN112639821A (zh) * | 2020-05-11 | 2021-04-09 | 华为技术有限公司 | 一种车辆可行驶区域检测方法、***以及采用该***的自动驾驶车辆 |
| CN112863230A (zh) * | 2020-12-30 | 2021-05-28 | 上海欧菲智能车联科技有限公司 | 空车位检测方法及装置、车辆和计算机设备 |
| CN113008237A (zh) * | 2021-02-25 | 2021-06-22 | 苏州臻迪智能科技有限公司 | 一种路径规划方法及装置、飞行器 |
| CN113009442A (zh) * | 2021-02-20 | 2021-06-22 | 森思泰克河北科技有限公司 | 一种雷达静止反射面多径目标的识别方法及装置 |
| CN113076824A (zh) * | 2021-03-19 | 2021-07-06 | 上海欧菲智能车联科技有限公司 | 车位获取方法、装置、车载终端及存储介质 |
| CN113859228A (zh) * | 2020-06-30 | 2021-12-31 | 上海商汤智能科技有限公司 | 一种车辆控制方法、装置、电子设备及存储介质 |
| CN114200454A (zh) * | 2022-02-16 | 2022-03-18 | 南京慧尔视智能科技有限公司 | 一种确定可行驶区域的方法和相关装置 |
| WO2023087202A1 (zh) * | 2021-11-18 | 2023-05-25 | 华为技术有限公司 | 运动状态估计方法及装置 |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102798863A (zh) * | 2012-07-04 | 2012-11-28 | 西安电子科技大学 | 基于汽车防撞雷达的道路中央隔离带检测方法 |
| CN104374376A (zh) * | 2014-11-05 | 2015-02-25 | 北京大学 | 一种车载三维测量***装置及其应用 |
| CN106023210A (zh) * | 2016-05-24 | 2016-10-12 | 百度在线网络技术（北京）有限公司 | 无人车、无人车定位方法、装置和*** |
| CN106052697A (zh) * | 2016-05-24 | 2016-10-26 | 百度在线网络技术（北京）有限公司 | 无人车、无人车定位方法、装置和*** |
| CN106199558A (zh) * | 2016-08-18 | 2016-12-07 | 宁波傲视智绘光电科技有限公司 | 障碍物快速检测方法 |
| KR20170069719A (ko) * | 2015-12-11 | 2017-06-21 | 현대오트론 주식회사 | 카메라 및 레이더를 이용한 도로 경계선 검출 장치 및 방법 |
| CN106919174A (zh) * | 2017-04-10 | 2017-07-04 | 江苏东方金钰智能机器人有限公司 | 一种智能引导机器人的引导方法 |
| CN107000753A (zh) * | 2015-03-24 | 2017-08-01 | 宝马股份公司 | 用于提供用于车辆的障碍物地图的方法 |
| CN107316048A (zh) * | 2017-05-03 | 2017-11-03 | 深圳市速腾聚创科技有限公司 | 点云分类方法及装置 |
| CN108027423A (zh) * | 2016-03-14 | 2018-05-11 | 日立建机株式会社 | 矿山用作业机械 |
| CN108152831A (zh) * | 2017-12-06 | 2018-06-12 | 中国农业大学 | 一种激光雷达障碍物识别方法及*** |
| CN108226924A (zh) * | 2018-01-11 | 2018-06-29 | 李烜 | 基于毫米波雷达的汽车行驶环境探测方法、装置及其应用 |
| CN108445503A (zh) * | 2018-03-12 | 2018-08-24 | 吉林大学 | 基于激光雷达与高精度地图融合的无人驾驶路径规划算法 |
| CN108873013A (zh) * | 2018-06-27 | 2018-11-23 | 江苏大学 | 一种采用多线激光雷达的道路可通行区域获取方法 |
| CN109212555A (zh) * | 2018-10-12 | 2019-01-15 | 合肥中科智驰科技有限公司 | 基于三维激光雷达的可通行区域检测方法 |
| CN109255302A (zh) * | 2018-08-15 | 2019-01-22 | 广州极飞科技有限公司 | 目标物识别方法及终端、移动装置控制方法及终端 |
| CN109683606A (zh) * | 2018-11-21 | 2019-04-26 | 江苏科技大学 | 一种无人驾驶汽车自主避障方法 |
-
2019
- 2019-04-28 CN CN201910349294.1A patent/CN110045376B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102798863A (zh) * | 2012-07-04 | 2012-11-28 | 西安电子科技大学 | 基于汽车防撞雷达的道路中央隔离带检测方法 |
| CN104374376A (zh) * | 2014-11-05 | 2015-02-25 | 北京大学 | 一种车载三维测量***装置及其应用 |
| CN107000753A (zh) * | 2015-03-24 | 2017-08-01 | 宝马股份公司 | 用于提供用于车辆的障碍物地图的方法 |
| KR20170069719A (ko) * | 2015-12-11 | 2017-06-21 | 현대오트론 주식회사 | 카메라 및 레이더를 이용한 도로 경계선 검출 장치 및 방법 |
| CN108027423A (zh) * | 2016-03-14 | 2018-05-11 | 日立建机株式会社 | 矿山用作业机械 |
| CN106023210A (zh) * | 2016-05-24 | 2016-10-12 | 百度在线网络技术（北京）有限公司 | 无人车、无人车定位方法、装置和*** |
| CN106052697A (zh) * | 2016-05-24 | 2016-10-26 | 百度在线网络技术（北京）有限公司 | 无人车、无人车定位方法、装置和*** |
| CN106199558A (zh) * | 2016-08-18 | 2016-12-07 | 宁波傲视智绘光电科技有限公司 | 障碍物快速检测方法 |
| CN106919174A (zh) * | 2017-04-10 | 2017-07-04 | 江苏东方金钰智能机器人有限公司 | 一种智能引导机器人的引导方法 |
| CN107316048A (zh) * | 2017-05-03 | 2017-11-03 | 深圳市速腾聚创科技有限公司 | 点云分类方法及装置 |
| CN108152831A (zh) * | 2017-12-06 | 2018-06-12 | 中国农业大学 | 一种激光雷达障碍物识别方法及*** |
| CN108226924A (zh) * | 2018-01-11 | 2018-06-29 | 李烜 | 基于毫米波雷达的汽车行驶环境探测方法、装置及其应用 |
| CN108445503A (zh) * | 2018-03-12 | 2018-08-24 | 吉林大学 | 基于激光雷达与高精度地图融合的无人驾驶路径规划算法 |
| CN108873013A (zh) * | 2018-06-27 | 2018-11-23 | 江苏大学 | 一种采用多线激光雷达的道路可通行区域获取方法 |
| CN109255302A (zh) * | 2018-08-15 | 2019-01-22 | 广州极飞科技有限公司 | 目标物识别方法及终端、移动装置控制方法及终端 |
| CN109212555A (zh) * | 2018-10-12 | 2019-01-15 | 合肥中科智驰科技有限公司 | 基于三维激光雷达的可通行区域检测方法 |
| CN109683606A (zh) * | 2018-11-21 | 2019-04-26 | 江苏科技大学 | 一种无人驾驶汽车自主避障方法 |
Cited By (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7255782B2 (ja) | 2019-08-12 | 2023-04-11 | ホアウェイ・テクノロジーズ・カンパニー・リミテッド | 障害物回避方法、障害物回避装置、自動運転装置、コンピュータ可読記憶媒体及びプログラム |
| JP2022543507A (ja) * | 2019-08-12 | 2022-10-13 | ホアウェイ・テクノロジーズ・カンパニー・リミテッド | 障害物回避方法及び障害物回避装置 |
| CN110550029A (zh) * | 2019-08-12 | 2019-12-10 | 华为技术有限公司 | 障碍物避让方法及装置 |
| WO2021027568A1 (zh) * | 2019-08-12 | 2021-02-18 | 华为技术有限公司 | 障碍物避让方法及装置 |
| CN110716209A (zh) * | 2019-09-19 | 2020-01-21 | 浙江大华技术股份有限公司 | 地图构建方法、设备及存储装置 |
| CN110716209B (zh) * | 2019-09-19 | 2021-12-14 | 浙江大华技术股份有限公司 | 地图构建方法、设备及存储装置 |
| CN112578404A (zh) * | 2019-09-27 | 2021-03-30 | 北京地平线机器人技术研发有限公司 | 一种行驶路径的确定方法及装置 |
| CN111427032A (zh) * | 2020-04-24 | 2020-07-17 | 森思泰克河北科技有限公司 | 基于毫米波雷达的房间墙体轮廓识别方法及终端设备 |
| CN111551958B (zh) * | 2020-04-28 | 2022-04-01 | 北京踏歌智行科技有限公司 | 一种面向矿区无人驾驶的高精地图制作方法 |
| CN111551958A (zh) * | 2020-04-28 | 2020-08-18 | 北京踏歌智行科技有限公司 | 一种面向矿区无人驾驶的高精地图制作方法 |
| CN112639821B (zh) * | 2020-05-11 | 2021-12-28 | 华为技术有限公司 | 一种车辆可行驶区域检测方法、***以及采用该***的自动驾驶车辆 |
| CN112639821A (zh) * | 2020-05-11 | 2021-04-09 | 华为技术有限公司 | 一种车辆可行驶区域检测方法、***以及采用该***的自动驾驶车辆 |
| CN114282597A (zh) * | 2020-05-11 | 2022-04-05 | 华为技术有限公司 | 一种车辆可行驶区域检测方法、***以及采用该***的自动驾驶车辆 |
| CN113859228A (zh) * | 2020-06-30 | 2021-12-31 | 上海商汤智能科技有限公司 | 一种车辆控制方法、装置、电子设备及存储介质 |
| CN111942374A (zh) * | 2020-08-14 | 2020-11-17 | 中国第一汽车股份有限公司 | 一种障碍物地图生成方法、装置、车辆及存储介质 |
| CN111990929A (zh) * | 2020-08-26 | 2020-11-27 | 北京石头世纪科技股份有限公司 | 一种障碍物探测方法、装置、自行走机器人和存储介质 |
| WO2022041740A1 (zh) * | 2020-08-26 | 2022-03-03 | 北京石头世纪科技股份有限公司 | 一种障碍物探测方法、装置、自行走机器人和存储介质 |
| CN112183381A (zh) * | 2020-09-30 | 2021-01-05 | 深兰人工智能(深圳)有限公司 | 车辆的可行驶区域检测方法和装置 |
| CN112415518A (zh) * | 2020-11-20 | 2021-02-26 | 南京理工大学 | 基于车载毫米波雷达的可通行空间检测方法 |
| CN112415518B (zh) * | 2020-11-20 | 2023-09-26 | 南京理工大学 | 基于车载毫米波雷达的可通行空间检测方法 |
| CN112581613A (zh) * | 2020-12-08 | 2021-03-30 | 纵目科技（上海）股份有限公司 | 一种栅格地图的生成方法、***、电子设备及存储介质 |
| CN112863230A (zh) * | 2020-12-30 | 2021-05-28 | 上海欧菲智能车联科技有限公司 | 空车位检测方法及装置、车辆和计算机设备 |
| CN113009442A (zh) * | 2021-02-20 | 2021-06-22 | 森思泰克河北科技有限公司 | 一种雷达静止反射面多径目标的识别方法及装置 |
| CN113008237A (zh) * | 2021-02-25 | 2021-06-22 | 苏州臻迪智能科技有限公司 | 一种路径规划方法及装置、飞行器 |
| CN113076824A (zh) * | 2021-03-19 | 2021-07-06 | 上海欧菲智能车联科技有限公司 | 车位获取方法、装置、车载终端及存储介质 |
| CN113076824B (zh) * | 2021-03-19 | 2024-05-14 | 上海欧菲智能车联科技有限公司 | 车位获取方法、装置、车载终端及存储介质 |
| WO2023087202A1 (zh) * | 2021-11-18 | 2023-05-25 | 华为技术有限公司 | 运动状态估计方法及装置 |
| CN114200454A (zh) * | 2022-02-16 | 2022-03-18 | 南京慧尔视智能科技有限公司 | 一种确定可行驶区域的方法和相关装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110045376B (zh) | 2021-06-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110045376A (zh) | 可行驶区域获取方法、计算机可读存储介质及终端设备 | |
| US11709058B2 (en) | Path planning method and device and mobile device | |
| Wu et al. | Automatic background filtering and lane identification with roadside LiDAR data | |
| Bai et al. | Pillargrid: Deep learning-based cooperative perception for 3d object detection from onboard-roadside lidar | |
| EP4033324A1 (en) | Obstacle information sensing method and device for mobile robot | |
| CN112824931A (zh) | 使用参考数据改善雷达数据的方法和设备 | |
| EP4296713A1 (en) | Target detection method, storage medium, electronic device, and vehicle | |
| CN112560580B (zh) | 障碍物识别方法、装置、***、存储介质和电子设备 | |
| EP3875905A1 (en) | Method, apparatus, device and medium for detecting environmental change | |
| Shi et al. | Road-map aided GM-PHD filter for multivehicle tracking with automotive radar | |
| An et al. | DGInet: Dynamic graph and interaction-aware convolutional network for vehicle trajectory prediction | |
| Xiao et al. | Lane detection based on road module and extended kalman filter | |
| CN111832343B (zh) | 跟踪方法和装置、存储介质 | |
| Qing et al. | A novel particle filter implementation for a multiple-vehicle detection and tracking system using tail light segmentation | |
| Gaikwad et al. | An improved lane departure method for advanced driver assistance system | |
| Xu et al. | Dynamic vehicle pose estimation and tracking based on motion feedback for LiDARs | |
| CN113189610A (zh) | 地图增强的自动驾驶多目标追踪方法和相关设备 | |
| CN116467848B (zh) | 一种毫米波雷达点云仿真的方法和装置 | |
| CN114463384A (zh) | 一种激光雷达跟踪方法、装置、电子设备和存储介质 | |
| Zhu et al. | Malicious Attacks against Multi-Sensor Fusion in Autonomous Driving | |
| CN111338336A (zh) | 一种自动驾驶方法及装置 | |
| CN116502479B (zh) | 一种三维物体在仿真环境中的碰撞检测方法和装置 | |
| Rajasekaran et al. | Artificial Intelligence in Autonomous Vehicles—A Survey of Trends and Challenges | |
| CN114137524A (zh) | 基于毫米波雷达的驾驶障碍物状态估计方法和*** | |
| Seeger | Obstacle Fusion and Scene Interpretation for Autonomous Driving with Occupancy Grids |
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 |