CN111402333B - 参数估计方法、装置、设备和介质 - Google Patents
参数估计方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN111402333B CN111402333B CN202010175358.3A CN202010175358A CN111402333B CN 111402333 B CN111402333 B CN 111402333B CN 202010175358 A CN202010175358 A CN 202010175358A CN 111402333 B CN111402333 B CN 111402333B
- Authority
- CN
- China
- Prior art keywords
- obstacle
- determining
- estimated
- parameter
- observed value
- 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 57
- 230000008859 change Effects 0.000 claims description 28
- 230000015654 memory Effects 0.000 claims description 19
- 238000013507 mapping Methods 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 11
- 238000013075 data extraction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000012937 correction Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种参数估计方法、装置、设备和介质,涉及数据处理技术领域,尤其涉及自动驾驶技术。具体实现方案为:获取障碍物的点云数据和所述障碍物的待估计参数的观测值;根据所述障碍物的点云数据和所述待估计参数的观测值,确定所述观测值的偏离度;根据所述观测值的偏离度,确定所述待估计参数的估计值,以纠正所述待估计参数的观测值。本申请实施例提供一种参数估计方法、装置、设备和介质,以实现对障碍物参数的准确估计。
Description
技术领域
本申请实施例涉及数据处理技术领域,尤其涉及自动驾驶技术。具体地,本申请实施例提供一种参数估计方法、装置、设备和介质。
背景技术
无人驾驶***中障碍物的朝向、中心等属性对无人车的运动规划及障碍物的行为预测有着较大影响。准确的朝向、中心等属性信息可以降低无人车的急刹率和接管率。
当前无人驾驶***在进行障碍物朝向、中心估计时,由于遮挡等原因使用点云坐标和点云的几何信息计算出的这些属性信息并不准确。错误的属性信息会对障碍物追踪和轨迹预测产生较大影响。
发明内容
本申请实施例提供一种参数估计方法、装置、设备和介质,以实现对障碍物参数的准确估计。
本申请实施例提供一种参数估计方法,该方法包括:
获取障碍物的点云数据和所述障碍物的待估计参数的观测值;
根据所述障碍物的点云数据和所述待估计参数的观测值,确定所述观测值的偏离度;
根据所述观测值的偏离度,确定所述待估计参数的估计值,以纠正所述待估计参数的观测值。
本申请实施例通过根据所述障碍物的点云数据和所述待估计参数的观测值,确定所述观测值的偏离度,以根据所述观测值的偏离度,确定所述待估计参数的最佳估计值。因为观测值的偏离度反应有观测值的偏差程度,所以将观测值的噪声偏差引入待估计参数的估计中可以提高估计值的准确率。进而根据待估计参数的估计值,可以实现对观测值的纠正。
进一步地,所述根据障碍物的点云数据和待估计参数的观测值,确定所述观测值的偏离度,包括:
若所述待估计参数为障碍物的朝向,则根据所述障碍物的点云数据和障碍物朝向的观测值,确定朝向偏离度。
基于该技术特征,本申请实施例通过若所述待估计参数为障碍物的朝向,则根据所述障碍物的点云数据和障碍物朝向的观测值,确定朝向偏离度,从而实现朝向偏离度的确定。
进一步地,所述根据障碍物的点云数据和障碍物朝向的观测值,确定朝向偏离度,包括:
将所述障碍物的点云数据投影至目标平面,所述目标平面与地面平行;
确定所述目标平面中投影点的最小外接多边形;
根据所述最小外接多边形中最长边的两顶点坐标矢量,确定所述最小外接多边形的朝向;
根据所述最小外接多边形的朝向与所述障碍物朝向的观测值,确定所述朝向偏离度。
基于该技术特征,本申请实施例通过将所述障碍物的点云数据投影至目标平面;确定所述目标平面中投影点的最小外接多边形;根据所述最小外接多边形中最长边的两顶点坐标矢量,确定所述最小外接多边形的朝向。因为所述最小外接多边形的朝向比较接近障碍物的真实朝向,所以将所述最小外接多边形的朝向与所述障碍物朝向的观测值相减,可以得到所述朝向偏离度。
进一步地,所述根据所述观测值的偏离度,确定所述待估计参数的估计值,以纠正所述待估计参数的观测值,包括:
根据所述朝向偏离度和角速度偏离度,确定所述待估计参数的估计值;
所述角速度偏离度根据所述障碍物的点云数据确定。
基于该技术特征,本申请实施例通过根据所述朝向偏离度和角速度偏离度的两个维度,对所述待估计参数进行估计,从而进一步提高待估计参数的估计准确率。
进一步地,根据所述障碍物的点云数据,确定所述角速度偏离度,包括:
获取时间连续的至少两帧投影图像,所述至少两帧投影图像通过将时间连续的至少两点云数据投影至目标平面得到,所述目标平面平行于地面;
确定所述至少两帧投影图像中第一帧投影图像和最后一帧投影图像关联障碍物朝向的第一角度变化量,以及所述至少两帧投影图像中相邻两帧投影图像关联障碍物朝向的第二角度变化量;
根据所述第一角度变化量和所述第二角度变化量,确定所述角速度偏离度。
基于该技术特征,本申请实施例通过确定所述至少两帧投影图像中第一帧投影图像和最后一帧投影图像关联障碍物朝向的第一角度变化量和所述至少两帧投影图像中相邻两帧投影图像关联障碍物朝向的第二角度变化量;根据所述第一角度变化量和所述第二角度变化量,确定所述角速度偏离度,从而实现角速度偏离度的确定。
进一步地,所述根据所述第一角度变化量和所述第二角度变化量,确定所述角速度偏离度,包括:
将所述第二角速度变化量作为变量,将所述第一角速度变化量作为平均值,计算所述角速度偏离度。
基于该技术特征,本申请实施例通过将所述第二角速度变化量作为变量,将所述第一角速度变化量作为平均值,计算所述角速度偏离度,从而实现根据所述第一角度变化量和所述第二角度变化量,对所述观测值的角速度偏离度的确定。
进一步地,所述根据所述障碍物的点云数据和所述待估计参数的观测值,确定所述观测值的偏离度,包括:
若所述待估计参数为障碍物的中心,则根据所述障碍物的点云数据和障碍物中心的观测值,确定中心偏离度。
基于该技术特征,本申请实施例通过若所述待估计参数为障碍物的中心,则根据所述障碍物的点云数据和障碍物中心的观测值,确定中心偏离度,从而实现对障碍物中心的偏离度的确定。
进一步地,所述根据所述障碍物的点云数据和障碍物中心的观测值,确定中心偏离度,包括:
根据所述障碍物中心的观测值,确定自车与所述障碍物之间的相对位置关系;
根据确定的相对位置关系,确定所述障碍物的可见面,所述可见面是指基于自车的视角看到的所述障碍物的表面;
从所述障碍物的点云数据中提取所述可见面的点云数据;
根据所述可见面的点云数据,确定所述可见面属于面的概率,并将该概率作为所述中心偏离度。
基于该技术特征,本申请实施例通过确定所述障碍物的可见面;根据所述可见面的点云数据,确定所述可见面属于面的概率,并将该概率作为所述中心偏离度,从而实现中心偏离度的确定。
进一步地,所述根据确定的相对位置关系,确定所述障碍物的可见面之后,所述方法还包括:
若所述障碍物为车辆,则确定所述可见面与车辆尺寸模型的映射关系;
根据所述映射关系和所述车辆尺寸模型,计算车辆中心,并利用计算得到的车辆中心更新所述障碍物中心的观测值。
基于该技术特征,本申请实施例通过根据障碍物的可见面与车辆尺寸模型的映射关系,以及所述车辆尺寸模型,计算车辆中心,并利用计算得到的车辆中心更新所述障碍物中心的观测值,从而实现对所述障碍物中心的观测值的纠正。
进一步地,所述确定所述可见面与车辆尺寸模型的映射关系之前,所述方法还包括:
根据最小车辆尺寸,建立车辆尺寸模型;
比较车辆尺寸的观测值与所述车辆尺寸模型的尺寸;
根据比较结果,调整所述车辆尺寸模型的尺寸,以使所述车辆尺寸模型与所述车辆之间的尺寸相似度大于所述车辆尺寸的观测值与所述车辆之间的尺寸相似度。
其中,最小车辆尺寸是指市面上车辆的最小尺寸。
基于该技术特征,本申请实施例通过比较车辆尺寸的观测值与所述车辆尺寸模型的尺寸;根据比较结果,调整所述车辆尺寸模型的尺寸,以使所述车辆尺寸模型与所述车辆之间的尺寸相似度大于所述车辆尺寸的观测值与所述车辆之间的尺寸相似度,从而使得车辆尺寸模型的车辆尺寸逐渐逼近车辆的真实尺寸。
此外,根据调整后的车辆尺寸模型的车辆尺寸,可以实现对车辆尺寸的最佳估计。
进一步地,所述根据所述观测值的偏离度,确定所述待估计参数的估计值,包括:
获取所述待估计参数的预测值的偏离度;
根据所述障碍物的点云数据和所述待估计参数的预测值的偏离度,确定所述待估计参数的预测值;
根据所述待估计参数的观测值、所述观测值的偏离度、所述待估计参数的预测值和所述预测值的偏离度,确定所述待估计参数的估计值。
基于该技术特征,本申请实施例通过预测所述待估计参数的预测值;根据所述待估计参数的观测值、所述观测值的偏离度、所述待估计参数的预测值和所述预测值的偏离度,确定所述待估计参数的估计值,从而实现所述待估计参数的估计值的确定。
进一步地,所述根据所述待估计参数的观测值、所述观测值的偏离度、所述待估计参数的预测值和所述预测值的偏离度,确定所述待估计参数的估计值,包括:
根据所述观测值的偏离度和所述预测值的偏离度,确定所述待估计参数的观测可信度和预测可信度;
根据所述观测可信度和所述预测可信度,确定所述待估计参数的观测权重和预测权重;
根据所述观测权重和所述预测权重,以及所述待估计参数的观测值和预测值,确定所述待估计参数的估计值。
基于该技术特征,本申请实施例通过根据所述观测值的偏离度和所述预测值的偏离度,确定所述待估计参数的观测权重和预测权重;根据所述观测权重和所述预测权重,以及所述待估计参数的观测值和预测值,从而实现对所述待估计参数的准确估计。
本申请实施例还提供一种参数估计装置,该装置包括:
数据获取模块,用于获取障碍物的点云数据和所述障碍物的待估计参数的观测值;
方差确定模块,用于根据所述障碍物的点云数据和所述待估计参数的观测值,确定所述观测值的偏离度;
参数估计模块,用于根据所述观测值的偏离度,确定所述待估计参数的估计值,以纠正所述待估计参数的观测值。
进一步地,所述方差确定模块,包括:
方差确定单元,用于若所述待估计参数为障碍物的朝向,则根据所述障碍物的点云数据和障碍物朝向的观测值,确定朝向偏离度。
进一步地,所述方差确定单元,包括:
投影子单元,用于将所述障碍物的点云数据投影至目标平面,所述目标平面与地面平行;
多边形确定子单元,用于确定所述目标平面中投影点的最小外接多边形;
朝向确定子单元,用于根据所述最小外接多边形中最长边的两顶点坐标矢量,确定所述最小外接多边形的朝向;
方差确定子单元,用于根据所述最小外接多边形的朝向与所述障碍物朝向的观测值相减,确定所述朝向偏离度。
进一步地,所述参数估计模块,包括:
参数估计单元,用于根据所述朝向偏离度和角速度偏离度,确定所述待估计参数的估计值;
所述角速度偏离度根据所述障碍物的点云数据确定。
进一步地,所述参数估计单元,包括:
图像获取子单元,用于获取时间连续的至少两帧投影图像,所述至少两帧投影图像通过将时间连续的至少两点云数据投影至目标平面得到,所述目标平面平行于地面;
角度确定子单元,用于确定所述至少两帧投影图像中第一帧投影图像和最后一帧投影图像关联障碍物朝向的第一角度变化量,以及所述至少两帧投影图像中相邻两帧投影图像关联障碍物朝向的第二角度变化量;
方差确定子单元,用于根据所述第一角度变化量和所述第二角度变化量,确定所述角速度偏离度。
进一步地,所述方差确定子单元,具体用于:
将所述第二角速度变化量作为变量,将所述第一角速度变化量作为平均值,计算所述角速度偏离度。
进一步地,所述方差确定模块,包括:
方差确定单元,用于若所述待估计参数为障碍物的中心,则根据所述障碍物的点云数据和障碍物中心的观测值,确定中心偏离度。
进一步地,所述方差确定单元,包括:
位置确定子单元,用于根据所述障碍物中心的观测值,确定自车与所述障碍物之间的相对位置关系;
可见面确定子单元,用于根据确定的相对位置关系,确定所述障碍物的可见面,所述可见面是指基于自车的视角看到的所述障碍物的表面;
数据提取子单元,用于从所述障碍物的点云数据中提取所述可见面的点云数据;
方差确定子单元,用于根据所述可见面的点云数据,确定所述可见面属于面的概率,并将该概率作为所述中心偏离度。
进一步地,所述装置还包括:
关系确定模块,用于所述根据确定的相对位置关系,确定所述障碍物的可见面之后,若所述障碍物为车辆,则确定所述可见面与车辆尺寸模型的映射关系;
观测值更新模块,用于根据所述映射关系和所述车辆尺寸模型,计算车辆中心,并利用计算得到的车辆中心更新所述障碍物中心的观测值。
进一步地,所述装置还包括:
模型建立模块,用于所述确定所述可见面与车辆尺寸模型的映射关系之前,根据最小车辆尺寸,建立车辆尺寸模型;
尺寸比较模块,用于比较车辆尺寸的观测值与所述车辆尺寸模型的尺寸;
尺寸调整模块,用于根据比较结果,调整所述车辆尺寸模型的尺寸,以使所述车辆尺寸模型与所述车辆之间的尺寸相似度大于所述车辆尺寸的观测值与所述车辆之间的尺寸相似度。
进一步地,所述参数估计模块,包括:
方差获取单元,用于获取所述待估计参数的预测值的偏离度;
预测值确定单元,用于根据所述障碍物的点云数据和所述待估计参数的预测值的偏离度,确定所述待估计参数的预测值;
估计值确定单元,用于根据所述待估计参数的观测值、所述观测值的偏离度、所述待估计参数的预测值和所述预测值的偏离度,确定所述待估计参数的估计值。
进一步地,所述估计值确定单元,包括:
可信度确定子单元,用于根据所述观测值的偏离度和所述预测值的偏离度,确定所述待估计参数的观测可信度和预测可信度;
权重确定子单元,用于根据所述观测可信度和所述预测可信度,确定所述待估计参数的观测权重和预测权重;
估计值确定子单元,用于根据所述观测权重和所述预测权重,以及所述待估计参数的观测值和预测值,确定所述待估计参数的估计值。
本申请实施例还提供一种电子设备,该设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请实施例中任一项所述的方法。
本申请实施例还提供一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本申请实施例中任一项所述的方法。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请第一实施例提供的一种参数估计方法的流程图;
图2是本申请第二实施例提供的一种参数估计方法的流程图;
图3是本申请第三实施例提供的一种参数估计方法的流程图;
图4是本申请第四实施例提供的一种障碍物朝向估计方法的流程图;
图5是本申请第四实施例提供的一种障碍物中心估计方法的流程图;
图6是本申请第五实施例提供的一种参数估计装置的结构示意图;
图7是用来实现本申请实施例参数估计方法的电子设备框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
第一实施例
图1是本申请第一实施例提供的一种参数估计方法的流程图。本实施例可适用于根据障碍物的点云数据和待估计参数的观测值,对待估计参数进行准确估计,以纠正待估计参数的观测值的情况。该方法可以由一种参数估计装置来执行,该装置可以由软件和/或硬件的方式实现。参见图1,本申请实施例提供的参数估计方法包括:
S110、获取障碍物的点云数据和所述障碍物的待估计参数的观测值。
其中,待估计参数可以是障碍物的任意属性参数。典型地,待估计参数为障碍物的朝向或障碍物的中心。
障碍物的朝向是指障碍物的正立面所面对的方向。具体地,若障碍物为车辆,则障碍物的朝向是指车头所面对的方向。
可选地,待估计参数的观测值可以通过测量获得,也可以通过计算获得,本实施例对此并不进行限定。
S120、根据所述障碍物的点云数据和所述待估计参数的观测值,确定所述观测值的偏离度。
其中,所述观测值的偏离度反应的是所述观测值偏离真值的程度。
典型地,偏离度可以通过噪声方差表示。
具体地,根据所述障碍物的点云数据和所述待估计参数的观测值,确定所述观测值的偏离度,包括:
若所述待估计参数为障碍物的朝向,则根据所述障碍物的点云数据和障碍物朝向的观测值,确定朝向偏离度;
若所述待估计参数为障碍物的中心,则根据所述障碍物的点云数据和障碍物中心的观测值,确定中心偏离度。
其中,障碍物朝向的观测值是指障碍物的朝向的观测值。
朝向偏离度,是指障碍物朝向的观测值的偏离度。朝向偏离度反应的是障碍物朝向的观测值偏离障碍物朝向真值的程度。
中心偏离度,是指障碍物中心的观测值的偏离度。中心偏离度反应的是障碍物中心的观测值偏离障碍物中心真值的程度。
S130、根据所述观测值的偏离度,确定所述待估计参数的估计值,以纠正所述待估计参数的观测值。
具体地,所述根据所述观测值的偏离度,确定所述待估计参数的估计值,以纠正所述待估计参数的观测值,包括:
获取所述待估计参数的预测值的偏离度;
根据所述障碍物的点云数据和所述待估计参数的预测值的偏离度,确定所述待估计参数的预测值;
根据所述待估计参数的观测值、所述观测值的偏离度、所述待估计参数的预测值和所述预测值的偏离度,确定所述待估计参数的估计值。
具体地,所述根据所述待估计参数的观测值、所述观测值的偏离度、所述待估计参数的预测值和所述预测值的偏离度,确定所述待估计参数的估计值,包括:
将所述待估计参数的观测值、所述观测值的偏离度、所述待估计参数的预测值和所述预测值的偏离度输入卡尔曼滤波器,输出所述待估计参数的估计值。
典型地,所述根据所述待估计参数的观测值、所述观测值的偏离度、所述待估计参数的预测值和所述预测值的偏离度,确定所述待估计参数的估计值,包括:
根据所述观测值的偏离度和所述预测值的偏离度,确定所述待估计参数的观测可信度和预测可信度;
根据所述观测可信度和所述预测可信度,确定所述待估计参数的观测权重和预测权重;
根据所述观测权重和所述预测权重,以及所述待估计参数的观测值和预测值,确定所述待估计参数的估计值。
其中,观测可信度是指待估计参数的观测值的可信度。
预测可信度是指待估计参数的预测值的可信度。
观测权重是指待估计参数的观测值的权重。
预测权重是指待估计参数的预测值的权重。
具体地,根据所述观测权重和所述预测权重,以及所述待估计参数的观测值和预测值,确定所述待估计参数的估计值,包括:
根据所述观测权重和所述预测权重,对所述待估计参数的观测值和预测值进行加权求和;
将加权求和结果除以二,得到所述待估计参数的估计值。
本申请实施例的技术方案,通过根据所述障碍物的点云数据和所述待估计参数的观测值,确定所述观测值的偏离度,以根据所述观测值的偏离度,确定所述待估计参数的估计值。因为观测值的偏离度反应有观测值的偏差程度,所以将观测值的噪声偏差引入待估计参数的估计中可以提高估计值的准确率。进而根据待估计参数的估计值,可以实现对观测值的纠正。
第二实施例
图2是本申请第二实施例提供的一种参数估计方法的流程图。本实施例是在上述实施例的基础上,以待估计参数为障碍物的朝向为例提供的一种可选方案。参见图2,本申请实施例提供的参数估计方法包括:
S210、获取障碍物的点云数据和障碍物朝向的观测值。
S220、将所述障碍物的点云数据投影至目标平面,所述目标平面与地面平行。
S230、确定所述目标平面中投影点的最小外接多边形。
S240、根据所述最小外接多边形中最长边的两顶点坐标矢量,确定所述最小外接多边形的朝向。
其中,上述顶点坐标为具有方向的矢量。所述最小外接多边形的朝向等于两顶点坐标的方向差。
具体地,根据所述最小外接多边形中最长边的两顶点坐标矢量,确定所述最小外接多边形的朝向,包括:
将所述最小外接多边形中最长边的两顶点坐标矢量相减,得到所述最小外接多边形的朝向。
S250、根据所述最小外接多边形的朝向与所述障碍物朝向的观测值,确定所述朝向偏离度。
具体地,根据所述最小外接多边形的朝向与所述障碍物朝向的观测值,确定所述朝向偏离度,包括:
将所述最小外接多边形的朝向与所述障碍物朝向的观测值相减,得到所述朝向偏离度。
S260、根据所述朝向偏离度,确定所述障碍物朝向的估计值,以纠正所述障碍物朝向的观测值。
本申请实施例的技术方案,通过根据障碍物的点云数据投影至目标平面的投影点,确定障碍物的真实朝向;将确定的障碍物的真实朝向与所述障碍物朝向的观测值相减,以实现朝向偏离度的确定。
,所述根据障碍物的点云数据和障碍物朝向的观测值,确定所述角速度偏离度,包括:
获取时间连续的至少两帧投影图像,所述至少两帧投影图像通过将时间连续的至少两点云数据投影至目标平面得到,所述目标平面平行于地面;
确定所述至少两帧投影图像中第一帧投影图像和最后一帧投影图像关联障碍物朝向的第一角度变化量和所述至少两帧投影图像中相邻两帧投影图像关联障碍物朝向的第二角度变化量;
根据所述第一角度变化量和所述第二角度变化量,确定所述角速度偏离度。
具体地,所述根据所述第一角度变化量和所述第二角度变化量,确定所述角速度偏离度,包括:
将所述第二角速度变化量作为变量,将所述第一角速度变化量作为平均值,计算所述角速度偏离度。
基于该技术特征,本申请实施例通过根据所述朝向偏离度和角速度偏离度的两个维度,对所述待估计参数进行估计,从而进一步提高待估计参数的估计准确率。
第三实施例
图3是本申请第三实施例提供的一种参数估计方法的流程图。本实施例是在上述实施例的基础上,以待估计参数为障碍物的中心为例提供的一种可选方案。参见图3,本申请实施例提供的参数估计方法包括:
S310、获取障碍物的点云数据和障碍物中心的观测值。
S320、根据所述障碍物中心的观测值,确定自车与所述障碍物之间的相对位置关系。
其中,自车是指当前驾驶车辆,也是参数估计装置的配置车辆。
S330、根据确定的相对位置关系,确定所述障碍物的可见面。
所述可见面是指基于自车的视角看到的所述障碍物的表面。具体包括左侧面、右侧面、前面、后面和顶面。
S340、从所述障碍物的点云数据中提取所述可见面的点云数据。
S350、根据所述可见面的点云数据,确定所述可见面属于面的概率,并将该概率作为所述中心偏离度。
其中,上述面属于平面空间的基本元素,具体可以由至少两条线构成。
S360、根据所述中心偏离度,确定所述障碍物中心的估计值,以纠正所述障碍物中心的观测值。
本申请实施例通过根据障碍物可见面的点云数据,确定所述可见面属于面的概率,并将该概率作为中心偏离度;根据障碍物的中心偏离度,实现对障碍物中心的估计,以纠正障碍物中心的观测值。
进一步地,所述根据确定的相对位置关系,确定所述障碍物的可见面之后,所述方法还包括:
若所述障碍物为车辆,则确定所述可见面与车辆尺寸模型的映射关系;
根据所述映射关系和所述车辆尺寸模型,计算车辆中心,并利用计算得到的车辆中心更新所述障碍物中心的观测值。
基于该技术特征,本申请实施例通过根据障碍物的可见面与车辆尺寸模型的映射关系,以及所述车辆尺寸模型,计算车辆中心,并利用计算得到的车辆中心更新所述障碍物中心的观测值,从而实现对所述障碍物中心的观测值的纠正。
进一步地,所述确定所述可见面与车辆尺寸模型的映射关系之前,所述方法还包括:
根据最小车辆尺寸,建立车辆尺寸模型;
比较车辆尺寸的观测值与所述车辆尺寸模型的尺寸;
根据比较结果,调整所述车辆尺寸模型的尺寸,以使所述车辆尺寸模型与所述车辆之间的尺寸相似度大于所述车辆尺寸的观测值与所述车辆之间的尺寸相似度。
具体地,根据比较结果,调整所述车辆尺寸模型的尺寸,包括:
若车辆尺寸模板的尺寸小于车辆尺寸的观测值,则根据比较结果,确定车辆尺寸的观测值与所述车辆尺寸模型的尺寸差值;
根据设定倍数的尺寸差值,增大车辆尺寸模板的尺寸,以使车辆尺寸模板的尺寸逐渐逼近实际车辆的尺寸,其中所述设定倍数小于或等于1,以避免增大后的车辆尺寸模板的尺寸超过实际车辆的尺寸;
若车辆尺寸模板的尺寸大于或等于车辆尺寸的观测值,则不进行调整;
将确定的车辆尺寸模板的尺寸作为障碍物当前的最佳尺寸。
基于该技术特征,本申请实施例还可以实现对车辆尺寸的最佳估计。
第四实施例
本实施例是在上述实施例的基础上,以对当前时刻的障碍物参数进行估计,且偏离度为噪声方差为例,提出的一种可选方案。本实施例提供的参数估计方法包括:
参见图4,对当前时刻的障碍物朝向的估计包括:
(1)获取当前时刻障碍物朝向的观测值以及障碍物当前时刻的点云数据;
(2)将障碍物当前时刻的点云数据投影至障碍物的横切面,得到当前投影图像;在当前投影图像中,确定投影点的最小外接多边形;确定最小外接多边形中的最长边;将最长边的两顶点坐标向量相减,得到最小外接多边形的朝向(该方向比较接近障碍物的真实朝向);将最小外接多边形的朝向与当前时刻障碍物朝向的观测值相减,得到朝向噪声方差;
(3)确定包括当前投影图像和历史投影图像的连续至少2帧图像;确定所述连续至少2帧图像中第一帧图像和最后一帧图像对应障碍物朝向的角度变化量,将该角度变化量除以变化时间,得到第一角速度;确定上述连续至少2帧图像中相邻两帧图像之间的角度变化量,将该角度变化量除以变化时间,得到第二角速度;将所述第二角速度作为变量,将所述第一角速度作为平均值,计算当前时刻障碍物的角速度噪声方差;
(4)基于运动模型,根据历史时刻障碍物的朝向信息,以及设定的当前时刻障碍物朝向的预测值的朝向噪声方差和角速度噪声方差,确定当前时刻障碍物朝向的预测值;
(5)将当前时刻障碍物朝向的观测值、观测值的朝向噪声方差、观测值的角速度噪声方差、当前时刻障碍物朝向的预测值、预测值的朝向噪声方差和预测值的角速度噪声方差输入卡尔曼滤波器,输出当前时刻障碍物朝向的最佳估计值。
参见图5,以障碍物是车辆为例,对当前时刻的障碍物尺寸和中心的估计包括:
(1)获取当前时刻障碍物尺寸的观测值和当前时刻障碍物中心的观测值;
(2)基于市面上车辆的最小尺寸,建立车辆尺寸模型;
(3)根据自车和障碍物之间的相对位置关系,确定障碍物的可见面,其中可见面是基于自车的视角可以看到的障碍物车辆的表面,具体包括左侧面、右侧面、前面、后面和顶面;
(4)比较当前时刻障碍物尺寸的观测值与车辆尺寸模型的尺寸,若车辆尺寸模板的尺寸小于观测值,则根据设定倍数的尺寸差值,增大车辆尺寸模板的尺寸,以使车辆尺寸模型的尺寸逐渐逼近作为障碍物的车辆的实际尺寸;若车辆尺寸模型的尺寸大于观测值,则不进行调整;将确定的车辆尺寸模型的尺寸作为当前时刻障碍物尺寸的最佳估计值;
(5)将可见面与经过尺寸调整的车辆尺寸模型进行对齐;并基于对齐后的车辆尺寸模型,调整当前时刻障碍物中心的观测值;
(6)从障碍物当前时刻的点云数据中提取可见面的平面点云数据;基于面的数据点分散特征以及方差大的特征,确定提取的平面点云数据属于面的概率,将该概率作为观测值的中心噪声方差;
(7)基于运动模型,根据历史时刻障碍物的中心信息,以及设定的当前时刻障碍物中心的预测值的中心噪声方差,确定当前时刻障碍物中心的预测值;
(8)将当前时刻障碍物中心的观测值、观测值的中心噪声方差、当前时刻障碍物中心的预测值和预测值的中心噪声方差,输入卡尔曼滤波器,输出当前时刻障碍物中心的最佳估计值。
本申请实施例的技术方案,使用点云分布信息和障碍物表面的可见性信息对障碍物的朝向、尺寸、中心的观测进行协方差建模,并用卡尔曼滤波进行滤波,得到更加真实的障碍物朝向、尺寸、中心信息。本申请实施例能够有效提高障碍物的朝向、尺寸、中心的准确性及稳定性。对于时序中突然出现错误的朝向、尺寸、中心有较好的纠正作用,目前该技术在真实的无人车驾驶***中有效的降低了因朝向、尺寸、中心不稳定而带来的接管问题。
第五实施例
图6是本申请第五实施例提供的一种参数估计装置的结构示意图。本实施例提供的参数估计装置600,包括:数据获取模块601、方差确定模块602和参数估计模块603。
数据获取模块601,用于获取障碍物的点云数据和所述障碍物的待估计参数的观测值;
方差确定模块602,用于根据所述障碍物的点云数据和所述待估计参数的观测值,确定所述观测值的偏离度;
参数估计模块603,用于根据所述观测值的偏离度,确定所述待估计参数的估计值,以纠正所述待估计参数的观测值。
本申请实施例通过根据所述障碍物的点云数据和所述待估计参数的观测值,确定所述观测值的偏离度,以根据所述观测值的偏离度,确定所述待估计参数的最佳估计值。因为观测值的偏离度反应有观测值的偏差程度,所以将观测值的噪声偏差引入待估计参数的估计中可以提高估计值的准确率。进而根据待估计参数的估计值,可以实现对观测值的纠正。
进一步地,所述方差确定模块,包括:
方差确定单元,用于若所述待估计参数为障碍物的朝向,则根据所述障碍物的点云数据和障碍物朝向的观测值,确定朝向偏离度。
进一步地,所述方差确定单元,包括:
投影子单元,用于将所述障碍物的点云数据投影至目标平面,所述目标平面与地面平行;
多边形确定子单元,用于确定所述目标平面中投影点的最小外接多边形;
朝向确定子单元,用于根据所述最小外接多边形中最长边的两顶点坐标矢量,确定所述最小外接多边形的朝向;
方差确定子单元,用于根据所述最小外接多边形的朝向与所述障碍物朝向的观测值,确定所述朝向偏离度。
进一步地,所述参数估计模块,包括:
参数估计单元,用于根据所述朝向偏离度和角速度偏离度,确定所述待估计参数的估计值;
所述角速度偏离度根据所述障碍物的点云数据确定。
进一步地,所述参数估计单元,包括:
图像获取子单元,用于获取时间连续的至少两帧投影图像,所述至少两帧投影图像通过将时间连续的至少两点云数据投影至目标平面得到,所述目标平面平行于地面;
角度确定子单元,用于确定所述至少两帧投影图像中第一帧投影图像和最后一帧投影图像关联障碍物朝向的第一角度变化量,以及所述至少两帧投影图像中相邻两帧投影图像关联障碍物朝向的第二角度变化量;
方差确定子单元,用于根据所述第一角度变化量和所述第二角度变化量,确定所述角速度偏离度。
进一步地,所述方差确定子单元,具体用于:
将所述第二角速度变化量作为变量,将所述第一角速度变化量作为平均值,计算所述角速度偏离度。
进一步地,所述方差确定模块,包括:
方差确定单元,用于若所述待估计参数为障碍物的中心,则根据所述障碍物的点云数据和障碍物中心的观测值,确定中心偏离度。
进一步地,所述方差确定单元,包括:
位置确定子单元,用于根据所述障碍物中心的观测值,确定自车与所述障碍物之间的相对位置关系;
可见面确定子单元,用于根据确定的相对位置关系,确定所述障碍物的可见面,所述可见面是指基于自车的视角看到的所述障碍物的表面;
数据提取子单元,用于从所述障碍物的点云数据中提取所述可见面的点云数据;
方差确定子单元,用于根据所述可见面的点云数据,确定所述可见面属于面的概率,并将该概率作为所述中心偏离度。
进一步地,所述装置还包括:
关系确定模块,用于所述根据确定的相对位置关系,确定所述障碍物的可见面之后,若所述障碍物为车辆,则确定所述可见面与车辆尺寸模型的映射关系;
观测值更新模块,用于根据所述映射关系和所述车辆尺寸模型,计算车辆中心,并利用计算得到的车辆中心更新所述障碍物中心的观测值。
进一步地,所述装置还包括:
模型建立模块,用于所述确定所述可见面与车辆尺寸模型的映射关系之前,根据最小车辆尺寸,建立车辆尺寸模型;
尺寸比较模块,用于比较车辆尺寸的观测值与所述车辆尺寸模型的尺寸;
尺寸调整模块,用于根据比较结果,调整所述车辆尺寸模型的尺寸,以使所述车辆尺寸模型与所述车辆之间的尺寸相似度大于所述车辆尺寸的观测值与所述车辆之间的尺寸相似度。
进一步地,所述参数估计模块,包括:
方差获取单元,用于获取所述待估计参数的预测值的偏离度;
预测值确定单元,用于根据所述障碍物的点云数据和所述待估计参数的预测值的偏离度,确定所述待估计参数的预测值;
估计值确定单元,用于根据所述待估计参数的观测值、所述观测值的偏离度、所述待估计参数的预测值和所述预测值的偏离度,确定所述待估计参数的估计值。
进一步地,所述估计值确定单元,包括:
可信度确定子单元,用于根据所述观测值的偏离度和所述预测值的偏离度,确定所述待估计参数的观测可信度和预测可信度;
权重确定子单元,用于根据所述观测可信度和所述预测可信度,确定所述待估计参数的观测权重和预测权重;
估计值确定子单元,用于根据所述观测权重和所述预测权重,以及所述待估计参数的观测值和预测值,确定所述待估计参数的估计值。
第六实施例
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图7所示,是根据本申请实施例的参数估计方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示,该电子设备包括:一个或多个处理器701、存储器702,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器***)。图7中以一个处理器701 为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的参数估计方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的参数估计方法。
存储器702作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的参数估计方法对应的程序指令/模块(例如,附图6所示的数据获取模块601、方差确定模块602和参数估计模块603)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的参数估计方法。
存储器702可以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***、至少一个功能所需要的应用程序;存储数据区可存储根据参数估计电子设备的使用所创建的数据等。此外,存储器702可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器702 可选包括相对于处理器701远程设置的存储器,这些远程存储器可以通过网络连接至参数估计电子设备。上述网络的实例包括但不限于互联网、企业内部网、区块链网络、局域网、移动通信网及其组合。
参数估计方法的电子设备还可以包括:输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接,图7中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息,以及产生与参数估计电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如, LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和 /或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入) 来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (19)
1.一种参数估计方法,其特征在于,包括:
获取障碍物的点云数据和所述障碍物的待估计参数的观测值;
根据所述障碍物的点云数据和所述待估计参数的观测值,确定所述观测值的偏离度;
根据所述观测值的偏离度,确定所述待估计参数的估计值,以纠正所述待估计参数的观测值。
2.根据权利要求1所述的方法,其特征在于,所述根据障碍物的点云数据和待估计参数的观测值,确定所述观测值的偏离度,包括:
若所述待估计参数为障碍物的朝向,则根据所述障碍物的点云数据和障碍物朝向的观测值,确定朝向偏离度。
3.根据权利要求2所述的方法,其特征在于,所述根据障碍物的点云数据和障碍物朝向的观测值,确定朝向偏离度,包括:
将所述障碍物的点云数据投影至目标平面,所述目标平面与地面平行;
确定所述目标平面中投影点的最小外接多边形;
根据所述最小外接多边形中最长边的两顶点坐标矢量,确定所述最小外接多边形的朝向;
根据所述最小外接多边形的朝向与所述障碍物朝向的观测值,确定所述朝向偏离度。
4.根据权利要求2所述的方法,其特征在于,所述根据所述观测值的偏离度,确定所述待估计参数的估计值,以纠正所述待估计参数的观测值,包括:
根据所述朝向偏离度和角速度偏离度,确定所述待估计参数的估计值,所述角速度偏离度根据所述障碍物的点云数据确定。
5.根据权利要求4所述的方法,其特征在于,根据所述障碍物的点云数据,确定所述角速度偏离度,包括:
获取时间连续的至少两帧投影图像,所述至少两帧投影图像通过将时间连续的至少两点云数据投影至目标平面得到,所述目标平面平行于地面;
确定所述至少两帧投影图像中第一帧投影图像和最后一帧投影图像关联障碍物朝向的第一角度变化量,以及所述至少两帧投影图像中相邻两帧投影图像关联障碍物朝向的第二角度变化量;
根据所述第一角度变化量和所述第二角度变化量,确定所述角速度偏离度。
6.根据权利要求5所述的方法,其特征在于,所述根据所述第一角度变化量和所述第二角度变化量,确定所述角速度偏离度,包括:
将所述第二角度变化量作为变量,将所述第一角度变化量作为平均值,计算所述角速度偏离度。
7.根据权利要求1-6任一所述的方法,其特征在于,所述根据所述障碍物的点云数据和所述待估计参数的观测值,确定所述观测值的偏离度,包括:
若所述待估计参数为障碍物的中心,则根据所述障碍物的点云数据和障碍物中心的观测值,确定中心偏离度。
8.根据权利要求7所述的方法,其特征在于,所述根据所述障碍物的点云数据和障碍物中心的观测值,确定中心偏离度,包括:
根据所述障碍物中心的观测值,确定自车与所述障碍物之间的相对位置关系;
根据确定的相对位置关系,确定所述障碍物的可见面,所述可见面是指基于自车的视角看到的所述障碍物的表面;
从所述障碍物的点云数据中提取所述可见面的点云数据;
根据所述可见面的点云数据,确定所述可见面属于面的概率,并将该概率作为所述中心偏离度。
9.根据权利要求8所述的方法,其特征在于,所述根据确定的相对位置关系,确定所述障碍物的可见面之后,所述方法还包括:
若所述障碍物为车辆,则确定所述可见面与车辆尺寸模型的映射关系;
根据所述映射关系和所述车辆尺寸模型,计算车辆中心,并利用计算得到的车辆中心更新所述障碍物中心的观测值。
10.根据权利要求9所述的方法,其特征在于,所述确定所述可见面与车辆尺寸模型的映射关系之前,所述方法还包括:
根据最小车辆尺寸,建立车辆尺寸模型;
比较车辆尺寸的观测值与所述车辆尺寸模型的尺寸;
根据比较结果,调整所述车辆尺寸模型的尺寸,以使所述车辆尺寸模型与所述车辆之间的尺寸相似度,大于所述车辆尺寸的观测值与所述车辆之间的尺寸相似度。
11.根据权利要求1-6任一所述的方法,其特征在于,所述根据所述观测值的偏离度,确定所述待估计参数的估计值,包括:
获取所述待估计参数的预测值的偏离度;
根据所述障碍物的点云数据和所述待估计参数的预测值的偏离度,确定所述待估计参数的预测值;
根据所述待估计参数的观测值、所述观测值的偏离度、所述待估计参数的预测值和所述预测值的偏离度,确定所述待估计参数的估计值。
12.根据权利要求11所述的方法,其特征在于,所述根据所述待估计参数的观测值、所述观测值的偏离度、所述待估计参数的预测值和所述预测值的偏离度,确定所述待估计参数的估计值,包括:
根据所述观测值的偏离度和所述预测值的偏离度,确定所述待估计参数的观测可信度和预测可信度;
根据所述观测可信度和所述预测可信度,确定所述待估计参数的观测权重和预测权重;
根据所述观测权重和所述预测权重,以及所述待估计参数的观测值和预测值,确定所述待估计参数的估计值。
13.一种参数估计装置,其特征在于,包括:
数据获取模块,用于获取障碍物的点云数据和所述障碍物的待估计参数的观测值;
方差确定模块,用于根据所述障碍物的点云数据和所述待估计参数的观测值,确定所述观测值的偏离度;
参数估计模块,用于根据所述观测值的偏离度,确定所述待估计参数的估计值,以纠正所述待估计参数的观测值。
14.根据权利要求13所述的装置,其特征在于,所述方差确定模块,包括:
方差确定单元,用于若所述待估计参数为障碍物的朝向,则根据所述障碍物的点云数据和障碍物朝向的观测值,确定朝向偏离度。
15.根据权利要求14所述的装置,其特征在于,所述方差确定单元,包括:
投影子单元,用于将所述障碍物的点云数据投影至目标平面,所述目标平面与地面平行;
多边形确定子单元,用于确定所述目标平面中投影点的最小外接多边形;
朝向确定子单元,用于根据所述最小外接多边形中最长边的两顶点坐标矢量,确定所述最小外接多边形的朝向;
方差确定子单元,用于根据所述最小外接多边形的朝向与所述障碍物朝向的观测值,确定所述朝向偏离度。
16.根据权利要求13-15任一所述的装置,其特征在于,所述方差确定模块,包括:
方差确定单元,用于若所述待估计参数为障碍物的中心,则根据所述障碍物的点云数据和障碍物中心的观测值,确定中心偏离度。
17.根据权利要求16所述的装置,其特征在于,所述方差确定单元,包括:
位置确定子单元,用于根据所述障碍物中心的观测值,确定自车与所述障碍物之间的相对位置关系;
可见面确定子单元,用于根据确定的相对位置关系,确定所述障碍物的可见面,所述可见面是指基于自车的视角看到的所述障碍物的表面;
数据提取子单元,用于从所述障碍物的点云数据中提取所述可见面的点云数据;
方差确定子单元,用于根据所述可见面的点云数据,确定所述可见面属于面的概率,并将该概率作为所述中心偏离度。
18.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-12中任一项所述的方法。
19.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-12中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010175358.3A CN111402333B (zh) | 2020-03-13 | 2020-03-13 | 参数估计方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010175358.3A CN111402333B (zh) | 2020-03-13 | 2020-03-13 | 参数估计方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111402333A CN111402333A (zh) | 2020-07-10 |
CN111402333B true CN111402333B (zh) | 2023-11-14 |
Family
ID=71434422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010175358.3A Active CN111402333B (zh) | 2020-03-13 | 2020-03-13 | 参数估计方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111402333B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101754887A (zh) * | 2007-07-24 | 2010-06-23 | 日产自动车株式会社 | 车辆驾驶辅助***和配备有驾驶辅助***的车辆 |
US9052721B1 (en) * | 2012-08-28 | 2015-06-09 | Google Inc. | Method for correcting alignment of vehicle mounted laser scans with an elevation map for obstacle detection |
CN110222605A (zh) * | 2019-05-24 | 2019-09-10 | 深兰科技(上海)有限公司 | 一种障碍物检测方法及设备 |
CN110364049A (zh) * | 2019-07-17 | 2019-10-22 | 石虹 | 一种具有偏离度自动反馈数据闭环纠偏控制的专业技能实训辅助教学***及辅助教学方法 |
CN110705385A (zh) * | 2019-09-12 | 2020-01-17 | 深兰科技(上海)有限公司 | 一种障碍物角度的检测方法、装置、设备及介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7509241B2 (en) * | 2001-07-06 | 2009-03-24 | Sarnoff Corporation | Method and apparatus for automatically generating a site model |
EP3371679B1 (en) * | 2016-08-30 | 2022-03-09 | SZ DJI Technology Co., Ltd. | Method and system for detecting obstructive object at projected locations within images |
CN106951847B (zh) * | 2017-03-13 | 2020-09-29 | 百度在线网络技术(北京)有限公司 | 障碍物检测方法、装置、设备及存储介质 |
-
2020
- 2020-03-13 CN CN202010175358.3A patent/CN111402333B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101754887A (zh) * | 2007-07-24 | 2010-06-23 | 日产自动车株式会社 | 车辆驾驶辅助***和配备有驾驶辅助***的车辆 |
US9052721B1 (en) * | 2012-08-28 | 2015-06-09 | Google Inc. | Method for correcting alignment of vehicle mounted laser scans with an elevation map for obstacle detection |
CN110222605A (zh) * | 2019-05-24 | 2019-09-10 | 深兰科技(上海)有限公司 | 一种障碍物检测方法及设备 |
CN110364049A (zh) * | 2019-07-17 | 2019-10-22 | 石虹 | 一种具有偏离度自动反馈数据闭环纠偏控制的专业技能实训辅助教学***及辅助教学方法 |
CN110705385A (zh) * | 2019-09-12 | 2020-01-17 | 深兰科技(上海)有限公司 | 一种障碍物角度的检测方法、装置、设备及介质 |
Non-Patent Citations (6)
Title |
---|
严浙平 等."基于前视声呐的水下移动障碍物运动参数预测".《华中科技大学学报(自然科学版)》.2019,(第undefined期),105-109. * |
孙永丽."基于图像的铁路障碍物自动检测算法研究".《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》.2019,(第undefined期),C033-112. * |
杨琪."基于复合特征的异源图像配准算法研究".《中国优秀硕士学位论文全文数据库 信息科技辑》.2018,(第undefined期),I138-737. * |
滕军."智能工业机器人的环境感知与运动规划".《中国优秀硕士学位论文全文数据库 信息科技辑》.2020,(第undefined期),I140-835. * |
邹斌 ; 刘康 ; 王科未 ; .基于三维激光雷达的动态障碍物检测和追踪方法.汽车技术.(第08期),1-3. * |
阎岩 ; 唐振民 ; 刘家银 ; .基于不确定性分析的自主导航轨迹评测方法.机器人.(第02期),194-199. * |
Also Published As
Publication number | Publication date |
---|---|
CN111402333A (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111640140B (zh) | 目标跟踪方法、装置、电子设备及计算机可读存储介质 | |
CN110827325B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN112150558B (zh) | 用于路侧计算设备的障碍物三维位置获取方法及装置 | |
CN110929639A (zh) | 用于确定图像中障碍物位置的方法、装置、设备和介质 | |
US11514607B2 (en) | 3-dimensional reconstruction method, 3-dimensional reconstruction device, and storage medium | |
CN111612753B (zh) | 三维物体检测方法、装置、电子设备和可读存储介质 | |
EP3852065A1 (en) | Data processing method and apparatus | |
CN111402161B (zh) | 点云障碍物的去噪方法、装置、设备和存储介质 | |
CN111079079B (zh) | 数据修正方法、装置、电子设备及计算机可读存储介质 | |
CN110595490B (zh) | 车道线感知数据的预处理方法、装置、设备和介质 | |
CN111275827B (zh) | 基于边缘的增强现实三维跟踪注册方法、装置和电子设备 | |
US20210374439A1 (en) | Obstacle detection method and device, apparatus, and storage medium | |
CN110675635B (zh) | 相机外参的获取方法、装置、电子设备及存储介质 | |
CN111612852A (zh) | 用于验证相机参数的方法和装置 | |
CN112561978A (zh) | 深度估计网络的训练方法、图像的深度估计方法、设备 | |
CN111462179B (zh) | 三维物体跟踪方法、装置及电子设备 | |
CN112528932B (zh) | 用于优化位置信息的方法、装置、路侧设备和云控平台 | |
KR102568948B1 (ko) | 장애물 속도를 결정하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램 | |
CN111260722B (zh) | 车辆定位方法、设备及存储介质 | |
CN111369571B (zh) | 三维物***姿准确性判断方法、装置及电子设备 | |
CN112528931A (zh) | 用于生成位置预测信息的方法、装置以及自动驾驶车辆 | |
CN111402333B (zh) | 参数估计方法、装置、设备和介质 | |
CN116883460A (zh) | 一种视觉感知定位方法、装置、电子设备及存储介质 | |
CN116772858A (zh) | 车辆定位方法、装置、定位设备及存储介质 | |
CN111814634B (zh) | 一种实时距离确定方法、装置、设备及介质 |
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 |