CN112014845A - 一种车辆障碍物定位方法、装置、设备及存储介质 - Google Patents
一种车辆障碍物定位方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112014845A CN112014845A CN202010902098.5A CN202010902098A CN112014845A CN 112014845 A CN112014845 A CN 112014845A CN 202010902098 A CN202010902098 A CN 202010902098A CN 112014845 A CN112014845 A CN 112014845A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- vehicle
- monitoring result
- current
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012544 monitoring process Methods 0.000 claims abstract description 151
- 230000004888 barrier function Effects 0.000 claims description 26
- 238000001514 detection method Methods 0.000 claims description 14
- 238000007499 fusion processing Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000002592 echocardiography Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/86—Combinations of sonar systems with lidar systems; Combinations of sonar systems with systems not using wave reflection
-
- 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
- G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Traffic Control Systems (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明涉及自动泊车技术领域,公开了一种车辆障碍物定位方法、装置、设备及存储介质。该方法包括:获取车辆雷达采集的超声波信号监测结果,以及车辆摄像头采集的视频监测结果;对所述超声波信号监测结果及所述视频监测结果进行融合处理,以确定当前障碍物与对应的车辆摄像头之间的纵向投影距离,以及所述当前障碍物的高度信息和边界点坐标信息;根据所述纵向投影距离、所述高度信息及所述边界点坐标信息确定所述当前障碍物的位置信息。通过上述方式,依据车辆雷达识别车辆正面障碍物准确度高,车辆摄像头识别车辆侧面障碍物准确度高的原理对超声波信号监测结果及视频监测结果进行融合处理,可以更加精确的获取障碍物的位置信息。
Description
技术领域
本发明涉及自动泊车技术领域,尤其涉及一种车辆障碍物定位方法、装置、设备及存储介质。
背景技术
全自动泊车***最核心的技术就是车位检测和障碍物的有效检测,当前全自动泊车***障碍物监测所采用的传感器以超声波雷达为主,然而超声波雷达的抗干扰能力和探测性能会因为环境情况和障碍物反射特性而降低,由于受到来自各种外界声场和电磁场的影响(例如:其他使用超声测距的车辆,气压,引擎噪音,电控齿轮,感应圈等等),***无法达到绝对抗干扰,因此伴随着全自动泊车技术的发展,其传感器也融入了环视摄像头,然而环视摄像头对光照条件较为敏感,因此如何通过融合环视摄像头和超声波雷达的监测结果进行障碍物定位,是全自动泊车***发展的关键。
现有技术中超声波雷达是利用直接回波和交叉回波的集合原理,根据回波时间与当前音速,计算障碍物与超声波雷达之间的距离,根据波发送方向计算障碍物的方位,但是障碍物的具体高度只能通过超声波雷达的变化率或者回波的波形状态进行几何推理计算,且因车辆侧面一般安装超声波雷达数量较少,能用于计算的回波数较少,因此误差较大,甚至会存在误检的问题。而车辆摄像头是基于环视摄像头的障碍物定位原理,利用单个鱼眼摄像头的障碍物特征识别及匹配定位,但是在纵向距离判断并不准确,因此会导致障碍物边界和高度状态的判断误差较大。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种车辆障碍物定位方法、装置、设备及存储介质,旨在解决现有技术障碍物误检或定位误差较大的技术问题。
为实现上述目的,本发明提供了一种方法,所述方法包括以下步骤:
获取车辆雷达采集的超声波信号监测结果,以及车辆摄像头采集的视频监测结果;
对所述超声波信号监测结果及所述视频监测结果进行融合处理,以确定当前障碍物与对应的车辆摄像头之间的纵向投影距离,以及所述当前障碍物的高度信息和边界点坐标信息;
根据所述纵向投影距离、所述高度信息及所述边界点坐标信息确定所述当前障碍物的位置信息。
优选地,所述获取车辆雷达采集的超声波信号监测结果,以及车辆摄像头采集的视频监测结果的步骤,包括:
实时检测车辆雷达及车辆摄像头采集的监测数据,根据所述监测数据判断所述车辆雷达及所述车辆摄像头是否监测到障碍物;
在所述车辆雷达监测到障碍物时,将所述车辆雷达当前的检测数据作为超声波信号监测结果;
在所述车辆摄像头监测到障碍物时,将所述车辆摄像头当前的检测数据作为视频监测结果。
优选地,所述对所述超声波信号监测结果及所述视频监测结果进行融合处理,以确定当前障碍物与对应的车辆摄像头之间的纵向投影距离,以及所述当前障碍物的高度信息和边界点坐标信息的步骤之前,还包括:
根据所述超声波信号监测结果确定所述车辆雷达监测到的障碍物的第一位置信息;
根据所述视频监测结果确定所述所述车辆摄像头监测到的障碍物的第二位置信息;
根据所述第一位置信息及所述第二位置信息判断所述车辆雷达及所述车辆摄像头是否监测到同一障碍物;
在所述车辆雷达及所述车辆摄像头监测到同一障碍物时,将监测到的所述同一障碍物作为当前障碍物,执行所述对所述超声波信号监测结果及所述视频监测结果进行融合处理,以确定当前障碍物与对应的车辆摄像头之间的纵向投影距离,以及所述当前障碍物的高度信息和边界点坐标信息的步骤。
优选地,所述对所述超声波信号监测结果及所述视频监测结果进行融合处理,以确定当前障碍物与对应的车辆摄像头之间的纵向投影距离,以及所述当前障碍物的高度信息和边界点坐标信息的步骤,包括:
根据所述超声波信号监测结果确定当前障碍物与对应的车辆摄像头之间的纵向投影距离及所述当前障碍物在所述空间坐标系中的关键点坐标;
根据所述视频监测结果确定当前障碍物的横向方向信息及纵向方向信息;
根据所述横向方向信息及所述关键点坐标确定当前障碍物的横向边界点坐标;
根据所述纵向方向信息及所述关键点坐标确定当前障碍物的纵向边界点坐标;
将所述横向边界点坐标及所述纵向边界点坐标组合为边界点坐标信息;
根据所述纵向边界点坐标确定所述当前障碍物的高度信息。
优选地,所述根据所述超声波信号监测结果确定所述当前障碍物与对应的车辆摄像头之间的纵向投影距离及所述当前障碍物在所述空间坐标系中的关键点坐标的步骤,包括:
以车辆中心为坐标原点,构建空间坐标系;
将所述空间坐标系划分为第一类型区域及第二类型区域;
根据所述超声波信号监测结果及所述目标视频监测结果确定所述当前障碍物位于所述空间坐标系中的障碍物区域;
在所述障碍物区域为所述第一类型区域时,根据所述超声波信号监测结果确定所述当前障碍物与对应的车辆摄像头在所述空间坐标系的X轴上的纵向投影距离;
根据所述纵向投影距离确定所述障碍物与所述空间坐标系的X轴相交点的关键点坐标。
优选地,所述根据所述超声波信号监测结果及所述目标视频监测结果确定所述障碍物位于所述空间坐标系中的障碍物区域的步骤之后,还包括:
在所述障碍物区域为所述第二类型区域时,根据所述超声波信号监测结果确定所述当前障碍物与对应的车辆摄像头在所述空间坐标系的Y轴上的纵向投影距离;
根据所述纵向投影距离确定所述障碍物与所述空间坐标系的Y轴相交点的关键点坐标。
优选地,所述根据所述纵向距离、所述高度信息及所述边界点坐标信息确定所述当前障碍物的位置信息的步骤之后,还包括:
对所述纵向距离、所述高度信息及所述边界点坐标信息进行三维重构,以获得所述障碍物的三维信息并将所述三维信息传输至车载电脑。
此外,为实现上述目的,本发明还提出一种车辆障碍物定位装置,所述车辆障碍物定位装置包括:
结果获取模块,用于获取车辆雷达采集的超声波信号监测结果,以及车辆摄像头采集的视频监测结果;
数据处理模块,用于对所述超声波信号监测结果及所述视频监测结果进行融合处理,以确定当前障碍物与对应的车辆摄像头之间的纵向投影距离,以及所述当前障碍物的高度信息和边界点坐标信息;
障碍物定位模块,用于根据所述纵向投影距离、所述高度信息及所述边界点坐标信息确定所述当前障碍物的位置信息。
此外,为实现上述目的,本发明还提出一种车辆障碍物定位设备,所述车辆障碍物定位设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆障碍物定位程序,所述车辆障碍物定位程序被所述处理器执行时实现上述任一项所述的车辆障碍物定位方法的步骤。
此外,为实现上述目的,本发明还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有车辆障碍物定位程序,所述车辆障碍物定位程序执行时实现上述任一项所述的车辆障碍物定位方法的步骤。
本发明通过获取车辆雷达采集的超声波信号监测结果,以及车辆摄像头采集的视频监测结果,依据车辆雷达识别车辆正面障碍物准确度高,车辆摄像头识别车辆侧面障碍物准确度高的原理对超声波信号监测结果及视频监测结果进行融合处理,可以更加精确的获取障碍物的位置信息。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的车辆障碍物定位设备的结构示意图;
图2为本发明车辆障碍物定位方法第一实施例的流程示意图;
图3为本发明车辆障碍物定位方法中空间坐标区域划分示意图;
图4为本发明车辆障碍物定位方法第二实施例的流程示意图;
图5为本发明车辆障碍物定位装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的车辆障碍物定位设备结构示意图。
如图1所示,该电子设备可以包括:处理器1001,例如中央处理器(CentralProcessing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及车辆障碍物定位程序。
在图1所示的电子设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明电子设备中的处理器1001、存储器1005可以设置在车辆障碍物定位设备中,所述电子设备通过处理器1001调用存储器1005中存储的车辆障碍物定位程序,并执行本发明实施例提供的车辆障碍物定位方法。
本发明实施例提供了一种车辆障碍物定位方法,参照图2,图2为本发明一种车辆障碍物定位方法第一实施例的流程示意图。
本实施例中,所述车辆障碍物定位方法包括以下步骤:
步骤S10:获取车辆雷达采集的超声波信号监测结果,以及车辆摄像头采集的视频监测结果;
需要说明的是,本实施例执行主体可以是设置于车辆上的车辆障碍物定位装置,所述车辆设有多个车辆雷达及车辆摄像头,本实施例对此不加以限制。
需要说明的是,本实施例中车辆雷达可以是超声波雷达,超声波信号监测结果为在车辆雷达检测到障碍物时采集的监测数据,车辆摄像头是指的车载环视摄像头,视频监测结果为在车辆摄像头检测到障碍物时采集的检测数据。
需要说明的是,超声波雷达运行时是基于超声波原理,发送超声波撞击物体后反射此超声波,获取反射的超声波,计算发出超声波时刻与获取反射的声波的时刻的时间间隔,根据时间间隔与当前音速,计算出车体与反射超声波的物体间的实际距离。
进一步地,为了准确的获取车辆雷达采集的超声波信号监测结果,以及车辆摄像头采集的视频监测结果,排除不需要的监测数据,所述步骤S10,包括:
实时检测车辆雷达及车辆摄像头采集的监测数据,根据所述监测数据判断所述车辆雷达及所述车辆摄像头是否监测到障碍物;在所述车辆雷达监测到障碍物时,将所述车辆雷达当前的检测数据作为超声波信号监测结果;在所述车辆摄像头监测到障碍物时,将所述车辆摄像头当前的检测数据作为视频监测结果。
可以理解的是,车辆雷达在运行时,会生成对应的监测数据,监测数据可以包括当前温度,超声波回波时长,超声波发送角度等等信息,通过对监测数据中各种信息进行分析,对识别的信息进行障碍物跟踪、聚类、更新及存储清除机制即可判断车辆雷达是否监测到障碍物。
需要说明的是,本实施例通过通过大量的障碍物特征样本进行模型训练,得到的障碍物特征匹配模型,车辆摄像头在通过鱼眼镜头采集数据进行成像,获取对应的成像数据,获取车辆摄像头鱼眼镜头成像数据,通过障碍物特征匹配模型对鱼眼镜头成像数据进行分析,可以判断车辆摄像头是否监测到障碍物。
需要说明的是,车辆雷达及车辆摄像头是长时间持续进行监测,但并非所有采集的监测数据都是有效数据,为了更准确的采集需要的数据,排除不需要的监测数据,需要对车辆雷达及车辆摄像头数据进行实时检测,在判定车辆雷达监测到障碍物时将车辆雷达当前采集的监测数据作为超声波信号监测结果,在判定车辆摄像头监测到障碍物时将车辆摄像头当前采集的监测数据作为视频监测结果。
在实际使用中,在监测到障碍物时采集当前时刻的监测数据作为监测结果,例如:当前时刻为3:00,此时根据车辆摄像头的监测数据判定车辆摄像头监测到障碍物,则将3:00时刻采集的监测数据作为视频监测结果。
步骤S20:对所述超声波信号监测结果及所述视频监测结果进行融合处理,以确定当前障碍物与对应的车辆摄像头之间的纵向投影距离,以及所述当前障碍物的高度信息和边界点坐标信息;
需要说明的是,因为实际雷达安装方式及雷达超声波定位原理,车辆雷达在车辆正面障碍物识别精度较高,但是对车辆侧面的障碍物识别精度较差,而车辆摄像头因为成像原理等原因,在对车辆正面的障碍物识别精度较差但是对车辆侧面的障碍物识别精度较高。因此,在获取到超声波信号监测结果及视频监测结果后,对结果进行融合处理,可以更加精准的获取障碍物的属性信息,例如:障碍物与车辆的距离、方位等信息。
进一步地,为了更好的说明融合处理的处理流程,步骤S20包括:
根据所述超声波信号监测结果确定当前障碍物与对应的车辆摄像头之间的纵向投影距离及所述当前障碍物在所述空间坐标系中的关键点坐标;根据所述视频监测结果确定当前障碍物的横向方向信息及纵向方向信息;根据所述横向方向信息及所述关键点坐标确定当前障碍物的横向边界点坐标;根据所述纵向方向信息及所述关键点坐标确定当前障碍物的纵向边界点坐标;将所述横向边界点坐标及所述纵向边界点坐标组合为边界点坐标信息;根据所述纵向边界点坐标确定所述当前障碍物的高度信息。
需要说明的是,当前障碍物是车辆雷达与车辆摄像头监测到的障碍物,对应的车辆摄像头是监测到当前障碍物的车辆摄像头,纵向投影距离是当前障碍物与对应的车辆摄像头之间的投影距离,关键点坐标是根据纵向投影距离确定用于辅助计算的辅助点的坐标。
需要说明的是,摄像头获取的监测视频中的某一帧图片,读取时可以视为一个平面,横向方向是在平面中的水平方向,纵向方向是在平面中的垂直方向,则障碍物的横向方向信息是指障碍物在监测视频中水平方向上的方向信息,障碍物的纵向方向信息是指障碍物在监测视频中垂直方向上的方向信息。
在实际使用中,车辆雷达根据安装在车辆上的位置不同可以区分为正面雷达及侧面雷达,车辆正面雷达数量较多,因此车辆雷达在识别车辆正面障碍物时精度和准确度较高,但是在识别车辆侧面障碍物时因车辆侧面雷达数量较少,在识别障碍物时精度和准确度较差。
在实际使用中,本实施例通过对车辆侧面雷达进行大量的试验,获取标准试验数据,根据试验数据对车辆侧面雷达的回波变化规律进行分析,计算出对应的线性函数,使用线性函数结合侧面雷达的监测结果进行计算,在识别车辆侧面障碍物时可以获得较高的精度和准确度。
在实际使用中,根据超声波信号监测结果可以确定障碍物的各个边界点与车辆雷达的距离,车辆雷达与对应的车辆摄像头的距离是已知的,由此可以计算出对应的车辆摄像头与各个边界点之间的距离,在确定关键点坐标、投影距离,对应的车辆摄像头与边界点之间的距离及边界点与关键点的方向信息时,可以计算出对应的边界点坐标,例如:边界点为B,对应的车辆摄像头的点为A,关键点为O,∠OAB=45°,边长AO就是纵向投影距离为2m,边长AB即对应的车辆摄像头与边界点的距离为通过计算可得OB的边长也为2m,即关键点与边界点的距离为2m,而关键点坐标已知,边界点方向已知,则可以计算出对应的边界点坐标。
在实际使用中,根据纵向边界点坐标可以计算出当前障碍物的高度信息,例如:障碍物的最高纵向边界点坐标为(10,0,4),障碍物的最低纵向边界点坐标为(10,0,1),则可以计算出障碍物的实际高度为3m,离地高度为1m。
进一步地,为了准确的计算纵向投影距离及关键点坐标,所述根据所述超声波信号监测结果确定当前障碍物与对应的车辆摄像头之间的纵向投影距离及所述当前障碍物在所述空间坐标系中的关键点坐标的步骤,包括:
以车辆中心为坐标原点,构建空间坐标系;将所述空间坐标系划分为第一类型区域及第二类型区域;根据所述超声波信号监测结果及所述目标视频监测结果确定所述当前障碍物位于所述空间坐标系中的障碍物区域;在所述障碍物区域为所述第一类型区域时,根据所述超声波信号监测结果确定所述当前障碍物与对应的车辆摄像头在所述空间坐标系的X轴上的纵向投影距离;根据所述纵向投影距离确定所述障碍物与所述空间坐标系的X轴相交点的关键点坐标。
参考图3,以车辆中心为坐标原点,构建空间坐标系,Z轴同时垂直于X轴与Y轴,如图3所示,将空间坐标系划分为第一类型区域及第二类型区域。
在实际使用中,在障碍物区域为第一类型区域时,纵向投影距离为障碍物与对应的摄像头在X轴上的投影距离,若障碍物与X轴相交,则相交点与对应的摄像头在X轴上的间隔距离即为纵向投影距离,若障碍物未与X轴相交,则可根据障碍物的方向作延长线与X轴相交,相交点与对应的摄像头在X轴上的间隔距离即为纵向投影距离,而对应的摄像头为预先设置于车辆上的,因此对应的摄像头坐标为已知,则根据纵向投影距离及对应的摄像头坐标可以计算出关键点坐标距离。
例如:障碍物与X轴相交点与对应的摄像头距离为1m,对应的摄像头坐标为(1,0,0),则可计算得到关键点坐标为(2,0,0),若障碍物未与X轴相交,可根据障碍物方向作延长线,延长线与X轴相交点与对应的摄像头距离为2m,对应的摄像头坐标为(1,0,0),则可计算得到关键点坐标为(3,0,0)。
进一步地,为了在障碍物区域为第二类型区域时也能准确的计算纵向投影距离及关键点坐标,所述根据所述超声波信号监测结果及所述目标视频监测结果确定所述当前障碍物位于所述空间坐标系中的障碍物区域的步骤之后,还包括:
在所述障碍物区域为所述第二类型区域时,根据所述超声波信号监测结果确定所述当前障碍物与对应的车辆摄像头在所述空间坐标系的Y轴上的纵向投影距离;根据所述纵向投影距离确定所述障碍物与所述空间坐标系的Y轴相交点的关键点坐标。
在实际使用中,在障碍物区域为第二类型区域时,纵向投影距离是障碍物与对应的摄像头在Y轴上的投影距离,首先平行投影对应的摄像头至Y轴,获取摄像头投影点,若障碍物与Y轴相交,则相交点与摄像头投影点在Y轴上的间隔距离就是纵向投影距离,若障碍物未与Y轴相交,则可根据障碍物的方向作延长线与Y轴相交,相交点与摄像头投影点在Y轴上的距离就是纵向投影距离,首先根据对应的摄像头的坐标计算出摄像头投影点坐标,再根据纵向投影距离及摄像头投影点坐标即可计算出对应的关键点坐标。
例如:障碍物与Y轴相交点与对应的摄像头距离为1m,对应的摄像头坐标为(1,1,0),则对应的摄像头在Y轴上的投影点坐标为(0,1,0),则可计算得到关键点坐标为(0,2,0),若障碍物未与Y轴相交,可根据障碍物方向作延长线,延长线与Y轴相交点与对应的摄像头距离为2m,对应的摄像头坐标为(1,1,0),则对应的摄像头在Y轴上的投影点坐标为(0,1,0),则可计算得到关键点坐标为(0,3,0)。
步骤S30:根据所述纵向投影距离、所述高度信息及所述边界点坐标信息确定所述当前障碍物的位置信息。
可以理解的是,在获取到了纵向投影距离,当前障碍物的高度信息,当前障碍物的边界点坐标信息之后,可以通过计算获取当前障碍物相对车辆的方向,障碍物距离车辆的距离及障碍物的轮廓信息,从而确定障碍物的具***置信息。
本实施例通过获取车辆雷达采集的超声波信号监测结果,以及车辆摄像头采集的视频监测结果,依据车辆雷达识别车辆正面障碍物准确度高,车辆摄像头识别车辆侧面障碍物准确度高的原理对超声波信号监测结果及视频监测结果进行融合处理,可以更加精确的获取障碍物的位置信息。
参考图4,图4为本发明一种车辆障碍物定位方法第二实施例的流程示意图。
基于上述第一实施例,本实施例车辆障碍物定位方法在所述步骤S20之前,还包括:
步骤101:根据所述超声波信号监测结果确定所述车辆雷达监测到的障碍物的第一位置信息;
需要说明的是,在障碍物位于车辆正面时,因车辆雷达对车辆正面障碍物识别精度较高,可直接通过车辆雷达直接回波及交叉回波规律对障碍物进行定位,获取障碍物的位置信息作为第一位置信息,在障碍物位于车辆侧面时,因车辆雷达对车辆侧面障碍物识别精度较低,可以使用采集的监测数据与预先通过实验数据计算得出的回波变化规律线性函数进行结合运算,对障碍物进行定位,获取障碍物的位置信息作为第一位置信息。
步骤102:根据所述视频监测结果确定所述所述车辆摄像头监测到的障碍物的第二位置信息;
可以理解的是,车辆摄像头在监测到障碍物时,可以通过参照物距离与障碍物距离进行比对,估算出障碍物与车辆的间隔距离,再通过间隔距离与视频中障碍物的方向信息相结合对障碍物进行定位,获取障碍物的位置信息作为第二位置信息。
步骤103:根据所述第一位置信息及所述第二位置信息判断所述车辆雷达及所述车辆摄像头是否监测到同一障碍物;
可以理解的是,根据具体识别到的第一位置信息与第二位置信息可以进行分析,判断第一位置信息与第二位置信息是否匹配,因可能存在误差,所以可以根据第一位置信息与第二位置信息计算对应的匹配度,在匹配度大于预设匹配度阈值时,可以判断车辆雷达与车辆摄像头监测到同一障碍物。
在实际使用中,例如:预设匹配度阈值为90%,若第一位置信息与第二位置信息匹配度为80%,则判定车辆雷达与车辆摄像头未监测到同一障碍物,若第一位置信息与第二位置信息匹配度为95%,则可以判定车辆雷达与车辆摄像头监测到同一障碍物。
步骤104:在所述车辆雷达及所述车辆摄像头监测到同一障碍物时,将监测到的所述同一障碍物作为当前障碍物,并执行所述对所述超声波信号监测结果及所述视频监测结果进行融合处理,以确定当前障碍物与对应的车辆摄像头之间的纵向投影距离,以及所述当前障碍物的高度信息和边界点坐标信息的步骤。
可以理解的是,在车辆雷达与车辆摄像头监测到同一障碍物时,将此障碍物作为需要进行融合处理的当前障碍物,然后对超声波信号监测结果及视频监测结果进行融合处理,可以更精准的获取障碍物的位置信息,但当车辆雷达与车辆摄像头监测到的障碍物不是同一障碍物时,并没有融合处理的必要性。
在所述步骤S30之后,还包括:
步骤S40:对所述纵向距离、所述高度信息及所述边界点坐标信息进行三维重构,以获得所述障碍物的三维信息并将所述三维信息传输至车载电脑。
可以理解的是,车辆车载电脑一般设有显示屏,通过对纵向距离、高度信息及边界点坐标信息进行三维重构,可以构建当前障碍物的三维模型,在构建三维模型之后,将三维模型转华为对应的三维信息,将三维信息传输至车载电脑,由车载电脑进行展示,可以更加直观的将障碍物信息反馈至车辆驾驶员,以使车辆驾驶员更加直观的识别障碍物并采取对应的操作。
本实施例通过对超声波信号监测结果进行分析获取第一位置信息,对视频监测结果进行分析获取第二位置信息,判断第一位置信息与第二位置信息是否匹配,计算第一位置信息与第二位置信息的匹配度,根据匹配度判断车辆雷达与车辆摄像头检测到的是否为同一障碍物,确定是否需要进行融合处理,有效的避免了不必要的融合处理,节省了计算资源,在获取到定位信息之后,对对纵向距离、高度信息及边界点坐标信息进行三维重构,构建当前障碍物的三维模型,将三维模型转化为对应的三维信息,将三维信息传输至车载电脑,由车载电脑进行展示,可以更加使车辆驾驶员更加直观的识别障碍物并采取对应的操作。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有车辆障碍物定位程序,所述车辆障碍物定位程序被处理器执行时实现如上文所述的车辆障碍物定位方法的步骤。
参照图5,图5为本发明车辆障碍物定位装置第一实施例的结构框图。
如图5所示,本发明实施例提出的车辆障碍物定位装置包括:
结果获取模块501,用于获取车辆雷达采集的超声波信号监测结果,以及车辆摄像头采集的视频监测结果;
数据处理模块502,用于对所述超声波信号监测结果及所述视频监测结果进行融合处理,以确定当前障碍物与对应的车辆摄像头之间的纵向投影距离,以及所述当前障碍物的高度信息和边界点坐标信息;
障碍物定位模块503,用于根据所述纵向投影距离、所述高度信息及所述边界点坐标信息确定所述当前障碍物的位置信息。
进一步地,本实施例中,所述结果获取模块501还用于实时检测车辆雷达及车辆摄像头采集的监测数据,根据所述监测数据判断所述车辆雷达及所述车辆摄像头是否监测到障碍物;在所述车辆雷达监测到障碍物时,将所述车辆雷达当前的检测数据作为超声波信号监测结果;在所述车辆摄像头监测到障碍物时,将所述车辆摄像头当前的检测数据作为视频监测结果。
进一步地,本实施例中,所述数据处理模块502还用于根据所述超声波信号监测结果确定所述车辆雷达监测到的障碍物的第一位置信息;根据所述视频监测结果确定所述所述车辆摄像头监测到的障碍物的第二位置信息;根据所述第一位置信息及所述第二位置信息判断所述车辆雷达及所述车辆摄像头是否监测到同一障碍物;在所述车辆雷达及所述车辆摄像头监测到同一障碍物时,将监测到的所述同一障碍物作为当前障碍物,执行所述对所述超声波信号监测结果及所述视频监测结果进行融合处理,以确定当前障碍物与对应的车辆摄像头之间的纵向投影距离,以及所述当前障碍物的高度信息和边界点坐标信息的步骤。
进一步地,本实施例中,所述数据处理模块502还用于根据所述超声波信号监测结果确定当前障碍物与对应的车辆摄像头之间的纵向投影距离及所述当前障碍物在所述空间坐标系中的关键点坐标;根据所述视频监测结果确定当前障碍物的横向方向信息及纵向方向信息;根据所述横向方向信息及所述关键点坐标确定当前障碍物的横向边界点坐标;根据所述纵向方向信息及所述关键点坐标确定当前障碍物的纵向边界点坐标;将所述横向边界点坐标及所述纵向边界点坐标组合为边界点坐标信息;根据所述纵向边界点坐标确定所述当前障碍物的高度信息。
进一步地,本实施例中,所述数据处理模块502还用于以车辆中心为坐标原点,构建空间坐标系;将所述空间坐标系划分为第一类型区域及第二类型区域;根据所述超声波信号监测结果及所述目标视频监测结果确定所述当前障碍物位于所述空间坐标系中的障碍物区域;在所述障碍物区域为所述第一类型区域时,根据所述超声波信号监测结果确定所述当前障碍物与对应的车辆摄像头在所述空间坐标系的X轴上的纵向投影距离;根据所述纵向投影距离确定所述障碍物与所述空间坐标系的X轴相交点的关键点坐标。
进一步地,本实施例中,所述数据处理模块502还用于在所述障碍物区域为所述第二类型区域时,根据所述超声波信号监测结果确定所述当前障碍物与对应的车辆摄像头在所述空间坐标系的Y轴上的纵向投影距离;根据所述纵向投影距离确定所述障碍物与所述空间坐标系的Y轴相交点的关键点坐标。
进一步地,本实施例中,所述障碍物定位模块503还用于对所述纵向距离、所述高度信息及所述边界点坐标信息进行三维重构,以获得所述障碍物的三维信息并将所述三维信息传输至车载电脑。
应当理解的是,以上仅为举例说明,对本发明的技术方案并不构成任何限定,在具体应用中,本领域的技术人员可以根据需要进行设置,本发明对此不做限制。
本实施例通获取车辆雷达采集的超声波信号监测结果,以及车辆摄像头采集的视频监测结果,依据车辆雷达识别车辆正面障碍物准确度高,车辆摄像头识别车辆侧面障碍物准确度高的原理对超声波信号监测结果及视频监测结果进行融合处理,可以更加精确的获取障碍物的位置信息。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,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所提供的车辆障碍物定位方法,此处不再赘述。
此外,需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory,ROM)/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种车辆障碍物定位方法,其特征在于,所述障碍物定位方法包括以下步骤:
获取车辆雷达采集的超声波信号监测结果,以及车辆摄像头采集的视频监测结果;
对所述超声波信号监测结果及所述视频监测结果进行融合处理,以确定当前障碍物与对应的车辆摄像头之间的纵向投影距离,以及所述当前障碍物的高度信息和边界点坐标信息;
根据所述纵向投影距离、所述高度信息及所述边界点坐标信息确定所述当前障碍物的位置信息。
2.如权利要求1所述的车辆障碍物定位方法,其特征在于,所述获取车辆雷达采集的超声波信号监测结果,以及车辆摄像头采集的视频监测结果的步骤,包括:
实时检测车辆雷达及车辆摄像头采集的监测数据,根据所述监测数据判断所述车辆雷达及所述车辆摄像头是否监测到障碍物;
在所述车辆雷达监测到障碍物时,将所述车辆雷达当前的检测数据作为超声波信号监测结果;
在所述车辆摄像头监测到障碍物时,将所述车辆摄像头当前的检测数据作为视频监测结果。
3.如权利要求1所述的车辆障碍物定位方法,其特征在于,所述对所述超声波信号监测结果及所述视频监测结果进行融合处理,以确定当前障碍物与对应的车辆摄像头之间的纵向投影距离,以及所述当前障碍物的高度信息和边界点坐标信息的步骤之前,还包括:
根据所述超声波信号监测结果确定所述车辆雷达监测到的障碍物的第一位置信息;
根据所述视频监测结果确定所述所述车辆摄像头监测到的障碍物的第二位置信息;
根据所述第一位置信息及所述第二位置信息判断所述车辆雷达及所述车辆摄像头是否监测到同一障碍物;
在所述车辆雷达及所述车辆摄像头监测到同一障碍物时,将监测到的所述同一障碍物作为当前障碍物,并执行所述对所述超声波信号监测结果及所述视频监测结果进行融合处理,以确定当前障碍物与对应的车辆摄像头之间的纵向投影距离,以及所述当前障碍物的高度信息和边界点坐标信息的步骤。
4.如权利要求1所述的车辆障碍物定位方法,其特征在于,所述对所述超声波信号监测结果及所述视频监测结果进行融合处理,以确定当前障碍物与对应的车辆摄像头之间的纵向投影距离,以及所述当前障碍物的高度信息和边界点坐标信息的步骤,包括:
根据所述超声波信号监测结果确定当前障碍物与对应的车辆摄像头之间的纵向投影距离及所述当前障碍物在所述空间坐标系中的关键点坐标;
根据所述视频监测结果确定当前障碍物的横向方向信息及纵向方向信息;
根据所述横向方向信息及所述关键点坐标确定当前障碍物的横向边界点坐标;
根据所述纵向方向信息及所述关键点坐标确定当前障碍物的纵向边界点坐标;
将所述横向边界点坐标及所述纵向边界点坐标组合为边界点坐标信息;
根据所述纵向边界点坐标确定所述当前障碍物的高度信息。
5.如权利要求4所述的车辆障碍物定位方法,其特征在于,所述根据所述超声波信号监测结果确定所述当前障碍物与对应的车辆摄像头之间的纵向投影距离及所述当前障碍物在所述空间坐标系中的关键点坐标的步骤,包括:
以车辆中心为坐标原点,构建空间坐标系;
将所述空间坐标系划分为第一类型区域及第二类型区域;
根据所述超声波信号监测结果及所述目标视频监测结果确定所述当前障碍物位于所述空间坐标系中的障碍物区域;
在所述障碍物区域为所述第一类型区域时,根据所述超声波信号监测结果确定所述当前障碍物与对应的车辆摄像头在所述空间坐标系的X轴上的纵向投影距离;
根据所述纵向投影距离确定所述障碍物与所述空间坐标系的X轴相交点的关键点坐标。
6.如权利要求5所述的车辆障碍物定位方法,其特征在于,所述根据所述超声波信号监测结果及所述目标视频监测结果确定所述障碍物位于所述空间坐标系中的障碍物区域的步骤之后,还包括:
在所述障碍物区域为所述第二类型区域时,根据所述超声波信号监测结果确定所述当前障碍物与对应的车辆摄像头在所述空间坐标系的Y轴上的纵向投影距离;
根据所述纵向投影距离确定所述障碍物与所述空间坐标系的Y轴相交点的关键点坐标。
7.如权利要求1-6任一项要求所述的车辆障碍物定位方法,其特征在于,所述根据所述纵向距离、所述高度信息及所述边界点坐标信息确定所述当前障碍物的位置信息的步骤之后,还包括:
对所述纵向距离、所述高度信息及所述边界点坐标信息进行三维重构,以获得所述障碍物的三维信息并将所述三维信息传输至车载电脑。
8.一种车辆障碍物定位装置,其特征在于,所述车辆障碍物定位装置包括:
结果获取模块,用于获取车辆雷达采集的超声波信号监测结果,以及车辆摄像头采集的视频监测结果;
数据处理模块,用于对所述超声波信号监测结果及所述视频监测结果进行融合处理,以确定当前障碍物与对应的车辆摄像头之间的纵向投影距离,以及所述当前障碍物的高度信息和边界点坐标信息;
障碍物定位模块,用于根据所述纵向投影距离、所述高度信息及所述边界点坐标信息确定所述当前障碍物的位置信息。
9.一种车辆障碍物定位设备,其特征在于,所述车辆障碍物定位设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆障碍物定位程序,所述车辆障碍物定位程序被所述处理器执行时实现如权利要求1-7中任一项所述的车辆障碍物定位方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有车辆障碍物定位程序,所述车辆障碍物定位程序执行时实现如权利要求1-7中任一项所述的车辆障碍物定位方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010902098.5A CN112014845B (zh) | 2020-08-28 | 2020-08-28 | 一种车辆障碍物定位方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010902098.5A CN112014845B (zh) | 2020-08-28 | 2020-08-28 | 一种车辆障碍物定位方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112014845A true CN112014845A (zh) | 2020-12-01 |
CN112014845B CN112014845B (zh) | 2024-01-30 |
Family
ID=73516189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010902098.5A Active CN112014845B (zh) | 2020-08-28 | 2020-08-28 | 一种车辆障碍物定位方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112014845B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112660123A (zh) * | 2021-01-14 | 2021-04-16 | 北汽福田汽车股份有限公司 | 一种车辆通过性提示方法和车辆 |
CN112776797A (zh) * | 2021-02-27 | 2021-05-11 | 重庆长安汽车股份有限公司 | 泊出原始车位创建方法、***、车辆和存储介质 |
CN113246990A (zh) * | 2021-05-24 | 2021-08-13 | 广州小鹏自动驾驶科技有限公司 | 一种障碍物位置的确定方法、装置和车辆 |
CN113281759A (zh) * | 2021-04-28 | 2021-08-20 | 浙江吉利控股集团有限公司 | 超声波传感器的控制方法、***及计算机存储介质 |
CN113486837A (zh) * | 2021-07-19 | 2021-10-08 | 安徽江淮汽车集团股份有限公司 | 针对低通度障碍物的自动驾驶控制方法 |
CN113486836A (zh) * | 2021-07-19 | 2021-10-08 | 安徽江淮汽车集团股份有限公司 | 针对低通度障碍物的自动驾驶操控方法 |
CN113581174A (zh) * | 2021-08-23 | 2021-11-02 | 安徽江淮汽车集团股份有限公司 | 一种车辆的障碍物定位方法及障碍物定位装置 |
CN113869432A (zh) * | 2021-09-28 | 2021-12-31 | 英博超算(南京)科技有限公司 | 一种超声波传感器自动泊车的轮廓点距离相似度计算方法 |
CN115390079A (zh) * | 2022-10-28 | 2022-11-25 | 杭州枕石智能科技有限公司 | 基于超声波距离信号的障碍物轮廓确定方法和装置 |
CN116883478A (zh) * | 2023-07-28 | 2023-10-13 | 广州瀚臣电子科技有限公司 | 一种基于汽车摄像头的障碍物距离确认***及方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1138142A (ja) * | 1997-07-23 | 1999-02-12 | Denso Corp | 車両用障害物認識装置 |
US6678394B1 (en) * | 1999-11-30 | 2004-01-13 | Cognex Technology And Investment Corporation | Obstacle detection system |
US20060111841A1 (en) * | 2004-11-19 | 2006-05-25 | Jiun-Yuan Tseng | Method and apparatus for obstacle avoidance with camera vision |
WO2010044127A1 (ja) * | 2008-10-16 | 2010-04-22 | 三菱電機株式会社 | 車外障害物高度検出装置 |
JP2010249613A (ja) * | 2009-04-14 | 2010-11-04 | Toyota Motor Corp | 障害物認識装置及び車両制御装置 |
CN108444390A (zh) * | 2018-02-08 | 2018-08-24 | 天津大学 | 一种无人驾驶汽车障碍物识别方法及装置 |
CN109085598A (zh) * | 2018-08-13 | 2018-12-25 | 吉利汽车研究院(宁波)有限公司 | 用于车辆的障碍物探测*** |
CN109532821A (zh) * | 2018-11-09 | 2019-03-29 | 重庆长安汽车股份有限公司 | 融合泊车*** |
CN110488319A (zh) * | 2019-08-22 | 2019-11-22 | 重庆长安汽车股份有限公司 | 一种基于超声波和摄像头融合的碰撞距离计算方法及*** |
CN110861639A (zh) * | 2019-11-28 | 2020-03-06 | 安徽江淮汽车集团股份有限公司 | 泊车信息融合方法、装置、电子设备及存储介质 |
CN110940319A (zh) * | 2019-10-21 | 2020-03-31 | 广东互动电子网络媒体有限公司 | 一种基于机器视觉识别的限高检测方法及装置 |
CN111198376A (zh) * | 2020-01-13 | 2020-05-26 | 广州小鹏汽车科技有限公司 | 一种自动泊车过程中的可达空间调整方法及装置、车辆、存储介质 |
CN111220090A (zh) * | 2020-03-25 | 2020-06-02 | 宁波五维检测科技有限公司 | 一种线聚焦差动彩色共焦三维表面形貌测量***及方法 |
CN111238472A (zh) * | 2020-01-20 | 2020-06-05 | 北京四维智联科技有限公司 | 一种用于全自动泊车的实时高精度定位方法及装置 |
-
2020
- 2020-08-28 CN CN202010902098.5A patent/CN112014845B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1138142A (ja) * | 1997-07-23 | 1999-02-12 | Denso Corp | 車両用障害物認識装置 |
US6678394B1 (en) * | 1999-11-30 | 2004-01-13 | Cognex Technology And Investment Corporation | Obstacle detection system |
US20060111841A1 (en) * | 2004-11-19 | 2006-05-25 | Jiun-Yuan Tseng | Method and apparatus for obstacle avoidance with camera vision |
WO2010044127A1 (ja) * | 2008-10-16 | 2010-04-22 | 三菱電機株式会社 | 車外障害物高度検出装置 |
JP2010249613A (ja) * | 2009-04-14 | 2010-11-04 | Toyota Motor Corp | 障害物認識装置及び車両制御装置 |
CN108444390A (zh) * | 2018-02-08 | 2018-08-24 | 天津大学 | 一种无人驾驶汽车障碍物识别方法及装置 |
CN109085598A (zh) * | 2018-08-13 | 2018-12-25 | 吉利汽车研究院(宁波)有限公司 | 用于车辆的障碍物探测*** |
CN109532821A (zh) * | 2018-11-09 | 2019-03-29 | 重庆长安汽车股份有限公司 | 融合泊车*** |
CN110488319A (zh) * | 2019-08-22 | 2019-11-22 | 重庆长安汽车股份有限公司 | 一种基于超声波和摄像头融合的碰撞距离计算方法及*** |
CN110940319A (zh) * | 2019-10-21 | 2020-03-31 | 广东互动电子网络媒体有限公司 | 一种基于机器视觉识别的限高检测方法及装置 |
CN110861639A (zh) * | 2019-11-28 | 2020-03-06 | 安徽江淮汽车集团股份有限公司 | 泊车信息融合方法、装置、电子设备及存储介质 |
CN111198376A (zh) * | 2020-01-13 | 2020-05-26 | 广州小鹏汽车科技有限公司 | 一种自动泊车过程中的可达空间调整方法及装置、车辆、存储介质 |
CN111238472A (zh) * | 2020-01-20 | 2020-06-05 | 北京四维智联科技有限公司 | 一种用于全自动泊车的实时高精度定位方法及装置 |
CN111220090A (zh) * | 2020-03-25 | 2020-06-02 | 宁波五维检测科技有限公司 | 一种线聚焦差动彩色共焦三维表面形貌测量***及方法 |
Non-Patent Citations (2)
Title |
---|
王檀彬;陈无畏;焦俊;汪明磊;: "多传感器融合的智能车辆导航研究", 中国机械工程, no. 11, pages 1381 - 1385 * |
薄博文 等: "基于UWB定位的自动驾驶路径规划方法研究", 自动化与仪器仪表, pages 13 - 16 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112660123A (zh) * | 2021-01-14 | 2021-04-16 | 北汽福田汽车股份有限公司 | 一种车辆通过性提示方法和车辆 |
CN112776797A (zh) * | 2021-02-27 | 2021-05-11 | 重庆长安汽车股份有限公司 | 泊出原始车位创建方法、***、车辆和存储介质 |
CN113281759A (zh) * | 2021-04-28 | 2021-08-20 | 浙江吉利控股集团有限公司 | 超声波传感器的控制方法、***及计算机存储介质 |
CN113246990A (zh) * | 2021-05-24 | 2021-08-13 | 广州小鹏自动驾驶科技有限公司 | 一种障碍物位置的确定方法、装置和车辆 |
CN113486837A (zh) * | 2021-07-19 | 2021-10-08 | 安徽江淮汽车集团股份有限公司 | 针对低通度障碍物的自动驾驶控制方法 |
CN113486836A (zh) * | 2021-07-19 | 2021-10-08 | 安徽江淮汽车集团股份有限公司 | 针对低通度障碍物的自动驾驶操控方法 |
CN113486836B (zh) * | 2021-07-19 | 2023-06-06 | 安徽江淮汽车集团股份有限公司 | 针对低通度障碍物的自动驾驶操控方法 |
CN113581174A (zh) * | 2021-08-23 | 2021-11-02 | 安徽江淮汽车集团股份有限公司 | 一种车辆的障碍物定位方法及障碍物定位装置 |
CN113869432A (zh) * | 2021-09-28 | 2021-12-31 | 英博超算(南京)科技有限公司 | 一种超声波传感器自动泊车的轮廓点距离相似度计算方法 |
CN115390079A (zh) * | 2022-10-28 | 2022-11-25 | 杭州枕石智能科技有限公司 | 基于超声波距离信号的障碍物轮廓确定方法和装置 |
CN116883478A (zh) * | 2023-07-28 | 2023-10-13 | 广州瀚臣电子科技有限公司 | 一种基于汽车摄像头的障碍物距离确认***及方法 |
CN116883478B (zh) * | 2023-07-28 | 2024-01-23 | 广州瀚臣电子科技有限公司 | 一种基于汽车摄像头的障碍物距离确认***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112014845B (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112014845A (zh) | 一种车辆障碍物定位方法、装置、设备及存储介质 | |
CN106952303B (zh) | 车距检测方法、装置和*** | |
US10194059B2 (en) | Image processing apparatus and image processing method | |
CN109094669A (zh) | 用于评估铰接角度的方法和设备 | |
CN110751012B (zh) | 目标检测评估方法、装置、电子设备及存储介质 | |
CN110909705B (zh) | 一种基于车载摄像头的路侧停车位感知方法及*** | |
CN111814752B (zh) | 室内定位实现方法、服务器、智能移动设备、存储介质 | |
CN110850859B (zh) | 一种机器人及其避障方法和避障*** | |
EP3441839B1 (en) | Information processing method and information processing system | |
US11807269B2 (en) | Method for vehicle avoiding obstacle, electronic device, and computer storage medium | |
JP4664141B2 (ja) | 周辺他車通知装置 | |
CN111994081A (zh) | 车位检测方法、设备、存储介质及装置 | |
CN113030990A (zh) | 车辆的融合测距方法、装置、测距设备及介质 | |
CN114037972A (zh) | 目标检测方法、装置、设备及可读存储介质 | |
JP2006090957A (ja) | 移動体の周囲物体検出装置及び移動体の周囲物体検出方法 | |
CN112801024B (zh) | 一种检测信息处理方法和装置 | |
CN111832347B (zh) | 动态选取感兴趣区域的方法及装置 | |
EP4024330A1 (en) | Object recognition method and object recognition device | |
CN116486351A (zh) | 行车预警方法、装置、设备及存储介质 | |
CN113822179B (zh) | 阻车器位置的检测方法、装置、电子设备和介质 | |
JP5773334B2 (ja) | オプティカルフロー処理装置及び表示半径マップ生成装置 | |
CN114596706A (zh) | 路侧感知***的检测方法及装置、电子设备和路侧设备 | |
CN110133624B (zh) | 无人驾驶异常检测方法、装置、设备和介质 | |
CN108416305B (zh) | 连续型道路分割物的位姿估计方法、装置及终端 | |
CN117985053B (zh) | 感知能力检测方法及装置 |
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 |