CN112633101A - 障碍物速度检测方法和装置 - Google Patents

障碍物速度检测方法和装置 Download PDF

Info

Publication number
CN112633101A
CN112633101A CN202011476736.8A CN202011476736A CN112633101A CN 112633101 A CN112633101 A CN 112633101A CN 202011476736 A CN202011476736 A CN 202011476736A CN 112633101 A CN112633101 A CN 112633101A
Authority
CN
China
Prior art keywords
obstacle
video data
radar
speed
data
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.)
Pending
Application number
CN202011476736.8A
Other languages
English (en)
Inventor
陈海波
李逸岳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenlan Artificial Intelligence Shenzhen Co Ltd
Original Assignee
Shenlan Artificial Intelligence Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenlan Artificial Intelligence Shenzhen Co Ltd filed Critical Shenlan Artificial Intelligence Shenzhen Co Ltd
Priority to CN202011476736.8A priority Critical patent/CN112633101A/zh
Publication of CN112633101A publication Critical patent/CN112633101A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • 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
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/585—Velocity or trajectory determination systems; Sense-of-movement determination systems processing the video signal in order to evaluate or display the velocity value
    • 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
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/589—Velocity or trajectory determination systems; Sense-of-movement determination systems measuring the velocity vector
    • 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
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/60—Velocity or trajectory determination systems; Sense-of-movement determination systems wherein the transmitter and receiver are mounted on the moving object, e.g. for determining ground speed, drift angle, ground track
    • 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
    • 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
    • G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
    • G01S15/50—Systems of measurement, based on relative movement of the target
    • G01S15/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S15/588—Velocity or trajectory determination systems; Sense-of-movement determination systems measuring the velocity vector
    • 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
    • G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
    • G01S15/50—Systems of measurement, based on relative movement of the target
    • G01S15/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S15/60—Velocity or trajectory determination systems; Sense-of-movement determination systems wherein the transmitter and receiver are mounted on the moving object, e.g. for determining ground speed, drift angle, ground track
    • 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
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/50—Systems of measurement based on relative movement of target
    • G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供一种障碍物速度检测方法和装置，所述障碍物速度检测方法包括：获取雷达采集的雷达数据和摄像头采集的视频数据；对所述雷达数据和所述视频数据进行匹配处理；基于所述雷达数据的权重特征和所述视频数据的权重特征，对经过匹配处理的所述雷达数据和所述视频数据进行融合，确定障碍物方位信息；基于目标时间阈值以及与所述目标时间阈值对应的所述障碍物方位信息，确定障碍物速度。本申请提供的障碍物速度检测方法和装置，通过对雷达数据和视频数据进行匹配，并基于两者的权重特征进行融合，根据融合结果确定障碍物方位信息，从而得到目标时间阈值内的障碍物速度，使得置信度更加客观，能够提升对障碍物速度检测的准确度。

Description

障碍物速度检测方法和装置
技术领域
本申请涉及无人驾驶技术领域，尤其涉及一种障碍物速度检测方法和装置。
背景技术
随着车辆技术的发展，车辆越来越偏向于信息化和智能化，以无人驾驶技术为例，需要对车辆前方出现的障碍物进行检测，得到障碍物的速度，从而对车辆进行控制或者对驾驶员进行提醒以进行辅助驾驶。
目前利用单一传感器进行车辆前方行驶区域的危险目标的速度检测常常面临误检率，漏检率较高的问题，使用单一的传感器实现辅助驾驶的方法获取到的信息量少，识别结果不准确，不能适应复杂的公路环境。
发明内容
本申请提供一种障碍物速度检测方法及装置，以实现障碍物速度检测的置信度更加客观，能够提升对障碍物速度检测的准确度。
本申请提供一种障碍物速度检测方法，所述障碍物速度检测方法包括：获取雷达采集的雷达数据和摄像头采集的视频数据；对所述雷达数据和所述视频数据进行匹配处理；基于所述雷达数据的权重特征和所述视频数据的权重特征，对经过匹配处理的所述雷达数据和所述视频数据进行融合，确定障碍物方位信息；基于目标时间阈值以及与所述目标时间阈值对应的所述障碍物方位信息，确定障碍物速度。
根据本申请提供的一种障碍物速度检测方法，所述雷达数据的权重特征为基于所述雷达对障碍物样本检测得到的第一检测速度以及所述障碍物样本对应的速度标签得到；所述视频数据的权重特征为基于所述摄像头对障碍物样本检测得到的第二检测速度以及所述障碍物样本对应的速度标签得到。
根据本申请提供的一种障碍物速度检测方法，所述雷达数据的权重特征为所述第一检测速度和所述速度标签对应的第一协方差矩阵；所述视频数据的权重特征为所述第二检测速度和所述速度标签对应的第二协方差矩阵。
根据本申请提供的一种障碍物速度检测方法，所述基于所述障碍物方位信息和预设时间阈值，确定障碍物速度，包括：基于预设时间阈值，从所述障碍物方位信息中获取障碍物位移特征；基于所述障碍物位移特征和所述预设时间阈值，得到所述障碍物速度。
根据本申请提供的一种障碍物速度检测方法，所述对所述雷达数据和所述视频数据进行匹配处理，包括：对所述雷达数据和所述视频数据进行空间标定处理；对所述雷达数据和所述视频数据进行时间同步处理。
根据本申请提供的一种障碍物速度检测方法，所述对所述雷达数据和所述视频数据进行空间标定处理，包括：将所述雷达数据的坐标系和所述视频数据的坐标系设置为重合。
根据本申请提供的一种障碍物速度检测方法，所述对所述雷达数据和所述视频数据进行时间同步处理，包括：将所述雷达数据的各个时间点和所述视频数据的各个时间点对准。
本申请还提供一种障碍物速度检测装置，所述障碍物速度检测装置包括：获取模块，用于获取雷达采集的雷达数据和摄像头采集的视频数据；匹配模块，用于对所述雷达数据和所述视频数据进行匹配处理；融合模块，用于基于所述雷达数据的权重特征和所述视频数据的权重特征，对经过匹配处理的所述雷达数据和所述视频数据进行融合，确定障碍物方位信息；确定模块，用于基于目标时间阈值以及与所述目标时间阈值对应的所述障碍物方位信息，确定障碍物速度。
根据本申请提供的一种障碍物速度检测装置，所述确定模块包括：第一确定子模块，用于基于预设时间阈值，从所述障碍物方位信息中获取障碍物位移特征；第二确定子模块，用于基于所述障碍物位移特征和所述预设时间阈值，得到所述障碍物速度。
根据本申请提供的一种障碍物速度检测装置，所述匹配模块包括：第一匹配子模块，用于对雷达数据和视频数据进行空间标定处理。第二匹配子模块，用于对雷达数据和视频数据进行时间同步处理。
本申请还提供一种电子设备，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计算机程序，所述处理器执行所述计算机程序时实现如上述任一种所述障碍物速度检测方法的步骤。
本申请还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述障碍物速度检测方法的步骤。
本申请提供的障碍物速度检测方法，通过对雷达数据和视频数据进行匹配，并基于两者的权重特征进行融合，根据融合结果确定障碍物方位信息，从而得到目标时间阈值内的障碍物速度，使得障碍物速度检测的置信度更加客观，能够提升对障碍物速度检测的准确度。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请提供的障碍物速度检测方法的流程示意图之一；
图2是本申请提供的障碍物速度检测方法的流程示意图之二；
图3是本申请提供的障碍物速度检测方法的流程示意图之三；
图4是本申请提供的障碍物速度检测装置的结构示意图；
图5是本申请提供的障碍物速度检测装置的匹配模块的结构示意图；
图6是本申请提供的障碍物速度检测装置的确定模块的结构示意图；
图7是本申请提供的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
下面结合图1-图5描述本申请的障碍物速度检测方法和装置。
需要说明的是，该障碍物速度检测方法使用雷达和摄像头搭配使用，来检测车辆前方的障碍物，雷达和摄像头可以安装于车辆的车头，比如可以安装于车辆的保险杠位置。
这种障碍物速度检测方法可以适用于各种类型的车辆，比如，车辆可以为汽车、卡车、物流车、垃圾车、扫地车，或者其它具有行走功能的车辆。车辆前方的障碍物可以为机动车、行人、自行车、电动车或者动物等运动物体，还可以为护栏、信号灯柱或者道旁树等交通设施或市政公共设施。
如图1所示，本申请提供一种障碍物速度检测方法，该障碍物速度检测方法包括如下步骤110-步骤140。
其中，步骤110：获取雷达采集的雷达数据和摄像头采集的视频数据。
雷达可以为：激光雷达、毫米波雷达或超声波雷达等。
此处以毫米波雷达为例，毫米波雷达是工作在毫米波波段(millimeter wave)探测的雷达，工作频段一般为24GHz～300GHz，波长1～10mm，介于微波和厘米波之间，通过向障碍物发射电磁波并接收回波来精确探测目标的方向和距离，其全天候全天时以及准确的测速测距。兼具有微波雷达和光电雷达的一些优点，同超声波雷达相比，毫米波雷达具有体积小、质量轻和空间分辨率高的特点。与红外、激光、摄像头等光学传感器相比，毫米波雷达穿透雾、烟、灰尘的能力强，具有全天候全天时的特点。另外，毫米波雷达的抗干扰能力也优于其他车载传感器。运用在车辆上的毫米波雷达的工作频率可以为24GHz和77GHz。
与此同时，激光雷达也是在自动驾驶领域非常重要的传感器，激光雷达利用激光来进行对目标进行探测，通过每分钟600转或1200转的进行扫射，它能非常详细的获得一个实时的三维点云数据，包括目标的三维坐标、距离、方位角、反射激光的强度、激光编码、时间等等，常用的有单线、4线、16线、32线、64线和128线束的，是一个高精度的传感器，而且其稳定性好、鲁棒性高，然而激光雷达成本较高，另外，激光受大气及气象影响大，大气衰减和恶劣天气使作用距离降低，大气湍流会降低激光雷达的测量精度，激光束窄的情况难以搜索目标和捕获目标。一般先由其他设备实施大空域和快速粗捕目标，然后交由激光雷达对目标进行精密跟踪测量。
摄像头可以为：单目摄像头、双目立体视觉摄像头、全景视觉摄像头和红外摄像头，此处以单目摄像头为例，单目摄像头能够拍摄到车辆前方的视频。
单目相机主要用于特征类符号的检测与识别，如车道线检测、交通标志识别、交通灯识别、行人和车辆检测等，尽管目前来说视觉检测可靠性并不是很高，但是基于机器学习的视觉计算在自动驾驶普及之日一定会是必不可少的部分。
雷达和摄像头都朝向车辆前方区域，在安装雷达和摄像头时，可以将雷达的视场和摄像头的视场设置为重合，即确保两者的采集范围大致相同。
雷达能够采集到包含障碍物的雷达数据，摄像头能够采集到包含障碍物的视频数据，雷达数据和视频数据的格式都是以时间点为顺序的连续文件。
在实际应用中，雷达向外部发射电磁波，接收到障碍物反射雷达信号，将雷达信号进行处理，可以得到随着时间变化的点迹形式的雷达数据，这种雷达数据包含了障碍物的距离、方位和俯仰值，可以对雷达信号进行预处理，比如可以进行多圈扫描获得的量测集进行关联得到障碍物的航迹，可以通过滤波算法、数据处理修正雷达数据的误差。
摄像头能够拍摄到障碍物的多帧图像，随着时间推移，多帧图像就形成了视频数据，视频数据是指连续的图像序列，其实质是由一组连续的图像构成的，对于图像本身而言，除了其出现的先后顺序外，并没有任何结构信息。
步骤120：对雷达数据和视频数据进行匹配处理。
可以理解的是，雷达数据和视频数据的格式不相同，此处对雷达数据和视频数据的格式进行调整，比如可以对雷达数据和视频数据的每一帧的大小进行缩放，使得雷达数据和视频数据能够对应匹配，使得截取到的某一时刻的雷达数据和视频数据能够用于描述同一障碍物。
步骤130：基于雷达数据的权重特征和视频数据的权重特征，对经过匹配处理的雷达数据和视频数据进行融合，确定障碍物方位信息。
可以理解的是，雷达数据的权重特征和视频数据的权重特征是在对车辆调试时已经确定的，雷达数据的权重特征和雷达本身的物理特征有关，能够表征雷达的识别准确度，视频数据的权重特征和摄像头的物理特征有关，能够表征摄像头的识别准确度。
此处将经过匹配处理的雷达数据和视频数据放到一起，根据雷达数据和视频数据的权重特征对雷达数据和视频数据进行赋权，来决定雷达数据和视频数据的各自占比，比如雷达数据占比60％，视频数据占比40％，此时对雷达数据和视频数据进行融合，可以对雷达数据的对应的点迹和视频数据对应的像素点进行搜索匹配后融合输出，换言之，雷达数据是由多个点迹构成的，视频数据是由多个像素点构成的，此处将雷达数据的多个点迹与视频数据的多个像素点按照时间顺序和空间顺序进行对应匹配，从而将雷达数据和视频数据融合起来，得到融合数据，比如：可以将雷达数据中的特征点按照60％的比例进行赋权处理，对视频数据中的特征点按照40％的比例进行赋权处理，再将经过赋权处理的雷达数据的特征点和经过赋权处理的雷达数据的特征点进行叠加，也就是将雷达数据中的各个特征点和视频数据中的各个特征点按照权重特征进行叠加处理，得到融合数据，比如60％x+40％y＝z，其中x表示雷达数据的特征点，y表示视频数据的特征点，z表示融合数据的特征点。
在融合数据中包含着障碍物的方位信息，障碍物方位信息可以包括障碍物的位置和障碍物的运动方向。
步骤140：基于目标时间阈值以及与目标时间阈值对应的所述障碍物方位信息，确定障碍物速度。
可以理解的是，障碍物方位信息具有障碍物在不同时间点的障碍物方位信息，障碍物方位信息可以包括障碍物的位置和障碍物的运动方向，此处给出预设的目标时间阈值，目标时间阈值为一个时间段，在障碍物方位信息中找到这个时间段内的障碍物方位信息。
可以将目标时间阈值内障碍物方位信息的变化值除以目标时间阈值，得到障碍物速度。
预设目标时间阈值，比如可以为0.01s，可以根据这0.01s内障碍物方位信息的变化情况，来确定障碍物速度，障碍物速度包含着障碍物的运动方向和运动速度绝对值。
比如，将车辆启动时作为0时刻，在0时刻，障碍物的方位信息包括：位置为(0，0)，方向为：正北方向，在0.01s时刻，障碍物的方位信息包括：位置为(0，0.2)，方向为正北方向，则障碍物速度可以为(0.2-0)/0.01＝20m/s。
当识别到障碍物的速度之后，车辆的主机可以根据当前车速和障碍物速度做出相应的判断，进而控制车辆的方向，或者可以向驾驶者发出语音提示或者在车载显示屏上进行显示，提醒驾驶者及时做出调整，避免发生安全事故。
值得注意的是，毫米波雷达主要是通过对目标物体发送电磁波并接收回波来获得目标物体的距离、速度和角度。视觉方案稍复杂，单目摄像头需要先进行目标识别，然后根据目标在图像中的像素大小来估算目标的距离。摄像头方案成本低，可以识别不同的物体，在物体高度与宽度测量精度、车道线识别和行人识别准确度等方面有优势，是实现车道偏离预警和交通标志识别等功能不可缺少的传感器，但作用距离和测距精度不如毫米波雷达，并且容易受光照和天气等因素的影响。毫米波雷达受光照和天气因素影响较小，测距精度高，但难以识别车道线和交通标志等元素。另外，毫米波雷达通过多普勒偏移的原理能够实现更高精度的目标速度探测。
值得一提的是，雷达设备本身具有置信度，雷达的置信度是根据雷达设备的物理特征得到的，摄像头设备本身也有置信度，摄像头的置信度与障碍物的类型、摄像头的帧率和摄像头的采集频率等参数相关，融合雷达数据和视频数据来得到障碍物数据的这种融合方案的置信度为：将相机的置信度和雷达的置信度求和，若求和结果大于等于1，则融合方案的置信度为1，若求和结果小于1，则融合方案的置信度等于求和结果，经过实验验证，发现融合雷达数据和视频数据来得到障碍物数据的这种融合方案的置信度更加客观，且融合了雷达数据和视频数据后得到的障碍物方位信息更能反映障碍物的真实运动情况，能够消除雷达和摄像头各自的测量误差，对障碍物速度检测更加准确。
雷达单独测量障碍物速度的方案，是直接从雷达数据中提取第一障碍物方位特征，根据第一障碍物方位特征求出第一障碍物速度，摄像头单独测量障碍物速度的方案，是直接从视频数据中提取第二障碍物方位特征，根据第二障碍物方位特征求出第二障碍物速度，如果直接将第一障碍物速度和第二障碍物速度进行简单平均，这样就会丢失掉第一障碍物方位特征和第二障碍物方位特征中的一些信息，使得雷达数据和视频数据不能得到充分应用，本申请这种融合方案是将雷达数据和视频数据直接融合，融合后得到的障碍物方位信息完整保留了雷达数据和视频数据，能够充分应用雷达数据和视频数据中的重要信息，更能体现障碍物的真实运动情况，使得对障碍物速度检测更加精准。
本申请提供的障碍物速度检测方法，通过对雷达数据和视频数据进行匹配，并基于两者的权重特征进行融合，根据融合结果确定障碍物方位信息，从而得到目标时间阈值内的障碍物速度，使得障碍物速度检测的置信度更加客观，能够提升对障碍物速度检测的准确度。
如图2所示，在一些实施例中，上述步骤120：对雷达数据和视频数据进行匹配处理，包括：如下步骤121-步骤122。
其中，步骤121：对雷达数据和视频数据进行空间标定处理。
可以理解的是，空间标定处理指的是将雷达数据和视频数据的空间状态调整到统一参考系下，可以将雷达数据的坐标系和视频数据的坐标系设置为重合。
可以理解的是，可以建立精确的雷达坐标系、三维世界坐标系、摄像机坐标系、图像坐标系和像素坐标系之间的坐标转换关系，雷达数据与视频数据的坐标系设置为重合就是将不同坐标系的测量值转换到同一个坐标系中。由于摄像头采集到的视频数据以视觉为主，可以将雷达坐标系下的测量点通过坐标系转换到摄像机对应的像素坐标系下，根据以上转换关系，可以得到雷达坐标系和摄像机像素坐标系之间的转换关系，就能够实现将雷达数据的坐标系和视频数据的坐标系设置为重合。
步骤122：对雷达数据和视频数据进行时间同步处理。
可以理解的是，时间同步处理指的是将雷达数据的时序表示和视频数据的时序表示可以为将雷达数据的各个时间点和视频数据的各个时间点对准。
可以理解的是，雷达数据和视频数据可以通过摄像头和雷达在时间上同步采集数据实现时间同步，比如毫米波雷达的采样周期为50ms，即采样帧速率为20帧/秒，而摄像机采样帧速率为25帧/秒。为了保证数据的可靠性，以摄像机采样速率为基准，摄像机每采一帧图像，选取毫米波雷达上一帧缓存的数据，即完成共同采样一帧雷达数据与视频数据的时间对准，从而保证了雷达数据和视频数据时间上的同步。
在一些实施例中，雷达数据的权重特征基于雷达对障碍物样本检测得到的第一检测速度以及障碍物样本对应的速度标签得到；视频数据的权重特征基于摄像头对障碍物样本检测得到的第二检测速度以及障碍物样本对应的速度标签得到。
可以理解的是，可以获取目标样本以及目标样本对应的速度标签；基于雷达对目标样本的检测，得到第一检测速度，基于摄像头对目标样本的检测，得到第二检测速度；基于第一检测速度和速度标签，得到雷达数据的权重特征，基于第二检测速度和速度标签，得到视频数据的权重特征。
换言之，在车辆调试期间，对雷达和摄像头进行测试，仿真出多个目标样本，每个目标样本具有对应的速度标签，速度标签可以是目标样本的真实速度值。
利用雷达对目标样本进行检测，得到第一检测速度，将第一检测速度和速度标签进行对比，得到雷达的权重特征，雷达的权重特征表征雷达的识别准确程度；同时利用摄像头对目标样本进行检测，得到第二检测速度，将第二检测速度和速度标签进行对比，得到摄像头的权重特征，摄像头的权重特征表征摄像头的识别准确程度。
在一些实施例中，雷达数据的权重特征为第一检测速度和速度标签对应的第一协方差矩阵；视频数据的权重特征为第二检测速度和速度标签对应的第二协方差矩阵。
可以理解的是，协方差(Covariance)在概率论和统计学中用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况，即当两个变量是相同的情况。
协方差表示的是两个变量的总体的误差，这与只表示一个变量误差的方差不同。如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值，另外一个也大于自身的期望值，那么两个变量之间的协方差就是正值。如果两个变量的变化趋势相反，即其中一个大于自身的期望值，另外一个却小于自身的期望值，那么两个变量之间的协方差就是负值。
简单理解协方差矩阵如下，可以分别为m与n个标量元素的列向量随机变量X与Y，这两个变量之间的协方差定义为m×n矩阵，其中X包含变量X1，X2，......，Xm，Y包含变量Y1，Y2，......，Yn，假设X1的期望值为μ1，Y2的期望值为μ2，那么在协方差矩阵中(1,2)的元素就是X1和Y2的协方差，协方差矩阵能够清楚地表示出两个变量之间的相关度。
如图3所示，在一些实施例中，步骤140：基于障碍物方位信息和预设时间阈值，确定障碍物速度，包括如下步骤141-步骤142。
步骤141：基于预设时间阈值，从障碍物方位信息中获取障碍物位移特征。
可以理解的是，先确定预设时间阈值，也就是预选的时间段，在障碍物方位信息中截取对应时间段的数据，从这部分数据中挑选障碍物位移特征，障碍物位移特征表征障碍物在预设时间阈值的位移，障碍物位移特征可以包括障碍物的位置变化以及障碍物的运动方向。
步骤142：基于障碍物位移特征和所述预设时间阈值，得到所述障碍物速度。
可以理解的是，可以将障碍物位移特征所表征的障碍物在预设时间阈值的位移和预设时间阈值相除，得到障碍物速度。
下面对本申请提供的障碍物速度检测装置进行描述，下文描述的障碍物速度检测装置与上文描述的障碍物速度检测方法可相互对应参照。
如图4所示，本申请实施例还提供一种障碍物速度检测装置，所述障碍物速度检测装置包括：获取模块410、匹配模块420、融合模块430和确定模块440。
其中，获取模块410用于获取雷达采集的雷达数据和摄像头采集的视频数据。
匹配模块420用于对雷达数据和视频数据进行匹配处理。
融合模块430用于基于雷达数据的权重特征和视频数据的权重特征，对经过匹配处理的雷达数据和视频数据进行融合，确定障碍物方位信息。
确定模块440用于基于目标时间阈值以及与所述目标时间阈值对应的所述障碍物方位信息，确定障碍物速度。
在一些实施例中，雷达数据的权重特征基于雷达对障碍物样本检测得到的第一检测速度以及障碍物样本对应的速度标签得到；视频数据的权重特征基于摄像头对障碍物样本检测得到的第二检测速度以及障碍物样本对应的速度标签得到。
在一些实施例中，雷达数据的权重特征为第一检测速度和速度标签对应的第一协方差矩阵；视频数据的权重特征为第二检测速度和速度标签对应的第二协方差矩阵。
如图5所示，在一些实施例中，匹配模块420包括：第一匹配子模块421和第二匹配子模块422。
第一匹配子模块421用于对雷达数据和视频数据进行空间标定处理。
第二匹配子模块422用于对雷达数据和视频数据进行时间同步处理。
在一些实施例中，第一匹配子模块421还用于将雷达数据的坐标系和视频数据的坐标系设置为重合。
在一些实施例中，第二匹配子模块422还用于将雷达数据的各个时间点和视频数据的各个时间点对准。
如图6所示，在一些实施例中，确定模块440包括：第一确定子模块441和第二确定子模块442。
第一确定子模块441用于基于预设时间阈值，从障碍物方位信息中获取障碍物位移特征；
第二确定子模块442用于基于障碍物位移特征和预设时间阈值，得到障碍物速度。
本申请实施例提供的障碍物速度检测装置用于执行上述障碍物速度检测方法，其具体的实施方式与方法的实施例中记载的实施方式一致，且可以达到相同的有益效果，此处不再赘述。
图7示例了一种电子设备的实体结构示意图，如图7所示，该电子设备可以包括：处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740，其中，处理器710，通信接口720，存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令，以执行障碍物速度检测方法，该障碍物速度检测方法包括：获取雷达采集的雷达数据和摄像头采集的视频数据；对雷达数据和视频数据进行匹配处理；基于雷达数据的权重特征和视频数据的权重特征，对经过匹配处理的雷达数据和视频数据进行融合，确定障碍物方位信息；基于目标时间阈值以及与目标时间阈值对应的障碍物方位信息，确定障碍物速度。
所述处理器710还可以执行以执行障碍物速度检测方法，所述基于所述障碍物方位信息和预设时间阈值，确定障碍物速度，包括：基于预设时间阈值，从障碍物方位信息中获取障碍物位移特征；基于障碍物位移特征和预设时间阈值，得到所述障碍物速度。
所述处理器710还可以执行以执行障碍物速度检测方法，所述对所述雷达数据和所述视频数据进行匹配处理，包括：对雷达数据和所述视频数据进行空间标定处理；对所述雷达数据和所述视频数据进行时间同步处理。
此外，上述的存储器730中的逻辑指令可以通过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，本申请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)执行本申请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-Only Memory)、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。
本申请实施例提供的电子设备中的处理器710可以调用存储器730中的逻辑指令，实现上述障碍物速度检测方法，其具体的实施方式与方法实施方式一致，且可以达到相同的有益效果，此处不再赘述。
另一方面，本申请还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的障碍物速度检测方法，该障碍物速度检测方法包括：获取雷达采集的雷达数据和摄像头采集的视频数据；对雷达数据和视频数据进行匹配处理；基于雷达数据的权重特征和视频数据的权重特征，对经过匹配处理的雷达数据和视频数据进行融合，确定障碍物方位信息；基于目标时间阈值以及与目标时间阈值对应的障碍物方位信息，确定障碍物速度。
与此同时，本申请还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的障碍物速度检测方法，所述基于所述障碍物方位信息和预设时间阈值，确定障碍物速度，包括：基于预设时间阈值，从障碍物方位信息中获取障碍物位移特征；基于障碍物位移特征和预设时间阈值，得到所述障碍物速度。
与此同时，本申请还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的障碍物速度检测方法，所述对所述雷达数据和所述视频数据进行匹配处理，包括：对雷达数据和所述视频数据进行空间标定处理；对所述雷达数据和所述视频数据进行时间同步处理。
本申请实施例提供的计算机程序产品被执行时，实现上述障碍物速度检测方法，其具体的实施方式与方法实施方式一致，且可以达到相同的有益效果，此处不再赘述。
又一方面，本申请还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的障碍物速度检测方法，该障碍物速度检测方法包括：获取雷达采集的雷达数据和摄像头采集的视频数据；对雷达数据和视频数据进行匹配处理；基于雷达数据的权重特征和视频数据的权重特征，对经过匹配处理的雷达数据和视频数据进行融合，确定障碍物方位信息；基于目标时间阈值以及与目标时间阈值对应的障碍物方位信息，确定障碍物速度。
与此同时，本申请还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的障碍物速度检测方法，所述基于所述障碍物方位信息和预设时间阈值，确定障碍物速度，包括：基于预设时间阈值，从障碍物方位信息中获取障碍物位移特征；基于障碍物位移特征和预设时间阈值，得到所述障碍物速度。
与此同时，本申请还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的障碍物速度检测方法，所述对所述雷达数据和所述视频数据进行匹配处理，包括：对雷达数据和所述视频数据进行空间标定处理；对所述雷达数据和所述视频数据进行时间同步处理。
本申请实施例提供的非暂态计算机可读存储介质上存储的计算机程序被执行时，实现上述障碍物速度检测方法，其具体的实施方式与方法实施方式一致，且可以达到相同的有益效果，此处不再赘述。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
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各实施方式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。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (12)

1.一种障碍物速度检测方法，其特征在于，包括：
获取雷达采集的雷达数据和摄像头采集的视频数据；
对所述雷达数据和所述视频数据进行匹配处理；
基于所述雷达数据的权重特征和所述视频数据的权重特征，对经过匹配处理的所述雷达数据和所述视频数据进行融合，确定障碍物方位信息；
基于目标时间阈值以及与所述目标时间阈值对应的所述障碍物方位信息，确定障碍物速度。
2.根据权利要求1所述的障碍物速度检测方法，其特征在于，所述雷达数据的权重特征为基于所述雷达对障碍物样本检测得到的第一检测速度以及所述障碍物样本对应的速度标签得到；
所述视频数据的权重特征为基于所述摄像头对障碍物样本检测得到的第二检测速度以及所述障碍物样本对应的速度标签得到。
3.根据权利要求2所述的障碍物速度检测方法，其特征在于，
所述雷达数据的权重特征为所述第一检测速度和所述速度标签对应的第一协方差矩阵；
所述视频数据的权重特征为所述第二检测速度和所述速度标签对应的第二协方差矩阵。
4.根据权利要求1所述的障碍物速度检测方法，其特征在于，所述基于所述障碍物方位信息和预设时间阈值，确定障碍物速度，包括：
基于预设时间阈值，从所述障碍物方位信息中获取障碍物位移特征；
基于所述障碍物位移特征和所述预设时间阈值，得到所述障碍物速度。
5.根据权利要求1-4中任一项所述的障碍物速度检测方法，其特征在于，所述对所述雷达数据和所述视频数据进行匹配处理，包括：
对所述雷达数据和所述视频数据进行空间标定处理；
对所述雷达数据和所述视频数据进行时间同步处理。
6.根据权利要求5所述的障碍物速度检测方法，其特征在于，所述对所述雷达数据和所述视频数据进行空间标定处理，包括：
将所述雷达数据的坐标系和所述视频数据的坐标系设置为重合。
7.根据权利要求5所述的障碍物速度检测方法，其特征在于，所述对所述雷达数据和所述视频数据进行时间同步处理，包括：
将所述雷达数据的各个时间点和所述视频数据的各个时间点对准。
8.一种障碍物速度检测装置，其特征在于，包括：
获取模块，用于获取雷达采集的雷达数据和摄像头采集的视频数据；
匹配模块，用于对所述雷达数据和所述视频数据进行匹配处理；
融合模块，用于基于所述雷达数据的权重特征和所述视频数据的权重特征，对经过匹配处理的所述雷达数据和所述视频数据进行融合，确定障碍物方位信息；
确定模块，用于基于目标时间阈值以及与所述目标时间阈值对应的所述障碍物方位信息，确定障碍物速度。
9.根据权利要求8所述的障碍物速度检测装置，其特征在于，所述确定模块包括：
第一确定子模块，用于基于预设时间阈值，从所述障碍物方位信息中获取障碍物位移特征；
第二确定子模块，用于基于所述障碍物位移特征和所述预设时间阈值，得到所述障碍物速度。
10.根据权利要求8所述的障碍物速度检测装置，其特征在于，所述匹配模块包括：
第一匹配子模块，用于对雷达数据和视频数据进行空间标定处理；
第二匹配子模块，用于对雷达数据和视频数据进行时间同步处理。
11.一种电子设备，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计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7中任一项所述障碍物速度检测方法的步骤。
12.一种非暂态计算机可读存储介质，其上存储有计算机程序，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中任一项所述障碍物速度检测方法的步骤。
CN202011476736.8A 2020-12-14 2020-12-14 障碍物速度检测方法和装置 Pending CN112633101A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011476736.8A CN112633101A (zh) 2020-12-14 2020-12-14 障碍物速度检测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011476736.8A CN112633101A (zh) 2020-12-14 2020-12-14 障碍物速度检测方法和装置

Publications (1)

Publication Number Publication Date
CN112633101A true CN112633101A (zh) 2021-04-09

Family

ID=75313047

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011476736.8A Pending CN112633101A (zh) 2020-12-14 2020-12-14 障碍物速度检测方法和装置

Country Status (1)

Country Link
CN (1) CN112633101A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113125795A (zh) * 2021-04-20 2021-07-16 广州文远知行科技有限公司 一种障碍物速度检测方法、装置、设备和存储介质
CN115144843A (zh) * 2022-06-28 2022-10-04 海信集团控股股份有限公司 一种物***置的融合方法及装置
CN117079416A (zh) * 2023-10-16 2023-11-17 德心智能科技(常州)有限公司 基于人工智能算法的多人5d雷达跌倒检测方法及***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110018496A (zh) * 2018-01-10 2019-07-16 北京京东尚科信息技术有限公司 障碍物识别方法及装置、电子设备、存储介质
CN110850413A (zh) * 2019-11-26 2020-02-28 奇瑞汽车股份有限公司 一种汽车前方障碍物检测方法和***
CN111191600A (zh) * 2019-12-30 2020-05-22 深圳元戎启行科技有限公司 障碍物检测方法、装置、计算机设备和存储介质
CN111578894A (zh) * 2020-06-02 2020-08-25 北京经纬恒润科技有限公司 一种确定障碍物航向角的方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110018496A (zh) * 2018-01-10 2019-07-16 北京京东尚科信息技术有限公司 障碍物识别方法及装置、电子设备、存储介质
CN110850413A (zh) * 2019-11-26 2020-02-28 奇瑞汽车股份有限公司 一种汽车前方障碍物检测方法和***
CN111191600A (zh) * 2019-12-30 2020-05-22 深圳元戎启行科技有限公司 障碍物检测方法、装置、计算机设备和存储介质
CN111578894A (zh) * 2020-06-02 2020-08-25 北京经纬恒润科技有限公司 一种确定障碍物航向角的方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李洋: "智能车辆障碍物检测技术综述", 《大众科技》, 20 June 2019 (2019-06-20), pages 65 - 68 *
王贺: "雷达摄像头数据融合在智能辅助驾驶的应用", 《中国优秀硕士学位论文全文数据库工程科技II辑》, 15 November 2019 (2019-11-15), pages 34 - 35 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113125795A (zh) * 2021-04-20 2021-07-16 广州文远知行科技有限公司 一种障碍物速度检测方法、装置、设备和存储介质
CN115144843A (zh) * 2022-06-28 2022-10-04 海信集团控股股份有限公司 一种物***置的融合方法及装置
CN117079416A (zh) * 2023-10-16 2023-11-17 德心智能科技(常州)有限公司 基于人工智能算法的多人5d雷达跌倒检测方法及***
CN117079416B (zh) * 2023-10-16 2023-12-26 德心智能科技(常州)有限公司 基于人工智能算法的多人5d雷达跌倒检测方法及***

Similar Documents

Publication Publication Date Title
US11915470B2 (en) Target detection method based on fusion of vision, lidar, and millimeter wave radar
US11276189B2 (en) Radar-aided single image three-dimensional depth reconstruction
CN112572430A (zh) 碰撞风险确定方法和装置
EP3792660B1 (en) Method, apparatus and system for measuring distance
EP4027167A1 (en) Sensor calibration method and apparatus
CN112784679A (zh) 车辆避障方法和装置
CN112633101A (zh) 障碍物速度检测方法和装置
KR100521119B1 (ko) 차량용 장애물 검출장치
CN109085570A (zh) 基于数据融合的车辆检测跟踪算法
US20030011509A1 (en) Method for detecting stationary object on road
CN109583416B (zh) 伪车道线识别方法及***
CN109747530A (zh) 一种双摄像头和毫米波融合汽车感知***
US20200218909A1 (en) Lane marker detection and lane instance recognition
KR101180621B1 (ko) 차량 검출 방법 및 장치
Cui et al. 3D detection and tracking for on-road vehicles with a monovision camera and dual low-cost 4D mmWave radars
CN113850102A (zh) 基于毫米波雷达辅助的车载视觉检测方法及***
CN112906777A (zh) 目标检测方法、装置、电子设备及存储介质
CN110750153A (zh) 一种无人驾驶车辆的动态虚拟化装置
CN111123262A (zh) 自动驾驶3d建模方法、装置及***
CN113988197A (zh) 基于多相机、多激光雷达的联合标定及目标融合检测方法
CN113884090A (zh) 智能平台车环境感知***及其数据融合方法
CN117173666A (zh) 一种针对非结构化道路的自动驾驶目标识别方法及***
CN112784678A (zh) 危险提示方法和装置
CN113895482B (zh) 基于轨旁设备的列车测速方法及装置
CN116129553A (zh) 一种基于多源车载设备的融合感知方法及***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination