CN112799098A - 雷达盲区监测方法、装置、电子设备和存储介质 - Google Patents
雷达盲区监测方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112799098A CN112799098A CN202011444959.6A CN202011444959A CN112799098A CN 112799098 A CN112799098 A CN 112799098A CN 202011444959 A CN202011444959 A CN 202011444959A CN 112799098 A CN112799098 A CN 112799098A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- vehicle
- coordinate system
- blind area
- laser radar
- 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 72
- 238000012544 monitoring process Methods 0.000 title claims abstract description 56
- 238000009434 installation Methods 0.000 claims abstract description 54
- 238000012806 monitoring device Methods 0.000 claims abstract description 15
- 230000004888 barrier function Effects 0.000 claims description 27
- 238000001514 detection method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 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
- 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
- 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
- G01S17/06—Systems determining position data of a target
- G01S17/42—Simultaneous measurement of distance and other co-ordinates
-
- 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
- G01S17/66—Tracking systems using electromagnetic waves other than radio waves
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种雷达盲区监测方法、装置、电子设备和存储介质，其中方法包括：基于激光雷达点云数据进行障碍物目标检测，确定车辆四周的障碍物以及所述障碍物的世界坐标系坐标；基于所述障碍物的世界坐标系坐标和高度、所述车辆当前的世界坐标系坐标，以及所述激光雷达的安装高度，判断所述障碍物当前是否处于所述激光雷达的盲区内；输出当前处于激光雷达的盲区内的障碍物与所述车辆间的距离。本申请提供的雷达盲区监测方法、装置、电子设备和存储介质，无需额外设置新的传感器，也无需调整激光雷达的安装高度，省去了额外的硬件成本且避免了地面物体的误报警，实现了高效准确的盲区监测。
Description
技术领域
本申请涉及车辆盲区监测技术领域，尤其涉及一种雷达盲区监测方法、装置、电子设备和存储介质。
背景技术
自动驾驶***由于能够自动控制车辆运行，例如行驶、泊车等，提升了驾驶体验且保证了驾驶的安全性。目前，自动驾驶***确保驾驶安全性主要采用的手段是利用安装在车辆的传感器，例如激光雷达、摄像头等，探测和识别驾驶环境，包括周围障碍物、红绿灯等。然而，目前的激光雷达存在一定的扫描盲区，若障碍物处于激光雷达的扫描盲区内，则雷达无法感知该障碍物的存在，影响自动驾驶的安全性。
现有的盲区监测方法，通常是增加其他传感器以感知雷达盲区内的障碍物，以达到补盲的效果。例如，多线激光雷达配合单线激光雷达以进行补盲、多线激光雷达配合视觉摄像头以进行补盲、多线激光雷达配合毫米波雷达以进行补盲，或多线激光雷达配合超声波雷达以进行补盲。然而，通过增加硬件传感器设备进行激光雷达补盲的方式会增加额外的硬件设备的成本，且增加新的硬件设备也会相应增加新设备采集的数据与激光雷达采集的数据的融合难度。另外，部分盲区监测方法采用降低激光雷达的安装高度的方式，尽量减小雷达盲区的范围。然而，这种降低激光雷达安装高度的方式中，若激光雷达的安装高度过低，虽然盲区范围缩小，但容易将地面物体误检测为目标障碍物，导致障碍物报警的误触发。再者，部分自动驾驶***的硬件结构也不允许激光雷达的安装高度过低。
发明内容
本申请提供一种雷达盲区监测方法、装置、电子设备和存储介质，以实现了高效准确的盲区监测。
本申请提供一种雷达盲区监测方法，包括：
基于激光雷达点云数据进行障碍物目标检测，确定车辆四周的障碍物以及所述障碍物的世界坐标系坐标；
基于所述障碍物的世界坐标系坐标和高度、所述车辆当前的世界坐标系坐标，以及所述激光雷达的安装高度，判断所述障碍物当前是否处于所述激光雷达的盲区内；
输出当前处于激光雷达的盲区内的障碍物与所述车辆间的距离。
根据本申请提供的一种雷达盲区监测方法，所述基于所述障碍物的世界坐标系坐标和高度、所述车辆当前的世界坐标系坐标，以及所述激光雷达的安装高度，判断所述障碍物当前是否处于所述激光雷达的盲区内，具体包括：
确定所述障碍物的高度是否超过所述激光雷达的安装高度；
若所述障碍物的高度超过所述激光雷达的安装高度，则所述障碍物当前处于激光雷达的盲区以外；
否则，基于所述障碍物与车辆之间的当前距离，以及所述障碍物对应的进入盲区的距离阈值，判断所述障碍物当前是否处于所述激光雷达的盲区内；
所述障碍物与车辆之间的当前距离是基于所述障碍物的世界坐标系坐标和所述车辆当前的世界坐标系坐标确定的。
根据本申请提供的一种雷达盲区监测方法，所述障碍物对应的进入盲区的距离阈值是基于所述激光雷达的安装高度、所述障碍物的高度，以及所述激光雷达在垂直视角上能达到的最大扫描角度确定得到的。
根据本申请提供的一种雷达盲区监测方法，所述输出当前处于激光雷达的盲区内的障碍物与所述车辆间的距离，具体包括：
将处于所述盲区内的障碍物的世界坐标系坐标存入缓存中；
基于所述缓存中障碍物的世界坐标系坐标，以及车辆当前的世界坐标系坐标，确定并输出车辆和所述缓存中障碍物的当前距离。
根据本申请提供的一种雷达盲区监测方法，所述基于所述缓存中障碍物的世界坐标系坐标，以及车辆当前的世界坐标系坐标，确定并输出车辆和所述缓存中障碍物的当前距离，具体包括：
将所述缓存中障碍物对应的计数器加一；
若所述缓存中障碍物对应的计数器数值大于预设数量阈值，则删除所述缓存中保存的对应所述障碍物的所有信息；
否则，基于所述缓存中障碍物的世界坐标系坐标，以及车辆当前的世界坐标系坐标，确定并输出车辆和所述缓存中障碍物的当前距离。
根据本申请提供的一种雷达盲区监测方法，所述预设数量阈值是基于车辆当前的车速确定的。
根据本申请提供的一种雷达盲区监测方法，所述基于激光雷达点云数据进行障碍物目标检测，确定车辆四周的障碍物以及所述障碍物的世界坐标系坐标，具体包括：
将所述激光雷达点云数据从激光雷达设备坐标系转换到当前的车辆坐标系中，得到所述激光雷达点云数据的车辆坐标系坐标；
根据预设的路线周边的参考信息，过滤车道线以外的激光雷达点云数据；
基于过滤后的激光雷达点云数据及其车辆坐标系坐标进行障碍物检测和跟踪，得到车辆四周的障碍物的高度以及所述障碍物的车辆坐标系坐标；
将所述障碍物的车辆坐标系坐标转换为世界坐标系坐标。
本申请还提供一种雷达盲区监测装置，包括：
障碍物检测单元，用于基于激光雷达点云数据进行障碍物目标检测，确定车辆四周的障碍物以及所述障碍物的世界坐标系坐标；
盲区监测单元，用于基于所述障碍物的世界坐标系坐标和高度、所述车辆当前的世界坐标系坐标，以及所述激光雷达的安装高度，判断所述障碍物当前是否处于所述激光雷达的盲区内；
障碍物提示单元，用于输出当前处于激光雷达的盲区内的障碍物与所述车辆间的距离。
根据本申请提供的一种雷达盲区监测装置，所述盲区监测单元具体包括：
高度判断单元，用于确定所述障碍物的高度是否超过所述激光雷达的安装高度；
障碍物状态判定单元，用于若所述障碍物的高度超过所述激光雷达的安装高度，则判断所述障碍物当前处于所述激光雷达的盲区以外；否则，基于所述障碍物与所述车辆之间的当前距离，以及所述障碍物对应的进入盲区的距离阈值，判断所述障碍物当前是否处于所述激光雷达的盲区内；
所述障碍物与所述车辆之间的当前距离是基于所述障碍物的世界坐标系坐标和所述车辆当前的世界坐标系坐标确定的。
根据本申请提供的一种雷达盲区监测装置，所述障碍物对应的进入盲区的距离阈值是基于所述激光雷达的安装高度、所述障碍物的高度，以及所述激光雷达在垂直视角上能达到的最大扫描角度确定得到的。
根据本申请提供的一种雷达盲区监测装置，所述障碍物提示单元，具体包括：
缓存单元，用于将处于所述盲区内的障碍物的世界坐标系坐标存入缓存中；
障碍物信息输出单元，用于基于所述缓存中障碍物的世界坐标系坐标，以及车辆当前的世界坐标系坐标，确定并输出车辆和所述缓存中障碍物的当前距离。
根据本申请提供的一种雷达盲区监测装置，所述障碍物信息输出单元具体用于：
将所述缓存中障碍物对应的计数器加一；
若所述缓存中障碍物对应的计数器数值大于预设数量阈值，则删除所述缓存中保存的对应所述障碍物的所有信息；
否则，基于所述缓存中障碍物的世界坐标系坐标，以及车辆当前的世界坐标系坐标，确定并输出车辆和所述缓存中障碍物的当前距离。
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雷达盲区监测方法的步骤。
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雷达盲区监测方法的步骤。
本申请提供的雷达盲区监测方法、装置、电子设备和存储介质，基于障碍物的世界坐标系坐标和高度、车辆当前的世界坐标系坐标，以及激光雷达的安装高度，判断障碍物当前是否处于激光雷达的盲区内，并输出盲区内的障碍物与车辆间的距离，无需额外设置新的传感器，也无需调整激光雷达的安装高度，省去了额外的硬件成本且避免了地面物体的误报警，实现了高效准确的盲区监测。
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为本申请提供的雷达盲区监测方法的流程示意图之一；
图2为本申请提供的较低障碍物进入盲区的示意图；
图3为本申请提供的障碍物状态判定方法的流程示意图；
图4为本申请提供的障碍物提示方法的流程示意图；
图5为本申请提供的车辆坐标系的示意图；
图6为本申请提供的障碍物距离输出方法的流程示意图；
图7为本申请提供的障碍物检测方法的流程示意图；
图8为本申请提供的雷达盲区监测方法的流程示意图之二；
图9为本申请提供的雷达盲区监测装置的结构示意图；
图10为本申请提供的盲区监测单元的结构示意图；
图11为本申请提供的障碍物提示单元的结构示意图；
图12为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。
目前，自动驾驶***确保驾驶安全性主要采用的手段是利用安装在车辆的传感器，探测和识别驾驶环境。然而，目前的激光雷达存在一定的扫描盲区，若障碍物处于激光雷达的扫描盲区内，则雷达无法感知该障碍物的存在，影响自动驾驶的安全性。
现有的盲区监测方法，通常是增加其他传感器以感知雷达盲区内的障碍物，以达到补盲的效果。然而，通过增加硬件传感器设备进行激光雷达补盲的方式会增加额外的硬件设备的成本，且增加新的硬件设备也会相应增加新设备采集的数据与激光雷达采集的数据的融合难度。另外，部分盲区监测方法采用降低激光雷达的安装高度的方式，尽量减小雷达盲区的范围。然而，这种降低激光雷达安装高度的方式中，若激光雷达的安装高度过低，容易将地面物体误检测为目标障碍物，导致障碍物报警的误触发。再者，部分自动驾驶***的硬件结构也不允许激光雷达的安装高度过低。
对此，图1为本申请实施例提供的雷达盲区监测方法的流程示意图之一，如图1所示，该方法包括：
步骤110，基于激光雷达点云数据进行障碍物目标检测和跟踪，确定车辆四周的障碍物以及障碍物的世界坐标系坐标；
步骤120，基于障碍物的世界坐标系坐标和高度、车辆当前的世界坐标系坐标，以及激光雷达的安装高度，判断障碍物当前是否处于激光雷达的盲区内；
步骤130，输出当前处于激光雷达的盲区内的障碍物与所述车辆间的距离。
具体地，激光雷达安装于自动驾驶车辆的车顶，该激光雷达可以为多线激光雷达，或者为多个单线激光雷达组装而成的组合，本申请实施例对此不作具体限定。利用车顶的激光雷达对车辆周围环境进行扫描，得到激光雷达点云数据。其中，激光雷达点云数据中包含三维空间中每一点的三维坐标信息。根据激光雷达点云数据，可以进行障碍物检测，将其中属于同一物体的点云数据聚合，从而得到车辆四周的障碍物。此外，根据激光雷达点云数据，还可以计算得到障碍物的长、宽和高等几何信息，障碍物的世界坐标系坐标，以及各个障碍物与车辆间的相对位置信息。此外，还可以对障碍物进行目标跟踪，为每个障碍物目标赋予一个独有的跟踪ID，以对各个障碍物进行标识。
对于每个障碍物，可以根据该障碍物的世界坐标系坐标和高度、车辆当前的世界坐标系坐标，以及激光雷达的安装高度，判断该障碍物当前是否进入到激光雷达的盲区内。此处，若障碍物的高度与激光雷达的安装高度相比更高，在车辆逐渐靠近该障碍物的过程中，障碍物不会落入到激光雷达的低空盲区内。若障碍物的高度低于激光雷达的安装高度，则随着车辆逐渐靠近该障碍物，该障碍物会逐渐靠近激光雷达的盲区直至完全进入盲区。因此，对于高度低于激光雷达的安装高度的障碍物，需要在车辆的前进过程中，实时判断该障碍物当前是否处于激光雷达的盲区内。需要说明的是，本发明实施例中障碍物是静止的。因此，即使障碍物已进入到雷达盲区内，也可以基于障碍物的世界坐标系坐标，对障碍物进行定位，并基于障碍物的世界坐标系坐标以及车辆当前的世界坐标系坐标，确定障碍物与车辆当前的相对位置，实时判断该障碍物当前是否处于激光雷达的盲区内。
具体而言，可以根据障碍物的高度以及激光雷达的安装高度，判断当前障碍物的顶部是否落在激光雷达最低的扫描线束以下，从而得知该障碍物是否进入到盲区内。图2为本申请实施例提供的较低障碍物进入盲区的示意图，如图2所示，对于高度低于激光雷达的安装高度的障碍物，随着车辆前进，前一帧时障碍物仍在激光雷达的扫描有效范围内，但下一帧该障碍物即到达了盲区的临界位置，此时，障碍物的顶部恰好落在激光雷达最低的扫描线束处，障碍物开始进入盲区内。
判断完毕后，可以将当前处于激光雷达的盲区内的障碍物与车辆间的距离输出，以辅助自动驾驶***调整行驶方向，绕过障碍物。其中，还可以输出障碍物的方位信息等，本申请实施例对此不作具体限定。此外，为了全面避障，也可以将盲区以外的其他障碍物的障碍物信息输出。
本申请实施例提供的方法，基于障碍物的世界坐标系坐标和高度、车辆当前的世界坐标系坐标，以及激光雷达的安装高度，判断障碍物当前是否处于激光雷达的盲区内，并输出盲区内的障碍物与车辆间的距离，无需额外设置新的传感器，也无需调整激光雷达的安装高度，省去了额外的硬件成本且避免了地面物体的误报警，实现了高效准确的盲区监测。
基于上述实施例，图3为本申请实施例提供的障碍物状态判定方法的流程示意图，如图3所示，步骤120中，基于障碍物的世界坐标系坐标和高度、所述车辆当前的世界坐标系坐标，以及激光雷达的安装高度，判断障碍物当前是否处于激光雷达的盲区内，具体包括：
步骤121，确定障碍物的高度是否超过激光雷达的安装高度；
步骤122，若障碍物的高度超过激光雷达的安装高度，则障碍物当前处于激光雷达的盲区以外；
步骤123，否则，基于障碍物与车辆之间的当前距离，以及障碍物对应的进入盲区的距离阈值，判断障碍物当前是否处于激光雷达的盲区内；
障碍物与车辆之间的当前距离是基于障碍物的世界坐标系坐标和车辆当前的世界坐标系坐标确定的。
具体地，检测到障碍物后，获取每个障碍物的高度信息，并确定各个障碍物的高度是否超过激光雷达的安装高度。若某个障碍物的高度超过激光雷达的安装高度，则该障碍物将不会进入到激光雷达的盲区内，即该障碍物当前处于激光雷达的盲区以外。若障碍物的高度未超过激光雷达的安装高度，则该障碍物随着车辆的前进，有可能进入到激光雷达的盲区内，因此需要实时检测该障碍物当前是否进入到盲区内。
此处，可以基于障碍物与车辆之间的当前距离，以及障碍物对应的进入盲区的距离阈值，判断障碍物当前是否处于激光雷达的盲区内，而障碍物与车辆之间的当前距离是基于障碍物的世界坐标系坐标和车辆当前的世界坐标系坐标确定的。其中，该障碍物对应的进入盲区的距离阈值为障碍物对应的盲区临界值。障碍物与车辆间的距离若恰好处于该盲区临界值，则障碍物的顶部恰好落在激光雷达最低的扫描线束处。如若车辆继续靠近，则障碍物将完全进入到激光雷达的盲区内。因此，将障碍物与车辆之间的当前距离，与该障碍物对应的进入盲区的距离阈值进行比较，若障碍物与车辆之间的当前距离大于上述距离阈值，则该障碍物当前处于盲区以外，否则，该障碍物当前处于激光雷达的盲区内。
本申请实施例提供的方法，通过判断障碍物的高度是否超过激光雷达的安装高度，若超过，则障碍物当前处于激光雷达的盲区以外，否则基于障碍物与车辆之间的当前距离，以及障碍物对应的进入盲区的距离阈值，判断障碍物当前是否处于激光雷达的盲区内，能够快速准确地判断障碍物是否处于盲区内。
基于上述任一实施例，障碍物对应的进入盲区的距离阈值是基于激光雷达的安装高度、障碍物的高度，以及激光雷达在垂直视角上能达到的最大扫描角度确定得到的。
此处，激光雷达在垂直视角上能达到的最大扫描角度为激光雷达发射出的最低的扫描线束与水平线的夹角。根据激光雷达的安装高度和障碍物的高度，以及该最大扫描角度，可以准确计算出障碍物对应的进入盲区的距离阈值。具体而言，激光雷达的安装高度对应的垂线段与最低扫描线束和水平线可以构成一个大三角形，处于距离阈值处的障碍物的高度对应的垂线段，与最低扫描线束和水平线可以构成一个小三角形。在此基础上，利用正切函数的定义，基于最大扫描角度的正切值，即可计算距离阈值。例如，可采用如下公式计算距离阈值Distance：
Distance＝(激光雷达的安装高度/tan(最大扫描角度)-障碍物高度/tan(最大扫描角度))
为了便于判断各个障碍物是否处于盲区内，可以在计算得到各个障碍物对应的进入盲区的距离阈值后，将障碍物的跟踪ID及其距离阈值对应进行存储。
基于上述任一实施例，图4为本申请实施例提供的障碍物提示方法的流程示意图，如图4所示，步骤130具体包括：
步骤131，将处于盲区内的障碍物的世界坐标系坐标存入缓存中；
步骤132，基于缓存中障碍物的世界坐标系坐标，以及车辆当前的世界坐标系坐标，确定并输出车辆和缓存中障碍物的当前距离。
具体地，基于车辆在世界坐标系下的当前位置，将当前处于激光雷达的盲区内的障碍物在当前车辆坐标系下的坐标转换为世界坐标系坐标。图5为本申请实施例提供的车辆坐标系的示意图，如图5所示，车辆坐标系的原点为车辆后轴中心点的当前位置，X轴指向车辆的前进方向，Y轴与X轴垂直且指向车辆左侧。车辆坐标系为以当前车辆作为参照物构建的相对坐标系，而世界坐标系则为绝对坐标系。
将每一处于盲区内的障碍物的世界坐标系坐标存入到缓存中，以供进行后续的运算处理。若缓存中存储的障碍物数量大于0，表明当前盲区内存在障碍物，需要输出障碍物信息以辅助自动驾驶***及时调整行驶方向。基于缓存中每一障碍物的世界坐标系坐标，以及车辆当前的世界坐标系坐标，可以计算各个障碍物与车辆间的当前距离，并将其输出。
基于上述任一实施例，图6为本申请实施例提供的障碍物距离输出方法的流程示意图，如图6所示，步骤132具体包括：
步骤1321，将缓存中障碍物对应的计数器加一；
步骤1322，若缓存中障碍物对应的计数器数值大于预设数量阈值，则删除缓存中保存的对应该障碍物的所有信息；
步骤1323，否则，基于缓存中障碍物的世界坐标系坐标，以及车辆当前的世界坐标系坐标，确定并输出车辆和缓存中障碍物的当前距离。
具体地，在车辆的前进过程中，同一障碍物会被多次检测，并存放到缓存中。考虑到任一障碍物若已经被检测到多次，则该障碍物的障碍物信息也已经输出过多次，那么自动驾驶***已经针对该障碍物调整了行驶方向并已经绕过该障碍物的可能性较大，此时则无需再保存该已被绕过的障碍物的相关信息，也无需再输出该障碍物的障碍物信息。为了将可能已被绕过的障碍物与其他障碍物区分开，可以为每个障碍物设置一个计数器，并在将任一障碍物的世界坐标系坐标压入缓存时，将其对应的计数器加一。若缓存中任一障碍物对应的计数器数值大于预设数量阈值，则表明该障碍物进入盲区后已多次监测到，此时该障碍物有较大可能已被绕过。因此可以将缓存中保存的对应该障碍物的所有信息全部删掉，包括此次压入的该障碍物的世界坐标系坐标以及之前压入的该障碍物的信息，以节约缓存的存储空间，也避免对以绕过的障碍物重复进行预警。
然后，基于缓存中现有的每一障碍物的世界坐标系坐标，以及车辆当前的世界坐标系坐标，计算并输出车辆与缓存中每一障碍物的当前距离。
本申请实施例提供的方法，通过将缓存中计数器数值大于预设数量阈值的障碍物的所有信息从缓存中删除，可以节约缓存的存储空间，也避免对以绕过的障碍物重复进行预警。
基于上述任一实施例，预设数量阈值是基于车辆当前的车速确定的。
具体地，由于车辆当前的车速不同，车辆绕过障碍物所花的时间也不同，在此期间内，盲区障碍物被检测到的次数也相应不同。因此，在设置预设数量阈值时，可以基于车辆当前的车速确定具体的数值。其中，车辆当前的车速越快，则预设数量阈值越低。
基于上述任一实施例，图7为本申请实施例提供的障碍物检测方法的流程示意图，如图7所示，步骤110具体包括：
步骤111，将激光雷达点云数据从激光雷达设备坐标系转换到当前的车辆坐标系中，得到激光雷达点云数据的车辆坐标系坐标；
步骤112，根据预设的路线周边的参考信息，过滤车道线以外的激光雷达点云数据；
步骤113，基于过滤后的激光雷达点云数据及其车辆坐标系坐标进行障碍物检测和跟踪，得到车辆四周的障碍物的高度以及障碍物的车辆坐标系坐标；
步骤114，将障碍物的车辆坐标系坐标转换为世界坐标系坐标。
具体地，激光雷达获取到激光雷达点云数据后，激光雷达点云数据中包含的三维坐标是激光雷达设备坐标系中的坐标。为了便于确定障碍物与车辆之间的相对位置关系，可以将激光雷达点云数据从激光雷达设备坐标系转换到当前的车辆坐标系中，得到激光雷达点云数据的车辆坐标系坐标。在探测障碍物时，仅需考虑行进路线上的障碍物，而不用考虑车道线以外的其他障碍物，因此，可以根据预设的路线周边的参考信息，过滤车道线以外的激光雷达点云数据。其中，参考信息包含预先获取的路线周边障碍物的先验知识，例如障碍物的类型和位置等。基于过滤后的激光雷达点云数据及其车辆坐标系坐标，进行障碍物目标检测，即可确定车辆四周的障碍物的高度以及障碍物的车辆坐标系坐标。然后，再将障碍物的车辆坐标系坐标转换为世界坐标系坐标。
基于上述任一实施例，图8为本申请提供的雷达盲区监测方法的流程示意图之二，如图8所示，该方法包括：
获取并输入每一帧的激光雷达点云数据，同时读取当前时刻的GPS数据，并获取当前帧车辆在世界坐标系中的位置信息。
将点云数据从激光雷达设备坐标系转到车辆坐标系。
读取预设的路线周边的参考信息，并通过参考信息过滤车道线之外的点云数据。
对过滤后的点云数据进行障碍物目标检测，获取每个障碍物的长宽高信息及其在车辆坐标系下的位置信息。
针对检测到的障碍物，对其进行目标跟踪，并为每个障碍物赋予唯一标识TrackID。
根据当前障碍物的高度，判断当前障碍物高度是否超过激光雷达安装高度；若是，则将当前障碍物在车辆坐标系中的坐标转化到世界坐标系，并保存该障碍物的世界坐标系坐标；否则，计算该障碍物对应的进入盲区的距离阈值Distance，然后继续查找下一障碍物，并重复上述操作。
判断当前障碍物到车辆坐标系原点的距离是否小于Distance。若否，则继续查找下一障碍物，并再次判断下一障碍物到车辆坐标系原点的距离是否小于Distance；否则，将当前障碍物在车辆坐标系中的坐标转化到世界坐标系，并保存该障碍物的世界坐标系坐标，并将当前障碍物的世界坐标系坐标压入缓存。若缓存中障碍物的数量为0，则继续查找下一障碍物，并再次判断下一障碍物到车辆坐标系原点的距离是否小于Distance。
否则，基于缓存中的每个障碍物的世界坐标系坐标，高度大于激光雷达安装高度的障碍物的世界坐标系坐标，以及当前车辆的世界坐标系坐标，计算当前车辆与缓存中每一障碍物在车辆坐标系下的距离，以及当前车辆与每一高度大于激光雷达安装高度的障碍物在车辆坐标系下的距离。将各个障碍物对应TrackID下的计数器自加1，若此时某一障碍物对应的计数器数值大于3，则删除对应TrackID下的障碍物信息，否则，输出车辆坐标系下的障碍物信息，并继续查找下一障碍物。
下面对本申请提供的雷达盲区监测装置进行描述，下文描述的雷达盲区监测装置与上文描述的雷达盲区监测方法可相互对应参照。
基于上述任一实施例，图9为本申请实施例提供的雷达盲区监测装置的结构示意图，如图9所示，该装置包括：障碍物检测单元910、盲区监测单元920和障碍物提示单元930。
其中，障碍物检测单元910用于基于激光雷达点云数据进行障碍物目标检测，确定车辆四周的障碍物以及所述障碍物的世界坐标系坐标；
盲区监测单元920用于基于障碍物的世界坐标系坐标和高度、所述车辆当前的世界坐标系坐标，以及激光雷达的安装高度，判断障碍物当前是否处于激光雷达的盲区内；
障碍物提示单元930用于输出当前处于激光雷达的盲区内的障碍物与车辆间的距离。
本申请实施例提供的装置，基于障碍物的世界坐标系坐标和高度、所述车辆当前的世界坐标系坐标，以及激光雷达的安装高度，判断障碍物当前是否处于激光雷达的盲区内，并输出盲区内的障碍物信息，无需额外设置新的传感器，也无需调整激光雷达的安装高度，省去了额外的硬件成本且避免了地面物体的误报警，实现了高效准确的盲区监测。
基于上述任一实施例，图10为本申请实施例提供的盲区监测单元的结构示意图，如图10所示，盲区监测单元920具体包括：
高度判断单元921，用于确定障碍物的高度是否超过激光雷达的安装高度；
障碍物状态判定单元922，用于若障碍物的高度超过激光雷达的安装高度，则判断障碍物当前处于激光雷达的盲区以外；否则，基于障碍物与车辆之间的当前距离，以及障碍物对应的进入盲区的距离阈值，判断障碍物当前是否处于激光雷达的盲区内；
障碍物与车辆之间的当前距离是基于障碍物的世界坐标系坐标和车辆当前的世界坐标系坐标确定的。
本申请实施例提供的装置，通过判断障碍物的高度是否超过激光雷达的安装高度，若超过，则障碍物当前处于激光雷达的盲区以外，否则基于障碍物与车辆之间的当前距离，以及障碍物对应的进入盲区的距离阈值，判断障碍物当前是否处于激光雷达的盲区内，能够快速准确地判断障碍物是否处于盲区内。
基于上述任一实施例，障碍物对应的进入盲区的距离阈值是基于激光雷达的安装高度、障碍物的高度，以及激光雷达在垂直视角上能达到的最大扫描角度确定得到的。
基于上述任一实施例，图11为本申请实施例提供的障碍物提示单元的结构示意图，如图11所示，障碍物提示单元930具体包括：
缓存单元931，用于将处于盲区内的障碍物的世界坐标系坐标存入缓存中；
障碍物信息输出单元932，用于基于缓存中障碍物的世界坐标系坐标，以及车辆当前的世界坐标系坐标，确定并输出车辆和缓存中障碍物的当前距离。
基于上述任一实施例，障碍物信息输出单元具体用于：
将缓存中障碍物对应的计数器加一；
若缓存中障碍物对应的计数器数值大于预设数量阈值，则删除缓存中保存的对应该障碍物的所有信息；
否则，基于缓存中障碍物的世界坐标系坐标，以及车辆当前的世界坐标系坐标，确定并输出车辆和缓存中障碍物的当前距离。
本申请实施例提供的装置，通过将缓存中计数器数值大于预设数量阈值的障碍物的所有信息从缓存中删除，可以节约缓存的存储空间，也避免对以绕过的障碍物重复进行预警。
基于上述任一实施例，预设数量阈值是基于车辆当前的车速确定的。
基于上述任一实施例，障碍物检测单元910具体用于：
将激光雷达点云数据从激光雷达设备坐标系转换到当前的车辆坐标系中，得到激光雷达点云数据的车辆坐标系坐标；
根据预设的路线周边的参考信息，过滤车道线以外的激光雷达点云数据；
基于过滤后的激光雷达点云数据及其车辆坐标系坐标进行障碍物检测和跟踪，得到车辆四周的障碍物的高度以及障碍物的车辆坐标系坐标；
将障碍物的车辆坐标系坐标转换为世界坐标系坐标。
本申请实施例提供的雷达盲区监测装置用于执行上述雷达盲区监测方法，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。
图12示例了一种电子设备的实体结构示意图，如图12所示，该电子设备可以包括：处理器(processor)1210、通信接口(Communications Interface)1220、存储器(memory)1230和通信总线1240，其中，处理器1210，通信接口1220，存储器1230通过通信总线1240完成相互间的通信。处理器1210可以调用存储器1230中的逻辑指令，以执行雷达盲区监测方法，该方法包括：基于激光雷达点云数据进行障碍物目标检测，确定车辆四周的障碍物以及所述障碍物的世界坐标系坐标；基于所述障碍物的世界坐标系坐标和高度、所述车辆当前的世界坐标系坐标，以及所述激光雷达的安装高度，判断所述障碍物当前是否处于所述激光雷达的盲区内；输出当前处于激光雷达的盲区内的障碍物与所述车辆间的距离。
此外，上述的存储器1230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1210可以调用存储器1230中的逻辑指令，实现上述雷达盲区监测方法，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雷达盲区监测方法，该方法包括：基于激光雷达点云数据进行障碍物目标检测，确定车辆四周的障碍物以及所述障碍物的世界坐标系坐标；基于所述障碍物的世界坐标系坐标和高度、所述车辆当前的世界坐标系坐标，以及所述激光雷达的安装高度，判断所述障碍物当前是否处于所述激光雷达的盲区内；输出当前处于激光雷达的盲区内的障碍物与所述车辆间的距离。
本申请实施例提供的计算机程序产品被执行时，实现上述雷达盲区监测方法，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雷达盲区监测方法，该方法包括：基于激光雷达点云数据进行障碍物目标检测，确定车辆四周的障碍物以及所述障碍物的世界坐标系坐标；对所述障碍物进行目标跟踪，并基于所述障碍物的世界坐标系坐标和高度、所述车辆当前的世界坐标系坐标，以及所述激光雷达的安装高度，判断所述障碍物当前是否处于所述激光雷达的盲区内；输出当前处于激光雷达的盲区内的障碍物与所述车辆间的距离。
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，实现上述雷达盲区监测方法，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 (14)
1.一种雷达盲区监测方法，其特征在于，包括：
基于激光雷达点云数据进行障碍物目标检测，确定车辆四周的障碍物以及所述障碍物的世界坐标系坐标；
基于所述障碍物的世界坐标系坐标和高度、所述车辆当前的世界坐标系坐标，以及所述激光雷达的安装高度，判断所述障碍物当前是否处于所述激光雷达的盲区内；
输出当前处于激光雷达的盲区内的障碍物与所述车辆间的距离。
2.根据权利要求1所述的雷达盲区监测方法，其特征在于，所述基于所述障碍物的世界坐标系坐标和高度、所述车辆当前的世界坐标系坐标，以及所述激光雷达的安装高度，判断所述障碍物当前是否处于所述激光雷达的盲区内，具体包括：
确定所述障碍物的高度是否超过所述激光雷达的安装高度；
若所述障碍物的高度超过所述激光雷达的安装高度，则所述障碍物当前处于激光雷达的盲区以外；
否则，基于所述障碍物与车辆之间的当前距离，以及所述障碍物对应的进入盲区的距离阈值，判断所述障碍物当前是否处于所述激光雷达的盲区内；
所述障碍物与车辆之间的当前距离是基于所述障碍物的世界坐标系坐标和所述车辆当前的世界坐标系坐标确定的。
3.根据权利要求2所述的雷达盲区监测方法，其特征在于，所述障碍物对应的进入盲区的距离阈值是基于所述激光雷达的安装高度、所述障碍物的高度，以及所述激光雷达在垂直视角上能达到的最大扫描角度确定得到的。
4.根据权利要求1所述的雷达盲区监测方法，其特征在于，所述输出当前处于激光雷达的盲区内的障碍物与所述车辆间的距离，具体包括：
将处于所述盲区内的障碍物的世界坐标系坐标存入缓存中；
基于所述缓存中障碍物的世界坐标系坐标，以及车辆当前的世界坐标系坐标，确定并输出车辆和所述缓存中障碍物的当前距离。
5.根据权利要求4所述的雷达盲区监测方法，其特征在于，所述基于所述缓存中障碍物的世界坐标系坐标，以及车辆当前的世界坐标系坐标，确定并输出车辆和所述缓存中障碍物的当前距离，具体包括：
将所述缓存中障碍物对应的计数器加一；
若所述缓存中障碍物对应的计数器数值大于预设数量阈值，则删除所述缓存中保存的对应所述障碍物的所有信息；
否则，基于所述缓存中障碍物的世界坐标系坐标，以及车辆当前的世界坐标系坐标，确定并输出车辆和所述缓存中障碍物的当前距离。
6.根据权利要求5所述的雷达盲区监测方法，其特征在于，所述预设数量阈值是基于车辆当前的车速确定的。
7.根据权利要求1至6任一项所述的雷达盲区监测方法，其特征在于，所述基于激光雷达点云数据进行障碍物目标检测，确定车辆四周的障碍物以及所述障碍物的世界坐标系坐标，具体包括：
将所述激光雷达点云数据从激光雷达设备坐标系转换到当前的车辆坐标系中，得到所述激光雷达点云数据的车辆坐标系坐标；
根据预设的路线周边的参考信息，过滤车道线以外的激光雷达点云数据；
基于过滤后的激光雷达点云数据及其车辆坐标系坐标进行障碍物检测和跟踪，得到车辆四周的障碍物的高度以及所述障碍物的车辆坐标系坐标；
将所述障碍物的车辆坐标系坐标转换为世界坐标系坐标。
8.一种雷达盲区监测装置，其特征在于，包括：
障碍物检测单元，用于基于激光雷达点云数据进行障碍物目标检测，确定车辆四周的障碍物以及所述障碍物的世界坐标系坐标；
盲区监测单元，用于基于所述障碍物的世界坐标系坐标和高度、所述车辆当前的世界坐标系坐标，以及所述激光雷达的安装高度，判断所述障碍物当前是否处于所述激光雷达的盲区内；
障碍物提示单元，用于输出当前处于激光雷达的盲区内的障碍物与所述车辆间的距离。
9.根据权利要求8所述的雷达盲区监测装置，其特征在于，所述盲区监测单元具体包括：
高度判断单元，用于确定所述障碍物的高度是否超过所述激光雷达的安装高度；
障碍物状态判定单元，用于若所述障碍物的高度超过所述激光雷达的安装高度，则判断所述障碍物当前处于所述激光雷达的盲区以外；否则，基于所述障碍物与所述车辆之间的当前距离，以及所述障碍物对应的进入盲区的距离阈值，判断所述障碍物当前是否处于所述激光雷达的盲区内；
所述障碍物与所述车辆之间的当前距离是基于所述障碍物的世界坐标系坐标和所述车辆当前的世界坐标系坐标确定的。
10.根据权利要求9所述的雷达盲区监测装置，其特征在于，所述障碍物对应的进入盲区的距离阈值是基于所述激光雷达的安装高度、所述障碍物的高度，以及所述激光雷达在垂直视角上能达到的最大扫描角度确定得到的。
11.根据权利要求8所述的雷达盲区监测装置，其特征在于，所述障碍物提示单元，具体包括：
缓存单元，用于将处于所述盲区内的障碍物的世界坐标系坐标存入缓存中；
障碍物信息输出单元，用于基于所述缓存中障碍物的世界坐标系坐标，以及车辆当前的世界坐标系坐标，确定并输出车辆和所述缓存中障碍物的当前距离。
12.根据权利要求11所述的雷达盲区监测装置，其特征在于，所述障碍物信息输出单元具体用于：
将所述缓存中障碍物对应的计数器加一；
若所述缓存中障碍物对应的计数器数值大于预设数量阈值，则删除所述缓存中保存的对应所述障碍物的所有信息；
否则，基于所述缓存中障碍物的世界坐标系坐标，以及车辆当前的世界坐标系坐标，确定并输出车辆和所述缓存中障碍物的当前距离。
13.一种电子设备，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任一项所述雷达盲区监测方法的步骤。
14.一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任一项所述雷达盲区监测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011444959.6A CN112799098B (zh) | 2020-12-08 | 2020-12-08 | 雷达盲区监测方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011444959.6A CN112799098B (zh) | 2020-12-08 | 2020-12-08 | 雷达盲区监测方法、装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112799098A true CN112799098A (zh) | 2021-05-14 |
| CN112799098B CN112799098B (zh) | 2024-04-19 |
Family
ID=75806615
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011444959.6A Active CN112799098B (zh) | 2020-12-08 | 2020-12-08 | 雷达盲区监测方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112799098B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113119958A (zh) * | 2021-05-27 | 2021-07-16 | 广州小鹏自动驾驶科技有限公司 | 一种自动泊车方法和装置 |
| CN113589323A (zh) * | 2021-07-07 | 2021-11-02 | 浙江理工大学 | 基于高度矢量场的道路障碍物识别方法 |
| CN113936101A (zh) * | 2021-10-18 | 2022-01-14 | 北京茵沃汽车科技有限公司 | 在3d全景图的接缝区域内还原消失物体的方法、装置 |
| CN114475651A (zh) * | 2021-12-11 | 2022-05-13 | 中智行(苏州)科技有限公司 | 基于车路协同的盲区障碍物紧急避让方法和装置 |
| CN114489075A (zh) * | 2022-01-26 | 2022-05-13 | 苏州挚途科技有限公司 | 无人通关车辆控制的方法、装置及电子设备 |
| CN114715024A (zh) * | 2022-04-15 | 2022-07-08 | 东风柳州汽车有限公司 | 汽车声光提醒方法、设备、存储介质及装置 |
| CN115032618A (zh) * | 2022-08-12 | 2022-09-09 | 深圳市欢创科技有限公司 | 应用于激光雷达的盲区修复方法、装置及激光雷达 |
| CN115223133A (zh) * | 2022-02-14 | 2022-10-21 | 广州汽车集团股份有限公司 | 泊车障碍物检测方法、检测装置、车辆及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106646491A (zh) * | 2015-10-30 | 2017-05-10 | 长城汽车股份有限公司 | 一种超声波防撞雷达***及其障碍物定位方法 |
| CN110471067A (zh) * | 2018-05-09 | 2019-11-19 | 长城汽车股份有限公司 | 一种车辆与障碍物之间距离确定方法及装置 |
| CN110481526A (zh) * | 2019-07-22 | 2019-11-22 | 江苏大学 | 一种智能汽车传感器盲区行人检测及主动避撞方法 |
| 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 |
| CN111391752A (zh) * | 2020-02-13 | 2020-07-10 | 浙江吉利汽车研究院有限公司 | 一种用于识别障碍物的报警方法、装置、电子设备及存储介质 |
| CN111399492A (zh) * | 2018-12-28 | 2020-07-10 | 深圳市优必选科技有限公司 | 一种机器人及其障碍物感知方法和装置 |
| CN111722187A (zh) * | 2019-03-19 | 2020-09-29 | 富士通株式会社 | 雷达安装参数计算方法以及装置 |
| CN111998780A (zh) * | 2019-05-27 | 2020-11-27 | 杭州海康威视数字技术股份有限公司 | 目标测距方法、装置及*** |
-
2020
- 2020-12-08 CN CN202011444959.6A patent/CN112799098B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106646491A (zh) * | 2015-10-30 | 2017-05-10 | 长城汽车股份有限公司 | 一种超声波防撞雷达***及其障碍物定位方法 |
| CN110471067A (zh) * | 2018-05-09 | 2019-11-19 | 长城汽车股份有限公司 | 一种车辆与障碍物之间距离确定方法及装置 |
| CN111399492A (zh) * | 2018-12-28 | 2020-07-10 | 深圳市优必选科技有限公司 | 一种机器人及其障碍物感知方法和装置 |
| CN111722187A (zh) * | 2019-03-19 | 2020-09-29 | 富士通株式会社 | 雷达安装参数计算方法以及装置 |
| CN111998780A (zh) * | 2019-05-27 | 2020-11-27 | 杭州海康威视数字技术股份有限公司 | 目标测距方法、装置及*** |
| CN110481526A (zh) * | 2019-07-22 | 2019-11-22 | 江苏大学 | 一种智能汽车传感器盲区行人检测及主动避撞方法 |
| 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 |
| CN111391752A (zh) * | 2020-02-13 | 2020-07-10 | 浙江吉利汽车研究院有限公司 | 一种用于识别障碍物的报警方法、装置、电子设备及存储介质 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113119958A (zh) * | 2021-05-27 | 2021-07-16 | 广州小鹏自动驾驶科技有限公司 | 一种自动泊车方法和装置 |
| CN113589323A (zh) * | 2021-07-07 | 2021-11-02 | 浙江理工大学 | 基于高度矢量场的道路障碍物识别方法 |
| CN113936101A (zh) * | 2021-10-18 | 2022-01-14 | 北京茵沃汽车科技有限公司 | 在3d全景图的接缝区域内还原消失物体的方法、装置 |
| CN114475651A (zh) * | 2021-12-11 | 2022-05-13 | 中智行(苏州)科技有限公司 | 基于车路协同的盲区障碍物紧急避让方法和装置 |
| CN114475651B (zh) * | 2021-12-11 | 2024-05-14 | 中国电信股份有限公司 | 基于车路协同的盲区障碍物紧急避让方法和装置 |
| CN114489075A (zh) * | 2022-01-26 | 2022-05-13 | 苏州挚途科技有限公司 | 无人通关车辆控制的方法、装置及电子设备 |
| CN115223133A (zh) * | 2022-02-14 | 2022-10-21 | 广州汽车集团股份有限公司 | 泊车障碍物检测方法、检测装置、车辆及存储介质 |
| CN114715024A (zh) * | 2022-04-15 | 2022-07-08 | 东风柳州汽车有限公司 | 汽车声光提醒方法、设备、存储介质及装置 |
| CN115032618A (zh) * | 2022-08-12 | 2022-09-09 | 深圳市欢创科技有限公司 | 应用于激光雷达的盲区修复方法、装置及激光雷达 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112799098B (zh) | 2024-04-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112799098B (zh) | 雷达盲区监测方法、装置、电子设备和存储介质 | |
| CN109634282B (zh) | 自动驾驶车辆、方法和装置 | |
| JP5938569B2 (ja) | 方位情報を考慮する高度運転者支援システム、及びその動作方法 | |
| EP3134888B1 (en) | False warning reduction using location data | |
| KR20130007243A (ko) | 차량 카메라를 이용한 전방 충돌 경보 방법 및 시스템 | |
| JP5907700B2 (ja) | 画像処理装置、車両システム、及び、画像処理方法 | |
| EP3296762A1 (en) | Monitored area setting device and monitored area setting method | |
| CN110341621B (zh) | 一种障碍物检测方法及装置 | |
| EP3498560A1 (en) | Vehicle controller, vehicle control method, and non-transitory storage medium storing vehicle control program | |
| CN103728624A (zh) | 泊车辅助装置和方法以及利用该泊车辅助装置和方法的泊车辅助*** | |
| CN113721621B (zh) | 车辆控制方法、装置、电子设备以及存储介质 | |
| CN109703456B (zh) | 一种防止汽车碰撞的警示方法、装置及汽车控制器 | |
| CN107458308B (zh) | 一种辅助驾驶方法及*** | |
| CN112249007A (zh) | 一种车辆危险报警方法及相关设备 | |
| EP3545465B1 (en) | Information processing apparatus, imaging apparatus, apparatus control system, movable object, information processing method, and information processing program | |
| CN114537447A (zh) | 安全通行方法、装置、电子设备和存储介质 | |
| US20230415731A1 (en) | Vehicle control system, vehicle control method, and storage medium | |
| CN211056549U (zh) | 用于检测空间障碍物的***及工程机械 | |
| CN116513169A (zh) | 车辆紧急避撞控制方法、装置、设备、介质、***及车辆 | |
| CN113581069B (zh) | 基于计算机视觉的车辆防止碰撞的预警方法及装置 | |
| CN113191238A (zh) | 基于双目摄像机的盲区检测方法、***及存储介质 | |
| CN114954442A (zh) | 一种车辆控制方法、***和车辆 | |
| CN110950250B (zh) | 用于检测空间障碍物的方法、***及工程机械 | |
| CN116125897B (zh) | 自动驾驶决策方法、装置、电子设备及存储介质 | |
| CN114581615B (zh) | 一种数据处理方法、装置、设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240516 Address after: Room 6227, No. 999, Changning District, Shanghai 200050 Patentee after: Shenlan robot (Shanghai) Co.,Ltd. Country or region after: China Address before: 200336 unit 1001, 369 Weining Road, Changning District, Shanghai Patentee before: DEEPBLUE TECHNOLOGY (SHANGHAI) Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right |