CN113077428B - 碰撞检测方法、装置、车载终端及存储介质 - Google Patents

碰撞检测方法、装置、车载终端及存储介质 Download PDF

Info

Publication number
CN113077428B
CN113077428B CN202110332876.6A CN202110332876A CN113077428B CN 113077428 B CN113077428 B CN 113077428B CN 202110332876 A CN202110332876 A CN 202110332876A CN 113077428 B CN113077428 B CN 113077428B
Authority
CN
China
Prior art keywords
grid
image
area
detected
obstacle
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
Application number
CN202110332876.6A
Other languages
English (en)
Other versions
CN113077428A (zh
Inventor
王路遥
王俊杰
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.)
Shanghai Ofilm Intelligent Vehicle Co ltd
Original Assignee
Shanghai Ofilm Intelligent Vehicle 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 Shanghai Ofilm Intelligent Vehicle Co ltd filed Critical Shanghai Ofilm Intelligent Vehicle Co ltd
Priority to CN202110332876.6A priority Critical patent/CN113077428B/zh
Publication of CN113077428A publication Critical patent/CN113077428A/zh
Application granted granted Critical
Publication of CN113077428B publication Critical patent/CN113077428B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种碰撞检测方法、装置、车载终端及存储介质，属于数据处理技术领域。该方法包括：根据障碍物图像生成金字塔结构的多层栅格图像；将最顶层栅格图像作为当前栅格图像，获取目标车辆在当前栅格图像上对应的待检测区域；检测待检测区域内的各个栅格是否处于障碍物所处的障碍物栅格内；当待检测区域内的第一栅格处于障碍物栅格内时，确定第一栅格在下一层栅格图像对应的目标栅格区域，并将下一层栅格图像作为当前栅格图像，将目标栅格区域作为待检测区域，重新检测待检测区域，若最底层栅格图像的待检测区域内存在第一栅格，则确定目标车辆发生碰撞。本方案可以减少碰撞检测时使用的数据量，提高了检测效率。

Description

碰撞检测方法、装置、车载终端及存储介质
技术领域
本申请涉及数据处理技术领域，特别涉及一种碰撞检测方法、装置、车载终端及存储介质。
背景技术
随着科学技术的快速发展，现有车辆中大多数已经安装了车载终端，车辆可以通过安装的车载终端实现对周围环境的感知、路径规划等功能。其中，在自动泊车、自动驾驶、自动规划等过程中，需要通过车载终端检测周围的障碍物信息，从而判断车辆是否与周边障碍物是否发生碰撞。目前，在检测车辆是否与周边障碍物是否发生碰撞的过程中，应用预设的碰撞检测算法来进行，一般在栅格地图上，需要对每个栅格进行检测，遍历所有的栅格后得到车辆是否与与周边障碍物是否发生碰撞的结果。
在上述所示的技术方案中，由于需要对每个栅格都进行检测，造成检测过程中待检测的数据量庞大，耗时较长，降低了检测效率。
发明内容
本申请实施例提供了一种碰撞检测方法、装置、车载终端及存储介质，能够减少检测过程的耗时，提高对车辆是否发生碰撞的检测效率。
一个方面，本申请实施例提供了一种碰撞检测方法，所述方法包括：
根据障碍物图像生成金字塔结构的多层栅格图像，所述多层栅格图像中每层栅格图像的图像精度与层数呈反相关关系；
将最顶层栅格图像作为当前栅格图像，获取目标车辆在当前栅格图像上对应的待检测区域；
根据所述当前栅格图像中的障碍物栅格，检测所述待检测区域内的各个栅格是否处于所述障碍物栅格内；
当所述待检测区域内的第一栅格处于所述障碍物栅格内时，确定所述第一栅格在下一层栅格图像对应的目标栅格区域，并将所述下一层栅格图像作为新的当前栅格图像，将所述目标栅格区域作为所述新的当前栅格图像的待检测区域，重新执行所述根据所述当前栅格图像中的障碍物栅格，检测所述待检测区域内的各个栅格是否处于所述障碍物栅格内的步骤，直至所述当前栅格图像为最底层栅格图像；
若所述最底层栅格图像的待检测区域内存在处于所述障碍物栅格内的第一栅格，则确定所述目标车辆发生碰撞。
在本申请实施例中，通过建立多层的金字塔结构的栅格图像，从最顶层图像开始，将最顶层图像作为当前栅格图像，获取目标车辆在当前栅格图像上的待检测区域，检测待检测区域内的各个栅格是否处于障碍物栅格内，当待检测区域内的第一栅格处于障碍物栅格内时，确定第一栅格在下一层栅格图像对应的目标栅格区域，并将下一层栅格图像作为当前栅格图像，将目标栅格区域作为待检测区域，直至当前栅格图像为最底层栅格图像，从而完成对车辆在栅格图像上的碰撞检测，如果在最顶层栅格图像中某个栅格处于障碍物栅格内，那么继续判断该栅格对应在下一层上的各个栅格的碰撞情况，对于未处于障碍物栅格内的栅格，则不需要在下一层进行碰撞检测，本方案对处于障碍物栅格内的栅格进行碰撞检测，减少了碰撞检测的数据量，缩短了检测的耗时，提高了检测效率。
作为一种可选的实施方式，在本申请实施例的一个方面中，在所述根据所述当前栅格图像中的障碍物栅格，检测所述待检测区域内的各个栅格是否处于所述障碍物栅格内之前，还包括：
对所述待检测区域内的各个栅格进行筛选，获取处于模型栅格区域内的各个栅格，所述模型栅格区域是所述目标车辆在所述当前栅格图像上的车辆模型所占的栅格区域；
所述根据所述当前栅格图像中的障碍物栅格，检测所述待检测区域内的各个栅格是否处于所述的障碍物栅格内，包括：
根据所述当前栅格图像中障碍物栅格，检测所述待检测区域内处于所述模型栅格区域内的各个栅格是否处于所述的障碍物栅格内。
在本申请实施例中，上述根据当前栅格图像中的障碍物栅格，检测待检测区域内的各个栅格是否处于的障碍物栅格内之前，还需对各个栅格是否处于车辆模型所占的栅格区域进行检测，使得本方案仅需对处于车辆模型所占的栅格区域内的栅格进行检测，减少了需要做碰撞检测栅格的数据量，缩短了检测的耗时，提高了检测效率。
作为一种可选的实施方式，在本申请实施例的一个方面中，所述车辆模型是四边形，所述对所述待检测区域内的各个栅格进行筛选，获取处于模型栅格区域内的各个栅格，包括：
对于所述待检测区域内包含的各个栅格的角点，获取所述各个栅格的角点与所述四边形的四个角点之间的向量叉乘结果；
根据所述向量叉乘结果，检测所述各个栅格的角点是否处于所述模型栅格区域内；
当所述各个栅格的角点中的第一角点处于所述模型栅格区域内时，确定所述第一角点相邻的各个栅格处于所述模型栅格区域内；
当所述各个栅格的角点中的第一角点不处于所述模型栅格区域内时，确定所述第一角点相邻的各个栅格不处于所述模型栅格区域内。
在本申请实施例中，在通过向量叉乘结果判断某个角点是否处于模型栅格区域内，并在该角点处于模型栅格区域内时，确定该角点相邻的栅格处于模型栅格区域内，可以提高判断某个栅格是否处于车辆模型内部的准确性。
作为一种可选的实施方式，在本申请实施例的一个方面中，在所述对于所述待检测区域内包含的各个栅格的角点，获取所述各个栅格的角点与所述四边形的四个角点之间的向量叉乘结果之前，还包括：
按照间隔两个栅格的步长，依次获取所述待检测区域内包含的各个栅格的角点。
在本申请实施例中，可以通过间隔两个栅格的方式，对待检测区域内的各个栅格的角点进行提取，从而对提取到的各个角点进行检测，减少了检测栅格是否在车辆模型所占的栅格区域过程中的数据量，提高了检测效率。
作为一种可选的实施方式，在本申请实施例的一个方面中，所述障碍物图像是所述多层栅格图像中处于最底层的栅格图像，在所述将最顶层栅格图像作为当前栅格图像，获取目标车辆在当前栅格图像上对应的待检测区域之前，还包括：
获取所述目标车辆的车辆模型在所述障碍物图像中的四个角点栅格；
当第一角点栅格处于所述障碍物图像中所述障碍物栅格内时，确定所述目标车辆发生碰撞，所述第一角点栅格是所述四个角点栅格中的任意一个；
当所述各个角点栅格均不处于所述障碍物图像中所述障碍物栅格内时，执行所述将最顶层栅格图像作为当前栅格图像，获取目标车辆在当前栅格图像上对应的待检测区域的步骤。
在本申请实施例中，通过在障碍物图像上预先判断角点栅格的碰撞情况，在角点栅格在不发生碰撞的情况下，再从最顶层栅格图像开始检测，避免了在车辆四个角点栅格发生碰撞时仍然执行检测的步骤带来的耗时问题，提高了检测效率。
作为一种可选的实施方式，在本申请实施例的一个方面中，所述获取目标车辆在当前栅格图像上对应的待检测区域，包括：
获取所述目标车辆的车辆模型在所述当前栅格图像上的外接矩形对应的栅格区域；
将所述外接矩形对应的栅格区域作为所述待检测区域。
在本申请实施例中，通过对目标车辆的车辆模型做外接矩形，获取外接矩形对应的栅格区域，可以避免车辆模型在栅格地图上所占的栅格区域不规则时带来的检测出错问题，提高检测的准确性。
作为一种可选的实施方式，在本申请实施例的一个方面中，所述根据所述当前栅格图像中的障碍物栅格，检测所述待检测区域内的各个栅格是否处于所述的障碍物栅格内，包括：
按照第一预设顺序获取所述待检测区域内的各个栅格；
根据所述当前栅格图像中的障碍物栅格，检测获取到的栅格是否处于所述的障碍物栅格内。
在本申请实施例中，按照第一预设顺序依次对待检测区域内的各个栅格进行检测，一个检测后再对另一个进行检测，有序性地对各个栅格进行检测，可以提高检测过程的效率和准确性。
作为一种可选的实施方式，在本申请实施例的一个方面中，所述方法还包括：
若所述最底层栅格图像的待检测区域内不存在处于所述障碍物栅格内的第一栅格，检测所述最顶层栅格图像中的待检测区域内的各个栅格是否都执行了所述根据所述当前栅格图像中的障碍物栅格，检测获取到的栅格是否处于所述的障碍物栅格内的步骤；
当所述最顶层栅格图像中的待检测区域内的各个栅格都执行了所述根据所述当前栅格图像中的障碍物栅格，检测获取到的栅格是否处于所述的障碍物栅格内的步骤，则确定所述目标车辆不会发生碰撞；
当所述最顶层栅格图像中的待检测区域内的各个栅格并未都执行所述根据所述当前栅格图像中的障碍物栅格，检测获取到的栅格是否处于所述的障碍物栅格内的步骤，执行所述按照第一预设顺序获取所述待检测区域内的各个栅格的步骤。
在本申请实施例中，若最底层栅格图像的待检测区域内不存在处于障碍物栅格内的第一栅格，继续检测最顶层栅格图像中待检测区域内的各个栅格是否都进行了碰撞检测，如果都进行了碰撞检测，说明最底层栅格图像内不存在处于障碍物栅格内的第一栅格，确定目标车辆不会发生碰撞，提高了判断出目标车辆未发生碰撞情况的准确性。
作为一种可选的实施方式，在本申请实施例的一个方面中，在所述根据障碍物图像生成金字塔结构的多层栅格图像之前，还包括：
获取待生成的金字塔结构的多层栅格图像的层数；
根据所述层数，获取各个层数对应的各个缩放比例值；
所述根据障碍物图像生成金字塔结构的多层栅格图像，包括：
将所述障碍物图像按照每个缩放比例值进行缩放，生成具有所述层数的金字塔结构的多层栅格图像。
在本申请实施例中，车载终端还可以通过获取金字塔结构的层数，并获取到对应数量个的缩放比例值，按照缩放比例值分别对障碍物图像进行缩放，生成金字塔结构的栅格图像，提高了生成金字塔结构的灵活性和多样性。
作为一种可选的实施方式，在本申请实施例的一个方面中，所述获取待生成的金字塔结构的多层栅格图像的层数，包括：
获取所述目标车辆所处周围环境的环境参数，所述环境参数包括所述周围环境相对所述目标车辆的运动速度，以及所述周围环境的天气情况中的一种或者多种；
根据所述环境参数，获取待生成的金字塔结构的多层栅格图像的层数。
在本申请实施例中，车载终端通过结合环境参数获取所需要生成的金字塔结构的层数，使得生成的金字塔结构的栅格图像更加符合车辆所处的环境，提高检测的准确性和灵活性。
作为一种可选的实施方式，在本申请实施例的一个方面中，在所述若所述最底层栅格图像的待检测区域内存在第一栅格，则确定所述目标车辆发生碰撞之后，还包括：
在最底层栅格图像中获取第一重合区域，所述第一重合区域是所述目标车辆的车辆模型与所述的障碍物栅格重合的栅格区域；
根据所述第一重合区域以及所述模型栅格区域，生成第一行驶指令，所述第一行驶指令用于控制所述目标车辆行驶，以使得所述目标车辆的车辆模型与所述障碍物不会发生碰撞。
在本申请实施例中，车载终端在判断出目标车辆发生碰撞后，还可以生成第一行驶指令，控制目标车辆重新行驶，使得目标车辆与障碍物不会发生碰撞，提高了车辆行驶的安全性。
另一个方面，本申请实施例提供了一种碰撞检测装置，所述装置包括：
图像生成模块，用于根据障碍物图像生成金字塔结构的多层栅格图像，所述多层栅格图像中每层栅格图像的图像精度与层数呈反相关关系；
区域获取模块，用于将最顶层栅格图像作为当前栅格图像，获取目标车辆在当前栅格图像上对应的待检测区域；
区域检测模块，用于根据所述当前栅格图像中的障碍物栅格，检测所述待检测区域内的各个栅格是否处于所述障碍物栅格内；
循环执行模块，用于当所述待检测区域内的第一栅格处于所述障碍物栅格内时，确定所述第一栅格在下一层栅格图像对应的目标栅格区域，并将所述下一层栅格图像作为新的当前栅格图像，将所述目标栅格区域作为所述新的当前栅格图像的待检测区域，重新执行所述根据所述当前栅格图像中的障碍物栅格，检测所述待检测区域内的各个栅格是否处于所述障碍物栅格内的步骤，直至所述当前栅格图像为最底层栅格图像；
碰撞确定模块，用于若所述最底层栅格图像的待检测区域内存在处于所述障碍物栅格内的第一栅格，则确定所述目标车辆发生碰撞。
另一个方面，本申请实施例提供了一种车载终端，包括存储器及处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现如上述一个方面及其任一可选实现方式所述的碰撞检测方法。
另一个方面，本申请实施例提供了一种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另一个方面及其可选方式所述的碰撞检测方法。
另一方面，本申请实施例提供了一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行如上述一个方面所述的碰撞检测方法。
另一方面，本申请实施例提供了一种应用发布平台，所述应用发布平台用于发布计算机程序产品，其中，当所述计算机程序产品在计算机上运行时，使得所述计算机执行如上述一个方面所述的碰撞检测方法。
本申请实施例提供的技术方案可以至少包含如下有益效果：
通过建立多层的金字塔结构的栅格图像，从最顶层图像开始，将最顶层图像作为当前栅格图像，获取目标车辆在当前栅格图像上的待检测区域，检测待检测区域内的各个栅格是否处于的障碍物栅格内，当待检测区域内的第一栅格处于障碍物栅格内时，确定第一栅格在下一层栅格图像对应的目标栅格区域，并将下一层栅格图像作为当前栅格图像，将目标栅格区域作为待检测区域，继续对待检测区域进行碰撞检测，直至当前栅格图像为最底层栅格图像，完成对车辆在各个栅格图像上的碰撞检测，由于多层栅格图像中每层栅格图像的图像精度与层数呈反相关关系，如果在最顶层栅格图像中某个栅格不处于障碍物栅格内，那么说明该栅格对应在下一层上的各个栅格中一定没有碰撞情况，不需要在下一层中进行碰撞检测，本方案对处于障碍物栅格内的栅格进行下一层中的碰撞检测，对于不处于障碍物栅格内的栅格仅需在最顶层中做碰撞检测判断，减少了碰撞检测的数据量，缩短了检测的耗时，提高了检测效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一示例性实施例提供的一种碰撞检测方法的方法流程图；
图2是本申请一示例性实施例涉及的一种两层金字塔结构的栅格图像的示意图；
图3是本申请一示例性实施例提供的一种碰撞检测方法的方法流程图；
图4是本申请一示例性实施例涉及的一种待检测区域的结构示意图；
图5是本申请一示例性实施例涉及的一种当前栅格图像的结构示意图；
图6是本申请一示例性实施例提供的一种碰撞检测方法的方法流程图；
图7是本申请一示例性实施例提供的一种碰撞检测装置的结构框图；
图8是本申请一示例性实施例涉及的一种车载终端的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
需要说明的是，本申请的说明书和权利要求书中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同的对象，而不是用于描述特定顺序。本申请实施例的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请提供的方案，可以用于人们在日常生活中使用的终端中包括电磁式双滤光片切换器时，通过切换滤光片来适应不同的使用场景的过程中，为了便于理解，下面首先对本申请实施例涉及的应用架构进行简单介绍。
在日常生活中，车辆的安全行驶是至关重要的。其中，无论车辆是在行驶过程中还是在泊车过程中，车辆周围环境障碍物位置的变化对车辆行驶的安全性影响较大，因此，对车辆与自身周围环境中障碍物的碰撞检测尤为重要。
比如，在车辆对自身周围环境检测后，通常可以通过相机得到周围环境的鱼眼图图像，车辆通过自身的车载终端对鱼眼图图像进行识别，得知自身周围环境都包含哪些障碍物，在栅格地图上将这些障碍物所占的区域进行展示，结合自身车辆模型所在栅格地图上的区域，判断车辆是否与障碍物发生碰撞。例如，在基于视觉或超声雷达的自动泊车过程中，车载终端需要根据检测到的车位规划出一条满足车辆运动学的泊车路径，在生成泊车路径的过程中需要参考视觉检测(例如上述通过相机采集到的鱼眼图图像)以及超声检测(例如通过超声波雷达采集到的图像)得到的车辆周边障碍物信息，从而更新地图上的障碍物信息并调用相应的碰撞检测算法，使得泊车路径能避开障碍物，避免和障碍物发生碰撞。
在一种碰撞检测方案中，对于记忆泊车或者自动代客泊车项目，需要车辆沿着指定的一条学习路径或全局路径从A点驶向B点，当碰撞检测算法发现车辆沿着原始路径行驶会发生碰撞时，调用路径重规划算法重新规划一条避开障碍物的调整路径，在生成避障的调整路径的过程中，需要调用碰撞检测算法判断车辆处在栅格地图上不同位姿时是否和障碍物发生碰撞。一般在栅格地图上，用不同的像素值标识可通行区域和不可通行区域(即障碍物所在的区域)，碰撞检测算法是判断车辆所占据的几块栅格中是否存在不可通行区域的栅格。
上述常用的路径规划算法是混合A星算法，在混合A星算法每次扩展节点的过程中都需要调用碰撞检测算法用于判断新扩展节点的车辆位姿是否和障碍物碰撞。其中，路径规划算法过程中，大多数时间都消耗在碰撞检测算法上，而生成节点、节点排序和***的时间仅占少部分，因此，如何提高碰撞检测算法的检测效率是极为重要的问题。对于混合A星算法中的碰撞检测过程，由于栅格地图上大部分的栅格都是不发生碰撞的可通行区域，而碰撞检测算法大部分的耗时又都用在了对可通行区域的栅格的判断上，造成碰撞检测过程中的时间长、耗时久的问题。使得扩展节点数量较多的情况下达不到实时性要求，车辆需停在原地等待路径重规划算法完成规划，极大地降低了车辆行驶的连续性和便利性。
目前，相关技术中通过简单地降低栅格地图的精度来缩短碰撞检测的耗时，但对碰撞检测的正确率也会随着地图精度的降低而下降，导致一些误检的情况发生，也存在碰撞检测的准确性低的问题，影响碰撞检测的效率。
为了提高碰撞检测算法在栅格地图上的检测效率，本申请提出了一种解决方案，可以在降低地图精度的同时，提高碰撞检测算法的检测正确率，提高碰撞检测算法的检测效率。
请参考图1，其示出了本申请一示例性实施例提供的一种碰撞检测方法的方法流程图。该碰撞检测方法应用于上述的车载终端中，如图1所示，碰撞检测方法可以包括如下几个步骤。
步骤101，根据障碍物图像生成金字塔结构的多层栅格图像，多层栅格图像中每层栅格图像的图像精度与层数呈反相关关系。
其中，障碍物图像也可以是车载终端根据周围环境的障碍物生成的栅格图像。例如，用不同的像素值标识可通行区域和不可通行区域(即障碍物所在的区域)，从而生成障碍物图像，车载终端基于该障碍物图像生成多层栅格图像，层数越高，每层栅格图像的图像精度越低，也就是说，随着层数的增高，栅格图像的比例尺越来越大，但精度越来越低。
步骤102，将最顶层栅格图像作为当前栅格图像，获取目标车辆在当前栅格图像上对应的待检测区域。
其中，最顶层栅格图像是金字塔结构的多层栅格图像中层数最高的一层栅格图像，该层栅格图像的图像精度也是最低的。
车载终端从多层栅格图像的最顶层栅格图像开始，将最顶层栅格图像作为当前栅格图像，获取目标车辆在当前栅格图像上对应的待检测区域。该待检测区域可以是目标车辆的车辆模型所处的栅格区域，也可以是对目标车辆的车辆模型的形状进行规则化之后得到的栅格区域。该规则化可以是指进行外接矩形、外接正方形。
步骤103，根据当前栅格图像中的障碍物栅格，检测待检测区域内的各个栅格是否处于的障碍物栅格内。
其中，在上述根据障碍物图像生成金字塔结构的多层栅格图像的过程中，从最底层障碍物图像开始依次生成金字塔结构前几层的障碍物图像，找到上一层图像的某个栅格对应的下一层图像的栅格区域，若对应的下一层图像的栅格区域有一个栅格是障碍物栅格，则上一层图像该栅格标记为障碍物栅格。车载终端通过检测当前栅格地图中的待检测区域内的各个栅格是否处于的障碍物栅格内，从而执行后续步骤。若是，执行步骤104，否则执行步骤107。
步骤104，当待检测区域内的第一栅格处于障碍物栅格内时，确定第一栅格在下一层栅格图像对应的目标栅格区域，并将下一层栅格图像作为新的当前栅格图像，将目标栅格区域作为新的当前栅格图像的待检测区域。
步骤105，检测当前栅格图像是否为最底层栅格图像。
若是，执行步骤106，否则返回步骤103。
其中，第一栅格相当于是处于障碍物栅格内的栅格，也就是待检测区域内存在处于障碍物栅格内的栅格都是第一栅格，车载终端可以确定第一栅格在下一层栅格图像中对应的目标栅格区域，并将下一层栅格图像作为新的当前栅格图像，将目标栅格区域作为新的当前栅格图像的待检测栅格区域，并返回至步骤103，对新的当前栅格图像以及新的当前栅格图像的待检测栅格区域进行碰撞检测。
例如，请参考图2，其示出了本申请一示例性实施例涉及的一种两层金字塔结构的栅格图像的示意图。其中，在第一层栅格地图201中包含了待检测区域202，待检测区域202内的第一栅格203处于障碍物栅格内，车载终端可以获取第一栅格203在下一层栅格图像204中对应的目标栅格区域205，并将下一层栅格图像204作为新的当前栅格图像，将目标栅格区域205作为新的待检测区域，重新执行根据当前栅格图像中的障碍物栅格，检测待检测区域内的各个栅格是否处于的障碍物栅格内的步骤，直至当前栅格图像为最底层栅格图像。
步骤106，若最底层栅格图像的待检测区域内存在第一栅格，则确定目标车辆发生碰撞。
可选的，如果在最底层栅格图像中的待检测区域都存在第一栅格，说明最底层栅格图像中，目标车辆的车辆模型与障碍物栅格存在相交的栅格，可以确定目标车辆会发生了碰撞。
步骤107，确定目标车辆不发生碰撞。
即，如果当前栅格图像中所有待检测区域内的栅格中都不存在第一栅格，说明当前栅格图像中，目标车辆的车辆模型与障碍物的障碍物栅格不存在相交的栅格，则确定目标车辆不会发生碰撞。
综上所述，通过建立多层的金字塔结构的栅格图像，从最顶层图像开始，将最顶层图像作为当前栅格图像，获取目标车辆在当前栅格图像上的待检测区域，检测待检测区域内的各个栅格是否处于的障碍物栅格内，当待检测区域内的第一栅格处于障碍物栅格内时，确定第一栅格在下一层栅格图像对应的目标栅格区域，并将下一层栅格图像作为当前栅格图像，将目标栅格区域作为待检测区域，继续对待检测区域进行碰撞检测，直至当前栅格图像为最底层栅格图像，完成对车辆在各个栅格图像上的碰撞检测，即，在上述循环的步骤103至步骤105中，若下一层栅格图像的待检测区域内不存在处于障碍物栅格内的栅格，可以继续返回到上一层并继续检测下一个待检测区域内的栅格，否者可以继续检测下一层，由于多层栅格图像中每层栅格图像的图像精度与层数呈反相关关系，如果在最顶层栅格图像中某个栅格不处于障碍物栅格内，那么说明该栅格对应在下一层上的各个栅格中一定没有碰撞情况，不需要在下一层中进行碰撞检测，本方案对处于障碍物栅格内的栅格进行下一层中的碰撞检测，对于不处于障碍物栅格内的栅格仅需在最顶层中做碰撞检测判断，减少了碰撞检测的数据量，缩短了检测的耗时，提高了检测效率。
在一种可能实现的方式中，本申请提供的方案中还可以通过检测某个栅格是否处于车辆模型内部，并对处于车辆模型内部的栅格进行碰撞检测，对于车辆模型外部的栅格不进行碰撞检测，进一步减少检测的数据量，提高碰撞检测的效率。
请参考图3，其示出了本申请一示例性实施例提供的一种碰撞检测方法的方法流程图。该碰撞检测方法应用于车载终端中，如图3所示，碰撞检测方法可以包括如下几个步骤。
步骤301，根据障碍物图像生成金字塔结构的多层栅格图像，多层栅格图像中每层栅格图像的图像精度与层数呈反相关关系。
可选的，障碍物图像可以是车载终端根据相机采集的视觉数据以及雷达采集的超声波数据融合后得到的栅格图像，在障碍物图像中各个栅格可以分为可通行区域和不可通行区域，不可通行区域可以看做是障碍物所处的位置。其中，在障碍物图像中，车载终端可以按照车辆的行驶路线，在车辆当前行驶位置的后续一段行驶路线内模拟出车载终端的车辆模型，并障碍物图像中，对模拟出的车辆模型内的各个栅格进行碰撞检测，实现碰撞预测。可选的，行驶路线可以是车载终端采用路径规划算法预先得到的，后续一段行驶路线可以是在当前行驶过程中未行驶路线内的预设时长对应的行驶路线。
可选的，障碍物图像可以作为多层栅格图像的最底层图像，上层的图像都可以是通过对障碍物图像的精度按照预设比例进行缩放，从而得到不同精度的各个栅格图像，这些不同精度的栅格图像是金字塔结构中的各层栅格图像。本申请中，最底层的精度最高，最顶层的精度最低。
可选的，车载终端可以主动获取待生成的金字塔结构的多层栅格图像的层数，根据层数，获取各个层数对应的各个缩放比例值；将障碍物图像按照每个缩放比例值进行缩放，生成具有层数的金字塔结构的多层栅格图像。其中，车载终端可以按照预先设置好的层数生成多层栅格图像，也可以通过环境参数来获取。
例如，车载终端每次在进行路径规划过程中，基于障碍物图像生成金字塔结构的多层栅格图像时，默认层数是4层，默认比例包括第一预设比例、第二预设比例、第三预设比例，车载终端根据各个默认比例对障碍物图像进行缩放，生成具有4层的金字塔结构的多层栅格图像。该默认层数以及默认比例都可以由开发人员预先设置。
在一种可能实现的方式中，车载终端也可以获取目标车辆所处周围环境的环境参数，并根据环境参数，获取待生成的金字塔结构的多层栅格图像的层数。其中，环境参数包括周围环境相对目标车辆的运动速度，周围环境的天气情况中的一种或者多种。例如，环境参数包括周围环境相对目标车辆的运动速度，车载终端获取到周围环境相对目标车辆的运动速度之后，确定运动速度处于哪个速度区间，并通过查询速度区间与层数之间的对应关系表，获取到对应的层数。
请参考表1，其示出了本申请一示例性实施例提供的一种速度区间与层数之间的对应关系表。
速度区间 层数
0～40km/h 7
40～80km/h 5
80～120km/h 3
…… ……
表1
如表1所示，若运动速度是50km/h(千米每小时)，车载终端确定出该运动速度在40～80km/h的速度区间，可以获取到该速度区间对应的层数是5层。
可选的，如果上述环境参数包括周围环境的天气情况，车载终端获取到周围环境的天气情况之后，可以通过查询天气情况与层数之间的对应关系表，获取到对应的层数。请参考表2，其示出了本申请一示例性实施例提供的一种天气情况与层数之间的对应关系表。
天气情况 层数
晴天 5
下雨 4
大雾 6
…… ……
表1
如表1所示，若周围环境的天气情况是大雾天气，车载终端可以获取到该天气情况对应的层数是6层。
可选的，上述在根据层数获取对应层数个缩放比例值时，可以通过预设公式来执行，例如，预设公式可以如下：
其中，n是层数，即每上一层，该层栅格图像的精度都减少一半。如上述得到的是5层，车载终端获取到第一层对应的缩放比例值是获取到第二层对应的缩放比例值是获取到第三层对应的缩放比例值是/>以此类推得到5层各自的缩放比例值，将障碍物地图按照各层各自的缩放比例值进行缩放，得到多层栅格图像。
步骤302，将最顶层栅格图像作为当前栅格图像，获取目标车辆在当前栅格图像上对应的待检测区域。
可选的，车载终端从最顶层栅格图像开始进行碰撞检测，将最顶层栅格图像作为当前栅格图像，确定目标车辆在当前栅格图像上对应的待检测区域。
在一种可能实现的方式中，车载终端可以通过获取目标车辆的车辆模型在当前栅格图像上的外接矩形对应的栅格区域；将外接矩形对应的栅格区域获取为待检测区域。例如，请参考图4，其示出了本申请一示例性实施例涉及的一种待检测区域的结构示意图。如图4所示，在最顶层栅格图像400上，包含了车辆模型401，外接矩形402。车载终端在最顶层栅格图像400上可以根据车辆模型401的最外侧角点所处的栅格做外接矩形402，并将外接矩形402的区域作为待检测区域。比如，车载终端在最顶层栅格图像400上获取到车辆模型401的各个角点所处的栅格坐标是(3,2)，(4,1)，(6,5)，(8,3)，外接矩形402的区域便是y＝1，y＝5，x＝3，x＝8，在栅格地图上围成的区域。
可选的，障碍物图像是多层栅格图像中处于最底层的栅格图像。在一种可能实现的方式中，在步骤302之前，车载终端可以获取目标车辆的车辆模型在障碍物图像中的各个角点栅格；并检测各个角点栅格是否处于障碍物图像中的不可通行区域，当第一角点栅格处于障碍物图像中的障碍物栅格内时，确定目标车辆发生碰撞，第一角点栅格是各个角点栅格中的任意一个；当各个角点栅格均不处于障碍物图像中的障碍物栅格内时，执行将最顶层栅格图像作为当前栅格图像，获取目标车辆在当前栅格图像上对应的待检测区域的步骤。
即，车载终端还可以先在原始精度地图上进行判断，查看原始精度地图上车辆模型的各个角点所处的栅格是否是可通行的，如果其中一个不是可通行的，可以直接确定目标车辆会发生碰撞，不需要执行后续步骤，减少碰撞检测的耗时，如果原始精度地图上车辆模型的各个角点所处的栅格都是可通行的，再继续执行步骤302，并后续对内部栅格进行检测。比如，在上述图4中，车辆模型的各个角点栅格的栅格坐标是(3,2)，(4,1)，(6,5)，(8,3)，车载终端可以分别对这四个角点栅格进行检测，在这四个角点栅格都处于可通行区域内时，再执行步骤302，如果有任意一个角点栅格处于不可通行区域内，则直接确定该目标车辆会与障碍物发生碰撞。
步骤303，对待检测区域内的各个栅格进行筛选，获取处于模型栅格区域内的各个栅格，模型栅格区域是目标车辆在当前栅格图像上的车辆模型所占的栅格区域。
可选的，上述得到的待检测区域是车辆模型的外接矩形，该待检测区域内包含有车辆模型之外的栅格也包含车辆模型之内的栅格，本申请方案可以对待检测区域内的各个栅格进行筛选，获取到处于模型栅格区域内的各个栅格，对这些栅格进行碰撞检测。
在一种可能实现的方式中，车载终端可以通过向量叉乘的符号一致性来判断某个栅格是否处于车辆模型的内部。例如，车辆模型是四边形，车载终端对于待检测区域内包含的各个栅格的角点，获取各个栅格的角点与四边形的四个角点之间的向量叉乘结果；根据向量叉乘结果，检测各个栅格的角点是否处于模型栅格区域内；当各个栅格的角点中的第一角点处于模型栅格区域内时，确定第一角点相邻的各个栅格处于模型栅格区域内；当各个栅格的角点中的第一角点不处于模型栅格区域内时，确定第一角点相邻的各个栅格不处于模型栅格区域内。
可选的，对于待检测区域内的任意一个栅格的任意一个角点来说，车载终端可以根据该角点与车辆模型的四个角生成由四个角指向该角点的各个向量，车载终端还可以对车辆模型的四个角按照顺时针或者逆时针的顺序获取到车辆模型四个边的向量，车载终端从这些向量中确定需要叉乘的向量组，其中，每个向量组中包含两个相同起点的向量，那么，车载终端可以从这些向量中确定出四个向量组，并计算各个向量组之间的叉乘结果，检测包含车辆模型的对边的两个向量组的叉乘结果符号是否一致，如果一致，确定这个角点处于两个对边之间，如果不一致，确定这个角点不处于两个对边之间。当这个角点处于四个边之间时，确定这个角点处于模型栅格区域内，如果这个角点不处于四个边之间时，确定这个角点不处于模型栅格区域内。
请参考图5，其示出了本申请一示例性实施例涉及的一种当前栅格图像的结构示意图。如图5所示，在栅格图像500中包含了车辆模型501，待检测区域502，栅格角点503，车辆模型角点504。其中，车辆模型角点504包括角点一504a，角点二504b，角点三504c，角点四504d四个角，车载终端可以根据栅格角点503在当前栅格地图中的角点坐标以及车辆模型角点504获取第一向量505，第二向量506，第三向量507，第四向量508，第五向量509，第六向量510，第七向量511和第八向量512。由图5可知，第一向量是由角点一指向角点二的向量，第二向量是由角点二指向角点三的向量，第三向量是由角点三指向角点四的向量，第四向量是由角点四指向角点一的向量，第五向量是由角点一指向第一个角点的向量，第六向量是由角点二指向第一个角点的向量，第七向量是由角点三指向第一个角点的向量，第八向量是由角点四指向第一个角点的向量。
车载终端可以将上述第一向量和第五向量作为一个向量组并计算向量叉乘结果，将上述第二向量和第六向量作为一个向量组并计算向量叉乘结果，将上述第三向量和第七向量作为一个向量组并计算向量叉乘结果，将上述第四向量和第八向量作为一个向量组并计算向量叉乘结果。车载终端检测包含车辆模型的对边的两个向量组的叉乘结果符号是否一致，即，检测第一向量与第五向量叉乘后的方向、第三向量与第七向量叉乘后的方向是否一致，如果一致，说明栅格角点503在第一向量和第三向量之间。相应的，车载终端检测还检测第二向量与第六向量叉乘后的方向、第四向量与第八向量叉乘后的方向是否一致，如果一致，说明栅格角点503在第二向量和第四向量之间。从而确定出栅格角点503是否处于车辆模型501所占的模型栅格区域内。
如果栅格角点503处于车辆模型501所占的模型栅格区域内，则将该角点周围相邻的四个栅格都看做是处于模型栅格区域内的栅格，如果栅格角点503不处于车辆模型501所占的模型栅格区域内，则将该角点周围相邻的四个栅格都看做是不处于模型栅格区域内的栅格，从而得到处于模型栅格区域内的各个栅格。
在一种可能实现的方式中，在上述获取各个栅格的角点时，车载终端还可以按照间隔两个栅格的步长，依次获取待检测区域内包含的各个栅格的角点。即，以间隔两个栅格的方式获取各个角点，对获取到的各个角点按照上述方式进行检测。
步骤304，根据当前栅格图像中的障碍物栅格，检测待检测区域内处于模型栅格区域内的各个栅格是否处于的障碍物栅格内。
可选的，对于某个栅格来说，如果该栅格处于车辆模型的模型栅格区域内时，再进一步检测该栅格是否处于的障碍物栅格内。
在一种可能实现的方式中，车载终端可以按照第一预设顺序获取待检测区域内的各个栅格；根据当前栅格图像中的障碍物栅格，检测获取到的栅格是否处于的障碍物栅格内；当获取到的栅格不处于障碍物栅格内时，获取待检测区域内的另一个栅格，执行根据当前栅格图像中的障碍物栅格，检测获取到的栅格是否处于的障碍物栅格内的步骤。比如，第一预设顺序是按照待检测区域内纵坐标增加、横坐标增加的顺序，车载终端第一个获取到的栅格是在待检测区域内的纵坐标和横坐标最小的栅格，对该栅格进行检测，如果该栅格处于的障碍物栅格内，执行步骤305，如果该栅格不处于的障碍物栅格内，对该栅格的纵坐标加一获取下一个栅格。
步骤305，当待检测区域内的第一栅格处于障碍物栅格内时，确定第一栅格在下一层栅格图像对应的目标栅格区域，并将下一层栅格图像作为新的当前栅格图像，将目标栅格区域作为新的当前栅格图像的待检测区域。
步骤306，检测当前栅格图像是否为最底层栅格图像。
若是，执行步骤307，否则返回步骤304。
当待检测区域内的第一栅格处于障碍物栅格内时，根据各层栅格图像之间的对应关系，确定第一栅格在下一层栅格图像对应的目标栅格区域，将下一层栅格图像作为当前栅格图像，将目标栅格区域作为待检测区域，重新对待检测区域内的各个栅格进行检测，直至当前栅格图像为最底层栅格图像。在一种可能实现的方式中，车载终端对各个栅格图像中的的障碍物栅格的栅格记录有像素值，比如，的障碍物栅格对应的各个栅格像素值均为255，如果待检测区域内的第一栅格的像素值也是255，可以确定该栅格是处于障碍物栅格内的栅格。或者，车载终端得到各层栅格地图时，其中的障碍物栅格的栅格坐标也可以获取到，如果某个栅格的栅格坐标处于该障碍物栅格的栅格坐标范围内，则确定该栅格是处于障碍物栅格内的栅格。本申请对如何判断某个栅格是否处于的障碍物栅格内的方式并不加以限定。
可选的，待检测区域内的第一栅格在下一层栅格图像上有自己对应的目标栅格区域，车载终端对目标栅格区域继续进行步骤303至步骤306的步骤，对下一层栅格图像上的待检测区域进行检测，其过程可以参照上述步骤303至步骤306中描述的内容，此处不再赘述，直至当前栅格图像为最底层栅格图像。
步骤307，检测最底层栅格图像的待检测区域内是否存在第一栅格。
即，若步骤306的检测结果是最底层栅格图，检测最底层栅格图像的待检测区域内是否存在第一栅格。若是，执行步骤308，否则执行步骤309。
步骤308，确定目标车辆发生碰撞。
即，若当前栅格图像的待检测区域内存在第一栅格，则确定目标车辆发生碰撞。可选的，如果当前栅格图像是最底层栅格图，在最底层栅格图像的待检测区域内也存在处于障碍物栅格内的栅格，说明该车辆模型会与障碍物发生碰撞，车载终端相应地得出碰撞检测结果。
在一种可能实现的方式中，车载终端还可以在最底层栅格图像中获取获取第一重合区域，第一重合区域是目标车辆的车辆模型与的障碍物栅格重合的栅格区域；根据第一重合区域以及模型栅格区域，生成第一行驶指令，第一行驶指令用于控制目标车辆行驶，以使得目标车辆的车辆模型与障碍物不会发生碰撞。即，在确定车辆模型会与的障碍物栅格发生碰撞之后，车载终端可以及时生成第一行驶指令，从而控制目标车辆行驶以使得目标车辆的车辆模型与障碍物不会发生碰撞，实现及时调整行驶路线的目的。
步骤309，检测最顶层栅格图像中的待检测区域内的各个栅格是否都执行了根据当前栅格图像中的障碍物栅格，检测获取到的栅格是否处于的障碍物栅格内的步骤。
即，若步骤307中的检测结果是最底层栅格图像的待检测区域内不存在处于障碍物栅格内的第一栅格，继续检测最顶层栅格图像中的待检测区域内的各个栅格是否都执行了根据当前栅格图像中的障碍物栅格，检测获取到的栅格是否处于的障碍物栅格内的步骤。
当最顶层栅格图像中的待检测区域内的各个栅格都执行了根据当前栅格图像中的障碍物栅格，检测获取到的栅格是否处于的障碍物栅格内的步骤，执行步骤310，否则，返回步骤304。
步骤310，确定目标车辆不会发生碰撞。
即，当最顶层栅格图像中的待检测区域内的各个栅格都执行了根据当前栅格图像中的障碍物栅格，检测获取到的栅格是否处于的障碍物栅格内的步骤，则确定目标车辆不会发生碰撞。即，车载终端在得出车辆模型不会与障碍物发生碰撞的碰撞检测结果之前，还需要判断是否对最顶层栅格图像中的待检测区域中的各个栅格是否都进行了检测，如果都进行了检测，则在最底层栅格图像的待检测区域内不存在处于障碍物栅格内的栅格，说明该车辆模型不会与障碍物发生碰撞，车载终端也可以相应地得出碰撞检测结果。如果并未全部检测，按照上述获取顺序可以继续获取最顶层栅格图像中另一个栅格，并对该栅格继续执行本申请中步骤303至步骤309的碰撞检测过程。
综上所述，通过建立多层的金字塔结构的栅格图像，从最顶层图像开始，将最顶层图像作为当前栅格图像，获取目标车辆在当前栅格图像上的待检测区域，检测待检测区域内的各个栅格是否处于的障碍物栅格内，当待检测区域内的第一栅格处于障碍物栅格内时，确定第一栅格在下一层栅格图像对应的目标栅格区域，并将下一层栅格图像作为当前栅格图像，将目标栅格区域作为待检测区域，继续对待检测区域进行碰撞检测，直至当前栅格图像为最底层栅格图像，完成对车辆在各个栅格图像上的碰撞检测，由于多层栅格图像中每层栅格图像的图像精度与层数呈反相关关系，如果在最顶层栅格图像中某个栅格不处于障碍物栅格内，那么说明该栅格对应在下一层上的各个栅格中一定没有碰撞情况，不需要在下一层中进行碰撞检测，本方案对处于障碍物栅格内的栅格进行下一层中的碰撞检测，对于不处于障碍物栅格内的栅格仅需在最顶层中做碰撞检测判断，减少了碰撞检测的数据量，缩短了检测的耗时，提高了检测效率。
另外，本申请中还对各个栅格是否处于车辆模型所占的栅格区域进行检测，使得本方案仅需对处于车辆模型所占的栅格区域内的栅格，进行检测，不需要对车辆模型之外的其他栅格进行检测，减少了碰撞检测的数据量，缩短了检测的耗时，提高了检测效率。
另外，车载终端通过结合环境参数获取所需要生成的金字塔结构的层数，使得生成的金字塔结构的栅格图像更加符合车辆所处的环境，可以提高检测的准确性和灵活性。
以上述建立的多层金字塔结构是三层金字塔结构的栅格地图举例，在路径规划过程中，对碰撞检测过程采用上述方案的流程。请参考图6，其示出了本申请一示例性实施例提供的一种碰撞检测方法的方法流程图。该碰撞检测方法应用于上述的车载终端中，如图6所示，碰撞检测方法可以包括如下几个步骤。
步骤601，根据障碍物图像生成金字塔结构的多层栅格图像。
步骤602，在障碍物图像上确定出车辆模型的四个角点对应的四个栅格。
步骤603，检测这四个栅格是否都未发生碰撞。
若这四个栅格都未发生碰撞，执行步骤604，若这四个栅格中有任意一个发生碰撞，执行步骤614，即，确定车辆模型会和障碍物发生碰撞。
步骤604，将最顶层栅格地图作为当前栅格地图，在当前栅格地图上确定出车辆模型所在外接四边形的栅格区域，将该外接四边形的栅格区域作为待检测区域。
步骤605，获取待检测区域中的下一个栅格。
步骤606，检测该栅格是否在车辆内部。
若在，执行步骤607，否则执行步骤605。
步骤607，检测该栅格是否是不可通行区域。
若是，执行步骤608，否则，执行步骤605。
步骤608，在下一层栅格地图上确定出该栅格对应的目标栅格区域。
步骤609，将下一层栅格地图作为当前栅格地图，将确定出的该栅格对应的目标栅格区域作为待检测区域。
步骤610，检测当前栅格地图是否在最底层的栅格地图。
若是，执行步骤611，否则执行步骤605。
步骤611，在最底层的栅格地图上的待检测区域中是否存在处于不可通行区域的栅格。
若存在，确定车辆模型会和障碍物发生碰撞，执行步骤614，若不存在，执行步骤612。
步骤612，检测最顶层中的待检测区域内的各个栅格是否都执行了步骤606。
若是，执行步骤613，否则执行步骤605。
步骤613，确定车辆模型不会和障碍物发生碰撞。
步骤614，确定车辆模型会和障碍物发生碰撞。
综上所述，通过建立多层的金字塔结构的栅格图像，从最顶层图像开始，将最顶层图像作为当前栅格图像，获取目标车辆在当前栅格图像上的待检测区域，检测待检测区域内的各个栅格是否处于的障碍物栅格内，当待检测区域内的第一栅格处于障碍物栅格内时，确定第一栅格在下一层栅格图像对应的目标栅格区域，并将下一层栅格图像作为当前栅格图像，将目标栅格区域作为待检测区域，继续对待检测区域进行碰撞检测，直至当前栅格图像为最底层栅格图像，完成对车辆在各个栅格图像上的碰撞检测，由于多层栅格图像中每层栅格图像的图像精度与层数呈反相关关系，如果在最顶层栅格图像中某个栅格不处于障碍物栅格内，那么说明该栅格对应在下一层上的各个栅格中一定没有碰撞情况，不需要在下一层中进行碰撞检测，本方案对处于障碍物栅格内的栅格进行下一层中的碰撞检测，对于不处于障碍物栅格内的栅格仅需在最顶层中做碰撞检测判断，减少了碰撞检测的数据量，缩短了检测的耗时，提高了检测效率。
下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。
请参考图7，其示出了本申请一示例性实施例提供的一种碰撞检测装置的结构框图，该碰撞检测装置700可以应用于车载终端中；所述碰撞检测装置包括：
图像生成模块701，用于根据障碍物图像生成金字塔结构的多层栅格图像，所述多层栅格图像中每层栅格图像的图像精度与层数呈反相关关系；
区域获取模块702，用于将最顶层栅格图像作为当前栅格图像，获取目标车辆在当前栅格图像上对应的待检测区域；
区域检测模块703，用于根据所述当前栅格图像中的障碍物栅格，检测所述待检测区域内的各个栅格是否处于所述障碍物栅格内；
循环执行模块704，用于当所述待检测区域内的第一栅格处于所述障碍物栅格内时，确定所述第一栅格在下一层栅格图像对应的目标栅格区域，并将所述下一层栅格图像作为新的当前栅格图像，将所述目标栅格区域作为所述新的当前栅格图像的待检测区域，重新执行所述根据所述当前栅格图像中的障碍物栅格，检测所述待检测区域内的各个栅格是否处于所述障碍物栅格内的步骤，直至所述当前栅格图像为最底层栅格图像；
碰撞确定模块705，用于若所述最底层栅格图像的待检测区域内存在处于所述障碍物栅格内的第一栅格，则确定所述目标车辆发生碰撞。
综上所述，通过建立多层的金字塔结构的栅格图像，从最顶层图像开始，将最顶层图像作为当前栅格图像，获取目标车辆在当前栅格图像上的待检测区域，检测待检测区域内的各个栅格是否处于的障碍物栅格内，当待检测区域内的第一栅格处于障碍物栅格内时，确定第一栅格在下一层栅格图像对应的目标栅格区域，并将下一层栅格图像作为当前栅格图像，将目标栅格区域作为待检测区域，继续对待检测区域进行碰撞检测，直至当前栅格图像为最底层栅格图像，完成对车辆在各个栅格图像上的碰撞检测，由于多层栅格图像中每层栅格图像的图像精度与层数呈反相关关系，如果在最顶层栅格图像中某个栅格不处于障碍物栅格内，那么说明该栅格对应在下一层上的各个栅格中一定没有碰撞情况，不需要在下一层中进行碰撞检测，本方案对处于障碍物栅格内的栅格进行下一层中的碰撞检测，对于不处于障碍物栅格内的栅格仅需在最顶层中做碰撞检测判断，减少了碰撞检测的数据量，缩短了检测的耗时，提高了检测效率。
可选的，所述装置还包括：
第一获取模块，用于在所述区域检测模块703根据所述当前栅格图像中的障碍物栅格，检测所述待检测区域内的各个栅格是否处于所述障碍物栅格内之前，对所述待检测区域内的各个栅格进行筛选，获取处于模型栅格区域内的各个栅格，所述模型栅格区域是所述目标车辆在所述当前栅格图像上的车辆模型所占的栅格区域；
所述区域检测模块703，用于根据所述当前栅格图像中障碍物栅格，检测所述待检测区域内处于所述模型栅格区域内的各个栅格是否处于所述障碍物栅格内。
可选的，所述车辆模型是四边形，所述第一获取模块用于，
对于所述待检测区域内包含的各个栅格的角点，获取所述各个栅格的角点与所述四边形的四个角点之间的向量叉乘结果；
根据所述向量叉乘结果，检测所述各个栅格的角点是否处于所述模型栅格区域内；
当所述各个栅格的角点中的第一角点处于所述模型栅格区域内时，确定所述第一角点相邻的各个栅格处于所述模型栅格区域内；
当所述各个栅格的角点中的第一角点不处于所述模型栅格区域内时，确定所述第一角点相邻的各个栅格不处于所述模型栅格区域内。
可选的，所述装置还包括：
第二获取模块，用于在所述对于所述待检测区域内包含的各个栅格的角点，获取所述各个栅格的角点与所述四边形的四个角点之间的向量叉乘结果之前，按照间隔两个栅格的步长，依次获取所述待检测区域内包含的各个栅格的角点。
可选的，所述障碍物图像是所述多层栅格图像中处于最底层的栅格图像，所述装置还包括：
第三获取模块，用于在所述区域获取模块702将最顶层栅格图像作为当前栅格图像，获取目标车辆在当前栅格图像上对应的待检测区域之前，获取所述目标车辆的车辆模型的四个角点在所述障碍物图像中占据的各个栅格；
第一确定模块，用于当第一角点栅格处于所述障碍物图像中所述障碍物栅格内时，确定所述目标车辆发生碰撞，所述第一角点栅格是所述目标车辆的车辆模型的四个角点在所述障碍物图像中占据的各个栅格中的任意一个栅格；
第一执行模块，用于当所述各个角点栅格均不处于所述障碍物图像中所述障碍物栅格内时，执行所述将最顶层栅格图像作为当前栅格图像，获取目标车辆在当前栅格图像上对应的待检测区域的步骤。
可选的，所述区域获取模块702，用于，
获取所述目标车辆的车辆模型在所述当前栅格图像上的外接矩形对应的栅格区域；
将所述外接矩形对应的栅格区域作为所述待检测区域。
可选的，所述区域检测模块，用于，
按照第一预设顺序获取所述待检测区域内的各个栅格；
根据所述当前栅格图像中的障碍物栅格，检测获取到的栅格是否处于所述障碍物栅格内。
可选的，所述装置还包括：
第一检测模块，用于若所述最底层栅格图像的待检测区域内不存在处于所述障碍物栅格内的第一栅格，检测所述最顶层栅格图像中的待检测区域内的各个栅格是否都执行了所述根据所述当前栅格图像中的障碍物栅格，检测获取到的栅格是否处于所述的障碍物栅格内的步骤；
第一确定模块，用于当所述最顶层栅格图像中的待检测区域内的各个栅格都执行了所述根据所述当前栅格图像中的障碍物栅格，检测获取到的栅格是否处于所述的障碍物栅格内的步骤，则确定所述目标车辆不会发生碰撞；
第二执行模块，用于当所述最顶层栅格图像中的待检测区域内的各个栅格并未都执行所述根据所述当前栅格图像中的障碍物栅格，检测获取到的栅格是否处于所述的障碍物栅格内的步骤，执行所述按照第一预设顺序获取所述待检测区域内的各个栅格的步骤。
可选的，所述装置还包括：
第四获取模块，用于在所述图像生成模块701根据障碍物图像生成金字塔结构的多层栅格图像之前，获取待生成的金字塔结构的多层栅格图像的层数；
第五获取模块，用于根据所述层数，获取各个层数对应的各个缩放比例值；
所述图像生成模块701，用于，
将所述障碍物图像按照每个缩放比例值进行缩放，生成具有所述层数的金字塔结构的多层栅格图像。
可选的，所述第四获取模块，用于，
获取所述目标车辆所处周围环境的环境参数，所述环境参数包括所述周围环境相对所述目标车辆的运动速度，以及所述周围环境的天气情况中的一种或者多种；
根据所述环境参数，获取待生成的金字塔结构的多层栅格图像的层数。
可选的，所述装置还包括：
第六获取模块，用于在所述碰撞确定模块705若所述最底层栅格图像的待检测区域内存在第一栅格，则确定所述目标车辆发生碰撞之后，在最底层栅格图像中获取第一重合区域，所述第一重合区域是所述目标车辆的车辆模型与所述障碍物栅格重合的栅格区域；
指令生成模块，用于根据所述第一重合区域以及所述模型栅格区域，生成第一行驶指令，所述第一行驶指令用于控制所述目标车辆行驶，以使得所述目标车辆的车辆模型与所述障碍物不会发生碰撞。
请参考图8，其示出了本申请一示例性实施例涉及的一种车载终端的结构示意图。如图8所示，车载终端800可以被提供为上述实施例涉及的终端设备。参照图8，车载终端800包括处理组件822，其进一步包括一个或多个处理器，以及由存储器832所代表的存储器资源，用于存储可由处理部件822执行的指令，例如应用程序。存储器832中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件822被配置为执行指令，以执行上述碰撞检测方法中，由车载终端执行的全部或者部分步骤，即车载终端包括存储器及处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现如上述图1、图3或者图4中任意一个或者多个所示的碰撞检测方法。
车载终端800还可以包括一个电源组件826被配置为执行车载终端800的电源管理，一个有线或无线网络接口850被配置为将车载终端800连接到网络，和一个输入输出(I/O)接口838。车载终端800可以操作基于存储在存储器832的操作***，例如WindowsServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
本申请实施例还公开了一种计算机可读存储介质，其存储计算机程序，其中，该计算机程序被处理器执行时实现上述方法实施例中的方法。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定特征、结构或特性可以以任意适合的方式结合在一个或多个实施例中。本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在本申请的各种实施例中，应理解，上述各过程的序号的大小并不意味着执行顺序的必然先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
上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单元，即可位于一个地方，或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本申请各实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可获取的存储器中。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全部或者部分，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器中，包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等，具体可以是计算机设备中的处理器)执行本申请的各个实施例上述方法的部分或全部步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本申请实施例公开的一种碰撞检测方法、装置、摄像头模组、终端设备及存储介质进行了举例介绍，本文中应用了个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (14)

1.一种碰撞检测方法，其特征在于，所述方法包括：
根据障碍物图像生成金字塔结构的多层栅格图像，所述多层栅格图像中每层栅格图像的图像精度与层数呈反相关关系；
将最顶层栅格图像作为当前栅格图像，获取目标车辆在当前栅格图像上对应的待检测区域；
根据所述当前栅格图像中的障碍物栅格，检测所述待检测区域内的各个栅格是否处于所述障碍物栅格内；
当所述待检测区域内的第一栅格处于所述障碍物栅格内时，确定所述第一栅格在下一层栅格图像对应的目标栅格区域，并将所述下一层栅格图像作为新的当前栅格图像，将所述目标栅格区域作为所述新的当前栅格图像的待检测区域，重新执行所述根据所述当前栅格图像中的障碍物栅格，检测所述待检测区域内的各个栅格是否处于所述障碍物栅格内的步骤，直至所述当前栅格图像为最底层栅格图像；
若所述最底层栅格图像的待检测区域内存在处于所述障碍物栅格内的第一栅格，则确定所述目标车辆发生碰撞。
2.根据权利要求1所述的方法，其特征在于，在所述根据所述当前栅格图像中的障碍物栅格，检测所述待检测区域内的各个栅格是否处于所述障碍物栅格内之前，还包括：
对所述待检测区域内的各个栅格进行筛选，获取处于模型栅格区域内的各个栅格，所述模型栅格区域是所述目标车辆在所述当前栅格图像上的车辆模型所占的栅格区域；
所述根据所述当前栅格图像中的障碍物栅格，检测所述待检测区域内的各个栅格是否处于所述障碍物栅格内，包括：
根据所述当前栅格图像中障碍物栅格，检测所述待检测区域内处于所述模型栅格区域内的各个栅格是否处于所述障碍物栅格内。
3.根据权利要求2所述的方法，其特征在于，所述车辆模型是四边形，所述对所述待检测区域内的各个栅格进行筛选，获取处于模型栅格区域内的各个栅格，包括：
对于所述待检测区域内包含的各个栅格的角点，获取所述各个栅格的角点与所述四边形的四个角点之间的向量叉乘结果；
根据所述向量叉乘结果，检测所述各个栅格的角点是否处于所述模型栅格区域内；
当所述各个栅格的角点中的第一角点处于所述模型栅格区域内时，确定所述第一角点相邻的各个栅格处于所述模型栅格区域内；
当所述各个栅格的角点中的第一角点不处于所述模型栅格区域内时，确定所述第一角点相邻的各个栅格不处于所述模型栅格区域内。
4.根据权利要求3所述的方法，其特征在于，在所述对于所述待检测区域内包含的各个栅格的角点，获取所述各个栅格的角点与所述四边形的四个角点之间的向量叉乘结果之前，还包括：
按照间隔两个栅格的步长，依次获取所述待检测区域内包含的各个栅格的角点。
5.根据权利要求1所述的方法，其特征在于，所述障碍物图像是所述多层栅格图像中处于最底层的栅格图像，在所述将最顶层栅格图像作为当前栅格图像，获取目标车辆在当前栅格图像上对应的待检测区域之前，还包括：
获取所述目标车辆的车辆模型的四个角点在所述障碍物图像中占据的各个栅格；
当第一角点栅格处于所述障碍物图像中所述障碍物栅格内时，确定所述目标车辆发生碰撞，所述第一角点栅格是所述目标车辆的车辆模型的四个角点在所述障碍物图像中占据的各个栅格中的任意一个栅格；
当所述各个角点栅格均不处于所述障碍物图像中所述障碍物栅格内时，执行所述将最顶层栅格图像作为当前栅格图像，获取目标车辆在当前栅格图像上对应的待检测区域的步骤。
6.根据权利要求1所述的方法，其特征在于，所述获取目标车辆在当前栅格图像上对应的待检测区域，包括：
获取所述目标车辆的车辆模型在所述当前栅格图像上的外接矩形对应的栅格区域；
将所述外接矩形对应的栅格区域作为所述待检测区域。
7.根据权利要求1至6任一所述的方法，其特征在于，所述根据所述当前栅格图像中的障碍物栅格，检测所述待检测区域内的各个栅格是否处于所述障碍物栅格内，包括：
按照第一预设顺序获取所述待检测区域内的各个栅格；
根据所述当前栅格图像中的障碍物栅格，检测获取到的栅格是否处于所述障碍物栅格内。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
若所述最底层栅格图像的待检测区域内不存在处于所述障碍物栅格内的第一栅格，检测所述最顶层栅格图像中的待检测区域内的各个栅格是否都执行了所述根据所述当前栅格图像中的障碍物栅格，检测获取到的栅格是否处于所述障碍物栅格内的步骤；
当所述最顶层栅格图像中的待检测区域内的各个栅格都执行了所述根据所述当前栅格图像中的障碍物栅格，检测获取到的栅格是否处于所述障碍物栅格内的步骤，则确定所述目标车辆不会发生碰撞；
当所述最顶层栅格图像中的待检测区域内的各个栅格并未都执行所述根据所述当前栅格图像中的障碍物栅格，检测获取到的栅格是否处于所述障碍物栅格内的步骤，执行所述按照第一预设顺序获取所述待检测区域内的各个栅格的步骤。
9.根据权利要求1至6任一所述的方法，其特征在于，在所述根据障碍物图像生成金字塔结构的多层栅格图像之前，还包括：
获取待生成的金字塔结构的多层栅格图像的层数；
根据所述层数，获取各个层数对应的各个缩放比例值；
所述根据障碍物图像生成金字塔结构的多层栅格图像，包括：
将所述障碍物图像按照每个缩放比例值进行缩放，生成具有所述层数的金字塔结构的多层栅格图像。
10.根据权利要求9所述的方法，其特征在于，所述获取待生成的金字塔结构的多层栅格图像的层数，包括：
获取所述目标车辆所处周围环境的环境参数，所述环境参数包括所述周围环境相对所述目标车辆的运动速度，以及所述周围环境的天气情况中的一种或者多种；
根据所述环境参数，获取待生成的金字塔结构的多层栅格图像的层数。
11.根据权利要求2至6任一所述的方法，其特征在于，在所述若所述最底层栅格图像的待检测区域内存在第一栅格，则确定所述目标车辆发生碰撞之后，还包括：
在最底层栅格图像中获取第一重合区域，所述第一重合区域是所述目标车辆的车辆模型与所述障碍物栅格重合的栅格区域；
根据所述第一重合区域以及所述模型栅格区域，生成第一行驶指令，所述第一行驶指令用于控制所述目标车辆行驶，以使得所述目标车辆的车辆模型与所述障碍物不会发生碰撞。
12.一种碰撞检测装置，其特征在于，所述装置包括：
图像生成模块，用于根据障碍物图像生成金字塔结构的多层栅格图像，所述多层栅格图像中每层栅格图像的图像精度与层数呈反相关关系；
区域获取模块，用于将最顶层栅格图像作为当前栅格图像，获取目标车辆在当前栅格图像上对应的待检测区域；
区域检测模块，用于根据所述当前栅格图像中的障碍物栅格，检测所述待检测区域内的各个栅格是否处于所述障碍物栅格内；
循环执行模块，用于当所述待检测区域内的第一栅格处于所述障碍物栅格内时，确定所述第一栅格在下一层栅格图像对应的目标栅格区域，并将所述下一层栅格图像作为新的当前栅格图像，将所述目标栅格区域作为所述新的当前栅格图像的待检测区域，重新执行所述根据所述当前栅格图像中的障碍物栅格，检测所述待检测区域内的各个栅格是否处于所述障碍物栅格内的步骤，直至所述当前栅格图像为最底层栅格图像；
碰撞确定模块，用于若所述最底层栅格图像的待检测区域内存在处于所述障碍物栅格内的第一栅格，则确定所述目标车辆发生碰撞。
13.一种车载终端，其特征在于，包括存储器及处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现如权利要求1至11任一所述的碰撞检测方法。
14.一种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11任一所述的碰撞检测方法。
CN202110332876.6A 2021-03-29 2021-03-29 碰撞检测方法、装置、车载终端及存储介质 Active CN113077428B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110332876.6A CN113077428B (zh) 2021-03-29 2021-03-29 碰撞检测方法、装置、车载终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110332876.6A CN113077428B (zh) 2021-03-29 2021-03-29 碰撞检测方法、装置、车载终端及存储介质

Publications (2)

Publication Number Publication Date
CN113077428A CN113077428A (zh) 2021-07-06
CN113077428B true CN113077428B (zh) 2023-12-08

Family

ID=76610950

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110332876.6A Active CN113077428B (zh) 2021-03-29 2021-03-29 碰撞检测方法、装置、车载终端及存储介质

Country Status (1)

Country Link
CN (1) CN113077428B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105088995A (zh) * 2015-08-31 2015-11-25 山东碧空环保科技股份有限公司 道路除尘***
WO2018104191A1 (de) * 2016-12-06 2018-06-14 Siemens Aktiengesellschaft Automatisierte freiraumerkennung mittels differenzanalyse für fahrzeuge
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105088995A (zh) * 2015-08-31 2015-11-25 山东碧空环保科技股份有限公司 道路除尘***
WO2018104191A1 (de) * 2016-12-06 2018-06-14 Siemens Aktiengesellschaft Automatisierte freiraumerkennung mittels differenzanalyse für fahrzeuge
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
未知环境下移动机器人单目视觉导航算法;战强;吴佳;;北京航空航天大学学报(第06期);全文 *

Also Published As

Publication number Publication date
CN113077428A (zh) 2021-07-06

Similar Documents

Publication Publication Date Title
US11049398B2 (en) Surrounding environment recognizing apparatus
US11709058B2 (en) Path planning method and device and mobile device
US20190094858A1 (en) Parking Location Prediction
CN110386142A (zh) 用于自动驾驶车辆的俯仰角校准方法
CN111489368B (zh) 利用实例分割检测基于cnn的伪3d边界的方法及装置
CN112015174A (zh) 一种多agv运动规划方法、装置和***
WO2020082777A1 (zh) 车位检测方法及装置
US20210295058A1 (en) Apparatus, method, and computer program for identifying state of object, and controller
CN112649012A (zh) 一种轨迹规划方法、设备、介质及无人设备
CN109961509A (zh) 三维地图的生成及模型训练方法、装置及电子设备
CN114281084A (zh) 一种基于改进a*算法的智能车全局路径规划方法
CN112150538B (zh) 一种在三维地图构建过程中车辆位姿的确定方法和装置
JP6810432B2 (ja) 物体の条件に応じてモードを切り換えることができるｃｎｎ基盤で軍事目的、スマートフォン又は仮想走行に使用される疑似３ｄバウンディングボックスを検出する方法及びこれを利用した装置
CN111160132B (zh) 障碍物所在车道的确定方法、装置、电子设备和存储介质
CN113077428B (zh) 碰撞检测方法、装置、车载终端及存储介质
CN116523970A (zh) 基于二次隐式匹配的动态三维目标跟踪方法及装置
CN117168488A (zh) 一种车辆的路径规划方法、装置、设备及介质
CN113460040B (zh) 泊车路径确定方法、装置、车辆及存储介质
EP4339051A1 (en) Driving strategy determination method and apparatus, device, and vehicle
CN114235441A (zh) 无人车实时碰撞检测方法及相关装置
CN112214037A (zh) 一种基于野外台站的无人机遥感组网航迹规划方法
US20230252638A1 (en) Systems and methods for panoptic segmentation of images for autonomous driving
CN110942513B (zh) 三维网格模型的空间填充方法及装置
US20230075425A1 (en) Systems and methods for training and using machine learning models and algorithms
CN117213507A (zh) 车辆建图方法、装置、车辆及存储介质

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