CN113125795B - 一种障碍物速度检测方法、装置、设备和存储介质 - Google Patents
一种障碍物速度检测方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN113125795B CN113125795B CN202110426631.XA CN202110426631A CN113125795B CN 113125795 B CN113125795 B CN 113125795B CN 202110426631 A CN202110426631 A CN 202110426631A CN 113125795 B CN113125795 B CN 113125795B
- Authority
- CN
- China
- Prior art keywords
- obstacle
- coordinate system
- information
- obstacle position
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 37
- 238000013507 mapping Methods 0.000 claims abstract description 112
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000005070 sampling Methods 0.000 claims description 35
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000000354 decomposition reaction Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect 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
- 230000008447 perception Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
- G01P3/64—Devices characterised by the determination of the time taken to traverse a fixed distance
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种障碍物速度检测方法、装置、设备和存储介质,其中方法包括:在第一坐标系下,判断目标障碍物的第一障碍物位置和第二障碍物位置是否有至少一个位于弯道;当判断到第一障碍物位置和第二障碍物位置中的至少一个位于弯道时,根据第一障碍物位置和第二障碍物位置在第二坐标系中的映射信息,计算目标障碍物在第二坐标系中的速度信息。解决了传统的速度检测方法对位于弯道中的障碍物检测结果准确度较低的技术问题。
Description
技术领域
本申请涉及无人驾驶领域,尤其涉及一种障碍物速度检测方法、装置、设备和存储介质。
背景技术
无人驾驶车辆的行驶安全离不开对行驶环境的准确感知。由于行驶环境中会出现障碍物,因此感知障碍物速度对于无人驾驶车辆的行驶安全至关重要。
在面对不同的道路类型时,传统障碍物速度的检测方法存在误差,准确度较低。
发明内容
本申请提供了一种障碍物速度检测方法、装置、设备和存储介质,解决了传统的速度检测方法对位于弯道中的障碍物检测结果准确度较低的技术问题。
有鉴于此,本申请第一方面提供了一种障碍物速度检测方法,包括:
在第一坐标系下,判断目标障碍物的第一障碍物位置和第二障碍物位置是否有至少一个位于弯道;
当判断到所述第一障碍物位置和所述第二障碍物位置中的至少一个位于所述弯道时,根据所述第一障碍物位置和所述第二障碍物位置在第二坐标系中的映射信息,计算所述目标障碍物在所述第二坐标系中的速度信息。
可选地,所述方法还包括:
当判断到所述第一障碍物位置和所述第二障碍物位置均不位于所述弯道时,根据所述目标障碍物在所述第一坐标系下的速度信息,计算所述目标障碍物在第二坐标系下的速度信息。
可选地,所述根据所述第一障碍物位置和所述第二障碍物位置在第二坐标系中的映射信息,计算所述目标障碍物在所述第二坐标系中的速度信息,具体包括:
将所述第一障碍物位置在所述第一坐标系下的第一位姿信息映射至所述第二坐标系,得到第一映射信息;
将所述第二障碍物位置在所述第一坐标系下的第二位姿信息映射至所述第二坐标系,得到第二映射信息;
根据所述第一映射信息和所述第二映射信息之间的映射信息差值,计算所述目标障碍物在第二坐标系下的速度信息。
可选地,所述将所述第一障碍物位置在所述第一坐标系下的第一位姿信息映射至所述第二坐标系,得到第一映射信息,具体包括:
在所述目标障碍物对应的第二坐标系中将所述第一位姿信息进行分解,得到分解信息;
将预置距离和所述分解信息进行求和,得到第一映射信息,其中,所述预置距离为基准点和车辆之间的距离。可选地,所述目标障碍物对应的第二坐标系的配置过程具体包括:
在所述第一坐标系下,对所述目标障碍物对应的车道沿着车道中线进行采样,获取采样点序列;
将所述采样点序列中距离所述第一障碍物位置最近的采样点作为基准点,并将所述基准点对应的第二坐标系作为目标障碍物对应的第二坐标系。
可选地,所述判断目标障碍物对应的第一障碍物位置和第二障碍物位置是否有至少一个位于弯道,具体包括:
获取所述第一障碍物位置和所述第二障碍物位置对应的障碍物行驶路线;
获取所述障碍物行驶路线的路线曲率;
判断所述路线曲率是否大于预置曲率阈值,若是,则判定所述第一障碍物位置和所述第二障碍物位置中的至少一个位于弯道,若否,则判定所述第一障碍物位置和所述第二障碍物位置均不位于所述弯道。
本申请第二方面提供了一种障碍物速度检测装置,包括:
判断单元,用于在第一坐标系下,判断目标障碍物的第一障碍物位置和第二障碍物位置是否有至少一个位于弯道;
第一计算单元,用于当判断到所述第一障碍物位置和所述第二障碍物位置中的至少一个位于所述弯道时,根据所述第一障碍物位置和所述第二障碍物位置在第二坐标系中的映射信息,计算所述目标障碍物在所述第二坐标系中的速度信息。
可选地,还包括:
第二计算单元,用于当判断到所述第一障碍物位置和所述第二障碍物位置均不位于所述弯道时,根据所述目标障碍物在所述第一坐标系下的速度信息,计算所述目标障碍物在第二坐标系下的速度信息。
本申请第三方面提供了一种障碍物速度检测设备,所述设备包括处理器以及存储器;
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行上述任一种第一方面所述的障碍物速度检测方法。
本申请第四方面提供了一种存储介质,所述存储介质用于存储程序代码,所述程序代码用于执行上述任一种第一方面所述的障碍物速度检测方法。
从以上技术方法可以看出,本申请具有以下优点:
本申请首先在第一坐标系下,进行目标障碍物是否位于弯道的判断,即判断目标障碍物对应的第一障碍物位置和第二障碍物位置是否有至少一个位于弯道,若是,则说明目标障碍物位于弯道中,此时根据第一障碍物位置和第二障碍物位置在第二坐标系中的映射信息,计算目标障碍物在第二坐标系中的速度信息,本申请针对位于弯道中的目标障碍物采用了与传统的速度检测方法不一样的方法,解决了传统的速度检测方法对位于弯道中的障碍物检测结果准确度较低的技术问题。
附图说明
为了更清楚地说明本申请实施例中的技术方法,下面将对实施例描述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性的前提下,还可以根据这些附图获得其它的附图。
图1为本申请实施例中一种障碍物速度检测方法的实施例一的流程示意图;
图2为SL坐标系的构建示意图;
图3为本申请实施例一中步骤103的计算说明图;
图4为本申请实施例中一种障碍物速度检测方法的实施例二的流程示意图;
图5为本申请第一映射信息的计算说明图;
图6为本申请实施例中一种障碍物速度检测装置的实施例的结构示意图。
具体实施方式
本申请实施例提供了一种障碍物速度检测方法、装置、设备和存储介质,解决了传统的速度检测方法对位于弯道中的障碍物检测结果准确度较低的技术问题。
为了使本技术领域的人员更好地理解本申请方法,下面将结合本申请实施例中的附图,对本申请实施例中的技术方法进行清楚、完整地描述,显然,所描述的实施例仅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做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。
以便于理解,请参阅图1,图1为本申请实施例中一种障碍物速度检测方法的实施例一的流程示意图。
本实施例中的一种障碍物速度检测方法,包括:
步骤101、在第一坐标系下,判断目标障碍物的第一障碍物位置和第二障碍物位置是否有至少一个位于弯道。
本实施例中,上述的第一障碍物位置为第一时刻时的目标障碍物位置,第二障碍物位置为第二时刻时的目标障碍物位置。可以理解的是,第一时刻可以是第二时刻之前的时刻,也可以是第二时刻之后的时刻,本实施例中对此不做具体限定。
无人驾驶车辆中的自动驾驶***使用的坐标系与表示空间信息等的传统坐标系(例如笛卡尔坐标系)不相同,故,需要将传统坐标系下的速度映射至自动驾驶坐标系中。
需要说明的是,上述的第一坐标系为描述物体空间信息的坐标系,自动驾驶***使用的坐标系为第二坐标系,具体地,本实施例中的第一坐标系为笛卡尔坐标系。车辆行驶时,通过车载传感器获取的速度信息是第一坐标系下的速度信息,但是对于自动驾驶***而言,其需要知晓目标障碍物在第二坐标系下的速度信息,才可以进行自动驾驶***的避障规划。
本实施例中,为了较为准确地检测目标障碍物在第二坐标系下的速度信息,本实施例中根据目标障碍物所处的不同车道进行不同方式的计算。一般的行驶车道分为弯道和直道,因此本实施例中将目标障碍物的所处车道分为弯道和直道。故,在获取到目标障碍物后,首先判断目标障碍物是否位于弯道中。可以理解的是,本实施例中当第一障碍物位置和第二障碍物位置中的至少一个位于弯道,就认为目标障碍物位于弯道。具体地,对于第一障碍物位置和第二障碍物位置中的至少一个是否位于弯道中有多种判断方式,在后续的实施例中会详细说明在此不再详述。
在车辆的行驶场景中,可能存在多个障碍物,其中并不是所有的障碍物都需要进行速度检测等。因此本实施例中,在得到车辆当前行驶场景中的多个障碍物后,根据各障碍物对应的障碍物信息,确定目标障碍物。
可以理解的是,在一种实施方式中,目标障碍物为车辆附近的障碍物,此时目标障碍物是根据车辆当前行驶的障碍物和车辆之间的间隔距离确定的。对应地,目标障碍物的确定步骤具体包括:
步骤S11、获取车辆当前行驶场景中,多个障碍物各自对应的间隔距离。
可以理解的是,上述的间隔距离具体为各障碍物和车辆之间的间隔距离,具体间隔距离的计算可以是车载摄像头或车载雷达计算,在此不做限定和赘述。上述的障碍物可以是人,也可以是其他行驶车辆或固定建筑物等,本实施例中对此不作具体限定。
步骤S12、根据间隔距离,判断多个障碍物中是否存在目标障碍物。
此时目标障碍物需满足如下的预设条件:间隔距离小于预设阈值,对应的步骤S12具体包括:
步骤S121、当判断到所有的间隔距离均大于预设阈值时,判定多个障碍物中不存在目标障碍物。
所有的间隔距离均大于预设阈值,说明这多个障碍物均不在车辆附近,即这多个障碍物中不存在目标障碍物,也即未检测到目标障碍物。
步骤S122、当判断到至少有一个间隔距离小于预设阈值时,判定多个障碍物中存在目标障碍物,并将间隔距离小于预设阈值的障碍物作为目标障碍物。
当所有的间隔距离中有至少一个间隔距离小于预设阈值,则说明这多个障碍物中至少有一个障碍物位于车辆附近,即这多个障碍物中存在目标障碍物,也即检测到目标障碍物,此时将间隔距离小于预设阈值的障碍物作为目标障碍物。
上述的目标障碍物可以是一个也可以是多个,当目标障碍物为多个时,对每一目标障碍物进行本实施例中的速度检测方法。
可以理解的是,上述对于目标障碍物的说明仅仅是一种示意性的举例说明,本领域技术人员可以根据上述的描述设置为其他的方式,在此不做一一详述。
步骤102、当判断到第一障碍物位置和第二障碍物位置中的至少一个位于弯道时,根据第一障碍物位置和第二障碍物位置在第二坐标系中的映射信息,计算目标障碍物在第二坐标系中的速度信息。
上述第一障碍物位置和第二障碍物位置中至少有一个位于弯道包括的情形有:只有第一障碍物位置位于弯道、只有第二障碍物位置位于弯道、第一障碍物位置和第二障碍物位置均位于弯道。
可以理解的是,本实施例中的第二坐标系具体为:SL坐标系,如图2所示为SL坐标系的构建示意图,将车道的前进方向作为S轴,车道的左右向作为L轴,这样弯曲的车道将变换成正向朝上的正交坐标系,自动驾驶***中决策规划时的描述参数也大幅降低。
当判断到第一障碍物位置和第二障碍物位置中的至少一个位于弯道时,说明目标障碍物位于弯道,此时不再使用传统直接用速度进行检测的线性映射方法,而是通过第一障碍物位置和第二障碍物位置在第二坐标系中的映射信息,计算目标障碍物在第二坐标系中的速度信息。
步骤103、当判断到第一障碍物位置和第二障碍物位置均不位于弯道时,根据目标障碍物在第一坐标系下的速度信息,计算目标障碍物在第二坐标系下的速度信息。
当第一障碍物位置和第二障碍物位置均不位于弯道时,说明目标障碍物不在弯道中,此时使用速度检测的线性映射方法进行第二坐标系下的速度检测,即可以直接根据目标障碍物第一时刻时在第一坐标系下的速度信息检测同一时刻时第二坐标系下的速度信息。
可以理解的是,通过速度检测的线性映射方法对目标障碍物在第二坐标系下的速度信息检测过程,可以对第一坐标系下的速度信息按照第二坐标系的各个方向进行分解,以得到目标障碍物在第二坐标系下的速度信息。
其中,由于目标障碍物在两个坐标系下的速度均是对应于第一时刻,因此第二坐标系的建立也是根据在第一时刻时目标障碍物所处的第一障碍物位置所确定的,具体的第二坐标系建立过程可以包括以下步骤S21-S22:
步骤S21、在第一坐标系下,对目标障碍物对应的车道沿着车道中线进行采样,获取采样点序列。
其中,目标障碍物对应的车道是指目标障碍物当前时刻所处的车道,可以是通过车载摄像头采集到的视野图像进行识别获取。
由图2及其对应的说明可知,第二坐标系是根据目标障碍物对应的车道确定的。因此,为得到建立第二坐标系的数据基础,可以对视野图像中的目标障碍物对应的车道在第一坐标系中进行定位,而车道中通常具有车道中线的标注,以此标注对目标障碍物所处车道的车道中线进行定位,最后沿车道中线进行采样点的获取,得到采样点序列。
其中,对于采样点序列中的采样点数量可以是100个、500个、1000个等,可以根据距目标障碍物的距离进行自适应调整。采样的方式可以是等距采样,也可以是根据当前位置距目标障碍物的距离,实时调整不同的采样梯度进行采样,以提高采样点的精确度。
步骤S22、将采样点序列中距离第一障碍物位置最近的采样点作为基准点,并将基准点对应的第二坐标系作为目标障碍物对应的第二坐标系。
在得到采样点序列后,分别计算采样点序列中各采样点和第一障碍物位置之间的距离,并将距离最短的采样点作为基准点。其中,对于各采样点和第一障碍物位置之间的距离,具体根据采样点和第一障碍物位置各自对应的位置信息进行计算。由于基准点和第一障碍物位置之间的距离最短,故利用基准点建立的第二坐标系进行速度的检测误差最小,此时便可以将根据基准点所建立的第二坐标系作为目标障碍物对应的第二坐标系。
如图3所示,本实施例中的基准点为图3中的点1,第一障碍物位置的位置为点2。将点1对应的第二坐标系作为目标障碍物对应的第二坐标系,接着将第一坐标系下的速度信息v映射至第二坐标系下得到速度信息。
对于目标障碍物在第一坐标系下的速度信息的获取,在一种实施方式中,目标障碍物在第一坐标系下的速度信息为根据目标障碍物在第一时刻的速度检测信息计算得到的速度值。其中,上述的速度检测信息可以是车载摄像头采集的图像信息,车载摄像头可以持续不断的对目标障碍物进行拍摄,接着基于速度估计方法对车载摄像头拍摄到的每一帧图像进行速度估计,以计算目标障碍物的速度信息。可以理解的是,在其他的实施方式中,上述速度检测信息也可以是通过车载雷达所采集得到的目标障碍物的运动状态信息。
本实施例中,对于处于弯道中和处于直道中的目标障碍物采用不同的速度检测方法,首先在第一坐标系下,进行目标障碍物是否位于弯道下的判断,即判断目标障碍物对应的第一障碍物位置和第二障碍物位置是否有至少一个位于弯道,若是,则说明目标障碍物位于弯道中,此时根据第一障碍物位置和第二障碍物位置在第二坐标系中的映射信息,计算目标障碍物在第二坐标系中的速度信息;否则,直接根据目标障碍物在第一坐标系下的速度信息,检测目标障碍物在第二坐标系下的速度信息,本申请针对位于弯道中的目标障碍物采用了与传统的速度检测方法不一样的方法,解决了传统的速度检测方法对位于弯道中的障碍物检测结果准确度较低的技术问题。
以上为本申请实施例提供的一种障碍物速度检测方法的实施例一,以下为本申请实施例提供的一种障碍物速度检测方法的实施例二,实施例二在实施例一的基础上,对目标障碍物位于弯道时的速度检测进行详细说明,请参阅图4。
本实施例中,目标障碍物在第二坐标系中的速度信息是,根据第一障碍物位置和第二障碍物位置在第二坐标系中的映射信息差值求解的,具体地实施步骤包括:
步骤401、将第一障碍物位置在第一坐标系下的第一位姿信息映射至第二坐标系,得到第一映射信息。
可以理解的是,在一种实施方式中,将第一位姿信息映射进行映射得第一映射信息,是根据第一位姿信息在目标障碍物对应的第二坐标系下的分解信息计算得到的,具体地,上述步骤401的映射过程包括:
步骤S31、在目标障碍物对应的第二坐标系中将第一位姿信息进行分解,得到分解信息。
可以理解的是,对于目标障碍物对应的第二坐标系的确定可以根据上述步骤S21和步骤S22的描述进行,在此不再赘述。
具体地,如图5所示,本实施例中的基准点为图3中标号为1的点,第一障碍物位置为图5中标号为2的点。此时,目标障碍物对应的第二坐标系即为点1处绘制的坐标系,点2对应的第一位姿信息为(x1,y1,z1,yaw1),将点2分解到点1对应的坐标系,得到分解信息(s1’,l1’,w’sl1)。
步骤S32、将预置距离和分解信息进行求和,得到第一映射信息,其中,预置距离为基准点和车辆之间的距离。
如图5所示,在得到分解信息(s1’,l1’,w’sl1)后,将分解信息(s1’,l1’,w’sl1)和预置距离d进行求和,便可得到第一映射信息(s1,l1,wsl1)。其中,对于预置距离d的计算,可以根据基准点对应的位置信息和车辆对应的位置信息进行计算,也可以通过在车辆上装载激光传感器,通过激光测距的方式进行获取,本实施例对此不作限制。
需要说明的是,在另一种实施方式中,上述将第一位姿信息进行映射得到第一映射信息,是根据第一坐标系和第二坐标系之间的映射函数进行计算的,具体的实施步骤包括:
步骤S41、获取第一坐标系和第二坐标系进行位置映射时的映射函数。
在本申请的一个实施方式中,可以在车辆的本地存储中预先设置有映射函数,如此便可以直接从车辆获取上述的映射函数。在另一种实施方式中,上述的映射函数可以存储在与车辆连接的服务器中,在进行位置映射时,响应于位置映射的启动,通过服务器发送映射函数至车辆。
为了便于理解,本实施例中进行举例说明,第一位姿信息为(x1,y1,z1,yaw1),获取的映射函数为T。
步骤S42、根据映射函数,将第一位姿信息映射至第二坐标系中,得到第一映射信息。
在得到映射函数后T、第一位姿信息(x1,y1,z1,yaw1)后,第一映射信息(s1,l1,wsl1)=T(x1,y1,z1,yaw1)。
具体地,第一位姿信息中包括第一位置信息和第一偏航角,对于第一位置信息的获取,在一种实施方式中,为确保第一位置信息的准确性,第一位置信息可以是通过车辆上的摄像头结合神经网络实现的,具体的实现步骤可以是:
步骤S51、通过车载摄像头获取包含有目标障碍物的采集图像。
本实施例中预先配置有障碍物平面坐标和障碍物图像的障碍物定位模型,在后续过程中可以直接使用该障碍物定位模型进行目标障碍物的定位。
步骤S52、将采集图像输入至障碍物定位模型,得到目标障碍物在采集图像对应的平面坐标系下的平面坐标,其中,障碍物定位模型是根据若干训练样本对预置神经网络训练后得到的。
在得到障碍物定位模型的输入参数采集图像后,将该采集图像输入至障碍物定位模型,便可以得到目标障碍物在采集图像对应的平面坐标系下的平面坐标。
可以理解的是,上述的若干训练样本中包含有障碍物,通过包含有障碍物的若干训练样本训练预置神经网络得到障碍物定位模型的过程可以是,将训练样本输入至预置神经网络,且将训练样本中障碍物的实际平面坐标作为预置神经网络的理想输出结果,预置神经网络不断根据自己的实际输出和上述的理想输出结果之间的偏差,调整模型参数,直到实际输出和理想输出结果非常接近(偏差小于预设值),此时便可以将此时的预置神经网络作为障碍物定位模型。
步骤S53、根据平面坐标系和第一坐标系的对应关系,将平面坐标转换为第一坐标系下的空间坐标,并将空间坐标作为第一位置信息。
可以理解的是,上述的对应关系为M,平面坐标为(x,y),得到的第一位姿信息(x1,y1,z1)=M(x,y)。上述的对应关系是预先构建的,即在将同一点即在平面坐标系下进行标注,得到其对应的平面坐标,也在用于表示空间坐标的第一坐标系下进行标注,得到对应的空间坐标,然后根据平面坐标和空间坐标的数据关系,便可建立这两种坐标之间的对应关系。在对应关系中,一个像素点对应两种坐标,一种是像素点在平面坐标系中的坐标,另一种是像素点在空间坐标(即第一坐标系)对应的坐标。示例性的,第一图像存在像素点1,该像素点1在平面坐标系中的坐标为(x1,y1),该像素点在第一坐标系中的空间坐标为(x1,y1,z1)。
其中,在一种实施方式中,第一位姿信息中的第一偏航角获取可以是:通过车辆上的毫米波雷达传感器拟合出截止第一障碍物位置时目标障碍物的运动轨迹,然后将运动轨迹与车辆的车身方向间的夹角作为目标障碍物的偏航角。
步骤402、将第二障碍物位置在第一坐标系下的第二位姿信息映射至第二坐标系,得到第二映射信息。
可以理解的是,将第一位姿信息映射得到第二映射信息的过程可以参见上述步骤401的描述,在此不再赘述。
在一种实施方式中,对于第二时刻对应的第二位姿信息的获取可以是根据第一时刻时的第一位姿信息和第一速度信息实现。本实施例中具体以第一时刻为第二时刻之前的时刻具体说明。此时,获取第二位姿信息的具体实现步骤可以是:
步骤S61、在第一坐标系下,获取目标障碍物第一时刻的第一位姿信息和第一速度信息。
对于第一位姿信息的获取可以参见上述描述,在此不再详述。可以理解的是,本实施例中的第一坐标系为笛卡尔坐标系,对应的第一位姿信息为(x1,y1,z1,yaw1),第一速度信息为(vx1,vy1,vz1,,vaw1),其中,第一位姿信息中的x1,y1,z1为第一位置信息,yaw1为第一偏航角。
步骤S62、根据第一位姿信息和第一速度信息,计算第二位姿信息。
在得到上述第一位姿信息(x1,y1,z1,yaw1)和第一速度信息(vx1,vy1,vz1,,vaw1),第二位姿信息(x2,y2,z2,yaw2)是根据第一位姿信息中的子位姿信息和第一速度信息中的子速度信息计算的,具体地计算方式可以为:
x2=x1+vx1*dt;
y2=y1+vy1*dt;
z2=z1+vz1*dt;
yaw2=yaw1+vaw1*dt。
其中,dt为第一时刻和第二时刻之间的时间间隔。
步骤403、根据第一映射信息和第二映射信息之间的映射信息差值,计算目标障碍物在第二坐标系下的速度信息。
本实施例中,基于第一映射信息和第二映射信息计算第二速度信息,是根据第一映射信息和第二映射信息之间的映射信息差值计算的。
具体地,目标障碍物在第二坐标系下的速度信息可以为线速度,也可以为角速度,也可以是线速度和角速度,本实施例中对上述的速度信息为不同信息时的求解分别说明如下:
在一种实施方式中,目标障碍物在第二坐标系中的速度信息为:线速度;
根据第一映射信息和第二映射信息之间的映射信息差值,计算目标障碍物在第二坐标系下的速度信息,具体为:
步骤S71、计算第一映射信息和第二映射信息之间的位置信息差值。
具体地,当上述的速度信息为线速度时,第一映射信息(s1,l1,wsl1)和第二映射信息(s2,l2,wsl2)之间的位置信息差值为:
Δs=s2-s1;
Δl=l2-l1。
步骤S72、根据位置信息差值,计算目标障碍物在第二坐标系下的线速度。
此时,具体地线速度的计算为:
vs=Δs/dt;
vl=Δl/dt。
在一种实施方式中,目标障碍物在第二坐标系下的速度信息为:角速度;
根据第一映射信息和第二映射信息之间的映射信息差值,计算目标障碍物在第二坐标系下的速度信息,具体为:
步骤S81、计算第一映射信息和第二映射信息之间的偏航角差值。
具体地,当上述的速度信息为角速度时,第一映射信息(s1,l1,wsl1)和第二映射信息(s2,l2,wsl2)之间的偏航角差值为:
Δwsl=wsl2-wsl1;
步骤S82、根据偏航角差值,计算目标障碍物在第二坐标系下的角速度。
此时,具体地角速度的计算为:
vaw1=Δwsl/dt。
在一种实施方式中,目标障碍物在第二坐标系下的速度信息为:线速度和角速度;
根据第一映射信息和第二映射信息之间的映射信息差值,计算目标障碍物在第二坐标系下的速度信息,具体为:
步骤S91、计算第一映射信息和第二映射信息之间的位置信息差值;
步骤S92、计算第一映射信息和第二映射信息之间的偏航角差值;
步骤S93、根据位置信息差值,计算目标障碍物在第二坐标系下的线速度;
步骤S94、根据偏航角差值,计算目标障碍物在第二坐标系下的角速度。
上述目标障碍物在第二坐标系下的速度信息为:线速度和角速度时的计算可以参见上述步骤S71至步骤S82的描述,在此不再赘述。
可以理解的是,上述的说明中第一时刻为第二时刻为之前的时刻,而上述的第一时刻也可以为第二时刻之后的时刻,此时第二位姿信息的计算和上述过程相反,在此不再赘述。
本实施例中具体地对处于弯道中的目标障碍物如何进行速度检测进行说明,使得将第一坐标系中的速度信息映射至第二坐标系中时,修正速度评估的误差,避免自动驾驶***因为速度评估的误差,导致计算结果与实际情况不一致的问题。
以上为本申请实施例提供的一种障碍物速度检测方法的实施例二,以下为本申请实施例提供的一种障碍物速度检测方法的实施例三,实施例三在实施例一的基础上,对目标障碍物是否位于弯道的判断过程进行详细说明。
具体地,在一种实施方式中,对于目标障碍物是否位于弯道是根据第一障碍物位置、第二障碍物位置和车辆中的预置地图进行的,则具体的实施步骤包括:
步骤S101、在第一坐标系下,获取目标障碍物在第一障碍物位置时的第一位姿信息和在第二障碍物位置时的第二位姿信息。
可以理解的是,第一位姿信息和第二位姿信息的获取在前述的实施例中已有说明,本实施例中对此不做详述。
步骤S102、判断第一位姿信息和第二位姿信息中是否有至少一个位于预置地图中的弯道区域,若是,则判定第一障碍物位置和第二障碍物位置中的至少一个位于弯道,若否,则判定第一障碍物位置和第二障碍物位置均不位于弯道。
对于第一位姿信息是否位于预置地图中的弯道区域的判断,可以理解的是,本实施例中的预置地图为高精度语义地图,该地图中记录有弯道区域和直道的坐标区域,当第一位姿信息位于弯道区域内时,则判定第一障碍物位置位于弯道;当第一位姿信息位于直道的坐标区域内时,判定第一障碍物位置位于直道。
对于第二位姿信息是否位于预置地图中的弯道区域的判断,可以理解的是,本实施例中的预置地图为高精度语义地图,该地图中记录有弯道区域和直道的坐标区域,当第二位姿信息位于弯道区域内时,则判定第二障碍物位置位于弯道;当第二位姿信息位于直道的坐标区域内时,判定第二障碍物位置位于直道。
在其他的实施方式中,第一障碍物位置和第二障碍物位置是否位于弯道的判断,是根据第一位姿信息和第二位姿信息对应的障碍物行驶路线的曲率进行的,具体的实施步骤包括:
步骤S111、获取第一障碍物位置和第二障碍物位置对应的障碍物行驶路线。
对于上述障碍物行驶路线的获取,可以是结合目标障碍物的行驶方向和第一位置、第二位置实现的,本实施例中对此不做限定和赘述。
可以理解的是,上述的障碍物行驶路线,可以为由第一障碍物位置驶向第二障碍物位置的,也可以是第二障碍物位置驶向第一障碍物位置的。具体地,当第一时刻为第二时刻之前的时刻时,障碍物行驶路线为由第一障碍物位置驶向第二障碍物位置的,当第一时刻为第二时刻之后的时刻时,障碍物行驶路线为由第二障碍物位置驶向第一障碍物位置的。
步骤S112、获取障碍物行驶路线的路线曲率。
对于上述路线曲率的计算,可以根据曲率计算公式进行,在此不再做具体限定和赘述。
步骤S113、判断路线曲率是否大于预置曲率阈值,若是,则判定第一障碍物位置和第二障碍物位置中的至少一个位于弯道,若否,则判定第一障碍物位置和第二障碍物位置均不位于弯道。
可以理解的是,目标障碍物在直道行驶时,上述的障碍物行驶路线为直线,而直线对应的曲率为0。且本实施例中考虑实际的行驶情形,目标障碍物在直道行驶时,并非严格意义上的直线,因此,对于判定是否位于弯道的判定参数预置曲率阈值,本实施例中可以设定其为0以上,10以上的数值,在本实施例中不做具体限定。
弯道行驶时,障碍物行驶路线应为弧形,对应的障碍物行驶路线的路线曲率大于上述的预置曲率阈值。此时可能第一障碍物位置位于弯道,也可能是第二障碍物位置位于弯道,也可能是第一障碍物位置和第二障碍物位置均位于弯道,也即上述的第一障碍物位置和/或第二障碍物位置位于弯道。
当障碍物行驶路线的路线曲率小于预置曲率阈值时,说明障碍物行驶路线为“直线”,对应的目标障碍物位于直道,此时第一障碍物位置和第二障碍物位置均不位于弯道。
可以理解的是,上述对于第一障碍物位置和第二障碍物位置是否位于弯道的判断均是示意性的举例说明,本领域技术人员可以参照上面的描述,进行其他的判断方式的设置。
以上为本申请实施例提供的一种障碍物速度检测方法的实施例三,以下为本申请实施例提供的一种障碍物速度检测装置的实施例。
请参阅图6,本实施例中的障碍物速度检测装置,具体包括:
判断单元601,用于在第一坐标系下,判断目标障碍物的第一障碍物位置和第二障碍物位置是否有至少一个位于弯道;
第一计算单元602,用于当判断到第一障碍物位置和第二障碍物位置中的至少一个位于弯道时,根据第一障碍物位置和第二障碍物位置在第二坐标系中的映射信息,计算目标障碍物在第二坐标系中的速度信息。
进一步地,本实施例中的速度检测装置还包括:
第二计算单元603,用于当判断到第一障碍物位置和第二障碍物位置均不位于弯道时,根据目标障碍物在第一坐标系下的速度信息,计算目标障碍物在第二坐标系下的速度信息。
进一步地,根据第一障碍物位置和第二障碍物位置在第二坐标系中的映射信息,计算目标障碍物在第二坐标系中的速度信息,具体包括:
将第一障碍物位置在第一坐标系下的第一位姿信息映射至第二坐标系,得到第一映射信息;
将第二障碍物位置在第一坐标系下的第二位姿信息映射至第二坐标系,得到第二映射信息;
根据第一映射信息和第二映射信息之间的映射信息差值,计算目标障碍物在第二坐标系下的速度信息。
进一步地,将第一障碍物位置在第一坐标系下的第一位姿信息映射至第二坐标系,得到第一映射信息,具体包括:
在目标障碍物对应的第二坐标系中将第一位姿信息进行分解,得到分解信息;
将预置距离和分解信息进行求和,得到第一映射信息,其中,预置距离为基准点和车辆之间的距离。
进一步地,
目标障碍物对应的第二坐标系的配置过程具体包括:
在第一坐标系下,对目标障碍物对应的车道沿着车道中线进行采样,获取采样点序列;
将采样点序列中距离第一障碍物位置最近的采样点作为基准点,并将基准点对应的第二坐标系作为目标障碍物对应的第二坐标系。
进一步地,目标障碍物在第二坐标系下的速度信息为:线速度;
根据第一映射信息和第二映射信息之间的映射信息差值,计算目标障碍物在第二坐标系下的速度信息,具体为:
计算第一映射信息和第二映射信息之间的位置信息差值;
根据位置信息差值,计算目标障碍物在第二坐标系下的线速度。
进一步地,目标障碍物在第二坐标系下的速度信息为:角速度;
根据第一映射信息和第二映射信息之间的映射信息差值,计算目标障碍物在第二坐标系下的速度信息,具体为:
计算第一映射信息和第二映射信息之间的偏航角差值;
根据偏航角差值,计算目标障碍物在第二坐标系下的角速度。
进一步地,目标障碍物在第二坐标系下的速度信息为:线速度和角速度;
根据第一映射信息和第二映射信息之间的映射信息差值,计算目标障碍物在第二坐标系下的速度信息,具体为:
计算第一映射信息和第二映射信息之间的位置信息差值;
计算第一映射信息和第二映射信息之间的偏航角差值;
根据位置信息差值,计算目标障碍物在第二坐标系下的线速度;
根据偏航角差值,计算目标障碍物在第二坐标系下的角速度。
进一步地,判断目标障碍物对应的第一障碍物位置和第二障碍物位置是否有至少一个位于弯道,具体包括:
获取第一障碍物位置和第二障碍物位置对应的障碍物行驶路线;
获取障碍物行驶路线的路线曲率;
判断路线曲率是否大于预置曲率阈值,若是,则判定第一障碍物位置和第二障碍物位置中的至少一个位于弯道,若否,则判定第一障碍物位置和第二障碍物位置均不位于弯道。
进一步地,判断目标障碍物对应的第一障碍物位置和第二障碍物位置是否有至少一个位于弯道,具体包括:
在第一坐标系下,获取目标障碍物在第一障碍物位置时的第一位姿信息和在第二障碍物位置时的第二位姿信息;
判断第一位姿信息和第二位姿信息中是否有至少一个位于预置地图中的弯道区域,若是,则判定第一障碍物位置和第二障碍物位置中的至少一个位于弯道,若否,则判定第一障碍物位置和第二障碍物位置均不位于弯道。
本实施例中对处于弯道中的目标障碍物采用不同的速度检测方法,首先在第一坐标系下,进行目标障碍物是否位于弯道下的判断,即判断目标障碍物对应的第一障碍物位置和第二障碍物位置是否有至少一个位于弯道,若是,则说明目标障碍物位于弯道中,此时根据第一障碍物位置和第二障碍物位置在第二坐标系中的映射信息,计算目标障碍物在第二坐标系中的速度信息,本申请针对位于弯道中的目标障碍物采用了与传统的速度检测方法不一样的方法,解决了传统的速度检测方法对位于弯道中的障碍物检测结果准确度较低的技术问题。
本申请实施例还提供了一种障碍物检测设备的实施例,本实施例中的检测设备包括处理器以及存储器;存储器用于存储程序代码,并将程序代码传输给处理器;处理器用于根据程序代码中的指令执行前述实施例中的障碍物检测方法。
本申请实施例还提供了一种计算机可读存储介质的实施例,本实施例中计算机可读存储介质用于存储程序代码,程序代码用于执行前述实施例中的障碍物检测方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,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。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于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:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本申请各个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。
集成的单元如果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全部或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(英文全称:Read-Only Memory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,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 (9)
1.一种障碍物速度检测方法,其特征在于,包括:
在第一坐标系下,判断目标障碍物的第一障碍物位置和第二障碍物位置是否有至少一个位于弯道;
当判断到所述第一障碍物位置和所述第二障碍物位置中的至少一个位于所述弯道时,根据所述第一障碍物位置和所述第二障碍物位置在第二坐标系中的映射信息,计算所述目标障碍物在所述第二坐标系中的速度信息;
其中,所述第二坐标系的建立步骤具体包括:
在所述第一坐标系下,对所述目标障碍物对应的车道沿着车道中线进行采样,获取采样点序列;
将所述采样点序列中距离所述第一障碍物位置最近的采样点作为基准点,并将所述基准点对应的第二坐标系作为所述目标障碍物的第二坐标系。
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,还包括:
当判断到所述第一障碍物位置和所述第二障碍物位置均不位于所述弯道时,根据所述目标障碍物在所述第一坐标系下的速度信息,计算所述目标障碍物在第二坐标系下的速度信息。
3.根据权利要求1所述的障碍物速度检测方法,其特征在于,所述根据所述第一障碍物位置和所述第二障碍物位置在第二坐标系中的映射信息,计算所述目标障碍物在所述第二坐标系中的速度信息,具体包括:
将所述第一障碍物位置在所述第一坐标系下的第一位姿信息映射至第二坐标系,得到第一映射信息;
将所述第二障碍物位置在所述第一坐标系下的第二位姿信息映射至所述第二坐标系,得到第二映射信息;
根据所述第一映射信息和所述第二映射信息之间的映射信息差值,计算所述目标障碍物在第二坐标系下的速度信息。
4.根据权利要求3所述的障碍物速度检测方法,其特征在于,所述将所述第一障碍物位置在所述第一坐标系下的第一位姿信息映射至所述第二坐标系,得到第一映射信息,具体包括:
在所述目标障碍物对应的第二坐标系中将所述第一位姿信息进行分解,得到分解信息;
将预置距离和所述分解信息进行求和,得到第一映射信息,其中,所述预置距离为基准点和车辆之间的距离。
5.根据权利要求1所述的障碍物速度检测方法,其特征在于,所述判断目标障碍物的第一障碍物位置和第二障碍物位置是否有至少一个位于弯道,具体包括:
获取所述第一障碍物位置和所述第二障碍物位置对应的障碍物行驶路线;
获取所述障碍物行驶路线的路线曲率;
判断所述路线曲率是否大于预置曲率阈值,若是,则判定所述第一障碍物位置和所述第二障碍物位置中的至少一个位于弯道,若否,则判定所述第一障碍物位置和所述第二障碍物位置均不位于所述弯道。
6.一种障碍物速度检测装置,其特征在于,包括:
判断单元,用于在第一坐标系下,判断目标障碍物的第一障碍物位置和第二障碍物位置是否有至少一个位于弯道;
第一计算单元,用于当判断到所述第一障碍物位置和所述第二障碍物位置中的至少一个位于所述弯道时,根据所述第一障碍物位置和所述第二障碍物位置在第二坐标系中的映射信息,计算所述目标障碍物在所述第二坐标系中的速度信息;
其中,所述第二坐标系的建立步骤具体包括:
在所述第一坐标系下,对所述目标障碍物对应的车道沿着车道中线进行采样,获取采样点序列;
将所述采样点序列中距离所述第一障碍物位置最近的采样点作为基准点,并将所述基准点对应的第二坐标系作为所述目标障碍物的第二坐标系。
7.根据权利要求6所述的障碍物速度检测装置,其特征在于,还包括:
第二计算单元,用于当判断到所述第一障碍物位置和所述第二障碍物位置均不位于所述弯道时,根据所述目标障碍物在所述第一坐标系下的速度信息,计算所述目标障碍物在第二坐标系下的速度信息。
8.一种障碍物速度检测设备,其特征在于,所述设备包括处理器以及存储器;
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1至5中任一项所述的障碍物速度检测方法。
9.一种存储介质,其特征在于,所述存储介质用于存储程序代码,所述程序代码用于执行权利要求1至5中任一项所述的障碍物速度检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110426631.XA CN113125795B (zh) | 2021-04-20 | 2021-04-20 | 一种障碍物速度检测方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110426631.XA CN113125795B (zh) | 2021-04-20 | 2021-04-20 | 一种障碍物速度检测方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113125795A CN113125795A (zh) | 2021-07-16 |
CN113125795B true CN113125795B (zh) | 2024-06-18 |
Family
ID=76778412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110426631.XA Active CN113125795B (zh) | 2021-04-20 | 2021-04-20 | 一种障碍物速度检测方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113125795B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113849971B (zh) * | 2021-09-16 | 2023-03-28 | 广州文远知行科技有限公司 | 驾驶***评估方法、装置、计算机设备和存储介质 |
CN114742958B (zh) * | 2022-02-18 | 2023-02-17 | 禾多科技(北京)有限公司 | 三维车道信息生成方法、装置、设备和计算机可读介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109191487A (zh) * | 2018-08-30 | 2019-01-11 | 百度在线网络技术(北京)有限公司 | 基于无人车的碰撞检测方法、装置、设备以及存储介质 |
CN109212530A (zh) * | 2017-07-04 | 2019-01-15 | 百度在线网络技术(北京)有限公司 | 用于确定障碍物速度的方法和装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001199260A (ja) * | 2000-01-20 | 2001-07-24 | Matsushita Electric Ind Co Ltd | 車間距離制御装置、車両走行状況表示装置、車速制御解除装置、及び車両急制動警告装置 |
CN109557925B (zh) * | 2018-12-29 | 2021-12-10 | 北京智行者科技有限公司 | 自动驾驶车辆障碍物避让方法及装置 |
CN110189547B (zh) * | 2019-05-30 | 2020-10-20 | 广州小鹏汽车科技有限公司 | 一种障碍物检测方法、装置及车辆 |
CN111497852B (zh) * | 2020-04-30 | 2021-05-11 | 安徽江淮汽车集团股份有限公司 | 弯道场景的障碍物位置判定方法、装置、设备及存储介质 |
CN111596086B (zh) * | 2020-05-15 | 2022-10-11 | 北京百度网讯科技有限公司 | 一种自动驾驶中障碍物的速度估计方法、装置和电子设备 |
CN112633101A (zh) * | 2020-12-14 | 2021-04-09 | 深兰人工智能(深圳)有限公司 | 障碍物速度检测方法和装置 |
-
2021
- 2021-04-20 CN CN202110426631.XA patent/CN113125795B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109212530A (zh) * | 2017-07-04 | 2019-01-15 | 百度在线网络技术(北京)有限公司 | 用于确定障碍物速度的方法和装置 |
CN109191487A (zh) * | 2018-08-30 | 2019-01-11 | 百度在线网络技术(北京)有限公司 | 基于无人车的碰撞检测方法、装置、设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113125795A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6272566B2 (ja) | 経路予測装置 | |
CN106405555B (zh) | 用于车载雷达***的障碍物检测方法和装置 | |
KR101714145B1 (ko) | 주변차량 식별 장치 및 그 방법 | |
US20190310651A1 (en) | Object Detection and Determination of Motion Information Using Curve-Fitting in Autonomous Vehicle Applications | |
JP6246609B2 (ja) | 自己位置推定装置及び自己位置推定方法 | |
KR100899820B1 (ko) | 자율 이동 차량용 지면/장애물 판별장치 및 판별방법 | |
WO2018181974A1 (ja) | 判定装置、判定方法、及び、プログラム | |
CN113125795B (zh) | 一种障碍物速度检测方法、装置、设备和存储介质 | |
JPWO2018221453A1 (ja) | 出力装置、制御方法、プログラム及び記憶媒体 | |
KR20180009755A (ko) | 차선의 추정 방법 | |
US11231285B2 (en) | Map information system | |
WO2021056499A1 (zh) | 数据处理方法、设备和可移动平台 | |
JP7051366B2 (ja) | 情報処理装置、学習済モデル、情報処理方法、およびプログラム | |
WO2020029706A1 (zh) | 一种伪车道线剔除方法及装置 | |
US20200116509A1 (en) | Assistance control system | |
CN109085829A (zh) | 一种动静态目标识别方法 | |
CN110632617A (zh) | 一种激光雷达点云数据处理的方法及装置 | |
CN110850859B (zh) | 一种机器人及其避障方法和避障*** | |
CN108573272A (zh) | 车道拟合方法 | |
CN108628318A (zh) | 拥堵环境检测方法、装置、机器人及存储介质 | |
CN115993597A (zh) | 一种视觉雷达感知融合方法及终端设备 | |
CN112686951A (zh) | 用于确定机器人位置的方法、装置、终端及存储介质 | |
JP2020003463A (ja) | 自車位置推定装置 | |
CN116611603A (zh) | 一种车辆路径调度方法、装置、计算机及存储介质 | |
CN113158779B (zh) | 一种行走方法、装置和计算机存储介质 |
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 |