CN113570622A - 一种障碍物确定方法、装置、电子设备以及存储介质 - Google Patents
一种障碍物确定方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN113570622A CN113570622A CN202110843967.6A CN202110843967A CN113570622A CN 113570622 A CN113570622 A CN 113570622A CN 202110843967 A CN202110843967 A CN 202110843967A CN 113570622 A CN113570622 A CN 113570622A
- Authority
- CN
- China
- Prior art keywords
- target
- obstacle
- point cloud
- area
- cloud 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012544 monitoring process Methods 0.000 claims abstract description 42
- 230000007123 defense Effects 0.000 claims abstract description 41
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 description 10
- 230000004888 barrier function Effects 0.000 description 9
- 238000013507 mapping Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000009545 invasion Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- LENZDBCJOHFCAS-UHFFFAOYSA-O Htris Chemical compound OCC([NH3+])(CO)CO LENZDBCJOHFCAS-UHFFFAOYSA-O 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种障碍物确定方法、装置、电子设备以及存储介质,属于铁路安全技术领域。该方法包括:若根据目标场景下的实际点云数据,识别到目标监测防区中存在第一障碍物,则根据所述第一障碍物的点云数据,确定所述第一障碍物的第一目标区域;根据目标场景下的实际图像数据,从所述实际图像数据中确定第二障碍物的第二目标区域;根据所述第一目标区域和所述第二目标区域之间的重合度,确定目标场景中是否存在目标障碍物。通过上述技术方案,提高了铁路线路中障碍物的识别准确率。
Description
技术领域
本发明实施例涉及铁路安全技术领域,尤其涉及一种障碍物确定方法、装置、电子设备以及存储介质。
背景技术
针对铁路线路的异物入侵,包括行驶车辆入侵、落石滚入、泥石流、隧道衬砌掉块等入侵,当前列车控制***中缺少检测手段,主要依赖司机及工务维护人员观测。
现有的基于激光雷达进行障碍物识别方法对环境的采集信息量低,无法获得更多的关于障碍物的特征信息,对障碍物的空间检测能力不足,导致障碍物的识别率低。
发明内容
本发明提供一种障碍物确定方法、装置、电子设备以及存储介质,以提高铁路线路中障碍物的识别率。
第一方面,本发明实施例提供了一种障碍物确定方法,包括:
若根据目标场景下的实际点云数据,识别到目标监测防区中存在第一障碍物,则根据所述第一障碍物的点云数据,确定所述第一障碍物的第一目标区域;
根据目标场景下的实际图像数据,从所述实际图像数据中确定第二障碍物的第二目标区域;
根据所述第一目标区域和所述第二目标区域之间的重合度,确定目标场景中是否存在目标障碍物。
第二方面,本发明实施例还提供了一种障碍物确定装置,包括:
第一目标区域确定模块,用于若根据目标场景下的实际点云数据,识别到目标监测防区中存在第一障碍物,则根据第一障碍物的点云数据,确定所述第一障碍物的第一目标区域;
第二目标区域确定模块,用于根据目标场景下的实际图像数据,从所述图像数据中确定第二障碍物的第二目标区域;
目标障碍物确定模块,用于根据所述第一目标区域和所述第二目标区域之间的重合度,确定目标场景中是否存在目标障碍物。
第三方面,本发明实施例还提供了一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任一实施例所提供的障碍物确定方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任一实施例所提供的障碍物确定方法。
本发明实施例的技术方案,通过若根据目标场景下的实际点云数据,识别到目标监测防区中存在第一障碍物,则根据第一障碍物的点云数据,确定第一障碍物的第一目标区域,之后根据目标场景下的实际图像数据,从实际图像数据中确定第二障碍物的第二目标区域,进而根据第一目标区域和第二目标区域之间的重合度,确定目标场景中是否存在目标障碍物。上述技术方案,降低了障碍物的误报率,提高了铁路线路中障碍物的识别准确率,为铁路线路中障碍物的确定提供了一种新思路。
附图说明
图1是本发明实施例一提供的一种障碍物确定方法的流程图;
图2是本发明实施例二提供的一种障碍物确定方法的流程图;
图3是本发明实施例三提供的一种障碍物确定装置的结构示意图;
图4是本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种障碍物确定方法的流程图,本实施例可适用于铁路线路中进行障碍物识别的情况,该方法可以由障碍物确定装置来执行,该装置可由软件和/或硬件的方式实现,并可集成于承载障碍物确定功能的电子设备中,例如服务器设备中。
如图1所示,该方法具体可以包括:
S110、若根据目标场景下的实际点云数据,识别到目标监测防区中存在第一障碍物,则根据第一障碍物的点云数据,确定第一障碍物的第一目标区域。
其中,目标场景是指需要进行障碍物监测的铁路线路所处的场景。所谓实际点云数据是指实时采集到的点云数据,进一步的,点云数据可以通过多线激光雷达扫描得到,需要说明的是,激光雷达安装在距离地面第一设定高度的位置处,其中第一设定高度可以由本领域技术人员根据实际情况设定,例如3米。所谓目标监测防区是指对铁路线路安全构成威胁的区域。所谓第一障碍物是指在通过多线激光雷达测得的目标场景中的可疑障碍物。进一步的,障碍物是指入侵至铁路线路的物体,对铁路安全造成威胁的物体,例如可以是车辆、落实、泥石流、隧道衬砌掉块、人和动物等。所谓第一目标区域是指第一障碍物所在的区域。
可选的,可以将目标场景下的实际点云数据进行三维场景复现,根据复现结果,识别目标监测防区中是否存在第一障碍物。
可选的,还可以根据目标场景下的实际点云数据,识别目标监测防区中是否存在第一障碍物可以是从目标场景下的理想点云数据中提取目标监测防区的第一点云数据。其中,理想点云数据是指通过多线激光雷达获取的目标场景中不存在障碍物时的点云数据。第一点云数据是指目标监测防区中不存在障碍物时即理想状态下的点云数据。
在确定目标监测防区的第一点云数据后,从实际点云数据中提取目标监测防区的第二点云数据。其中,第二点云数据是指目标监测防区中实际的点云数据。
进而,在获取目标监测防区的第二点云数据后,根据第一点云数据和第二点云数据的比对结果,确定目标监测防区中是否存在障碍物。若第一点云数据和第二点云数据的比对结果小于设定阈值,则确定识别到目标监测防区中存在障碍物。其中,设定阈值可由本领域技术人员根据实际情况设定。
示例性的,可以通过第一点云数据和第二点云数据的点云数量,确定目标监测防区中是否存在障碍物。具体的,确定第一点云数据的第一点云数量,并确定第二点云数据的第二点云数量,若第一点云数量和第二点云数量之间的差值小于设定数量阈值,则确定识别到目标监测防区中存在第一障碍物;其中,设定数量阈值可以由本领域技术人员根据实际情况设定。
示例性的,还可以第一点云数据和第二点云数据在空间中的体积,确定目标监测防区中是否存在障碍物。具体的,确定第一点云数据在空间中的第一体积,并确定第二点云数据在空间中的第二体积;若第一体积与第二体积之间的差值小于设定体积阈值,则确定识别到目标监测防区中存在第一障碍物;其中,设定体积阈值可以由本领域技术人员根据实际情况设定。
示例性的,还可以将第一点云数据和第二点云数据投影到平面中,并根据第一点云数据和第二点云数据在平面的投影面积,确定目标监测防区中是否存在障碍物。具体的,确定第一点云数据在平面中的第一面积,并确定第二点云数据在平面中的第二面积;若第一面积与第二面积之间的差值小于设定面积阈值,则确定识别到目标监测防区中存在第一障碍物;其中,设定面积阈值可以由本领域技术人员根据实际情况设定。
可选的,本实施例中若根据目标场景下的实际点云数据,识别到目标监测防区中存在第一障碍物,则根据第一障碍物的点云数据,确定第一障碍物的第一目标区域,可以是,对第一障碍物的点云数据进行聚类;根据聚类结果,确定第一障碍物的第一目标区域。具体的,对第一障碍物的点云数据进行聚类,得到第一障碍物点云团,获取第一障碍物云团在雷达坐标系中的左上角坐标和右下角坐标,进而根据左上角坐标和右下角坐标,确定在纵向界面上的第一障碍物的第一目标区域。
S120、根据目标场景下的实际图像数据,从实际图像数据中确定第二障碍物的第二目标区域。
其中,实际图像数据是指实时采集到的目标场景的图像数据,图像数据可以由图像采集设备采集得到,例如PTZ(Pan/Tilt/Zoom)相机,其中相机安装在距离里面第二设定高度的位置,第二设定高度可以由本领域技术人员根据实际情况设定,例如2.8米;需要说明的是,调整图像采集设备和激光雷达,使二者具有共同视角,并设置二者同步采集目标场景中的数据,以更准确的识别目标场景中的障碍物。所谓第二障碍物是指通过图像采集设备采集到的目标场景中的可疑障碍物。所谓第二目标区域是指第二障碍物所在的区域。
本实施例中,可以基于深度学习的算法,对目标场景下的实际图像数据进行检测,从实际图像数据中确定第二障碍物的候选框位置,将候选框区域作为第二障碍物的第二目标区域。
S130、根据第一目标区域和第二目标区域之间的重合度,确定目标场景中是否存在目标障碍物。
其中,目标障碍物是指目标场景中的障碍物。
本实施例中,将第一目标区域和第二目标区域映射于同一坐标系下,进而确定第一目标区域的第一目标面积,并确定第二目标区域的第二目标面积。进一步的,确定第一目标面积和第二目标面积之间的重合面积,若重合面积与第一目标面积的比值大于设定阈值,且重合面积与第二目标面积的比值大于设定阈值,则确定第一障碍物和第二障碍物为同一障碍物,即目标障碍物。其中,设定阈值可以由本领域技术人员根据实际情况设定。
可选的,可以连续多次确定第一目标区域和第二目标区域之间的重合度,若多次得到的重合度,均大于设定阈值,则确定目标场景中存在目标障碍物。
本发明实施例的技术方案,通过若根据目标场景下的实际点云数据,识别到目标监测防区中存在第一障碍物,则根据第一障碍物的点云数据,确定第一障碍物的第一目标区域,之后根据目标场景下的实际图像数据,从实际图像数据中确定第二障碍物的第二目标区域,进而根据第一目标区域和第二目标区域之间的重合度,确定目标场景中是否存在目标障碍物。上述技术方案,降低了障碍物的误报率,提高了铁路线路中障碍物的识别准确率,为铁路线路中障碍物的确定提供了一种新思路。
在上述实施例的基础上,若目标场景中存在目标障碍物,则向用户发送报警信息;其中,报警信息包括目标障碍物的基本信息。进一步的,目标障碍物的基本信息可以包含但不限于的三维坐标信息、尺寸信息、反射率、标号、类型、与雷达之间的距离等信息,其中,三维坐标信息、反射率、以及与雷达之间的距离等信息可以由多线激光雷达得到;标号、类型、尺寸信息可以基于深度学习技术,根据实际图像数据得到;标号是指若实际图像数据中存在多个第二障碍物时,为区分障碍物而设置的,可以以数字和/或字母的形式存在;类型是指障碍物的类别,例如,落石、动物等。
具体的,若目标场景中存在目标障碍物,则可以以语音、短信、警报等形式,向用户发送报警信息,以使相关人员对铁路线路的障碍物进行清理。
可以理解的是,向用户输出报警信息,可以是管理或者维修人员,及时处理铁路线路的障碍物,保证铁路线路的安全。
实施例二
图2是本发明实施例二提供的一种障碍物确定方法的流程图;在上述实施例的基础上,对“根据第一目标区域和第二目标区域之间的重合度,确定目标场景中是否存在目标障碍物”进一步优化,提供一种可选实施方案。
如图2所示,该方法具体可以包括:
S210、若根据目标场景下的实际点云数据,识别到目标监测防区中存在第一障碍物,则根据第一障碍物的点云数据,确定第一障碍物的第一目标区域。
S220、根据目标场景下的实际图像数据,从实际图像数据中确定第二障碍物的第二目标区域。
S230、基于雷达平面坐标系和图像平面坐标系之间的转换关系,确定第一目标区域在图像平面坐标系下的第三目标区域。
本实施例中,确定激光雷达平面坐标系和图像平面坐标系之间的转换关系可以是,将一个平面靶标放置在视角范围内的地面上,图像采集设备对靶标进行拍摄,得到靶标图像,进而提取靶标图像中至少四个靶标图像特征点,计算图像平面坐标系和固定在靶标上的靶标坐标系之间的第一单映矩阵,例如可以通过如下公式确定:
p=HtiPt
其中,p为靶标在图像平面坐标系中的坐标,Pt为靶标在实际空间中即靶标坐标系下的坐标,Hti为第一单映矩阵。
进而,通过测量工具,测量得到靶标相对于雷达平面坐标系的摆放角度,以及靶标坐标系原点相对雷达平面坐标系的平移关系,得到靶标坐标系与雷达平面坐标系之间的第二单映矩阵,例如可以通过如下公式确定:
Pr=HtrPt
其中,Pr为靶标在雷达平面坐标系下的坐标,Htr为第二单映矩阵。
在确定第一单映矩阵和第二单映矩阵后,根据第一单映矩阵和第二单映矩阵,可以确定激光雷达平面坐标系和图像平面坐标系之间的转换关系矩阵,例如可以通过如下公式确定:
进而,基于转换关系矩阵,将第一目标区域转换至图像平面坐标系下的第三目标区域。
S240、根据第三目标区域和第二目标区域之间的重合度,确定目标场景中是否存在目标障碍物。
本实施例中,确定第三目标区域和第二目标区域之间的重合区域,并计算重合区域的面积。
在确定重合区域的面积后,比较第三目标区域和第二目标区域,根据比较结果,确定基准目标区域。具体的,若第三目标区域小于第二目标区域,则将第三目标区域作为基准目标区域;若第三目标区域大于第二目标区域,则将第二目标区域作为基准目标区域。
在确定基准目标区域后,根据重合区域和基准目标区域,确定重合度。具体的,将重合区域的面积和基准目标区域的面积之间的比值,作为重合度。例如,可以通过如下公式确定重合度:
其中,IOM表示第三目标区域和第二目标区域之间的重合度,也可以理解为第三目标区域面就和第二目标区域面积的交小比,SA表示第三目标区域的面积,SB表示为第二目标区域的面积,SA∩SB表示第三目标区域和第二目标区域之间的重合区域的面积,min(SA,SB)的结果表示为基准目标区域。
进而,根据重合度和重合阈值,确定目标场景中是否存在目标障碍物。拖重合度大于重合阈值,则确定目标场景中存在目标障碍物。
可以理解的是,通过第三目标区域和第二目标区域之间的重合度,以及基准目标区域,可以缓解由于两个目标区域的面积差别过大导致计算失效的问题。
可选的,还可以连续多次确定第三目标区域和第二目标区域之间的重合度,若重合度均大于重合阈值,则确定目标场景中存在目标障碍物。
本发明实施例的技术方案,通过若根据目标场景下的实际点云数据,识别到目标监测防区中存在第一障碍物,则根据第一障碍物的点云数据,确定第一障碍物的第一目标区域,之后根据目标场景下的实际图像数据,从实际图像数据中确定第二障碍物的第二目标区域,进而基于雷达平面坐标系和图像平面坐标系之间的转换关系,确定第一目标区域在图像平面坐标系下的第三目标区域,并根据第三目标区域和第二目标区域之间的重合度,确定目标场景中是否存在目标障碍物。上述技术方案,将第一目标区域和第二目标区域同步至相同的坐标系下,进而确定第一目标区域和第二目标区域之间的重合度,降低了障碍物的误报率,相比于传统的单激光雷达进行障碍物的识别,本发明的技术方案提高了障碍物的识别准确率。
实施例三
图3是本发明实施例三提供的一种障碍物确定装置的结构示意图;本实施例可适用于铁路线路中进行障碍物识别的情况,该装置可由软件和/或硬件的方式实现,并可集成于承载障碍物确定功能的电子设备中,例如服务器设备中。
如图3所示,该装置具体可以包括第一目标区域确定模块310、第二目标区域确定模块320和目标障碍物确定模块330,其中,
第一目标区域确定模块310,用于若根据目标场景下的实际点云数据,识别到目标监测防区中存在第一障碍物,则根据第一障碍物的点云数据,确定第一障碍物的第一目标区域;
第二目标区域确定模块320,用于根据目标场景下的实际图像数据,从实际图像数据中确定第二障碍物的第二目标区域;
目标障碍物确定模块330,用于根据第一目标区域和第二目标区域之间的重合度,确定目标场景中是否存在目标障碍物。
本发明实施例的技术方案,通过若根据目标场景下的实际点云数据,识别到目标监测防区中存在第一障碍物,则根据第一障碍物的点云数据,确定第一障碍物的第一目标区域,之后根据目标场景下的实际图像数据,从实际图像数据中确定第二障碍物的第二目标区域,进而根据第一目标区域和第二目标区域之间的重合度,确定目标场景中是否存在目标障碍物。上述技术方案,降低了障碍物的误报率,提高了铁路线路中障碍物的识别准确率,为铁路线路中障碍物的确定提供了一种新思路。
进一步地,第一目标区域确定模块310包括第一点云数据确定单元、第二点云数据确定单元和障碍物识别单元,其中,
第一点云数据确定单元,用于从目标场景下的理想点云数据中提取目标监测防区的第一点云数据;
第二点云数据确定单元,用于从实际点云数据中提取目标监测防区的第二点云数据;
障碍物识别单元,用于若第一点云数据和第二点云数据的比对结果小于设定阈值,则确定识别到目标监测防区中存在第一障碍物。
进一步地,第一目标区域确定模块310还包括聚类单元和第一目标区域确定单元,其中,
聚类单元,用于对第一障碍物的点云数据进行聚类;
第一目标区域确定单元,用于根据聚类结果,确定第一障碍物的第一目标区域。
进一步地,目标障碍物确定模块330包括第三目标区域确定单元和目标障碍物确定单元,其中,
第三目标区域确定单元,用于基于雷达平面坐标系和图像平面坐标系之间的转换关系,确定第一目标区域在图像平面坐标系下的第三目标区域;
目标障碍物确定单元,用于根据第三目标区域和第二目标区域之间的重合度,确定目标场景中是否存在目标障碍物。
进一步地,目标障碍物确定单元包括重合区域确定子单元、基准目标区域确定子单元、重合度确定子单元和目标障碍物确定子单元,其中,
重合区域确定子单元,用于确定第三目标区域和第二目标区域之间的重合区域;
基准目标区域确定子单元,用于从第三目标区域和第二目标区域中选择基准目标区域;
重合度确定子单元,用于根据重合区域和基准目标区域,确定重合度;
目标障碍物确定子单元,用于根据重合度和重合阈值,确定目标场景中是否存在目标障碍物。
进一步地,该装置还包括报警模块,该报警模块具体用于:
若目标场景中存在目标障碍物,则向用户发送报警信息;其中,报警信息包括目标障碍物的基本信息。
上述障碍物确定装置可执行本发明任意实施例所提供的障碍物确定方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4是本发明实施例四提供的一种电子设备的结构示意图,图4示出了适于用来实现本发明实施例实施方式的示例性设备的框图。图4显示的设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,***存储器28,连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
电子设备12典型地包括多种计算机***可读介质。这些介质可以是任何能够被电子设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
***存储器28可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器(高速缓存32)。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。***存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明实施例各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如***存储器28中,这样的程序模块42包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明实施例所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该电子设备12交互的设备通信,和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与电子设备12的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元16通过运行存储在***存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的障碍物确定方法。
实施例五
本发明实施例五还提供一种计算机可读存储介质,其上存储有计算机程序(或称为计算机可执行指令),该程序被处理器执行时用于执行本发明实施例所提供的障碍物确定方法,该方法包括:
若根据目标场景下的实际点云数据,识别到目标监测防区中存在第一障碍物,则根据第一障碍物的点云数据,确定第一障碍物的第一目标区域;
根据目标场景下的实际图像数据,从实际图像数据中确定第二障碍物的第二目标区域;
根据第一目标区域和第二目标区域之间的重合度,确定目标场景中是否存在目标障碍物。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明实施例进行了较为详细的说明,但是本发明实施例不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种障碍物确定方法,其特征在于,包括:
若根据目标场景下的实际点云数据,识别到目标监测防区中存在第一障碍物,则根据所述第一障碍物的点云数据,确定所述第一障碍物的第一目标区域;
根据目标场景下的实际图像数据,从所述实际图像数据中确定第二障碍物的第二目标区域;
根据所述第一目标区域和所述第二目标区域之间的重合度,确定目标场景中是否存在目标障碍物。
2.根据权利要求1所述的方法,其特征在于,所述根据目标场景下的实际点云数据,识别到目标监测防区中存在第一障碍物,包括:
从目标场景下的理想点云数据中提取所述目标监测防区的第一点云数据;
从所述实际点云数据中提取所述目标监测防区的第二点云数据;
若所述第一点云数据和所述第二点云数据的比对结果小于设定阈值,则确定识别到目标监测防区中存在第一障碍物。
3.根据权利要求1所述的方法,其特征在于,所述根据所述第一障碍物的点云数据,确定所述第一障碍物的第一目标区域,包括:
对所述第一障碍物的点云数据进行聚类;
根据聚类结果,确定所述第一障碍物的第一目标区域。
4.根据权利要求1所述的方法,其特征在于,所述根据所述第一目标区域和所述第二目标区域之间的重合度,确定目标场景中是否存在目标障碍物,包括:
基于雷达平面坐标系和图像平面坐标系之间的转换关系,确定所述第一目标区域在所述图像平面坐标系下的第三目标区域;
根据所述第三目标区域和所述第二目标区域之间的重合度,确定目标场景中是否存在目标障碍物。
5.根据权利要求4所述的方法,其特征在于,所述根据所述第三目标区域和所述第二目标区域之间的重合度,确定目标场景中是否存在目标障碍物,包括:
确定所述第三目标区域和所述第二目标区域之间的重合区域;
从所述第三目标区域和所述第二目标区域中选择基准目标区域;
根据所述重合区域和所述基准目标区域,确定所述重合度;
根据所述重合度和重合阈值,确定目标场景中是否存在目标障碍物。
6.根据权利要求1所述的方法,其特征在于,还包括:
若目标场景中存在目标障碍物,则向用户发送报警信息;其中,所述报警信息包括目标障碍物的基本信息。
7.一种障碍物确定装置,其特征在于,包括:
第一目标区域确定模块,用于若根据目标场景下的实际点云数据,识别到目标监测防区中存在第一障碍物,则根据第一障碍物的点云数据,确定所述第一障碍物的第一目标区域;
第二目标区域确定模块,用于根据目标场景下的实际图像数据,从所述实际图像数据中确定第二障碍物的第二目标区域;
目标障碍物确定模块,用于根据所述第一目标区域和所述第二目标区域之间的重合度,确定目标场景中是否存在目标障碍物。
8.根据权利要求7所述的装置,其特征在于,所述第一目标区域确定模块包括:
第一点云数据确定单元,用于从目标场景下的理想点云数据中提取所述目标监测防区的第一点云数据;
第二点云数据确定单元,用于从所述实际点云数据中提取所述目标监测防区的第二点云数据;
障碍物识别单元,用于若所述第一点云数据和所述第二点云数据的比对结果小于设定阈值,则确定识别到目标监测防区中存在第一障碍物。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一项所述的障碍物确定方法。
10.一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,该程序被处理器执行时实现如权利要求1-6中任一项所述的障碍物确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110843967.6A CN113570622A (zh) | 2021-07-26 | 2021-07-26 | 一种障碍物确定方法、装置、电子设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110843967.6A CN113570622A (zh) | 2021-07-26 | 2021-07-26 | 一种障碍物确定方法、装置、电子设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113570622A true CN113570622A (zh) | 2021-10-29 |
Family
ID=78167340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110843967.6A Pending CN113570622A (zh) | 2021-07-26 | 2021-07-26 | 一种障碍物确定方法、装置、电子设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113570622A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114882661A (zh) * | 2022-04-29 | 2022-08-09 | 广州小鹏汽车科技有限公司 | 户外预警方法、装置、***和计算可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106908783A (zh) * | 2017-02-23 | 2017-06-30 | 苏州大学 | 基于多传感器信息融合的障碍物检测方法 |
CN112528771A (zh) * | 2020-11-27 | 2021-03-19 | 深兰科技(上海)有限公司 | 障碍物检测方法、装置、电子设备及存储介质 |
CN112613424A (zh) * | 2020-12-27 | 2021-04-06 | 盛视达(天津)科技有限公司 | 铁轨障碍物检测方法、装置、电子设备和存储介质 |
CN113156421A (zh) * | 2021-04-07 | 2021-07-23 | 南京邮电大学 | 基于毫米波雷达和摄像头信息融合的障碍物检测方法 |
-
2021
- 2021-07-26 CN CN202110843967.6A patent/CN113570622A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106908783A (zh) * | 2017-02-23 | 2017-06-30 | 苏州大学 | 基于多传感器信息融合的障碍物检测方法 |
CN112528771A (zh) * | 2020-11-27 | 2021-03-19 | 深兰科技(上海)有限公司 | 障碍物检测方法、装置、电子设备及存储介质 |
CN112613424A (zh) * | 2020-12-27 | 2021-04-06 | 盛视达(天津)科技有限公司 | 铁轨障碍物检测方法、装置、电子设备和存储介质 |
CN113156421A (zh) * | 2021-04-07 | 2021-07-23 | 南京邮电大学 | 基于毫米波雷达和摄像头信息融合的障碍物检测方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114882661A (zh) * | 2022-04-29 | 2022-08-09 | 广州小鹏汽车科技有限公司 | 户外预警方法、装置、***和计算可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109271944B (zh) | 障碍物检测方法、装置、电子设备、车辆及存储介质 | |
CN109188438B (zh) | 偏航角确定方法、装置、设备和介质 | |
CN110263713B (zh) | 车道线检测方法、装置、电子设备及存储介质 | |
WO2021031954A1 (zh) | 对象数量确定方法、装置、存储介质与电子设备 | |
CN111382735B (zh) | 夜间车辆检测方法、装置、设备及存储介质 | |
CN113487759A (zh) | 一种停车巡检方法、装置、移动巡逻设备及巡检*** | |
CN114419616A (zh) | 一种异物识别方法、装置、设备及存储介质 | |
CN115273039B (zh) | 一种基于摄像头的小障碍物探测方法 | |
CN110956137A (zh) | 点云数据的目标检测方法、***及介质 | |
CN113838125A (zh) | 目标位置确定方法、装置、电子设备以及存储介质 | |
CN109118797B (zh) | 信息共享方法、装置、设备及存储介质 | |
CN109916415B (zh) | 道路类型确定方法、装置、设备及存储介质 | |
CN112613424A (zh) | 铁轨障碍物检测方法、装置、电子设备和存储介质 | |
CN113011280A (zh) | 人员接触距离的检测方法、装置、计算机设备和存储介质 | |
CN111674388A (zh) | 用于车辆弯道行驶的信息处理方法和装置 | |
CN110111018B (zh) | 评估车辆感测能力的方法、装置、电子设备及存储介质 | |
CN114662600A (zh) | 一种车道线的检测方法、装置和存储介质 | |
CN113570622A (zh) | 一种障碍物确定方法、装置、电子设备以及存储介质 | |
CN114429631B (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
CN114565906A (zh) | 障碍物检测方法、装置、电子设备及存储介质 | |
CN115810132A (zh) | 一种裂缝朝向识别方法、装置、设备及存储介质 | |
CN115457505A (zh) | 一种摄像头的小障碍物探测方法、装置、设备及存储介质 | |
CN113763468B (zh) | 一种定位方法、装置、***及存储介质 | |
CN113721240A (zh) | 一种目标关联方法、装置、电子设备及存储介质 | |
CN110133624B (zh) | 无人驾驶异常检测方法、装置、设备和介质 |
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 |