CN114442101B - 基于成像毫米波雷达的车辆导航方法、装置、设备及介质 - Google Patents
基于成像毫米波雷达的车辆导航方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114442101B CN114442101B CN202210108581.5A CN202210108581A CN114442101B CN 114442101 B CN114442101 B CN 114442101B CN 202210108581 A CN202210108581 A CN 202210108581A CN 114442101 B CN114442101 B CN 114442101B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- clustered
- vehicle
- target
- continuous
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000003068 static effect Effects 0.000 claims abstract description 50
- 230000033001 locomotion Effects 0.000 claims abstract description 41
- 238000009434 installation Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000009471 action Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 239000011521 glass Substances 0.000 description 4
- 230000003749 cleanliness Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000004402 high myopia Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
- G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
- G01S13/726—Multiple target tracking
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请公开了一种基于成像毫米波雷达的车辆导航方法、装置、设备及介质,该方法包括:将成像毫米波雷达获得的点云转换至车辆坐标系中,进行拼接得到连续点云;根据车辆运动信息以及连续点云确定连续点云的对地点云信息,基于对地点云信息区分出静态点云与动态点云;对动态点云进行聚类得到聚类目标,对聚类目标进行跟踪得到跟踪目标信息;根据静态点云确定可行驶区域,基于可行驶区域以及跟踪目标信息进行路径规划,对车辆进行导航。由此可见,利用成像毫米波雷达可实现全天候工作,从进行点云拼接得到的连续点云中区分出动态点云和静态点云,利用动态点云得到跟踪目标信息,利用静态点云得到可行使区域,可以成功做出路径规划对车辆进行导航。
Description
技术领域
本发明涉及自动驾驶技术领域,特别涉及一种基于成像毫米波雷达的车辆导航方法、装置、设备及介质。
背景技术
当前,随着科学技术的发展,越来越多的科幻事物开始逐渐变成现实,比如道路车辆的自动驾驶、地铁的自动驾驶、特定场景物流车辆的自动驾驶等。不知疲倦的自动驾驶车辆将驾驶员从重复劳动、高度紧张和疲劳驾驶危险中解放出来。又因为随着社会经济和城市化的发展,人口结构和产业结构发生变化,年轻劳动力比例减少和大量进城,使长途货运驾驶员、偏远矿场矿卡等的驾驶员招工越来越难。这些车辆的智能自动驾驶可以帮助业主缓解用工荒问题,且一般可以带来更高的作业效率和降低运营成本。
要想实现车辆或船只等交通工具的自动驾驶,除了需要具备传统的传感器和其他电子、机械器件,还需要交通工具具有类似人眼睛耳朵这样的外部周围环境感知传感器单元、人脑这样的中枢决策单元和手脚这样的动作执行单元。决策单元一般根据***整体配置和算法复杂度选择相应配置的嵌入式计算机。决策单元接收环境传感器和内部传感器(速度、偏航率、车辆方向盘转向角、档位、倾角、加速度等)信息,获取和评估环境和交通工具自身情况,继而做出下一步动作的决策,通过输出接口控制交通工具的刹车、油门、方向盘等操控装置实现危险规避和正常路径变换等。当前采集环境数据的工具包括激光雷达和摄像头,但激光雷达和摄像头适应性差,不能实现全天候工作。
综上所述,如何利用合适的环境数据获取工具获取环境数据,以便做出准确的路径规划以对车辆进行导航,实现自动驾驶是当前亟待解决的问题。
发明内容
有鉴于此,本发明的目的在于提供一种基于成像毫米波雷达的车辆导航方法、装置、设备及介质,能够利用合适的环境信息获取工具获取环境信息,以便做出准确的路径规划以对车辆进行导航,实现自动驾驶。其具体方案如下:
第一方面,本申请公开了一种基于成像毫米波雷达的车辆导航方法,包括:
将各成像毫米波雷达获得的位于各雷达坐标系的点云转换至车辆坐标系中,以便进行点云拼接得到连续点云;其中,所述连续点云中包含连续点云相对车辆的连续点云速度和连续点云坐标;所述各雷达坐标系和所述车辆坐标系为直角坐标系;
根据检测到的所述车辆相对于地面的车辆运动信息以及所述连续点云确定出所述连续点云相对于地面的对地点云信息,并基于所述对地点云信息从所述连续点云中区分出静态点云与动态点云;
根据所述对地点云信息对所述动态点云进行聚类得到聚类目标,并根据所述聚类目标包含的聚类目标速度和聚类目标运动方向,对所述聚类目标进行跟踪以得到所述聚类目标对应的跟踪目标信息;
根据所述静态点云确定可行驶区域,并基于所述可行驶区域以及所述跟踪目标信息进行路径规划,以便对所述车辆进行导航。
可选的,所述将各成像毫米波雷达获得的位于各雷达坐标系的点云转换至车辆坐标系中,以便进行点云拼接得到连续点云,包括:
获取包括各成像毫米波雷达在所述车辆坐标系中的坐标信息和各成像毫米波雷达偏航角度的雷达安装信息;
根据所述雷达安装信息计算各所述成像毫米波雷达坐标系中的所述点云在所述车辆坐标系中的坐标,以得到所述车辆坐标系中的与不同成像毫米波雷达对应的多组点云坐标;
对所述多组点云坐标进行拼接,以得到相应的连续点云。
可选的,所述根据检测到的所述车辆相对于地面的车辆运动信息以及所述连续点云确定出所述连续点云相对于地面的对地点云信息之前,还包括:
如果所述连续点云对应的点云质量参数满足预设参数阈值过滤条件,则将所述连续点云确定为虚假点云,然后对所述虚假点云进行删除;
和/或,如果在当前扫描周期中出现了所述连续点云,但在之后第一预设数量个连续的扫描周期内所述连续点云在第一预设坐标范围内不能被连续探测到,则将所述连续点云确定为虚假点云,并对所述虚假点云进行删除。
可选的,所述根据检测到的所述车辆相对于地面的车辆运动信息以及所述连续点云确定出所述连续点云相对于地面的对地点云信息,并基于所述对地点云信息从所述连续点云中区分出静态点云与动态点云,包括:
检测所述车辆相对于地面的包括车辆运动速度和车辆偏航率的所述车辆运动信息;
根据所述车辆运动信息以及所述连续点云中的连续点云速度,确定出所述连续点云相对于地面的对地点云速度;
如果所述连续点云的对地点云速度小于预设速度阈值,则将所述连续点云确定为静态点云,如果所述连续点云的对地点云速度不小于所述预设速度阈值,则将所述连续点云确定为动态点云。
可选的,所述根据所述对地点云信息对所述动态点云进行聚类得到聚类目标,包括:
在第二预设坐标范围内,从所述动态点云中确定出具有相似的对地点云信息的目标动态点云;
根据预设轮廓信息对所述目标动态点云进行聚类以得到聚类目标,并确定所述聚类目标对应的聚类点以及所述聚类点的坐标。
可选的,所述根据所述聚类目标包含的聚类目标速度和聚类目标运动方向,对所述聚类目标进行跟踪以得到所述聚类目标对应的跟踪目标信息,包括:
根据所述聚类目标包含的所述聚类目标速度、所述聚类目标运动方向和所述聚类点坐标,预测所述聚类目标在下一次扫描时所在的目标坐标范围;
如果在所述下一次扫描时,在所述目标坐标范围内探测到与所述聚类目标具有相似的所述聚类目标速度和所述聚类目标运动方向的待判定点云,则判定所述待判定点云为所述聚类目标,以实现目标跟踪并获得所述聚类目标对应的跟踪目标信息。
可选的,所述基于成像毫米波雷达的车辆导航方法,还包括:
若监测到在第二预设数量个连续的扫描周期内以及第三预设坐标范围内的所有所述连续点云的所述对地点云信息没有发生变化,则将所述第三预设坐标范围确定为不可行驶区域。
第二方面,本申请公开了一种基于成像毫米波雷达的车辆导航装置,包括:
点云拼接模块,用于将各成像毫米波雷达获得的位于各雷达坐标系的点云转换至车辆坐标系中,以便进行点云拼接得到连续点云;其中,所述连续点云中包含连续点云相对车辆的连续点云速度和连续点云坐标;所述各雷达坐标系和所述车辆坐标系为直角坐标系;
点云区分模块,用于根据检测到的所述车辆相对于地面的车辆运动信息以及所述连续点云确定出所述连续点云相对于地面的对地点云信息,并基于所述对地点云信息从所述连续点云中区分出静态点云与动态点云;
聚类模块,用于根据所述对地点云信息对所述动态点云进行聚类得到聚类目标,并根据所述聚类目标包含的聚类目标速度和聚类目标运动方向,对所述聚类目标进行跟踪以得到所述聚类目标对应的跟踪目标信息;
路径规划模块,用于根据所述静态点云确定可行驶区域,并基于所述可行驶区域以及所述跟踪目标信息进行路径规划,以便对所述车辆进行导航。
第三方面,本申请公开了一种电子设备,包括处理器和存储器;其中,所述处理器执行所述存储器中保存的计算机程序时实现前述公开的基于成像毫米波雷达的车辆导航方法。
第四方面,本申请公开了一种计算机可读存储介质,用于存储计算机程序;其中,所述计算机程序被处理器执行时实现前述公开的基于成像毫米波雷达的车辆导航方法。
可见,本申请将各成像毫米波雷达获得的位于各雷达坐标系的点云转换至车辆坐标系中,以便进行点云拼接得到连续点云;其中,所述连续点云中包含连续点云相对车辆的连续点云速度和连续点云坐标;所述各雷达坐标系和所述车辆坐标系为直角坐标系;根据检测到的所述车辆相对于地面的车辆运动信息以及所述连续点云确定出所述连续点云相对于地面的对地点云信息,并基于所述对地点云信息从所述连续点云中区分出静态点云与动态点云;根据所述对地点云信息对所述动态点云进行聚类得到聚类目标,并根据所述聚类目标包含的聚类目标速度和聚类目标运动方向,对所述聚类目标进行跟踪以得到所述聚类目标对应的跟踪目标信息;根据所述静态点云确定可行驶区域,并基于所述可行驶区域以及所述跟踪目标信息进行路径规划,以便对所述车辆进行导航。如此一来,使用天气适应性强,没有脆弱的玻璃镜头的成像毫米波雷达可实现全天候工作,另外,本申请拼接不同成像毫米波雷达获取的点云得到显示车辆周围环境的连续点云,并根据通过车辆运动信息和连续点云确定的对地点云信息区分出动态点云和静态点云,然后利用动态点云得到跟踪目标信息,利用静态点云确定可行使区域,然后,本申请根据上述跟踪目标信息和可行使区域做出了路径规划以对车辆进行导航。
附图说明
为了更清楚地说明本发明实施例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,还可以根据提供的附图获得其他的附图。
图1为本申请提供的一种基于成像毫米波雷达的车辆导航方法流程图;
图2为本申请提供的一种车辆的雷达安装示意图;
图3为本申请提供的一种坐标系示意图;
图4为本申请提供的一种坐标系转换示意图;
图5为本申请提供的一种具体的基于成像毫米波雷达的车辆导航方法流程图;
图6为本申请提供的一种车辆自动驾驶***示意图;
图7为本申请提供了一种基于成像毫米波雷达的车辆导航装置结构示意图;
图8为本申请提供了一种电子设备结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
当前环境数据获取工具适应性差,不能实现全天候工作,不利于做出准确的路径规划,实现自动驾驶。
为了克服上述问题,本申请提供了一种基于成像毫米波雷达的车辆导航方案,能够利用合适的环境信息获取工具获取环境信息,以便做出准确的路径规划以对车辆进行导航,实现自动驾驶。
参见图1所示,本申请实施例公开了一种基于成像毫米波雷达的车辆导航方法,该方法包括:
步骤S11:将各成像毫米波雷达获得的位于各雷达坐标系的点云转换至车辆坐标系中,以便进行点云拼接得到连续点云;其中,所述连续点云中包含连续点云相对车辆的连续点云速度和连续点云坐标;所述各雷达坐标系和所述车辆坐标系为直角坐标系。
本申请实施例中,利用各成像毫米波雷达获取周围环境数据得到点云。当前,常见的获取周围环境数据的外部周围环境感知传感器有摄像头、激光雷达、超声波雷达和毫米波雷达等,相应传感器因不同的自身具体配置又具有明显差异的效果表现。摄像头最类似人眼,属于被动器件,接收物体发射或反射的光线在成像模块中获取影像。随着技术的进步,摄像头可以获得超高分辨率的环境影像信息,甚至还有可以识别景深的双目立体摄像头。不过也有类似人眼的劣势,例如容易受雾霾等空气能见度影响和容易受光线影响等,在粉尘弥漫场景下镜头洁净度维保也麻烦。另外,摄像头对于目标的测距精度随着距离的增大也会逐渐降低,一定程度影响***决策质量。激光雷达一般采用多个红外激光发射器发射激光束,被目标反射后被接收器接收,通过计算接收和发射的时间间隔和光速常量计算出目标距离。根据发射时激光雷达发射器的方位角获取目标方位。所以激光雷达相对摄像头可以获取不同距离目标的准确距离信息,且不依赖环境光源,可以白天夜晚都获取。当然也存在容易受阳光直射、雾霾雨雪等空气可见度和镜头洁净度的影响,天气适应性差。毫米波雷达用于AEB(Autonomous Emergency Braking)自动紧急制动和BSD(Blind SpotDetection)盲区监控等辅助驾驶,这些毫米波雷达受制于成本、时代技术发展限制和采用带宽有限的CAN(Controller AreaNetwork)总线接口等原因,数据一般比较稀疏,目标测量的角度分辨率也较低,无法对环境进行精细感知,只能提供不追求识别率的辅助驾驶功能。而自动驾驶不光要解决避撞的问题,还要解决到达目的地的路径规划问题,就需要对环境进行精细感知,探知不同距离内静止和运动目标的位置和状态。
需要指出的是,以往用于AEB自动紧急制动和BSD盲区监控等辅助驾驶的毫米波雷达,这些毫米波雷达受制于成本、时代技术发展限制和采用带宽有限的CAN总线接口等原因,数据一般比较稀疏,目标测量的角度分辨率也较低,无法对环境进行精细感知,只能提供不追求识别率的辅助驾驶功能。而自动驾驶不光要解决避撞的问题,还要解决到达目的地的路径规划问题,就需要对环境进行精细感知,探知不同距离内静止和运动目标的位置和状态,所以现有自动驾驶车辆普遍依赖感知精细度见长的摄像头和激光雷达,但是这两种传感器又容易受能见度影响,不能适应户外工矿场景的全天候作业需要,且激光雷达还存在机械运动部件容易损坏和价格高昂的问题。毫米波雷达相对摄像头和激光雷达等环境感知传感器,具有全天候工作的特性,不像摄像头和激光雷达容易受光照、空气能见度和自身镜头洁净度等的影响,这个特点对于帮助提升车辆辅助驾驶级别甚至自动驾驶的天气适应性具有很重要的意义。因此,本申请采用成像毫米波雷达,并通过使用以太网接口输出更多,精度更高的周围环境数据。
可以理解的是,采用最新毫米波雷达技术的77GHz成像毫米波雷达作为传感器,采用更多的天线组合,实现更多的物理通道和虚拟通道,使作为毫米波雷达长久短板的角度分辨率特性得到了很大的精度提升,可以得到更精细的环境感知信息,也即周围环境数据,类似高度近视的眼睛经过矫正后能够看到了清晰的周围环境,行走其中更自信、更游刃有余。且成像雷达具有更大的探测范围,并搭配采用更大通讯带宽的以太网接口输出目标信息,可以输出更多、测量精度更高的目标空间信息和属性信息,车辆和行人等目标可以对应更密集的点,类似激光雷达呈现云朵状,也被称为点云(Point cloud),达到可以只看点云效果就能看清环境情况的效果,接近摄像头成像的效果,更加适用于自动驾驶方面的环境数据采集。具体的,成像毫米波雷达传感器通过主动发射毫米波段电磁波进行扫描,然后接收视野内目标反射回来的电磁波信息,采用脉冲压缩原理、多普勒效应和傅里叶变换算法计算得到目标的相对速度、相对距离和方位角,甚至俯仰角。每秒扫描10~30次,高频次检测环境信息,提供车辆自动驾驶需要的足够数据刷新率。因为77GHz的毫米波雷达波长约4mm,能够容易绕射过细小的尘埃、水汽等,所以不受光线和雾霾影响,保障了车辆全天候工作。
本申请实施例中,利用了雷达坐标系和车辆坐标系两个直角坐标系,各成像毫米波雷达获取环境信息后,所述环境信息以点云形式存在于雷达坐标系中,由于单个成像毫米波雷达的视场角有限,约水平120度,因此一个车辆可能对应多个成像毫米波雷达,通过拼接车辆周围安装的多个成像毫米波雷达的点云信息,可以实现车辆周围360度无缝感知,或覆盖前方和侧前方的局部大视场角感知。具体的,需要按需要监测的范围在车辆的前部、四角和后部甚至侧面等位置安装多个成像毫米波雷达并确保视野有重叠,具体还要考虑车辆的类型和长度,比如乘用车使用位于前、后和四角的6个成像雷达就能很好覆盖车辆360度范围,而长度较长的货运车辆则可能需要安装8个成像毫米波雷达,即在左、右侧面各加装1个雷达。由于雷达数量过多,需要将各成像毫米波雷达点云获得的点云转换至车辆坐标系中以便进行点云拼接得到连续点云。具体的,完成拼接后可以通过基于汇集多个安装在车辆周围的成像毫米波雷达实现车辆周围环境10~30帧/秒的全天候高精度点云成像,便于进行周围环境数据采集,如图2所示,显示了雷达安装位置及车辆的简单信息,具体的包括雷达1、雷达2、雷达3、雷达4、雷达5、雷达6的安装位置,以及雷达1对应的雷达1法线和雷达1偏航角度,也包括车辆坐标系原点和坐标轴(X轴和Y轴)、车辆中轴线、车辆中轴线的平行线以及行车方向。
本申请实施例中,将点云转换至车辆坐标系中的具体过程为:获取包括各成像毫米波雷达在所述车辆坐标系中的坐标信息和各成像毫米波雷达偏航角度的雷达安装信息;根据所述雷达安装信息计算各所述成像毫米波雷达坐标系中的所述点云在所述车辆坐标系中的坐标,以得到所述车辆坐标系中的与不同成像毫米波雷达对应的多组点云坐标;然后对所述多组点云坐标进行拼接,以得到相应的连续点云;其中,雷达坐标系中的点云中包含雷达点云相对于雷达的雷达点云距离、雷达点云速度、雷达点云方位角度。需要指出的是,获取雷达安装信息不是通过成像毫米波雷达,而是通过车辆中安装的其它传感器。
需要指出的是,如图3所示,雷达安装位置不在车辆坐标系原点,这种情况需要进行坐标横向和纵向的加减,对应数据处理算法中坐标矩阵的平移;然后根据雷达安装偏航角在数据处理算法中进行坐标矩阵的旋转,如图3所示,车辆坐标系一般以车辆后轴中心为原点O,车辆中轴线为纵轴Y、车辆后轴所在直线为横轴X,形成一个直角坐标系,且一般以车辆前向为纵轴正方向、驾驶员右侧方向横轴正方向。假设其中雷达1安装位置在车辆坐标系的坐标为(xradar,yradar),安装偏航角是θ,其探测到的目标点迹P在雷达坐标系中的坐标是(x1,y1),我们需要求取其在车辆坐标系的坐标(x2,y2)。首先通过平移使雷达坐标系和车辆坐标系的原点“重合”,如图4所示,进行“重合”的简单的数值加减运算,假设平移雷达坐标系后点迹P在雷达坐标系的坐标为(x0,y0),则
x0=x1-xradar;
y0=y1-yradar;
本申请实施例中,因为雷达安装方向与车辆中轴线有一个偏航角θ,因此还需要做旋转,具体的,根据角度互余和三角函数法则有如下公式:
x2=x0 cosθ-y0 sinθ=(x1-xradar)(cosθ-sinθ);
y2=y0 sinθ+y0 cosθ=(y1-yradar)(sinθ+cosθ);
可以理解的是,所有雷达点云的坐标都对应到车辆坐标系后,不同雷达点云就可以在一个坐标系中处理,如果成像毫米波雷达安装时确保相邻雷达视野存在重叠的话,就可以确保拼接后的点云无间隙,达到类似车辆360度环视摄像头那样的整体拼接效果。
步骤S12:根据检测到的所述车辆相对于地面的车辆运动信息以及所述连续点云确定出所述连续点云相对于地面的对地点云信息,并基于所述对地点云信息从所述连续点云中区分出静态点云与动态点云。
本申请实施例中,不同原理的传感器都会因为一些自身或环境因素原因产生错误探测信息,根据传感器特性和试验经验滤除这些错误探测信息或降低其影响是必要的,避免这些虚假目标参与后期运算导致错误结果。另外由于成像毫米波雷达本身会因为测角模糊、测速模糊、环境背景噪声或多径效应等原因导致的出现虚假点云。因此在根据检测到的所述车辆相对于地面的车辆运动信息以及所述连续点云确定出所述连续点云相对于地面的对地点云信息之前,需要从连续点云中确定出虚假点云并进行删除,具体的,如果所述连续点云对应的点云质量参数满足预设参数阈值过滤条件,则将所述连续点云确定为虚假点云,然后对所述虚假点云进行删除;和/或,如果在当前扫描周期中出现了所述连续点云,但在第一预设数量个连续的扫描周期内所述连续点云在第一预设坐标范围内不能被连续探测到,则将所述连续点云确定为虚假点云,并对所述虚假点云进行删除。需要指出的是,所述点云质量参数包括毫米波雷达输出的目标RCS(Radar Cross Section)雷达散射截面积、模糊度等质量信息,所述预设参数阈值过滤条件是通过相应应用项目前期大量的实际场景试验来寻找出可复现规律决定的;可以理解的是,如果在当前扫描周期中出现了所述连续点云,但在之后第一预设数量个连续的扫描周期内所述连续点云在第一预设坐标范围内不能被连续探测到,则第一预设坐标范围的点云置信度会较低,会被作为虚假点云进行删除,第一预设数量和第一预设坐标范围也要经特定应用场景的前期测试经验获得和验证。
本申请实施例中,进行虚假目标删除之后,根据检测到的所述车辆相对于地面的车辆运动信息以及所述连续点云确定出所述连续点云相对于地面的对地点云信息,并基于所述对地点云信息从所述连续点云中区分出静态点云与动态点云。可以理解的是,被成像毫米波雷达探测到以后对地点云信息没有发生变化就可以归类为静态点云,包括墙壁、栏杆和停驻的车辆,都是在后期规划行进路线时需要避开的障碍物;连续点云被成像毫米波雷达探测到以后,对地点云信息发生变化则可以归类为动态点云,在后期规划行进路线时可能还要结合动态点云来决策具体动作,比如在判定动态点云对应的目标会经过本车规划线路时可能要停车等待其经过或绕行。
步骤S13:根据所述对地点云信息对所述动态点云进行聚类得到聚类目标,并根据所述聚类目标包含的聚类目标速度和聚类目标运动方向,对所述聚类目标进行跟踪以得到所述聚类目标对应的跟踪目标信息。
本申请实施例中,聚类过程为:在第二预设坐标范围内,从所述动态点云中确定出具有相似的对地点云信息的目标动态点云;根据预设轮廓信息对所述目标动态点云进行聚类以得到聚类目标,并确定所述聚类目标对应的聚类点以及所述聚类点的坐标。可以理解的是,相似的对地点云信息包括相近的对地点云速度,所述预设轮廓信息为特定场景常见的目标的轮廓,以及目标的外廓尺寸,目标包括车辆、行人等交通参与者,使用所述预设轮廓可以尽量避免将近距离、近似速度和运动方向的不同个体对应的动态点云聚类为1个聚类点;所述聚类点为对应的聚类目标最接近车辆的一个位置或者所述聚类目标的中心点。
本申请实施例中,完成聚类之后,进一步进行聚类目标的跟踪,根据所述聚类目标包含的所述聚类目标速度、所述聚类点坐标,预测所述聚类目标在下一次扫描时所在的目标坐标范围;如果在所述下一次扫描时,在所述目标坐标范围内探测到与所述聚类目标具有相似的所述聚类目标速度和所述聚类目标运动方向的待判定点云,则判定所述待判定点云为所述聚类目标,以实现目标跟踪并获得所述聚类目标对应的跟踪目标信息。
需要指出的是,聚类过程中确定出聚类点以及聚类点坐标,减少了对跟踪过程和计算跟踪目标信息的运算量;所述目标坐标范围可成为“波门”。另外因为雷达扫描间隔只有数十毫秒,相对于道路上车辆等的运动状态变化快很多,特别是矿卡、港口集卡等特定场景低速作业自动驾驶,车辆正常行驶时的运动状态在此期间不会出现较大突变,所以准确性很高。
步骤S14:根据所述静态点云确定可行驶区域,并基于所述可行驶区域以及所述跟踪目标信息进行路径规划,以便对所述车辆进行导航。
本申请实施例中,将静态点云所在区域确定为不可行驶区域,另外的区域为可行驶区域;另外,也可以通过以下方法确定不可行驶区域:若监测到在第二预设数量个连续的扫描周期内以及第三预设坐标范围内的所有所述连续点云的所述对地点云信息没有发生变化,则将所述第三预设坐标范围确定为不可行驶区域。需要指出的是,所述第二预设数量可以为5,也可以根据特定应用场景车辆和目标运行速度、实时性的需求等适当减小或增大第二预设数量,调节敏感度;所述第三预设坐标范围默认为长宽各1米,也可以根据具体应用的需要调整大小。
本申请实施例中,对于台阶、断崖这些低于当前路段的路况,成像毫米波雷达还不能准确识别,需要其他传感器辅助识别这些路况。如果应用在特定场景自动驾驶车辆,比如露天矿区的矿卡时,一般使用已经采集好作业区域的地图,结合北斗卫星定位***,以避免本车误坠断崖。
可见,本申请将各成像毫米波雷达获得的位于各雷达坐标系的点云转换至车辆坐标系中,以便进行点云拼接得到连续点云;其中,所述连续点云中包含连续点云相对车辆的连续点云速度和连续点云坐标;所述各雷达坐标系和所述车辆坐标系为直角坐标系;根据检测到的所述车辆相对于地面的车辆运动信息以及所述连续点云确定出所述连续点云相对于地面的对地点云信息,并基于所述对地点云信息从所述连续点云中区分出静态点云与动态点云;根据所述对地点云信息对所述动态点云进行聚类得到聚类目标,并根据所述聚类目标包含的聚类目标速度和聚类目标运动方向,对所述聚类目标进行跟踪以得到所述聚类目标对应的跟踪目标信息;根据所述静态点云确定可行驶区域,并基于所述可行驶区域以及所述跟踪目标信息进行路径规划,以便对所述车辆进行导航。如此一来,使用天气适应性强,没有脆弱的玻璃镜头的成像毫米波雷达可实现全天候工作,另外,本申请拼接不同成像毫米波雷达获取的点云得到显示车辆周围环境的连续点云,并根据通过车辆运动信息和连续点云确定的对地点云信息区分出动态点云和静态点云,然后对动态点云进行聚类得到的聚类目标,并对聚类目标进行跟踪得到跟踪目标信息,利用静态点云确定可行使区域,然后,本申请根据上述跟踪目标信息和可行使区域做出了路径规划以对车辆进行导航。
参见图5所示,本申请实施例公开了一种具体的基于成像毫米波雷达的车辆导航方法,该方法包括:
步骤S21:将各成像毫米波雷达获得的位于各雷达坐标系的点云转换至车辆坐标系中,以便进行点云拼接得到连续点云;其中,所述连续点云中包含连续点云相对车辆的连续点云速度和连续点云坐标;所述各雷达坐标系和所述车辆坐标系为直角坐标系。
其中,关于步骤S21的更加具体的处理过程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
步骤S22:检测所述车辆相对于地面的包括车辆运动速度和车辆偏航率的所述车辆运动信息;根据所述车辆运动信息以及所述连续点云中的连续点云速度,确定出所述连续点云相对于地面的对地点云速度;如果所述连续点云的对地点云速度小于预设速度阈值,则将所述连续点云确定为静态点云,如果所述连续点云的对地点云速度不小于所述预设速度阈值,则将所述连续点云确定为动态点云。
本申请实施例中,获取雷达点云相对于雷达的包括雷达点云坐标、雷达点云距离、雷达点云速度和雷达点云方位角度的雷达点云信息,获取所述车辆相对于地面的包括车辆运动速度和车辆偏航率的所述车辆运动信息,获取包括各成像毫米波雷达在所述车辆坐标系中的坐标信息和各成像毫米波雷达偏航角度的雷达安装信息,通过上述雷达点云信息、车辆运动信息和雷达安装信息得到雷达点云、车辆和地面这三者的相对运动关系,推断出点云对地点云信息,然后进一步根据对地点云信息区分出静态点云与动态点云。需要指出的是,上述过程已经根据雷达安装信息和雷达点云信息得到了连续点云,连续点云中包括了连续点云相对于车辆的连续点云信息,利用连续点云以及车辆运动信息就可以推断出对地点云信息,然后进一步区分出静态点云和动态点云。具体的,根据所述车辆运动信息以及所述连续点云中的连续点云速度,确定出所述连续点云相对于地面的对地点云速度。如果所述连续点云的对地点云速度小于预设速度阈值,则将所述连续点云确定为静态点云,如果所述连续点云的对地点云速度不小于所述预设速度阈值,则将所述连续点云确定为动态点云。可以理解的是车辆偏航率用于表征车辆转向角度变化快慢的物理量,单位为“度/秒”或“弧度/秒”。
需要指出的是,对地点云速度包括X轴方向的速度和Y轴方向的速度,预设速度阈值包括X轴方向第一预设速度阈值,和Y轴方向第二预设速度阈值。当所述连续点云的X轴方向的速度小于第一预设速度阈值且Y轴方向的速度小于第二预设速度阈值时,将所述连续点云确定为静态点云,其它情况时,将所述连续点云确定为动态点云。
具体的,车辆偏航率也叫角速度,用ω表示,根据目标作半径为r的圆周运动的规律,对应的线速度为:
其中x和y为r在以圆周圆心为原点的直角坐标系的坐标轴上的投影,并依次得出坐标处的线速度,因为该线速度为切向速度,且垂直于原点与坐标点确定的直线,为了便于使用,将其分解到沿车辆坐标系坐标轴的2个分量,分别为v线x和v线y,可计算出:
可以理解的是,雷达点云相对雷达的雷达点云速度v点云在X轴的分量为v点云x,在Y轴的分量为v点云y,利用v点云x和v点云y与车辆速度v车、线速度分量v线x和v线y进行加减矢量运算计算出对地点云速度v对地点云,例如,当车辆直行时,v线为0,若雷达点云的横向相对速度v点云x也为0,则通过纵向速度的加减得出连续点云对地速度为v对地点云=v对地点云y=v车+v点云y,则当连续点云为静止点云时,其v点云y数值大小会与v车一致但方向相反,即根据v车+v点云y是否等于0来判断该连续点云是否为静止点云。当然,若v车+v点云y=0但v点云x不等于0,则该连续点云还是为动态点云。当车辆转弯时,v对地点云x=v点云x+v线x和v对地点云y=v车+v点云y+v线y都等于0,则判定连续点云为静态点云,反之则是动态点云。雷达实际探测数据是有一定范围抖动的,所以只要当v对地点云x小于第一预设速度阈值和v对地点云y小于第二预设速度阈值时则就判定连续点云为静态点云,其它情况判定为动态点云。
步骤S23:根据所述对地点云信息对所述动态点云进行聚类得到聚类目标,并根据所述聚类目标包含的聚类目标速度和聚类目标运动方向,对所述聚类目标进行跟踪以得到所述聚类目标对应的跟踪目标信息
其中,关于步骤S23的更加具体的处理过程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
步骤S24:根据所述静态点云确定可行驶区域,并基于所述可行驶区域以及所述跟踪目标信息进行路径规划,以便对所述车辆进行导航。
其中,关于步骤S24的更加具体的处理过程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
可见,本申请将各成像毫米波雷达获得的位于各雷达坐标系的点云转换至车辆坐标系中,以便进行点云拼接得到连续点云;其中,所述连续点云中包含连续点云相对车辆的连续点云速度和连续点云坐标;所述各雷达坐标系和所述车辆坐标系为直角坐标系;检测所述车辆相对于地面的包括车辆运动速度和车辆偏航率的所述车辆运动信息;根据所述车辆运动信息以及所述连续点云中的连续点云速度,确定出所述连续点云相对于地面的对地点云速度;如果所述连续点云的对地点云速度小于预设速度阈值,则将所述连续点云确定为静态点云,如果所述连续点云的对地点云速度不小于所述预设速度阈值,则将所述连续点云确定为动态点云;根据所述对地点云信息对所述动态点云进行聚类得到聚类目标,并根据所述聚类目标包含的聚类目标速度和聚类目标运动方向,对所述聚类目标进行跟踪以得到所述聚类目标对应的跟踪目标信息;根据所述静态点云确定可行驶区域,并基于所述可行驶区域以及所述跟踪目标信息进行路径规划,以便对所述车辆进行导航。如此一来,使用天气适应性强,没有脆弱的玻璃镜头的成像毫米波雷达可实现全天候工作,另外,本申请拼接不同成像毫米波雷达获取的点云得到显示车辆周围环境的连续点云,并根据通过车辆运动信息和连续点云确定的对地点云速度区分出动态点云和静态点云,然后对动态点云进行聚类得到的聚类目标,并对聚类目标进行跟踪得到跟踪目标信息,利用静态点云确定可行使区域,然后,本申请根据上述跟踪目标信息和可行使区域做出了路径规划以对车辆进行导航。
如图6所示,显示了本申请实施例使用的车辆自动驾驶***,该***中包括成像毫米波雷达子***和组合导航、电源等车辆上其它设备,本***属于整个自动驾驶***的子集,输出初步处理的目标和判断结果数据给自动驾驶***的主控单元进行融合运算和使用,所述其它设备中包括其它传感器,车辆自动驾驶***包括毫米波雷达传感器、雷达网关和处理器。成像毫米波雷达子***中,雷达1、雷达2、雷达3、雷达4、雷达5、雷达6通过以太网将点云发送至雷达网关,雷达网关内置网络交换机,负责汇集来自各个成像毫米波雷达通过其以太网接口输出的点云,通过一路千兆网口输出到处理器中。所述其它设备中的电源通过12V DC/10A的电源线向处理器供电,所述其它设备中的所述其它传感器将车辆速度和车辆偏航率通过CAN总线或RS232传输至处理器,处理器将处理后得到的结果通过输出接口传输到其它设备中,以便进行路径规划,对车辆进行导航。需要指出的是,将雷达坐标系中的点云转换至车辆坐标系中、将所述点云进行拼接得到连续点云、确定出虚假目标并将虚假目标删除、区分出动态点运河静态点云、对目标点云进行点云聚类得到聚类目标、对聚类目标进行跟踪得到跟踪目标信息、利用静态点云确定可行驶区域等都是由处理器完成的。其中,所述处理器包括但不限于嵌入式处理器。
参见图7所示,本申请实施例公开了一种基于成像毫米波雷达的车辆导航装置,包括:
点云拼接模块11,用于将各成像毫米波雷达获得的位于各雷达坐标系的点云转换至车辆坐标系中,以便进行点云拼接得到连续点云;其中,所述连续点云中包含连续点云相对车辆的连续点云速度和连续点云坐标;所述各雷达坐标系和所述车辆坐标系为直角坐标系;
点云区分模块12,用于根据检测到的所述车辆相对于地面的车辆运动信息以及所述连续点云确定出所述连续点云相对于地面的对地点云信息,并基于所述对地点云信息从所述连续点云中区分出静态点云与动态点云;
聚类模块13,用于根据所述对地点云信息对所述动态点云进行聚类得到聚类目标,并根据所述聚类目标包含的聚类目标速度和聚类目标运动方向,对所述聚类目标进行跟踪以得到所述聚类目标对应的跟踪目标信息;
路径规划模块14,用于根据所述静态点云确定可行驶区域,并基于所述可行驶区域以及所述跟踪目标信息进行路径规划,以便对所述车辆进行导航。
其中,关于上述各个模块更加具体的工作过程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
可见,本申请将各成像毫米波雷达获得的位于各雷达坐标系的点云转换至车辆坐标系中,以便进行点云拼接得到连续点云;其中,所述连续点云中包含连续点云相对车辆的连续点云速度和连续点云坐标;所述各雷达坐标系和所述车辆坐标系为直角坐标系;根据检测到的所述车辆相对于地面的车辆运动信息以及所述连续点云确定出所述连续点云相对于地面的对地点云信息,并基于所述对地点云信息从所述连续点云中区分出静态点云与动态点云;根据所述对地点云信息对所述动态点云进行聚类得到聚类目标,并根据所述聚类目标包含的聚类目标速度和聚类目标运动方向,对所述聚类目标进行跟踪以得到所述聚类目标对应的跟踪目标信息;根据所述静态点云确定可行驶区域,并基于所述可行驶区域以及所述跟踪目标信息进行路径规划,以便对所述车辆进行导航。如此一来,使用天气适应性强,没有脆弱的玻璃镜头的成像毫米波雷达可实现全天候工作,另外,本申请拼接不同成像毫米波雷达获取的点云得到显示车辆周围环境的连续点云,并根据通过车辆运动信息和连续点云确定的对地点云信息区分出动态点云和静态点云,然后对动态点云进行聚类得到的聚类目标,并对聚类目标进行跟踪得到跟踪目标信息,利用静态点云确定可行使区域,然后,本申请根据上述跟踪目标信息和可行使区域做出了路径规划以对车辆进行导航。
进一步的,本申请实施例还提供了一种电子设备,图8是根据一示例性实施例示出的电子设备20结构图,图中的内容不能认为是对本申请的使用范围的任何限制。
图8为本申请实施例提供的一种电子设备20的结构示意图。该电子设备20,具体可以包括:至少一个处理器21、至少一个存储器22、电源23、输入输出接口24、通信接口25和通信总线26。其中,所述存储器22用于存储计算机程序,所述计算机程序由所述处理器21加载并执行,以实现前述任意实施例公开的基于成像毫米波雷达的车辆导航方法的相关步骤。
本实施例中,电源23用于为电子设备20上的各硬件设备提供工作电压;通信接口25能够为电子设备20创建与外界设备之间的数据传输通道,其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议,在此不对其进行具体限定;输入输出接口24,用于获取外界输入数据或向外界输出数据,其具体的接口类型可以根据具体应用需要进行选取,在此不进行具体限定。
另外,存储器22作为资源存储的载体,可以是只读存储器、随机存储器、磁盘或者光盘等,存储器22作为可以包括作为运行内存的随机存取存储器和用于外部内存的存储用途的非易失性存储器,其上的存储资源包括操作***221、计算机程序222等,存储方式可以是短暂存储或者永久存储。
其中,操作***221用于管理与控制源主机上电子设备20上的各硬件设备以及计算机程序222,操作***221可以是Windows、Unix、Linux等。计算机程222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的基于成像毫米波雷达的车辆导航方法的计算机程序之外,还可以进一步包括能够用于完成其他特定工作的计算机程序。
本实施例中,所述输入输出接口24具体可以包括但不限于USB接口、硬盘读取接口、串行接口、语音输入接口、指纹输入接口等。
进一步的,本申请实施例还公开了一种计算机可读存储介质,用于存储计算机程序;其中,所述计算机程序被处理器执行时实现前述公开的基于成像毫米波雷达的车辆导航方法。
关于该方法的具体步骤可以参考前述实施例中公开的相应内容,在此不再进行赘述
这里所说的计算机可读存储介质包括随机存取存储器(Random Access Memory,RAM)、内存、只读存储器(Read-Only Memory,ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、磁碟或者光盘或技术领域内所公知的任意其他形式的存储介质。其中,所述计算机程序被处理器执行时实现前述基于成像毫米波雷达的车辆导航方法。关于该方法的具体步骤可以参考前述实施例中公开的相应内容,在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的基于成像毫米波雷达的车辆导航方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种基于成像毫米波雷达的车辆导航方法、装置、设备及介质进行了详细介绍,本文中应用了具体个例对本发明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发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体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发明的限制。
Claims (8)
1.一种基于成像毫米波雷达的车辆导航方法,其特征在于,包括:
将各成像毫米波雷达获得的位于各雷达坐标系的点云转换至车辆坐标系中,以便进行点云拼接得到连续点云;其中,所述连续点云中包含连续点云相对车辆的连续点云速度和连续点云坐标;所述各雷达坐标系和所述车辆坐标系为直角坐标系;
根据检测到的所述车辆相对于地面的车辆运动信息以及所述连续点云确定出所述连续点云相对于地面的对地点云信息,并基于所述对地点云信息从所述连续点云中区分出静态点云与动态点云;
根据所述对地点云信息对所述动态点云进行聚类得到聚类目标,并根据所述聚类目标包含的聚类目标速度和聚类目标运动方向,对所述聚类目标进行跟踪以得到所述聚类目标对应的跟踪目标信息;
根据所述静态点云确定可行驶区域,并基于所述可行驶区域以及所述跟踪目标信息进行路径规划,以便对所述车辆进行导航;
其中,所述根据所述对地点云信息对所述动态点云进行聚类得到聚类目标,包括:
在第二预设坐标范围内,从所述动态点云中确定出具有相似的对地点云信息的目标动态点云;
根据预设轮廓信息对所述目标动态点云进行聚类以得到聚类目标,并确定所述聚类目标对应的聚类点以及所述聚类点的坐标;
其中,所述根据所述聚类目标包含的聚类目标速度和聚类目标运动方向,对所述聚类目标进行跟踪以得到所述聚类目标对应的跟踪目标信息,包括:
根据所述聚类目标包含的所述聚类目标速度、所述聚类目标运动方向和所述聚类点坐标,预测所述聚类目标在下一次扫描时所在的目标坐标范围;
如果在所述下一次扫描时,在所述目标坐标范围内探测到与所述聚类目标具有相似的所述聚类目标速度和所述聚类目标运动方向的待判定点云,则判定所述待判定点云为所述聚类目标,以实现目标跟踪并获得所述聚类目标对应的跟踪目标信息。
2.根据权利要求1所述的基于成像毫米波雷达的车辆导航方法,其特征在于,所述将各成像毫米波雷达获得的位于各雷达坐标系的点云转换至车辆坐标系中,以便进行点云拼接得到连续点云,包括:
获取包括各成像毫米波雷达在所述车辆坐标系中的坐标信息和各成像毫米波雷达偏航角度的雷达安装信息;
根据所述雷达安装信息计算各所述成像毫米波雷达坐标系中的所述点云在所述车辆坐标系中的坐标,以得到所述车辆坐标系中的与不同成像毫米波雷达对应的多组点云坐标;
对所述多组点云坐标进行拼接,以得到相应的连续点云。
3.根据权利要求1所述的基于成像毫米波雷达的车辆导航方法,其特征在于,所述根据检测到的所述车辆相对于地面的车辆运动信息以及所述连续点云确定出所述连续点云相对于地面的对地点云信息之前,还包括:
如果所述连续点云对应的点云质量参数满足预设参数阈值过滤条件,则将所述连续点云确定为虚假点云,然后对所述虚假点云进行删除;
和/或,如果在当前扫描周期中出现了所述连续点云,但在之后第一预设数量个连续的扫描周期内所述连续点云在第一预设坐标范围内不能被连续探测到,则将所述连续点云确定为虚假点云,并对所述虚假点云进行删除。
4.根据权利要求1所述的基于成像毫米波雷达的车辆导航方法,其特征在于,所述根据检测到的所述车辆相对于地面的车辆运动信息以及所述连续点云确定出所述连续点云相对于地面的对地点云信息,并基于所述对地点云信息从所述连续点云中区分出静态点云与动态点云,包括:
检测所述车辆相对于地面的包括车辆运动速度和车辆偏航率的所述车辆运动信息;
根据所述车辆运动信息以及所述连续点云中的连续点云速度,确定出所述连续点云相对于地面的对地点云速度;
如果所述连续点云的对地点云速度小于预设速度阈值,则将所述连续点云确定为静态点云,如果所述连续点云的对地点云速度不小于所述预设速度阈值,则将所述连续点云确定为动态点云。
5.根据权利要求1至4任一项所述的基于成像毫米波雷达的车辆导航方法,其特征在于,还包括:
若监测到在第二预设数量个连续的扫描周期内以及第三预设坐标范围内的所有所述连续点云的所述对地点云信息没有发生变化,则将所述第三预设坐标范围确定为不可行驶区域。
6.一种基于成像毫米波雷达的车辆导航装置,其特征在于,包括:
点云拼接模块,用于将各成像毫米波雷达获得的位于各雷达坐标系的点云转换至车辆坐标系中,以便进行点云拼接得到连续点云;其中,所述连续点云中包含连续点云相对车辆的连续点云速度和连续点云坐标;所述各雷达坐标系和所述车辆坐标系为直角坐标系;
点云区分模块,用于根据检测到的所述车辆相对于地面的车辆运动信息以及所述连续点云确定出所述连续点云相对于地面的对地点云信息,并基于所述对地点云信息从所述连续点云中区分出静态点云与动态点云;
聚类模块,用于根据所述对地点云信息对所述动态点云进行聚类得到聚类目标,并根据所述聚类目标包含的聚类目标速度和聚类目标运动方向,对所述聚类目标进行跟踪以得到所述聚类目标对应的跟踪目标信息;
路径规划模块,用于根据所述静态点云确定可行驶区域,并基于所述可行驶区域以及所述跟踪目标信息进行路径规划,以便对所述车辆进行导航;
其中,所述聚类模块用于:
在第二预设坐标范围内,从所述动态点云中确定出具有相似的对地点云信息的目标动态点云;
根据预设轮廓信息对所述目标动态点云进行聚类以得到聚类目标,并确定所述聚类目标对应的聚类点以及所述聚类点的坐标;
其中,所述聚类模块还用于:
根据所述聚类目标包含的所述聚类目标速度、所述聚类目标运动方向和所述聚类点坐标,预测所述聚类目标在下一次扫描时所在的目标坐标范围;
如果在所述下一次扫描时,在所述目标坐标范围内探测到与所述聚类目标具有相似的所述聚类目标速度和所述聚类目标运动方向的待判定点云,则判定所述待判定点云为所述聚类目标,以实现目标跟踪并获得所述聚类目标对应的跟踪目标信息。
7.一种电子设备,其特征在于,包括处理器和存储器;其中,所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1 至5 任一项所述的基于成像毫米波雷达的车辆导航方法。
8.一种计算机可读存储介质,其特征在于,用于存储计算机程序;其中,所述计算机程序被处理器执行时实现如权利要求1 至5任一项所述的基于成像毫米波雷达的车辆导航方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210108581.5A CN114442101B (zh) | 2022-01-28 | 2022-01-28 | 基于成像毫米波雷达的车辆导航方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210108581.5A CN114442101B (zh) | 2022-01-28 | 2022-01-28 | 基于成像毫米波雷达的车辆导航方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114442101A CN114442101A (zh) | 2022-05-06 |
CN114442101B true CN114442101B (zh) | 2023-11-14 |
Family
ID=81372193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210108581.5A Active CN114442101B (zh) | 2022-01-28 | 2022-01-28 | 基于成像毫米波雷达的车辆导航方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114442101B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114637006B (zh) * | 2022-05-07 | 2023-03-10 | 长沙莫之比智能科技有限公司 | 基于毫米波人员跌倒检测雷达的预警区域自适应调节方法 |
CN115290104A (zh) * | 2022-07-14 | 2022-11-04 | 襄阳达安汽车检测中心有限公司 | 仿真地图生成方法、装置、设备及可读存储介质 |
CN115017467B (zh) * | 2022-08-08 | 2022-11-15 | 北京主线科技有限公司 | 一种跟车目标的补偿方法、装置及存储介质 |
CN116953704A (zh) * | 2022-12-23 | 2023-10-27 | 河北德冠隆电子科技有限公司 | 一种智慧交通用多维度角度可调全向扫描毫米波雷达 |
CN117148837A (zh) * | 2023-08-31 | 2023-12-01 | 上海木蚁机器人科技有限公司 | 动态障碍物的确定方法、装置、设备和介质 |
Citations (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108226924A (zh) * | 2018-01-11 | 2018-06-29 | 李烜 | 基于毫米波雷达的汽车行驶环境探测方法、装置及其应用 |
CN108345007A (zh) * | 2017-01-23 | 2018-07-31 | 郑州宇通客车股份有限公司 | 一种障碍物识别方法和装置 |
CN108345823A (zh) * | 2017-01-23 | 2018-07-31 | 郑州宇通客车股份有限公司 | 一种基于卡尔曼滤波的障碍物跟踪方法和装置 |
CN108710828A (zh) * | 2018-04-18 | 2018-10-26 | 北京汽车集团有限公司 | 识别目标物的方法、装置和存储介质以及车辆 |
CN109740628A (zh) * | 2018-12-03 | 2019-05-10 | 深圳市华讯方舟太赫兹科技有限公司 | 点云聚类方法、图像处理设备及具有存储功能的装置 |
CN109870680A (zh) * | 2018-10-26 | 2019-06-11 | 北京润科通用技术有限公司 | 一种目标分类方法及装置 |
CN110084840A (zh) * | 2019-04-24 | 2019-08-02 | 百度在线网络技术(北京)有限公司 | 点云配准方法、装置、服务器和计算机可读介质 |
CN110208793A (zh) * | 2019-04-26 | 2019-09-06 | 纵目科技(上海)股份有限公司 | 基于毫米波雷达的辅助驾驶***、方法、终端和介质 |
CN110310294A (zh) * | 2019-07-08 | 2019-10-08 | 江苏易图地理信息科技股份有限公司 | 一种利用自适应分割面模糊c均值聚类的点云分割方法 |
CN110412516A (zh) * | 2019-08-20 | 2019-11-05 | 河北德冠隆电子科技有限公司 | 毫米波雷达对静止物体和缓慢变化物体的检测方法和装置 |
CN110914703A (zh) * | 2017-07-31 | 2020-03-24 | 深圳市大疆创新科技有限公司 | 对点云中基于运动的不准确性的校正 |
CN110969855A (zh) * | 2019-12-13 | 2020-04-07 | 长沙莫之比智能科技有限公司 | 一种基于毫米波雷达的交通流量监测*** |
EP3633404A1 (en) * | 2018-10-02 | 2020-04-08 | Ibeo Automotive Systems GmbH | Method and apparatus for optical distance measurements |
CN111239766A (zh) * | 2019-12-27 | 2020-06-05 | 北京航天控制仪器研究所 | 基于激光雷达的水面多目标快速识别跟踪方法 |
CN111260683A (zh) * | 2020-01-09 | 2020-06-09 | 合肥工业大学 | 一种三维点云数据的目标检测与跟踪方法及其装置 |
CN111582352A (zh) * | 2020-04-30 | 2020-08-25 | 上海高仙自动化科技发展有限公司 | 基于对象的感知方法、装置、机器人及存储介质 |
CN111797734A (zh) * | 2020-06-22 | 2020-10-20 | 广州视源电子科技股份有限公司 | 车辆点云数据处理方法、装置、设备和存储介质 |
CN111857168A (zh) * | 2020-07-03 | 2020-10-30 | 北京二郎神科技有限公司 | 无人机定位方法、装置与无人机停放姿态调整方法、装置 |
WO2021017314A1 (zh) * | 2019-07-29 | 2021-02-04 | 浙江商汤科技开发有限公司 | 信息处理方法、定位方法及装置、电子设备和存储介质 |
JPWO2021053811A1 (zh) * | 2019-09-20 | 2021-03-25 | ||
CN112847343A (zh) * | 2020-12-29 | 2021-05-28 | 深圳市普渡科技有限公司 | 动态目标跟踪定位方法、装置、设备和存储介质 |
CN113031005A (zh) * | 2021-02-22 | 2021-06-25 | 江苏大学 | 基于激光雷达的吊车动态障碍物识别方法 |
CN113139607A (zh) * | 2021-04-27 | 2021-07-20 | 苏州挚途科技有限公司 | 障碍物检测方法和装置 |
CN113156414A (zh) * | 2020-12-16 | 2021-07-23 | 中国人民解放军陆军工程大学 | 基于mimo毫米波雷达的智能感知与路径规划运输*** |
CN113313200A (zh) * | 2021-06-21 | 2021-08-27 | 中国科学院自动化研究所苏州研究院 | 一种基于法向约束的点云精匹配方法 |
CN113391270A (zh) * | 2021-06-11 | 2021-09-14 | 森思泰克河北科技有限公司 | 多雷达点云融合的虚假目标抑制方法、装置及终端设备 |
JPWO2021181647A1 (zh) * | 2020-03-13 | 2021-09-16 | ||
CN113479218A (zh) * | 2021-08-09 | 2021-10-08 | 哈尔滨工业大学 | 一种路基自动驾驶辅助探测***及其控制方法 |
CN113537316A (zh) * | 2021-06-30 | 2021-10-22 | 南京理工大学 | 一种基于4d毫米波雷达点云的车辆检测方法 |
CN113589288A (zh) * | 2021-06-24 | 2021-11-02 | 广西综合交通大数据研究院 | 基于毫米波雷达的目标筛选方法、装置、设备及存储介质 |
CN113674355A (zh) * | 2021-07-06 | 2021-11-19 | 中国北方车辆研究所 | 一种基于相机与激光雷达的目标识别与定位方法 |
CN113671481A (zh) * | 2021-07-21 | 2021-11-19 | 西安电子科技大学 | 一种基于毫米波雷达的3d多目标跟踪处理方法 |
CN113689471A (zh) * | 2021-09-09 | 2021-11-23 | 中国联合网络通信集团有限公司 | 目标跟踪方法、装置、计算机设备及存储介质 |
CN113721234A (zh) * | 2021-08-30 | 2021-11-30 | 南京慧尔视智能科技有限公司 | 一种车载毫米波雷达点云数据动静分离过滤方法和装置 |
CN113761238A (zh) * | 2021-08-27 | 2021-12-07 | 广州文远知行科技有限公司 | 点云存储方法、装置、设备及存储介质 |
CN113792699A (zh) * | 2021-09-24 | 2021-12-14 | 北京易航远智科技有限公司 | 一种基于语义点云的对象级快速场景识别方法 |
CN113807168A (zh) * | 2021-08-05 | 2021-12-17 | 北京蜂云科创信息技术有限公司 | 一种车辆行驶环境感知方法、车载设备和存储介质 |
CN113848545A (zh) * | 2021-09-01 | 2021-12-28 | 电子科技大学 | 一种基于视觉和毫米波雷达的融合目标检测和跟踪方法 |
CN113888748A (zh) * | 2021-09-27 | 2022-01-04 | 北京经纬恒润科技股份有限公司 | 一种点云数据处理方法及装置 |
-
2022
- 2022-01-28 CN CN202210108581.5A patent/CN114442101B/zh active Active
Patent Citations (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108345007A (zh) * | 2017-01-23 | 2018-07-31 | 郑州宇通客车股份有限公司 | 一种障碍物识别方法和装置 |
CN108345823A (zh) * | 2017-01-23 | 2018-07-31 | 郑州宇通客车股份有限公司 | 一种基于卡尔曼滤波的障碍物跟踪方法和装置 |
CN110914703A (zh) * | 2017-07-31 | 2020-03-24 | 深圳市大疆创新科技有限公司 | 对点云中基于运动的不准确性的校正 |
CN108226924A (zh) * | 2018-01-11 | 2018-06-29 | 李烜 | 基于毫米波雷达的汽车行驶环境探测方法、装置及其应用 |
CN108710828A (zh) * | 2018-04-18 | 2018-10-26 | 北京汽车集团有限公司 | 识别目标物的方法、装置和存储介质以及车辆 |
EP3633404A1 (en) * | 2018-10-02 | 2020-04-08 | Ibeo Automotive Systems GmbH | Method and apparatus for optical distance measurements |
CN109870680A (zh) * | 2018-10-26 | 2019-06-11 | 北京润科通用技术有限公司 | 一种目标分类方法及装置 |
CN109740628A (zh) * | 2018-12-03 | 2019-05-10 | 深圳市华讯方舟太赫兹科技有限公司 | 点云聚类方法、图像处理设备及具有存储功能的装置 |
CN110084840A (zh) * | 2019-04-24 | 2019-08-02 | 百度在线网络技术(北京)有限公司 | 点云配准方法、装置、服务器和计算机可读介质 |
CN110208793A (zh) * | 2019-04-26 | 2019-09-06 | 纵目科技(上海)股份有限公司 | 基于毫米波雷达的辅助驾驶***、方法、终端和介质 |
CN110310294A (zh) * | 2019-07-08 | 2019-10-08 | 江苏易图地理信息科技股份有限公司 | 一种利用自适应分割面模糊c均值聚类的点云分割方法 |
WO2021017314A1 (zh) * | 2019-07-29 | 2021-02-04 | 浙江商汤科技开发有限公司 | 信息处理方法、定位方法及装置、电子设备和存储介质 |
CN110412516A (zh) * | 2019-08-20 | 2019-11-05 | 河北德冠隆电子科技有限公司 | 毫米波雷达对静止物体和缓慢变化物体的检测方法和装置 |
JPWO2021053811A1 (zh) * | 2019-09-20 | 2021-03-25 | ||
CN110969855A (zh) * | 2019-12-13 | 2020-04-07 | 长沙莫之比智能科技有限公司 | 一种基于毫米波雷达的交通流量监测*** |
CN111239766A (zh) * | 2019-12-27 | 2020-06-05 | 北京航天控制仪器研究所 | 基于激光雷达的水面多目标快速识别跟踪方法 |
CN111260683A (zh) * | 2020-01-09 | 2020-06-09 | 合肥工业大学 | 一种三维点云数据的目标检测与跟踪方法及其装置 |
JPWO2021181647A1 (zh) * | 2020-03-13 | 2021-09-16 | ||
CN111582352A (zh) * | 2020-04-30 | 2020-08-25 | 上海高仙自动化科技发展有限公司 | 基于对象的感知方法、装置、机器人及存储介质 |
CN111797734A (zh) * | 2020-06-22 | 2020-10-20 | 广州视源电子科技股份有限公司 | 车辆点云数据处理方法、装置、设备和存储介质 |
CN111857168A (zh) * | 2020-07-03 | 2020-10-30 | 北京二郎神科技有限公司 | 无人机定位方法、装置与无人机停放姿态调整方法、装置 |
CN113156414A (zh) * | 2020-12-16 | 2021-07-23 | 中国人民解放军陆军工程大学 | 基于mimo毫米波雷达的智能感知与路径规划运输*** |
CN112847343A (zh) * | 2020-12-29 | 2021-05-28 | 深圳市普渡科技有限公司 | 动态目标跟踪定位方法、装置、设备和存储介质 |
CN113031005A (zh) * | 2021-02-22 | 2021-06-25 | 江苏大学 | 基于激光雷达的吊车动态障碍物识别方法 |
CN113139607A (zh) * | 2021-04-27 | 2021-07-20 | 苏州挚途科技有限公司 | 障碍物检测方法和装置 |
CN113391270A (zh) * | 2021-06-11 | 2021-09-14 | 森思泰克河北科技有限公司 | 多雷达点云融合的虚假目标抑制方法、装置及终端设备 |
CN113313200A (zh) * | 2021-06-21 | 2021-08-27 | 中国科学院自动化研究所苏州研究院 | 一种基于法向约束的点云精匹配方法 |
CN113589288A (zh) * | 2021-06-24 | 2021-11-02 | 广西综合交通大数据研究院 | 基于毫米波雷达的目标筛选方法、装置、设备及存储介质 |
CN113537316A (zh) * | 2021-06-30 | 2021-10-22 | 南京理工大学 | 一种基于4d毫米波雷达点云的车辆检测方法 |
CN113674355A (zh) * | 2021-07-06 | 2021-11-19 | 中国北方车辆研究所 | 一种基于相机与激光雷达的目标识别与定位方法 |
CN113671481A (zh) * | 2021-07-21 | 2021-11-19 | 西安电子科技大学 | 一种基于毫米波雷达的3d多目标跟踪处理方法 |
CN113807168A (zh) * | 2021-08-05 | 2021-12-17 | 北京蜂云科创信息技术有限公司 | 一种车辆行驶环境感知方法、车载设备和存储介质 |
CN113479218A (zh) * | 2021-08-09 | 2021-10-08 | 哈尔滨工业大学 | 一种路基自动驾驶辅助探测***及其控制方法 |
CN113761238A (zh) * | 2021-08-27 | 2021-12-07 | 广州文远知行科技有限公司 | 点云存储方法、装置、设备及存储介质 |
CN113721234A (zh) * | 2021-08-30 | 2021-11-30 | 南京慧尔视智能科技有限公司 | 一种车载毫米波雷达点云数据动静分离过滤方法和装置 |
CN113848545A (zh) * | 2021-09-01 | 2021-12-28 | 电子科技大学 | 一种基于视觉和毫米波雷达的融合目标检测和跟踪方法 |
CN113689471A (zh) * | 2021-09-09 | 2021-11-23 | 中国联合网络通信集团有限公司 | 目标跟踪方法、装置、计算机设备及存储介质 |
CN113792699A (zh) * | 2021-09-24 | 2021-12-14 | 北京易航远智科技有限公司 | 一种基于语义点云的对象级快速场景识别方法 |
CN113888748A (zh) * | 2021-09-27 | 2022-01-04 | 北京经纬恒润科技股份有限公司 | 一种点云数据处理方法及装置 |
Non-Patent Citations (6)
Title |
---|
三维激光点云运动图像动态目标识别;罗革;《激光杂志》;第42卷(第9期);134-138 * |
动态分配聚类中心的改进K均值聚类算法;程艳云等;《计算机技术与发展》;第27卷(第2期);33-37 * |
地面激光点云结合摄影测量的建筑物三维建模;汪晓楚;《安徽师范大学学报(自然科学版)》;第40卷(第6期);569-573 * |
基于激光雷达与红外图像融合的车辆目标识别算法;战荫泽;《激光与红外》;第51卷(第9期);1238-1242 * |
融合附加神经网络的激光雷达点云单目标跟踪;周笑宇;《中国激光》;第48卷(第21期);(2110001-1)-(2110001-13) * |
邸慧军等.《无人驾驶车辆目标检测与运动跟踪》.北京理工大学出版社,2021,第143-145页. * |
Also Published As
Publication number | Publication date |
---|---|
CN114442101A (zh) | 2022-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114442101B (zh) | 基于成像毫米波雷达的车辆导航方法、装置、设备及介质 | |
CN109927719B (zh) | 一种基于障碍物轨迹预测的辅助驾驶方法和*** | |
CN108572663B (zh) | 目标跟踪 | |
EP3580581B1 (en) | Using wheel orientation to determine future heading | |
US11004000B1 (en) | Predicting trajectory intersection by another road user | |
CN112665556B (zh) | 使用被动和主动测量生成场景的三维地图 | |
US10705220B2 (en) | System and method for ground and free-space detection | |
CN113002396B (zh) | 一种用于自动驾驶矿用车辆的环境感知***及矿用车辆 | |
US20220155415A1 (en) | Detecting Spurious Objects For Autonomous Vehicles | |
JPH11212640A (ja) | 自律走行車両及び自律走行車両を制御する方法 | |
CN113085896B (zh) | 一种现代有轨清洁车辅助自动驾驶***及方法 | |
US10380757B2 (en) | Detecting vehicle movement through wheel movement | |
KR20190126024A (ko) | 교통 사고 처리 장치 및 교통 사고 처리 방법 | |
CN114518113A (zh) | 基于径向速度测量来过滤点云中的返回点 | |
US11673581B2 (en) | Puddle occupancy grid for autonomous vehicles | |
US20230152458A1 (en) | Lidar System with Gyroscope-Aided Focus Steering | |
CN112485784A (zh) | 内轮差区域内目标的危险系数确定方法、装置、电子设备及存储介质 | |
WO2023147160A1 (en) | Radar object classification based on radar cross-section data | |
CN114084129A (zh) | 一种基于融合的车辆自动驾驶控制方法及*** | |
US20230152466A1 (en) | Lidar System with Scene Dependent Focus Intensity | |
US11590978B1 (en) | Assessing perception of sensor using known mapped objects | |
CN114348018A (zh) | 商用车辆的自动驾驶***及方法 | |
EP4187277A1 (en) | A method to detect radar installation error for pitch angle on autonomous vehicles | |
RU2775817C2 (ru) | Способ и система для обучения алгоритма машинного обучения с целью обнаружения объектов на расстоянии | |
CN215495425U (zh) | 复眼摄像***及使用复眼摄像***的车辆 |
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 |