CN115641567A - 用于车辆的目标对象检测方法、装置、车辆及介质 - Google Patents
用于车辆的目标对象检测方法、装置、车辆及介质 Download PDFInfo
- Publication number
- CN115641567A CN115641567A CN202211661642.7A CN202211661642A CN115641567A CN 115641567 A CN115641567 A CN 115641567A CN 202211661642 A CN202211661642 A CN 202211661642A CN 115641567 A CN115641567 A CN 115641567A
- Authority
- CN
- China
- Prior art keywords
- target
- candidate
- laser signal
- scene
- candidate object
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 108
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本公开提出一种用于车辆的目标对象检测方法、装置、车辆及存储介质,包括:采集场景中的目标激光信号和场景的场景图像,其中,目标激光信号是激光脉冲被场景中的至少一个候选对象散射所得激光信号,场景图像包括:至少一个候选对象的局部图像,并根据目标激光信号和场景图像,从至少一个候选对象中识别得到目标对象,以及根据目标激光信号和场景图像,检测目标对象的信息,通过本公开,能够联合目标激光信号和场景图像有效地提升对远距离目标对象的检测能力,从而能够对更为准确地车辆驾驶场景中远距离的目标对象的信息进行检测,有效地提升车辆驾驶场景中目标对象检测方法的适用性。
Description
技术领域
本公开涉及自动驾驶技术领域,尤其涉及一种用于车辆的目标对象检测方法、装置、车辆及介质。
背景技术
在自动驾驶技术领域,车辆驾驶场景中的目标对象(例如,其他车辆,行人以及障碍物等)进行检测,在车辆的避障,路况识别,线路规划等环节发挥着重要作用,对车辆驾驶场景中的目标对象进行检测是确保车辆安全驾驶的重要前提。
相关技术中,通常是基于激光信号采集设备所采集的激光信号对车辆驾驶场景中的目标对象进行检测。
这种方式下,由于激光信号采集设备的采集范围较小,从而无法对车辆驾驶场景中远距离的目标对象进行检测,进而导致车辆驾驶场景中的目标对象检测方法的适用性较差。
发明内容
本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本公开提出一种用于车辆的目标对象检测方法、装置、车辆及存储介质,能够联合目标激光信号和场景图像有效地提升对远距离目标对象的检测能力,从而能够对更为准确地车辆驾驶场景中远距离的目标对象的信息进行检测,有效地提升车辆驾驶场景中目标对象检测方法的适用性。
本公开第一方面实施例提出的用于车辆的目标对象检测方法,包括:采集场景中的目标激光信号和场景的场景图像,其中,目标激光信号是激光脉冲被场景中的至少一个候选对象散射所得激光信号,场景图像包括:至少一个候选对象的局部图像;根据目标激光信号和场景图像,从至少一个候选对象中识别得到目标对象;以及根据目标激光信号和场景图像,检测目标对象的信息。
本公开第一方面实施例提出的用于车辆的目标对象检测方法,通过采集场景中的目标激光信号和场景的场景图像,其中,目标激光信号是激光脉冲被场景中的至少一个候选对象散射所得激光信号,场景图像包括:至少一个候选对象的局部图像,并根据目标激光信号和场景图像,从至少一个候选对象中识别得到目标对象,以及根据目标激光信号和场景图像,检测目标对象的信息,通过本公开,能够联合目标激光信号和场景图像有效地提升对远距离目标对象的检测能力,从而能够对更为准确地车辆驾驶场景中远距离的目标对象的信息进行检测,有效地提升车辆驾驶场景中目标对象检测方法的适用性。
本公开第二方面实施例提出的用于车辆的目标对象检测装置,包括:采集模块,用于采集场景中的目标激光信号和场景的场景图像,其中,目标激光信号是激光脉冲被场景中的至少一个候选对象散射所得激光信号,场景图像包括:至少一个候选对象的局部图像;识别模块,用于根据目标激光信号和场景图像,从至少一个候选对象中识别得到目标对象;以及检测模块,用于根据目标激光信号和场景图像,检测目标对象的信息。
本公开第二方面实施例提出的用于车辆的目标对象检测装置,通过采集场景中的目标激光信号和场景的场景图像,其中,目标激光信号是激光脉冲被场景中的至少一个候选对象散射所得激光信号,场景图像包括:至少一个候选对象的局部图像,并根据目标激光信号和场景图像,从至少一个候选对象中识别得到目标对象,以及根据目标激光信号和场景图像,检测目标对象的信息,通过本公开,能够联合目标激光信号和场景图像有效地提升对远距离目标对象的检测能力,从而能够对更为准确地车辆驾驶场景中远距离的目标对象的信息进行检测,有效地提升车辆驾驶场景中目标对象检测方法的适用性。
本公开第三方面实施例提出的车辆,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现如本公开第一方面实施例提出的用于车辆的目标对象检测方法。
本公开第四方面实施例提出了一种非临时性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公开第一方面实施例提出的用于车辆的目标对象检测方法。
本公开第五方面实施例提出了一种计算机程序产品,当计算机程序产品中的指令由处理器执行时,执行如本公开第一方面实施例提出的用于车辆的目标对象检测方法。
本公开附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本公开的实践了解到。
附图说明
本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是本公开一实施例提出的用于车辆的目标对象检测方法的流程示意图;
图2是本公开另一实施例提出的用于车辆的目标对象检测方法的流程示意图;
图3是本公开另一实施例提出的用于车辆的目标对象检测方法的流程示意图;
图4是本公开一实施例提出的用于车辆的目标对象检测装置的结构示意图;
图5是本公开另一实施例提出的用于车辆的目标对象检测装置的结构示意图;
图6示出了适于用来实现本公开实施方式的示例性车辆的框图。
具体实施方式
下面详细描述本公开的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本公开,而不能理解为对本公开的限制。相反,本公开的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
图1是本公开一实施例提出的用于车辆的目标对象检测方法的流程示意图。
本公开实施例以用于车辆的目标对象检测方法被配置为用于车辆的目标对象检测装置中来举例说明。
本公开实施例中用于车辆的目标对象检测方法可以被配置在用于车辆的目标对象检测装置中,该用于车辆的目标对象检测装置可以设置在服务器中,或者也可以设置在车辆中,本公开实施例对此不作限制。
需要说明的是,本公开实施例的执行主体,在硬件上可以例如为服务器或者电子设备中的中央处理器(Central Processing Unit,CPU),在软件上可以例如为服务器或者车辆中的相关的后台服务,对此不作限制。
如图1所示,该用于车辆的目标对象检测方法,包括:
S101:采集场景中的目标激光信号和场景的场景图像,其中,目标激光信号是激光脉冲被场景中的至少一个候选对象散射所得激光信号,场景图像包括:至少一个候选对象的局部图像。
本公开实施例所描述的用于车辆的目标对象检测方法,可以用于对车辆所处驾驶场景中的目标对象进行检测。
其中,采集场景中的目标激光信号和场景的场景图像,可以是在车辆驾驶过程中,针对车辆所处驾驶场景中的候选对象所采集的目标激光信号和车辆驾驶场景的场景图像,对此不做限制。
其中,候选对象可以是车辆驾驶场景中的其他车辆,行人,障碍物,指示牌等,对此不做限制。
其中,目标激光信号可以是基于激光雷达,点云相机在车辆行驶过程中,针对车辆所处的驾驶场景中的候选对象所采集的激光点云数据,相应地,场景图像可以是基于相机等摄像组件在车辆行驶过程中,针对车辆所处的驾驶场景中的候选对象所采集的图像,对此不做限制。
也即是说,本公开实施例中,采集场景中的目标激光信号,可以是基于车辆中预先配置的激光信号采集设备(例如,激光雷达,对此不做限制),采集其激光脉冲被场景中的至少一个候选对象散射所得激光信号。
本公开实施例中,采集场景中的场景图像可以是基于车辆中预先配置的摄像装置(例如,相机,对此不做限制),针对车辆驾驶场景中的候选对象进行拍摄,并将拍摄所得图像作为场景图像,对此不做限制。
本公开实施例中,场景图像包括:至少一个候选对象的局部图像,即场景图像中包括,针对车辆驾驶场景中采集得到的场景图像中与候选对象对应的至少一个局部图像,对此不做限制。
本公开实施例中,目标激光信号的数量是多个,场景图像的帧数是多帧。
可选地,一些实施例中,采集场景中的目标激光信号和场景的场景图像,可以是采集每个目标激光信号,并在采集每个目标激光信号的同时,采集相应帧场景图像,由此,使得对于每个目标激光信号都存在与其对应的的相应帧场景图像。
也即是说,本公开实施例中,采集场景中的目标激光信号和场景的场景图像,可以是在车辆驾驶过程中,使用车辆中配置的激光雷达和摄像装置,针对车辆驾驶场景中的候选对象同步采集相应的目标激光信号和场景图像,即在采集每个目标激光信号的同时,采集相应帧场景图像,由此保障对于任一目标激光信号均存在与其对应的相同时间信息的场景图像,从而可以在后续用于车辆的目标对象检测方法的执行过程中,能够支持对相同采集时间的场景图像和目标激光信号进行处理。
S102:根据目标激光信号和场景图像,从至少一个候选对象中识别得到目标对象。
本公开实施例在采集场景中的目标激光信号和场景的场景图像之后,可以根据目标激光信号和场景图像,从至少一个候选对象中识别得到目标对象。
其中,目标对象可以是从候选对象中确定的用于在后续用于车辆的目标检测方法中进行处理的候选对象,该目标对象可以是车辆驾驶场景中的其他车辆,对此不做限制。
也即是说,本公开实施例中的用于车辆的目标检测方法,可以是对候选对象中确定的目标对象进行检测,对此不做限制。
可以理解的是,本公开实施例中,由于激光信号采集装置和摄像装置的采集范围不相同,即摄像装置的采集范围通常大于激光采集装置的采集范围,从而导致目标激光信号所描述的候选对象可能与场景图像中所描述的候选对象不相同。
由此,根据目标激光信号和场景图像,从至少一个候选对象中识别得到目标对象,可以是将目标激光信号和场景图像中相同的候选对象,确定为目标对象,对此不做限制。
S103:根据目标激光信号和场景图像,检测目标对象的信息。
本公开实施例在根据目标激光信号和场景图像,从至少一个候选对象中识别得到目标对象之后,可以根据目标激光信号和场景图像,检测目标对象的信息。
其中,目标对象的信息是指与目标对象相关的信息,具体可以是目标对象的速度信息,目标对象的轨迹信息,目标对象的特征信息等,对此不做限制。
一些实施例中,根据目标激光信号和场景图像,检测目标对象的信息,可以是根据目标激光信号和场景图像,实现场景图像中远距离目标对象且对应时间戳目标激光信号无目标对象的测距测速误差,确定激光采集设备无法感知区域视觉目标(远距离目标)的测距测速,并将前述确定的距离和速度的检测结果作为目标对象的信息,对此不做限制。
本公开实施例中,通过采集场景中的目标激光信号和场景的场景图像,其中,目标激光信号是激光脉冲被场景中的至少一个候选对象散射所得激光信号,场景图像包括:至少一个候选对象的局部图像,并根据目标激光信号和场景图像,从至少一个候选对象中识别得到目标对象,以及根据目标激光信号和场景图像,检测目标对象的信息,通过本公开,能够联合目标激光信号和场景图像有效地提升对远距离目标对象的检测能力,从而能够对更为准确地车辆驾驶场景中远距离的目标对象的信息进行检测,有效地提升车辆驾驶场景中目标对象检测方法的适用性。
图2是本公开另一实施例提出的用于车辆的目标对象检测方法的流程示意图。
如图2所示,该用于车辆的目标对象检测方法,包括:
S201:采集场景中的目标激光信号和场景的场景图像。
S201的描述说明具体可以参见上述实施例,在此不再赘述。
S202:根据至少一个目标激光信号,检测得到第一候选对象,其中,第一候选对象具有对应的检测位置,检测位置是基于目标激光信号检测得到的第一候选对象在场景中的位置。
本公开实施例在采集场景中的目标激光信号后,可以根据至少一个目标激光信号,从目标激光信号中检测到相应的候选对象,该候选对象即可以被称为第一候选对象。
其中,候选对象在车辆驾驶场景中的位置,即可以被称为检测位置,该检测位置可以是候选对象在车辆驾驶场景中的位姿,候选对象在车辆驾驶场景中的空间坐标等,对此不做限制。
本公开实施例中,根据至少一个目标激光信号,检测得到第一候选对象,可以是将目标激光信号输入至预训练的激光目标检测模型中,由预训练的激光目标检测模型对目标激光信号进行目标检测,以从目标激光信号中识别得到第一候选对象,对此不做限制。
S203:从与目标激光信号对应采集的场景图像中,识别得到至少一个第二候选对象,其中,第二候选对象具有对应的识别位置,识别位置是基于场景图像识别得到的第二候选对象在场景中的位置,识别位置与检测位置之间满足第一设定条件。
其中,与目标激光信号对应采集的场景图像是指,与在采集目标激光信号的同一时间采集得到的与目标激光信号的采集时间相同的场景图像,对此不做限制。
其中,第二候选对象具有对应的识别位置,该识别位置是基于场景图像识别得到的第二候选对象在车辆驾驶场景中的位置,识别位置与检测位置之间满足第一设定条件,该第一设定条件可以是,识别位置和检测位置之间的距离小于距离阈值,对此不做限制。
本公开实施例中,从与目标激光信号对应采集的场景图像中,识别得到至少一个第二候选对象,可以是场景图像输入至预训练的目标检测模型(例如,YOLOV5模型,对此不做限制)中,由预训练的目标检测模型对场景图像进行目标检测,以从场景图像中识别得到第二候选对象,对此不做限制。
S204:根据第一候选对象,从至少一个第二候选对象中确定目标对象。
本公开实施例在根据至少一个目标激光信号,检测得到第一候选对象,并根据第一候选对象,从至少一个第二候选对象中确定目标对象之后,可以根据第一候选对象,从至少一个第二候选对象中确定出目标对象。
可以理解的是,本公开实施例中,由于激光信号采集装置和摄像装置的采集范围不相同,即摄像装置的采集范围通常大于激光采集装置的采集范围,从而导致场景图像中检测到的第二候选对象的数量,可能多于目标激光信号所检测出的第一候选对象的数量。
由此,根据第一候选对象,从至少一个第二候选对象中确定目标对象,可以是对第一候选对象和第二候选对象进行匹配处理,并在第一候选对象中不存在于第二候选对象相匹配的候选对象时,将该第二候选对象作为目标对象,对此不做限制。
可选地,一些实施例中,根据第一候选对象,从至少一个第二候选对象中确定目标对象,可以是确定第一候选对象与每个第二候选对象之间的相似度信息,并从至少一个相似度信息之中,确定满足第二设定条件的相似度信息,再将满足第二设定条件的相似度信息所属的第二候选对象作为目标对象,由此,可以基于第二设定条件从第二候选对象中准确地确定目标对象。
其中,第一候选对象与每个第二候选对象之间的相似度信息可以是,第一候选对象与每个第二候选对象之间的余弦相似度,第一候选对象与每个第二候选对象之间的欧氏距离,对此不做限制。
其中,满足第二设定条件的相似度信息可以是,第一候选对象与每个第二候选对象之间的相似度值大于或等于相似度阈值,对此不做限制。
也即是说,本公开实施例中,可以是确定第一候选对象与每个第二候选对象之间的相似度值,并将相似度值与预先确定的相似度阈值进行比对,并在相似度值大于或等于相似度阈值时,确定相似度信息满足第二设定条件,再将满足第二设定条件的相似度信息所属的第二候选对象作为目标对象。
S205:根据对目标激光信号检测得到的至少一个第一候选对象所对应的至少一个检测位置,形成第一候选对象的候选轨迹信息。
其中,第一候选对象在车辆驾驶场景中的移动轨迹,即可以被称为候选轨迹信息。
一些实施例中,根据对目标激光信号检测得到的至少一个第一候选对象所对应的至少一个检测位置,形成第一候选对象的候选轨迹信息,可以是获取不同时刻下,与第一候选对象对应的检测位置,并根据与检测位置相应的时间信息,依次对多个检测位置进行连线,并将前述多个检测位置的连线作为候选轨迹信息,对此不做限制。
S206:根据场景图像和候选轨迹信息,预测得到目标对象的目标轨迹信息。
本公开实施例在确定第一候选对象的候选轨迹信息之后,可以根据场景图像和候选轨迹信息,确定目标对象的移动轨迹,并将前述确定的目标对象的移动轨迹作为目标轨迹信息。
可以理解的是,由于激光采集设备和摄像装置的特性,从而会导致在基于激光采集设备采集的目标激光信号和图像采集设备采集的场景图像对同一目标对象进行跟踪时,场景图像相较于目标激光信号能够对目标对象跟踪至更远距离。
由此,一些实施例中,根据场景图像和候选轨迹信息,预测得到目标对象的目标轨迹信息,可以是根据场景图像和候选轨迹信息,对场景图像中可见而目标激光信号中不可见的目标对象的轨迹信息进行预测,以获取目标轨迹信息,即在场景图像中可见,对应目标激光信号中不可见的目标对象的多个轨迹位置,而后,可以基于目标过程信息,触发执行后续的用于车辆的目标对象检测方法,具体可以参见后续实施例。
S207:根据目标轨迹信息,检测目标对象的信息。
本公开实施例中,目标轨迹信息包括:多个时间戳,以及与每个时间戳对应的目标轨迹位置点,即目标轨迹是由多个时间戳分别对应的目标轨迹位置点的连线组成。
可选地,一些实施例中,根据目标轨迹信息,检测目标对象的信息,可以是根据与不同的每个时间戳对应的目标轨迹位置点,测算目标对象与车辆之间的距离值,并确定不同时间戳之间的间隔时长,并确定不同的每个时间戳对应的距离值之间的距离差值,再根据距离差值和间隔时长,测算目标对象的速度值,以及将距离值、距离差值,以及速度值作为目标对象的信息,由此,可以准确地确定目标激光信号中不可见的目标对象的速度值,距离值以及距离差值,从而在将目标对象的速度值,距离值以及距离差值作为目标对象的信息时,有效提升目标对象的信息的全面性,从而能够为车辆的自动驾驶过程提供更为全面的信息参考。
其中,目标对象与车辆之间的距离值可以用于对车辆驾驶场景中目标对象和车辆之间的距离进行量化描述,速度值可以用于描述目标对象的移动速度,对此不做限制。
也即是说,本公开实施例中,可以针对车辆驾驶场景预先构建相应的场景模型,而后再分别确定目标对象在不同时间戳时的目标轨迹位置点与车辆之间的空间距离作为目标对象与车辆之间的距离值,并确定不同时间戳之间的间隔时长,以及不同时间戳相应的距离值之间的距离差值,而后将距离差值和间隔时长之间的比值作为速度值,并将目标对象的速度值,以及前述确定的距离值、距离差值,以及速度值作为目标对象的信息。
本公开实施例中,通过采集场景中的目标激光信号和场景的场景图像,并根据至少一个目标激光信号,检测得到第一候选对象,其中,第一候选对象具有对应的检测位置,检测位置是基于目标激光信号检测得到的第一候选对象在场景中的位置,再从与目标激光信号对应采集的场景图像中,识别得到至少一个第二候选对象,并根据第一候选对象,从至少一个第二候选对象中确定目标对象,再根据对目标激光信号检测得到的至少一个第一候选对象所对应的至少一个检测位置,形成第一候选对象的候选轨迹信息,以及根据目标轨迹信息,检测目标对象的信息,能够有效提升目标对象的信息的全面性,从而能够为车辆的自动驾驶过程提供更为全面的信息参考。
图3是本公开另一实施例提出的用于车辆的目标对象检测方法的流程示意图。
如图3所示,该用于车辆的目标对象检测方法,包括:
S301:采集场景中的目标激光信号和场景的场景图像。
S302:根据目标激光信号和场景图像,从至少一个候选对象中识别得到目标对象。
S303:根据每个目标激光信号,检测得到至少一个第一候选对象,其中,第一候选对象具有对应的检测位置,检测位置是基于目标激光信号检测得到的相应第一候选对象在场景中的位置。
S304:根据至少一个检测位置,形成第一候选对象的候选轨迹信息。
S301- S304的描述说明具体可以参见上述实施例,在此不再赘述。
S305:确定与第一候选对象相同的第二候选对象,其中,第二候选对象是从与目标激光信号对应采集的场景图像中识别得到。
也即是说,本公开实施例在从目标激光信号中检测到第一候选对象,并从场景图像中检测到第二候选对象之后,可以确定与第一候选对象相同的第二候选对象。
S306:根据对应采集的场景图像,确定第二候选对象与目标对象之间的相对位置关系。
其中,由于目标对象在场景图像中可见而在目标激光信号中不可见,从而第二候选对象与目标对象之间的相对位置关系可以用于对第二候选对象和目标图像之间的相对位置进行描述,该相对位置关系可以具体例如是在同一空间维度下,第二候选对象与目标对象之间的空间距离,对此不做限制。
S307:根据第一候选对象的候选轨迹信息和相对位置关系,预测得到目标对象的目标轨迹信息。
本公开实施例在根据对应采集的场景图像,确定第二候选对象与目标对象之间的相对位置关系之后,可以根据第一候选对象的候选轨迹信息和相对位置关系,预测得到目标对象的目标轨迹信息。
可选地,一些实施例中,根据第一候选对象的候选轨迹信息和相对位置关系,预测得到目标对象的目标轨迹信息,可以是根据至少一个候选轨迹信息,形成轨迹地图数据,其中,轨迹地图数据包括:第一候选对象在每个时间戳的候选轨迹位置点,并根据相对位置关系和候选轨迹位置点,确定目标对象在每个时间戳的目标轨迹位置点,再根据多个时间戳,以及与每个时间戳对应的目标轨迹位置点,生成目标轨迹信息。
其中,时间戳用于描述场景图像的采集时间。
其中,轨迹地图数据包括:第一候选对象在每个时间戳的候选轨迹位置点。
也即是说,本公开实施例中,可以是根据第一候选对象的候选轨迹信息,确定目标激光信号中的第一候选对象在每个时间戳下的候选轨迹位置点,并将前述第一候选对象在每个时间戳下的候选轨迹位置点的连线作为轨迹地图数据,而后,可以根据相对位置关系和候选轨迹位置点,确定在目标激光信号中不可见,场景图像中可见的目标对象在相应时间戳下的位置作为目标轨迹位置点,并将目标对象的每个时间戳对应的目标轨迹位置点的连线作为目标轨迹信息。
S308:根据目标轨迹信息,检测目标对象的信息。
S308的描述说明具体可以参见上述实施例,在此不再赘述。
本公开实施例中,通过采集场景中的目标激光信号和场景的场景图像,并根据目标激光信号和场景图像,从至少一个候选对象中识别得到目标对象,再根据每个目标激光信号,检测得到至少一个第一候选对象,其中,第一候选对象具有对应的检测位置,检测位置是基于目标激光信号检测得到的相应第一候选对象在场景中的位置,并根据至少一个检测位置,形成第一候选对象的候选轨迹信息,再确定与第一候选对象相同的第二候选对象,其中,第二候选对象是从与目标激光信号对应采集的场景图像中识别得到,并根据对应采集的场景图像,确定第二候选对象与目标对象之间的相对位置关系,再根据第一候选对象的候选轨迹信息和相对位置关系,预测得到目标对象的目标轨迹信息,以及根据目标轨迹信息,检测目标对象的信息,能够联合目标激光信号和场景图像有效地提升对远距离目标对象的检测能力,从而能够对更为准确地车辆驾驶场景中远距离的目标对象的信息进行检测,有效地提升车辆驾驶场景中目标对象检测方法的适用性。
图4是本公开一实施例提出的用于车辆的目标对象检测装置的结构示意图。
如图4所示,在一些实施例中,本公开示例的用于车辆的目标对象检测装置40,包括:
采集模块401,用于采集场景中的目标激光信号和场景的场景图像,其中,目标激光信号是激光脉冲被场景中的至少一个候选对象散射所得激光信号,场景图像包括:至少一个候选对象的局部图像;
识别模块402,用于根据目标激光信号和场景图像,从至少一个候选对象中识别得到目标对象;以及
检测模块403,用于根据目标激光信号和场景图像,检测目标对象的信息。
在本公开的一些实施例中,如图5所示,图5是本公开一实施例提出的用于车辆的目标对象检测装置的结构示意图,采集模块401,还用于:
采集每个目标激光信号;
在采集每个目标激光信号的同时,采集相应帧场景图像。
在本公开的一些实施例中,识别模块402,包括:
第一检测子模块4021,用于根据至少一个目标激光信号,检测得到第一候选对象,其中,第一候选对象具有对应的检测位置,检测位置是基于目标激光信号检测得到的第一候选对象在场景中的位置;
识别子模块4022,用于从与目标激光信号对应采集的场景图像中,识别得到至少一个第二候选对象,其中,第二候选对象具有对应的识别位置,识别位置是基于场景图像识别得到的第二候选对象在场景中的位置,识别位置与检测位置之间满足第一设定条件;以及
确定子模块4023,用于根据第一候选对象,从至少一个第二候选对象中确定目标对象。
在本公开的一些实施例中,确定子模块4023,还用于:
确定第一候选对象与每个第二候选对象之间的相似度信息;
从至少一个相似度信息之中,确定满足第二设定条件的相似度信息;
将满足第二设定条件的相似度信息所属的第二候选对象作为目标对象。
在本公开的一些实施例中,检测模块403,包括:
形成子模块4031,用于根据对目标激光信号检测得到的至少一个第一候选对象所对应的至少一个检测位置,形成第一候选对象的候选轨迹信息;
预测子模块4032,用于根据场景图像和候选轨迹信息,预测得到目标对象的目标轨迹信息;
第二检测子模块4033,用于根据目标轨迹信息,检测目标对象的信息。
在本公开的一些实施例中,预测子模块4033,还用于:
确定与第一候选对象相同的第二候选对象,其中,第二候选对象是从与目标激光信号对应采集的场景图像中识别得到;
根据对应采集的场景图像,确定第二候选对象与目标对象之间的相对位置关系;
根据第一候选对象的候选轨迹信息和相对位置关系,预测得到目标对象的目标轨迹信息。
在本公开的一些实施例中,预测子模块4033,还用于:
根据至少一个候选轨迹信息,形成轨迹地图数据,其中,轨迹地图数据包括:第一候选对象在每个时间戳的候选轨迹位置点;
根据相对位置关系和候选轨迹位置点,确定目标对象在每个时间戳的目标轨迹位置点;
根据多个时间戳,以及与每个时间戳对应的目标轨迹位置点,生成目标轨迹信息。
在本公开的一些实施例中,目标轨迹信息包括:多个时间戳,以及与每个时间戳对应的目标轨迹位置点;
其中,第三检测子模块4034,还用于:
根据与不同的每个时间戳对应的目标轨迹位置点,测算目标对象与车辆之间的距离值;
确定不同时间戳之间的间隔时长,并确定不同的每个时间戳对应的距离值之间的距离差值;
根据距离差值和间隔时长,测算目标对象的速度值;
将距离值、距离差值,以及速度值作为目标对象的信息。
需要说明的是,前述对用于车辆的目标对象检测方法实施例的解释说明也适用于该实施例的用于车辆的目标对象检测装置,此处不再赘述。
本实施例中,通过采集场景中的目标激光信号和场景的场景图像,其中,目标激光信号是激光脉冲被场景中的至少一个候选对象散射所得激光信号,场景图像包括:至少一个候选对象的局部图像,并根据目标激光信号和场景图像,从至少一个候选对象中识别得到目标对象,以及根据目标激光信号和场景图像,检测目标对象的信息,通过本公开,能够联合目标激光信号和场景图像有效地提升对远距离目标对象的检测能力,从而能够对更为准确地车辆驾驶场景中远距离的目标对象的信息进行检测,有效地提升车辆驾驶场景中目标对象检测方法的适用性。
为了实现上述的一些实施例,本公开还提出一种车辆,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时,实现如本公开前述实施例提出的用于车辆的目标对象检测方法。
为了实现上述的一些实施例,本公开还提出一种非临时性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公开前述实施例提出的用于车辆的目标对象检测方法。
为了实现上述的一些实施例,本公开还提出一种计算机程序产品,当计算机程序产品中的指令处理器执行时,执行如本公开前述实施例提出的用于车辆的目标对象检测方法。
图6示出了适于用来实现本公开实施方式的示例性车辆的框图。图6显示的车辆12仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示,车辆12以通用计算设备的形式表现。车辆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(Industry StandardArchitecture;以下简称:ISA)总线,微通道体系结构(Micro Channel Architecture;以下简称:MAC)总线,增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation;以下简称:VESA)局域总线以及***组件互连(Peripheral ComponentInterconnection;以下简称:PCI)总线。
车辆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车辆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(Random Access Memory;以下简称:RAM)30和/或高速缓存存储器32。车辆12可以进一步包括其他可移动/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6未显示,通常称为“硬盘驱动器”)。
尽管图6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:光盘只读存储器(Compact Disc Read OnlyMemory;以下简称:CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory;以下简称:DVD-ROM)或者其他光介质)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公开各实施例的功能。
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、其他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通常执行本公开所描述的实施例中的功能和/或方法。
车辆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车辆12交互的设备通信,和/或与使得该车辆12能与一个或多个其他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,车辆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(Local Area Network;以下简称:LAN),广域网(Wide AreaNetwork;以下简称: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与车辆12的其他模块通信。应当明白,尽管图中未示出,可以结合车辆12使用其他硬件和/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,例如实现前述实施例中提及的用于车辆的目标对象检测方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施方案。本公开旨在涵盖本公开的任何变型、用途或者适用性变化,这些变型、用途或者适用性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
需要说明的是,在本公开的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本公开的描述中,除非另有说明,“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本公开的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本公开的实施例所属技术领域的技术人员所理解。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本公开各个实施例中的各功能单元可以集成在一个处理模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本公开的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本公开的限制,本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (18)
1.一种用于车辆的目标对象检测方法,其特征在于,所述方法包括:
采集场景中的目标激光信号和所述场景的场景图像,其中,所述目标激光信号是激光脉冲被所述场景中的至少一个候选对象散射所得激光信号,所述场景图像包括:所述至少一个候选对象的局部图像;
根据所述目标激光信号和所述场景图像,从所述至少一个候选对象中识别得到目标对象;以及
根据所述目标激光信号和所述场景图像,检测所述目标对象的信息。
2.如权利要求1所述的方法,其特征在于,所述目标激光信号的数量是多个,所述场景图像的帧数是多帧;
其中,所述采集场景中的目标激光信号和所述场景的场景图像,包括:
采集每个所述目标激光信号;
在采集每个所述目标激光信号的同时,采集相应帧所述场景图像。
3.如权利要求2所述的方法,其特征在于,所述根据所述目标激光信号和所述场景图像,从所述至少一个候选对象中识别得到目标对象,包括:
根据至少一个所述目标激光信号,检测得到第一候选对象,其中,所述第一候选对象具有对应的检测位置,所述检测位置是基于所述目标激光信号检测得到的所述第一候选对象在所述场景中的位置;
从与所述目标激光信号对应采集的所述场景图像中,识别得到至少一个第二候选对象,其中,所述第二候选对象具有对应的识别位置,所述识别位置是基于所述场景图像识别得到的所述第二候选对象在所述场景中的位置,所述识别位置与所述检测位置之间满足第一设定条件;以及
根据所述第一候选对象,从所述至少一个第二候选对象中确定所述目标对象。
4.如权利要求3所述的方法,其特征在于,所述根据所述第一候选对象,从所述至少一个第二候选对象中确定所述目标对象,包括:
确定所述第一候选对象与每个所述第二候选对象之间的相似度信息;
从至少一个所述相似度信息之中,确定满足第二设定条件的相似度信息;
将所述满足第二设定条件的相似度信息所属的第二候选对象作为所述目标对象。
5.如权利要求3所述的方法,其特征在于,所述根据所述目标激光信号和所述场景图像,检测所述目标对象的信息,包括:
根据对所述目标激光信号检测得到的至少一个第一候选对象所对应的至少一个所述检测位置,形成所述第一候选对象的候选轨迹信息;
根据所述场景图像和所述候选轨迹信息,预测得到所述目标对象的目标轨迹信息;
根据所述目标轨迹信息,检测所述目标对象的信息。
6.如权利要求5所述的方法,其特征在于,所述根据所述场景图像和所述候选轨迹信息,预测得到所述目标对象的目标轨迹信息,包括:
确定与所述第一候选对象相同的第二候选对象,其中,所述第二候选对象是从与所述目标激光信号对应采集的所述场景图像中识别得到;
根据所述对应采集的所述场景图像,确定所述第二候选对象与所述目标对象之间的相对位置关系;
根据所述第一候选对象的候选轨迹信息和所述相对位置关系,预测得到所述目标对象的目标轨迹信息。
7.如权利要求6所述的方法,其特征在于,所述根据所述第一候选对象的候选轨迹信息和所述相对位置关系,预测得到所述目标对象的目标轨迹信息,包括:
根据至少一个所述候选轨迹信息,形成轨迹地图数据,其中,所述轨迹地图数据包括:所述第一候选对象在每个时间戳的候选轨迹位置点;
根据所述相对位置关系和所述候选轨迹位置点,确定所述目标对象在每个时间戳的目标轨迹位置点;
根据多个所述时间戳,以及与每个所述时间戳对应的目标轨迹位置点,生成所述目标轨迹信息。
8.如权利要求5所述的方法,其特征在于,所述目标轨迹信息包括:多个所述时间戳,以及与每个所述时间戳对应的目标轨迹位置点;
其中,所述根据所述目标轨迹信息,检测所述目标对象的信息,包括:
根据与不同的每个时间戳对应的目标轨迹位置点,测算所述目标对象与车辆之间的距离值;
确定不同时间戳之间的间隔时长,并确定所述不同的每个时间戳对应的距离值之间的距离差值;
根据所述距离差值和所述间隔时长,测算所述目标对象的速度值;
将所述距离值、所述距离差值,以及所述速度值作为所述目标对象的信息。
9.一种用于车辆的目标对象检测装置,其特征在于,所述装置包括:
采集模块,用于采集场景中的目标激光信号和所述场景的场景图像,其中,所述目标激光信号是激光脉冲被所述场景中的至少一个候选对象散射所得激光信号,所述场景图像包括:所述至少一个候选对象的局部图像;
识别模块,用于根据所述目标激光信号和所述场景图像,从所述至少一个候选对象中识别得到目标对象;以及
检测模块,用于根据所述目标激光信号和所述场景图像,检测所述目标对象的信息。
10.如权利要求9所述的装置,其特征在于,所述目标激光信号的数量是多个,所述场景图像的帧数是多帧;
其中,所述采集模块,还用于:
采集每个所述目标激光信号;
在采集每个所述目标激光信号的同时,采集相应帧所述场景图像。
11.如权利要求10所述的装置,其特征在于,所述识别模块,包括:
第一检测子模块,用于根据至少一个所述目标激光信号,检测得到第一候选对象,其中,所述第一候选对象具有对应的检测位置,所述检测位置是基于所述目标激光信号检测得到的所述第一候选对象在所述场景中的位置;
识别子模块,用于从与所述目标激光信号对应采集的所述场景图像中,识别得到至少一个第二候选对象,其中,所述第二候选对象具有对应的识别位置,所述识别位置是基于所述场景图像识别得到的所述第二候选对象在所述场景中的位置,所述识别位置与所述检测位置之间满足第一设定条件;以及
确定子模块,用于根据所述第一候选对象,从所述至少一个第二候选对象中确定所述目标对象。
12.如权利要求11所述的装置,其特征在于,所述确定子模块,还用于:
确定所述第一候选对象与每个所述第二候选对象之间的相似度信息;
从至少一个所述相似度信息之中,确定满足第二设定条件的相似度信息;
将所述满足第二设定条件的相似度信息所属的第二候选对象作为所述目标对象。
13.如权利要求10所述的装置,其特征在于,所述检测模块,包括:
形成子模块,用于根据对所述目标激光信号检测得到的至少一个第一候选对象所对应的至少一个所述检测位置,形成所述第一候选对象的候选轨迹信息;
预测子模块,用于根据所述场景图像和所述候选轨迹信息,预测得到所述目标对象的目标轨迹信息;
第二检测子模块,用于根据所述目标轨迹信息,检测所述目标对象的信息。
14.如权利要求13所述的装置,其特征在于,所述预测子模块,还用于:
确定与所述第一候选对象相同的第二候选对象,其中,所述第二候选对象是从与所述目标激光信号对应采集的所述场景图像中识别得到;
根据所述对应采集的所述场景图像,确定所述第二候选对象与所述目标对象之间的相对位置关系;
根据所述第一候选对象的候选轨迹信息和所述相对位置关系,预测得到所述目标对象的目标轨迹信息。
15.如权利要求14所述的装置,其特征在于,所述预测子模块,还用于:
根据至少一个所述候选轨迹信息,形成轨迹地图数据,其中,所述轨迹地图数据包括:所述第一候选对象在每个时间戳的候选轨迹位置点;
根据所述相对位置关系和所述候选轨迹位置点,确定所述目标对象在每个时间戳的目标轨迹位置点;
根据多个所述时间戳,以及与每个所述时间戳对应的目标轨迹位置点,生成所述目标轨迹信息。
16.如权利要求13所述的装置,其特征在于,所述目标轨迹信息包括:多个所述时间戳,以及与每个所述时间戳对应的目标轨迹位置点;
其中,所述第二检测子模块,还用于:
根据与不同的每个时间戳对应的目标轨迹位置点,测算所述目标对象与车辆之间的距离值;
确定不同时间戳之间的间隔时长,并确定所述不同的每个时间戳对应的距离值之间的距离差值;
根据所述距离差值和所述间隔时长,测算所述目标对象的速度值;
将所述距离值、所述距离差值,以及所述速度值作为所述目标对象的信息。
17.一种车辆,其特征在于,包括:
存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求1-8中任一项所述的用于车辆的目标对象检测方法。
18.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1-8中任一项所述的用于车辆的目标对象检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211661642.7A CN115641567B (zh) | 2022-12-23 | 2022-12-23 | 用于车辆的目标对象检测方法、装置、车辆及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211661642.7A CN115641567B (zh) | 2022-12-23 | 2022-12-23 | 用于车辆的目标对象检测方法、装置、车辆及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115641567A true CN115641567A (zh) | 2023-01-24 |
CN115641567B CN115641567B (zh) | 2023-04-11 |
Family
ID=84949801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211661642.7A Active CN115641567B (zh) | 2022-12-23 | 2022-12-23 | 用于车辆的目标对象检测方法、装置、车辆及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115641567B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109345510A (zh) * | 2018-09-07 | 2019-02-15 | 百度在线网络技术(北京)有限公司 | 物体检测方法、装置、设备、存储介质及车辆 |
CN112396630A (zh) * | 2019-08-15 | 2021-02-23 | 纳恩博(北京)科技有限公司 | 目标对象状态的确定方法、装置、存储介质及电子装置 |
US20210287037A1 (en) * | 2019-04-11 | 2021-09-16 | Tencent Technology (Shenzhen) Company Limited | Object detection method and apparatus, electronic device, and storage medium |
CN113743171A (zh) * | 2020-05-30 | 2021-12-03 | 华为技术有限公司 | 目标检测方法及装置 |
CN113838125A (zh) * | 2021-09-17 | 2021-12-24 | 中国第一汽车股份有限公司 | 目标位置确定方法、装置、电子设备以及存储介质 |
CN114648549A (zh) * | 2022-03-04 | 2022-06-21 | 长安大学 | 一种融合视觉和激光雷达的交通场景目标检测及定位方法 |
CN115082857A (zh) * | 2022-06-24 | 2022-09-20 | 深圳市镭神智能***有限公司 | 一种目标对象的检测方法、装置、设备以及存储介质 |
CN115147587A (zh) * | 2022-06-01 | 2022-10-04 | 杭州海康机器人技术有限公司 | 一种障碍物检测方法、装置及电子设备 |
CN115187941A (zh) * | 2022-06-20 | 2022-10-14 | 中国电信股份有限公司 | 目标检测定位方法、***、设备及存储介质 |
-
2022
- 2022-12-23 CN CN202211661642.7A patent/CN115641567B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109345510A (zh) * | 2018-09-07 | 2019-02-15 | 百度在线网络技术(北京)有限公司 | 物体检测方法、装置、设备、存储介质及车辆 |
US20210287037A1 (en) * | 2019-04-11 | 2021-09-16 | Tencent Technology (Shenzhen) Company Limited | Object detection method and apparatus, electronic device, and storage medium |
CN112396630A (zh) * | 2019-08-15 | 2021-02-23 | 纳恩博(北京)科技有限公司 | 目标对象状态的确定方法、装置、存储介质及电子装置 |
CN113743171A (zh) * | 2020-05-30 | 2021-12-03 | 华为技术有限公司 | 目标检测方法及装置 |
CN113838125A (zh) * | 2021-09-17 | 2021-12-24 | 中国第一汽车股份有限公司 | 目标位置确定方法、装置、电子设备以及存储介质 |
CN114648549A (zh) * | 2022-03-04 | 2022-06-21 | 长安大学 | 一种融合视觉和激光雷达的交通场景目标检测及定位方法 |
CN115147587A (zh) * | 2022-06-01 | 2022-10-04 | 杭州海康机器人技术有限公司 | 一种障碍物检测方法、装置及电子设备 |
CN115187941A (zh) * | 2022-06-20 | 2022-10-14 | 中国电信股份有限公司 | 目标检测定位方法、***、设备及存储介质 |
CN115082857A (zh) * | 2022-06-24 | 2022-09-20 | 深圳市镭神智能***有限公司 | 一种目标对象的检测方法、装置、设备以及存储介质 |
Non-Patent Citations (3)
Title |
---|
XU SHIWEI ET AL.: "Design and implementation of the laser range-gating imaging synchronization control system" * |
张袅娜 等: "基于激光雷达和摄像机融合的智能车障碍物识别方法" * |
徐超, 中山大学出版社 * |
Also Published As
Publication number | Publication date |
---|---|
CN115641567B (zh) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109188457B (zh) | 物体检测框的生成方法、装置、设备、存储介质及车辆 | |
US9083856B2 (en) | Vehicle speed measurement method and system utilizing a single image capturing unit | |
CN112669349A (zh) | 一种客流统计方法、电子设备及存储介质 | |
CN111259868B (zh) | 基于卷积神经网络的逆行车辆检测方法、***及介质 | |
CN111091529A (zh) | 一种人数统计方法及人数统计*** | |
Liu et al. | Vehicle detection and ranging using two different focal length cameras | |
CN105608209A (zh) | 一种视频标注方法和视频标注装置 | |
CN109684986A (zh) | 一种基于车辆检测跟踪的车辆分析方法及*** | |
CN113256731A (zh) | 基于单目视觉的目标检测方法及装置 | |
CN115546705A (zh) | 目标识别方法、终端设备及存储介质 | |
CN110111018B (zh) | 评估车辆感测能力的方法、装置、电子设备及存储介质 | |
CN112356845B (zh) | 一种目标运动状态的预测方法、装置、设备及车辆 | |
CN111274852A (zh) | 目标对象关键点检测方法和装置 | |
CN112598743A (zh) | 一种单目视觉图像的位姿估算方法及相关装置 | |
CN115641567B (zh) | 用于车辆的目标对象检测方法、装置、车辆及介质 | |
CN115578386B (zh) | 泊车图像生成方法、装置、电子设备及存储介质 | |
Ao et al. | Detecting tiny moving vehicles in satellite videos | |
US9183448B2 (en) | Approaching-object detector, approaching object detecting method, and recording medium storing its program | |
CN115841660A (zh) | 距离预测方法、装置、设备、存储介质及车辆 | |
Fazekas et al. | Performance metrics and validation methods for vehicle position estimators | |
WO2022179016A1 (zh) | 车道检测方法、装置、设备及存储介质 | |
US20220101025A1 (en) | Temporary stop detection device, temporary stop detection system, and recording medium | |
CN109740518B (zh) | 一种视频中对象的确定方法及装置 | |
CN111383337A (zh) | 用于识别对象的方法和装置 | |
Nguyen et al. | An algorithm using YOLOv4 and DeepSORT for tracking vehicle speed on highway |
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 |