CN115965682A - 一种车辆可通行区域确定方法、装置及计算机设备 - Google Patents
一种车辆可通行区域确定方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN115965682A CN115965682A CN202211625147.0A CN202211625147A CN115965682A CN 115965682 A CN115965682 A CN 115965682A CN 202211625147 A CN202211625147 A CN 202211625147A CN 115965682 A CN115965682 A CN 115965682A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parked
- sensor
- obstacle
- coordinate
- 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
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)
Abstract
本发明公开了一种车辆可通行区域确定方法、装置及计算机设备,该方法包括:获取当前时刻待泊车辆中内置的至少两种类型的传感器对应的点云数据,以及待泊车辆的位姿信息;根据当前时刻待泊车辆的位姿信息,构建与所述待泊车辆对应的坐标系;将每一个所述点云数据转化到所述坐标系中,生成以所述待泊车辆为基准的最终栅格地图;根据所述最终栅格地图输出在当前时刻的可通行区域;当所述可通行区域满足预设条件,则确定所述可通行区域为所述待泊车辆的可通行区域。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种车辆可通行区域确定方法、装置及计算机设备。
背景技术
智能汽车是汽车产业和人工智能、大数据、物联网、计算机等高新技术融合的产物,自动驾驶是汽车服务和交通领域发展的主要方向。为了方便自动驾驶算法设计师更方便地开发和测试。泊车***在进行规划和决策时需要确定车辆的可通行区域,现有技术中方案在确定可通行区域存在较大局限性,很难满足实际的需求。
发明内容
因此,为解决现有技术的不足,本发明实施例提供了一种车辆可通行区域确定方法、装置及计算机设备。
根据第一方面,本发明实施例公开了一种车辆可通行区域确定方法,方法包括:
获取当前时刻待泊车辆中内置的至少两种类型的传感器对应的点云数据,以及待泊车辆的位姿信息;
根据当前时刻待泊车辆的位姿信息,构建与待泊车辆对应的坐标系;
将每一个点云数据转化到坐标系中,生成以待泊车辆为基准的最终栅格地图;
根据最终栅格地图输出在当前时刻的可通行区域;
当可通行区域满足预设条件,则确定可通行区域为待泊车辆的可通行区域。
可选地,每一种类型的传感器的数量包括多个,获取当前时刻待泊车辆中内置的至少两种类型的传感器对应的点云数据,具体包括:
获取当前时刻待泊车辆中内置的至少两个种类传感器中每一个传感器采集的传感器数据;
根据每一个传感器采集的传感器数据和预获取的每一类传感器中每一个传感器的外参数据,构建每一类传感器的完整传感数据,外参数据为每一类传感器中每一个传感器的安装位置参数;
将每一类传感器的完整传感数据转化为对应的点云数据。
可选地,将每一个点云数据转化到坐标系中,生成以待泊车辆为基准的最终栅格地图,具体包括:
将每一个点云数据转化到以待泊车辆为基准点的坐标系中,生成与每一类传感器对应的坐标数据;
将所有种类传感器对应的坐标数据进行融合得到总坐标数据集;
将总坐标数据集转化为以待泊车辆为基准的最终栅格地图中。
可选地,每一个坐标数据中包括多个点位坐标,每一个点位坐标中标记有障碍物标识,将所有种类传感器对应的坐标数据进行融合得到总坐标数据集之后,还包括:
在从总坐标数据集中提取存在障碍物标识的数据;
识别标记障碍物标识的传感器种类;
当障碍物标识的传感器类型只有一种时,若障碍物标识与预设的至少一个目标障碍物匹配,则保留障碍物标识;
若障碍物标识与预设的至少一个目标障碍物不匹配,则删除对应点位坐标中的障碍物标识。
可选地,当障碍物标识的传感器种类为多个时,方法还包括:
根据预设的传感器种类的优先级和障碍物标识,确定第一点位坐标对应的障碍物标识,第一点位坐标对应的障碍物标识是与多个种类中优先级最高的传感器对应的障碍物标识;
当第一点位坐标对应的障碍物标识与预设的至少一个目标障碍物匹配,则保留第一点位坐标对应的障碍物标识;
若第一点位坐标对应的障碍物标识与预设的至少一个目标障碍物不匹配,则删除对应点位坐标中的障碍物标识。
可选地,若第一点位坐标对应的障碍物标识与预设的至少一个目标障碍物不匹配,则删除对应点位坐标中的障碍物标识。
可选地,当可通行区域不满足预设条件时,方法还包括:
获取下一时刻待泊车辆中内置的至少两种类型的传感器对应的点云数据以及待泊车辆的位姿数据,直至后续根据至少两种类型的传感器对应的点云数据和位姿数据将点云数据转化到第一次构建的坐标系中,生成以第一次待泊车辆的位姿信息为基准点的最终栅格地图,直至最终栅格地图的可通行区域满足预设条件。
根据第二方面,本发明实施例还公开了一种车辆可通行区域确定装置,包括:
获取模块,用于获取当前时刻待泊车辆中内置的至少两种类型的传感器对应的点云数据,以及待泊车辆的位姿信息;
构建模块,用于根据当前时刻待泊车辆的位姿信息,构建与待泊车辆对应的坐标系;
转化模块,用于将每一个点云数据转化到坐标系中,生成以待泊车辆为基准的最终栅格地图;
输出模块,用于根据最终栅格地图输出在当前时刻的可通行区域;
确定模块,用于当可通行区域满足预设条件,则确定可通行区域为待泊车辆的可通行区域。
根据第三方面,本发明实施例还公开了一种计算机设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器执行如第一方面或第一方面任一可选实施方式的车辆可通行区域确定方法的步骤。
根据第四方面,本发明实施方式还公开了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如第一方面或第一方面任一可选实施方式的车辆可通行区域确定方法的步骤。
本发明技术方案,具有如下优点:
本发明提供的车辆可通行区域确定方法、装置及计算机设备,包括:获取当前时刻待泊车辆中内置的至少两种类型的传感器对应的点云数据,以及待泊车辆的位姿信息,其中位姿信息准确的表示待泊车辆的位置以及方向的信息;进一步地,根据位姿信息构建与待泊车辆对应的坐标系;将每一个点云坐标转化到该坐标系中,生成以待泊车辆为基准点的最终栅格地图,在最终栅格地图中可以显示对应的可通行区域,当可通行区域满足预设条件时,则将对应的可通行区域确定为待泊车辆的可通行区域,由此可以准确的判断待泊车辆的可通行区域,从而使得待泊车辆完成泊车。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中车辆可通行区域确定方法的一个具体示例的流程图;
图2为本发明实施例中车辆可通行区域确定装置的一个具体示例的原理框图;
图3为本发明实施例中计算机设备的一个具体示例图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,还可以是两个元件内部的连通,可以是无线连接,也可以是有线连接。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
针对背景技术中所提及的技术问题,本申请实施例提供了一种车辆可通行区域确定方法,具体参见图1所示,在介绍该方法之前,先介绍车辆可通行区域确定方法使用的场景,上述方法可以适用于自动驾驶过程中的自动泊车过程,或者是在司机在停车过程中的对司机进行辅助提示,在或者在狭窄区域行驶或者掉头时对可通行区域的标识。
具体地,车辆可通行区域确定方法包括如下步骤:
步骤101,获取当前时刻待泊车辆中内置的至少两种类型的传感器对应的点云数据,以及待泊车辆的位姿信息。
示例性地,待泊车辆这里表示行驶过程中需要泊车、行驶过程中以及掉头过程中的自动驾驶或者提示的车辆。对应的待泊车辆中内置至少两种类型的传感器用于获取待泊车辆周边的环境数据。待泊车辆的位姿信息可以通过车辆内置的定位设备获取。
具体地,传感器类型可以是视觉类的图像视频传感器、超声波传感器、毫米波雷达或者是激光雷达中的至少两种。当单独采用其中一种传感器时,可能会存在较大的局限性,很难满足实际应用的需求。例如,视觉传感器在采集图像数据时易受室内外光线影响且存在盲区;超声传感器则存在着检测距离太短,且不能检测到障碍物的尺寸信息的问题;雷达则由于成本问题,目前普及率太低;而直接使用高精地图也存在环境变动风险,以及成本过高的问题。
在一个可选的实施例中,每一种类型的传感器的数量包括多个,获取当前时刻待泊车辆中内置的至少两种类型的传感器对应的点云数据,具体包括:
获取当前时刻待泊车辆中内置的至少两个种类传感器中每一个传感器采集的传感器数据;
根据每一个传感器采集的传感器数据和预获取的每一类传感器中每一个传感器的外参数据,构建每一类传感器的完整传感数据,外参数据为每一类传感器中每一个传感器的安装位置参数;
将每一类传感器的完整传感数据转化为对应的点云数据。
示例性地,在待泊车辆获取周边环境数据时,需要获取待泊车辆各个方位的数据,从而确保获取的数据在传感器可感知范围内无盲区。
例如,当传感器类型是视觉传感器、毫米波雷达以及超声波传感器时,同时每一个传感器安装在待泊车辆的不同位置(例如可以是四个角都安装视觉传感器、毫米波雷达以及超声波传感器),这时需要分别获得视觉传感器、毫米波雷达以及超声波传感器对应的四个传感器的传感器数据。在每一个类型中传感器数据根据对应的外参数据(对应四个角的安装位置以及安装角度)将四个传感器的数据进行合并,得到一个完整传感器数据(三个类型的传感器就对应三个完整传感器数据),最后将每一个完整传感器数据转化为对应的点云数据,这里转化点云数据的过程为现有技术,此处不再赘述。
步骤102,根据当前时刻待泊车辆的位姿信息,构建与待泊车辆对应的坐标系。
步骤103,将每一个点云数据转化到坐标系中,生成以待泊车辆为基准的最终栅格地图。
示例性地,在将点云数据转化为最终栅格地图时,可以根据二值贝叶斯滤波算法来得到最终栅格地图中的可通行区域。
在构建坐标系后,将每一个点云数据转化到对应的坐标系中,生成以待泊车辆为基准的最终栅格地图。
在一个可选的实施方式中,可以将每一个点云数据分别转化到对应的坐标系中后形成与每一个点云数据对应的栅格地图,将所有的栅格地图进行融合得到最终栅格地图。其中多个栅格地图的融合方法与下文中介绍的先转化为总坐标集后,转化为栅格地图中总坐标集的融合方法相同,此处不再描述。
优选的,在一个具体的实施例中,生成最终栅格地图还可以通过以下方式得到:将每一个点云数据转化到以待泊车辆为基准点的坐标系中,生成与每一类传感器对应的坐标数据;将所有种类传感器对应的坐标数据进行融合得到总坐标数据集;将总坐标数据集转化为以待泊车辆为基准的最终栅格地图中。
示例性地,将每一个点云数据转化为以待泊车辆为基准的坐标系中,生成与每一类传感器对应的坐标数据。最后将每一类传感器对应的坐标数据进行融合得到对应的坐标数据集,将坐标数据集中坐标转化为对应的最终栅格地图。
在另一个优选的实施例中,每一个坐标数据中包括多个点位坐标,每一个点位坐标中标记有障碍物标识,将所有种类传感器对应的坐标数据进行融合得到总坐标数据集之后,还包括:
在从总坐标数据集中提取存在障碍物标识的数据;
识别标记障碍物标识的传感器种类;
当障碍物标识的传感器类型只有一种时,若障碍物标识与预设的至少一个目标障碍物匹配,则保留障碍物标识;
若障碍物标识与预设的至少一个目标障碍物不匹配,则删除对应点位坐标中的障碍物标识。
示例性地,在将每一个坐标数据转化为对应的坐标数据集的过程中,不同种类的传感器数据对应的坐标数据可能涉及到的范围和对应的点位坐标是不一样的,因此在合并为坐标数据集时,首先需要将不同的类型传感器对应的坐标数据进行合并。
这样就得到了总的坐标数据集,这样就会存在一个问题,在同一个点位坐标可能会出现两种及以上的传感器类型标注的不同类型的障碍区标识。针对这种情况,就需要将所有标记有障碍物标识的点位坐标的数据提取出来,针对每一个点位坐标中的障碍物标识数据进行逐个分析。
当对应的障碍标识数据只有一种时,判断对应的障碍物标识与预设的障碍物类型中的至少一种匹配时,就保留对应的障碍物标识数据,这里的预设障碍物标识可以是一些固定位置保持不变的障碍物,例如是墙壁、柱子或者是灭火器等等,这些障碍物不会随着时间的变动改变位置,因此若对应的障碍物标识是预设类型的障碍物标识,则说明对应点位坐标的障碍物标识是准确的,且无法移动和跨越的,因此保留此障碍物标识。若不是预设类型的障碍物标识时,则可能是小石子或者是其他可跨越的障碍物,因此将此障碍物标识删除。
可选地还存在另一种可能,当障碍物标识的传感器种类为多个时,方法还包括:
根据预设的传感器种类的优先级和障碍物标识,确定第一点位坐标对应的障碍物标识,第一点位坐标对应的障碍物标识是与多个种类中优先级最高的传感器对应的障碍物标识;
当第一点位坐标对应的障碍物标识与预设的至少一个目标障碍物匹配,则保留第一点位坐标对应的障碍物标识;
若第一点位坐标对应的障碍物标识与预设的至少一个目标障碍物不匹配,则删除对应点位坐标中的障碍物标识。
示例性地,当在同一个点位坐标有多个障碍物标识数据时,则根据对应的传感器种类的优先级和障碍物标识,确定对应点位坐标对应的障碍物标识,在确定对应的点位数据时,还需要根据障碍物标识与预设的障碍物标识进行匹配,当匹配时确定最终的障碍物标识。
其中,根据对应的传感器种类的优先级和障碍物标识,确定对应点位坐标对应的障碍物标识,具体的可以根据以下标准来确定传感器类型的优先级:
视觉传感器的语义信息能提供障碍物的类型信息,可进行初步筛选;超声传感器提供了准确的freespace信息,可提高空闲栅格的置信度;毫米波雷达的多普勒测量可对动态障碍物的识别比较准,可对其进行有效的剔除;激光雷达可提高远距离障碍物的测量精度,同时通过点云特征提取算法可得到地面和其他障碍物更精确的点云信息,增加地图的精度。
步骤104,根据最终栅格地图输出在当前时刻的可通行区域。
步骤105,当可通行区域满足预设条件,则确定可通行区域为待泊车辆的可通行区域。
示例性地,当对应的可通行区域满足预设条件时,则可以将可通行区域确定为待泊车辆的通行区域,在输出可通行区域时,可以将栅格地图进行二值化转换后得到对应的可视化的可通行区域。这里的预设条件可以是待泊车辆可以停车的位置,或者是可以掉头转弯的空间等,具体的可以根据待泊车辆的实际情况来确定。
当可通行区域不满足预设条件时,方法还包括:
获取下一时刻待泊车辆中内置的至少两种类型的传感器对应的点云数据以及待泊车辆的车辆运动数据,直至后续根据至少两种类型的传感器对应的点云数据和车辆运动数据确定可通行区域满足预设条件。
当上述过程中的可通行区域不满足预设条件时,则获取下一时刻待泊车辆中内置的至少两种类型的传感器对应的点云数据以及待泊车辆的位姿数据,直至后续根据至少两种类型的传感器对应的点云数据和位姿数据将点云数据转化到第一次构建的坐标系中,生成以第一次待泊车辆的位姿信息为基准点的最终栅格地图,直至最终栅格地图的可通行区域满足预设条件。
此处需要说明的是,在之后的获取点云数据之后均不需要在重新构建坐标系,只需要将对应的点云数据,转化到第一次构建的坐标系中即可,在转化的过程中,以当前时刻的位姿数据和以第一次构建坐标系时的基准点的位置的相对位姿关系进行转化。
通过此方法,获取当前时刻待泊车辆中内置的至少两种类型的传感器对应的点云数据,以及待泊车辆的位姿信息,其中位姿信息准确的表示待泊车辆的位置以及方向的信息,进一步地,根据当前时刻待泊车辆的位姿信息,构建与待泊车辆对应的坐标系;将每一个点云坐标转化到该坐标系中,生成以待泊车辆为基准点的最终栅格地图,在最终栅格地图中可以显示对应的可通行区域,当可通行区域满足预设条件时,则将对应的可通行区域确定为待泊车辆的可通行区域,由此可以准确的判断待泊车辆的可通行区域,从而使得待泊车辆完成泊车。
以上,为本申请所提供的车辆可通行区域确定方法的实施例,下文中则介绍说明本申请所提供的车辆可通行区域确定的其他实施例,具体参见如下。
本发明实施例还公开了一种车辆可通行区域确定装置,如图2所示,该装置包括:
获取模块201,用于获取当前时刻待泊车辆中内置的至少两种类型的传感器对应的点云数据,以及待泊车辆的位姿信息;
构建模块202,用于根据当前时刻待泊车辆的位姿信息,构建与待泊车辆对应的坐标系;
转化模块203,用于将每一个点云数据转化到坐标系中,生成以待泊车辆为基准的最终栅格地图;
输出模块204,用于根据最终栅格地图输出在当前时刻的可通行区域;
确定模块205,用于当可通行区域满足预设条件,则确定可通行区域为待泊车辆的可通行区域
作为本申请一个可选的实施方式,每一种类型的传感器的数量包括多个,获取当前时刻待泊车辆中内置的至少两种类型的传感器对应的点云数据,该获取模块还用于:
获取当前时刻待泊车辆中内置的至少两个种类传感器中每一个传感器采集的传感器数据;
根据每一个传感器采集的传感器数据和预获取的每一类传感器中每一个传感器的外参数据,构建每一类传感器的完整传感数据,外参数据为每一类传感器中每一个传感器的安装位置参数;
将每一类传感器的完整传感数据转化为对应的点云数据。
作为本申请一个可选的实施方式,转化模块,具体还用于:
将每一个点云数据转化到以待泊车辆为基准点的坐标系中,生成与每一类传感器对应的坐标数据;
将所有种类传感器对应的坐标数据进行融合得到总坐标数据集;
将总坐标数据集转化为以待泊车辆为基准的最终栅格地图中。
作为本申请一个可选的实施方式,每一个坐标数据中包括多个点位坐标,每一个点位坐标中标记有障碍物标识,将所有种类传感器对应的坐标数据进行融合得到总坐标数据集之后,该装置还用于:
在从总坐标数据集中提取存在障碍物标识的数据;
识别标记障碍物标识的传感器种类;
当障碍物标识的传感器类型只有一种时,若障碍物标识与预设的至少一个目标障碍物匹配,则保留障碍物标识;
若障碍物标识与预设的至少一个目标障碍物不匹配,则删除对应点位坐标中的障碍物标识。
作为本申请一个可选的实施方式,当障碍物标识的传感器种类为多个时,装置还用于:
根据预设的传感器种类的优先级和障碍物标识,确定第一点位坐标对应的障碍物标识,第一点位坐标对应的障碍物标识是与多个种类中优先级最高的传感器对应的障碍物标识;
当第一点位坐标对应的障碍物标识与预设的至少一个目标障碍物匹配,则保留第一点位坐标对应的障碍物标识;
若第一点位坐标对应的障碍物标识与预设的至少一个目标障碍物不匹配,则删除对应点位坐标中的障碍物标识。
作为本申请一个可选的实施方式,若第一点位坐标对应的障碍物标识与预设的至少一个目标障碍物不匹配,则删除对应点位坐标中的障碍物标识。
作为本申请一个可选的实施方式,当可通行区域不满足预设条件时,装置还用于:
获取下一时刻待泊车辆中内置的至少两种类型的传感器对应的点云数据以及待泊车辆的位姿数据,直至后续根据至少两种类型的传感器对应的点云数据和位姿数据将点云数据转化到第一次构建的坐标系中,生成以第一次待泊车辆的位姿信息为基准点的最终栅格地图,直至最终栅格地图的可通行区域满足预设条件。
本发明实施例提供的车辆可通行区域确定装置中各部件所执行的功能均已在上述任一方法实施例中做了详细的描述,因此这里不再赘述。
通过执行此装置,获取当前时刻待泊车辆中内置的至少两种类型的传感器对应的点云数据,以及待泊车辆的位姿信息,其中位姿信息准确的表示待泊车辆的位置以及方向的信息,进一步地,根据位姿信息构建与待泊车辆对应的坐标系;将每一个点云坐标转化到该坐标系中,生成以待泊车辆为基准点的最终栅格地图,在最终栅格地图中可以显示对应的可通行区域,当可通行区域满足预设条件时,则将对应的可通行区域确定为待泊车辆的可通行区域,由此可以准确的判断待泊车辆的可通行区域,从而使得待泊车辆完成泊车。
本发明实施例还提供了一种计算机设备,如图3所示,该计算机设备可以包括处理器301和存储器302,其中处理器301和存储器302可以通过总线或者其他方式连接,图3中以通过总线连接为例。
处理器301可以为中央处理器(Central Processing Unit,CPU)。处理器301还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器302作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的车辆可通行区域确定方法对应的程序指令/模块。处理器301通过运行存储在存储器302中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的车辆可通行区域确定方法。
存储器302可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储处理器301所创建的数据等。此外,存储器302可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器302可选包括相对于处理器301远程设置的存储器,这些远程存储器可以通过网络连接至处理器301。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器302中,当被处理器301执行时,执行如图1所示实施例中的车辆可通行区域确定方法。
上述计算机设备具体细节可以对应参阅图1所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-StateDrive,SSD)等;存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种车辆可通行区域确定方法,其特征在于,所述方法包括:
获取当前时刻待泊车辆中内置的至少两种类型的传感器对应的点云数据,以及待泊车辆的位姿信息;
根据所述当前时刻待泊车辆的位姿信息,构建与所述待泊车辆对应的坐标系;
将每一个所述点云数据转化到所述坐标系中,生成以所述待泊车辆为基准的最终栅格地图;
根据所述最终栅格地图输出在当前时刻的可通行区域;
当所述可通行区域满足预设条件,则确定所述可通行区域为所述待泊车辆的可通行区域。
2.根据权利要求1所述的方法,其特征在于,每一种类型的传感器的数量包括多个,所述获取当前时刻待泊车辆中内置的至少两种类型的传感器对应的点云数据,具体包括:
获取当前时刻待泊车辆中内置的至少两个种类传感器中每一个传感器采集的传感器数据;
根据每一个传感器采集的传感器数据和预获取的每一类传感器中每一个传感器的外参数据,构建每一类所述传感器的完整传感数据,所述外参数据为每一类传感器中每一个传感器的安装位置参数;
将每一类所述传感器的完整传感数据转化为对应的点云数据。
3.根据权利要求1所述的方法,其特征在于,所述将每一个所述点云数据转化到所述坐标系中,生成以所述待泊车辆为基准的最终栅格地图,具体包括:
将每一个所述点云数据转化到以所述待泊车辆为基准点的坐标系中,生成与每一类传感器对应的坐标数据;
将所有种类传感器对应的坐标数据进行融合得到总坐标数据集;
将所述总坐标数据集转化为以所述待泊车辆为基准的最终栅格地图中。
4.根据权利要求3所述的方法,其特征在于,每一个所述坐标数据中包括多个点位坐标,每一个点位坐标中标记有障碍物标识,所述将所有种类传感器对应的坐标数据进行融合得到总坐标数据集之后,还包括:
在从所述总坐标数据集中提取存在障碍物标识的数据;
识别标记所述障碍物标识的传感器种类;
当所述障碍物标识的传感器类型只有一种时,若所述障碍物标识与预设的至少一个目标障碍物匹配,则保留所述障碍物标识;
若所述障碍物标识与预设的至少一个目标障碍物不匹配,则删除对应点位坐标中的障碍物标识。
5.根据权利要求4所述的方法,其特征在于,当所述障碍物标识的传感器种类为多个时,所述方法还包括:
根据预设的传感器种类的优先级和障碍物标识,确定第一点位坐标对应的障碍物标识,所述第一点位坐标对应的障碍物标识是与多个种类中优先级最高的传感器对应的障碍物标识;
当所述第一点位坐标对应的障碍物标识与预设的至少一个目标障碍物匹配,则保留所述第一点位坐标对应的障碍物标识;
若所述第一点位坐标对应的障碍物标识与预设的至少一个目标障碍物不匹配,则删除对应点位坐标中的障碍物标识。
6.根据权利要求5所述的方法,其特征在于,若所述第一点位坐标对应的障碍物标识与预设的至少一个目标障碍物不匹配,则删除对应点位坐标中的障碍物标识。
7.根据权利要求1-6任一项所述的方法,其特征在于,当所述可通行区域不满足预设条件时,所述方法还包括:
获取下一时刻待泊车辆中内置的至少两种类型的传感器对应的点云数据以及待泊车辆的位姿数据,直至后续根据至少两种类型的传感器对应的点云数据和所述位姿数据将所述点云数据转化到第一次构建的坐标系中,生成以第一次待泊车辆的位姿信息为基准点的最终栅格地图,直至所述最终栅格地图的可通行区域满足预设条件。
8.一种车辆可通行区域确定装置,其特征在于,所述装置包括:
获取模块,用于获取当前时刻待泊车辆中内置的至少两种类型的传感器对应的点云数据,以及待泊车辆的位姿信息;
构建模块,用于根据所述当前时刻待泊车辆的位姿信息,构建与所述待泊车辆对应的坐标系;
转化模块,用于将每一个所述点云数据转化到所述坐标系中,生成以所述待泊车辆为基准的最终栅格地图;
输出模块,用于根据所述最终栅格地图输出在当前时刻的可通行区域;
确定模块,用于当所述可通行区域满足预设条件,则确定所述可通行区域为所述待泊车辆的可通行区域。
9.一种计算机设备,其特征在于,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行如权利要求1-7任一项所述的车辆可通行区域确定方法的步骤。
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,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的车辆可通行区域确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211625147.0A CN115965682B (zh) | 2022-12-16 | 2022-12-16 | 一种车辆可通行区域确定方法、装置及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211625147.0A CN115965682B (zh) | 2022-12-16 | 2022-12-16 | 一种车辆可通行区域确定方法、装置及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115965682A true CN115965682A (zh) | 2023-04-14 |
CN115965682B CN115965682B (zh) | 2023-09-01 |
Family
ID=87362882
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211625147.0A Active CN115965682B (zh) | 2022-12-16 | 2022-12-16 | 一种车辆可通行区域确定方法、装置及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115965682B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116659523A (zh) * | 2023-05-17 | 2023-08-29 | 深圳市保臻社区服务科技有限公司 | 一种基于社区进入车辆的位置自动定位方法及装置 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108256413A (zh) * | 2017-11-27 | 2018-07-06 | 科大讯飞股份有限公司 | 可通行区域检测方法及装置、存储介质、电子设备 |
CN109829386A (zh) * | 2019-01-04 | 2019-05-31 | 清华大学 | 基于多源信息融合的智能车辆可通行区域检测方法 |
CN109887053A (zh) * | 2019-02-01 | 2019-06-14 | 广州小鹏汽车科技有限公司 | 一种slam地图拼接方法及*** |
CN110221603A (zh) * | 2019-05-13 | 2019-09-10 | 浙江大学 | 一种基于激光雷达多帧点云融合的远距离障碍物检测方法 |
CN110278714A (zh) * | 2018-01-23 | 2019-09-24 | 深圳市大疆创新科技有限公司 | 障碍物检测方法、移动平台及计算机可读存储介质 |
WO2020003319A1 (en) * | 2018-06-28 | 2020-01-02 | Ariel Scientific Innovations Ltd. | Localization techniques |
CN112164138A (zh) * | 2020-10-30 | 2021-01-01 | 上海商汤临港智能科技有限公司 | 一种点云数据筛选方法及装置 |
CN112180373A (zh) * | 2020-09-18 | 2021-01-05 | 纵目科技(上海)股份有限公司 | 一种多传感器融合的智能泊车***和方法 |
CN113119957A (zh) * | 2021-05-26 | 2021-07-16 | 苏州挚途科技有限公司 | 泊车轨迹规划方法、装置及电子设备 |
CN113759938A (zh) * | 2021-11-10 | 2021-12-07 | 北京理工大学 | 一种无人车路径规划质量测评方法和*** |
CN113865580A (zh) * | 2021-09-15 | 2021-12-31 | 北京易航远智科技有限公司 | 构建地图的方法、装置、电子设备及计算机可读存储介质 |
WO2022041706A1 (zh) * | 2020-08-28 | 2022-03-03 | 华为技术有限公司 | 一种定位方法、定位***和车辆 |
CN114283391A (zh) * | 2021-11-17 | 2022-04-05 | 上海智能网联汽车技术中心有限公司 | 一种融合环视图像与激光雷达的自动泊车感知方法 |
CN114754779A (zh) * | 2022-04-27 | 2022-07-15 | 镁佳(北京)科技有限公司 | 一种定位与建图方法、装置及电子设备 |
CN114926809A (zh) * | 2022-04-14 | 2022-08-19 | 重庆兰德适普信息科技有限公司 | 可通行区域检测方法及装置、移动工具、存储介质 |
CN115077553A (zh) * | 2022-06-30 | 2022-09-20 | 重庆长安汽车股份有限公司 | 基于栅格搜索轨迹规划方法、***、汽车、设备及介质 |
WO2022199472A1 (zh) * | 2021-03-23 | 2022-09-29 | 长沙智能驾驶研究院有限公司 | 障碍物检测方法、车辆、设备及计算机存储介质 |
CN115143977A (zh) * | 2021-03-30 | 2022-10-04 | 武汉智行者科技有限公司 | 一种快速的高精度地图构建方法及其装置、车辆 |
CN115268443A (zh) * | 2022-07-27 | 2022-11-01 | 珠海一微半导体股份有限公司 | 一种机器人避障路径规划方法 |
CN115469312A (zh) * | 2022-09-15 | 2022-12-13 | 重庆长安汽车股份有限公司 | 车辆的可通行区域检测方法、装置、电子设备及存储介质 |
-
2022
- 2022-12-16 CN CN202211625147.0A patent/CN115965682B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108256413A (zh) * | 2017-11-27 | 2018-07-06 | 科大讯飞股份有限公司 | 可通行区域检测方法及装置、存储介质、电子设备 |
CN110278714A (zh) * | 2018-01-23 | 2019-09-24 | 深圳市大疆创新科技有限公司 | 障碍物检测方法、移动平台及计算机可读存储介质 |
WO2020003319A1 (en) * | 2018-06-28 | 2020-01-02 | Ariel Scientific Innovations Ltd. | Localization techniques |
CN109829386A (zh) * | 2019-01-04 | 2019-05-31 | 清华大学 | 基于多源信息融合的智能车辆可通行区域检测方法 |
CN109887053A (zh) * | 2019-02-01 | 2019-06-14 | 广州小鹏汽车科技有限公司 | 一种slam地图拼接方法及*** |
CN110221603A (zh) * | 2019-05-13 | 2019-09-10 | 浙江大学 | 一种基于激光雷达多帧点云融合的远距离障碍物检测方法 |
CN114200481A (zh) * | 2020-08-28 | 2022-03-18 | 华为技术有限公司 | 一种定位方法、定位***和车辆 |
WO2022041706A1 (zh) * | 2020-08-28 | 2022-03-03 | 华为技术有限公司 | 一种定位方法、定位***和车辆 |
CN112180373A (zh) * | 2020-09-18 | 2021-01-05 | 纵目科技(上海)股份有限公司 | 一种多传感器融合的智能泊车***和方法 |
CN112164138A (zh) * | 2020-10-30 | 2021-01-01 | 上海商汤临港智能科技有限公司 | 一种点云数据筛选方法及装置 |
WO2022199472A1 (zh) * | 2021-03-23 | 2022-09-29 | 长沙智能驾驶研究院有限公司 | 障碍物检测方法、车辆、设备及计算机存储介质 |
CN115143977A (zh) * | 2021-03-30 | 2022-10-04 | 武汉智行者科技有限公司 | 一种快速的高精度地图构建方法及其装置、车辆 |
CN113119957A (zh) * | 2021-05-26 | 2021-07-16 | 苏州挚途科技有限公司 | 泊车轨迹规划方法、装置及电子设备 |
CN113865580A (zh) * | 2021-09-15 | 2021-12-31 | 北京易航远智科技有限公司 | 构建地图的方法、装置、电子设备及计算机可读存储介质 |
CN113759938A (zh) * | 2021-11-10 | 2021-12-07 | 北京理工大学 | 一种无人车路径规划质量测评方法和*** |
CN114283391A (zh) * | 2021-11-17 | 2022-04-05 | 上海智能网联汽车技术中心有限公司 | 一种融合环视图像与激光雷达的自动泊车感知方法 |
CN114926809A (zh) * | 2022-04-14 | 2022-08-19 | 重庆兰德适普信息科技有限公司 | 可通行区域检测方法及装置、移动工具、存储介质 |
CN114754779A (zh) * | 2022-04-27 | 2022-07-15 | 镁佳(北京)科技有限公司 | 一种定位与建图方法、装置及电子设备 |
CN115077553A (zh) * | 2022-06-30 | 2022-09-20 | 重庆长安汽车股份有限公司 | 基于栅格搜索轨迹规划方法、***、汽车、设备及介质 |
CN115268443A (zh) * | 2022-07-27 | 2022-11-01 | 珠海一微半导体股份有限公司 | 一种机器人避障路径规划方法 |
CN115469312A (zh) * | 2022-09-15 | 2022-12-13 | 重庆长安汽车股份有限公司 | 车辆的可通行区域检测方法、装置、电子设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
JELENA KOCIĆ; NENAD JOVIČIĆ; VUJO DRNDAREVIĆ: "Sensors and Sensor Fusion in Autonomous Vehicles", 《2018 26TH TELECOMMUNICATIONS FORUM (TELFOR)》, pages 420 - 425 * |
XIANTAO WANG等: "A New Grid Map Construction Method for Autonomous Vehicles", 《IFAC-PAPERSONLINE》, vol. 51, no. 31, pages 377 - 382 * |
宁小娟; 巩亮; 张金磊: "基于激光点云的道路可通行区域检测方法", 《计算机工程》, pages 22 - 29 * |
闫光: "基于多传感器信息融合的动态目标检测与识别", 《中国优秀硕士学位论文全文数据库 信息科技辑》, pages 138 - 879 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116659523A (zh) * | 2023-05-17 | 2023-08-29 | 深圳市保臻社区服务科技有限公司 | 一种基于社区进入车辆的位置自动定位方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115965682B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112069856B (zh) | 地图生成方法、驾驶控制方法、装置、电子设备及*** | |
JP6812404B2 (ja) | 点群データを融合させるための方法、装置、コンピュータ読み取り可能な記憶媒体、及びコンピュータプログラム | |
CN108318043B (zh) | 用于更新电子地图的方法、装置和计算机可读存储介质 | |
CN105793669B (zh) | 车辆位置推定***、装置、方法以及照相机装置 | |
US11092444B2 (en) | Method and system for recording landmarks in a traffic environment of a mobile unit | |
US11971274B2 (en) | Method, apparatus, computer program, and computer-readable recording medium for producing high-definition map | |
US20220373353A1 (en) | Map Updating Method and Apparatus, and Device | |
CN110906954A (zh) | 一种基于自动驾驶平台的高精度地图测试评估方法和装置 | |
CN114930401A (zh) | 基于点云的三维重建方法、装置和计算机设备 | |
KR102414307B1 (ko) | 3d 맵의 변경 구역 업데이트 시스템 및 그 방법 | |
CN114051628A (zh) | 一种确定目标对象点云集的方法及装置 | |
CN112598899A (zh) | 一种数据处理方法和装置 | |
CN114295139A (zh) | 一种协同感知定位方法及*** | |
CN115965682B (zh) | 一种车辆可通行区域确定方法、装置及计算机设备 | |
CN111044069B (zh) | 一种车辆定位方法、车载设备及存储介质 | |
CN114639085A (zh) | 交通信号灯识别方法、装置、计算机设备和存储介质 | |
CN112633518B (zh) | 基于多主体互学习的自动驾驶模型训练方法及*** | |
US20230236021A1 (en) | Information processing device | |
CN115083209A (zh) | 一种基于视觉定位的车路协同方法及*** | |
CN114051627A (zh) | 相机校准方法 | |
CN114136304A (zh) | 一种面向电网场景的定位方法及*** | |
CN115077537A (zh) | 高精度地图感知容器设计方法及装置、存储介质、终端 | |
CN111709354A (zh) | 识别目标区域的方法、装置、电子设备和路侧设备 | |
CN117452407B (zh) | 一种用于车载辅助驾驶***的雷达数据服务***和方法 | |
CN114216469B (zh) | 一种对高精地图进行更新的方法、智慧基站及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |