CN116312051A - 速度预测方法、装置、存储介质和电子设备 - Google Patents
速度预测方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN116312051A CN116312051A CN202310279502.1A CN202310279502A CN116312051A CN 116312051 A CN116312051 A CN 116312051A CN 202310279502 A CN202310279502 A CN 202310279502A CN 116312051 A CN116312051 A CN 116312051A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- coordinate set
- obtaining
- dynamic
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/161—Decentralised systems, e.g. inter-vehicle communication
- G08G1/163—Decentralised systems, e.g. inter-vehicle communication involving continuous checking
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/50—Systems of measurement based on relative movement of target
- G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明实施例提供了一种速度预测方法、装置、存储介质和电子设备。本发明实施例提供的技术方案中,所述方法包括:获取至少一个障碍物的第一坐标集合,所述第一坐标集合包括车辆的环境传感器检测到的所述至少一个障碍物的中心点的历史轨迹点在第一坐标系中的第一坐标;根据所述第一坐标集合,得到第二坐标集合,所述第二坐标集合包括所述至少一个障碍物的中心点的历史轨迹点在第二坐标系中的第二坐标;根据所述第二坐标集合,得到所述至少一个障碍物中动态障碍物的中心点的轨迹拟合公式;根据所述轨迹拟合公式,得到所述动态障碍物的预测移动速度,使得车辆对障碍物检测兼顾高精度和低成本。
Description
【技术领域】
本发明涉及智能驾驶技术领域,尤其涉及一种速度预测方法、装置、存储介质和电子设备。
【背景技术】
目前,车辆对障碍物检测可以分为使用激光雷达独立检测以及使用激光雷达与摄像头融合检测的方式。摄像头由于分辨率高,能够精准进行障碍物聚类、分割、类型分类、特征跟踪等技术难点,而激光雷达则由于优秀的主动测距能力,弥补了摄像头无法精准测量距离的缺点。使用激光雷达与摄像头融合方式检测障碍物能够兼顾摄像头和激光雷达各自的特点,较为精确的障碍物识别和跟踪能力提高了无人车辆在障碍物路径预测、碰撞预警等的能力,这是单激光雷达传感器所欠缺的。由于摄像头拥有高分辨率,使用激光雷达与摄像头融合方式检测障碍物会带来高计算消耗,不利于降低车辆的制造成本,也不利于后期运行的能耗控制。
因此,目前车辆对障碍物的检测无法兼顾高精度和低成本。
【发明内容】
有鉴于此,本发明实施例提供了一种速度预测方法、装置、存储介质和电子设备,使得车辆对障碍物检测兼顾高精度和低成本。
第一方面,本发明实施例提供了一种速度预测方法,所述方法包括:
获取至少一个障碍物的第一坐标集合,所述第一坐标集合包括车辆的环境传感器检测到的所述至少一个障碍物的中心点的历史轨迹点在第一坐标系中的第一坐标;
根据所述第一坐标集合,得到第二坐标集合,所述第二坐标集合包括所述至少一个障碍物的中心点的历史轨迹点在第二坐标系中的第二坐标;
根据所述第二坐标集合,得到所述至少一个障碍物中动态障碍物的中心点的轨迹拟合公式;
根据所述轨迹拟合公式,得到所述动态障碍物的预测移动速度。
可选地,所述环境传感器为单激光雷达。
可选地,所述根据所述第二坐标集合,得到所述至少一个障碍物中动态障碍物的中心点的轨迹拟合公式,包括:
根据所述第二坐标集合、相邻位置点无向性的特性,得到第三坐标集合,所述第三坐标集合包括所述至少一个障碍物中动态障碍物的第二坐标;
根据过滤条件和所述第三坐标集合,得到所述动态障碍物的目标位置数列;
根据所述目标位置数列,得到所述轨迹拟合公式。
可选地,所述根据所述第二坐标集合、相邻位置点无向性的特性,得到第三坐标集合,包括:
根据所述第二坐标集合、所述相邻位置点无向性的特性,确定所述至少一个障碍物的动静态属性;
将所述第二坐标集合中动静态属性为静态的障碍物的第二坐标过滤,得到所述第三坐标集合。
可选地,所述根据过滤条件和所述第三坐标集合,得到所述动态障碍物的目标位置数列,包括:
根据所述第三坐标集合,得到所述动态障碍物的第一位置数列,所述第一位置数列包括所述第三坐标集合中横坐标位置数列和纵坐标位置数列;
根据所述第一位置数列和3σ方法,得到所述过滤条件;
根据所述过滤条件对所述横坐标位置数列和纵坐标位置数列进行过滤,得到目标位置数列,所述目标位置数列包括目标横坐标位置数列和目标纵坐标位置数列。
可选地,所述根据所述目标位置数列,得到所述轨迹拟合公式,包括:
根据所述目标横坐标位置数列,得到所述动态障碍物的中心点的横坐标轨迹拟合公式;
根据所述目标纵坐标位置数列,得到所述动态障碍物的中心点的纵坐标轨迹拟合公式。
可选地,所述根据所述轨迹拟合公式,得到所述动态障碍物的预测移动速度,包括:
根据所述横坐标轨迹拟合公式,得到所述动态障碍物的预测横坐标移动速度;
根据所述纵坐标轨迹拟合公式,得到所述动态障碍物的预测纵坐标移动速度;
根据所述预测横坐标移动速度和所述预测纵坐标移动速度,得到所述动态障碍物的预测移动速度。
另一方面,本发明实施例提供了一种速度预测装置,所述装置包括:
获取模块,用于获取至少一个障碍物的第一坐标集合,所述第一坐标集合包括车辆的环境传感器检测到的所述至少一个障碍物的中心点的历史轨迹点在第一坐标系中的第一坐标;
转换模块,用于根据所述第一坐标集合,得到第二坐标集合,所述第二坐标集合包括所述至少一个障碍物的中心点的历史轨迹点在第二坐标系中的第二坐标;
轨迹拟合模块,用于根据所述第二坐标集合,得到所述至少一个障碍物中动态障碍物的中心点的轨迹拟合公式;
预测模块,用于根据所述轨迹拟合公式,得到所述动态障碍物的预测移动速度。
另一方面,本发明实施例提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上述速度预测方法。
另一方面,本发明实施例提供了一种电子设备,包括存储器和处理器,所述存储器用于存储包括程序指令的信息,所述处理器用于控制程序指令的执行,其特征在于,所述程序指令被处理器加载并执行时实现上述速度预测方法的步骤。
本发明实施例提供的速度预测方法、装置、存储介质和电子设备的技术方案中,所述方法包括:获取至少一个障碍物的第一坐标集合,所述第一坐标集合包括车辆的环境传感器检测到的所述至少一个障碍物的中心点的历史轨迹点在第一坐标系中的第一坐标;根据所述第一坐标集合,得到第二坐标集合,所述第二坐标集合包括所述至少一个障碍物的中心点的历史轨迹点在第二坐标系中的第二坐标;根据所述第二坐标集合,得到所述至少一个障碍物中动态障碍物的中心点的轨迹拟合公式;根据所述轨迹拟合公式,得到所述动态障碍物的预测移动速度,使得车辆对障碍物检测兼顾高精度和低成本。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明一实施例提供的一种速度预测方法的流程图;
图2为图1中根据第二坐标集合,得到至少一个障碍物中动态障碍物的中心点的轨迹拟合公式的具体流程图;
图3为图2中根据第二坐标集合、相邻位置点无向性的特性,得到第三坐标集合,第三坐标集合包括至少一个障碍物中动态障碍物的第二坐标的具体流程图;
图4为本发明实施例中至少一个障碍物的示意图;
图5为图2中根据过滤条件和第三坐标集合,得到动态障碍物的目标位置数列的具体流程图;
图6为图2中根据目标位置数列,得到轨迹拟合公式的具体流程图;
图7为图1中根据轨迹拟合公式,得到动态障碍物的预测移动速度的具体流程图;
图8为本发明一实施例提供的一种速度预测装置的结构示意图;
图9为本发明一实施例提供的一种电子设备的示意图。
【具体实施方式】
为了更好的理解本发明的技术方案,下面结合附图对本发明实施例进行详细描述。
应当明确,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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,甲和/或乙,可以表示:单独存在甲,同时存在甲和乙,单独存在乙这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
智能驾驶是当前社会发展中讨论较为广泛的话题。智能驾驶车辆指的是车辆拥有一定的智能能力,能够拥有一定的自主处理道路上问题的能力,如车辆自主巡航、自主变道、自主减少刹车等。不同的智能驾驶能力可能具有不同的智能等级。最高等级的智能驾驶能力是无人驾驶技术,车辆能够完全自主感知位置、环境、障碍物等外部因素,拥有自主行为决策能力以及路线规划能力等,可以自主完成特定的任务目标。
目前已有的技术积累能够满足特定路段的车辆无人驾驶能力,但是由于社会道路复杂,参与道路角色多,容易造成不必要的人员伤害。加之社会法律法规等限制,在公开道路上使用无人驾驶技术的车辆受到限制。
无人物流车辆则由于其厂区运行环境的特异性,具有较为规范的交通环境、比较封闭的道路环境规则、点到点固定的路线和高强度、高频次的使用需求等特点,在无人化方面获得了快速地发展。
无人物流车辆一般配置有激光雷达、摄像头、定位***、域控制器等传感器和计算设备,能够满足车辆的自主定位、环境感知、行为决策和路线规划、控制等自主运行必须的功能。其中,车辆对障碍物的判断和跟踪对车辆运行的安全极为重要。
目前无人物流车辆对障碍物检测可以分为使用激光雷达独立检测以及使用激光雷达与摄像头融合检测的方式。摄像头由于分辨率高,能够精准进行障碍物聚类、分割、类型分类、特征跟踪等技术难点,而激光雷达则由于优秀的主动测距能力,弥补了摄像头无法精准测量距离的缺点。较为精确的障碍物识别和跟踪能力提高了无人车辆在障碍物路径预测、碰撞预警等的能力,这是单激光雷达传感器所欠缺的。
但是多传感器的布局需要无人车辆在制造和安装过程中有较高的装配精度,同时每台车辆都需要经过传感器校准和标定等操作,制造成本高,工艺复杂且维修困难。物流车辆的使用频次高,工作环境复杂,拖拉、震动和重负载等工作环境较多,减少传感器的使用能够提高车辆的安全运行里程,减少车辆维修时间,提高车辆的运行效率和利用率。
依靠摄像头的视觉感知***拥有高分辨率的同时,带来的是高分辨率图像需要的高计算消耗。视觉感知***需要使用高功耗的计算芯片进行匹配计算,不利于减低无人车辆的制造成本,也不利于后期运行的能耗控制。
综上,目前车辆对障碍物的检测无法兼顾高精度和低成本。
基于上述技术问题,本发明实施例提供一种速度预测方法、装置、存储介质和电子设备,使得车辆对障碍物检测兼顾高精度和低成本。
图1为本发明一实施例提供的一种速度预测方法的流程图,如图1所示,该方法包括:
步骤101、获取至少一个障碍物的第一坐标集合,第一坐标集合包括车辆的环境传感器检测到的至少一个障碍物的中心点的历史轨迹点在第一坐标系中的第一坐标。
环境传感器为单激光雷达,比如16线激光雷达。
车辆使用单激光雷达检测环境中障碍物。由于激光雷达点云密度低的原因,车辆轮廓无法准确分割,进而无法准备进行障碍物跟踪,即这一时刻确认的障碍物与下一时刻确认的障碍物无法准确确认为一个障碍物,特别在障碍物较多,且无规则的生产环境中。因此需要使用设计车辆位置点判断以及速度预测方法来判断障碍物速度。
例如,以16线激光雷达作为车辆环境检测传感器,激光雷达通过360度旋转扫描,通过对发射的激光束反射信息的计算,可以判断车辆周围环境中障碍物的点云位置,再根据激光雷达探测得到的激光雷达点云,进行点的位置计算,综合得出哪一部分点云为一个独立的物体。
步骤102、根据第一坐标集合,得到第二坐标集合,第二坐标集合包括至少一个障碍物的中心点的历史轨迹点在第二坐标系中的第二坐标。
在一些可能的实施例中,步骤102具体包括:根据第一坐标系和第二坐标系之间的转换关系,将第一坐标集合中的第一坐标转化为第二坐标,得到第二坐标集合。
第一坐标系为车辆坐标系,第二坐标系为世界坐标系。
为了得到足够多的障碍物样本,本发明实施例对所有检测得到的障碍物中心点的的历史轨迹点坐标进行坐标转换,得到障碍物中心点的历史轨迹点在世界坐标系中的位置。然后将每一时刻的障碍物中心点位置以障碍物id标识为归类依据记录在数据存储器中。
步骤103、根据第二坐标集合,得到至少一个障碍物中动态障碍物的中心点的轨迹拟合公式。
在一些可能的实施例中,如图2所示,步骤103具体包括:
步骤1031、根据第二坐标集合、相邻位置点无向性的特性,得到第三坐标集合,第三坐标集合包括至少一个障碍物中动态障碍物的第二坐标。
单激光雷达检测障碍物速度的关键在于对障碍物是动态障碍物还是静态障碍物的区分。由于激光雷达点云密度的原因,不能准确识别障碍物的外轮廓,就不能准确区分同一个障碍物在不同时间段的中心位置,如果直接使用中心位置进行障碍物速度计算,静止的障碍物很可能由于中心点跳动而产生很大的障碍物速度。因此本发明实施例需要筛选出环境中的动态障碍物。
在一些可能的实施例中,如图3所示,步骤1031具体包括:
步骤1a、根据第二坐标集合、相邻位置点无向性的特性,确定至少一个障碍物的动静态属性。
静态障碍物分布符合一般概率分布,即静态障碍物的中心点均落在较小的位置范围内,且相邻的位置点之间的方向是无向性的。本发明实施例使用相邻位置点无向性的特性,根据第二坐标集合确定障碍物的动静态属性。图4为本发明实施例中至少一个障碍物的示意图,如图4所示,通过步骤1a确定出至少一个障碍物中的静态障碍物和动态障碍物。
步骤1b、将第二坐标集合中动静态属性为静态的障碍物的第二坐标过滤,得到第三坐标集合。
本发明实施例在确定出至少一个障碍物的动静态属性后,首先过滤第二坐标集合中的静态障碍物的第二坐标。
步骤1032、根据过滤条件和第三坐标集合,得到动态障碍物的目标位置数列。
第三坐标集合中的第二坐标均是动态障碍物的中心点的历史轨迹点的坐标,动态障碍物的中心位置点虽然呈线状分布,但是其位置也是抖动、分散的,所以需要对动态障碍物的中心位置点进行再一次过滤操作。
在一些可能的实施例中,如图5所示,步骤1032具体包括:
步骤2a、根据第三坐标集合,得到动态障碍物的第一位置数列,第一位置数列包括第三坐标集合中横坐标位置数列和纵坐标位置数列。
首先将第三坐标集合中动态障碍物的中心位置点的横坐标和纵坐标,即x坐标和y坐标分开存储,得到两个位置数列,即横坐标位置数列X和纵坐标位置数列Y如下:
X=[x0,x1,x2,…,xn-1,xn]
Y=[y0,y1,y2,…,yn-1,yn]
步骤2b、根据第一位置数列和3σ方法,得到过滤条件。
本发明实施例使用3σ方法对动态障碍物的坐标进行过滤。假设障碍物中心点位置前后帧位置差符合正态分布,那么对于周期T的障碍物位置(xT,yT)与周期T-1的障碍物位置(xT-1,yT-1)的距离差小于三倍方差的概率为98%,所以循环计算车辆历史轨迹,将不符合条件的位置点过滤,过滤条件如下:
△XT>3σ△x
or
△YT>3σ△Y
其中σ△x为障碍物相邻位置点的x坐标的差值的方差,σ△y为障碍物相邻位置点的y坐标的差值的方差。
步骤2c、根据过滤条件对横坐标位置数列和纵坐标位置数列进行过滤,得到目标位置数列,目标位置数列包括目标横坐标位置数列和目标纵坐标位置数列。
本发明实施例根据过滤条件对横坐标位置数列和纵坐标位置数列进行过滤,得到目标位置数列。
步骤1033、根据目标位置数列,得到轨迹拟合公式。
在获得目标位置数列后,可进行障碍物轨迹拟合,得到轨迹拟合公式。
轨迹拟合公式包括横坐标轨迹拟合公式和纵坐标轨迹拟合公式。
在一些可能的实施例中,如图6所示,步骤1033具体包括:
步骤3a、根据目标横坐标位置数列,得到动态障碍物的中心点的横坐标轨迹拟合公式。
步骤3b、根据目标纵坐标位置数列,得到动态障碍物的中心点的纵坐标轨迹拟合公式。
本发明实施例分别根据横坐标位置数列和纵坐标位置数列,对障碍物的横坐标轨迹和纵坐标轨迹进行单独拟合,得出动态障碍物中心点的横坐标与时间之间的函数关系,即横坐标轨迹拟合公式如下:
X=axT3+bxT2+cxT+dx
得出动态障碍物中心点的纵坐标与时间之间的函数关系,即纵坐标轨迹拟合公式如下:
Y=ayT3+byT2+cyT+dy
步骤104、根据轨迹拟合公式,得到动态障碍物的预测移动速度。
在一些可能的实施例中,如图7所示,步骤104具体包括:
步骤1041、根据横坐标轨迹拟合公式,得到动态障碍物的预测横坐标移动速度。
步骤1042、根据纵坐标轨迹拟合公式,得到动态障碍物的预测纵坐标移动速度。
步骤1043、根据预测横坐标移动速度和预测纵坐标移动速度,得到动态障碍物的预测移动速度。
例如,将未来一秒后的时间带入横坐标轨迹拟合公式和纵坐标轨迹拟合公式计算,便可得到当前时刻后一秒钟的障碍物中心点的坐标,通过计算1秒钟内障碍物中心点的位置偏差,便可计算得到动态障碍物的预测横坐标移动速度和预测纵坐标移动速度如下:
将预测横坐标移动速度和预测纵坐标移动速度合成,即可得到动态障碍物的速度如下:
本发明实施例采用16线激光雷达作为环境传感器,减少车辆对摄像头的依赖,降低车辆制造成本;不需要多传感器融合标定,加速车辆制造、改制速度;提高车辆环境适应性,减少因为传感器故障导致车辆无法使用的问题;仅采用激光雷达数据进行障碍物速度预测感知,对无人物流***主控芯片计算负载小。
本发明实施例对检测到的障碍物点云进行基本的点云聚类、跟踪操作;对检测得到的障碍物信息进行存储;对障碍物历史轨迹点进行坏点去除操作;对障碍物轨迹点进行拟合,判断拟合效果;根据拟合效果得到车辆最终的运动趋势,得到车辆速度,减轻车辆控制***计算压力,减低中央控制器制造、采购成本。对障碍物历史轨迹点记录拟合,通过考虑障碍物历史轨迹的位置信息,可过滤、纠正障碍物速度、位置预估,提高障碍物速度估计精度。取消车载摄像头使用,降低***计算负载,在能够达到相当精度的同时提升程序运行效率。
本发明实施例提供的一种速度预测方法的技术方案中,所述方法包括:获取至少一个障碍物的第一坐标集合,第一坐标集合包括车辆的环境传感器检测到的至少一个障碍物的中心点的历史轨迹点在第一坐标系中的第一坐标;根据第一坐标集合,得到第二坐标集合,第二坐标集合包括至少一个障碍物的中心点的历史轨迹点在第二坐标系中的第二坐标;根据第二坐标集合,得到至少一个障碍物中动态障碍物的中心点的轨迹拟合公式;根据轨迹拟合公式,得到动态障碍物的预测移动速度,使得车辆对障碍物检测兼顾高精度和低成本。
图8为本发明一实施例提供的一种速度预测装置的结构示意图,如图8所示,所述装置包括:获取模块41、转换模块42、轨迹拟合模块43和预测模块44。
获取模块41,用于获取至少一个障碍物的第一坐标集合,所述第一坐标集合包括车辆的环境传感器检测到的所述至少一个障碍物的中心点的历史轨迹点在第一坐标系中的第一坐标;
转换模块42,用于根据所述第一坐标集合,得到第二坐标集合,所述第二坐标集合包括所述至少一个障碍物的中心点的历史轨迹点在第二坐标系中的第二坐标;
轨迹拟合模块43,用于根据所述第二坐标集合,得到所述至少一个障碍物中动态障碍物的中心点的轨迹拟合公式;
预测模块44,用于根据所述轨迹拟合公式,得到所述动态障碍物的预测移动速度。
可选地,环境传感器为单激光雷达。
可选地,所述轨迹拟合模块43具体用于根据所述第二坐标集合、相邻位置点无向性的特性,得到第三坐标集合,所述第三坐标集合包括所述至少一个障碍物中动态障碍物的第二坐标;根据过滤条件和所述第三坐标集合,得到所述动态障碍物的目标位置数列;根据所述目标位置数列,得到所述轨迹拟合公式。
可选地,所述轨迹拟合模块43具体用于根据所述第二坐标集合、所述相邻位置点无向性的特性,确定所述至少一个障碍物的动静态属性;将所述第二坐标集合中动静态属性为静态的障碍物的第二坐标过滤,得到所述第三坐标集合。
可选地,所述轨迹拟合模块43具体用于根据所述第三坐标集合,得到所述动态障碍物的第一位置数列,所述第一位置数列包括所述第三坐标集合中横坐标位置数列和纵坐标位置数列;根据所述第一位置数列和3σ方法,得到所述过滤条件;根据所述过滤条件对所述横坐标位置数列和纵坐标位置数列进行过滤,得到目标位置数列,所述目标位置数列包括目标横坐标位置数列和目标纵坐标位置数列。
可选地,所述轨迹拟合模块43具体用于根据所述目标横坐标位置数列,得到所述动态障碍物的中心点的横坐标轨迹拟合公式;根据所述目标纵坐标位置数列,得到所述动态障碍物的中心点的纵坐标轨迹拟合公式。
可选地,预测模块44具体用于根据所述横坐标轨迹拟合公式,得到所述动态障碍物的预测横坐标移动速度;根据所述纵坐标轨迹拟合公式,得到所述动态障碍物的预测纵坐标移动速度;根据所述预测横坐标移动速度和所述预测纵坐标移动速度,得到所述动态障碍物的预测移动速度。
本发明实施例提供的速度预测装置可用于实现上述图1至图2中的速度预测方法,具体描述可参见上述速度预测方法的实施例,此处不再重复描述。
本发明实施例提供的一种速度预测装置的技术方案中,获取至少一个障碍物的第一坐标集合,所述第一坐标集合包括车辆的环境传感器检测到的所述至少一个障碍物的中心点的历史轨迹点在第一坐标系中的第一坐标;根据所述第一坐标集合,得到第二坐标集合,所述第二坐标集合包括所述至少一个障碍物的中心点的历史轨迹点在第二坐标系中的第二坐标;根据所述第二坐标集合,得到所述至少一个障碍物中动态障碍物的中心点的轨迹拟合公式;根据所述轨迹拟合公式,得到所述动态障碍物的预测移动速度,使得车辆对障碍物检测兼顾高精度和低成本。
图9为本发明一实施例提供的一种电子设备的示意图,如图9所示,上述电子设备可以包括至少一个处理器;以及与上述处理器通信连接的至少一个存储器,其中:存储器存储有可被处理器执行的程序指令,上述处理器调用上述程序指令能够执行本说明书图1~图7所示实施例提供的速度预测方法。
图9示出了适于用来实现本说明书实施方式的示例性电子设备的框图。图9显示的电子设备仅仅是一个示例,不应对本说明书实施例的功能和使用范围带来任何限制。
如图9所示,电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于:一个或者多个处理器21,存储器23,连接不同***组件(包括存储器23和处理单元21)的通信总线24。
通信总线24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。
电子设备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23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)和/或高速缓存存储器。电子设备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。存储器23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说明书各实施例的功能。
具有一组(至少一个)程序模块的程序/实用工具,可以存储在存储器23中,这样的程序模块包括——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。程序模块通常执行本说明书所描述的实施例中的功能和/或方法。
处理器21通过运行存储在存储器23中的程序,从而执行各种功能应用以及数据处理,例如实现本说明书图1~图7所示实施例提供的速度预测方法。
本说明书实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行本说明书图1~图7所示实施例提供的速度预测方法。
上述非暂态计算机可读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(Read Only Memory;以下简称:ROM)、可擦式可编程只读存储器(Erasable ProgrammableRead Only Memory;以下简称: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说明书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(LocalArea Network;以下简称:LAN)或广域网(Wide Area Network;以下简称: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)。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
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说明书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必须针对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一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本说明书的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
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定制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,并且本说明书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,这应被本说明书的实施例所属技术领域的技术人员所理解。
取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
需要说明的是,本说明书实施例中所涉及的终端可以包括但不限于个人计算机(Personal Computer;以下简称:PC)、个人数字助理(Personal Digital Assistant;以下简称:PDA)、无线手持设备、平板电脑(Tablet Computer)、手机、MP3播放器、MP4播放器等。
在本说明书所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本说明书各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机装置(可以是个人计算机,服务器,或者网络装置等)或处理器(Processor)执行本说明书各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory;以下简称:ROM)、随机存取存储器(Random Access Memory;以下简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本说明书的较佳实施例而已,并不用以限制本说明书,凡在本说明书的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本说明书保护的范围之内。
Claims (10)
1.一种速度预测方法,其特征在于,所述方法包括:
获取至少一个障碍物的第一坐标集合,所述第一坐标集合包括车辆的环境传感器检测到的所述至少一个障碍物的中心点的历史轨迹点在第一坐标系中的第一坐标;
根据所述第一坐标集合,得到第二坐标集合,所述第二坐标集合包括所述至少一个障碍物的中心点的历史轨迹点在第二坐标系中的第二坐标;
根据所述第二坐标集合,得到所述至少一个障碍物中动态障碍物的中心点的轨迹拟合公式;
根据所述轨迹拟合公式,得到所述动态障碍物的预测移动速度。
2.根据权利要求1所述的方法,其特征在于,所述环境传感器为单激光雷达。
3.根据权利要求1所述的方法,其特征在于,所述根据所述第二坐标集合,得到所述至少一个障碍物中动态障碍物的中心点的轨迹拟合公式,包括:
根据所述第二坐标集合、相邻位置点无向性的特性,得到第三坐标集合,所述第三坐标集合包括所述至少一个障碍物中动态障碍物的第二坐标;
根据过滤条件和所述第三坐标集合,得到所述动态障碍物的目标位置数列;
根据所述目标位置数列,得到所述轨迹拟合公式。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第二坐标集合、相邻位置点无向性的特性,得到第三坐标集合,包括:
根据所述第二坐标集合、所述相邻位置点无向性的特性,确定所述至少一个障碍物的动静态属性;
将所述第二坐标集合中动静态属性为静态的障碍物的第二坐标过滤,得到所述第三坐标集合。
5.根据权利要求3所述的方法,其特征在于,所述根据过滤条件和所述第三坐标集合,得到所述动态障碍物的目标位置数列,包括:
根据所述第三坐标集合,得到所述动态障碍物的第一位置数列,所述第一位置数列包括所述第三坐标集合中横坐标位置数列和纵坐标位置数列;
根据所述第一位置数列和3σ方法,得到所述过滤条件;
根据所述过滤条件对所述横坐标位置数列和纵坐标位置数列进行过滤,得到目标位置数列,所述目标位置数列包括目标横坐标位置数列和目标纵坐标位置数列。
6.根据权利要求5所述的方法,其特征在于,所述根据所述目标位置数列,得到所述轨迹拟合公式,包括:
根据所述目标横坐标位置数列,得到所述动态障碍物的中心点的横坐标轨迹拟合公式;
根据所述目标纵坐标位置数列,得到所述动态障碍物的中心点的纵坐标轨迹拟合公式。
7.根据权利要求6所述的方法,其特征在于,所述根据所述轨迹拟合公式,得到所述动态障碍物的预测移动速度,包括:
根据所述横坐标轨迹拟合公式,得到所述动态障碍物的预测横坐标移动速度;
根据所述纵坐标轨迹拟合公式,得到所述动态障碍物的预测纵坐标移动速度;
根据所述预测横坐标移动速度和所述预测纵坐标移动速度,得到所述动态障碍物的预测移动速度。
8.一种速度预测装置,其特征在于,所述装置包括:
获取模块,用于获取至少一个障碍物的第一坐标集合,所述第一坐标集合包括车辆的环境传感器检测到的所述至少一个障碍物的中心点的历史轨迹点在第一坐标系中的第一坐标;
转换模块,用于根据所述第一坐标集合,得到第二坐标集合,所述第二坐标集合包括所述至少一个障碍物的中心点的历史轨迹点在第二坐标系中的第二坐标;
轨迹拟合模块,用于根据所述第二坐标集合,得到所述至少一个障碍物中动态障碍物的中心点的轨迹拟合公式;
预测模块,用于根据所述轨迹拟合公式,得到所述动态障碍物的预测移动速度。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1-7中任一项所述的方法。
10.一种电子设备,包括存储器和处理器,所述存储器用于存储包括程序指令的信息,所述处理器用于控制程序指令的执行,其特征在于,所述程序指令被处理器加载并执行时实现权利要求1-7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310279502.1A CN116312051A (zh) | 2023-03-21 | 2023-03-21 | 速度预测方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310279502.1A CN116312051A (zh) | 2023-03-21 | 2023-03-21 | 速度预测方法、装置、存储介质和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116312051A true CN116312051A (zh) | 2023-06-23 |
Family
ID=86832158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310279502.1A Pending CN116312051A (zh) | 2023-03-21 | 2023-03-21 | 速度预测方法、装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116312051A (zh) |
-
2023
- 2023-03-21 CN CN202310279502.1A patent/CN116312051A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109188438B (zh) | 偏航角确定方法、装置、设备和介质 | |
RU2694154C2 (ru) | Формирование моделированных данных датчиков для обучения и проверки достоверности моделей обнаружения | |
CN114080634B (zh) | 使用锚定轨迹的代理轨迹预测 | |
CN113272830B (zh) | 行为预测***中的轨迹表示 | |
CN112015178B (zh) | 一种控制方法、装置、设备及存储介质 | |
US20210149408A1 (en) | Generating Depth From Camera Images and Known Depth Data Using Neural Networks | |
CN113537362A (zh) | 一种基于车路协同的感知融合方法、装置、设备及介质 | |
Qu et al. | Improving maritime traffic surveillance in inland waterways using the robust fusion of AIS and visual data | |
US20230400859A1 (en) | Predicting Jaywaking Behaviors of Vulnerable Road Users | |
CN111913183A (zh) | 车辆侧向避障方法、装置、设备及车辆 | |
CN112100565A (zh) | 一种道路曲率确定方法、装置、设备及存储介质 | |
CN109635868B (zh) | 障碍物类别的确定方法、装置、电子设备及存储介质 | |
CN112651535A (zh) | 局部路径规划方法、装置、存储介质、电子设备及车辆 | |
CN114475656A (zh) | 行驶轨迹预测方法、装置、电子设备以及存储介质 | |
CN114241448A (zh) | 障碍物航向角的获取方法、装置、电子设备及车辆 | |
CN110497906B (zh) | 车辆控制方法、装置、设备和介质 | |
CN117315624A (zh) | 障碍物检测方法、车辆控制方法、装置、设备及存储介质 | |
EP4160269A1 (en) | Systems and methods for onboard analysis of sensor data for sensor fusion | |
CN109188419B (zh) | 障碍物速度的检测方法、装置、计算机设备及存储介质 | |
US20220237961A1 (en) | Systems and methods for detecting software interactions for autonomous vehicles within changing environmental conditions | |
CN116343169A (zh) | 路径规划方法、目标对象运动控制方法、装置及电子设备 | |
Zhu et al. | Truck active reversing control strategy based on modified particle filter and multi‐sensors environment perception | |
CN116312051A (zh) | 速度预测方法、装置、存储介质和电子设备 | |
US20220319054A1 (en) | Generating scene flow labels for point clouds using object labels | |
CN114895274A (zh) | 一种护栏识别方法 |
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 |