CN116563817B - 障碍物信息生成方法、装置、电子设备和计算机可读介质 - Google Patents

障碍物信息生成方法、装置、电子设备和计算机可读介质 Download PDF

Info

Publication number
CN116563817B
CN116563817B CN202310395895.2A CN202310395895A CN116563817B CN 116563817 B CN116563817 B CN 116563817B CN 202310395895 A CN202310395895 A CN 202310395895A CN 116563817 B CN116563817 B CN 116563817B
Authority
CN
China
Prior art keywords
obstacle
looking
frame
direction vector
movement direction
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
Application number
CN202310395895.2A
Other languages
English (en)
Other versions
CN116563817A (zh
Inventor
胡禹超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
HoloMatic Technology Beijing Co Ltd
Original Assignee
HoloMatic Technology Beijing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by HoloMatic Technology Beijing Co Ltd filed Critical HoloMatic Technology Beijing Co Ltd
Priority to CN202310395895.2A priority Critical patent/CN116563817B/zh
Publication of CN116563817A publication Critical patent/CN116563817A/zh
Application granted granted Critical
Publication of CN116563817B publication Critical patent/CN116563817B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/56Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30248Vehicle exterior or interior
    • G06T2207/30252Vehicle exterior; Vicinity of vehicle
    • G06T2207/30261Obstacle
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Traffic Control Systems (AREA)
  • Image Processing (AREA)

Abstract

本公开的实施例公开了障碍物信息生成方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:获取当前车辆的前视相机拍摄的前视道路图像和右前视相机拍摄的右前视道路图像;确定历史帧障碍物移动方向向量、当前帧障碍物移动方向向量和第一障碍物检测框特征点坐标;对前视道路图像和右前视道路图像进行识别处理以生成前视障碍物检测信息和右前视障碍物检测信息;基于历史帧障碍物移动方向向量、当前帧障碍物移动方向向量、前视障碍物检测信息和右前视障碍物检测信息生成调整后碍物移动方向向量和调整后检测框特征点坐标;基于调整后碍物移动方向向量和调整后检测框特征点坐标生成障碍物信息。该实施方式可以的障碍物信息的准确度。

Description

障碍物信息生成方法、装置、电子设备和计算机可读介质
技术领域
本公开的实施例涉及计算机技术领域,具体涉及障碍物信息生成方法、装置、电子设备和计算机可读介质。
背景技术
障碍物信息生成方法,是确定图像中障碍物信息的一项技术。目前,在生成障碍物信息(例如,障碍物为其他车辆,障碍物信息可以是其他车辆的距离信息和其他车辆的速度信息等)时,通常采用的方式为:通过两个相邻的车载相机(例如,前视相机和右前视相机)拍摄障碍物车辆对应同一帧的两个道路图像,以此对两个道路图像进行障碍物检测,由此,可以将两个道路图像中提取到的障碍物信息进行互补,以避免单个道路图像中障碍物显示不完整的情况。从而,可以通过障碍物与车载相机之间的几何关系生成障碍物信息。
然而,发明人发现,当采用上述方式进行障碍物信息生成时,经常会存在如下技术问题:
由于两个相邻的车载相机之间共识,使得拍摄的两个道路图像中的障碍物区域在图像中存在截断的情况,若障碍物区域在两个道路图像中的截断部分过大,则即使将两个道路图像中提取到的障碍物信息进行互补,也难以生成完整障碍物信息,从而,导致生成的障碍物信息的准确度降低。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了障碍物信息生成方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题。
第一方面,本公开的一些实施例提供了一种障碍物信息生成方法,该方法包括:获取当前车辆的前视相机拍摄的前视道路图像和右前视相机拍摄的右前视道路图像;确定历史帧障碍物移动方向向量、当前帧障碍物移动方向向量和第一障碍物检测框特征点坐标,其中,上述历史帧障碍物移动方向向量和上述当前帧障碍物移动方向向量均为单位向量;对上述前视道路图像和上述右前视道路图像进行识别处理,以生成前视障碍物检测信息和右前视障碍物检测信息;基于上述历史帧障碍物移动方向向量、上述当前帧障碍物移动方向向量、上述前视障碍物检测信息和上述右前视障碍物检测信息,生成调整后碍物移动方向向量和调整后检测框特征点坐标;基于上述调整后碍物移动方向向量和上述调整后检测框特征点坐标,生成障碍物信息。
第二方面,本公开的一些实施例提供了一种障碍物信息生成装置,该装置包括:获取单元,被配置成获取当前车辆的前视相机拍摄的前视道路图像和右前视相机拍摄的右前视道路图像;确定单元,被配置成确定历史帧障碍物移动方向向量、当前帧障碍物移动方向向量和第一障碍物检测框特征点坐标,其中,上述历史帧障碍物移动方向向量和上述当前帧障碍物移动方向向量均为单位向量;识别处理单元,被配置成对上述前视道路图像和上述右前视道路图像进行识别处理,以生成前视障碍物检测信息和右前视障碍物检测信息;第一生成单元,被配置成基于上述历史帧障碍物移动方向向量、上述当前帧障碍物移动方向向量、上述前视障碍物检测信息和上述右前视障碍物检测信息,生成调整后碍物移动方向向量和调整后检测框特征点坐标;第二生成单元,被配置成基于上述调整后碍物移动方向向量和上述调整后检测框特征点坐标,生成障碍物信息。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的障碍物信息生成方法,可以提高生成的障碍物信息的准确度。具体来说,造成生成的生成的障碍物信息的准确度降低的原因在于:由于两个相邻的车载相机之间共识,使得拍摄的两个道路图像中的障碍物区域在图像中存在截断的情况,若障碍物区域在两个道路图像中的截断部分过大,则即使将两个道路图像中提取到的障碍物信息进行互补,也难以生成完整障碍物信息。基于此,本公开的一些实施例的障碍物信息生成方法,首先,获取当前车辆的前视相机拍摄的前视道路图像和右前视相机拍摄的右前视道路图像。然后,确定历史帧障碍物移动方向向量、当前帧障碍物移动方向向量和第一障碍物检测框特征点坐标。通过引入历史帧障碍物移动方向向量,可以用于作为障碍物车辆的先验信息,同时引入当前帧障碍物移动方向向量和第一障碍物检测框特征点坐标,可以在道路图像之间截断部分过大的情况下,用于关联两个道路图像中的障碍物特征。接着,对上述前视道路图像和上述右前视道路图像进行识别处理,以生成前视障碍物检测信息和右前视障碍物检测信息。之后,基于上述历史帧障碍物移动方向向量、上述当前帧障碍物移动方向向量、上述前视障碍物检测信息和上述右前视障碍物检测信息,生成调整后碍物移动方向向量和调整后检测框特征点坐标。由此,可以得到更加准确的调整后碍物移动方向向量和调整后检测框特征点坐标。最后,基于上述调整后碍物移动方向向量和上述调整后检测框特征点坐标,生成障碍物信息。从而,使得在障碍物区域在两个道路图像中的截断部分过大的情况下,也可以生成完整的障碍物信息。从而,提高了生成的障碍物信息的准确度。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的障碍物信息生成方法的一些实施例的流程图;
图2是根据本公开的障碍物信息生成装置的一些实施例的结构示意图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了根据本公开的障碍物信息生成方法的一些实施例的流程100。该障碍物信息生成方法,包括以下步骤:
步骤101,获取当前车辆的前视相机拍摄的前视道路图像和右前视相机拍摄的右前视道路图像。
在一些实施例中,障碍物信息生成方法的执行主体可以通过有线的方式或者无线的方式获取当前车辆的前视相机拍摄的前视道路图像和右前视相机拍摄的右前视道路图像。其中,前视道路图像和右前视道路图像的获取时间点可以是相同的。其次,获取的前视道路图像和右前视道路图像中存在同一障碍物车辆。
需要指出的是,上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
步骤102,确定历史帧障碍物移动方向向量、当前帧障碍物移动方向向量和第一障碍物检测框特征点坐标。
在一些实施例中,上述执行主体可以确定历史帧障碍物移动方向向量、当前帧障碍物移动方向向量和第一障碍物检测框特征点坐标。其中,上述历史帧障碍物移动方向向量和上述当前帧障碍物移动方向向量均可以为单位向量。其中,历史帧障碍物移动方向向量可以是历史某一时刻生成的上述障碍物车辆的移动方向向量。当前帧障碍物移动方向向量可以是当前时刻障碍物车辆的移动方向向量。第一障碍物检测框特征点坐标可以是障碍物车头/车尾检测框的左下角坐标。这里,历史帧障碍物移动方向向量和当前帧障碍物移动方向向量可以是处于预设的地图坐标系中的三维向量。第一障碍物检测框特征点坐标可以是处于地图坐标系中的三维坐标。
在一些实施例的一些可选的实现方式中,上述执行主体确定历史帧障碍物移动方向向量、当前帧障碍物移动方向向量和第一障碍物检测框特征点坐标,可以包括以下步骤:
第一步,获取当前帧障碍物航向角和历史帧道路图像序列。其中,历史帧道路图像序列中的各个道路图像可以是以当前帧为终止时刻、之前一段时间(例如,3秒)内对应各个时间点的道路图像。
第二步,对上述历史帧道路图像序列中的各个历史帧道路图像进行障碍物方向检测,得到检测方向向量序列。可以通过预设的障碍物方向检测算法对上述历史帧道路图像序列中的各个历史帧道路图像进行障碍物方向检测。检测方向向量可以用于表征障碍物车辆在某一时刻的行驶方向。
作为示例,障碍物方向检测算法可以包括但不限于以下至少一项:obb(orientedboundingbox,有向包围盒)算法、G-CRF(Gaus-conditional random field,高斯条件随机场)模型、DenseCRF(Fully-Connected Conditional Random Fields,全连接条件随机场)模型等。
第三步,从上述检测方向向量序列中选出满足预设时间条件的检测方向向量,作为历史帧障碍物移动方向向量。其中,预设时间条件可以是检测方向向量序列中检测方向向量对应的时间与当前时刻时间差最小。
第四步,利用上述当前帧障碍物航向角,生成当前帧障碍物移动方向向量。其中,可以在地图坐标系中,以观测到的障碍物中心为起始点,沿上述当前帧障碍物航向角方向,构建当前帧障碍物移动方向向量。这里,当前帧障碍物移动方向的2范数可以等于1。实践中,当前帧障碍物移动方向向量可以用于表征障碍物的初始移动方向。
第五步,对上述前视道路图像进行障碍物检测,得到检测后障碍物特征点坐标。其中,可以通过预设的障碍物检测算法对上述前视道路图像进行障碍物检测,得到检测后障碍物车头/车尾检测框。其次,可以将检测后障碍物车头/车尾检测框的左下角的角点坐标确定为检测后障碍物特征点坐标。这里,检测后障碍物特征点坐标可以是处于前视道路图像的图像坐标系(即,前视道路图像坐标系)中的二维坐标。
作为示例,上述障碍物检测算法可以包括但不限于以下至少一项:MRF(MRF-Markov Random Field,马尔科夫条件随机场)模型、SPP(Spatial Pyramid Pooling,空间金字塔池化模块)模型和FCN(Fully Convolutional Networks,全卷机神经网络)模型等。
第六步,将上述检测后障碍物特征点坐标投影至当前车辆的地图坐标系,以生成第一障碍物检测框特征点坐标。其中,可以通过坐标转换的方式将检测后障碍物特征点坐标从前视道路图像坐标系转换至地图坐标系。这里,第一障碍物检测框特征点坐标可以是地图坐标系中的三维坐标。实践中,第一障碍物检测框特征点坐标还可以用于表征障碍物检测框左下角的初始位置。
步骤103,对前视道路图像和右前视道路图像进行识别处理,以生成前视障碍物检测信息和右前视障碍物检测信息。
在一些实施例中,上述执行主体可以对上述前视道路图像和上述右前视道路图像进行识别处理,以生成前视障碍物检测信息和右前视障碍物检测信息。前视障碍物检测信息可以表征从前视道路图像中检测到的障碍物信息。右前视障碍物检测信息可以表征从右前视道路图像中检测到的障碍物信息。这里,前视障碍物检测信息和右前视障碍物检测信息可以对应同一障碍物。
在一些实施例的一些可选的实现方式中,上述执行主体对上述前视道路图像和上述右前视道路图像进行识别处理,以生成前视障碍物检测信息和右前视障碍物检测信息,可以包括以下步骤:
第一步,对上述前视道路图像进行障碍物检测,以生成前视障碍物检测信息。其中,上述前视障碍物检测信息可以包括前视障碍物车轮接地点坐标。前视障碍物车轮接地点坐标可以表征检测到的前视道路图像坐标系中障碍物车轮外侧与地面接触点的位置坐标。这里,可以通过上述障碍物检测算法进行障碍物检测。
第二步,对上述右前视道路图像进行障碍物检测,以生成右前视障碍物检测信息。其中,上述右前视障碍物检测信息可以包括右前视障碍物车轮接地点坐标、障碍物检测边框、和对应上述障碍物检测边框左下角位置的第二障碍物检测框特征点坐标。其次,右前视障碍物车轮接地点坐标可以表征检测到的右前视道路图像坐标系中障碍物车轮外侧与地面接触点的位置坐标。障碍物检测边框可以是右前视图像的图像坐标中的障碍物车头/车尾的检测框。这里,可以通过上述障碍物检测算法进行障碍物检测。
步骤104,基于历史帧障碍物移动方向向量、当前帧障碍物移动方向向量、前视障碍物检测信息和右前视障碍物检测信息,生成调整后碍物移动方向向量和调整后检测框特征点坐标。
在一些实施例中,上述执行主体可以基于上述历史帧障碍物移动方向向量、上述当前帧障碍物移动方向向量、上述前视障碍物检测信息和上述右前视障碍物检测信息,生成调整后碍物移动方向向量和调整后检测框特征点坐标。
在一些实施例的一些可选的实现方式中,上述执行主体基于上述历史帧障碍物移动方向向量、上述当前帧障碍物移动方向向量、上述前视障碍物检测信息和上述右前视障碍物检测信息,生成调整后碍物移动方向向量和调整后检测框特征点坐标,可以包括以下步骤:
第一步,确定上述历史帧障碍物移动方向向量和上述当前帧障碍物移动方向向量对应的时间点的时间差,得到障碍物检测时间差值。其中,可以将上述历史帧障碍物移动方向向量和上述当前帧障碍物移动方向向量对应的时间点的时间差确定障碍物检测时间差值。
第二步,将上述第一障碍物检测框特征点坐标投影至上述右前视道路图像的图像坐标系,得到投影后右前视特征点坐标。其中,可以通过坐标转换的方式将第一障碍物检测框特征点坐标从地图坐标系中转换至右前视道路图像的图像坐标系,得到投影后右前视特征点坐标。
第三步,基于上述历史帧障碍物移动方向向量、上述当前帧障碍物移动方向向量、上述障碍物检测时间差值、上述投影后右前视特征点坐标、上述第二障碍物检测框特征点坐标和预设的障碍物车辆角速度阈值,构建第一约束方程和第二约束方程。其中,第一约束方程可以用于约束上述历史帧障碍物移动方向向量和上述当前帧障碍物移动方向向量之间的方向差在一定范围之内。第二约束方程可以用于表征投影后右前视特征点坐标与第二障碍物检测框特征点坐标之间的距离值约束。
第四步,响应于确定上述右前视障碍物检测信息包括右前视障碍物车轮接地点坐标不为空,基于上述当前帧障碍物移动方向向量、上述右前视障碍物车轮接地点坐标和上述第一障碍物检测框特征点坐标,构建第三约束方程。其中,上述右前视障碍物检测信息包括右前视障碍物车轮接地点坐标不为空,表征可以从右前视道路图像中检测到了右前视障碍物车轮接地点坐标。由此,可以在检测到右前视障碍物车轮接地点坐标之后,可以用于构建第三约束方程。这里,第三约束方程可以用于表征右前视障碍物车轮接地点坐标与第一目标直线之间的距离约束。
第五步,基于上述第一约束方程、上述第二约束方程和上述第三约束方程,对上述第一障碍物检测框特征点坐标和上述当前帧障碍物移动方向向量进行调整处理,以生成调整后碍物移动方向向量和调整后检测框特征点坐标。其中,调整后碍物移动方向向量和调整后检测框特征点坐标可以是处于预设的地图坐标系。可以通过以下公式对上述第一障碍物检测框特征点坐标和上述当前帧障碍物移动方向向量进行调整处理:
其中,表示坐标。/>表示地图坐标系。/>表示右前视道路图像坐标系。/>表示地图坐标系中的第一障碍物检测框特征点坐标。/>表示对上述第一障碍物检测框特征点坐标进行调整得到的调整后检测框特征点坐标。/>表示向量。/>表示上述处于地图坐标系的当前帧障碍物移动方向向量。/>表示对上述当前帧障碍物移动方向向量进行调整得到的调整后碍物移动方向向量。/>表示最小目标函数。/>表示第一约束方程。/>表示第二约束方程。/>表示第三约束方程。/>表示反余弦三角函数。/>表示矩阵的转置。/>表示处于地图坐标系的历史帧障碍物移动方向向量。/>表示2范数。表示上述历史帧障碍物移动方向向量和上述当前帧障碍物移动方向向量之间的方向差。/>表示上述第一目标直线。/>表示预设的障碍物车辆角速度阈值。/>表示上述障碍物检测时间差值。/>表示处于右前视道路图像坐标系中的第二障碍物检测框特征点坐标。/>表示处于右前视道路图像坐标系中的右前视障碍物车轮接地点坐标。/>表示预设的、将坐标转换至右前视道路图像坐标系的投影函数。/>表示约束条件。
这里,第三约束方程中的乘号表示叉乘。
可选的,上述执行主体基于上述历史帧障碍物移动方向向量、上述当前帧障碍物移动方向向量、上述前视障碍物检测信息和上述右前视障碍物检测信息,生成调整后碍物移动方向向量和调整后检测框特征点坐标,还可以包括以下步骤:
第一步,响应于确定上述前视障碍物检测信息包括的前视障碍物车轮接地点坐标不为空,基于上述前视障碍物车轮接地点坐标、上述第一障碍物检测框特征点坐标和上述当前帧障碍物移动方向向量,构建第四约束方程。其中,上述前视障碍物检测信息包括的前视障碍物车轮接地点坐标不为空表征可以从前视道路图像中检测到了前视障碍物车轮接地点坐标。由此,在检测到前视障碍物车轮接地点坐标之后,可以用于构建第四约束方程。这里,第四约束方程可以用于表征前视障碍物车轮接地点坐标与第二目标直线之间的距离约束。
第二步,基于上述第一约束方程、上述第二约束方程、上述第三约束方程和上述第四约束方程,对上述第一障碍物检测框特征点坐标和上述当前帧障碍物移动方向向量进行调整处理,以生成调整后碍物移动方向向量和调整后检测框特征点坐标。其中,可以通过以下公式,对上述第一障碍物检测框特征点坐标和上述当前帧障碍物移动方向向量进行调整处理:
其中,表示第四约束方程。/>表示前视道路图像坐标系。/>表示处于前视道路图像坐标系中的上述前视障碍物车轮接地点坐标。/>表示预设的、将坐标转换至前视道路图像坐标系的投影函数。
这里,第三约束方程和第四约束方程中的乘号表示叉乘。
步骤105,基于调整后碍物移动方向向量和调整后检测框特征点坐标,生成障碍物信息。
在一些实施例中,上述执行主体可以基于上述调整后碍物移动方向向量和上述调整后检测框特征点坐标,生成障碍物信息。
在一些实施例的一些可选的实现方式中,上述执行主体基于上述调整后碍物移动方向向量和上述调整后检测框特征点坐标,生成障碍物信息,可以包括以下步骤:
第一步,基于上述调整后碍物移动方向向量和上述调整后检测框特征点坐标,生成第一障碍物边框交点坐标。其中,上述前视障碍物检测信息还可以包括前视障碍物检测框。这里,前视障碍物检测框可以是前视道路图像坐标系中检测到的障碍物车辆的二维检测框。其次,可以将上述调整后碍物移动方向向量和上述调整后检测框特征点坐标从地图坐标系投影至前视道路图像坐标系中,得到投影后移动向量和投影后检测框特征点坐标。之后,可以在前视道路图像坐标系中、以上述投影后检测框特征点坐标为起点、沿上述投影后移动向量的方向做延长线、以确定延长线与上述前视障碍物检测框左边线的交点坐标,得到第一障碍物边框角点坐标。
第二步,对上述调整后检测框特征点坐标和上述第一障碍物边框交点坐标的连线方程进行反投影处理,以生成反投影后线段方程。其中,首先可以获取地图坐标系中预设的地面流形方程。这里,地面流程方程可以用于表征当前车辆周围一定范围内的地面。其次,可以确定与上述调整后检测框特征点坐标对应的投影后检测框特征点坐标与上述第一障碍物边框交点坐标的连线(即,上述延长线)方程。最后,可以利用逆投影变换算法,将上述连线方程从前视道路图像坐标系反投影至地面流形方程所在曲面上,得到反投影后线段方程。
第三步,将上述第一障碍物边框角点坐标反投影至地图坐标系中,得到反投影后边框交点坐标。其中,可以通过坐标转换算法,将上述第一障碍物边框角点坐标从前视道路图像坐标系反投影至地图坐标系中,得到反投影后边框交点坐标。
第四步,基于上述反投影后边框交点坐标和上述反投影后线段方程,生成第二障碍物边框交点坐标。其中,首先,可以过第一障碍物边框角点坐标,确定与上述反投影后线段方程的垂线方程。其次,可以将垂线方程投影至右前视道路图像坐标系,得到投影后垂线方程。最后,可以将投影后垂线方程与障碍物检测边框的交点坐标确定为第二障碍物边框交点坐标。这里,第二障碍物边框交点坐标可以表征障碍物检测框的右下角坐标。
第五步,基于上述第一障碍物边框交点坐标和上述第二障碍物边框交点坐标,生成障碍物信息。其中,可以将上述第二障碍物边框交点坐标反投影至上述地面流形方程所在的曲面,得到反投影后边框顶点坐标。其次,由于车辆的三维外接框底面为长方形,以及调整后检测框特征点坐标对应三维外接框底面左下角位置、第二障碍物边框交点坐标对应三维外接框底面右下角位置、第一障碍物边框交点坐标对应三维外接框底面左上角位置。因此,可以根据预设的长方形先验框,确定三维外接框底面右上角位置对应的障碍物检测框右上角位置坐标。这里,还可以通过三维外接框底面顶点坐标与顶面顶点坐标的几何位置关系,确定三维外接框各个顶点的坐标。最后,可以将前视障碍物检测信息、右前视障碍物检测信息和三维外接框各个顶点的坐标确定为障碍物信息。
上述两个公式及其相关内容作为本公开的实施例的一个发明点,可以进一步解决背景技术提及的技术问题“由于两个相邻的车载相机之间共识,使得拍摄的两个道路图像中的障碍物区域在图像中存在截断的情况,若障碍物区域在两个道路图像中的截断部分过大,则即使将两个道路图像中提取到的障碍物信息进行互补,也难以生成完整障碍物信息,从而,导致生成的障碍物信息的准确度降低”。导致生成的障碍物信息的准确度降低的因素往往如下:由于两个相邻的车载相机之间共识,使得拍摄的两个道路图像中的障碍物区域在图像中存在截断的情况,若障碍物区域在两个道路图像中的截断部分过大,则即使将两个道路图像中提取到的障碍物信息进行互补,也难以生成完整障碍物信息。如果解决了上述因素,就能提高生成的障碍物信息的准确度。为了达到这一效果,首先,通过生成前视障碍物车轮接地点坐标、右前视障碍物车轮接地点坐标、障碍物检测边框、和对应上述障碍物检测边框左下角位置的第二障碍物检测框特征点坐标,可以作为生成障碍物三维外接框各个顶点坐标的基础参数。其次,通过引入的历史帧障碍物移动方向向量,可以用于在公式中作为障碍物移动方向的先验数据,以便于进行目标求解。同时,生成障碍物检测时间差值,可以用于在第一约束方程约束引入历史帧障碍物移动方向向量与当前帧障碍物移动方向向量之间的误差。另外,考虑到存在识别不到右前视障碍物车轮接地点坐标或前视障碍物车轮接地点坐标的情况,因此可以在不同情况下构建不同的约束方程。例如,未检测到前视障碍物车轮接地点坐标、而是检测到了右前视障碍物车轮接地点坐标,则可以构建第三约束方程,以用于约束右前视障碍物车轮接地点坐标与第一目标直线之间的距离。由此,即使障碍物区域在两个道路图像中的截断部分过大,也可以利用约束方程对上述第一障碍物检测框特征点坐标和上述当前帧障碍物移动方向向量进行调整处理,以生成调整后碍物移动方向向量和调整后检测框特征点坐标。从而,可以提高生成的调整后碍物移动方向向量和调整后检测框特征点坐标的准确度。因此,可以通过几何关系确定障碍物车辆的三维外接框各个顶点坐标。进而,可以提高生成的障碍物信息的准确度
可选的,上述执行主体还可以将上述障碍物信息发送至当前车辆的显示终端以供显示。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的障碍物信息生成方法,可以提高生成的障碍物信息的准确度。具体来说,造成生成的生成的障碍物信息的准确度降低的原因在于:由于两个相邻的车载相机之间不共识,使得拍摄的两个道路图像中的障碍物区域在图像中存在截断的情况,若障碍物区域在两个道路图像中的截断部分过大,则即使将两个道路图像中提取到的障碍物信息进行互补,也难以生成完整障碍物信息。基于此,本公开的一些实施例的障碍物信息生成方法,首先,获取当前车辆的前视相机拍摄的前视道路图像和右前视相机拍摄的右前视道路图像。然后,确定历史帧障碍物移动方向向量、当前帧障碍物移动方向向量和第一障碍物检测框特征点坐标。通过引入历史帧障碍物移动方向向量,可以用于作为障碍物车辆的先验信息,同时引入当前帧障碍物移动方向向量和第一障碍物检测框特征点坐标,可以在道路图像之间截断部分过大的情况下,用于关联两个道路图像中的障碍物特征。接着,对上述前视道路图像和上述右前视道路图像进行识别处理,以生成前视障碍物检测信息和右前视障碍物检测信息。之后,基于上述历史帧障碍物移动方向向量、上述当前帧障碍物移动方向向量、上述前视障碍物检测信息和上述右前视障碍物检测信息,生成调整后碍物移动方向向量和调整后检测框特征点坐标。由此,可以得到更加准确的调整后碍物移动方向向量和调整后检测框特征点坐标。最后,基于上述调整后碍物移动方向向量和上述调整后检测框特征点坐标,生成障碍物信息。从而,使得在障碍物区域在两个道路图像中的截断部分过大的情况下,也可以生成完整的障碍物信息。从而,提高了生成的障碍物信息的准确度。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种障碍物信息生成装置的一些实施例,这些装置实施例与图1所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的障碍物信息生成装置200包括:获取单元201、确定单元202、识别处理单元203、第一生成单元204和第二生成单元205。其中,获取单元201,被配置成获取当前车辆的前视相机拍摄的前视道路图像和右前视相机拍摄的右前视道路图像;确定单元202,被配置成确定历史帧障碍物移动方向向量、当前帧障碍物移动方向向量和第一障碍物检测框特征点坐标,其中,上述历史帧障碍物移动方向向量和上述当前帧障碍物移动方向向量均为单位向量;识别处理单元203,被配置成对上述前视道路图像和上述右前视道路图像进行识别处理,以生成前视障碍物检测信息和右前视障碍物检测信息;第一生成单元204,被配置成基于上述历史帧障碍物移动方向向量、上述当前帧障碍物移动方向向量、上述前视障碍物检测信息和上述右前视障碍物检测信息,生成调整后碍物移动方向向量和调整后检测框特征点坐标;第二生成单元205,被配置成基于上述调整后碍物移动方向向量和上述调整后检测框特征点坐标,生成障碍物信息。
可以理解的是,该装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备300的结构示意图。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置301(例如中央处理器、图形处理器等),其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述的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或者是上述两者的任意组合。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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,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。而在本公开的一些实施例中,计算机可读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,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取当前车辆的前视相机拍摄的前视道路图像和右前视相机拍摄的右前视道路图像;确定历史帧障碍物移动方向向量、当前帧障碍物移动方向向量和第一障碍物检测框特征点坐标,其中,上述历史帧障碍物移动方向向量和上述当前帧障碍物移动方向向量均为单位向量;对上述前视道路图像和上述右前视道路图像进行识别处理,以生成前视障碍物检测信息和右前视障碍物检测信息;基于上述历史帧障碍物移动方向向量、上述当前帧障碍物移动方向向量、上述前视障碍物检测信息和上述右前视障碍物检测信息,生成调整后碍物移动方向向量和调整后检测框特征点坐标;基于上述调整后碍物移动方向向量和上述调整后检测框特征点坐标,生成障碍物信息。
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公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、确定单元、识别处理单元、第一生成单元和第二生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取当前车辆的前视相机拍摄的前视道路图像和右前视相机拍摄的右前视道路图像的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (8)

1.一种障碍物信息生成方法,包括:
获取当前车辆的前视相机拍摄的前视道路图像和右前视相机拍摄的右前视道路图像;
确定历史帧障碍物移动方向向量、当前帧障碍物移动方向向量和第一障碍物检测框特征点坐标,其中,所述历史帧障碍物移动方向向量和所述当前帧障碍物移动方向向量均为单位向量;
对所述前视道路图像和所述右前视道路图像进行识别处理,以生成前视障碍物检测信息和右前视障碍物检测信息;
基于所述历史帧障碍物移动方向向量、所述当前帧障碍物移动方向向量、所述前视障碍物检测信息和所述右前视障碍物检测信息,生成调整后碍物移动方向向量和调整后检测框特征点坐标;
基于所述调整后碍物移动方向向量和所述调整后检测框特征点坐标,生成障碍物信息;
其中,所述对所述前视道路图像和所述右前视道路图像进行识别处理,以生成前视障碍物检测信息和右前视障碍物检测信息,包括:
对所述前视道路图像进行障碍物检测,以生成前视障碍物检测信息,其中,所述前视障碍物检测信息包括前视障碍物车轮接地点坐标;
对所述右前视道路图像进行障碍物检测,以生成右前视障碍物检测信息,其中,所述右前视障碍物检测信息包括右前视障碍物车轮接地点坐标、障碍物检测边框、和对应所述障碍物检测边框左下角位置的第二障碍物检测框特征点坐标;
其中,所述基于所述历史帧障碍物移动方向向量、所述当前帧障碍物移动方向向量、所述前视障碍物检测信息和所述右前视障碍物检测信息,生成调整后碍物移动方向向量和调整后检测框特征点坐标,包括:
确定所述历史帧障碍物移动方向向量和所述当前帧障碍物移动方向向量对应的时间点的时间差,得到障碍物检测时间差值;
将所述第一障碍物检测框特征点坐标投影至所述右前视道路图像的图像坐标系,得到投影后右前视特征点坐标;
基于所述历史帧障碍物移动方向向量、所述当前帧障碍物移动方向向量、所述障碍物检测时间差值、所述投影后右前视特征点坐标、所述第二障碍物检测框特征点坐标和预设的障碍物车辆角速度阈值,构建第一约束方程和第二约束方程,其中,第一约束方程用于约束历史帧障碍物移动方向向量和当前帧障碍物移动方向向量之间的方向差在一定范围之内,第二约束方程用于表征投影后右前视特征点坐标与第二障碍物检测框特征点坐标之间的距离值约束;
响应于确定所述右前视障碍物检测信息包括右前视障碍物车轮接地点坐标不为空,基于所述当前帧障碍物移动方向向量、所述右前视障碍物车轮接地点坐标和所述第一障碍物检测框特征点坐标,构建第三约束方程,其中,第三约束方程用于表征右前视障碍物车轮接地点坐标与第一目标直线之间的距离约束;
基于所述第一约束方程、所述第二约束方程和所述第三约束方程,对所述第一障碍物检测框特征点坐标和所述当前帧障碍物移动方向向量进行调整处理,以生成调整后碍物移动方向向量和调整后检测框特征点坐标。
2.根据权利要求1所述的方法,其中,所述方法还包括:
将所述障碍物信息发送至当前车辆的显示终端以供显示。
3.根据权利要求1所述的方法,其中,所述确定历史帧障碍物移动方向向量、当前帧障碍物移动方向向量和第一障碍物检测框特征点坐标,包括:
获取当前帧障碍物航向角和历史帧道路图像序列;
对所述历史帧道路图像序列中的各个历史帧道路图像进行障碍物方向检测,得到检测方向向量序列;
从所述检测方向向量序列中选出满足预设时间条件的检测方向向量,作为历史帧障碍物移动方向向量;
利用所述当前帧障碍物航向角,生成当前帧障碍物移动方向向量;
对所述前视道路图像进行障碍物检测,得到检测后障碍物特征点坐标;
将所述检测后障碍物特征点坐标投影至预设的地图坐标系,以生成第一障碍物检测框特征点坐标。
4.根据权利要求1所述的方法,其中,所述基于所述历史帧障碍物移动方向向量、所述当前帧障碍物移动方向向量、所述前视障碍物检测信息和所述右前视障碍物检测信息,生成调整后碍物移动方向向量和调整后检测框特征点坐标,还包括:
响应于确定所述前视障碍物检测信息包括的前视障碍物车轮接地点坐标不为空,基于所述前视障碍物车轮接地点坐标、所述第一障碍物检测框特征点坐标和所述当前帧障碍物移动方向向量,构建第四约束方程,其中,第四约束方程用于表征前视障碍物车轮接地点坐标与第二目标直线之间的距离约束;
基于所述第一约束方程、所述第二约束方程、所述第三约束方程和所述第四约束方程,对所述第一障碍物检测框特征点坐标和所述当前帧障碍物移动方向向量进行调整处理,以生成调整后碍物移动方向向量和调整后检测框特征点坐标。
5.根据权利要求1所述的方法,其中,所述基于所述调整后碍物移动方向向量和所述调整后检测框特征点坐标,生成障碍物信息,包括:
基于所述调整后碍物移动方向向量和所述调整后检测框特征点坐标,生成第一障碍物边框交点坐标;
对所述调整后检测框特征点坐标和所述第一障碍物边框交点坐标的连线方程进行反投影处理,以生成反投影后线段方程;
将所述第一障碍物边框角点坐标反投影至地图坐标系中,得到反投影后边框交点坐标;
基于所述反投影后边框交点坐标和所述反投影后线段方程,生成第二障碍物边框交点坐标;
基于所述第一障碍物边框交点坐标和所述第二障碍物边框交点坐标,生成障碍物信息。
6.一种障碍物信息生成装置,包括:
获取单元,被配置成获取当前车辆的前视相机拍摄的前视道路图像和右前视相机拍摄的右前视道路图像;
确定单元,被配置成确定历史帧障碍物移动方向向量、当前帧障碍物移动方向向量和第一障碍物检测框特征点坐标,其中,所述历史帧障碍物移动方向向量和所述当前帧障碍物移动方向向量均为单位向量;
识别处理单元,被配置成对所述前视道路图像和所述右前视道路图像进行识别处理,以生成前视障碍物检测信息和右前视障碍物检测信息;
第一生成单元,被配置成基于所述历史帧障碍物移动方向向量、所述当前帧障碍物移动方向向量、所述前视障碍物检测信息和所述右前视障碍物检测信息,生成调整后碍物移动方向向量和调整后检测框特征点坐标;
第二生成单元,被配置成基于所述调整后碍物移动方向向量和所述调整后检测框特征点坐标,生成障碍物信息;
其中,所述对所述前视道路图像和所述右前视道路图像进行识别处理,以生成前视障碍物检测信息和右前视障碍物检测信息,包括:
对所述前视道路图像进行障碍物检测,以生成前视障碍物检测信息,其中,所述前视障碍物检测信息包括前视障碍物车轮接地点坐标;
对所述右前视道路图像进行障碍物检测,以生成右前视障碍物检测信息,其中,所述右前视障碍物检测信息包括右前视障碍物车轮接地点坐标、障碍物检测边框、和对应所述障碍物检测边框左下角位置的第二障碍物检测框特征点坐标;
其中,所述基于所述历史帧障碍物移动方向向量、所述当前帧障碍物移动方向向量、所述前视障碍物检测信息和所述右前视障碍物检测信息,生成调整后碍物移动方向向量和调整后检测框特征点坐标,包括:
确定所述历史帧障碍物移动方向向量和所述当前帧障碍物移动方向向量对应的时间点的时间差,得到障碍物检测时间差值;
将所述第一障碍物检测框特征点坐标投影至所述右前视道路图像的图像坐标系,得到投影后右前视特征点坐标;
基于所述历史帧障碍物移动方向向量、所述当前帧障碍物移动方向向量、所述障碍物检测时间差值、所述投影后右前视特征点坐标、所述第二障碍物检测框特征点坐标和预设的障碍物车辆角速度阈值,构建第一约束方程和第二约束方程,其中,第一约束方程用于约束历史帧障碍物移动方向向量和当前帧障碍物移动方向向量之间的方向差在一定范围之内,第二约束方程用于表征投影后右前视特征点坐标与第二障碍物检测框特征点坐标之间的距离值约束;
响应于确定所述右前视障碍物检测信息包括右前视障碍物车轮接地点坐标不为空,基于所述当前帧障碍物移动方向向量、所述右前视障碍物车轮接地点坐标和所述第一障碍物检测框特征点坐标,构建第三约束方程,其中,第三约束方程用于表征右前视障碍物车轮接地点坐标与第一目标直线之间的距离约束;
基于所述第一约束方程、所述第二约束方程和所述第三约束方程,对所述第一障碍物检测框特征点坐标和所述当前帧障碍物移动方向向量进行调整处理,以生成调整后碍物移动方向向量和调整后检测框特征点坐标。
7.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
8.一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1-5中任一所述的方法。
CN202310395895.2A 2023-04-14 2023-04-14 障碍物信息生成方法、装置、电子设备和计算机可读介质 Active CN116563817B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310395895.2A CN116563817B (zh) 2023-04-14 2023-04-14 障碍物信息生成方法、装置、电子设备和计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310395895.2A CN116563817B (zh) 2023-04-14 2023-04-14 障碍物信息生成方法、装置、电子设备和计算机可读介质

Publications (2)

Publication Number Publication Date
CN116563817A CN116563817A (zh) 2023-08-08
CN116563817B true CN116563817B (zh) 2024-02-20

Family

ID=87488855

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310395895.2A Active CN116563817B (zh) 2023-04-14 2023-04-14 障碍物信息生成方法、装置、电子设备和计算机可读介质

Country Status (1)

Country Link
CN (1) CN116563817B (zh)

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08124080A (ja) * 1994-10-20 1996-05-17 Honda Motor Co Ltd 車両の障害物検出装置
JP2004309273A (ja) * 2003-04-04 2004-11-04 Sumitomo Electric Ind Ltd 距離検出装置及び車輌用障害物監視装置
JP2007069806A (ja) * 2005-09-08 2007-03-22 Clarion Co Ltd 車両用障害物検出装置
JP2018097776A (ja) * 2016-12-16 2018-06-21 株式会社デンソーテン 障害物検出装置および障害物検出方法
WO2019144286A1 (zh) * 2018-01-23 2019-08-01 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
WO2020103427A1 (zh) * 2018-11-23 2020-05-28 华为技术有限公司 对象检测方法、相关设备及计算机存储介质
WO2020206708A1 (zh) * 2019-04-09 2020-10-15 广州文远知行科技有限公司 障碍物的识别方法、装置、计算机设备和存储介质
KR20200123513A (ko) * 2019-04-19 2020-10-30 주식회사 아이유플러스 레이더 및 영상을 결합하여 차량용 3차원 장애물을 표시하는 방법 및 장치
KR20210040312A (ko) * 2020-05-29 2021-04-13 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 장애물 검출 방법, 장치, 기기, 저장 매체 및 컴퓨터 프로그램
KR20210042274A (ko) * 2020-05-20 2021-04-19 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 장애물을 탐지하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램
CN113205088A (zh) * 2021-07-06 2021-08-03 禾多科技(北京)有限公司 障碍物图像展示方法、电子设备和计算机可读介质
WO2021223116A1 (zh) * 2020-05-06 2021-11-11 上海欧菲智能车联科技有限公司 感知地图生成方法、装置、计算机设备和存储介质
WO2022083402A1 (zh) * 2020-10-22 2022-04-28 腾讯科技(深圳)有限公司 障碍物检测方法、装置、计算机设备和存储介质
CN114419604A (zh) * 2022-03-28 2022-04-29 禾多科技(北京)有限公司 障碍物信息生成方法、装置、电子设备和计算机可读介质
CN115257727A (zh) * 2022-09-27 2022-11-01 禾多科技(北京)有限公司 障碍物信息融合方法、装置、电子设备和计算机可读介质
WO2022252380A1 (zh) * 2021-06-04 2022-12-08 魔门塔(苏州)科技有限公司 静态障碍物接地轮廓线多帧融合方法、装置及介质
CN115468578A (zh) * 2022-11-03 2022-12-13 广汽埃安新能源汽车股份有限公司 路径规划方法、装置、电子设备和计算机可读介质
CN115546293A (zh) * 2022-12-02 2022-12-30 广汽埃安新能源汽车股份有限公司 障碍物信息融合方法、装置、电子设备和计算机可读介质
CN115817463A (zh) * 2023-02-23 2023-03-21 禾多科技(北京)有限公司 车辆避障方法、装置、电子设备和计算机可读介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109521756B (zh) * 2017-09-18 2022-03-08 阿波罗智能技术(北京)有限公司 用于无人驾驶车辆的障碍物运动信息生成方法和装置

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08124080A (ja) * 1994-10-20 1996-05-17 Honda Motor Co Ltd 車両の障害物検出装置
JP2004309273A (ja) * 2003-04-04 2004-11-04 Sumitomo Electric Ind Ltd 距離検出装置及び車輌用障害物監視装置
JP2007069806A (ja) * 2005-09-08 2007-03-22 Clarion Co Ltd 車両用障害物検出装置
JP2018097776A (ja) * 2016-12-16 2018-06-21 株式会社デンソーテン 障害物検出装置および障害物検出方法
WO2019144286A1 (zh) * 2018-01-23 2019-08-01 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
WO2020103427A1 (zh) * 2018-11-23 2020-05-28 华为技术有限公司 对象检测方法、相关设备及计算机存储介质
WO2020206708A1 (zh) * 2019-04-09 2020-10-15 广州文远知行科技有限公司 障碍物的识别方法、装置、计算机设备和存储介质
KR20200123513A (ko) * 2019-04-19 2020-10-30 주식회사 아이유플러스 레이더 및 영상을 결합하여 차량용 3차원 장애물을 표시하는 방법 및 장치
WO2021223116A1 (zh) * 2020-05-06 2021-11-11 上海欧菲智能车联科技有限公司 感知地图生成方法、装置、计算机设备和存储介质
KR20210042274A (ko) * 2020-05-20 2021-04-19 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 장애물을 탐지하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램
KR20210040312A (ko) * 2020-05-29 2021-04-13 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 장애물 검출 방법, 장치, 기기, 저장 매체 및 컴퓨터 프로그램
WO2022083402A1 (zh) * 2020-10-22 2022-04-28 腾讯科技(深圳)有限公司 障碍物检测方法、装置、计算机设备和存储介质
WO2022252380A1 (zh) * 2021-06-04 2022-12-08 魔门塔(苏州)科技有限公司 静态障碍物接地轮廓线多帧融合方法、装置及介质
CN113205088A (zh) * 2021-07-06 2021-08-03 禾多科技(北京)有限公司 障碍物图像展示方法、电子设备和计算机可读介质
CN114419604A (zh) * 2022-03-28 2022-04-29 禾多科技(北京)有限公司 障碍物信息生成方法、装置、电子设备和计算机可读介质
CN115257727A (zh) * 2022-09-27 2022-11-01 禾多科技(北京)有限公司 障碍物信息融合方法、装置、电子设备和计算机可读介质
CN115468578A (zh) * 2022-11-03 2022-12-13 广汽埃安新能源汽车股份有限公司 路径规划方法、装置、电子设备和计算机可读介质
CN115546293A (zh) * 2022-12-02 2022-12-30 广汽埃安新能源汽车股份有限公司 障碍物信息融合方法、装置、电子设备和计算机可读介质
CN115817463A (zh) * 2023-02-23 2023-03-21 禾多科技(北京)有限公司 车辆避障方法、装置、电子设备和计算机可读介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于迁移学习的路面障碍物检测;赵永刚等;《客车技术与研究》;第43卷(第04期);全文 *

Also Published As

Publication number Publication date
CN116563817A (zh) 2023-08-08

Similar Documents

Publication Publication Date Title
EP3627180B1 (en) Sensor calibration method and device, computer device, medium, and vehicle
CN111325796B (zh) 用于确定视觉设备的位姿的方法和装置
CN111079619B (zh) 用于检测图像中的目标对象的方法和装置
CN114399588B (zh) 三维车道线生成方法、装置、电子设备和计算机可读介质
CN113607185B (zh) 车道线信息显示方法、装置、电子设备和计算机可读介质
CN114993328B (zh) 车辆定位评估方法、装置、设备和计算机可读介质
CN112116655A (zh) 目标对象的图像的位置信息确定方法和装置
CN115817463B (zh) 车辆避障方法、装置、电子设备和计算机可读介质
CN116164770B (zh) 路径规划方法、装置、电子设备和计算机可读介质
CN115761702B (zh) 车辆轨迹生成方法、装置、电子设备和计算机可读介质
CN114445597B (zh) 三维车道线生成方法、装置、电子设备和计算机可读介质
WO2024060708A1 (zh) 目标检测方法和装置
CN116182878B (zh) 道路曲面信息生成方法、装置、设备和计算机可读介质
CN115468578B (zh) 路径规划方法、装置、电子设备和计算机可读介质
CN116311155A (zh) 障碍物信息生成方法、装置、电子设备和计算机可读介质
CN116563817B (zh) 障碍物信息生成方法、装置、电子设备和计算机可读介质
WO2022194158A1 (zh) 一种目标跟踪方法、装置、设备及介质
CN112880675B (zh) 用于视觉定位的位姿平滑方法、装置、终端和移动机器人
CN115565158A (zh) 车位检测方法、装置、电子设备和计算机可读介质
CN116563818B (zh) 障碍物信息生成方法、装置、电子设备和计算机可读介质
CN115222815A (zh) 障碍物距离检测方法、装置、计算机设备和存储介质
CN111383337B (zh) 用于识别对象的方法和装置
CN116740682B (zh) 车辆泊入路线信息生成方法、装置、电子设备和可读介质
CN116630436B (zh) 相机外参修正方法、装置、电子设备和计算机可读介质
CN114863025B (zh) 三维车道线生成方法、装置、电子设备和计算机可读介质

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