CN116740676A - 一种障碍物检测方法、装置、设备和介质 - Google Patents

一种障碍物检测方法、装置、设备和介质 Download PDF

Info

Publication number
CN116740676A
CN116740676A CN202310692891.0A CN202310692891A CN116740676A CN 116740676 A CN116740676 A CN 116740676A CN 202310692891 A CN202310692891 A CN 202310692891A CN 116740676 A CN116740676 A CN 116740676A
Authority
CN
China
Prior art keywords
point cloud
target
cloud cluster
cluster
determining
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
Application number
CN202310692891.0A
Other languages
English (en)
Inventor
林崇浩
王宇
张林灿
宋伟杰
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.)
Faw Nanjing Technology Development Co ltd
FAW Group Corp
Original Assignee
Faw Nanjing Technology Development Co ltd
FAW Group Corp
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 Faw Nanjing Technology Development Co ltd, FAW Group Corp filed Critical Faw Nanjing Technology Development Co ltd
Priority to CN202310692891.0A priority Critical patent/CN116740676A/zh
Publication of CN116740676A publication Critical patent/CN116740676A/zh
Pending legal-status Critical Current

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
    • G01MEASURING; TESTING
    • G01SRADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88Radar or analogous systems specially adapted for specific applications
    • G01S13/89Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88Radar or analogous systems specially adapted for specific applications
    • G01S13/93Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S7/00Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G06V10/763Non-hierarchical techniques, e.g. based on statistics of modelling distributions
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Electromagnetism (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种障碍物检测方法、装置、设备和存储介质,包括:获取毫米波雷达对目标障碍物进行的探测时获取的目标帧点云,并采用聚类算法,确定目标帧点云的目标点云簇,以及目标帧点云的上一帧点云的上一点云簇;根据目标点云簇对应的目标径向速度,以及上一点云簇对应的上一径向速度,确定目标点云簇和上一点云簇之间的映射关系;根据映射关系,将上一点云簇映射到目标点云簇,并确定映射后的上一点云簇对应的更新径向速度;根据更新径向速度和目标径向速度,通过聚类算法,确定目标点云簇和映射后的上一点云簇的聚合点云簇,并根据聚合点云簇确定目标障碍物的障碍物信息。能够获得点云密度较高的聚合点云簇,提高障碍物信息的精确度。

Description

一种障碍物检测方法、装置、设备和介质
技术领域
本发明实施例涉及自动驾驶车辆领域,尤其涉及一种障碍物检测方法、装置、设备和存储介质。
背景技术
随着自动驾驶车辆的发展,现阶段已采用4D毫米波雷达在车辆的行驶过程中进行障碍物检测。目前,通过4D毫米波雷达进行障碍物检测时,输出的有效点云数量较少,点云密度较低,通过点云聚类结果对障碍物进行检测会导致对障碍物的位置信息和尺寸信息的检测结果不稳定的问题,同时还会造成点云过分割的问题。现阶段对障碍物的检测技术,无法适用于L3级及以上自动驾驶车辆对于障碍物检测的需求。因此,如何提高4D毫米波雷达对车辆周围障碍物的位置信息和尺寸信息的检测结果的准确性,是需要解决的问题。
发明内容
本发明提供了一种障碍物检测方法、装置、设备和存储介质,可以提高4D毫米波雷达对车辆周围障碍物的位置信息和尺寸信息的检测结果的准确性。
根据本发明的一方面,提供了一种障碍物检测方法,包括:
获取毫米波雷达对目标障碍物进行的探测时获取的目标帧点云,并采用聚类算法,确定所述目标帧点云的目标点云簇,以及所述目标帧点云的上一帧点云的上一点云簇;
根据所述目标点云簇对应的目标径向速度,以及所述上一点云簇对应的上一径向速度,确定所述目标点云簇和所述上一点云簇之间的映射关系;
根据所述映射关系,将所述上一点云簇映射到所述目标点云簇,并确定映射后的上一点云簇对应的更新径向速度;
根据所述更新径向速度和所述目标径向速度,通过所述聚类算法,确定所述目标点云簇和映射后的上一点云簇的聚合点云簇,并根据所述聚合点云簇确定目标障碍物的障碍物信息。
根据本发明的另一方面,提供了一种障碍物检测装置,该装置包括:
点云簇确定模块,用于获取毫米波雷达对目标障碍物进行的探测时获取的目标帧点云,并采用聚类算法,确定所述目标帧点云的目标点云簇,以及所述目标帧点云的上一帧点云的上一点云簇;
映射关系确定模块,用于根据所述目标点云簇对应的目标径向速度,以及所述上一点云簇对应的上一径向速度,确定所述目标点云簇和所述上一点云簇之间的映射关系;
点云簇映射模块,用于根据所述映射关系,将所述上一点云簇映射到所述目标点云簇,并确定映射后的上一点云簇对应的更新径向速度;
障碍物信息确定模块,用于根据所述更新径向速度和所述目标径向速度,通过所述聚类算法,确定所述目标点云簇和映射后的上一点云簇的聚合点云簇,并根据所述聚合点云簇确定目标障碍物的障碍物信息。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
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计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的障碍物检测方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的障碍物检测方法。
本发明实施例的技术方案,获取毫米波雷达对目标障碍物进行的探测时获取的目标帧点云,并采用聚类算法,确定目标帧点云的目标点云簇,以及目标帧点云的上一帧点云的上一点云簇;根据目标点云簇对应的目标径向速度,以及上一点云簇对应的上一径向速度,确定目标点云簇和上一点云簇之间的映射关系;根据映射关系,将上一点云簇映射到目标点云簇,并确定映射后的上一点云簇对应的更新径向速度;根据更新径向速度和目标径向速度,通过聚类算法,确定目标点云簇和映射后的上一点云簇的聚合点云簇,并根据聚合点云簇确定目标障碍物的障碍物信息。上述方案,解决了通过4D毫米波雷达进行障碍物检测时,由于输出的有效点云数量较少,点云密度较低,通过点云聚类结果确定目标障碍物的障碍物信息,导致对障碍物信息的检测结果不稳定的问题。上述方案,通过聚合算法分别确定多帧点云的点云簇,并根据多帧点云的点云簇之间的映射关系,将多帧点云簇进行聚合,确定聚合点云簇,根据聚合点云簇确定目标障碍物的障碍物信息。在单个4D毫米波雷达硬件不变的情况下,通过多帧融合算法提升点云密度和质量,在同等硬件成本的情况下,能够获得点云密度较高的聚合点云簇,通过聚合点云簇确定目标障碍物的障碍物信息,能够提高障碍物信息的精确度。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明实施例一提供的一种障碍物检测方法的流程图;
图2为本发明实施例二提供的一种障碍物检测方法的流程图;
图3为本发明实施例三提供的一种障碍物检测方法的流程图;
图4为本发明实施例四提供的一种障碍物检测装置的结构示意图;
图5为本发明实施例五提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“候选”和“目标”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“等”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种障碍物检测方法的流程图,本实施例可适用于对自动驾驶车辆周围的目标障碍物进行检测,以获取障碍物信息的情况。该方法可以由障碍物检测装置来执行,该障碍物检测装置可以采用硬件和/或软件的形式实现,该障碍物检测装置可配置于电子设备中。如图1所示,该方法包括:
S110、获取毫米波雷达对目标障碍物进行的探测时获取的目标帧点云,并采用聚类算法,确定目标帧点云的目标点云簇,以及目标帧点云的上一帧点云的上一点云簇。
其中,毫米波雷达是指安装于自动驾驶车辆上的4D毫米波雷达,4D毫米波雷达能够对目标障碍物的距离、方位、速度和高度维数据解析,可以对目标障碍物进行四个维度的信息感知。目标帧点云是指毫米波雷达对周围环境进行扫描时获取到的点云数据。一帧点云是指毫米波雷达完成一圈扫描,形成的点云集合。通过对点云数据进行聚类可以获得点云数据的点云簇。聚类算法可以是Dbscan聚类算法。
具体的,获取毫米波雷达对目标障碍物进行的探测时的网络数据,将毫米波雷达的网络数据根据数据协议解析成单帧点云进行存储,从解析出的单帧点云中读取目标帧点云。采用Dbscan聚类算法对目标帧点云进行聚类分析,确定目标帧点云的目标点云簇。同时,确定目标帧点云的上一帧点云,采用Dbscan聚类算法对上一帧点云进行聚类分析,确定上一帧点云的上一点云簇。
示例性的,可以通过如下子步骤确定目标帧点云的目标点云簇,以及目标帧点云的上一帧点云的上一点云簇:
S1101、根据目标帧点云的目标点云坐标、目标点云方位角差值、目标帧点云的点云径向速度,确定目标点云距离函数。
示例性的,目标帧点云中两个点云之间的目标点云距离函数的计算公式如公式(1)所示:
其中,dis(p1,p2)为目标点云距离函数;w1为距离权重;w2为速度权重;(x1,y1,z1)和(x2,y2,z2)为目标帧点云中两个点云的物理坐标;v1和v2分别是目标帧点云中两个点云对应的径向速度;Δθ是指目标帧点云中两个点云之间的方位角差值;a为归一化系数。
S1102、根据目标点云簇的上一点云簇的上一点云坐标、上一点云方位角差值、上一帧点云的点云径向速度,确定上一点云距离函数。
示例性的,上一帧点云中两个点云之间的上一点云距离函数的计算公式如公式(2)所示:
其中,dis(p1′,p2′)为上一点云距离函数;(x1′,y1′,z1′)和(x2′,y2′,z2′)为上一帧点云中两个点云的物理坐标;v1′和v2′分别是上一帧点云中两个点云对应的径向速度;Δθ′是指上一帧点云中两个点云之间的方位角差值。
S1103、基于目标点云距离函数和上一点云距离函数,通过聚类算法,确定目标帧点云的目标点云簇和上一帧点云的上一点云簇。
具体的,基于目标点云距离函数,通过Dbscan聚类算法,确定目标帧点云的各目标点云簇。基于上一点云距离函数,通过Dbscan聚类算法,确定上一帧点云的各上一标点云簇。
可以理解的是,上述方案提供了一种确定目标点云簇的目标点云距离函数,以及上一点云簇的上一点云距离函数的方案,可以保证确定的目标点云簇和上一点云簇内的各点云避免微多普勒的影响,从而避免对径向速度计算时的误差,提高了对目标点云簇对应的目标径向速度和上一点云簇对应的上一径向速度的计算精度。
S120、根据目标点云簇对应的目标径向速度,以及上一点云簇对应的上一径向速度,确定目标点云簇和上一点云簇之间的映射关系。
其中,各目标点云簇对应的目标径向速度分别是各目标点云簇中的点云对应的径向速度的平均值。各上一点云簇对应的上一径向速度分别是各上一点云簇中的点云对应的径向速度的平均值。
具体的,根据各目标点云簇对应的目标径向速度,以及各上一点云簇对应的上一径向速度,对目标点云簇和上一点云簇进行映射关系匹配,以确定与上一点云簇具有映射关系的目标点云簇。
S130、根据映射关系,将上一点云簇映射到目标点云簇,并确定映射后的上一点云簇对应的更新径向速度。
其中,更新径向速度是指,将上一点云簇映射到目标点云簇后,映射完成的上一点云簇所对应的径向速度。
具体的,根据目标点云簇和上一点云簇之间的映射关系,分别将各上一点云簇映射到与其有映射关系的目标点云簇中,并在映射完成后,确定映射到目标点云簇的上一点云簇对应的更新径向速度。
S140、根据更新径向速度和目标径向速度,通过聚类算法,确定目标点云簇和映射后的上一点云簇的聚合点云簇,并根据聚合点云簇确定目标障碍物的障碍物信息。
其中,聚合点云簇是指对目标点云簇,以及映射到目标点云簇的上一点云簇进行聚类分析后,获取的点云簇。障碍物信息包括障碍物尺寸和障碍物轮廓。
具体的,根据更新径向速度和目标径向速度,确定目标点云簇和映射后的上一点云簇的聚合点云距离函数。基于聚合点云距离函数,通过聚类算法对目标点云簇,以及映射到目标点云簇的上一点云簇进行聚类分析,确定目标点云簇和映射后的上一点云簇的聚合点云簇。根据聚合点云簇确定检测框,并根据检测框中得点云确定障碍物尺寸和障碍物轮廓,以使自动驾驶车辆可以基于障碍物尺寸和障碍物轮廓规划避障行驶路线。
示例性的,确定目标点云簇和映射后的上一点云簇的聚合点云簇的方法可以是:根据目标帧点云的目标点云坐标、目标点云方位角差值、更新径向速度、目标径向速度、映射后的上一点云簇的映射点云坐标和映射点云方位角差值,确定目标点云簇和映射后的上一点云簇的聚合点云距离函数;基于聚合点云距离函数,通过聚类算法,确定目标点云簇和映射后的上一点云簇的聚合点云簇。
上述方案,通过聚合点云距离函数和聚类算法确定目标点云簇和映射后的上一点云簇的聚合点云簇,可以提高聚合点云簇的稳定性。
本实施例提供的技术方案,获取毫米波雷达对目标障碍物进行的探测时获取的目标帧点云,并采用聚类算法,确定目标帧点云的目标点云簇,以及目标帧点云的上一帧点云的上一点云簇;根据目标点云簇对应的目标径向速度,以及上一点云簇对应的上一径向速度,确定目标点云簇和上一点云簇之间的映射关系;根据映射关系,将上一点云簇映射到目标点云簇,并确定映射后的上一点云簇对应的更新径向速度;根据更新径向速度和目标径向速度,通过聚类算法,确定目标点云簇和映射后的上一点云簇的聚合点云簇,并根据聚合点云簇确定目标障碍物的障碍物信息。上述方案,解决了通过4D毫米波雷达进行障碍物检测时,由于输出的有效点云数量较少,点云密度较低,通过点云聚类结果确定目标障碍物的障碍物信息,导致对障碍物信息的检测结果不稳定的问题。上述方案,通过聚合算法分别确定多帧点云的点云簇,并根据多帧点云的点云簇之间的映射关系,将多帧点云簇进行聚合,确定聚合点云簇,根据聚合点云簇确定目标障碍物的障碍物信息。在单个4D毫米波雷达硬件不变的情况下,通过多帧融合算法提升点云密度和质量,在同等硬件成本的情况下,能够获得点云密度较高的聚合点云簇,通过聚合点云簇确定目标障碍物的障碍物信息,能够提高障碍物信息的精确度。
实施例二
图2为本发明实施例二提供的一种障碍物检测方法的流程图,本实施例在上述实施例的基础上进行了优化,给出了一种根据目标点云簇对应的目标径向速度,以及上一点云簇对应的上一径向速度,确定目标点云簇和上一点云簇之间的映射关系的优选实施方式。具体的,如图2所示,该方法包括:
S210、获取毫米波雷达对目标障碍物进行的探测时获取的目标帧点云,并采用聚类算法,确定目标帧点云的目标点云簇,以及目标帧点云的上一帧点云的上一点云簇。
S220、根据目标点云簇对应的目标径向速度,以及上一点云簇对应的上一径向速度,确定目标点云簇和上一点云簇之间的点云映射距离。
具体的,将目标点云簇的平均点云坐标作为目标点云簇坐标,将上一点云簇的平均点云坐标作为上一点云簇坐标。根据目标点云簇坐标和上一点云簇坐标,确定目标障碍物的障碍物运行速度。根据目标障碍物的障碍物运行速度,目标点云簇对应的目标径向速度,以及上一点云簇对应的上一径向速度,确定目标点云簇和上一点云簇之间的点云映射距离。
示例性的,目标点云簇和上一点云簇之间的点云映射距离的计算公式如公式(3)所示:
dis(A1,B1)=λ1·|v′a-v|+λ2·|v′b-v| (3)
其中,dis(A1,B1)为目标点云簇和上一点云簇之间的点云映射距离;v′a为目标点云簇对应的目标径向速度;v′b为上一点云簇对应的上一径向速度;λ1表示目标点云簇的速度误差权重;λ1表示上一点云簇的速度误差权重;v表示障碍物运行速度。
S230、根据点云映射距离确定映射距离矩阵,并确定映射距离矩阵中每一行的目标映射距离。
其中,映射距离矩阵是根据点云映射距离生成的矩阵,映射距离矩阵中每一个矩阵元素为一个点云映射距离。
具体的,在获取到所有的目标点云簇和上一点云簇之间的点云映射距离后,根据获取的点云映射距离生成映射距离矩阵。映射距离矩阵的行数和上一点云簇的数量一致,映射距离矩阵的列数和目标点云簇的数量一致。映射距离矩阵中同一行矩阵数据为一个上一点云簇映射到各目标点云簇的点云映射距离。确定映射距离矩阵中每一行最小的点云映射距离为该行对应的目标映射距离。
S240、根据目标映射距离,确定目标点云簇和上一点云簇之间的映射关系。
具体的,根据预设的映射距离阈值,对目标映射距离进行筛选,确定小于映射距离阈值的目标映射距离为有效映射距离,若目标点云簇和上一点云簇之间的目标映射距离为有效映射距离,则确定该目标点云簇和上一点云簇之间存在映射关系。
示例性的,确定目标点云簇和上一点云簇之间的映射关系的方法可以是:根据帧间时间戳、毫米波雷达的测速精度和测距精度,确定映射距离阈值;基于映射距离阈值对目标映射距离进行筛选,确定有效映射距离;根据有效映射距离,确定目标点云簇和上一点云簇之间的映射关系。
具体的,映射距离阈值的计算公式如公式(4)所示:
emax = (espeed + edis/Δt)*4 (4)
其中,emax为映射距离阈值;espeed为毫米波雷达的测速精度;Δt为帧间时间戳。
将目标映射距离与映射距离阈值进行比较,确定小于映射距离阈值的目标映射距离为效映射距离;确定有效映射距离对应的上一点云簇和目标点云簇之间存在映射关系。
上述方案,提供了一种映射距离阈值的确定方法,根据映射距离阈值对目标映射距离进行筛选,以获取用于确定目标点云簇和上一点云簇之间的映射关系的有效映射距离,能够提高所确定的映射关系的准确性。
S250、根据映射关系,将上一点云簇映射到目标点云簇,并确定映射后的上一点云簇对应的更新径向速度。
S260、根据更新径向速度和目标径向速度,通过聚类算法,确定目标点云簇和映射后的上一点云簇的聚合点云簇,并根据聚合点云簇确定目标障碍物的障碍物信息。
本实施例的技术方案,获取毫米波雷达对目标障碍物进行的探测时获取的目标帧点云,并采用聚类算法,确定目标帧点云的目标点云簇,以及目标帧点云的上一帧点云的上一点云簇;根据目标点云簇对应的目标径向速度,以及上一点云簇对应的上一径向速度,确定目标点云簇和上一点云簇之间的点云映射距离;根据点云映射距离确定映射距离矩阵,并确定映射距离矩阵中每一行的目标映射距离;根据目标映射距离,确定目标点云簇和上一点云簇之间的映射关系;根据映射关系,将上一点云簇映射到目标点云簇,并确定映射后的上一点云簇对应的更新径向速度;根据更新径向速度和目标径向速度,通过聚类算法,确定目标点云簇和映射后的上一点云簇的聚合点云簇,并根据聚合点云簇确定目标障碍物的障碍物信息。目标点云簇的数量和上一点云簇的数量可能存在不一致的情况,因此目标点云簇和上一点云簇之间可能并非是一一对应的关系,在确定目标点云簇和上一点云簇的映射关系时,可能存在一个上一点云簇与多个目标点云簇存在映射关系的现象,导致确定的映射关系不准确的问题。上述方案,根据目标点云簇和上一点云簇之间的点云映射距离构成映射距离矩阵,根据映射距离矩阵中确定上一点云簇和目标点云簇之间的映射关系,能够保证每一个上一点云簇均只能与一个目标点云簇存在映射关系,提高映射关系的准确度,避免后续对上一点云簇映射错误的问题,进一步提高了聚合点云簇的可靠性,从而提高所确定的目标障碍物的障碍物信息的准确度。
实施例三
图3为本发明实施例三提供的一种障碍物检测方法的流程图,本实施例在上述实施例的基础上进行了优化,给出了一种确定目标点云簇对应的目标径向速度,以及上一点云簇对应的上一径向速度的优选实施方式。具体的,如图3所示,该方法包括:
S310、获取毫米波雷达对目标障碍物进行的探测时获取的目标帧点云,并采用聚类算法,确定目标帧点云的目标点云簇,以及目标帧点云的上一帧点云的上一点云簇。
S320、基于装置毫米波雷达的车辆设置相对坐标系,将目标点云簇的在相对坐标系中的平均点云坐标作为目标点云坐标,并将上一点云簇在相对坐标系中的平均点云坐标作为上一点云坐标。
具体的,可以将装置毫米波雷达的车辆的重心位置设置为相对坐标系的原点,将车辆的行驶方向设置为相对坐标系的y轴,以构建相对坐标系。将目标点云簇中的点云在相对坐标系中的平均点云坐标作为目标点云坐标,并将上一点云簇中的点云在相对坐标系中的平均点云坐标作为上一点云坐标。
S330、根据目标点云坐标和上一点云坐标,确定目标障碍物的障碍物运行速度。
其中,目标障碍物的障碍物运行速度的计算公式如公式(5)所示:
其中,v为目标障碍物的障碍物运行速度;xa为目标点云坐标的横坐标;ya为目标点云簇的纵坐标;xb为上一点云簇的横坐标;yb为上一点云簇的纵坐标。
S340、基于相对坐标系,根据障碍物运行速度,分别确定目标点云簇对应的目标径向速度,以及上一点云簇对应的上一径向速度。
示例性的,基于相对坐标系,根据障碍物运行速度,分别确定目标点云簇对应的目标径向速度,以及上一点云簇对应的上一径向速度的方法可以是:确定相对坐标系的坐标系原点和目标点云中心的第一连接线,坐标系原点和上一点云簇的第二连接线,以及目标点云簇的目标点云中心与上一点云簇的上一点云中心的第三连接线,并确定第一连接线和第三连接线之间的第一运行方位角,以及第二连接线和第三连接线之间的第二运行方位角;根据障碍物运行速度和第一运行方位角,确定目标点云簇对应的目标径向速度;根据障碍物运行速度和第二运行方位角,确定上一点云簇对应的上一径向速度。
示例性的,目标点云簇对应的目标径向速度的计算公式如公式(6)所示:
v′a = v·sinθ1 (6)
其中,v′a为目标径向速度;v为障碍物运行速度;θ1为第一连接线和第三连接线之间的第一运行方位角。
上一点云簇对应的上一径向速度如公式(7)所示:
v′b = v·sinθ2 (7)
其中,v′b为上一径向速度;θ2为第二连接线和第三连接线之间的第二运行方位角。
S350、根据目标点云簇对应的目标径向速度,以及上一点云簇对应的上一径向速度,确定目标点云簇和上一点云簇之间的映射关系。
S360、根据映射关系,将上一点云簇映射到目标点云簇,并确定映射后的上一点云簇对应的更新径向速度。
S370、根据更新径向速度和目标径向速度,通过聚类算法,确定目标点云簇和映射后的上一点云簇的聚合点云簇,并根据聚合点云簇确定目标障碍物的障碍物信息。
本实施例的技术方案,获取毫米波雷达对目标障碍物进行的探测时获取的目标帧点云,并采用聚类算法,确定目标帧点云的目标点云簇,以及目标帧点云的上一帧点云的上一点云簇;基于装置毫米波雷达的车辆设置相对坐标系,将目标点云簇的在相对坐标系中的平均点云坐标作为目标点云坐标,并将上一点云簇在相对坐标系中的平均点云坐标作为上一点云坐标;根据目标点云坐标和上一点云坐标,确定目标障碍物的障碍物运行速度;基于相对坐标系,根据障碍物运行速度,分别确定目标点云簇对应的目标径向速度,以及上一点云簇对应的上一径向速度;根据目标点云簇对应的目标径向速度,以及上一点云簇对应的上一径向速度,确定目标点云簇和上一点云簇之间的映射关系;根据映射关系,将上一点云簇映射到目标点云簇,并确定映射后的上一点云簇对应的更新径向速度;根据更新径向速度和目标径向速度,通过聚类算法,确定目标点云簇和映射后的上一点云簇的聚合点云簇,并根据聚合点云簇确定目标障碍物的障碍物信息。上述方案,提供了一种根据目标点云簇的目标点云坐标和上一点云簇的上一点云坐标,确定目标点云簇对应的目标径向速度,以及上一点云簇对应的上一径向速度的方法,能够提高目标径向速度和上一径向速度的准确度,从而提高对目标障碍物的障碍物信息的检测精确度。
实施例四
图4为本发明实施例四提供的一种障碍物检测装置的结构示意图。本实施例可适用于对自动驾驶车辆周围的目标障碍物进行检测,以获取障碍物信息的情况。如图4所示,该障碍物检测装置包括:点云簇确定模块410、映射关系确定模块420、点云簇映射模块430和障碍物信息确定模块440。
其中,点云簇确定模块410,用于获取毫米波雷达对目标障碍物进行的探测时获取的目标帧点云,并采用聚类算法,确定目标帧点云的目标点云簇,以及目标帧点云的上一帧点云的上一点云簇;
映射关系确定模块420,用于根据目标点云簇对应的目标径向速度,以及上一点云簇对应的上一径向速度,确定目标点云簇和上一点云簇之间的映射关系;
点云簇映射模块430,用于根据映射关系,将上一点云簇映射到目标点云簇,并确定映射后的上一点云簇对应的更新径向速度;
障碍物信息确定模块440,用于根据更新径向速度和目标径向速度,通过聚类算法,确定目标点云簇和映射后的上一点云簇的聚合点云簇,并根据聚合点云簇确定目标障碍物的障碍物信息。
本实施例提供的技术方案,获取毫米波雷达对目标障碍物进行的探测时获取的目标帧点云,并采用聚类算法,确定目标帧点云的目标点云簇,以及目标帧点云的上一帧点云的上一点云簇;根据目标点云簇对应的目标径向速度,以及上一点云簇对应的上一径向速度,确定目标点云簇和上一点云簇之间的映射关系;根据映射关系,将上一点云簇映射到目标点云簇,并确定映射后的上一点云簇对应的更新径向速度;根据更新径向速度和目标径向速度,通过聚类算法,确定目标点云簇和映射后的上一点云簇的聚合点云簇,并根据聚合点云簇确定目标障碍物的障碍物信息。上述方案,解决了通过4D毫米波雷达进行障碍物检测时,由于输出的有效点云数量较少,点云密度较低,通过点云聚类结果确定目标障碍物的障碍物信息,导致对障碍物信息的检测结果不稳定的问题。上述方案,通过聚合算法分别确定多帧点云的点云簇,并根据多帧点云的点云簇之间的映射关系,将多帧点云簇进行聚合,确定聚合点云簇,根据聚合点云簇确定目标障碍物的障碍物信息。在单个4D毫米波雷达硬件不变的情况下,通过多帧融合算法提升点云密度和质量,在同等硬件成本的情况下,能够获得点云密度较高的聚合点云簇,通过聚合点云簇确定目标障碍物的障碍物信息,能够提高障碍物信息的精确度。
示例性的,映射关系确定模块420,还包括:
云映射距离确定单元,用于根据目标点云簇对应的目标径向速度,以及上一点云簇对应的上一径向速度,确定目标点云簇和上一点云簇之间的点云映射距离;
目标映射距离确定单元,用于根据点云映射距离确定映射距离矩阵,并确定映射距离矩阵中每一行的目标映射距离;
映射关系确定单元,用于根据目标映射距离,确定目标点云簇和上一点云簇之间的映射关系。
示例性的,映射关系确定单元具体用于:
根据帧间时间戳、毫米波雷达的测速精度和测距精度,确定映射距离阈值;
基于映射距离阈值对目标映射距离进行筛选,确定有效映射距离;
根据有效映射距离,确定目标点云簇和上一点云簇之间的映射关系。
示例性的,点云簇确定模块410具体用于:
根据目标帧点云的目标点云坐标、目标点云方位角差值、目标帧点云的点云径向速度,确定目标点云距离函数;
根据目标点云簇的上一点云簇的上一点云坐标、上一点云方位角差值、上一帧点云的点云径向速度,确定上一点云距离函数;
基于目标点云距离函数和上一点云距离函数,通过聚类算法,确定目标帧点云的目标点云簇和上一帧点云的上一点云簇。
示例性的,障碍物信息确定模块440具体用于:
根据目标帧点云的目标点云坐标、目标点云方位角差值、更新径向速度、目标径向速度、映射后的上一点云簇的映射点云坐标和映射点云方位角差值,确定目标点云簇和映射后的上一点云簇的聚合点云距离函数;
基于聚合点云距离函数,通过聚类算法,确定目标点云簇和映射后的上一点云簇的聚合点云簇。
示例性的,上述障碍物检测装置,还包括:
点云坐标确定模块,用于基于装置毫米波雷达的车辆设置相对坐标系,将目标点云簇的在相对坐标系中的平均点云坐标作为目标点云坐标,并将上一点云簇在相对坐标系中的平均点云坐标作为上一点云坐标;
运行速度确定模块,用于根据目标点云坐标和上一点云坐标,确定目标障碍物的障碍物运行速度;
径向速度确定模块,用于基于相对坐标系,根据障碍物运行速度,分别确定目标点云簇对应的目标径向速度,以及上一点云簇对应的上一径向速度。
示例性的,径向速度确定模块具体用于:
确定相对坐标系的坐标系原点和目标点云中心的第一连接线,坐标系原点和上一点云簇的第二连接线,以及目标点云簇的目标点云中心与上一点云簇的上一点云中心的第三连接线,并确定第一连接线和第三连接线之间的第一运行方位角,以及第二连接线和第三连接线之间的第二运行方位角;
根据障碍物运行速度和第一运行方位角,确定目标点云簇对应的目标径向速度;
根据障碍物运行速度和第二运行方位角,确定上一点云簇对应的上一径向速度。
本实施例提供的障碍物检测装置可适用于上述任意实施例提供的障碍物检测方法,具备相应的功能和有益效果。
实施例五
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如障碍物检测方法。
在一些实施例中,障碍物检测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM13并由处理器11执行时,可以执行上文描述的障碍物检测方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行障碍物检测方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的***和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。

Claims (10)

1.一种障碍物检测方法,其特征在于,包括:
获取毫米波雷达对目标障碍物进行的探测时获取的目标帧点云,并采用聚类算法,确定所述目标帧点云的目标点云簇,以及所述目标帧点云的上一帧点云的上一点云簇;
根据所述目标点云簇对应的目标径向速度,以及所述上一点云簇对应的上一径向速度,确定所述目标点云簇和所述上一点云簇之间的映射关系;
根据所述映射关系,将所述上一点云簇映射到所述目标点云簇,并确定映射后的上一点云簇对应的更新径向速度;
根据所述更新径向速度和所述目标径向速度,通过所述聚类算法,确定所述目标点云簇和映射后的上一点云簇的聚合点云簇,并根据所述聚合点云簇确定目标障碍物的障碍物信息。
2.根据权利要求1所述的方法,其特征在于,根据所述目标点云簇对应的目标径向速度,以及所述上一点云簇对应的上一径向速度,确定所述目标点云簇和所述上一点云簇之间的映射关系,包括:
根据所述目标点云簇对应的目标径向速度,以及所述上一点云簇对应的上一径向速度,确定所述目标点云簇和所述上一点云簇之间的点云映射距离;
根据所述点云映射距离确定映射距离矩阵,并确定所述映射距离矩阵中每一行的目标映射距离;
根据所述目标映射距离,确定所述目标点云簇和所述上一点云簇之间的映射关系。
3.根据权利要求2所述的方法,其特征在于,根据所述目标映射距离,确定所述目标点云簇和所述上一点云簇之间的映射关系,包括:
根据帧间时间戳、所述毫米波雷达的测速精度和测距精度,确定映射距离阈值;
基于所述映射距离阈值对所述目标映射距离进行筛选,确定有效映射距离;
根据所述有效映射距离,确定所述目标点云簇和所述上一点云簇之间的映射关系。
4.根据权利要求1所述的方法,其特征在于,采用聚类算法,确定所述目标帧点云的目标点云簇,以及所述目标帧点云的上一帧点云的上一点云簇,包括:
根据所述目标帧点云的目标点云坐标、目标点云方位角差值、目标帧点云的点云径向速度,确定目标点云距离函数;
根据所述目标点云簇的上一点云簇的上一点云坐标、上一点云方位角差值、上一帧点云的点云径向速度,确定上一点云距离函数;
基于所述目标点云距离函数和上一点云距离函数,通过聚类算法,确定所述目标帧点云的目标点云簇和所述上一帧点云的上一点云簇。
5.根据权利要求1所述的方法,其特征在于,根据所述更新径向速度和所述目标径向速度,通过所述聚类算法,确定所述目标点云簇和映射后的上一点云簇的聚合点云簇,包括:
根据所述目标帧点云的目标点云坐标、目标点云方位角差值、所述更新径向速度、所述目标径向速度、映射后的上一点云簇的映射点云坐标和映射点云方位角差值,确定所述目标点云簇和映射后的上一点云簇的聚合点云距离函数;
基于所述聚合点云距离函数,通过所述聚类算法,确定所述目标点云簇和映射后的上一点云簇的聚合点云簇。
6.根据权利要求1所述的方法,其特征在于,根据所述目标点云簇对应的目标径向速度,以及所述上一点云簇对应的上一径向速度,确定所述目标点云簇和所述上一点云簇之间的映射关系之前,还包括:
基于装置毫米波雷达的车辆设置相对坐标系,将所述目标点云簇的在所述相对坐标系中的平均点云坐标作为目标点云坐标,并将所述上一点云簇在所述相对坐标系中的平均点云坐标作为上一点云坐标;
根据所述目标点云坐标和所述上一点云坐标,确定所述目标障碍物的障碍物运行速度;
基于所述相对坐标系,根据所述障碍物运行速度,分别确定所述目标点云簇对应的目标径向速度,以及所述上一点云簇对应的上一径向速度。
7.根据权利要求6所述的方法,其特征在于,基于所述相对坐标系,根据所述障碍物运行速度,分别确定所述目标点云簇对应的目标径向速度,以及所述上一点云簇对应的上一径向速度,包括:
确定所述相对坐标系的坐标系原点和所述目标点云中心的第一连接线,所述坐标系原点和所述上一点云簇的第二连接线,以及所述目标点云簇的目标点云中心与所述上一点云簇的上一点云中心的第三连接线,并确定所述第一连接线和所述第三连接线之间的第一运行方位角,以及所述第二连接线和第三连接线之间的第二运行方位角;
根据所述障碍物运行速度和所述第一运行方位角,确定所述目标点云簇对应的目标径向速度;
根据所述障碍物运行速度和所述第二运行方位角,确定所述上一点云簇对应的上一径向速度。
8.一种障碍物检测装置,其特征在于,包括:
点云簇确定模块,用于获取毫米波雷达对目标障碍物进行的探测时获取的目标帧点云,并采用聚类算法,确定所述目标帧点云的目标点云簇,以及所述目标帧点云的上一帧点云的上一点云簇;
映射关系确定模块,用于根据所述目标点云簇对应的目标径向速度,以及所述上一点云簇对应的上一径向速度,确定所述目标点云簇和所述上一点云簇之间的映射关系;
点云簇映射模块,用于根据所述映射关系,将所述上一点云簇映射到所述目标点云簇,并确定映射后的上一点云簇对应的更新径向速度;
障碍物信息确定模块,用于根据所述更新径向速度和所述目标径向速度,通过所述聚类算法,确定所述目标点云簇和映射后的上一点云簇的聚合点云簇,并根据所述聚合点云簇确定目标障碍物的障碍物信息。
9.一种电子设备,其特征在于,所述电子设备包括:
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计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的障碍物检测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的障碍物检测方法。
CN202310692891.0A 2023-06-12 2023-06-12 一种障碍物检测方法、装置、设备和介质 Pending CN116740676A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310692891.0A CN116740676A (zh) 2023-06-12 2023-06-12 一种障碍物检测方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310692891.0A CN116740676A (zh) 2023-06-12 2023-06-12 一种障碍物检测方法、装置、设备和介质

Publications (1)

Publication Number Publication Date
CN116740676A true CN116740676A (zh) 2023-09-12

Family

ID=87903928

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310692891.0A Pending CN116740676A (zh) 2023-06-12 2023-06-12 一种障碍物检测方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN116740676A (zh)

Similar Documents

Publication Publication Date Title
CN113971723B (zh) 高精地图中三维地图的构建方法、装置、设备和存储介质
WO2023155387A1 (zh) 多传感器目标检测方法、装置、电子设备以及存储介质
CN114842445A (zh) 基于多途径融合的目标检测方法、装置、设备及介质
CN113029136B (zh) 定位信息处理的方法、设备、存储介质及程序产品
CN115951344A (zh) 雷达与相机的数据融合方法、装置、电子设备及存储介质
CN116740676A (zh) 一种障碍物检测方法、装置、设备和介质
CN112630736B (zh) 路侧雷达的参数确定方法、装置、设备及存储介质
CN117392631B (zh) 一种道路边界提取方法、装置、电子设备及存储介质
WO2023061355A1 (zh) 速度检测方法、装置、设备及可读存储介质
CN115793652B (zh) 行驶控制方法、装置及电子设备
CN116934779A (zh) 一种激光点云的分割方法、装置、电子设备及存储介质
CN114049615B (zh) 行驶环境中交通对象融合关联方法、装置及边缘计算设备
CN114694138A (zh) 一种应用于智能驾驶的路面检测方法、装置及设备
CN115857502B (zh) 行驶控制方法和电子设备
CN118010049A (zh) 轨迹规划方法、装置、电子设备及存储介质
CN118012036A (zh) 一种目标对确定方法、装置、电子设备及介质
CN117419736A (zh) 一种目标区域的确定方法、装置、电子设备及存储介质
CN116563811A (zh) 一种车道线识别方法、装置、车辆及存储介质
CN118035788A (zh) 一种目标车辆相对位置分类方法、装置、设备及存储介质
CN116087894A (zh) 雷达姿态检测方法、装置、电子设备以及存储介质
CN117372477A (zh) 一种目标跟踪匹配方法、装置、设备及介质
CN117132795A (zh) 一种数据关联方法、装置、电子设备以及存储介质
CN116520255A (zh) 一种滤波方法
CN115320669A (zh) 基于雷达图的铁路来车检测方法、装置、设备及介质
CN118172408A (zh) 一种车辆位姿确定方法、装置、电子设备及介质

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