[go: up one dir, main page]

CN110907928B - 目标对象的位置确定方法、装置、电子设备及存储介质 - Google Patents

目标对象的位置确定方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN110907928B
CN110907928B CN201911142070.XA CN201911142070A CN110907928B CN 110907928 B CN110907928 B CN 110907928B CN 201911142070 A CN201911142070 A CN 201911142070A CN 110907928 B CN110907928 B CN 110907928B
Authority
CN
China
Prior art keywords
determining
coordinate system
rotation
feature point
target object
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911142070.XA
Other languages
English (en)
Other versions
CN110907928A (zh
Inventor
时光明
刘熙
刘佳佳
吴孟
舒福
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.)
Foss Hangzhou Intelligent Technology Co Ltd
Original Assignee
Freetech Intelligent Systems 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 Freetech Intelligent Systems Co Ltd filed Critical Freetech Intelligent Systems Co Ltd
Priority to CN201911142070.XA priority Critical patent/CN110907928B/zh
Publication of CN110907928A publication Critical patent/CN110907928A/zh
Application granted granted Critical
Publication of CN110907928B publication Critical patent/CN110907928B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01S13/00—Systems 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/46—Indirect determination of position data
    • 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
    • G01S13/00—Systems 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
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/865—Combination of radar systems with lidar 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
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/46—Indirect determination of position data
    • 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
    • G01S17/87—Combinations of systems using electromagnetic waves other than radio waves

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及一种目标对象的位置确定方法、装置、电子设备及存储介质，该方法通过确定目标对象的特征点集合和行驶速度；基于特征点集合建立坐标系；基于行驶速度确定坐标系的初始位置；将坐标系进行多次旋转操作，每次旋转操作的旋转角度为预设角度；基于多次旋转后的坐标系确定特征点集合的多个旋转判别值；根据多个旋转判别值中数值最小的旋转判别值确定出目标对象所在的相对位置。该方法基于行驶速度确定坐标系的初始位置，将坐标系从初始位置进行旋转操作，如此，可以减小遍历的角度，减少计算量，从而可以提升对目标感知的实时性；另外，基于多次旋转后的坐标系确定特征点集合的旋转判别值，如此，可以提高对目标位置感知的准确性。

Description

目标对象的位置确定方法、装置、电子设备及存储介质
技术领域
本申请涉及目标感知技术领域，特别涉及一种目标对象的位置确定方法、装置、电子设备及存储介质。
背景技术
目标的感知是自动驾驶与辅助驾驶领域中十分重要的组成部分，其中，目标的边界框(bounding box)拟合对于目标的位置与状态估计，以及目标分类都十分重要。准确的目标边界框输出对汽车的自适应巡航(Adaptive Cruise Control，ACC)，碰撞预警(Forward Collision Warning，FCW)，变道辅助(Lane Change Assist，LCA)等功能开发都会起到至关重要的作用。
目前，常用的目标边界框计算方法有以下两种：
第一种目标边界框的计算方法是基于计算机视觉，利用基于区域检测的原始识别方法或深度学习方法，进行目标的识别与边界框的回归，最终得到较为准确的目标边界。该方法可以在光线较好的情况下得到可靠的边界框的输出。但是基于计算机视觉缺点是，在阴雨天、夜晚或逆光等情况下，会造成识别率或识别精度的下降，导致输出不可靠的边界框，从而导致目标的位置识别不准确。
第二种方法是基于激光雷达的点云数据，采用最小二乘方法进行线型拟合以输出目标边界框。该方法需要针对每一个聚类结果，找出聚类里面的分割点，若分割点选取不合适会造成拟合的结果的不可靠。该方法的缺点是，选取合适的分割点与最小二乘所需计算量大，占用的计算资源多。
本申请实施例提供的一种目标对象的位置确定方法，基于激光雷达与毫米波雷达获取的数据进行融合，可以解决天气及光线对边界框拟合的影响，提高对目标位置感知的准确性；且该方法不需要寻找分割点，可以降低计算量，提升目标感知的实时性。
发明内容
本申请实施例提供了一种目标对象的位置确定方法、装置、电子设备及存储介质，可以提高对目标位置感知的准确性，且计算量小，可以提升对目标感知的实时性。
一方面，本申请实施例提供了一种目标对象的位置确定方法，包括：确定目标对象的特征点集合和行驶速度；基于特征点集合建立坐标系；基于行驶速度确定坐标系的初始位置；将坐标系进行多次旋转操作，每次旋转操作的旋转角度为预设角度；基于多次旋转后的坐标系确定特征点集合的多个旋转判别值；根据多个旋转判别值中数值最小的旋转判别值确定出目标对象所在的相对位置。
另一方面，本申请实施例提供了一种目标对象的位置确定装置，包括：
第一确定模块，用于确定目标对象的特征点集合和行驶速度；
第二确定模块，用于基于特征点集合建立坐标系；基于行驶速度确定坐标系的初始位置；
第三确定模块，用于将坐标系进行多次旋转操作，每次旋转操作的旋转角度为预设角度；基于多次旋转后的坐标系确定特征点集合的多个旋转判别值；
第四确定模块，用于根据多个旋转判别值中数值最小的旋转判别值确定出目标对象所在的相对位置。
另一方面，本申请实施例提供了一种电子设备，电子设备包括处理器和存储器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述的目标对象的位置确定方法。
另一方面，本申请实施例提供了一种计算机可读存储介质，存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述的目标对象的位置确定方法。
本申请实施例提供的一种目标对象的位置确定方法、装置、电子设备及存储介质具有如下有益效果：
通过确定目标对象的特征点集合和行驶速度；基于特征点集合建立坐标系；基于行驶速度确定坐标系的初始位置；将坐标系进行多次旋转操作，每次旋转操作的旋转角度为预设角度；基于多次旋转后的坐标系确定特征点集合的多个旋转判别值；根据多个旋转判别值中数值最小的旋转判别值确定出目标对象所在的相对位置。本申请基于行驶速度确定坐标系的初始位置，将坐标系从初始位置进行旋转操作，如此，可以减小遍历的角度，减少计算量，从而可以提升对目标感知的实时性；另外，基于多次旋转后的坐标系确定特征点集合的旋转判别值，如此，可以提高对目标位置感知的准确性。
附图说明
为了更清楚地说明本申请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申请的一些实施例，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是本申请实施例提供的一种应用场景的示意图；
图2是本申请实施例提供的一种目标对象的位置确定方法的流程示意图；
图3是本申请实施例提供的一种目标对象的特征点集合的示意图；
图4是本申请实施例提供的一种目标对象的位置确定装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”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，以便这里描述的本申请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“具有”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、系统、产品或服务器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。
请参阅图1，图1是本申请实施例提供的一种应用场景的示意图，包括车辆101和目标对象102，车辆101包括目标感知模块1011，车辆101可以通过目标感知模块1011确定目标对象102的位置，向车辆101的各功能模块发送目标对象102的位置，以实现各功能模块的功能。
本申请中，车辆101的目标感知模块1011确定目标对象102的特征点集合和行驶速度，并基于特征点集合建立坐标系；其次，目标感知模块1011基于行驶速度确定坐标系的初始位置，将坐标系从初始位置进行多次旋转操作，每次旋转操作的旋转角度为预设角度；其次，目标感知模块1011基于多次旋转后的坐标系确定特征点集合的多个旋转判别值；目标感知模块1011根据多个旋转判别值中数值最小的旋转判别值确定出目标对象102所在的相对位置。
本申请中车辆101的目标感知模块1011基于目标对象102的行驶速度确定坐标系的初始位置，将坐标系从初始位置进行旋转操作，基于多次旋转后的坐标系确定特征点集合的旋转判别值，如此，可以减小遍历的角度，减少计算量，从而可以提升对目标对象102位置感知的实时性，可以提高对目标对象102位置感知的准确性。
可选的，目标对象102可以是除车辆101之外的其他车辆。
以下介绍本申请一种目标对象的位置确定方法的具体实施例，图2是本申请实施例提供的一种目标对象的位置确定方法的流程示意图，本说明书提供了如实施例或流程图的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的系统或服务器产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图2所示，该方法可以包括：
S201：确定目标对象的特征点集合和行驶速度。
本申请实施例中，车辆安装有激光雷达和毫米波雷达，车辆的目标感知模块基于激光雷达和毫米波雷达进行目标识别并确定目标对象的位置信息。
本申请实施例中，车辆通过激光雷达获取特征点集群，特征点集群是激光扫描到多个不同的目标对象并反射获得的点云数据。其中，多个不同的目标对象可以包括其他机动车辆或非机动车辆，以及行人等其他运动物体。其次，对特征点集群进行聚类操作，确定目标对象的特征点集合；特征点集合携带有时间标识和位置标识。其次，车辆通过毫米波雷达获取行驶速度集合；根据目标对象的特征点集携带的时间标识和位置标识从行驶速度集合中确定出目标对象的行驶速度。
一种可选的对特征点集群进行聚类操作的实施方式中，采用欧式距离分类(EuclideanCluster)的方法对特征点集群进行聚类操作。
S203：基于特征点集合建立坐标系。
S205：基于行驶速度确定坐标系的初始位置。
本申请实施例中，基于特征点集合建立的坐标系可以采用车身坐标系。这里以目标对象是其他车辆为例进行说明，请参阅图3，图3是本申请实施例提供的一种目标对象的特征点集合的示意图，包括车身坐标系XOY和目标对象的特征点集合。需要说明的是，在点云数据中，车辆大多呈现“L”形，行人等其他小物体通常为不规则的形状。
一种可选的基于行驶速度确定坐标系的初始位置的实施方式中，行驶速度可以包括横向行驶速度和纵向行驶速度，基于该横向行驶速度和该纵向行驶速度确定初始角度θh；根据初始角度θh确定出坐标系的初始位置，如图3所示，将该坐标系的初始位置置于该初始角度θh。需要说明的是，这里初始角度θh以车身坐标系的Y轴方向作为基准线。
具体的，基于该横向行驶速度和该纵向行驶速度确定初始角度θh可以根据公式(1)确定：
θh＝a tan(Vy,Vx)……(1)
其中，Vx表示目标对象的横向行驶速度；Vy表示目标对象的纵向行驶速度。
S207：将坐标系进行多次旋转操作，每次旋转操作的旋转角度为预设角度。
S209：基于多次旋转后的坐标系确定特征点集合的多个旋转判别值。
S211：根据多个旋转判别值中数值最小的旋转判别值确定出目标对象所在的相对位置。
本申请实施例中，将坐标系进行多次旋转操作可以包括将坐标系按照顺时针方向或逆时针方向进行多次旋转操作；最终确定的目标对象所在的相对位置为相对于车辆的位置。
本申请实施例中，基于每次旋转后的坐标系确定特征点集合的边界线；确定特征点集合中每个特征点至边界线的最小距离，得到最小距离集合；确定每次旋转后的坐标系的位置与初始位置的角度偏差值；根据最小距离集合和角度偏差值确定每次旋转后的坐标系对应的旋转判别值；得到多个旋转判别值。
一种可选的基于每次旋转后的坐标系确定特征点集合的边界线的实施方式中，基于坐标系确定特征点集合的横坐标集合和纵坐标集合；从横坐标集合中确定最小横坐标和最大横坐标；从纵坐标集合中确定最小纵坐标和最大纵坐标；根据最小横坐标、最大横坐标、最小纵坐标和最大纵坐标确定特征点集合的边界线。
可选的，根据公式(2)确定特征点集合的横坐标集合和纵坐标集合：
C1＝[cosθ,sinθ]·x；
C2＝[-sinθ,cosθ]·y；……(2)
其中，(x，y)表示基于初始位置坐标系的特征点集合中每个特征点的坐标；(C1，C2)表示基于旋转后坐标系的特征点集合中每个特征点的坐标；θ＝θh+k·θs，θ表示当前坐标系的角度，θs表示预设角度，k·θs表示角度偏差值。
可选的，根据公式(3)从横坐标集合中确定最小横坐标和最大横坐标，从纵坐标集合中确定最小纵坐标和最大纵坐标：
Figure BDA0002281224300000071
Figure BDA0002281224300000072
一种可选的确定特征点集合中每个特征点至边界线的最小距离的实施方式中，确定特征点集合中每个特征点至纵向边界线的最小距离，确定特征点集合中每个特征点至横向边界线的最小距离，基于特征点集合中每个特征点至纵向边界线的最小距离和至横向边界线的最小距离确定特征点集合中每个特征点至边界线的最小距离。
可选的，根据公式(4)确定特征点集合中每个特征点至纵向边界线的最小距离，确定特征点集合中每个特征点至横向边界线的最小距离：
Figure BDA0002281224300000073
Figure BDA0002281224300000074
其中，D1表示特征点集合中每个特征点至纵向边界线的最小距离；D2表示特征点集合中每个特征点至横向边界线的最小距离。
一种可选的根据最小距离集合和角度偏差值确定每次旋转后的坐标系对应的旋转判别值的实施方式中，包括基于特征点集合中每个特征点至边界线的最小距离确定该特征点集合对应的最小总距离，根据最小总距离和角度偏差值确定每次旋转后的坐标系对应的旋转判别值。
可选的，最小总距离可以根据公式(5)确定：
D＝∑i∈cluster(min{D1(i),D2(i)})-1；……(5)
其中，D表示最小总距离；cluster表示特征点集合。
可选的，旋转判别值可以根据公式(6)确定：
Q＝W·k·θs+D……(6)
其中，Q表示旋转判别值；W表示权重，
Figure BDA0002281224300000075
其中，σspeed为目标速度的标准差；k·θs表示角度偏差值。
下面结合图3具体说明步骤S207-S211的实施过程。首先，基于位于初始角度θh的坐标系确定特征点集合的边界线，此时边界线可以是如图3(a)所示的方框a；确定特征点集合中每个特征点至该边界线(方框a)的最小距离，得到最小距离集合；根据最小距离集合确定最小总距离；由于当前坐标系的位置为初始角度θh，则角度偏差值为0；根据最小总距离确定当前旋转判别值为Q1；
其次，将坐标系从初始角度θh进行逆时针方向的旋转操作，旋转预设角度θs；确定当前坐标系的位置与初始位置的角度偏差值为1·θs；基于位于当前角度θh+1·θs的坐标系确定特征点集合的边界线，此时边界线可以是如图3(b)所示的方框b；确定特征点集合中每个特征点至该边界线(方框b)的最小距离，得到最小距离集合；根据最小距离集合确定当前最小总距离；根据当前最小总距离和角度偏差值1·θs确定当前旋转判别值为Q2；
其次，将坐标系从当前角度θh+1·θs进行逆时针方向的旋转操作，旋转预设角度θs；确定当前坐标系的位置与初始位置的角度偏差值为2·θs；基于位于当前角度θh+2·θs的坐标系确定特征点集合的边界线，此处省略示意图；确定特征点集合中每个特征点至该边界线的最小距离，得到最小距离集合；根据最小距离集合确定当前最小总距离；根据当前最小总距离和角度偏差值2·θs确定当前旋转判别值为Q3；
重复步骤：将坐标系从当前角度θh+(k-1)·θs进行逆时针方向的旋转操作，旋转预设角度θs；确定当前坐标系的位置与初始位置的角度偏差值为k·θs；基于位于当前角度θh+k·θs的坐标系确定特征点集合的边界线，此处省略示意图；确定特征点集合中每个特征点至该边界线的最小距离，得到最小距离集合；根据最小距离集合确定当前最小总距离；根据当前最小总距离和角度偏差值k·θs确定当前旋转判别值为Qk+1；
如此，可以得到多个旋转判别值：Q1、Q2、Q3……Qk+1，并从中确定出数值最小的旋转判别值，假设数值最小的旋转判别值是Q3，则确定旋转判别值Q3对应的当前角度θh+2·θs为目标对象相对于车辆的朝向角，确定旋转判别值Q3对应的边界线为目标边界线。
需要说明的是，上述例子仅介绍了将坐标系往逆时针方向进行旋转操作的过程，在实际确定目标对象的位置时，还需按照相同的方法将坐标系往顺时针方向进行旋转操作；另外，在确定坐标系的初始位置的前提下，仅对旋转操作做出改变的方案均在本申请的保护范围内。
本申请实施例基于毫米波雷达的速度检测可以确定出目标对象的初始角度，对于运动目标对象来说，通过其横向行驶速度和纵向行驶速度计算得出的初始角度与其实际方位角误差小，因此，本申请从计算得出的初始角度开始遍历，并根据旋转判别值确定最终目标对象的相对位置，如此确定的相对位置更加准确，且所需的计算量小，在实际车辆运行中可以提高车辆对目标识别或感知的准确性和实时性。
本申请实施例还提供了一种目标对象的位置确定装置，图4是本申请实施例提供的一种目标对象的位置确定装置的结构示意图，如图4所示，该装置包括：
第一确定模块401，用于确定目标对象的特征点集合和行驶速度；
第二确定模块402，用于基于特征点集合建立坐标系；基于行驶速度确定坐标系的初始位置；
第三确定模块403，用于将坐标系进行多次旋转操作，每次旋转操作的旋转角度为预设角度；基于多次旋转后的坐标系确定特征点集合的多个旋转判别值；
第四确定模块404，用于根据多个旋转判别值中数值最小的旋转判别值确定出目标对象所在的相对位置。
本申请实施例中的装置与方法实施例基于同样地申请构思。
本申请的实施例还提供了一种电子设备，电子设备包括处理器和存储器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述的目标对象的位置确定方法。
本申请的实施例还提供了一种存储介质，存储介质可设置于服务器之中以保存用于实现方法实施例中一种目标对象的位置确定方法相关的至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述目标对象的位置确定方法。
可选地，在本实施例中，上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
由上述本申请提供的目标对象的位置确定方法、装置、电子设备和存储介质的实施例可见，本申请中通过确定目标对象的特征点集合和行驶速度；基于特征点集合建立坐标系；基于行驶速度确定坐标系的初始位置；将坐标系进行多次旋转操作，每次旋转操作的旋转角度为预设角度；基于多次旋转后的坐标系确定特征点集合的多个旋转判别值；根据多个旋转判别值中数值最小的旋转判别值确定出目标对象所在的相对位置。本申请基于行驶速度确定坐标系的初始位置，将坐标系从初始位置进行旋转操作，如此，可以减小遍历的角度，减少计算量，从而可以提升对目标感知的实时性；另外，基于多次旋转后的坐标系确定特征点集合的旋转判别值，如此，可以提高对目标位置感知的准确性。
需要说明的是：上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且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。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (9)

1.一种目标对象的位置确定方法，其特征在于，包括：
确定目标对象的特征点集合和行驶速度；
基于所述特征点集合建立坐标系；
基于所述行驶速度确定所述坐标系的初始位置；
将所述坐标系进行多次旋转操作，每次旋转操作的旋转角度为预设角度；
基于所述多次旋转后的所述坐标系确定所述特征点集合的多个旋转判别值；所述基于所述多次旋转后的所述坐标系确定所述特征点集合的多个旋转判别值，包括：基于每次旋转后的所述坐标系确定所述特征点集合的边界线；确定所述特征点集合中每个特征点至所述边界线的最小距离，得到最小距离集合；确定所述每次旋转后的所述坐标系的位置与所述初始位置的角度偏差值；根据所述最小距离集合和所述角度偏差值确定每次旋转后的所述坐标系对应的旋转判别值；得到所述多个旋转判别值；
根据所述多个旋转判别值中数值最小的旋转判别值确定出目标对象所在的相对位置。
2.根据权利要求1所述的方法，其特征在于，所述确定目标对象的特征点集合和行驶速度，包括：
获取激光雷达输出的特征点集群；所述特征点集群包括所述特征点集合；
对所述特征点集群进行聚类操作，确定所述目标对象的特征点集合；所述特征点集合携带有时间标识和位置标识；
获取毫米波雷达输出的行驶速度集合；
根据所述时间标识和所述位置标识从所述行驶速度集合中确定出所述目标对象的行驶速度。
3.根据权利要求1所述的方法，其特征在于，所述行驶速度包括横向行驶速度和纵向行驶速度；
所述基于所述行驶速度确定所述坐标系的初始位置，包括：
基于所述横向行驶速度和所述纵向行驶速度确定初始角度；
根据所述初始角度确定出所述坐标系的初始位置。
4.根据权利要求1所述的方法，其特征在于，所述将所述坐标系进行多次旋转操作，包括：
将所述坐标系按照顺时针方向或逆时针方向进行多次旋转操作。
5.根据权利要求1所述的方法，其特征在于，所述基于每次旋转后的所述坐标系确定所述特征点集合的边界线，包括：
基于所述坐标系确定所述特征点集合的横坐标集合和纵坐标集合；
从所述横坐标集合中确定最小横坐标和最大横坐标；
从所述纵坐标集合中确定最小纵坐标和最大纵坐标；
根据所述最小横坐标、所述最大横坐标、所述最小纵坐标和所述最大纵坐标确定所述特征点集合的边界线。
6.一种目标对象的位置确定装置，其特征在于，包括：
第一确定模块，用于确定目标对象的特征点集合和行驶速度；
第二确定模块，用于基于所述特征点集合建立坐标系；基于所述行驶速度确定所述坐标系的初始位置；
第三确定模块，用于将所述坐标系进行多次旋转操作，每次旋转操作的旋转角度为预设角度；基于所述多次旋转后的所述坐标系确定所述特征点集合的多个旋转判别值；所述基于所述多次旋转后的所述坐标系确定所述特征点集合的多个旋转判别值，包括：基于每次旋转后的所述坐标系确定所述特征点集合的边界线；确定所述特征点集合中每个特征点至所述边界线的最小距离，得到最小距离集合；确定所述每次旋转后的所述坐标系的位置与所述初始位置的角度偏差值；根据所述最小距离集合和所述角度偏差值确定每次旋转后的所述坐标系对应的旋转判别值；得到所述多个旋转判别值；
第四确定模块，用于根据所述多个旋转判别值中数值最小的旋转判别值确定出目标对象所在的相对位置。
7.根据权利要求6所述的装置，其特征在于，
所述第一确定模块，还用于获取激光雷达输出的特征点集群；所述特征点集群包括所述特征点集合；对所述特征点集群进行聚类操作，确定所述目标对象的特征点集合；所述特征点集合携带有时间标识和位置标识；获取毫米波雷达输出的行驶速度集合；根据所述时间标识和所述位置标识从所述行驶速度集合中确定出所述目标对象的行驶速度。
8.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1-5任一所述的目标对象的位置确定方法。
9.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1-5任一所述的目标对象的位置确定方法。
CN201911142070.XA 2019-11-20 2019-11-20 目标对象的位置确定方法、装置、电子设备及存储介质 Active CN110907928B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911142070.XA CN110907928B (zh) 2019-11-20 2019-11-20 目标对象的位置确定方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911142070.XA CN110907928B (zh) 2019-11-20 2019-11-20 目标对象的位置确定方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN110907928A CN110907928A (zh) 2020-03-24
CN110907928B true CN110907928B (zh) 2020-08-18

Family

ID=69818229

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911142070.XA Active CN110907928B (zh) 2019-11-20 2019-11-20 目标对象的位置确定方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN110907928B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106405555A (zh) * 2016-09-23 2017-02-15 百度在线网络技术（北京）有限公司 用于车载雷达系统的障碍物检测方法和装置
JP2018092483A (ja) * 2016-12-06 2018-06-14 トヨタ自動車株式会社 物体認識装置
CN108226883A (zh) * 2017-11-28 2018-06-29 深圳市易成自动驾驶技术有限公司 测试毫米波雷达性能的方法、装置及计算机可读存储介质
CN110208842A (zh) * 2019-05-28 2019-09-06 长安大学 一种车联网环境下车辆高精度定位方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006252473A (ja) * 2005-03-14 2006-09-21 Toshiba Corp 障害物検出装置、キャリブレーション装置、キャリブレーション方法およびキャリブレーションプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106405555A (zh) * 2016-09-23 2017-02-15 百度在线网络技术（北京）有限公司 用于车载雷达系统的障碍物检测方法和装置
JP2018092483A (ja) * 2016-12-06 2018-06-14 トヨタ自動車株式会社 物体認識装置
CN108226883A (zh) * 2017-11-28 2018-06-29 深圳市易成自动驾驶技术有限公司 测试毫米波雷达性能的方法、装置及计算机可读存储介质
CN110208842A (zh) * 2019-05-28 2019-09-06 长安大学 一种车联网环境下车辆高精度定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于激光雷达和相机信息融合的目标检测及跟踪;常昕 等;《光电工程》;20190731;第46卷(第7期);180420-1-180420-11 *

Also Published As

Publication number Publication date
CN110907928A (zh) 2020-03-24

Similar Documents

Publication Publication Date Title
CN112847343B (zh) 动态目标跟踪定位方法、装置、设备和存储介质
CN115066708B (zh) 点云数据运动分割方法、装置、计算机设备和存储介质
US7623681B2 (en) System and method for range measurement of a preceding vehicle
CN110869559A (zh) 用于自动驾驶车辆中的集成的全局式与分布式学习的方法和系统
CN111563450B (zh) 数据处理方法、装置、设备及存储介质
CN109815831B (zh) 一种车辆朝向获取方法及相关装置
US20230108621A1 (en) Method and system for generating visual feature map
CN111783722B (zh) 一种激光点云的车道线提取方法和电子设备
WO2022165802A1 (zh) 道路边界识别方法和装置
CN112598922A (zh) 车位检测方法、装置、设备及存储介质
CN109635641B (zh) 道路边界线的确定方法、装置、设备和存储介质
CN113424240A (zh) 行驶道路识别装置
CN110907928B (zh) 目标对象的位置确定方法、装置、电子设备及存储介质
CN112163521A (zh) 一种车辆行驶行为的识别方法、装置及设备
CN116823909A (zh) 一种驾驶环境综合信息提取方法、装置、设备及介质
CN116309836A (zh) 一种基于视觉图像的三维物体位姿识别方法和装置、电子设备
CN118262322A (zh) 车辆环境目标检测方法、装置、系统、车辆和存储介质
CN114536326A (zh) 一种路标数据处理方法、装置及存储介质
CN116263504A (zh) 车辆识别方法、装置、电子设备及计算机可读存储介质
Danescu et al. A stereovision-based probabilistic lane tracker for difficult road scenarios
CN114140770A (zh) 一种动态目标自动化识别方法
CN119380321B (zh) 基于激光雷达点云的道路中间断崖的检测方法及装置
CN115620035A (zh) 一种数据处理方法、装置、电子设备及存储介质
CN118068286B (zh) 针对影响4d毫米波雷达点云定位实现退化环境检测的方法
US20240230842A9 (en) Method and apparatus of filtering dynamic objects in radar-based ego-emotion estimation

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220221

Address after: 310051 room 1602, building a, No. 459, Qianmo Road, Xixing street, Binjiang District, Hangzhou City, Zhejiang Province

Patentee after: FOSS (Hangzhou) Intelligent Technology Co.,Ltd.

Address before: 314500 no.1-19, Zhenbei Road, Wuzhen Internet Town, Tongxiang City, Jiaxing City, Zhejiang Province

Patentee before: FREETECH INTELLIGENT SYSTEMS Co.,Ltd.