Nothing Special   »   [go: up one dir, main page]

CN109829935B - 车辆的场景序列跟踪处理方法、装置及车辆 - Google Patents

车辆的场景序列跟踪处理方法、装置及车辆 Download PDF

Info

Publication number
CN109829935B
CN109829935B CN201811633876.4A CN201811633876A CN109829935B CN 109829935 B CN109829935 B CN 109829935B CN 201811633876 A CN201811633876 A CN 201811633876A CN 109829935 B CN109829935 B CN 109829935B
Authority
CN
China
Prior art keywords
vehicle
vehicle speed
tracking
current
historical
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
CN201811633876.4A
Other languages
English (en)
Other versions
CN109829935A (zh
Inventor
姚萌
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.)
Apollo Intelligent Technology Beijing Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201811633876.4A priority Critical patent/CN109829935B/zh
Publication of CN109829935A publication Critical patent/CN109829935A/zh
Priority to US16/566,048 priority patent/US11062150B2/en
Priority to EP19197092.0A priority patent/EP3629122B1/en
Application granted granted Critical
Publication of CN109829935B publication Critical patent/CN109829935B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Electromagnetism (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例提供一种车辆的场景序列跟踪处理方法、装置及车辆，该方法包括：获取车辆在第一区域行驶的当前车速以及拍摄的至少一帧当前图像；根据所述当前车速，确定车速比值区间以及跟踪序列长度，所述跟踪序列长度用于标识进行场景序列跟踪时使用的图像的帧数；根据所述车速比值区间、所述跟踪序列长度、所述至少一帧当前图像以及预先存储的所述车辆的多帧历史基准图像进行场景序列跟踪，得到所述车辆在所述第一区域内的位置信息。该方法实现了保证了在车速发生较大变化时仍然能够迅速找到准确的速度扫描范围，在车速相对稳定的情况下，大幅提高速度扫描效率。

Description

车辆的场景序列跟踪处理方法、装置及车辆
技术领域
本发明实施例涉及自动驾驶技术，尤其涉及一种车辆的场景序列跟踪处理方法、装置及车辆。
背景技术
在智能驾驶领域中，一些场景下可能需要基于场景序列跟踪算法实现车辆自定位、自动泊车等目的。例如，在地下车库或停车场等场所中，可以基于场景序列跟踪算法确定车辆的位置信息，进而根据车辆的位置信息控制车辆行驶。使用场景序列跟踪算法之前，首先需要获取到算法的输入参数。
现有技术中，场景序列跟踪算法的输入参数主要基于经验得到，所得到的输入参数为固定值。
但是，使用现有技术的方式，无法适应在不同场景中运行的车辆，导致在一些运行场景下的运行效率和准确率较低。
发明内容
本发明实施例提供一种车辆的场景序列跟踪处理方法、装置及车辆，用于解决现有技术中场景序列跟踪的运行效率和准确率较低的问题。
本发明实施例第一方面提供一种车辆的场景序列跟踪处理方法，该方法包括：
获取车辆在第一区域行驶的当前车速以及拍摄的至少一帧当前图像；
根据所述当前车速，确定车速比值区间以及跟踪序列长度，所述跟踪序列长度用于标识进行场景序列跟踪时使用的图像的帧数；
根据所述车速比值区间、所述跟踪序列长度、所述至少一帧当前图像以及预先存储的所述车辆的多帧历史基准图像进行场景序列跟踪，得到所述车辆在所述第一区域内的位置信息。
进一步的，所述根据所述当前车速，确定车速比值区间，包括：
获取所述车辆在拍摄所述历史基准图像时刻的历史车速、所述当前图像对应的时域采样率以及所述历史基准图像对应的时域采样率，确定所述当前车速与所述历史车速的比值；
根据所述当前车速与所述历史车速的比值，确定扫描宽度值；
根据所述当前车速与历史车速的比值，以及所述扫描宽度值，确定所述车速比值区间。
进一步的，所述根据所述当前车速，确定跟踪序列长度，包括：
获取所述车辆在拍摄所述历史基准图像时刻的历史车速；
根据所述当前车速与所述历史车速，确定至少一个长度值；
将所述至少一个长度值中的最大值作为所述跟踪序列长度。
进一步的，所述根据所述车速比值区间、所述跟踪序列长度、所述至少一帧当前图像以及预先存储的所述车辆的多帧历史基准图像进行场景序列跟踪，得到所述车辆在所述第一区域内的位置信息，包括：
将所述车速比值区间、所述跟踪序列长度、所述至少一帧当前图像以及预先存储的所述车辆的多帧历史基准图像作为场景序列跟踪算法的输入参数，得到由所述场景序列跟踪算法输出的所述车辆在所述第一区域内的位置信息。
进一步的，所述方法还包括：
根据所述车辆在所述第一区域内的位置信息调整所述车辆的行驶状态。
进一步的，所述方法还包括：
根据所述车辆在所述第一区域内的位置信息，输出与所述位置信息对应的提示信息。
本发明实施例第二方面提供一种车辆的场景序列跟踪处理装置，该装置包括：
获取模块，用于获取车辆在第一区域行驶的当前车速以及拍摄的至少一帧当前图像；
第一确定模块，用于根据所述当前车速，确定车速比值区间以及跟踪序列长度，所述跟踪序列长度用于标识进行场景序列跟踪时使用的图像的帧数；
第二确定模块，用于根据所述车速比值区间、所述跟踪序列长度、所述至少一帧当前图像以及预先存储的所述车辆的多帧历史基准图像进行场景序列跟踪，得到所述车辆在所述第一区域内的位置信息。
进一步的，所述第一确定模块，包括：
第一确定单元，用于获取所述车辆在拍摄所述历史基准图像时刻的历史车速、所述当前图像对应的时域采样率以及所述历史基准图像对应的时域采样率，确定所述当前车速与所述历史车速的比值；
第二确定单元，用于根据所述当前车速与所述历史车速的比值，确定扫描宽度值；
第三确定单元，用于根据所述当前车速与历史车速的比值，以及所述扫描宽度值，确定所述车速比值区间。。
进一步的，所述第一确定模块，还包括：
获取单元，用于获取所述车辆在拍摄所述历史基准图像时刻的历史车速。
第四确定单元，用于根据所述当前车速以及所述历史车速，确定至少一个长度值；
第五确定单元，用于将所述至少一个长度值中的最大值作为所述跟踪序列长度。
进一步的，所述第二确定模块具体用于：
将所述车速比值区间、所述跟踪序列长度、所述至少一帧当前图像以及预先存储的所述车辆的多帧历史基准图像作为场景序列跟踪算法的输入参数，得到由所述场景序列跟踪算法输出的所述车辆在所述第一区域内的位置信息。
进一步的，所述装置还包括：
调整模块，用于根据所述车辆在所述第一区域内的位置信息调整所述车辆的行驶状态。
进一步的，所述装置还包括：
输出模块，用于根据所述车辆在所述第一区域内的位置信息，输出与所述位置信息对应的提示信息。
本发明实施例第三方面提供一种车辆，包括：
存储器，用于存储程序指令；
处理器，用于调用并执行所述存储器中的程序指令，执行上述第一方面所述的方法步骤。
本发明实施例第四方面提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序用于执行上述第一方面所述的方法。
本发明实施例所提供的车辆的场景序列跟踪处理方法、装置及车辆，基于车辆运行时的当前车速，得到车速比值区间以及跟踪序列长度，并基于所得到的车速比值区间以及跟踪序列长度进行场景序列跟踪，确定出车辆的位置信息，由于车速比值区间和跟踪序列长度基于当前车速得到，从而实现了利用车辆的当前车速动态调整场景跟踪序列的计算参数，进而能够适应车辆不同的运行场景，保证了在车速发生较大变化时仍然能够迅速找到准确的速度扫描范围，在车速相对稳定的情况下，大幅提高速度扫描效率。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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他的附图。
图1为本发明实施例提供的车辆的场景序列跟踪处理方法实施例一的流程示意图；
图2为本发明实施例提供的车辆的场景序列跟踪处理方法实施例二的流程示意图；
图3为本发明实施例提供的车辆的场景序列跟踪处理方法实施例三的流程示意图；
图4为本发明实施例提供的一种车辆的场景序列跟踪处理装置的模块结构图；
图5为本发明实施例提供的一种车辆的场景序列跟踪处理装置的模块结构图；
图6为本发明实施例提供的一种车辆的场景序列跟踪处理装置的模块结构图；
图7为本发明实施例提供的一种车辆的场景序列跟踪处理装置的模块结构图；
图8为本发明实施例提供的一种车辆的场景序列跟踪处理装置的模块结构图；
图9为本发明实施例提供的一种车辆的实体框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，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他实施例，都属于本发明保护的范围。
本发明实施例以及附图中的术语“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。
现有技术中，场景序列跟踪算法的输入参数主要基于经验得到，所得到的输入参数为固定值。这些具有固定值的输入参数，仅在某些场景中具有较高的运行效率与准确性，但是无法适应车辆不同的运行场景。一种示例中，针对速度扫描范围参数，按照预设的车速比率1(基准车速为3米/秒)，可以在考虑到车速波动的情况下，将场景跟踪中的车速扫描范围参数固定设为0.8～1.2，即2.4～3.6米/秒。然而，若当前车辆行驶环境较为复杂，运行过程中包含靠边停车，为保证速度扫描范围的覆盖率，可以将扫描范围固定调整为0～1.2，即(0～3.6米/秒)。虽然调整后的速度覆盖率更高可以应对复杂路况，但在大部分的路段中，车辆仍然以与基准视频中的车速接近的车速运行，因此，设置该过大的车速扫描范围降低了场景跟踪的运行效率与准确性。另一种示例中，针对跟踪序列长度参数，可以选择20～40帧的固定值作为跟踪序列长度。这种固定阈值的方式存在以下问题：首先，当前车辆速度发生巨大变化时，场景跟踪算法仍然试图以该固定的跟踪序列长度进行局部线性拟合，导致计算出的运动轨迹无法跟上当前车辆的位置变化。其次，场景发生较大变化时，固定的跟踪序列长度无法提供足够的线性轨迹约束，降低了定位算法对场景变化的鲁棒性。再次，固定的序列跟踪长度，固定了基准视频序列的时域采样率，当替换不同时域采样率的基准视频序列时，需要人工重新调整合适的序列跟踪长度，算法缺乏自适应能力。因此，现有的方法并不能适应于在不同场景中运行的车辆，导致在一些运行场景下的运行效率和准确率较低。
本发明实施例基于上述问题，提出一种车辆的场景序列跟踪处理方法，基于车辆运行时的当前车速，得到车速比值区间以及跟踪序列长度，并基于所得到的车速比值区间以及跟踪序列长度进行场景序列跟踪，确定出车辆的位置信息，由于车速比值区间和跟踪序列长度基于当前车速得到，从而实现了利用车辆的当前车速动态调整场景跟踪序列的计算参数，进而能够适应车辆不同的运行场景，保证了在车速发生较大变化时仍然能够迅速找到准确的速度扫描范围，在车速相对稳定的情况下，大幅提高速度扫描效率。
本发明实施例所提供的车辆的场景序列跟踪处理方法可以应用于在地下车库、停车场等场所下的车辆自定位、自动泊车等场景中，在这些场景中，无论车辆以何种车速行驶，均能动态得出与车速匹配的车速比值区间以及跟踪序列长度，进而确定出车辆在上述场所下的精准位置，例如，车辆当前位于地下车库的某个车位处。
图1为本发明实施例提供的车辆的场景序列跟踪处理方法实施例一的流程示意图，该方法的执行主体为车辆。如图1所示，该方法包括：
S101、获取车辆在第一区域行驶的当前车速以及拍摄的至少一帧当前图像。
可选的，上述第一区域可以为车辆当前所行驶的区域，该第一区域可以通过车辆上的地图信息识别出来。例如，基于地图信息，车辆可以确定目前已驶入停车场A，该停车场A即可以为上述第一区域。进而可以基于下述的过程，确定车辆在停车A内部行驶时的精准位置。
可选的，可以通过车辆的控制器局域网(Controller Area Network，简称CAN)总线，根据车辆的轮速计获取车轮速度信息，进而，根据车轮速度信息得到车辆的当前车速。
上述当前车速为车辆当前行驶的瞬时车速，在具体实施过程中，车辆可以按照一定的较小周期获取车辆的瞬时车速以及执行后续步骤，从而持续得到车辆在第一区域内的精准位置信息。
可选的，上述至少一帧当前图像可以是车辆在当前车速下，即当前较短时间内所实时拍摄的图像，车辆可以仅使用一帧当前图像，或者，也可以使用多帧当前图像进行结合，并结合上述其他参数，确定车辆在第一区域内的位置信息。
S102、根据上述当前车速，确定车速比值区间以及跟踪序列长度，上述跟踪序列长度用于标识进行场景序列跟踪时使用的图像的帧数。
可选的，上述车速比值区间是由当前车速和车辆在当前时间之前在第一区域行驶时的历史车速的比值所得出的比值区间，具体过程将在下述实施例中进行详细说明。
示例性的，假设当前车速为3米/秒，历史车速也为3米/秒，则当前车速和历史车速的比值为1，基于该比值可以得出车速比值区间，例如可以为0.8-1.2。
S103、根据上述车速比值区间、上述跟踪序列长度、上述至少一帧当前图像以及预先存储的上述车辆的多帧历史基准图像进行场景序列跟踪，确定上述车辆在上述第一区域内的位置信息。
可选的，上述多帧历史基准图像是车辆在当前时间之前在第一区域行驶时所拍摄的图像。可选的，车辆首次在第一区域行驶并且在各位置拍摄了图像之后，可以拍摄的图像进行预处理以及标记，以作为车辆后续在第一区域行驶时的历史基准图像。示例性的，车辆在第一区域拍摄了10帧图像，其中有2帧图像均是在车位A处拍摄的，则车辆可以选择这2帧图像中的一帧质量较好的图像，并将所选择出的一帧图标标记为“车位A”，依次类推，得到对上述10帧图像进行选择和标记所形成的历史基准图像。
示例性的，经过上述过程所得到的第一区域内的位置信息例如可以是车位、路障、岔口、收费口等。
本实施例中，基于车辆运行时的当前车速，得到车速比值区间以及跟踪序列长度，并基于所得到的车速比值区间以及跟踪序列长度进行场景序列跟踪，确定出车辆的位置信息，由于车速比值区间和跟踪序列长度基于当前车速得到，从而实现了利用车辆的当前车速动态调整场景跟踪序列的计算参数，进而能够适应车辆不同的运行场景，保证了在车速发生较大变化时仍然能够迅速找到准确的速度扫描范围，在车速相对稳定的情况下，大幅提高速度扫描效率。
在上述实施例的基础上，本实施例涉及根据车辆的当前车速确定车速比值区间的过程。
图2为本发明实施例提供的车辆的场景序列跟踪处理方法实施例二的流程示意图，如图2所示，上述根据车辆的当前车速确定车速比值区间的过程可以包括：
S201、获取车辆在拍摄历史基准图像时刻的历史车速、当前图像对应的时域采样率以及历史基准图像对应的时域采样率，确定当前车速与历史车速的比值。
可选的，可以在车辆拍摄历史基准图像时获取当时的历史车速并将历史车速进行存储，进而，在本步骤中，可以直接获取车辆拍摄历史基准图像时对应的历史车速。
可选的，可以通过下述公式(1)计算上述当前车速与上述历史车速的比值。
k＝f(v,s,vb,sb) (1)
其中，k为当前车速与历史车速的比值，v为当前车速，s为当前图像对应的时域采样率，vb为历史车速，sb为历史基准图像对应的时域采样率，f为比值计算函数。
本步骤中，在计算当前车速和历史车速的比值时，将当前的时域采样率和历史的时域采样率作为计算的参数，从而使得所计算出的当前车速和历史车速的比值更加准确。
S202、根据上述当前车速与历史车速的比值，确定扫描宽度值。
可选的，上述扫描宽度值Δk可以根据k得到，例如可以为k的0.2倍。
示例性的，假设经过步骤S201得到的车速比值为1，Δk为k的0.2倍，因此Δk为0.2，则由上述公式(2)可知，车速比值区间krange等于(0.8，1.2)。
S203、根据上述当前车速与历史车速的比值，以及上述扫描宽度值，确定上述车速比值区间。
可选的，可以通过如下公式(2)表示上述车速比值区间。
krange＝(kmin,kmax)＝(k-Δk,k+Δk) (2)
其中，krange为上述车速比值区间，kmin，kmax分别为速度扫描的最小速度比率与最大速度比率，Δk为上述扫描宽度值的一半，即为扫描半宽度。
在上述实施例的基础上，本实施例涉及根据当前车速，确定跟踪序列长度的过程。
图3为本发明实施例提供的车辆的场景序列跟踪处理方法实施例三的流程示意图，如图3所示，上述根据当前车速确定跟踪序列长度的过程可以包括：
S301、获取车辆在拍摄历史基准图像时刻的历史车速。
可选的，可以在车辆拍摄历史基准图像时获取当时的历史车速并将历史车速进行存储，进而，在本步骤中，可以直接获取车辆拍摄历史基准图像时对应的历史车速。
S302、根据上述当前车速以及上述历史车速，确定至少一个长度值。
S303、将上述至少一个长度值中的最大值作为上述跟踪序列长度。
可选的，通过下述公式(3)确定跟踪序列长度。
Figure BDA0001929580920000091
其中，L为长度值，v为当前车速，vb为历史车速，Lseq为跟踪序列长度。
其中，满足上述公式中的条件的L有至少一个，即可有可能为多个，选择满足上述条件的至少一个L中的最大值作为跟踪序列长度。
另一实施例中，上述步骤S103的一种可选实施方式为：
将上述车速比值区间、上述跟踪序列长度、上述至少一帧当前图像以及预先存储的上述车辆的多帧历史基准图像作为场景序列跟踪算法的输入参数，得到由上述场景序列跟踪算法输出的上述车辆在上述第一区域内的位置信息。
可选的，上述场景序列跟踪算法基于上述车速比值区间以及跟踪序列长度，对当前图像和历史基准图像进行匹配，得到与当前图像匹配度最高的历史图像，进而根据该匹配度最高的历史图像的标记信息，得到当前图像对应的位置信息，从而确定出车辆当前在第一区域内的位置信息。
示例性的，与当前图像匹配度最高的历史图像被标记为一个岔口，则可以确定车辆当前位于岔口处。
在通过上述实施例得到车辆在第一区域的位置信息的基础上，进一步的，可以基于该位置信息对车辆进行控制。
一种可选的方式中，可以根据上述车辆在上述第一区域内的位置信息调整上述车辆的行驶状态。
其中，调整上述车辆的行驶状态例如可以是降低车速、打开车灯、转换方向等。
示例性的，若通过前述的过程确定出车辆位于一个岔口处，则可以降低车速，以保证车辆的行驶安全。
另一种可选的方式中，可以根据上述车辆在上述第一区域内的位置信息，输出与上述位置信息对应的提示信息。
可选的，每个位置对应的提示信息可以预先生成。该提示信息可以是告知用户该位置的名称，或者提醒用户执行相应的操作。
一种示例中，车辆当前的位置为收费口，则可以通过语音或文字形式提醒用户缴费。
另一种示例中，车辆当前的位置为路障，则车辆可以通过语音或文字形式提醒用户此处存在路障，注意安全。
图4为本发明实施例提供的一种车辆的场景序列跟踪处理装置的模块结构图，如图4所示，该装置包括：
获取模块401，用于获取车辆在第一区域行驶的当前车速以及拍摄的至少一帧当前图像。
第一确定模块402，用于根据所述当前车速，确定车速比值区间以及跟踪序列长度，所述跟踪序列长度用于标识进行场景序列跟踪时使用的图像的帧数。
第二确定模块403，用于根据所述车速比值区间、所述跟踪序列长度、所述至少一帧当前图像以及预先存储的所述车辆的多帧历史基准图像进行场景序列跟踪，得到所述车辆在所述第一区域内的位置信息。
该装置用于实现前述方法实施例，其实现原理和技术效果类似，此处不再赘述。
图5为本发明实施例提供的一种车辆的场景序列跟踪处理装置的模块结构图，如图5所示，第一确定模块402，包括：
第一确定单元4021，用于获取所述车辆在拍摄所述历史基准图像时刻的历史车速、所述当前图像对应的时域采样率以及所述历史基准图像对应的时域采样率，确定所述当前车速与所述历史车速的比值。
第二确定单元4022，用于根据所述当前车速与所述历史车速的比值，确定扫描宽度值。
第三确定单元4023，用于根据所述当前车速与历史车速的比值，以及所述扫描宽度值，确定所述车速比值区间。
图6为本发明实施例提供的一种车辆的场景序列跟踪处理装置的模块结构图，如图6所示，第一确定模块402，还包括：
获取单元4024，用于获取所述车辆在拍摄所述历史基准图像时刻的历史车速；
第四确定单元4025，用于根据所述当前车速以及所述历史车速，确定至少一个长度值。
第五确定单元4026，用于将所述至少一个长度值中的最大值作为所述跟踪序列长度。
另一实施例中，第二确定模块403具体用于：
将所述车速比值区间、所述跟踪序列长度、所述至少一帧当前图像以及预先存储的所述车辆的多帧历史基准图像作为场景序列跟踪算法的输入参数，得到由所述场景序列跟踪算法输出的所述车辆在所述第一区域内的位置信息。
图7为本发明实施例提供的一种车辆的场景序列跟踪处理装置的模块结构图，如图7所示，所述装置还包括：
调整模块404，用于根据所述车辆在所述第一区域内的位置信息调整所述车辆的行驶状态。
图8为本发明实施例提供的一种车辆的场景序列跟踪处理装置的模块结构图，如图8所示，所述装置还包括：
输出模块405，用于根据所述车辆在所述第一区域内的位置信息，输出与所述位置信息对应的提示信息。
图9为本发明实施例提供的一种车辆的实体框图，如图9所示，该车辆900包括：
存储器901，用于存储程序指令。
处理器902，用于调用并执行存储器901中的程序指令，执行上述方法实施例中所述的方法步骤。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种车辆的场景序列跟踪处理方法，其特征在于，包括：
获取车辆在第一区域行驶的当前车速以及拍摄的至少一帧当前图像；
根据所述当前车速，确定车速比值区间以及跟踪序列长度，所述跟踪序列长度用于标识进行场景序列跟踪时使用的图像的帧数；
根据所述车速比值区间、所述跟踪序列长度、所述至少一帧当前图像以及预先存储的所述车辆的多帧历史基准图像进行场景序列跟踪，得到所述车辆在所述第一区域内的位置信息。
2.根据权利要求1所述的方法，其特征在于，所述根据所述当前车速，确定车速比值区间，包括：
获取所述车辆在拍摄所述历史基准图像时刻的历史车速、所述当前图像对应的时域采样率以及所述历史基准图像对应的时域采样率，确定所述当前车速与所述历史车速的比值；
根据所述当前车速与所述历史车速的比值，确定扫描宽度值；
根据所述当前车速与历史车速的比值，以及所述扫描宽度值，确定所述车速比值区间。
3.根据权利要求1所述的方法，其特征在于，所述根据所述当前车速，确定跟踪序列长度，包括：
获取所述车辆在拍摄所述历史基准图像时刻的历史车速；
根据所述当前车速与所述历史车速，确定至少一个长度值；
将所述至少一个长度值中的最大值作为所述跟踪序列长度。
4.根据权利要求1所述的方法，其特征在于，所述根据所述车速比值区间、所述跟踪序列长度、所述至少一帧当前图像以及预先存储的所述车辆的多帧历史基准图像进行场景序列跟踪，得到所述车辆在所述第一区域内的位置信息，包括：
将所述车速比值区间、所述跟踪序列长度、所述至少一帧当前图像以及预先存储的所述车辆的多帧历史基准图像作为场景序列跟踪算法的输入参数，得到由所述场景序列跟踪算法输出的所述车辆在所述第一区域内的位置信息。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：
根据所述车辆在所述第一区域内的位置信息调整所述车辆的行驶状态。
6.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：
根据所述车辆在所述第一区域内的位置信息，输出与所述位置信息对应的提示信息。
7.一种车辆的场景序列跟踪处理装置，其特征在于，包括：
获取模块，用于获取车辆在第一区域行驶的当前车速以及拍摄的至少一帧当前图像；
第一确定模块，用于根据所述当前车速，确定车速比值区间以及跟踪序列长度，所述跟踪序列长度用于标识进行场景序列跟踪时使用的图像的帧数；
第二确定模块，用于根据所述车速比值区间、所述跟踪序列长度、所述至少一帧当前图像以及预先存储的所述车辆的多帧历史基准图像进行场景序列跟踪，得到所述车辆在所述第一区域内的位置信息。
8.根据权利要求7所述的装置，其特征在于，所述第一确定模块包括：
第一确定单元，用于获取所述车辆在拍摄所述历史基准图像时刻的历史车速、所述当前图像对应的时域采样率以及所述历史基准图像对应的时域采样率，确定所述当前车速与所述历史车速的比值；
第二确定单元，用于根据所述当前车速与所述历史车速的比值，确定扫描宽度值；
第三确定单元，用于根据所述当前车速与历史车速的比值，以及所述扫描宽度值，确定所述车速比值区间。
9.一种车辆，其特征在于，包括：
存储器，用于存储程序指令；
处理器，用于调用并执行所述存储器中的程序指令，执行权利要求1-6任一项所述的方法步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序用于执行权利要求1-6任一项所述的方法。
CN201811633876.4A 2018-12-29 2018-12-29 车辆的场景序列跟踪处理方法、装置及车辆 Active CN109829935B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201811633876.4A CN109829935B (zh) 2018-12-29 2018-12-29 车辆的场景序列跟踪处理方法、装置及车辆
US16/566,048 US11062150B2 (en) 2018-12-29 2019-09-10 Processing method and apparatus for vehicle scene sequence tracking, and vehicle
EP19197092.0A EP3629122B1 (en) 2018-12-29 2019-09-12 Processing method and apparatus for vehicle scene sequence tracking, and vehicle

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811633876.4A CN109829935B (zh) 2018-12-29 2018-12-29 车辆的场景序列跟踪处理方法、装置及车辆

Publications (2)

Publication Number Publication Date
CN109829935A CN109829935A (zh) 2019-05-31
CN109829935B true CN109829935B (zh) 2021-02-19

Family

ID=66860623

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811633876.4A Active CN109829935B (zh) 2018-12-29 2018-12-29 车辆的场景序列跟踪处理方法、装置及车辆

Country Status (3)

Country Link
US (1) US11062150B2 (zh)
EP (1) EP3629122B1 (zh)
CN (1) CN109829935B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220013012A1 (en) * 2020-07-10 2022-01-13 Toyota Motor Engineering & Manufacturing North America, Inc. Vehicle parking assistance
CN113075716B (zh) * 2021-03-19 2024-10-22 地平线(上海)人工智能技术有限公司 基于图像的车辆定位方法和装置、存储介质以及电子设备

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003063340A (ja) 2001-08-28 2003-03-05 Aisin Seiki Co Ltd 運転補助装置
FR2853121B1 (fr) * 2003-03-25 2006-12-15 Imra Europe Sa Dispositif de surveillance des alentours d'un vehicule
FR2917209B1 (fr) * 2007-06-08 2009-10-16 Valeo Vision Sa Procede de detection d'un vehicule
KR101188588B1 (ko) * 2008-03-27 2012-10-08 주식회사 만도 모노큘러 모션 스테레오 기반의 주차 공간 검출 장치 및방법
JP2011186257A (ja) 2010-03-10 2011-09-22 Secom Co Ltd 画像抽出装置
CN102982559B (zh) * 2012-11-28 2015-04-29 大唐移动通信设备有限公司 车辆跟踪方法及系统
CN103150547A (zh) * 2013-01-21 2013-06-12 信帧电子技术（北京）有限公司 车辆跟踪方法及装置
DE102013020947A1 (de) * 2013-12-12 2015-06-18 Valeo Schalter Und Sensoren Gmbh Verfahren zum Verfolgen eines Zielobjekts bei Helligkeitsänderung, Kamerasystem und Kraftfahrzeug
CN106446824A (zh) * 2016-09-21 2017-02-22 防城港市港口区思达电子科技有限公司 一种车辆检测和跟踪方法
CN107644528A (zh) * 2017-08-02 2018-01-30 浙江工业大学 一种基于车辆跟踪的车辆排队长度检测方法
CN108229475B (zh) * 2018-01-03 2021-08-31 深圳中兴网信科技有限公司 车辆跟踪方法、系统、计算机设备及可读存储介质

Also Published As

Publication number Publication date
US20200005052A1 (en) 2020-01-02
EP3629122B1 (en) 2022-01-05
CN109829935A (zh) 2019-05-31
EP3629122A3 (en) 2020-04-08
US11062150B2 (en) 2021-07-13
EP3629122A2 (en) 2020-04-01

Similar Documents

Publication Publication Date Title
US20200272835A1 (en) Intelligent driving control method, electronic device, and medium
WO2018217806A1 (en) Road traffic control system, method, and electronic device
CN113129595B (zh) 一种用于道路交叉口的交通信号控制方法、设备及介质
CN111907521B (zh) 一种自动驾驶车辆的横向控制方法、装置及存储介质
CN110514219B (zh) 一种导航地图显示方法、装置、车辆及机器可读介质
WO2016131310A1 (zh) 摄像的方法及装置
CN109829935B (zh) 车辆的场景序列跟踪处理方法、装置及车辆
US10937176B2 (en) Object recognition apparatus
CN109558901B (zh) 一种语义分割训练方法及装置、电子设备、存储介质
CN112319464B (zh) 自动泊车方法、装置、设备及存储介质
CN113807270A (zh) 道路拥堵检测方法、装置及电子设备
CN107111764B (zh) 由对象在成像装置的视野中的深度触发的事件
CN110648549B (zh) 基于车路协同的交通引导方法、设备、系统及存储介质
CN113362371A (zh) 目标跟踪方法及装置、电子设备、存储介质
CN111951567B (zh) 数据的处理方法、装置、设备及计算机存储介质
CN112101272A (zh) 交通灯检测的方法、装置、计算机存储介质和路侧设备
JP2013109639A (ja) 画像処理装置、サーバ、携帯端末装置、及び画像処理方法
CN109808689B (zh) 无人车控制方法、装置及设备
CN109191851B (zh) 一种交通灯冗余时间计算方法及装置
CN116442787A (zh) 一种电动汽车能耗预警方法、装置、介质及设备
CN110012351B (zh) 标签数据获取方法、存储器、终端、车辆以及车联网系统
CN110276322B (zh) 一种结合车机闲散资源的图像处理方法及装置
JP5778006B2 (ja) 画像処理装置及び画像処理方法
CN115174889A (zh) 摄像机的位置偏移检测方法、电子设备和存储介质
CN111739322B (zh) 数据处理方法及其装置

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: 20211019

Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085

Patentee after: Apollo Intelligent Technology (Beijing) Co.,Ltd.

Address before: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing

Patentee before: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd.