[发明专利]障碍物定位方法、装置和终端有效
申请号: | 201811628789.X | 申请日: | 2018-12-28 |
公开(公告)号: | CN109657638B | 公开(公告)日: | 2021-04-27 |
发明(设计)人: | 李傲伟 | 申请(专利权)人: | 百度在线网络技术(北京)有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/32;G06T7/73 |
代理公司: | 北京市铸成律师事务所 11313 | 代理人: | 王珺;徐瑞红 |
地址: | 100085 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 障碍物 定位 方法 装置 终端 | ||
1.一种障碍物定位方法,其特征在于,包括:
获取无人车的周围环境图片;
将所述周围环境图片输入至障碍物识别模型进行预测,得到所述障碍物的识别框,将所述识别框的底边作为接地边,得到障碍物在所述周围环境图片中平面坐标系下的位置坐标;
获取预设尺寸的标定布,所述周围环境图片的像素点与所述标定布中的单元格进行映射,得到坐标转换表;
基于所述坐标转换表,将所述障碍物在所述周围环境图片中平面坐标系下的位置坐标,转换为所述障碍物在世界坐标系下的位置坐标;
其中,所述周围环境图片的像素点与所述标定布中的单元格进行映射包括:根据周围环境图片,将图片中的像素点和标定布中单元格进行一一计算;所述世界坐标系是根据无人车身的轮廓描绘无人车身边框,以所述无人车身边框中的车尾边框中点为圆心建立的。
2.根据权利要求1所述的方法,其特征在于,将所述周围环境图片输入至障碍物识别模型进行预测之前,还包括:
将标注有多个障碍物的周围环境图片输入至深度神经网络模型中进行训练,得到所述障碍物识别模型。
3.根据权利要求1所述的方法,其特征在于,得到障碍物在所述周围环境图片中平面坐标系下的位置坐标,包括:
在所述周围环境图片中建立所述平面坐标系,在所述平面坐标系中计算所述障碍物的识别框的角点坐标;
将所述障碍物的识别框的角点坐标作为所述障碍物在平面坐标系下的位置坐标。
4.根据权利要求3所述的方法,其特征在于,基于所述坐标转换表,将所述障碍物在所述周围环境图片中平面坐标系下的位置坐标,转换为所述障碍物在世界坐标系下的位置坐标,包括:
在所述坐标转换表中查询与将所述障碍物的识别框的角点坐标对应的坐标,并将查询到的坐标作为所述障碍物在所述世界坐标系下的位置坐标。
5.一种障碍物定位装置,其特征在于,包括:
周围环境图片获取模块,用于获取无人车的周围环境图片;
平面坐标系障碍物位置预测模块,用于将所述周围环境图片输入至障碍物识别模型进行预测,得到所述障碍物的识别框,将所述识别框的底边作为接地边,得到障碍物在所述周围环境图片中平面坐标系下的位置坐标;
坐标转换表生成单元,用于获取预设尺寸的标定布,所述周围环境图片的像素点与所述标定布中的单元格进行映射,得到坐标转换表;
世界坐标系障碍物位置转换模块,用于基于所述坐标转换表,将所述障碍物在所述周围环境图片中平面坐标系下的位置坐标,转换为所述障碍物在世界坐标系下的位置坐标,所述世界坐标系是根据无人车身的轮廓描绘无人车身边框,以所述无人车身边框中的车尾边框中点为圆心建立的;
其中,所述坐标转换表生成单元,用于根据周围环境图片,将图片中的像素点和标定布中单元格进行一一计算。
6.根据权利要求5所述的装置,其特征在于,还包括:
障碍物识别模型训练模块,用于将标注有多个障碍物的周围环境图片输入至深度神经网络模型中进行训练,得到所述障碍物识别模型。
7.根据权利要求5所述的装置,其特征在于,所述平面坐标系障碍物位置预测模块包括:
识别框角点坐标计算单元,用于在所述周围环境图片中建立所述平面坐标系,在所述平面坐标系中计算所述障碍物的识别框的角点坐标;
平面坐标系障碍物位置提取单元,用于将所述障碍物的识别框的角点坐标作为所述障碍物在平面坐标系下的位置坐标。
8.根据权利要求7所述的装置,其特征在于,所述世界坐标系障碍物位置转换模块包括:
平面坐标系障碍物位置查询单元,用于在所述坐标转换表中查询与将所述障碍物的识别框的角点坐标对应的坐标,并将查询到的坐标作为所述障碍物在所述世界坐标系下的位置坐标。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于百度在线网络技术(北京)有限公司,未经百度在线网络技术(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811628789.X/1.html,转载请声明来源钻瓜专利网。