【技术实现步骤摘要】
【国外来华专利技术】用于生成与对象相关联的鸟瞰图边界框的方法和系统
[0001]相关申请的交叉引用
[0002]本申请要求于2020年7月10日提交的、专利技术名称为“用于生成与对象相关联的鸟瞰图边界框的方法和系统(METHOD AND SYSTEM FOR GENERATING A BIRD'S EYE VIEW BOUNDING BOX ASSOCIATED WITH AN OBJECT)”的第16/926,096号美国专利申请的优先权的权益,所述美国专利申请的内容以引用的方式并入本文中,如全文再现一般。
[0003]本专利技术涉及生成与对象相关联的鸟瞰图(bird's eye view,BEV)边界框。
技术介绍
[0004]自动驾驶车辆包括许多不同类型的传感器,这些传感器感测车辆周围的环境。自动驾驶车辆的感知模块可以处理从不同类型的传感器中的每一个接收的传感器数据,以识别感兴趣的对象(例如,行人或其它汽车)。例如,扫描光检测和测距(light detection and ranging,LIDAR)传感器生成表示三维(three
‑
dimensional,3D)点云的传感器数据,并且感知模块处理3D点云以识别感兴趣的对象。相机生成传感器数据作为表示图像的图像数据,感知模块处理图像数据以检测和识别感兴趣的对象。每个传感器可以生成不同类型的传感器数据,这些传感器数据可由感知模块用于自动驾驶中的对象识别。
[0005]感知模块可以在3D点云上执行边界框回归,3D点云可以包括部分可见的对象。边界 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种用于为靠近车辆的对象生成边界框的处理器实现的方法,其特征在于,所述方法包括:接收表示环境的三维(three
‑
dimensional,3D)点云;接收所述环境的二维(two
‑
dimensional,2D)图像;处理所述3D点云,以识别所述3D点云中的3D对象的3D数据点的对象簇;处理所述2D图像,以检测所述2D图像中的2D对象,并从所述2D图像生成关于所述2D对象的信息;当所述3D对象和所述2D对象对应于所述环境中的同一对象时:基于3D数据点的所述对象簇和所述2D图像中的所述信息,为所述对象生成鸟瞰图(bird's eye view,BEV)边界框。2.根据权利要求1所述的方法,其特征在于,生成所述BEV边界框包括:将3D数据点的所述对象簇映射到鸟瞰图(bird's eye view,BEV)中和所述车辆的车辆坐标系中的2D平面上的2D数据点簇;确定并存储所述BEV中的所述2D平面上的一组BEV多边形点,其中,所述一组BEV多边形点形成包围所述2D平面上的所述2D数据点簇的凸包;基于所述2D平面上的所述2D数据点簇、所述一组BEV多边形点和所述2D图像中的所述信息生成所述BEV边界框。3.根据权利要求2所述的方法,其特征在于,生成所述BEV边界框还包括:确定所述2D平面上的所述2D数据点簇的中心p
center
;确定所述对象的估计航向h
obj
;基于所述估计航向h
obj
,围绕所述中心p
center
旋转所述2D平面上的所述2D数据点簇;从所述一组BEV多边形点中确定多个选定的多边形点;确定多个候选边界框,其中,每个候选边界框基于所述多个选定的多边形点中的相应的选定的多边形点确定;从所述多个候选边界框中选择最终边界框作为所述BEV边界框,其中,所述最终边界框是所述候选边界框中覆盖所述2D平面上的所述2D数据点簇中的最多数量的数据点的一个候选边界框;基于h
obj
的值围绕所述2D平面上的所述2D数据点簇的中心p
center
旋转所述BEV边界框。4.根据权利要求3所述的方法,其特征在于,确定所述多个候选边界框包括,对于所述多个选定的多边形点中的每个相应的多边形点:生成四个预定大小的矩形框;从所述四个矩形框中选择一个矩形框作为所述相应多边形点的所述候选边界框,其中,与所述四个矩形框中的其余矩形框相比,所述选定的矩形框覆盖所述2D平面上的所述2D数据点簇中的最多数量的数据点。5.根据权利要求4所述的方法,其特征在于,所述四个矩形框中的每个矩形框具有:在所述车辆坐标系中平行于所述车辆的x轴的相应第一侧,以及在所述车辆坐标系中平行于所述车辆的y轴的相应第二侧;所述四个矩形框中的第一矩形框具有与所述相应多边形点重合的右下角,所述四个矩形框中的第二矩形框具有与所述相应多边形点重合的左下角,所述四个矩形框中的第三矩
形框具有与所述相应多边形点重合的右上角,所述四个矩形框中的第四矩形框具有与所述相应多边形点重合的左上角。6.根据权利要求3所述的方法,其特征在于,所述2D图像中的所述信息包括:与所述对象相关联的类别标签、与所述类别标签相关联的分类分数、所述对象的大小、所述对象的图像航向h
image
以及与所述对象的所述图像航向h
image
相关联的图像航向不确定性所述方法包括:基于与所述对象相关联的所述类别标签、与所述类别标签相关联的所述分类分数和所述对象的所述大小,确定所述3D对象和所述2D对象对应于所述环境中的同一对象;接收或确定所述对象的跟踪航向h
track
和与所述对象的所述跟踪航向h
track
相关联的跟踪航向不确定性基于所述对象的所述图像航向h
image
和所述对象的所述跟踪航向h
track
,计算并存储所述对象的所述估计航向h
obj
;基于所述图像航向不确定性和所述跟踪航向不确定性计算并存储所述对象的估计航向不确定性7.根据权利要求6所述的方法,其特征在于,h
obj
=f(h
image
,h
track
)和f()是用于基于h
image
和h
track
计算平均值的函数。8.根据权利要求7所述的方法,其特征在于,9.根据权利要求6所述的方法,其特征在于,和g()是用于基于和计算平均值的函数。10.根据权利要求9所述的方法,其特征在于,11.一种用于为靠近车辆的对象生成边界框的处理系统,其特征在于,所述处理系统包括:处理单元;耦合到所述处理单元的存储器,所述存储器存储机器可执行指令,所述机器可执行指令当由所述处理单元执行时,使所述处理系统:接收表示环境的3D点云;接收所述环境的2D图像;处理所述3D点云,以识别所述...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。