障碍物车辆位姿估计方法及设备技术

本申请公开了一种障碍物车辆位姿估计方法及设备，该方法包括：识别自车环境图像中目标障碍物车辆的各当前边界框，其中，当前边界框为整车边界框、头尾边界框或者车轮边界框；基于各当前边界框确定估计场景；根据估计场景和各当前边界框确定目标障碍物车辆在自车环境图像中的测距点，以估计相对位置；根据估计场景从各当前边界框中选取目标边界框，并基于目标边界框确定朝向。本申请加入车轮边界框，再结合整车边界框、头尾边界框，区分出不同的估计场景，在不同的估计场景下选取针对性的方式以完成障碍物车辆位姿估计。相比于常规技术方案，提高了位姿估计的准确性，从而提高自动泊车的成功率。泊车的成功率。泊车的成功率。

【技术实现步骤摘要】
障碍物车辆位姿估计方法及设备


[0001]本申请涉及自动驾驶领域，尤其涉及一种障碍物车辆位姿估计方法及设备。

技术介绍

[0002]自主泊车是智能驾驶中一项重要任务。车辆泊车系统多搭载360度全景环视相机系统，由多个广角鱼眼相机组成，来达到消除视野盲区的目的。在自动泊车过程中需依据自车周边行人、车辆（主要目标）、锥筒等障碍物的位置来进行路径规划。因此，环视相机下的障碍物位姿估算是实现自主泊车功能要解决的关键问题。其中，泊车过程中常见的障碍物为其他车辆。目前自动泊车系统会使用轻量级深度学习框架来识别目标障碍物车辆，轻量级深度学习框架消耗资源少便于实施，但同时也由于受到车辆硬件以及深度学习方法的限制，现有方案识别目标障碍物车辆位姿的精度较低，从而影响到自动泊车的成功率。
[0003]上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

[0004]本申请的主要目的在于提供一种障碍物车辆位姿估计方法及设备，旨在解决当前自动泊车系统识别目标障碍物车辆位姿的精度较低的技术问题。
[0005]为实现上述目的，本申请提供一种障碍物车辆位姿估计方法，所述位姿包括目标障碍物车辆相对于自车的相对位置和目标障碍物车辆的朝向，所述障碍物车辆位姿估计方法包括以下步骤：识别自车环境图像中目标障碍物车辆的各当前边界框，其中，所述当前边界框为整车边界框、头尾边界框或者车轮边界框；基于各所述当前边界框确定估计场景；根据所述估计场景和各所述当前边界框确定所述目标障碍物车辆在所述自车环境图像中的测距点，以估计所述相对位置；根据所述估计场景从各所述当前边界框中选取目标边界框，并基于所述目标边界框确定所述朝向进一步的，所述基于各所述当前边界框确定估计场景的步骤包括：若各所述当前边界框中存在所述整车边界框和所述头尾边界框，且不存在所述车轮边界框，其中，所述整车边界框和所述头尾边界框大小相同，则判定所述估计场景为预设第一估计场景；若各所述当前边界框中存在所述整车边界框和所述头尾边界框，且不存在所述车轮边界框，其中，所述头尾边界框的宽度小于预设第一阈值或者无所述头尾边界框的类型信息，则判定所述估计场景为预设第二估计场景；若各所述当前边界框中存在所述整车边界框和所述头尾边界框，且不存在所述车轮边界框，其中，所述头尾边界框的宽度大于或等于所述第一阈值，且所述头尾边界框和所
述整车边界框大小不同，则判定所述估计场景为预设第三估计场景；若各所述当前边界框中存在所述车轮边界框，且所述车轮边界框的数量为1，则判定所述估计场景为预设第四估计场景；若各所述当前边界框中存在所述车轮边界框，且所述车轮边界框的数量为2，则判定所述估计场景为预设第五估计场景。
[0006]进一步的，所述根据所述估计场景和各所述当前边界框确定所述目标障碍物车辆在所述自车环境图像中的测距点的步骤包括：若所述估计场景为所述预设第一估计场景、所述预设第三估计场景或者所述预设第四估计场景，则将所述头尾边界框中底边的中点作为所述测距点，其中，所述底边为边界框中靠近地面一侧的边；若所述估计场景为所述预设第二估计场景，则将所述整车边界框中底边的中点作为所述测距点；若所述估计场景为所述预设第五估计场景，则将两所述车轮边界框中底边的中点连线的中点作为所述测距点。
[0007]进一步的，所述自车存储有所述目标障碍物车辆的先验信息，所述根据所述估计场景从各所述当前边界框中选取目标边界框，并基于所述目标边界框确定所述朝向的步骤包括：若所述估计场景为所述预设第一估计场景，则所述目标边界框为所述头尾边界框；根据所述头尾边界框确定所述目标障碍物车辆的观测宽度；将所述观测宽度与所述先验信息中的实际宽度比较；若所述观测宽度与所述实际宽度之间的差值小于第二预设阈值，则判定所述目标障碍物车辆的头部或者尾部与自车对齐，并基于所述头尾边界框的类型确定所述朝向，其中，所述头尾边界框的类型包括车头框和车尾框。
[0008]进一步的，所述根据所述估计场景从各所述当前边界框中选取目标边界框，并基于所述目标边界框确定所述朝向的步骤还包括：若所述估计场景为所述预设第二估计场景，则所述目标边界框为所述整车边界框；根据所述整车边界框确定所述目标障碍物车辆的观测长度；将所述观测长度与所述先验信息中的实际长度进行比较；若所述观测长度与所述实际长度差值小于第三预设阈值，则判定所述目标障碍物车辆的侧面与自车对齐，并在存在有所述头尾边界框的类型时，基于所述头尾边界框的类型确定所述朝向。
[0009]进一步的，所述根据所述估计场景从各所述当前边界框中选取目标边界框，并基于所述目标边界框确定所述朝向的步骤还包括：若所述估计场景为所述预设第三估计场景，则所述目标边界框为所述头尾边界框，或所述头尾边界框和所述整车边界框；则根据所先验信息中所述目标障碍物车辆的观测尺寸与所述目标障碍物车辆的实际尺寸比计算得到观测角，其中，所述观测尺寸为根据所述头尾边界框确定，或根据所述
头尾边界框和所述整车边界框确定；根据所述观测点与自车之间的相对角度、所述观测角以及所述头尾边界框的类型确定所述朝向，其中，所述相对角度和所述观测角之和为所述朝向的朝向角。
[0010]进一步的，所述根据所述估计场景从各所述当前边界框中选取目标边界框，并基于所述目标边界框确定所述朝向的步骤还包括：若所述估计场景为所述预设第四估计场景，则所述目标边界框为所述车轮边界框：根据所述车轮边界框的宽长比计算所述观测角；根据所述障碍物车辆的接地点与自车之间的相对角度、所述观测角以及所述头尾边界框的类型确定所述朝向，其中，所述接地点为所述车轮边界框的底边中点，所述相对角度、所述观测角和预设修正角之和为所述朝向角。
[0011]进一步的，所述根据所述估计场景从各所述当前边界框中选取目标边界框，并基于所述目标边界框确定所述朝向的步骤还包括：若所述估计场景为所述预设第五估计场景，则所述目标边界框为两所述车轮边界框；基于两所述车轮边界框中底边的中点的连线以及所述头尾边界框的类型确定所述朝向。
[0012]进一步的，所述识别自车环境图像中目标障碍物车辆的各当前边界框的步骤包括：根据所述目标障碍物车辆的历史边界框数据提取各所述当前边界框的变化趋势；根据所述变化趋势修正对所述目标障碍物车辆追踪的实时结果得到各所述当前边界框。
[0013]进一步的，所述当前边界框还包括侧框，所述侧框为所述整车边界框去除与所述头尾边界框重叠区域的结果，在所述根据所述变化趋势修正对所述目标障碍物车辆实时追踪的结果得到各所述当前边界框的步骤之后，所述方法包括：计算所述侧框与所述车轮边界框的重叠面积；判断所述重叠面积与所述车轮边界框的面积的比值是否大于预设第四阈值；若所述比值大于所述预设第四阈值，则判定所述车轮边界框属于所述目标障碍物车辆。
[0014]此外，为实现上述目的，本申请还提供一种目标障碍物车辆位姿估计设备，所述目标障碍物车辆位姿估计设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的目标障碍物车辆位姿估计程序，所述目标障碍物本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种障碍物车辆位姿估计方法，其特征在于，所述位姿包括目标障碍物车辆相对于自车的相对位置和目标障碍物车辆的朝向，所述障碍物车辆位姿估计方法包括以下步骤：识别自车环境图像中目标障碍物车辆的各当前边界框，其中，所述当前边界框为整车边界框、头尾边界框或者车轮边界框；基于各所述当前边界框确定估计场景；根据所述估计场景和各所述当前边界框确定所述目标障碍物车辆在所述自车环境图像中的测距点，以估计所述相对位置；根据所述估计场景从各所述当前边界框中选取目标边界框，并基于所述目标边界框确定所述朝向。2.如权利要求1所述的障碍物车辆位姿估计方法，其特征在于，所述基于各所述当前边界框确定估计场景的步骤包括：若各所述当前边界框中存在所述整车边界框和所述头尾边界框，且不存在所述车轮边界框，其中，所述整车边界框和所述头尾边界框大小相同，则判定所述估计场景为预设第一估计场景；若各所述当前边界框中存在所述整车边界框和所述头尾边界框，且不存在所述车轮边界框，其中，所述头尾边界框的宽度小于预设第一阈值或者无所述头尾边界框的类型信息，则判定所述估计场景为预设第二估计场景；若各所述当前边界框中存在所述整车边界框和所述头尾边界框，且不存在所述车轮边界框，其中，所述头尾边界框的宽度大于或等于所述第一阈值，且所述头尾边界框和所述整车边界框大小不同，则判定所述估计场景为预设第三估计场景；若各所述当前边界框中存在所述车轮边界框，且所述车轮边界框的数量为1，则判定所述估计场景为预设第四估计场景；若各所述当前边界框中存在所述车轮边界框，且所述车轮边界框的数量为2，则判定所述估计场景为预设第五估计场景。3.如权利要求2所述的障碍物车辆位姿估计方法，其特征在于，所述根据所述估计场景和各所述当前边界框确定所述目标障碍物车辆在所述自车环境图像中的测距点的步骤包括：若所述估计场景为所述预设第一估计场景、所述预设第三估计场景或者所述预设第四估计场景，则将所述头尾边界框中底边的中点作为所述测距点，其中，所述底边为边界框中靠近地面一侧的边；若所述估计场景为所述预设第二估计场景，则将所述整车边界框中底边的中点作为所述测距点；若所述估计场景为所述预设第五估计场景，则将两所述车轮边界框中底边的中点连线的中点作为所述测距点。4.如权利要求3所述的障碍物车辆位姿估计方法，其特征在于，所述自车存储有所述目标障碍物车辆的先验信息，所述根据所述估计场景从各所述当前边界框中选取目标边界框，并基于所述目标边界框确定所述朝向的步骤包括：若所述估计场景为所述预设第一估计场景，则所述目标边界框为所述头尾边界框；根据所述头尾边界框确定所述目标障碍物车辆的观测宽度；
将所述观测宽度与所述先验信息中的实际宽度比较；若所述观测宽度与所述实际宽度之间的差值小于第二预设阈值，则判定所述目标障碍物车辆的头部或者尾部与自车对齐，并基于所述头尾边界框的类型确定所述朝向，其中，所述头尾边界框的类型包括车头框和车尾框。5.如权利要求4所述的障碍物车辆位姿估计方法，其特征在于，所述根据所述估计场景从各所述当前边界框中选取目标边界框，并基于所述目标边界框确定所述朝向的步骤还包括：若所述估计场景为所述预设第二估计场景，则所述目标边界框为所述整车边界框；根据所述整车边界框确定所述目标障碍物车辆的观测长度；将所述观测长度与所述先验...

【专利技术属性】
技术研发人员：李悦铭，张萌，丁晟，盖杰，吴国苏州，
申请(专利权)人：杭州枕石智能科技有限公司，
类型：发明
国别省市：