车辆状态的确定方法、装置、电子设备和存储介质制造方法及图纸

本公开实施例公开了一种车辆状态的确定方法、装置、电子设备和存储介质，其中，方法包括：基于当前帧图像，确定目标车辆的当前检测框信息；基于当前检测框信息，确定目标车辆的当前观测尺寸、当前观测纵向距离和当前观测横向距离；基于目标车辆的在前状态量、当前观测尺寸、当前观测纵向距离、当前观测横向距离，确定目标车辆的当前状态量，在前状态量包括在前获得的第一数量的历史帧分别对应的优化后的状态量；基于当前状态量，确定目标车辆的当前状态。本公开实施例实现了目标车辆位置、速度、加速等状态的同时确定，相对于现有的滤波方法，可以有效避免加速度对速度、速度对位置的依赖，大大提高获得的目标车辆状态的准确性和稳定性。稳定性。稳定性。

【技术实现步骤摘要】
车辆状态的确定方法、装置、电子设备和存储介质


[0001]本公开涉及计算机视觉技术，尤其是一种车辆状态的确定方法、装置、电子设备和存储介质。

技术介绍

[0002]在自动驾驶场景中，实时且稳定地确定周围动态车辆的状态(比如位置、速度、加速度，等等)，对于车辆行驶安全十分重要，相关技术中，通常基于单目相机滤波方法确定周围动态车辆的状态，比如自上而下分别构建位置、速度、加速度的EKF(Extended Kalman Filter，扩展卡尔曼滤波器)滤波器(即位置滤波器的输出作为速度滤波器的输入，速度滤波器的输出作为加速度滤波器的输入)，进行车辆状态的估计，但是EKF滤波器，由于是自上而下，导致加速度对速度、速度对位置都有很强的依赖性，若优化的位置发生抖动或产生滞后，速度和加速度的抖动和滞后会更加严重，从而导致获得的车辆的状态准确性较差。

技术实现思路

[0003]为了解决上述滤波器获得的车辆状态准确性较差等技术问题，提出了本公开。本公开的实施例提供了一种车辆状态的确定方法、装置、电子设备和存储介质。
[0004]根据本公开实施例的一个方面，提供了一种车辆状态的确定方法，包括：基于当前帧图像，确定目标车辆的当前检测框信息；基于所述当前检测框信息，确定所述目标车辆的当前观测尺寸、当前观测纵向距离和当前观测横向距离；基于所述目标车辆的在前状态量、所述当前观测尺寸、所述当前观测纵向距离、所述当前观测横向距离，确定所述目标车辆的当前状态量，所述在前状态量包括在前获得的第一数量的历史帧分别对应的优化后的状态量；基于所述当前状态量，确定所述目标车辆的当前状态。
[0005]根据本公开实施例的另一个方面，提供了一种车辆状态的确定装置，包括：第一处理模块，用于基于当前帧图像，确定目标车辆的当前检测框信息；第二处理模块，用于基于所述当前检测框信息，确定所述目标车辆的当前观测尺寸、当前观测纵向距离和当前观测横向距离；第三处理模块，用于基于所述目标车辆的在前状态量、所述当前观测尺寸、所述当前观测纵向距离、所述当前观测横向距离，确定所述目标车辆的当前状态量，所述在前状态量包括在前获得的第一数量的历史帧分别对应的优化后的状态量；第四处理模块，用于基于所述当前状态量，确定所述目标车辆的当前状态。
[0006]根据本公开实施例的再一方面，提供一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行本公开上述任一实施例所述的车辆状态的确定方法。
[0007]根据本公开实施例的又一方面，提供一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现本公开上述任一实施例所述的车辆状态的确定方法。
[0008]基于本公开上述实施例提供的车辆状态的确定方法、装置、电子设备和存储介质，
通过目标车辆的检测框估计目标车辆的观测尺寸和观测距离，并结合目标车辆在一定数量的历史帧的状态，通过优化获得当前帧的当前状态，实现了目标车辆位置、速度、加速度等状态的同时确定，相对于现有的滤波方法，可以有效避免加速度对速度、速度对位置的依赖，大大提高获得的目标车辆状态的准确性和稳定性。
[0009]下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。
附图说明
[0010]通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
[0011]图1是本公开提供的车辆状态的确定方法的一个示例性的应用场景；
[0012]图2是本公开一示例性实施例提供的车辆状态的确定方法的流程示意图；
[0013]图3是本公开另一示例性实施例提供的车辆状态的确定方法的流程示意图；
[0014]图4是本公开一示例性实施例提供的步骤203的流程示意图；
[0015]图5是本公开另一示例性实施例提供的步骤203的流程示意图；
[0016]图6是本公开一示例性实施例提供的距离的确定原理示意图；
[0017]图7是本公开一示例性实施例提供的车辆状态的确定装置的结构示意图；
[0018]图8是本公开另一示例性实施例提供的车辆状态的确定装置的结构示意图；
[0019]图9是本公开电子设备一个应用实施例的结构示意图。
具体实施方式
[0020]下面，将参考附图详细地描述根据本公开的示例实施例。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是本公开的全部实施例，应理解，本公开不受这里描述的示例实施例的限制。
[0021]应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
[0022]本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。
[0023]还应理解，在本公开实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。
[0024]还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。
[0025]另外，本公开中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本公开中字符“/”，一般表示前后关联对象是一种“或”的关系。
[0026]还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。
[0027]同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
[0028]以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
[0029]对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
[0030]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
[0031]本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆状态的确定方法，包括：基于当前帧图像，确定目标车辆的当前检测框信息；基于所述当前检测框信息，确定所述目标车辆的当前观测尺寸、当前观测纵向距离和当前观测横向距离；基于所述目标车辆的在前状态量、所述当前观测尺寸、所述当前观测纵向距离、所述当前观测横向距离，确定所述目标车辆的当前状态量，所述在前状态量包括在前获得的第一数量的历史帧分别对应的优化后的状态量；基于所述当前状态量，确定所述目标车辆的当前状态。2.根据权利要求1所述的方法，其中，任一帧对应的所述优化后的状态量包括所述目标车辆在该帧对应的优化后的位置、速度、加速度、尺寸中的至少一种状态；所述基于所述目标车辆的在前状态量、所述当前观测尺寸、所述当前观测纵向距离、所述当前观测横向距离，确定所述目标车辆的当前状态量，包括：基于所述在前状态量、所述当前观测尺寸、所述当前观测纵向距离和所述当前观测横向距离，确定所述目标车辆的当前初始状态量；基于所述在前状态量、所述当前初始状态量、所述当前观测纵向距离和所述当前观测横向距离，采用预设优化算法，对所述当前初始状态量进行优化，获得所述当前帧对应的优化后的状态量；将所述当前帧对应的优化后的状态量作为所述目标车辆的所述当前状态量。3.根据权利要求2所述的方法，其中，所述基于所述在前状态量、所述当前初始状态量、所述当前观测纵向距离和所述当前观测横向距离，采用预设优化算法，对所述当前初始状态量进行优化，获得所述当前帧对应的优化后的状态量，包括：基于所述在前状态量、所述当前初始状态量、所述当前观测纵向距离和所述当前观测横向距离，确定目标函数，所述目标函数包括速度加速度物理约束残差函数、位置速度加速度物理约束残差函数、距离约束残差函数、历史优化约束残差函数、尺寸约束残差函数、速度加速度权重约束残差函数和运动模型置信度约束残差函数中的至少一种；基于所述目标函数，确定当前迭代步长；基于所述当前迭代步长，对所述当前初始状态量进行更新，获得所述当前帧对应的所述优化后的状态量。4.根据权利要求3所述的方法，其中，所述当前迭代步长包括所述当前初始状态量对应的当前帧迭代步长和当前模型置信度迭代步长；所述基于所述当前迭代步长，对所述当前初始状态量进行更新，获得所述当前帧对应的所述优化后的状态量，包括：基于所述当前帧迭代步长，对所述当前初始状态量进行更新，获得所述当前帧对应的所述优化后的状态量；所述方法还包括：基于所述当前模型置信度迭代步长，对在前模型置信度进行更新，获得优化后的当前模型置信度，所述当前模型置信度用于表征所述目标车辆在在后运动过程中匀速运动和匀加速运动的作用比例。5.根据权利要求4所述的方法，其中，所述当前迭代步长还包括各所述历史帧分别对应
的历史帧迭代步长；所述方法还包括：基于各所述历史帧分别对应的所述历史帧迭代步长，对所述在前状态量进行更新，获得各所述历史帧分别对应的优化后状态量。6.根据权利要求3所述的方法，其中，所述基于所述在前状态量、所述当前初始状态量、所述当前观测纵向距离和所述当前观测横向距离，确定目标函数...

【专利技术属性】
技术研发人员：袁贤哲，请求不公布姓名，潘铭星，
申请(专利权)人：北京地平线信息技术有限公司，
类型：发明
国别省市：