目标车辆距离的确定方法、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目标车辆距离的确定方法、装置、电子设备和存储介质，其中，方法包括：基于包含目标车辆的当前帧图像，确定当前帧图像对应的当前帧车道线信息和目标车辆的当前帧检测信息；基于当前帧检测信息和当前帧车道线信息，确定目标车辆的当前帧物理尺寸；基于当前帧检测信息和当前帧物理尺寸，确定当前帧观测量；基于当前帧观测量和在前帧观测量，采用自适应观测噪声的卡尔曼滤波算法，确定目标车辆的目标距离。本公开实施例实现了滤波过程的观测噪声的自适应更新，有效提高处理效率，降低噪声调参的人工成本，使得获得的目标车辆的距离更加鲁棒。目标车辆的距离更加鲁棒。目标车辆的距离更加鲁棒。

【技术实现步骤摘要】
目标车辆距离的确定方法、装置、电子设备和存储介质


[0001]本公开涉及计算机视觉技术，尤其是一种目标车辆距离的确定方法、装置、电子设备和存储介质。

技术介绍

[0002]在自动驾驶场景，自动驾驶辅助系统通常具有前方碰撞预警(Forward Collision Warning，简称：FCW)功能，前方碰撞预警需要获取前方目标的状态，包括距离、速度、加速度，通常可以通过激光雷达测距、毫米波雷达测距、双目视觉测距等方法确定前方目标的状态，但是，由于激光雷达和毫米波雷达成本较高，且难以获得语义信息，双目视觉测距计算量大，导致计算成本较高，为了解决这一问题，提出了基于卡尔曼滤波估计目标的距离，但是，卡尔曼滤波估计方法容易受观测噪声的影响，导致测距精度较低，甚至导致滤波状态发生抖动，相关技术中，通常需要人工进行噪声调参，但是，由于滤波过程中，观测量和状态量不同维度之间的相互影响比较复杂，导致噪声调参工作需要耗费大量人力和时间，效率低，人工成本高。

技术实现思路

[0003]为了解决上述经验函数设计效率低、人工成本高等技术问题，提出了本公开。本公开的实施例提供了一种目标车辆距离的确定方法、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，提供了一种目标车辆距离的确定方法，包括：获取包含目标车辆的当前帧图像；基于所述当前帧图像，确定所述当前帧图像对应的当前帧车道线信息和所述目标车辆的当前帧检测信息；基于所述当前帧检测信息和所述当前帧车道线信息，确定所述目标车辆的当前帧物理尺寸；基于所述当前帧检测信息和所述当前帧物理尺寸，确定当前帧观测量；基于所述当前帧观测量和在前帧观测量，采用自适应观测噪声的卡尔曼滤波算法，确定所述目标车辆的目标距离，所述在前帧观测量包括第一数量的历史帧分别对应的观测量。
[0005]根据本公开实施例的另一个方面，提供了一种目标车辆距离的确定装置，包括：第一获取模块，用于获取包含目标车辆的当前帧图像；第一处理模块，用于基于所述当前帧图像，确定所述当前帧图像对应的当前帧车道线信息和所述目标车辆的当前帧检测信息；第二处理模块，用于基于所述当前帧检测信息和所述当前帧车道线信息，确定所述目标车辆的当前帧物理尺寸；第三处理模块，用于基于所述当前帧检测信息和所述当前帧物理尺寸，确定当前帧观测量；第四处理模块，用于基于所述当前帧观测量和在前帧观测量，采用自适应观测噪声的卡尔曼滤波算法，确定所述目标车辆与当前车辆的目标距离，所述在前帧观测量包括第一数量的历史帧分别对应的观测量。
[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目标车辆距离的确定方法。
[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目标车辆距离的确定方法。
[0008]基于本公开上述实施例提供的目标车辆距离的确定方法、装置、电子设备和存储介质，可以基于包含目标车辆的当前帧图像确定当前帧车道线信息和目标车辆的当前帧检测信息，基于当前帧检测信息和所述当前帧车道线信息，确定所述目标车辆的当前帧物理尺寸，基于所述当前帧检测信息和所述当前帧物理尺寸，确定当前帧观测量，进而基于所述当前帧观测量和在前帧观测量，采用自适应观测噪声的卡尔曼滤波算法，确定所述目标车辆的目标距离，实现了滤波过程的观测噪声的自适应更新，有效提高处理效率，降低噪声调参的人工成本，并且可以减少由于图像处理模型更新、迭代、传感器升级、环境变化等带来的噪声调参工作量，使得获得的目标车辆的距离更加鲁棒。
[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是本公开提供的目标车辆距离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目标车辆距离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目标车辆距离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2032的流程示意图；
[0015]图5是本公开一示例性实施例提供的基于车道信息确定车宽的原理示意图；
[0016]图6是本公开一示例性实施例提供的车宽测距的原理示意图；
[0017]图7是本公开一示例性实施例提供的目标车辆距离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目标车辆距离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]为了解释本公开，下面将参考附图详细地描述本公开的示例实施例，显然，所描述的实施例仅是本公开的一部分实施例，而不是全部实施例，应理解，本公开不受示例性实施例的限制。
[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]本公开概述
[0023]在实现本公开的过程中，专利技术人发现，在自动驾驶场景，自动驾驶辅助系统通常具有前方碰撞预警(Forward Collision Warning，简称：FCW)功能，前方碰撞预警需要获取前方目标的状态，包括距离、速度、加速度，通常可以通过激光雷达测距、毫米波雷达测距、双
目视觉测距等方法确定前方目标的状态，但是，由于激光雷达和毫米波雷达成本较高，且难以获得语义信息，双目视觉测距计算量大，导致计算成本较高，为了解决这一问题，提出了基于卡尔曼滤波估计目标的距离，但是，卡尔曼滤波估计方法容易受观测噪声的影响，导致测距精度较低，甚至导致滤波状态发生抖动，相关技术中，通常需要人工进行噪声调参，但是，由于滤波过程中，观测量和状态量不同维度之间的相互影响比较复杂，导致噪声调参工作需要耗费大量人力和时间，效率低，人工成本高。
[0024]示例性概述
[0025]图1是本公开提供的目标车辆距离的确定方法的一个示例性的应用场景。
[0026]在自动驾驶场景，对于自车周围的车辆(比如自车前方的目标车辆、自车后方的目标车辆)可以作为目标车辆，利用本公开实施例提供的目标车辆距离的确定方法，可以通过自车上的摄像头获取包含目标车辆的当前帧图像，基于当前帧图像，确定当前帧图像对应的当前帧车道线信息和目标车辆的当前帧检测信息，当前帧车道线信息可以包括当前帧图像上属于车道线的像素点集，目标车辆的当前帧检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标车辆距离的确定方法，包括：获取包含目标车辆的当前帧图像；基于所述当前帧图像，确定所述当前帧图像对应的当前帧车道线信息和所述目标车辆的当前帧检测信息；基于所述当前帧检测信息和所述当前帧车道线信息，确定所述目标车辆的当前帧物理尺寸；基于所述当前帧检测信息和所述当前帧物理尺寸，确定当前帧观测量；基于所述当前帧观测量和在前帧观测量，采用自适应观测噪声的卡尔曼滤波算法，确定所述目标车辆的目标距离，所述在前帧观测量包括第一数量的历史帧分别对应的观测量。2.根据权利要求1所述的方法，其中，所述基于所述当前帧观测量和在前帧观测量，采用自适应观测噪声的卡尔曼滤波算法，确定所述目标车辆的目标距离，包括：基于前一帧后验状态量和状态转移矩阵，确定当前帧先验状态量，所述前一帧后验状态量为基于前一帧先验状态量进行滤波后获得的状态量；基于前一帧后验误差协方差矩阵、所述状态转移矩阵和前一帧系统噪声矩阵，确定当前帧先验误差协方差矩阵；基于所述当前帧先验状态量、在前帧先验状态量、所述当前帧观测量和所述在前帧观测量，确定当前帧新息，所述在前帧先验状态量包括所述第一数量的历史帧分别对应的先验状态量；基于所述当前帧新息、观测矩阵和所述当前帧先验误差协方差矩阵，确定当前帧观测噪声；基于所述当前帧观测噪声、所述当前帧先验误差协方差矩阵、所述观测矩阵、所述当前帧观测量和所述当前帧先验状态量，确定所述目标距离。3.根据权利要求2所述的方法，其中，所述基于所述当前帧先验状态量、在前帧先验状态量、所述当前帧观测量和所述在前帧观测量，确定当前帧新息，包括：基于所述当前帧先验状态量和所述观测矩阵，确定当前帧预测观测量；基于所述在前帧先验状态量和所述观测矩阵，确定在前帧预测观测量；基于所述当前帧预测观测量、所述当前帧观测量、所述在前帧预测观测量和所述在前帧观测量，确定所述当前帧新息。4.根据权利要求3所述的方法，其中，所述基于所述当前帧观测噪声、所述当前帧先验误差协方差矩阵、所述观测矩阵、所述当前帧观测量和所述当前帧先验状态量，确定所述目标距离，包括：基于所述当前帧观测噪声、所述当前帧先验误差协方差矩阵和所述观测矩阵，确定当前帧卡尔曼增益；基于所述当前帧卡尔曼增益、所述当前帧观测量、所述当前帧预测观测量和所述当前帧先验状态量，确定当前帧后验状态量；基于所述当前帧后验状态量，确定所述目标距离。5.根据权利要求4所述的方法，其中，在所述基于所述当前帧观测噪声、所述当前帧先验误差协方差矩阵和所述观测矩阵，确定当前帧卡尔曼增益之后，还包括：
基于所述当前帧先验误差协方差矩阵、所述当前帧卡尔曼增益和所述观测矩阵，确定当前帧后验误差协方差矩阵。6.根据权利要求1所述的方法，其中，所述当前帧检测信息包括所述目标车辆的当前帧全车框信息、当前帧车尾框信息和目标类型；所述基于所述当前帧检测信息和所述...

【专利技术属性】
技术研发人员：张京林，
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：