System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及自动驾驶,尤其涉及一种道闸的检测方法、装置、车辆和介质。
技术介绍
1、道路闸机简称为道闸,通常分布在停车场、小区门口、收费站、车辆出入口等地方,道闸的使用可以有效控制车辆进出,以实现安全管理和交通流量控制,并被广泛应用于停车场、小区、商业中心等场所。在全场景的自动驾驶技术中,准确识别道闸中的道闸墩位置和闸杆开合状态对于自动驾驶车辆的智能决策和安全驾驶具有重要意义。
2、相关技术中,配备有激光雷达的自动驾驶车辆,可以采用激光雷达点云进行聚类以识别道闸墩位置和闸杆开合状态,然而激光雷达技术在信息识别中的成本较为高昂,并非所有的自动驾驶车辆都配备有激光雷达。因此,相关技术中的检测方法,检测成本较高,适用场景受限。
技术实现思路
1、为解决或部分解决相关技术中存在的问题,本申请提供一种道闸的检测方法、装置、车辆和介质,能够基于纯视觉来检测道路闸机的闸机墩位置和闸杆状态,降低检测成本,扩展适用场景。
2、本申请第一方面提供一种道闸的检测方法,包括:
3、在获取到车辆周视图像之后,对所述周视图像上的目标道闸进行2d检测,确定所述目标道闸的道闸墩第一位置和闸杆状态;
4、使用预先训练的3d占据栅格网络对所述周视图像上的目标道闸进行检测,得到所述目标道闸的道闸墩第二位置;
5、根据所述第一位置和所述第二位置,确定所述目标道闸的道闸墩位置。
6、在一实施方式中,所述周视图像包括多帧不同方位的图像,所述对所述周视图像上
7、对不同方位的图像分别进行目标道闸的关键点检测;
8、对检测到的关键点进行三角化处理,得到所述目标道闸上的各个关键点在车辆坐标系下的坐标;
9、根据各个所述关键点在车辆坐标系下的坐标,确定所述第一位置和所述闸杆状态。
10、在一实施方式中,对不同方位的图像分别使用卷积神经网络进行目标道闸的关键点检测;或者,采用对积几何对检测到的关键点进行三角化处理。
11、在一实施方式中,所述根据各个所述关键点在车辆坐标系下的坐标,确定所述第一位置和所述闸杆状态,包括:
12、根据各个所述关键点在车辆坐标系下的坐标确定各个所述关键点的几何空间关系;
13、根据确定的几何空间关系确定所述闸杆状态。
14、在一实施方式中,所述关键点包括道闸墩接地点、闸杆转动点和闸杆远端点,所述根据各个所述关键点在车辆坐标系下的坐标,确定所述第一位置和所述闸杆状态,包括:
15、根据所述道闸墩接地点、所述闸杆转动点和所述闸杆远端点在车辆坐标系下的坐标,求解所述道闸墩接地点和所述闸杆转动点所在的第一线段与所述闸杆转动点和所述闸杆远端点所在的第二线段形成的夹角;
16、根据所述夹角确定所述闸杆状态。
17、在一实施方式中,所述关键点包括道闸墩接地点和闸杆转动点,所述根据各个所述关键点在车辆坐标系下的坐标,确定所述第一位置和所述闸杆状态,包括:
18、根据所述道闸墩接地点和所述闸杆转动点在车辆坐标系下的坐标确定所述第一位置。
19、在一实施方式中,所述根据所述第一位置和所述第二位置,确定所述目标道闸的道闸墩位置,包括:
20、比对所述第一位置和所述第二位置;
21、根据比对结果确定是否将所述第二位置作为所述目标道闸的道闸墩位置。
22、在一实施方式中,在所述使用预先训练的3d占据栅格网络对所述周视图像上的目标道闸进行检测之前,还包括:
23、获取待训练的图像样本的真实标签,其中,所述真实标签表征所述图像样本上道闸墩真实位置,且该道闸墩真实位置由激光雷达采集的点云数据确定;
24、根据所述图像样本的真实标签,对待训练的3d占据栅格网络进行训练,得到所述预先训练的3d占据栅格网络。
25、在一实施方式中,在所述对所述周视图像上的目标道闸进行2d检测之前,还包括:
26、获取所述车辆的周视图像,其中,所述周视图像通过安装在所述车辆周围的多个视觉传感器采集。
27、本申请第二方面提供一种道闸的检测装置,包括:
28、2d检测模块,其被配置为在获取到车辆周视图像之后,对所述周视图像上的目标道闸进行2d检测,确定所述目标道闸的道闸墩第一位置和闸杆状态;
29、3d检测模块,其被配置为使用预先训练的3d占据栅格网络对所述周视图像上的目标道闸进行检测,得到所述目标道闸的道闸墩第二位置;
30、位置确定模块,其被配置为根据所述道闸墩第一位置和所述道闸墩第二位置,确定所述目标道闸的道闸墩位置。
31、本申请第三方面提供一种车辆,包括:
32、处理器;以及
33、存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如上所述的方法。
34、本申请第四方面提供一种计算机可读存储介质,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如上所述的方法。
35、本申请提供的技术方案可以包括以下有益效果:
36、本申请的技术方案,可以在获取到车辆周视图像之后,对所述周视图像上的目标道闸进行2d检测,确定所述目标道闸的道闸墩第一位置和闸杆状态;使用预先训练的3d占据栅格网络对所述周视图像上的目标道闸进行检测,得到所述目标道闸的道闸墩第二位置;最后,根据所述第一位置和所述第二位置,确定所述目标道闸的道闸墩位置。可见,本申请的技术方案可以通过车辆的周视图像来实现对道路闸机的位置和状态的检测,即基于纯视觉输入来准确地确定道路闸机的道闸墩位置和闸杆状态,有别于激光雷达识别道闸位置和状态的技术方案,进而扩展适用场景,还无需使用价格高昂的激光雷达,降低检测成本。
37、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
本文档来自技高网...【技术保护点】
1.一种道闸的检测方法,其特征在于,包括:
2.根据权利要求1所述的道闸的检测方法,其特征在于,所述周视图像包括多帧不同方位的图像,所述对所述周视图像上的目标道闸进行2D检测,确定所述目标道闸的道闸墩第一位置和闸杆状态,包括:
3.根据权利要求2所述的道闸的检测方法,其特征在于,对不同方位的图像分别使用卷积神经网络进行目标道闸的关键点检测;或者,采用对积几何对检测到的关键点进行三角化处理。
4.根据权利要求2所述的道闸的检测方法,其特征在于,所述根据各个所述关键点在车辆坐标系下的坐标,确定所述第一位置和所述闸杆状态,包括:
5.根据权利要求2所述的道闸的检测方法,其特征在于,所述关键点包括道闸墩接地点、闸杆转动点和闸杆远端点,所述根据各个所述关键点在车辆坐标系下的坐标,确定所述第一位置和所述闸杆状态,包括:
6.根据权利要求2所述的道闸的检测方法,其特征在于,所述关键点包括道闸墩接地点和闸杆转动点,所述根据各个所述关键点在车辆坐标系下的坐标,确定所述第一位置和所述闸杆状态,包括:
7.根据权利要求1所述的道闸
8.根据权利要求1所述的道闸的检测方法,其特征在于,在所述使用预先训练的3D占据栅格网络对所述周视图像上的目标道闸进行检测之前,还包括:
9.根据权利要求1所述的道闸的检测方法,其特征在于,在所述对所述周视图像上的目标道闸进行2D检测之前,还包括:
10.一种道闸的检测装置,其特征在于,包括:
11.一种车辆,其特征在于,包括:
12.一种计算机可读存储介质,其特征在于,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如权利要求1至9中任一项所述的方法。
...【技术特征摘要】
1.一种道闸的检测方法,其特征在于,包括:
2.根据权利要求1所述的道闸的检测方法,其特征在于,所述周视图像包括多帧不同方位的图像,所述对所述周视图像上的目标道闸进行2d检测,确定所述目标道闸的道闸墩第一位置和闸杆状态,包括:
3.根据权利要求2所述的道闸的检测方法,其特征在于,对不同方位的图像分别使用卷积神经网络进行目标道闸的关键点检测;或者,采用对积几何对检测到的关键点进行三角化处理。
4.根据权利要求2所述的道闸的检测方法,其特征在于,所述根据各个所述关键点在车辆坐标系下的坐标,确定所述第一位置和所述闸杆状态,包括:
5.根据权利要求2所述的道闸的检测方法,其特征在于,所述关键点包括道闸墩接地点、闸杆转动点和闸杆远端点,所述根据各个所述关键点在车辆坐标系下的坐标,确定所述第一位置和所述闸杆状态,包括:
6.根据权利要求2所述的道闸的检测方法,其特...
【专利技术属性】
技术研发人员:冯谢星,蒋毅,杨轶林,董远强,周俊豪,吕国锋,
申请(专利权)人:广州小鹏自动驾驶科技有限公司,
类型:发明
国别省市:
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。