亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

可行駛區(qū)域檢測方法、裝置和電子設備與流程

文檔序號:12178020閱讀:336來源:國知局
可行駛區(qū)域檢測方法、裝置和電子設備與流程

本申請涉及輔助駕駛領域,且更具體地,涉及一種可行駛區(qū)域檢測方法、裝置、電子設備、計算機程序產(chǎn)品和計算機可讀存儲介質(zhì)。



背景技術:

近年來隨著交通工具(例如,車輛)產(chǎn)業(yè)的高速發(fā)展,交通事故已經(jīng)成為全球性的問題,全世界每年交通事故的死傷人數(shù)估計超過50萬人,因此集自動控制、人工智能、模式識別等技術于一體的輔助駕駛技術應運而生。輔助駕駛技術能夠在用戶駕駛交通工具時向用戶提供必要的信息和/或警告,以避免產(chǎn)生碰撞、偏離軌跡等危險情況。在某些情況下,甚至可以使用輔助駕駛技術來自動地控制交通工具行進。

一直以來,可行駛區(qū)域檢測都是輔助駕駛技術中的關鍵部分之一。目前已經(jīng)提出了很多基于障礙物檢測的可行駛區(qū)域檢測方法,障礙物檢測例如是在車輛輔助駕駛應用場景中的車輛/行人檢測功能。但是,現(xiàn)有的障礙物檢測功能往往不能覆蓋行駛環(huán)境中的所有不可行駛區(qū)域。例如,在障礙物僅僅部分出現(xiàn)在所拍攝的行駛環(huán)境的圖像信息中的情況下,或者由于拍攝時的天氣、亮度等條件,或由于障礙物與其周邊物體的亮度、色彩的差別很小的情況下,常常難以對障礙物進行正確的識別,從而導致無法獲得正確的可行駛區(qū)域。

因此,現(xiàn)有的可行駛區(qū)域檢測技術是不準確且不可靠的。



技術實現(xiàn)要素:

為了解決上述技術問題,提出了本申請。本申請的實施例提供了一種可行駛區(qū)域檢測方法、裝置、電子設備、計算機程序產(chǎn)品和計算機可讀存儲介質(zhì),其能夠可靠地檢測行駛環(huán)境中的可行駛區(qū)域。

根據(jù)本申請的一個方面,提供了一種可行駛區(qū)域檢測方法,包括:獲取成像器件所采集的行駛環(huán)境的圖像信息;根據(jù)所述圖像信息來檢測所述行駛環(huán)境的環(huán)境邊界;檢測所述行駛環(huán)境中的障礙物;以及根據(jù)所述環(huán)境邊界和所述障礙物來確定所述行駛環(huán)境中的可行駛區(qū)域。

根據(jù)本申請的另一方面,提供了一種可行駛區(qū)域檢測裝置,包括:圖像獲取單元,用于獲取成像器件所采集的行駛環(huán)境的圖像信息;邊界檢測單元,用于根據(jù)所述圖像信息來檢測所述行駛環(huán)境的環(huán)境邊界;障礙物檢測單元,用于檢測所述行駛環(huán)境中的障礙物;以及區(qū)域確定單元,用于根據(jù)所述環(huán)境邊界和所述障礙物來確定所述行駛環(huán)境中的可行駛區(qū)域。

根據(jù)本申請的另一方面,提供了一種電子設備,包括:處理器;存儲器;以及存儲在所述存儲器中的計算機程序指令,所述計算機程序指令在被所述處理器運行時使得所述處理器執(zhí)行上述的可行駛區(qū)域檢測方法。

根據(jù)本申請的另一方面,提供了一種計算機程序產(chǎn)品,包括計算機程序指令,所述計算機程序指令在被處理器運行時使得所述處理器執(zhí)行上述的可行駛區(qū)域檢測方法。

根據(jù)本申請的另一方面,提供了一種計算機可讀存儲介質(zhì),其上存儲有計算機程序指令,所述計算機程序指令在被處理器運行時使得所述處理器執(zhí)行上述的可行駛區(qū)域檢測方法。

與現(xiàn)有技術相比,采用根據(jù)本申請實施例的可行駛區(qū)域檢測方法、裝置、電子設備、計算機程序產(chǎn)品和計算機可讀存儲介質(zhì),可以根據(jù)行駛環(huán)境的圖像信息來檢測所述行駛環(huán)境的環(huán)境邊界,檢測所述行駛環(huán)境中的障礙物,并且根據(jù)所述環(huán)境邊界和所述障礙物來確定所述行駛環(huán)境中的可行駛區(qū)域。因此,與如現(xiàn)有技術那樣、對障礙物進行單一檢測的情況相比,通過對行駛環(huán)境的環(huán)境邊界的檢測結果和行駛環(huán)境中的障礙物的檢測結果進行融合互補,能夠可靠地檢測行駛環(huán)境中的可行駛區(qū)域。

附圖說明

通過結合附圖對本申請實施例進行更詳細的描述,本申請的上述以及其他目的、特征和優(yōu)勢將變得更加明顯。附圖用來提供對本申請實施例的進一步理解,并且構成說明書的一部分,與本申請實施例一起用于解釋本申請,并不構成對本申請的限制。在附圖中,相同的參考標號通常代表相同部件或步驟。

圖1圖示了根據(jù)本申請實施例的成像器件所采集到的行駛環(huán)境的圖像信息的示意圖。

圖2圖示了根據(jù)本申請實施例的可行駛區(qū)域檢測方法的流程圖。

圖3圖示了根據(jù)本申請實施例的檢測環(huán)境邊界步驟的流程圖。

圖4圖示了根據(jù)本申請實施例的檢測障礙物步驟的流程圖。

圖5圖示了根據(jù)本申請實施例的檢測環(huán)境邊界步驟的流程圖。

圖6圖示了根據(jù)本申請實施例的可行駛區(qū)域確定步驟的流程圖。

圖7圖示了根據(jù)本申請實施例的可行駛區(qū)域檢測裝置的框圖。

圖8圖示了根據(jù)本申請實施例的電子設備的框圖。

具體實施方式

下面,將參考附圖詳細地描述根據(jù)本申請的示例實施例。顯然,所描述的實施例僅僅是本申請的一部分實施例,而不是本申請的全部實施例,應理解,本申請不受這里描述的示例實施例的限制。

申請概述

如上所述,現(xiàn)有技術中的障礙物檢測功能往往不能覆蓋行駛環(huán)境中的所有不可行駛區(qū)域。

針對該技術問題,本申請的基本構思是提出一種新的可行駛區(qū)域檢測方法、裝置、電子設備、計算機程序產(chǎn)品和計算機可讀存儲介質(zhì),其可以檢測所述行駛環(huán)境的環(huán)境邊界,檢測所述行駛環(huán)境中的障礙物,并且將上述兩個檢測結果相融合,以綜合地確定所述行駛環(huán)境中的可行駛區(qū)域。

本申請的實施例可以應用于各種場景。例如,本申請的實施例可以用于對交通工具所處的行駛環(huán)境的可行駛區(qū)域進行估計。例如,該交通工具可以是不同的類型,其可以是車輛、飛行器、航天器、水中運載工具等。為了便于說明,下面將以車輛作為交通工具的示例來繼續(xù)描述。

例如,為了實現(xiàn)輔助駕駛等目的,在車輛上可以裝備有一個或多個成像器件。這些成像器件可以用于采集關于行駛環(huán)境的圖像信息,以防止當前車輛與路面上的障礙物產(chǎn)生碰撞并指引當前車輛選取正確的路線等等。

圖1圖示了根據(jù)本申請實施例的成像器件所采集到的行駛環(huán)境的圖像信息的示意圖。

如圖1所示,當前車輛正行駛在作為其典型性行駛環(huán)境的道路路面上。在該道路路面上存在3個障礙物(作為其他車輛的障礙物1、障礙物2、和障礙物3)、3條車道線(車道線1、車道線2、和車道線3)、和中央隔離帶等物體。

現(xiàn)有的障礙物檢測方法通常是基于視覺特征來實現(xiàn)的,這是由于各種障礙物的外形常常具有一些典型的規(guī)律,例如,車輛具有對稱性、顏色、陰影、幾何特征(如角點、邊緣)、紋理、車燈等,而行人的人體結構也具有相對的穩(wěn)定性,且不同部位的顏色之間差異較小一般,因此,目前往往采用機器學習/模式識別的方法來實現(xiàn)諸如車輛、行人的障礙物檢測。在通常情況下,這種障礙物檢測方法是有效的。例如,圖1所示的障礙物1和障礙物2由于存在車輛典型的外形特征,能夠被準確地檢測出來,并以方框進行標記,以用于后續(xù)的跟蹤和車牌識別。然而,圖1所示的障礙物3由于距離當前車輛較近,成像器件僅僅捕捉到其車身的部分區(qū)域,而無法拍攝到通常作為車輛識別特征的尾部區(qū)域,所以可能無法被準確地識別出來。

這樣,如果當前車輛在這種情況下繼續(xù)使用錯誤的圖像分析和處理結果來執(zhí)行輔助駕駛操作,則可能會對道路狀況產(chǎn)生錯誤的判斷,導致車輛采取向右加速并線等危險措施,產(chǎn)生交通安全隱患。

為此,在本申請的實施例中,可以根據(jù)行駛環(huán)境的圖像信息來檢測所述行駛環(huán)境的環(huán)境邊界,檢測所述行駛環(huán)境中的障礙物,并且根據(jù)所述環(huán)境邊界和所述障礙物來確定所述行駛環(huán)境中的可行駛區(qū)域。因此,根據(jù)該基本構思的本申請實施例能夠可靠地檢測行駛環(huán)境中的可行駛區(qū)域。

當然,盡管上面以交通工具為例對本申請的實施例進行了說明,但是本申請不限于此。本申請的實施例可以應用于諸如可移動機器人等各種電子設備。

下面,將結合圖1的應用場景,參考附圖來描述根據(jù)本申請的各個實施例。

示例性方法

圖2圖示了根據(jù)本申請實施例的可行駛區(qū)域檢測方法的流程圖。

如圖2所示,根據(jù)本申請實施例的可行駛區(qū)域檢測方法可以包括:

在步驟S110中,獲取成像器件所采集的行駛環(huán)境的圖像信息。

例如,該成像器件可以是用于捕捉圖像信息的圖像傳感器,其可以是攝像頭或攝像頭陣列。例如,圖像傳感器所采集到的圖像信息可以是連續(xù)圖像幀序列(即,視頻流)或離散圖像幀序列(即,在預定采樣時間點采樣到的圖像數(shù)據(jù)組)等。例如,該攝像頭可以是如單目相機、雙目相機、多目相機等,另外,其可以用于捕捉灰度圖,也可以捕捉帶有顏色信息的彩色圖。當然,本領域中已知的以及將來可能出現(xiàn)的任何其他類型的相機都可以應用于本申請,本申請對其捕捉圖像的方式?jīng)]有特別限制,只要能夠獲得輸入圖像的灰度或顏色信息即可。為了減小后續(xù)操作中的計算量,在一個實施例中,可以在進行分析和處理之前,將彩色圖進行灰度化處理。

例如,在成像器件裝備在車輛上的應用場景中,可以通過該成像器件獲取當前車輛所處的道路路面的圖像信息,如圖1所示。

在步驟S120中,根據(jù)所述圖像信息來檢測所述行駛環(huán)境的環(huán)境邊界。

在獲取到成像器件所采集的當前車輛所處的道路路面的圖像信息之后,可以通過各種方法來檢測所述行駛環(huán)境的環(huán)境邊界。

圖3圖示了根據(jù)本申請實施例的檢測環(huán)境邊界步驟的流程圖。

如圖3所示,步驟S120可以包括:

在子步驟S121中,使用第一深度學習模型來從所述道路路面的圖像信息中檢測所述道路路面的路面邊界,所述第一深度學習模型是預先根據(jù)訓練用的路面邊界的樣本數(shù)據(jù)訓練完成的。

例如,所述路面邊界可以為以下各項中的至少一個:路沿、隔離帶、綠化帶、護欄、車道線、和其他車輛的邊緣。

例如,可以預先采集道路路面上可能出現(xiàn)的各種路面邊界的樣本圖像,建立樣本庫,對各種路面邊界進行特征提取,通過機器學習方法訓練得到路面邊界的分類器,例如路沿分類器、隔離帶分類器等。

在實際檢測過程中,對采集到的道路路面的圖像背景初始化,對所述路面圖像進行特征提取,結合通過所述機器學習方法訓練得到的路面邊界的分類器,進行路面邊界檢測和跟蹤。

在子步驟S122中,根據(jù)所述成像器件的標定參數(shù)來確定所述路面邊界相對于所述當前車輛的位置坐標。

由于制造公差,在將成像器件安裝到車輛上之后,每輛車都必須執(zhí)行獨立的終檢線攝像機校準(end-of-line camera calibration)或后續(xù)市場攝像機調(diào)節(jié),以便確定成像器件在該車輛上的俯仰角等標定參數(shù),從而最終用于輔助駕駛等目的。例如,所述標定參數(shù)可以是指所述成像器件的外參矩陣,其可以包括所述成像器件相對于所述當前車輛的形式方向的俯仰角和傾斜角等中的一個或多個。當在圖像信息中檢測到路面邊界之后,可以根據(jù)該校準后的俯仰角等和預設的算法,根據(jù)路面邊界在圖像中的位置來計算該路面邊界與當前車輛的距離和角度。

例如,如圖1所示,與現(xiàn)有技術中不同地,在接收到圖1所示的道路路面的圖像信息之后,可以根據(jù)該圖像信息檢測到在該道路路面中存在3條車道線(車道線1、車道線2、和車道線3)和中央隔離帶,作為路面邊界,還可以檢測到在該道路路面中存在1個障礙物(作為其他車輛的障礙物3)的邊緣,作為路面邊界。顯然,這樣的檢測結果更加符合實際情況,這是由于在輔助駕駛過程中,由障礙物3所占據(jù)的區(qū)域顯然無法駛入,因此應該將該區(qū)域作為臨時性的路面邊界為宜。

返回參考圖2,在步驟S130中,檢測所述行駛環(huán)境中的障礙物。

在根據(jù)所述圖像信息來檢測所述行駛環(huán)境的環(huán)境邊界之前、之后或與之同時地,還可以通過各種方法來檢測所述行駛環(huán)境中的障礙物。

圖4圖示了根據(jù)本申請實施例的檢測障礙物步驟的流程圖。

如圖4所示,步驟S130可以包括:

在子步驟S131中,使用第二深度學習模型來從所述道路路面的圖像信息中檢測所述行駛環(huán)境中的障礙物,所述第二深度學習模型是預先根據(jù)訓練用的障礙物的樣本數(shù)據(jù)訓練完成的。

例如,所述障礙物可以為以下各項中的至少一個:行人、動物、遺撒物、警示牌、隔離墩、和其他車輛。

例如,可以預先采集道路路面上可能出現(xiàn)的各種障礙物的樣本圖像,建立樣本庫,對各種障礙物進行特征提取,通過機器學習方法訓練得到障礙物的分類器,例如行人分類器、車輛分類器等。

在實際檢測過程中,對采集到的道路路面的圖像背景初始化,對所述路面圖像進行特征提取,結合通過所述機器學習方法訓練得到的障礙物的分類器,進行障礙物檢測和跟蹤。

在子步驟S132中,根據(jù)所述成像器件的標定參數(shù)來確定所述障礙物相對于所述當前車輛的位置坐標。

當在圖像信息中檢測到障礙物之后,可以根據(jù)校準后的俯仰角等標定參數(shù)和預設的算法,根據(jù)障礙物在圖像中的位置來計算該障礙物與當前車輛的距離和角度。

例如,如圖1所示,與現(xiàn)有技術中類似地,在接收到圖1所示的道路路面的圖像信息之后,可以根據(jù)該圖像信息檢測到在該道路路面中存在2個障礙物(作為其他車輛的障礙物1和障礙物2)。

需要說明的是,盡管上面以基于圖像特征的檢測方法為例說明了檢測道路路面上的路面邊界和障礙物的具體操作,但是本申請不限于此。例如,還可以采用諸如光流跟蹤算法、CamShift、粒子濾波算法等任何公知的或者將來所開發(fā)出來的各種算法來實現(xiàn)目標物體的識別和跟蹤。除此之外,在本申請的其他實施例中,還可以采用諸如深度傳感器之類的其他方法來檢測路面邊界和障礙物。下面,將以使用深度傳感器來檢測障礙物為例進行說明。

圖5圖示了根據(jù)本申請實施例的檢測環(huán)境邊界步驟的流程圖。

如圖5所示,步驟S130可以包括:

在子步驟S133中,獲取深度傳感器所采集的所述當前車輛的行駛方向中的深度信息。

深度傳感器可以是任何合適的傳感器,比如基于雙目視差圖測量深度的雙目相機或基于紅外線的照射測量深度的紅外線深度傳感器。例如,深度傳感器可以生成諸如深度圖之類的深度信息,以用于測量障礙物相對于當前車輛的位置。深度傳感器可以收集任何與障礙物距當前車輛的距離相關的合適的深度信息。例如,深度傳感器可以收集關于障礙物在當前車輛前面多遠處的信息。更進一步地,深度傳感器除了距離信息之外還可以收集諸如關于障礙物是在當前車輛右邊還是左邊的信息之類的方向信息。深度傳感器還可以收集在不同時間點關于障礙物距當前車輛的距離的信息以確定該障礙物是朝向還是遠離當前車輛運動。

在子步驟S134中,根據(jù)所述深度信息判斷在所述道路路面上是否存在障礙物。

如果根據(jù)深度信息判斷出在當前車輛前方?jīng)]有任何遮擋產(chǎn)生前景成像或者紅外線反射,則判斷出在所述道路路面上不存在障礙物,否則判斷出存在障礙物。

在子步驟S135中,響應于存在障礙物,根據(jù)所述深度傳感器的標定參數(shù)來確定所述障礙物相對于所述當前車輛的位置坐標。

與成像器件類似地,由于制造公差,在將深度傳感器安裝到車輛上之后,也需要首先確定該深度傳感器在該車輛上的俯仰角等標定參數(shù)。當在深度信息中檢測到障礙物之后,可以根據(jù)深度傳感器相對于所述當前車輛的行駛方向的俯仰角等和預設的算法,來獲得該障礙物與當前車輛的距離和角度。

返回參考圖2,接下來,在步驟S140中,根據(jù)所述環(huán)境邊界和所述障礙物來確定所述行駛環(huán)境中的可行駛區(qū)域。

在確定了路面邊界和障礙物的位置坐標之后,可以根據(jù)它們來綜合地確定所述行駛環(huán)境中的可行駛區(qū)域。

圖6圖示了根據(jù)本申請實施例的可行駛區(qū)域確定步驟的流程圖。

如圖6所示,步驟S140可以包括:

在子步驟S141中,根據(jù)所述路面邊界的位置坐標確定所述道路路面的路面區(qū)域。

可以取決于不同的輔助駕駛策略來確定當前車輛可行駛的路面范圍。例如,在車道線1和車道線2為實線時,在通常情況下,可以將車道線1和車道線2作為路面邊界來確定路面范圍,但是在緊急情況下(如前方或后方出現(xiàn)可能碰撞的預警時),可以將可以將中央隔離帶和障礙物3的邊緣作為路面邊界來確定路面范圍。

在子步驟S142中,根據(jù)所述障礙物的位置坐標從所述路面區(qū)域中去除不可行駛區(qū)域,以獲得所述可行駛區(qū)域。

由于障礙物的位置區(qū)域通常是當前車輛不能駛入的區(qū)域,即不可行駛區(qū)域,所以可以從所確定的路面范圍中去除障礙物所在的位置區(qū)域,以獲得可行駛區(qū)域。

此外,由于障礙物的遮擋,在當前車輛與障礙物連線方向中無法觀察到障礙物前方的情況,謹慎起見,可以將障礙物前方的區(qū)域也定義為不可行駛的區(qū)域。

因此,在一個示例中,子步驟S142可以包括:從所述路面區(qū)域中去除以所述障礙物的位置坐標為起點、向所述當前車輛的行駛方向延伸的區(qū)域。

最后,盡管未示出,根據(jù)本申請實施例的可行駛區(qū)域檢測方法還可以包括:至少根據(jù)所確定的可行駛區(qū)域來生成當前車輛的行進路線。

例如,可以綜合當前的駕駛策略、是否存在碰撞危險、預計到達時間等因此,在可行駛區(qū)域中確定一條行進路線,并控制當前車輛沿該行進路線前進。

在本申請的實施例中,通過將行駛環(huán)境的環(huán)境邊界的檢測結果和行駛環(huán)境中的障礙物的檢測結果融合互補,綜合地確定出所述行駛環(huán)境中的更加準確的可行駛區(qū)域。參考圖1,盡管障礙物3由于距離當前車輛較近、沒有拍攝到其特征區(qū)域而無法被識別為道路路面上的障礙物,但是其相關區(qū)域仍然可以被正確地判定為路面邊界,屬于不可行駛區(qū)域。這樣,當前車輛可以使用綜合的圖像分析和處理結果來執(zhí)行輔助駕駛操作,從而判定出當前不能向右側并線,從而避免了潛在的交通安全隱患,提高了輔助駕駛系統(tǒng)的安全性。

由此可見,采用根據(jù)本申請實施例的可行駛區(qū)域檢測方法,可以根據(jù)行駛環(huán)境的圖像信息來檢測所述行駛環(huán)境的環(huán)境邊界,檢測所述行駛環(huán)境中的障礙物,并且根據(jù)所述環(huán)境邊界和所述障礙物來確定所述行駛環(huán)境中的可行駛區(qū)域。因此,與如現(xiàn)有技術那樣、對障礙物進行單一檢測的情況相比,通過對行駛環(huán)境的環(huán)境邊界的檢測結果和行駛環(huán)境中的障礙物的檢測結果進行融合互補,能夠可靠地檢測行駛環(huán)境中的可行駛區(qū)域。

示例性裝置

下面,參考圖7來描述根據(jù)本申請實施例的可行駛區(qū)域檢測裝置。

圖7圖示了根據(jù)本申請實施例的可行駛區(qū)域檢測裝置的框圖。

如圖7所示,所述可行駛區(qū)域檢測裝置100可以包括:圖像獲取單元110,用于獲取成像器件所采集的行駛環(huán)境的圖像信息;邊界檢測單元120,用于根據(jù)所述圖像信息來檢測所述行駛環(huán)境的環(huán)境邊界;障礙物檢測單元130,用于檢測所述行駛環(huán)境中的障礙物;以及區(qū)域確定單元140,用于根據(jù)所述環(huán)境邊界和所述障礙物來確定所述行駛環(huán)境中的可行駛區(qū)域。

在一個示例中,所述圖像獲取單元110可以獲取當前車輛所處的道路路面的圖像信息。

在一個示例中,邊界檢測單元120可以包括:邊界檢測模塊,用于使用第一深度學習模型來從所述道路路面的圖像信息中檢測所述道路路面的路面邊界,所述第一深度學習模型是預先根據(jù)訓練用的路面邊界的樣本數(shù)據(jù)訓練完成的;以及坐標確定模塊,用于根據(jù)所述成像器件的標定參數(shù)來確定所述路面邊界相對于所述當前車輛的位置坐標。

在一個示例中,所述路面邊界可以為以下各項中的至少一個:路沿、隔離帶、綠化帶、護欄、車道線、和其他車輛的邊緣。

在一個示例中,障礙物檢測單元130可以包括:障礙物檢測模塊,用于使用第二深度學習模型來從所述道路路面的圖像信息中檢測所述行駛環(huán)境中的障礙物,所述第二深度學習模型是預先根據(jù)訓練用的障礙物的樣本數(shù)據(jù)訓練完成的;以及坐標確定模塊,用于根據(jù)所述成像器件的標定參數(shù)來確定所述障礙物相對于所述當前車輛的位置坐標。

在一個示例中,障礙物檢測單元130可以包括:深度獲取模塊,用于獲取深度傳感器所采集的所述當前車輛的行駛方向中的深度信息;障礙物檢測模塊,用于根據(jù)所述深度信息判斷在所述道路路面上是否存在障礙物;以及坐標確定模塊,用于響應于存在障礙物,根據(jù)所述深度傳感器的標定參數(shù)來確定所述障礙物相對于所述當前車輛的位置坐標。

在一個示例中,所述障礙物可以為以下各項中的至少一個:行人、動物、遺撒物、警示牌、隔離墩、和其他車輛。

在一個示例中,區(qū)域確定單元140可以包括:路面區(qū)域確定模塊,用于根據(jù)所述路面邊界的位置坐標確定所述道路路面的路面區(qū)域;以及可行駛區(qū)域獲得模塊,用于根據(jù)所述障礙物的位置坐標從所述路面區(qū)域中去除不可行駛區(qū)域,以獲得所述可行駛區(qū)域。

在一個示例中,所述區(qū)域獲得模塊從所述路面區(qū)域中去除以所述障礙物的位置坐標為起點、向所述當前車輛的行駛方向延伸的區(qū)域。

上述可行駛區(qū)域檢測裝置100中的各個單元和模塊的具體功能和操作已經(jīng)在上面參考圖1到圖6描述的可行駛區(qū)域檢測方法中詳細介紹,并因此,將省略其重復描述。

如上所述,本申請的實施例可以應用于其上裝備有成像器件的諸如交通工具、可移動機器人之類的電子設備。

相應地,根據(jù)本申請實施例的可行駛區(qū)域檢測裝置100可以作為一個軟件模塊和/或硬件模塊而集成到該電子設備中,換言之,該電子設備可以包括該可行駛區(qū)域檢測裝置100。例如,該可行駛區(qū)域檢測裝置100可以是該電子設備的操作系統(tǒng)中的一個軟件模塊,或者可以是針對于該電子設備所開發(fā)的一個應用程序;當然,該可行駛區(qū)域檢測裝置100同樣可以是該電子設備的眾多硬件模塊之一。

替換地,在另一示例中,該可行駛區(qū)域檢測裝置100與該電子設備也可以是分立的設備(例如,服務器),并且該可行駛區(qū)域檢測裝置100可以通過有線和/或無線網(wǎng)絡連接到該電子設備,并且按照約定的數(shù)據(jù)格式來傳輸交互信息。

示例性電子設備

下面,參考圖8來描述根據(jù)本申請實施例的電子設備。該電子設備可以是其上裝備有成像器件的諸如交通工具、可移動機器人之類的計算機或服務器或其他設備。

圖8圖示了根據(jù)本申請實施例的電子設備的框圖。

如圖8所示,電子設備10包括一個或多個處理器11和存儲器12。

處理器11可以是中央處理單元(CPU)或者具有數(shù)據(jù)處理能力和/或指令執(zhí)行能力的其他形式的處理單元,并且可以控制電子設備10中的其他組件以執(zhí)行期望的功能。

存儲器12可以包括一個或多個計算機程序產(chǎn)品,所述計算機程序產(chǎn)品可以包括各種形式的計算機可讀存儲介質(zhì),例如易失性存儲器和/或非易失性存儲器。所述易失性存儲器例如可以包括隨機存取存儲器(RAM)和/或高速緩沖存儲器(cache)等。所述非易失性存儲器例如可以包括只讀存儲器(ROM)、硬盤、閃存等。在所述計算機可讀存儲介質(zhì)上可以存儲一個或多個計算機程序指令,處理器11可以運行所述程序指令,以實現(xiàn)上文所述的本申請的各個實施例的可行駛區(qū)域檢測方法以及/或者其他期望的功能。在所述計算機可讀存儲介質(zhì)中還可以存儲諸如圖像信息、深度信息、位置坐標等信息。

在一個示例中,電子設備10還可以包括:輸入裝置13和輸出裝置14,這些組件通過總線系統(tǒng)和/或其他形式的連接機構(未示出)互連。應當注意,圖8所示的電子設備10的組件和結構只是示例性的、而非限制性的,根據(jù)需要,電子設備10也可以具有其他組件和結構。

例如,該輸入裝置13可以是成像器件,用于采集圖像信息,所采集的圖像信息可以被存儲在存儲器12中以供其他組件使用。當然,也可以利用其他集成或分立的成像器件來采集該圖像幀序列,并且將它發(fā)送到電子設備10。又如,該輸入裝置13也可以是深度傳感器,用于采集深度信息,所采集的深度信息也可以被存儲在存儲器12中。此外,該輸入設備13還可以包括例如鍵盤、鼠標、以及通信網(wǎng)絡及其所連接的遠程輸入設備等等。

輸出裝置14可以向外部(例如,用戶)輸出各種信息,包括確定出的行駛環(huán)境的環(huán)境邊界、障礙物、可行駛區(qū)域等。該輸出設備14可以包括例如顯示器、揚聲器、打印機、以及通信網(wǎng)絡及其所連接的遠程輸出設備等等。

當然,為了簡化,圖8中僅示出了該電子設備10中與本申請有關的組件中的一些,省略了諸如總線、輸入/輸出接口等等的組件。除此之外,根據(jù)具體應用情況,電子設備10還可以包括任何其他適當?shù)慕M件。

示例性計算機程序產(chǎn)品和計算機可讀存儲介質(zhì)

除了上述方法和設備以外,本申請的實施例還可以是計算機程序產(chǎn)品,其包括計算機程序指令,所述計算機程序指令在被處理器運行時使得所述處理器執(zhí)行本說明書上述“示例性方法”部分中描述的根據(jù)本申請各種實施例的可行駛區(qū)域檢測方法中的步驟。

所述計算機程序產(chǎn)品可以以一種或多種程序設計語言的任意組合來編寫用于執(zhí)行本申請實施例操作的程序代碼,所述程序設計語言包括面向?qū)ο蟮某绦蛟O計語言,諸如Java、C++等,還包括常規(guī)的過程式程序設計語言,諸如“C”語言或類似的程序設計語言。程序代碼可以完全地在用戶計算設備上執(zhí)行、部分地在用戶設備上執(zhí)行、作為一個獨立的軟件包執(zhí)行、部分在用戶計算設備上部分在遠程計算設備上執(zhí)行、或者完全在遠程計算設備或服務器上執(zhí)行。

此外,本申請的實施例還可以是計算機可讀存儲介質(zhì),其上存儲有計算機程序指令,所述計算機程序指令在被處理器運行時使得所述處理器執(zhí)行本說明書上述“示例性方法”部分中描述的根據(jù)本申請各種實施例的可行駛區(qū)域檢測方法中的步驟。

所述計算機可讀存儲介質(zhì)可以采用一個或多個可讀介質(zhì)的任意組合??勺x介質(zhì)可以是可讀信號介質(zhì)或者可讀存儲介質(zhì)??勺x存儲介質(zhì)例如可以包括但不限于電、磁、光、電磁、紅外線、或半導體的系統(tǒng)、裝置或器件,或者任意以上的組合??勺x存儲介質(zhì)的更具體的例子(非窮舉的列表)包括:具有一個或多個導線的電連接、便攜式盤、硬盤、隨機存取存儲器(RAM)、只讀存儲器(ROM)、可擦式可編程只讀存儲器(EPROM或閃存)、光纖、便攜式緊湊盤只讀存儲器(CD-ROM)、光存儲器件、磁存儲器件、或者上述的任意合適的組合。

以上結合具體實施例描述了本申請的基本原理,但是,需要指出的是,在本申請中提及的優(yōu)點、優(yōu)勢、效果等僅是示例而非限制,不能認為這些優(yōu)點、優(yōu)勢、效果等是本申請的各個實施例必須具備的。另外,上述公開的具體細節(jié)僅是為了示例的作用和便于理解的作用,而非限制,上述細節(jié)并不限制本申請為必須采用上述具體的細節(jié)來實現(xiàn)。

本申請中涉及的器件、裝置、設備、系統(tǒng)的方框圖僅作為例示性的例子并且不意圖要求或暗示必須按照方框圖示出的方式進行連接、布置、配置。如本領域技術人員將認識到的,可以按任意方式連接、布置、配置這些器件、裝置、設備、系統(tǒng)。諸如“包括”、“包含”、“具有”等等的詞語是開放性詞匯,指“包括但不限于”,且可與其互換使用。這里所使用的詞匯“或”和“和”指詞匯“和/或”,且可與其互換使用,除非上下文明確指示不是如此。這里所使用的詞匯“諸如”指詞組“諸如但不限于”,且可與其互換使用。

還需要指出的是,在本申請的裝置、設備和方法中,各部件或各步驟是可以分解和/或重新組合的。這些分解和/或重新組合應視為本申請的等效方案。

提供所公開的方面的以上描述以使本領域的任何技術人員能夠做出或者使用本申請。對這些方面的各種修改對于本領域技術人員而言是非常顯而易見的,并且在此定義的一般原理可以應用于其他方面而不脫離本申請的范圍。因此,本申請不意圖被限制到在此示出的方面,而是按照與在此公開的原理和新穎的特征一致的最寬范圍。

為了例示和描述的目的已經(jīng)給出了以上描述。此外,此描述不意圖將本申請的實施例限制到在此公開的形式。盡管以上已經(jīng)討論了多個示例方面和實施例,但是本領域技術人員將認識到其某些變型、修改、改變、添加和子組合。

當前第1頁1 2 3 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1