[发明专利]目标对象的位置确定方法、装置、电子设备及存储介质

说明书

本申请涉及一种目标对象的位置确定方法、装置、电子设备及存储介质，该方法通过确定目标对象的特征点集合和行驶速度；基于特征点集合建立坐标系；基于行驶速度确定坐标系的初始位置；将坐标系进行多次旋转操作，每次旋转操作的旋转角度为预设角度；基于多次旋转后的坐标系确定特征点集合的多个旋转判别值；根据多个旋转判别值中数值最小的旋转判别值确定出目标对象所在的相对位置。该方法基于行驶速度确定坐标系的初始位置，将坐标系从初始位置进行旋转操作，如此，可以减小遍历的角度，减少计算量，从而可以提升对目标感知的实时性；另外，基于多次旋转后的坐标系确定特征点集合的旋转判别值，如此，可以提高对目标位置感知的准确性。

技术领域

本申请涉及目标感知技术领域，特别涉及一种目标对象的位置确定方法、装置、电子设备及存储介质。

背景技术

目标的感知是自动驾驶与辅助驾驶领域中十分重要的组成部分，其中，目标的边界框(bounding box)拟合对于目标的位置与状态估计，以及目标分类都十分重要。准确的目标边界框输出对汽车的自适应巡航(Adaptive Cruise Control，ACC)，碰撞预警(Forward Collision Warning，FCW)，变道辅助(Lane Change Assist，LCA)等功能开发都会起到至关重要的作用。

目前，常用的目标边界框计算方法有以下两种：

第一种目标边界框的计算方法是基于计算机视觉，利用基于区域检测的原始识别方法或深度学习方法，进行目标的识别与边界框的回归，最终得到较为准确的目标边界。该方法可以在光线较好的情况下得到可靠的边界框的输出。但是基于计算机视觉缺点是，在阴雨天、夜晚或逆光等情况下，会造成识别率或识别精度的下降，导致输出不可靠的边界框，从而导致目标的位置识别不准确。

第二种方法是基于激光雷达的点云数据，采用最小二乘方法进行线型拟合以输出目标边界框。该方法需要针对每一个聚类结果，找出聚类里面的分割点，若分割点选取不合适会造成拟合的结果的不可靠。该方法的缺点是，选取合适的分割点与最小二乘所需计算量大，占用的计算资源多。

本申请实施例提供的一种目标对象的位置确定方法，基于激光雷达与毫米波雷达获取的数据进行融合，可以解决天气及光线对边界框拟合的影响，提高对目标位置感知的准确性；且该方法不需要寻找分割点，可以降低计算量，提升目标感知的实时性。

发明内容

本申请实施例提供了一种目标对象的位置确定方法、装置、电子设备及存储介质，可以提高对目标位置感知的准确性，且计算量小，可以提升对目标感知的实时性。

一方面，本申请实施例提供了一种目标对象的位置确定方法，包括：确定目标对象的特征点集合和行驶速度；基于特征点集合建立坐标系；基于行驶速度确定坐标系的初始位置；将坐标系进行多次旋转操作，每次旋转操作的旋转角度为预设角度；基于多次旋转后的坐标系确定特征点集合的多个旋转判别值；根据多个旋转判别值中数值最小的旋转判别值确定出目标对象所在的相对位置。

另一方面，本申请实施例提供了一种目标对象的位置确定装置，包括：

第一确定模块，用于确定目标对象的特征点集合和行驶速度；

第二确定模块，用于基于特征点集合建立坐标系；基于行驶速度确定坐标系的初始位置；

第三确定模块，用于将坐标系进行多次旋转操作，每次旋转操作的旋转角度为预设角度；基于多次旋转后的坐标系确定特征点集合的多个旋转判别值；

第四确定模块，用于根据多个旋转判别值中数值最小的旋转判别值确定出目标对象所在的相对位置。

另一方面，本申请实施例提供了一种电子设备，电子设备包括处理器和存储器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述的目标对象的位置确定方法。