一种车辆状态量信息确定方法及装置制造方法及图纸

公开了一种车辆状态量信息确定方法及装置，包括：从点云图中确定呈预定条件分布的多个样本点；根据所述多个样本点建立对应车辆的点云集合；基于所述点云集合确定一组特征向量信息；根据所述特征向量信息确定所述车辆的第一参数信息；通过所述第一参数信息获得所述车辆的第一车辆状态量信息；通过点云集合确定特征向量信息并进行分析运算，从而确定车辆状态量信息；减少了运算过程中的计算量，提高了确定车辆状态量信息的响应速度和实时性，降低了信息获取过程中的延迟；从而能够满足自动驾驶场景下的需求。

【技术实现步骤摘要】
一种车辆状态量信息确定方法及装置
本申请涉及图像分析
，尤其涉及一种车辆状态量信息确定方法及装置。
技术介绍
在车辆的自动驾驶解决方案中，涉及到诸多方面的技术。其中，即时的识别路面上的其他车辆，是一个非常关键的技术环节。所谓识别路面车辆，实质上是确定路面上车辆的车辆状态量信息。所述车辆状态量信息，可以包括车辆的尺寸、位置等静态信息，也可以包括速度、方向等动态信息。确定车辆状态量信息的过程，本质上是一种图像分析过程。在现有技术中，有一种确定车辆状态量信息的方法，是通过包围盒算法对采集得到的点云图进行计算，以得到车辆状态量信息。但这种方法的缺陷在于计算量过大，响应速度慢。但是在动态的驾驶过程当中，路况瞬息万变。所以此场景中对于车辆状态量信息的实时性要求非常高。现有技术难以完全满足需求。
技术实现思路
为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种车辆状态量信息确定方法及装置，通过点云集合确定特征向量信息，并进行分析运算，从而确定车辆状态量信息。根据本申请的第一个方面，提供了一种车辆状态量信息确定方法，包括：从点云图中确定呈预定条件分布的多个样本点，根据所述多个样本点建立对应车辆的点云集合；基于所述点云集合确定一组特征向量信息，根据所述特征向量信息确定所述车辆的第一参数信息；通过所述第一参数信息获得所述车辆的第一车辆状态量信息。根据本申请的第二个方面，提供了一种车辆状态量信息确定装置，包括：点云集合确定模块，用于从点云图中确定呈预定条件分布的多个样本点，根据所述多个样本点建立对应所述车辆的点云集合；状态量信息确定模块，用于基于所述点云集合确定一组特征向量信息；根据所述特征向量信息确定所述车辆的第一参数信息；通过所述第一参数信息获得所述车辆的第一车辆状态量信息。根据本申请的第三方面，提供了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上述第一方面中所述的车辆状态量信息确定方法。根据本申请的第四方面，提供了一种电子设备，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，并执行所述可执行指令以实现上述第一方面中所述的车辆状态量信息确定方法。与现有技术相比，采用根据本申请提供的车辆状态量信息确定方法及装置，通过点云集合确定特征向量信息并进行分析运算，从而确定车辆状态量信息；减少了运算过程中的计算量，提高了确定车辆状态量信息的响应速度和实时性，降低了信息获取过程中的延迟；从而能够满足自动驾驶场景下的需求。附图说明通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。图1为本申请一示例性实施例提供的车辆状态量信息确定方法的流程示意图；图2为本申请另一示例性实施例提供的车辆状态量信息确定方法的流程示意图；图3为本申请又一示例性实施例提供的车辆状态量信息确定方法的流程示意图；图4-1为本申请又一示例性实施例中所述“L”型分布点云图示意图；图4-2为本申请又一示例性实施例中所述“L”型分布点云图与所述正交基的示意图；图4-3为本申请又一示例性实施例中所述“L”型分布点云图与所述矩形空间的示意图；图5为本申请一示例性实施例提供的车辆状态量信息确定装置的结构示意图；图6为本申请另一示例性实施例提供的车辆状态量信息确定装置中所述聚类模块的结构示意图；图7为本申请另一示例性实施例提供的车辆状态量信息确定装置中所述计算模块的结构示意图；图8为本申请一示例性实施例提供的电子设备的结构图。具体实施方式下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。申请概述在自动驾驶
当中，即时的识别路面上的其他车辆，实质上是确定路面上车辆的车辆状态量信息。而所述车辆状态量信息，包括但不限于车辆的尺寸、位置、速度、方向等各方面信息。确定车辆状态量信息的过程，本质上是一种图像分析过程。在现有技术中，有一种确定车辆状态量信息的方法，是通过包围盒算法对采集得到的点云图进行计算，以得到车辆状态量信息。但这种方法的缺陷在于计算量过大，响应速度慢。在一些对于实时性要求不高的场景下(例如视频监控系统)，该方法尚可以满足需求。但是在自动驾驶过程中，车辆往往处于高速的动态环境下，路况瞬息万变，所以此场景中对于车辆状态量信息的实时性要求非常高。现有技术难以完全满足需求。本申请提供了一种车辆状态量信息确定方法及装置，改变了现有技术中的运算方法。本申请通过点云集合确定特征向量信息，并进行分析运算，从而确定车辆状态量信息。实现了对于计算过程的简化，提高了确定车辆状态量信息的实时性，减少了信息获取过程中的延迟。示例性方法图1是本申请一示例性实施例提供的车辆状态量信息确定方法的流程示意图。本实施例可应用在电子设备上，如图1所示，本实施例具体包括如下步骤：步骤101、从点云图中确定呈预定条件分布的多个样本点；根据所述多个样本点建立对应所述车辆的点云集合。步骤102、基于所述点云集合确定一组特征向量信息；根据所述特征向量信息确定所述车辆的第一参数信息。步骤103、通过所述第一参数信息获得所述车辆的第一车辆状态量信息。本实施例中，所述点云图的来源，可以是利用激光雷达直接采集点云图。也可以是利用摄像头采集图像，再将所述图像转换为点云图。将所述图像转换为点云图的过程，可以是确定图像中点的三维信息，进而实现图像到点云图的转换。需要说明的是，无论是激光雷达采集的点云图，还是摄像头采集的图像，针对的都是全景范围。而本实施例中仅仅需要针对特定车辆进行分析。所以还需完成聚类过程，也就是从全景当中确定一个代表所述车辆的点云集合。如果是面对激光雷达采集的全景点云图，则需要在所述全景点云图中确定与所述车辆相关的呈预定条件分布的多个样本点，进而建立所述点云集合。如果是面对摄像头采集的全景图像，则可以首先从全景图像中提取对应所述车辆的部分图像，并将该部分图像转换成对应所述车辆的点云图，这样可以避免转换全幅图像，能够节省计算量。然后从对应所述车辆的点云图中确定与所述车辆相关的呈预定条件分布的多个样本点，进而建立所述点云集合。确定点云集合之后，可根据点云集合中样本点的分布形态，确定一组特征向量信息。所述样本点均与车辆相关，因此所述特征向量信息实际上描绘了所述车辆占据的一个“矩形空间”。所述“矩形空间”体现的尺寸和位置，可认为相当于所述车辆的尺寸和位置，亦可以认为是所述车辆的第一参本文档来自技高网...

【技术保护点】
1.一种车辆状态量信息确定方法，包括：/n从点云图中确定呈预定条件分布的多个样本点，根据所述多个样本点建立对应车辆的点云集合；/n基于所述点云集合确定一组特征向量信息，根据所述特征向量信息确定所述车辆的第一参数信息；/n通过所述第一参数信息获得所述车辆的第一车辆状态量信息。/n

【技术特征摘要】
1.一种车辆状态量信息确定方法，包括：
从点云图中确定呈预定条件分布的多个样本点，根据所述多个样本点建立对应车辆的点云集合；
基于所述点云集合确定一组特征向量信息，根据所述特征向量信息确定所述车辆的第一参数信息；
通过所述第一参数信息获得所述车辆的第一车辆状态量信息。


2.根据权利要求1所述方法，所述从点云图中确定呈预定条件分布的多个样本点，根据所述多个样本点建立对应所述车辆的点云集合包括：
获取连续的多帧点云图，基于所述各帧点云图分别确定呈预定条件分布的多个样本点，并根据所述多个样本点建立所述车辆在各帧点云图上对应的点云集合。


3.根据权利要求2所述方法，还包括：
根据所述车辆在所述各帧点云图上对应的点云集合确定所述车辆的第二参数信息；
通过所述第二参数信息获得所述车辆的第二车辆状态量信息。


4.根据权利要求1所述方法，所述从点云图中确定呈预定条件分布的多个样本点包括：
确定所述点云图中对应所述车辆且呈“L”型分布的多个样本点。


5.根据权利要求4所述方法，所述基于所述点云集合确定一组特征向量信息包括：
基于所述点云集合，确定一组与所述点云集合中所述多个样本点距离之和最小的正交基；
获取所述...

【专利技术属性】
技术研发人员：朱静，宋巍，
申请(专利权)人：北京地平线机器人技术研发有限公司，
类型：发明
国别省市：北京;11