[发明专利]三维位置预测方法、装置、设备以及存储介质

说明书

本申请实施例公开了三维位置预测方法、装置、设备以及存储介质，涉及智能交通和车路协同技术领域。该方法的一具体实施方式包括：获取路侧相机拍摄的二维图像，以及路侧相机的地面深度图，其中，地面深度图存储二维图像中像素点对应的地面点与路侧相机的距离，二维图像包括位于地面点上的障碍物的图像；从二维图像中提取障碍物的表面特征，以及从地面深度图中提取障碍物的深度特征；将表面特征与深度特征融合，生成融合特征；基于融合特征，预测障碍物的三维位置。该实施方式提供了一种新的障碍物位置预测方法，同时兼顾预测成本和预测精度。

技术领域

本申请实施例涉及计算机技术领域，具体涉及智能交通和车路协同技术领域，尤其涉及三维位置预测方法、装置、设备以及存储介质。

背景技术

V2X车路协同技术是解决自动驾驶汽车智能局限性的一种有效方式。V2X通过在路侧部署传感器，提升路口复杂环境的感知能力，将障碍物信息发送给自动驾驶汽车，极大提升自动驾驶的安全性。

车路协同技术的实现依赖于障碍物的准确检测和三维位置的精确预测。常用的障碍物三维位置预测方法主要包括以下两种：其一，使用雷达传感器获取点云，然后基于点云进行障碍物三维位置预测；其二，使用相机传感器获取图像，然后用视觉方法检测出图像中障碍物的二维框位置、物体长宽高、物体朝向角等信息，接着后处理再利用物体和相机坐标系、地面坐标系进行建模，计算出物体的三维位置。

发明内容

本申请实施例提出了三维位置预测方法、装置、设备以及存储介质。

第一方面，本申请实施例提出了一种三维位置预测方法，包括：获取路侧相机拍摄的二维图像，以及路侧相机的地面深度图，其中，地面深度图存储二维图像中像素点对应的地面点与路侧相机的距离，二维图像包括位于地面点上的障碍物的图像；从二维图像中提取障碍物的表面特征，以及从地面深度图中提取障碍物的深度特征；将表面特征与深度特征融合，生成融合特征；基于融合特征，预测障碍物的三维位置。

第二方面，本申请实施例提出了一种三维位置预测装置，包括：获取模块，被配置成获取路侧相机拍摄的二维图像，以及路侧相机的地面深度图，其中，地面深度图存储二维图像中像素点对应的地面点与路侧相机的距离，二维图像包括位于地面点上的障碍物的图像；提取模块，被配置成从二维图像中提取障碍物的表面特征，以及从地面深度图中提取障碍物的深度特征；融合模块，被配置成将表面特征与深度特征融合，生成融合特征；预测模块，被配置成基于融合特征，预测障碍物的三维位置。

第三方面，本申请实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。

本申请实施例提供的三维位置预测方法、装置、设备以及存储介质，首先获取路侧相机拍摄的二维图像，以及路侧相机的地面深度图；之后从二维图像中提取障碍物的表面特征，以及从地面深度图中提取障碍物的深度特征；然后将表面特征与深度特征融合，生成融合特征；最后基于融合特征，预测障碍物的三维位置。提供了一种新的障碍物位置预测方法，同时兼顾预测成本和预测精度。只需部署路侧相机，即可基于相机的二维图像和地面深度图预测障碍物的三维位置。与基于雷达传感器获取的点云进行障碍物位置预测相比，降低了预测成本，且能够进行大规模部署和应用。与基于障碍物的二维框位置建模以计算三维位置相比，不依赖于二维框位置的检测精度，避免了后处理几何建模引入的误差，提升了预测精度。此外，将障碍物的三维位置发送给自动驾驶汽车，还能够提升自动驾驶的安全性。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。