[发明专利]障碍物车辆位姿估计方法及设备

说明书

本申请公开了一种障碍物车辆位姿估计方法及设备，该方法包括：识别自车环境图像中目标障碍物车辆的各当前边界框，其中，当前边界框为整车边界框、头尾边界框或者车轮边界框；基于各当前边界框确定估计场景；根据估计场景和各当前边界框确定目标障碍物车辆在自车环境图像中的测距点，以估计相对位置；根据估计场景从各当前边界框中选取目标边界框，并基于目标边界框确定朝向。本申请加入车轮边界框，再结合整车边界框、头尾边界框，区分出不同的估计场景，在不同的估计场景下选取针对性的方式以完成障碍物车辆位姿估计。相比于常规技术方案，提高了位姿估计的准确性，从而提高自动泊车的成功率。

技术领域

本申请涉及自动驾驶领域，尤其涉及一种障碍物车辆位姿估计方法及设备。

背景技术

自主泊车是智能驾驶中一项重要任务。车辆泊车系统多搭载360度全景环视相机系统，由多个广角鱼眼相机组成，来达到消除视野盲区的目的。在自动泊车过程中需依据自车周边行人、车辆（主要目标）、锥筒等障碍物的位置来进行路径规划。因此，环视相机下的障碍物位姿估算是实现自主泊车功能要解决的关键问题。其中，泊车过程中常见的障碍物为其他车辆。目前自动泊车系统会使用轻量级深度学习框架来识别目标障碍物车辆，轻量级深度学习框架消耗资源少便于实施，但同时也由于受到车辆硬件以及深度学习方法的限制，现有方案识别目标障碍物车辆位姿的精度较低，从而影响到自动泊车的成功率。

上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。

发明内容

本申请的主要目的在于提供一种障碍物车辆位姿估计方法及设备，旨在解决当前自动泊车系统识别目标障碍物车辆位姿的精度较低的技术问题。

为实现上述目的，本申请提供一种障碍物车辆位姿估计方法，所述位姿包括目标障碍物车辆相对于自车的相对位置和目标障碍物车辆的朝向，所述障碍物车辆位姿估计方法包括以下步骤：

识别自车环境图像中目标障碍物车辆的各当前边界框，其中，所述当前边界框为整车边界框、头尾边界框或者车轮边界框；

基于各所述当前边界框确定估计场景；

根据所述估计场景和各所述当前边界框确定所述目标障碍物车辆在所述自车环境图像中的测距点，以估计所述相对位置；

根据所述估计场景从各所述当前边界框中选取目标边界框，并基于所述目标边界框确定所述朝向

进一步的，所述基于各所述当前边界框确定估计场景的步骤包括：

若各所述当前边界框中存在所述整车边界框和所述头尾边界框，且不存在所述车轮边界框，其中，所述整车边界框和所述头尾边界框大小相同，则判定所述估计场景为预设第一估计场景；

若各所述当前边界框中存在所述整车边界框和所述头尾边界框，且不存在所述车轮边界框，其中，所述头尾边界框的宽度小于预设第一阈值或者无所述头尾边界框的类型信息，则判定所述估计场景为预设第二估计场景；

若各所述当前边界框中存在所述整车边界框和所述头尾边界框，且不存在所述车轮边界框，其中，所述头尾边界框的宽度大于或等于所述第一阈值，且所述头尾边界框和所述整车边界框大小不同，则判定所述估计场景为预设第三估计场景；

若各所述当前边界框中存在所述车轮边界框，且所述车轮边界框的数量为1，则判定所述估计场景为预设第四估计场景；

若各所述当前边界框中存在所述车轮边界框，且所述车轮边界框的数量为2，则判定所述估计场景为预设第五估计场景。

进一步的，所述根据所述估计场景和各所述当前边界框确定所述目标障碍物车辆在所述自车环境图像中的测距点的步骤包括：