识别静态障碍物检测错误的方法、装置、设备和存储介质与流程

1.本技术涉及自动驾驶技术领域，尤其是涉及识别静态障碍物检测错误的方法、装置、设备和存储介质。


背景技术：

2.通过传感器等获取的大量的环境信息和感知模块中的深度学习模型，自动驾驶感知模块能自动识别道路上的静态障碍物。但在深度学习模型的训练过程中，由于训练数据是经过处理的，会被默认是没有问题的，进而在回溯问题时难以感知静态障碍物的识别结果存在误差，且当识别静态障碍物错误时，会引起自动驾驶车辆发生卡住、突然急刹等情况，从而引发车辆追尾碰撞等危险事故。基于静态障碍物识别结果的分析检测，并将检测结果作为深度学习模型的训练指导，有利于改善深度学习模型的识别准确率。
3.现有的检测方式是借助总结归纳的经验知识，人工对静态障碍物的识别结果进行理解，以判断是否发生了静态障碍物识别错误的情况。然而，静态障碍物的数量非常多，很难对静态障碍物的识别结果进行一一排查，耗时长、人为误差大。
4.针对上述中的相关技术，发明人认为现有的人工检测静态障碍物识别结果的方式存在有效率低、人为误差大的缺陷。


技术实现要素：

5.为了改善静态障碍物识别结果的检测效率和准确率，本技术提供了识别静态障碍物检测错误的方法、装置、设备和存储介质。
6.第一方面，本技术提供一种识别静态障碍物检测错误的方法，具有提高静态障碍物识别结果的检测效率和准确率的特点。
7.本技术是通过以下技术方案得以实现的：
8.一种识别静态障碍物检测错误的方法，包括以下步骤：
9.获取主车行驶过程中每一帧的车辆位置信息和障碍物信息；
10.基于获取的每一帧的所述车辆位置信息和障碍物信息，确定主车每一帧的轮廓位置信息、动态障碍物每一帧的轮廓位置信息和静态障碍物每一帧的轮廓位置信息；
11.检测所述主车的轮廓位置集合和所述动态障碍物的轮廓位置集合是否与当前帧的静态障碍物的轮廓位置有交集；
12.当所述主车的轮廓位置集合和所述动态障碍物的轮廓位置集合与所述静态障碍物的轮廓位置有交集时，对应的所述静态障碍物有错误。
13.本技术在一较佳示例中可以进一步配置为：所述确定主车每一帧的轮廓位置信息的步骤包括：
14.获取的每一帧的所述车辆位置信息包括横坐标、纵坐标和朝向信息；
15.根据预设的参考点，获得主车在全局坐标系下的初始轮廓位置信息；
16.基于每一帧的横坐标、纵坐标和朝向信息，以及所述初始轮廓位置信息，确定主车
在全局坐标系下每一帧的轮廓位置信息。
17.本技术在一较佳示例中可以进一步配置为：所述确定动态障碍物每一帧的轮廓位置信息的步骤包括：
18.获取的障碍物信息包括每一帧的位置信息和速度信息；
19.当超过预设阈值的障碍物平均速度持续超过预设时间时，判断该障碍物为动态障碍物，并把该障碍物对应的id和对应的位置信息添加至预设的动态障碍物集合中；
20.基于所述动态障碍物集合，确定在全局坐标系下所述动态障碍物每一帧的轮廓位置信息。
21.本技术在一较佳示例中可以进一步配置为：所述确定动态障碍物每一帧的轮廓位置信息的步骤后，还包括以下步骤：
22.使主车每一帧的所述轮廓位置信息添加至所述动态障碍物集合中，并与所述动态障碍物每一帧的轮廓位置信息一一对应，得到预处理的动态障碍物集合。
23.本技术在一较佳示例中可以进一步配置为：所述确定静态障碍物每一帧的轮廓位置信息的步骤包括：
24.获取的障碍物信息包括每一帧的位置信息和速度信息；
25.当障碍物当前帧的速度为0且该障碍物与主车的相对距离小于预设距离时，判断该障碍物为静态障碍物，并把该障碍物对应的id和对应的位置信息添加至预设的静态障碍物集合中；
26.基于所述静态障碍物集合，确定在全局坐标系下所述静态障碍物每一帧的轮廓位置信息。
27.本技术在一较佳示例中可以进一步配置为：所述检测所述主车的轮廓位置集合和所述动态障碍物的轮廓位置集合是否与当前帧的静态障碍物的轮廓位置有交集的步骤包括：
28.预设时间窗口阈值；
29.获取动态障碍物每一帧的轮廓位置信息中与所述时间窗口阈值对应的所有的动态障碍物的轮廓位置信息；
30.判断所述动态障碍物的轮廓位置信息形成的集合与获取的所述静态障碍物的轮廓位置信息是否有交集。
31.本技术在一较佳示例中可以进一步配置为：所述获取动态障碍物每一帧的轮廓位置信息中与所述时间窗口阈值对应的所有的动态障碍物的轮廓位置信息的步骤的同时，还包括以下步骤：
32.获取主车每一帧的轮廓位置信息中与所述时间窗口阈值对应的所有的主车的轮廓位置信息；
33.基于获取的主车的轮廓位置信息和动态障碍物的轮廓位置信息，确定参考轮廓位置信息集合；
34.判断所述参考轮廓位置信息集合与获取的所述静态障碍物的轮廓位置信息是否有交集。
35.本技术在一较佳示例中可以进一步配置为：判断所述参考轮廓位置信息集合与获取的所述静态障碍物的轮廓位置信息是否有交集的步骤包括：
36.在同一坐标系下，标注所述参考轮廓位置信息集合对应的轮廓和所述静态障碍物的轮廓；
37.当所述参考轮廓位置信息集合对应的轮廓和所述静态障碍物的轮廓有重叠，即所述参考轮廓位置信息集合与获取的所述静态障碍物的轮廓位置信息有交集。
38.本技术在一较佳示例中可以进一步配置为：标注所述参考轮廓位置信息集合对应的轮廓和所述静态障碍物的轮廓的步骤后，还包括以下步骤：
39.计算所述参考轮廓位置信息集合对应的轮廓面积和所述静态障碍物的轮廓面积，以及所述参考轮廓位置信息集合对应的轮廓和所述静态障碍物的轮廓的交集面积；
40.使小的所述轮廓面积作为目标值，求解所述交集面积与所述目标值的比值；
41.当所述比值大于预设的比例阈值时，所述参考轮廓位置信息集合与获取的所述静态障碍物的轮廓位置信息有交集。
42.第二方面，本技术提供一种识别静态障碍物检测错误的装置，具有提高静态障碍物识别结果的检测效率和准确率的特点。
43.本技术是通过以下技术方案得以实现的：
44.一种识别静态障碍物检测错误的装置，包括：
45.数据获取模块，用于获取主车行驶过程中每一帧的车辆位置信息和障碍物信息；
46.计算模块，用于基于获取的每一帧的所述车辆位置信息和障碍物信息，确定主车每一帧的轮廓位置信息、动态障碍物每一帧的轮廓位置信息和静态障碍物每一帧的轮廓位置信息；
47.检测模块，用于检测所述主车的轮廓位置集合和所述动态障碍物的轮廓位置集合是否与当前帧的静态障碍物的轮廓位置有交集；当所述主车的轮廓位置集合和所述动态障碍物的轮廓位置集合与所述静态障碍物的轮廓位置有交集时，即对应的所述静态障碍物信息有错误。
48.第三方面，本技术提供一种计算机设备，具有提高静态障碍物识别结果的检测效率和准确率的特点。
49.本技术是通过以下技术方案得以实现的：
50.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种识别静态障碍物检测错误的方法的步骤。
51.第四方面，本技术提供一种计算机可读存储介质，具有提高静态障碍物识别结果的检测效率和准确率的特点。
52.本技术是通过以下技术方案得以实现的：
53.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述一种识别静态障碍物检测错误的方法的步骤。
54.第五方面，本技术提供一种计算机程序产品，具有提高静态障碍物识别结果的检测效率和准确率的特点。
55.本技术是通过以下技术方案得以实现的：
56.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述一种识别静态障碍物检测错误的方法的步骤。
57.综上所述，本技术包括以下至少一种有益技术效果：
58.1、获取主车行驶过程中每一帧的车辆位置信息和障碍物信息，以确定主车每一帧的轮廓位置信息、动态障碍物每一帧的轮廓位置信息和静态障碍物每一帧的轮廓位置信息，进而基于轮廓信息，检测主车的轮廓位置集合和动态障碍物的轮廓位置集合是否与当前帧的静态障碍物的轮廓位置有交集，有交集即发生碰撞，进而判断感知模块感知到的“静态障碍物”的检测结果是不对的，以借助轮廓信息的时间差所形成的运动轨迹进行自动判断，从时间维度拿到更全面的数据信息，再从里面找出违背事实的现象来推断有静态障碍物检测错误的情况，弥补了感知模块难以想到上游模块提供的训练数据不准确的不足，能快速自动识别出静态障碍物检测错误的情况，无需人工一一排查，提高了静态障碍物识别结果的检测效率和准确率；
59.2、当超过预设阈值的障碍物平均速度持续超过预设时间时，判断该障碍物为动态障碍物，以去除速度比较小的障碍物，提高判断结果的准确性；
60.3、当障碍物当前帧的速度为0且该障碍物与主车的相对距离小于预设距离时，判断该障碍物为静态障碍物，以提高判断结果的准确性。
附图说明
61.图1是本技术其中一实施例一种识别静态障碍物检测错误的方法的流程示意图。
62.图2是确定主车每一帧的轮廓位置信息的流程示意图。
63.图3是gps与自动驾驶车辆轮廓的相对位置示意图。
64.图4是确定动态障碍物每一帧的轮廓位置信息的流程示意图。
65.图5是确定静态障碍物每一帧的轮廓位置信息的流程示意图。
66.图6是检测主车的轮廓位置集合和动态障碍物的轮廓位置集合是否与静态障碍物的轮廓位置有交集的流程示意图。
67.图7是本技术其中一实施例一种识别静态障碍物检测错误的装置的结构框图。
具体实施方式
68.本具体实施例仅仅是对本技术的解释，其并不是对本技术的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本技术的权利要求范围内都受到专利法的保护。
69.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
70.另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
71.本技术在自动驾驶车辆出现异常时，如突然急刹、停在行驶道路中间、接管等情况而造成碰撞，自动把发生碰撞前一段时间(如半分钟到一分钟)到发生碰撞时刻之间的相关数据上传到云端，使云端自动对获取的数据进行分析，以快速自动识别出感知模块对静态
障碍物检测错误的情况。
72.下面结合说明书附图对本技术实施例作进一步详细描述。
73.参照图1，本技术实施例提供一种识别静态障碍物检测错误的方法，所述方法的主要步骤描述如下。
74.s1:获取主车行驶过程中每一帧的车辆位置信息和障碍物信息；
75.s2:基于获取的每一帧的车辆位置信息和障碍物信息，确定主车每一帧的轮廓位置信息、动态障碍物每一帧的轮廓位置信息和静态障碍物每一帧的轮廓位置信息；
76.s3:检测主车的轮廓位置集合和动态障碍物的轮廓位置集合是否与当前帧的静态障碍物的轮廓位置有交集；
77.s4:当主车的轮廓位置集合和动态障碍物的轮廓位置集合与静态障碍物的轮廓位置有交集时，对应的静态障碍物有错误。
78.进一步地，s5:输出对应的静态障碍物信息。
79.进一步地，参照图2，s2:确定主车每一帧的轮廓位置信息的步骤包括：
80.s10:获取的每一帧的车辆位置信息包括横坐标、纵坐标和朝向信息；
81.s11:根据预设的gps相对主车的位置信息，获得主车在全局坐标系下的初始轮廓位置信息；
82.s12:基于每一帧的横坐标、纵坐标和朝向信息，以及初始轮廓位置信息，确定主车在全局坐标系下每一帧的轮廓位置信息。
83.具体地，自动驾驶车辆在行驶过程中，每个模块都会把运行的输入、输出数据记录存储下来。比如gps、imu、摄像头、激光雷达等数据采集模块，会把每一帧收集的数据记录下来。同时，车辆定位模块基于获取的gps和imu等信息，得到当前车辆的位置信息。
84.获取gps数据和imu数据，以得到每一帧的车辆位置信息，车辆位置信息包括横坐标、纵坐标和朝向信息。
85.再者，参照图3，自动驾驶车辆出厂前，即可预先知道gps与该自动驾驶车辆轮廓的相对位置信息，根据预设的参考点，获得主车在全局坐标系下的初始轮廓位置信息。本实施例中，基于gps相对主车的位置信息，以gps所处位置为参考点，读取得参考点到自动驾驶车辆的左边距为d4、参考点到自动驾驶车辆的右边距为d3、参考点到自动驾驶车辆的前边距为d2和参考点到自动驾驶车辆的后边距为d1，故得到自动驾驶车辆的初始轮廓e0所对应的四个顶点a、b、c、d所形成的坐标集合vec，则vec＝{(-d3,d1),(d4,d1),(-d3,-d2),(-d4,-d2)}。
86.假设获取的自动驾驶车辆的朝向信息为angle，自动驾驶车辆的当前位置pos，即横坐标和纵坐标，基于每一帧的横坐标、纵坐标和朝向信息，以及初始轮廓位置信息，确定主车在全局坐标系下每一帧的轮廓位置信息e，具体计算公式可以为：
87.cos,sin＝np.cos(angle),np.sin(angle)；
88.rot_matrix＝np.array([[cos,-sin],[sin,cos]])；
[0089]
out＝np.dot(vec,np.transpose(rot_matrix))；
[0090]
e＝pos+out。
[0091]
进一步地，参照图4，s2:确定动态障碍物每一帧的轮廓位置信息的步骤包括：
[0092]
s20:获取的障碍物信息包括每一帧的位置信息和速度信息；
[0093]
s21:当超过预设阈值的障碍物平均速度持续超过预设时间时，判断该障碍物为动态障碍物，并把该障碍物对应的id和对应的位置信息添加至预设的动态障碍物集合中；
[0094]
s22:基于动态障碍物集合，确定在全局坐标系下动态障碍物每一帧的轮廓位置信息。
[0095]
具体地，借助数据采集模块采集到的数据和车辆定位模块得到的当前车辆的位置信息，感知模块基于神经网络模型，计算得到周围障碍物信息。其中，障碍物信息包括障碍物类型信息、障碍物位置信息、障碍物轮廓信息、障碍物速度信息等。
[0096]
获取障碍物信息，包括障碍物每一帧的位置信息和速度信息，且当超过预设阈值的障碍物平均速度持续超过预设时间时，判断该障碍物为动态障碍物，以去除速度比较小的障碍物，提高判断结果的准确性。本实施例中，当障碍物平均速度超过0.5m/s且持续时间超过3s，则判断为动态障碍物，并唯一分配障碍物id。
[0097]
创建动态障碍物集合dynamic_obstacles＝{}，其初始状态为空，并把每次感知到的动态障碍物对应的id和对应的位置信息依次添加至该动态障碍物集合中。
[0098]
基于动态障碍物集合，确定在全局坐标系下动态障碍物每一帧的轮廓位置信息d。具体地，使动态障碍物集合中动态障碍物的位置信息输入预置的神经网络模型中，以输出动态障碍物每一帧的轮廓位置信息，再结合坐标转换公式，得到全局坐标系下动态障碍物每一帧的轮廓位置信息d。其中，预置的神经网络模型通过获取车辆采集数据、经人工标注障碍物三维框，输入深度学习模型中训练得到。
[0099]
进一步地，s23:使主车每一帧的轮廓位置信息添加至动态障碍物集合中，即使主车的轮廓信息e加入到dynamic_obstacles，主车每一帧的轮廓位置信息e与动态障碍物每一帧的轮廓位置信息d一一对应，相当于把主车的轮廓也当作是一个动态障碍物轮廓，用来后续判断是否与静态障碍物重叠，进而得到预处理的动态障碍物集合，即有效的动态障碍物集合，如表1所示。
[0100]
表1
[0101]
时间动态障碍物轮廓t0e0，d0,d1
…
t1e1，d0,d1,d2
………
tn
…
[0102]
进一步地，参照图5，s2:确定静态障碍物每一帧的轮廓位置信息的步骤包括：
[0103]
s30:获取的障碍物信息包括每一帧的位置信息和速度信息；
[0104]
s31:当障碍物当前帧的速度为0且该障碍物与主车的相对距离小于预设距离时，判断该障碍物为静态障碍物，并把该障碍物对应的id和对应的位置信息添加至预设的静态障碍物集合中；
[0105]
s32:基于静态障碍物集合，确定在全局坐标系下静态障碍物每一帧的轮廓位置信息。
[0106]
具体地，获取障碍物信息，包括障碍物每一帧的位置信息和速度信息，且当障碍物当前帧的速度为0且该障碍物与主车的相对距离小于预设距离时，判断该障碍物为静态障碍物，以提高判断结果的准确性。本实施例中，当障碍物当前帧的速度为0且该障碍物与主
车的相对距离小于50m时，判断为静态障碍物，并唯一分配障碍物id。
[0107]
创建静态障碍物集合static_obstacles＝{}，其初始状态为空，并把每次感知到的静态障碍物对应的id和对应的位置信息依次添加至该静态障碍物集合中。
[0108]
基于静态障碍物集合，确定在全局坐标系下静态障碍物每一帧的轮廓位置信息s。具体地，使静态障碍物集合中静态障碍物的位置信息输入上述预置的神经网络模型中，以输出静态障碍物每一帧的轮廓位置信息，再结合坐标转换公式，得到全局坐标系下静态障碍物每一帧的轮廓位置信息s。进而集合得到有效的静态障碍物集合，如表2所示。
[0109]
表2
[0110]
时间静态障碍物轮廓t0s0,s1
…
t1s0,s1,s2
………
tn
…
[0111]
进一步地，参照图6，s3:检测主车的轮廓位置集合和动态障碍物的轮廓位置集合是否与当前帧的静态障碍物的轮廓位置有交集的步骤包括：
[0112]
s030:预设时间窗口阈值；
[0113]
s031:分别获取主车每一帧的轮廓位置信息中、动态障碍物每一帧的轮廓位置信息中与时间窗口阈值对应的所有的主车的轮廓位置信息、所有的动态障碍物的轮廓位置信息；
[0114]
s032:基于获取的主车的轮廓位置信息和动态障碍物的轮廓位置信息，确定参考轮廓位置信息集合；
[0115]
s033:计算参考轮廓位置信息集合对应的轮廓面积和静态障碍物的轮廓位置信息对应的轮廓面积，以及参考轮廓位置信息集合与获取的当前帧的静态障碍物的轮廓位置信息的交集面积；
[0116]
s034:使小的轮廓面积作为目标值，求解交集面积与目标值的比值；当比值大于预设的比例阈值时，主车的轮廓位置集合和动态障碍物的轮廓位置集合与当前帧的静态障碍物的轮廓位置有交集。
[0117]
具体地，创建错误静态障碍物集合falas_alarm_obstacle＝{}，初始化falas_alarm_obstacles为空集合。
[0118]
同时，预设时间窗口阈值t。本实施例中，时间窗口阈值t可以为15s，因为15s前发生的静态障碍物识别误判不会对自动驾驶车辆造成特别大的影响。
[0119]
对于有效的静态障碍物集合中当前帧t对应的静态障碍物轮廓s，从有效的动态障碍物集合中获取(t-t,t+t)时间范围内对应的所有效动态障碍物轮廓，即分别获取主车每一帧的轮廓位置信息中、动态障碍物每一帧的轮廓位置信息中与时间窗口阈值对应的所有的主车的轮廓位置信息、所有的动态障碍物的轮廓位置信息，以借助轮廓信息的时间差获得主车的运动轨迹信息和动态障碍物的运动轨迹信息，判断是否与静态障碍物重叠。
[0120]
基于获取的主车的轮廓位置信息和动态障碍物的轮廓位置信息，确定参考轮廓位置信息集合。
[0121]
计算参考轮廓位置信息集合对应的轮廓面积和静态障碍物的轮廓位置信息对应
的轮廓面积，即计算参考轮廓位置信息集合在全局坐标系下所围成的轮廓面积和当前帧的静态障碍物的轮廓位置信息在全局坐标系下所围成的轮廓面积。
[0122]
基于参考轮廓位置信息集合在全局坐标系下所围成的轮廓面积与当前帧的静态障碍物的轮廓位置信息在全局坐标系下所围成的轮廓面积，计算参考轮廓位置信息集合与获取的当前帧的静态障碍物的轮廓位置信息的交集面积，即将参考轮廓位置信息集合在全局坐标系下所围成的轮廓与当前帧的静态障碍物的轮廓位置信息在全局坐标系下所围成的轮廓在全局坐标系下标注，有交叉则默认为有交集，有交集即会发生碰撞，此时求出两个轮廓的重叠面积intersection_area。
[0123]
判断参考轮廓位置信息集合在全局坐标系下所围成的轮廓面积和当前帧的静态障碍物的轮廓位置信息在全局坐标系下所围成的轮廓面积的大小，并使小的轮廓面积作为目标值，求解重叠面积intersection_area与目标值的比值。
[0124]
当比值大于预设的比例阈值时，主车的轮廓位置集合和动态障碍物的轮廓位置集合与当前帧的静态障碍物的轮廓位置有交集，即主车发生了碰撞。本实施例中，比例阈值可以为0.3。
[0125]
此时，对应的当前帧的静态障碍物有错误，使该静态障碍物的轮廓s添加至错误静态障碍物集合falas_alarm_obstacle中，并输出该静态障碍物信息，以可视化显示识别错误的静态障碍物。
[0126]
进一步地，人工检查错误静态障碍物集合falas_alarm_obstacle内的静态障碍物是否与主车发生碰撞，再次确认是否为识别错误的静态障碍物。
[0127]
进而一种识别静态障碍物检测错误的方法通过获取主车行驶过程中每一帧的车辆位置信息和障碍物信息，以确定主车每一帧的轮廓位置信息、动态障碍物每一帧的轮廓位置信息和静态障碍物每一帧的轮廓位置信息，再基于轮廓信息，检测主车的轮廓位置集合和动态障碍物的轮廓位置集合是否与当前帧的静态障碍物的轮廓位置有交集，有交集即发生碰撞，进而能判断感知模块感知到的“静态障碍物”的检测结果是不对的，以借助轮廓信息的时间差所形成的轨迹进行判断，从时间维度拿到更全面的数据信息，再从里面找出违背事实的现象来推断有静态障碍物检测错误的情况，弥补了感知模块难以想到上游模块提供的训练数据不准确的不足，能快速自动识别出静态障碍物检测错误的情况，无需人工一一排查，提高了静态障碍物识别结果的检测效率和准确率。
[0128]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
[0129]
参照图7，本技术实施例还提供一种识别静态障碍物检测错误的装置，该一种识别静态障碍物检测错误的装置与上述实施例中一种识别静态障碍物检测错误的方法一一对应。该一种识别静态障碍物检测错误的装置包括：
[0130]
数据获取模块，用于获取主车行驶过程中每一帧的车辆位置信息和障碍物信息；
[0131]
计算模块，用于基于获取的每一帧的车辆位置信息和障碍物信息，确定主车每一帧的轮廓位置信息、动态障碍物每一帧的轮廓位置信息和静态障碍物每一帧的轮廓位置信息；
[0132]
检测模块，用于检测主车的轮廓位置集合和动态障碍物的轮廓位置集合是否与静
态障碍物的轮廓位置有交集；当主车的轮廓位置集合和动态障碍物的轮廓位置集合与静态障碍物的轮廓位置有交集时，即对应的静态障碍物信息有错误。
[0133]
一种识别静态障碍物检测错误的装置还包括：
[0134]
显示模块，用于可视化显示有错误的静态障碍物信息。
[0135]
关于一种识别静态障碍物检测错误的装置的具体限定可以参见上文中对于一种识别静态障碍物检测错误的方法的限定，在此不再赘述。上述一种识别静态障碍物检测错误的装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0136]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种识别静态障碍物检测错误的方法。
[0137]
在一个实施例中，提供了一种计算机可读存储介质，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
[0138]
s1:获取主车行驶过程中每一帧的车辆位置信息和障碍物信息；
[0139]
s2:基于获取的每一帧的车辆位置信息和障碍物信息，确定主车每一帧的轮廓位置信息、动态障碍物每一帧的轮廓位置信息和静态障碍物每一帧的轮廓位置信息；
[0140]
s3:检测主车的轮廓位置集合和动态障碍物的轮廓位置集合是否与当前帧的静态障碍物的轮廓位置有交集；
[0141]
s4:当主车的轮廓位置集合和动态障碍物的轮廓位置集合与静态障碍物的轮廓位置有交集时，对应的静态障碍物信息有错误。
[0142]
在一个实施例中，提供了一种计算机程序产品，该计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现一种识别静态障碍物检测错误的方法。
[0143]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0144]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的
功能单元、模块完成，即将所述系统的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。