阅读说明：本技术 一种基于超声波数据的物体边界确定方法、系统及车辆 (Object boundary determining method and system based on ultrasonic data and vehicle ) 是由 欧阳湛 邓志权 蒋少峰 张博 于 2019-09-16 设计创作，主要内容包括：一种基于超声波数据的物体边界确定方法、系统及车辆,该方法包括：在接收到超声波传感器采集到的当前数据点之后,判断是否需要进行线段分割；如果需要,利用在所述当前数据点之后采集到的数据点进行线段拟合,以得到新的物体边界；如果不需要,利用所述当前数据点以及现有数据点进行线段拟合,以对现有物体边界进行更新；其中,所述新的物体边界与所述现有物体边界不同,所述现有物体边界是由所述现有数据点拟合出的,所述现有数据点为在所述当前数据点之前采集到的数据点。实施本发明实施例,能够减少确定物体边界所需的计算量,从而提高计算效率。(An object boundary determining method, system and vehicle based on ultrasonic data are disclosed, wherein the method comprises the following steps: after receiving a current data point acquired by an ultrasonic sensor, judging whether line segment segmentation is needed; if necessary, performing line fitting by using the data points collected after the current data point to obtain a new object boundary; if not, performing line fitting by using the current data point and the existing data point to update the boundary of the existing object; wherein the new object boundary is different from the existing object boundary, the existing object boundary being fitted by the existing data points, the existing data points being data points acquired before the current data point. By implementing the embodiment of the invention, the calculation amount required for determining the boundary of the object can be reduced, so that the calculation efficiency is improved.)

一种基于超声波数据的物体边界确定方法、系统及车辆

技术领域

本发明涉及超声波数据处理技术领域，具体涉及一种基于超声波数据的物体边界确定方法、系统及车辆。

背景技术

在自动驾驶的技术方案中，可以利用超声波对车辆周边的环境进行探测，以识别出障碍物和可行驶的区域。一般来说，可以根据超声波传感器采集到的测距距离以及采集到该测距距离时车辆所在的位置坐标，计算得出反射超声波的数据点的位置坐标。如果得到的数据点的数量足够多，就有可能利用多个数据点拟合出障碍物的边界，从而确定出障碍物的位置和车辆可行驶的区域。

然而，在实践中发现，车辆上的计算设备一般为嵌入式设备，而嵌入式设备的计算能力有限，如果数据点的数量过多，会增大计算量，从而降低计算效率，难以适应实时探测的需求。

发明内容

本发明实施例公开了一种基于超声波数据的物体边界确定方法、系统及车辆，能够减少确定物体边界所需的计算量，从而提高计算效率。

本发明实施例第一方面公开一种基于超声波数据的物体边界确定方法，所述方法包括：

在接收到超声波传感器采集到的当前数据点之后，判断是否需要进行线段分割；

如果需要，利用在所述当前数据点之后采集到的数据点进行线段拟合，以得到新的物体边界；

如果不需要，利用所述当前数据点以及现有数据点进行线段拟合，以对现有物体边界进行更新；

其中，所述新的物体边界与所述现有物体边界不同，所述现有物体边界是由所述现有数据点拟合出的，所述现有数据点为在所述当前数据点之前采集到的数据点。

作为一种可选的实施方式，在本发明实施例第一方面中，所述判断是否需要进行线段分割，包括：

判断所述当前数据点对应的测距距离与相邻数据点对应的测距距离之间的变化量是否大于预设的第一距离阈值；如果是，判定需要进行线段分割；所述相邻数据点为所述现有数据点中采集时间与所述当前数据点相邻的数据点；

或者，判断所述现有数据点的数量是否超过预设的数量阈值；如果是，判定需要进行线段分割。

作为一种可选的实施方式，在本发明实施例第一方面中，在判断出不需要进行线段分割之后，以及在所述利用所述当前数据点以及现有数据点进行线段拟合，以对现有物体边界进行更新之前，所述方法还包括：

判断所述当前数据点偏离所述现有数据点的集合的偏离程度是否低于预设的第一误差阈值；如果是，执行所述利用所述当前数据点以及现有数据点进行线段拟合，以对现有物体边界进行更新的步骤；

或者，判断所述当前数据点是否为在第一个数据点之后采集到的第N个数据点；如果是，执行所述利用所述当前数据点以及现有数据点进行线段拟合，以对现有物体边界进行更新的步骤；其中，所述第一个数据点为拟合出所述现有物体边界的所述现有数据点中采集时间最早的数据点；N为预设间隔值的整数倍；

或者，判断所述当前数据点的空间位置与相邻数据点的空间位置之间的距离是否超过预设的第二距离阈值；如果是，执行所述利用所述当前数据点以及现有数据点进行线段拟合，以对现有物体边界进行更新的步骤；其中，所述相邻数据点为所述现有数据点中采集时间与所述当前数据点相邻的数据点；

或者，判断所述当前数据点是否为角点；如果否，执行所述利用所述当前数据点以及现有数据点进行线段拟合，以对现有物体边界进行更新的步骤。

作为一种可选的实施方式，在本发明实施例第一方面中，如果判断出所述当前数据点的空间位置与所述相邻数据点的空间位置之间的距离未超过预设的第二距离阈值，合并所述当前数据点与所述相邻数据点，以获得合并数据点；

利用所述合并数据点以及所述现有数据点中除了所述相邻数据点以外的剩余数据点进行线段拟合，以对所述现有物体边界进行更新。

作为一种可选的实施方式，在本发明实施例第一方面中，所述判断所述当前数据点是否为角点，包括：

获取所述现有数据点中与所述当前数据点对应的测距距离相同的其他数据点；

判断所述当前数据点的回波能量低于所述其他数据点的回波能量的差值是否超过预设的差值阈值；

如果是，确定所述当前数据点为角点；

或者，所述判断所述当前数据点是否为角点，包括：

将所述当前数据点输入至分类模型，并根据所述分类模型的输出结果确定所述当前数据点是否为角点；

其中，所述分类模型为利用预先标记好的角点数据和非角点数据进行训练得到的，所述分类模型为支持向量机。

作为一种可选的实施方式，在本发明实施例第一方面中，所述判断是否需要进行线段分割，包括：

判断所述当前数据点对应的测距距离与相邻数据点对应的测距距离之间的变化量是否大于预设的距离阈值；如果是，判定需要进行线段分割；所述相邻数据点为所述现有数据点中在所述当前数据点之前采集到上一个数据点；

以及，在判断出需要进行线段分割之后，所述方法还包括：

判断所述当前数据点偏离所述现有数据点的集合的偏离程度是否低于预设的误差阈值；

如果是，利用所述当前数据点对现有物体边界进行更新，并且在接收到在所述当前数据点之后采集到的数据点时，执行所述利用在所述当前数据点之后采集到的数据点进行线段拟合，以得到新的物体边界的步骤；

如果否，在接收到在所述当前数据点之后采集到的数据点时，执行所述利用在所述当前数据点之后采集到的数据点进行线段拟合，以得到新的物体边界的步骤。

作为一种可选的实施方式，在本发明实施例第一方面中，所述利用所述当前数据点以及现有数据点进行线段拟合，以对现有物体边界进行更新，包括：

从所述当前数据点以及现有数据点构成的数据点集中识别出用于进行子线段分割的分割点；

按照正方向及反方向分别对所述数据点集中的数据点进行拟合，以得到按照所述正方向拟合出的第一拟合结果以及按照所述反方向拟合出的第二拟合结果；

从所述第一拟合结果以及所述第二拟合结果中选取出拟合误差较小的拟合结果作为更新后的所述现有物体边界；

其中，所述第一拟合结果中所述分割点所属的子线段与所述第二拟合结果中所述分割点所属的子线段不同；所述正方向为数据点的排布方向与车辆的行驶方向一致的方向，所述反方向为数据点的排布方向与所述车辆的行驶方向不一致的方向。

本发明实施例第二方面公开一种基于超声波数据的物体边界确定系统，包括：

判断单元，用于在接收到超声波传感器采集到的当前数据点之后，判断是否需要进行线段分割；

分割单元，用于在所述判断单元判断出需要进行线段分割时，利用在所述当前数据点之后采集到的数据点进行线段拟合，以得到新的物体边界；

更新单元，用于在所述判断单元判断出不需要进行线段分割时，利用所述当前数据点以及现有数据点进行线段拟合，以对现有物体边界进行更新；

其中，所述新的物体边界与所述现有物体边界不同，所述现有物体边界是由所述现有数据点拟合出的，所述现有数据点为在所述当前数据点之前采集到的数据点。

本发明实施例第三方面公开一种车辆，包括本发明实施例第二方面公开基于超声波数据的物体边界确定系统。

本发明第四方面公开一种计算机可读存储介质，其存储计算机程序，其中，所述计算机程序使得计算机执行本发明实施例第一方面公开的任一项方法。

本发明实施例第五方面公开一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行本发明实施例第一方面公开的任一项方法。

与现有技术相比，本发明实施例具有以下有益效果：

超声波传感器不断采集周边物体的数据点，在采集到当前数据点之后，如果判断出需要进行线段分割，那么以当前数据点为临界点，在当前数据点之前采集到的数据点不参与新的物体边界的生成计算，以减少进行线段拟合时的计算量；同时，如果判断出不需要进行线段分割，利用当前数据点对现有物体边界进行更新，即利用当前数据点以及在当前数据点之间采集到的数据点进行线段拟合。可以看出，在本发明实施例中，参与线段拟合的数据点的数量可以控制在一定的范围内，并非利用所有采集到的数据点进行全局的线段拟合，从而可以减少进行线段拟合时的计算量，提高车机等嵌入式设备对物体边界计算的效率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例公开的一种基于超声波数据的物体边界确定方法的流程示意图；

图2是本发明实施例公开的一种路径距离的示例图；

图3是本发明实施例公开的一种按照正方向及反方向分别进行线段拟合的示例图；

图4是本发明实施例公开的另一种基于超声波数据的物体边界确定方法的流程示意图；

图5是本发明实施例公开的一种当前数据点以及现有数据点的分布示例图；

图6是本发明实施例公开的一种基于超声波数据的物体边界确定系统的结构示意图；

图7是本发明实施例公开的另一种基于超声波数据的物体边界确定系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，本发明实施例及附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

本发明实施例公开了一种基于超声波数据的物体边界确定方法、系统及车辆，能够减少确定物体边界所需的计算量，提高计算效率。以下分别进行详细说明。

实施例一

请参阅图1，图1是本发明实施例公开的一种基于超声波数据的物体边界确定方法的流程示意图。如图1所示，该基于超声波数据的物体边界确定方法可以包括以下步骤：

101、在接收到超声波传感器采集到的当前数据点之后，判断是否需要进行线段分割；如果是，执行步骤102；如果否，执行步骤103。

在本发明实施例中，超声波传感器的一次超声波的收发操作获取到一个数据点，每个数据点的属性可以包括但不限于以下信息中的至少一个：对应的位置坐标、对应的测距距离、对应的超声波回波能量。其中，对应的测距距离可以包括一次回波测出的测距距离和/或二次回波测出的测距距离，对应的超声波回波能量可以包括一次回波的超声波能量和/或二次回波的超声波能量。

超声波传感器按照一定的周期执行超声波的收发操作，从而可以采集到多个数据点。在本发明实施例中，上述的当前数据点为当前时刻超声波传感器采集到的数据点。在当前数据点之前采集到的数据点称为现有数据点，当现有数据点的数量为至少两个时，可以利用现有数据点进行线段拟合，以得到现有物体边界。可选的，现有数据点可以存储在缓存中，以便于后续对现有边界进行更新时调用。

作为一种可选的实施方式，步骤101具体可以包括：

判断当前数据点对应的测距距离L1与相邻数据点对应的测距距离L2之间的变化量dt是否大于预设的第一距离阈值；

如果是，判定需要进行线段分割。

其中，相邻数据点为现有数据点中采集时间与当前数据点相邻的数据点。在实践中发现，如果相邻的两个数据点在实际上属于同一个物体边界，那么这两个数据点对应的测距距离的变化较小；否则，这两个数据点对应的测距距离的变化较大。因此，如果判断出dt大于第一阈值，现有数据点与在当前数据点之后采集到的数据点实际上可能分属于不同的两个物体边界。

作为另一种可选的实施方式，步骤101具体还可以包括：

判断现有数据点的数量是否超过预设的数量阈值；如果是，判定需要进行线段分割。

实施上述的实施方式，可以在用于进行线段拟合的数据点积累到一定数量时，强制进行线段分割，以减少每次用于进行线段拟合数据点数量，从而减少计算量。此外，上述的数量阈值可以根据车辆移动速度和/或超声波传感器收发超声波的周期进行设置，以使现有数据点的数量积累到数量阈值时，车辆移动的距离足够长。举例来说，数量阈值可以设置为100，当现有数据点的数量累积到100时，车辆的移动距离可能已经超过一般物体的边界长度，因此有必要进行线段分割。

也就是说，在本发明实施例中，既可以在判断出可能探测到两个不同的物体边界时进行线段分割，也可以在现有数据点积累到一定数量时进行线段分割，以减少用于进行线段拟合的数据点数量，从而提高计算效率。此外，以测距距离的变化量和/或数据点数量作为线段分割的判断标准，在一定程度上符合实际的物体边界的分布规律，从而可以使用相对较少的数据点拟合出准确率较高的物体边界。

102、利用在当前数据点之后采集到的数据点进行线段拟合，以得到新的物体边界。

103、利用当前数据点以及现有数据点进行线段拟合，以对现有物体边界进行更新。

在本发明实施例中，线段拟合可以采用最小二乘法等数据拟合算法，本发明实施例不做限定。用于进行线段拟合的数据点发生改变时，拟合出的线段也会相应发生改变。执行上述的步骤103，加入当前数据点之后拟合出的物体边界与加入当前数据点之前拟合出的物体边界相比，存在一定变化，从而实现对现有物体边界的更新。

可以理解的是，在步骤102中，拟合新的物体边界时使用的数据点为在当前数据点之后采集到的数据点，不包括当前数据点以及现有数据点。因此，生成的新的物体边界与现有物体边界不同。此外，生成新的物体边界是实际上可以转化为对新的现有边界进行更新的过程。具体的，在判断出需要进行线段分割之后，如果接收到至少两个在当前数据点之后采集到新的数据点，可以利用这两个新的数据点拟合出新的物体边界；在接收到第三个及之后的新的数据点时，如果判断出不需要进行线段分割，可以继续对新的物体边界进行更新。

进一步可选的，在本发明实施例中，为了提高线段拟合的准确率，步骤103的具体实施方式可以包括以下步骤：

1031、从当前数据点以及现有数据点构成的数据点集中识别出用于进行子线段分割的分割点。

其中，可以先利用数据点集中的数据点初步拟合出一条拟合线段，并识别数据点集中的每个数据点到拟合线段的投影距离，将到拟合线段的投影距离最远的数据点识别为分割点；

或者，也可以获取数据点集中在位置上相邻的两个数据点在拟合线段上的路径距离(即两个数据点在拟合线段上的投影点之间的距离)，并识别出路径距离超过预设的路径距离阈值的数据点，将超过路径距离阈值的数据点识别为分割点。请一并参阅图2，图2是本发明实施例公开的一种路径距离的示例图。

1032、按照正反向及反方向分别对数据点集中的数据点进行拟合，以得到按照正方向拟合出的第一拟合结果以及按照反方向拟合出的第二拟合结果。

其中，正方向为数据点的排布方向与车辆的行驶方向一致的方向，反方向为数据点的排布方向与车辆的行驶方向不一致的方向。请一并参阅图3，图3是本发明实施例公开的一种按照正方向及反方向分别进行线段拟合的示例图。

1033、从第一拟合结果以及第二拟合结果中选取出拟合误差较小的拟合结果作为更新后的现有物体边界。

其中，拟合误差可以包括以下误差中的至少一个：标准差、均方差、偏方差、极差、同一子线段中相邻两个数据点之间的路径距离、任一数据点到所属的子线段的投影距离。

请继续参阅图3，当按照正反向分别进行线段拟合时，分割点在第一拟合结果中所属的子线段与在第二拟合结果中所属的子线段可能不同。在本发明实施例中，选取拟合误差较小的拟合结果作为更新后的现有物体边界，从而可以提高拟合的准确度。以图3为例，按照正方向拟合出的子线段中，相邻两个数据点之间的路径距离较为平均，不存在路径距离较大的情况，因此可以选取正方向拟合出的第一拟合结果作为更新后的现有边界。

综上所述，在图1所描述的方法中，如果判断出需要进行线段分割，在当前数据点之前采集到的数据点不参与新的物体边界的生成计算；如果判断出不需要进行线段分割，利用当前数据点对现有物体边界进行更新，从而可以使得每次参与线段拟合的数据点的数量可以控制在一定的范围内，并非利用所有采集到的数据点进行全局的线段拟合，从而可以减少进行线段拟合时的计算量，提高计算效率，使得图1所描述的方法可以适用于计算能力较低的嵌入式设备。进一步地，在图1所描述的方法中，具体可以根据测距距离的变化量和/或数据点数量作为线段分割的判断标准，使用可以采用相对较少的数据点拟合出准确率较高的物体边界。更进一步地，在对现有物体边界进行更新的时，可以对数据点集内的数据点进行进一步分割，以拟合出若干条子线段；并且，通过正反方向的至少两次拟合，可以提高拟合的准确度。

实施例二

请参阅图4，图4是本发明实施例公开的另一种基于超声波数据的物体边界确定方法的流程示意图。如图4所示，该基于超声波数据的物体边界确定方法可以包括以下步骤：

201、在接收到超声波传感器采集到的当前数据点之后，判断当前数据点对应的测距距离L1与相邻数据点对应的测距距离L2之间的变化量dt是否大于预设的第一距离阈值；以及，判断现有数据点的数量NUM是否超过预设的数量阈值；如果dt≤第一距离阈值以及NUM≤数量阈值，执行步骤202～步骤205；如果dt＞第一距离阈值或者NUM>数量阈值，执行步骤208。

在本发明实施例中，如果判断出dt≤第一距离阈值以及NUM≤数量阈值，即判断出不需要进行线段分割；如果判断出dt＞第一距离阈值或者NUM>数量阈值，即判断出需要进行线段分割。

202、判断当前数据点偏离现有数据点的集合的偏离程度是否低于预设的第一误差阈值；如果是，执行步骤203；如果否，返回执行步骤201。

在本发明实施例中，偏离程度具体可以通过标准差、方差、极差等统计误差进行计算。也就是说，步骤202具体可以为计算将当前数据点加入至由现有数据点构成的集合之后，该集合的标准差、方差或者极差中的至少一个误差是否低于预设的第一误差阈值。

执行步骤202，可以判断当前数据点是否严重偏离现有数据点的集合(即现有物体边界)，如果是，当前数据点不适用于对现有物体边界进行更新。

203、判断当前数据点是否为在第一个数据点之后采集到的第N个数据点；如果是，执行步骤204；如果否，返回执行步骤202。

在本发明实施例中，上述的第一个数据点为拟合出现有物体边界的现有数据点中采集时间最早的数据点；N为预设间隔值的整数倍。其中，预设间隔值可以参考数量阈值进行设置。比如说，如果数量阈值设置为100，间隔值可以设置为5。也就是说，在超声波传感器采集到的数据点中，每隔5个数据点才用于进行对现有物体边界的更新。

204、判断当前数据点的空间位置与相邻数据点的空间位置之间的距离是否超过预设的第二距离阈值；如果是，执行步骤205；如果否，执行步骤206。

在本发明实施例中，第二距离阈值可以参考车辆的移动速度以及超声波传感器收发超声波的周期进行设置。如果当前数据点的空间位置(即位置坐标)与相邻数据点的空间位置之间的距离未超过第二距离阈值，可以认为从探测到相邻数据点到探测到当前数据点之间的时间段内，车辆没有移动或者移动距离较小。因此，执行步骤206，以将空间位置变化较小的若干个数据点合并成一个合并数据点，以进一步减少用于进行线段拟合的数据点的数量。

205、判断当前数据点是否为角点；如果是，返回执行步骤201；如果否，执行步骤207。

在本发明实施例中，角点是在超声波的波束角较大时产生的冗余的数据点。由于超声波传感器无法准确地识别出回波具体是在波束角所覆盖的范围内的哪一个位置反射的，因此当超声波的波束角较大时，可能会将实际上位于波束角边界的物***置计算为位于波束角中心的位置物***置，从而产生了冗余的数据点。冗余的数据点准确度较低，不适用于对现有物体边界进行更新。

作为一种可选的实施方式，步骤205的实施方式具体可以包括以下步骤：

获取现有数据点中与当前数据点对应的测距距离相同的其他数据点；

判断当前数据点的回波能量低于其他数据点的回波能量的差值是否超过预设的差值阈值；

如果是，确定当前数据点为角点。

由于波束角边界的超声波能量一般较小，因此实施上述的实施方式，可以根据回波能量判断当前数据点是否为角点。

作为另一种可选的实施方式，步骤205的实施方式具体也可以包括以下步骤：

将当前数据点输入至分类模型，并根据分类模型的输出结果确定当前数据点是否为角点；

其中，分类模型为利用预先标记好的角点数据和非角点数据进行训练得到的，分类模型为支持向量机(Support Vector Machine，SVM)。

实施上述的实施方式，可以通过预先训练好的SVM分类模型识别当前数据点是否为角点。

此外，在本发明实施例中，执行上述的步骤202～步骤205可以判断当前数据点是否适用于对现有物体边界进行更新；以及，在判断出当前数据点适用于对现有物体边界进行更新之后，再执行步骤206或者步骤207，以对现有物体边界进行更新。

其中，上述的步骤202～步骤205没有逻辑上必然的先后顺序，并且可以只执行步骤202～步骤20中的部分或者全部步骤，本发明实施例公开的执行顺序不应构成限定。

206、合并当前数据点与相邻数据点，以获得合并数据点，并利用合并数据点以及现有数据点中除了相邻数据点以外的剩余数据点进行线段拟合，以对现有物体边界进行更新。

在本发明实施例中，利用合并数据点以及剩余数据点进行线段拟合，一对现有物体边界进行更新的方式具体可以为：

利用合并数据点以及剩余数据点构成数据点集，并对构成的数据点集执行实施例一中的步骤1032～步骤1033，以下内容不再赘述。

207、利用当前数据点以及现有数据点进行线段拟合，以对现有物体边界进行更新。

在本发明实施例中，步骤207的具体实施方式可以如实施例一中的步骤1031～步骤1033所示，以下内容不再赘述。

208、判断当前数据点偏离现有数据点的集合的偏离程度是否低于预设的第一误差阈值；如果是，步骤209；如果否，执行步骤210。

在本发明实施例中，请一并参阅图5，图5是本发明实施例公开的一种当前数据点以及现有数据点的分布示例图。如图5所示，虽然dt>第一误差阈值，但实际上当前数据点与现有数据点的集合整体的偏离程度较低，此时可以认为需要进行线段分割的判断实际上为误判，当前数据点实际上适用于对现有物体边界进行更新。因此执行下述的步骤209，在对现有边界进行最后一次更新之后，再执行步骤210，以生成新的物体边界。

209、利用当前数据点对现有物体边界进行更新。

在本发明实施例中，步骤209用于对现有物体边界进行最后一次更新。

210、在接收到在当前数据点之后采集到的数据点时，利用当前数据点之后采集到的数据点进行线段拟合，以得到新的物体边界。

可见，在图4所描述的方法中，既可以减少用于进行线段拟合的数据点的数量，减少确定物体边界所需的计算量，从而提高计算效率。还可以通过以下至少一个条件判断当前数据点是否适用于更新现有物体边界：判断当前数据点的偏离程度、判断当前数据点是否为第N个数据点、判断车辆的移动距离是否足够、判断当前数据点是否未角点。在判断出适用于更新后，再利用当前数据点对现有物体边界进行更新，可以进一步提高拟合出的物体边界的准确度。更进一步地，在判断出不需要进行线段分割之后，也判断当前数据点是否适用于更新现有物体边界，从而可以降低线段分割误判造成的影响。

实施例三

请参阅图6，图6是本发明实施例公开的一种基于超声波数据的物体边界确定系统的结构示意图。如图6所示，该基于超声波数据的物体边界确定系统可以包括：

判断单元601，用于在接收到超声波传感器采集到的当前数据点之后，判断是否需要进行线段分割；

分割单元602，用于在判断单元601判断出需要进行线段分割时，利用在当前数据点之后采集到的数据点进行线段拟合，以得到新的物体边界；

更新单元603，用于在判断单元601判断出不需要进行线段分割时，利用当前数据点以及现有数据点进行线段拟合，以对现有物体边界进行更新；

其中，新的物体边界与现有物体边界不同，现有物体边界是由现有数据点拟合出的，现有数据点为在当前数据点之前采集到的数据点。

可选的，判断单元601具体可以用于判断当前数据点对应的测距距离L1与相邻数据点对应的测距距离L2之间的变化量dt是否大于预设的第一距离阈值；如果是，判定需要进行线段分割。其中，相邻数据点为现有数据点中采集时间与当前数据点相邻的数据点。

或者，判断单元601具体也可以用于判断现有数据点的数量是否超过预设的数量阈值；如果是，判定需要进行线段分割。

进一步可选的，更新单元603具体可以用于从当前数据点以及现有数据点构成的数据点集中识别出用于进行子线段分割的分割点；以及，

按照正反向及反方向分别对数据点集中的数据点进行拟合，以得到按照正方向拟合出的第一拟合结果以及按照反方向拟合出的第二拟合结果；

以及，从第一拟合结果以及第二拟合结果中选取出拟合误差较小的拟合结果作为更新后的现有物体边界。

其中，正方向为数据点的排布方向与车辆的行驶方向一致的方向，反方向为数据点的排布方向与车辆的行驶方向不一致的方向。第一拟合结果中分割点所属的子线段与第二拟合结果中分割点所属的子线段不同。

可见，实施如图6所示的基于超声波数据的物体边界确定系统，可以在判断出需要进行线段分割时，不使用当前数据点之前采集到的数据点进行新的物体边界的生成计算；在判断出不需要进行线段分割时，利用当前数据点对现有物体边界进行更新，从而可以使得每次参与线段拟合的数据点的数量可以控制在一定的范围内，并非利用所有采集到的数据点进行全局的线段拟合，以减少进行线段拟合时的计算量，提高计算效率。进一步地，还可以根据测距距离的变化量和/或数据点数量作为线段分割的判断标准，使用可以采用相对较少的数据点拟合出准确率较高的物体边界。更进一步地，在对现有物体边界进行更新的时，可以对数据点集内的数据点进行进一步分割，以拟合出若干条子线段；并且，通过正反方向的至少两次拟合，可以提高拟合的准确度。

实施例四

请参阅图7，图7是本发明实施例公开的另一种基于超声波数据的物体边界确定系统的结构示意图。其中，图7所示的基于超声波数据的物体边界确定系统是由图6所示的基于超声波数据的物体边界确定系统进行优化得到的。如图7所示，该基于超声波数据的物体边界确定系统还可以包括：

筛选单元604，用于在判断单元601判断出需要进行线段分割之后，以及在更新单元603利用当前数据点以及现有数据点进行线段拟合，以对现有物体边界进行更新之前，判断当前数据点偏离现有数据点的集合的偏离程度是否低于预设的第一误差阈值；或者，

判断当前数据点是否为在第一个数据点之后采集到的第N个数据点；其中，第一个数据点为拟合出现有物体边界的现有数据点中采集时间最早的数据点；N为预设间隔值的整数倍；或者，

判断当前数据点的空间位置与相邻数据点的空间位置之间的距离是否超过预设的第二距离阈值；或者，

判断当前数据点是否为角点；

以及，筛选单元604，还用于在判断出当前数据点偏离现有数据点的集合的偏离程度低于预设的第一误差阈值时；或者，在判断出当前数据点为在第一个数据点之后采集到的第N个数据点时；或者，在判断出当前数据点的空间位置与相邻数据点的空间位置之间的距离超过预设的第二距离阈值；或者，在判断出当前数据点为角点时，触发更新单元603执行利用当前数据点以及现有数据点进行线段拟合，以对现有物体边界进行更新的操作。

进一步可选的，筛选单元604用于判断当前数据点是否为角点的方式具体可以为：

筛选单元604，用于获取现有数据点中与当前数据点对应的测距距离相同的其他数据点；判断当前数据点的回波能量低于其他数据点的回波能量的差值是否超过预设的差值阈值；如果是，确定当前数据点为角点；

或者，用于将当前数据点输入至分类模型，并根据分类模型的输出结果确定当前数据点是否为角点；其中，分类模型为利用预先标记好的角点数据和非角点数据进行训练得到的，分类模型为支持向量机。

更进一步可选的，更新单元603，还可以用于在筛选单元604判断当前数据点的空间位置与相邻数据点的空间位置之间的距离未超过预设的第二距离阈值之后，合并当前数据点与相邻数据点，以获得合并数据点；以及利用合并数据点以及现有数据点中除了相邻数据点以外的剩余数据点进行线段拟合，以对现有物体边界进行更新。

再进一步可选的，筛选单元604，还可以用于在判断单元601判断出当前数据点对应的测距距离与相邻数据点对应的测距距离之间的变化量大于预设的距离阈值时，执行判断当前数据点偏离现有数据点的集合的偏离程度是否低于预设的误差阈值的操作，并且在判断出当前数据点偏离现有数据点的集合的偏离程度低于预设的误差阈值时，触发更新单元603利用当前数据点对现有物体边界进行更新；以及，触发分割单元602在接收到在当前数据点之后采集到的数据点时，执行利用在当前数据点之后采集到的数据点进行线段拟合，以得到新的物体边界的步骤。

可见，实施如图7所示的基于超声波数据的物体边界确定系统，可以减少确定物体边界所需的计算量，从而提高计算效率。还可以通过以下至少一个条件判断当前数据点是否适用于更新现有物体边界：判断当前数据点的偏离程度、判断当前数据点是否为第N个数据点、判断车辆的移动距离是否足够、判断当前数据点是否未角点。在判断出适用于更新后，再利用当前数据点对现有物体边界进行更新，可以进一步提高拟合出的物体边界的准确度。更进一步地，在判断出不需要进行线段分割之后，也判断当前数据点是否适用于更新现有物体边界，从而可以降低线段分割误判造成的影响。

本发明实施例公开一种计算机可读存储介质，其存储计算机程序，其中，该计算机程序使得计算机执行图1或图4所示的任一种基于超声波数据的物体边界确定方法。

本发明实施例公开一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行图1或图4所示的任一种基于超声波数据的物体边界确定方法。

应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定特征、结构或特性可以以任意适合的方式结合在一个或多个实施例中。本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本发明所必须的。

在本发明的各种实施例中，应理解，上述各过程的序号的大小并不意味着执行顺序的必然先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物单元，即可位于一个地方，或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

上述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可获取的存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或者部分，可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等，具体可以是计算机设备中的处理器)执行本发明的各个实施例上述方法的部分或全部步骤。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

以上对本发明实施例公开的一种基于超声波数据的物体边界确定方法、系统及车辆进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。