CN107578427A - 动态障碍物的检测方法、装置及计算机可读存储介质 - Google Patents

Abstract

本发明提供一种动态障碍物的检测方法、装置及计算机可读存储介质，所述动态障碍物的检测方法通过获取当前车辆的当前车速和当前障碍物的第一位置信息；根据所述当前车速、第一位置信息和预设静止障碍物的运动模型，计算预设时间间隔后所述当前障碍物的预测位置信息；所述预设时间间隔后，获取所述当前障碍物的第二位置信息，判断所述第二位置信息与所述预测位置信息是否匹配；在所述第二位置信息与所述预测位置信息不匹配时，则判定所述当前障碍物为动态障碍物。本发明采用了简单的线性计算，取代了传统的高复杂度的非线性最优求解方法，解决了传统动态障碍物检测方法的高复杂度和高计算量的技术问题。

Description

动态障碍物的检测方法、装置及计算机可读存储介质

技术领域

本发明涉及自动驾驶技术领域，尤其涉及一种动态障碍物的检测方法、装置及计算机可读存储介质。

背景技术

在自动驾驶过程中，激光雷达所在车辆的大部分时间均处于运动状态，因此在激光雷达的观测数据中，几乎所有的目标都是运动的。例如，对实际中静止的物体，如停在路边的车、路灯杆、树等，相对于激光雷达所在运动中的车辆来说，由于存在相对运动，因此静止的目标看起来也同样是运动的。至于实际中运动的物体，如行驶在路上的车辆等，运动物体自身不仅在运动，而且激光雷达所在车辆也在运动，所以运动物体和激光雷达之间存在较为复杂的相对运动。传统的基于激光雷达的动态障碍物检测方法存在两个主要问题，一是采用基于概率的方法如多假设跟踪等来进行关联目标、产生目标轨迹，这类方法普遍存在复杂度高、计算量大的问题，影响了系统的实时性；二是在产生目标轨迹后，为区分动态障碍物和静态障碍物，假设场景中大部分的障碍物都是静止障碍物，根据服从不同运动模型的障碍物的数量，来区分动态障碍物和静止障碍物，而这种假设，并不总是正确的，尤其当交通繁忙场景中动态障碍物远大于静态障碍物数量的时候。

发明内容

本发明的主要目的在于提出一种动态障碍物的检测方法、装置及计算机可读存储介质，旨在解决传统动态障碍物检测方法由于采用高复杂度和高计算量的方法从而导致的实时性差的技术问题，同时减少了假设条件的使用，扩展了该方法的适用范围。

为实现上述目的，本发明提供一种动态障碍物的检测方法，所述动态障碍物的检测方法包括以下步骤：

获取当前车辆的当前车速和当前障碍物的第一位置信息；

根据所述当前车速、第一位置信息和预设静止障碍物的运动模型，计算预设时间间隔后所述当前障碍物的预测位置信息；

所述预设时间间隔后，获取所述当前障碍物的第二位置信息，判断所述第二位置信息与所述预测位置信息是否匹配；

在所述第二位置信息与所述预测位置信息不匹配时，则判定所述当前障碍物为动态障碍物。

可选地，所述获取当前车辆的当前车速和当前障碍物的第一位置信息的步骤包括：

通过激光雷达获取障碍物对应的点云数据，并根据所述点云数据构建栅格地图；

根据预设规则，在所述栅格地图中选取障碍物作为当前障碍物，并获取当前障碍物的第一位置信息和当前车辆的当前车速。

可选地，所述通过激光雷达获取障碍物对应的点云数据，并根据所述点云数据构建栅格地图的步骤包括：

通过激光雷达获取障碍物对应的点云数据，根据预设地平面计算规则，删除所述点云数据中地平面对应的点云数据；

根据删除后的点云数据，构建栅格地图。

可选地，所述动态障碍物的检测方法还包括：

在所述第二位置信息与所述预测位置信息匹配时，根据所述第二位置信息与所述预测位置信息的匹配结果，调整所述预设静止障碍物的运动模型。

可选地，所述根据所述当前车速、第一位置信息和预设静止障碍物的运动模型，计算预设时间间隔后所述当前障碍物的预测位置信息的步骤包括：

根据所述当前车速、第一位置信息和调整后的所述预设静止障碍物的运动模型，计算预设时间间隔后所述当前障碍物的预测位置信息。

此外，为实现上述目的，本发明还提供一种动态障碍物的检测装置，所述动态障碍物的检测装置包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的动态障碍物的检测程序，其中所述动态障碍物的检测程序被所述处理器执行时实现以下步骤：

获取当前车辆的当前车速和当前障碍物的第一位置信息；

根据所述当前车速、第一位置信息和预设静止障碍物的运动模型，计算预设时间间隔后所述当前障碍物的预测位置信息；

所述预设时间间隔后，获取所述当前障碍物的第二位置信息，判断所述第二位置信息与所述预测位置信息是否匹配；

在所述第二位置信息与所述预测位置信息不匹配时，则判定所述当前障碍物为动态障碍物。

可选地，所述动态障碍物的检测程序被所述处理器执行时，还实现以下步骤：

通过激光雷达获取障碍物对应的点云数据，并根据所述点云数据构建栅格地图；

根据预设规则，在所述栅格地图中选取障碍物作为当前障碍物，并获取当前障碍物的第一位置信息和当前车辆的当前车速。

可选地，所述动态障碍物的检测程序被所述处理器执行时，还实现以下步骤：

通过激光雷达获取障碍物对应的点云数据，根据预设地平面计算规则，删除所述点云数据中地平面对应的点云数据；

根据删除后的点云数据，构建栅格地图。

可选地，所述动态障碍物的检测程序被所述处理器执行时，还实现以下步骤：

在所述第二位置信息与所述预测位置信息匹配时，根据所述第二位置信息与所述预测位置信息的匹配结果，调整所述预设静止障碍物的运动模型。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有动态障碍物的检测程序，所述动态障碍物的检测程序被处理器执行时实现如上所述的动态障碍物的检测方法的步骤。

本发明提供一种动态障碍物的检测方法、装置及计算机可读存储介质，所述动态障碍物的检测方法通过获取当前车辆的当前车速和当前障碍物的第一位置信息；根据所述当前车速、第一位置信息和预设静止障碍物的运动模型，计算预设时间间隔后所述当前障碍物的预测位置信息；所述预设时间间隔后，获取所述当前障碍物的第二位置信息，判断所述第二位置信息与所述预测位置信息是否匹配；在所述第二位置信息与所述预测位置信息不匹配时，则判定所述当前障碍物为动态障碍物。通过上述方式，本发明通过将障碍物的实际位置与根据预设静止障碍物的运动模式计算的预测位置进行匹配，在所述障碍物的位置与静止障碍物对应的的预测位置不匹配时，则可判定该障碍物为运动障碍物。本发明中的动态障碍物的检测方式使用的假设条件少，并采用了简单的线性计算，取代了传统的高复杂度的非线性最优求解方法，提高了计算速度，解决了传统动态障碍物检测方法由于采用高复杂度和高计算量的方法从而导致的实时性差的技术问题。

附图说明

图1为本发明实施例方案涉及的动态障碍物的检测方法执行终端的终端结构示意图；

图2为本发明动态障碍物的检测方法第一实施例的流程示意图；

图3为本发明动态障碍物的检测方法第二实施例的流程示意图；

图4为本发明动态障碍物的检测方法第三实施例的流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例方案的主要思路是：动态障碍物的检测装置通过获取当前车辆的当前车速和当前障碍物的第一位置信息；根据所述当前车速、第一位置信息和预设静止障碍物的运动模型，计算预设时间间隔后所述当前障碍物的预测位置信息；所述预设时间间隔后，获取所述当前障碍物的第二位置信息，判断所述第二位置信息与所述预测位置信息是否匹配；在所述第二位置信息与所述预测位置信息不匹配时，则判定所述当前障碍物为动态障碍物，解决了传统动态障碍物检测方法由于采用高复杂度和高计算量的方法从而导致的实时性差的技术问题。

参照图1，图1为本发明实施例方案涉及的动态障碍物的检测方法执行终端的终端结构示意图。

本发明实施例的运行终端可以是PC，也可以是智能手机、平板电脑、电子书阅读器、便携计算机等具有显示功能的可移动式终端设备。

如图1所示，该终端可以包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的终端结构并不构成对运行终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

继续参照图1，图1中作为一种计算机存储介质的存储器1005可以包括操作系统、网络通信模块、用户接口模块以及程序。其中，操作系统是管理和控制动态障碍物的检测装置与软件资源的程序，支持网络通信模块、用户接口模块、动态障碍物的检测程序以及其他程序或软件的运行；网络通信模块用于管理和控制网络接口1002；用户接口模块用于管理和控制用户接口1003。

在图1所示的终端中，网络接口1004主要用于连接云服务器，与云服务器进行数据通信。用户接口1003还可以连接客户端(用户端)，与客户端进行数据通信；本发明终端中的处理器1001、存储器1005可以设置在动态障碍物的检测装置中，所述动态障碍物的检测装置通过处理器1001调用存储器1005中存储的动态障碍物的检测程序，并执行以下操作：

获取当前车辆的当前车速和当前障碍物的第一位置信息；

根据所述当前车速、第一位置信息和预设静止障碍物的运动模型，计算预设时间间隔后所述当前障碍物的预测位置信息；

所述预设时间间隔后，获取所述当前障碍物的第二位置信息，判断所述第二位置信息与所述预测位置信息是否匹配；

在所述第二位置信息与所述预测位置信息不匹配时，则判定所述当前障碍物为动态障碍物。

进一步的，本发明终端中的处理器1001、存储器1005可以设置在动态障碍物的检测装置中，所述动态障碍物的检测装置通过处理器1001调用存储器1005中存储的动态障碍物的检测程序，执行以下操作：

通过激光雷达获取障碍物对应的点云数据，并根据所述点云数据构建栅格地图；

根据预设规则，在所述栅格地图中选取障碍物作为当前障碍物，并获取当前障碍物的第一位置信息和当前车辆的当前车速。

进一步的，本发明终端中的处理器1001、存储器1005可以设置在动态障碍物的检测装置中，所述动态障碍物的检测装置通过处理器1001调用存储器1005中存储的动态障碍物的检测程序，执行以下操作：

通过激光雷达获取障碍物对应的点云数据，根据预设地平面计算规则，删除所述点云数据中地平面对应的点云数据；

根据删除后的点云数据，构建栅格地图。

进一步的，本发明终端中的处理器1001、存储器1005可以设置在动态障碍物的检测装置中，所述动态障碍物的检测装置通过处理器1001调用存储器1005中存储的动态障碍物的检测程序，执行以下操作：

在所述第二位置信息与所述预测位置信息匹配时，根据所述第二位置信息与所述预测位置信息的匹配结果，调整所述预设静止障碍物的运动模型。

进一步的，本发明终端中的处理器1001、存储器1005可以设置在动态障碍物的检测装置中，所述动态障碍物的检测装置通过处理器1001调用存储器1005中存储的动态障碍物的检测程序，执行以下操作：

根据所述当前车速、第一位置信息和调整后的所述预设静止障碍物的运动模型，计算预设时间间隔后所述当前障碍物的预测位置信息。

基于上述硬件结构，提出本发明动态障碍物的检测方法实施例。

参照图2，图2为本发明动态障碍物的检测方法第一实施例的流程示意图。

本实施例中，所述动态障碍物的检测方法包括以下步骤：

步骤S10，获取当前车辆的当前车速和当前障碍物的第一位置信息；

本实施例中，为了解决传统动态障碍物检测方法的高复杂度和高计算量的技术问题，通过将障碍物的实际位置与根据预设静止障碍物的运动模型计算的预测位置进行匹配。为了便于描述，本实施例中将所述动态障碍物的检测方法应用于自动驾驶环境。具体实施例中还可以应用于其他任何需要检测动态障碍物的应用环境。具体地，获取当前车辆对应的车速信息与选中的当前障碍物的第一位置信息，然后根据当前车辆的当前车速，基于所述第一位置信息，预测所述障碍物预设时间间隔后的位置信息。所述当前车辆的当前车速的信息可以通过CAN总线读取，并且可将采样频率设为非常短的时间间隔，如设为10赫兹。在这么短的时间间隔内，可以将当前车辆的运动速度设为匀速、匀角速度的运动。若假设当前障碍物为静止障碍物，则该当前障碍物的位置关系，只和当前车辆的车速和运动时间间隔有关。因此，根据当前车辆的当前车速与当前障碍物的第一位置信息可以预测该当前障碍物的预测位置。

步骤S20，根据所述当前车速、第一位置信息和预设静止障碍物的运动模型，计算预设时间间隔后所述当前障碍物的预测位置信息；

具体地，在获取到所述当前车辆的当前车速、所述障碍物的第一位置信息时，将所述当前障碍物假设为静止模型。然后根据预先设置的预设静止障碍物的运动模型，选定预设时间间隔，如0.1S、0.01S等，计算在预设时间间隔后的，所述当前障碍物的预测位置信息。

步骤S30，所述预设时间间隔后，获取所述当前障碍物的第二位置信息，判断所述第二位置信息与所述预测位置信息是否匹配；

具体地，在该预设时间间隔后，再次获取所述当前障碍物的第二位置信息，该第二位置信息为当前障碍物的预设时间间隔后的实际位置。将获取到的当前障碍物在预设时间间隔后的实际位置即第二位置信息与根据预测静止障碍物的运动模型计算的预测位置信息进行匹配。在将所述第二位置信息与所述预测位置信息匹配时，由于计算与读取数据时，都存在一定的误差。因此，在所述预测位置信息与所述第二位置信息相差较小时，可判定所述第二位置信息与所述预测位置信息是匹配的。如设定一个预设阈值，在所述第二位置信息与所述预测位置信息相差的差值在预设阈值内的，则判定所述第二位置信息与所述预测位置信息匹配。具体实施例中，还可以根据第二位置信息与预测位置信息的关系，设定预设关系规则，如阈值或者线性公式或非线性公式等。在所述预测位置信息与所述第二位置信息满足该预设关系规则时，即判定所述第二位置信息与所述预测位置信息相匹配。

步骤S40，在所述第二位置信息与所述预测位置信息不匹配时，则判定所述当前障碍物为动态障碍物。

具体地，在所述第二位置信息与所述预测位置信息的差值不在预设阈值内，或不满足预设的关系规则，则判定所述第二位置信息与所述预测位置信息不匹配。因此该当前障碍物的运动轨迹与根据预设静止障碍物的运动模型计算的运动轨迹不相同，即将该当前障碍物假设为静止障碍物的条件不成立，则判定该当前障碍物为动态障碍物。在移除障碍物中的所有静止障碍物后，则剩下的即为动态障碍物。然后再根据动态障碍物的计算方法，对所述动态障碍物进行跟踪。

本实施中提供一种动态障碍物的检测方法、装置及计算机可读存储介质，所述动态障碍物的检测方法通过获取当前车辆的当前车速和当前障碍物的第一位置信息；根据所述当前车速、第一位置信息和预设静止障碍物的运动模型，计算预设时间间隔后所述当前障碍物的预测位置信息；所述预设时间间隔后，获取所述当前障碍物的第二位置信息，判断所述第二位置信息与所述预测位置信息是否匹配；在所述第二位置信息与所述预测位置信息不匹配时，则判定所述当前障碍物为动态障碍物。通过上述方式，本发明通过将障碍物的实际位置与根据预设静止障碍物的运动模式计算的预测位置进行匹配，在所述障碍物的位置与静止障碍物对应的的预测位置不匹配时，则可判定该障碍物为运动障碍物。本发明中的动态障碍物的检测方式使用的假设条件少，采用了简单的线性计算，取代了传统的高复杂度的非线性最优求解方法，解决了传统动态障碍物检测方法由于采用高复杂度和高计算量的方法从而导致的实时性差的技术问题。

参照图3，图3为本发明动态障碍物的检测方法第二实施例的流程示意图。

本实施例中，基于上述图2所示实施例，所述动态障碍物的检测方法的步骤S10包括：

步骤S01，通过激光雷达获取障碍物对应的点云数据，并根据所述点云数据构建栅格地图；

具体地，为了将障碍物检测时获取到的数据进行压缩，在通过激光雷达获取到当前车辆行驶中点云数据时，根据所述点云数据构建栅格地图，即将真是的三维世界数据通过二维栅格地图表示。栅格地图中的每个格子便是三维世界中的一个固定面积的区域。如：每个格子表示0.5m*0.5m的区域。每个格子的值有三种类型，可以0、0.5和1。1表示格子被占据，即该格子表示的面积区域上有障碍物，车辆在驶过此区域时，应该绕行。0表示格子没有被占据，即该格子表示的面积区域上没有障碍物，车辆可以直接通行或停靠在该区域面积上。0.5表示格子表示的区域面积上，不确定是否有障碍物，但表示该面积区域旁可能存在遮挡物等原因，需谨慎通过。

进一步地，步骤S01包括：

步骤S011，通过激光雷达获取障碍物对应的点云数据，根据预设地平面计算规则，删除所述点云数据中地平面对应的点云数据；

具体地，为了进一步减少数据量，在通过激光雷达获取到障碍物对应的点云数据时，进行一个地平面估计。然后通过计算获取地平面方程。然后根据该地平面方程，即预设地平面计算规则，过滤所述点云数据中属于地面的点云数据，即删除所述点云数据中地平面对应的点云数据。则剩下的点云数据即为障碍物对应的点云数据。

步骤S012，根据删除后的点云数据，构建栅格地图。

具体地，再根据过滤后的点云数据，即障碍物对应的点云数据，构建表示当前车辆行驶环境中障碍物对应的栅格地图。

步骤S02，根据预设规则，在所述栅格地图中选取障碍物作为当前障碍物，并获取当前障碍物的第一位置信息和当前车辆的当前车速。

具体地，根据预设的选取规则，如距离的由近至远，获取时间的先后等，在所述栅格地图中选取符合规则的障碍物，将其设定为当前障碍物。并获取该当前障碍物对应的第一位置信息，即当前位置信息，以及通过CAN获取当前车辆的当前车速。

本实施中提供一种动态障碍物的检测方法、装置及计算机可读存储介质，本发明通过将障碍物的实际位置与根据预设静止障碍物的运动模式计算的预测位置进行匹配，在所述障碍物的位置与静止障碍物对应的的预测位置不匹配时，则可判定该障碍物为运动障碍物。本发明中的动态障碍物的检测方式使用的假设条件少，采用了简单的线性计算，取代了传统的高复杂度的非线性最优求解方法，解决了传统动态障碍物检测方法的高复杂度和高计算量的技术问题。

参照图4，图4为本发明动态障碍物的检测方法第三实施例的流程示意图。

本实施例中，基于上述图2所示实施例，所述动态障碍物的检测方法的还包括：

步骤S50，在所述第二位置信息与所述预测位置信息匹配时，根据所述第二位置信息与所述预测位置信息的匹配结果，调整所述预设静止障碍物的运动模型。

具体地，在判定所述第二位置信息与所述预测位置信息匹配时，则表示该当前障碍物为满足预设静止障碍物的运动模型的静止障碍物。由于通过预设静止障碍物的运动模型计算的预测位置信息数据存在一定误差，因此可根据该实际获取到的第二位置信息对该预设静止障碍物的运动模型进行调整，以提高该预设静止障碍物的运动模型的精确度或可靠性(提高运动模型，语句不通，提高运动模型的精度)。即根据优化后的预测位置，即第二位置信息，优化预设静止障碍物的运动模型。

进一步地，步骤S20还包括：

步骤S21，根据所述当前车速、第一位置信息和调整后的所述预设静止障碍物的运动模型，计算预设时间间隔后所述当前障碍物的预测位置信息。

在将所述预设静止障碍物的运动模型进行调整后，将根据该调整后的预设静止障碍物的运动模型，计算预设时间间隔后的下个选取的障碍物的预测位置信息，以提高判定数据的精确度。即根据优化后的预设静止障碍物的运动模型重新预测当前障碍物在下一时刻的位置。由此，进行一次简单的迭代过程，提高预测数据的精确度。

本实施中提供一种动态障碍物的检测方法、装置及计算机可读存储介质，本发明通过将障碍物的实际位置与根据预设静止障碍物的运动模式计算的预测位置进行匹配，在所述障碍物的位置与静止障碍物对应的的预测位置不匹配时，则可判定该障碍物为运动障碍物。本发明中的动态障碍物的检测方式使用的假设条件少，采用了简单的线性计算，取代了传统的高复杂度的非线性最优求解方法，解决了传统动态障碍物检测方法的高复杂度和高计算量的技术问题。

本发明还提供一种计算机可读存储介质。

本发明计算机可读存储介质上存储有动态障碍物的检测程序，所述动态障碍物的检测程序被处理器执行时实现如上述动态障碍物的检测方法的步骤。

其中，动态障碍物的检测程序被执行时所实现的方法可参照本发明动态障碍物的检测方法的各个实施例，此处不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种动态障碍物的检测方法，其特征在于，所述动态障碍物的检测方法包括以下步骤：

获取当前车辆的当前车速和当前障碍物的第一位置信息；

根据所述当前车速、第一位置信息和预设静止障碍物的运动模型，计算预设时间间隔后所述当前障碍物的预测位置信息；

所述预设时间间隔后，获取所述当前障碍物的第二位置信息，判断所述第二位置信息与所述预测位置信息是否匹配；

在所述第二位置信息与所述预测位置信息不匹配时，则判定所述当前障碍物为动态障碍物。

2.如权利要求1所述的动态障碍物的检测方法，其特征在于，所述获取当前车辆的当前车速和当前障碍物的第一位置信息的步骤包括：

通过激光雷达获取障碍物对应的点云数据，并根据所述点云数据构建栅格地图；

根据预设规则，在所述栅格地图中选取障碍物作为当前障碍物，并获取当前障碍物的第一位置信息和当前车辆的当前车速。

3.如权利要求2所述的动态障碍物的检测方法，其特征在于，所述通过激光雷达获取障碍物对应的点云数据，并根据所述点云数据构建栅格地图的步骤包括：

通过激光雷达获取障碍物对应的点云数据，根据预设地平面计算规则，删除所述点云数据中地平面对应的点云数据；

根据删除后的点云数据，构建栅格地图。

4.如权利要求1-3任意一项所述的动态障碍物的检测方法，其特征在于，所述动态障碍物的检测方法还包括：

在所述第二位置信息与所述预测位置信息匹配时，根据所述第二位置信息与所述预测位置信息的匹配结果，调整所述预设静止障碍物的运动模型。

5.如权利要求4所述的动态障碍物的检测方法，其特征在于，所述根据所述当前车速、第一位置信息和预设静止障碍物的运动模型，计算预设时间间隔后所述当前障碍物的预测位置信息的步骤包括：

根据所述当前车速、第一位置信息和调整后的所述预设静止障碍物的运动模型，计算预设时间间隔后所述当前障碍物的预测位置信息。

6.一种动态障碍物的检测装置，其特征在于，所述动态障碍物的检测装置包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的动态障碍物的检测程序，其中所述动态障碍物的检测程序被所述处理器执行时实现以下步骤：

获取当前车辆的当前车速和当前障碍物的第一位置信息；

根据所述当前车速、第一位置信息和预设静止障碍物的运动模型，计算预设时间间隔后所述当前障碍物的预测位置信息；

所述预设时间间隔后，获取所述当前障碍物的第二位置信息，判断所述第二位置信息与所述预测位置信息是否匹配；

在所述第二位置信息与所述预测位置信息不匹配时，则判定所述当前障碍物为动态障碍物。

7.如权利要求6所述的动态障碍物的检测装置，其特征在于，所述动态障碍物的检测程序被所述处理器执行时，还实现以下步骤：

通过激光雷达获取障碍物对应的点云数据，并根据所述点云数据构建栅格地图；

根据预设规则，在所述栅格地图中选取障碍物作为当前障碍物，并获取当前障碍物的第一位置信息和当前车辆的当前车速。

8.如权利要求6-7中任意一项所述的动态障碍物的检测装置，其特征在于，所述动态障碍物的检测程序被所述处理器执行时，还实现以下步骤：

通过激光雷达获取障碍物对应的点云数据，根据预设地平面计算规则，删除所述点云数据中地平面对应的点云数据；

根据删除后的点云数据，构建栅格地图。

9.如权利要求8所述的动态障碍物的检测装置，其特征在于，所述动态障碍物的检测程序被所述处理器执行时，还实现以下步骤：

在所述第二位置信息与所述预测位置信息匹配时，根据所述第二位置信息与所述预测位置信息的匹配结果，调整所述预设静止障碍物的运动模型。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有动态障碍物的检测程序，所述动态障碍物的检测程序被处理器执行时实现如权利要求1-5中任意一项所述的动态障碍物的检测方法的步骤。