CN107976688A - 一种障碍物的检测方法及相关装置 - Google Patents

一种障碍物的检测方法及相关装置 Download PDF

Info

Publication number
CN107976688A
CN107976688A CN201610941455.2A CN201610941455A CN107976688A CN 107976688 A CN107976688 A CN 107976688A CN 201610941455 A CN201610941455 A CN 201610941455A CN 107976688 A CN107976688 A CN 107976688A
Authority
CN
China
Prior art keywords
moment
line segment
scanning
barrier
destination object
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610941455.2A
Other languages
English (en)
Inventor
叶波
陈俊波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cainiao Smart Logistics Holding Ltd
Original Assignee
Cainiao Smart Logistics Holding Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Cainiao Smart Logistics Holding Ltd filed Critical Cainiao Smart Logistics Holding Ltd
Priority to CN201610941455.2A priority Critical patent/CN107976688A/zh
Priority to TW106126275A priority patent/TW201816362A/zh
Priority to JP2019522225A priority patent/JP6898442B2/ja
Priority to SG11201903488UA priority patent/SG11201903488UA/en
Priority to US15/789,797 priority patent/US20180113234A1/en
Priority to AU2017351042A priority patent/AU2017351042A1/en
Priority to PCT/US2017/057702 priority patent/WO2018080932A1/en
Publication of CN107976688A publication Critical patent/CN107976688A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V8/00—Prospecting or detecting by optical means
    • G01V8/10—Detecting, e.g. by using light barriers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Abstract

本申请提供了一种障碍物的检测方法及相关装置，所述方法包括:获得第一位置，所述第一位置为目标对象在第一时刻的扫描位置；根据所述第一位置预测出第二位置，所述第二位置为目标对象在第二时刻的预测位置；获得第三位置，所述第三位置为目标对象在第二时刻的扫描位置；对所述第二位置和所述第三位置进行匹配，获得匹配结果，根据所述匹配结果检测出目标对象中的动态障碍物和/或静态障碍物。通过本申请实施例提供的障碍物的检测方法，不需要依据统计模型，便可以实现对障碍物的检测，从而节省了计算量，提高了实时性。

Description

一种障碍物的检测方法及相关装置
技术领域
本申请涉及计算机领域，尤其是涉及一种障碍物的检测方法及相关装置。
背景技术
在自动导航等技术中，通常需要对障碍物进行检测，确定出属于动态障碍物还是静态障碍物。例如机器人在自动导航过程中需要检测出动态障碍物，并根据预测出的动态障碍物的移动速度和轨迹，计算出合理的导航路线，以保证自动导航过程的安全性。
目前在检测障碍物的类别时，一种检测方式是基于模型(英文：model-based)的检测方法。这种检测方式首先需要建立多个统计模型，每个统计模型分别对应一种类型的障碍物，例如车辆、行人分别对应不同的统计模型。在需要检测时，通过摄像头拍摄需要检测的图像，分析出图像中的障碍物的类型，从而选取对应的统计模型进行障碍物的检测。
然而，这种检测方法由于需要根据障碍物的类型建立统计模型，因此需要大量的数据对统计模型进行训练，计算量较大，从而导致实时性较差。
发明内容
本申请解决的技术问题在于提供一种障碍物的检测方法及相关装置，不需要根据障碍物的类型建立统计模型，从而节省了计算量并提高了实时性。为此，本申请解决技术问题的技术方案是：
本申请提供了一种障碍物的检测方法，包括：
获得第一位置，所述第一位置为目标对象在第一时刻的扫描位置；
根据所述第一位置预测出第二位置，所述第二位置为目标对象在第二时刻的预测位置；
获得第三位置，所述第三位置为目标对象在第二时刻的扫描位置；
对所述第二位置和所述第三位置进行匹配，获得匹配结果，根据所述匹配结果检测出目标对象中的动态障碍物和/或静态障碍物。
可选的，获得第一位置，包括：
获得目标对象在第一时刻的第一扫描点阵的位置，根据所述第一扫描点阵的位置，将所述第一扫描点阵转换成第一线段集合，将所述第一线段集合的位置作为所述第一位置；
获得第三位置，包括：
获得目标对象在第二时刻的第二扫描点阵的位置，根据所述第二扫描点阵的位置，将所述第二扫描点阵转换成第二线段集合，将所述第二线段集合的位置作为所述第三位置。
可选的，将所述第一扫描点阵转换成第一线段集合，包括：
根据长度阈值将所述第一扫描点阵转换成第一线段集合，其中，所述第一扫描点阵中各个扫描点与各个扫描点对应转换的线段的距离小于所述长度阈值；
将所述第二扫描点阵转换成第二线段集合，包括：
根据所述长度阈值将所述第二扫描点阵转换成第二线段集合，其中，所述第二扫描点阵中各个扫描点与各个扫描点对应转换的线段的距离小于所述长度阈值。
可选的，检测出目标对象中的动态障碍物和/或静态障碍物之前，所述方法还包括：
所述第一线段集合包括第一对象对应的第一线段，若所述第一线段对应的扫描点阵的点密度小于密度阈值，将所述第一对象从所述目标对象中删除；或者，
所述第二线段集合包括第一对象对应的第二线段，若所述第二线段对应的扫描点阵的点密度小于密度阈值，将所述第一对象从所述目标对象中删除。
可选的，所述第一线段集合包括第二对象对应的第三线段，所述第二线段集合包括所述第二对象对应的第四线段，检测出目标对象中的动态障碍物和/或静态障碍物之前，所述方法还包括：
获取所述第三线段的倾斜角度和所述第四线段的倾斜角度；
若所述第三线段的倾斜角度和所述第四线段的倾斜角度的差值大于角度阈值，将所述第二对象从所述目标对象中删除。
可选的，根据所述匹配结果检测出目标对象中的动态障碍物和/或静态障碍物，包括：
若所述匹配结果表示第三对象在第二时刻的预测位置，与第三对象在第二时刻的扫描位置相匹配，检测出所述第三对象为静态障碍物；和/或，
若所述匹配结果表示第四对象在第二时刻的预测位置，与第四对象在第二时刻的扫描位置不匹配，检测出所述第四对象为动态障碍物。
可选的，所述方法用于可移动装置中；
根据所述第一位置，预测出第二位置，包括：
根据所述第一位置，以及所述可移动装置从所述第一时刻到所述第二时刻的移动轨迹，预测出第二位置。
可选的，检测出目标对象中的动态障碍物和/或静态障碍物之后，所述方法还包括：
获取所述目标对象所在位置区域的先验地图信息，所述先验地图信息中包括背景障碍物的位置；
根据所述背景障碍物的位置，对检测出的动态障碍物和/或静态障碍物进行修正。
可选的，所述方法还包括：
根据所述匹配结果生成检测置信度；
根据所述背景障碍物的位置，对检测出的动态障碍物和/或静态障碍物进行修正，包括：
根据所述背景障碍物的位置和所述检测置信度，对检测出的动态障碍物和/或静态障碍物进行修正。
可选的，检测出目标对象中的动态障碍物之后，所述方法还包括：
获取所述动态障碍物从所述第一时刻到所述第二时刻的移动速度；
根据所述动态障碍物在所述第一时刻或者所述第二时刻的扫描位置，以及所述动态障碍物的移动速度，预测出所述动态障碍物在第三时刻的位置。
可选的，获取所述动态障碍物从所述第一时刻到所述第二时刻的移动速度，包括：
获得所述动态障碍物在第一时刻的扫描点阵的位置；
根据所述动态障碍物在第一时刻的扫描点阵的位置，获得所述动态障碍物在第一时刻对应的直线斜率和截距；
获得所述动态障碍物在第二时刻的扫描点阵的位置；
根据所述动态障碍物在第二时刻的扫描点阵的位置，获得所述动态障碍物在第二时刻对应的直线斜率和截距；
根据所述动态障碍物在第一时刻对应的直线斜率和截距，以及在第二时刻对应的直线斜率和截距，获得所述动态障碍物从所述第一时刻到所述第二时刻的移动速度。
可选的，根据所述动态障碍物在所述第一时刻或者所述第二时刻的扫描位置，以及所述动态障碍物的移动速度，预测出所述动态障碍物在第三时刻的位置，包括：
根据所述动态障碍物的移动速度，获得所述动态障碍物在单位时间内的移动位移；
根据所述动态障碍物在所述第一时刻或者所述第二时刻的扫描位置，以及所述动态障碍物在单位时间内的移动位移，预测出所述动态障碍物在至少一个单位时间之后的位置。
可选的，获得第一位置，包括：在第一时刻对目标对象进行激光扫描，获得所述第一位置；
获得第三位置，包括：在第二时刻对目标对象进行激光扫描，获得所述第三位置。
本申请提供了一种障碍物的检测装置，包括：
第一获得单元，用于获得第一位置，所述第一位置为目标对象在第一时刻的扫描位置；
预测单元，用于根据所述第一位置预测出第二位置，所述第二位置为目标对象在第二时刻的预测位置；
第二获得单元，用于获得第三位置，所述第三位置为目标对象在第二时刻的扫描位置；
检测单元，用于对所述第二位置和所述第三位置进行匹配，获得匹配结果，根据所述匹配结果检测出目标对象中的动态障碍物和/或静态障碍物。
可选的，
所述第一获得单元，具体用于获得目标对象在第一时刻的第一扫描点阵的位置，根据所述第一扫描点阵的位置，将所述第一扫描点阵转换成第一线段集合，将所述第一线段集合的位置作为所述第一位置；
所述第二获得单元，具体用于获得目标对象在第二时刻的第二扫描点阵的位置，根据所述第二扫描点阵的位置，将所述第二扫描点阵转换成第二线段集合，将所述第二线段集合的位置作为所述第三位置。
可选的，将所述第一扫描点阵转换成第一线段集合时，所述第一获得单元具体用于：
根据长度阈值将所述第一扫描点阵转换成第一线段集合，其中，所述第一扫描点阵中各个扫描点与各个扫描点对应转换的线段的距离小于所述长度阈值；
将所述第二扫描点阵转换成第二线段集合时，所述第二获得单元具体用于：
根据所述长度阈值将所述第二扫描点阵转换成第二线段集合，其中，所述第二扫描点阵中各个扫描点与各个扫描点对应转换的线段的距离小于所述长度阈值。
可选的，还包括：
第一删除单元，用于在所述检测单元检测出目标对象中的动态障碍物和/或静态障碍物之前，所述第一线段集合包括第一对象对应的第一线段，若所述第一线段对应的扫描点阵的点密度小于密度阈值，将所述第一对象从所述目标对象中删除；或者，
所述第二线段集合包括第一对象对应的第二线段，若所述第二线段对应的扫描点阵的点密度小于密度阈值，将所述第一对象从所述目标对象中删除。
可选的，所述第一线段集合包括第二对象对应的第三线段，所述第二线段集合包括所述第二对象对应的第四线段，所述装置还包括：
第二删除单元，用于在所述检测单元检测出目标对象中的动态障碍物和/或静态障碍物之前，获取所述第三线段的倾斜角度和所述第四线段的倾斜角度；若所述第三线段的倾斜角度和所述第四线段的倾斜角度的差值大于角度阈值，将所述第二对象从所述目标对象中删除。
可选的，根据所述匹配结果检测出目标对象中的动态障碍物和/或静态障碍物时，所述检测单元用于：
若所述匹配结果表示第三对象在第二时刻的预测位置，与第三对象在第二时刻的扫描位置相匹配，检测出所述第三对象为静态障碍物；和/或，
若所述匹配结果表示第四对象在第二时刻的预测位置，与第四对象在第二时刻的扫描位置不匹配，检测出所述第四对象为动态障碍物。
可选的，还包括：
修正单元，用于获取所述目标对象所在位置区域的先验地图信息，所述先验地图信息中包括背景障碍物的位置；根据所述背景障碍物的位置，对检测出的动态障碍物和/或静态障碍物进行修正。
可选的，还包括：
预测单元，用于所述检测单元检测出目标对象中的动态障碍物之后，获取所述动态障碍物从所述第一时刻到所述第二时刻的移动速度；根据所述动态障碍物在所述第一时刻或者所述第二时刻的扫描位置，以及所述动态障碍物的移动速度，预测出所述动态障碍物在第三时刻的位置。
可选的，所述第一获得单元具体用于，在第一时刻对目标对象进行激光扫描，获得所述第一位置；
所述第二获得单元具体用于，在第二时刻对目标对象进行激光扫描，获得所述第三位置。
本申请提供了一种运输载具，包括：
扫描装置，用于在第一时刻对目标对象进行扫描，获得第一位置以及在第二时刻对目标对象进行扫描，获得第三位置，所述第一位置为目标对象在第一时刻的扫描位置，所述第三位置为目标对象在第二时刻的扫描位置。
处理器，用于根据所述第一位置预测出第二位置，所述第二位置为目标对象在第二时刻的预测位置，并且对所述第二位置和所述第三位置进行匹配，获得匹配结果，根据所述匹配结果检测出目标对象中的动态障碍物和/或静态障碍物。
通过上述技术方案可知，本申请实施例中，获得目标对象在第一时刻的扫描位置，即第一位置，并获得目标对象在第二时刻的位置，即第三位置，并且根据第一位置，预测目标对象在第二时刻的位置，即第二位置。通过对第二位置和第三位置进行匹配获得匹配结果，根据匹配结果，检测出目标对象中的动态障碍物和/或静态障碍物。通过本申请实施例提供的障碍物的检测方法，不需要依据统计模型，便可以实现对障碍物的检测，从而节省了计算量，提高了实时性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述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申请的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其它的附图。
图1为本申请提供的障碍物的检测方法的一种方法实施例的流程示意图；
图2为本申请提供的获得的扫描点阵示意图；
图3为本申请提供的目标对象的扫描位置的示意图；
图4为本申请提供的目标对象的线段集合的示意图；
图5为本申请提供的扫描点阵转换成线段集合的一种方法实施例的流程示意图；
图6a、6b、6c和6d为本申请提供的扫描点阵转换成线段的示意图；
图7为本申请提供的依据点密度删除对象的示意图；
图8为本申请提供的障碍物的检测装置的一种装置实施例的结构示意图；
图9为本申请提供的运输载具的一种装置实施例的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本发明保护的范围。
在自动导航等技术中，通常需要对障碍物进行检测，确定出属于动态障碍物还是静态障碍物。一种检测方式是基于模型(英文：model-based)的检测方法，这种检测方式首先需要建立多个统计模型，每个统计模型分别对应一种类型的障碍物，例如车辆、行人分别对应不同的统计模型。在需要检测时，通过摄像头拍摄需要检测的图像，依据图像识别的方法对拍摄的图像进行分析，从而获得障碍物的形状等相关信息，并且基于该信息判断出障碍物的类型，从而选取对应的统计模型进行障碍物的检测。
显然，这种检测方式由于需要根据障碍物的类型建立统计模型，不仅需要大量的数据对统计模型进行训练，而且每新增一种类型的障碍物，就需要新增一个统计模型，导致计算量较大，实时性较差。此外，通过摄像头拍摄往往存在视野范围有限，拍摄时容易受光照影响等问题，导致检测准确性较差，并且对图像分析需要进行大量的计算，进一步降低了实时性。
在本申请实施例提供的障碍物检测的方法及相关装置中，不需要根据障碍物的类型建立统计模型，从而节省了计算量并提高了实时性。此外，可以不通过摄像头进行拍摄，解决了视野范围有限，拍摄时容易受光照影响等问题，进一步提高了准确性和实时性。
如图1所示，为本申请实施例提供的障碍物的检测方法的一种方法实施例。
本申请实施例可以应用于障碍物的检测装置中。其中，该检测装置可以是位置固定的装置，例如固定在某处的检测仪；也可以本身是可移动装置或者安装在可移动装置上，例如，该检测装置可以是运输载具等可移动装置，或者可以安装在可移动装置上。其中，运输载具包括轮椅、平衡车或者机器人等等。
本实施例的所述方法包括：
S101：获得第一位置，其中，所述第一位置为目标对象在第一时刻的扫描位置。
在本申请实施例中，第一位置可以扫描获得，例如通过激光雷达扫描获得，以下简称为激光扫描，也可以通过kinect等技术获得。具体的，获得第一位置，包括：在第一时刻对目标对象进行激光扫描，获得所述第一位置。当采用激光扫描时，扫描范围较广并且距离远，例如扫描角度可达270°并且扫描距离可达50米，而且对环境的适应性较高，对光照变化不敏感，从而能够提高检测准确性。
在本申请实施例中，对目标对象进行扫描后，可以获得目标对象的扫描点阵。如图2所示，检测装置进行激光扫描后，获得车辆及其他障碍物的扫描点阵。其中，扫描点阵包括至少两个扫描点，扫描点指的是激光等扫描介质与障碍物的接触点，因此，本申请实施例中获得的实际上是目标对象的边界轮廓的扫描位置。在本实施例中，可以将获得的扫描点阵的位置作为目标对象的位置，也可以将扫描点阵转换成线段集合，将该线段集合的位置作为目标对象的位置。
S102：根据所述第一位置预测出第二位置，所述第二位置为目标对象在第二时刻的预测位置。
其中，在根据第一位置预测第二位置时，预测原则是假定目标对象为静态对象，即假定目标对象从第一时刻到第二时刻没有发生移动。因此，当检测装置位置固定时，可以直接将S101获得的第一位置作为目标对象在第二时刻的预测位置；当检测装置是可移动装置或者安装在可移动装置上时，可以根据所述第一位置，以及所述可移动装置从所述第一时刻到所述第二时刻的移动轨迹，预测出第二位置。
S103：获得第三位置，所述第三位置为目标障碍物在第二时刻的扫描位置。
本步骤的获得第三位置的过程与S101的获得第一位置的过程类似，具体请参见步骤S101的相关描述，在此不再赘述。
需要说明的是，上述第二时刻可以晚于第一时刻，也可以早于第一时刻。例如，t1时刻＜t2时刻，本申请实施例可以是根据目标对象在t1时刻的扫描位置预测出t2时刻的扫描位置，也可以是根据目标对象在t2时刻的扫描位置预测出t1时刻的扫描位置。
S104：对所述第二位置和所述第三位置进行匹配获得匹配结果，根据所述匹配结果，检测出目标对象中的动态障碍物和/或静态障碍物。
由S102可知，第二位置即为目标对象在第二时刻的预测位置，由S103可知，第三位置即为目标对象在第二时刻的扫描位置。因此第二位置和第三位置的匹配结果用于表示目标对象在第二时刻的扫描位置和预测位置是否相匹配，由于预测原则是假定目标对象没有发生移动，因此根据扫描位置和预测位置的匹配结果能够检测出目标对象是否发生移动，即目标对象中包括的动态障碍物和/或静态障碍物。
例如，目标对象中包括第三对象和第四对象，若所述匹配结果表示第三对象在第二时刻的预测位置，与第三对象在第二时刻的扫描位置相匹配，表示第三对象从第一时刻到第二时刻没有发生移动，因此检测出所述第三对象为静态障碍物；若所述匹配结果表示第四对象在第二时刻的预测位置，与第四对象在第二时刻的扫描位置不匹配，表示第四对象从第一时刻到第二时刻发生了移动，因此检测出所述第四对象为动态障碍物。下面通过一个具体例子加以说明。
如图3所示，目标对象中包括对象A、对象B和对象C。其中，线段A1(由扫描点a1、扫描点a2以及它们之间的扫描点构成的线段)的位置为对象A在第一时刻的扫描位置，根据线段A1的位置能够预测出对象A在第二时刻的预测位置，即预测出线段A2的位置，线段A3(由扫描点a3、扫描点a4以及它们之间的扫描点构成的线段)的位置为对象A在第二时刻的扫描位置，若匹配结果表示即对象A在第二时刻的扫描位置和预测位置基本重合，则说明对象A从第一时刻到第二时刻没有发生移动，因此检测出对象A为静态障碍物。类似的，若匹配结果表示对象B在第二时刻的扫描位置和预测位置相差较大，并且对象C在第二时刻的扫描位置和预测位置基本重合，则检测出对象B为动态障碍物，对象C为静态障碍物。
需要说明的是，本申请实施例中，“静态”和“动态”指的是在第一时刻到第二时刻这一段时间内的状态，例如，检测出的静态障碍物，可能在之前的检测过程中被判断为动态障碍物。因此，本申请实施例还可以根据在第一时刻和第二时刻之前的检测结果，判断S104中检测出的静态障碍物是否为潜在的动态障碍物。
通过上述技术方案可知，本申请实施例中，获得目标对象在第一时刻的扫描位置，即第一位置，并获得目标对象在第二时刻的位置，即第三位置，并且根据第一位置，预测目标对象在第二时刻的位置，即第二位置。通过对第二位置和第三位置进行匹配获得匹配结果，根据匹配结果，检测出目标对象中的动态障碍物和/或静态障碍物。通过本申请实施例提供的障碍物的检测方法，不需要依据统计模型，便可以实现对障碍物的检测，从而节省了计算量，提高了实时性。
此外，本申请实施例中可以通过激光等扫描介质进行扫描，因此可以不依赖于摄像头，扫描范围较广并且距离远，而且对环境的适应性较高，对光照变化不敏感，从而能够进一步提高检测准确性。并且由于无需进行图像分析因此能够进一步提高实时性。
本申请实施例中，通过激光等扫描介质对目标对象进行扫描后，能够获得扫描点阵，为了减少计算量，可以进行点到线的转换后再进行匹配。下面具体说明。
具体的，步骤S101包括：获得目标对象在第一时刻的第一扫描点阵的位置，根据所述第一扫描点阵的位置，将所述第一扫描点阵转换成第一线段集合，将所述第一线段集合的位置作为所述第一位置。如图4所示，在第一时刻对对象A、对象B和对象C进行扫描，获得第一扫描点阵的位置，其中第一扫描点阵中包括图4所示的21个扫描点，将第一扫描点阵转换成第一线段集合，其中第一线段集合包括线段B1、线段B2、线段B3和线段B4，第一线段集合的位置作为第一位置。
并且，步骤S103包括：获得目标对象在第二时刻的第二扫描点阵的位置，根据所述第二扫描点阵的位置，将所述第二扫描点阵转换成第二线段集合，将所述第二线段集合的位置作为所述第三位置。
接下来将对扫描点阵转换成线段集合的过程展开介绍。
将扫描点转换成线段集合的转换方式可以有多种。例如，将相邻的两个扫描点转换成一条线段。然而，考虑到扫描点阵包含的扫描点数量可能较多，若将所有相邻的扫描点进行连接转换成线段，此时线段数量较多，导致后续进行匹配时计算量较大。因此，本申请实施例中可以设置长度阈值，将近似在一条直线上的扫描点转换成一条线段，从而在对准确性影响较小的前提下减少了线段的数量，进一步提高实时性。
具体的，将所述第一扫描点阵转换成第一线段集合，包括：根据长度阈值将所述第一扫描点阵转换成第一线段集合，其中，所述第一扫描点阵中各个扫描点与各个扫描点对应转换的线段的距离小于所述长度阈值，例如如图4所示，将第一扫描点阵转换成的第一线段集合包括：线段B1、线段B2、线段B3和线段B4，其中，第一扫描点阵中扫描点b9转换成线段B1，扫描点b9与线段B1的距离小于长度阈值；将所述第二扫描点阵转换成第二线段集合，包括：根据所述长度阈值将所述第二扫描点阵转换成第二线段集合，其中，所述第二扫描点阵中各个扫描点与各个扫描点对应转换的线段的距离小于所述长度阈值。
下面通过一个具体例子对上述转换方法进行介绍。
如图5所示，上述转换方法可以包括：
S501：将扫描点阵中的起始扫描点和结束扫描点连接成一条线段，作为当前线段。将所述扫描点阵中除所述起始扫描点和所述结束扫描点之外的扫描点作为剩余扫描点。
其中，起始扫描点为在一次扫描过程中第一个扫描得到的扫描点，结束扫描点为在一次扫描过程中最后一个扫描得到的扫描点。例如图6a所示，扫描点a为起始扫描点，扫描点b为结束扫描点，将扫描点a和扫描点b连接成线段1，并且将线段1作为当前线段，除扫描点a和扫描点b之外的扫描点为剩余扫描点。
S502：计算各个剩余扫描点距离当前线段的距离；判断所述距离中最大值是否大于长度阈值。
若上述最大值小于所述长度阈值，表示各个剩余扫描点距离当前线段的距离较小，因此，各个剩余扫描点近似位于当前线段上，将当前线段加入线段集合中，并且执行S505。例如图6b所示，在各个剩余扫描点中，扫描点c距离线段1的距离最大，若该距离小于长度阈值Th，则将线段1加入线段集合中。
若上述最大值大于所述阈值，表示各个剩余扫描点不能近似位于当前线段上，则执行S503和S504。例如图6b所示，扫描点c距离线段1的距离大于长度阈值Th，则执行S503和S504。
S503：将所述距离中最大值对应的扫描点作为分割扫描点，将所述起始扫描点和所述分割扫描点连接成一条线段，并作为当前线段，将所述起始扫描点和分割扫描点中间的扫描点作为剩余扫描点，返回执行步骤S502。
例如图6c所示，将扫描点a和扫描点c连接成一条线段，通过返回执行步骤S502，将扫描点a和扫描点c连接成的线段加入到线段集合中，而无需再对该条线段进行分割。
S504：将所述分割扫描点和所述结束扫描点连接成一条直线，并作为当前线段，将所述分割扫描点和结束扫描点中间的扫描点作为剩余扫描点，返回执行步骤S502。
例如图6c所示，将扫描点c和扫描点b连接成一条线段，通过返回执行步骤S502，继续对该条线段进行分割，最终将扫描点c和扫描点d连成的线段，扫描点d和扫描点e连成的线段，以及扫描点e和扫描点b连成的线段加入线段集合中。
需要说明的是，S503和S504的执行顺序并不限定，可以先执行S503，再执行S504，也可以先执行S504，再执行S503，还可以同时执行S503和S504。
S505：将当前线段加入线段集合中。
S506：从扫描点阵中，将当前线段的两个端点和该两个端点中间的扫描点删除，判断删除后的扫描点阵是否存在扫描点，如果否，则表示已经完成点到线的转换，因此结束流程，即得到最终的线段集合，如果是，则表示上述循环过程没有结束。
例如，最终得到的线段集合如图6d所示，其中各个扫描点距离该扫描点转换成的线段的距离，均小于长度阈值。
可见上述转换方法，通过循环迭代的方式进行点到线的聚类转换，减少了线段的数量，从而提高了实时性和准确性。
上述将扫描点阵转换成线段集合的过程，可能会将不同障碍物之间的扫描点相连，造成障碍物之间产生错误连接。例如图4所示，扫描点b2和扫描点b3分别是不同障碍物的扫描点，在进行线段转换时，可能会将这两点相连构成线段，然而该线段并不是障碍物对应的线段。
针对障碍物之间错误连接的线段，考虑到扫描时通常按照固定时间间隔产生扫描点，因此扫描点具有一定的密度，而若是障碍物之间错误连接的线段，则扫描点密度较小，因此，可以通过对扫描点阵的点密度的判断，将障碍物之间错误相连的线段删除。
具体的，所述第一线段集合包括第一对象对应的第一线段，若所述第一线段对应的扫描点阵的点密度小于密度阈值，将所述第一对象从所述目标对象中删除，也就是不对第一对象的障碍物类型进行识别，相当于确定出第一对象为非障碍物；或者，所述第二线段集合包括第一对象对应的第二线段，若所述第二线段对应的扫描点阵的点密度小于密度阈值，将所述第二对象从所述目标对象中删除。其中，密度阈值可以根据一个扫描周期中的扫描时间间隔设定。
举例说明，图7中左侧为目标对象对应的线段集合，包括线段B1-B6，依据线段对应的扫描点阵的点密度，可以判断出线段B5和线段B6的点密度小于密度阈值，说明线段B5和线段B6为障碍物之间的错误连线，可以将线段B5对应的对象和线段B6对应的对象从目标对象中删除，即确定出线段B5和线段B6对应的位置并不存在障碍物，从而得到图7右侧所示的线段集合，包括线段B1-B4。
通过上述对扫描点阵的点密度的判断，将障碍物之间错误连线对应的对象删除，提升了检测的准确性，并且减少了检测装置进行匹配时的工作量，进一步提高了检测的效率。
在一些情况下，例如当检测装置或者目标对象的速度过快时，或者出现新的障碍物导致障碍物重叠时，可能会出现无法对障碍物的类型进行判断的情况，即无法检测出目标对象中存在的障碍物是静态障碍物还是动态障碍物。
对于上述无法检测的情况，可以依据线段倾斜角度的差值对其进行判断。当线段倾斜角度的差值很大时，说明检测装置无法检测出目标对象中存在的障碍物是静态障碍物还是动态障碍物。具体的，所述第一线段集合包括第二对象对应的第三线段，所述第二线段集合包括所述第二对象对应的第四线段，检测出目标对象中的动态障碍物和/或静态障碍物之前，所述方法还包括：获取所述第三线段的倾斜角度和所述第四线段的倾斜角度；若所述第三线段的倾斜角度和所述第四线段的倾斜角度的差值大于角度阈值，将所述第二对象从所述目标对象中删除。从而不判断第二对象是静态障碍物还是动态障碍物，并且可以在下一时刻在对第二对象的障碍物类型进行判断。
为了进一步提高检测结果的准确性，本申请实施例中可以依据于先验地图对检测结果进行修正。其中，先验地图中为包括目标对象所在区域的背景障碍物的地图。
具体的，获取所述目标对象所在位置区域的先验地图信息，所述先验地图信息中包括背景障碍物的位置；根据所述背景障碍物的位置，对检测出的动态障碍物和/或静态障碍物进行修正。其中，背景障碍物可以是目标对象所在位置区域的静态障碍物。
例如，当检测装置检测出的静态障碍物的位置，在先验地图中并无障碍物，说明检测结果可能出现错误，此时可以将检测结果修正为无障碍物；当检测装置检测出的动态障碍物的位置，在先验地图中并无障碍物或者为静态障碍物，说明检测结果可能出现错误，此时可以将检测结果修正为无障碍物或者静态障碍物。
考虑到可能存在先验地图与检测装置选取的参照点不同，先验地图坐标系和检测装置坐标系对应的坐标原点不同。因此，在进行修正之前需要对坐标系进行统一。具体地，可以将背景障碍物的位置，从先验地图坐标系下转换到检测装置坐标系；或者将检测出的动态障碍物和/或静态障碍物的位置，从检测装置坐标系转换到先验地图坐标系。
由于在检测装置进行障碍物检测时，背景障碍物相对于先验地图可能会发生变化。例如，获取先验地图时，地图对应的区域内可能停放有一辆汽车，而在进行障碍物检测时可能该汽车不再位于该区域内，但是先验地图会将该汽车误认为静态障碍物。当依据先验地图对检测结果进行修正时，由于先验地图中存在的错误，可能会导致修正错误。
对于先验地图中存在错误的情况，可以在依据先验地图对检测结果修正时，增加对检测结果置信度的判断。具体的，根据所述匹配结果生成检测置信度；根据所述背景障碍物的位置，对检测出的动态障碍物和/或静态障碍物进行修正，包括：根据所述背景障碍物的位置和所述检测置信度，对检测出的动态障碍物和/或静态障碍物进行修正。
其中，检测置信度可以由匹配结果对应的匹配度得出，匹配度越好对应的检测置信度越高，说明得到的检测结果越可靠。例如，当先验地图与检测结果不一致时，若检测结果的检测置信度较高，此时可以不进行修正，若检测结果的检测置信度较低，则可以依据于先验地图进行修正。
当检测出目标对象中包括动态障碍物时，可以进一步对动态障碍物的运动轨迹进行预测。具体的，所述方法还包括：获取所述动态障碍物从所述第一时刻到所述第二时刻的移动速度；根据所述动态障碍物在所述第一时刻或者所述第二时刻的扫描位置，以及所述动态障碍物的移动速度，预测出所述动态障碍物在第三时刻的位置。
其中，在获取动态障碍物的移动速度时，可以获得动态障碍物在第一时刻的位置和在第二时刻的位置，根据这两个位置的距离差，以及第一时刻和第二时刻的时间差，计算移动速度。
在一种可选的实施方式中，动态障碍物的位置可以通过动态障碍区对应的线段的斜率以及截距进行表示。下面具体说明。
在上述实施例中，已经将第一扫描点阵和第二扫描点阵分别转换为第一线段集合和第二线段集合，可以通过第一线段集合中各个线段的斜率和截距表示动态障碍物在第一时刻的位置，并通过第二线段集合中各个线段的斜率和截距表示动态障碍物在第二时刻的位置。但是从图6d可知，并不是所有的扫描点都位于对应的线段上，因此，可以通过线性回归的方式，更准确地表示动态障碍物的位置。
具体地，获得所述动态障碍物在第一时刻的扫描点阵的位置；根据所述动态障碍物在第一时刻的扫描点阵的位置，获得所述动态障碍物在第一时刻对应的直线斜率和截距；获得所述动态障碍物在第二时刻的扫描点阵的位置；根据所述动态障碍物在第二时刻的扫描点阵的位置，获得所述动态障碍物在第二时刻对应的直线斜率和截距。获得所述动态障碍物在第一时刻对应的直线斜率和截距，以及在第二时刻对应的直线斜率和截距之后，即相当于获得动态障碍物在第一时刻和第二时刻的位置，从而能够获得所述动态障碍物从所述第一时刻到所述第二时刻的移动速度。
其中，动态障碍物在第一时刻对应的直线斜率m为：
m＝Sxy/Sx
其中，xi和yi分别为第一扫描点阵中各个扫描点的横纵坐标，n为每条线段的扫描点个数。
动态障碍物在第一时刻对应的直线截距b为：
将上述公式中的xi和yi替换为第二扫描点阵中各个扫描点的横纵坐标，同样能够计算出动态障碍物在第一时刻对应的直线斜率和截距，这里不再赘述。
在计算出动态障碍区的移动速度之后，即可预测出动态障碍物的位置。下面对一种预测方式进行介绍。
首先根据计算出的动态障碍物的移动速度，获得所述动态障碍物在单位时间内的移动位移，之后根据所述动态障碍物在所述第一时刻或者所述第二时刻的扫描位置，以及所述动态障碍物在单位时间内的移动位移，预测出所述动态障碍物在至少一个单位时间之后的位置。例如，单位时间为0.1秒，获得动态障碍物在0.1秒的移动位移，对j个单位时间的移动位移进行积分，分别得到k个0.1秒后障碍物的预测位置，其中，k＝1,2,…j。随着k的增加，设定的协方差越大，表示预测位置的准确率越低。
对应上述方法实施例，本申请还提供了对应的装置实施例，下面具体说明。
请参阅图8，本申请实施例提供了障碍物的检测装置的一种装置实施例，本实施例的所述装置：
第一获得单元801，用于获得第一位置，所述第一位置为目标对象在第一时刻的扫描位置；
预测单元802，用于根据所述第一位置预测出第二位置，所述第二位置为目标对象在第二时刻的预测位置；
第二获得单元803，用于获得第三位置，所述第三位置为目标对象在第二时刻的扫描位置；
检测单元804，用于对所述第二位置和所述第三位置进行匹配，获得匹配结果，根据所述匹配结果检测出目标对象中的动态障碍物和/或静态障碍物。
可选的，所述第一获得单元，具体用于获得目标对象在第一时刻的第一扫描点阵的位置，根据所述第一扫描点阵的位置，将所述第一扫描点阵转换成第一线段集合，将所述第一线段集合的位置作为所述第一位置；
所述第二获得单元，具体用于获得目标对象在第二时刻的第二扫描点阵的位置，根据所述第二扫描点阵的位置，将所述第二扫描点阵转换成第二线段集合，将所述第二线段集合的位置作为所述第三位置。
可选的，将所述第一扫描点阵转换成第一线段集合时，所述第一获得单元具体用于：
根据长度阈值将所述第一扫描点阵转换成第一线段集合，其中，所述第一扫描点阵中各个扫描点与各个扫描点对应转换的线段的距离小于所述长度阈值；
将所述第二扫描点阵转换成第二线段集合时，所述第二获得单元具体用于：
根据所述长度阈值将所述第二扫描点阵转换成第二线段集合，其中，所述第二扫描点阵中各个扫描点与各个扫描点对应转换的线段的距离小于所述长度阈值。
可选的，还包括：
第一删除单元，用于在所述检测单元检测出目标对象中的动态障碍物和/或静态障碍物之前，所述第一线段集合包括第一对象对应的第一线段，若所述第一线段对应的扫描点阵的点密度小于密度阈值，将所述第一对象从所述目标对象中删除；或者，
所述第二线段集合包括第一对象对应的第二线段，若所述第二线段对应的扫描点阵的点密度小于密度阈值，将所述第一对象从所述目标对象中删除。
可选的，所述第一线段集合包括第二对象对应的第三线段，所述第二线段集合包括所述第二对象对应的第四线段，所述装置还包括：
第二删除单元，用于在所述检测单元检测出目标对象中的动态障碍物和/或静态障碍物之前，获取所述第三线段的倾斜角度和所述第四线段的倾斜角度；若所述第三线段的倾斜角度和所述第四线段的倾斜角度的差值大于角度阈值，将所述第二对象从所述目标对象中删除。
可选的，根据所述匹配结果检测出目标对象中的动态障碍物和/或静态障碍物时，所述检测单元用于：
若所述匹配结果表示第三对象在第二时刻的预测位置，与第三对象在第二时刻的扫描位置相匹配，检测出所述第三对象为静态障碍物；和/或，
若所述匹配结果表示第四对象在第二时刻的预测位置，与第四对象在第二时刻的扫描位置不匹配，检测出所述第四对象为动态障碍物。
可选的，还包括：
修正单元，用于获取所述目标对象所在位置区域的先验地图信息，所述先验地图信息中包括背景障碍物的位置；根据所述背景障碍物的位置，对检测出的动态障碍物和/或静态障碍物进行修正。
可选的，还包括：
预测单元，用于所述检测单元检测出目标对象中的动态障碍物之后，获取所述动态障碍物从所述第一时刻到所述第二时刻的移动速度；根据所述动态障碍物在所述第一时刻或者所述第二时刻的扫描位置，以及所述动态障碍物的移动速度，预测出所述动态障碍物在第三时刻的位置。
可选的，所述第一获得单元具体用于，在第一时刻对目标对象进行激光扫描，获得所述第一位置；
所述第二获得单元具体用于，在第二时刻对目标对象进行激光扫描，获得所述第三位置。
请参阅图9，本申请提供了运输载具的一种装置实施例，本实施例的所述运输载具包括：扫描装置901和处理器902。处理器902与扫描装置901相连。
扫描装置901，用于在第一时刻对目标对象进行扫描，获得第一位置以及在第二时刻对目标对象进行扫描，获得第三位置，所述第一位置为目标对象在第一时刻的扫描位置，所述第三位置为目标对象在第二时刻的扫描位置。
处理器902，用于根据所述第一位置预测出第二位置，所述第二位置为目标对象在第二时刻的预测位置，并且对所述第二位置和所述第三位置进行匹配，获得匹配结果，根据所述匹配结果检测出目标对象中的动态障碍物和/或静态障碍物。
其中，本实施例的运输载具可以为机器人、轮椅、平衡车等。扫描装置901指的是具有扫描功能的装置，例如具体可以是用于发射激光的激光器。处理器902可能是一个中央处理器CPU，或者是专用集成电路ASIC(Application Specific Integrated Circuit)，或者是被配置成实施本申请实施例的一个或多个集成电路。
本实施例提供的运输载具的各功能单元，可以是基于图1所示的方法实施例和图8所示的装置实施例所具备的功能的具体实现，术语的定义和说明与图1所示的方法实施例和图8所示的装置实施例保持一致，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所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理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个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。
所述集成的单元如果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读取存储介质中。基于这样的理解，本申请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介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (23)

1.一种障碍物的检测方法，其特征在于，包括：
获得第一位置，所述第一位置为目标对象在第一时刻的扫描位置；
根据所述第一位置预测出第二位置，所述第二位置为目标对象在第二时刻的预测位置；
获得第三位置，所述第三位置为目标对象在第二时刻的扫描位置；
对所述第二位置和所述第三位置进行匹配，获得匹配结果，根据所述匹配结果检测出目标对象中的动态障碍物和/或静态障碍物。
2.根据权利要求1所述的方法，其特征在于，获得第一位置，包括：
获得目标对象在第一时刻的第一扫描点阵的位置，根据所述第一扫描点阵的位置，将所述第一扫描点阵转换成第一线段集合，将所述第一线段集合的位置作为所述第一位置；
获得第三位置，包括：
获得目标对象在第二时刻的第二扫描点阵的位置，根据所述第二扫描点阵的位置，将所述第二扫描点阵转换成第二线段集合，将所述第二线段集合的位置作为所述第三位置。
3.根据权利要求2所述的方法，其特征在于，将所述第一扫描点阵转换成第一线段集合，包括：
根据长度阈值将所述第一扫描点阵转换成第一线段集合，其中，所述第一扫描点阵中各个扫描点与各个扫描点对应转换的线段的距离小于所述长度阈值；
将所述第二扫描点阵转换成第二线段集合，包括：
根据所述长度阈值将所述第二扫描点阵转换成第二线段集合，其中，所述第二扫描点阵中各个扫描点与各个扫描点对应转换的线段的距离小于所述长度阈值。
4.根据权利要求2所述的方法，其特征在于，检测出目标对象中的动态障碍物和/或静态障碍物之前，所述方法还包括：
所述第一线段集合包括第一对象对应的第一线段，若所述第一线段对应的扫描点阵的点密度小于密度阈值，将所述第一对象从所述目标对象中删除；或者，
所述第二线段集合包括第一对象对应的第二线段，若所述第二线段对应的扫描点阵的点密度小于密度阈值，将所述第一对象从所述目标对象中删除。
5.根据权利要求2所述的方法，其特征在于，所述第一线段集合包括第二对象对应的第三线段，所述第二线段集合包括所述第二对象对应的第四线段，检测出目标对象中的动态障碍物和/或静态障碍物之前，所述方法还包括：
获取所述第三线段的倾斜角度和所述第四线段的倾斜角度；
若所述第三线段的倾斜角度和所述第四线段的倾斜角度的差值大于角度阈值，将所述第二对象从所述目标对象中删除。
6.根据权利要求1至5任一项所述的方法，其特征在于，根据所述匹配结果检测出目标对象中的动态障碍物和/或静态障碍物，包括：
若所述匹配结果表示第三对象在第二时刻的预测位置，与第三对象在第二时刻的扫描位置相匹配，检测出所述第三对象为静态障碍物；和/或，
若所述匹配结果表示第四对象在第二时刻的预测位置，与第四对象在第二时刻的扫描位置不匹配，检测出所述第四对象为动态障碍物。
7.根据权利要求1至5任一项所述的方法，其特征在于，所述方法用于可移动装置中；
根据所述第一位置，预测出第二位置，包括：
根据所述第一位置，以及所述可移动装置从所述第一时刻到所述第二时刻的移动轨迹，预测出第二位置。
8.根据权利要求1至5任一项所述的方法，其特征在于，检测出目标对象中的动态障碍物和/或静态障碍物之后，所述方法还包括：
获取所述目标对象所在位置区域的先验地图信息，所述先验地图信息中包括背景障碍物的位置；
根据所述背景障碍物的位置，对检测出的动态障碍物和/或静态障碍物进行修正。
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
根据所述匹配结果生成检测置信度；
根据所述背景障碍物的位置，对检测出的动态障碍物和/或静态障碍物进行修正，包括：
根据所述背景障碍物的位置和所述检测置信度，对检测出的动态障碍物和/或静态障碍物进行修正。
10.根据权利要求1至5任一项所述的方法，其特征在于，检测出目标对象中的动态障碍物之后，所述方法还包括：
获取所述动态障碍物从所述第一时刻到所述第二时刻的移动速度；
根据所述动态障碍物在所述第一时刻或者所述第二时刻的扫描位置，以及所述动态障碍物的移动速度，预测出所述动态障碍物在第三时刻的位置。
11.根据权利要求10所述的方法，其特征在于，获取所述动态障碍物从所述第一时刻到所述第二时刻的移动速度，包括：
获得所述动态障碍物在第一时刻的扫描点阵的位置；
根据所述动态障碍物在第一时刻的扫描点阵的位置，获得所述动态障碍物在第一时刻对应的直线斜率和截距；
获得所述动态障碍物在第二时刻的扫描点阵的位置；
根据所述动态障碍物在第二时刻的扫描点阵的位置，获得所述动态障碍物在第二时刻对应的直线斜率和截距；
根据所述动态障碍物在第一时刻对应的直线斜率和截距，以及在第二时刻对应的直线斜率和截距，获得所述动态障碍物从所述第一时刻到所述第二时刻的移动速度。
12.根据权利要求10所述的方法，其特征在于，根据所述动态障碍物在所述第一时刻或者所述第二时刻的扫描位置，以及所述动态障碍物的移动速度，预测出所述动态障碍物在第三时刻的位置，包括：
根据所述动态障碍物的移动速度，获得所述动态障碍物在单位时间内的移动位移；
根据所述动态障碍物在所述第一时刻或者所述第二时刻的扫描位置，以及所述动态障碍物在单位时间内的移动位移，预测出所述动态障碍物在至少一个单位时间之后的位置。
13.根据权利要求1至5任一项所述的方法，其特征在于，获得第一位置，包括：在第一时刻对目标对象进行激光扫描，获得所述第一位置；
获得第三位置，包括：在第二时刻对目标对象进行激光扫描，获得所述第三位置。
14.一种障碍物的检测装置，其特征在于，包括：
第一获得单元，用于获得第一位置，所述第一位置为目标对象在第一时刻的扫描位置；
预测单元，用于根据所述第一位置预测出第二位置，所述第二位置为目标对象在第二时刻的预测位置；
第二获得单元，用于获得第三位置，所述第三位置为目标对象在第二时刻的扫描位置；
检测单元，用于对所述第二位置和所述第三位置进行匹配，获得匹配结果，根据所述匹配结果检测出目标对象中的动态障碍物和/或静态障碍物。
15.根据权利要求14所述的装置，其特征在于，
所述第一获得单元，具体用于获得目标对象在第一时刻的第一扫描点阵的位置，根据所述第一扫描点阵的位置，将所述第一扫描点阵转换成第一线段集合，将所述第一线段集合的位置作为所述第一位置；
所述第二获得单元，具体用于获得目标对象在第二时刻的第二扫描点阵的位置，根据所述第二扫描点阵的位置，将所述第二扫描点阵转换成第二线段集合，将所述第二线段集合的位置作为所述第三位置。
16.根据权利要求15所述的装置，其特征在于，将所述第一扫描点阵转换成第一线段集合时，所述第一获得单元具体用于：
根据长度阈值将所述第一扫描点阵转换成第一线段集合，其中，所述第一扫描点阵中各个扫描点与各个扫描点对应转换的线段的距离小于所述长度阈值；
将所述第二扫描点阵转换成第二线段集合时，所述第二获得单元具体用于：
根据所述长度阈值将所述第二扫描点阵转换成第二线段集合，其中，所述第二扫描点阵中各个扫描点与各个扫描点对应转换的线段的距离小于所述长度阈值。
17.根据权利要求15所述的装置，其特征在于，还包括：
第一删除单元，用于在所述检测单元检测出目标对象中的动态障碍物和/或静态障碍物之前，所述第一线段集合包括第一对象对应的第一线段，若所述第一线段对应的扫描点阵的点密度小于密度阈值，将所述第一对象从所述目标对象中删除；或者，
所述第二线段集合包括第一对象对应的第二线段，若所述第二线段对应的扫描点阵的点密度小于密度阈值，将所述第一对象从所述目标对象中删除。
18.根据权利要求15所述的装置，其特征在于，所述第一线段集合包括第二对象对应的第三线段，所述第二线段集合包括所述第二对象对应的第四线段，所述装置还包括：
第二删除单元，用于在所述检测单元检测出目标对象中的动态障碍物和/或静态障碍物之前，获取所述第三线段的倾斜角度和所述第四线段的倾斜角度；若所述第三线段的倾斜角度和所述第四线段的倾斜角度的差值大于角度阈值，将所述第二对象从所述目标对象中删除。
19.根据权利要求14至18任一项所述的装置，其特征在于，根据所述匹配结果检测出目标对象中的动态障碍物和/或静态障碍物时，所述检测单元用于：
若所述匹配结果表示第三对象在第二时刻的预测位置，与第三对象在第二时刻的扫描位置相匹配，检测出所述第三对象为静态障碍物；和/或，
若所述匹配结果表示第四对象在第二时刻的预测位置，与第四对象在第二时刻的扫描位置不匹配，检测出所述第四对象为动态障碍物。
20.根据权利要求14至18任一项所述的装置，其特征在于，还包括：
修正单元，用于获取所述目标对象所在位置区域的先验地图信息，所述先验地图信息中包括背景障碍物的位置；根据所述背景障碍物的位置，对检测出的动态障碍物和/或静态障碍物进行修正。
21.根据权利要求14至18任一项所述的装置，其特征在于，还包括：
预测单元，用于所述检测单元检测出目标对象中的动态障碍物之后，获取所述动态障碍物从所述第一时刻到所述第二时刻的移动速度；根据所述动态障碍物在所述第一时刻或者所述第二时刻的扫描位置，以及所述动态障碍物的移动速度，预测出所述动态障碍物在第三时刻的位置。
22.根据权利要求14至18任一项所述的装置，其特征在于，所述第一获得单元具体用于，在第一时刻对目标对象进行激光扫描，获得所述第一位置；
所述第二获得单元具体用于，在第二时刻对目标对象进行激光扫描，获得所述第三位置。
23.一种运输载具，其特征在于，包括：
扫描装置，用于在第一时刻对目标对象进行扫描，获得第一位置以及在第二时刻对目标对象进行扫描，获得第三位置，所述第一位置为目标对象在第一时刻的扫描位置，所述第三位置为目标对象在第二时刻的扫描位置。
处理器，用于根据所述第一位置预测出第二位置，所述第二位置为目标对象在第二时刻的预测位置，并且对所述第二位置和所述第三位置进行匹配，获得匹配结果，根据所述匹配结果检测出目标对象中的动态障碍物和/或静态障碍物。
CN201610941455.2A 2016-10-25 2016-10-25 一种障碍物的检测方法及相关装置 Pending CN107976688A (zh)

Priority Applications (7)

Application Number Priority Date Filing Date Title
CN201610941455.2A CN107976688A (zh) 2016-10-25 2016-10-25 一种障碍物的检测方法及相关装置
TW106126275A TW201816362A (zh) 2016-10-25 2017-08-03 障礙物的檢測方法及相關裝置
JP2019522225A JP6898442B2 (ja) 2016-10-25 2017-10-20 障害物検出システム及び方法
SG11201903488UA SG11201903488UA (en) 2016-10-25 2017-10-20 System and method for obstacle detection
US15/789,797 US20180113234A1 (en) 2016-10-25 2017-10-20 System and method for obstacle detection
AU2017351042A AU2017351042A1 (en) 2016-10-25 2017-10-20 System and method for obstacle detection
PCT/US2017/057702 WO2018080932A1 (en) 2016-10-25 2017-10-20 System and method for obstacle detection

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610941455.2A CN107976688A (zh) 2016-10-25 2016-10-25 一种障碍物的检测方法及相关装置

Publications (1)

Publication Number Publication Date
CN107976688A true CN107976688A (zh) 2018-05-01

Family

ID=61969515

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610941455.2A Pending CN107976688A (zh) 2016-10-25 2016-10-25 一种障碍物的检测方法及相关装置

Country Status (7)

Country Link
US (1) US20180113234A1 (zh)
JP (1) JP6898442B2 (zh)
CN (1) CN107976688A (zh)
AU (1) AU2017351042A1 (zh)
SG (1) SG11201903488UA (zh)
TW (1) TW201816362A (zh)
WO (1) WO2018080932A1 (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108765380A (zh) * 2018-05-14 2018-11-06 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及移动终端
CN109085838A (zh) * 2018-09-05 2018-12-25 南京理工大学 一种基于激光定位的动态障碍物剔除算法
CN109143242A (zh) * 2018-09-07 2019-01-04 百度在线网络技术（北京）有限公司 障碍物绝对速度估计方法、系统、计算机设备和存储介质
CN109541632A (zh) * 2018-09-30 2019-03-29 天津大学 一种基于四线激光雷达辅助的目标检测漏检改进方法
CN109709961A (zh) * 2018-12-28 2019-05-03 百度在线网络技术（北京）有限公司 道路障碍物检测方法、装置及自动驾驶汽车
CN111896969A (zh) * 2020-08-23 2020-11-06 中国长江三峡集团有限公司 一种利用激光雷达组对闸壁固定目标物进行识别的系统及方法
CN111923898A (zh) * 2019-05-13 2020-11-13 广州汽车集团股份有限公司 障碍物检测方法及装置
US20220335727A1 (en) * 2021-03-05 2022-10-20 Tianiin Soterea Automotive Technology Limited Company Target determination method and apparatus, electronic device, and computer-readable storage medium
US11718318B2 (en) 2019-02-22 2023-08-08 Apollo Intelligent Driving (Beijing) Technology Co., Ltd. Method and apparatus for planning speed of autonomous vehicle, and storage medium
US11780463B2 (en) 2019-02-19 2023-10-10 Baidu Online Network Technology (Beijing) Co., Ltd. Method, apparatus and server for real-time learning of travelling strategy of driverless vehicle

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3579161A1 (en) * 2018-06-08 2019-12-11 Hexagon Technology Center GmbH Workflow deployment
CN111426326B (zh) * 2020-01-17 2022-03-08 深圳市镭神智能系统有限公司 一种导航方法、装置、设备、系统及存储介质
CN111724598B (zh) * 2020-06-29 2022-04-05 北京百度网讯科技有限公司 用于自动驾驶规划路径的方法、装置、设备以及存储介质
CN112515560B (zh) * 2020-11-06 2022-08-05 珠海一微半导体股份有限公司 通过激光数据获取清扫方向的方法、芯片和机器人
CN113807239B (zh) * 2021-09-15 2023-12-08 京东鲲鹏(江苏)科技有限公司 一种点云数据的处理方法、装置、存储介质及电子设备
TWI827056B (zh) * 2022-05-17 2023-12-21 中光電智能機器人股份有限公司 自動移動載具及其控制方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6816109B1 (en) * 2003-08-04 2004-11-09 Northrop Grumman Corporation Method for automatic association of moving target indications from entities traveling along known route
US20060120574A1 (en) * 2002-08-13 2006-06-08 Koninklijke Philips Electronics N.V. Method of encoding lines
US20080008353A1 (en) * 2006-07-05 2008-01-10 Samsung Electronics Co., Ltd. System, method, and medium for detecting moving object using structured light, and mobile robot including system thereof
CN101732055A (zh) * 2009-02-11 2010-06-16 北京智安邦科技有限公司 驾驶员疲劳检测方法及系统
US20110231016A1 (en) * 2010-03-17 2011-09-22 Raytheon Company Temporal tracking robot control system
US20130202197A1 (en) * 2010-06-11 2013-08-08 Edmund Cochrane Reeler System and Method for Manipulating Data Having Spatial Co-ordinates

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE59009901D1 (de) * 1990-09-25 1996-01-04 Heidenhain Gmbh Dr Johannes Verfahren zur Ermittlung von Werkzeugbahnkonturen bei numerisch gesteuerten Maschinen.
JP3401913B2 (ja) * 1994-05-26 2003-04-28 株式会社デンソー 車両用障害物認識装置
JP3209392B2 (ja) * 1995-07-20 2001-09-17 三菱電機株式会社 車両周辺検知装置
JP2002228734A (ja) * 2001-02-05 2002-08-14 Nissan Motor Co Ltd 周囲物体認識装置
DE10258794A1 (de) * 2002-12-16 2004-06-24 Ibeo Automobile Sensor Gmbh Verfahren zur Erkennung und Verfolgung von Objekten
JP4613075B2 (ja) * 2005-02-16 2011-01-12 クラリオン株式会社 地図処理装置、ナビゲーション装置及び地図表示方法
JP2010112836A (ja) * 2008-11-06 2010-05-20 Yaskawa Electric Corp 自己位置同定装置および該自己位置同定装置を備えた移動ロボット
JP5247494B2 (ja) * 2009-01-22 2013-07-24 パナソニック株式会社 自律移動装置
JP5407898B2 (ja) * 2010-01-25 2014-02-05 株式会社豊田中央研究所 対象物検出装置及びプログラム
EP2754288A4 (en) * 2011-09-07 2015-06-03 Umoove Ltd SYSTEM AND METHOD FOR TRACKING AN OBJECT IN AN IMAGE CAPTURED BY A MOBILE DEVICE
CN103679691B (zh) * 2012-09-24 2016-11-16 株式会社理光 连续型道路分割物检测方法和装置
JP6059561B2 (ja) * 2013-03-06 2017-01-11 株式会社デンソーウェーブ 物体検出方法
JP6184923B2 (ja) * 2014-09-11 2017-08-23 日立オートモティブシステムズ株式会社 車両の移動体衝突回避装置
US10242455B2 (en) * 2015-12-18 2019-03-26 Iris Automation, Inc. Systems and methods for generating a 3D world model using velocity data of a vehicle

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060120574A1 (en) * 2002-08-13 2006-06-08 Koninklijke Philips Electronics N.V. Method of encoding lines
US6816109B1 (en) * 2003-08-04 2004-11-09 Northrop Grumman Corporation Method for automatic association of moving target indications from entities traveling along known route
US20080008353A1 (en) * 2006-07-05 2008-01-10 Samsung Electronics Co., Ltd. System, method, and medium for detecting moving object using structured light, and mobile robot including system thereof
CN101732055A (zh) * 2009-02-11 2010-06-16 北京智安邦科技有限公司 驾驶员疲劳检测方法及系统
US20110231016A1 (en) * 2010-03-17 2011-09-22 Raytheon Company Temporal tracking robot control system
US20130202197A1 (en) * 2010-06-11 2013-08-08 Edmund Cochrane Reeler System and Method for Manipulating Data Having Spatial Co-ordinates

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108765380A (zh) * 2018-05-14 2018-11-06 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及移动终端
CN109085838A (zh) * 2018-09-05 2018-12-25 南京理工大学 一种基于激光定位的动态障碍物剔除算法
CN109143242B (zh) * 2018-09-07 2020-04-14 百度在线网络技术（北京）有限公司 障碍物绝对速度估计方法、系统、计算机设备和存储介质
CN109143242A (zh) * 2018-09-07 2019-01-04 百度在线网络技术（北京）有限公司 障碍物绝对速度估计方法、系统、计算机设备和存储介质
US11307302B2 (en) 2018-09-07 2022-04-19 Baidu Online Network Technology (Beijing) Co., Ltd Method and device for estimating an absolute velocity of an obstacle, and non-volatile computer-readable storage medium
CN109541632A (zh) * 2018-09-30 2019-03-29 天津大学 一种基于四线激光雷达辅助的目标检测漏检改进方法
CN109541632B (zh) * 2018-09-30 2022-06-03 天津大学 一种基于四线激光雷达辅助的目标检测漏检改进方法
CN109709961B (zh) * 2018-12-28 2021-12-07 百度在线网络技术（北京）有限公司 道路障碍物检测方法、装置及自动驾驶汽车
CN109709961A (zh) * 2018-12-28 2019-05-03 百度在线网络技术（北京）有限公司 道路障碍物检测方法、装置及自动驾驶汽车
US11780463B2 (en) 2019-02-19 2023-10-10 Baidu Online Network Technology (Beijing) Co., Ltd. Method, apparatus and server for real-time learning of travelling strategy of driverless vehicle
US11718318B2 (en) 2019-02-22 2023-08-08 Apollo Intelligent Driving (Beijing) Technology Co., Ltd. Method and apparatus for planning speed of autonomous vehicle, and storage medium
CN111923898A (zh) * 2019-05-13 2020-11-13 广州汽车集团股份有限公司 障碍物检测方法及装置
CN111896969A (zh) * 2020-08-23 2020-11-06 中国长江三峡集团有限公司 一种利用激光雷达组对闸壁固定目标物进行识别的系统及方法
US20220335727A1 (en) * 2021-03-05 2022-10-20 Tianiin Soterea Automotive Technology Limited Company Target determination method and apparatus, electronic device, and computer-readable storage medium

Also Published As

Publication number Publication date
WO2018080932A8 (en) 2019-05-09
JP6898442B2 (ja) 2021-07-07
US20180113234A1 (en) 2018-04-26
SG11201903488UA (en) 2019-05-30
WO2018080932A1 (en) 2018-05-03
TW201816362A (zh) 2018-05-01
AU2017351042A1 (en) 2019-05-09
JP2019537715A (ja) 2019-12-26

Similar Documents

Publication Publication Date Title
CN107976688A (zh) 一种障碍物的检测方法及相关装置
KR102296507B1 (ko) 트래킹 네트워크를 포함한 cnn을 사용하여 객체를 트래킹하는 방법 및 이를 이용한 장치
CN107103754B (zh) 一种道路交通状况预测方法及系统
CN110032181A (zh) 语义地图中障碍物定位方法、装置、计算机设备和存储介质
CN109146921B (zh) 一种基于深度学习的行人目标跟踪方法
CN104035439B (zh) 用多个激光雷达传感器利用扫描点追踪物体的贝叶斯网络
CN104793202B (zh) 多雷达成像传感器的对象融合系统
CN109459047B (zh) 车辆高精度定位数据与导航地图精确匹配及变道行为探测方法
CN110084304B (zh) 一种基于合成数据集的目标检测方法
JP6847463B2 (ja) ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）を利用して車線を検出するための学習方法及び学習装置そしてこれを利用したテスト方法及びテスト装置｛ＬＥＡＲＮＩＮＧ ＭＥＴＨＯＤ， ＬＥＡＲＮＩＮＧ ＤＥＶＩＣＥ ＦＯＲ ＤＥＴＥＣＴＩＮＧ ＬＡＮＥ ＵＳＩＮＧ ＣＮＮ ＡＮＤ ＴＥＳＴ ＭＥＴＨＯＤ， ＴＥＳＴ ＤＥＶＩＣＥ ＵＳＩＮＧ ＴＨＥ ＳＡＭＥ｝
Zhou et al. A fast and accurate segmentation method for ordered LiDAR point cloud of large-scale scenes
CN109001757B (zh) 一种基于2d激光雷达的车位智能检测方法
CN111279391A (zh) 一种构建移动设备运动模型的方法及相关系统
CN109584268B (zh) 移动体跟踪装置、移动体跟踪方法及计算机可读记录介质
US10861184B1 (en) Object pose neural network system
KR102608473B1 (ko) 3d 모델 정렬 방법 및 장치
CN108008379A (zh) 根据检测数据提供车辆环境轮廓折线的方法
CN110879961A (zh) 利用车道模型的车道检测方法和装置
JP5082394B2 (ja) 多目標追尾装置
JP6320016B2 (ja) 対象物検出装置、対象物検出方法およびプログラム
CN106774312A (zh) 一种为移动机器人确定移动轨迹的方法和装置
Burger et al. Fast multi-pass 3D point segmentation based on a structured mesh graph for ground vehicles
CN109858526A (zh) 一种目标跟踪中基于传感器的多目标轨迹融合方法
CN114937177A (zh) 自动打标、检测模型训练及目标识别方法、和电子设备
CN109195106B (zh) 列车内定位方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1254568

Country of ref document: HK

RJ01 Rejection of invention patent application after publication

Application publication date: 20180501

RJ01 Rejection of invention patent application after publication