CN112257542A - 障碍物感知方法、存储介质及电子设备 - Google Patents

Abstract

本申请公开了一种障碍物感知方法、存储介质及电子设备，障碍物感知方法，首先获取当前帧的车身周围障碍物列表和前一帧的融合障碍物目标列表；之后根据前一帧的融合障碍物目标列表预测当前帧的障碍物预测位置列表；再将当前帧的车身周围障碍物列表和当前帧的障碍物预测位置列表进行匹配融合，确定当前帧的保留障碍物、新增障碍物和/或丢失障碍物，得到当前帧的融合障碍物目标列表。本申请通过前一帧的融合障碍物目标列表对当前帧的障碍物位置进行预测，再将预测的障碍物位置列表与检测到的当前帧的车身周围障碍物列表进行匹配融合，能够对检测到的当前帧的车身周围障碍物进行分类，从而得到较为准确当前帧的融合障碍物目标列表。

Description

障碍物感知方法、存储介质及电子设备

技术领域

本申请涉及无人驾驶技术领域，尤其涉及一种障碍物感知方法、存储介质及电子设备。

背景技术

汽车的发展日益智能化，搭载有无人驾驶技术的汽车逐渐增多，在无人驾驶技术中，准确感知车身周围障碍物是汽车安全驾驶的重要前提。

在目前的障碍物感知技术中，主要是通过在汽车车身正前方安装一个激光雷达，激光雷达检测车辆前方是否有障碍物，通过对激光雷达检测的障碍物点云数据进行解析，判断车辆前方的障碍物的位置和速度信息。

这种障碍物感知技术中，对障碍物的位置和速度信息的判断是实时的，仅依靠于激光雷达的检测结果，无法给出精确的运动速度。

发明内容

本申请的目的在于克服现有技术的不足，提供一种感知度更加精准的障碍物感知方法、存储介质及电子设备。

本申请的技术方案提供一种障碍物感知方法，包括如下步骤：

获取当前帧的车身周围障碍物列表和前一帧的融合障碍物目标列表；

根据前一帧的融合障碍物目标列表预测当前帧的障碍物预测位置列表；

将当前帧的车身周围障碍物列表和当前帧的障碍物预测位置列表进行匹配融合，确定当前帧的保留障碍物、新增障碍物和/或丢失障碍物，得到当前帧的融合障碍物目标列表。

进一步地，所述当前帧的车身周围障碍物列表包括至少一个当前障碍物及其位置信息，所述当前帧的障碍物预测位置列表包括至少一个预测障碍物及其位置信息；

所述确定当前帧的保留障碍物、新增障碍物和/或丢失障碍物，得到当前帧的融合障碍物目标列表，具体包括：

根据所述当前障碍物的位置信息与所述预测障碍物的位置信息进行匹配：

若所述当前障碍物在设定距离范围内匹配到所述预测障碍物，则标记所述当前障碍物为保留障碍物；或者

若所述当前障碍物在设定距离范围内未能匹配到所述预测障碍物，则标记所述当前障碍物为新增障碍物；或者

若所述预测障碍物在设定距离范围内未能匹配到所述当前障碍物，则标记所述预测障碍物为丢失障碍物。

进一步地，所述若所述当前障碍物在设定距离范围内匹配到所述预测障碍物，则标记所述当前障碍物为保留障碍物，具体包括：

若所述当前障碍物在设定距离范围内匹配到所述预测障碍物，则确定所述当前障碍物为保留障碍物；

获取所述保留障碍物在前一帧的位置信息，作为该保留障碍物的前一帧融合位置信息；

根据所述保留障碍物的位置信息和前一帧融合位置信息确定所述保留障碍物的当前帧融合位置信息；

根据所述保留障碍物的前一帧融合位置信息和当前帧融合位置信息，计算所述保留障碍物的运动信息，

将所述保留障碍物的位置信息和运动信息保存至所述当前帧的融合障碍物目标列表。

进一步地，所述根据所述保留障碍物的位置信息和前一帧融合位置信息确定所述保留障碍物的当前帧融合位置信息，具体包括：

将所述保留障碍物的位置信息作为当前观测量，基于所述当前观测量对所述保留障碍物的前一帧融合位置信息做卡尔曼滤波追踪，得到所述保留障碍物的当前帧融合位置信息。

进一步地，所述若所述当前障碍物在设定距离范围内未能匹配到所述预测障碍物，则标记所述当前障碍物为新增障碍物，具体包括：

所述若所述当前障碍物在设定距离范围内未能匹配到所述预测障碍物，则标记所述当前障碍物为新增障碍物；

将所述新增障碍物保存至所述当前帧的融合障碍物目标列表中。

进一步地，所述若所述预测障碍物在设定距离范围内未能匹配到所述当前障碍物，则标记所述预测障碍物为丢失障碍物，具体包括：

若所述预测障碍物在设定距离范围内未能匹配到所述当前障碍物，则标记所述预测障碍物为丢失障碍物；

若所述预测障碍物在当前帧之前连续的设定帧数内均被标记为丢失障碍物，则将所述预测障碍物在所述当前帧的融合障碍物目标列表中移除。

进一步地，所述获取当前帧的车身周围障碍物列表，具体包括：

获取当前帧的障碍物点云数据的绝对坐标；

将所述障碍物点云数据的绝对坐标转换为车辆栅格矩阵数据；

通过聚类算法将所述车辆栅格矩阵数据进行聚类，得到当前帧的车身周围障碍物列表。

进一步地，所述获取当前帧的障碍物点云数据的绝对坐标，具体包括：

获取车辆惯导定位数据以及惯导的安装位置参数；

获取激光雷达检测单元检测出的障碍物点云数据以及激光雷达检测单元的安装位置参数；

根据所述车辆惯导定位数据、所述惯导的安装位置参数以及所述激光雷达检测单元的安装位置参数，计算出所述障碍物点云数据的绝对坐标。

本申请的技术方案还提供一种存储介质，所述存储介质存储计算机指令，当计算机执行所述计算机指令时，用于执行如前所述的障碍物感知方法的所有步骤。

本申请的技术方案还提供一种电子设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行：

获取当前帧的车身周围障碍物列表和前一帧的融合障碍物目标列表；

根据前一帧的融合障碍物目标列表预测当前帧的障碍物预测位置列表；

将当前帧的车身周围障碍物列表和当前帧的障碍物预测位置列表进行匹配融合，确定当前帧的保留障碍物、新增障碍物和/或丢失障碍物，得到当前帧的融合障碍物目标列表。

采用上述技术方案后，具有如下有益效果：

本申请通过前一帧的融合障碍物目标列表对当前帧的障碍物位置进行预测，再将预测的障碍物位置列表与检测到的当前帧的车身周围障碍物列表进行匹配融合，能够对检测到的当前帧的车身周围障碍物进行分类，从而得到较为准确当前帧的融合障碍物目标列表。

附图说明

参见附图，本申请的公开内容将变得更易理解。应当理解：这些附图仅仅用于说明的目的，而并非意在对本申请的保护范围构成限制。图中：

图1是本申请一实施例中障碍物感知方法的流程图；

图2是本申请一实施例中激光雷达检测单元在车身上的安装位置；

图3是本申请另一实施例中障碍物感知方法的流程图；

图4是本申请一实施例中电子设备的硬件结构图。

具体实施方式

下面结合附图来进一步说明本申请的具体实施方式。

容易理解，根据本申请的技术方案，在不变更本申请实质精神下，本领域的一般技术人员可相互替换的多种结构方式以及实现方式。因此，以下具体实施方式以及附图仅是对本申请的技术方案的示例性说明，而不应当视为本申请的全部或视为对申请技术方案的限定或限制。

在本说明书中提到或者可能提到的上、下、左、右、前、后、正面、背面、顶部、底部等方位用语是相对于各附图中所示的构造进行定义的，它们是相对的概念，因此有可能会根据其所处不同位置、不同使用状态而进行相应地变化。所以，也不应当将这些或者其他的方位用语解释为限制性用语。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“连接”、“相连”应做广义理解，例如，可以是固定连接，也可以可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个组件内部的连通。对于本领域的普通技术人员而言，可以视具体情况理解上述属于在本申请中的具体含义。

本申请实施例中的障碍物感知方法，如图1所示，包括如下步骤：

步骤S101：获取当前帧的车身周围障碍物列表和前一帧的融合障碍物目标列表；

步骤S102：根据前一帧的融合障碍物目标列表预测当前帧的障碍物预测位置列表；

步骤S103：将当前帧的车身周围障碍物列表和当前帧的障碍物预测位置列表进行匹配融合，确定当前帧的保留障碍物、新增障碍物和/或丢失障碍物，得到当前帧的融合障碍物目标列表。

具体来说，所述当前帧的车身周围障碍物列表通过激光雷达进行检测获取，其中包括车身周围障碍物的位置信息和运动信息，其中位置信息是相对于车身而言的，即障碍物与车身的相对位置，运动信息则包括障碍物的运动方向和运动速度。

所述前一帧的融合障碍物目标列表为前一帧的车身周围障碍物列表经过本申请实施例的障碍物感知方法处理后感知精准度较高的障碍物数据，其中同样包括障碍物的位置信息和运动信息。

在步骤S102中，根据前一帧融合障碍物目标列表中的障碍物的位置信息和运动信息，根据运动学方程预测当前帧的障碍物预测位置列表。

在步骤S103中将预测的当前帧的障碍物预测位置列表和激光雷达检测到当前帧的车身周围障碍物列表进行匹配融合，从而能够将障碍物区分为保留障碍物、新增障碍物和丢失障碍物。

其中，保留障碍物为前一帧已存在且保留至当前帧的障碍物，新增障碍物为前一帧不存在，当前帧才出现的新的障碍物，丢失障碍物为前一帧存在而在当前帧消失的障碍物。通过将障碍物进行分类，提高感知精确度，自动驾驶系统可以对不同类别的障碍物设置不同的响应等级，从而进一步保证驾驶安全。此外，将预测的当前帧的障碍物预测位置列表和激光雷达检测到当前帧的车身周围障碍物列表进行匹配融合，还能进一步提高对当前帧障碍物的运动信息的感知精确度。

在其中一个实施例中，所述当前帧的车身周围障碍物列表包括至少一个当前障碍物及其位置信息，所述当前帧的障碍物预测位置列表包括至少一个预测障碍物及其位置信息；

所述确定当前帧的保留障碍物、新增障碍物和/或丢失障碍物，得到当前帧的融合障碍物目标列表，具体包括：

根据所述当前障碍物的位置信息与所述预测障碍物的位置信息进行匹配：

若所述当前障碍物在设定距离范围内匹配到所述预测障碍物，则标记所述当前障碍物为保留障碍物；或者

若所述当前障碍物在设定距离范围内未能匹配到所述预测障碍物，则标记所述当前障碍物为新增障碍物；或者

若所述预测障碍物在设定距离范围内未能匹配到所述当前障碍物，则标记所述预测障碍物为丢失障碍物。

本申请实施例中，通过距离将多个当前障碍物和多个预测障碍物进行匹配，以当前障碍物匹配预测障碍物为例，在当前障碍物的设定距离范围内进行搜索是否存在预测障碍物，若存在预测障碍物，则认为该预测障碍物与该当前障碍物匹配，若当前障碍物的预设距离范围内不存在预测障碍物，则认为当前障碍物未能匹配到预测障碍物。对预测障碍物的匹配与当前障碍物的匹配相同。由于相邻的两帧之间的时间差较短，因此障碍物的位置偏差较小，所述设定距离范围小于或等于一米。

若当前障碍物在设定距离范围内能够匹配到预测障碍物，则可以认为该当前障碍物与该预测障碍物实际上是同一个障碍物，则将该当前障碍物标记为保留障碍物；

若当前障碍物在设定距离范围内未能匹配到预测障碍物，则认为该当前障碍物在前一帧并未存在，因此将该当前障碍物标记为新增障碍物；

若预测障碍物在设定距离范围内未能匹配到当前障碍物，则认为该障碍物前一帧存在而在当前帧消失，因此将该当前障碍物标记为丢失障碍物。

在对各个当前障碍物和预测障碍物的匹配中，可以先对当前障碍物进行匹配，标记出保留障碍物和新增障碍物后，再对预测障碍物进行匹配，标记出丢失障碍物。

在其中一个实施例中，所述若所述当前障碍物在设定距离范围内匹配到所述预测障碍物，则标记所述当前障碍物为保留障碍物，具体包括：

若所述当前障碍物在设定距离范围内匹配到所述预测障碍物，则确定所述当前障碍物为保留障碍物；

获取所述保留障碍物在前一帧的位置信息，作为该保留障碍物的前一帧融合位置信息；

根据所述保留障碍物的位置信息和前一帧融合位置信息确定所述保留障碍物的当前帧融合位置信息；

根据所述保留障碍物的前一帧融合位置信息和当前帧融合位置信息，计算所述保留障碍物的运动信息；

将所述保留障碍物的位置信息和运动信息保存至所述当前帧的融合障碍物目标列表。

对于保留障碍物，需要进一步获取其准确的运动信息，本申请实施例中，通过融合该保留障碍物的前一帧融合位置信息确定该保留障碍物的当前帧融合位置信息。其中，保留障碍物在前一帧的位置信息保存在前一帧的融合障碍物目标列表中，从前一帧的融合障碍物目标列表中获取即可。

具体来说，所述根据所述保留障碍物的位置信息和前一帧融合位置信息确定所述保留障碍物的当前帧融合位置信息，包括：

将所述保留障碍物的位置信息作为当前观测量，基于所述当前观测量对所述保留障碍物的前一帧融合位置信息做卡尔曼滤波追踪，得到所述保留障碍物的当前帧融合位置信息。

得到保留障碍物的当前帧融合位置信息后，基于该保留障碍物的当前帧融合位置信息和前一帧融合位置信息的差异，能够计算出保留障碍物的运动方向和运动速度等运动信息，并将该保留障碍物及其计算结果存储至当前帧的融合障碍物目标列表中。

在其中一个实施例中，所述若所述当前障碍物在设定距离范围内未能匹配到所述预测障碍物，则标记所述当前障碍物为新增障碍物，具体包括：

所述若所述当前障碍物在设定距离范围内未能匹配到所述预测障碍物，则标记所述当前障碍物为新增障碍物；

将所述新增障碍物保存至所述当前帧的融合障碍物目标列表中。

本申请实施例中，由于新增障碍物在前一帧中并不存在，因此只需将当前帧检测到的关于新增障碍物的位置信息和运动信息存入当前长的融合障碍物目标列表中即可。

在其中一个实施例中，所述若所述预测障碍物在设定距离范围内未能匹配到所述当前障碍物，则标记所述预测障碍物为丢失障碍物，具体包括：

若所述预测障碍物在设定距离范围内未能匹配到所述当前障碍物，则标记所述预测障碍物为丢失障碍物；

若所述预测障碍物在当前帧之前连续的设定帧数内均被标记为丢失障碍物，则将所述预测障碍物在所述当前帧的融合障碍物目标列表中移除。

具体来说，丢失障碍物为前一帧存在而当前帧消失的障碍物，造成该障碍物丢失的原因包括障碍物离开车身周围或是激光雷达出现漏检。因此，为避免因为激光雷达漏检而造成丢失障碍物的误判断，本申请实施例中将预测障碍物标记为丢失障碍物后，对当前帧之前的设定帧数内的融合障碍物目标列表进行搜索，例如，设定帧数可以设定为4帧。若当前帧之前的设定帧数内该障碍物均被标记为丢失障碍物，才能确定该障碍物确已离开车身周围，则将该预测障碍物在当前帧的融合障碍物目标列表中移除，不再对该障碍物进行监控。

在其中一个实施例中，所述获取当前帧的车身周围障碍物列表，具体包括：

获取当前帧的障碍物点云数据的绝对坐标；

将所述障碍物点云数据的绝对坐标转换为车辆栅格矩阵数据；

通过聚类算法将所述车辆栅格矩阵数据进行聚类，得到当前帧的车身周围障碍物列表。

具体来说，所述获取当前帧的障碍物点云数据的绝对坐标，具体包括：

获取车辆惯导定位数据以及惯导的安装位置参数；

获取激光雷达检测单元检测出的障碍物点云数据以及激光雷达检测单元的安装位置参数；

根据所述车辆惯导定位数据、所述惯导的安装位置参数以及所述激光雷达检测单元的安装位置参数，计算出所述障碍物点云数据的绝对坐标。本发明的激光雷达单元可包括多种设置方式：如：在设置在正前方、正后方、正前方的两拐角，正后方的两个拐角，或以上方式的组合。

在某些实施例中，如图2所示，所述激光雷达检测单元包括六个激光雷达201，六个所述激光雷达201分别安装在所述汽车车身的正前方、正后方以及四个拐角的位置。

本实施例中的激光雷达检测单元，能够对车辆的正前方、左前方、右前方、正后方、左后方、右后方多个角度的障碍物进行检测，扩大了检测范围，也进一步提高了障碍物的感知精度。

激光雷达检测单元的检测出的障碍物点云数据(包括对应的时间戳)的位置是相对于激光雷达检测单元的，而激光雷达检测单元安装在车身上，随着车身的运动，因此，激光雷达所检测到的障碍物点云数据在不同的时间戳相对于大地的参照位置是不同的。

因此，本申请实施例根据车辆惯导定位数据、惯导的安装位置参数以及激光雷达检测单元的安装位置参数，计算出激光雷达检测到的障碍物点云数据的绝对坐标。以便于后续对障碍物点云数据的处理。

在计算障碍物点云数据的绝对坐标之后，以汽车车身为参照，设计车辆栅格矩阵，结合车辆的车辆惯导定位数据，将障碍物点云数据的绝对坐标转换为车辆栅格矩阵数据，即将障碍物点云数据对应存储至车辆栅格矩阵中，以便于后续以车辆为参照，对障碍物进行匹配融合等操作。

最后再将转换后的车辆栅格矩阵数据通过聚类算法进行聚类，将车辆栅格矩阵数据聚类为车身周围障碍物列表。聚类即将多个激光雷达检测到的多组点云数据进行聚类，将相关联的点云数据聚类为一个障碍物，而各障碍物的中心位置、初始方向、初始速度和时间戳取该障碍物所聚类的所有点云数据的平均值。

图3示出了本申请一优选实施例中障碍物感知方法的流程图，具体包括如下步骤：

步骤S301：获取前一帧的融合障碍物目标列表；

步骤S302：获取车辆惯导定位数据以及惯导的安装位置参数；

步骤S303：获取激光雷达检测单元检测出的障碍物点云数据以及激光雷达检测单元的安装位置参数；

步骤S304：根据所述车辆惯导定位数据、所述惯导的安装位置参数以及所述激光雷达检测单元的安装位置参数，计算出所述障碍物点云数据的绝对坐标；

步骤S305：将所述障碍物点云数据的绝对坐标转换为车辆栅格矩阵数据；

步骤S306：通过聚类算法将所述车辆栅格矩阵数据进行聚类，得到当前帧的车身周围障碍物列表；

步骤S307：根据前一帧的融合障碍物目标列表预测当前帧的障碍物预测位置列表；

步骤S308：所述当前帧的车身周围障碍物列表包括多个当前障碍物的位置信息，所述当前帧的障碍物预测位置列表包括多个预测障碍物的位置信息；

若所述当前障碍物在设定距离范围内匹配到所述预测障碍物，则标记所述当前障碍物为保留障碍物，之后执行步骤S309-S312；

若所述当前障碍物在设定距离范围内未能匹配到所述预测障碍物，则标记所述当前障碍物为新增障碍物，之后执行步骤S313；

若所述预测障碍物在设定距离范围内未能匹配到所述当前障碍物，则标记所述预测障碍物为丢失障碍物，之后执行步骤S314。

步骤S309：获取所述保留障碍物的在前一帧的位置信息，作为该保留障碍物的前一帧融合位置信息；

步骤S310：根据所述保留障碍物的位置信息和前一帧融合位置信息确定所述保留障碍物的当前帧融合位置信息；

步骤S311：根据所述保留障碍物的前一帧融合位置信息和当前帧融合位置信息，计算所述保留障碍物的运动信息；

步骤S312：将所述保留障碍物的位置信息和运动信息保存至所述当前帧的融合障碍物目标列表；

步骤S313：将所述新增障碍物保存至所述当前帧的融合障碍物目标列表；

步骤S314：若所述预测障碍物在当前帧之前连续的设定帧数内均被标记为丢失障碍物，则将所述预测障碍物在所述当前帧的融合障碍物目标列表中移除。

本申请的技术方案还提供一种存储介质，所述存储介质存储计算机指令，当计算机执行所述计算机指令时，用于执行上述任意方法实施例中的障碍物感知方法的所有步骤。

图4示出了本申请的一种电子设备，包括：

至少一个处理器401；以及，

与所述至少一个处理器401通信连接的存储器402；其中，

所述存储器402存储有可被所述至少一个处理器401执行的指令，所述指令被所述至少一个处理器401执行，以使所述至少一个处理器401能够执行上述任意方法实施例中的障碍物感知方法的所有步骤，例如图1、图3所示的方法流程。

图4中以一个电子设备为例。电子设备优选为电子控制单元(Electronic ControlUnit，ECU)。

电子设备还可以包括：输入装置403和输出装置404。

处理器401、存储器402、输入装置403及显示装置404可以通过总线或者其他方式连接，图中以通过总线连接为例。

存储器402作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的障碍物感知对应的程序指令/模块，例如，图1、图3所示的方法流程。处理器401通过运行存储在存储器402中的非易失性软件程序、指令以及模块，从而执行各种功能应用以及数据处理，即实现上述实施例中的障碍物感知。

存储器402可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据障碍物感知的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器402可选包括相对于处理器401远程设置的存储器，这些远程存储器可以通过网络连接至执行障碍物感知的装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置403可接收输入的用户点击，以及产生与障碍物感知的用户设置以及功能控制有关的信号输入。显示装置404可包括显示屏等显示设备。

在所述一个或者多个模块存储在所述存储器402中，当被所述一个或者多个处理器401运行时，执行上述任意方法实施例中的障碍物感知。

上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。

本发明实施例的电子设备以多种形式存在，包括但不限于:

(1)电子控制单元(Electronic Control Unit，ECU)又称“行车电脑”、“车载电脑”等。主要由微处理器(CPU)、存储器(ROM、RAM)、输入/输出接口(I/O)、模数转换器(A/D)以及整形、驱动等大规模集成电路组成。

(2)移动通信设备:这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机，以及低端手机等。

(3)超移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等。

(4)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。

(5)服务器:提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。

(6)其他具有数据交互功能的电子装置。

此外，上述的存储器402中的逻辑指令可以通过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移动终端(可以是个人计算机，服务器，或者网络设备等)执行本发明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-Only Memory)、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。

以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本发明实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

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各实施方式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。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明实施例的技术方案，而非对其限制；尽管参照前述实施例对本发明实施例进行了详细的说明，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发明各实施例技术方案的精神和范围。

Claims (10)

1.一种障碍物感知方法，其特征在于，包括如下步骤：

获取当前帧的车身周围障碍物列表和前一帧的融合障碍物目标列表；

根据前一帧的融合障碍物目标列表预测当前帧的障碍物预测位置列表；

将当前帧的车身周围障碍物列表和当前帧的障碍物预测位置列表进行匹配融合，确定当前帧的保留障碍物、新增障碍物和/或丢失障碍物，得到当前帧的融合障碍物目标列表。

2.根据权利要求1所述的障碍物感知方法，其特征在于，所述当前帧的车身周围障碍物列表包括至少一个当前障碍物及其位置信息，所述当前帧的障碍物预测位置包括至少一个预测障碍物及其位置信息；

所述确定当前帧的保留障碍物、新增障碍物和/或丢失障碍物，得到当前帧的融合障碍物目标列表，具体包括：

根据所述当前障碍物的位置信息与所述预测障碍物的位置信息进行匹配：

若所述当前障碍物在设定距离范围内匹配到所述预测障碍物，则标记所述当前障碍物为保留障碍物；或者

若所述当前障碍物在设定距离范围内未能匹配到所述预测障碍物，则标记所述当前障碍物为新增障碍物；或者

若所述预测障碍物在设定距离范围内未能匹配到所述当前障碍物，则标记所述预测障碍物为丢失障碍物。

3.根据权利要求2所述的障碍物感知方法，其特征在于，所述若所述当前障碍物在设定距离范围内匹配到所述预测障碍物，则标记所述当前障碍物为保留障碍物，具体包括：

若所述当前障碍物在设定距离范围内匹配到所述预测障碍物，则确定所述当前障碍物为保留障碍物；

获取所述保留障碍物在前一帧的位置信息，作为该保留障碍物的前一帧融合位置信息；

根据所述保留障碍物的位置信息和前一帧融合位置信息确定所述保留障碍物的当前帧融合位置信息；

根据所述保留障碍物的前一帧融合位置信息和当前帧融合位置信息，计算所述保留障碍物的运动信息，

将所述保留障碍物的位置信息和运动信息保存至所述当前帧的融合障碍物目标列表。

4.根据权利要求3所述的障碍物感知方法，其特征在于，所述根据所述保留障碍物的位置信息和前一帧融合位置信息确定所述保留障碍物的当前帧融合位置信息，具体包括：

将所述保留障碍物的位置信息作为当前观测量，基于所述当前观测量对所述保留障碍物的前一帧融合位置信息做卡尔曼滤波追踪，得到所述保留障碍物的当前帧融合位置信息。

5.根据权利要求2所述的障碍物感知方法，其特征在于，所述若所述当前障碍物在设定距离范围内未能匹配到所述预测障碍物，则标记所述当前障碍物为新增障碍物，具体包括：

所述若所述当前障碍物在设定距离范围内未能匹配到所述预测障碍物，则标记所述当前障碍物为新增障碍物；

将所述新增障碍物保存至所述当前帧的融合障碍物目标列表中。

6.根据权利要求2所述的障碍物感知方法，其特征在于，所述若所述预测障碍物在设定距离范围内未能匹配到所述当前障碍物，则标记所述预测障碍物为丢失障碍物，具体包括：

若所述预测障碍物在设定距离范围内未能匹配到所述当前障碍物，则标记所述预测障碍物为丢失障碍物；

若所述预测障碍物在当前帧之前连续的设定帧数内均被标记为丢失障碍物，则将所述预测障碍物在所述当前帧的融合障碍物目标列表中移除。

7.根据权利要求1-6中任一项所述的障碍物感知方法，其特征在于，所述获取当前帧的车身周围障碍物列表，具体包括：

获取当前帧的障碍物点云数据的绝对坐标；

将所述障碍物点云数据的绝对坐标转换为车辆栅格矩阵数据；

通过聚类算法将所述车辆栅格矩阵数据进行聚类，得到当前帧的车身周围障碍物列表。

8.根据权利要求7所述的障碍物感知方法，其特征在于，所述获取当前帧的障碍物点云数据的绝对坐标，具体包括：

获取车辆惯导定位数据以及惯导的安装位置参数；

获取激光雷达检测单元检测出的障碍物点云数据以及激光雷达检测单元的安装位置参数；

根据所述车辆惯导定位数据、所述惯导的安装位置参数以及所述激光雷达检测单元的安装位置参数，计算出所述障碍物点云数据的绝对坐标。

9.一种存储介质，其特征在于，所述存储介质存储计算机指令，当计算机执行所述计算机指令时，用于执行如权利要求1-8任一项所述的障碍物感知方法的所有步骤。

10.一种电子设备，其特征在于，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行：

获取当前帧的车身周围障碍物列表和前一帧的融合障碍物目标列表；

根据前一帧的融合障碍物目标列表预测当前帧的障碍物预测位置列表；

将当前帧的车身周围障碍物列表和当前帧的障碍物预测位置列表进行匹配融合，确定当前帧的保留障碍物、新增障碍物和/或丢失障碍物，得到当前帧的融合障碍物目标列表。

Images