CN112598615A - 障碍物检测方法、装置、电子设备和计算机可读介质 - Google Patents
障碍物检测方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN112598615A CN112598615A CN202011201756.4A CN202011201756A CN112598615A CN 112598615 A CN112598615 A CN 112598615A CN 202011201756 A CN202011201756 A CN 202011201756A CN 112598615 A CN112598615 A CN 112598615A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- data set
- generate
- obstacle
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/005—Tree description, e.g. octree, quadtree
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开的实施例公开了障碍物检测方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:获取环境点云数据集合;对该环境点云数据集合进行裁剪处理以生成裁剪后的环境点云数据集合;对该裁剪后的环境点云数据集合进行降采样处理以生成降采样后的环境点云数据集合;将该降采样后的环境点云数据集合输入至障碍物检测模型以生成障碍物信息集合;对该障碍物信息集合中的障碍物信息进行过滤处理以生成过滤障碍物信息集合;通过车载通信模块,将该过滤障碍物信息集合发送至控制规划终端。该实施方式提高了障碍物信息生成的准确度,降低了自动驾驶车辆在行驶过程中的风险程度。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及障碍物检测方法、装置、电子设备和计算机可读介质。
背景技术
障碍物检测是自动驾驶领域中对于周围环境感知的一个重要步骤。目前,常用的障碍物检测方法是利用合适的数据结构(例如,K-Dimensional树),配合聚类算法(例如,Density-Based Spatial Clustering of Applications with Noise)对环境点云数据进行聚类操作,以达到障碍物检测的目的。
然而,当采用上述方式进行障碍物检测时,经常会存在如下技术问题:
第一,障碍物检测的结果较为依赖环境点云数据的分布,由于环境点云数据往往呈现离散分布,从而,使得障碍物检测的结果(例如,障碍物类别,障碍物轮廓信息)不够精准,进而,影响了自动驾驶车辆对于障碍物的规避精准度,从而,增加了自动驾驶车辆的在行驶过程中的风险程度。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了障碍物检测方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种障碍物检测方法,该方法包括:获取环境点云数据集合,其中,上述环境点云数据是通过安装在目标车辆上的激光雷达对周围环境扫描得到的,上述环境点云数据包括:横坐标值,纵坐标值,竖坐标值,雷达回波功率值,上述环境点云数据包括的横坐标值、纵坐标值和竖坐标值是在目标车辆坐标系下的坐标值,上述目标车辆坐标系是以上述目标车辆行进方向为横轴、以上述目标车辆的底盘中心为原点、以与上述目标车辆的后轴平行的线作为纵轴、以与地面垂直的线作为竖轴的坐标系。对上述环境点云数据集合进行裁剪处理以生成裁剪后的环境点云数据集合。对上述裁剪后的环境点云数据集合进行降采样处理以生成降采样后的环境点云数据集合。将上述降采样后的环境点云数据集合输入至障碍物检测模型以生成障碍物信息集合。对上述障碍物信息集合中的障碍物信息进行过滤处理以生成过滤障碍物信息集合。通过车载通信模块,将上述过滤障碍物信息集合发送至控制规划终端。
第二方面,本公开的一些实施例提供了一种障碍物检测装置,装置包括:获取单元,被配置成获取环境点云数据集合,其中,上述环境点云数据是通过安装在目标车辆上的激光雷达对周围环境扫描得到的,上述环境点云数据包括:横坐标值,纵坐标值,竖坐标值,雷达回波功率值,上述环境点云数据包括的横坐标值、纵坐标值和竖坐标值是在目标车辆坐标系下的坐标值,上述目标车辆坐标系是以上述目标车辆行进方向为横轴、以上述目标车辆的底盘中心为原点、以与上述目标车辆的后轴平行的线作为纵轴、以与地面垂直的线作为竖轴的坐标系。裁剪处理单元,被配置成对上述环境点云数据集合进行裁剪处理以生成裁剪后的环境点云数据集合。降采样处理单元,被配置成对上述裁剪后的环境点云数据集合进行降采样处理以生成降采样后的环境点云数据集合。输入单元,被配置成将上述降采样后的环境点云数据集合输入至障碍物检测模型以生成障碍物信息集合。过滤处理单元,被配置成对上述障碍物信息集合中的障碍物信息进行过滤处理以生成过滤障碍物信息集合。发送单元,被配置成通过车载通信模块,将上述过滤障碍物信息集合发送至控制规划终端。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例中具有如下有益效果:通过本公开的一些实施例的障碍物检测方法,提高了障碍物检测的结果的准确度,从而,为自动驾驶车辆对于障碍物的规避提供了更加精准的数据,降低了自动驾驶车辆在行驶过程中的风险程度。具体来说,发明人发现,造成障碍物检测的结果不够准确地原因在于:未对环境点云数据进行预处理,从而,导致聚类结构不够精准,即,生成的障碍物信息不够精准。基于此,本公开的一些实施例的障碍物检测方法通过对环境点云数据进行裁剪处理、降采样处理以及对生成的障碍物信息进行过滤处理。从而,使得最终生成的障碍物信息更加准确。除此之外,由于环境点云数据有着较为稀疏的特点,因此,本公开基于环境点云数据特点生成的障碍物检测模型,生成障碍物信息。从而,提高了生成的障碍物信息的准确度。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的一些实施例的障碍物检测方法的一个应用场景的示意图;
图2是根据本公开的障碍物检测方法的一些实施例的流程图;
图3是根据本公开的障碍物检测方法的一些实施例中的非裁剪区域的示意图;
图4是根据本公开的障碍物检测方法的一些实施例中的的障碍物检测模型的示意图;
图5是根据本公开的障碍物检测装置的一些实施例的结构示意图;
图6是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是本公开的一些实施例的障碍物检测方法的一个应用场景的示意图。
在图1的应用场景中,首先,计算设备101可以获取环境点云数据集合102,其中,上述环境点云数据是通过安装在目标车辆上的激光雷达对周围环境扫描得到的,上述环境点云数据包括:横坐标值,纵坐标值,竖坐标值,雷达回波功率值,上述环境点云数据包括的横坐标值、纵坐标值和竖坐标值是在目标车辆坐标系下的坐标值,上述目标车辆坐标系是以上述目标车辆行进方向为横轴、以上述目标车辆的底盘中心为原点、以与上述目标车辆的后轴平行的线作为纵轴、以与地面垂直的线作为竖轴的坐标系。其次,计算设备101可以对上述环境点云数据集合102进行裁剪处理以生成裁剪后的环境点云数据集合103。然后,计算设备101可以对上述裁剪后的环境点云数据集合103进行降采样处理以生成降采样后的环境点云数据集合104。进而,计算设备101可以将上述降采样后的环境点云数据集合104输入至障碍物检测模型105以生成障碍物信息集合106。接着,计算设备101可以对上述障碍物信息集合106中的障碍物信息进行过滤处理以生成过滤障碍物信息集合107。最后,计算设备101可以通过车载通信模块108,将上述过滤障碍物信息集合107发送至控制规划终端109。
需要说明的是,上述计算设备101可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的计算设备的数目仅仅是示意性的。根据实现需要,可以具有任意数目的计算设备。
继续参考图2,示出了根据本公开的障碍物检测方法的一些实施例的流程200。该障碍物检测方法,包括以下步骤:
步骤201,获取环境点云数据集合。
在一些实施例,障碍物检测方法的执行主体(如图1上述的计算设备101)可以通过有线连接或无线连接的方式获取上述环境点云数据集合。其中,上述环境点云数据可以是通过安装在目标车辆上的激光雷达对周围环境扫描得到的,上述环境点云数据可以包括:横坐标值,纵坐标值,竖坐标值,雷达回波功率值,上述环境点云数据包括的横坐标值、纵坐标值和竖坐标值是在目标车辆坐标系下的坐标值,上述目标车辆坐标系可以是以上述目标车辆行进方向为横轴、以上述目标车辆的底盘中心为原点、以与上述目标车辆的后轴平行的线作为纵轴、以与地面垂直的线作为竖轴的坐标系。
步骤202,对环境点云数据集合进行裁剪处理以生成裁剪后的环境点云数据集合。
在一些实施例中,上述执行主体可以通过各种方式对环境点云数据集合进行裁剪处理以生成裁剪后的环境点云数据集合。
在一些实施例的可选的实现方式中,上述执行主体对环境点云数据集合进行裁剪处理以生成裁剪后的环境点云数据集合,可以包括以下步骤:
第一步,获取横向感知距离和上述激光雷达的感知半径。其中,上述横向感知距离可以是上述目标车辆左侧或右侧的最大感知距离。上述激光雷达的感知半径可以是上述激光雷达的最大感知距离。
第二步,基于横向感知距离和感知半径,确定非裁剪区域。
可选的,上述执行主体可以基于横向感知距离和感知半径,通过以下公式,确定非裁剪区域(如图3中所示的阴影部分):
其中,TR表示上述横向感知距离。x表示上述环境点云数据集合中环境点云数据包括的横坐标。y表示上述环境点云数据集合中环境点云数据包括的纵坐标。R表示上述感知半径。CH表示上述目标车辆的车身长度。
第三步,从环境点云数据集合中选择落入非裁剪区域的环境点云数据作为裁剪后的环境点云数据,得到裁剪后的环境点云数据集合。
作为示例,可以从上述环境点云数据集合中选择包括的横坐标值和纵坐标值均落入非裁剪区域的环境点云数据作为裁剪后的环境点云数据,得到裁剪后的环境点云数据集合。
步骤203,对裁剪后的环境点云数据集合进行降采样处理以生成降采样后的环境点云数据集合。
在一些实施例中,上述执行主体对裁剪后的环境点云数据集合进行降采样处理以生成降采样后的环境点云数据集合,可以包括以下步骤:
第一步,获取高精度地图中的地面信息。
第二步,基于上述地面信息构建拟合平面。
第三步,去除上述环境点云数据集合中落入上述拟合平面的环境点云数据以生成降采样后的环境点云数据集合。
在一些实施例的一些可选的实现方式中,上述执行主体对裁剪后的环境点云数据集合进行降采样处理以生成降采样后的环境点云数据集合,可以包括以下步骤:
第一步,基于上述裁剪后的环境点云数据集合和预设的最大递归深度,构建八叉树。
第二步,将上述八叉树中包含的环境点云数据确定为降采样后的环境点云数据,得到降采样后的环境点云数据集合。
步骤204,将降采样后的环境点云数据集合输入至障碍物检测模型以生成障碍物信息集合。
在一些实施例中,上述执行主体可以将降采样后的环境点云数据集合输入至障碍物检测模型以生成障碍物信息集合。其中,上述障碍物检测模型可以包括:卷积层,池化层,全连接层。上述卷积层用于特征提取,上述池化层用于特征压缩。上述全连接层用于基于特征,进行分类。
在一些实施例的一些可选的实现方式中,上述执行主体将降采样后的环境点云数据集合输入至障碍物检测模型以生成障碍物信息集合,其中,上述障碍物检测模型可以包括:第一特征提取层,体素切分和特征拼接层,第二特征提取层,单元特征平铺层,第三特征提取层,障碍物属性回归层,可以包括以下步骤:
第一步,通过障碍物检测模型中的第一特征提取层401对环境点云数据集合进行稀疏卷积以生成第一特征。其中,上述环境点云数据集合是n×4的向量组。上述第一特征是n×m的向量组。
第二步,通过障碍物检测模型中的体素切分和特征拼接层402对第一特征进行体素划分以及特征拼接以生成第二特征。
第三步,通过障碍物检测模型中的第二特征提取层403对第二特征进行进一步的特征提取以生成第三特征。其中,上述第三特征是n×s的向量组。
第四步,通过障碍物检测模型中的单元特征平铺层404将第三特征平铺至对应的体素网格中以生成第四特征。
第五步,通过障碍物检测模型中的第三特征提取层405对第四特征进行二维卷积特征提取以生成第五特征。
第六步,基于第五特征,通过障碍物检测模型中的障碍物属性回归层406对障碍物属性进行回归处理以生成障碍物信息集合。
步骤205,对障碍物信息集合中的障碍物信息进行过滤处理以生成过滤障碍物信息集合。
在一些实施例中,上述执行主体可以从上述障碍物信息集合中过滤掉对应置信度数值不在预设范围内的障碍物信息以生成过滤障碍物信息集合。其中,上述预设范围可以是[0,0.2]。
步骤206,通过车载通信模块,将过滤障碍物信息集合发送至控制规划终端。
在一些实施例中,上述执行主体可以通过有线连接或无线连接的方式,通过车载通信模块,将过滤障碍物信息集合发送至控制规划终端。
本公开的上述各个实施例中具有如下有益效果:通过本公开的一些实施例的障碍物检测方法,提高了障碍物检测的结果的准确度,从而,为自动驾驶车辆对于障碍物的规避提供了更加精准的数据,降低了自动驾驶车辆在行驶过程中的风险程度。具体来说,发明人发现,造成障碍物检测的结果不够准确地原因在于:未对环境点云数据进行预处理,从而,导致聚类结构不够精准,即,生成的障碍物信息不够精准。基于此,本公开的一些实施例的障碍物检测方法通过对环境点云数据进行裁剪处理、降采样处理以及对生成的障碍物信息进行过滤处理。从而,使得最终生成的障碍物信息更加准确。除此之外,由于环境点云数据有着较为稀疏的特点,因此,本公开基于环境点云数据特点生成的障碍物检测模型,生成障碍物信息。从而,提高了生成的障碍物信息的准确度。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种障碍物检测装置的一些实施例,这些装置实施例与图2所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,一些实施例的障碍物检测装置500包括:获取单元单元501、裁剪处理单元502、降采样处理单元503、输入单元504、过滤处理单元505和发送单元506。其中,获取单元501,被配置成获取环境点云数据集合,其中,上述环境点云数据是通过安装在目标车辆上的激光雷达对周围环境扫描得到的,上述环境点云数据包括:横坐标值,纵坐标值,竖坐标值,雷达回波功率值,上述环境点云数据包括的横坐标值、纵坐标值和竖坐标值是在目标车辆坐标系下的坐标值,上述目标车辆坐标系是以上述目标车辆行进方向为横轴、以上述目标车辆的底盘中心为原点、以与上述目标车辆的后轴平行的线作为纵轴、以与地面垂直的线作为竖轴的坐标系。裁剪处理单元502,被配置成对上述环境点云数据集合进行裁剪处理以生成裁剪后的环境点云数据集合。降采样处理单元503,被配置成对上述裁剪后的环境点云数据集合进行降采样处理以生成降采样后的环境点云数据集合。输入单元504,被配置成将上述降采样后的环境点云数据集合输入至障碍物检测模型以生成障碍物信息集合。过滤处理单元505,被配置成对上述障碍物信息集合中的障碍物信息进行过滤处理以生成过滤障碍物信息集合。发送单元506,被配置成通过车载通信模块,将上述过滤障碍物信息集合发送至控制规划终端。
可以理解的是,该装置500中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置500及其中包含的单元,在此不再赘述。
下面参考图6,其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取环境点云数据集合,其中,上述环境点云数据是通过安装在目标车辆上的激光雷达对周围环境扫描得到的,上述环境点云数据包括:横坐标值,纵坐标值,竖坐标值,雷达回波功率值,上述环境点云数据包括的横坐标值、纵坐标值和竖坐标值是在目标车辆坐标系下的坐标值,上述目标车辆坐标系是以上述目标车辆行进方向为横轴、以上述目标车辆的底盘中心为原点、以与上述目标车辆的后轴平行的线作为纵轴、以与地面垂直的线作为竖轴的坐标系。对上述环境点云数据集合进行裁剪处理以生成裁剪后的环境点云数据集合。对上述裁剪后的环境点云数据集合进行降采样处理以生成降采样后的环境点云数据集合。将上述降采样后的环境点云数据集合输入至障碍物检测模型以生成障碍物信息集合。对上述障碍物信息集合中的障碍物信息进行过滤处理以生成过滤障碍物信息集合。通过车载通信模块,将上述过滤障碍物信息集合发送至控制规划终端。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、裁剪处理单元、降采样处理单元、输入单元、过滤处理单元、发送单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取环境点云数据集合的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (9)
1.一种障碍物检测方法,包括:
获取环境点云数据集合,其中,所述环境点云数据是通过安装在目标车辆上的激光雷达对周围环境扫描得到的,所述环境点云数据包括:横坐标值,纵坐标值,竖坐标值,雷达回波功率值,所述环境点云数据包括的横坐标值、纵坐标值和竖坐标值是在目标车辆坐标系下的坐标值,所述目标车辆坐标系是以所述目标车辆行进方向为横轴、以所述目标车辆的底盘中心为原点、以与所述目标车辆的后轴平行的线作为纵轴、以与地面垂直的线作为竖轴的坐标系;
对所述环境点云数据集合进行裁剪处理以生成裁剪后的环境点云数据集合;
对所述裁剪后的环境点云数据集合进行降采样处理以生成降采样后的环境点云数据集合;
将所述降采样后的环境点云数据集合输入至障碍物检测模型以生成障碍物信息集合;
对所述障碍物信息集合中的障碍物信息进行过滤处理以生成过滤障碍物信息集合;
通过车载通信模块,将所述过滤障碍物信息集合发送至控制规划终端。
2.根据权利要求1所述的方法,其中,所述对所述环境点云数据集合进行裁剪处理以生成裁剪后的环境点云数据集合,包括:
获取横向感知距离和所述激光雷达的感知半径;
基于所述横向感知距离和所述感知半径,确定非裁剪区域;
从所述环境点云数据集合中选择落入所述非裁剪区域的环境点云数据作为裁剪后的环境点云数据,得到裁剪后的环境点云数据集合。
4.根据权利要求3所述的方法,其中,所述对所述裁剪后的环境点云数据集合进行降采样处理以生成降采样后的环境点云数据集合,包括:
基于所述裁剪后的环境点云数据集合和预设的最大递归深度,构建八叉树;
将所述八叉树中包含的环境点云数据确定为降采样后的环境点云数据,得到降采样后的环境点云数据集合。
5.根据权利要求4所述的方法,其中,所述障碍物检测模型包括:第一特征提取层,体素切分和特征拼接层,第二特征提取层,单元特征平铺层,第三特征提取层,障碍物属性回归层。
6.根据权利要求5所述的方法,其中,所述将所述降采样后的环境点云数据集合输入至障碍物检测模型以生成障碍物信息集合,包括:
通过所述障碍物检测模型中的第一特征提取层对所述环境点云数据集合进行稀疏卷积以生成第一特征;
通过所述障碍物检测模型中的体素切分和特征拼接层对所述第一特征进行体素划分以及特征拼接以生成第二特征;
通过所述障碍物检测模型中的第二特征提取层对所述第二特征进行进一步的特征提取以生成第三特征;
通过所述障碍物检测模型中的单元特征平铺层将所述第三特征平铺至对应的体素网格中以生成第四特征;
通过所述障碍物检测模型中的第三特征提取层对所述第四特征进行二维卷积特征提取以生成第五特征;
基于所述第五特征,通过所述障碍物检测模型中的障碍物属性回归层对障碍物属性进行回归处理以生成障碍物信息集合。
7.一种障碍物检测装置,包括:
获取单元,被配置成获取环境点云数据集合,其中,所述环境点云数据是通过安装在目标车辆上的激光雷达对周围环境扫描得到的,所述环境点云数据包括:横坐标值,纵坐标值,竖坐标值,雷达回波功率值,所述环境点云数据包括的横坐标值、纵坐标值和竖坐标值是在目标车辆坐标系下的坐标值,所述目标车辆坐标系是以所述目标车辆行进方向为横轴、以所述目标车辆的底盘中心为原点、以与所述目标车辆的后轴平行的线作为纵轴、以与地面垂直的线作为竖轴的坐标系;
裁剪处理单元,被配置成对所述环境点云数据集合进行裁剪处理以生成裁剪后的环境点云数据集合;
降采样处理单元,被配置成对所述裁剪后的环境点云数据集合进行降采样处理以生成降采样后的环境点云数据集合;
输入单元,被配置成将所述降采样后的环境点云数据集合输入至障碍物检测模型以生成障碍物信息集合;
过滤处理单元,被配置成对所述障碍物信息集合中的障碍物信息进行过滤处理以生成过滤障碍物信息集合;
发送单元,被配置成通过车载通信模块,将所述过滤障碍物信息集合发送至控制规划终端。
8.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
9.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011201756.4A CN112598615A (zh) | 2020-11-02 | 2020-11-02 | 障碍物检测方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011201756.4A CN112598615A (zh) | 2020-11-02 | 2020-11-02 | 障碍物检测方法、装置、电子设备和计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112598615A true CN112598615A (zh) | 2021-04-02 |
Family
ID=75180761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011201756.4A Pending CN112598615A (zh) | 2020-11-02 | 2020-11-02 | 障碍物检测方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112598615A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113052131A (zh) * | 2021-04-20 | 2021-06-29 | 深圳市商汤科技有限公司 | 点云数据处理、自动驾驶车辆控制方法及装置 |
CN113420698A (zh) * | 2021-06-18 | 2021-09-21 | 北京盈迪曼德科技有限公司 | 一种基于机器人的环境识别方法及装置 |
CN113807184A (zh) * | 2021-08-17 | 2021-12-17 | 北京百度网讯科技有限公司 | 障碍物检测方法、装置、电子设备及自动驾驶车辆 |
CN115186037A (zh) * | 2022-06-09 | 2022-10-14 | 中国地震局地球物理研究所 | 地图显示方法、装置、电子设备和计算机可读介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107680168A (zh) * | 2017-09-15 | 2018-02-09 | 电子科技大学 | 三维重建中基于平面拟合的网格简化方法 |
CN109410321A (zh) * | 2018-10-17 | 2019-03-01 | 大连理工大学 | 基于卷积神经网络的三维重建方法 |
US20190171212A1 (en) * | 2017-11-24 | 2019-06-06 | Baidu Online Network Technology (Beijing) Co., Ltd | Method and apparatus for outputting information of autonomous vehicle |
CN111060923A (zh) * | 2019-11-26 | 2020-04-24 | 武汉乐庭软件技术有限公司 | 一种多激光雷达的汽车驾驶障碍物检测方法及系统 |
CN111696210A (zh) * | 2020-04-22 | 2020-09-22 | 北京航天控制仪器研究所 | 一种基于三维点云数据特征轻量化的点云重构方法及系统 |
-
2020
- 2020-11-02 CN CN202011201756.4A patent/CN112598615A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107680168A (zh) * | 2017-09-15 | 2018-02-09 | 电子科技大学 | 三维重建中基于平面拟合的网格简化方法 |
US20190171212A1 (en) * | 2017-11-24 | 2019-06-06 | Baidu Online Network Technology (Beijing) Co., Ltd | Method and apparatus for outputting information of autonomous vehicle |
CN109410321A (zh) * | 2018-10-17 | 2019-03-01 | 大连理工大学 | 基于卷积神经网络的三维重建方法 |
CN111060923A (zh) * | 2019-11-26 | 2020-04-24 | 武汉乐庭软件技术有限公司 | 一种多激光雷达的汽车驾驶障碍物检测方法及系统 |
CN111696210A (zh) * | 2020-04-22 | 2020-09-22 | 北京航天控制仪器研究所 | 一种基于三维点云数据特征轻量化的点云重构方法及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113052131A (zh) * | 2021-04-20 | 2021-06-29 | 深圳市商汤科技有限公司 | 点云数据处理、自动驾驶车辆控制方法及装置 |
CN113420698A (zh) * | 2021-06-18 | 2021-09-21 | 北京盈迪曼德科技有限公司 | 一种基于机器人的环境识别方法及装置 |
CN113807184A (zh) * | 2021-08-17 | 2021-12-17 | 北京百度网讯科技有限公司 | 障碍物检测方法、装置、电子设备及自动驾驶车辆 |
CN115186037A (zh) * | 2022-06-09 | 2022-10-14 | 中国地震局地球物理研究所 | 地图显示方法、装置、电子设备和计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112598615A (zh) | 障碍物检测方法、装置、电子设备和计算机可读介质 | |
CN112598762B (zh) | 三维车道线信息生成方法、装置、电子设备和介质 | |
CN110632608B (zh) | 一种基于激光点云的目标检测方法和装置 | |
CN112348029B (zh) | 局部地图调整方法、装置、设备和计算机可读介质 | |
CN113607185B (zh) | 车道线信息显示方法、装置、电子设备和计算机可读介质 | |
CN112258519B (zh) | 一种高精度地图制作中道路的让行线自动化提取方法及装置 | |
CN112590813A (zh) | 自动驾驶车辆信息生成方法、装置、电子设备和介质 | |
CN113674357B (zh) | 相机外参标定方法、装置、电子设备和计算机可读介质 | |
CN114399588B (zh) | 三维车道线生成方法、装置、电子设备和计算机可读介质 | |
CN113269168B (zh) | 障碍物数据处理方法、装置、电子设备和计算机可读介质 | |
CN112622923B (zh) | 用于控制车辆的方法和装置 | |
CN113190613A (zh) | 车辆路线信息显示方法、装置、电子设备和可读介质 | |
CN115817463A (zh) | 车辆避障方法、装置、电子设备和计算机可读介质 | |
CN114993328A (zh) | 车辆定位评估方法、装置、设备和计算机可读介质 | |
CN110321854B (zh) | 用于检测目标对象的方法和装置 | |
CN115468578B (zh) | 路径规划方法、装置、电子设备和计算机可读介质 | |
CN112232451B (zh) | 多传感器数据融合方法、装置、电子设备和介质 | |
CN114724115B (zh) | 障碍物定位信息生成方法、装置、设备和计算机可读介质 | |
CN116311155A (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
CN110634159A (zh) | 一种目标检测方法和装置 | |
CN115610415A (zh) | 车辆距离控制方法、装置、电子设备和计算机可读介质 | |
CN111383337B (zh) | 用于识别对象的方法和装置 | |
CN114399555B (zh) | 数据在线标定方法、装置、电子设备和计算机可读介质 | |
CN114842448B (zh) | 三维车道线生成方法、装置、电子设备和计算机可读介质 | |
CN116563818B (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 |
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 |