CN113050063A - 基于激光传感器的障碍检测方法、装置、设备及存储介质 - Google Patents
基于激光传感器的障碍检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113050063A CN113050063A CN202110478052.XA CN202110478052A CN113050063A CN 113050063 A CN113050063 A CN 113050063A CN 202110478052 A CN202110478052 A CN 202110478052A CN 113050063 A CN113050063 A CN 113050063A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- laser sensor
- information
- image
- target
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 18
- 230000003068 static effect Effects 0.000 claims description 25
- 238000006073 displacement reaction Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000004888 barrier function Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种基于激光传感器的障碍检测方法、装置、设备及存储介质，属于激光传感器检测技术领域。本发明通过获取第一激光传感器采集的目标车辆周围的第一激光传感器信息；对所述第一激光传感器信息进行处理，以获得所述第一激光传感器信息对应的参考障碍物图像；获取第二激光传感器采集的所述目标车辆周围的第二激光传感器信息；将所述第二激光传感器信息与所述参考障碍物图像进行融合，以获得目标障碍物图像；根据所述目标障碍物图像对所述目标车辆进行障碍检测，通过将第一激光传感器采集到的第一传感器信息与第二激光传感器采集到的第二激光传感器信息进行融合对目标车辆进行障碍物检测，提高了室外环境中对车辆的障碍物检测的准确性。
Description
技术领域
本发明涉及激光传感器检测技术领域，尤其涉及一种基于激光传感器的障碍检测方法、装置、设备及存储介质。
背景技术
无人驾驶汽车作为一种陆地轮式机器人，既与普通机器人有着很大的相似性，又存在着很大的不同，无人驾驶汽车对周围障碍物的动态信息获取有着很高的要求。目前为了提高无人驾驶汽车的安全性，所采用的是四线激光传感器，虽然数据处理速度较快，但是探测范围较小，一般在100°～120°，并且四线激光传感器室外复杂环境中存在着检测准确率不高的问题。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种基于激光传感器的障碍检测方法、装置、设备及存储介质，旨在解决现有技术中检测准确率不高的技术问题。
为实现上述目的，本发明提供了一种基于激光传感器的障碍检测方法，所述方法包括以下步骤：
获取第一激光传感器采集的目标车辆周围的第一激光传感器信息；
对所述第一激光传感器信息进行处理，以获得所述第一激光传感器信息对应的参考障碍物图像；
获取第二激光传感器采集的所述目标车辆周围的第二激光传感器信息；
将所述第二激光传感器信息与所述参考障碍物图像进行融合，以获得目标障碍物图像；
根据所述目标障碍物图像对所述目标车辆进行障碍检测。
可选地，所述对所述第一激光传感器信息进行处理，以获得所述第一激光传感器信息对应的参考障碍物图像，包括：
从所述第一激光传感器信息中提取所述目标车辆周围的各个物体所对应的传感器返回值；
根据所述传感器返回值对各个物体进行障碍识别；
根据障碍识别结果确定各个物体对应的占用值；
根据所述占用值在预设栅格地图上进行标记，以获得所述第一激光传感器信息对应的参考障碍物图像。
可选地，所述根据所述传感器返回值对各个物体进行障碍识别，包括：
从所述传感器返回值中筛选出各个物体对应的第一激光传感器返回值和第二激光传感器返回值；
获取所述第一激光传感器返回值和所述第二激光传感器返回值之间的返回差值；
将所述返回差值与预设差值阈值进行比较，以对各个物体进行障碍识别。
可选地，所述将所述第二激光传感器信息与所述参考障碍物图像进行融合，以获得目标障碍物图像，包括：
根据所述参考障碍物图像确定第一障碍物图像和动态障碍物信息；
根据所述动态障碍物信息和所述第二激光传感器信息确定目标动态障碍物信息；
将所述目标动态障碍物信息与所述第一障碍物图像进行融合，以获得目标障碍物图像。
可选地，所述根据所述参考障碍物图像确定第一障碍物图像和动态障碍物信息，包括：
按照所述参考障碍物图像对应的多个不同时刻依次从所述参考障碍物图像中识别出所述目标车辆周围的多个障碍物；
从多个所述障碍物中筛选出动态障碍物和静态障碍物；
将所述动态障碍物从所述参考障碍物图像中移除，以获得第一障碍物图像；
根据所述动态障碍物在各个不同时刻的位置信息确定动态障碍物信息。
可选地，所述从多个所述障碍物中筛选出动态障碍物和静态障碍物，包括：
根据各个障碍物的中心点在各个不同时刻的参考障碍物图像上创建各个障碍物对应的障碍物块；
实时监测所述障碍物块在各个不同时刻的位移变化；
将障碍物块发生位移的障碍物作为动态障碍物，将障碍物块未发生位移的障碍物作为静态障碍物。
可选地，所述将所述目标动态障碍物信息与所述第一障碍物图像进行融合，以获得目标障碍物图像，包括：
将所述目标动态障碍物信息与所述第一障碍物图像进行时间同步；
根据所述目标动态障碍物信息确定所述第二激光传感器所检测到的动态障碍物；
将与所述第一障碍物图像处于相同时刻的动态障碍物叠加在所述第一障碍物图像上，以获得目标障碍物图像。
此外，为实现上述目的，本发明还提出一种基于激光传感器的障碍检测装置，所述基于激光传感器的障碍检测装置包括：
获取模块，用于获取第一激光传感器采集的目标车辆周围的第一激光传感器信息；
处理模块，用于对所述第一激光传感器信息进行处理，以获得所述第一激光传感器信息对应的参考障碍物图像；
读取模块，用于获取第二激光传感器采集的所述目标车辆周围的第二激光传感器信息；
融合模块，用于将所述第二激光传感器信息与所述参考障碍物图像进行融合，以获得目标障碍物图像；
检测模块，用于根据所述目标障碍物图像对所述目标车辆进行障碍检测。
此外，为实现上述目的，本发明还提出一种基于激光传感器的障碍检测设备，所述基于激光传感器的障碍检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于激光传感器的障碍检测程序，所述基于激光传感器的障碍检测程序配置为实现如上文所述的基于激光传感器的障碍检测方法。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有基于激光传感器的障碍检测程序，所述基于激光传感器的障碍检测程序被处理器执行时实现如上文所述的基于激光传感器的障碍检测方法。
本发明通过获取第一激光传感器采集的目标车辆周围的第一激光传感器信息；对所述第一激光传感器信息进行处理，以获得所述第一激光传感器信息对应的参考障碍物图像；获取第二激光传感器采集的所述目标车辆周围的第二激光传感器信息；将所述第二激光传感器信息与所述参考障碍物图像进行融合，以获得目标障碍物图像；根据所述目标障碍物图像对所述目标车辆进行障碍检测，通过将第一激光传感器采集到的第一传感器信息与第二激光传感器采集到的第二激光传感器信息进行融合对目标车辆进行障碍物检测，提高了室外环境中对车辆的障碍物检测的准确性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的基于激光传感器的障碍检测设备的结构示意图；
图2为本发明基于激光传感器的障碍检测方法第一实施例的流程示意图；
图3为本发明基于激光传感器的障碍检测方法第二实施例的流程示意图；
图4为本发明基于激光传感器的障碍检测方法第三实施例的流程示意图；
图5为本发明基于激光传感器的障碍检测装置第一实施例的结构框图。
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用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的基于激光传感器的障碍检测设备结构示意图。
如图1所示，该基于激光传感器的障碍检测设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，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(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，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中示出的结构并不构成对基于激光传感器的障碍检测设备的限定，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。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于激光传感器的障碍检测程序。
在图1所示的基于激光传感器的障碍检测设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明基于激光传感器的障碍检测设备中的处理器1001、存储器1005可以设置在基于激光传感器的障碍检测设备中，所述基于激光传感器的障碍检测设备通过处理器1001调用存储器1005中存储的基于激光传感器的障碍检测程序，并执行本发明实施例提供的基于激光传感器的障碍检测方法。
本发明实施例提供了一种基于激光传感器的障碍检测方法，参照图2，图2为本发明一种基于激光传感器的障碍检测方法第一实施例的流程示意图。
本实施例中，所述基于激光传感器的障碍检测方法包括以下步骤：
步骤S10：获取第一激光传感器采集的目标车辆周围的第一激光传感器信息。
需要说明的是，本实施例的执行主体可以是障碍检测设备，障碍检测设备可以是个人电脑、服务器等电子设备，还可以为其他可实现相同或相似功能的设备，本实施例对此不加以限制，在本实施例及下述各实施例中，以障碍检测设备为例对本发明基于激光传感器的障碍检测方法进行说明。
需要说明的是，本实施例中障碍检测设备与目标车辆上的第一激光传感器连接，可对第一激光传感器进行实时监测，并获取第一激光传感器的第一传感器信息，然后根据第一传感器信息对目标车辆在行驶过程中的障碍物进行检测，以保证目标车辆的行驶安全。第一激光传感器与障碍检测设备通过控制器局域网络进行串行通信，第一激光传感器设置在目标车辆的车顶处，所设置的数量可以为一个，也可以为多个，可根据实际检测需求进行相应地调整，本实施例对此不加以限制。
在具体实施中，可以根据用户输入的检测信号获取第一激光传感器采集的目标车辆周围的第一激光传感器信息，第一激光传感器信息为第一激光传感器所采集到的信息，也可以采用预设时间的方式，在检测到当前时刻达到预设时刻时，自动获取第一激光传感器采集的目标车辆周围的第一激光传感器信息，第一激光传感器信息的获取方式可以根据实际情况进行相应地设置，本实施例对此不加以限制。
步骤S20：对所述第一激光传感器信息进行处理，以获得所述第一激光传感器信息对应的参考障碍物图像。
在具体实施中，在从第一激光传感器中获取到的第一激光传感器信息之后，可以从第一激光传感器信息中提取出目标车辆周围的物体信息，所提取到的物体物信息中包括但不限于障碍物信息以及非障碍物信息，非障碍物信息包括但不限于正常行驶的车辆，障碍物信息包括但不限于障碍物的大小、目标车辆与障碍物之间的相对距离以及障碍物的运动状态，根据提取到障碍物信息和非障碍物信息可以生成第一激光传感器对应的参考障碍物图像，具体地可以障碍物或非障碍物的大小形状、与目标车辆之间的相对距离等信息生成参考障碍物图像。
步骤S30：获取第二激光传感器采集的所述目标车辆周围的第二激光传感器信息。
需要说明的是，本实施例中第二激光传感器为设置在目标车辆的车身四周的激光传感器，第二激光传感器的数量可以设置一个，也可以设置为多个，可以根据实际测试需求进行相应地调整，本实施例对此不加以限制。第二激光传感器也可以通过控制器局域网络与障碍检测设备进行串行通信，同样地，本实施例中也可以根据用户输入的检测信号获取第二激光传感器采集的目标车辆周围的第二激光传感器信息，第二激光传感器信息为第二激光传感器所采集到的信息，还可以采用预设时间的方式，在检测到当前时刻达到预设时刻时，自动获取第二激光传感器采集的目标车辆周围的第二激光传感器信息，第二激光传感器信息的获取方式可以根据实际情况进行相应地设置，本实施例对此不加以限制。此外，还需要说明的是，第二激光传感器信息中也包括障碍物信息以及非障碍物信息，非障碍物信息包括但不限于正常行驶的车辆，障碍物信息包括但不限于障碍物的大小、目标车辆与障碍物之间的相对距离以及障碍物的运动状态，由于第一激光传感器与第二激光传感器在目标车辆所设置的位置不同，两者在所检测到的障碍物的数量或者大小形状上会存在差异。
步骤S40：将所述第二激光传感器信息与所述参考障碍物图像进行融合，以获得目标障碍物图像。
需要说明的是，第一激光传感器为设置在目标车辆的车顶上的激光传感器，第二激光为设置在目标车辆的车身周围的激光传感器，由于两者在所检测到的障碍物的数量或者大小形状上会存在差异，为了提高检测准确性，本实施例中会将第二激光传感器信息与参考障碍物图像进行融合，本实施例中可将第二激光传感器信息与参考障碍物图像进行时间同步，然后从第二激光传感器信息中提取出第二激光传感器所检测到的动态障碍物和静态障碍物，最后再将动态障碍物和静态障碍物叠加在参考障碍物图像上，需要强调的是，由于参考障碍物图像每一帧所对应的时刻不同，因此在叠加时需要保证动态障碍物、静态障碍物以及参考障碍物图像处于同一时刻，最终可以得到目标障碍物图像。
步骤S50：根据所述目标障碍物图像对所述目标车辆进行障碍检测。
容易理解的是，目标障碍物图像为目标车辆周围的障碍物所对应的图像，能够从目标障碍物图像中识别出目标车辆周围的动态障碍物和静态障碍物，根据识别出的动态障碍物和静态障碍物即可对目标车辆进行障碍检测，例如检测目标车辆在当前时刻行驶时，周围存在哪些处于运行状态的动态障碍物，以及这些动态障碍物距离目标车辆的距离是多少，当然还可以按照其他检测方式或标准对目标车辆进行障碍检测，根据实际情况可以进行相应地设置，本实施例对此不加以限制。
本实施例通过获取第一激光传感器采集的目标车辆周围的第一激光传感器信息；对所述第一激光传感器信息进行处理，以获得所述第一激光传感器信息对应的参考障碍物图像；获取第二激光传感器采集的所述目标车辆周围的第二激光传感器信息；将所述第二激光传感器信息与所述参考障碍物图像进行融合，以获得目标障碍物图像；根据所述目标障碍物图像对所述目标车辆进行障碍检测，通过将第一激光传感器采集到的第一传感器信息与第二激光传感器采集到的第二激光传感器信息进行融合对目标车辆进行障碍物检测，提高了室外环境中激光传感器对车辆的障碍物检测的准确性。
参考图3，图3为本发明一种基于激光传感器的障碍检测方法第二实施例的流程示意图。
基于上述第一实施例，本实施例中所述步骤S20具体包括：
步骤S201：从所述第一激光传感器信息中提取所述目标车辆周围的各个物体所对应的传感器返回值。
在具体实施中，目标车辆周围的各个物体与目标车辆之间的相对距离不同，并且各个物体的形状大小以及运行状态也不相同，在得到第一激光传感器信息之后，可以从第一激光传感器信息中读取各个物体对应的传感器返回值。
步骤S202：根据所述传感器返回值对各个物体进行障碍识别。
在具体实施中，在得到各个物体对应的传感器返回值之后，可以根据该传感器返回值对各个物体进行障碍识别，以从各个物体中筛选出障碍物与非障碍物。还需要说明的是，每个物体对应的传感返回值有多个，本实施例中可通过计算传感器返回值的平均值对各个物体进行障碍识别，例如物体A对应的传感器返回值为X和Y，可以得到物体A的传感器返回值的平均值为(X+Y)/2，然后再将传感器返回值的平均值与预设传感器返回值进行比较，假设预设传感器返回值为Z，若(X+Y)/2＞Z，则判定物体A为障碍物，反之，若(X+Y)/2小于Z，则判定物体A为非障碍物。当然本实施例中还可按照其他方式对目标车辆周围的各个物体进行障碍识别，可以根据实际情况进行相应地选择，本实施例对此不加以限制。
进一步地，所述步骤S202进一步包括：从所述传感器返回值中筛选出各个物体对应的第一激光传感器返回值和第二激光传感器返回值；获取所述第一激光传感器返回值和所述第二激光传感器返回值之间的返回差值；将所述返回差值与预设差值阈值进行比较，以对各个物体进行障碍识别。
需要说明的是，本实施例中可以从各个物体对应的传感器返回值中筛选出第一激光传感器返回值和第二激光传感器返回值，第一激光传感器返回值为最大传感器返回值，第二激光传感器返回值为最小传感器返回值，然后根据第一激光传感器返回值和第二激光传感器返回值之间的返回差值(也即最大传感器返回值与最小传感器返回值之间的返回差值)对各个物体进行障碍识别，例如从物体B对应的多个传感器返回值中筛选出第一激光传感器返回值(也即最大传感器返回值)为M，第二激光传感器返回值(也即最小传感器返回值)为N，则返回值差值为M-N，假设预设差值阈值为S，若M-N＞S，则判定物体B为障碍物，反之，若M-N＜S，则判定物体B为非障碍物。
步骤S203：根据障碍识别结果确定各个物体对应的占用值。
在具体实施中，根据障碍识别结果可以确定目标车辆周围的障碍物与非障碍物，本实施例中可以得到障碍物的占用值为1，非障碍物的占用值为0，当然还可以将占用值设置为其他值，可以根据实际情况进行相应地更改，本实施例对此不加以限制。
步骤S204：根据所述占用值在预设栅格地图上进行标记，以获得所述第一激光传感器信息对应的参考障碍物图像。
需要说明的是，栅格图像，也称光栅图像，是指在空间和亮度上都已经离散化了的图像，本实施例中预设栅格地图上的各个栅格大小可以根据实际需求进行相应地设置，本实施例对此不加以限制。根据各个物体对应的占用值在预设栅格地图进行相应地标记，例如对占用值为1的物体在预设栅格地图上进行打点，对占用值为0的物体不进行标记，或者对占用值为1的物体在预设栅格地图上进行方框标注，对占用值为0的物体进行打点标注，具体地标记方式可以根据实际情况进行相应地调整，本实施例对此不加以限制。
本实施例通过从所述第一激光传感器信息中提取所述目标车辆周围的各个物体所对应的传感器返回值；根据所述传感器返回值对各个物体进行障碍识别；根据障碍识别结果确定各个物体对应的占用值；根据所述占用值在预设栅格地图上进行标记，以获得所述第一激光传感器信息对应的参考障碍物图像，通过从第一激光传感器信息提取传感器返回值能够更加准确地构建参考障碍物图像，从而进一步地提升激光传感器障碍检测准确性。
参考图4，图4为本发明一种基于激光传感器的障碍检测方法第三实施例的流程示意图。
基于上述第一实施例或第二实施例提出本发明一种基于激光传感器的障碍检测方法的第三实施例。
以基于上述第一实施例为例进行说明，在本实施例中，所述步骤S40具体包括：
步骤S401：根据所述参考障碍物图像确定第一障碍物图像和动态障碍物信息。
需要说明的是，参考障碍物图像中包含目标车辆周围的动态障碍物与静态障碍物，第一障碍物图像为目标车辆周围的静态障碍物对应的图像，本实施例中可通过将过滤或者将动态障碍物从参考障碍物图像中剔除的方式，得到静态障碍物对应的图像，即第一障碍物图像。动态障碍物信息中包含动态障碍物与目标车辆之间的相对距离、动态障碍物的运动状态以及动态障碍物的大小和形状等信息。
进一步地，本实施例中为了能够从参考障碍物图像中更加准确地提取出第一障碍物图像和动态障碍物信息，所述步骤S401进一步包括：按照所述参考障碍物图像对应的多个不同时刻依次从所述参考障碍物图像中识别出所述目标车辆周围的多个障碍物；从多个所述障碍物中筛选出动态障碍物和静态障碍物；将所述动态障碍物从所述参考障碍物图像中移除，以获得第一障碍物图像；根据所述动态障碍物在各个不同时刻的位置信息确定动态障碍物信息。
需要说明的是，激光传感器在采集目标车辆周围的障碍物信息是实时进行获取的，而对应的参考障碍物图像也是一帧一帧生成的，每一帧参考障碍物图像都具有对应的时刻，并且容易理解的是，由于动态障碍物的存在，每一时刻的参考障碍物图像也不相同，本实施例中按照时刻顺序可以从参考障碍物图像中识别出每一时刻目标车辆周围的障碍物，然后再从这些障碍物中筛选出动态障碍物与静态障碍物，将动态障碍物从每一帧参考图像中移除即可得到第一障碍物图像，动态障碍物是处于不断变化的状态，每一时刻的每一帧的参考障碍物图像中动态障碍物所处的位置均不相同，基于每一时刻的每一帧图像中动态障碍物所处于的位置信息以及动态障碍物的物体信息即可得到动态障碍物信息。
进一步地，本实施例中为了能够更加合理与准确地从筛选出动态障碍物与静态障碍物，所述从多个所述障碍物中筛选出动态障碍物和静态障碍物的步骤具体包括：根据各个障碍物的中心点在各个不同时刻的参考障碍物图像上创建各个障碍物对应的障碍物块；实时监测所述障碍物块在各个不同时刻的位移变化；将障碍物块发生位移的障碍物作为动态障碍物，将障碍物块未发生位移的障碍物作为静态障碍物。
需要说明的是，在识别出障碍物之后，确定参考障碍物图像上每个障碍物的中心点，然后构建各个障碍物对应的障碍物块，障碍物块的大小由各个障碍物的大小与形状所决定，可以根据实际情况进行相应地设置。在构建完各个障碍物对应的障碍物块之后，在每一时刻的参考障碍物图像中监测各个障碍物块的位移变化，例如监测到障碍物块G在T1时刻的位置为P1，障碍物块G在T2时刻的位置为P2，可见障碍物块G的位置发生了变化，则判定障碍物块G所对应的障碍物为动态障碍物，又如监测到障碍物块H在T1时刻的位置为P3，障碍物块H在T2时刻的位置仍为P3，可见障碍物块H的位置未发生变化，则判定障碍物块H所对应的障碍物为静态障碍物。
步骤S402：根据所述动态障碍物信息和所述第二激光传感器信息确定目标动态障碍物信息。
在具体实施中，动态障碍物信息是从第一激光传感器信息中提取的，在得到动态障碍物信息之后，从第二激光传感器信息中也相应地提取出动态障碍物信息，然后将两者进行信息融合即可得到目标动态障碍物信息，本实施例中目标动态障碍物信息为第一激光传感器和第二激光传感器所采集到的目标车辆周围的动态障碍物信息的总和。
步骤S403：将所述目标动态障碍物信息与所述第一障碍物图像进行融合，以获得目标障碍物图像。
在具体实施中，在得到目标动态障碍物信息之后，根据目标动态障碍物信息可以确定动态障碍物，然后再将动态障碍物添加至第一障碍物图像中，即可得到目标障碍物图像，目标障碍物图像中包含目标车辆周围的动态障碍物和静态障碍物。
进一步地，本实施例中为了提升信息与图像之间的融合效果，所述步骤S403进一步包括：将所述目标动态障碍物信息与所述第一障碍物图像进行时间同步；根据所述目标动态障碍物信息确定所述第二激光传感器所检测到的动态障碍物；将与所述第一障碍物图像处于相同时刻的动态障碍物叠加在所述第一障碍物图像上，以获得目标障碍物图像。
可以理解的是，为了保证信息融合更加符合实际情况，需要保证目标动态障碍物信息与第一障碍物图像时间同步，然后按照时刻顺序将同一时刻的动态障碍物叠加在第一障碍物图像上，也即将同一时刻的动态障碍物再添加至静态图像上。
本实施例根据所述参考障碍物图像确定第一障碍物图像和动态障碍物信息。根据所述动态障碍物信息和所述第二激光传感器信息确定目标动态障碍物信息，将所述目标动态障碍物信息与所述第一障碍物图像进行融合，以获得目标障碍物图像，通过将第一激光传感器与第二激光传感器所采集到的信息进行融合之后，再添加在静态障碍物图像上，利用动态障碍物与静态障碍物结合的方式对目标车辆周围的障碍物进行检测，提高了激光传感器检测障碍物的准确性。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有基于激光传感器的障碍检测程序，所述基于激光传感器的障碍检测程序被处理器执行时实现如上文所述的基于激光传感器的障碍检测方法的步骤。
参照图5，图5为本发明基于激光传感器的障碍检测装置第一实施例的结构框图。
如图5所示，本发明实施例提出的基于激光传感器的障碍检测装置包括：
获取模块10，用于获取第一激光传感器采集的目标车辆周围的第一激光传感器信息。
处理模块20，用于对所述第一激光传感器信息进行处理，以获得所述第一激光传感器信息对应的参考障碍物图像。
读取模块30，用于获取第二激光传感器采集的所述目标车辆周围的第二激光传感器信息。
融合模块40，用于将所述第二激光传感器信息与所述参考障碍物图像进行融合，以获得目标障碍物图像。
检测模块50，用于根据所述目标障碍物图像对所述目标车辆进行障碍检测。
本实施例通过获取第一激光传感器采集的目标车辆周围的第一激光传感器信息；对所述第一激光传感器信息进行处理，以获得所述第一激光传感器信息对应的参考障碍物图像；获取第二激光传感器采集的所述目标车辆周围的第二激光传感器信息；将所述第二激光传感器信息与所述参考障碍物图像进行融合，以获得目标障碍物图像；根据所述目标障碍物图像对所述目标车辆进行障碍检测，通过将第一激光传感器采集到的第一传感器信息与第二激光传感器采集到的第二激光传感器信息进行融合对目标车辆进行障碍物检测，提高了室外环境中对车辆的障碍物检测的准确性。
在一实施例中，所述处理模块20，还用于从所述第一激光传感器信息中提取所述目标车辆周围的各个物体所对应的传感器返回值；根据所述传感器返回值对各个物体进行障碍识别；根据障碍识别结果确定各个物体对应的占用值；根据所述占用值在预设栅格地图上进行标记，以获得所述第一激光传感器信息对应的参考障碍物图像。
在一实施例中，所述处理模块20，还用于从所述传感器返回值中筛选出各个物体对应的第一激光传感器返回值和第二激光传感器返回值；获取所述第一激光传感器返回值和所述第二激光传感器返回值之间的返回差值；将所述返回差值与预设差值阈值进行比较，以对各个物体进行障碍识别。
在一实施例中，所述融合模块40，还用于根据所述参考障碍物图像确定第一障碍物图像和动态障碍物信息；根据所述动态障碍物信息和所述第二激光传感器信息确定目标动态障碍物信息；将所述目标动态障碍物信息与所述第一障碍物图像进行融合，以获得目标障碍物图像。
在一实施例中，所述融合模块40，还用于按照所述参考障碍物图像对应的多个不同时刻依次从所述参考障碍物图像中识别出所述目标车辆周围的多个障碍物；从多个所述障碍物中筛选出动态障碍物和静态障碍物；将所述动态障碍物从所述参考障碍物图像中移除，以获得第一障碍物图像；
根据所述动态障碍物在各个不同时刻的位置信息确定动态障碍物信息。在一实施例中，所述融合模块40，还用于根据各个障碍物的中心点在各个不同时刻的参考障碍物图像上创建各个障碍物对应的障碍物块；实时监测所述障碍物块在各个不同时刻的位移变化；将障碍物块发生位移的障碍物作为动态障碍物，将障碍物块未发生位移的障碍物作为静态障碍物。
在一实施例中，所述融合模块40，还用于将所述目标动态障碍物信息与所述第一障碍物图像进行时间同步；根据所述目标动态障碍物信息确定所述第二激光传感器所检测到的动态障碍物；将与所述第一障碍物图像处于相同时刻的动态障碍物叠加在所述第一障碍物图像上，以获得目标障碍物图像。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的基于激光传感器的障碍检测方法，此处不再赘述。
此外，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一个存储介质(如只读存储器(Read Only Memory，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，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)
1.一种基于激光传感器的障碍检测方法，其特征在于，所述基于激光传感器的障碍检测方法包括：
获取第一激光传感器采集的目标车辆周围的第一激光传感器信息；
对所述第一激光传感器信息进行处理，以获得所述第一激光传感器信息对应的参考障碍物图像；
获取第二激光传感器采集的所述目标车辆周围的第二激光传感器信息；
将所述第二激光传感器信息与所述参考障碍物图像进行融合，以获得目标障碍物图像；
根据所述目标障碍物图像对所述目标车辆进行障碍检测。
2.如权利要求1所述的基于激光传感器的障碍检测方法，其特征在于，所述对所述第一激光传感器信息进行处理，以获得所述第一激光传感器信息对应的参考障碍物图像，包括：
从所述第一激光传感器信息中提取所述目标车辆周围的各个物体所对应的传感器返回值；
根据所述传感器返回值对各个物体进行障碍识别；
根据障碍识别结果确定各个物体对应的占用值；
根据所述占用值在预设栅格地图上进行标记，以获得所述第一激光传感器信息对应的参考障碍物图像。
3.如权利要求2所述的基于激光传感器的障碍检测方法，其特征在于，所述根据所述传感器返回值对各个物体进行障碍识别，包括：
从所述传感器返回值中筛选出各个物体对应的第一激光传感器返回值和第二激光传感器返回值；
获取所述第一激光传感器返回值和所述第二激光传感器返回值之间的返回差值；
将所述返回差值与预设差值阈值进行比较，以对各个物体进行障碍识别。
4.如权利要求1至3中任一项所述的基于激光传感器的障碍检测方法，其特征在于，所述将所述第二激光传感器信息与所述参考障碍物图像进行融合，以获得目标障碍物图像，包括：
根据所述参考障碍物图像确定第一障碍物图像和动态障碍物信息；
根据所述动态障碍物信息和所述第二激光传感器信息确定目标动态障碍物信息；
将所述目标动态障碍物信息与所述第一障碍物图像进行融合，以获得目标障碍物图像。
5.如权利要求4所述的基于激光传感器的障碍检测方法，其特征在于，所述根据所述参考障碍物图像确定第一障碍物图像和动态障碍物信息，包括：
按照所述参考障碍物图像对应的多个不同时刻依次从所述参考障碍物图像中识别出所述目标车辆周围的多个障碍物；
从多个所述障碍物中筛选出动态障碍物和静态障碍物；
将所述动态障碍物从所述参考障碍物图像中移除，以获得第一障碍物图像；
根据所述动态障碍物在各个不同时刻的位置信息确定动态障碍物信息。
6.如权利要求5所述的基于激光传感器的障碍检测方法，其特征在于，所述从多个所述障碍物中筛选出动态障碍物和静态障碍物，包括：
根据各个障碍物的中心点在各个不同时刻的参考障碍物图像上创建各个障碍物对应的障碍物块；
实时监测所述障碍物块在各个不同时刻的位移变化；
将障碍物块发生位移的障碍物作为动态障碍物，将障碍物块未发生位移的障碍物作为静态障碍物。
7.如权利要求4所述的基于激光传感器的障碍检测方法，其特征在于，所述将所述目标动态障碍物信息与所述第一障碍物图像进行融合，以获得目标障碍物图像，包括：
将所述目标动态障碍物信息与所述第一障碍物图像进行时间同步；
根据所述目标动态障碍物信息确定所述第二激光传感器所检测到的动态障碍物；
将与所述第一障碍物图像处于相同时刻的动态障碍物叠加在所述第一障碍物图像上，以获得目标障碍物图像。
8.一种基于激光传感器的障碍检测装置，其特征在于，所述基于激光传感器的障碍检测装置包括：
获取模块，用于获取第一激光传感器采集的目标车辆周围的第一激光传感器信息；
处理模块，用于对所述第一激光传感器信息进行处理，以获得所述第一激光传感器信息对应的参考障碍物图像；
读取模块，用于获取第二激光传感器采集的所述目标车辆周围的第二激光传感器信息；
融合模块，用于将所述第二激光传感器信息与所述参考障碍物图像进行融合，以获得目标障碍物图像；
检测模块，用于根据所述目标障碍物图像对所述目标车辆进行障碍检测。
9.一种基于激光传感器的障碍检测设备，其特征在于，所述基于激光传感器的障碍检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于激光传感器的障碍检测程序，所述基于激光传感器的障碍检测程序配置为实现如权利要求1至7中任一项所述的基于激光传感器的障碍检测方法。
10.一种存储介质，其特征在于，所述存储介质上存储有基于激光传感器的障碍检测程序，所述基于激光传感器的障碍检测程序被处理器执行时实现如权利要求1至7任一项所述的基于激光传感器的障碍检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110478052.XA CN113050063B (zh) | 2021-04-29 | 2021-04-29 | 基于激光传感器的障碍检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110478052.XA CN113050063B (zh) | 2021-04-29 | 2021-04-29 | 基于激光传感器的障碍检测方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113050063A true CN113050063A (zh) | 2021-06-29 |
| CN113050063B CN113050063B (zh) | 2024-07-19 |
Family
ID=76517951
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110478052.XA Active CN113050063B (zh) | 2021-04-29 | 2021-04-29 | 基于激光传感器的障碍检测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113050063B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115147838A (zh) * | 2022-06-30 | 2022-10-04 | 小米汽车科技有限公司 | 图像处理方法、装置、车辆、介质及程序产品 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106291736A (zh) * | 2016-08-16 | 2017-01-04 | 张家港长安大学汽车工程研究院 | 无人驾驶汽车车道动态障碍物检测方法 |
| 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 |
| CN109443369A (zh) * | 2018-08-20 | 2019-03-08 | 北京主线科技有限公司 | 利用激光雷达和视觉传感器融合构建动静态栅格地图的方法 |
| CN109823298A (zh) * | 2018-12-19 | 2019-05-31 | 郑州中电新能源汽车有限公司 | 一种基于双目激光的车辆限高障碍预警系统及预警方法 |
| CN110208816A (zh) * | 2019-06-04 | 2019-09-06 | 浙江海洋大学 | 用于海上无人艇的自动障碍物识别系统及识别方法 |
| CN111391823A (zh) * | 2019-12-27 | 2020-07-10 | 湖北亿咖通科技有限公司 | 一种用于自动泊车场景的多层地图制作方法 |
-
2021
- 2021-04-29 CN CN202110478052.XA patent/CN113050063B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106291736A (zh) * | 2016-08-16 | 2017-01-04 | 张家港长安大学汽车工程研究院 | 无人驾驶汽车车道动态障碍物检测方法 |
| CN109443369A (zh) * | 2018-08-20 | 2019-03-08 | 北京主线科技有限公司 | 利用激光雷达和视觉传感器融合构建动静态栅格地图的方法 |
| 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 |
| CN109823298A (zh) * | 2018-12-19 | 2019-05-31 | 郑州中电新能源汽车有限公司 | 一种基于双目激光的车辆限高障碍预警系统及预警方法 |
| CN110208816A (zh) * | 2019-06-04 | 2019-09-06 | 浙江海洋大学 | 用于海上无人艇的自动障碍物识别系统及识别方法 |
| CN111391823A (zh) * | 2019-12-27 | 2020-07-10 | 湖北亿咖通科技有限公司 | 一种用于自动泊车场景的多层地图制作方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115147838A (zh) * | 2022-06-30 | 2022-10-04 | 小米汽车科技有限公司 | 图像处理方法、装置、车辆、介质及程序产品 |
| CN115147838B (zh) * | 2022-06-30 | 2023-08-29 | 小米汽车科技有限公司 | 图像处理方法、装置、车辆、介质及程序产品 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113050063B (zh) | 2024-07-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11709058B2 (en) | Path planning method and device and mobile device | |
| US11030464B2 (en) | Privacy processing based on person region depth | |
| CN110751012B (zh) | 目标检测评估方法、装置、电子设备及存储介质 | |
| EP2960829A2 (en) | Lane boundary estimation device and lane boundary estimation method | |
| CN112078571B (zh) | 自动泊车方法、设备、存储介质及装置 | |
| EP2405393A1 (en) | Device for creating information for positional estimation of matter, method for creating information for positional estimation of matter, and program | |
| US8615137B2 (en) | Method for recognizing pattern, pattern recognizer and computer program | |
| CN112598922B (zh) | 车位检测方法、装置、设备及存储介质 | |
| CN110826632A (zh) | 图像变化检测方法、装置、设备及计算机可读存储介质 | |
| CN112562406B (zh) | 一种越线行驶的识别方法及装置 | |
| CN116547725A (zh) | 一种车辆预警方法、装置、设备及存储介质 | |
| CN114639085A (zh) | 交通信号灯识别方法、装置、计算机设备和存储介质 | |
| CN113050063B (zh) | 基于激光传感器的障碍检测方法、装置、设备及存储介质 | |
| CN115565058A (zh) | 机器人、避障方法、装置和存储介质 | |
| CN111753587A (zh) | 一种倒地检测方法及装置 | |
| CN109389013B (zh) | 基于车位主方向及模板响应点的车位组合算法和介质 | |
| CN113298715A (zh) | 机器人栅格地图构建方法、装置、机器人及存储介质 | |
| CN107111757B (zh) | 车道线检测方法及装置 | |
| CN117067261A (zh) | 机器人监控方法、装置、设备及存储介质 | |
| CN112292847A (zh) | 图像处理设备、移动设备、方法和程序 | |
| CN112784817B (zh) | 车辆所在车道检测方法、装置、设备及存储介质 | |
| CN112818816B (zh) | 一种温度检测方法、装置及设备 | |
| CN113569701A (zh) | 多传感器融合的障碍物感知智能车检测算法 | |
| CN108363985B (zh) | 目标对象感知系统测试方法、装置及计算机可读存储介质 | |
| CN115298691A (zh) | 学习装置和学习方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |