CN113253299B - 障碍物检测方法、装置及存储介质 - Google Patents

Abstract

本申请提供了一种障碍物检测方法、装置及存储介质，其中，方法包括：按照预设顺序获取激光雷达的第N个检测子范围内的点云数据；所述激光雷达的一个检测周期的检测范围包括M个检测子范围；其中，第N个检测子范围为M个检测子范围中的任意一个；M为大于等于2的整数，N小于等于M；根据获取的第N个检测子范围内的点云数据计算所述第N个检测子范围包括预设目标物体的置信度；若所述置信度大于等于预设阈值，输出预设目标障碍物识别结果。本申请提供的障碍物检测方法，提高了激光雷达检测障碍物的实时性。

Description

障碍物检测方法、装置及存储介质

技术领域

本申请涉及智能驾驶技术领域，尤其涉及一种障碍物检测方法、装置及存储介质。

背景技术

在人工智能技术领域，目标追踪是高级驾驶辅助系统（Advanced DrivingAssistant System，ADAS）中一个重要的课题，有效的提高目标感知的实时性可以为驾驶员提供更及时可靠地目标对象信息，利用这些信息，可以进一步提高高级驾驶辅助系统的安全性，从而达到无人驾驶的目的。但是目前激光雷达受到扫描方式、扫描周期等的限制，从而难以提高实时性。因此如何提高目标感知的实时性、准确性是目前亟待解决的问题。

发明内容

本申请实施例提供了一种障碍物检测方法、装置及存储介质，可以不受雷达扫描方式、扫描周期限制，切实提高障碍物检测的实时性。

为解决以上技术问题，本申请包括以下技术方案：

第一方面，本申请实施例提供了一种障碍物检测方法，所述方法包括：

按照预设顺序获取激光雷达的第N个检测子范围内的点云数据；所述激光雷达的一个检测周期的检测范围包括M个检测子范围；所述第N个检测子范围为所述M个检测子范围中的任意一个；M为大于等于2的整数，N小于等于M；

根据获取的所述第N个检测子范围内的点云数据计算所述第N个检测子范围包括预设目标物体的置信度；若所述置信度大于等于预设阈值，输出所述预设目标障碍物识别结果。

第二方面，本申请实施例提供了一种障碍物检测装置，所述装置包括：

获取模块，用于按照预设顺序获取激光雷达的第N个检测子范围内的点云数据；所述激光雷达的一个检测周期的检测范围包括M个检测子范围；所述第N个检测子范围为所述M个检测子范围中的任意一个；M为大于等于2的整数，N小于等于M；

检测模块，用于根据获取的所述第N个检测子范围内的点云数据计算所述第N个检测子范围包括预设目标物体的置信度；若所述置信度大于等于预设阈值，输出所述预设目标障碍物识别结果。

第三方面，本申请实施例提供了另一种障碍物检测装置，所述障碍物检测装置包括处理器、存储器以及通信接口：

所述处理器与所述存储器、所述通信接口相连；

所述存储器，用于存储可执行程序代码；

所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于执行第一方面任一项提供的障碍物检测方法。

第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如上述第一方面任一项提供的障碍物检测方法。

本申请提供了一种障碍物检测方法，通过更改激光雷达的输出方式，将激光雷达的检测范围拆分成多个子范围，并按照预设顺序对多个子范围进行检测，实时获取并累计多个子范围的置信度，直至检测的置信度超过预设的置信度时输出障碍物检测结果，本申请提供的障碍物检测方法，通过将检测周期进行拆分，从而缩短了每个子单元的检测时间，实现了提高障碍物检测的实时性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种障碍物检测场景示意图；

图2是本申请实施例提供的一种激光雷达安装位置示意图；

图3是本申请实施例提供的一种障碍物检测方法的流程示意图；

图4是本申请实施例提供的一种固态激光雷达应用示意图；

图5是本申请实施例提供的一种旋转机械式激光雷达应用示意图；

图6是本申请实施例提供的一种检测子范围存在重叠部分时检测的点云数据示意图；

图7是本申请实施例提供的一种固态激光雷达进行障碍物检测过程中扫描点云数据的示意图；

图8是本申请实施例提供的另一种障碍物检测方法的流程示意图；

图9是本申请实施例提供的一种障碍物检测装置示意图；

图10是本申请实施例提供的另一种障碍物检测装置示意图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面将结合附图对本申请的具体实施方式做详细说明。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。

请参考图1及图2所示，图1是本申请实施例提供的一种障碍物检测场景示意图，该障碍物检测场景示意图包括障碍物10和车辆20。其中，车辆20安装激光雷达201，如图2所示，图2是本申请实施例提供的一种激光雷达安装位置示意图。

障碍物10可以包括但不限于是阻碍车辆正常行驶的行人、车辆、动物、树木、建筑物或带有速度的物体等。在本申请实施例中，障碍物10可以由激光雷达201检测并获取检测结果，最终将障碍物检测结果显示在车载终端上。其中，障碍物10的检测结果可以包括但不限于是障碍物10的点云数据、障碍物类别判别结果、速度信息、距离信息和警告提示图画或声音信息等。

车辆20可以包括轿车、客车、半挂车、越野车、专用汽车、载货汽车、牵引车、自卸汽车或其他任何种类的车辆，这里不对车辆20的种类、类型或者型号做限制。在本申请实施例中，车辆可以在十字路口、交叉路口、高速公路等不影响通行的道路上行驶。车辆20可以通过激光雷达201检测预设范围内的障碍物，并将检测结果显示在车载终端上。

激光雷达201可以包括微机电系统（Micro-Electro-Mechanical System，MEMS）固态激光雷达、旋转机械式扫描激光雷达等类型的激光雷达。在本申请实施例中，自动驾驶感知系统可以由一个激光雷达201组成，其中，如图2所示，当激光雷达201进行点云数据采集时，可以安装在A所示的位置，可以理解的是，激光雷达201也可以安装在B所示的位置。在本申请实施例中，不对激光雷达201的具体安装位置进行限制。可以理解的是，本申请实施例中，如图2，自动驾驶感知系统也可以由多个激光雷达组成，其中，当所述自动驾驶感知系统由多个激光雷达组成时，其中，所述自动驾驶感知系统包括的雷达数量具体不做限制。激光雷达201可以为自动驾驶感知系统中的任意一个雷达，本申请不对自动驾驶感知系统的具体组成形式进行限制。

接下来将结合图1及图2示出的障碍物检测场景示意图及激光雷达安装示意图介绍本申请实施例提供的障碍物检测方法。

请参考图3所示，图3是本申请实施例中的一种障碍物检测方法的流程示意图，所述方法包括：

S301、按照预设顺序获取激光雷达的第N个检测子范围内的点云数据；所述激光雷达的一个检测周期的检测范围包括M个检测子范围；所述第N个检测子范围为所述M个检测子范围中的任意一个；M为大于等于2的整数，N小于等于M。

其中，所述预设顺序可以为激光雷达的扫描顺序。

具体地，不同类型的激光雷达，对于点云数据的扫描方式也不同。MEMS激光雷达是通过振镜的简谐振动进行扫描的，所以光路扫描路径从空间顺序上来说实现的例如可以是一个慢轴从上到下，快轴从左到右往复的一个扫描视场。再举例来说，机械式激光雷达是通过机械驱动装置带动光学系统进行360度旋转实现扫描的，以激光雷达为圆心的一个圆柱形探测区域。不同的激光雷达按照预设顺序获取激光雷达的第N个检测子范围内的点云数据，激光雷达一个检测周期的检测范围包括M个检测子范围。其中，第N个检测子范围为M个检测子范围中的任意一个；M为大于等于2的整数，N小于等于M。

进一步地，激光雷达在按照预设顺序获取激光雷达的第N个检测子范围内的点云数据之前，所述方法还包括：确定所述M个检测子范围的划分方式；所述划分方式包括：按照所述激光雷达一个检测周期对应的检测时间划分、按照所述激光雷达一个检测周期对应的检测范围划分。

其中，当按照激光雷达一个检测周期对应的检测时间划分时，在按照预设顺序获取激光雷达的第N个检测子范围内的点云数据之前，还包括：获取激光雷达检测一个周期对应的检测时间，将所述检测周期按照预设规则划分为M个检测子周期。可以理解的是，所述每个子周期对应的检测范围为检测子范围，所述检测周期为一帧数据的检测时间。按照预设顺序获取激光雷达的第N个检测子范围内的点云数据，包括:根据所述激光雷达一个检测周期对应的检测时间，确定所述M个检测子范围中每一个检测子范围对应的检测时间；获取所述第N个检测子范围对应的第一检测时间；按照激光雷达的扫描顺序，当所述激光雷达运行到所述第一检测时间，获取所述第N个检测子范围对应的点云数据。其中，所述预设规则可以为自定义的规则，例如可以为等分规则，即可以将检测周期进行M等分，若激光雷达的检测周期为T，则激光雷达每运行T/M时间，则获取激光雷达在T/M时间内扫描得到的点云数据。可以理解的是，所述预设规则也可以为时间从长逐渐到短的排列的。举例来说，若机械式激光雷达运行周期为100ms，若M为5的话，则5个检测子范围对应的运行时间例如依次可以为：30、25、20、15、10。可以理解的是，所述预设规则也可以为时间从短逐渐到长的排列。举例来说，若机械式激光雷达运行周期为100ms，若M为5的话，则5个检测子范围对应的运行时间例如依次可以为：10、15、20、25、30。

其中，当按照激光雷达一个检测周期对应的检测范围划分时，在按照预设顺序获取激光雷达的第N个检测子范围内的点云数据之前，还包括：获取激光雷达检测一个周期对应的检测范围，将所述检测范围按照预设规则划分为M个子检测范围。按照预设顺序获取激光雷达的第N个检测子范围内的点云数据，包括：根据所述激光雷达一个检测周期对应的检测范围，确定所述M个检测子范围中每一个检测子范围对应的检测范围；获取所述第N个检测子范围对应的第一检测范围；按照激光雷达的扫描顺序，当激光雷达扫描到上述第一检测范围，获取所述第N个检测子范围对应的点云数据。预设规则可以包括等分规则，可以理解的是，所述预设规则也可以为检测范围从小到大排列，本申请对于预设规则不做特定限制。

如图4出示的示意图，图4示出的车辆安装有MEMS固态激光雷达，MEMS激光雷达进行划分的时候因为MEMS激光雷达在一个周期内快轴为一个从第一方向到第二方向的往复运动，慢轴为从第一方向到第二方向的的线性运动，所以在进行检测范围拆分的时候，往往基于慢轴检测视场进行划分。该激光雷达通常采用从上到下或者从下到上的往复扫描模式，对该激光雷达的检测范围进行拆分时，通常基于慢轴检测的视场角进行划分，即对垂直视场角进行划分。如图4中40所示，40为MEMS激光雷达慢轴对应的垂直视场角，若该垂直视场角为-12.5°~12.5°，假设M等于5，则MEMS激光雷达在慢轴上每扫描5°形成一个检测子范围，即图4中的401、402、403、404、405的检测子范围对应的角度为5°。

如图5出示的示意图，图5示出的车辆安装有旋转机械式扫描激光雷达，旋转机械式激光雷达通常是纵向若干路收发，同时在水平方向旋转扫描，生成平行的若干线，对于机械式激光雷达，通常是对其旋转一个周期的检测范围对应的检测角度进行划分的。若该型号的激光雷达检测范围为360°，按照等分规则，机械式激光雷达每旋转60°，则形成一个检测子范围，即激光雷达每旋转60°，则可获取一个检测子范围内的点云数据。如图5所示，可将该激光雷达的检测范围设置成图中501、502、503、504、505、506所示的6个检测子范围，此时每一个检测子范围各自对应的检测角度为60°。

其中，可以理解的是，按照预设顺序获取激光雷达的第N个检测子范围内的点云数据之前，所述方法还包括：获取所述激光雷达的环境信息；根据所述环境信息确定所述激光雷达所处的场景；根据所述场景对所述激光雷达一个检测周期的检测范围包括的检测子范围的数量M进行调整。其中，环境信息可以包括红绿灯数量信息、路口信息、人行横道信息及行人数量信息、车道线信息、缴费站信息等。本申请对环境信息包含的内容不做限定。其中，可以理解的是，所述的场景包括十字路口场景、高速公路场景、市区内道路场景等。其中，可以理解的是，所述十字路口场景对于目标检测区域的实时性要求最高，因此在十字路口场景下，检测子范围的拆分数量M最多，其次为市区道路场景，最后为高速公路场景。可以理解的是，当激光雷达获取到点云信息时可以根据点云信息中提取的特征信息确定所述激光雷达所处的场景，根据所处场景调整激光雷达一个检测周期的检测范围包括的检测子范围的数量M。

其中，可以理解的是，对所述激光雷达一个检测周期对应的所述检测子范围的数量M进行调整，还可以包括：确定所述激光雷达所处的场景的场景复杂度；判断所述场景复杂度是否大于预设阈值；当所述场景复杂度大于预设阈值时，根据所述场景复杂度的值对所述激光雷达一个检测周期对应的所述检测子范围的数量M进行调整。可以理解的是，当激光雷达获取到点云信息后可以根据点云信息中识别出的障碍物的数量，障碍物的位置，障碍物的速度信息等判断所述激光雷达所处场景的复杂度，根据所述场景的复杂度对激光雷达一个检测周期的检测范围包括的检测子范围的数量M进行调整。

其中，可以理解的是，所述激光雷达可以根据所处场景的变更、所处场景下场景复杂度的变更和所处场景和场景复杂度的同时变更对检测子范围数量M进行调整，从而提高障碍物检测的灵活性，实现进一步保证障碍物检测的实时性和准确性。本申请不对场景确定和场景复杂度确定的先后顺序及是否结合还是独立来确定是否对一个检测周期对应的所述检测子范围的数量M进行调整进行限制。

其中，可以理解的是，所述场景复杂度越高，则对目标检测区域的实时性要求越高，则所述预设规则中对检测子范围的拆分的数量也越多。

具体地，当环境信息表征的检测范围内的场景复杂度大于预设阈值时，将检测子范围由M个调整为P个，调整后的检测子范围小于调整前的检测子范围。其中，P为大于M的正整数。在实际应用中，当检测到场景复杂度超过预设阈值，表明当前行车环境较复杂，具体可表现为行人较多、车辆较多等，且对当前用户的正常行车造成了一定影响。在这种情况下减小每一个检测子范围，实现对检测子范围更精细的划分，有助于更加及时的对点云数据进行计算和分析，提高了障碍物检测的实时性和准确性，提高了用户的行车安全性。当环境信息表征的检测范围内的场景复杂度小于预设阈值时，将检测子范围由M个调整为K个，调整后的检测子范围大于调整前的检测子范围。当场景复杂度小于预设阈值时，表明当前行车环境较简单，具体可表现为行人较少、车辆较少等，在这种情况下增大每一个检测子范围，可以降低激光雷达及车载终端等设备的功耗，提高了用户的使用体验感。其中，K为大于M的正整数。场景复杂度的预设阈值可人为设置，例如采用0到1表征复杂度，预设阈值设置为0.6，即当场景复杂度大于0.6时，将检测子范围由M个调整为P个。需要说明的是，本申请对环境信息表征激光雷达检测范围内的场景复杂度的表征方式不做限定。

作为一种可选的方式，所述激光雷达还可以将一个检测周期内的检测范围分为一般检测范围和目标检测范围；其中，所述目标检测范围为用户预设的重点检测区域，即ROI区域。其中，目标检测区域可以为用户预先设置的。

其中，可选的，按照预设顺序依次获取激光雷达M个检测子范围之前，所述方法还包括:确定所述激光雷达检测范围内的一般检测范围和目标检测范围，根据所述一般检测范围和目标检测范围确定M个检测子范围的预设划分规则，根据所述预设划分规则将一个检测周期内的检测范围划分为M个检测子范围。

其中，根据所述一般检测范围和目标检测范围确定M个检测子范围的预设划分规则；包括：确定一般检测范围的第一预设划分规则，确定目标检测范围的第二划分规则；根据第一划分规则将一般检测范围划分为a个检测子范围，根据第二划分规则将目标检测范围划分为b个检测子范围；其中，a+b=M，a＜b。

其中，可以理解的是目标检测范围内的检测的实时性要求更高，所以对于目标检测范围内的检测区域的划分的更精细，对于目标检测范围拆分的检测子范围的数量更多，一般来说，目标检测范围中每个检测子范围要小于一般检测范围中的每个检测子范围。

需要说明的是，在本申请实施例中，对激光雷达的检测范围进行划分的过程中，任意一个检测子范围也可以与预设检测顺序中相邻的两个检测子范围重叠。以按照激光雷达一个检测周期对应的检测范围划分为例，在有重叠的情况下，每一个检测子范围对应的检测角度均大于其在无重叠的情况下对应的检测角度。其中，本申请对于相邻检测子范围有重叠部分的情况下，对于重叠部分的划分方式及重叠的角度均不做限定。

如图6出示的示意图，以图4出示的MEMS固态激光雷达为例，该固态激光雷达的检测范围包括5个检测子范围，图6中出示了在检测子范围有重叠的情况下，检测子范围401、402、403各自对应的检测区域。其中，在无重叠且角度均分的情况下，检测子范围401、402、403各自对应的检测角度均为5°，如图6中的401a、402a、403a均为5°。在有重叠且角度均分的情况下，设定任意一个检测子范围其重叠部分为：预设顺序中上一个检测子范围对应的角度的五分之一。以检测子范围402为例，在有重叠部分的情况下，检测子范围402的重叠部分即为检测子范围401靠近402边缘五分之一处，如图6中的α，在本实施例中，α等于1°。因此，在有重叠部分的情况下，检测子范围402对应的检测角度为α加上402a，即为图6中的402b，其角度为6°。同理，检测子范围403对应的检测角度为β加上403a，即为图6中的403b，其角度为6°。对于检测子范围401，由于401处于激光雷达检测范围的边界，因此401的检测范围可以保持原检测范围，也可以按照预设条件与检测子范围402重叠，本申请对此不做限定。其中，可以理解的是，通过将检测子范围与预设检测顺序中相邻的两个检测子范围设置重叠区域，可以有效提升处于检测子范围左右两个边界区域物体的识别置信度，从而输出识别结果，进一步提升目标物体检测实时性。

S302、根据获取的第N个检测子范围内的点云数据计算所述第N个检测子范围包括预设目标物体的置信度；若所述置信度大于等于预设阈值，输出预设目标障碍物识别结果。

其中，所述预设目标物体，可以为阻碍车辆正常行驶的行人、车辆、动物、树木、建筑物或其他带有速度的物体等。本申请不对预设目标物体的具体类型进行限制。

具体地，激光雷达在获取第N个检测子范围的点云数据后，对第N个检测子范围内的点云数据进行检测，计算该检测子范围的点云数据包括的预设目标物体的置信度，在置信度超过预设阈值的情况下，输出预设目标障碍物识别结果。其中，障碍物识别结果的呈现形式可以包括但不限于是障碍物的点云数据、障碍物类别结果、速度信息、距离信息和警告提示图画或声音信息等。

进一步地，若激光雷达检测第N个检测子范围内包括预设目标物体的置信度小于预设阈值，则获取第N+1个检测子范围内的点云数据，并将两个检测子范围的点云数据进行融合，计算所述两个检测子范围包括预设目标物体的置信度；若所述置信度大于等于预设阈值，输出障碍物识别结果；若所述置信度小于预设阈值，继续获取N+2个检测子范围的点云数据，将N+2个检测子范围的点云数据、所述第N个检测子范围和所述第N+1个检测子范围的点云数据进行融合，根据融合后的点云数据计算进行融合的多个检测子范围包括所述预设目标物体的置信度，N+2≤M。举例来说，若从第1个检测子范围、第2个检测子范围…到第M-1个检测子范围检测到的预设目标物体的置信度都没有达到预设阈值，则可以完成一帧数据扫描后输出检测结果。

如图7出示的示意图，以机械式激光雷达为例，该机械式激光雷达的检测范围包括图4中的6个检测子范围，按照时间顺序排序分别为501、502、503、504、505，激光雷达的预设置信度阈值设置为0.7。如图7中a所示，激光雷达首先获取检测子范围501的点云数据并检测得到501的置信度为0.4，此时检测子范围501的置信度未超过预设的置信度阈值0.7，再将检测子范围502的点云数据与检测子范围501的点云数据合并，得到如图7中b所示的合并后的点云数据，并对合并后的点云数据进行检测，得到合并后图7中b所示的点云数据的置信度为0.9，此时检测得到的置信度0.9超过预设的置信度阈值0.7，因此可将障碍物检测结果以障碍物点云数据或障碍物提示信息的方式输出并显示在车载终端屏幕上，在本实施例中，根据点云数据判断该障碍物为车辆，因此可将检测得到的车辆的点云数据或车辆提示信息输出并显示在车载终端上。其中，障碍物检测结果可以包括但不限于是障碍物10的点云数据、障碍物类别判别结果、速度信息、距离信息和警告提示图画或声音信息等。

进一步地，根据获取的第N个检测子范围内的点云数据计算所述第N个检测子范围包括预设目标物体的置信度，包括：将获取的第N个检测子范围内的点云数据进行聚类；对所述聚类后的点云数据进行特征提取；将提取的特征信息与所述预设目标物体的特征信息进行匹配以获取所述第N个检测子范围包括所述预设目标物体的置信度。其中，本申请实施例对聚类后提取的特征的类型不做限定。

作为本申请可选的实施例，将所述获取的第N个检测子范围内的点云数据进行聚类之后，所述方法还包括：判断聚类后的点云数据是否在所述N个检测子范围与第N-1个检测子范围或第N+1个检测子范围相邻边界区域，若所述聚类后的点云数据在所述边界区域，则按照预设规则获取部分或者全部第N-1个检测子范围或第N+1个检测子范围的点云数据进行融合后输出识别结果。其中所述预设规则例如可以为根据第N-1个检测子范围或第N+1个检测子范围的大小确定是获取部分还是获取全部N-1个检测子范围与第N个检测子范围进行融合输出识别结果。以聚类后的点云数据在所述第N个检测子范围与第N-1个检测子范围相邻边界区域为例，若所述第N-1个检测子范围小于预设的阈值（例如，若为机械式激光雷达小于10°视场角对应的检测范围），则将第N-1个检测子范围整体与第N个检测子范围进行融合后输出识别结果。若所述第N-1个检测子范围大于预设阈值（例如，若为机械式激光雷达大于10°视场角对应的检测范围，）则根据预设规则设置相应的第N-1个检测子范围融合部分占整体的比例。所述部分占整体的比例关系与所述聚类后的点云的尺寸和所述第N-1个检测自范围的大小相关。可以理解的是，聚类后的点云的尺寸越大，检测子范围的尺寸越小，所述融合部分占整体的比例越大。具体部分融合的情况如图6所示，图6中出示了在检测子范围有部分融合的情况下，检测子范围401、402、403各自对应的检测区域。其中，在无重叠且角度均分的情况下，检测子范围401、402、403各自对应的检测角度均为5°，如图中的401a、402a、403a均为5°。在有重叠且角度均分的情况下，设定任意一个检测子范围其重叠部分为：预设顺序中上一个检测子范围对应的角度的五分之一。以检测子范围402为例，在有重叠部分的情况下，检测子范围402的重叠部分即为检测子范围401靠近402边缘五分之一处，如图中的α，在本实施例中，α等于1°。通过将检测子范围边界处物体识别，从而设置部分融合区域，可以有效提升处于检测子范围左右两个边界区域物体的识别置信度，从而输出识别结果，进一步提升目标物体检测实时性。

本申请提供了一种障碍物检测方法，通过更改激光雷达的输出方式，将激光雷达的检测范围拆分成多个子范围，并按照预设顺序对多个子范围进行检测，实时获取并累计多个子范围的置信度，直至检测的置信度超过预设的置信度时输出障碍物检测结果，本申请提供的障碍物检测方法，通过序列化检测并输出数据，提高了障碍物检测的效率及检测的实时性。

请参考图8所示，图8是本申请实施例提供的另一种障碍物检测方法的流程示意图，以图5示出的旋转机械式激光雷达为例，所述方法包括：

S801、激光雷达确定一个检测周期内的M个检测子范围各自对应的检测范围；其中，M为大于或等于2的正整数。

具体地，以机械旋转式激光雷达为例，旋转机械式激光雷达旋转一个周期对应的检测角度为360°，若M=6，则按照预设顺序获取6个检测子范围各自对应的检测角度分别为60°。其中，预设顺序可以包括但不限于是雷达的扫描顺序。检测子范围的具体划分方式请参考上述实施例，本实施例不再赘述。

S802、激光雷达获取当前的点云数据，根据获取的点云数据确定激光雷达所处的场景复杂度，判断当前的场景复杂度是否大于预设阈值，若是，执行S803，若否，执行S804。

其中，根据获取的点云数据确定激光雷达所处的场景复杂度，包括：根据所述激光雷达的点云数据获取激光雷达当前的环境信息；根据激光雷达当前的环境信息确定所述激光雷达所处的场景复杂度。

其中，所述环境信息可以包括场景信息和障碍物信息。所述场景信息可以包括红绿灯数量信息、路口信息、人行横道信息及车道线信息。所述障碍物信息例如可以包括障碍物的数量、障碍物的位置、障碍物速度信息、障碍物运动朝向信息等。

其中，根据激光雷达当前的环境信息确定所述激光雷达所处的场景复杂度，具体为：根据所述环境信息确定所述雷达所处的道路信息；其中，所述道路信息包括雷达所在的车道；

根据所述环境信息确定雷达所在车道上的障碍物信息，所述障碍物信息包括障碍物的数量、障碍物的位置、障碍物的速度和障碍物的运动朝向；

根据所述雷达所在车道上的障碍物信息确定所述雷达所处场景的复杂度。

在一个可选的实施例中，根据激光雷达当前的环境信息确定所述激光雷达所处的场景的复杂度还可以为：根据所述激光雷达获取的环境信息确定所述激光雷达所处的场景；

根据所述环境信息确定雷达所在环境下的障碍物的数量和障碍物的速度；

根据所述场景下的障碍物的数量和障碍物的速度确定所述雷达所处场景的复杂度。

具体地，激光雷达检测当前的行车环境信息，并根据环境信息确定激光雷达所处的场景，并确定场景复杂度，将当前的场景复杂度与预设阈值相比较，当场景复杂度大于预设阈值时，执行S803，当场景复杂度小于预设阈值时，执行S804。其中，行车环境信息、行车场景及场景复杂度详细内容请参考上述实施例，本实施例不再赘述。

其中，可以理解的是，所述场景复杂度越高，则对目标检测区域的实时性要求越高，则所述预设规则中对检测子范围的筛分的数量也越多。

其中，可以理解的是，所述场景包括十字路口场景、高速公路场景、市区内道路场景。其中，可以理解的是，所述十字路口场景对于目标检测区域的实时性要求最高，因此十字路口场景下目标检测区域的拆分数量最多，其次为市区道路场景，最后为高速公路场景。

S803、激光雷达将检测子范围由M个调整为P个；其中，调整后的检测子范围小于调整前的检测子范围，P为大于M的正整数。

具体地，若当前的环境信息表征的激光雷达检测范围内的场景复杂度大于预设阈值，则将检测子范围由M个调整为P个，调整后的检测子范围小于调整前的检测子范围，即减小检测子范围对应的检测角度，增大检测子范围的个数。其中，具体的调整方式请参考上述实施例，场景复杂度大于预设阈值在实际应用中的具体体现也请参考上述实施例，本实施例不再赘述。

S804、激光雷达将所述M个检测子范围调整为K个检测子范围；其中，调整后的检测子范围大于调整前的检测子范围，K为小于M的正整数。

具体地，若当前的环境信息表征的激光雷达检测范围内的场景复杂度小于预设阈值，则将检测子范围由M个调整为K个，调整后的检测子范围大于调整前的检测子范围，即增大检测子范围对应的检测角度，减小检测子范围的个数。其中，具体的调整方式请参考上述实施例，场景复杂度小于预设阈值在实际应用中的具体体现请参考上述实施例，本实施例不再赘述。

示例性地，若本实施例中旋转机械式激光雷达获取的环境信息表征的激光雷达检测范围内的障碍物密集程度超过预设程度，此时执行S903，将旋转机械式激光雷达的检测子范围由6个调整为10个，即每一个检测子范围对应的检测角度为36°。需要说明的是，本申请实施例中，在满足预设调整的条件时，对于N或K的个数不做限定，可人为设置调整的标准。

S805、激光雷达根据调整后的检测角度和预设顺序获取M个检测子范围内的点云数据。

具体地，激光雷达根据调整后的每一个检测子范围对应的检测角度36°及预设顺序获取任意一个检测子范围内的点云数据。

S806、激光雷达对预设顺序中第一个检测子范围的点云数据进行检测，计算第一个检测子范围包括预设目标物体的置信度，判断置信度是否超过预设阈值，若是，执行S808，若否，执行S807。

具体地，激光雷达在对预设顺序中第一个检测子范围的点云数据进行检测时，对第一个检测子范围内的点云数据进行聚类，对聚类后的点云数据进行特征提取，例如计算出聚类后的点云数据的多边形包络或矩形框以估计聚类后点云数据的特征信息，再根据上述获取的特征信息与预设目标物体的特征信息进行匹配以获取第一个检测子范围内的点云数据包括预设目标物体的置信度，并判断置信度是否超过预设阈值，若是，执行S808，若否，执行S807。

S807、激光雷达按照预设顺序累计已获取的第二个检测子范围的点云数据，并计算已获取的两个检测子范围的点云数据的置信度，判断置信度是否超过预设阈值，若是，执行S808，若否，继续计算下一个检测子范围的点云数据与前面累计的点云数据进行融合后的点云数据包括目标障碍物的置信度，当置信度超过阈值输出障碍物识别结果；若否继续按照预设顺序进行检测子范围点云数据的累积融合，若累积到第M个检测子范围的点云数据，则将一帧点云数据的融合识别结果进行输出。

其中，具体的累计点云数据的方法及计算置信度的方法请参考上述实施例，本实施例不再赘述。

S808、在置信度超过预设阈值的情况下，输出障碍物检测结果。

具体地，在置信度超过预设阈值的情况下，输出障碍物检测结果，并将检测结果显示在车载终端上。其中，障碍物检测结果具体包含的内容请参考上述实施例，本实施例不再赘述。

本申请实施例通过对场景复杂度的实时监测，从而对检测子范围的数量及拆分方式进行调整，增加了障碍物实时监测的灵活性和准确性。同时，本申请提供的障碍物检测方法，通过对整帧点云数据进行拆分，得到多个检测子范围，按照预设顺序对检测子范围进行检测并计算置信度，在未超过预设置信度阈值的情况下，按照预设顺序将下一个检测子范围的点云数据与当前的点云数据融合并对其进行检测，获取融合后的置信度，直至获取的置信度超过预设的置信度阈值，输出障碍物检测结果，并呈现在车载终端。该方法有效地减少了目标障碍物检测的时间，提高了实时性。

请参考图9所示，基于障碍物检测方法，图9是本申请实施例提供的一种障碍物检测装置示意图，包括：

第一获取模块901，用于按照预设顺序获取激光雷达的第N个检测子范围内的点云数据；所述激光雷达的一个检测周期的检测范围包括M个检测子范围；第N个检测子范围为M个检测子范围中的任意一个；M为大于等于2的整数，N小于等于M；

检测模块902，用于根据获取的第N个检测子范围内的点云数据计算所述第N个检测子范围包括预设目标物体的置信度；若所述置信度大于等于预设阈值，输出预设目标障碍物识别结果。

在一些实施例中，所述装置还包括：

第一计算模块，用于在所述第N个检测子范围包括预设目标物体的置信度小于预设阈值的情况下，获取第N+1个检测子范围的点云数据，将两个检测子范围的点云数据进行融合，计算所述两个检测子范围包括预设目标物体的置信度；

输出模块，用于若所述置信度大于等于预设阈值，输出障碍物识别结果；

第二计算模块，用于若所述置信度小于预设阈值，继续获取N+2个检测子范围的点云数据，将N+2个检测子范围的点云数据、所述第N个检测子范围和所述第N+1个检测子范围的点云数据进行融合，根据融合后的点云数据计算进行融合的多个检测子范围包括所述预设目标物体的置信度，N+2≤M。

在一些实施例中，所述装置还包括：

划分模块，用于确定所述M个检测子范围的划分方式；所述划分方式包括：按照所述激光雷达一个检测周期对应的检测时间划分、按照所述激光雷达一个检测周期对应的检测范围划分；

所述第一获取模块901具体用于：

根据所述激光雷达一个检测周期对应的检测时间，确定所述M个检测子范围中每一个检测子范围对应的检测时间；获取所述第N个检测子范围对应的第一检测时间；按照激光雷达的扫描顺序，当所述激光雷达运行到所述第一检测时间，获取所述第N个检测子范围对应的点云数据；

和/或，根据所述激光雷达一个检测周期对应的检测范围，确定所述M个检测子范围中每一个检测子范围对应的检测范围；获取所述第N个检测子范围对应的第一检测范围；按照激光雷达的扫描顺序，当激光雷达扫描到上述第一检测范围，获取所述第N个检测子范围对应的点云数据。

在一些实施例中，所述装置还包括：

第二获取模块，用于在第一获取模块901按照预设顺序获取激光雷达的第N个检测子范围内的点云数据之前，获取所述激光雷达的环境信息；

第一确定模块，用于根据所述环境信息确定所述激光雷达所处的场景；

第一调整模块，用于根据所述场景对所述激光雷达一个检测周期的检测范围包括的检测子范围的数量M进行调整。

在一些实施例中，所述装置还包括：

第二确定模块，用于确定所述激光雷达所处的场景的场景复杂度；

判断模块，用于判断所述场景复杂度是否大于预设阈值；

第二调整模块，用于当所述场景复杂度大于预设阈值时，根据所述场景复杂度的值对所述激光雷达一个检测周期对应的所述检测子范围的数量M进行再次调整。

在一些实施例中，所述装置还包括：

第三确定模块，用于在第一获取模块901按照预设顺序获取激光雷达的第N个检测子范围内的点云数据之前，确定所述激光雷达检测范围内的一般检测范围和目标检测范围；所述目标检测范围为用户预设的重点检测区域；

第四确定模块，用于根据所述一般检测范围和所述目标检测范围确定所述M个检测子范围的预设划分规则。

在一些实施例中，所述检测模块902包括：

聚类单元，用于将获取的第N个检测子范围内的点云数据进行聚类；

特征提取单元，用于对所述聚类后的点云数据进行特征提取；

匹配单元，用于将提取的特征信息与所述预设目标物体的特征信息进行匹配以获取所述第N个检测子范围包括所述预设目标物体的置信度。

请参考图10所示，本申请实施例中提供的另一种障碍物检测装置的结构示意图。该障碍物检测装置至少可以包括：至少一个处理器1001，例如CPU，至少一个网络接口1004，用户接口1003，存储器1005，至少一个通信总线1002。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可以包括但不限于是摄像头、显示器、触摸屏、键盘、鼠标、摇杆等等。网络接口1004可选的可以包括标准的有线接口、无线接口（如WIFI接口），通过网络接口1004可以与服务器建立通信连接。存储器1002可以是高速RAM存储器，也可以是非不稳定的存储器（non-volatile memory），例如至少一个磁盘存储器。如图10所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及程序指令。

需要说明的是，网络接口1004可以连接获取器、发射器或其他通信模块，其他通信模块可以包括但不限于WiFi模块、运营商网络通信模块等，可以理解，本申请实施例中障碍物检测装置也可以包括获取器、发射器和其他通信模块等。

处理器1001可以用于调用存储器1005中存储的程序指令，可以执行以下方法：

按照预设顺序获取激光雷达的第N个检测子范围内的点云数据；所述激光雷达的一个检测周期的检测范围包括所述M个检测子范围；其中，第N个检测子范围为M个检测子范围中的任意一个；M为大于等于2的整数，N小于等于M；

根据获取的第N个检测子范围内的点云数据计算所述第N个检测子范围包括预设目标物体的置信度；若所述置信度大于等于预设阈值，输出预设目标障碍物识别结果。

可能地，所述处理器1001还用于执行：

若所述第N个检测子范围包括预设目标物体的置信度小于预设阈值，获取第N+1个检测子范围的点云数据，将两个检测子范围的点云数据进行融合，计算所述两个检测子范围包括预设目标物体的置信度；

若所述置信度大于等于预设阈值，输出障碍物识别结果；

若所述置信度小于预设阈值，继续获取N+2个检测子范围的点云数据，将N+2个检测子范围的点云数据、所述第N个检测子范围和所述第N+1个检测子范围的点云数据进行融合，根据融合后的点云数据计算进行融合的多个检测子范围包括所述预设目标物体的置信度，N+2≤M。

可能地，所述处理器1001按照预设顺序获取激光雷达的第N个检测子范围内的点云数据之前，还用于执行：

确定所述M个检测子范围的划分方式；所述划分方式包括：按照所述激光雷达一个检测周期对应的检测时间划分、按照所述激光雷达一个检测周期对应的检测范围划分；

所述处理器1001按照预设顺序获取激光雷达的第N个检测子范围内的点云数据，具体执行：

根据所述激光雷达一个检测周期对应的检测时间，确定所述M个检测子范围中每一个检测子范围对应的检测时间；获取所述第N个检测子范围对应的第一检测时间；按照激光雷达的扫描顺序，当所述激光雷达运行到所述第一检测时间，获取所述第N个检测子范围对应的点云数据；

和/或，根据所述激光雷达一个检测周期对应的检测范围，确定所述M个检测子范围中每一个检测子范围对应的检测范围；获取所述第N个检测子范围对应的第一检测范围；按照激光雷达的扫描顺序，当激光雷达扫描到上述第一检测范围，获取所述第N个检测子范围对应的点云数据。

可能地，所述处理器1001按照预设顺序获取激光雷达的第N个检测子范围内的点云数据之前，还用于执行：

获取所述激光雷达的环境信息；

根据所述环境信息确定所述激光雷达所处的场景；

根据所述场景对所述激光雷达一个检测周期的检测范围包括的检测子范围的数量M进行调整。

可能地，所述处理器1001还用于执行：

确定所述激光雷达所处的场景的场景复杂度；

判断所述场景复杂度是否大于预设阈值；

当所述场景复杂度大于预设阈值时，根据所述场景复杂度的值对所述激光雷达一个检测周期对应的所述检测子范围的数量M进行再次调整。

可能地，所述处理器1001按照预设顺序获取激光雷达的第N个检测子范围内的点云数据之前，还用于执行：

确定所述激光雷达检测范围内的一般检测范围和目标检测范围；所述目标检测范围为用户预设的重点检测区域；

根据所述一般检测范围和所述目标检测范围确定所述M个检测子范围的预设划分规则。

可能地，所述处理器1001根据获取的第N个检测子范围内的点云数据计算所述第N个检测子范围包括预设目标物体的置信度，具体执行：

将获取的第N个检测子范围内的点云数据进行聚类；

对所述聚类后的点云数据进行特征提取；

将提取的特征信息与所述预设目标物体的特征信息进行匹配以获取所述第N个检测子范围包括所述预设目标物体的置信度。

本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机或处理器上运行时，使得计算机或处理器执行上述任一个方法中的一个或多个步骤。上述障碍物检测装置的各组成模块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，可以存储在所述计算机可读取存储介质中。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者通过所述计算机可读存储介质进行传输。所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如同轴电缆、光纤、数字用户线（Digital SubscriberLine，DSL））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，（例如，软盘、硬盘、磁带）、光介质(例如，数字通用光盘（Digital Video Disc，DVD）、或者半导体介质（例如，固态硬盘（solid state disk，SSD））等。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，该程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。而前述的存储介质包括：只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等各种可存储程序代码的介质。在不冲突的情况下，本实施例和实施方案中的技术特征可以任意组合。

以上所述的实施例仅仅是本申请的优选实施例方式进行描述，并非对本申请的范围进行限定，在不脱离本申请的设计精神的前提下，本领域普通技术人员对本申请的技术方案作出的各种变形及改进，均应落入本申请的权利要求书确定的保护范围内。

Claims (8)

1.一种障碍物检测方法，其特征在于，所述方法包括：

按照预设顺序获取激光雷达的第N个检测子范围内的点云数据；所述激光雷达的一个检测周期的检测范围包括M个检测子范围；所述第N个检测子范围为所述M个检测子范围中的任意一个；M为大于等于2的整数，N小于等于M；

根据获取的所述第N个检测子范围内的点云数据计算所述第N个检测子范围包括预设目标物体的置信度；若所述置信度大于等于预设阈值，输出预设目标障碍物识别结果，所述预设目标障碍物识别结果包括：障碍物的点云数据、障碍物类别结果；

若所述第N个检测子范围包括所述预设目标物体的置信度小于所述预设阈值，获取第N+1个检测子范围的点云数据，将两个检测子范围的点云数据进行融合，计算所述两个检测子范围包括所述预设目标物体的置信度；若所述置信度小于预设阈值，继续获取第N+2个检测子范围的点云数据，将第N+2个检测子范围的点云数据、所述第N个检测子范围和所述第N+1个检测子范围的点云数据进行融合，根据融合后的点云数据计算进行融合的多个检测子范围包括所述预设目标物体的置信度，N+2≤M；

若所述置信度大于等于所述预设阈值，输出所述预设目标障碍物识别结果；

其中，所述根据获取的所述第N个检测子范围内的点云数据计算所述第N个检测子范围包括预设目标物体的置信度，包括：

将获取的第N个检测子范围内的点云数据进行聚类；

对所述聚类后的点云数据进行特征提取；

将提取的特征信息与所述预设目标物体的特征信息进行匹配以获取所述第N个检测子范围包括所述预设目标物体的置信度。

2.如权利要求1所述的方法，其特征在于，所述按照预设顺序获取激光雷达的第N个检测子范围内的点云数据之前，所述方法还包括：

确定所述M个检测子范围的划分方式；所述划分方式包括：按照所述激光雷达一个检测周期对应的检测时间划分、按照所述激光雷达一个检测周期对应的检测范围划分；

所述按照预设顺序获取激光雷达的第N个检测子范围内的点云数据，包括：

根据所述激光雷达一个检测周期对应的检测时间，确定所述M个检测子范围中每一个检测子范围对应的检测时间；获取所述第N个检测子范围对应的第一检测时间；按照激光雷达的扫描顺序，当所述激光雷达运行到所述第一检测时间，获取所述第N个检测子范围对应的点云数据；

和/或，根据所述激光雷达一个检测周期对应的检测范围，确定所述M个检测子范围中每一个检测子范围对应的检测范围；获取所述第N个检测子范围对应的第一检测范围；按照激光雷达的扫描顺序，当所述激光雷达扫描到所述第一检测范围，获取所述第N个检测子范围对应的点云数据。

3.如权利要求1所述的方法，其特征在于，所述按照预设顺序获取激光雷达的第N个检测子范围内的点云数据之前，所述方法还包括：

获取所述激光雷达的环境信息；

根据所述环境信息确定所述激光雷达所处的场景；

根据所述场景对所述激光雷达一个检测周期的检测范围包括的检测子范围的数量M进行调整。

4.如权利要求1至3任意一项所述的方法，其特征在于，所述方法还包括：

确定所述激光雷达所处的场景的场景复杂度；

判断所述场景复杂度是否大于预设阈值；

当所述场景复杂度大于预设阈值时，根据所述场景复杂度的值对所述激光雷达一个检测周期对应的所述检测子范围的数量M进行调整。

5.如权利要求1所述的方法，其特征在于，所述按照预设顺序获取激光雷达的第N个检测子范围内的点云数据之前，所述方法还包括：

确定所述激光雷达检测范围内的一般检测范围和目标检测范围；所述目标检测范围为用户预设的重点检测区域，所述一般检测范围为：所述激光雷达一个检测周期内的检测范围中除了所述目标检测范围之外的检测范围；

根据所述一般检测范围和所述目标检测范围确定所述M个检测子范围的预设划分规则。

6.一种障碍物检测装置，其特征在于，所述装置包括：

获取模块，用于按照预设顺序获取激光雷达的第N个检测子范围内的点云数据；所述激光雷达的一个检测周期的检测范围包括M个检测子范围；所述第N个检测子范围为所述M个检测子范围中的任意一个；M为大于等于2的整数，N小于等于M；

检测模块，用于根据获取的所述第N个检测子范围内的点云数据计算所述第N个检测子范围包括预设目标物体的置信度；若所述置信度大于等于预设阈值，输出预设目标障碍物识别结果，所述预设目标障碍物识别结果包括：障碍物的点云数据、障碍物类别结果；

第一计算模块，用于在所述第N个检测子范围包括预设目标物体的置信度小于预设阈值的情况下，获取第N+1个检测子范围的点云数据，将两个检测子范围的点云数据进行融合，计算所述两个检测子范围包括预设目标物体的置信度；若所述置信度小于预设阈值，继续获取第N+2个检测子范围的点云数据，将第N+2个检测子范围的点云数据、所述第N个检测子范围和所述第N+1个检测子范围的点云数据进行融合，根据融合后的点云数据计算进行融合的多个检测子范围包括所述预设目标物体的置信度，N+2≤M；

输出模块，用于若所述置信度大于等于预设阈值，输出障碍物识别结果；

其中，所述检测模块，包括：

聚类单元，用于将获取的第N个检测子范围内的点云数据进行聚类；

特征提取单元，用于对所述聚类后的点云数据进行特征提取；

匹配单元，用于将提取的特征信息与所述预设目标物体的特征信息进行匹配以获取所述第N个检测子范围包括所述预设目标物体的置信度。

7.一种障碍物检测装置，其特征在于，包括处理器、存储器以及通信接口：

所述处理器与所述存储器、所述通信接口相连；

所述存储器，用于存储可执行程序代码；

所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于执行如权利要求1-5任一项所述的障碍物检测方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5任一项所述的障碍物检测方法。

Images