CN114743181A - 一种道路车辆目标检测方法、系统、电子设备及存储介质 - Google Patents

一种道路车辆目标检测方法、系统、电子设备及存储介质 Download PDF

Info

Publication number
CN114743181A
CN114743181A CN202210466383.6A CN202210466383A CN114743181A CN 114743181 A CN114743181 A CN 114743181A CN 202210466383 A CN202210466383 A CN 202210466383A CN 114743181 A CN114743181 A CN 114743181A
Authority
CN
China
Prior art keywords
point cloud
obstacle
cloud information
vehicle target
road
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
CN202210466383.6A
Other languages
English (en)
Inventor
黄城
文滔
任凡
黄明
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.)
Chongqing Changan Automobile Co Ltd
Original Assignee
Chongqing Changan Automobile Co 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 Chongqing Changan Automobile Co Ltd filed Critical Chongqing Changan Automobile Co Ltd
Priority to CN202210466383.6A priority Critical patent/CN114743181A/zh
Publication of CN114743181A publication Critical patent/CN114743181A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种道路车辆目标检测方法、系统、电子设备及存储介质，包括S1、获取驾驶场景的原始点云信息；S2、对所述原始点云信息进行预处理，获取车道范围内的点云信息；S3、对步骤S2获取的点云信息进行路面分割处理，获取车道内具有高度的障碍物点云信息；S4、对所述障碍物点云信息进行聚类处理，获取障碍物的拟合结果；S5、对所述障碍物的拟合结果进行坐标提取并计算边界长度，获取障碍物的几何特征；S6、根据障碍物的几何特征识别障碍物为车辆目标或非车辆目标。本发明基于车辆几何尺寸模型对道路车辆目标进行识别与检测，减少了数据量，提高算法效率，对提高自动驾驶车辆的环境感知环节的效率以及为驾驶行为决策提供关键信息具有重要意义。

Description

一种道路车辆目标检测方法、系统、电子设备及存储介质
技术领域
本发明属于自动驾驶技术领域，更具体涉及一种道路车辆目标检测方法、系统、电子设备及存储介质。
背景技术
环境感知是自动驾驶的首要环节，车辆目标检测则一直是自动驾驶汽车环境感知中的重要研究内容，其检测的准确性与实时性是实现自动驾驶行为的重要前提。当前，激光雷达在数据获取与环境适应性方面的优势日渐凸显，有许多基于激光雷达的车辆目标检测方法，但多存在误检或漏检问题。
如我国专利CN201610674755.9提供了一种单线激光雷达车辆目标识别方法、装置和汽车，该方法包括：获取所述单线激光雷达的探测数据，探测数据包括若干点云的坐标数据；基于点云的坐标数据对若干点云进行聚类，以将若干点云分为至少一个探测物体；将组成任一个探测物体的点云的坐标数据拟合为线段；提取每个探测物体对应的线段的特征；基于提取的特征通过机器学习方法识别该探测物体是否是车辆，若是，发出警报信息。通过单线激光雷达的探测数据，识别探测到的物体是否是车辆，并根据识别结果确定是否发出警报信息，提高汽车驾驶安全性，避免车内及车外人身财产的伤害和损失。其采用的是单层激光雷达，无法测得车辆的高度方向信息，将道路两侧具有一定更高度的物体如护栏等误检成车辆目标。
又如我国专利CN202010050963.8提供一种路侧激光雷达目标检测方法，其包含：从路侧激光雷达采集的数据中选取不同时段的多帧背景点云数据作为背景数据，对背景数据进行栅格化处理并统计栅格特征，计算得到栅格平均统计特征作为背景栅格统计表；针对实测的原始点云数据，进行与背景数据具备相同栅格尺寸的栅格化处理，统计得到原始点云数据对应的栅格统计特征，结合背景栅格统计表进行背景滤波后，得到非背景点云数据；将非背景点云数据输入构建的多尺度体素三维检测检测网络，输出目标的检测结果张量，结果张量包含目标的类别信息和边界框信息。该发明通过背景滤波，滤除大量的无效点，显著缩短网络的训练和推理时间，同时没有了大量背景点的干扰提高了检测结果的精度。其基于安装在路侧的激光雷达，针对路口的复杂车况，提出了一种建立在车辆检测模型基础上的组合聚类方式并实现了十字路口处进行道路车辆目标的识别与追踪。但是，该方案在只配备一个激光雷达的条件下，无法解决车流量较大时车辆的遮挡问题，需要通过多个激光雷达组成激光雷达系统才能够在复杂的混合交通流中准确识别车辆目标。
发明内容
为解决上述问题，本发明提供了一种道路车辆目标检测方法、系统、电子设备及存储介质，能够在实际驾驶场景下实时准确检测得到车道内的车辆目标。
为了解决上述技术问题，本发明采用的技术方案是这样的：一种道路车辆目标检测方法，包括以下步骤，
S1、获取驾驶场景的原始点云信息；
S2、对所述原始点云信息进行预处理，获取车道范围内的点云信息；
S3、对步骤S2获取的点云信息进行路面分割处理，获取车道内具有高度的障碍物点云信息；
S4、对所述障碍物点云信息进行聚类处理，获取障碍物的拟合结果；
S5、对所述障碍物的拟合结果进行坐标提取并计算边界长度，获取障碍物的几何特征；
S6、根据障碍物的几何特征识别障碍物为车辆目标或非车辆目标。
作为优化，通过多线激光雷达获取驾驶场景的原始点云信息。
作为优化，通过下采样并裁剪的预处理方式，剔除原始点云信息中车道范围外的多余点云信息，获取车道范围内的点云信息。
作为优化，所述路面分割处理采用随机采样一致性算法。
作为优化，所述聚类处理采用密度聚类算法。
作为优化，所述几何特征包括障碍物的纵向边界长度、横向边界长度和垂直边界长度。
作为优化，步骤S6中，判断障碍物的几何特征是否在设定的车辆目标几何尺寸范围内，若是，则识别障碍物为车辆目标，否则识别障碍物为非车辆目标。
基于上述方法，本发明还提供了一种实现上述方法的道路车辆目标检测系统，包括，
激光雷达，包括多线激光雷达，用于获取驾驶场景的原始点云信息；
预处理模块，对所述原始点云信息进行下采样并裁剪，剔除原始点云信息中车道范围外的多余点云信息，获取车道范围内的点云信息；
路面分割模块，通过随机采样一致性算法对预处理模块获取的点云信息进行路面分割，获取车道内具有高度的障碍物点云信息；
聚类模块，通过密度聚类算法将路面分割模块分割完获取的点云信息进行拟合，获取障碍物的拟合结果；
几何特征匹配模块，对聚类模块输出的障碍物拟合结果进行坐标提取并计算边界长度，并进行障碍物几何特征的判断，输出障碍物为车辆目标或非车辆目标的识别结果。
基于上述方法，本发明还提供了一种电子设备，包括，
存储器，用于存储道路车辆目标检测程序；
处理器，用于执行所述道路车辆目标检测程序时实现所述的道路车辆目标检测方法。
基于上述方法，本发明还提供了一种存储介质，所述存储介质存储有一个或者多个程序，所述一个或者多个程序被处理器运行时，执行所述的道路车辆目标检测方法的步骤。
与现有技术相比，本发明具有如下优点：
本发明通过采用多线激光雷达对车辆目标进行检测。基于几何特征的车辆识别方法，先通过随机采样一致性算法（RANSAC）对雷达采集到的原始数据进行分割，实现路面与障碍物的分离，随后运用密度聚类算法（DBSCAN）实现障碍物聚类并对聚类得到的点集进行拟合，最后通过障碍物的尺寸特征来进行特征判断，实现道路车辆目标的检测与识别，为车辆的自主驾驶行为决策提供准确的感知信息。本发明基于车辆几何尺寸模型对道路车辆目标进行识别与检测，通过下采样与点云裁剪，对点云信息进行预处理，减少了数据量，提高算法效率。可以在保证检测准确率的同时实现实际驾驶场景下道路车辆目标的实时检测，对提高自动驾驶车辆的环境感知环节的效率以及为驾驶行为决策提供关键信息具有重要意义。
附图说明
图1是本发明的整体架构图；
图2是本发明几何特征判断逻辑流程图。
具体实施方式
下面将结合附图及实施例对本发明作进一步说明。
实施例：参见图1-图2，
一种道路车辆目标检测方法，包括以下步骤，
S1、通过多线激光雷达获取驾驶场景的原始点云信息，所述激光雷达安装在车辆顶部，并已完成标定。
S2、对所述原始点云信息进行预处理，获取车道范围内的点云信息。激光雷达采集原始点云数据，将采集到的点云信息进行下采样并裁剪，只保留有参考价值的车道内点云信息，删除道路两旁多余的点云数据，减小计算量，提高算法效率。
S3、对步骤S2获取的点云信息进行路面分割处理，获取车道内具有高度的障碍物点云信息。通过随机采样一致性算法（RANSAC）在预处理后的点云信息的基础上对路面点云进行识别，实现对路面信息的分割，只保留车道内具有高度的障碍物信息。
S4、对所述障碍物点云信息进行聚类处理，获取障碍物的拟合结果。利用密度聚类算法（DBSCAN）实现障碍物聚类，将路面分割处理中分割完得到的点云进行拟合，输出障碍物信息。
S5、对所述障碍物的拟合结果进行坐标提取并计算边界长度，获取障碍物的几何特征。所述几何特征包括障碍物的纵向边界长度、横向边界长度和垂直边界长度。
S6、根据障碍物的几何特征识别障碍物为车辆目标或非车辆目标。判断障碍物的几何特征是否在设定的车辆目标几何尺寸范围内，若是，则识别障碍物为车辆目标，否则识别障碍物为非车辆目标。
具体的，如果障碍物点集对应的纵向边界长度不在规定的车辆长度阈值范围内，或障碍物点集对应的横向边界长度不在规定的车辆宽度阈值范围内，或障碍物点集对应的垂直边界长度不在规定的车辆高度阈值范围内，则判定聚类得到的障碍物为非车辆目标，结束逻辑判断流程。如果障碍物点集对应的纵向边界长度在规定的车辆长度阈值范围内，说明该障碍物点集满足车辆几何特征初步条件，可进行二次判断，如果障碍物点集对应的横向边界长度在规定的车辆宽度阈值范围内，进一步将障碍物点集对应的垂直边界长度与规定的车辆高度阈值范围进行比较，如果障碍物点集对应的垂直边界长度在规定的车辆高度阈值范围内，则判定聚类得到的障碍物为车辆目标。
基于上述方法，本发明还提供了一种实现上述方法的道路车辆目标检测系统，包括，
激光雷达，包括多线激光雷达，用于获取驾驶场景的原始点云信息；
预处理模块，对所述原始点云信息进行下采样并裁剪，剔除原始点云信息中车道范围外的多余点云信息，获取车道范围内的点云信息；
路面分割模块，通过随机采样一致性算法对预处理模块获取的点云信息进行路面分割，获取车道内具有高度的障碍物点云信息；
聚类模块，通过密度聚类算法将路面分割模块分割完获取的点云信息进行拟合，获取障碍物的拟合结果；
几何特征匹配模块，对聚类模块输出的障碍物拟合结果进行坐标提取并计算边界长度，并进行障碍物几何特征的判断，输出障碍物为车辆目标或非车辆目标的识别结果。
基于上述方法，本发明还提供了一种电子设备，包括，
存储器，用于存储道路车辆目标检测程序；
处理器，用于执行所述道路车辆目标检测程序时实现所述的道路车辆目标检测方法。
基于上述方法，本发明还提供了一种存储介质，所述存储介质存储有一个或者多个程序，所述一个或者多个程序被处理器运行时，执行所述的道路车辆目标检测方法的步骤。
本发明通过采用多线激光雷达对车辆目标进行检测。基于几何特征的车辆识别方法，先通过随机采样一致性算法（RANSAC）对雷达采集到的原始数据进行分割，实现路面与障碍物的分离，随后运用密度聚类算法（DBSCAN）实现障碍物聚类并对聚类得到的点集进行拟合，最后通过障碍物的尺寸特征来进行特征判断，实现道路车辆目标的检测与识别，为车辆的自主驾驶行为决策提供准确的感知信息。本发明基于车辆几何尺寸模型对道路车辆目标进行识别与检测，通过下采样与点云裁剪，对点云信息进行预处理，减少了数据量，提高算法效率。可以在保证检测准确率的同时实现实际驾驶场景下道路车辆目标的实时检测，对提高自动驾驶车辆的环境感知环节的效率以及为驾驶行为决策提供关键信息具有重要意义。
最后需要说明的是，以上实施例仅用以说明本发明的技术方案而非限制技术方案，本领域的普通技术人员应当理解，那些对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种道路车辆目标检测方法，其特征在于，包括以下步骤，
S1、获取驾驶场景的原始点云信息；
S2、对所述原始点云信息进行预处理，获取车道范围内的点云信息；
S3、对步骤S2获取的点云信息进行路面分割处理，获取车道内具有高度的障碍物点云信息；
S4、对所述障碍物点云信息进行聚类处理，获取障碍物的拟合结果；
S5、对所述障碍物的拟合结果进行坐标提取并计算边界长度，获取障碍物的几何特征；
S6、根据障碍物的几何特征识别障碍物为车辆目标或非车辆目标。
2.根据权利要求1所述的道路车辆目标检测方法，其特征在于，通过多线激光雷达获取驾驶场景的原始点云信息。
3.根据权利要求1所述的道路车辆目标检测方法，其特征在于，通过下采样并裁剪的预处理方式，剔除原始点云信息中车道范围外的多余点云信息，获取车道范围内的点云信息。
4.根据权利要求1所述的道路车辆目标检测方法，其特征在于，所述路面分割处理采用随机采样一致性算法。
5.根据权利要求1所述的道路车辆目标检测方法，其特征在于，所述聚类处理采用密度聚类算法。
6.根据权利要求1所述的道路车辆目标检测方法，其特征在于，所述几何特征包括障碍物的纵向边界长度、横向边界长度和垂直边界长度。
7.根据权利要求1所述的道路车辆目标检测方法，其特征在于，步骤S6中，判断障碍物的几何特征是否在设定的车辆目标几何尺寸范围内，若是，则识别障碍物为车辆目标，否则识别障碍物为非车辆目标。
8.一种道路车辆目标检测系统，其特征在于，包括，
激光雷达，包括多线激光雷达，用于获取驾驶场景的原始点云信息；
预处理模块，对所述原始点云信息进行下采样并裁剪，剔除原始点云信息中车道范围外的多余点云信息，获取车道范围内的点云信息；
路面分割模块，通过随机采样一致性算法对预处理模块获取的点云信息进行路面分割，获取车道内具有高度的障碍物点云信息；
聚类模块，通过密度聚类算法将路面分割模块分割完获取的点云信息进行拟合，获取障碍物的拟合结果；
几何特征匹配模块，对聚类模块输出的障碍物拟合结果进行坐标提取并计算边界长度，并进行障碍物几何特征的判断，输出障碍物为车辆目标或非车辆目标的识别结果。
9.一种电子设备，其特征在于，包括，
存储器，用于存储道路车辆目标检测程序；
处理器，用于执行所述道路车辆目标检测程序时实现如权利要求1-7任一所述的道路车辆目标检测方法。
10.一种存储介质，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序被处理器运行时，执行如权利要求1-7任一所述的道路车辆目标检测方法的步骤。
CN202210466383.6A 2022-04-29 2022-04-29 一种道路车辆目标检测方法、系统、电子设备及存储介质 Pending CN114743181A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210466383.6A CN114743181A (zh) 2022-04-29 2022-04-29 一种道路车辆目标检测方法、系统、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210466383.6A CN114743181A (zh) 2022-04-29 2022-04-29 一种道路车辆目标检测方法、系统、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN114743181A true CN114743181A (zh) 2022-07-12

Family

ID=82285043

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210466383.6A Pending CN114743181A (zh) 2022-04-29 2022-04-29 一种道路车辆目标检测方法、系统、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114743181A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115097487A (zh) * 2022-07-13 2022-09-23 重庆长安汽车股份有限公司 车辆的环境信息生成方法、装置、电子设备及存储介质
CN115431695A (zh) * 2022-09-09 2022-12-06 中国第一汽车股份有限公司 一种悬架参数调整方法、装置、电子设备及存储介质
CN115540896A (zh) * 2022-12-06 2022-12-30 广汽埃安新能源汽车股份有限公司 路径规划方法、装置、电子设备和计算机可读介质
CN116533998A (zh) * 2023-07-04 2023-08-04 深圳海星智驾科技有限公司 车辆的自动驾驶方法、装置、设备、存储介质及车辆
CN117309023A (zh) * 2023-09-28 2023-12-29 宁波市海曙雪利曼电子仪表有限公司 一种用于汽车仪表的综合检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110018496A (zh) * 2018-01-10 2019-07-16 北京京东尚科信息技术有限公司 障碍物识别方法及装置、电子设备、存储介质
CN111337941A (zh) * 2020-03-18 2020-06-26 中国科学技术大学 一种基于稀疏激光雷达数据的动态障碍物追踪方法
CN112101092A (zh) * 2020-07-31 2020-12-18 北京智行者科技有限公司 自动驾驶环境感知方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110018496A (zh) * 2018-01-10 2019-07-16 北京京东尚科信息技术有限公司 障碍物识别方法及装置、电子设备、存储介质
CN111337941A (zh) * 2020-03-18 2020-06-26 中国科学技术大学 一种基于稀疏激光雷达数据的动态障碍物追踪方法
CN112101092A (zh) * 2020-07-31 2020-12-18 北京智行者科技有限公司 自动驾驶环境感知方法及系统

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115097487A (zh) * 2022-07-13 2022-09-23 重庆长安汽车股份有限公司 车辆的环境信息生成方法、装置、电子设备及存储介质
CN115431695A (zh) * 2022-09-09 2022-12-06 中国第一汽车股份有限公司 一种悬架参数调整方法、装置、电子设备及存储介质
CN115540896A (zh) * 2022-12-06 2022-12-30 广汽埃安新能源汽车股份有限公司 路径规划方法、装置、电子设备和计算机可读介质
CN115540896B (zh) * 2022-12-06 2023-03-07 广汽埃安新能源汽车股份有限公司 路径规划方法、装置、电子设备和计算机可读介质
CN116533998A (zh) * 2023-07-04 2023-08-04 深圳海星智驾科技有限公司 车辆的自动驾驶方法、装置、设备、存储介质及车辆
CN116533998B (zh) * 2023-07-04 2023-09-29 深圳海星智驾科技有限公司 车辆的自动驾驶方法、装置、设备、存储介质及车辆
CN117309023A (zh) * 2023-09-28 2023-12-29 宁波市海曙雪利曼电子仪表有限公司 一种用于汽车仪表的综合检测方法

Similar Documents

Publication Publication Date Title
CN114743181A (zh) 一种道路车辆目标检测方法、系统、电子设备及存储介质
CN108537197B (zh) 一种基于深度学习的车道线检测预警装置及预警方法
US20210350149A1 (en) Lane detection method and apparatus,lane detection device,and movable platform
CN110532889B (zh) 基于旋翼无人飞行器和YOLOv3的轨道异物检测方法
CN113424121A (zh) 基于自动驾驶的车辆速度控制方法、装置和计算机设备
CN111461088B (zh) 一种基于图像处理与目标识别的轨道交通避障系统
CN111880196A (zh) 一种无人矿车抗干扰方法、系统及计算机设备
CN112347999A (zh) 障碍物识别模型训练方法、障碍物识别方法、装置及系统
CN114694060B (zh) 一种道路抛洒物检测方法、电子设备及存储介质
CN115205796B (zh) 轨道线路异物侵限监测与风险预警方法及系统
CN116030289A (zh) 基于激光雷达的铁路危情监测方法
CN111488808A (zh) 基于交通违法图像数据的车道线检测方法
CN113740874A (zh) 一种道路边沿检测方法、电子设备及车辆
CN115272425B (zh) 一种基于三维点云的铁路工地区域入侵检测方法及系统
CN114596555A (zh) 障碍物点云数据筛选方法、装置、电子设备及存储介质
CN114463362A (zh) 一种基于深度学习的三维避碰声呐障碍物检测方法及系统
CN114155720A (zh) 一种路侧激光雷达的车辆检测和轨迹预测方法
CN113900101A (zh) 障碍物检测方法、装置及电子设备
CN114241448A (zh) 障碍物航向角的获取方法、装置、电子设备及车辆
CN117011830B (zh) 图像识别方法、装置、计算机设备、存储介质
CN115083199A (zh) 一种车位信息确定方法及其相关设备
CN116402994A (zh) 基于激光雷达和视频图像融合的铁路危情监测方法
CN113066041A (zh) 一种基于栈稀疏自编码深度学习的路面裂缝检测方法
CN114550139A (zh) 车道线检测方法及装置
CN114740486A (zh) 一种轨道交通异物侵限检测方法及装置

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