CN114779276A - 一种障碍物检测方法和装置 - Google Patents

一种障碍物检测方法和装置 Download PDF

Info

Publication number
CN114779276A
CN114779276A CN202210302315.6A CN202210302315A CN114779276A CN 114779276 A CN114779276 A CN 114779276A CN 202210302315 A CN202210302315 A CN 202210302315A CN 114779276 A CN114779276 A CN 114779276A
Authority
CN
China
Prior art keywords
point cloud
cloud data
standard
target frame
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.)
Pending
Application number
CN202210302315.6A
Other languages
English (en)
Inventor
程前
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.)
Agricultural Bank of China
Original Assignee
Agricultural Bank of China
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 Agricultural Bank of China filed Critical Agricultural Bank of China
Priority to CN202210302315.6A priority Critical patent/CN114779276A/zh
Publication of CN114779276A publication Critical patent/CN114779276A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • 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
    • 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
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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

Abstract

本申请公开了一种障碍物检测方法和装置，当第二自动驾驶车辆实际行驶在固定行驶路线上时，获取通过第二自动驾驶车辆的激光雷达采集固定行驶路线上的目标帧点云数据以及该目标帧点云数据对应的目标位置。从标准位置中确定与目标位置相同的目标标准位置，从每一帧标准点云数据中确定该目标标准位置对应的目标帧标准点云数据，根据目标帧标准点云数据和目标帧点云数据，确定相对于目标帧标准点云数据，目标帧点云数据中多出来的额外点云数据，根据额外点云数据确定相对于第二自动驾驶车辆的障碍物。由此，通过目标帧标准点云数据和目标帧点云数据进行比对得到障碍物，不会受复杂环境影响，提高障碍物检测的准确率，从而提高自动驾驶车辆的安全性。

Description

一种障碍物检测方法和装置
技术领域
本发明涉及无人驾驶技术领域，尤其是涉及一种障碍物检测方法和装置。
背景技术
随着科学技术的发展，无人驾驶技术受到各个领域学者的广泛关注。搭载无人驾驶技术的车辆被称为自动驾驶车辆，可以不需要驾驶员操作即能感测其环境及导航。
自动驾驶车辆能够感知周围环境，将感测资料转换成适当的导航道路，以及障碍与相关标志。根据定义，自动驾驶汽车能透过感测输入的资料，更新其地图资讯，让交通工具可以持续追踪其位置。通过多辆自动驾驶车构成的无人车队可以有效减轻交通压力，并因此提高交通系统的运输效率。
相关技术中，自动驾驶车辆通过相机采集周围环境信息、通过毫米波雷达为周围环境信息定位等，从而感知周围环境。但是，如果遇到复杂场景，如阴天环境较差的天气等，采集的图片清晰度较低，从而基于清晰度较低的图片进行目标检测的准确率较低，进而出现障碍物的漏检和误检，导致自动驾驶车辆的安全性较低。
发明内容
针对上述问题，本申请提供一种障碍物检测方法和装置，用于提高障碍物检测的准确率，进而提高自动驾驶车辆的安全性。
基于此，本申请实施例公开了如下技术方案：
一方面，本申请实施例提供一种障碍物检测方法，所述方法应用在行驶在固定行驶路线的自动驾驶车辆，所述固定行驶路线上没有障碍物且第一自动驾驶车辆预先通过所述第一自动驾驶车辆的激光雷达采集所述固定行驶路线上每一帧标准点云数据，以及所述每一帧标准点云数据对应的标准位置，所述方法包括：
获取目标帧点云数据和所述目标帧点云数据对应的目标位置，所述目标帧点云数据为第二自动驾驶车辆的激光雷达采集所述固定行驶路线上的一帧点云数据；
从所述标准位置中确定与所述目标位置相同的目标标准位置；
从所述每一帧标准点云数据中确定所述目标标准位置对应的目标帧标准点云数据；
根据所述目标帧标准点云数据和所述目标帧点云数据，确定所述目标帧点云数据中额外点云数据，所述额外点云数据为相对于所述目标帧标准点云数据，所述目标帧点云数据中多出来的点云数据；
根据所述额外点云数据确定相对于所述第二自动驾驶车辆的障碍物。
可选的，所述根据所述目标帧点云数据和所述标准点云数据，确定所述目标帧点云数据中额外点云数据，包括：
将所述目标帧点云数据和所述标准点云数据进行或运算，得到补偿点云数据；
所述补偿点云数据减去所述标准点云数据，得到所述目标帧点云数据中额外点云数据。
可选的，所述根据所述额外点云数据确定相对于所述第二自动驾驶车辆的障碍物，包括：
将所述额外点云数据转换为车体坐标系下的点云数据，所述车体坐标系为以所述第二自动驾驶车辆为圆心的直角坐标系；
将所述车体坐标系下的点云数据进行聚类，得到多个相对于所述第二自动驾驶车辆的障碍物。
可选的，所述将所述车体坐标系下的点云数据进行聚类，包括：
通过具有噪声的基于密度的聚类方法将所述车体坐标系下的点云数据进行聚类。
可选的，所述方法还包括：
提取所述障碍物的轮廓；
根据所述障碍物的轮廓确定所述障碍物的大小和位置。
另一方面本申请提供了一种障碍物检测装置，所述装置应用在行驶在固定行驶路线的自动驾驶车辆，所述固定行驶路线上没有障碍物且第一自动驾驶车辆预先通过所述第一自动驾驶车辆的激光雷达采集所述固定行驶路线上每一帧标准点云数据，以及所述每一帧标准点云数据对应的标准位置，所述装置包括：获取单元、目标标准位置确定单元、目标帧标准点云数据确定单元、额外点云数据确定单元和障碍物确定单元。
所述获取单元，用于获取目标帧点云数据和所述目标帧点云数据对应的目标位置，所述目标帧点云数据为第二自动驾驶车辆的激光雷达采集所述固定行驶路线上的一帧点云数据；
所述目标标准位置确定单元，用于从所述标准位置中确定与所述目标位置相同的目标标准位置；
所述目标帧标准点云数据确定单元，用于从所述每一帧标准点云数据中确定所述目标标准位置对应的目标帧标准点云数据；
所述额外点云数据确定单元，用于根据所述目标帧标准点云数据和所述目标帧点云数据，确定所述目标帧点云数据中额外点云数据，所述额外点云数据为相对于所述目标帧标准点云数据，所述目标帧点云数据中多出来的点云数据；
所述障碍物确定单元，用于根据所述额外点云数据确定相对于所述第二自动驾驶车辆的障碍物。
可选的，所述额外点云数据确定单元，具体用于：
将所述目标帧点云数据和所述标准点云数据进行或运算，得到补偿点云数据；
所述补偿点云数据减去所述标准点云数据，得到所述目标帧点云数据中额外点云数据。
可选的，所述障碍物确定单元包括转换单元和聚类单元；
所述转换单元，用于将所述额外点云数据转换为车体坐标系下的点云数据，所述车体坐标系为以所述第二自动驾驶车辆为圆心的直角坐标系；
所述聚类单元，用于将所述车体坐标系下的点云数据进行聚类，得到多个相对于所述第二自动驾驶车辆的障碍物。
可选的，所述聚类单元，具体用于：
通过具有噪声的基于密度的聚类方法将所述车体坐标系下的点云数据进行聚类。
可选的，所述装置还包括提取单元和识别单元；
所述提取单元，用于提取所述障碍物的轮廓；
所述识别单元，用于根据所述障碍物的轮廓确定所述障碍物的大小和位置。
另一方面本申请提供了一种计算机设备，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行上述方面所述的方法。
另一方面本申请提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行上述方面所述的方法。
另一方面，本申请实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述方面所述的方法。
本申请上述技术方案的优点在于：
第一自动驾驶车辆预先在没有障碍物的固定行驶路线上行驶，通过第一自动驾驶车辆的激光雷达采集固定行驶路线上每一帧标准点云数据以及每一帧标准点云数据对应的标准位置。当第二自动驾驶车辆实际行驶在固定行驶路线上时，获取通过第二自动驾驶车辆的激光雷达采集固定行驶路线上的目标帧点云数据以及该目标帧点云数据对应的目标位置。从标准位置中确定与目标位置相同的目标标准位置，从每一帧标准点云数据中确定该目标标准位置对应的目标帧标准点云数据，根据目标帧标准点云数据和目标帧点云数据，确定相对于目标帧标准点云数据，目标帧点云数据中多出来的点云数据，即额外点云数据，根据额外点云数据确定相对于第二自动驾驶车辆的障碍物。由此，通过目标帧标准点云数据和目标帧点云数据进行比对得到障碍物，不会受复杂环境影响，提高障碍物检测的准确率，从而提高自动驾驶车辆的安全性。
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中记载的一些实施例，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它的附图。
图1为本申请实施例提供的一种自动驾驶车辆的示意图；
图2为本申请实施例提供的一种障碍物检测方法的流程图；
图3为本申请实施例提供的一种障碍物检测装置的示意图；
图4为本申请实施例提供的一种计算机设备的结构图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
基于相关技术中，自动驾驶车辆通过相机和毫米波雷达感知周围环境。但是，如果遇到复杂场景，如阴天环境较差的天气等，采集的图片清晰度较低，从而基于清晰度较低的图片进行目标检测的准确率较低，进而出现障碍物的漏检和误检，导致自动驾驶车辆的安全性较低。
基于此，本申请实施例提供一种障碍物检测方法，预先在没有障碍物的固定行驶路线上，通过第一自动驾驶车辆的激光雷达采集固定行驶路线上每一帧标准点云数据以及每一帧标准点云数据对应的标准位置。当第二自动驾驶车辆实际行驶在固定行驶路线上时，获取通过第二自动驾驶车辆的激光雷达采集固定行驶路线上的目标帧点云数据以及该目标帧点云数据对应的目标位置。从标准位置中确定与目标位置相同的目标标准位置，从每一帧标准点云数据中确定该目标标准位置对应的目标帧标准点云数据，根据目标帧标准点云数据和目标帧点云数据，确定相对于目标帧标准点云数据，目标帧点云数据中多出来的点云数据，即额外点云数据，根据额外点云数据确定相对于第二自动驾驶车辆的障碍物。由此，通过目标帧标准点云数据和目标帧点云数据进行比对得到障碍物，不会受复杂环境影响，提高障碍物检测的准确率，从而提高自动驾驶车辆的安全性。
本申请实施例提供的障碍物检测方法应用在自动驾驶车辆，且该自动驾驶车辆需要行驶在固定行驶路线上。其中，固定行驶路线是在没有障碍物的前提下预先采集过点云数据以及对应位置的路线，作为后续障碍物检测的对照数据。下面先对采集过程进行说明。
以多辆自动驾驶车辆中的一辆自动驾驶车辆(即第一自动驾驶车辆)为例，第一自动驾驶车辆安装有激光雷达，如16线三维激光雷达。如图1所示，第一自动驾驶车辆前方安装16线三维激光雷达，距离地面的高度为1050毫米，采集角度为±15度，支持对第一自动驾驶车辆前方障碍物的检测。
第一自动驾驶车辆行驶在没有障碍物的道路上，例如，该道路上没有行人、车辆等。障碍物为道路上本不应该存在的物体，第一自动驾驶车辆在该没有障碍物的道路上行驶，在行驶的过程中，通过其上安装的激光雷达扫描获得每一帧点云数据，并通过如全球定位系统(Global Positioning System，GPS)等采集每一帧点云数据对应的位置关系，并将上述数据作为标准数据，即将采集得到的每一帧点云数据作为每一帧标准点云数据，每一帧点云数据对应的位置关系作为标准位置，以便作为后续识别障碍物的依据。
在采集得到标准数据后，将其上传至云服务器等服务器存储。例如，后续自动驾驶车辆可以下载标准数据至车载终端执行后续障碍物的检测。又如，自动驾驶车辆采集实际行驶产生的实际数据后上传至服务器，服务器依据标准数据进行后续障碍物检测。
下面结合图2，以车辆的车载终端为执行主体，对本申请实施例提供的一种障碍物检测方法进行介绍。参见图2，该图为本申请实施例提供的一种障碍物检测方法的流程图，该方法可以包括S201-S205。
S201：获取目标帧点云数据和目标帧点云数据对应的目标位置。
其中，目标帧点云数据为第二自动驾驶车辆的激光雷达采集固定行驶路线上的一帧点云数据。
第二自动驾驶车辆可以作为采集标准数据的第一自动驾驶车辆，也可以作为与第一自动驾驶车辆不同的自动驾驶车辆，本申请对此不做具体限定。第二自动驾驶车辆也安装有如图1所示实施例的激光雷达，第二自动驾驶车辆行驶在固定行驶路线的过程中，通过其上安装的激光雷达一帧一帧采集点云数据，下面以采集的一帧点云数据作为目标帧点云数据为例进行说明。
车载终端获取目标帧点云数据，以及采集目标帧点云数据时第二自动驾驶车辆所处的位置。例如，第二自动驾驶车辆通过激光雷达采集一帧点云数据的同时，通过GPS采集该帧点云数据对应的位置。
S202：从标准位置中确定与目标位置相同的目标标准位置。
在采集目标帧点云数据后，可以获取其对应的标准点云数据。由于实时采集的目标帧点云数据可能会由于障碍物的存在与其对应的标准点云数据产生不同，故可以根据采集目标帧点云数据对应的目标位置，从多个标准位置(预先采集的每一帧标准点云数据分别对应的标准位置)中，确定与目标位置相同的目标标准位置。
S203：从每一帧标准点云数据中确定目标标准位置对应的目标帧标准点云数据。
由于一帧标准点云数据与其对应的标准位置是一对对应的数据，故根据目标标准位置(多个标准位置中的一个)可以确定出其对应的一帧标准点云数据，即目标帧标准点云数据。
S204：根据目标帧标准点云数据和目标帧点云数据，确定目标帧点云数据中额外点云数据。
目标帧标准点云数据是目标帧点云数据对应的标准数据，根据目标帧标准点云数据可以确定出目标帧点云数据中是否存多出来的点云数据，即额外点云数据。若存在额外点云数据，则存在障碍物，若不存在额外点云数据，则不存在障碍物。
S205：根据额外点云数据确定相对于第二自动驾驶车辆的障碍物。
该额外点云数据是障碍物对应的点云数据，故根据额外点云数据可以确定出第二自动驾驶车辆行驶在固定行驶路线上的障碍物。
由上述技术方案可知，预先在没有障碍物的固定行驶路线上，通过第一自动驾驶车辆的激光雷达采集固定行驶路线上每一帧标准点云数据以及每一帧标准点云数据对应的标准位置。当第二自动驾驶车辆实际行驶在固定行驶路线上时，获取通过第二自动驾驶车辆的激光雷达采集固定行驶路线上的目标帧点云数据以及该目标帧点云数据对应的目标位置。从标准位置中确定与目标位置相同的目标标准位置，从每一帧标准点云数据中确定该目标标准位置对应的目标帧标准点云数据，根据目标帧标准点云数据和目标帧点云数据，确定相对于目标帧标准点云数据，目标帧点云数据中多出来的点云数据，即额外点云数据，根据额外点云数据确定相对于第二自动驾驶车辆的障碍物。由此，通过目标帧标准点云数据和目标帧点云数据进行比对得到障碍物，不会受复杂环境影响，提高障碍物检测的准确率，从而提高自动驾驶车辆的安全性。
作为一种可能的实现方式，由于目标帧点云数据中可能存在障碍物，障碍物会遮挡后方的场景，可能会影响障碍物识别的准确性，故可以先对目标帧点云数据进行补偿，即以标准点云数据为基准，将存在与标准点云数据中却不存在于目标帧点云数据的点云数据补偿至目标帧点云数据。具体地，将目标帧点云数据和标准点云数据进行或运算，得到补偿点云数据。或者说，遍历目标帧点云数据的像素数据，在目标帧点云数据中没有点的地方与标准点云数据中对应的地方进行或运算，即在标准点云数据中，若没有该点，则取没有点，若有该点，则取有点，这样就可以将障碍物遮挡的地方还原在目标帧点云数据中。相比于目标帧点云数据，补偿点云数据中增加了被障碍物遮挡的点云数据。将补偿点云数据减去标准点云数据，得到目标帧点云数据中额外点云数据。由此，通过先对目标帧点云数据进行补偿，即将障碍物遮挡的点云数据增加值目标帧点云数据，得到补偿点云数据，然后补偿点云数据减去标准点云数据，得到标识障碍物的额外点云数据，提高了障碍物识别的准确性。
作为一种可能的实现方式，若目标帧点云数据中存在多个障碍物，则还需要对额外点云数据进行聚类，以便识别出多个障碍物。具体地，将额外点云数据转换为车体坐标系下的点云数据，将车体坐标系下的点云数据进行聚类，得到多个相对于第二自动驾驶车辆的障碍物。其中，车体坐标系为以第二自动驾驶车辆为圆心的直角坐标系。
本申请实施例不具体限定聚类方式，例如采用K-Means(K均值)聚类、具有噪声的基于密度的聚类(Density-Based Spatial Clustering of Applications with Noise，DBSCAN)等聚类算法将车体坐标系下的点云数据进行聚类。
作为一种可能的实现方式，在S205之后，还可以采用Open CV中的findContours()函数，提取障碍物的轮廓，根据障碍物的轮廓确定障碍物的大小和位置。
下面以一个DBSCAN算法为例进行说明。
在得到额外点云数据后，可以对额外点云数据进行预处理、聚类及提取障碍物轮廓。具体如下：
S1(预处理)：将往外点云数据在极坐标下转换为直角坐标，并加上平移矩阵，得到车体坐标系下的点云数据。具体如下：
Figure BDA0003565968720000091
其中，Pcar表示车体坐标系的点(Xcar,Ycar,Zcar)坐标，[derX derY derZ]T为平移量。
S2(聚类)：采用DBSCAN聚类方法对车体坐标系下的点云数据进行聚类，该算法将具有足够密度的区域划分为簇，并在具有噪声的空间数据中发现任意形状的簇，它将簇定义为密度相连的点的最大集合。通常，属于一个物体的点，是围绕在中心点附近分布的，通过这种区域标记法可以得到一张已标记的障碍块栅格地图。
S3(提取障碍物轮廓)：可以采用Open CV中的findContours()函数，从通过S2得到的二值图像中提取轮廓，得到障碍物的大小、位置等信息。
本申请实施例除了提供的一种障碍物检测方法外，还提供了一种障碍物检测装置，如图3所示，所述装置应用在行驶在固定行驶路线的自动驾驶车辆，所述固定行驶路线上没有障碍物且第一自动驾驶车辆预先通过所述第一自动驾驶车辆的激光雷达采集所述固定行驶路线上每一帧标准点云数据，以及所述每一帧标准点云数据对应的标准位置，包括：获取单元301、目标标准位置确定单元302、目标帧标准点云数据确定单元303、额外点云数据确定单元304和障碍物确定单元305。
所述获取单元301，用于获取目标帧点云数据和所述目标帧点云数据对应的目标位置，所述目标帧点云数据为第二自动驾驶车辆的激光雷达采集所述固定行驶路线上的一帧点云数据；
所述目标标准位置确定单元302，用于从所述标准位置中确定与所述目标位置相同的目标标准位置；
所述目标帧标准点云数据确定单元303，用于从所述每一帧标准点云数据中确定所述目标标准位置对应的目标帧标准点云数据；
所述额外点云数据确定单元304，用于根据所述目标帧标准点云数据和所述目标帧点云数据，确定所述目标帧点云数据中额外点云数据，所述额外点云数据为相对于所述目标帧标准点云数据，所述目标帧点云数据中多出来的点云数据；
所述障碍物确定单元305，用于根据所述额外点云数据确定相对于所述第二自动驾驶车辆的障碍物。
作为一种可能的实现方式，所述额外点云数据确定单元304，具体用于：
将所述目标帧点云数据和所述标准点云数据进行或运算，得到补偿点云数据；
所述补偿点云数据减去所述标准点云数据，得到所述目标帧点云数据中额外点云数据。
作为一种可能的实现方式，所述障碍物确定单元305包括转换单元和聚类单元；
所述转换单元，用于将所述额外点云数据转换为车体坐标系下的点云数据，所述车体坐标系为以所述第二自动驾驶车辆为圆心的直角坐标系；
所述聚类单元，用于将所述车体坐标系下的点云数据进行聚类，得到多个相对于所述第二自动驾驶车辆的障碍物。
作为一种可能的实现方式，所述聚类单元，具体用于：
通过具有噪声的基于密度的聚类方法将所述车体坐标系下的点云数据进行聚类。
作为一种可能的实现方式，所述装置还包括提取单元和识别单元；
所述提取单元，用于提取所述障碍物的轮廓；
所述识别单元，用于根据所述障碍物的轮廓确定所述障碍物的大小和位置。
由上述技术方案可知，第一自动驾驶车辆预先在没有障碍物的固定行驶路线上行驶，通过第一自动驾驶车辆的激光雷达采集固定行驶路线上每一帧标准点云数据以及每一帧标准点云数据对应的标准位置。当第二自动驾驶车辆实际行驶在固定行驶路线上时，获取通过第二自动驾驶车辆的激光雷达采集固定行驶路线上的目标帧点云数据以及该目标帧点云数据对应的目标位置。从标准位置中确定与目标位置相同的目标标准位置，从每一帧标准点云数据中确定该目标标准位置对应的目标帧标准点云数据，根据目标帧标准点云数据和目标帧点云数据，确定相对于目标帧标准点云数据，目标帧点云数据中多出来的点云数据，即额外点云数据，根据额外点云数据确定相对于第二自动驾驶车辆的障碍物。由此，通过目标帧标准点云数据和目标帧点云数据进行比对得到障碍物，不会受复杂环境影响，提高障碍物检测的准确率，从而提高自动驾驶车辆的安全性。
本申请实施例还提供了一种计算机设备，参见图4，该图示出了本申请实施例提供的一种计算机设备的结构图，如图4所示，所述设备包括处理器410以及存储器420：
所述存储器410用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器420用于根据所述程序代码中的指令执行上述实施例提供的任一种障碍物检测方法。
本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序于执行上述实施例提供的任一种障碍物检测方法。
本申请实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述方面的各种可选实现方式中提供的障碍物检测方法。
需要说明的是，本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统或装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种障碍物检测方法，其特征在于，所述方法应用在行驶在固定行驶路线的自动驾驶车辆，所述固定行驶路线上没有障碍物且第一自动驾驶车辆预先通过所述第一自动驾驶车辆的激光雷达采集所述固定行驶路线上每一帧标准点云数据，以及所述每一帧标准点云数据对应的标准位置，所述方法包括：
获取目标帧点云数据和所述目标帧点云数据对应的目标位置，所述目标帧点云数据为第二自动驾驶车辆的激光雷达采集所述固定行驶路线上的一帧点云数据；
从所述标准位置中确定与所述目标位置相同的目标标准位置；
从所述每一帧标准点云数据中确定所述目标标准位置对应的目标帧标准点云数据；
根据所述目标帧标准点云数据和所述目标帧点云数据，确定所述目标帧点云数据中额外点云数据，所述额外点云数据为相对于所述目标帧标准点云数据，所述目标帧点云数据中多出来的点云数据；
根据所述额外点云数据确定相对于所述第二自动驾驶车辆的障碍物。
2.根据权利要求1所述的方法，其特征在于，所述根据所述目标帧点云数据和所述标准点云数据，确定所述目标帧点云数据中额外点云数据，包括：
将所述目标帧点云数据和所述标准点云数据进行或运算，得到补偿点云数据；
所述补偿点云数据减去所述标准点云数据，得到所述目标帧点云数据中额外点云数据。
3.根据权利要求1所述的方法，其特征在于，所述根据所述额外点云数据确定相对于所述第二自动驾驶车辆的障碍物，包括：
将所述额外点云数据转换为车体坐标系下的点云数据，所述车体坐标系为以所述第二自动驾驶车辆为圆心的直角坐标系；
将所述车体坐标系下的点云数据进行聚类，得到多个相对于所述第二自动驾驶车辆的障碍物。
4.根据权利要求3所述的方法，其特征在于，所述将所述车体坐标系下的点云数据进行聚类，包括：
通过具有噪声的基于密度的聚类方法将所述车体坐标系下的点云数据进行聚类。
5.根据权利要求1-4任意一项所述的方法，其特征在于，所述方法还包括：
提取所述障碍物的轮廓；
根据所述障碍物的轮廓确定所述障碍物的大小和位置。
6.一种障碍物检测装置，其特征在于，所述装置应用在行驶在固定行驶路线的自动驾驶车辆，所述固定行驶路线上没有障碍物且第一自动驾驶车辆预先通过所述第一自动驾驶车辆的激光雷达采集所述固定行驶路线上每一帧标准点云数据，以及所述每一帧标准点云数据对应的标准位置，所述装置包括：获取单元、目标标准位置确定单元、目标帧标准点云数据确定单元、额外点云数据确定单元和障碍物确定单元。
所述获取单元，用于获取目标帧点云数据和所述目标帧点云数据对应的目标位置，所述目标帧点云数据为第二自动驾驶车辆的激光雷达采集所述固定行驶路线上的一帧点云数据；
所述目标标准位置确定单元，用于从所述标准位置中确定与所述目标位置相同的目标标准位置；
所述目标帧标准点云数据确定单元，用于从所述每一帧标准点云数据中确定所述目标标准位置对应的目标帧标准点云数据；
所述额外点云数据确定单元，用于根据所述目标帧标准点云数据和所述目标帧点云数据，确定所述目标帧点云数据中额外点云数据，所述额外点云数据为相对于所述目标帧标准点云数据，所述目标帧点云数据中多出来的点云数据；
所述障碍物确定单元，用于根据所述额外点云数据确定相对于所述第二自动驾驶车辆的障碍物。
7.根据权利要求6所述的装置，其特征在于，所述额外点云数据确定单元，具体用于：
将所述目标帧点云数据和所述标准点云数据进行或运算，得到补偿点云数据；
所述补偿点云数据减去所述标准点云数据，得到所述目标帧点云数据中额外点云数据。
8.根据权利要求6所述的装置，其特征在于，所述障碍物确定单元包括转换单元和聚类单元；
所述转换单元，用于将所述额外点云数据转换为车体坐标系下的点云数据，所述车体坐标系为以所述第二自动驾驶车辆为圆心的直角坐标系；
所述聚类单元，用于将所述车体坐标系下的点云数据进行聚类，得到多个相对于所述第二自动驾驶车辆的障碍物。
9.根据权利要求8所述的装置，其特征在于，所述聚类单元，具体用于：
通过具有噪声的基于密度的聚类方法将所述车体坐标系下的点云数据进行聚类。
10.根据权利要求5-9任意一项所述的装置，其特征在于，所述装置还包括提取单元和识别单元；
所述提取单元，用于提取所述障碍物的轮廓；
所述识别单元，用于根据所述障碍物的轮廓确定所述障碍物的大小和位置。
CN202210302315.6A 2022-03-25 2022-03-25 一种障碍物检测方法和装置 Pending CN114779276A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210302315.6A CN114779276A (zh) 2022-03-25 2022-03-25 一种障碍物检测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210302315.6A CN114779276A (zh) 2022-03-25 2022-03-25 一种障碍物检测方法和装置

Publications (1)

Publication Number Publication Date
CN114779276A true CN114779276A (zh) 2022-07-22

Family

ID=82425582

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210302315.6A Pending CN114779276A (zh) 2022-03-25 2022-03-25 一种障碍物检测方法和装置

Country Status (1)

Country Link
CN (1) CN114779276A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115308771A (zh) * 2022-10-12 2022-11-08 深圳市速腾聚创科技有限公司 障碍物的检测方法及装置、介质及电子设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115308771A (zh) * 2022-10-12 2022-11-08 深圳市速腾聚创科技有限公司 障碍物的检测方法及装置、介质及电子设备
CN115308771B (zh) * 2022-10-12 2023-03-14 深圳市速腾聚创科技有限公司 障碍物的检测方法及装置、介质及电子设备

Similar Documents

Publication Publication Date Title
CN111220993B (zh) 目标场景定位方法、装置、计算机设备和存储介质
CN110443225B (zh) 一种基于特征像素统计的虚实车道线识别方法及其装置
US9846812B2 (en) Image recognition system for a vehicle and corresponding method
JP7069927B2 (ja) 物体認識装置、及び物体認識方法
US10867403B2 (en) Vehicle external recognition apparatus
CN110988912A (zh) 自动驾驶车辆的道路目标与距离检测方法、系统、装置
CN110785719A (zh) 在自动驾驶车辆中用于经由交叉时态验证的即时物体标记的方法和系统
CN110869559A (zh) 用于自动驾驶车辆中的集成的全局式与分布式学习的方法和系统
CN111611853A (zh) 一种传感信息融合方法、装置及存储介质
CN110658539B (zh) 车辆定位方法、装置、车辆和计算机可读存储介质
CN111497741A (zh) 碰撞预警方法及装置
CN115205803A (zh) 自动驾驶环境感知方法、介质及车辆
CN117576652B (zh) 道路对象的识别方法、装置和存储介质及电子设备
CN114779276A (zh) 一种障碍物检测方法和装置
CN114694115A (zh) 一种道路障碍物检测方法、装置、设备及存储介质
CN114241448A (zh) 障碍物航向角的获取方法、装置、电子设备及车辆
CN114419573A (zh) 动态占据栅格估计方法及装置
CN109598199B (zh) 车道线生成方法和装置
WO2021056185A1 (en) Systems and methods for partially updating high-definition map based on sensor data matching
CN117590371B (zh) 基于4d毫米波成像雷达实现全局车位状态检测的方法
CN116309943B (zh) 一种停车场语义地图路网构建方法、装置及电子设备
CN114581615B (zh) 一种数据处理方法、装置、设备和存储介质
CN111338336B (zh) 一种自动驾驶方法及装置
CN113129634B (zh) 一种停车位的获取方法、系统及通信设备
CN210515810U (zh) 一种基于三维激光视觉和高精度车道模型的计算机评判系统

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