CN114842458B - 障碍物检测方法、装置、车辆和存储介质 - Google Patents
障碍物检测方法、装置、车辆和存储介质 Download PDFInfo
- Publication number
- CN114842458B CN114842458B CN202210747015.9A CN202210747015A CN114842458B CN 114842458 B CN114842458 B CN 114842458B CN 202210747015 A CN202210747015 A CN 202210747015A CN 114842458 B CN114842458 B CN 114842458B
- Authority
- CN
- China
- Prior art keywords
- frame
- cell
- state
- ith
- ith frame
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 267
- 238000000034 method Methods 0.000 claims abstract description 41
- 230000033001 locomotion Effects 0.000 claims abstract description 12
- 238000005070 sampling Methods 0.000 claims description 63
- 238000013519 translation Methods 0.000 claims description 45
- 230000004044 response Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 5
- 230000000875 corresponding effect Effects 0.000 description 26
- 238000010586 diagram Methods 0.000 description 7
- 238000013507 mapping Methods 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 5
- 238000004140 cleaning Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本公开关于一种障碍物检测方法、装置、车辆和存储介质，属于自动驾驶技术领域。其中，该方法包括：生成对象的检测网格；在所述对象移动的过程中，基于所述对象的位置对所述检测网格进行平移，以进行障碍物检测。由此，可生成对象的检测网格，在对象移动的过程中，基于对象的位置对检测网格进行平移，以进行障碍物检测。由此，仅需生成一个检测网格，并基于对象的位置对检测网格进行平移，不需要重复生成检测网格，有助于节省计算资源，提升了障碍物检测的效率。
Description
技术领域
本公开涉及自动驾驶技术领域，尤其涉及一种障碍物检测方法、装置、车辆和存储介质。
背景技术
目前，障碍物检测在自动驾驶、智能家电、机器人等领域中得到了广泛应用。比如，自动驾驶场景中，可通过障碍物检测来识别道路上的障碍物，从而规划车辆的行驶路线来规避障碍物，智能清洁场景中，可通过障碍物检测来识别清洁范围内的物体是否为障碍物，以避免对障碍物进行清洁。然而，相关技术中的障碍物检测存在计算资源耗费多、检测效率低的问题。
发明内容
本公开提供一种障碍物检测方法、装置、车辆、计算机可读存储介质，以至少解决相关技术中障碍物检测存在计算资源耗费多、检测效率低的问题。本公开的技术方案如下：
根据本公开实施例的第一方面，提供一种障碍物检测方法，包括：生成对象的检测网格；在所述对象移动的过程中，基于所述对象的位置对所述检测网格进行平移，以进行障碍物检测。
在本公开的一个实施例中，所述基于所述对象的位置对所述检测网格进行平移，包括：基于所述对象的位置，按帧对所述检测网格进行平移。
在本公开的一个实施例中，所述基于所述对象的位置，按帧对所述检测网格进行平移，包括：获取所述对象在第i帧时的第一位置，其中，i为正整数；基于所述第i帧时的第一位置，确定所述检测网格在第i帧时的第二位置；在当前帧为第i帧的情况下，控制所述检测网格平移至所述第i帧时的第二位置，以得到第i帧的检测网格。
在本公开的一个实施例中，所述第i帧时的第一位置包括所述对象的中心点在第i帧时的第三位置；所述基于所述第i帧时的第一位置，确定所述检测网格在第i帧时的第二位置，包括：获取所述对象的中心点在第i-1帧时的第三位置，以及所述检测网格在第i-1帧时的第二位置；基于所述第i-1帧时的第三位置和所述第i帧时的第三位置，获取所述对象的中心点从第i-1帧至第i帧的平移参数；基于所述第i-1帧时的第二位置和所述平移参数，确定所述第i帧时的第二位置。
在本公开的一个实施例中，所述第i帧时的第一位置包括所述对象的中心点在第i帧时的第三位置；所述基于所述第i帧时的第一位置，确定所述检测网格在第i帧时的第二位置，包括：获取所述检测网格的设定长度和设定宽度；基于所述第i帧时的第三位置、所述设定长度和所述设定宽度，确定所述第i帧时的第二位置。
在本公开的一个实施例中，所述基于所述第i帧时的第三位置、所述设定长度和所述设定宽度，确定所述第i帧时的第二位置，包括：获取以所述第i帧时的第三位置为中心，且以所述设定长度为长度，且以所述设定宽度为宽度的区域的第四位置，并将所述第四位置作为所述第i帧时的第二位置。
在本公开的一个实施例中，所述检测网格包括多个单元格，所述单元格与三维空间存在对应关系，所述单元格的状态用于指示所述单元格对应的三维空间是否为障碍物；所述方法还包括：获取所述对象的第i帧的点云数据；基于所述第i帧的点云数据和所述第i帧的检测网格，确定所述单元格在第i帧时的状态。
在本公开的一个实施例中，所述第i帧的点云数据包括n个采样点的点云数据，其中，n为正整数，所述基于所述第i帧的点云数据和所述第i帧的检测网格，确定所述单元格在第i帧时的状态，包括：基于第i帧的第j个采样点的点云数据，识别所述第j个采样点是否为障碍物，其中，j为正整数，1≤j≤n；获取所述第j个采样点在所述第i帧的检测网格上的第j个投影点；识别所述单元格内是否存在目标投影点，其中，所述目标投影点对应的采样点为障碍物，并基于所述单元格的识别结果，确定所述单元格在第i帧时的状态。
在本公开的一个实施例中，所述基于所述单元格的识别结果，确定所述单元格在第i帧时的状态，包括：基于所述单元格的识别结果，确定所述单元格在第i帧时的候选状态；获取第i-1帧的检测网格，并确定所述第i-1帧的检测网格和所述第i帧的检测网格之间的重合单元格，并确定所述第i帧的检测网格中所述重合单元格以外的差异单元格；针对所述重合单元格，获取所述重合单元格在第i-1帧时的状态，并基于所述重合单元格在第i-1帧时的状态和所述重合单元格在第i帧时的候选状态，确定所述重合单元格在第i帧时的状态；针对所述差异单元格，将所述差异单元格在第i帧时的候选状态，作为所述差异单元格在第i帧时的状态。
在本公开的一个实施例中，所述基于所述单元格的识别结果，确定所述单元格在第i帧时的候选状态，包括：响应于所述单元格内存在所述目标投影点，确定所述第i帧时的候选状态为第一状态，其中，所述第一状态用于指示所述单元格对应的三维空间为障碍物；或者，响应于所述单元格内未存在所述目标投影点，确定所述第i帧时的候选状态为第二状态，其中，所述第二状态用于指示所述单元格对应的三维空间非障碍物。
在本公开的一个实施例中，所述单元格的状态包括所述单元格处于所述第一状态的第一概率，和/或，所述单元格处于所述第二状态的第二概率。
在本公开的一个实施例中，所述基于所述重合单元格在第i-1帧时的状态和所述重合单元格在第i帧时的候选状态，确定所述重合单元格在第i帧时的状态，包括：响应于所述重合单元格在第i帧时的候选状态为所述第一状态，获取所述重合单元格在第i-1帧时的第一概率和第一设定值之间的第一和值，并将所述第一和值作为所述重合单元格在第i帧时的第一概率，其中，所述第一设定值大于零；或者，响应于所述重合单元格在第i帧时的候选状态为所述第二状态，获取所述重合单元格在第i-1帧时的第一概率和第二设定值之间的第二和值，并将所述第二和值作为所述重合单元格在第i帧时的第一概率，其中，所述第二设定值小于零。
在本公开的一个实施例中，还包括：基于每个所述单元格在第i帧时的状态，生成所述对象在第i帧时的障碍物检测结果。
根据本公开实施例的第二方面，提供一种障碍物检测装置，包括：生成模块，被配置为执行生成对象的检测网格；平移模块，被配置为执行在所述对象移动的过程中，基于所述对象的位置对所述检测网格进行平移，以进行障碍物检测。
在本公开的一个实施例中，所述平移模块，还被配置为执行：基于所述对象的位置，按帧对所述检测网格进行平移。
在本公开的一个实施例中，所述平移模块，还被配置为执行：获取所述对象在第i帧时的第一位置，其中，i为正整数；基于所述第i帧时的第一位置，确定所述检测网格在第i帧时的第二位置；在当前帧为第i帧的情况下，控制所述检测网格平移至所述第i帧时的第二位置，以得到第i帧的检测网格。
在本公开的一个实施例中，所述第i帧时的第一位置包括所述对象的中心点在第i帧时的第三位置；所述平移模块，还被配置为执行：获取所述对象的中心点在第i-1帧时的第三位置，以及所述检测网格在第i-1帧时的第二位置；基于所述第i-1帧时的第三位置和所述第i帧时的第三位置，获取所述对象的中心点从第i-1帧至第i帧的平移参数；基于所述第i-1帧时的第二位置和所述平移参数，确定所述第i帧时的第二位置。
在本公开的一个实施例中，所述第i帧时的第一位置包括所述对象的中心点在第i帧时的第三位置；所述平移模块，还被配置为执行：获取所述检测网格的设定长度和设定宽度；基于所述第i帧时的第三位置、所述设定长度和所述设定宽度，确定所述第i帧时的第二位置。
在本公开的一个实施例中，所述平移模块，还被配置为执行：获取以所述第i帧时的第三位置为中心，且以所述设定长度为长度，且以所述设定宽度为宽度的区域的第四位置，并将所述第四位置作为所述第i帧时的第二位置。
在本公开的一个实施例中，所述检测网格包括多个单元格，所述单元格与三维空间存在对应关系，所述单元格的状态用于指示所述单元格对应的三维空间是否为障碍物；所述障碍物检测装置还包括：获取模块，被配置为执行获取所述对象的第i帧的点云数据；确定模块，被配置为执行基于所述第i帧的点云数据和所述第i帧的检测网格，确定所述单元格在第i帧时的状态。
在本公开的一个实施例中，所述第i帧的点云数据包括n个采样点的点云数据，其中，n为正整数，所述确定模块，还被配置为执行：基于第i帧的第j个采样点的点云数据，识别所述第j个采样点是否为障碍物，其中，j为正整数，1≤j≤n；获取所述第j个采样点在所述第i帧的检测网格上的第j个投影点；识别所述单元格内是否存在目标投影点，其中，所述目标投影点对应的采样点为障碍物，并基于所述单元格的识别结果，确定所述单元格在第i帧时的状态。
在本公开的一个实施例中，所述确定模块，还被配置为执行：基于所述单元格的识别结果，确定所述单元格在第i帧时的候选状态；获取第i-1帧的检测网格，并确定所述第i-1帧的检测网格和所述第i帧的检测网格之间的重合单元格，并确定所述第i帧的检测网格中所述重合单元格以外的差异单元格；针对所述重合单元格，获取所述重合单元格在第i-1帧时的状态，并基于所述重合单元格在第i-1帧时的状态和所述重合单元格在第i帧时的候选状态，确定所述重合单元格在第i帧时的状态；针对所述差异单元格，将所述差异单元格在第i帧时的候选状态，作为所述差异单元格在第i帧时的状态。
在本公开的一个实施例中，所述确定模块，还被配置为执行：响应于所述单元格内存在所述目标投影点，确定所述第i帧时的候选状态为第一状态，其中，所述第一状态用于指示所述单元格对应的三维空间为障碍物；或者，响应于所述单元格内未存在所述目标投影点，确定所述第i帧时的候选状态为第二状态，其中，所述第二状态用于指示所述单元格对应的三维空间非障碍物。
在本公开的一个实施例中，所述单元格的状态包括所述单元格处于所述第一状态的第一概率，和/或，所述单元格处于所述第二状态的第二概率。
在本公开的一个实施例中，所述确定模块，还被配置为执行：响应于所述重合单元格在第i帧时的候选状态为所述第一状态，获取所述重合单元格在第i-1帧时的第一概率和第一设定值之间的第一和值，并将所述第一和值作为所述重合单元格在第i帧时的第一概率，其中，所述第一设定值大于零；或者，响应于所述重合单元格在第i帧时的候选状态为所述第二状态，获取所述重合单元格在第i-1帧时的第一概率和第二设定值之间的第二和值，并将所述第二和值作为所述重合单元格在第i帧时的第一概率，其中，所述第二设定值小于零。
在本公开的一个实施例中，所述确定模块，还被配置为执行：基于每个所述单元格在第i帧时的状态，生成所述对象在第i帧时的障碍物检测结果。
根据本公开实施例的第三方面，提供一种车辆，包括处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为实现本公开实施例第一方面所述方法的步骤。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开实施例第一方面所述方法的步骤。
本公开的实施例提供的技术方案至少带来以下有益效果：可生成对象的检测网格，在对象移动的过程中，基于对象的位置对检测网格进行平移，以进行障碍物检测。由此，仅需生成一个检测网格，并基于对象的位置对检测网格进行平移，不需要重复生成检测网格，有助于节省计算资源，提升了障碍物检测的效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种障碍物检测方法的流程图。
图2是根据一示例性实施例示出的一种障碍物检测方法中按帧对检测网格进行平移的流程图。
图3是根据一示例性实施例示出的一种障碍物检测方法中获取单元格的状态的流程图。
图4是根据一示例性实施例示出的一种障碍物检测方法中确定单元格在第i帧时的状态的流程图。
图5是根据另一示例性实施例示出的一种障碍物检测方法中确定单元格在第i帧时的状态的流程图。
图6是根据一示例性实施例示出的一种障碍物检测方法中第i-1帧的检测网格的示意图。
图7是根据一示例性实施例示出的一种障碍物检测方法中第i帧的检测网格的示意图。
图8是根据一示例性实施例示出的一种障碍物检测方法中重合单元格、差异单元格的示意图。
图9是根据一示例性实施例示出的一种障碍物检测装置的框图。
图10是根据一示例性实施例示出的一种车辆的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种障碍物检测方法的流程图，如图1所示，本公开实施例的障碍物检测方法，包括以下步骤。
S101，生成对象的检测网格。
需要说明的是，本公开实施例的障碍物检测方法的执行主体为电子设备，电子设备包括手机、笔记本、台式电脑、车载终端、智能家电等。本公开实施例的障碍物检测方法可以由本公开实施例的障碍物检测装置执行，本公开实施例的障碍物检测装置可以配置在任意电子设备中，以执行本公开实施例的障碍物检测方法。
需要说明的是，对对象、检测网格均不做过多限定，比如，对象包括但不限于行人、车辆、机器人等，其中，机器人可包括清洁机器人，检测网格包括但不限于矩形、圆形等。应说明的是，检测网格用于障碍物检测。
在一种实施方式中，生成对象的检测网格，可包括在世界坐标系下生成对象的检测网格。可以理解的是，检测网格所在的坐标系为世界坐标系，比如，检测网格所在的坐标系为二维世界坐标系。
在一种实施方式中，生成对象的检测网格，可包括获取检测网格的设定尺寸，按照设定尺寸生成对象的检测网格。可以理解的是，不同的对象可对应不同的设定尺寸。比如，以对象为车辆，检测网格为矩形为例，检测网格的设定宽度和设定长度均为20米。
在一种实施方式中，可预先建立对象和设定尺寸之间的映射关系或者映射表，在获取到对象之后，查询上述映射关系或者映射表，可获取对象的检测网格的设定尺寸。应说明的是，对上述映射关系或者映射表均不做过多限定。
在一种实施方式中，检测网格以对象为中心。生成对象的检测网格，可包括获取对象的初始位置，获取以初始位置为中心的区域，在区域上生成对象的检测网格。应说明的是，初始位置指的是检测到的对象的位置的初始值。对位置不做过多限定，比如，位置包括但不限于二维坐标、三维坐标、经纬度等。
比如，可获取对象在世界坐标系下的初始位置，其中，初始位置可包括二维坐标（x，y），其中，x为初始横坐标，y为初始纵坐标，在世界坐标系下获取以初始位置为中心的区域，在区域上生成对象的检测网格。
S102，在对象移动的过程中，基于对象的位置对检测网格进行平移，以进行障碍物检测。
本公开的实施例中，在对象移动的过程中，可基于对象的位置对检测网格进行平移，即检测网格可随着对象的移动而平移。应说明的是，对象的位置的相关内容，可参见上述实施例，这里不再赘述。
在一种实施方式中，在对象移动的过程中，可获取对象的位置。比如，可通过定位设备获取对象的位置。应说明的是，对定位设备不做过多限定，比如，定位设备包括但不限于全球定位系统（Global Positioning System，GPS）、北斗卫星导航系统（BeiDouNavigation Satellite System，BDS）、深度摄像头等。
在一种实施方式中，基于对象的位置对检测网格进行平移，可包括获取检测网格相对对象的设定相对位置，基于对象的位置和设定相对位置，确定检测网格的位置，控制检测网格平移至检测网格的位置。由此，该方法中可基于设定相对位置和对象的位置，确定检测网格的位置，并控制检测网格平移至检测网格的位置，以实现检测网格的平移。
需要说明的是，对设定相对位置不做过多限定，比如，设定相对位置可包括检测网格相对对象在第一方向上的第一设定相对位置，和/或，检测网格相对对象在第二方向上的第二设定相对位置。应说明的是，对第一方向、第二方向均不做过多限定，比如，第一方向与第二方向垂直，例如，第一方向可为水平方向，第二方向可为垂直方向，比如，检测网格处于世界坐标系时，第一方向可为x轴正方向，第二方向可为y轴正方向。
本公开的实施例中，检测网格用于障碍物检测。应说明的是，对检测网格进行障碍物检测的方式不做过多限定，比如，可采集对象的图像数据和/或点云数据，基于图像数据和/或点云数据，以及检测网格，生成对象的障碍物检测结果。应说明的是，对图像数据、点云数据均不做过多限定，比如，图像数据包括但不限于二维图像数据、三维图像数据等，点云数据包括但不限于位置、颜色、深度、灰度值等，其中，位置可包括三维坐标，颜色包括但不限于红色像素、绿色像素、蓝色像素。
在一种实施方式中，采集对象的图像数据，可包括通过摄像头采集对象的图像数据。应说明的是，对摄像头不做过多限定，比如，摄像头包括但不限于二维摄像头、三维摄像头等。
在一种实施方式中，采集对象的点云数据，可包括通过三维扫描设备采集对象的点云数据。应说明的是，对三维扫描设备不做过多限定，比如，三维扫描设备包括但不限于激光雷达、毫米波雷达、深度摄像头等。
在一种实施方式中，以执行主体为车载终端为例，可通过车辆上设置的摄像头采集车辆周围环境的图像数据，并通过车辆上设置的激光雷达采集车辆周围环境的点云数据。
本公开的实施例提供的障碍物检测方法，可生成对象的检测网格，在对象移动的过程中，基于对象的位置对检测网格进行平移，以进行障碍物检测。由此，仅需生成一个检测网格，并基于对象的位置对检测网格进行平移，不需要重复生成检测网格，有助于节省计算资源，提升了障碍物检测的效率。
在上述任一实施例的基础上，步骤S102中基于对象的位置对检测网格进行平移，可包括基于对象的位置，按帧对检测网格进行平移。应说明的是，对帧不做过多限定，比如，帧包括但不限于图像数据的帧，点云数据的帧等。
在一种实施方式中，基于对象的位置，按帧对检测网格进行平移，可包括基于对象在第i帧时的第一位置，其中，i为正整数，对检测网格进行平移，以得到第i帧的检测网格。比如，可基于对象在第i帧时的第一位置，对第i-1帧的检测网格进行平移，以得到第i帧的检测网格，以实现检测网格从第i-1帧至第i帧的平移。
以对象为车辆为例，第i-1帧的检测网格、第i帧的检测网格分别如图6、7所示，可基于对象在第i帧时的第一位置，对第i-1帧的检测网格进行平移，以得到第i帧的检测网格。
由此，该方法中可基于对象的位置，按帧对检测网格进行平移，可保证检测网格的精准度。
在上述任一实施例的基础上，如图2所示，基于对象的位置，按帧对检测网格进行平移，可包括：
S201，获取对象在第i帧时的第一位置，其中，i为正整数。
在一种实施方式中，获取对象在第i帧时的第一位置，可包括获取对象的第i帧的点云数据，基于第i帧的点云数据，获取第i帧时的第一位置。应说明的是，点云数据的相关内容可参见上述实施例，这里不再赘述。
在一种实施方式中，第i帧的点云数据包括多个采样点的点云数据，以对象为车辆为例，基于第i帧的点云数据，获取第i帧时的第一位置，可包括基于第i帧的采样点的点云数据，对采样点进行分类预测，获取类别为车辆的目标采样点，基于目标采样点的位置，生成第i帧时的第一位置。
S202，基于第i帧时的第一位置，确定检测网格在第i帧时的第二位置。
在一种实施方式中，第i帧时的第一位置包括对象的中心点在第i帧时的第三位置，基于第i帧时的第一位置，确定检测网格在第i帧时的第二位置，可包括如下两种可能的实施方式：
方式1、获取对象的中心点在第i-1帧时的第三位置，以及检测网格在第i-1帧时的第二位置，基于第i-1帧时的第三位置和第i帧时的第三位置，获取对象的中心点从第i-1帧至第i帧的平移参数，基于第i-1帧时的第二位置和平移参数，确定第i帧时的第二位置。
本公开的实施例中，检测网格在第i帧时的第二位置可包括检测网格内的任一点在第i帧时的位置，比如，检测网格在第i帧时的第二位置可包括检测网格的中心点在第i帧时的位置。以检测网格为矩形为例，检测网格在第i帧时的第二位置包括但不限于检测网格的左上顶点、右上顶点、左下顶点、右下顶点在第i帧时的位置。
需要说明的是，对平移参数不做过多限定，比如，平移参数可包括第一方向上的第一平移量，和/或，第二方向上的第二平移量，总平移方向上的总平移量等。应说明的是，对总平移方向不做过多限定，比如，检测网格处于世界坐标系时，总平移方向与x轴正方向之间的夹角为45度。第一方向、第二方向的相关内容可参见上述实施例，这里不再赘述。
在一种实施方式中，基于第i-1帧时的第三位置和第i帧时的第三位置，获取对象的中心点从第i-1帧至第i帧的平移参数，可包括获取第i帧时的第三位置和第i-1帧时的第三位置之间的差值，基于差值获取平移参数。比如，第i帧时的第三位置为
，第i-1帧时的第三位置为
，平移参数包括
、
，其中，
为x轴正方向上的平移量，
为y轴正方向上的平移量。比如，第i帧时的第三位置为（2,4），第i-1帧时的第三位置为（1,2），则平移参数包括x轴正方向上的平移量1，y轴正方向上的平移量2。
在一种实施方式中，基于第i-1帧时的第二位置和平移参数，确定第i帧时的第二位置，可包括获取第i-1帧时的第二位置和平移参数之间的和值，基于和值获取第i帧时的第二位置。比如，第i-1帧时的第二位置为（4,4），平移参数包括x轴正方向上的平移量1，y轴正方向上的平移量2，则第i帧时的第二位置为（5,6）。
由此，该方法中可基于对象的中心点在第i-1帧时的第三位置和第i帧时的第三位置，获取对象的中心点从第i-1帧至第i帧的平移参数，基于第i-1帧时的第二位置和平移参数，确定第i帧时的第二位置。
方式2、获取检测网格的设定长度和设定宽度，基于第i帧时的第三位置、设定长度和设定宽度，确定第i帧时的第二位置。
本公开的实施例中，检测网格为矩形。应说明的是，设定长度、设定宽度的相关内容，可参见上述实施例，这里不再赘述。
在一种实施方式中，基于第i帧时的第三位置、设定长度和设定宽度，确定第i帧时的第二位置，可包括基于第i帧时的第三位置，确定检测网格的中心点在第i帧时的第四位置，基于第i帧时的第四位置、设定长度和设定宽度，确定第i帧时的第二位置。
在一种实施方式中，基于第i帧时的第三位置，确定检测网格的中心点在第i帧时的第四位置，可包括将第i帧时的第三位置作为第i帧时的第四位置，即此时对象的中心点与检测网格的中心点重合。
在一种实施方式中，基于第i帧时的第三位置，确定检测网格的中心点在第i帧时的第四位置，可包括获取检测网格的中心点相对对象的中心点的设定相对位置，基于第i帧时的第三位置和设定相对位置，确定第i帧时的第四位置。应说明的是，设定相对位置的相关内容，可参见上述实施例，这里不再赘述。
在一种实施方式中，基于第i帧时的第三位置、设定长度和设定宽度，确定第i帧时的第二位置，可包括获取以第i帧时的第三位置为中心，且以设定长度为长度，且以设定宽度为宽度的区域的第四位置，并将第四位置作为第i帧时的第二位置。可以理解的是，此时对象的中心点与检测网格的中心点重合。
由此，该方法中可基于对象的中心点在第i帧时的第三位置、设定长度和设定宽度，确定第i帧时的第二位置。
S203，在当前帧为第i帧的情况下，控制检测网格平移至第i帧时的第二位置，以得到第i帧的检测网格。
需要说明的是，步骤S203的相关内容，可参见上述实施例，这里不再赘述。
由此，该方法中可基于对象在第i帧时的第一位置，确定检测网格在第i帧时的第二位置，在当前帧为第i帧的情况下，控制检测网格平移至第i帧时的第二位置，以得到第i帧的检测网格。
在上述任一实施例的基础上，检测网格包括多个单元格，单元格与三维空间存在对应关系，单元格的状态用于指示单元格对应的三维空间是否为障碍物。应说明的是，对单元格的数量、尺寸等均不做过多限定。
可以理解的是，单元格与三维空间存在对应关系。
在一种实施方式中，可基于单元格的位置和三维空间的位置，获取单元格和三维空间之间的对应关系。
比如，检测网格所在的坐标系为二维世界坐标系，三维空间所在的坐标系为三维世界坐标系，可基于候选单元格的位置，获取候选单元格在三维世界坐标系下的转换位置，基于转换位置和三维空间的位置，从三维空间中筛选出候选三维空间，其中，候选三维空间的位置与转换位置相同，建立候选单元格和候选三维空间之间的对应关系。
本公开的实施例中，单元格的状态用于指示单元格对应的三维空间是否为障碍物。对单元格的状态不做过多限定。
比如，单元格的状态可为第一状态或者第二状态，其中，第一状态用于指示单元格对应的三维空间为障碍物，第二状态用于指示单元格对应的三维空间非障碍物。
比如，单元格的状态可包括单元格处于第一状态的第一概率，和/或，单元格处于第二状态的第二概率。
比如，单元格的状态可包括第一状态值和/或第二状态值。其中，第一状态值与第一概率正相关，第二状态值与第二概率正相关。
在上述任一实施例的基础上，如图3所示，获取单元格的状态，可包括：
S301，获取对象的第i帧的点云数据。
需要说明的是，步骤S301的相关内容，可参见上述实施例，这里不再赘述。
S302，基于第i帧的点云数据和第i帧的检测网格，确定单元格在第i帧时的状态。
在一种实施方式中，第i帧的点云数据包括多个采样点的点云数据，基于第i帧的点云数据和第i帧的检测网格，确定单元格在第i帧时的状态，可包括基于第i帧的采样点的点云数据，对采样点进行分类预测，获取采样点在每个类别下的预测概率，基于预测概率，确定单元格在第i帧时的状态。
在一种实施方式中，基于预测概率，确定单元格在第i帧时的状态，可包括获取采样点在第i帧的检测网格上的投影点，针对任一单元格，基于任一单元格内的投影点对应的采样点的预测概率，确定任一单元格在第i帧时的状态。
在一种实施方式中，获取采样点在第i帧的检测网格上的投影点，可包括基于采样点的位置，获取采样点在检测网格所在的坐标系下的投影位置，在投影位置处生成采样点对应的投影点。
比如，采样点所在的坐标系为三维世界坐标系，检测网格所在的坐标系为二维世界坐标系，获取采样点在第i帧的检测网格上的投影点，可包括基于采样点的位置，获取采样点在二维世界坐标系下的投影位置，在投影位置上生成采样点对应的投影点。比如，采样点的位置为（x,y,z），投影位置为（x,y）。
在一种实施方式中，基于任一单元格内的投影点对应的采样点的预测概率，确定任一单元格在第i帧时的状态，可包括响应于任一单元格内的任一投影点对应的采样点为障碍物的预测概率大于或者等于设定阈值，确定任一单元格在第i帧时的状态为第一状态，或者，响应于任一单元格内的每个投影点对应的采样点为障碍物的预测概率均小于设定阈值，确定任一单元格在第i帧时的状态为第二状态。应说明的是，对设定阈值不做过多限定，比如，设定阈值可为0.5。
由此，该方法中可基于对象的第i帧的点云数据和第i帧的检测网格，确定单元格在第i帧时的状态。
在上述任一实施例的基础上，第i帧的点云数据包括n个采样点的点云数据，其中，n为正整数。
如图4所示，步骤S302中基于第i帧的点云数据和第i帧的检测网格，确定单元格在第i帧时的状态，可包括：
S401，基于第i帧的第j个采样点的点云数据，识别第j个采样点是否为障碍物，其中，j为正整数，1≤j≤n。
在一种实施方式中，基于第i帧的第j个采样点的点云数据，识别第j个采样点是否为障碍物，可包括基于第j个采样点的点云数据，对第j个采样点进行分类预测，获取第j个采样点为障碍物的预测概率，响应于第j个采样点为障碍物的预测概率大于或者等于设定阈值，确定第j个采样点为障碍物，或者，响应于第j个采样点为障碍物的预测概率小于设定阈值，确定第j个采样点非障碍物。应说明的是，设定阈值的相关内容，可参见上述实施例，这里不再赘述。
S402，获取第j个采样点在第i帧的检测网格上的第j个投影点。
需要说明的是，步骤S402的相关内容，可参见上述实施例，这里不再赘述。
S403，识别单元格内是否存在目标投影点，其中，目标投影点对应的采样点为障碍物，并基于单元格的识别结果，确定单元格在第i帧时的状态。
本公开的实施例中，单元格的识别结果包括但不限于单元格内存在目标投影点、单元格内未存在目标投影点、单元格内目标投影点的数量等。
在一种实施方式中，基于单元格的识别结果，确定单元格在第i帧时的状态，可包括响应于单元格内存在目标投影点，确定第i帧时的状态为第一状态，或者，响应于单元格内未存在目标投影点，确定第i帧时的状态为第二状态。
在一种实施方式中，基于单元格的识别结果，确定单元格在第i帧时的状态，可包括响应于单元格内目标投影点的数量大于或者等于设定数量，确定第i帧时的状态为第一状态，或者，响应于单元格内目标投影点的数量小于设定数量，确定第i帧时的状态为第二状态。应说明的是，对设定数量不做过多限定，比如，设定数量可包括1、5等。
由此，该方法中可基于第i帧的第j个采样点的点云数据，识别第j个采样点是否为障碍物，获取第j个采样点在第i帧的检测网格上的第j个投影点，识别单元格内是否存在目标投影点，其中，目标投影点对应的采样点为障碍物，并基于单元格的识别结果，确定单元格在第i帧时的状态。
在上述任一实施例的基础上，如图5所示，步骤S403中基于单元格的识别结果，确定单元格在第i帧时的状态，可包括：
S501，基于单元格的识别结果，确定单元格在第i帧时的候选状态。
在一种实施方式中，基于单元格的识别结果，确定单元格在第i帧时的候选状态，可包括响应于单元格内存在目标投影点，确定第i帧时的候选状态为第一状态，或者，响应于单元格内未存在目标投影点，确定第i帧时的候选状态为第二状态。
需要说明的是，步骤S501的相关内容，可参见上述实施例，这里不再赘述。
S502，获取第i-1帧的检测网格，并确定第i-1帧的检测网格和第i帧的检测网格之间的重合单元格，并确定第i帧的检测网格中重合单元格以外的差异单元格。
可以理解的是，重合单元格指的是同时位于第i-1帧的检测网格和第i帧的检测网格内的单元格。以对象为车辆为例，第i-1帧的检测网格、第i帧的检测网格分别如图6、7所示，第i-1帧的检测网格和第i帧的检测网格之间的重合单元格、差异单元格如图8所示。
在一种实施方式中，确定第i-1帧的检测网格和第i帧的检测网格之间的重合单元格，可包括确定第i-1帧的检测网格和第i帧的检测网格之间的重合区域，将重合区域内的单元格确定为重合单元格。
S503，针对重合单元格，获取重合单元格在第i-1帧时的状态，并基于重合单元格在第i-1帧时的状态和重合单元格在第i帧时的候选状态，确定重合单元格在第i帧时的状态。
在一种实施方式中，单元格的状态为第一状态或者第二状态，基于重合单元格在第i-1帧时的状态和重合单元格在第i帧时的候选状态，确定重合单元格在第i帧时的状态，可包括响应于重合单元格在第i-1帧时的状态、重合单元格在第i帧时的候选状态中存在第一状态，确定重合单元格在第i帧时的状态为第一状态，或者，响应于重合单元格在第i-1帧时的状态、重合单元格在第i帧时的候选状态中均为第二状态，确定重合单元格在第i帧时的状态为第二状态。
在一种实施方式中，单元格的状态包括单元格处于第一状态的第一概率，重合单元格在第i帧时的候选状态包括候选第一概率，基于重合单元格在第i-1帧时的状态和重合单元格在第i帧时的候选状态，确定重合单元格在第i帧时的状态，可包括对重合单元格在第i-1帧时的第一概率和重合单元格在第i帧时的候选第一概率进行加权求和，确定重合单元格在第i帧时的第一概率。应说明的是，对重合单元格在第i-1帧时的第一概率对应的权重、重合单元格在第i帧时的候选第一概率对应的权重均不做过多限定。
在一种实施方式中，单元格的状态包括单元格处于第一状态的第一概率，基于重合单元格在第i-1帧时的状态和重合单元格在第i帧时的候选状态，确定重合单元格在第i帧时的状态，可包括响应于重合单元格在第i帧时的候选状态为第一状态，获取重合单元格在第i-1帧时的第一概率和第一设定值之间的第一和值，并将第一和值作为重合单元格在第i帧时的第一概率，其中，第一设定值大于零。由此，该方法中可在重合单元格在第i帧时的候选状态为第一状态时，将重合单元格在第i-1帧时的第一概率和第一设定值之间的第一和值作为重合单元格在第i帧时的第一概率，即增大重合单元格处于第一状态的第一概率。
或者，响应于重合单元格在第i帧时的候选状态为第二状态，获取重合单元格在第i-1帧时的第一概率和第二设定值之间的第二和值，并将第二和值作为重合单元格在第i帧时的第一概率，其中，第二设定值小于零。由此，该方法中可在重合单元格在第i帧时的候选状态为第二状态时，将重合单元格在第i-1帧时的第一概率和第二设定值之间的第二和值作为重合单元格在第i帧时的第一概率，即减小重合单元格处于第一状态的第一概率。
需要说明的是，对第一设定值、第二设定值均不做过多限定。比如，第一设定值为0.2，第二设定值为-0.2。
S504，针对差异单元格，将差异单元格在第i帧时的候选状态，作为差异单元格在第i帧时的状态。
由此，该方法中针对重合单元格，可综合考虑到重合单元格在第i-1帧时的状态和所述重合单元格在第i帧时的候选状态，来确定重合单元格在第i帧时的状态，使得重合单元格在第i帧时的状态更准确，针对差异单元格，可直接将差异单元格在第i帧时的候选状态，作为差异单元格在第i帧时的状态。
在上述任一实施例的基础上，步骤S302中确定单元格在第i帧时的状态之后，可基于每个单元格在第i帧时的状态，生成对象在第i帧时的障碍物检测结果。应说明的是，对障碍物检测结果不做过多限定，比如，障碍物检测结果包括但不限于障碍物的数量、障碍物的位置、障碍物的边界等。由此，该方法中可基于每个单元格在第i帧时的状态，生成对象在第i帧时的障碍物检测结果。
在上述任一实施例的基础上，可获取单元格的标识和单元格在第i帧时的第五位置，根据第i帧时的第五位置，更新设定存储空间中单元格的标识所标识的单元格的位置。应说明的是，对标识、第五位置、设定存储空间均不做过多限定，比如，第五位置包括但不限于单元格的单元格的所属行、所属列、单元格的中心点的位置中的至少一种，设定存储空间可包括一维数组、二维数组等。由此，该方法中可实时更新设定存储空间中单元格的位置，提高了设定存储空间中单元格的位置的实时性和准确性。
图9是根据一示例性实施例示出的一种障碍物检测装置的框图。参照图9，本公开实施例的障碍物检测装置100，包括：生成模块110和平移模块120。
生成模块110被配置为执行生成对象的检测网格；
平移模块120被配置为执行在所述对象移动的过程中，基于所述对象的位置对所述检测网格进行平移，以进行障碍物检测。
在本公开的一个实施例中，所述平移模块120还被配置为执行：基于所述对象的位置，按帧对所述检测网格进行平移。
在本公开的一个实施例中，所述平移模块120还被配置为执行：获取所述对象在第i帧时的第一位置，其中，i为正整数；基于所述第i帧时的第一位置，确定所述检测网格在第i帧时的第二位置；在当前帧为第i帧的情况下，控制所述检测网格平移至所述第i帧时的第二位置，以得到第i帧的检测网格。
在本公开的一个实施例中，所述第i帧时的第一位置包括所述对象的中心点在第i帧时的第三位置；所述平移模块120还被配置为执行：获取所述对象的中心点在第i-1帧时的第三位置，以及所述检测网格在第i-1帧时的第二位置；基于所述第i-1帧时的第三位置和所述第i帧时的第三位置，获取所述对象的中心点从第i-1帧至第i帧的平移参数；基于所述第i-1帧时的第二位置和所述平移参数，确定所述第i帧时的第二位置。
在本公开的一个实施例中，所述第i帧时的第一位置包括所述对象的中心点在第i帧时的第三位置；所述平移模块120还被配置为执行：获取所述检测网格的设定长度和设定宽度；基于所述第i帧时的第三位置、所述设定长度和所述设定宽度，确定所述第i帧时的第二位置。
在本公开的一个实施例中，所述平移模块120还被配置为执行：获取以所述第i帧时的第三位置为中心，且以所述设定长度为长度，且以所述设定宽度为宽度的区域的第四位置，并将所述第四位置作为所述第i帧时的第二位置。
在本公开的一个实施例中，所述检测网格包括多个单元格，所述单元格与三维空间存在对应关系，所述单元格的状态用于指示所述单元格对应的三维空间是否为障碍物；所述障碍物检测装置100还包括：获取模块，被配置为执行获取所述对象的第i帧的点云数据；确定模块，被配置为执行基于所述第i帧的点云数据和所述第i帧的检测网格，确定所述单元格在第i帧时的状态。
在本公开的一个实施例中，所述第i帧的点云数据包括n个采样点的点云数据，其中，n为正整数，所述确定模块，还被配置为执行：基于第i帧的第j个采样点的点云数据，识别所述第j个采样点是否为障碍物，其中，j为正整数，1≤j≤n；获取所述第j个采样点在所述第i帧的检测网格上的第j个投影点；识别所述单元格内是否存在目标投影点，其中，所述目标投影点对应的采样点为障碍物，并基于所述单元格的识别结果，确定所述单元格在第i帧时的状态。
在本公开的一个实施例中，所述确定模块，还被配置为执行：基于所述单元格的识别结果，确定所述单元格在第i帧时的候选状态；获取第i-1帧的检测网格，并确定所述第i-1帧的检测网格和所述第i帧的检测网格之间的重合单元格，并确定所述第i帧的检测网格中所述重合单元格以外的差异单元格；针对所述重合单元格，获取所述重合单元格在第i-1帧时的状态，并基于所述重合单元格在第i-1帧时的状态和所述重合单元格在第i帧时的候选状态，确定所述重合单元格在第i帧时的状态；针对所述差异单元格，将所述差异单元格在第i帧时的候选状态，作为所述差异单元格在第i帧时的状态。
在本公开的一个实施例中，所述确定模块，还被配置为执行：响应于所述单元格内存在所述目标投影点，确定所述第i帧时的候选状态为第一状态，其中，所述第一状态用于指示所述单元格对应的三维空间为障碍物；或者，响应于所述单元格内未存在所述目标投影点，确定所述第i帧时的候选状态为第二状态，其中，所述第二状态用于指示所述单元格对应的三维空间非障碍物。
在本公开的一个实施例中，所述单元格的状态包括所述单元格处于所述第一状态的第一概率，和/或，所述单元格处于所述第二状态的第二概率。
在本公开的一个实施例中，所述确定模块，还被配置为执行：响应于所述重合单元格在第i帧时的候选状态为所述第一状态，获取所述重合单元格在第i-1帧时的第一概率和第一设定值之间的第一和值，并将所述第一和值作为所述重合单元格在第i帧时的第一概率，其中，所述第一设定值大于零；或者，响应于所述重合单元格在第i帧时的候选状态为所述第二状态，获取所述重合单元格在第i-1帧时的第一概率和第二设定值之间的第二和值，并将所述第二和值作为所述重合单元格在第i帧时的第一概率，其中，所述第二设定值小于零。
在本公开的一个实施例中，所述确定模块，还被配置为执行：基于每个所述单元格在第i帧时的状态，生成所述对象在第i帧时的障碍物检测结果。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本公开的实施例提供的障碍物检测装置，可生成对象的检测网格，在对象移动的过程中，基于对象的位置对检测网格进行平移，以进行障碍物检测。由此，仅需生成一个检测网格，并基于对象的位置对检测网格进行平移，不需要重复生成检测网格，有助于节省计算资源，提升了障碍物检测的效率。
图10是根据一示例性实施例示出的一种车辆200的框图。例如，车辆200可以是混合动力车辆，也可以是非混合动力车辆、电动车辆、燃料电池车辆或者其他类型的车辆。车辆200可以是自动驾驶车辆、半自动驾驶车辆或者非自动驾驶车辆。
参照图10，车辆200可包括各种子系统，例如，信息娱乐系统210、感知系统220、决策控制系统230、驱动系统240以及计算平台250。其中，车辆200还可以包括更多或更少的子系统，并且每个子系统都可包括多个部件。另外，车辆200的每个子系统之间和每个部件之间可以通过有线或者无线的方式实现互连。
在一些实施例中，信息娱乐系统210可以包括通信系统，娱乐系统以及导航系统等。
感知系统220可以包括若干种传感器，用于感测车辆200周边的环境的信息。例如，感知系统220可包括全球定位系统（全球定位系统可以是GPS系统，也可以是北斗系统或者其他定位系统）、惯性测量单元（inertial measurement unit，IMU）、激光雷达、毫米波雷达、超声雷达以及摄像装置。
决策控制系统230可以包括计算系统、整车控制器、转向系统、油门以及制动系统。
驱动系统240可以包括为车辆200提供动力运动的组件。在一个实施例中，驱动系统240可以包括引擎、能量源、传动系统和车轮。引擎可以是内燃机、电动机、空气压缩引擎中的一种或者多种的组合。引擎能够将能量源提供的能量转换成机械能量。
车辆200的部分或所有功能受计算平台250控制。计算平台250可包括至少一个处理器251和存储器252，处理器251可以执行存储在存储器252中的指令253。
处理器251可以是任何常规的处理器，诸如商业可获得的CPU。处理器还可以包括诸如图像处理器（Graphic Process Unit，GPU），现场可编程门阵列（Field ProgrammableGate Array，FPGA）、片上系统（System on Chip，SOC）、专用集成芯片（ApplicationSpecific Integrated Circuit，ASIC）或它们的组合。
存储器252可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（SRAM），电可擦除可编程只读存储器（EEPROM），可擦除可编程只读存储器（EPROM），可编程只读存储器（PROM），只读存储器（ROM），磁存储器，快闪存储器，磁盘或光盘。
除了指令253以外，存储器252还可存储数据，例如道路地图，路线信息，车辆的位置、方向、速度等数据。存储器252存储的数据可以被计算平台250使用。
在本公开实施例中，处理器251可以执行指令253，以实现本公开提供的障碍物检测方法的全部或部分步骤。
本公开实施例的车辆，可生成对象的检测网格，在对象移动的过程中，基于对象的位置对检测网格进行平移，以进行障碍物检测。由此，仅需生成一个检测网格，并基于对象的位置对检测网格进行平移，不需要重复生成检测网格，有助于节省计算资源，提升了障碍物检测的效率。
为了实现上述实施例，本公开还提出一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开提供的障碍物检测方法的步骤。
可选的，计算机可读存储介质可以是ROM、随机存取存储器（RAM）、CD-ROM、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (13)
1.一种障碍物检测方法，其特征在于，包括：
生成对象的检测网格；
在所述对象移动的过程中，基于所述对象的位置对所述检测网格进行平移，以进行障碍物检测；
所述检测网格包括多个单元格，所述单元格与三维空间存在对应关系，所述单元格的状态用于指示所述单元格对应的三维空间是否为障碍物；
所述方法还包括：
获取所述对象的第i帧的点云数据；
所述第i帧的点云数据包括n个采样点的点云数据，其中，n为正整数，基于第i帧的第j个采样点的点云数据，识别所述第j个采样点是否为障碍物，其中，j为正整数，1≤j≤n；
获取所述第j个采样点在所述第i帧的检测网格上的第j个投影点；
识别所述单元格内是否存在目标投影点，其中，所述目标投影点对应的采样点为障碍物，并基于所述单元格的识别结果，确定所述单元格在第i帧时的状态；
所述基于所述单元格的识别结果，确定所述单元格在第i帧时的状态，包括：
基于所述单元格的识别结果，确定所述单元格在第i帧时的候选状态；
获取第i-1帧的检测网格，并确定所述第i-1帧的检测网格和所述第i帧的检测网格之间的重合单元格，并确定所述第i帧的检测网格中所述重合单元格以外的差异单元格；
针对所述重合单元格，获取所述重合单元格在第i-1帧时的状态，并基于所述重合单元格在第i-1帧时的状态和所述重合单元格在第i帧时的候选状态，确定所述重合单元格在第i帧时的状态；
针对所述差异单元格，将所述差异单元格在第i帧时的候选状态，作为所述差异单元格在第i帧时的状态；
其中，所述单元格的状态包括所述单元格处于第一状态的第一概率，所述重合单元格在第i帧时的候选状态包括候选第一概率；所述基于所述重合单元格在第i-1帧时的状态和所述重合单元格在第i帧时的候选状态，确定所述重合单元格在第i帧时的状态，包括：
对所述重合单元格在第i-1帧时的第一概率和所述重合单元格在第i帧时的候选第一概率进行加权求和，确定所述重合单元格在第i帧时的第一概率。
2.根据权利要求1所述的方法，其特征在于，所述基于所述对象的位置对所述检测网格进行平移，包括：
基于所述对象的位置，按帧对所述检测网格进行平移。
3.根据权利要求2所述的方法，其特征在于，所述基于所述对象的位置，按帧对所述检测网格进行平移，包括：
获取所述对象在第i帧时的第一位置，其中，i为正整数；
基于所述第i帧时的第一位置，确定所述检测网格在第i帧时的第二位置；
在当前帧为第i帧的情况下，控制所述检测网格平移至所述第i帧时的第二位置，以得到第i帧的检测网格。
4.根据权利要求3所述的方法，其特征在于，所述第i帧时的第一位置包括所述对象的中心点在第i帧时的第三位置；所述基于所述第i帧时的第一位置，确定所述检测网格在第i帧时的第二位置，包括：
获取所述对象的中心点在第i-1帧时的第三位置，以及所述检测网格在第i-1帧时的第二位置；
基于所述第i-1帧时的第三位置和所述第i帧时的第三位置，获取所述对象的中心点从第i-1帧至第i帧的平移参数；
基于所述第i-1帧时的第二位置和所述平移参数，确定所述第i帧时的第二位置。
5.根据权利要求3所述的方法，其特征在于，所述第i帧时的第一位置包括所述对象的中心点在第i帧时的第三位置；所述基于所述第i帧时的第一位置，确定所述检测网格在第i帧时的第二位置，包括：
获取所述检测网格的设定长度和设定宽度；
基于所述第i帧时的第三位置、所述设定长度和所述设定宽度，确定所述第i帧时的第二位置。
6.根据权利要求5所述的方法，其特征在于，所述基于所述第i帧时的第三位置、所述设定长度和所述设定宽度，确定所述第i帧时的第二位置，包括：
获取以所述第i帧时的第三位置为中心，且以所述设定长度为长度，且以所述设定宽度为宽度的区域的第四位置，并将所述第四位置作为所述第i帧时的第二位置。
7.根据权利要求1所述的方法，其特征在于，所述基于所述单元格的识别结果，确定所述单元格在第i帧时的候选状态，包括：
响应于所述单元格内存在所述目标投影点，确定所述第i帧时的候选状态为第一状态，其中，所述第一状态用于指示所述单元格对应的三维空间为障碍物；或者，
响应于所述单元格内未存在所述目标投影点，确定所述第i帧时的候选状态为第二状态，其中，所述第二状态用于指示所述单元格对应的三维空间非障碍物。
8.根据权利要求7所述的方法，其特征在于，所述单元格的状态包括所述单元格处于所述第一状态的第一概率，和/或，所述单元格处于所述第二状态的第二概率。
9.根据权利要求8所述的方法，其特征在于，所述基于所述重合单元格在第i-1帧时的状态和所述重合单元格在第i帧时的候选状态，确定所述重合单元格在第i帧时的状态，包括：
响应于所述重合单元格在第i帧时的候选状态为所述第一状态，获取所述重合单元格在第i-1帧时的第一概率和第一设定值之间的第一和值，并将所述第一和值作为所述重合单元格在第i帧时的第一概率，其中，所述第一设定值大于零；或者，
响应于所述重合单元格在第i帧时的候选状态为所述第二状态，获取所述重合单元格在第i-1帧时的第一概率和第二设定值之间的第二和值，并将所述第二和值作为所述重合单元格在第i帧时的第一概率，其中，所述第二设定值小于零。
10.根据权利要求1所述的方法，其特征在于，还包括：
基于每个所述单元格在第i帧时的状态，生成所述对象在第i帧时的障碍物检测结果。
11.一种障碍物检测装置，其特征在于，包括：
生成模块，被配置为执行生成对象的检测网格；
平移模块，被配置为执行在所述对象移动的过程中，基于所述对象的位置对所述检测网格进行平移，以进行障碍物检测；
所述检测网格包括多个单元格，所述单元格与三维空间存在对应关系，所述单元格的状态用于指示所述单元格对应的三维空间是否为障碍物；
所述装置还被配置为 ：
获取所述对象的第i帧的点云数据；
所述第i帧的点云数据包括n个采样点的点云数据，其中，n为正整数，基于第i帧的第j个采样点的点云数据，识别所述第j个采样点是否为障碍物，其中，j为正整数，1≤j≤n；
获取所述第j个采样点在所述第i帧的检测网格上的第j个投影点；
识别所述单元格内是否存在目标投影点，其中，所述目标投影点对应的采样点为障碍物，并基于所述单元格的识别结果，确定所述单元格在第i帧时的状态；
所述基于所述单元格的识别结果，确定所述单元格在第i帧时的状态，包括：
基于所述单元格的识别结果，确定所述单元格在第i帧时的候选状态；
获取第i-1帧的检测网格，并确定所述第i-1帧的检测网格和所述第i帧的检测网格之间的重合单元格，并确定所述第i帧的检测网格中所述重合单元格以外的差异单元格；
针对所述重合单元格，获取所述重合单元格在第i-1帧时的状态，并基于所述重合单元格在第i-1帧时的状态和所述重合单元格在第i帧时的候选状态，确定所述重合单元格在第i帧时的状态；
针对所述差异单元格，将所述差异单元格在第i帧时的候选状态，作为所述差异单元格在第i帧时的状态；
其中，所述单元格的状态包括所述单元格处于第一状态的第一概率，所述重合单元格在第i帧时的候选状态包括候选第一概率；所述基于所述重合单元格在第i-1帧时的状态和所述重合单元格在第i帧时的候选状态，确定所述重合单元格在第i帧时的状态，包括：
对所述重合单元格在第i-1帧时的第一概率和所述重合单元格在第i帧时的候选第一概率进行加权求和，确定所述重合单元格在第i帧时的第一概率。
12.一种车辆，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
实现权利要求1-10中任一项所述方法的步骤。
13.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，该程序指令被处理器执行时实现权利要求1-10中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210747015.9A CN114842458B (zh) | 2022-06-29 | 2022-06-29 | 障碍物检测方法、装置、车辆和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210747015.9A CN114842458B (zh) | 2022-06-29 | 2022-06-29 | 障碍物检测方法、装置、车辆和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114842458A CN114842458A (zh) | 2022-08-02 |
| CN114842458B true CN114842458B (zh) | 2022-11-04 |
Family
ID=82574697
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210747015.9A Active CN114842458B (zh) | 2022-06-29 | 2022-06-29 | 障碍物检测方法、装置、车辆和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114842458B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016205951A1 (en) * | 2015-06-25 | 2016-12-29 | Appropolis Inc. | A system and a method for tracking mobile objects using cameras and tag devices |
| CN106802668A (zh) * | 2017-02-16 | 2017-06-06 | 上海交通大学 | 基于双目与超声波融合的无人机三维避撞方法及系统 |
| CN106951847A (zh) * | 2017-03-13 | 2017-07-14 | 百度在线网络技术（北京）有限公司 | 障碍物检测方法、装置、设备及存储介质 |
| CN108693541A (zh) * | 2017-04-03 | 2018-10-23 | 福特全球技术公司 | 障碍检测系统和方法 |
| CN110161526A (zh) * | 2019-05-24 | 2019-08-23 | 河南辉煌科技股份有限公司 | 一种基于三维成像的线路障碍物识别方法 |
| US10571926B1 (en) * | 2016-08-29 | 2020-02-25 | Trifo, Inc. | Autonomous platform guidance systems with auxiliary sensors and obstacle avoidance |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103926925B (zh) * | 2014-04-22 | 2015-04-29 | 江苏久祥汽车电器集团有限公司 | 一种基于改进的vfh算法的定位与避障方法及机器人 |
| CN108550318B (zh) * | 2018-03-12 | 2020-09-29 | 浙江大华技术股份有限公司 | 一种构建地图的方法及装置 |
| CN109145489B (zh) * | 2018-09-07 | 2020-01-17 | 百度在线网络技术（北京）有限公司 | 一种基于概率图的障碍物分布仿真方法、装置以及终端 |
-
2022
- 2022-06-29 CN CN202210747015.9A patent/CN114842458B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016205951A1 (en) * | 2015-06-25 | 2016-12-29 | Appropolis Inc. | A system and a method for tracking mobile objects using cameras and tag devices |
| US10571926B1 (en) * | 2016-08-29 | 2020-02-25 | Trifo, Inc. | Autonomous platform guidance systems with auxiliary sensors and obstacle avoidance |
| CN106802668A (zh) * | 2017-02-16 | 2017-06-06 | 上海交通大学 | 基于双目与超声波融合的无人机三维避撞方法及系统 |
| CN106951847A (zh) * | 2017-03-13 | 2017-07-14 | 百度在线网络技术（北京）有限公司 | 障碍物检测方法、装置、设备及存储介质 |
| CN108693541A (zh) * | 2017-04-03 | 2018-10-23 | 福特全球技术公司 | 障碍检测系统和方法 |
| CN110161526A (zh) * | 2019-05-24 | 2019-08-23 | 河南辉煌科技股份有限公司 | 一种基于三维成像的线路障碍物识别方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于区域划分的吊装仿真碰撞检测方法;曾杨等;《建设机械技术与管理》;20120531(第05期);全文 * |
| 曾杨等.基于区域划分的吊装仿真碰撞检测方法.《建设机械技术与管理》.2012,(第05期), * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114842458A (zh) | 2022-08-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108319655B (zh) | 用于生成栅格地图的方法和装置 | |
| CN110386142A (zh) | 用于自动驾驶车辆的俯仰角校准方法 | |
| CN111563450B (zh) | 数据处理方法、装置、设备及存储介质 | |
| WO2022078342A1 (zh) | 动态占据栅格估计方法及装置 | |
| US20240054895A1 (en) | Parking method and apparatus, storage medium, chip and vehicle | |
| CN116740681B (zh) | 目标检测方法、装置、车辆和存储介质 | |
| CN116380088B (zh) | 车辆定位方法、装置、车辆及存储介质 | |
| CN115223015B (zh) | 模型训练方法、图像处理方法、装置和车辆 | |
| CN114842458B (zh) | 障碍物检测方法、装置、车辆和存储介质 | |
| CN113312403B (zh) | 地图获取方法、装置、电子设备及存储介质 | |
| CN115359332A (zh) | 基于车路协同的数据融合方法、装置、电子设备及系统 | |
| CN114821543B (zh) | 障碍物检测方法、装置、车辆和存储介质 | |
| CN115471513B (zh) | 点云分割方法及装置 | |
| CN117128976B (zh) | 道路中心线的获取方法、装置、车辆和存储介质 | |
| CN116259029B (zh) | 目标检测方法、装置和车辆 | |
| CN116630219B (zh) | 多相机的图像融合方法、装置及车辆 | |
| CN116630923B (zh) | 道路消失点的标注方法、装置及电子设备 | |
| CN116363631B (zh) | 三维目标检测方法、装置及车辆 | |
| CN116659529B (zh) | 数据检测方法、装置、车辆及存储介质 | |
| CN115861976B (zh) | 车辆的控制方法、装置和车辆 | |
| US20230194301A1 (en) | High fidelity anchor points for real-time mapping with mobile devices | |
| EP4345750A1 (en) | Position estimation system, position estimation method, and program | |
| CN118865310A (zh) | 目标对象的检测方法及目标对象检测模型的训练方法 | |
| CN113447032A (zh) | 定位方法、装置、电子设备及存储介质 | |
| CN116758504A (zh) | 图像处理方法、装置、车辆与存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |