CN115861976B - 车辆的控制方法、装置和车辆 - Google Patents

Abstract

本公开关于一种车辆的控制方法、装置和车辆，属于自动驾驶、图像处理技术领域。其中，该方法包括：获取目标区域的点云数据；对目标区域的点云数据进行障碍物识别，判断目标区域内是否存在第一对象，第一对象为非设定类别的障碍物；响应于目标区域内存在第一对象，对第一对象的点云数据进行渲染，得到第一对象的渲染结果；控制在车载设备上显示第一对象的渲染结果。由此，可在目标区域内存在非设定类别的障碍物时，直接对第一对象的点云数据进行渲染，得到第一对象的渲染结果并显示，相较于相关技术中大多仅显示设定类别的障碍物，扩大了障碍物的显示范围，以告知用户存在非设定类别的障碍物，有助于提高自动驾驶车辆的行车安全性。

Description

车辆的控制方法、装置和车辆

技术领域

本公开涉及自动驾驶、图像处理技术领域，尤其涉及一种车辆的控制方法、装置、车辆和存储介质。

背景技术

目前，随着人工智能技术的不断发展，自动驾驶在车辆领域得到了广泛应用，具有自动化程度高、智能化高等优点，比如，自动驾驶模型可进行障碍物识别、障碍物轨迹预测、自动驾驶路线规划等。然而，相关技术中的自动驾驶车辆，存在行车安全性低的问题。

发明内容

本公开提供一种车辆的控制方法、装置、车辆、计算机可读存储介质，以至少解决相关技术中自动驾驶车辆存在行车安全性低的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种车辆的控制方法，包括：获取目标区域的点云数据；对所述目标区域的点云数据进行障碍物识别，判断所述目标区域内是否存在第一对象，其中，所述第一对象为非设定类别的障碍物；响应于所述目标区域内存在所述第一对象，对所述第一对象的点云数据进行渲染，得到所述第一对象的渲染结果；控制在车载设备上显示所述第一对象的渲染结果。

在本公开的一个实施例中，所述获取目标区域的点云数据，包括：获取原始区域的点云数据；确定目标区域，并从所述原始区域的点云数据中提取出所述目标区域的点云数据。

在本公开的一个实施例中，所述确定目标区域，包括：基于车辆的驾驶场景，确定所述目标区域。

在本公开的一个实施例中，所述基于车辆的驾驶场景，确定所述目标区域，包括：基于所述驾驶场景，确定所述目标区域相对于所述车辆的相对位置，和/或所述目标区域的尺寸；基于所述相对位置和/或所述目标区域的尺寸，确定所述目标区域。

在本公开的一个实施例中，所述控制在车载设备上显示所述第一对象的渲染结果之前，还包括：基于所述第一对象的点云数据，得到所述第一对象的风险得分；识别所述风险得分大于或者等于第一设定阈值。

在本公开的一个实施例中，所述基于所述第一对象的点云数据，得到所述第一对象的风险得分，包括：基于车辆的驾驶场景和所述第一对象的点云数据，得到所述风险得分。

在本公开的一个实施例中，还包括：识别所述风险得分大于或者等于第二设定阈值，生成预警信息，其中，所述预警信息用于提醒所述第一对象异常。

在本公开的一个实施例中，还包括：对所述目标区域的点云数据进行障碍物识别，判断所述目标区域内是否存在第二对象，其中，所述第二对象为设定类别的障碍物；响应于所述目标区域内存在所述第二对象，基于所述设定类别和模板渲染结果之间的对应关系，得到所述设定类别对应的模板渲染结果，并将所述设定类别对应的模板渲染结果确定为所述第二对象的渲染结果；控制在所述车载设备上显示所述第二对象的渲染结果。

根据本公开实施例的第二方面，提供一种车辆的控制装置，包括：获取模块，被配置为执行获取目标区域的点云数据；识别模块，被配置为执行对所述目标区域的点云数据进行障碍物识别，判断所述目标区域内是否存在第一对象，其中，所述第一对象为非设定类别的障碍物；渲染模块，被配置为执行响应于所述目标区域内存在所述第一对象，对所述第一对象的点云数据进行渲染，得到所述第一对象的渲染结果；显示模块，被配置为执行控制在车载设备上显示所述第一对象的渲染结果。

在本公开的一个实施例中，所述获取模块，还被配置为执行：获取原始区域的点云数据；确定目标区域，并从所述原始区域的点云数据中提取出所述目标区域的点云数据。

在本公开的一个实施例中，所述获取模块，还被配置为执行：基于车辆的驾驶场景，确定所述目标区域。

在本公开的一个实施例中，所述获取模块，还被配置为执行：基于所述驾驶场景，确定所述目标区域相对于所述车辆的相对位置，和/或所述目标区域的尺寸；基于所述相对位置和/或所述目标区域的尺寸，确定所述目标区域。

在本公开的一个实施例中，所述控制在车载设备上显示所述第一对象的渲染结果之前，所述显示模块，还被配置为执行：基于所述第一对象的点云数据，得到所述第一对象的风险得分；识别所述风险得分大于或者等于第一设定阈值。

在本公开的一个实施例中，所述显示模块，还被配置为执行：基于车辆的驾驶场景和所述第一对象的点云数据，得到所述风险得分。

在本公开的一个实施例中，所述显示模块，还被配置为执行：识别所述风险得分大于或者等于第二设定阈值，生成预警信息，其中，所述预警信息用于提醒所述第一对象异常。

在本公开的一个实施例中，所述显示模块，还被配置为执行：对所述目标区域的点云数据进行障碍物识别，判断所述目标区域内是否存在第二对象，其中，所述第二对象为设定类别的障碍物；响应于所述目标区域内存在所述第二对象，基于所述设定类别和模板渲染结果之间的对应关系，得到所述设定类别对应的模板渲染结果，并将所述设定类别对应的模板渲染结果确定为所述第二对象的渲染结果；控制在所述车载设备上显示所述第二对象的渲染结果。

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：可在目标区域内存在非设定类别的障碍物（即第一对象）时，直接对第一对象的点云数据进行渲染，得到第一对象的渲染结果并显示，相较于相关技术中大多仅显示设定类别的障碍物，扩大了障碍物的显示范围，以告知用户存在非设定类别的障碍物，有助于提高自动驾驶车辆的行车安全性。

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车辆的控制方法的流程图。

图2是根据一示例性实施例示出的一种车辆的控制方法中控制显示第一对象的渲染结果之前的流程图。

图3是根据另一示例性实施例示出的一种车辆的控制方法的流程图。

图4是根据一示例性实施例示出的一种车辆的控制装置的框图。

图5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车辆的控制方法的流程图，如图1所示，本公开实施例的车辆的控制方法，包括以下步骤。

S101，获取目标区域的点云数据。

需要说明的是，本公开实施例的车辆的控制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。本公开实施例的车辆的控制方法可以由本公开实施例的车辆的控制装置执行，本公开实施例的车辆的控制装置可以配置在任意电子设备中，以执行本公开实施例的车辆的控制方法。

需要说明的是，对目标区域、点云数据均不做过多限定，比如，目标区域可包括车辆的前方、左侧、右侧、后方道路等，可包括长方体区域、圆柱形区域等。点云数据可包括位置、颜色、深度、灰度等，其中，位置可包括二维坐标、三维坐标等，颜色可包括红色像素、绿色像素、蓝色像素等。

在一种实施方式中，获取目标区域的点云数据，包括通过三维扫描设备采集目标区域的点云数据。应说明的是，对三维扫描设备不做过多限定，比如，三维扫描设备可包括激光雷达、毫米波雷达、深度摄像头等。比如，以执行主体为车载终端为例，可通过车辆上的激光雷达采集目标区域的点云数据。

在一种实施方式中，获取目标区域的点云数据，包括获取原始区域的点云数据，确定目标区域，并从原始区域的点云数据中提取出目标区域的点云数据。可以理解的是，原始区域的点云数据指的是采集设备直接输出的点云数据，原始区域包括目标区域，原始区域覆盖范围较广，即原始区域的点云数据的数据量较大，若直接对原始区域的点云数据进行障碍物识别，需要处理的数据量较多，本方案中可从原始区域的点云数据中提取出目标区域的点云数据，可大大减少处理的数据量，提高处理效率。

在一些例子中，从原始区域的点云数据中提取出目标区域的点云数据，包括按照目标区域的位置和尺寸，对原始区域的点云数据进行点云分割，得到目标区域的点云数据。

在一些例子中，确定目标区域，包括基于车辆的驾驶场景，确定目标区域。由此，该方法中可考虑到车辆的驾驶场景，来确定目标区域，提高了目标区域的灵活性。

需要说明的是，对驾驶场景不做过多限定，比如，可包括停车场景、倒车场景、开门场景、直行场景、路口转弯场景（比如无保护路口左转场景）、山路驾驶场景等。其中，无保护路口左转场景可包括没有交通信号灯的左转路口、交通信号灯同时指示左转车辆、直行车辆行驶等。

比如，基于车辆的驾驶场景，确定目标区域，包括响应于驾驶场景为开门场景，确定目标区域为开启的车门的周围区域。比如，若开启的车门为左前车门，则可确定左前车门的周围区域为目标区域，或者，若开启的车门为左后车门，则可确定左后车门的周围区域为目标区域。

比如，基于车辆的驾驶场景，确定目标区域，包括响应于驾驶场景为直行场景，确定目标区域为以车辆为中心的区域。

比如，基于车辆的驾驶场景，确定目标区域，包括响应于驾驶场景为倒车场景，确定目标区域为车辆的后方区域。

在一些例子中，基于车辆的驾驶场景，确定目标区域，包括基于驾驶场景，确定目标区域相对于车辆的相对位置，和/或目标区域的尺寸，基于相对位置和/或目标区域的尺寸，确定目标区域。由此，该方法中可考虑到车辆的驾驶场景，来确定目标区域的相对位置和/或尺寸，以确定目标区域，提高了目标区域的灵活性。

可以理解的是，不同的驾驶场景，目标区域可对应不同的相对位置和尺寸。对设定尺寸不做过多限定，比如，可包括长、宽、高、半径等。

比如，基于驾驶场景，确定目标区域相对于车辆的相对位置，和/或目标区域的尺寸，包括响应于驾驶场景为开门场景，基于开启的车门的位置，确定目标区域相对于车辆的相对位置，和/或确定目标区域的长、宽、高均为5米。在具体例子中，若开启的车门为左前车门，则可确定目标区域位于车辆的左前侧。

比如，基于驾驶场景，确定目标区域相对于车辆的相对位置，和/或目标区域的尺寸，包括响应于驾驶场景为直行场景，确定目标区域的中心点为车辆的中心点，和/或确定目标区域的长、宽、高分别为60米、60米、5米。

比如，基于驾驶场景，确定目标区域相对于车辆的相对位置，和/或目标区域的尺寸，包括响应于驾驶场景为倒车场景，确定目标区域位于车辆的后方，和/或确定目标区域的长、宽、高分别为60米、30米、5米。

S102，对目标区域的点云数据进行障碍物识别，判断目标区域内是否存在第一对象，其中，第一对象为非设定类别的障碍物。

需要说明的是，对目标区域的点云数据进行障碍物识别，可采用相关技术中任一障碍物识别算法来实现，这里不做过多限定。比如，可对目标区域的点云数据进行特征提取，得到点云特征，基于点云特征进行障碍物识别。

需要说明的是，第一对象为非设定类别的障碍物，对设定类别的障碍物不做过多限定，比如，设定类别的障碍物可包括行人、其他车辆等。相应的，第一对象（非设定类别的障碍物）可包括坑面、土堆、落石、垃圾、施工设备等。

S103，响应于目标区域内存在第一对象，对第一对象的点云数据进行渲染，得到第一对象的渲染结果。

需要说明的是，对第一对象的数量不做过多限定，比如，目标区域内可存在至少一个第一对象。对第一对象的点云数据进行渲染，可采用相关技术中任一点云渲染算法来实现，这里不做过多限定。

需要说明的是，对第一对象的渲染结果不做过多限定，比如，可包括二维图像、三维图像等。

在一种实施方式中，获取第一对象的点云数据，包括从目标区域的点云数据中提取出第一对象的点云数据。比如，可按照第一对象的位置和尺寸，对目标区域的点云数据进行点云分割，得到第一对象的点云数据。

在一种实施方式中，以执行主体为车载终端为例，对第一对象的点云数据进行渲染，得到第一对象的渲染结果，包括将第一对象的点云数据输入车辆上的SR（SimulatedReality，模拟现实）系统，由SR系统对第一对象的点云数据进行渲染，得到第一对象的渲染结果。应说明的是，SR系统为一种视觉交互系统。

S104，控制在车载设备上显示第一对象的渲染结果。

需要说明的是，对车载设备不做过多限定，比如，可包括车辆的中控屏、HUD（HeadUp Display，抬头显示）的显示设备等。比如，车辆的中控屏上部署有SR系统，可控制在中控屏上显示SR系统的页面，SR系统的页面用于显示第一对象的渲染结果。

在一种实施方式中，控制在车载设备上显示第一对象的渲染结果，包括基于第一对象的实际位置，获取第一对象的渲染结果的显示位置，并控制在车载设备的显示界面上的显示位置显示第一对象的渲染结果。由此，该方法中可考虑到第一对象的实际位置，来确定第一对象的渲染结果的显示位置，有助于提升第一对象的渲染结果显示的效果，以告知车辆用户非设定类别的障碍物的位置。

在一些例子中，车载设备的显示界面上还显示车辆的渲染结果，基于第一对象的实际位置，获取第一对象的渲染结果的显示位置，包括基于第一对象的实际位置和车辆的实际位置，确定第一对象相对于车辆的相对位置，基于相对位置和车辆的渲染结果的显示位置，确定第一对象的渲染结果的显示位置。比如，第一对象的实际位置位于车辆的前方，则可将车辆的渲染结果的前方显示位置确定为第一对象的渲染结果的显示位置，或者，第一对象的实际位置位于车辆的后方，则可将车辆的渲染结果的后方显示位置确定为第一对象的渲染结果的显示位置。

本公开的实施例提供的车辆的控制方法，获取目标区域的点云数据，对目标区域的点云数据进行障碍物识别，判断目标区域内是否存在第一对象，其中，第一对象为非设定类别的障碍物，响应于目标区域内存在第一对象，对第一对象的点云数据进行渲染，得到第一对象的渲染结果，控制在车载设备上显示第一对象的渲染结果。由此，可在目标区域内存在非设定类别的障碍物（即第一对象）时，直接对第一对象的点云数据进行渲染，得到第一对象的渲染结果并显示，相较于相关技术中大多仅显示设定类别的障碍物，扩大了障碍物的显示范围，以告知用户存在非设定类别的障碍物，有助于提高自动驾驶车辆的行车安全性。

在上述任一实施例的基础上，如图2所示，步骤S104中控制在车载设备上显示第一对象的渲染结果之前，还包括：

S201，基于第一对象的点云数据，得到第一对象的风险得分。

S202，识别风险得分大于或者等于第一设定阈值。

需要说明的是，风险得分与第一对象的风险程度正相关，若风险得分越大，则第一对象的风险程度越高，反之，若风险得分越低，则第一对象的风险程度越低。对风险得分的取值范围不做过多限定，比如可为0至100。对第一设定阈值不做过多限定。

比如，若目标区域内包括第一对象A、B，第一对象A的风险得分为90分，第一对象B的风险得分为40分，若第一设定阈值为60分，则可识别第一对象A的风险得分大于第一设定阈值，表明第一对象A的风险程度较高，控制在车载设备上显示第一对象A的渲染结果。并可识别第一对象B的风险得分小于第一设定阈值，表明第一对象B的风险程度较低，则不在车载设备上显示第一对象B的渲染结果。

在一种实施方式中，基于第一对象的点云数据，得到第一对象的风险得分，包括对第一对象的点云数据进行类别识别，得到第一对象的类别，基于第一对象的类别和风险得分之间的对应关系，得到第一对象的风险得分。由此，该方法中可基于第一对象的类别和风险得分之间的对应关系，得到第一对象的风险得分。

需要说明的是，对第一对象的点云数据进行类别识别，可采用相关技术中的任一点云数据的类别识别算法来实现，这里不做过多限定。

可以理解的是，第一对象的类别不同，可对应不同的风险得分，第一对象的类别和风险得分之间的对应关系可预先设置，这里不做过多限定。比如，若第一对象的类别为小坑面，对应的风险得分为30分；若第一对象的类别为大坑面，对应的风险得分为70分；若第一对象的类别为土堆，对应的风险得分为30分；若第一对象的类别为落石，对应的风险得分为80分。

在一种实施方式中，基于第一对象的点云数据，得到第一对象的风险得分，包括基于车辆的驾驶场景和第一对象的点云数据，得到风险得分。由此，该方法中可综合考虑到车辆的驾驶场景和第一对象的点云数据，来得到风险得分，提高了风险得分的准确性。

在一些例子中，基于车辆的驾驶场景和第一对象的点云数据，得到风险得分，包括基于车辆的驾驶场景，得到风险得分的修正参数，基于第一对象的点云数据，得到第一对象的初始风险得分，基于修正参数，对初始风险得分进行修正，得到最终的风险得分。

需要说明的是，对修正参数不做过多限定，比如，可包括修正量、修正系数等。

比如，若车辆的驾驶场景为夜晚、暴雨、山路、路口转弯等，则修正量为正数，若车辆的驾驶场景为白天、晴天、城市道路、直行等，则修正量为负数，可将修正量和初始风险得分的和值，确定为最终的风险得分。

比如，若车辆的驾驶场景为夜晚、暴雨、山路、路口转弯等，则修正系数大于1，若车辆的驾驶场景为白天、晴天、城市道路、直行等，则修正系数小于1，可将修正系数和初始风险得分的乘积，确定为最终的风险得分。

由此，该方法中可考虑到第一对象的点云数据，得到第一对象的风险得分，在第一对象的风险得分较大时，才控制在车载设备上显示第一对象的渲染结果，即可根据第一对象的风险得分，确定是否在车载设备上显示第一对象的渲染结果。

在上述任一实施例的基础上，还包括识别风险得分大于或者等于第二设定阈值，生成预警信息，其中，预警信息用于提醒第一对象异常。

需要说明的是，对第二设定阈值不做过多限定，比如，可小于第一设定阈值，也可大于或者等于第一设定阈值。比如，第一设定阈值为60分，第二设定阈值为80分。

比如，若目标区域内包括第一对象A、B、C，第一对象A的风险得分为90分，第一对象B的风险得分为40分，第一对象C的风险得分为70分，若第一设定阈值为60分，第二设定阈值为80分，则可识别第一对象A、C的风险得分大于第一设定阈值，表明第一对象A、C的风险程度较高，控制在车载设备上显示第一对象A、C的渲染结果。

还可识别第一对象A的风险得分大于第二设定阈值，表明第一对象A的风险程度较高，生成用于提醒第一对象A异常的预警信息。

还可识别第一对象C的风险得分小于第二设定阈值，表明第一对象C的风险程度较低，则不生成用于提醒第一对象C异常的预警信息。

需要说明的是，对预警信息不做过多限定，比如，可包括“前方xx异常”、“请注意，前方有落石”等。

在一种实施方式中，还可控制在车载设备上显示预警信息，和/或控制车载设备语音播放预警信息。

由此，该方法中可在风险得分较大时，生成预警信息，以及时提醒用户第一对象异常，有助于提高自动驾驶车辆的行车安全性。

图3是根据另一示例性实施例示出的一种车辆的控制方法的流程图，如图3所示，本公开实施例的车辆的控制方法，包括以下步骤。

S301，获取目标区域的点云数据。

S302，对目标区域的点云数据进行障碍物识别，判断目标区域内是否存在第一对象，其中，第一对象为非设定类别的障碍物。

S303，响应于目标区域内存在第一对象，对第一对象的点云数据进行渲染，得到第一对象的渲染结果。

S304，控制在车载设备上显示第一对象的渲染结果。

步骤S301-S304相关内容可参见上述实施例，这里不再赘述。

S305，对目标区域的点云数据进行障碍物识别，判断目标区域内是否存在第二对象，其中，第二对象为设定类别的障碍物。

S306，响应于目标区域内存在第二对象，基于设定类别和模板渲染结果之间的对应关系，得到设定类别对应的模板渲染结果，并将设定类别对应的模板渲染结果确定为第二对象的渲染结果。

S307，控制在车载设备上显示第二对象的渲染结果。

需要说明的是，需要说明的是，步骤S305的相关内容，可参照上述实施例中步骤S102的相关内容，步骤S307的相关内容，可参照上述实施例中步骤S104的相关内容，这里不再赘述。

可以理解的是，不同的设定类别，可对应不同的模板渲染结果，设定类别和模板渲染结果之间的对应关系可预先设置，这里不做过多限定。

比如，若目标区域内包括第二对象D、E、F，第二对象D、E、F的设定类别分别为行人、电动车、货车，则可基于行人和模板渲染结果1之间的对应关系，得到行人对应的模板渲染结果1，并将模板渲染结果1确定为第二对象D的渲染结果，可基于电动车和模板渲染结果2之间的对应关系，得到电动车对应的模板渲染结果2，并将模板渲染结果2确定为第二对象E的渲染结果，可基于货车和模板渲染结果3之间的对应关系，得到货车对应的模板渲染结果3，并将模板渲染结果3确定为第二对象F的渲染结果。

可控制在车载设备上显示第二对象D、E、F的渲染结果，即控制在车载设备上显示模板渲染结果1至3。

本公开的实施例提供的车辆的控制方法，对目标区域的点云数据进行障碍物识别，判断目标区域内是否存在第二对象，其中，第二对象为设定类别的障碍物，响应于目标区域内存在第二对象，基于设定类别和模板渲染结果之间的对应关系，得到设定类别对应的模板渲染结果，并将设定类别对应的模板渲染结果确定为第二对象的渲染结果，控制在车载设备上显示第二对象的渲染结果。由此，可在目标区域内存在设定类别的障碍物（即第二对象）时，基于设定类别获取模板渲染结果，以得到第二对象的渲染结果并显示，不需要基于第二对象的点云数据实时渲染，提高了设定类别的障碍物的显示效率，可实现设定类别的障碍物的快速显示。

图4是根据一示例性实施例示出的一种车辆的控制装置的框图。参照图4，本公开实施例的车辆的控制装置100，包括：获取模块110、识别模块120、渲染模块130和显示模块140。

获取模块110被配置为执行获取目标区域的点云数据；

识别模块120被配置为执行对所述目标区域的点云数据进行障碍物识别，判断所述目标区域内是否存在第一对象，其中，所述第一对象为非设定类别的障碍物；

渲染模块130被配置为执行响应于所述目标区域内存在所述第一对象，对所述第一对象的点云数据进行渲染，得到所述第一对象的渲染结果；

显示模块140被配置为执行控制在车载设备上显示所述第一对象的渲染结果。

在本公开的一个实施例中，所述获取模块110还被配置为执行：获取原始区域的点云数据；确定目标区域，并从所述原始区域的点云数据中提取出所述目标区域的点云数据。

在本公开的一个实施例中，所述获取模块110还被配置为执行：基于车辆的驾驶场景，确定所述目标区域。

在本公开的一个实施例中，所述获取模块110还被配置为执行：基于所述驾驶场景，确定所述目标区域相对于所述车辆的相对位置，和/或所述目标区域的尺寸；基于所述相对位置和/或所述目标区域的尺寸，确定所述目标区域。

在本公开的一个实施例中，所述控制在车载设备上显示所述第一对象的渲染结果之前，所述显示模块140还被配置为执行：基于所述第一对象的点云数据，得到所述第一对象的风险得分；识别所述风险得分大于或者等于第一设定阈值。

在本公开的一个实施例中，所述显示模块140还被配置为执行：基于车辆的驾驶场景和所述第一对象的点云数据，得到所述风险得分。

在本公开的一个实施例中，所述显示模块140还被配置为执行：识别所述风险得分大于或者等于第二设定阈值，生成预警信息，其中，所述预警信息用于提醒所述第一对象异常。

在本公开的一个实施例中，所述显示模块140还被配置为执行：对所述目标区域的点云数据进行障碍物识别，判断所述目标区域内是否存在第二对象，其中，所述第二对象为设定类别的障碍物；响应于所述目标区域内存在所述第二对象，基于所述设定类别和模板渲染结果之间的对应关系，得到所述设定类别对应的模板渲染结果，并将所述设定类别对应的模板渲染结果确定为所述第二对象的渲染结果；控制在所述车载设备上显示所述第二对象的渲染结果。

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车辆的控制装置，获取目标区域的点云数据，对目标区域的点云数据进行障碍物识别，判断目标区域内是否存在第一对象，其中，第一对象为非设定类别的障碍物，响应于目标区域内存在第一对象，对第一对象的点云数据进行渲染，得到第一对象的渲染结果，控制在车载设备上显示第一对象的渲染结果。由此，可在目标区域内存在非设定类别的障碍物（即第一对象）时，直接对第一对象的点云数据进行渲染，得到第一对象的渲染结果并显示，相较于相关技术中大多仅显示设定类别的障碍物，扩大了障碍物的显示范围，以告知用户存在非设定类别的障碍物，有助于提高自动驾驶车辆的行车安全性。

图5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5，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220、驱动系统240以及计算平台350。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（inertialmeasurement 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220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350控制。计算平台350可包括至少一个处理器351和存储器352，处理器351可以执行存储在存储器352中的指令353。

处理器351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（GraphicProcess Unit，GPU），现场可编程门阵列（FieldProgrammableGate 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352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353以外，存储器352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352存储的数据可以被计算平台350使用。

在本公开实施例中，处理器351可以执行指令353，以实现本公开提供的车辆的控制方法的全部或部分步骤。

本公开实施例的车辆，获取目标区域的点云数据，对目标区域的点云数据进行障碍物识别，判断目标区域内是否存在第一对象，其中，第一对象为非设定类别的障碍物，响应于目标区域内存在第一对象，对第一对象的点云数据进行渲染，得到第一对象的渲染结果，控制在车载设备上显示第一对象的渲染结果。由此，可在目标区域内存在非设定类别的障碍物（即第一对象）时，直接对第一对象的点云数据进行渲染，得到第一对象的渲染结果并显示，相较于相关技术中大多仅显示设定类别的障碍物，扩大了障碍物的显示范围，以告知用户存在非设定类别的障碍物，有助于提高自动驾驶车辆的行车安全性。

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车辆的控制方法的步骤。

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 (7)

1.一种车辆的控制方法，其特征在于，包括：

获取原始区域的点云数据，所述原始区域的点云数据是采集设备直接输出的点云数据；

基于车辆的驾驶场景，确定目标区域，并从所述原始区域的点云数据中提取出所述目标区域的点云数据；

对所述目标区域的点云数据进行障碍物识别，判断所述目标区域内是否存在第一对象，其中，所述第一对象为非设定类别的障碍物；

响应于所述目标区域内存在所述第一对象，从所述目标区域的点云数据中提取出第一对象的点云数据，对所述第一对象的点云数据进行渲染，得到所述第一对象的渲染结果；

控制在车载设备上显示所述第一对象的渲染结果；

所述基于车辆的驾驶场景，确定所述目标区域，包括：

基于所述驾驶场景，确定所述目标区域相对于所述车辆的相对位置，和/或所述目标区域的尺寸；

基于所述相对位置和/或所述目标区域的尺寸，确定所述目标区域；

所述对所述目标区域的点云数据进行障碍物识别，还包括：

判断所述目标区域内是否存在第二对象，其中，所述第二对象为设定类别的障碍物；

响应于所述目标区域内存在所述第二对象，基于所述设定类别和模板渲染结果之间的对应关系，得到所述设定类别对应的模板渲染结果，并将所述设定类别对应的模板渲染结果确定为所述第二对象的渲染结果，其中，不同的设定类别对应不同的模板渲染结果，所述设定类别和模板渲染结果之间的对应关系预先设置；

控制在所述车载设备上显示所述第二对象的渲染结果。

2.根据权利要求1所述的方法，其特征在于，所述控制在车载设备上显示所述第一对象的渲染结果之前，还包括：

基于所述第一对象的点云数据，得到所述第一对象的风险得分；

识别所述风险得分大于或者等于第一设定阈值。

3.根据权利要求2所述的方法，其特征在于，所述基于所述第一对象的点云数据，得到所述第一对象的风险得分，包括：

基于车辆的驾驶场景和所述第一对象的点云数据，得到所述风险得分。

4.根据权利要求2所述的方法，其特征在于，还包括：

识别所述风险得分大于或者等于第二设定阈值，生成预警信息，其中，所述预警信息用于提醒所述第一对象异常。

5.一种车辆的控制装置，其特征在于，包括：

获取模块，被配置为执行获取原始区域的点云数据，基于车辆的驾驶场景，确定目标区域，并从所述原始区域的点云数据中提取出所述目标区域的点云数据，所述原始区域的点云数据是采集设备直接输出的点云数据；

识别模块，被配置为执行对所述目标区域的点云数据进行障碍物识别，判断所述目标区域内是否存在第一对象，其中，所述第一对象为非设定类别的障碍物；

渲染模块，被配置为执行响应于所述目标区域内存在所述第一对象，从所述目标区域的点云数据中提取出第一对象的点云数据，对所述第一对象的点云数据进行渲染，得到所述第一对象的渲染结果；

显示模块，被配置为执行控制在车载设备上显示所述第一对象的渲染结果；

所述获取模块，还被配置为执行：基于所述驾驶场景，确定所述目标区域相对于所述车辆的相对位置，和/或所述目标区域的尺寸；基于所述相对位置和/或所述目标区域的尺寸，确定所述目标区域；

所述显示模块，还被配置为执行：对所述目标区域的点云数据进行障碍物识别，判断所述目标区域内是否存在第二对象，其中，所述第二对象为设定类别的障碍物；响应于所述目标区域内存在所述第二对象，基于所述设定类别和模板渲染结果之间的对应关系，得到所述设定类别对应的模板渲染结果，并将所述设定类别对应的模板渲染结果确定为所述第二对象的渲染结果，其中，不同的设定类别对应不同的模板渲染结果，所述设定类别和模板渲染结果之间的对应关系预先设置；控制在所述车载设备上显示所述第二对象的渲染结果。

6.一种车辆，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1-4中任一项所述方法的步骤。

7.一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1-4中任一项所述方法的步骤。