CN116681932A - 一种对象识别方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明公开了一种对象识别方法、装置、电子设备及存储介质，涉及点云数据处理领域，其中，该方法包括：确定目标道路区域对应的目标点云数据组；根据点云深度信息将目标点云数据组划分为至少两个道路子区域对应的待处理点云数据群；针对各道路子区域对应的待处理点云数据群，基于相应的点云分割方式，将待处理点云数据群中的待处理点云数据分割为至少一个待处理点云数据簇；针对每个待处理点云数据簇，从待匹配点云数据簇中确定与待处理点云数据簇相匹配的目标点云数据簇，将目标点云数据簇对应的识别对象，确定为与待处理点云数据簇相对应的目标识别对象。实现了在不额外增加硬件设备的前提下，根据点云数据即可快速准确的实现对象识别的效果。

Description

一种对象识别方法、装置、电子设备及存储介质

技术领域

本发明涉及点云数据处理技术领域，尤其涉及一种对象识别方法、装置、电子设备及存储介质。

背景技术

在自动驾驶领域，需要对行驶道路周边区域进行三维重建，以根据重建结果为自动驾驶车辆提供道路信息。

而在实际应用中，为了对行驶道路区域进行准确的三维重建，需要根据与行驶道路区域相对应的点云数据进行准确的识别对象的匹配。目前，根据点云数据进行对象识别时通常需要额外增加相机传感器，以实现根据点云数据进行准确的对象识别，但是这样的对象识别方式将会增加硬件成本。或者，还可以采用深度学习的方法对点云数据进行对象识别，但是这样的对象识别方式的耗时较长，且需要大量的点云训练数据。

为了解决上述问题，需要对基于点云数据的对象识别方式进行改进。

发明内容

本发明提供了一种对象识别方法、装置、电子设备及存储介质，以解决现有技术中在根据点云数据进行对象识别时需要结合成像设备，增加了硬件成本的问题，或者是基于深度学习方法对点云数据进行对象识别时，需要采集大量的点云训练样本，且对象识别耗时较长的问题。

第一方面，本发明实施例提供了一种对象识别方法，包括：

确定目标道路区域对应的目标点云数据组；

根据点云深度信息将所述目标点云数据组划分为至少两个道路子区域对应的待处理点云数据群；

针对每个道路子区域对应的所述待处理点云数据群，基于与所述道路子区域对应的点云分割方式，将所述待处理点云数据群中的待处理点云数据分割为至少一个待处理点云数据簇；

针对每个所述待处理点云数据簇，从至少一个待匹配点云数据簇中确定与所述待处理点云数据簇相匹配的目标点云数据簇，将所述目标点云数据簇对应的识别对象，确定为与所述待处理点云数据簇相对应的目标识别对象。

第二方面，本发明实施例还提供了一种对象识别装置，包括：

点云数据组确定模块，用于确定目标道路区域对应的目标点云数据组；

点云数据群确定模块，用于根据点云深度信息将所述目标点云数据组划分为至少两个道路子区域对应的待处理点云数据群；

点云数据簇确定模块，用于针对每个道路子区域对应的所述待处理点云数据群，基于与所述道路子区域对应的点云分割方式，将所述待处理点云数据群中的待处理点云数据分割为至少一个待处理点云数据簇；

对象识别模块，用于针对每个所述待处理点云数据簇，从至少一个待匹配点云数据簇中确定与所述待处理点云数据簇相匹配的目标点云数据簇，将所述目标点云数据簇对应的识别对象，确定为与所述待处理点云数据簇相对应的目标识别对象。

第三方面，本发明实施例还提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的对象识别方法。

第四方面，本发明实施例还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存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的对象识别方法。

本发明实施例的技术方案，通过确定目标道路区域对应的目标点云数据组；根据点云深度信息将目标点云数据组划分为至少两个道路子区域对应的待处理点云数据群；针对每个道路子区域对应的待处理点云数据群，基于与道路子区域对应的点云分割方式，将待处理点云数据群中的待处理点云数据分割为至少一个待处理点云数据簇；针对每个待处理点云数据簇，从至少一个待匹配点云数据簇中确定与待处理点云数据簇相匹配的目标点云数据簇，将目标点云数据簇对应的识别对象，确定为与待处理点云数据簇相对应的目标识别对象。解决了现有技术中在根据点云数据进行对象识别时需要结合成像设备，增加了硬件成本的问题，或者是基于深度学习方法对点云数据进行对象识别时，需要采集大量的点云训练样本，且对象识别耗时较长的问题，实现了在不额外增加硬件设备的前提下，根据点云数据即可快速准确的实现对象识别的效果。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，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是根据本发明实施例一提供的一种对象识别方法的流程图；

图2是本发明实施例一提供的一种基于点云图像处理方式对点云数据进行处理的处理结果示意图；

图3是根据本发明实施例一提供的一种对象识别方法的流程图；

图4是根据本发明实施例二提供的一种对象识别方法的流程图；

图5是根据本发明实施例二提供的一种对地面点云数据进行点云分割的流程图；

图6是根据本发明实施例二提供的一种基于点云位置信息对地面点云数据进行点云分割的示意图；

图7是根据本发明实施例二提供的一种对非地面点云数据进行点云分割的流程图；

图8是根据本发明实施例三提供的一种对象识别装置的结构示意图；

图9是实现本发明实施例的对象识别方法的电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。

需要说明的是，本发明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，以便这里描述的本发明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。

实施例一

图1为本发明实施例一提供了一种对象识别方法的流程图，本实施例可适用于在获取与道路区域相对应的点云数据后，在不增加摄像设备等硬件设备的前提下基于点云数据对道路区域中的静态识别对象进行快速准确的对象识别的情况，该方法可以由对象识别装置来执行，该对象识别装置可以采用硬件和/或软件的形式实现，该对象识别装置可配置于可执行对象识别方法的计算设备中。

如图1所示，该方法包括：

S110、确定目标道路区域对应的目标点云数据组。

其中，目标道路区域是指进行点云数据采集的行驶道路区域以及与该行驶道路区域相邻的周边环境区域，在本技术方案中，目标道路区域可以是预先指定的道路区域，也可以是基于点云采集设备进行实时点云数据采集的道路区域。目标点云数据组可以理解为与目标道路区域内的静态识别对象相对应的点云数据集合，且目标点云数据组中的点云数据是经过点云去畸变处理和/或点云图像投影处理方式进行处理后的点云数据。可以理解的是，在目标点云数据组中包括大量的与目标道路区域相对应的点云数据。

可选的，确定目标道路区域对应的目标点云数据组，包括：基于激光雷达设备对目标道路区域进行扫描，得到与目标道路区域相对应的原始点云数据组；根据原始点云数据组中的原始点云数据对应的点云位置变化信息，从原始点云数据中提取出待使用点云数据，获得待使用点云数据组；基于至少一种数据处理方式，对待使用点云数据组中的待使用点云数据进行处理，得到目标点云数据组。

其中，原始点云数据组可以理解为基于激光雷达设备直接对目标道路区域进行扫描得到的点云数据所构成的点云数据集合，或者说，原始点云数据组中包括与目标道路区域相对应的未经过处理的点云数据。

需要说明的是，在目标道路区域中包括静态识别对象和/或动态识别对象，例如，静态识别对象包括道路路面、交通设备、地面上的障碍物等，例如，地面上的障碍物可以为树叶、易拉罐或路障设备等。动态识别对象是指可移动的识别对象，如，目标道路区域内的行人、动物和正在行驶的车辆等。在本技术方案中主要针对目标道路区域内的静态识别对象的点云数据进行处理，因此，在获取与目标道路区域相对应的原始点云数据组后，需要从原始点云数据组中确定与静态识别对象相对应的原始点云数据。

具体的，在基于激光雷达设备采集原始点云数据时，通常需要对目标道路区域进行实时采集或多次采集。而对于静态识别对象所对应的原始点云数据来说，同一静态识别对象在不同点云采集时刻所对应的原始点云数据的点云位置变化较小。因此，可以根据点云数据的点云位置变化信息从与目标道路区域相对应的原始点云数据组中确定与静态识别对象相对应的点云数据，即，待使用点云数据。相应的，由目标道路区域内的各静态识别对象所对应的待使用点云数据所构成的点云数据集合为待使用点云数据组。其中，至少一种数据处理方式包括点云去畸变处理方式和/或点云图像投影处理方式。

具体的，基于激光雷达设备对目标道路区域进行扫描，可以得到与目标道路区域内的至少一个识别对象相对应的原始点云数据组，其中，目标道路区域内的识别对象包括静态识别对向和/或动态识别对象，在原始点云数据组中包括与静态识别对象相对应的原始点云数据和/或与动态识别对象相对应的原始点云数据。

进一步的，为了确定目标道路区域内的静态识别对象对应的原始点云数据，即，待使用点云数据，可选的，根据原始点云数据组中的待处理点云数据对应的点云位置变化信息，从待处理点云数据中提取出待使用点云数据，包括：针对原始点云数据组中的原始点云数据，确定当前原始点云数据在相连续的至少两个点云采集时刻下的点云位置信息；根据至少两个点云位置信息确定与当前原始点云数据相对应的点云位置变化信息；若点云位置变化信息小于预设点云位置变化信息，则确定当前原始点云数据为待使用点云数据。在此基础上，获得待使用点云数据组后，基于点云去畸变处理方式和点云图像投影处理方式对待使用点云数据组中得到待使用点云数据进行点云处理，得到目标点云数据组。

在实际应用中，可以将激光雷达设备安装于车辆中，在车辆的行驶过程中对目标道路区域中的识别对象进行扫描。但在此过程中，由于车辆处于运动中，导致基于激光雷达设备扫描的点云数据存在运动畸变，因此，在从与目标道路区域相对应的原始点云数据组中提取待使用点云数据组后，需要对待使用点云数据组中的待使用点云数据进行去畸变处理。具体的，利用车辆的车身轮速传感器确定车辆畸变的平移分量，并利用惯导传感器测量数据积分计算运动畸变的旋转分量，以将每帧点云数据中的待使用点云数据组转换至雷达坐标系下进行点云去畸变处理。

进一步的，由于激光雷达设备在对目标道路区域扫描时，可以通过旋转扫描的方式尽可能地扩大扫描范围，但是在此过程中，基于激光雷达设备采集得到的原始点云数据组中的原始点云数据呈现为球形，将球形的原始点云数据投影在圆柱体上后，将圆柱体表面展开为一个平面。示例性地，根据激光雷达自身扫描属性，即，分辨率和激光线束，将二维平面分成m行n列网格，其中，m＝线束的行数，n＝360°/分辨率。

具体的，如图2所示，每一个点云数据的行号对应激光线束的编号，且大于0；每一个点云数据的列号对应激光线束在扫描过程中的扫描位置，如，扫描区域包括1000个点，则在扫描过程中，基于激光线束扫描的点云数据的列号即为1-1000。进一步的，根据每个点云数据的行号和列号可以得到相应的点云数据在深度图上的属性，可以理解的是，在深度图中包括与点云数据相对应的点云深度信息。

基于上述操作，可以将与目标道路区域中的静态识别对象相对应的待使用点云数据组处理为目标点云数据组。

S120、根据点云深度信息将目标点云数据组划分为至少两个道路子区域对应的待处理点云数据群。

在本技术方案中，为了更加准确的对目标道路区域中的识别对象所对应的点云数据进行处理，以更加准确的对识别对象进行匹配可以将目标道路区域划分为至少两个道路子区域，如，将目标道路区域划分为地面道路子区域和地上道路子区域。其中，根据目标点云数据组中的目标点云数据的点云深度信息可以将目标点云数据组划分为至少两个待处理点云数据群，每个待处理点云数据群包含与同一道理子区域相对应的目标点云数据。

所谓地面道路子区域包括目标道路区域内的道路标志线，如，斑马线、车道线或者停车线等，也就是说，地面道路子区域是指目标道路区域内与地面高度持平或低于预设高度阈值的区域。所谓地上道路子区域是指高于地面或高于预设高度阈值的区域，如，地面上的交通护栏、道路路沿、交通亭或障碍物等。其中，预设高度阈值是指根据点云深度信息设置的深度阈值。

在实际应用中，如图3所示，在基于激光雷达设备对目标道路区域进行扫描，得到原始点云数据组后，从原始点云数据组中提取与目标道路区域相对应的静态识别对象所对应的待使用点云数据组。进一步的，对待使用点云数据组中的待使用点云数据进行点云去畸变处理方式和距离图像投影方式(即，点云图像投影处理方式)将目标道路区域划分为至少两个道路子区域。具体的，由于不同的道路子区域所对应的点云数据的点云深度信息不同，为了区分目标道路区域中不同的道路子区域，可以根据点云深度信息对目标点云数据组中的点云数据进行划分。并从目标点云数据组中提取与地面点相对应的待处理点云数据群(即，与地面道路子区域相对应的待处理点云数据群)；同时，从目标点云数据组中提取与非地面点相对应的待处理点云数据群(即，与地上道路子区域相对应的待处理点云数据群)。进一步的，对待处理点云数据群进行进一步的点云分割，得到至少一个待处理点云数据簇，以根据待处理点云数据簇所对应的识别对象进行对象匹配和对象识别。

S130、针对每个道路子区域对应的待处理点云数据群，基于与道路子区域对应的点云分割方式，将待处理点云数据群中的待处理点云数据分割为至少一个待处理点云数据簇。

其中，对于不同道路子区域对应的待处理点云数据群，在本技术方案中进行点云分割的方式是不同的，如，对地面道路子区域进行点云分割时的点云分割方式为根据点云深度信息进行分割，对地上道路子区域进行点云分割时的点云分割方式为根据点云数量进行分割。

需要说明的是，在每个待处理点云数据群中，包括与至少一个识别对象相对应的待处理点云数据簇，例如，与地上道路子区域相对应的待处理点云数据群中，包括与至少一个识别对象相对应的点云数据簇，在本技术方案中，将待处理点云数据群中与同一识别对象相对应的点云数据作为一个待处理点云数据簇。

S140、针对每个待处理点云数据簇，从至少一个待匹配点云数据簇中确定与待处理点云数据簇相匹配的目标点云数据簇，将目标点云数据簇对应的识别对象，确定为与待处理点云数据簇相对应的目标识别对象。

为了确定待处理点云数据簇所对应的识别对象，在本技术方案中预先建立点云数据存储库，用于存储与至少一个识别对象相对应的点云数据簇。其中，待匹配点云数据簇是指预先建立的点云数据存储库中的点云数据簇。目标点云数据簇是指待匹配点云数据簇中与待比对的待处理点云数据簇匹配结果一致的点云数据簇。在本技术方案中，识别对象主要是指目标道路区域内的静态识别对象，当然，还包括其他区域的静态识别对象，如，房屋等。目标识别对象可以理解为与目标点云数据簇相对应的识别对象，例如，目标点云数据簇所对应的识别对象为道路中的路障设备，则基于目标识别对象为路障设备，相应的，可以确定与目标点云数据簇相匹配的待处理点云数据簇对应于目标识别对象，即，与待处理点云数据簇相对应的目标识别对象为所述路障设备。

示例性地，点云数据存储库中包括待匹配点云数据簇1、待匹配点云数据簇2，……，待匹配点云数据簇N，在对待处理点云数据簇进行匹配时，确定待匹配点云数据簇2与待处理点云数据簇相一致，则将待匹配点云数据簇2作为与待处理点云数据簇相对应的目标点云数据簇，进而根据目标点云数据簇可以确定与待处理点云数据簇相对应的目标识别对象。

本发明实施例的技术方案，通过确定目标道路区域对应的目标点云数据组，基于激光雷达设备对目标道路区域进行扫描，得到与目标道路区域相对应的原始点云数据组，并根据原始点云数据组中的原始点云数据的点云位置变化信息，从原始点云数据组中提取与静态识别对象相对应的待使用点云数据组，进而，基于点云去畸变处理方式和/或点云图像投影处理方式对待使用点云数据组中的待使用点云数据进行处理，得到目标点云数据组。其中，在目标道路区域中包括静态识别对象和/或动态识别对象。在此基础上，为了更加准确的对目标道路区域内的静态识别对象进行匹配识别，根据点云深度信息将所述目标点云数据组划分为至少两个道路子区域对应的待处理点云数据群，具体而言，获取待使用点云数据组中各待使用点云数据在雷达坐标系下的点云深度信息，以根据点云深度信息确定待使用点云数据在车辆坐标系下的待确定高度，以根据待确定高度和预先设置的高度阈值，将目标点云数据组划分为至少两个道路子区域所对应的待处理点云数据群，如，与地面道路子区域对应的待处理点云数据群和与地上待处理点云数据群相对应的待处理点云数据群。进一步的，针对每个道路子区域对应的所述待处理点云数据群，基于与所述道路子区域对应的点云分割方式，将所述待处理点云数据群中的待处理点云数据分割为至少一个待处理点云数据簇，在本技术方案中，对地面道路子区域所对应的待处理点云数据群进行点云分割时，主要依据点云属性信息，如，点云反射强度，在对地上道路子区域所对应的待处理点云数据群进行点云分割时，主要是依据点云数量和点云分布信息进行点云分割。这样设置的好处在于，对不同道路子区域相对应的待处理点云数据群采用不同的点云分割方式可以更加准确的对待处理点云数据群进行点云分割，得到相应的待处理点云数据簇，以根据待处理点云数据簇更加准确的进行识别对象的匹配。针对每个所述待处理点云数据簇，从至少一个待匹配点云数据簇中确定与所述待处理点云数据簇相匹配的目标点云数据簇，将所述目标点云数据簇对应的识别对象，确定为与所述待处理点云数据簇相对应的目标识别对象，也就是说，在得到与各识别对象相对应的待处理点云数据簇后，从至少一个待匹配点云数据簇中确定与待处理点云数据簇相对应的目标点云数据簇，以根据目标点云数据簇对应的识别对象，确定与待处理点云数据簇相对应的目标识别对象。解决了现有技术中在根据点云数据进行对象识别时需要结合成像设备，增加了硬件成本的问题，或者是基于深度学习方法对点云数据进行对象识别时，需要采集大量的点云训练样本，且对象识别耗时较长的问题，实现了在不额外增加硬件设备的前提下，根据点云数据即可快速准确的实现对象识别的效果。

实施例二

图4为本发明实施例二提供的一种对象识别方法的流程图，可选的，对根据点云深度信息将目标点云数据组划分为至少两个道路子区域对应的待处理点云数据群进行细化。

如图4所示，该方法包括：

S210、确定目标道路区域对应的目标点云数据组。

S220、分别提取目标点云数据组中的至少一个目标点云数据所对应的点云深度信息。

具体的，以其中一个目标点云数据为例，在对于目标点云数据相对应的待使用点云数据进行处理时，基于点云去畸变处理方式和点云图像投影方式对相应的待使用点云数据进行投影处理后，可以得到目标点云数据，同时，通过点云图像投影的方式可以确定待使用点云数据在平面坐标系下的坐标位置，并将该点在雷达坐标系下与坐标系圆心之间的欧式距离作为与目标点云数据相对应的点云深度信息。

S230、针对各目标点云数据的点云深度信息，确定当前点云数据在目标道路区域内所对应的待确定高度。

其中，点云深度信息是指点云数据在雷达坐标系下的深度信息，在将点云数据从雷达坐标系转换至车辆坐标系下后，可以确定点云数据在车辆坐标系下所对应的高度信息，即，点云数据在车辆坐标系下的待确定高度。其中，所述车辆坐标系以车辆的后轴中心为圆心，y轴是指沿车辆的行驶方向的轴线，x轴是指沿垂直于车辆行驶方向的轴线，z轴是指垂直于x轴和y轴，且穿过圆心的轴线。

S240、基于待确定高度和高度阈值，确定当前点云数据对应的道路子区域，并将当前点云数据划分至与道路子区域相对应的待处理点云数据群。

其中，高度阈值可以理解为用于对目标道路区域进行子区域划分的高度值。

示例性地，以目标道路区域包括地面道路子区域和地上道路子区域这两个道路子区域为例，设置目标道路区域中的地面高度为初始高度，并设定高度阈值为1cm。在获取与目标道路区域相对应的原始点云数据组，并从原始点云数据组中得到与目标道路区域中的静态识别对象相对应的目标点云数据组后，确定目标点云数据组中的点云数据在车辆坐标系下的待确定高度，若待确定高度大于等于1cm，则可以将相应的点云数据划分至与地上道路区域相对应的待处理点云数据群中；反之，若待确定高度小于1cm，则可以将相应的点云数据划分值与地面道路子区域相对应的待处理点云数据群中。

具体而言，可以将目标点云数据组中的点云数据从雷达坐标系转换至车辆坐标系中，进而根据点云数据在雷达坐标系中的点云深度信息，可以确定相应的点云数据在车辆坐标系中的待确定高度，并将高于高度阈值的点云数据划分为与地上道路子区域相对应的待处理点云数据群中，将低于高度阈值的点云数据划分为与地面道路子区域相对应的待处理点云数据群中。也就是说，基于点云深度信息可以将目标点云数据组划分为与至少两个道路子区域相对应的待处理点云数据群。

S250、针对每个道路子区域对应的待处理点云数据群，基于与道路子区域对应的点云分割方式，将待处理点云数据群中的待处理点云数据分割为至少一个待处理点云数据簇。

在实际应用中，基于与道路子区域对应的点云分割方式，将待处理点云数据群中的待处理点云数据分割为至少一个待处理点云数据簇，包括：若道路子区域为地面道路子区域，则根据待处理点云数据群中的待处理点云数据对应的点云属性信息，将待处理点云数据群中的待处理点云数据分割为至少一个待处理点云数据簇。

其中，点云属性信息可以理解为与点云数据中包含的特性信息，如，点云属性信息可以包括颜色信息、深度信息以及点云反射强度信息等。待处理点云数据簇是指在与同一个道路子区域对应的待处理点云数据群，与同一个识别对象相对应的点云数据集合。

在本技术方案中，对地面道路子区域所对应的待处理点云数据群的点云分割方式和对地上道路子区域所对应的待处理点云数据群的点云分割方式是不同的。可选的，点云属性信息包括点云反射强度；根据待处理点云数据群中的待处理点云数据对应的点云属性信息，将待处理点云数据群中的待处理点云数据分割为至少一个待处理点云数据簇，包括：针对待处理点云数据群中的待处理点云数据，确定与当前待处理点云数据相对应的点云反射强度；根据点云反射强度，将待处理点云数据群中的待处理点云数据分割为至少一个待处理点云数据簇。

其中，同一待处理点云数据簇中的多个待处理点云数据对应于同一点云反射强度。

具体的，在对地面道路子区域对应的待处理点云数据群进行处理时，需要获取待处理点云数据群中的与点云数据相对应的点云属性信息，如，点云反射强度，进而根据点云属性信息对待处理点云数据群中的待处理点云数据进行分割，得到至少一个待处理点云数据簇。例如，在待处理点云数据群中包括与识别对象1、识别对象2和识别对象3相对应的待处理点云数据簇，由于各识别对象的材质、颜色以及物料密度的属性信息的不同，与各识别对象相对应的点云属性信息也是不同的，如，各识别对象所对应的点云反射强度不同。基于此，以其中一个待处理点云数据为当前待处理点云数据为例，根据各识别对象所对应的点云反射强度预先设置相应的反射强度阈值，在确定与当前待处理点云数据相对应的点云反射强度后，根据预先设置的至少一个反射强度阈值确定当前待处理点云数据的点云反射强度所对应的反射强度区间，进而确定当前待处理点云数据所对应的待处理点云数据簇。

示例性地，将地面道路子区域中的识别对象所对应的点云数据分为两大类，即，点云反射强度较大的待处理点云数据簇1和点云反射强度较小的待处理点云数据簇2。例如，如图5所示，地面道路子区域中包括车道线和普通道路，其中，车道线为白色或者黄色，而普通道路通常为黑色，因此，车道线和普通道路所对应的待处理点云数据的点云反射强度是不同的，将与车道线相对应的待处理点云数据簇设定为待处理点云数据簇1，将与普通道路相对应的待处理点云数据簇设定为待处理点云数据簇2。通过将待处理点云数据所对应的点云反射强度与预设的反射强度阈值进行比对，当点云反射强度大于反射强度阈值时，确定待处理点云数据属于待处理点云数据簇1，即，当点云反射强度小于反射强度阈值时，确定待处理点云数据属于待处理点云数据簇2。

在上述实施例的基础上，进一步的，从至少一个待匹配点云数据簇中确定与待处理点云数据簇相匹配的目标点云数据簇，包括：根据待处理点云数簇中至少部分待处理点云数据的点云位置信息，确定待处理点云数据簇所对应的待确定形状；从预设点云形状数据库中的至少一个待匹配点云数据簇中，确定与待确定形状相匹配的目标点云数据簇。

其中，点云位置信息是指根据待处理点云数据在车辆坐标系中所对应的坐标信息。可以理解的是，每个待处理点云数据簇对应一个识别对象，根据待处理点云数据簇以及对应的点云位置信息可以形成与识别对象相对应的形状，即，待确定形状。

在实际应用中，在对地面道路子区域对应的待处理点云数据群进行点云分割时，基于点云属性信息可以初步将点云数据划分至相应的待处理点云数据簇中。为了进一步确定与待处理点云数据簇相对应的目标点云数据簇，以基于目标点云数据簇确定与待处理点云数据簇相对应的识别对象，在上述实施例的技术上，根据待处理点云数据簇中各待处理点云数据所对应的点云位置信息，可以确定待处理点云数据簇所对应的待确定形状，进而根据待确定形状，将与待处理点云数据簇的点云属性信息和点云形状均匹配的待匹配点云数据簇作为目标点云数据簇，进而，根据目标点云数据簇所对应的识别对象可以确定与待处理点云数据簇相对应的目标识别对象。

示例性地，如图6所示，根据地面道路子区域中的人行横道或车道线所对应的点云属性信息(反射强度)与普通路面所对应的点云属性信息不同，基于点云属性信息可以将与地面道路子区域相对应的待处理点云数据群进行初步分割，得到与车道线或人行横道相对应的待处理点云数据簇1，以及与普通路面相对应的待处理点云数据簇2。以人行横道或车道线为例，由于人行横道和车道线所对应的点云数据的点云属性信息相同，因此，在得到待处理点云数据簇1后，无法准确的确定待处理点云数据簇1所对应的识别对象，基于此，需要根据待处理点云数据簇1中的点云数据的点云位置信息进一步对待处理点云数据簇1进行对象识别。具体的，对于人行横道来说，通常人行横道的长度相较于车道线较短，根据待处理点云数据簇1中的点云位置信息可以确定待处理点云数据所构成的待确定形状，以根据待确定形状确定待处理点云数据簇1对应的识别对象为车道线还是人行横道线。

此外，地面道路子区域中还包括车辆停止线，通常来说，无论是车道线还是人行横道，其方向与车辆的行驶方向相一致，而车辆停止线则与车辆的形式方向垂直，因此，在确定待处理点云数据簇1所对应的待确定形状后，根据待确定形状与车辆之间的角度信息，可以准确的确定待处理点云数据簇1对应的目标识别对象为车道线、人行横道或是车辆停止线。

可选的，若道路子区域为地上道路子区域，则根据待处理点云数据群中的待确定点云数量和点云分布信息，将待处理点云数据群分割为至少一个待处理点云数据簇。

待确定点云数量可以理解为与同一道路子区域相对应的待处理点云数据群中，与同一识别对象相对应的点云数据的数量。点云分布信息可以理解为待处理点云数据群中的点云数据的点云位置信息。

示例性地，一般来说，与同一识别对象相对应的点云数据分布较为集中，而不同的识别对象之间的点云分布较为疏散或存在一定的距离，因此，根据点云分布信息可以将待处理点云数据群中的点云数据大致分为几个点云数据簇，同时，结合每个点云数据簇中的点云数据的待确定点云数量，可以将待处理点云数据群分割为至少一个待处理点云数据簇。

具体的，如图7所示，在对非地面点云(即，地上道路子区域相对应的待处理点云数据群)进行点云分割时，可以使用广度优先算法(Breadth-First-Search，BFS)对待处理点云数据群中的点云数据进行标记，以判断各点云数据是否为有用的点云分割点，若当前点云数据所在的平面存在有用分割点，则根据点云数量和点云分布情况(即，点云分布信息)对待处理点云数据群进行点云分割处理。进一步的，如果当前点云数据所在平面存在超过阈值(即，数量阈值)的有用分割点，则确定其为有用聚类，或者将小于阈值大于5但竖直方向超过三个有用分割点则可以确定为可用聚类，则可用聚类的标签累加1，进一步的，根据待处理点云数据簇所对应的待确定点云数量和点云分布信息可以确定与待处理点云数据簇相对应的目标识别对象。

其中，在基于BFA算法对待处理点云数据群进行分割处理时，以(row，col)为中心向外面扩散，判断(row,col)是否属于平面中一点，遍历它前后左右的4个点，分别进行对比，如果相对角度大于60°，则标记此点为有用的分割点。由于小物体(例如树叶)可能会形成微不足道且不可靠的特征，所在平面有用分割点的个数会小于阈值1；对于易拉罐这种稍微大一些物体，所在平面有用分割点的个数会小于阈值2，并且竖直方向有用分割点的个数也小于阈值3；对于路灯杆这种更大一点的物体，竖直方向有用分割点的个数大于阈值3，所在平面有用分割点的个数大于阈值2；对于像墙这种范围较大的平面，该平面有用分割点会更多。基于此，根据所在平面有用分割点的数量、水平方向有用分割点的数量和竖直方向有用分割点的个数，可以将非地面点分割为不同点云簇(即，待处理点云数据簇)。

S260、针对每个待处理点云数据簇，从至少一个待匹配点云数据簇中确定与待处理点云数据簇相匹配的目标点云数据簇，将目标点云数据簇对应的识别对象，确定为与待处理点云数据簇相对应的目标识别对象。

本发明实施例的技术方案，通过确定目标道路区域对应的目标点云数据组，基于激光雷达设备对目标道路区域进行扫描，得到与目标道路区域相对应的原始点云数据组，并根据原始点云数据组中的原始点云数据的点云位置变化信息，从原始点云数据组中提取与静态识别对象相对应的待使用点云数据组，进而，基于点云去畸变处理方式和/或点云图像投影处理方式对待使用点云数据组中的待使用点云数据进行处理，得到目标点云数据组。其中，在目标道路区域中包括静态识别对象和/或动态识别对象。在此基础上，为了更加准确的对目标道路区域内的静态识别对象进行匹配识别，根据点云深度信息将所述目标点云数据组划分为至少两个道路子区域对应的待处理点云数据群，具体而言，获取待使用点云数据组中各待使用点云数据在雷达坐标系下的点云深度信息，以根据点云深度信息确定待使用点云数据在车辆坐标系下的待确定高度，以根据待确定高度和预先设置的高度阈值，将目标点云数据组划分为至少两个道路子区域所对应的待处理点云数据群，如，与地面道路子区域对应的待处理点云数据群和与地上待处理点云数据群相对应的待处理点云数据群。进一步的，针对每个道路子区域对应的所述待处理点云数据群，基于与所述道路子区域对应的点云分割方式，将所述待处理点云数据群中的待处理点云数据分割为至少一个待处理点云数据簇，在本技术方案中，对地面道路子区域所对应的待处理点云数据群进行点云分割时，主要依据点云属性信息，如，点云反射强度，在对地上道路子区域所对应的待处理点云数据群进行点云分割时，主要是依据点云数量和点云分布信息进行点云分割。这样设置的好处在于，对不同道路子区域相对应的待处理点云数据群采用不同的点云分割方式可以更加准确的对待处理点云数据群进行点云分割，得到相应的待处理点云数据簇，以根据待处理点云数据簇更加准确的进行识别对象的匹配。针对每个所述待处理点云数据簇，从至少一个待匹配点云数据簇中确定与所述待处理点云数据簇相匹配的目标点云数据簇，将所述目标点云数据簇对应的识别对象，确定为与所述待处理点云数据簇相对应的目标识别对象，也就是说，在得到与各识别对象相对应的待处理点云数据簇后，从至少一个待匹配点云数据簇中确定与待处理点云数据簇相对应的目标点云数据簇，以根据目标点云数据簇对应的识别对象，确定与待处理点云数据簇相对应的目标识别对象。解决了现有技术中在根据点云数据进行对象识别时需要结合成像设备，增加了硬件成本的问题，或者是基于深度学习方法对点云数据进行对象识别时，需要采集大量的点云训练样本，且对象识别耗时较长的问题，实现了在不额外增加硬件设备的前提下，根据点云数据即可快速准确的实现对象识别的效果。

实施例三

图8为本发明实施例三提供的一种对象识别装置的结构示意图。如图8所示，该装置包括：点云数据组确定模块310、点云数据群确定模块320、点云数据簇确定模块330和对象识别模块340。

其中，点云数据组确定模块310，用于确定目标道路区域对应的目标点云数据组；

点云数据群确定模块320，用于根据点云深度信息将目标点云数据组划分为至少两个道路子区域对应的待处理点云数据群；

点云数据簇确定模块330，用于针对每个道路子区域对应的待处理点云数据群，基于与道路子区域对应的点云分割方式，将待处理点云数据群中的待处理点云数据分割为至少一个待处理点云数据簇；

对象识别模块340，用于针对每个待处理点云数据簇，从至少一个待匹配点云数据簇中确定与待处理点云数据簇相匹配的目标点云数据簇，将目标点云数据簇对应的识别对象，确定为与待处理点云数据簇相对应的目标识别对象。

本发明实施例的技术方案，通过确定目标道路区域对应的目标点云数据组；根据点云深度信息将目标点云数据组划分为至少两个道路子区域对应的待处理点云数据群；针对每个道路子区域对应的待处理点云数据群，基于与道路子区域对应的点云分割方式，将待处理点云数据群中的待处理点云数据分割为至少一个待处理点云数据簇；针对每个待处理点云数据簇，从至少一个待匹配点云数据簇中确定与待处理点云数据簇相匹配的目标点云数据簇，将目标点云数据簇对应的识别对象，确定为与待处理点云数据簇相对应的目标识别对象。解决了现有技术中在根据点云数据进行对象识别时需要结合成像设备，增加了硬件成本的问题，或者是基于深度学习方法对点云数据进行对象识别时，需要采集大量的点云训练样本，且对象识别耗时较长的问题，实现了在不额外增加硬件设备的前提下，根据点云数据即可快速准确的实现对象识别的效果。

可选的，点云数据组确定模块包括：原始点云数据组获取子模块，用于基于激光雷达设备对目标道路区域进行扫描，得到与目标道路区域相对应的原始点云数据组；

待使用点云数据组确定子模块，用于根据原始点云数据组中的原始点云数据对应的点云位置变化信息，从原始点云数据中提取出待使用点云数据，获得待使用点云数据组；

目标点云数据组确定子模块，用于基于至少一种数据处理方式，对待使用点云数据组中的待使用点云数据进行处理，得到目标点云数据组；其中，至少一种数据处理方式包括点云去畸变处理方式和/或点云图像投影处理方式。

可选的，待使用点云数据组确定子模块包括：点云位置信息确定单元，用于针对原始点云数据组中的原始点云数据，确定当前原始点云数据在相连续的至少两个点云采集时刻下的点云位置信息；

位置变化信息确定单元，用于根据至少两个点云位置信息确定与当前原始点云数据相对应的点云位置变化信息；

待使用点云数据确定单元，用于若点云位置变化信息小于预设点云位置变化信息，则确定当前原始点云数据为待使用点云数据。

可选的，点云数据群确定模块包括：点云深度信息确定子模块，用于分别提取目标点云数据组中的至少一个目标点云数据所对应的点云深度信息；

待确定高度确定子模块，用于针对各目标点云数据的点云深度信息，确定当前点云数据在目标道路区域内所对应的待确定高度；

点云数据群确定子模块，用于基于待确定高度和高度阈值，确定当前点云数据对应的道路子区域，并将当前点云数据划分至与道路子区域相对应的待处理点云数据群。

可选的，点云数据簇确定模块包括：第一点云数据簇确定子模块，用于若道路子区域为地面道路子区域，则根据待处理点云数据群中的待处理点云数据对应的点云属性信息，将待处理点云数据群中的待处理点云数据分割为至少一个待处理点云数据簇；

第二点云数据簇确定子模块，用于若道路子区域为地上道路子区域，则根据待处理点云数据群中的待确定点云数量和点云分布信息，将待处理点云数据群分割为至少一个待处理点云数据簇。

可选的，第一点云数据簇确定子模块包括：反射强度确定单元，用于针对待处理点云数据群中的待处理点云数据，确定与当前待处理点云数据相对应的点云反射强度；

第一点云数据簇确定单元，用于根据点云反射强度，将待处理点云数据群中的待处理点云数据分割为至少一个待处理点云数据簇；其中，同一待处理点云数据簇中的多个待处理点云数据对应于同一点云反射强度。

可选的，和对象识别模块包括：形状确定子模块，用于根据待处理点云数簇中至少部分待处理点云数据的点云位置信息，确定待处理点云数据簇所对应的待确定形状；

目标点云数据簇确定子模块，用于从预设点云形状数据库中的至少一个待匹配点云数据簇中，确定与待确定形状相匹配的目标点云数据簇。

本发明实施例所提供的对象识别装置可执行本发明任意实施例所提供的对象识别方法，具备执行方法相应的功能模块和有益效果。

实施例四

图9示出了本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图9所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如对象识别方法。

在一些实施例中，对象识别方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的对象识别方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行对象识别方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的对象识别方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种对象识别方法，其特征在于，包括：

确定目标道路区域对应的目标点云数据组；

根据点云深度信息将所述目标点云数据组划分为至少两个道路子区域对应的待处理点云数据群；

针对每个道路子区域对应的所述待处理点云数据群，基于与所述道路子区域对应的点云分割方式，将所述待处理点云数据群中的待处理点云数据分割为至少一个待处理点云数据簇；

针对每个所述待处理点云数据簇，从至少一个待匹配点云数据簇中确定与所述待处理点云数据簇相匹配的目标点云数据簇，将所述目标点云数据簇对应的识别对象，确定为与所述待处理点云数据簇相对应的目标识别对象。

2.根据权利要求1所述的方法，其特征在于，所述确定目标道路区域对应的目标点云数据组，包括：

基于激光雷达设备对目标道路区域进行扫描，得到与所述目标道路区域相对应的原始点云数据组；

根据所述原始点云数据组中的原始点云数据对应的点云位置变化信息，从所述原始点云数据中提取出待使用点云数据，获得待使用点云数据组；

基于至少一种数据处理方式，对所述待使用点云数据组中的所述待使用点云数据进行处理，得到目标点云数据组；其中，所述至少一种数据处理方式包括点云去畸变处理方式和/或点云图像投影处理方式。

3.根据权利要求2所述的方法，其特征在于，所述根据所述原始点云数据组中的原始点云数据对应的点云位置变化信息，从所述原始点云数据中提取出待使用点云数据，包括：

针对所述原始点云数据组中的原始点云数据，确定当前原始点云数据在相连续的至少两个点云采集时刻下的点云位置信息；

根据至少两个所述点云位置信息确定与所述当前原始点云数据相对应的点云位置变化信息；

若所述点云位置变化信息小于预设点云位置变化信息，则确定所述当前原始点云数据为待使用点云数据。

4.根据权利要求1所述的方法，其特征在于，所述根据点云深度信息将所述目标点云数据组划分为至少两个道路子区域对应的待处理点云数据群，包括：

分别提取所述目标点云数据组中的至少一个目标点云数据所对应的点云深度信息；

针对各目标点云数据的点云深度信息，确定当前点云数据在所述目标道路区域内所对应的待确定高度；

基于所述待确定高度和高度阈值，确定所述当前点云数据对应的道路子区域，并将所述当前点云数据划分至与所述道路子区域相对应的待处理点云数据群。

5.根据权利要求1所述的方法，其特征在于，所述基于与所述道路子区域对应的点云分割方式，将所述待处理点云数据群中的待处理点云数据分割为至少一个待处理点云数据簇，包括：

若所述道路子区域为地面道路子区域，则根据所述待处理点云数据群中的待处理点云数据对应的点云属性信息，将所述待处理点云数据群中的待处理点云数据分割为至少一个待处理点云数据簇；

若所述道路子区域为地上道路子区域，则根据所述待处理点云数据群中的待确定点云数量和点云分布信息，将所述待处理点云数据群分割为至少一个待处理点云数据簇。

6.根据权利要求5所述的方法，其特征在于，所述点云属性信息包括点云反射强度；所述根据所述待处理点云数据群中的待处理点云数据对应的点云属性信息，将所述待处理点云数据群中的待处理点云数据分割为至少一个待处理点云数据簇，包括：

针对所述待处理点云数据群中的待处理点云数据，确定与当前待处理点云数据相对应的点云反射强度；

根据所述点云反射强度，将所述待处理点云数据群中的待处理点云数据分割为至少一个待处理点云数据簇；其中，同一所述待处理点云数据簇中的多个待处理点云数据对应于同一点云反射强度。

7.根据权利要求1所述的方法，其特征在于，所述从至少一个待匹配点云数据簇中确定与所述待处理点云数据簇相匹配的目标点云数据簇，包括：

根据所述待处理点云数簇中至少部分所述待处理点云数据的点云位置信息，确定所述待处理点云数据簇所对应的待确定形状；

从预设点云形状数据库中的至少一个待匹配点云数据簇中，确定与所述待确定形状相匹配的目标点云数据簇。

8.一种对象识别装置，其特征在于，包括：

点云数据组确定模块，用于确定目标道路区域对应的目标点云数据组；

点云数据群确定模块，用于根据点云深度信息将所述目标点云数据组划分为至少两个道路子区域对应的待处理点云数据群；

点云数据簇确定模块，用于针对每个道路子区域对应的所述待处理点云数据群，基于与所述道路子区域对应的点云分割方式，将所述待处理点云数据群中的待处理点云数据分割为至少一个待处理点云数据簇；

对象识别模块，用于针对每个所述待处理点云数据簇，从至少一个待匹配点云数据簇中确定与所述待处理点云数据簇相匹配的目标点云数据簇，将所述目标点云数据簇对应的识别对象，确定为与所述待处理点云数据簇相对应的目标识别对象。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的对象识别方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的对象识别方法。