障碍物识别方法及装置、计算机设备及可读介质制造方法及图纸

本发明专利技术提供一种障碍物识别方法及装置、计算机设备及可读介质。其方法包括：将待识别的障碍物的点云在高度上划分为指定层数的分层；获取待识别的障碍物的点云在各分层中的各方向的最大值、最小值和所包括的点数；根据待识别的障碍物的点云在各分层中各方向的最大值、最小值和所包括的点数，生成待识别的障碍物的分层特征向量；根据预先训练的分类器模型和待识别的障碍物的分层特征向量，识别待识别的障碍物的类别。本发明专利技术的技术方案通过对待识别的障碍物的点云进行剖析，使得待识别的障碍物的分层特征向量中包含更加丰富的待识别的障碍物的信息，能够有效地提高对待识别的障碍物的识别准确度，从而能够有效地提高对待识别的障碍物的识别效率。

【技术实现步骤摘要】
障碍物识别方法及装置、计算机设备及可读介质
本专利技术涉及自动驾驶
，尤其涉及一种障碍物识别方法及装置、计算机设备及可读介质。
技术介绍
在现有的自动驾驶技术中，待识别的障碍物识别输出的信息会作为控制和策划的信息的输入，因此，对待识别的障碍物进行准确而快速的识别是一项非常关键的技术。现有技术中，通常采用摄像头和激光雷达对待识别的障碍物进行识别。其中摄像头方案可以应用在光照非常充足，环境比较稳定的场景下。但是在天气不好和道路环境混乱的情况下，摄像头方案的视觉一直都不够稳定，导致采集的待识别的障碍物的信息不准确。而激光雷达虽然非常昂贵，但是激光雷达方案识别的待识别的障碍物时非常稳定和安全。现有技术中，采用激光雷达识别待识别的障碍物时，根据激光雷达扫描待识别的障碍物所获取的待识别的障碍物的点云大小以及局部特征，来判断待识别的障碍物的类别。例如，可以根据待识别的障碍物的点云的局部特征是否为人的头像，来判断待识别的障碍物是否为人；根据待识别的障碍物的点云的局部特征是否为自行车的车头特征，来判断待识别的障碍物是否为自行车等等。但是现有技术中，激光雷达扫描的点云中待识别的障碍物的点云的局部特征通常并不是那么明显，导致对待识别的障碍物的识别准确度较差、识别效率较低。
技术实现思路
本专利技术提供了一种障碍物识别方法及装置、计算机设备及可读介质，用于提高自动驾驶中待识别的障碍物的识别准确度和识别效率。本专利技术提供一种障碍物识别方法，所述方法包括：将待识别的障碍物的点云在高度上划分为指定层数的分层；所述指定层数包括至少两层；获取所述待识别的障碍物的点云在各所述分层中的各方向的最大值、最小值和所包括的点数；根据所述待识别的障碍物的点云在各所述分层中的各方向的最大值、最小值和所包括的点数，生成所述待识别的障碍物的分层特征向量；根据预先训练的分类器模型和所述待识别的障碍物的分层特征向量，识别所述待识别的障碍物的类别。进一步可选地，在如上所述的方法中，根据所述待识别的障碍物的点云在各所述分层中的各方向的最大值、最小值和所包括的点数，生成所述待识别的障碍物的分层特征向量，具体包括：根据所述待识别的障碍物的点云在各所述分层中的各方向的最大值、最小值和所包括的点数，并参考所述待识别的障碍物的点云的质心的坐标信息和所述待识别的障碍物的点云所包括的总点数中的至少一个，生成所述待识别的障碍物的分层特征向量。进一步可选地，在如上所述的方法中，还包括：根据所述待识别的障碍物的点云的质心的坐标信息，确定所述待识别的障碍物相对于当前车辆的位置。进一步可选地，在如上所述的方法中，根据所述待识别的障碍物的点云在各所述分层中的各方向的最大值、最小值和所包括的点数，生成所述待识别的障碍物的分层特征向量，具体包括：根据所述待识别的障碍物的点云在各所述分层中的长度方向的最大值和最小值，获取所述待识别的障碍物的点云在各所述分层中的长度信息；根据所述待识别的障碍物的点云在各所述分层中的宽度方向的最大值和最小值，获取所述待识别的障碍物的点云在各所述分层中的宽度信息；根据所述待识别的障碍物的点云在各所述分层中的所述长度信息、所述宽度信息和所包括的点数，生成所述待识别的障碍物的分层特征向量。进一步可选地，在如上所述的方法中，根据预先训练的分类器模型和所述待识别的障碍物的分层特征向量，识别所述待识别的障碍物的类别之前，所述方法还包括：采集多个已标注类别的预设障碍物的点云信息，生成障碍物训练集；根据所述障碍物训练集中的所述多个预设障碍物的点云信息，训练所述分类器模型。进一步可选地，在如上所述的方法中，根据所述障碍物训练集中的所述多个预设障碍物的点云信息，训练所述分类器模型，具体包括：将各所述预设障碍物的点云在高度上划分为所述指定层数的分层；获取各所述预设障碍物的点云在各所述分层中的各方向的最大值、最小值和所包括的点数；根据各所述预设障碍物的点云在各所述分层中的各方向的最大值、最小值和所包括的点数，生成各所述预设障碍物的分层特征向量；分别根据各所述预设障碍物的分层特征向量以及各所述预设障碍物的类别，训练分类器模型，从而确定所述分类器模型。本专利技术还提供一种障碍物识别装置，所述装置包括：划分模块，用于将待识别的障碍物的点云在高度上划分为指定层数的分层；所述指定层数包括至少两层；获取模块，用于获取所述待识别的障碍物的点云在各所述分层中的各方向的最大值、最小值和所包括的点数；特征向量生成模块，用于根据所述待识别的障碍物的点云在各所述分层中的各方向的最大值、最小值和所包括的点数，生成所述待识别的障碍物的分层特征向量；识别模块，用于根据预先训练的分类器模型和所述待识别的障碍物的分层特征向量，识别所述待识别的障碍物的类别。进一步可选地，在如上所述的装置中，所述特征向量生成模块，具体用于根据所述待识别的障碍物的点云在各所述分层中的各方向的最大值、最小值和所包括的点数，并参考所述待识别的障碍物的点云的质心的坐标信息和所述待识别的障碍物的点云所包括的总点数中的至少一个，生成所述待识别的障碍物的分层特征向量。进一步可选地，在如上所述的装置中，还包括：确定模块，用于根据所述待识别的障碍物的点云的质心的坐标信息，确定所述待识别的障碍物相对于当前车辆的位置。进一步可选地，在如上所述的装置中，所述特征向量生成模块，具体用于：根据所述待识别的障碍物的点云在各所述分层中的长度方向的最大值和最小值，获取所述待识别的障碍物的点云在各所述分层中的长度信息；根据所述待识别的障碍物的点云在各所述分层中的宽度方向的最大值和最小值，获取所述待识别的障碍物的点云在各所述分层中的宽度信息；根据所述待识别的障碍物的点云在各所述分层中的所述长度信息、所述宽度信息和所包括的点数，生成所述待识别的障碍物的分层特征向量。进一步可选地，在如上所述的装置中，还包括：采集模块，用于采集多个已标注待识别的障碍物类别的预设障碍物的点云信息，生成障碍物训练集；训练模块，用于根据所述障碍物训练集中的所述多个预设障碍物的点云信息，训练所述分类器模型。进一步可选地，在如上所述的装置中，所述训练模块，具体用于：将各所述预设障碍物的点云在高度上划分为所述指定层数的分层；获取各所述预设障碍物的点云在各所述分层中的各方向的最大值、最小值和所包括的点数；根据各所述预设障碍物的点云在各所述分层中的各方向的最大值、最小值和所包括的点数，生成各所述预设障碍物的分层特征向量；分别根据各所述预设障碍物的分层特征向量以及各所述预设障碍物的类别，训练分类器模型，从而确定所述分类器模型。本专利技术还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的障碍物识别方法。本专利技术还提供一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的障碍物识别方法。本专利技术的障碍物识别方法及装置、计算机设备及可读介质，通过将待识别的障碍物的点云在高度上划分为指定层数的分层；获取待识别的障碍物的点云在各分层中的各方向的最大值、最小值和所包括的点数；根据待识别的障碍物的点云在各分层中各方向的最大值、最小值和所包括的点数，生成待识别的障碍物的分层特征向量；根据预先训练的分类器模型和待识别的障碍物的分层本文档来自技高网...

【技术保护点】
一种障碍物识别方法，其特征在于，所述方法包括：将待识别的障碍物的点云在高度上划分为指定层数的分层；所述指定层数包括至少两层；获取所述待识别的障碍物的点云在各所述分层中的各方向的最大值、最小值和所包括的点数；根据所述待识别的障碍物的点云在各所述分层中的各方向的最大值、最小值和所包括的点数，生成所述待识别的障碍物的分层特征向量；根据预先训练的分类器模型和所述待识别的障碍物的分层特征向量，识别所述待识别的障碍物的类别。

【技术特征摘要】
1.一种障碍物识别方法，其特征在于，所述方法包括：将待识别的障碍物的点云在高度上划分为指定层数的分层；所述指定层数包括至少两层；获取所述待识别的障碍物的点云在各所述分层中的各方向的最大值、最小值和所包括的点数；根据所述待识别的障碍物的点云在各所述分层中的各方向的最大值、最小值和所包括的点数，生成所述待识别的障碍物的分层特征向量；根据预先训练的分类器模型和所述待识别的障碍物的分层特征向量，识别所述待识别的障碍物的类别。2.根据权利要求1所述的方法，其特征在于，根据所述待识别的障碍物的点云在各所述分层中的各方向的最大值、最小值和所包括的点数，生成所述待识别的障碍物的分层特征向量，具体包括：根据所述待识别的障碍物的点云在各所述分层中的各方向的最大值、最小值和所包括的点数，并参考所述待识别的障碍物的点云的质心的坐标信息和所述待识别的障碍物的点云所包括的总点数中的至少一个，生成所述待识别的障碍物的分层特征向量。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：根据所述待识别的障碍物的点云的质心的坐标信息，确定所述待识别的障碍物相对于当前车辆的位置。4.根据权利要求1所述的方法，其特征在于，根据所述待识别的障碍物的点云在各所述分层中的各方向的最大值、最小值和所包括的点数，生成所述待识别的障碍物的分层特征向量，具体包括：根据所述待识别的障碍物的点云在各所述分层中的长度方向的最大值和最小值，获取所述待识别的障碍物的点云在各所述分层中的长度信息；根据所述待识别的障碍物的点云在各所述分层中的宽度方向的最大值和最小值，获取所述待识别的障碍物的点云在各所述分层中的宽度信息；根据所述待识别的障碍物的点云在各所述分层中的所述长度信息、所述宽度信息和所包括的点数，生成所述待识别的障碍物的分层特征向量。5.根据权利要求1-4任一所述的方法，其特征在于，根据预先训练的分类器模型和所述待识别的障碍物的分层特征向量，识别所述待识别的障碍物的类别之前，所述方法还包括：采集多个已标注类别的预设障碍物的点云信息，生成障碍物训练集；根据所述障碍物训练集中的所述多个预设障碍物的点云信息，训练所述分类器模型。6.根据权利要求5所述的方法，其特征在于，根据所述障碍物训练集中的所述多个预设障碍物的点云信息，训练所述分类器模型，具体包括：将各所述预设障碍物的点云在高度上划分为所述指定层数的分层；获取各所述预设障碍物的点云在各所述分层中的各方向的最大值、最小值和所包括的点数；根据各所述预设障碍物的点云在各所述分层中的各方向的最大值、最小值和所包括的点数，生成各所述预设障碍物的分层特征向量；分别根据各所述预设障碍物的分层特征向量以及各所述预设障碍物的类别，训练分类器模型，从而确定所述分类器模型。7.一种障碍物识别装置，其特...

【专利技术属性】
技术研发人员：谢国洋，郭疆，李晓辉，王亮，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11