障碍物检测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了障碍物检测方法、装置、设备及存储介质，其中方法包括：获取无人驾驶车辆行驶过程中所采集的3D点云；根据3D点云分别确定出顶点集及边集；根据所述边集对顶点集中的顶点进行聚类，得到最小生成树，作为障碍物检测结果。应用本发明专利技术所述方案，能够减少工作量和提高检测结果的准确性等。

【技术实现步骤摘要】
障碍物检测方法、装置、设备及存储介质
本专利技术涉及无人驾驶车辆技术，特别涉及障碍物检测方法、装置、设备及存储介质。
技术介绍
无人驾驶车辆，是指通过各种传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息等，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。激光雷达是无人驾驶车辆用于感知三维环境的重要传感器，激光雷达扫描一圈场景，返回场景三维空间的点云，即3D点云，包括每个点的三维坐标以及激光的反射强度等。基于采集到3D点云，可进行障碍物的检测等，并反馈给规划控制系统，以便进行避障操作等。可见，障碍物的检测直接关系到无人驾驶车辆的行车安全，具有非常重要的意义。障碍物可包括出现在道路上的行人、机动车、自行车等。现有技术中，主要采用以下方式来进行障碍物的检测：首先，采集大量的3D点云，并标注出所有障碍物样本，之后，利用这些样本学习/训练出一个模型，当需要进行实际的检测时，将采集到的3D点云输入该模型，得到障碍物的检测结果。但是，上述方式在实际应用中会存在一定的问题，如：前期需要从大量的3D点云中标注出障碍物样本，用于训练模型，费时费力，增大了工作量，而且，实际使用时，可能会遇到训练时从未遇到过的障碍物，从而导致该障碍物无法被检测出来，即造成障碍物漏检，从而降低了检测结果的准确性。
技术实现思路
有鉴于此，本专利技术提供了障碍物检测方法、装置、设备及存储介质，能够减少工作量和提高检测结果的准确性。具体技术方案如下：一种障碍物检测方法，包括：获取无人驾驶车辆行驶过程中所采集的3D点云；根据所述3D点云分别确定出顶点集及边集；根据所述边集对所述顶点集中的顶点进行聚类，得到最小生成树，作为障碍物检测结果。一种障碍物检测装置，包括：获取单元及检测单元；所述获取单元，用于获取无人驾驶车辆行驶过程中所采集的3D点云，并发送给所述检测单元；所述检测单元，用于根据所述3D点云分别确定出顶点集及边集，并根据所述边集对所述顶点集中的顶点进行聚类，得到最小生成树，作为障碍物检测结果。一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述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以上所述的方法。一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如以上所述的方法。基于上述介绍可以看出，采用本专利技术所述方案，不需要进行样本标注及模型训练等，从而相比于现有技术减少了工作量，而且，可适用于对任意类型的障碍物进行检测，从而减少了漏检现象的发生，进而相比于现有技术提高了检测结果的准确性。【附图说明】图1为本专利技术所述障碍物检测方法实施例的流程图。图2为本专利技术所述3D网格的示意图。图3为本专利技术所述将3D点云投影到与地平面平行的二维网格上的方式示意图。图4为本专利技术所述3D点云的示意图。图5为本专利技术所述高度图的示意图。图6为本专利技术所述障碍物检测装置实施例的组成结构示意图。图7示出了适于用来实现本专利技术实施方式的示例性计算机系统/服务器12的框图。【具体实施方式】一般来说，同一个物体上，点与点之间的距离较小，不同物体上，点与点之间的距离较大，因此，可以利用点与点之间的距离来区分不同的物体，本专利技术中即利用上述思想来进行障碍物的检测。为了使本专利技术的技术方案更加清楚、明白，以下参照附图并举实施例，对本专利技术所述方案作进一步地详细说明。图1为本专利技术所述障碍物检测方法实施例的流程图，如图1所示，包括以下具体实现方式：在101中，获取无人驾驶车辆行驶过程中所采集的3D点云；在102中，根据获取到的3D点云分别确定出顶点集及边集；在103中，根据边集对顶点集中的顶点进行聚类，得到最小生成树，作为障碍物检测结果。在无人驾驶车辆的行驶过程中，激光雷达会不断地进行数据采集，当每次获取到激光雷达返回的3D点云之后，即可按上述102和103所述方式进行处理，即进行障碍物的检测。具体地，本专利技术中提供了三种障碍物的检测方式，以下分别进行介绍。一)方式一该方式中，可将3D点云中的每个点分别作为一个顶点，利用所有顶点组成顶点集。并且，针对每个顶点，可分别确定出位于该顶点周围预定范围(如预定半径)内的各顶点，并分别计算出确定出的每个顶点与该顶点之间的欧式距离。之后，针对每个欧式距离，可分别将该欧式距离对应的两个顶点之间的连线作为一条边，并将每条边对应的欧式距离作为该条边的长度，利用所有边组成边集。所述预定范围的具体取值可根据实际需要而定。比如，针对顶点x，可分别采用kdtree方式搜寻出其周围1米范围内的各顶点，假设为顶点a、顶点b和顶点c，分别计算顶点a与顶点x、顶点b与顶点x以及顶点c与顶点x之间的欧式距离，从而共得到3个欧式距离。针对每个欧式距离，分别将其对应的两个顶点之间的连线作为一条边，即分别将顶点a与顶点x、顶点b与顶点x以及顶点c与顶点x之间的连线作为一条边，从而共得到3条边，所述连线通常为直线。这样，按照上述方式，可针对每个顶点分别得到一条或多条边，所有的边共同组成所述边集。之后，可将各孤立的顶点聚合成若干类，每个类即为一个障碍物，期望的是同一个障碍物上的点聚到一起，而不同障碍物上的点分开。基于上述思想，通常的处理方式为：借用区域增长的思想，先随机选取种子点，然后把周围距离小于阈值的点聚成类，一圈一圈扩散出去，从而得到多个类。但是，这种方式中采用固定阈值，鲁棒性较差，因为近处的障碍物上的点云密集，而远处的障碍物上的点云稀疏，因此，不同距离上的障碍物，不能用同一个阈值去聚类。为此，本专利技术中提出了一种改进后的算法，可简称为MstSegmentation算法。具体地，初始状态下，可分别将顶点集中的每个顶点作为一个类；之后，可将边集中的各条边按照长度从小大小的顺序进行排序，并按照排序后由先到后的顺序，依次对各条边进行以下处理：确定该边是否满足填加条件，如果是，则将该边对应的两个顶点相连(如通过直线相连)，进行类的聚合，即将该边填加到图中，每填加一条边，就会将两个类聚合成一个类；这样，当边集中的所有条边均处理完成后，即可得到聚合出的最小生成树，每棵数就是一类。其中，针对每条边，确定其是否满足填加条件的方式可为：分别计算出该边对应的两个顶点所在的类的阈值；如果该边的长度同时小于计算出的两个阈值，且，如果将该边对应的两个顶点相连后不会出现环，则确定该边满足填加条件。比如，边x’对应的两个顶点分别为顶点a’和顶点b’，需要分别计算出顶点a’所在的类的阈值以及顶点b’所在的类的阈值，边x’的长度即为顶点a’和顶点b’之间的欧式距离的值。其中，针对顶点a’，可首先确定出顶点a’所在的类中包括的顶点数Num，并确定出顶点a’所在的类中长度最大的边的长度L，之后，可用预先设定的常数K除以Num，并将得到的商与L相加，将相加之和作为顶点a’所在的类的阈值。同样地，针对顶点b’，可首先确定出顶点b’所在的类中包括的顶点数Num，并确定出顶点b’所在的类中长度最大的边的长度L，之后，可用预先设定的常数K除以Num，并将得到的商与L相加，将相加之和作为顶点b’所在的类的阈值。如果边x’的长度同时小于顶点a’所在的类的阈值以及顶点b’所在的类的阈值，而且，将顶点a’和顶点b’相连后，不会出现环，则确定边x’满足填加条件本文档来自技高网...

【技术保护点】
1.一种障碍物检测方法，其特征在于，包括：获取无人驾驶车辆行驶过程中所采集的3D点云；根据所述3D点云分别确定出顶点集及边集；根据所述边集对所述顶点集中的顶点进行聚类，得到最小生成树，作为障碍物检测结果。

【技术特征摘要】
1.一种障碍物检测方法，其特征在于，包括：获取无人驾驶车辆行驶过程中所采集的3D点云；根据所述3D点云分别确定出顶点集及边集；根据所述边集对所述顶点集中的顶点进行聚类，得到最小生成树，作为障碍物检测结果。2.根据权利要求1所述的方法，其特征在于，所述根据所述3D点云分别确定出顶点集及边集包括：将所述3D点云中的每个点分别作为一个顶点，利用所有顶点组成所述顶点集；针对每个顶点，分别确定出位于所述顶点周围预定范围内的各顶点，并分别计算出确定出的各顶点与所述顶点之间的欧式距离；针对每个欧式距离，分别将所述欧式距离对应的两个顶点之间的连线作为一条边，并将每条边对应的欧式距离作为边的长度，利用所有边组成所述边集。3.根据权利要求2所述的方法，其特征在于，所述根据所述边集对所述顶点集中的顶点进行聚类，得到最小生成树包括：初始状态下，分别将所述顶点集中的每个顶点作为一个类；将所述边集中的各条边按照长度从小大小的顺序进行排序，并按照排序后由先到后的顺序，依次对各条边进行以下处理：确定所述边是否满足填加条件，如果是，则将所述边对应的两个顶点相连，进行类的聚合；当所述边集中的各条边均处理完成后，得到聚合出的所述最小生成树。4.根据权利要求3所述的方法，其特征在于，所述确定所述边是否满足填加条件包括：分别计算出所述边对应的两个顶点所在的类的阈值；如果所述边的长度同时小于计算出的两个阈值，且，如果将所述边对应的两个顶点相连后不会出现环，则确定所述边满足填加条件。5.根据权利要求4所述的方法，其特征在于，所述分别计算出所述边对应的两个顶点所在的类的阈值包括：针对所述边对应的每个顶点，分别进行以下处理：确定出所述顶点所在的类中包括的顶点数Num；确定出所述顶点所在的类中长度最大的边的长度L；用预先设定的常数K除以Num，并将得到的商与所述L相加，将相加之和作为所述顶点所在的类的阈值。6.根据权利要求1所述的方法，其特征在于，所述根据所述3D点云分别确定出顶点集及边集包括：对所述3D点云进行下采样，根据下采样结果确定出所述顶点集及所述边集。7.根据权利要求6所述的方法，其特征在于，所述对所述3D点云进行下采样，根据下采样结果确定出所述顶点集及所述边集包括：将所述3D点云投影到3D网格上；针对每个网格，分别计算出所述网格中的各点的均值，并将所述均值对应的点作为一个顶点，利用所有顶点组成所述顶点集；针对每个顶点，分别确定出位于所述顶点周围预定范围内的各顶点，并分别计算出确定出的各顶点与所述顶点之间的欧式距离；针对每个欧式距离，分别将所述欧式距离对应的两个顶点之间的连线作为一条边，并将每条边对应的欧式距离作为边的长度，利用所有边组成所述边集。8.根据权利要求1所述的方法，其特征在于，所述根据所述3D点云分别确定出顶点集及边集包括：根据所述3D点云生成高度图，根据所述高度图确定出所述顶点集及所述边集。9.根据权利要求8所述的方法，其特征在于，所述根据所述3D点云生成高度图，根据所述高度图确定出所述顶点集及所述边集包括：将所述3D点云投影到与地平面平行的二维网格上；针对每个网格，分别计算出所述网格对应的柱状体中的各点在x方向和y方向上的均值，并选出所述网格对应的柱状体中的各点在z方向上的最大值，将所述均值对应的点作为一个像素点，将所述最大值作为所述像素点对应的高度值，得到所述高度图；将每个像素点分别作为一个顶点，利用所有顶点组成所述顶点集；针对每个顶点，分别利用x方向和y方向上的取值以及所述高度值，计算出所述顶点的N*N邻域内的其他各顶点与所述顶点之间的欧式距离，N为大于一的奇数；针对每个欧式距离，分别将所述欧式距离对应的两个顶点之间的连线作为一条边，并将每条边对应的欧式距离作为边的长度，利用所有边组成所述边集。10.一种障碍物检测装置，其特征在于，包括：获取单元及检测单元；所述获取单元，用于获...

【专利技术属性】
技术研发人员：陈东明，闫鹤，王昊，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