基于无人车的障碍物分类方法、装置、设备以及存储介质制造方法及图纸

本申请提供一种基于无人车的障碍物分类方法、装置、设备以及存储介质，其中，该方法包括：获取无人车的检测装置检测到的多个障碍物的障碍物信息；采用压缩后的随机森林模型，对多个障碍物的障碍物信息进行分类处理，得到障碍物分类结果；压缩后的随机森林模型的每一个决策树中的非叶子节点中仅存储有特征指示信息、分类阈值指示信息和节点位置指示信息，节点位置指示信息为左节点位置指示信息或右节点位置指示信息；每一个决策树中的叶子节点中仅存储有类别指示信息。只需要保存部分信息，不需要占用无人车系统的较多内存和空间，减少内存占用量；并且在分类的过程中，由于只需要同步保存少量的信息，进而可以提升分类的速度，提高了分类效率。

【技术实现步骤摘要】
基于无人车的障碍物分类方法、装置、设备以及存储介质
本申请实施例涉及无人车
，尤其涉及一种基于无人车的障碍物分类方法、装置、设备以及存储介质。
技术介绍
随着智能技术的发展，无人车开始得到发展和应用。在无人车的行驶过程中，需要对无人车周围的障碍物的类别进行检测。现有技术中，获取到障碍物的障碍物信息之后，将障碍物信息输入到随机森林模型中，以对障碍物的类别进行分类识别。其中，现有的随机森林模型具有很多的树结构，每一个树结构上设置有多个节点，节点会设置多个字段，每一个节点用于存储障碍物分类识别过程中的信息。然而现有技术中，在应用随机森林模型对障碍物的类别进行分类识别的时候，需要将很多的信息存储到随机森林模型的节点中去，从而需要无人车的系统存储很多信息，需要占用无人车的系统的内存和空间；并且由于需要进行信息的存储，从而造成对障碍物的整个分类识别过程较慢，效率较低。
技术实现思路
本申请实施例提供一种基于无人车的障碍物分类方法、装置、设备以及存储介质，用于解决上述方案中不能正确的确定出障碍物的朝向的问题。本申请第一方面提供一种基于无人车的障碍物分类方法，包括：获取无人车的检测装置检测到的多个障碍物的障碍物信息；采用压缩后的随机森林模型，对所述多个障碍物的障碍物信息进行分类处理，得到障碍物分类结果；其中，所述压缩后的随机森林模型中包括了至少两个决策树，所述至少两个决策树中的每一个决策树中的非叶子节点中仅存储有特征指示信息、分类阈值指示信息和节点位置指示信息，所述节点位置指示信息为左节点位置指示信息或右节点位置指示信息，所述左节点位置指示信息用于指示非叶子节点下的左节点和右节点的位置，所述右节点位置指示信息用于指示非叶子节点下的左节点和右节点的位置；每一个决策树中的叶子节点中仅存储有类别指示信息。进一步地，所述采用压缩后的随机森林模型，对所述障碍物信息进行分类处理，得到至少一种类型的障碍物，包括：将所述多个障碍物的障碍物信息分布到所述压缩后的随机森林模型的决策树中；在所述压缩后的随机森林模型中的每一个决策树中，对输入到每一个决策树中的障碍物信息进行分类处理，得到每一个决策树的叶子节点所输出的障碍物类型信息；根据每一个决策树的叶子节点所输出的障碍物类型信息，得到所述障碍物分类结果。进一步地，在所述压缩后的随机森林模型中的每一个决策树中，对输入到每一个决策树中的障碍物信息进行分类处理，得到每一个决策树的叶子节点所输出的障碍物类型信息，包括：在所述压缩后的随机森林模型中的每一个决策树中，对输入到每一个决策树中的障碍物信息进行分类处理，并判断每一个决策树的非叶子节点是否具有左节点或右节点；若确定每一个决策树的非叶子节点具有右节点且不具有左节点，则将特征指示信息、分类阈值指示信息、右节点位置指示信息，存储至非叶子节点中；若确定每一个决策树的非叶子节点具有左节点且不具有右节点，则将特征指示信息、分类阈值指示信息、左节点位置指示信息，存储至非叶子节点中；若确定每一个决策树的非叶子节点具有左节点且具有右节点，则将特征指示信息、分类阈值指示信息存储至非叶子节点中，并且将左节点位置指示信息或右节点位置指示信息存储至非叶子节点中；根据所述分类处理的过程，得到每一个决策树的叶子节点所输出的障碍物类型信息。进一步地，在所述采用压缩后的随机森林模型，对所述多个障碍物的障碍物信息进行分类处理，得到障碍物分类结果之后，还包括：将所述压缩后的随机森林模型中的每一个决策树的叶子节点所存储的信息，存储至与叶子节点对应的父节点中；删除所述压缩后的随机森林模型中的每一个决策树的叶子节点。进一步地，所述非叶子节点包括根节点、具有子节点和父节点的节点。进一步地，所述左节点位置指示信息为所述决策树中的每一个节点的左节点相对于每一个的右节点的相对地址信息；所述右节点位置指示信息为所述决策树中的每一个节点的右节点相对于每一个的左节点的相对地址信息。进一步地，所述特征指示信息的字段占用2个字节，所述类别指示信息的字段占用2个字节，所述分类阈值指示信息的字段占用4个字节，所述左节点位置指示信息的字段占用4个字节，所述右节点位置指示信息的字段占用4个字节。进一步地，所述检测装置为以下的任意一种：激光雷达传感器、超声波雷达、图像检测设备、红外线检测设备。进一步地，所述障碍物信息中还包括以下的至少一种：障碍物的运动速度、障碍物的体积、障碍物的热量、障碍物与无人车之间的距离。本申请第三方面提供一种基于无人车的障碍物分类装置，包括：获取单元，用于获取无人车的检测装置检测到的多个障碍物的障碍物信息；分类单元，用于采用压缩后的随机森林模型，对所述多个障碍物的障碍物信息进行分类处理，得到障碍物分类结果；其中，所述压缩后的随机森林模型中包括了至少两个决策树，所述至少两个决策树中的每一个决策树中的非叶子节点中仅存储有特征指示信息、分类阈值指示信息和节点位置指示信息，所述节点位置指示信息为左节点位置指示信息或右节点位置指示信息，所述左节点位置指示信息用于指示非叶子节点下的左节点和右节点的位置，所述右节点位置指示信息用于指示非叶子节点下的左节点和右节点的位置；每一个决策树中的叶子节点中仅存储有类别指示信息。进一步地，所述分类单元，包括：分布模块，用于将所述多个障碍物的障碍物信息分布到所述压缩后的随机森林模型的决策树中；分类模块，用于在所述压缩后的随机森林模型中的每一个决策树中，对输入到每一个决策树中的障碍物信息进行分类处理，得到每一个决策树的叶子节点所输出的障碍物类型信息；确定模块，用于根据每一个决策树的叶子节点所输出的障碍物类型信息，得到所述障碍物分类结果。进一步地，所述分类模块，包括：分类子模块，用于在所述压缩后的随机森林模型中的每一个决策树中，对输入到每一个决策树中的障碍物信息进行分类处理，并判断每一个决策树的非叶子节点是否具有左节点或右节点；第一确定子模块，用于若确定每一个决策树的非叶子节点具有右节点且不具有左节点，则将特征指示信息、分类阈值指示信息、右节点位置指示信息，存储至非叶子节点中；第二确定子模块，用于若确定每一个决策树的非叶子节点具有左节点且不具有右节点，则将特征指示信息、分类阈值指示信息、左节点位置指示信息，存储至非叶子节点中；第三确定子模块，用于若确定每一个决策树的非叶子节点具有左节点且具有右节点，则将特征指示信息、分类阈值指示信息存储至非叶子节点中，并且将左节点位置指示信息或右节点位置指示信息存储至非叶子节点中；第四确定子模块，用于根据所述分类处理的过程，得到每一个决策树的叶子节点所输出的障碍物类型信息。进一步地，所述装置，还包括：存储单元，用于在所述分类单元采用压缩后的随机森林模型，对所述多个障碍物的障碍物信息进行分类处理，得到障碍物分类结果之后，将所述压缩后的随机森林模型中的每一个决策树的叶子节点所存储的信息，存储至与叶子节点对应的父节点中；删除单元，用于删除所述压缩后的随机森林模型中的每一个决策树的叶子节点。进一步地，所述非叶子节点包括根节点、具有子节点和父节点的节点。进一步地，所述左节点位置指示信息为所述决策树中的每一个节点的左节点相对于每一个的右节点的相对地址信息；所述右节点位置指示信息为所述决策树中的每一个节点的右节点相对于每一个的左节点的相本文档来自技高网...

【技术保护点】
1.一种基于无人车的障碍物分类方法，其特征在于，包括：获取无人车的检测装置检测到的多个障碍物的障碍物信息；采用压缩后的随机森林模型，对所述多个障碍物的障碍物信息进行分类处理，得到障碍物分类结果；其中，所述压缩后的随机森林模型中包括了至少两个决策树，所述至少两个决策树中的每一个决策树中的非叶子节点中仅存储有特征指示信息、分类阈值指示信息和节点位置指示信息，所述节点位置指示信息为左节点位置指示信息或右节点位置指示信息，所述左节点位置指示信息用于指示非叶子节点下的左节点和右节点的位置，所述右节点位置指示信息用于指示非叶子节点下的左节点和右节点的位置；每一个决策树中的叶子节点中仅存储有类别指示信息。

【技术特征摘要】
1.一种基于无人车的障碍物分类方法，其特征在于，包括：获取无人车的检测装置检测到的多个障碍物的障碍物信息；采用压缩后的随机森林模型，对所述多个障碍物的障碍物信息进行分类处理，得到障碍物分类结果；其中，所述压缩后的随机森林模型中包括了至少两个决策树，所述至少两个决策树中的每一个决策树中的非叶子节点中仅存储有特征指示信息、分类阈值指示信息和节点位置指示信息，所述节点位置指示信息为左节点位置指示信息或右节点位置指示信息，所述左节点位置指示信息用于指示非叶子节点下的左节点和右节点的位置，所述右节点位置指示信息用于指示非叶子节点下的左节点和右节点的位置；每一个决策树中的叶子节点中仅存储有类别指示信息。2.根据权利要求1所述的方法，其特征在于，所述采用压缩后的随机森林模型，对所述障碍物信息进行分类处理，得到至少一种类型的障碍物，包括：将所述多个障碍物的障碍物信息分布到所述压缩后的随机森林模型的决策树中；在所述压缩后的随机森林模型中的每一个决策树中，对输入到每一个决策树中的障碍物信息进行分类处理，得到每一个决策树的叶子节点所输出的障碍物类型信息；根据每一个决策树的叶子节点所输出的障碍物类型信息，得到所述障碍物分类结果。3.根据权利要求2所述的方法，其特征在于，在所述压缩后的随机森林模型中的每一个决策树中，对输入到每一个决策树中的障碍物信息进行分类处理，得到每一个决策树的叶子节点所输出的障碍物类型信息，包括：在所述压缩后的随机森林模型中的每一个决策树中，对输入到每一个决策树中的障碍物信息进行分类处理，并判断每一个决策树的非叶子节点是否具有左节点或右节点；若确定每一个决策树的非叶子节点具有右节点且不具有左节点，则将特征指示信息、分类阈值指示信息、右节点位置指示信息，存储至非叶子节点中；若确定每一个决策树的非叶子节点具有左节点且不具有右节点，则将特征指示信息、分类阈值指示信息、左节点位置指示信息，存储至非叶子节点中；若确定每一个决策树的非叶子节点具有左节点且具有右节点，则将特征指示信息、分类阈值指示信息存储至非叶子节点中，并且将左节点位置指示信息或右节点位置指示信息存储至非叶子节点中；根据所述分类处理的过程，得到每一个决策树的叶子节点所输出的障碍物类型信息。4.根据权利要求1所述的方法，其特征在于，在所述采用压缩后的随机森林模型，对所述多个障碍物的障碍物信息进行分类处理，得到障碍物分类结果之后，还包括：将所述压缩后的随机森林模型中的每一个决策树的叶子节点所存储的信息，存储至与叶子节点对应的父节点中；删除所述压缩后的随机森林模型中的每一个决策树的叶子节点。5.根据权利要求1所述的方法，其特征在于，所述非叶子节点包括根节点、具有子节点和父节点的节点。6.根据权利要求1-5任一项所述的方法，其特征在于，所述左节点位置指示信息为所述决策树中的每一个节点的左节点相对于每一个的右节点的相对地址信息；所述右节点位置指示信息为所述决策树中的每一个节点的右节点相对于每一个的左节点的相对地址信息。7.根据权利要求1-5任一项所述的方法，其特征在于，所述特征指示信息的字段占用2个字节，所述类别指示信息的字段占用2个字节，所述分类阈值指示信息的字段占用4个字节，所述左节点位置指示信息的字段占用4个字节，所述右节点位置指示信息的字段占用4个字节。8.根据权利要求1-5任一项所述的方法，其特征在于，所述检测装置为以下的任意一种：激光雷达传感器、超声波雷达、图像检测设备、红外线检测设备。9.根据权利要求1-5任一项所述的方法，其特征在于，所述障碍物信息中还包括以下的至少一种：障碍物的运动速度、障碍物的体积、障碍物的热量、障碍物与无人车之间的距离。10.一种基于无人车的障碍物分类装置，其特征在于，包括：获取单元，用于获取无人车的检测装置检测到的多个障碍物的障碍物信息；分类单元，用于采用压缩后的随机森林模型，对所述多个障碍物的障碍物信息进行分类处理，得到障碍物分类...

【专利技术属性】
技术研发人员：郭疆，
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