【技术实现步骤摘要】
障碍物的识别方法和装置、存储介质、电子装置
本专利技术涉及自动驾驶领域,具体而言,涉及一种障碍物的识别方法和装置、存储介质、电子装置。
技术介绍
自动驾驶汽车(英文全称为Autonomousvehicles或Self-pilotingautomobile)又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人,是一种通过电脑系统实现无人驾驶的智能汽车,在20世纪已有数十年的历史,21世纪初呈现出接近实用化的趋势。自动驾驶汽车可依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,让电脑可以在没有任何人类主动的操作下,自动安全地操作机动车辆。在汽车自动驾驶的过程中,可以通过激光雷达实现行人、自行车等障碍检测,如通过激光雷达采集点云数据,通过在三维空间中对点云进行聚类,然后针对特定对象分析其相关的特征,例如法向量、尺寸信息(包括长宽高以及比例信息)、密度等特征,然后通过设置特定的规则进行判断,如人为设计相关特征以及对应阈值等。在自动驾驶、半自动驾驶等领域,采用上述方案进行障碍检测时,由于对点云数据进行分析时,需要人为设计相关特征以及对应阈值等,而行人、骑行者在激光点云中形态差异较大,比较难以找到直接有效的特征以及对应阈值,因此,使得对障碍物的识别准确率较低。针对上述的问题,目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种障碍物的识别方法和装置、存储介质、电子装置,以至少解决相关技术中对障碍物的识别准确率较低的技术问题。根据本专利技术实施例的一个方面,提供了一种障碍物的识别方法,包括:在目标车辆自动行驶的过程中,获取点云数据,其中,点云数据为 ...
【技术保护点】
1.一种障碍物的识别方法,其特征在于,包括:在目标车辆自动行驶的过程中,获取点云数据,其中,所述点云数据为所述目标车辆上的传感器对所述目标车辆的行驶环境进行扫描得到的;将所述点云数据转换为用于表示所述行驶环境的第一图像;通过第一神经网络模型从所述第一图像中识别出位于所述行驶环境中的第一对象,其中,所述第一神经网络模型是利用标识有第二对象的第二图像对第二神经网络模型进行训练得到的,所述第一对象和所述第二对象为可移动的障碍物。
【技术特征摘要】
1.一种障碍物的识别方法,其特征在于,包括:在目标车辆自动行驶的过程中,获取点云数据,其中,所述点云数据为所述目标车辆上的传感器对所述目标车辆的行驶环境进行扫描得到的;将所述点云数据转换为用于表示所述行驶环境的第一图像;通过第一神经网络模型从所述第一图像中识别出位于所述行驶环境中的第一对象,其中,所述第一神经网络模型是利用标识有第二对象的第二图像对第二神经网络模型进行训练得到的,所述第一对象和所述第二对象为可移动的障碍物。2.根据权利要求1所述的方法,其特征在于,将所述点云数据转换为用于表示所述行驶环境的第一图像包括:根据所述点云数据确定所述行驶环境的距离视图、高度视图以及强度视图,其中,所述距离视图中像素点的像素值用于指示该像素点与所述传感器之间的距离,所述高度视图中像素点的像素值用于指示该像素点与所述传感器之间的高度差,所述强度视图中像素点的像素值用于指示该像素点对所述传感器的扫描信号的反射强度;将所述距离视图、所述高度视图以及所述强度视图组合为所述第一图像。3.根据权利要求2所述的方法,其特征在于,根据所述点云数据确定所述行驶环境的距离视图、高度视图以及强度视图包括:将所述点云数据投影至目标柱体的侧面,其中,所述目标柱体以传感器为中心;保留位于所述目标柱体的侧面的所述点云数据中的距离信息,并对所述目标柱体的侧面进行截图,得到所述行驶环境的距离视图,保留位于所述目标柱体的侧面的所述点云数据中的高度信息,并对所述目标柱体的侧面进行截图,得到所述行驶环境的高度视图,保留位于所述目标柱体的侧面的所述点云数据中的反射强度信息,并对所述目标柱体的侧面进行截图,得到所述行驶环境的强度视图。4.根据权利要求2所述的方法,其特征在于,将所述距离视图、所述高度视图以及所述强度视图组合为所述第一图像包括:将所述距离视图中像素点的像素值作为所述第一图像中相同位置的像素点的第一通道的取值,将所述高度视图中像素点的像素值作为所述第一图像中相同位置的像素点的第二通道的取值,并将所述强度视图中像素点的像素值作为所述第一图像中相同位置的像素点的第三通道的取值,以确定所述第一图像。5.根据权利要求1至4中任意一项所述的方法,其特征在于,通过第一神经网络模型从所述第一图像中识别出位于所述行驶环境中的第一对象包括:将所述第一图像的第一通道的取值、第二通道的取值以及第三通道的取值作为所述第一神经网络模型的输入;通过所述第一神经网络模型对所述第一图像中的所述行驶环境进行对象识别,从而得到所述第一对象,其中,所述对象识别包括从所述行驶环境识别出与学习到的所述可移动的障碍物的特征匹配的所述第一对象;获取所述第一神经网络模型输出的用于表示所述第一对象的输出结果。6.根据权利要求1至4中任意一项所述的方法,其特征在于,在通过第一神经网络模型从所述第一图像中识别出位于所述行驶环境中的第一对象之前,所述方法还包括:通过训练集中的所述第二图像对所述第二神经网络模型进行训练来初始化所述第二神经网络模型中各个网络层的权重参数,得到第三神经网络模型;在所述第三神经网络模型对测试集的图片中第三对象的识别准确率达到第一阈值的情况下,将所述第三神经网络模型作为所述第一神经网络模型;在所述第三神经网络模型对所述测试集的图片中所述第三对象的识别准确率未达到所述第一阈值的情况下,继续使用所述训练集中的所述第二图像对所述第三神经网络模型进行训练,直至所述第三神经网络模型对所述测试集的图片中所述第三对象的识别准确率达到所述第一阈值。7.根据权利要求1至4中任意一项所述的方法,其特征在于,在通过第一神经网络模型...
【专利技术属性】
技术研发人员:陈仁,孙银健,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。