【技术实现步骤摘要】
一种自动驾驶方法及装置
本专利技术实施例涉及通信
，尤其涉及一种自动驾驶方法及装置。
技术介绍
自动驾驶汽车(Autonomousvehicles；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。自动驾驶汽车依靠人工智能、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。在车辆行驶过程中，自动驾驶系统需要了解周围的交通状况，根据行驶路线上的道路和交通状况进行导航，以保证车辆的安全、正常行驶。在自动驾驶领域常用的传感器是激光雷达，但是对于激光雷达数据的解析存在多分割或者欠分割现象，导致解析结果准确，造成了一定的安全隐患。申请内容本申请实施例提供一种自动驾驶方法及装置，用以提高解析激光点云数据的准确性，从而提高了自动驾驶控制的安全性。一方面，本申请实施例提供一种自动驾驶方法，包括：获得针对自动驾驶对象采集的激光点云数据；从激光...
【技术保护点】
1.一种自动驾驶方法，其特征在于，所述方法包括：/n获得针对自动驾驶对象采集的激光点云数据；/n从所述激光点云数据中识别出第一类目标对象的结构化信息，以及第二类目标对象的类别信息；/n根据所述第一类目标对象的结构化信息追踪各个第一类目标对象，并根据第二类目标对象的类别信息追踪各个第二类目标对象；/n基于各个第一类目标对象和各个第二类目标对象的追踪结果，确定所述自动驾驶对象的驾驶策略。/n
【技术特征摘要】
1.一种自动驾驶方法，其特征在于，所述方法包括：
获得针对自动驾驶对象采集的激光点云数据；
从所述激光点云数据中识别出第一类目标对象的结构化信息，以及第二类目标对象的类别信息；
根据所述第一类目标对象的结构化信息追踪各个第一类目标对象，并根据第二类目标对象的类别信息追踪各个第二类目标对象；
基于各个第一类目标对象和各个第二类目标对象的追踪结果，确定所述自动驾驶对象的驾驶策略。
2.根据权利要求1所述的方法，其特征在于，所述从所述激光点云数据中识别出第一类目标对象的结构化信息，以及第二类目标对象的类别信息，包括：
基于结构化信息检测方法，从所述激光点云数据中识别出各个目标对象的结构化信息；
基于深度学习模型的分类方法，从所述激光点云数据中识别出第二类目标对象的类别信息；
将所述各个目标对象中除所述第二类目标对象之外的目标对象作为第一类目标对象，并根据各个目标对象的结构化信息，确定所述第一类目标对象的结构化信息。
3.根据权利要求2述的方法，其特征在于，所述基于深度学习模型的分类方法，从所述激光点云数据中识别出第二类目标对象的类别信息，包括：
将所述激光点云数据划分为设定数量的体素，并对每个非空体素进行局部特征提取，得到各个非空体素的局部特征；
通过卷积网络的抽象特征提取过程，将各个非空体素的局部特征转换为高级视觉语义特征；
根据各个非空体素的高级视觉语义特征确定各第二类目标对象的类别信息。
4.根据权利要求2述的方法，其特征在于，所述基于结构化信息检测方法，从所述激光点云数据中识别出各个目标对象的结构化信息，包括：
根据所述激光点云数据中各深度数据确定设定数量的深度数据是否为同一目标对象；
根据同一目标对象对应的多个深度数据确定该目标对象的结构化信息。
5.根据权利要求1所述的方法，其特征在于，所述根据所述第一类目标对象的结构化信息追踪各个第一类目标对象，并根据第二类目标对象的类别信息追踪各个第二类目标对象，包括：
根据不同采集周期的激光点云数据，确定不同采集周期的第一类目标对象的结构化信息以及第二类目标对象的类别信息；
根据多个采集周期的第一类目标对象的结构化信息以及第二类目标对象的类别信息分别追踪各个第一类目标对象以及各个第二类目标对象。
6.根据权利要求1所述的方法，其特征在于，所述追踪结果至少包括运动状态信息，所述基于各个第一类目标对象和各个第二类目标对象的追踪结果，确定所述自动驾驶对象的驾驶策略，包括：
基于各个第一类目标对象和各个第二类目标对象的运动状态信息，确定所述自动驾驶对象的驾驶策略。
7.一种自动驾驶装...
【专利技术属性】
技术研发人员：孙云哲，
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。