一种全类别3D障碍物检测方法、系统和介质技术方案

一种全类别3D障碍物检测方法、系统及介质，包括：S100，对道路图像进行2D障碍物检测，并通过路面分割模型获取道路图像中路面的点的像素坐标；S200，获取道路的空间点云数据；S300，将空间点云数据转换为基于路面方程的空间点云，并对空间点云进行网格化；S400，在网格化的空间点云中放置并筛选出用于检测的三维框；S500，对筛选出的三维框进行分类和回归，从而检测出路面的3D障碍物。通过从图片中分割出道路平面并估算出参数化的路平面方程，提高了障碍物检测的质量，且可以根据精度要求和成本选择不同的传感器输入，而且不受被检测障碍物类别的限制，可以输出全类别的3D障碍物检测结果。

【技术实现步骤摘要】
一种全类别3D障碍物检测方法、系统和介质所属
本专利技术涉及自动驾驶领域，更具体地，特别是指一种自动驾驶中对障碍物进行检测的方法、系统以及可读存储介质。
技术介绍
随着自动驾驶技术的发展，汽车安全技术收到越来越多的重视。其中基于传感器的障碍物检测技术在自动驾驶领域中起着至关重要的作用。各种传感器设备可以用于获取各种实时路况信息。常用的车载传感器主要包括视觉类，例如红外线、单目摄像机、双目摄像机等，还包括测距类，例如超声波、毫米波雷达、激光雷达等。每一种传感器的特定都各不相同，都有其适用的场合及受限制的方面。例如，激光雷达具有广泛的视野，精确的深度信息以及目标识别中的远距离和夜视能力，然而，随着与扫描中心距离的增加，激光雷达点云的分布变得越来越稀疏，这使得激光雷达很难在分类中检测到特定的物体。摄像机可以提供高分辨率图像、体积小、成本低和功耗小，但相机受光照和阴影等光线变化影响较大，且缺乏3D物体的位置，仅靠摄像机图像难以获得三维信息。因此，近年来业界多采用多种传感器综合使用，通过多传感器融合来避免单一传感器使用时造成的问题。但是现有的多传本文档来自技高网...

【技术保护点】
1.一种全类别3D障碍物检测方法，包括：/nS100，对道路图像进行2D障碍物检测，并通过路面分割模型获取道路图像中路面的点的像素坐标；/nS200，获取道路的空间点云数据；/nS300，将空间点云数据转换为基于路面方程的空间点云，并对空间点云进行网格化；/nS400，在网格化的空间点云中放置并筛选出用于检测的三维框；/nS500，对筛选出的三维框进行分类和回归，从而检测出路面的3D障碍物。/n

【技术特征摘要】
1.一种全类别3D障碍物检测方法，包括：
S100，对道路图像进行2D障碍物检测，并通过路面分割模型获取道路图像中路面的点的像素坐标；
S200，获取道路的空间点云数据；
S300，将空间点云数据转换为基于路面方程的空间点云，并对空间点云进行网格化；
S400，在网格化的空间点云中放置并筛选出用于检测的三维框；
S500，对筛选出的三维框进行分类和回归，从而检测出路面的3D障碍物。


2.根据权利要求1所述的方法，其中，S200，获取道路的空间点云数据包括，通过激光雷达结合视觉传感器获得空间点云数据。


3.根据权利要求1或2所述的方法，其中，S300，将空间点云数据转换为基于路面方程的空间点云，并对空间点云进行网格化，包括，
S310，拟合路面方程；
S320，将空间点云转换为基于路面方程的空间点云；
S330，对基于路面方程的空间点云进行网格化。


4.根据权利要求3所述的方法，其中，S310，拟合路面方程包括，
根据地面点云数据的空间三维坐标来拟合出道路的路面方程：ax+by+cz+d＝0；
a、b、c、d为基于地面点云数据的空间三维坐标获取的路面方程的参数；
其中，通过路面的点的像素坐标，以及道路的空间点云数据，计算出地面点云数据的空间三维坐标。


5.根据权利要求3或4所述的方法，其中，S100还包括，通过车道线检测模型获取道路图像中的车道线；
S310还包括，将该车道线与高精度地图中的车道线进行匹配，计算出车辆在高精度地图中的位置，然后通过高精度地图中的路面方程筛选出靠近路面上的点，再根据这些筛选出的点对拟合的路面方程进行优化。


6.根据权利要求3-5任一项所述的方法，其中，S320，将空间点云转换为基于路面方程的空间点云包括，将步骤S200获得的空间点云数据投影到路面上，获得车...

【专利技术属性】
技术研发人员：段志祥，杨奎元，
申请(专利权)人：深动科技北京有限公司，
类型：发明
国别省市：北京;11