【技术实现步骤摘要】
目标检测方法及装置、电子设备和存储介质
本公开涉及自动驾驶
，尤其涉及一种目标检测方法及装置、电子设备和存储介质。
技术介绍
对障碍物进行目标检测，是自动驾驶中为了确保安全驾驶的一项重要环节。对于目标检测，可以使用基于神经网络的深度学习技术，对障碍物可能的大小及位置进行预测，然而，基于该深度学习技术实现目标检测的精确性，依赖于特定类型的训练数据及训练算法的优劣，从而导致对障碍物的目标检测精度不高的问题。然而，相关技术中未存在有效的解决方案。
技术实现思路
本公开提出了一种目标检测的技术方案。根据本公开的一方面，提供了一种目标检测方法，所述方法包括：获取点云信息，所述点云信息至少包括目标对象及待检测对象对应的点云信息；根据所述点云信息，得到网格信息，所述网格信息至少包括待检测对象；根据所述网格信息，识别出所述待检测对象中的障碍物。可能的实现方式中，所述获取点云信息，包括：获取通过至少两个传感器分别扫描得到的多个待处理的点云信息；将所述多个待处理的...
【技术保护点】
1.一种目标检测方法，其特征在于，所述方法包括：/n获取点云信息，所述点云信息至少包括目标对象及待检测对象对应的点云信息；/n根据所述点云信息，得到网格信息，所述网格信息至少包括待检测对象；/n根据所述网格信息，识别出所述待检测对象中的障碍物。/n
【技术特征摘要】
1.一种目标检测方法，其特征在于，所述方法包括：
获取点云信息，所述点云信息至少包括目标对象及待检测对象对应的点云信息；
根据所述点云信息，得到网格信息，所述网格信息至少包括待检测对象；
根据所述网格信息，识别出所述待检测对象中的障碍物。
2.根据权利要求1所述的方法，其特征在于，所述获取点云信息，包括：
获取通过至少两个传感器分别扫描得到的多个待处理的点云信息；
将所述多个待处理的点云信息进行拼接处理，得到所述点云信息。
3.根据权利要求2所述的方法，其特征在于，所述点云信息还包括传感器标识；
所述根据所述点云信息，得到网格信息，包括：
对所述点云信息进行网格化处理，得到网格图，所述网格图包括多个网格区域；
根据所述多个网格区域中目标网格区域包括的传感器标识的类别，确定所述目标网格区域中是否存在障碍物；
在所述目标网格区域有障碍物的情况下，得到所述网格信息。
4.根据权利要求3所述的方法，其特征在于，所述根据所述多个网格区域中目标网格区域包括的传感器标识的类别，确定所述目标网格区域中是否存在障碍物，包括：
在所述目标网格区域中的至少两个像素点对应的传感器标识不同的情况下，确定所述目标网格区域中存在障碍物。
5.根据权利要求3或4所述的方法，其特征在于，所述点云信息还包括高度信息；
所述在所述目标网格区域有障碍物的情况下，得到所述网格信息，还包括：
根据所述高度信息，确定所述目标网格区域中存在的障碍物的类别；
根据所述障碍物的类别，更新所述网格信息。
6.根据权利要求5所述的方法，其特征在于，所述根据所述高度信息，确定所述目标网格区域中存在的障碍物的类别，包括：
获取所述目标网格区域中至少两个像素点分别对应的传感器标识及高度信息；
将所述至少两个像素点根据所述传感器标识进行划分，将对应同一个传感器标识的像素点作为一组数据，得到多组像素点数据；
根据所述高度信息，分别确定所述多组像素点数据中每一组像素点数据中最小高度值对应的数量；
根据所述最小高度值对应的数量，确定所述障碍物的类别。
7.根据权利要求1至6中任一项所述的方法，其特征在于，所述根据所述网格信息，识别出所述待检测对象中的障碍物，包括：
根据所述网格信息进行连通区域分析，得到连通区域；
根据所述连通区域，识别出所述待检测对象中的障碍物。
8.根据权利要求7所述的方法，其特征在于，所述根据所述连通区域，识别出所述待检测对象中的障碍物之后，所述方法还包括：
获取所述连通区域的第一线段上的多个待处理点；
从所述多个待处理点中选取至少两个参考点；
连接所述至少两个参考点得到第二线段，根据所述第二线段调整所述连通区域后得到第一区域。
9.根据权利要求7所述的方法，其特征在于，所述根据所述连通区域，识别出所述待检测对象中的障碍物之后，所述方法还包括：
从所述点云信息中提取目标对象对应的点云信息，根据所述目标对象对应的点云信息中像素点的坐标，得到所述目标对象位于所述网格信息中的目标位置；
获取位于所述网格信息中的至少两个障碍物；
以所述目标位置的中心点为基准，根据预设角度发出的指引线得到扇形区域；
在所述扇形区域覆盖第一障碍物和第二障碍物，且所述第二障碍物被所述第一障碍物遮挡的...
【专利技术属性】
技术研发人员：周辉，洪方舟，王哲，石建萍，
申请(专利权)人：上海商汤临港智能科技有限公司，
类型：发明
国别省市：上海;31
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。