【技术实现步骤摘要】
道路目标的检测方法、装置、设备及车辆
本专利技术实施例涉及无人驾驶
,尤其涉及一种道路目标的检测方法、装置、设备及车辆。
技术介绍
自动驾驶技术正处于起步阶段,安全问题是实现自动驾驶要面对的首要难题,纷杂的道路环境和较高的行驶速度使得自动驾驶对检测算法的精度和实时性有极高的要求。现在主流的激光雷达点云检测器大致分为一阶段和二阶段检测器,一阶段检测器具有处理速度快、效率高、实时性好的优点,但是检测精度较二阶段检测器稍差;二阶段检测器的检测精度更高,但是实时性较一阶段差。
技术实现思路
本专利技术实施例提供一种道路目标的检测方法、装置、设备及车辆,根据道路的实际场景选择检测器进行检测,既可以满足对检测速度的要求,也可以保证检测的精度。第一方面,本专利技术实施例提供了一种道路目标的检测方法,包括:对采集的道路图像数据进行分析,获得车辆当前所处的目标道路场景类别;根据所述目标道路场景类别确定目标检测器;基于所述目标检测器对激光点云数据进行处理,获得目标障碍物。进一步地 ...
【技术保护点】
1.一种道路目标的检测方法,其特征在于,包括:/n对采集的道路图像数据进行分析,获得车辆当前所处的目标道路场景类别;/n根据所述目标道路场景类别确定目标检测器;/n基于所述目标检测器对激光点云数据进行处理,获得目标障碍物。/n
【技术特征摘要】
1.一种道路目标的检测方法,其特征在于,包括:
对采集的道路图像数据进行分析,获得车辆当前所处的目标道路场景类别;
根据所述目标道路场景类别确定目标检测器;
基于所述目标检测器对激光点云数据进行处理,获得目标障碍物。
2.根据权利要求1所述的方法,其特征在于,对采集的道路图像数据进行分析,获得车辆当前所处的道路场景类别,包括:
将采集的道路图像数据输入道路场景分类器,输出车辆当前所处的多个道路场景类别的概率;
将概率最大的道路场景类别确定为目标道路场景类别。
3.根据权利要求2所述的方法,其特征在于,所述道路场景分类器包括卷积层、池化层、全连接及逻辑回归函数;将采集的道路图像数据输入道路场景分类器,输出车辆当前所处的多个道路场景类别的概率,包括:
将采集的道路图像数据输入卷积层和池化层进行特征提取;
将提取到的特征输入所述全连接层进行加权求和;
将加权求和所得的值输入所述逻辑回归函数,获得车辆当前所处的多个道路场景类别的概率。
4.根据权利要求1所述的方法,其特征在于,根据所述目标道路场景类别确定目标检测器,包括:
若目标道路场景为简单道路场景,则确定的目标检测器为一阶段检测器;
若目标道路场景为复杂道路场景,则确定的目标检测器为二阶段检测器。
5.根据权利要求1所述的方法,其特征在于,在获得目标障碍物之后,还包括:
将所述目标障碍物的信...
【专利技术属性】
技术研发人员:李创辉,王宇,李锦瑭,王硕,耿真,
申请(专利权)人:中国第一汽车股份有限公司,
类型:发明
国别省市:吉林;22
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。