基于激光雷达的目标检测方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种基于激光雷达的目标检测方法、装置、设备及存储介质，属于汽车感知算法技术领域，所述方法包括：将当前帧点云数据划分为预设个数的体素，其中，所述当前帧点云数据由激光雷达采集到的多个三维点数据组成，所述预设个数的体素具有相同大小；针对每个体素，根据预先建立的与所述体素对应的背景模型，确定所述体素的类型，其中，所述背景模型与所述体素的位置相对应，所述背景模型中包括至少一个体素，所述体素的类型表征所述体素为前景或背景；对所有所述类型为前景的体素中的三维点数据进行处理，得到每个目标的检测结果。本申请通过与三维点数据的位置相对应的背景模型进行目标检测，可以得到精确的目标定位信息。

【技术实现步骤摘要】
基于激光雷达的目标检测方法、装置、设备及存储介质
本申请涉及汽车感知算法
，尤其涉及一种基于激光雷达的目标检测方法、装置、设备及存储介质。
技术介绍
目标检测是自动驾驶环境感知系统中重要的组成部分，现有的目标检测方法主要是基于摄像头和毫米波雷达，但摄像头与毫米波雷达的覆盖范围有限，且极易受到检测距离的影响，若直接根据摄像头与毫米波雷达采集到的原始点云数据检测目标，存在误检的可能，不能准确检测目标。
技术实现思路
本申请实施例提供了一种基于激光雷达的目标检测方法、装置、设备及存储介质，以解决现有技术利用摄像头与毫米波雷达不能准确检测目标的技术问题。为了达到所述目的，本申请采用的技术方案是：一方面，本申请实施例提供了一种基于激光雷达的目标检测方法，所述方法包括：将当前帧点云数据划分为预设个数的体素，其中，所述当前帧点云数据由激光雷达采集到的多个三维点数据组成，所述预设个数的体素具有相同大小；针对每个体素，根据预先建立的与所述体素对应的背景模型，确定所述体素的类型，其中，所述背景模型与所述体素的位置相本文档来自技高网...

【技术保护点】
1.一种基于激光雷达的目标检测方法，其特征在于，所述方法包括：/n将当前帧点云数据划分为预设个数的体素，其中，所述当前帧点云数据由激光雷达采集到的多个三维点数据组成，所述预设个数的体素具有相同大小；/n针对每个体素，根据预先建立的与所述体素对应的背景模型，确定所述体素的类型，其中，所述背景模型与所述体素的位置相对应，所述背景模型中包括至少一个体素，所述体素的类型表征所述体素为前景或背景；/n对所有所述类型为前景的体素中的三维点数据进行处理，得到每个目标的检测结果。/n

【技术特征摘要】
1.一种基于激光雷达的目标检测方法，其特征在于，所述方法包括：
将当前帧点云数据划分为预设个数的体素，其中，所述当前帧点云数据由激光雷达采集到的多个三维点数据组成，所述预设个数的体素具有相同大小；
针对每个体素，根据预先建立的与所述体素对应的背景模型，确定所述体素的类型，其中，所述背景模型与所述体素的位置相对应，所述背景模型中包括至少一个体素，所述体素的类型表征所述体素为前景或背景；
对所有所述类型为前景的体素中的三维点数据进行处理，得到每个目标的检测结果。


2.根据权利要求1所述的方法，其特征在于，在所述针对每个体素，根据预先建立的与所述体素对应的背景模型，确定所述体素的类型之前，所述方法还包括：
判断当前帧是否为第一帧；
若所述当前帧是所述第一帧，则建立每个体素对应的背景模型。


3.根据权利要求2所述的方法，其特征在于，所述建立每个体素对应的背景模型，包括：
针对每个体素，将在所述体素的领域范围内的体素作为样本集，所述体素的领域范围为与所述体素的距离在预设距离的范围；
对所述样本集进行预设次数的采样，每次采样从所述样本集中随机选取一个体素；
由每次采样获得的体素构成所述背景模型。


4.根据权利要求1所述的方法，其特征在于，所述针对每个体素，根据预先建立的与所述体素对应的背景模型，确定所述体素的类型，包括：
针对每个体素，计算所述体素与所述背景模型中每个体素的相似度；
统计所述相似度大于预设相似度阈值的个数；
若所述个数大于预设个数阈值，则所述体素的类型为背景；
若所述个数小于或等于所述预设个数阈值，则所述体素的类型为前景。


5.根据权利要求1所述的方法，其特征在于，所述检测结果包括类别、位置、大小和速度，所述对所有所述类型为前景的体素中的三维点数据进行处理，得到每个目标的检测结果，包括：
将所有所述类型为前景的体素中的三维点数据进行聚类，得到各个目标的目标点集；
针对每个目标，将所述目标的目标点集中的各个三维点数据输入到三...

【专利技术属性】
技术研发人员：李培杰，
申请(专利权)人：浙江吉利控股集团有限公司，浙江吉利汽车研究院有限公司，
类型：发明
国别省市：浙江;33