一种可行驶区域的确定方法、装置、设备及存储介质制造方法及图纸

本申请涉及一种可行驶区域的确定方法、装置、设备或存储介质，该方法通过获取车辆的当前关注区域；当前关注区域包括多个子区域；根据获取的当前行驶环境中的障碍物信息，确定多个子区域中每个子区域的第一特征；每个子区域的第一特征包括第一可行驶概率；根据获取的当前行驶环境中的行驶边界信息，确定多个子区域中每个子区域的第二特征；每个子区域的第二特征包括第二可行驶概率；获取多个子区域中每个子区域的预测特征；预测特征包括预测可行驶概率；基于每个子区域的第二可行驶概率、第一可行驶概率和预测可行驶概率，从当前关注区域中确定当前可行驶区域。如此，可以提高可行驶区域检测的准确度。

【技术实现步骤摘要】
一种可行驶区域的确定方法、装置、设备及存储介质
本申请涉及自动驾驶
，特别涉及一种可行驶区域的确定方法、装置、设备及存储介质。
技术介绍
随着自动驾驶技术的兴起和普及，对环境感知的功能和性能要求越来越高。可行驶区域检测为自动驾驶车辆提供路径规划辅助，以达到实现高等级自动驾驶。现有的基于视觉的可行驶区域检测方案，主要有基于颜色、基于文理、基于边缘、基于灭点、道路模型分割、神经网络等方法，但是视觉可行驶区域检测存在以下问题：1、基于双目视觉的可行驶区域检测方案，设备成本高，不适用于对成本敏感的高级辅助驾驶系统，具有局限性；2、基于单目视觉的可行驶区域检测方案，由于单目视觉受相机姿态和地面起伏影响较大，易造成边缘检测误差较大；且在某些场景下，如水泥材质的高速防护栏和路面，由于防护栏和路面的颜色、纹理相近，容易造成道路边缘检测失效。
技术实现思路
本申请实施例提供了一种可行驶区域的确定方法、装置、设备及存储介质，可以有效解决部分场景下视觉检测道路边缘检测失效的问题，可以提高可行驶区域检测的准确度。一方面，本申请实施例提供了一种可行驶区域的确定方法，包括：获取车辆的当前关注区域；当前关注区域包括多个子区域；根据获取的当前行驶环境中的障碍物信息，确定多个子区域中每个子区域的第一特征；每个子区域的第一特征包括第一可行驶概率；根据获取的当前行驶环境中的行驶边界信息，确定多个子区域中每个子区域的第二特征；每个子区域的第二特征包括第二可行驶概率；获取多个子区域中每个子区域的预测特征；预测特征包括预测可行驶概率；基于每个子区域的第二可行驶概率、第一可行驶概率和预测可行驶概率，从当前关注区域中确定当前可行驶区域。可选的，预测特征还包括预测子区域类型、和预测边界概率；获取多个子区域中每个子区域的预测特征，包括：获取当前关注区域的前次关注区域，并得到前次关注区域的多个子区域中每个子区域的前次子区域类型、前次可行驶概率和前次边界概率；前次关注区域的多个子区域和当前关注区域的多个子区域一一对应；获取车辆的运动参数集合；针对前次关注区域中多个子区域的每个子区域：根据子区域的前次子区域类型、前次可行驶概率、前次边界概率和运动参数集合，确定子区域与车辆的当前相对位置；若当前相对位置处于当前关注区域对应的位置范围内，则在当前关注区域中确定当前相对位置对应的当前子区域，将子区域的前次子区域类型、前次边界概率和前次可行驶概率作为当前子区域的预测特征。可选的，前次子区域类型包括运动障碍物；运动参数集合包括当前车速和当前车辆行驶方向；根据子区域的前次子区域类型、前次可行驶概率、前次边界概率和运动参数集合，确定子区域与车辆的当前相对位置，包括：若子区域的前次子区域类型为运动障碍物，且子区域的前次边界概率大于等于第一预设边界概率，则从障碍物信息中确定出子区域对应的障碍物信息；根据障碍物信息、当前车速和当前车辆行驶方向，确定子区域与车辆的当前相对位置。可选的，还包括获取当前行驶环境中的障碍物信息的步骤；获取当前行驶环境中的障碍物信息，包括：通过毫米波雷达获取当前行驶环境信息，从当前行驶环境信息中确定出障碍物信息；障碍物信息包括多个障碍物的类型、速度、位置和置信度。可选的，每个子区域的第一特征还包括第一子区域类型；根据获取的当前行驶环境中的障碍物信息，确定多个子区域中每个子区域的第一特征，包括：针对多个障碍物中每个障碍物：根据障碍物的位置，在当前关注区域中确定障碍物对应的子区域集合；根据障碍物的速度，确定子区域集合中每个子区域的第一子区域类型；将子区域集合中每个子区域的第一可行驶概率确定为预设可行驶概率。可选的，还包括获取当前行驶环境中的行驶边界信息的步骤；获取当前行驶环境中的行驶边界信息，包括：通过摄像头获取当前行驶环境图像；对当前行驶环境图像进行语义分割，得到当前行驶环境图像对应的语义图像；从语义图像中确定出行驶边界像素点集合；行驶边界像素点集合中每个行驶边界像素点的语义特征包括车辆、护栏和绿化带中任一种；将行驶边界像素点集合映射到当前车身坐标系，得到行驶边界坐标集合；对行驶边界坐标集合进行插值处理，得到行驶边界信息。可选的，每个子区域的第二特征还包括第一边界概率；根据获取的当前行驶环境中的行驶边界信息，确定多个子区域中每个子区域的第二特征，包括：针对行驶边界信息中每个行驶边界坐标：在当前关注区域中确定行驶边界坐标对应的子区域，并将子区域的第一边界概率确定为第二预设边界概率；根据第二预设边界概率确定第二可行驶概率。另一方面，本申请实施例提供了一种可行驶区域的确定装置，包括：第一获取模块，用于获取车辆的当前关注区域；当前关注区域包括多个子区域；第一确定模块，用于根据获取的当前行驶环境中的障碍物信息，确定多个子区域中每个子区域的第一特征；每个子区域的第一特征包括第一可行驶概率；第二确定模块，用于根据获取的当前行驶环境中的行驶边界信息，确定多个子区域中每个子区域的第二特征；每个子区域的第二特征包括第二可行驶概率；第二获取模块，用于获取多个子区域中每个子区域的预测特征；预测特征包括预测可行驶概率；第三确定模块，用于基于每个子区域的第二可行驶概率、第一可行驶概率和预测可行驶概率，从当前关注区域中确定当前可行驶区域。另一方面，本申请实施例提供了一种设备，设备包括处理器和存储器，存储器中存储有至少一条指令或至少一段程序，至少一条指令或至少一段程序由处理器加载并执行上述的可行驶区域的确定方法。另一方面，本申请实施例提供了一种计算机存储介质，存储介质中存储有至少一条指令或至少一段程序，至少一条指令或至少一段程序由处理器加载并执行以实现上述的可行驶区域的确定方法。本申请实施例提供的一种可行驶区域的确定方法、装置、设备或存储介质具有如下有益效果：通过获取车辆的当前关注区域；当前关注区域包括多个子区域；根据获取的当前行驶环境中的障碍物信息，确定多个子区域中每个子区域的第一特征；每个子区域的第一特征包括第一可行驶概率；根据获取的当前行驶环境中的行驶边界信息，确定多个子区域中每个子区域的第二特征；每个子区域的第二特征包括第二可行驶概率；获取多个子区域中每个子区域的预测特征；预测特征包括预测可行驶概率；基于每个子区域的第二可行驶概率、第一可行驶概率和预测可行驶概率，从当前关注区域中确定当前可行驶区域。如此，将从多个维度确定的当前关注区域中每个子区域的多个特征进行融合，可以提高可行驶区域检测的准确度。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例提供的一种应用场景的示意图；图2是本申请实施例提供的一种可行驶区域的确定方法的流程示意图；图3是本申请实施例提供的本文档来自技高网...

【技术保护点】
1.一种可行驶区域的确定方法，其特征在于，包括：/n获取车辆的当前关注区域；所述当前关注区域包括多个子区域；/n根据获取的当前行驶环境中的障碍物信息，确定所述多个子区域中每个子区域的第一特征；所述每个子区域的第一特征包括第一可行驶概率；/n根据获取的当前行驶环境中的行驶边界信息，确定所述多个子区域中每个子区域的第二特征；所述每个子区域的第二特征包括第二可行驶概率；/n获取所述多个子区域中每个子区域的预测特征；所述预测特征包括预测可行驶概率；/n基于所述每个子区域的第二可行驶概率、第一可行驶概率和预测可行驶概率，从所述当前关注区域中确定当前可行驶区域。/n

【技术特征摘要】
1.一种可行驶区域的确定方法，其特征在于，包括：
获取车辆的当前关注区域；所述当前关注区域包括多个子区域；
根据获取的当前行驶环境中的障碍物信息，确定所述多个子区域中每个子区域的第一特征；所述每个子区域的第一特征包括第一可行驶概率；
根据获取的当前行驶环境中的行驶边界信息，确定所述多个子区域中每个子区域的第二特征；所述每个子区域的第二特征包括第二可行驶概率；
获取所述多个子区域中每个子区域的预测特征；所述预测特征包括预测可行驶概率；
基于所述每个子区域的第二可行驶概率、第一可行驶概率和预测可行驶概率，从所述当前关注区域中确定当前可行驶区域。


2.根据权利要求1所述的方法，其特征在于，所述预测特征还包括预测子区域类型、和预测边界概率；
所述获取所述多个子区域中每个子区域的预测特征，包括：
获取所述当前关注区域的前次关注区域，并得到所述前次关注区域的多个子区域中每个子区域的前次子区域类型、前次可行驶概率和前次边界概率；所述前次关注区域的多个子区域和所述当前关注区域的多个子区域一一对应；
获取所述车辆的运动参数集合；
针对所述前次关注区域中多个子区域的每个子区域：根据所述子区域的前次子区域类型、前次可行驶概率、前次边界概率和所述运动参数集合，确定所述子区域与所述车辆的当前相对位置；
若所述当前相对位置处于所述当前关注区域对应的位置范围内，则在所述当前关注区域中确定所述当前相对位置对应的当前子区域，将所述子区域的前次子区域类型、所述前次边界概率和所述前次可行驶概率作为所述当前子区域的预测特征。


3.根据权利要求2所述的方法，其特征在于，所述前次子区域类型包括运动障碍物；所述运动参数集合包括当前车速和当前车辆行驶方向；
所述根据所述子区域的前次子区域类型、前次可行驶概率、前次边界概率和所述运动参数集合，确定所述子区域与所述车辆的当前相对位置，包括：
若所述子区域的前次子区域类型为所述运动障碍物，且所述子区域的前次边界概率大于等于第一预设边界概率，则从所述障碍物信息中确定出所述子区域对应的障碍物信息；
根据所述障碍物信息、所述当前车速和所述当前车辆行驶方向，确定所述子区域与所述车辆的当前相对位置。


4.根据权利要求1所述的方法，其特征在于，还包括获取所述当前行驶环境中的障碍物信息的步骤；
所述获取所述当前行驶环境中的障碍物信息，包括：
通过毫米波雷达获取当前行驶环境信息，从所述当前行驶环境信息中确定出所述障碍物信息；所述障碍物信息包括多个障碍物的类型、速度、位置和置信度。


5.根据权利要求4所述的方法，其特征在于，所述每个子区域的第一特征还包括第一子区域类型；
所述根据获取的当前行驶环境中的障碍物信息，确定所述多个...

【专利技术属性】
技术研发人员：舒福，吴国苏州，刘佳佳，
申请(专利权)人：福瑞泰克智能系统有限公司，
类型：发明
国别省市：浙江;33