轨迹规划的方法、装置、控制器和智能车制造方法及图纸

一种轨迹规划的方法、装置、控制器和智能车，用以实现有效检测障碍物进而规划智能车的行驶轨迹。该方法包括：智能车的控制器获取多个传感器采集的障碍物数据后，对多个传感器采集的障碍物数据进行去重处理得到目标障碍物的检测结果，最后基于目标障碍物的检测结果进行车辆的轨迹规划。结合多个传感器的障碍物数据，全面检测智能车周围的障碍物，并且可以有效去除重复的障碍物，可以用于合理规划智能车的行驶轨迹，提高自动驾驶的安全性。

【技术实现步骤摘要】
轨迹规划的方法、装置、控制器和智能车
本申请涉及智能车(smart/inteligentcar)领域，尤其涉及一种自动驾驶(automaticdriving，ADS)过程中的轨迹规划的方法、装置、控制器和智能车。
技术介绍
自动驾驶中障碍物感知是指自动驾驶过程中传感器检测自车周围的障碍物信息，是车辆实现自动驾驶的基础。当前检测障碍物的方法主要依赖于车载传感器。通常每辆智能车会利用激光雷达和高精地图相配合的方式确认智能车的障碍物信息，进而规划智能车的行驶轨迹，但是，激光雷达受天气影响比较大，使用场景和精度均存在局限性。另一种方式则是利用摄像头作为检测设备，由于摄像头只能采集二维图像，需要通过复杂的处理过程才能识别图像中物体的类别，但是，又无法识别同一类物体中不同个体，导致摄像头也无法满足智能车在自动驾驶过程对各种复杂场景中障碍物检测的需求，无法合理规划智能车的行驶轨迹，影响自动驾驶的安全性。因此，如何有效检测障碍物进而规划智能车的行驶轨迹成为亟待解决的技术问题。
技术实现思路
本申请提供一种轨迹规划的方法、装置、控制器和智能车，用以实现有效检测障碍物进而规划智能车的行驶轨迹。第一方面，本申请提供了一种轨迹规划的方法，方法可以由智能车中的控制器实现。控制器获取多个传感器采集的障碍物数据后，对多个传感器采集的障碍物数据进行去重处理得到目标障碍物的检测结果，最后基于目标障碍物的检测结果进行车辆的轨迹规划，其中，多个传感器包含至少两种类型的传感器。通过上述方法，可以解决目前无法满足智能车的障碍物检测的需求导致无法合理规划智能车的行驶轨迹的问题。本方法可以结合多个传感器的障碍物数据，全面检测智能车周围的障碍物，并且可以有效去除重复的障碍物，可以用于合理规划智能车的行驶轨迹，提高自动驾驶的安全性。在一个可能的设计中，控制器对多个传感器采集的障碍物数据进行去重处理得到目标障碍物的检测结果时，具体方法可以为：控制器根据多个传感器的感知范围将多个传感器划分为多个感知组，并根据多个感知组的感知范围组成的最大范围将多个感知组分成多个计算组；然后分别对每个计算组中的传感器采集的障碍物数据进行第一去重处理后，对多个计算组对应的第一去重结果进行第二去重处理，得到第二去重结果；其中，任一个计算组包含至少两个感知组，至少两个感知组的最大范围之间有重叠；任一个感知组包含至少两个传感器，至少两个传感器的类型为至少两种类型，任一个感知组中的传感器的感知范围有重叠；所有感知组中各个传感器的感知范围的总范围覆盖智能车的全景范围。通过上述方法，控制器可以将多个传感器先划分为感知组，再将感知组划分为计算组，然后同时对几个计算组中的数据做去重处理，最后再对计算组间的数据去重，这样可以同时执行多个去重过程，进而提高障碍物去重精度和效率。在另一个可能的设计中，控制器对任一个计算组中的传感器采集的障碍物数据进行第一去重处理时，具体方法可以为：控制器对任一个计算组中每个感知组中的传感器采集的障碍物数据进行第一去重处理，然后对任一个计算组中至少两个感知组对应的第一去重结果进行第二去重处理，得到任一个计算组对应的第二去重结果，第二去重结果包括目标障碍物的检测结果。通过上述方法，可以同时对几个感知组中的障碍物数据去重后，再对感知组间的数据去重，可以同时执行过个去重过程，提高去重效率，并且组内去重后再组间去重可以提高去重精度。在另一个可能的设计中，控制器对任一个感知组中的传感器采集的障碍物数据进行第一去重处理时，具体方法可以为：控制器基于任一个感知组中每个传感器采集的障碍物数据生成每个传感器对应的障碍物属性列表，然后对该感知组中所有传感器分别对应的障碍物属性列表进行融合，得到任一个感知组对应的障碍物属性列表，其中每个传感器对应的障碍物属性列表包含至少一个障碍物的属性。通过上述方法可以把一个感知组中所有传感器识别到的相同障碍物的属性数据合并在一起，使得感知组对应的障碍物属性列表中没有重复的障碍物，进而提高障碍物检测的准确性。在另一个可能的设计中，控制器基于每个传感器采集的障碍物数据生成每个传感器对应的障碍物属性列表时，具体方法可以为：当传感器为激光雷达时，激光雷达采集的障碍物数据为点云数据，控制器可以先基于预设的虚拟相机参数将点云数据投影到二维RGB图像上，再对投影后得到的二维RGB图像进行实例分割，得到激光雷达对应的障碍物属性列表；当传感器是摄像头时，摄像头采集的障碍物数据为二维RGB图像，控制器可以直接对二维RGB图像进行实例分割，得到摄像头对应的障碍物属性列表。通过上述方法可以分别针对不同类型的传感器得到相应的障碍物属性列表，以便于后续进行障碍物属性数据的融合。在另一个可能的设计中，控制器对任一个二维RGB图像进行实例分割，得到障碍物属性列表时，具体方法可以为：控制器将二维RGB图像输入预设的实例分割模型，得到实例分割结果后，基于实例分割结果生成障碍物属性列表。通过上述方法，可以通过实例分割模型对传感器对应的二维RGB图像进行分析，确定障碍物的属性，进而得到传感器对应的障碍物属性列表。在另一个可能的设计中，控制器对任一个感知组中所有传感器分别对应的障碍物属性列表进行融合时，具体方法可以为：从第一障碍物属性列表中第一个未标记融合的障碍物开始，直至第一障碍物属性列表中所有障碍物均标记为“已融合”，分别与第二障碍物属性列表中的障碍物匹配；当第二障碍物属性列表中存在匹配的障碍物时，将障碍物在第一障碍物列表和第二障碍物列表中的属性数据进行合并，以及将障碍物附近的障碍物在第一障碍物列表和第二障碍物列表中的属性数据进行合并，并将障碍物以及障碍物附近的障碍物标记为“已融合”；当第二障碍物属性列表中不存在匹配的障碍物时，将障碍物标记“已融合”；其中，第一障碍物属性列表为任一个感知组中N个传感器对应的障碍物属性列表中A个障碍物属性列表融合后的障碍物属性列表，第二障碍物属性列表为B个障碍物属性列表融合后的障碍物属性列表，N为大于或等于2的整数，A为大于或者等于1的整数，B为大于或者等于1的整数，且A+B＝N。通过上述方法，可以将一个感知组中所有传感器识别到的相同障碍物的属性数据合并在一起，使得感知组对应的障碍物属性列表中没有重复的障碍物，进而提高障碍物检测的准确性；并且在融合过程中结合障碍物与附近障碍物之间的关系确定重复的障碍物可以提高去重效率。在另一个可能的设计中，A个传感器可以相同或者不同类型的传感器；B个传感器可以是相同或者不同类型的传感器。在另一个可能的设计中，控制器对任一个计算组中至少两个感知组对应的第一去重结果进行第二去重处理，得到任一个计算组对应的第二去重结果时，具体方法可以为：控制器根据每个感知组对应的第一去重结果中障碍物的位置，确定每个感知组对应的感知范围，并根据每个感知组对应的感知范围确定至少两个感知组间的重叠范围；最后对有重叠范围的至少两个感知组对应的第一去重结果进行第二去重处理。通过上述方法，可以将不同感知组间有重复的障碍物去除，以保证一个计算组对应的障碍物没有重复的障碍物，进而提高障碍物检测的准确性本文档来自技高网...

【技术保护点】
1.一种轨迹规划的方法，其特征在于，所述方法包括：/n获取多个传感器采集的障碍物数据；所述多个传感器包含至少两种类型的传感器；/n对所述多个传感器采集的障碍物数据进行去重处理，得到目标障碍物的检测结果；/n基于所述目标障碍物的检测结果进行车辆的轨迹规划。/n

【技术特征摘要】
1.一种轨迹规划的方法，其特征在于，所述方法包括：
获取多个传感器采集的障碍物数据；所述多个传感器包含至少两种类型的传感器；
对所述多个传感器采集的障碍物数据进行去重处理，得到目标障碍物的检测结果；
基于所述目标障碍物的检测结果进行车辆的轨迹规划。


2.如权利要求1所述的方法，其特征在于，对所述多个传感器采集的障碍物数据进行去重处理，得到目标障碍物的检测结果，包括：
根据所述多个传感器的感知范围，将所述多个传感器划分为多个感知组；其中任一个感知组包含至少两个传感器，所述至少两个传感器的类型为至少两种类型，任一个感知组中的传感器的感知范围有重叠；所有感知组中各个传感器的感知范围的总范围覆盖智能车的全景范围；
根据所述多个感知组的感知范围组成的最大范围，将所述多个感知组分成多个计算组；其中，任一个计算组包含至少两个感知组，所述至少两个感知组的最大范围之间有重叠；
分别对每个计算组中的传感器采集的障碍物数据进行第一去重处理；
对所述多个计算组对应的第一去重结果进行第二去重处理，得到第二去重结果。


3.如权利要求1或2所述的方法，其特征在于，对任一个计算组中的传感器采集的障碍物数据进行第一去重处理，包括：
对所述任一个计算组中每个感知组中的传感器采集的障碍物数据进行所述第一去重处理；
对所述任一个计算组中至少两个感知组对应的所述第一去重结果进行所述第二去重处理，得到所述任一个计算组对应的第二去重结果，所述第二去重结果包括所述目标障碍物的检测结果。


4.如权利要求1-3任一项所述的方法，其特征在于，对任一个感知组中的传感器采集的障碍物数据进行第一去重处理，包括：
基于所述任一个感知组中每个传感器采集的障碍物数据生成每个传感器对应的障碍物属性列表，每个传感器对应的障碍物属性列表包含至少一个障碍物的属性；
对所述任一个感知组中所有传感器分别对应的障碍物属性列表进行融合，得到所述任一个感知组对应的障碍物属性列表。


5.如权利要求1-4任一项所述的方法，其特征在于，基于每个传感器采集的障碍物数据生成所述每个传感器对应的障碍物属性列表，包括：
当传感器为激光雷达时，所述激光雷达采集的障碍物数据为点云数据，基于预设的虚拟相机参数将所述点云数据投影到二维RGB图像上；对投影后得到的二维RGB图像进行实例分割，得到所述激光雷达对应的障碍物属性列表；
当传感器是摄像头时，所述摄像头采集的障碍物数据为二维RGB图像，对所述二维RGB图像进行实例分割，得到所述摄像头对应的障碍物属性列表。


6.如权利要求1-5任一项所述的方法，其特征在于，对任一个二维RGB图像进行实例分割，得到障碍物属性列表，包括：
将二维RGB图像输入预设的实例分割模型，得到实例分割结果；
基于所述实例分割结果生成障碍物属性列表。


7.如权利要求1-6任一项所述的方法，其特征在于，对所述任一个感知组中所有传感器分别对应的障碍物属性列表进行融合，包括：
从第一障碍物属性列表中第一个未标记融合的障碍物开始，直至所述第一障碍物属性列表中所有障碍物均标记为“已融合”，分别与第二障碍物属性列表中的障碍物匹配；
当所述第二障碍物属性列表中存在匹配的障碍物时，将所述障碍物在所述第一障碍物列表和所述第二障碍物列表中的属性数据进行合并，以及将所述障碍物附近的障碍物在所述第一障碍物列表和所述第二障碍物列表中的属性数据进行合并，并将所述障碍物以及所述障碍物附近的障碍物标记为“已融合”；
当所述第二障碍物属性列表中不存在匹配的障碍物时，将所述障碍物标记“已融合”；
其中，所述第一障碍物属性列表为所述任一个感知组中N个传感器对应的障碍物属性列表中A个障碍物属性列表融合后的障碍物属性列表，所述第二障碍物属性列表为B个障碍物属性列表融合后的...

【专利技术属性】
技术研发人员：胡伟辰，肖聪，王灿，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44