【技术实现步骤摘要】
一种障碍物感知方法、装置及存储介质
[0001]本申请涉及自动驾驶领域领域，尤其涉及一种障碍物感知方法、装置和存储介质。
技术介绍
[0002]随着自动驾驶技术的不断发展，各类传感器作为自动驾驶系统的重要组成部分。自动驾驶系统的环境感知部分通常需要获取大量周围环境信息，确保自动车对车身周围环境的正确理解和对应决策。但使用单个传感器感知存在局限性，一方面单个感知设备由于传感器安装位置限制有可能存在检测盲区；另一方面每个传感器有各自的特有缺陷。
[0003]由此可见，使用单传感器进行障碍物感知，存在识别精度不高的问题。
技术实现思路
[0004]针对上述技术问题，本申请实施例提供了一种障碍物感知方法、装置及存储介质，用以提高障碍物感知的精度。
[0005]第一方面，本申请实施例提供的一种障碍物感知方法，包括：
[0006]获取同一时刻的原始点云和相机图片；
[0007]获取投影转换的标定内参和外参；
[0008]对所述原始点云进行语义分割，得到第二点云；
[0009...
【技术保护点】
【技术特征摘要】
1.一种障碍物感知方法，其特征在于，包括：获取同一时刻的原始点云和相机图片；获取投影转换的标定内参和外参；对所述原始点云进行语义分割，得到第二点云；对所述相机图片进行语义分割，得到第二图片；根据所述内参和所述外参，进行所述原始点云到所述第二图片的投影，得到第三点云，所述第三点云中的每个点包括所述第二图片对应的第二语义类别信息；对所述第三点云中的第二语义类别信息，所述第二点云中的第一语义类别信息和所述原始点云的特征信息进行体素化后，输入自适应注意力机制网络中进行学习，得到加权后的语义信息；根据所述加权后的语义信息，检测障碍物目标；其中，所述第二点云和第三点云包括障碍物类别信息。2.根据权利要求1所述的方法，其特征在于，所述输入自适应注意力机制网络中进行学习包括：对局部特征在自适应注意力机制网络中进行学习，得到学习后的局部特征V
i
；对全局特征在自适应注意力机制网络中进行学习，得到学习后的全局特征V
global
；将所述学习后的全局特征V
global
拼接到每个局部特征V
i
上，得到增强特征V
gl
。3.根据权利要求2所述的方法，其特征在于，所述根据所述加权后的语义信息，检测障碍物目标包括：将所述加权后的语义信息，输入到目标检测器中进行障碍物目标的检测。4.根据权利要求1所述的方法，其特征在于，所述获取同一时刻的原始点云和相机图片包括：对点云和相机进行软件同步或者硬件同步；获得同一时刻的原始点云和相机图片。5.根据权利要求1所述的方法，其特征在于，所述原始点云进行语义分割，得到第二点云包括：将所述原始点云输入到点云语义分割网络中，得到第二点云。6.根据权利要求1所述的方法，其特征在于，所述对所述相机图片进行语义分割，得到第二图片包括：将所述相机图片输入到图片语义分割网络中，得到第二图片。7.根据权利要求1所述的方法，其特征在于，所述对所述第三点云中的第二语义类别信息，所述第二点云中的第一语义类别信息和所述原始点云的特征信息进行体素化之前，还包括：将所述第一语义类别信息和所述第二语义类别信息转换为One
‑
Hot编码格式。8.根据权利要求1所述的方法，其特征在于，所述进行所述原始点云到所述第二图片的投影包括：根据以下公式进行投影：P
′
＝Proj(K,M,P)，其中，Proj为投影矩阵处理过程；
K为相机的内参矩阵；M为相机到激光雷达的外参矩阵；P为激光雷达点云集合；P'为投影到相机坐标系后的激光雷达点云。9.根据权利要求2所述的方法，其特征在于，所述对局部特征在自适应注意力机制网络中进行学习，得到学习后的局部特征V
i
包括：根据以下公式进行局部特征的学习：V
i
＝max
i＝1,2,
…
,N
{MLP
l
(p
i
...
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。