障碍物识别方法、设备及存储介质技术

本申请提供一种障碍物识别方法、设备及存储介质，该方法通过对待处理双目图像进行深度估计，获得2D深度图，进而，将深度图转换为3D点云，即模仿激光雷达的伪雷达信号，再对该伪雷达信号进行障碍物聚类，并对聚类后前后帧中同一类障碍物进行关联，获得聚类后每一类障碍物的运动参数，其中，深度估计通过双目深度预测网络，使得回归的深度更加准确，而且，伪雷达信号相对于雷达信号，重建得到障碍物的点更加稠密，便于进行障碍物的聚类，另外，无需后处理算法进行像素平滑处理，处理过程简单，提高智能驾驶的安全性。驾驶的安全性。驾驶的安全性。

【技术实现步骤摘要】
障碍物识别方法、设备及存储介质


[0001]本申请涉及车辆避障技术，尤其涉及一种障碍物识别方法、设备及存储介质。

技术介绍

[0002]目前，智能驾驶(自动/无人驾驶)蓬勃发展，智能驾驶的应用越来越广泛，例如无人仓库中自主运货、地下停车场自主泊车等，智能驾驶所处的环境越来越复杂。
[0003]相关技术中，智能驾驶通常使用双目相机进行障碍物的识别，常用方案是利用双目相机获取双目图像，进而确定UV视差图，利用UV视差图进行障碍物识别。
[0004]然而，上述V视差和U视差结合的方案，对复杂场景的障碍物存在识别效果差的问题，并且需要额外的后处理算法进行像素平滑处理，处理过程复杂。

技术实现思路

[0005]为解决现有技术中存在的问题，本申请提供一种障碍物识别方法、设备及存储介质。
[0006]第一方面，本申请实施例提供一种障碍物识别方法，该方法包括如下步骤：
[0007]对待处理双目图像进行深度估计，获得2D深度图；
[0008]将所述2D深度图转换为3D点云；
[0009]对所述3D点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种障碍物识别方法，其特征在于，包括：对待处理双目图像进行深度估计，获得2D深度图；将所述2D深度图转换为3D点云；对所述3D点云进行障碍物聚类，确定每一类障碍物，并对聚类后前后帧中同一类障碍物进行关联，获得所述每一类障碍物的运动参数。2.根据权利要求1所述的方法，其特征在于，所述对所述3D点云进行障碍物聚类，包括：去除所述3D点云中的离群点；对去除离群点后的3D点云进行障碍物聚类。3.根据权利要求1或2所述的方法，其特征在于，所述将所述2D深度图转换为3D点云，包括：对所述2D深度图进行边缘去除处理；将去除边缘后的2D深度图转换为所述3D点云。4.根据权利要求3所述的方法，其特征在于，对所述2D深度图进行边缘去除处理，包括：对所述2D深度图进行边缘检测；若检测所述2D深度图的边缘不完整，则去除所述2D深度图的边缘上的孤立点和连续间断点；将去除孤立点和连续间断点的边缘，向内外均匀膨胀预设数目个像素，获得所述2D深度图的边缘掩膜；根据所述边缘掩膜，在所述2D深度图上进行边缘掩膜去除处理。5.根据权利要求2所述的方法，其特征在于，所述去除所述3D点云中的离群点，包括：对所述3D点云中每个点的邻域进行统计分析，确定所述3D点云中每个点与其邻域中各个点之间的平均距离，其中，所述每个点的邻域中包括预设数目个点；从所述每个点中确定所述平均距离在预设距离范围之外的点，所述预设距离范围根据所述平均距离的分布确定；将确定的点作为所述离群点，去除所述3D点云中的...

【专利技术属性】
技术研发人员：王珂，杨焕星，陈鹭远，
申请(专利权)人：北京四维图新科技股份有限公司，
类型：发明
国别省市：