本公开涉及一种障碍物检测方法、装置、存储介质及电子设备，所述方法包括：获取待检测数据，所述待检测数据包括当前帧数据和历史帧数据，所述当前帧数据包括所述车辆的雷达采集的当前帧的三维点云数据和所述车辆在所述当前帧的定位信息，所述历史帧数据包括所述车辆的雷达采集的历史帧的三维点云数据和所述车辆在所述历史帧的定位信息，所述历史帧包括与所述当前帧相邻且在所述当前帧之前的多个帧；确定所述历史帧数据在所述当前帧的本地坐标系对应的目标历史帧数据；根据所述当前帧数据和所述目标历史帧数据，确定所述车辆周围的障碍物信息。这样，在解决自车移动问题的同时，可以提高车辆的感知能力，从而提高了障碍物识别的准确率。的准确率。的准确率。
【技术实现步骤摘要】
障碍物检测方法、装置、存储介质及电子设备
[0001]本公开涉及无人车
，具体地，涉及一种障碍物检测方法、装置、存储介质及电子设备。
技术介绍
[0002]无人驾驶车辆在行驶过程中会自动进行障碍物检测，获得无人车周围的障碍物的具体位置、形状大小以及移动方向等信息，从而可以帮助无人车确定避障策略。相关技术中，无人车利用单目相机、双目相机、多线激光雷达等进行3D目标检测，现有的检测技术包括单帧检测和多帧检测。
[0003]无车人行驶过程是一个时序性的过程，单帧检测会损失时序性的特征，导致障碍物识别的准确率比较低，而多帧检测虽然考虑了无人车的时序性特征，但是，由于自车移动产生比较大的误差，也会导致障碍物识别的准确率比较低。
技术实现思路
[0004]为了解决上述问题，本公开提供一种障碍物检测方法、装置、存储介质及电子设备。
[0005]第一方面，本公开提供一种障碍物检测方法，所述方法包括：
[0006]获取待检测数据，所述待检测数据包括当前帧数据和历史帧数据，所述当前帧数据包括车辆的雷达采集的当前帧的三维点云数据和所述车辆在所述当前帧的定位信息，所述历史帧数据包括所述车辆的雷达采集的历史帧的三维点云数据和所述车辆在所述历史帧的定位信息，所述历史帧包括与所述当前帧相邻且在所述当前帧之前的多个帧；
[0007]确定所述历史帧数据在所述当前帧的本地坐标系对应的目标历史帧数据；
[0008]根据所述当前帧数据和所述目标历史帧数据，确定所述车辆周围的障碍物信息。
[0009]可选地，所述根据所述当前帧数据和所述目标历史帧数据，确定所述车辆周围的障碍物信息包括：
[0010]确定所述当前帧数据对应的当前空间特征和所述历史帧数据对应的历史空间特征；
[0011]根据所述当前空间特征和所述历史空间特征，确定所述车辆周围的障碍物信息。
[0012]可选地，所述当前空间特征包括当前二维空间特征和当前三维空间特征，所述历史空间特征包括历史二维空间特征和历史三维空间特征；所述确定所述当前帧数据对应的当前空间特征和所述历史帧数据对应的历史空间特征包括：
[0013]将所述当前帧数据划分为多个当前体素，并将所述历史帧数据划分为多个历史体素；
[0014]确定每个所述当前体素对应的所述当前二维空间特征和所述当前三维空间特征，以及每个所述历史体素对应的所述历史二维空间特征和所述历史三维空间特征。
[0015]可选地，所述根据所述当前空间特征和所述历史空间特征，确定所述车辆周围的
障碍物信息包括：
[0016]将所述当前空间特征和所述历史空间特征输入预先训练的障碍物检测模型，以获取所述障碍物检测模型输出的障碍物检测框；
[0017]根据所述障碍物检测框，确定所述车辆周围的障碍物信息。
[0018]可选地，所述障碍物检测模型包括第一空间几何特征获取子模型、第二空间几何特征获取子模型以及障碍物检测框获取子模型；所述将所述当前空间特征和所述历史空间特征输入预先训练的障碍物检测模型，以获取所述障碍物检测模型输出的障碍物检测框包括：
[0019]将所述当前空间特征输入所述第一空间几何特征获取子模型，以获取所述第一空间几何特征获取子模型输出的第一空间几何特征；
[0020]将所述历史空间特征输入所述第二空间几何特征获取子模型，以获取所述第二空间几何特征获取子模型输出的第二空间几何特征；
[0021]将所述第一空间几何特征和所述第二空间几何特征输入所述障碍物检测框获取子模型，以获取所述障碍物检测框获取子模型输出的所述障碍物检测框。
[0022]可选地，所述障碍物检测模型通过以下方式训练得到：
[0023]获取多个样本检测数据，所述样本检测数据包括目标帧样本数据和历史帧样本数据，所述目标帧样本数据包括所述车辆的雷达采集的目标帧的三维点云数据和所述车辆在所述目标帧的定位信息，所述历史帧样本数据包括所述车辆的雷达采集的目标历史帧的三维点云数据和所述车辆在所述目标历史帧的定位信息，所述目标历史帧包括与所述目标帧相邻且在所述目标帧之前的多个帧；
[0024]确定所述历史帧样本数据在所述目标帧的本地坐标系对应的目标历史帧样本数据；
[0025]通过多个所述目标帧样本数据和多个所述目标历史帧样本数据对目标神经网络模型进行训练，得到所述障碍物检测模型。
[0026]第二方面，本公开提供一种障碍物检测装置，所述装置包括：
[0027]数据获取模块，用于获取待检测数据，所述待检测数据包括当前帧数据和历史帧数据，所述当前帧数据包括车辆的雷达采集的当前帧的三维点云数据和所述车辆在所述当前帧的定位信息，所述历史帧数据包括所述车辆的雷达采集的历史帧的三维点云数据和所述车辆在所述历史帧的定位信息，所述历史帧包括与所述当前帧相邻且在所述当前帧之前的多个帧；
[0028]数据确定模块，用于确定所述历史帧数据在所述当前帧的本地坐标系对应的目标历史帧数据；
[0029]障碍物信息确定模块，用于根据所述当前帧数据和所述目标历史帧数据，确定所述车辆周围的障碍物信息。
[0030]可选地，所述障碍物信息确定模块，还用于：
[0031]确定所述当前帧数据对应的当前空间特征和所述历史帧数据对应的历史空间特征；
[0032]根据所述当前空间特征和所述历史空间特征，确定所述车辆周围的障碍物信息。
[0033]可选地，所述当前空间特征包括当前二维空间特征和当前三维空间特征，所述历
史空间特征包括历史二维空间特征和历史三维空间特征；所述障碍物信息确定模块，还用于：
[0034]将所述当前帧数据划分为多个当前体素，并将所述历史帧数据划分为多个历史体素；
[0035]确定每个所述当前体素对应的所述当前二维空间特征和所述当前三维空间特征，以及每个所述历史体素对应的所述历史二维空间特征和所述历史三维空间特征。
[0036]可选地，所述障碍物信息确定模块，还用于：
[0037]将所述当前空间特征和所述历史空间特征输入预先训练的障碍物检测模型，以获取所述障碍物检测模型输出的障碍物检测框；
[0038]根据所述障碍物检测框，确定所述车辆周围的障碍物信息。
[0039]可选地，所述障碍物检测模型包括第一空间几何特征获取子模型、第二空间几何特征获取子模型以及障碍物检测框获取子模型；所述障碍物信息确定模块，还用于：
[0040]将所述当前空间特征输入所述第一空间几何特征获取子模型，以获取所述第一空间几何特征获取子模型输出的第一空间几何特征；
[0041]将所述历史空间特征输入所述第二空间几何特征获取子模型，以获取所述第二空间几何特征获取子模型输出的第二空间几何特征；
[0042]将所述第一空间几何特征和所述第二空间几何特征输入所述障碍物检测框获取子模型，以获取所述障碍物检测框获取子模型输出的所述障碍物检测框。
[0043]可本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种障碍物检测方法，其特征在于，所述方法包括：获取待检测数据，所述待检测数据包括当前帧数据和历史帧数据，所述当前帧数据包括车辆的雷达采集的当前帧的三维点云数据和所述车辆在所述当前帧的定位信息，所述历史帧数据包括所述车辆的雷达采集的历史帧的三维点云数据和所述车辆在所述历史帧的定位信息，所述历史帧包括与所述当前帧相邻且在所述当前帧之前的多个帧；确定所述历史帧数据在所述当前帧的本地坐标系对应的目标历史帧数据；根据所述当前帧数据和所述目标历史帧数据，确定所述车辆周围的障碍物信息。2.根据权利要求1所述的方法，其特征在于，所述根据所述当前帧数据和所述目标历史帧数据，确定所述车辆周围的障碍物信息包括：确定所述当前帧数据对应的当前空间特征和所述历史帧数据对应的历史空间特征；根据所述当前空间特征和所述历史空间特征，确定所述车辆周围的障碍物信息。3.根据权利要求2所述的方法，其特征在于，所述当前空间特征包括当前二维空间特征和当前三维空间特征，所述历史空间特征包括历史二维空间特征和历史三维空间特征；所述确定所述当前帧数据对应的当前空间特征和所述历史帧数据对应的历史空间特征包括：将所述当前帧数据划分为多个当前体素，并将所述历史帧数据划分为多个历史体素；确定每个所述当前体素对应的所述当前二维空间特征和所述当前三维空间特征，以及每个所述历史体素对应的所述历史二维空间特征和所述历史三维空间特征。4.根据权利要求2所述的方法，其特征在于，所述根据所述当前空间特征和所述历史空间特征，确定所述车辆周围的障碍物信息包括：将所述当前空间特征和所述历史空间特征输入预先训练的障碍物检测模型，以获取所述障碍物检测模型输出的障碍物检测框；根据所述障碍物检测框，确定所述车辆周围的障碍物信息。5.根据权利要求4所述的方法，其特征在于，所述障碍物检测模型包括第一空间几何特征获取子模型、第二空间几何特征获取子模型以及障碍物检测框获取子模型；所述将所述当前空间特征和所述历史空间特征输入预先训练的障碍物检测模型，以获取所述障碍物检测模型输出的障碍物检测框包括：将所述当前空间特征输入所述第一空间几何特征获取子模型，以获取所述第一空间几何特征获取子模型输出的第一空间几何特征；将所述历史空间特征输入所述第二空间几何特征获取子模型，以...
【专利技术属性】
技术研发人员：尹轩宇，刘博聪，史皓天，冯阳，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：
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。