【技术实现步骤摘要】
可行驶区域检测方法、计算机设备、存储介质及车辆
[0001]本专利技术涉及车辆
，具体提供一种可行驶区域检测方法、计算机设备、存储介质及车辆。
技术介绍
[0002]目前常规的车辆可行驶区域检测方法主要包括利用深度相机检测的方法和利用三维点云进行检测的方法。利用深度相机检测的方法主要是通过设置在车辆上的深度相机检测车辆与周围障碍物的距离，根据检测到的距离确定车辆的可行驶区域，这种方法受限于深度相机的深度感知能力，很难检测出准确的可行驶区域。利用三维点云进行检测的方法主要是对车辆行驶环境中的三维点云进行障碍物检测，以确定行驶环境中是否存在障碍物及障碍物与车辆的距离，根据距离确定车辆的可行驶区域。在利用三维点云进行检测的方法中，为了障碍物检测的准确性，需要先滤除三维点云中属于地面的地面点云，再对剩下的三维点云进行障碍物检测。目前常规的地面点云滤除方法主要是先由人工设定好滤除规则，再按照设定好的滤除规则逐一确定哪些三维点云是地面点云并进行滤除。由于三维点云的数量通常很大，这种方法需要消耗较多的时间才能完成地面点云的滤除。此外...
【技术保护点】
【技术特征摘要】
1.一种可行驶区域检测方法，其特征在于，所述方法包括：获取车辆行驶环境中的三维点云；采用基于卷积神经网络的地面高度估计模型并根据当前环境中的三维点云，估计当前环境的地面高度；根据所述地面高度确定所述三维点云中不属于地面的非地面点云；对所述非地面点云进行障碍物检测，得到一个或多个障碍物；根据所述障碍物的位置确定所述车辆行驶环境中的可行驶区域；其中，所述采用基于卷积神经网络的地面高度估计模型并根据当前环境中的三维点云，估计当前环境的地面高度至少包括下列步骤：采用所述地面高度估计模型对三维点云的点云空间进行栅格化处理形成多个三维的点云栅格，对每个所述点云栅格内的三维点云分别提取多种下采样尺度的三维卷积特征和多种下采样尺度的二维卷积特征，对所述三维卷积特征与所述二维卷积特征进行特征融合得到点云栅格特征，根据每个所述点云栅格的点云栅格特征分别估计每个所述点云栅格所在地面区域的地面高度。2.根据权利要求1所述的可行驶区域检测方法，其特征在于，“对每个所述点云栅格内的三维点云分别提取多种下采样尺度的三维卷积特征和多种下采样尺度的二维卷积特征”的步骤具体包括：采用多种下采样尺度的三维卷积分别对每个所述点云栅格内的三维点云进行卷积操作，得到每个所述点云栅格的多种下采样尺度的三维卷积特征；将所述三维卷积特征转换成初始的二维卷积特征，采用多种下采样尺度的二维卷积分别对每个所述初始的二维卷积特征进行卷积操作，得到最终的每个所述点云栅格的多种下采样尺度的二维卷积特征。3.根据权利要求1所述的可行驶区域检测方法，其特征在于，“对所述三维卷积特征与所述二维卷积特征进行特征融合得到点云栅格特征”的步骤具体包括：将每种下采样尺度的三维卷积特征全部转换成预设采样尺度的三维卷积特征，采用卷积核尺寸为1
×1×
1的卷积分别对每个所述预设采样尺度的三维卷积特征进行卷积操作，对经过所述卷积操作的三维卷积特征进行相加与稠密化处理形成新的三维卷积特征，将所述新的三维卷积特征转换成第一二维卷积特征；将每种下采样尺度的二维卷积特征全部转换成所述预设采样尺度的二维卷积特征，采用卷积核尺寸为1
×
1的卷积分别对每个所述预设采样尺度的二维卷积特征进行卷积操作，对经过所述卷积操作的二维卷积特征进行相加与稠密化处理形成第二二维卷积特征；采用卷积核尺寸为1
×
1的卷积分别对所述第一二维卷积特征与所述第二二维卷积特征进行卷积操作，将经过所述卷积操作的第一二维卷积特征与第二二维卷积特征进行相加，得到点云栅格特征。4.根据权利要求1至3中任一项所述的可行驶区域检测方法，其特征在于，所述方法还包括通过下列方式对所述地面高度估计模型进行模型训练，以采用训练好的地面高度估计模型估计当前环境的地面高度：将三维点云训练样本输入至地面高度估计模型，获取所述地面高度估计模型对所述三维点云训练样本提取到的训练样本的点云栅...
【专利技术属性】
技术研发人员：任广辉，秦欢，何欣栋，熊祺，彭超，
申请(专利权)人：安徽蔚来智驾科技有限公司，
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。