障碍物检测方法、车辆及计算机可读存储介质技术

本申请提供了一种用于车辆的障碍物检测方法、车辆及存储介质。其中，方法包括：获取目标点云数据；获取目标图片数据；处理目标图片数据；得到全部多边形；其中，全部多边形包括障碍物的图像信息；处理目标点云数据，得到待选多边形；其中，待选多边形包括障碍物的点云信息；将待选多边形投影至全部多边形，以根据待选多边形匹配全部多边形，得到第一目标多边形，以根据第一目标多边形检测障碍物。本方法通过结合图片数据和点云数据，可以快速精准的判断目标障碍物的类型、形状、位置等信息，从而实现对障碍物的快速检测。实现对障碍物的快速检测。实现对障碍物的快速检测。

【技术实现步骤摘要】
障碍物检测方法、车辆及计算机可读存储介质


[0001]本申请涉及车辆
，更具体而言，涉及一种用于车辆的障碍物检测方法、车辆及计算机可读存储介质。

技术介绍

[0002]相关技术中，基于视觉的方法实现障碍物检测无法提供准确的位置精度，基于激光雷达的检测方法囿于标注数据量大，点云分割结果无法提供障碍物类别导致障碍物检测精度、效率低。因此，如何实现对障碍物的准确、快速检测成为了一个亟待解决的问题。

技术实现思路

[0003]基于此，本申请提供了一种用于车辆的障碍物检测方法，包括：
[0004]获取目标点云数据；
[0005]获取目标图片数据；
[0006]处理所述目标图片数据；得到全部多边形；其中，所述全部多边形包括障碍物的图像信息；
[0007]处理所述目标点云数据，得到待选多边形；其中，所述待选多边形包括所述障碍物的点云信息；
[0008]将所述待选多边形投影至所述全部多边形，以根据所述待选多边形匹配所述全部多边形，得到第一目标多边形，以根据所述第一目标多边形检测障碍物。
[0009]本方法首先获取有效包含车辆运行过程中周围的障碍物的信息的目标点云数据，以及获取包含周围障碍物准确种类、外形等信息的目标图片数据。并且，对目标图片数据进行图片处理，以框选出当前车辆附近障碍物对应的图像信息，并以此得到全部多边形。类似地，对目标点云数据进行处理，以框选代表障碍物位置和外形等信息的点云数据，并以此得到目标多边形。进一步，通过将待选多边形投影至全部多边形，本方法可以互相印证目标点云数据内的障碍物信息和目标图像视频内的障碍物信息，以保证匹配待选多边形和全部多边形得到的第一目标多边形可以正确表征障碍物的位置、类型、大小等信息，从而实现对障碍物的检测。
[0010]在某些实施方式中，所述获取目标点云数据，包括：
[0011]获取当前时刻的全部点云数据和上一时刻的全部点云数据；
[0012]根据上一时刻的全部点云数据对当前时刻的全部点云数据进行运动补偿，得到第一点云数据；
[0013]对所述第一点云数据进行地面检测，得到所述目标点云数据。
[0014]如此，本方法可以根据上一时刻的全部点云数据对当前时刻的点云数据进行运动补偿，从而提升当前时刻的点云数据的数据准确性，进而得到更为准确的第一点云数据。进一步，可以对第一点云数据进行地面检测，以筛除第一点云数据中地面部分对应的点云，以精简第一点云数据的数据大小，得到有效性更高的目标点云数据，进而根据目标点云数据
划分待选多边形。
[0015]在某些实施方式中，所述根据上一时刻的全部点云数据对当前时刻的全部点云数据进行运动补偿，得到第一点云数据之后，所述方法还包括：
[0016]对所述第一点云数据进行障碍物检测，得到包含动态障碍物点云信息的第二点云数据。
[0017]如此，对第一点云数据进行障碍物进行检测后，本方法可以得到包含当前场景中，可以自行实现移动的动态障碍物对应的点云信息，即得到第二点云数据。由于车辆运行场景中，障碍物的种类多为路边的固定物，如：垃圾箱、电线杆、路障、栏杆等。通过分类检测得到第二点云数据，本方法通过筛除这部分第二点云数据以更高效的对场景中出现的大部分障碍物的类别、位置、大小等信息进行检测，从而提升检测效率。
[0018]在某些实施方式中，所述对所述第一点云数据进行地面检测，得到所述目标点云数据，包括：
[0019]对所述第一点云数据进行地面检测，得到第三点云数据；
[0020]对所述第三点云数据进行障碍物检测，得到包含静态障碍物点云信息的第四点云数据；
[0021]筛除所述第四点云数据中与所述第二点云数据重叠部分的点云，得到所述目标点云数据。
[0022]如此，可以通过对第一点云数据的地面检测，得到筛除第一点云数据内地面部分对应的点云数据之后的第三点云数据，并进一步的对第三点云数据进行障碍物检测，以精简第三点云数据，得到仅包含静态障碍物的点云信息的第四点云数据。由于检测过程不能保证完全准确，第四点云数据中可能仍存在部分不属于静态障碍物的点云数据，故将第四点云数据与第二点云数据进行比对，以得到两者相互重叠的点云，这部分点云即为检测过程中误判的点云，进而将这部分点云删除掉，以得到准确的目标点云数据。
[0023]在某些实施方式中，本方法还包括：
[0024]对所述第一点云数据进行地面检测，得到地面点云数据；
[0025]将地面点云数据与所述第二点云数据结合，并投影至所述目标图片数据，以得到第二目标多边形，以根据所述第二目标多边形检测障碍物。
[0026]如此，类似于上述对地面部分的点云数据的筛选过程，本方法可以对第一点云数据进行地面检测得到地面点云数据。由于筛选过程必然存在误差，地面点云数据中仍有可能存在静态障碍物点云信息或者动态障碍物点云信息，且第二点云数据对应的动态障碍物点云信息中也可能存在静态障碍物点云信息，为保证障碍物检测不出现遗漏，提高障碍物检测准确性，故将地面点云数据和第二点云数据进行结合，并将结合后的点云投影至目标图片数据，以实现对地面点云数据和第二点云数据结合的点云中障碍物的再次筛查，进而得到第二目标点云数据，以检测得到前述方法中漏检的障碍物信息。
[0027]在某些实施方式中，将地面点云数据与所述第二点云数据结合，并投影至所述目标图片数据，以得到第二目标多边形，以根据所述第二目标多边形检测障碍物，包括：
[0028]结合所述地面点云数据与所述第二点云数据以进行聚类分析，得到待匹配数据；
[0029]将所述待匹配数据投影至所述目标图片数据，匹配生成与所述第二目标多边形，以根据所述第二目标多边形检测障碍物。
[0030]如此，将地面点云数据和第二点云数据结合以重新检测前述步骤中筛除的点云中是否存在障碍物信息，并通过与预设的聚类算法对结合得到的点云进行聚类分析，从而得到包含结合得到的点云中关于障碍物部分的障碍物信息的待匹配数据。其中，待匹配数据中包含前述步骤中没有检测到的障碍物信息。进一步，将待匹配数据投影至目标图片数据，可以根据待匹配数据中的障碍物信息选取目标图片数据中的全部多边形，进而将选取到的全部多边形作为第二目标多边形，进而通过第二目标多边形对障碍物信息进行检测。
[0031]在某些实施方式中，所述将所述待选多边形投影至所述全部多边形，以根据所述待选多边形匹配所述全部多边形，得到第一目标多边形，以根据所述第一目标多边形检测障碍物包括：
[0032]将所述待选多边形投影至所述全部多边形；得到投影数据；
[0033]筛选出所述投影数据内相互重合的所述待选多边形和所述全部多边形，并生成所述第一目标多边形。
[0034]如此，可以通过将待选多边形投影至全部多边形，以检测待选多边形和全部多边形的重合程度，由于相互重合的待选多边形和全部多边形可以代表车辆通过视觉检测和雷达检测同时判定在对应位置存在障碍物，故将相互重合的待选多边形本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于车辆的障碍物检测方法，其特征在于，包括：获取目标点云数据；获取目标图片数据；处理所述目标图片数据；得到全部多边形；其中，所述全部多边形包括障碍物的图像信息；处理所述目标点云数据，得到待选多边形；其中，所述待选多边形包括所述障碍物的点云信息；将所述待选多边形投影至所述全部多边形，以根据所述待选多边形匹配所述全部多边形，得到第一目标多边形，以根据所述第一目标多边形检测障碍物。2.根据权利要求1所述的障碍物检测方法，其特征在于，所述获取目标点云数据包括：获取当前时刻的全部点云数据和上一时刻的全部点云数据；根据上一时刻的全部点云数据对当前时刻的全部点云数据进行运动补偿，得到第一点云数据；对所述第一点云数据进行地面检测，得到所述目标点云数据。3.根据权利要求2所述的障碍物检测方法，其特征在于，所述根据上一时刻的全部点云数据对当前时刻的全部点云数据进行运动补偿，得到第一点云数据之后，所述方法还包括：对所述第一点云数据进行障碍物检测，得到包含动态障碍物点云信息的第二点云数据。4.根据权利要求3所述的障碍物检测方法，其特征在于，所述对所述第一点云数据进行地面检测，得到所述目标点云数据，包括：对所述第一点云数据进行地面检测，得到第三点云数据；对所述第三点云数据进行障碍物检测，得到包含静态障碍物点云信息的第四点云数据；筛除所述第四点云数据中与所述第二点云数据重叠部分的点云，得到所述目标点云数据。5.根据权利要求4所述的障碍物检测方法，其特征在于，所述方法还包括：对所述第一点云数据进行地面检测，得到地面点云数据；将地面点云数据与所述第二点云数据结合，并投影至所述目标图片数据，以得到第二目标多边形，以根据所述第二目标多边形检测...

【专利技术属性】
技术研发人员：刘诚，
申请(专利权)人：广州小鹏自动驾驶科技有限公司，
类型：发明
国别省市：