交通场景的障碍物检测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及图像检测技术领域，公开了一种交通场景的障碍物检测方法、装置、设备及存储介质，该方法包括：对获取到的交通场景图像进行预处理，获得超像素点云；基于超像素点云中各超像素的平面法向量获取第一障碍物概率；基于第一障碍物概率和超像素点云获取第二障碍物概率；根据第一障碍物概率和第二障碍物概率确定交通场景图像中的障碍物。相比于现有技术将深度信息映射到2D或3D占用网格中来寻找障碍物区域和可通行区域的分界线，本发明专利技术上述方法通过平面法向量特征和高度特征两个角度综合确定障碍物区域，从而能够将各种交通场景划分为障碍物类和自由空间类，进而提高了在各种交通场景中对障碍物进行检测并提供障碍物具体位置信息的准确性。体位置信息的准确性。体位置信息的准确性。

【技术实现步骤摘要】
交通场景的障碍物检测方法、装置、设备及存储介质


[0001]本专利技术涉及图像检测
，尤其涉及一种交通场景的障碍物检测方法、装置、设备及存储介质。

技术介绍

[0002]道路交通安全危害是当前全球共同面临的社会安全问题。根据世卫组织的统计，全球每年因道路交通事故造成约135万人死亡，2000～5000万人受伤。从交通事故类别上看，和汽车相关的占比超过2/3，而且危害也最严重。从交通事故源头上看，绝大多数交通事故所造成的危害来源于车辆与障碍物的碰撞，因此如何准确检测障碍物成为避免交通事故发生的重要研究方向。
[0003]早期的交通场景的障碍物检测方法通常是将深度信息映射到2D或3D占用网格中，并将动态规划应用于该占用网格，最终找到障碍物区域和可通行区域的最佳分界线。这种方法无法提供障碍物的具体位置信息，且检测精度普遍较低，因此往往只适用于一些简单的场景。然而，随着道路交通场景的复杂化，如仍沿用上述检测方法，仍有较大可能导致交通事故的发生。因此，目前行业内亟需一种能够在各种交通场景中准确检测到障碍物的检测方法。
[0004]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

[0005]本专利技术的主要目的在于提供了一种交通场景的障碍物检测方法、装置、设备及存储介质，旨在解决现有的交通场景的障碍物检测方法无法准确检测障碍物具体位置信息的技术问题。
[0006]为实现上述目的，本专利技术提供了一种交通场景的障碍物检测方法，所述方法包括以下步骤：
[0007]对获取到的交通场景图像进行预处理，获得超像素点云；
[0008]基于所述超像素点云中各超像素的平面法向量获取第一障碍物概率；
[0009]基于所述第一障碍物概率和所述超像素点云获取第二障碍物概率；
[0010]根据所述第一障碍物概率和所述第二障碍物概率确定所述交通场景图像中的障碍物。
[0011]可选地，所述基于所述超像素点云中各超像素的平面法向量获取第一障碍物概率，包括：
[0012]基于所述超像素点云中包含的3D点云信息拟合局部平面；
[0013]基于所述局部平面在所述超像素点云中获取各超像素的平面法向量；
[0014]基于所述平面法向量与空间直角坐标系的位置关系获取第一障碍物概率。
[0015]可选地，所述基于所述平面法向量与空间直角坐标系的位置关系获取第一障碍物
概率，包括：
[0016]获取所述超像素点云中各超像素的平面法向量在空间直角坐标系中与y轴正方向之间的夹角值；
[0017]对所述夹角值进行归一化处理，获得归一化夹角值；
[0018]通过Sigmoid函数将所述归一化夹角值转换为第一障碍物概率。
[0019]可选地，所述基于所述第一障碍物概率和所述超像素点云获取第二障碍物概率，包括：
[0020]将所述超像素点云中第一障碍物概率小于第一预设阈值的超像素设定为自由空间超像素；
[0021]基于所述自由空间超像素确定第二障碍物概率。
[0022]可选地，所述基于所述自由空间超像素确定第二障碍物概率，包括：
[0023]根据RANSAC算法和所述自由空间超像素拟合交通场景中的道路平面；
[0024]计算所述超像素点云中各像素点与所述道路平面之间的高度均值；
[0025]将所述高度均值进行归一化处理，获得归一化高度均值；
[0026]通过Sigmoid函数将所述归一化高度均值转换为第二障碍物概率。
[0027]可选地，所述根据所述第一障碍物概率和所述第二障碍物概率确定所述交通场景图像中的障碍物，包括：
[0028]对所述第一障碍物概率和所述第二障碍物概率进行融合，获得融合概率；
[0029]将所述融合概率大于第二预设阈值的超像素对应的区域确定为所述交通场景图像中的障碍物。
[0030]可选地，所述根据所述第一障碍物概率和所述第二障碍物概率确定所述交通场景图像中的障碍物之后，还包括：
[0031]对所述交通场景图像中被检测为障碍物对应的超像素进行水平分割，获得棒状像素；
[0032]对所述棒状像素进行视差优化，获得多层棒状像素；
[0033]基于所述多层棒状像素确定所述交通场景图像中不同障碍物之间的分界线以及所述障碍物与当前拍摄位置之间的距离。
[0034]此外，为实现上述目的，本专利技术还提出一种交通场景的障碍物检测装置，所述交通场景的障碍物检测装置包括：
[0035]图像处理模块，用于对获取到的交通场景图像进行预处理，获得超像素点云；
[0036]第一计算模块，用于基于所述超像素点云中各超像素的平面法向量获取第一障碍物概率；
[0037]第二计算模块，用于基于所述第一障碍物概率和所述超像素点云获取第二障碍物概率；
[0038]概率融合模块，用于根据所述第一障碍物概率和所述第二障碍物概率确定所述交通场景图像中的障碍物。
[0039]此外，为实现上述目的，本专利技术还提出一种交通场景的障碍物检测设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的交通场景的障碍物检测程序，所述交通场景的障碍物检测程序配置为实现如上文所述的交通场景的障碍物
检测方法的步骤。
[0040]此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质上存储有交通场景的障碍物检测程序，所述交通场景的障碍物检测程序被处理器执行时实现如上文所述的交通场景的障碍物检测方法的步骤。
[0041]本专利技术对获取到的交通场景图像进行预处理，获得超像素点云；基于超像素点云中各超像素的平面法向量获取第一障碍物概率；基于第一障碍物概率和超像素点云获取第二障碍物概率；将第一障碍物概率和第二障碍物概率融合后获得融合概率，根据融合概率确定交通场景图像中的障碍物。相比于现有技术将深度信息映射到2D或3D占用网格中，通过寻找被占用的网格找到障碍物区域和可通行区域的最佳分界线，本专利技术上述方法提出了基于局部空间特征信息的交通场景的障碍物检测方法，即通过平面法向量特征和高度特征两个角度综合计算局部区域存在障碍物的概率，从而能够将各种交通场景划分为障碍物类和自由空间类，进而提高了交通场景中对障碍物进行检测并提供障碍物具体位置信息的准确性。
附图说明
[0042]图1为本专利技术实施例方案涉及的硬件运行环境的交通场景的障碍物检测设备的结构示意图；
[0043]图2为本专利技术交通场景的障碍物检测方法第一实施例的流程示意图；
[0044]图3为本专利技术交通场景的障碍物检测方法第二实施例的流程示意图；
[0045]图4为本专利技术交通场景的障碍物检测方法障碍物和自由空间区域点云分布对比图；
[0046]图5为本专利技术交通场景的障碍物检测方法第三实施例的流程示意图；
[0047]图6为本专利技术交通场景的障碍物检测方法的棒状像素分割结果示意图；
...

【技术保护点】

【技术特征摘要】
1.一种交通场景的障碍物检测方法，其特征在于，所述方法包括以下步骤：对获取到的交通场景图像进行预处理，获得超像素点云；基于所述超像素点云中各超像素的平面法向量获取第一障碍物概率；基于所述第一障碍物概率和所述超像素点云获取第二障碍物概率；根据所述第一障碍物概率和所述第二障碍物概率确定所述交通场景图像中的障碍物。2.如权利要求1所述的交通场景的障碍物检测方法，其特征在于，所述基于所述超像素点云中各超像素的平面法向量获取第一障碍物概率，包括：基于所述超像素点云中包含的3D点云信息拟合局部平面；基于所述局部平面在所述超像素点云中获取各超像素的平面法向量；基于所述平面法向量与空间直角坐标系的位置关系获取第一障碍物概率。3.如权利要求2所述的交通场景的障碍物检测方法，其特征在于，所述基于所述平面法向量与空间直角坐标系的位置关系获取第一障碍物概率，包括：获取所述超像素点云中各超像素的平面法向量在空间直角坐标系中与y轴正方向之间的夹角值；对所述夹角值进行归一化处理，获得归一化夹角值；通过Sigmoid函数将所述归一化夹角值转换为第一障碍物概率。4.如权利要求1所述的交通场景的障碍物检测方法，其特征在于，所述基于所述第一障碍物概率和所述超像素点云获取第二障碍物概率，包括：将所述超像素点云中第一障碍物概率小于第一预设阈值的超像素设定为自由空间超像素；基于所述自由空间超像素确定第二障碍物概率。5.如权利要求4所述的交通场景的障碍物检测方法，其特征在于，所述基于所述自由空间超像素确定第二障碍物概率，包括：根据RANSAC算法和所述自由空间超像素拟合交通场景中的道路平面；计算所述超像素点云中各像素点与所述道路平面之间的高度均值；将所述高度均值进行归一化处理，获得归一化高度均值；通过Sigmoid函数将所述归一化高度均值转换为第二...

【专利技术属性】
技术研发人员：慈文彦，许铁，轩家银，田璐，
申请(专利权)人：湖州师范学院，
类型：发明
国别省市：