本申请提供一种障碍物检测方法、装置、存储介质及设备，该方法中，对原始点云做预设高度范围内的截取，得到初始ROI点云，利用初始ROI点云在空间中的分布情况，构建二维栅格网，并对每个栅格内的点云进行平面拟合，得到栅格平面，根据各栅格平面与激光雷达Z轴之间的夹角，对各栅格平面进行筛选，并根据点云到筛选后的栅格平面的欧氏距离对点云进行过滤，得到初始待检测点云，进而融合点云间的欧氏距离、高度特征距离、密度特征距离和反射强度特征距离对其进行聚类分割，得到目标点云。如此，通过综合利用低矮障碍物和缓坡绿化带等非地面障碍物不同于地面的特性，提升了对目标的检测精度，并且通过截取、筛选、过滤等操作，提升了检测效率。测效率。测效率。
【技术实现步骤摘要】
一种障碍物检测方法、装置、存储介质及设备
[0001]本申请涉及自动驾驶
，具体而言，涉及一种障碍物检测方法、装置、存储介质及设备。
技术介绍
[0002]具有智驾功能的车辆在自主行驶过程中通过车载摄像头或激光雷达等传感器感知周围环境，并根据感知结果自行规划行驶路径。目前，基于摄像头和激光雷达的深度神经网络感知算法已具备准确地检测车辆、行人、树木等尺寸较为高大目标的能力。但对于路面上不常见的石块、玻璃瓶、轮胎、货车上散落的小件货物以及路坑、路沿等尺寸较为低矮的障碍物，深度学习感知算法检测效果目前欠佳。同时，与路面相接的缓坡绿化带不属于车辆可行驶区域，一旦漏检将会给车辆带来较大的安全隐患。
[0003]目前，相关技术中检测低矮障碍物和缓坡绿化带的方式主要是基于深度学习模型来进行检测，并通过对神经网络结构做优化来提升检测效果。然而，这一方式非常依赖训练样本，在训练样本量较少时无法保证模型具有良好的检测效果，而且由于难以穷举所有的低矮障碍物类型，未训练到的障碍物的漏检几率会增大。
技术实现思路
[0004]本申请的目的在于提供一种障碍物检测方法、装置、存储介质及设备，旨在解决相关技术中检测低矮障碍物和缓坡绿化带的方式存在的检测效果较差，容易漏检的问题。
[0005]第一方面，本申请提供的一种障碍物检测方法，包括：利用初始感兴趣区域点云在空间中的分布情况，构建二维栅格网，并对每个栅格内的点云进行平面拟合，得到栅格平面；所述初始感兴趣区域点云是对原始点云做预设高度范围内的截取而得到的；根据各栅格平面与激光雷达所在坐标系中竖直朝上的坐标轴之间的夹角，对各栅格平面进行筛选，并根据所述初始感兴趣区域点云中各点云点到筛选后的栅格平面的欧氏距离，过滤得到初始待检测点云；对所述初始待检测点云进行分割，得到点云连通块，基于各点云连通块之间的欧氏距离、高度特征距离、密度特征距离和反射强度特征距离，对各点云连通块进行聚类分割，得到目标点云；所述目标点云用于指示非地面障碍物。
[0006]在上述实现过程中，对原始点云做预设高度范围内的截取，得到初始感兴趣区域点云，利用初始感兴趣区域点云在空间中的分布情况，构建二维栅格网，并对每个栅格内的点云进行平面拟合，得到栅格平面，根据各栅格平面与激光雷达Z轴之间的夹角，对各栅格平面进行筛选，并根据点云到筛选后的栅格平面的欧氏距离对点云进行过滤，得到初始待检测点云，进而融合点云间的欧氏距离、高度特征距离、密度特征距离和反射强度特征距离对其进行聚类分割，得到目标点云。如此，通过综合利用低矮障碍物和缓坡绿化带等非地面障碍物不同于地面的特性，提升了对目标的检测精度，并且通过截取、筛选、过滤等操作，提升了检测效率。
[0007]进一步地，在一些例子中，所述根据各栅格平面与激光雷达所在坐标系中竖直朝
上的坐标轴之间的夹角，对各栅格平面进行筛选，包括：计算各栅格平面与激光雷达所在坐标系中竖直朝上的坐标轴之间的夹角；若所述夹角小于等于预设角度阈值，保留所述栅格平面；若所述夹角大于预设角度阈值，丢弃所述栅格平面。
[0008]在上述实现过程中，计算各栅格平面与激光雷达Z轴之间的夹角，滤除夹角大于预设角度阈值的栅格平面，从而有效提前滤掉一些异常平面。
[0009]进一步地，在一些例子中，所述根据所述初始感兴趣区域点云中各点云点到筛选后的栅格平面的欧氏距离，过滤得到初始待检测点云之前，包括：使用高斯平滑算法对筛选后的栅格平面进行平滑处理。
[0010]在上述实现过程中，在过滤出初始待检测点云之前，对栅格平面进行高斯平滑，从而减少干扰点的误提取。
[0011]进一步地，在一些例子中，所述对所述初始待检测点云进行分割，得到点云连通块，包括：构建粗分割二维栅格网，将所述初始待检测点云分布到所述粗分割二维栅格网的各个栅格后，以八邻域方式对所述初始待检测点云进行粗分割，得到初始点云连通块；所述粗分割二维栅格网的单个栅格宽高尺寸为第一尺寸；构建细分割二维栅格网，将所述初始点云连通块分布到所述细分割二维栅格网的各个栅格后，以八邻域方式对所述初始点云连通块进行细分割，得到点云连通块；所述细分割二维栅格网的单个栅格宽高尺寸为第二尺寸；所述第二尺寸小于所述第一尺寸。
[0012]在上述实现过程中，对初始待检测点云进行粗分割，得到面积较大的初始点云连通块，再对初始点云连通块进行细分割，得到面积较小的点云连通块，为后续的聚类分割奠定良好的基础。
[0013]进一步地，在一些例子中，所述各点云连通块之间的欧氏距离、高度特征距离、密度特征距离和反射强度特征距离基于以下方式获取得到：构建目标二维栅格网，将各点云连通块分布到所述目标二维栅格网；所述目标二维栅格网的单个栅格宽高尺寸为第三尺寸；所述第三尺寸小于所述第二尺寸；根据所述目标二维栅格网内的点云连通块构建三通道特征图，并对所述三通道特征图进行重新采样，提取单个栅格内各点云点的高度特征、密度特征和反射强度特征；基于各点云点的坐标，计算各点云连通块之间的欧氏距离，并基于各点云点的高度特征、密度特征和反射强度特征，分别计算各点云连通块之间的高度特征距离、密度特征距离和反射强度特征距离。
[0014]在上述实现过程中，构建三通道的高度
‑
密度
‑
反射强度特征图，从特征图中提取点云高度特征、密度特征和反射强度特征，从而提升检测精度。
[0015]进一步地，在一些例子中，所述基于各点云连通块之间的欧氏距离、高度特征距离、密度特征距离和反射强度特征距离，对各点云连通块进行聚类分割，得到目标点云，包括：基于各点云连通块之间的欧氏距离、高度特征距离、密度特征距离和反射强度特征距离，得到各点云连通块之间的权重；基于所有点云连通块之间的权重构建相似矩阵和度矩阵，并基于所述相似矩阵和度矩阵计算得到拉普拉斯矩阵；将所述拉普拉斯矩阵进行标准化，根据标准化后的拉普拉斯矩阵对各点云连通块进行聚类分割，基于聚类分割得到的点云簇得到目标点云。
[0016]在上述实现过程中，使用谱聚类算法对点云连通块进行更精准的聚类分割，从而将路面、缓坡绿化带、路坑、路沿和低矮障碍物的点云分别聚合成不同的点云簇，即得到目
标点云。
[0017]进一步地，在一些例子中，所述各点云连通块之间的权重基于以下公式计算得到：式中，为第个点云连通块与第个点云连通块之间的权重；为第个点云连通块与第个点云连通块之间的欧氏距离；为第个点云连通块与第个点云连通块之间的高度特征距离；为第个点云连通块与第个点云连通块之间的密度特征距离；为第个点云连通块与第个点云连通块之间的反射强度特征距离；、、、分别是欧氏距离、高度特征距离、密度特征距离和反射强度特征距离的权值，；、、、分别是欧氏距离、高度特征距离、密度特征距离和反射强度特征距离的高斯核系数。
[0018]在上述实现过程中，通过上述公式，快速得到点云间的权重，提升检测效率。
[0019]第二方面，本申请提供的一种障碍物检测装置，包括：拟合模块，用于利用初始感兴趣区域本文档来自技高网...
【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，包括：利用初始感兴趣区域点云在空间中的分布情况，构建二维栅格网，并对每个栅格内的点云进行平面拟合，得到栅格平面；所述初始感兴趣区域点云是对原始点云做预设高度范围内的截取而得到的；根据各栅格平面与激光雷达所在坐标系中竖直朝上的坐标轴之间的夹角，对各栅格平面进行筛选，并根据所述初始感兴趣区域点云中各点云点到筛选后的栅格平面的欧氏距离，过滤得到初始待检测点云；对所述初始待检测点云进行分割，得到点云连通块，基于各点云连通块之间的欧氏距离、高度特征距离、密度特征距离和反射强度特征距离，对各点云连通块进行聚类分割，得到目标点云；所述目标点云用于指示非地面障碍物。2.根据权利要求1所述的方法，其特征在于，所述根据各栅格平面与激光雷达所在坐标系中竖直朝上的坐标轴之间的夹角，对各栅格平面进行筛选，包括：计算各栅格平面与激光雷达所在坐标系中竖直朝上的坐标轴之间的夹角；若所述夹角小于等于预设角度阈值，保留所述栅格平面；若所述夹角大于预设角度阈值，丢弃所述栅格平面。3.根据权利要求1所述的方法，其特征在于，所述根据所述初始感兴趣区域点云中各点云点到筛选后的栅格平面的欧氏距离，过滤得到初始待检测点云之前，包括：使用高斯平滑算法对筛选后的栅格平面进行平滑处理。4.根据权利要求1所述的方法，其特征在于，所述对所述初始待检测点云进行分割，得到点云连通块，包括：构建粗分割二维栅格网，将所述初始待检测点云分布到所述粗分割二维栅格网的各个栅格后，以八邻域方式对所述初始待检测点云进行粗分割，得到初始点云连通块；所述粗分割二维栅格网的单个栅格宽高尺寸为第一尺寸；构建细分割二维栅格网，将所述初始点云连通块分布到所述细分割二维栅格网的各个栅格后，以八邻域方式对所述初始点云连通块进行细分割，得到点云连通块；所述细分割二维栅格网的单个栅格宽高尺寸为第二尺寸；所述第二尺寸小于所述第一尺寸。5.根据权利要求4所述的方法，其特征在于，所述各点云连通块之间的欧氏距离、高度特征距离、密度特征距离和反射强度特征距离基于以下方式获取得到：构建目标二维栅格网，将各点云连通块分布到所述目标二维栅格网；所述目标二维栅格网的单个栅格宽高尺寸为第三尺寸；所述第三尺寸小于所述第二尺寸；根据所述目标二维栅格网内的点云连通块构建三通道特征图，并对所述三通道特征图进行重新采样，提取单个栅格内各点云点的高度特征、密度特征和反射强度特征；基于各点云点的坐标，计算各点云连通块之间的欧氏距离，并基...
【专利技术属性】
技术研发人员：罗宇亮，孙创开，江建山，伊海霞，王志伟，刘晓明，
申请(专利权)人：广汽埃安新能源汽车股份有限公司，
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。