【技术实现步骤摘要】
一种基于无人驾驶车辆的灰尘检测方法、装置及设备
[0001]本申请涉及车辆自动驾驶
,尤其涉及一种基于无人驾驶车辆的灰尘检测方法
、
装置及设备
。
技术介绍
[0002]随着
L4
级别自动驾驶技术的发展,自动驾驶车辆面临着越来越多的特殊场景挑战,尤其是在矿区等环境中,灰尘扬尘问题日益突出
。
由于灰尘的特征与实体障碍物的特征相似,使得无人驾驶车辆很难区分灰尘和真实障碍物,使得在灰尘环境中自动驾驶车辆往往会出现一系列不必要的反应,如急打方向或紧急刹车等
。
这些反应通常是由于误判灰尘为障碍物或危险信号而引起的
。
这种不准确的感知可能会导致自动驾驶车辆的不合理行为,甚至在极端情况下造成车辆失控
、
追尾等严重安全事故
。
[0003]现有技术中,为了避免上述问题,一般采用毫米波雷达与激光雷达相结合的检测方式来进行判断,在同时检测确认存在的障碍物检测信息时,判断存在实体障碍物,一定程度上能够避免误判灰尘为障碍物可能造成的安全事故
。
同时激光雷达检测的点云数据中大量团状
、
且形态变化极快的点云,还会被误识别为障碍物,因此,会存在误判断的可能性,从而影响无人机驾驶车辆的运行效率和安全性
。
技术实现思路
[0004]本申请提供一种基于无人驾驶车辆的灰尘检测方法
、
装置及设备,用以解决将灰尘误判为实体障碍物造成安全事故的问 ...
【技术保护点】
【技术特征摘要】
1.
一种基于无人驾驶车辆的灰尘检测方法,其特征在于,包括:对激光雷达采集的第一检测目标和毫米波雷达采集的第二检测目标进行匹配处理,并在找不到与所述第一检测目标匹配的第二检测目标时,将所述第一检测目标作为待检测目标;对所述待检测目标分别进行悬浮性分析
、
点云密度分析和点云梯度分析,得到所述待检测目标是灰尘聚类的所述悬浮性分析对应的第一可能性结论
、
所述点云密度分析对应的第二可能性结论和所述点云梯度分析对应的第三可能性结论;基于所述第一可能性结论
、
第二可能性结论和第三可能性结论,实现对所述待检测目标是否为灰尘的判定
。2.
根据权利要求1所述的方法,其特征在于,对所述待检测目标分别进行悬浮性分析
、
点云密度分析和点云梯度分析,得到所述待检测目标是灰尘聚类的所述悬浮性分析对应的第一可能性结论,包括:根据所述待检测目标中最低点的点云的位置信息,得到所述待检测目标的悬浮高度;根据所述悬浮高度和预设高度阈值的比值,得到所述待检测目标是灰尘聚类的第一可能性结论
。3.
根据权利要求1所述的方法,其特征在于,对所述待检测目标分别进行悬浮性分析
、
点云密度分析和点云梯度分析,得到所述待检测目标是灰尘聚类的所述点云密度分析对应的第二可能性结论,包括:基于所述待检测目标,选择任一点云,计算并筛选得到该点云与所述待检测目标中其他点云的最小距离;若所述任一点云的最小距离大于预设距离阈值,则将该点云作为密度异常点云;遍历所述待检测目标中的每个点云,得到多个密度异常点云;根据所述多个密度异常点云在所述待检测目标中的占比,得到所述待检测目标是灰尘聚类的第二可能性结论
。4.
根据权利要求1所述的方法,其特征在于,对所述待检测目标分别进行悬浮性分析
、
点云密度分析和点云梯度分析,得到所述待检测目标是灰尘聚类的所述点云梯度分析对应的第三可能性结论,包括:将所述待检测目标划分为多个待检测区域,并将位于同一待检测区域的点云投影到平面上,得到具有二维坐标的点云集;根据所述二维坐标,分别得到所述点云集中任一点云和与该点云相邻的两个点云形成的两个梯度,并计算所述两个梯度的梯度差;若所述任一点云对应的梯度差大于预设梯度差阈值,将该点云作为梯度异常点云;遍历所述待检测目标划分得到多个点云集中的每个点云,得到多个梯度异常点云;根据所述多个梯度异常点云在所述待检测目标中的占比,得到所述待检测目标是灰尘聚类的第三可能性结论
。5.
根据权利要求1所述的方法,其特征在于,所述基于所述第一可能性结论
、
第二可能性结论和第三可能性结论,实现对所述待检测目标是否为灰尘的判定,包括:根据预设权重,对所述第一可能性结论
、
第二可能性结论和第三可能性结论进行加权求和,得到所述待检测目标是灰尘聚类的概率;
若所述检测目标是灰尘聚类的概率大于所述预设概率阈值,则判定所述待检测目标是灰尘
。6.
根据权利要求1任一项所述的方法,其特征在于,所述对激光雷达采集的第一检测目标和毫米波雷达采集的第二检测目标进行匹配处理,并在找不到与所述第一检测目标匹配的第二检测目标时,将所述第一检...
【专利技术属性】
技术研发人员:邢庆涛,田磊,范敏,杨孟,赵玉超,
申请(专利权)人:中国重汽集团济南动力有限公司,
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。