【技术实现步骤摘要】
本申请涉及自动驾驶，具体提供一种通用障碍物检测方法、可读存储介质及智能设备。
技术介绍
1、高级辅助驾驶的功能越来越受到大家的关注，而且使用的场景随着传感器和信息技术的进步，其功能体验也得到了进一步地提升。在高级辅助驾驶功能中，通用障碍物的检测是重要的一环。
2、对于通用障碍物，难以采用基于深度学习的目标检测方案来达到高精度的检测能力；而基于传统的聚类算法，由于只考虑了点云的几何分布，也难以获得良好的效果。
3、相应地，本领域需要一种新的通用障碍物检测方案来解决上述问题。
技术实现思路
1、为了克服上述缺陷，提出了本申请，以提供解决或至少部分地解决如何有效提升通用障碍物的检测准确性的问题。
2、在第一方面，本申请提供一种通用障碍物检测方法，根据待检测的点云数据，获取所述点云数据的目标检测结果和栅格化点云数据；
3、根据所述目标检测结果和所述栅格化点云数据，获取所述栅格化点云数据中栅格相对于所述目标检测结果的高斯散射核标签；
4、根据所述高斯散射核标签，对所述栅格进行聚类，以根据聚类结果获取所述点云数据中的通用障碍物检测结果。
5、在上述通用障碍物检测方法的一个技术方案中，所述根据所述高斯散射核标签，对所述栅格进行聚类，包括：
6、获取所述栅格的栅格级运动状态；
7、根据所述高斯散射核标签和所述栅格级运动状态，对所述栅格进行聚类。
8、在上述通用障碍物检测方法的一个技术方案中，
9、根据所述高斯散射核标签，获取占据所述栅格的所述目标检测结果的目标编码；
10、根据所述栅格的栅格级运动状态和所述目标编码，对所述栅格进行聚类。
11、在上述通用障碍物检测方法的一个技术方案中，所述根据所述高斯散射核标签，获取占据所述栅格的所述目标检测结果的目标编码，包括：
12、当所述栅格的高斯散射核标签大于预设的标签阈值，且大于所述栅格的历史高斯散射核标签，将对应的所述目标检测结果的目标编码赋予所述栅格。
13、在上述通用障碍物检测方法的一个技术方案中，所述根据所述栅格的栅格级运动状态和所述目标编码，对所述栅格进行聚类，包括：
14、针对当前栅格，根据所述栅格级运动状态，获取所述当前栅格和所述当前栅格的邻域栅格的运动速度；
15、根据所述运动速度，获取所述当前栅格和所述邻域栅格之间运动速度的运动状态距离；
16、根据所述目标编码，获取所述当前栅格和所述邻域栅格之间的目标距离；
17、根据所述运动状态距离和所述目标距离，对所述栅格进行聚类。
18、在上述通用障碍物检测方法的一个技术方案中，所述根据所述运动速度，获取所述当前栅格和所述邻域栅格之间运动速度的运动状态距离，包括：
19、获取所述当前栅格和所述邻域栅格之间运动速度的余弦距离和欧氏距离；
20、对所述余弦距离和所述欧氏距离进行加权计算，获取所述运动状态距离。
21、在上述通用障碍物检测方法的一个技术方案中，所述根据所述目标编码，获取所述当前栅格和所述邻域栅格之间的目标距离，包括：
22、当所述当前栅格和所述邻域栅格的目标编码相同时，设置所述目标距离为0；
23、当所述当前栅格和所述邻域栅格的目标编码不同时，设置所述目标距离为-1。
24、在上述通用障碍物检测方法的一个技术方案中，所述根据所述运动状态距离和所述目标距离，对所述栅格进行聚类，包括：
25、根据所述运动状态距离和所述目标距离进行加权计算，获取所述当前栅格和所述邻域栅格之间的相似度；
26、当所述相似度大于预设的相似度阈值时，判定所述当前栅格和所述邻域栅格连通，从而实现所述栅格的聚类。
27、在上述通用障碍物检测方法的一个技术方案中，所述获取所述栅格的栅格级运动状态，包括：
28、基于预设的第一深度学习模型，对所述栅格化点云数据进行运动状态检测，获得所述栅格级运动状态；
29、其中，所述栅格级运动状态包括所述栅格的运动速度和动静态分类。
30、在上述通用障碍物检测方法的一个技术方案中，所述根据所述目标检测结果和所述栅格化点云数据，获取所述栅格化点云数据中栅格相对于所述目标检测结果的高斯散射核标签，包括：
31、根据所述目标检测结果的尺寸和预设的重叠参数，获取高斯散射核半径；
32、根据所述高斯散射核半径，确定所述目标检测结果的改善范围；
33、根据所述改善范围和所述目标检测结果对应的检测框范围，获取所述栅格化点云数据中每个栅格的高斯散射核标签。
34、在上述通用障碍物检测方法的一个技术方案中，所述根据所述改善范围和所述目标检测结果对应的检测框范围，获取所述栅格化点云数据中每个栅格的高斯散射核标签，包括：
35、当所述栅格的重心位于所述检测框范围内时，将所述高斯散射核标签设为1；
36、当所述栅格的重心位于所述检测框范围外，且位于所述改善范围内时，获取所述栅格的重心到所述检测框范围的边界的最小距离；
37、根据所述最小距离，获取所述高斯散射核标签。
38、在上述通用障碍物检测方法的一个技术方案中，所述根据所述最小距离，获取所述高斯散射核标签，包括：
39、根据以下公式获取所述高斯散射核标签：
40、
41、其中，p为所述高斯散射核标签，d为所述最小距离，σ为标准差。
42、在上述通用障碍物检测方法的一个技术方案中，所述根据聚类结果获取所述点云数据中的通用障碍物检测结果，包括：
43、获取所述聚类结果中包含的所有栅格的运动速度和动静态分类；
44、将所述所有栅格的运动速度的平均值，作为所述聚类结果的聚类运动速度；
45、将所述所有栅格的动静态分类中数量最多的动静态分类，作为所述聚类结果的动静态结果；
46、根据所述聚类结果中包含的所有栅格、所述聚类运动速度、所述动静态结果，获取所述通用障碍物检测结果。
47、在上述通用障碍物检测方法的一个技术方案中，所述方法包括根据以下步骤获取所述目标检测结果：
48、基于第二深度学习模型，对所述点云数据进行检测，获取所述目标检测结果；
49、其中，所述目标检测结果包括目标的中心点、尺寸、朝向和类别中的一种或多种。
50、在上述通用障碍物检测方法的一个技术方案中，所述方法包括根据以下步骤获取所述栅格化点云数据：
51、将所述点云数据进行鸟瞰图投影，获得投影后的点云数据；
52、将所述投影后的点云数据划分栅格，并获取每个栅格内的点云分布属性，以获取所述栅格化点云数据。
53、在第二本文档来自技高网...
【技术保护点】
1.一种通用障碍物检测方法，其特征在于，
2.根据权利要求1所述的通用障碍物检测方法，其特征在于，
3.根据权利要求2所述的通用障碍物检测方法，其特征在于，
4.根据权利要求3所述的通用障碍物检测方法，其特征在于，
5.根据权利要求3所述的通用障碍物检测方法，其特征在于，
6.根据权利要求5所述的通用障碍物检测方法，其特征在于，
7.根据权利要求5所述的通用障碍物检测方法，其特征在于，
8.根据权利要求5所述的通用障碍物检测方法，其特征在于，
9.根据权利要求2所述的通用障碍物检测方法，其特征在于，
10.根据权利要求1所述的通用障碍物检测方法，其特征在于，
【技术特征摘要】
1.一种通用障碍物检测方法，其特征在于，
2.根据权利要求1所述的通用障碍物检测方法，其特征在于，
3.根据权利要求2所述的通用障碍物检测方法，其特征在于，
4.根据权利要求3所述的通用障碍物检测方法，其特征在于，
5.根据权利要求3所述的通用障碍物检测方法，其特征在于，
6...
【专利技术属性】
技术研发人员：郑正扬，唐鑫，
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。