【技术实现步骤摘要】
本申请涉及障碍物检测，尤其涉及一种点云障碍物检测方法及装置、存储介质和电子设备。
技术介绍
1、目前主流的点云障碍物检测模型，大多是基于点、体素、range-view的表征进行障碍物识别，这些表征只能体现障碍物在静止状态下的特征，导致障碍物识别的准确性较低。
技术实现思路
1、本申请的目的在于克服现有技术中因缺乏时空连贯性导致障碍物漏检误检的不足，提供一种结合场景流信息，能够结合障碍物的动态特征，以提高检测准确度的点云障碍物检测方法及装置、存储介质和电子设备。
2、本申请的技术方案提供一种点云障碍物检测方法，包括
3、对每帧点云的每个点进行point特征提取；
4、将每个点的所述point特征作为输入源输入到场景流特征提取网络模型中，生成场景流特征图；
5、将每个点的所述point特征和所述场景流特征图进行融合，确定每个点的point融合特征；
6、根据每个点的所述point融合特征进行障碍物识别，生成障碍物信息。
7、进一步地，所述对每帧点云的每个点进行point特征提取，具体包括
8、对每帧点云进行过滤处理后，根据预设分辨率将过滤处理后的点云进行网格化，得到每个点的基础特征；
9、将每个点的所述基础特征输入虚拟网络模型，得到所述虚拟网络模型输出的每个点对应的共同特征，其中所述共同特征为点在其所属网格内的所有点的共同的特征；
10、将每个点的所述基础特征和对应的所述共同特征
11、进一步地，每个点的所述基础特征包括点的坐标、反射率、离所在网格中心的距离、离所在网格的点云质心的距离、所在网格的点云高层分布信息。
12、进一步地，所述场景流特征提取网络模型为深度监督网络模型，所述场景流特征提取网络模型以速度向量为监督目标，在离线状态下利用多帧点云数据训练而成。
13、进一步地，所述将每个点的所述point特征和所述场景流特征图进行融合，确定每个点的point融合特征，具体包括
14、将所述场景流特征图与点云进行映射，确定每个点的场景流特征；
15、将每个点的所述point特征和所述场景流特征组合成为point融合特征。
16、进一步地，所述根据每个点的所述point融合特征进行障碍物识别，生成障碍物信息，具体包括
17、将每个点的所述point融合特征进行特征提取，得到bev/voxel特征；
18、将所述bev/voxel特征输入到障碍物识别模型中，生成障碍物信息，所述障碍物信息包括障碍物类别、置信度、空间位置和尺寸信息。
19、进一步地，所述将每个点的所述point融合特征进行特征提取，获取bev/voxel特征，具体包括
20、使用pillar或voxel方法将每个点的所述point特征体素化；
21、将体素化后的每个点的所述point特征输入2d/3d backbone骨干网络特征提取模型，生成bev/voxel特征。
22、本申请的技术方案还提供一种点云障碍物检测装置，包括
23、point特征提取模块，用于对每帧点云的每个点进行point特征提取；
24、场景流特征图生成模块，用于将每个点的所述point特征作为输入源输入到场景流特征提取网络模型中，生成场景流特征图；
25、point融合特征确定模块，用于将每个点的所述point特征和所述场景流特征图进行融合，确定每个点的point融合特征；
26、障碍物信息生成模块，根据每个点的所述point融合特征进行障碍物识别，生成障碍物信息。
27、本申请的技术方案还提供一种存储介质，所述存储介质存储计算机指令，当计算机执行所述计算机指令时，用于执行如前所述的点云障碍物检测方法。
28、本申请的技术方案还提供一种电子设备，包括至少一个处理器；以及，
29、与所述至少一个处理器通信连接的存储器；其中，
30、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如前所述的点云障碍物检测方法。
31、采用上述技术方案后，具有如下有益效果：
32、本申请在进行point特征提取后，进一步生成场景流特征图，并结合point特征和场景流特征图确定每个点的point融合特征，根据每个点的point融合特征进行障碍物识别生成障碍物信息，场景流特征图能够表征障碍物速度等动态特征，结合静态特征和动态特征进行障碍物识别，从而提高障碍物识别的准确性。
本文档来自技高网...【技术保护点】
1.一种点云障碍物检测方法，其特征在于，包括
2.根据权利要求1所述的点云障碍物检测方法，其特征在于，所述对每帧点云的每个点进行point特征提取，具体包括
3.根据权利要求2所述的点云障碍物检测方法，其特征在于，每个点的所述基础特征包括点的坐标、反射率、离所在网格中心的距离、离所在网格的点云质心的距离、所在网格的点云高层分布信息。
4.根据权利要求1所述的点云障碍物检测方法，其特征在于，所述场景流特征提取网络模型为深度监督网络模型，所述场景流特征提取网络模型以速度向量为监督目标，在离线状态下利用多帧点云数据训练而成。
5.根据权利要求1所述的点云障碍物检测方法，其特征在于，所述将每个点的所述point特征和所述场景流特征图进行融合，确定每个点的point融合特征，具体包括
6.根据权利要求1所述的点云障碍物检测方法，其特征在于，所述根据每个点的所述point融合特征进行障碍物识别，生成障碍物信息，具体包括
7.根据权利要求6所述的点云障碍物检测方法，其特征在于，所述将每个点的所述point融合特征进行特征提
8.一种点云障碍物检测装置，其特征在于，包括
9.一种存储介质，其特征在于，所述存储介质存储计算机指令，当计算机执行所述计算机指令时，用于执行如权利要求1-7任一项所述的点云障碍物检测方法。
10.一种电子设备，其特征在于，包括至少一个处理器；以及，
...【技术特征摘要】
1.一种点云障碍物检测方法，其特征在于，包括
2.根据权利要求1所述的点云障碍物检测方法，其特征在于，所述对每帧点云的每个点进行point特征提取，具体包括
3.根据权利要求2所述的点云障碍物检测方法，其特征在于，每个点的所述基础特征包括点的坐标、反射率、离所在网格中心的距离、离所在网格的点云质心的距离、所在网格的点云高层分布信息。
4.根据权利要求1所述的点云障碍物检测方法，其特征在于，所述场景流特征提取网络模型为深度监督网络模型，所述场景流特征提取网络模型以速度向量为监督目标，在离线状态下利用多帧点云数据训练而成。
5.根据权利要求1所述的点云障碍物检测方法，其特征在于，所述将每个点的所述point特征...
【专利技术属性】
技术研发人员：王智，
申请(专利权)人：北京罗克维尔斯科技有限公司，
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。