[發(fā)明專利]障礙物識(shí)別方法及裝置、計(jì)算機(jī)設(shè)備及可讀介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201710051916.3
• 申請(qǐng)日: 2017-01-20
• 公開（公告）號(hào): CN106845416B
• 公開（公告）日: 2021-09-21
• 發(fā)明（設(shè)計(jì)）人: 謝國(guó)洋;郭疆;李曉暉;王亮
• 申請(qǐng)（專利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)(北京)有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 北京鴻德海業(yè)知識(shí)產(chǎn)權(quán)代理有限公司 11412
• 代理人: 袁媛

本發(fā)明提供一種障礙物識(shí)別方法及裝置、計(jì)算機(jī)設(shè)備及可讀介質(zhì)。其方法包括：將待識(shí)別的障礙物的點(diǎn)云分別與預(yù)先生成的多個(gè)障礙物點(diǎn)云模板中各所述障礙物點(diǎn)云模板進(jìn)行匹配，得到多個(gè)第一匹配分值；根據(jù)所述多個(gè)第一匹配分值生成所述待識(shí)別的障礙物的特征向量；根據(jù)預(yù)先訓(xùn)練的分類器模型和所述待識(shí)別的障礙物的特征向量，識(shí)別所述待識(shí)別的障礙物的類別。本發(fā)明的技術(shù)方案，通過(guò)將待識(shí)別的障礙物的點(diǎn)云分別與預(yù)先生成的多個(gè)障礙物點(diǎn)云模板中各障礙物點(diǎn)云模板進(jìn)行匹配，使得待識(shí)別的障礙物的特征向量中包含更加豐富的待識(shí)別的障礙物的信息，能夠有效地提高對(duì)待識(shí)別的障礙物的識(shí)別準(zhǔn)確度，從而能夠有效地提高對(duì)待識(shí)別的障礙物的識(shí)別效率。

【技術(shù)領(lǐng)域】

本發(fā)明涉及自動(dòng)駕駛技術(shù)領(lǐng)域，尤其涉及一種障礙物識(shí)別方法及裝置、計(jì)算機(jī)設(shè)備及可讀介質(zhì)。

【背景技術(shù)】

在現(xiàn)有的自動(dòng)駕駛技術(shù)中，待識(shí)別的障礙物識(shí)別輸出的信息會(huì)作為控制和策劃的信息的輸入，因此，對(duì)待識(shí)別的障礙物進(jìn)行準(zhǔn)確而快速的識(shí)別是一項(xiàng)非常關(guān)鍵的技術(shù)。

現(xiàn)有技術(shù)中，通常采用攝像頭和激光雷達(dá)對(duì)待識(shí)別的障礙物進(jìn)行識(shí)別。其中攝像頭方案可以應(yīng)用在光照非常充足，環(huán)境比較穩(wěn)定的場(chǎng)景下。但是在天氣不好和道路環(huán)境混亂的情況下，攝像頭方案的視覺(jué)一直都不夠穩(wěn)定，導(dǎo)致采集的待識(shí)別的障礙物的信息不準(zhǔn)確。而激光雷達(dá)雖然非常昂貴，但是激光雷達(dá)方案識(shí)別的待識(shí)別的障礙物時(shí)非常穩(wěn)定和安全。現(xiàn)有技術(shù)中，采用激光雷達(dá)識(shí)別待識(shí)別的障礙物時(shí)，根據(jù)激光雷達(dá)掃描待識(shí)別的障礙物所獲取的待識(shí)別的障礙物的點(diǎn)云大小以及局部特征，來(lái)判斷待識(shí)別的障礙物的類別。例如，可以根據(jù)待識(shí)別的障礙物的點(diǎn)云的局部特征是否為人的頭像，來(lái)判斷待識(shí)別的障礙物是否為人；根據(jù)待識(shí)別的障礙物的點(diǎn)云的局部特征是否為自行車的車頭特征，來(lái)判斷待識(shí)別的障礙物是否為自行車等等。

但是現(xiàn)有技術(shù)中，激光雷達(dá)掃描的點(diǎn)云中待識(shí)別的障礙物的點(diǎn)云的局部特征通常并不是那么明顯，導(dǎo)致對(duì)待識(shí)別的障礙物的識(shí)別準(zhǔn)確度較差、識(shí)別效率較低。

【發(fā)明內(nèi)容】

本發(fā)明提供了一種障礙物識(shí)別方法及裝置、計(jì)算機(jī)設(shè)備及可讀介質(zhì)，用于提高自動(dòng)駕駛中待識(shí)別的障礙物的識(shí)別準(zhǔn)確度和識(shí)別效率。

本發(fā)明提供一種障礙物識(shí)別方法，所述方法包括：

將待識(shí)別的障礙物的點(diǎn)云分別與預(yù)先生成的多個(gè)障礙物點(diǎn)云模板中各所述障礙物點(diǎn)云模板進(jìn)行匹配，得到多個(gè)第一匹配分值；

根據(jù)所述多個(gè)第一匹配分值生成所述待識(shí)別的障礙物的特征向量；

根據(jù)預(yù)先訓(xùn)練的分類器模型和所述待識(shí)別的障礙物的特征向量，識(shí)別所述待識(shí)別的障礙物的類別。

進(jìn)一步可選地，在如上所述的方法中，將待識(shí)別的障礙物的點(diǎn)云與預(yù)先生成的多個(gè)障礙物點(diǎn)云模板中各所述障礙物點(diǎn)云模板分別進(jìn)行匹配，得到多個(gè)第一匹配分值之前，所述方法還包括：

根據(jù)預(yù)先統(tǒng)計(jì)的各類別的障礙物信息庫(kù)中各方向上使用頻率最高的前N個(gè)數(shù)值，生成所述多個(gè)障礙物點(diǎn)云模板。

進(jìn)一步可選地，在如上所述的方法中，根據(jù)預(yù)先統(tǒng)計(jì)的各類別的障礙物信息庫(kù)中各方向上使用頻率最高的前N個(gè)數(shù)值，生成所述多個(gè)障礙物點(diǎn)云模板，具體包括：

分別從各所述類別的所述障礙物信息庫(kù)中獲取障礙物的點(diǎn)云在長(zhǎng)度方向上使用頻率最高的前N個(gè)長(zhǎng)度數(shù)值、寬度方向上使用頻率最高的前N個(gè)寬度數(shù)值以及高度方向上使用頻率最高的前N個(gè)高度數(shù)值；

將各所述類別對(duì)應(yīng)的所述障礙物信息庫(kù)中的所述前N個(gè)長(zhǎng)度數(shù)值、所述前N個(gè)寬度數(shù)值以及所述前N個(gè)高度數(shù)值組合起來(lái)，生成所述多個(gè)障礙物點(diǎn)云模板。

進(jìn)一步可選地，在如上所述的方法中，將待識(shí)別的障礙物的點(diǎn)云分別與預(yù)先生成的多個(gè)障礙物點(diǎn)云模板中各所述障礙物點(diǎn)云模板進(jìn)行匹配，得到多個(gè)第一匹配分值，具體包括：

分別將所述待識(shí)別的障礙物的點(diǎn)云和所述多個(gè)障礙物點(diǎn)云模板中各所述障礙物點(diǎn)云模板，在長(zhǎng)度和寬度平面上做投影；