[發明專利]障礙物類型識別方法、裝置、設備及存儲介質在審
| 申請號： | 201710491721.0 | 申請日： | 2017-06-20 |
| 公開（公告）號： | CN109101861A | 公開（公告）日： | 2018-12-28 |
| 發明（設計）人： | 薛召 | 申請（專利權）人： | 百度在線網絡技術(北京)有限公司 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62;G01S17/93;G01S7/48 |
| 代理公司： | 北京鴻德海業知識產權代理事務所(普通合伙) 11412 | 代理人： | 袁媛 |
| 地址： | 100085 北京*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 障礙物 三維點云數據 障礙物類型 存儲介質 維數組 尺寸數據 學習算法 大型車 小型車 中型車 映射 機動車 自行車 應用 | ||
1.一種障礙物類型識別方法，其特征在于，包括：
獲取待識別的障礙物對應的三維點云數據；
將所述三維點云數據及其尺寸數據映射到四維數組；
基于所述四維數組，通過深度學習算法識別出所述障礙物的類型。
2.根據權利要求1所述的方法，其特征在于，
該方法進一步包括：
獲取從掃描得到的三維點云數據中檢測出的每個障礙物；
分別將檢測出的每個障礙物作為所述待識別的障礙物；
其中，所述三維點云數據為對無人駕駛車輛周圍環境進行掃描得到的。
3.根據權利要求1所述的方法，其特征在于，
所述四維數組以C*H*W數組的格式保存在數據庫中，其中，C＝4，包括RGB三個通道和尺寸特征通道。
4.根據權利要求3所述的方法，其特征在于，
將所述三維點云數據及其尺寸數據映射到四維數組包括：
從第一視角將所述三維點云數據映射到四維數組的R通道；
從第二視角將所述三維點云數據映射到四維數組的G通道；
從第三視角將所述三維點云數據映射到四維數組的B通道；
將三維點云數據的尺寸數據映射到四維數組的尺寸特征通道；
根據各映射結果生成所述四維數組。
5.根據權利要求4所述的方法，其特征在于，
所述第一視角為以下之一：俯視視角、車頭正視角、左側視角；
所述第二視角為以下之一：俯視視角、車頭正視角、左側視角；
所述第三視角為以下之一：俯視視角、車頭正視角、左側視角；
所述第一視角、所述第二視角和所述第三視角為不同的視角。
6.根據權利要求4所述的方法，其特征在于，
所述三維點云數據的尺寸數據為長寬高和體積歸一化后的數值。
7.根據權利要求6所述的方法，其特征在于，所述將三維點云數據的尺寸數據映射到四維數組的尺寸特征通道進一步包括：
將長寬高和體積歸一化后的數值分別映射到尺寸特征通道的不同幾何形狀上。
8.一種障礙物類型識別裝置，其特征在于，包括：獲取單元、映射單元以及分類單元；
所述獲取單元，用于獲取待識別的障礙物對應的三維點云數據，并發送給所述映射單元；
所述映射單元，用于將所述三維點云數據及其尺寸數據映射到四維數組，并將所述四維數組發送給所述分類單元；
所述分類單元，用于基于所述四維數組，通過深度學習算法識別出所述障礙物的類型。
9.根據權利要求8所述的裝置，其特征在于，所述獲取單元在獲取待識別的障礙物對應的三維點云數據時，具體執行：
獲取從掃描得到的三維點云數據中檢測出的每個障礙物；
分別將檢測出的每個障礙物作為所述待識別的障礙物；
其中，所述三維點云數據為對無人駕駛車輛周圍環境進行掃描得到的。
10.根據權利要求8所述的裝置，其特征在于，
所述四維數組包括：以C*H*W數組的格式保存在數據庫中，其中，C＝4，包括RGB三個通道和尺寸特征通道。
11.根據權利要求10所述的裝置，其特征在于，所述映射單元在將所述三維點云數據及其尺寸數據映射到四維數組時，具體執行：
從第一視角將所述三維點云數據映射到四維數組的R通道，從第二視角將所述三維點云數據映射到四維數組的G通道，從第三視角將所述三維點云數據映射到四維數組的B通道，將三維點云數據的尺寸數據映射到四維數組的尺寸特征通道；根據各映射結果生成所述四維數組。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于百度在線網絡技術(北京)有限公司，未經百度在線網絡技術(北京)有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710491721.0/1.html，轉載請聲明來源鉆瓜專利網。
