[發明專利]目標對象識別方法及裝置、電子設備、存儲介質

在審

• 申請號: 201810003827.6
• 申請日: 2018-01-03
• 公開（公告）號: CN109993192A
• 公開（公告）日: 2019-07-09
• 發明（設計）人: 李政;李雨倩;孫志明;劉懿
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/40
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 闞梓瑄;王衛忠

本公開是關于一種目標對象識別方法及裝置、電子設備、存儲介質，涉及數據處理技術領域，該方法包括：通過多線激光雷達獲取目標對象的點云數據，所述點云數據包括預處理后的雷達數據；對所述點云數據進行聚類，生成至少一個聚類簇；通過所述至少一個聚類簇中各所述聚類簇的框模型尺寸以及點云熵，生成各所述聚類簇對應的識別數據；根據各所述聚類簇對應的所述識別數據，確定所述目標對象的識別結果。本公開可以提高目標對象識別的準確率。

技術領域

本公開涉及數據處理技術領域，具體而言，涉及一種目標對象識別方法、目標對象識別裝置、電子設備以及計算機可讀存儲介質。

背景技術

隨著無人駕駛技術的快速發展，將自動駕駛技術應用在物流配送中成為未來的發展趨勢。在無人駕駛技術中，能否有效識別出周圍的車輛和行人等障礙物非常重要。

相關技術中，可以根據框模型識別障礙物，例如通過歐式聚類或其他聚類方法得到障礙物3D點云的框模型后，可以根據框模型大小和框模型的先驗知識匹配來識別聚類物體類型，以對障礙物進行分類識別。除此之外，還可以采用3D點云機器學習的方法對障礙物進行分類識別。

但是，上述方法中，僅僅根據聚類后的框模型的尺寸大小識別障礙物，會將大部分的無效障礙物誤識別為車輛或者行人，導致誤識別的問題；同時對于傳感器或者雷達探測到不同角度的車輛卻由于未得到完整框模型尺寸，導致漏識別的問題，因此識別準確率較低。3D點云機器學習的方法所需要的計算資源較大，且沒有相關的技術支持，成本較高且效率較低。

需要說明的是，在上述背景技術部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

本公開的目的在于提供一種目標對象識別方法及裝置、電子設備、存儲介質，進而至少在一定程度上克服由于相關技術的限制和缺陷而導致的目標對象識別準確率低的問題。

本公開的其他特性和優點將通過下面的詳細描述變得顯然，或部分地通過本公開的實踐而習得。

根據本公開的一個方面，提供一種目標對象識別方法，包括：通過多線激光雷達獲取目標對象的點云數據，所述點云數據包括預處理后的雷達數據；對所述點云數據進行聚類，生成至少一個聚類簇；通過所述至少一個聚類簇中各所述聚類簇的框模型尺寸以及點云熵，生成各所述聚類簇對應的識別數據；根據各所述聚類簇對應的所述識別數據，確定所述目標對象的識別結果。

在本公開的一種示例性實施例中，所述點云熵的計算公式為：其中，E_i為第i個聚類簇的點云熵，為聚類簇在點云空間位置分布于q柵格的頻率，D為聚類簇的總柵格數。

在本公開的一種示例性實施例中，通過多線激光雷達獲取目標對象的點云數據，包括：通過所述多線激光雷達獲取所述目標對象的雷達數據；對所述雷達數據進行預處理，以獲取所述點云數據。

在本公開的一種示例性實施例中，所述方法還包括：通過多線激光雷達照射預設對象，以生成激光數據；通過所述激光數據計算所述預設對象的點云熵；獲取所述預設對象的框模型尺寸；根據所述預設對象的所述點云熵以及所述框模型尺寸建立先驗庫。

在本公開的一種示例性實施例中，通過所述至少一個聚類簇中各所述聚類簇的框模型尺寸以及點云熵，生成各所述聚類簇對應的識別數據，包括：確定各所述聚類簇對應的框模型尺寸；計算各所述聚類簇的所述點云熵；將各所述聚類簇的所述框模型尺寸以及所述點云熵與所述先驗庫進行匹配，以生成各所述聚類簇對應的所述識別數據。

在本公開的一種示例性實施例中，將各所述聚類簇的所述框模型尺寸以及所述點云熵與所述先驗庫進行匹配，以生成各所述聚類簇對應的所述識別數據，包括：判斷各所述聚類簇的所述框模型尺寸以及所述點云熵是否滿足匹配條件；在所述框模型尺寸以及所述點云熵滿足所述匹配條件時，根據所述匹配條件生成各所述聚類簇對應的所述識別數據。