[發明專利]障礙物檢測方法、裝置、電子設備、車輛及存儲介質

有效

• 申請號: 201811131724.4
• 申請日: 2018-09-27
• 公開（公告）號: CN109271944B
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 陳東明;孫迅;王亮
• 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;G01S17/931;G01S17/89
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發明實施例公開了一種障礙物檢測方法、裝置、車輛及存儲介質。所述方法包括：獲取車輛周圍的深度圖；基于所述深度圖進行地面擬合，確定地面方程；依據所述地面方程，并結合所述深度圖，確定障礙物候選點集合；對所述障礙物候選點集合中的各個候選點進行聚類，得到至少一個獨立障礙物；識別所述至少一個獨立障礙物中的誤檢障礙物并進行過濾，得到基于所述深度圖的障礙物檢測結果。能夠避免利用激光雷達進行檢測時，由于采樣點稀疏導致的障礙物漏檢問題；也能夠避免利用單目相機進行檢測時，由于無法對所有類型的障礙物都作為樣本進行模型的訓練，從而無法檢測出未訓練過的樣本類型，而導致的漏檢問題。

技術領域

本發明實施例涉及無人駕駛車輛技術，尤其涉及一種障礙物檢測方法、裝置、電子設備、車輛及存儲介質。

背景技術

無人駕駛車輛，是指通過各種傳感器來感知車輛周圍環境，并根據感知所獲得的道路、車輛位置和障礙物等，控制車輛的轉向和速度，從而使車輛能夠安全、可靠地在道路上行駛。其中，障礙物可以包括出現在道路上的石墩、圓球、消防栓等。

單目相機和激光雷達都是自動駕駛系統中的重要傳感器，利用這些傳感器可以對車輛周圍環境進行感知，例如進行障礙物檢測、分類、跟蹤等。這些傳感器各有所長，也有自身的局限性。

利用單目相機進行障礙物檢測，通常是采用機器學習的方法。首先，對已經明確定義的常規障礙物進行采集、人工標注。比如：人、車、自行車、錐桶等。然后再用機器學習算法對標注好的樣本進行訓練，得到檢測模型。最后，利用檢測模型對實際拍攝圖片中的障礙物進行檢測。該方法的弊端是：無法檢測從未訓練過的非常規障礙物。而實際道路中，可行駛區域內的非常規障礙物類型是難以窮盡的，大到形形色色的路障、小到奇形怪狀的石墩、土堆、紙盒等等。

利用激光雷達進行障礙物檢測，可以用傳統的檢測算法對常規、非常規障礙物進行檢測。但受到雷達發射器數量的限制，無法保證采集到的激光點云密集，會有低矮障礙物漏檢的情況發生。另外，激光雷達對不同顏色和材質的物體偵測能力也有區別。比如特別黑的某些材質，有可能吸收太多激光，導致激光雷達會發生漏檢。

因此，無論何種傳感器，針對非常規障礙物無法實現精準、有效的檢測。

發明內容

有鑒于此，本發明實施例提供一種障礙物檢測方法、裝置、電子設備、車輛及存儲介質，能夠避免利用激光雷達進行檢測時，由于采樣點稀疏導致的障礙物漏檢問題；也能夠避免利用單目相機進行檢測時，由于無法對所有類型的障礙物都作為樣本進行模型的訓練，從而無法檢測出未訓練過的樣本類型，而導致的漏檢問題。

第一方面，本發明實施例提供了一種障礙物檢測方法，所述方法包括：

獲取車輛周圍的深度圖；

基于所述深度圖進行地面擬合，確定地面方程；

依據所述地面方程，并結合所述深度圖，確定障礙物候選點集合；

對所述障礙物候選點集合中的各個候選點進行聚類，得到至少一個獨立障礙物；

識別所述至少一個獨立障礙物中的誤檢障礙物并進行過濾，得到基于所述深度圖的障礙物檢測結果。

在上述實施例中，所述獲取車輛周圍的深度圖包括：

利用雙目立體相機獲取車輛周圍的深度圖；或者，

利用激光雷達獲取車輛周圍的激光點云，通過單目相機在車輛周圍的激光點云上采樣獲取車輛周圍的深度圖。

在上述實施例中，所述依據所述地面方程，并結合所述深度圖，確定障礙物候選點集合，包括：

依據所述地面方程，在深度圖上檢測車輛前方的可行駛區域；

在深度圖上，并在所述可行駛區域以內，確定所述障礙物候選點集合。