[發明專利]基于LIDAR的對象檢測和分類

在審

• 申請號: 201910629922.1
• 申請日: 2019-07-12
• 公開（公告）號: CN110826386A
• 公開（公告）日: 2020-02-21
• 發明（設計）人: R·查托帕德亞;M·L·馬丁內茲-卡納萊斯
• 申請（專利權）人: 英特爾公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 上海專利商標事務所有限公司 31100
• 代理人: 黃嵩泉;張鑫

本申請公開了基于LIDAR的對象檢測和分類。本文中公開了用于實現基于LiDAR的對象檢測和分類的各種系統和方法。一種對象檢測系統包括特征提取和對象標識(FEOI)電路，該FEOI電路用于：接收對象檢測系統周圍環境的分段數據，該分段數據是使用相對于行進方向取向的光成像檢測和測距(LiDAR)系統來獲得的；計算分段數據的片段的空間參數和結構參數；以及利用機器學習模型來使用該空間參數和結構參數以獲得對該片段的分類。

技術領域

本文中所描述的實施例總體上涉及對象檢測系統，并且具體涉及基于LiDAR的數字信號處理。

背景技術

在汽車情境中，高級駕駛員輔助系統(ADAS)是被開發來使交通工具系統自動化、適應或增強以提高安全性并提供更好駕駛的那些系統。在此類系統中，安全特征被設計成通過提供向駕駛員警告潛在問題的技術來避免碰撞和事故，或通過實施保障措施和接管對交通工具的控制來避免碰撞。ADAS依賴于能夠檢測對象的各種傳感器。此類傳感器的示例包括可見光相機、雷達、激光掃描儀(例如，LiDAR)、聲學(例如，聲納)等等。

附圖說明

在附圖中(這些附圖不一定是按比例繪制的)，相同數字可描述不同視圖中的類似組件。具有不同的字母后綴的相同的數字可表示類似組件的不同實例。在所附附圖的圖中通過示例的方式而非限制性地圖示出一些實施例，其中：

圖1是圖示出根據實施例的用于處理LiDAR數據以提供經改進的對象檢測的系統的示意圖；

圖2圖示出根據實施例的過濾數據預處理操作；

圖3圖示出根據實施例的分段圖像數據的示例場景；

圖4A-圖4D圖示出根據實施例的過濾數據預處理操作；

圖5圖示出根據實施例的示例場景；

圖6是根據實施例的在監督學習模型中使用的特征和標簽的圖示；

圖7是圖示出根據實施例的用于檢測對象的方法的流程圖；以及

圖8是圖示出根據實施例的可在其上執行本文中所討論的技術(例如，方法)中的任何一種或多種的示例機器的框圖。

具體實施方式

在下列描述中，出于解釋的目的，闡述了眾多具體細節，以便提供對一些示例實施例的全面理解。然而，對本領域技術人員將顯而易見的是，可在沒有這些具體細節的情況下實施本公開。

交通工具可包括各種前向、側向和后向傳感器。這些傳感器可包括雷達、LiDAR(光成像檢測和測距)、相機、超聲波、紅外線或其他傳感器系統。前向傳感器可用于自適應巡航控制、停車輔助、車道偏離、碰撞避免、行人檢測等等。后向傳感器(例如，停車距離監視器)可用于在執行車道改變時或在以低速倒退時向駕駛員警告潛在障礙物(例如，交通工具)。

自主交通工具(AV)可以是部分或完全自主的，并且可在一些時間或全部時間內在部分或完全自主模式下操作。部分自主模式可提供各種碰撞避免、駕駛員警報系統、車道改變警告等等。相比之下，完全自主模式可將駕駛員從幾乎全部的操作方面中釋放出來。模式可在駕駛會話期間改變。例如，當在城市中時，駕駛員可在部分自主模式下對AV進行操作，并且隨后在到達一段高速公路之后駕駛員可發起完全自主操作。

自主駕駛和高級駕駛員輔助系統(ADAS)可依賴于來自一組多種多樣的傳感器的信號，這些傳感器包括相機、LiDAR、雷達、全球定位系統(GPS)、以及慣性測量單元(IMU)。使用這些信號來執行兩項主要任務：同時定位與地圖構建(SLAM)，其生成環境地圖而同時在該地圖內對交通工具進行定位；以及生成對交通工具周圍的移動對象檢測和跟蹤(DATMO)以及對象的未來行為的預測。