[發明專利]一種自動駕駛方法及裝置

有效

• 申請號: 202010086448.5
• 申請日: 2020-02-11
• 公開（公告）號: CN111338336B
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 孫云哲
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G05D1/02
• 分類號: G05D1/02;G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 李娟

1.一種自動駕駛方法，其特征在于，所述方法包括：

獲得針對自動駕駛對象采集的激光點云數據；

從所述激光點云數據中識別出第一類目標對象的結構化信息，以及第二類目標對象的類別信息，其中，所述第一類目標對象的類別信息不能直接確定；

根據所述第一類目標對象的結構化信息追蹤各個第一類目標對象，并根據第二類目標對象的類別信息追蹤各個第二類目標對象；

基于各個第一類目標對象和各個第二類目標對象的追蹤結果，確定所述自動駕駛對象的駕駛策略。

2.根據權利要求1所述的方法，其特征在于，所述從所述激光點云數據中識別出第一類目標對象的結構化信息，以及第二類目標對象的類別信息，包括：

基于結構化信息檢測方法，從所述激光點云數據中識別出各個目標對象的結構化信息；

基于深度學習模型的分類方法，從所述激光點云數據中識別出第二類目標對象的類別信息；

將所述各個目標對象中除所述第二類目標對象之外的目標對象作為第一類目標對象，并根據各個目標對象的結構化信息，確定所述第一類目標對象的結構化信息。

3.根據權利要求2所述的方法，其特征在于，所述基于深度學習模型的分類方法，從所述激光點云數據中識別出第二類目標對象的類別信息，包括：

將所述激光點云數據劃分為設定數量的體素，并對每個非空體素進行局部特征提取，得到各個非空體素的局部特征；

通過卷積網絡的抽象特征提取過程，將各個非空體素的局部特征轉換為高級視覺語義特征；

根據各個非空體素的高級視覺語義特征確定各第二類目標對象的類別信息。

4.根據權利要求2所述的方法，其特征在于，所述基于結構化信息檢測方法，從所述激光點云數據中識別出各個目標對象的結構化信息，包括：

根據所述激光點云數據中各深度數據確定設定數量的深度數據是否為同一目標對象；

根據同一目標對象對應的多個深度數據確定該目標對象的結構化信息。

5.根據權利要求1所述的方法，其特征在于，所述根據所述第一類目標對象的結構化信息追蹤各個第一類目標對象，并根據第二類目標對象的類別信息追蹤各個第二類目標對象，包括：

根據不同采集周期的激光點云數據，確定不同采集周期的第一類目標對象的結構化信息以及第二類目標對象的類別信息；

根據多個采集周期的第一類目標對象的結構化信息以及第二類目標對象的類別信息分別追蹤各個第一類目標對象以及各個第二類目標對象。

6.根據權利要求1所述的方法，其特征在于，所述追蹤結果至少包括運動狀態信息，所述基于各個第一類目標對象和各個第二類目標對象的追蹤結果，確定所述自動駕駛對象的駕駛策略，包括：

基于各個第一類目標對象和各個第二類目標對象的運動狀態信息，確定所述自動駕駛對象的駕駛策略。

7.一種自動駕駛裝置，其特征在于，包括：

激光點云數據獲取單元，用于獲得針對自動駕駛對象采集的激光點云數據；

識別單元，用于從所述激光點云數據中識別出第一類目標對象的結構化信息，以及第二類目標對象的類別信息，其中，所述第一類目標對象的類別信息不能直接確定；

追蹤單元，用于根據所述第一類目標對象的結構化信息追蹤各個第一類目標對象，并根據第二類目標對象的類別信息追蹤各個第二類目標對象；

駕駛策略確定單元，用于基于各個第一類目標對象和各個第二類目標對象的追蹤結果，確定所述自動駕駛對象的駕駛策略。

8.根據權利要求7所述的裝置，其特征在于，所述識別單元具體用于：

基于結構化信息檢測方法，從所述激光點云數據中識別出各個目標對象的結構化信息；

基于深度學習模型的分類方法，從所述激光點云數據中識別出第二類目標對象的類別信息；將所述各個目標對象中除所述第二類目標對象之外的目標對象作為第一類目標對象，并根據各個目標對象的結構化信息，確定所述第一類目標對象的結構化信息。