[發明專利]用于識別障礙物的方法和裝置在審
| 申請號: | 202010101713.2 | 申請日: | 2020-02-19 |
| 公開(公告)號: | CN111291697A | 公開(公告)日: | 2020-06-16 |
| 發明(設計)人: | 張弛;王昊;李曉暉 | 申請(專利權)人: | 北京百度網訊科技有限公司 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06K9/62 |
| 代理公司: | 北京英賽嘉華知識產權代理有限責任公司 11204 | 代理人: | 王達佐;馬曉亞 |
| 地址: | 100085 北京市*** | 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: | 用于 識別 障礙物 方法 裝置 | ||
1.一種用于識別障礙物的方法,包括:
獲取待識別的激光點云;
將所述待識別的激光點云進行分割,確定出至少一個障礙物;
對于所述至少一個障礙物中的每個障礙物,從該障礙物中提取至少一種特征;
對于所述至少一個障礙物中的每個障礙物,將該障礙物的至少一種特征輸入預先訓練好的隨機森林,確定該障礙物是否為雨水煙霧障礙物。
2.根據權利要求1所述的方法,其中,所述隨機森林通過以下方法訓練:
獲取訓練樣本集,其中,所述訓練樣本集包括雨水煙霧障礙物樣本集合和非雨水煙霧障礙物樣本集合;
對于所述訓練樣本集中的每個訓練樣本提取以下至少一種特征:障礙物大小、障礙物位置、分割概率、類別概率、分割方式、點云密度分布、反射值分布;
從訓練樣本集隨機選取訓練子集并從上述特征隨機選取特征構造至少一棵決策樹,其中,每棵決策樹用于判斷障礙物是否為雨水煙霧障礙物;
將所述至少一棵決策樹組成隨機森林。
3.根據權利要求2所述的方法,其中,所述獲取訓練樣本集,包括:
獲取樣本激光點云;
將所述樣本激光點云進行分割,確定出至少一個樣本障礙物;
將所述至少一個樣本障礙物分別打上可穿透/不可穿透標簽,得到雨水煙霧障礙物樣本/非雨水煙霧障礙物樣本。
4.根據權利要求3所述的方法,其中,所述方法還包括:
將打上可穿透標簽的樣本障礙物進行如下至少一種方式處理,生成新的雨水煙霧障礙物樣本:
切割、隨機篩選點數、旋轉坐標。
5.根據權利要求2所述的方法,其中,所述從訓練樣本集隨機選取訓練子集,包括:
獲取訓練過程中誤檢的訓練樣本;
從訓練樣本集隨機選取訓練子集時增加誤檢的訓練樣本的權重。
6.根據權利要求1-5之一所述的方法,其中,障礙物特征包括以下至少一種:
障礙物大小、障礙物位置、分割概率、類別概率、分割方式、點云密度分布、反射值分布。
7.一種用于識別障礙物的裝置,包括:
獲取單元,被配置成獲取待識別的激光點云;
分割單元,被配置成將所述待識別的激光點云進行分割,確定出至少一個障礙物;
提取單元,被配置成對于所述至少一個障礙物中的每個障礙物,從該障礙物中提取至少一種特征;
確定單元,被配置成對于所述至少一個障礙物中的每個障礙物,將該障礙物的至少一種特征輸入預先訓練好的隨機森林,確定該障礙物是否為雨水煙霧障礙物。
8.根據權利要求7所述的裝置,其中,所述裝置還包括訓練單元,被配置成:
獲取訓練樣本集,其中,所述訓練樣本集包括雨水煙霧障礙物樣本集合和非雨水煙霧障礙物樣本集合;
對于所述訓練樣本集中的每個訓練樣本提取以下至少一種特征:障礙物大小、障礙物位置、分割概率、類別概率、分割方式、點云密度分布、反射值分布;
從訓練樣本集隨機選取訓練子集并從上述特征隨機選取特征構造至少一棵決策樹,其中,每棵決策樹用于判斷障礙物是否為雨水煙霧障礙物;
將所述至少一棵決策樹組成隨機森林。
9.根據權利要求8所述的裝置,其中,所述訓練單元進一步被配置成:
獲取樣本激光點云;
將所述樣本激光點云進行分割,確定出至少一個樣本障礙物;
將所述至少一個樣本障礙物分別打上可穿透/不可穿透標簽,得到雨水煙霧障礙物樣本/非雨水煙霧障礙物樣本。
10.根據權利要求9所述的裝置,其中,所述訓練單元進一步被配置成:
將打上可穿透標簽的樣本障礙物進行如下至少一種方式處理,生成新的雨水煙霧障礙物樣本:
切割、隨機篩選點數、旋轉坐標。
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北京百度網訊科技有限公司,未經北京百度網訊科技有限公司許可,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/202010101713.2/1.html,轉載請聲明來源鉆瓜專利網。





