[發明專利]港口障礙物的檢測方法、裝置、電子裝置和存儲介質

在審

• 申請號: 202110050375.9
• 申請日: 2021-01-14
• 公開（公告）號: CN112750114A
• 公開（公告）日: 2021-05-04
• 發明（設計）人: 劉鶴云
• 申請（專利權）人: 北京斯年智駕科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06N3/04;G06N3/08
• 代理公司: 杭州裕陽聯合專利代理有限公司 33289
• 代理人: 盛影影

本申請涉及一種港口障礙物的檢測方法、裝置、電子裝置和存儲介質，其中，該港口障礙物的檢測方法包括：獲取感知范圍全覆蓋當前自動駕駛車輛的傳感器的每個坐標數據，并根據預設融合原點對每個所述坐標數據進行融合，得到點云數據；對所述點云數據進行障礙物的粗提取，得到點云點；利用訓練完備的神經網絡模型對所述點云點進行障礙物的細提取，以完成港口障礙物的檢測。通過本申請，基于多傳感器融合和神經網絡模型的方案能夠提高檢測精度和效率，滿足港口真實作業需求，安全且穩定。

技術領域

本申請涉及無人駕駛障礙物檢測技術領域，特別是涉及港口障礙物的檢測方法、裝置、電子裝置和存儲介質。

背景技術

隨著無人駕駛技術的發展和普及，越來越多的封閉或半開放場景開始采用無人駕駛技術對作業過程進行輔助和支持，港口環境即是其中之一。由于機器的特性之一是能夠進行7×24小時的無間斷工作，因而從效率提升和成本管控的角度，港口自動駕駛車輛作業是替代傳統港口人工作業的未來趨勢和重要手段，而港口障礙物的檢測占據無人駕駛車輛作業的重要位置。

障礙物檢測，主要指的是利用多種傳感器，完成周邊環境中障礙物的感知，辨識障礙物的位置和類型。而港口中的障礙物檢測面臨諸多挑戰。港口包含大量的金屬物體，例如龍門吊、集裝箱、護欄建筑物等，這極大的限制了毫米波傳感器的使用。且港口里包含較多的異常車型；卡車也是以半掛車為主，這種鉸鏈式車型嚴重影響了分割和聚類的難度。

目前的障礙物檢測方案為：先利用激光對路面進行分割，提取障礙物疑似點云；通過歐式聚類或其他聚類方法得到障礙物的凸包；再利用激光對路面進行分割，提取障礙物疑似點云；通過相機投影，辨識障礙物的凸包和類型；再投影回3d空間中。但是對于港口自動駕駛來說這種方案存在的問題是：由于港口的障礙物體積大的影響使得單個相機通常無法通過2d框完成精確檢測，且跨越多個相機幅面的障礙物很難完成檢測；同時，半掛車轉彎的時候，整體呈現的是一個凹多邊形，利用凸包會造成誤檢，不能滿足港口真實作業需求。

目前針對相關技術中，，尚未提出有效的解決方案。

發明內容

本申請實施例提供了一種港口障礙物的檢測方法、裝置、電子裝置和存儲介質，以至少解決相關技術中，由于港口的障礙物體積大的影響使得單個相機通常無法通過2d框完成精確檢測，且跨越多個相機幅面的障礙物很難完成檢測；同時，半掛車轉彎的時候，整體呈現的是一個凹多邊形，利用凸包會造成誤檢的問題。

第一方面，本申請實施例提供了一種港口障礙物的檢測方法，包括：

獲取感知范圍全覆蓋當前自動駕駛車輛的傳感器的每個坐標數據，并根據預設融合原點對每個所述坐標數據進行融合，得到點云數據；

對所述點云數據進行障礙物的粗提取，得到點云點；

利用訓練完備的神經網絡模型對所述點云點進行障礙物的細提取，以完成港口障礙物的檢測。

在其中一些實施例中，還包括：

將若干傳感器設置于自動駕駛車輛上，且所述干傳感器的感知范圍全覆蓋當前自動駕駛車輛。

在其中一些實施例中，還包括：

對神經網絡模型的訓練，包括：

獲取大量的粗提取得到的點云點；

構建H×W的張量空間，將所述點云點進行映射；

根據預設的2D的CNN的backbone網絡對映射后的點云點進行網格圖像的特征提取，得到特征數據；

利用預設的single shot detection(SSD)檢測頭將所述特征數據作為訓練集以完成神經網絡模型進行訓練。

在其中一些實施例中，對所述點云數據進行障礙物的粗提取，得到點云點，包括：