本發(fā)明涉及自動(dòng)駕駛，具體涉及一種用于目標(biāo)檢測(cè)的感知方法及系統(tǒng)。

背景技術(shù)：

1、在高級(jí)別自動(dòng)駕駛領(lǐng)域中，激光雷達(dá)被認(rèn)為是關(guān)鍵傳感器之一，現(xiàn)有的激光雷達(dá)主要分為機(jī)械式激光雷達(dá)和固態(tài)激光雷達(dá)兩大類。

2、機(jī)械式激光雷達(dá)通過內(nèi)部旋轉(zhuǎn)部件實(shí)現(xiàn)360°固定掃描，但由于機(jī)械式激光雷達(dá)內(nèi)部有運(yùn)動(dòng)部件，導(dǎo)致雷達(dá)的可靠性差、壽命短、成本高，使得機(jī)械式激光雷達(dá)目前無法通過車規(guī)級(jí)認(rèn)證，普遍應(yīng)用在非量產(chǎn)的高階自動(dòng)駕駛車上面用于功能和算法驗(yàn)證。

3、固態(tài)激光雷達(dá)無需旋轉(zhuǎn)和運(yùn)動(dòng)掃描部件，使得其在穩(wěn)定性、可靠性上具備一定優(yōu)勢(shì)，在量產(chǎn)車型上適配也越來越廣泛。固態(tài)激光雷達(dá)通過光學(xué)相控陣列、flash集成設(shè)計(jì)，主要依靠光波的反射和接收來達(dá)到探測(cè)目的。固態(tài)激光雷達(dá)天然存在一定的優(yōu)劣，其優(yōu)勢(shì)在于結(jié)構(gòu)簡(jiǎn)單無需旋轉(zhuǎn)部件、掃描精度高、可控性好、掃描速度快。但與此同時(shí)，固態(tài)激光雷達(dá)短時(shí)間內(nèi)也會(huì)存在如掃描角度有限、旁瓣效應(yīng)、加工難度高等問題。盡管如此，對(duì)于車載量產(chǎn)激光雷達(dá)來講，固態(tài)雷達(dá)依靠其穩(wěn)定可靠和低成本的優(yōu)勢(shì)依然會(huì)成為未來的裝車趨向。

4、此外，隨著學(xué)術(shù)界針對(duì)3d點(diǎn)云感知領(lǐng)域的技術(shù)迭代更新，在3d點(diǎn)云感知領(lǐng)域存在多種不同的算法處理思路：將點(diǎn)云壓縮至2d圖像的方式進(jìn)行目標(biāo)的感知，但這樣會(huì)一定程度丟失點(diǎn)云的高度信息特征；將點(diǎn)云轉(zhuǎn)化至柱狀體素，提取特征后壓縮至2d圖像，利用圖像的特征提取網(wǎng)絡(luò)進(jìn)行目標(biāo)的3d框檢測(cè)；將點(diǎn)云處理成網(wǎng)格化體素進(jìn)行3d特征提取并進(jìn)行目標(biāo)的感知，在處理速度和精度有一定的均衡；直接基于原始點(diǎn)云進(jìn)行點(diǎn)級(jí)采樣、特征提取與聚合，然后實(shí)現(xiàn)cxwl2022015a-a57

5、目標(biāo)的檢測(cè)。但這種處理方法對(duì)點(diǎn)云的數(shù)據(jù)量比較敏感，點(diǎn)云數(shù)據(jù)量越大處理時(shí)間越長(zhǎng)。

6、不同的激光雷達(dá)目標(biāo)檢測(cè)方法各自具備不同的優(yōu)缺點(diǎn)，在實(shí)際使用中結(jié)合不同激光雷達(dá)的特點(diǎn)，工業(yè)界的感知方案也不相同，現(xiàn)階段基于固態(tài)激光雷達(dá)的感知應(yīng)用比較廣泛的還是基于深度學(xué)習(xí)算法的單幀點(diǎn)云檢測(cè)方案，即將獲取的單幀點(diǎn)云轉(zhuǎn)化至柱狀體素，提取特征后壓縮至2d圖像，利用圖像的特征提取網(wǎng)絡(luò)進(jìn)行目標(biāo)的3d框檢測(cè)。

7、但要注意的是，現(xiàn)有公開的固態(tài)激光雷達(dá)點(diǎn)云感知方案僅僅是基于單幀點(diǎn)云數(shù)據(jù)進(jìn)行目標(biāo)檢測(cè)，一方面忽略了固態(tài)激光雷達(dá)非重復(fù)掃描的特性，另一方面僅僅使用目標(biāo)檢測(cè)算法對(duì)目標(biāo)障礙物的感知性能有限，無法做到更準(zhǔn)確地環(huán)境感知。對(duì)單幀點(diǎn)云數(shù)據(jù)進(jìn)行目標(biāo)檢測(cè)的算法顯然在很大程度上無法發(fā)揮出固態(tài)激光雷達(dá)的自身感知優(yōu)勢(shì)。

8、因此，需要一種提升現(xiàn)有的激光雷達(dá)性能和檢測(cè)準(zhǔn)確性的目標(biāo)檢測(cè)感知方法和系統(tǒng)。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本公開實(shí)施例提供一種用于目標(biāo)檢測(cè)的感知方法，至少部分解決現(xiàn)有技術(shù)中存在的問題。

2、第一方面，本公開實(shí)施例提供了一種用于目標(biāo)檢測(cè)的感知方法，其特征在于，所述方法包括：

3、獲取由采集裝置采集的預(yù)定檢測(cè)范圍內(nèi)的3d點(diǎn)云數(shù)據(jù)；

4、將所述3d點(diǎn)云數(shù)據(jù)輸入至3d點(diǎn)云目標(biāo)檢測(cè)算法單元，并由所述3d點(diǎn)云目標(biāo)檢測(cè)算法單元決定檢測(cè)目標(biāo)的3d檢測(cè)邊界框的輸出結(jié)果；

5、將所述3d點(diǎn)云數(shù)據(jù)輸入至3d點(diǎn)云分割聚類算法單元，并由所述3d點(diǎn)云分割聚類算法單元決定檢測(cè)目標(biāo)的3d聚類邊界框的輸出結(jié)果；以及

6、將所述3d點(diǎn)云目標(biāo)檢測(cè)算法單元的輸出結(jié)果和所述3d點(diǎn)云分割聚類算法單元的輸出結(jié)果進(jìn)行融合，并決定融合信息的輸出結(jié)果。

7、cxwl2022015a-a57

8、根據(jù)本公開實(shí)施例的一種具體實(shí)現(xiàn)方式，當(dāng)所述3d點(diǎn)云目標(biāo)檢測(cè)算法單元決定輸出檢測(cè)目標(biāo)的3d檢測(cè)邊界框，并且所述3d點(diǎn)云分割聚類算法單元決定輸出檢測(cè)目標(biāo)的3d聚類邊界框時(shí)，計(jì)算所述3d檢測(cè)邊界框和所述3d聚類邊界框的3d重疊度，以及基于所述3d重疊度與預(yù)設(shè)的重疊度閾值之間的比較，確定所述融合信息的輸出結(jié)果。

9、根據(jù)本公開實(shí)施例的一種具體實(shí)現(xiàn)方式，當(dāng)所述3d重疊度大于預(yù)設(shè)的重疊度閾值時(shí)，所述融合信息的輸出結(jié)果為所述3d檢測(cè)邊界框；以及當(dāng)所述3d重疊度小于預(yù)設(shè)的重疊度閾值時(shí)，計(jì)算所述3d檢測(cè)邊界框和所述3d聚類邊界框的歐式距離，其中，當(dāng)所述歐式距離小于預(yù)設(shè)的歐式距離閾值，并且3d檢測(cè)邊界框的置信度大于預(yù)設(shè)的置信度閾值時(shí)，所述融合信息的輸出結(jié)果為所述3d檢測(cè)邊界框，以及當(dāng)所述歐式距離大于預(yù)設(shè)的歐式距離閾值時(shí)，所述融合信息的輸出結(jié)果為所述3d聚類邊界框。

10、根據(jù)本公開實(shí)施例的一種具體實(shí)現(xiàn)方式，所述方法還包括：

11、當(dāng)所述3d點(diǎn)云目標(biāo)檢測(cè)算法單元決定不輸出檢測(cè)目標(biāo)的3d檢測(cè)邊界框，并且所述3d點(diǎn)云分割聚類算法單元決定輸出檢測(cè)目標(biāo)的3d聚類邊界框時(shí)，對(duì)所述3d聚類邊界框的檢測(cè)目標(biāo)的點(diǎn)數(shù)進(jìn)行判斷，其中，

12、當(dāng)所述點(diǎn)數(shù)大于預(yù)設(shè)的點(diǎn)數(shù)閾值時(shí)，判斷所述檢測(cè)目標(biāo)為障礙物；以及

13、當(dāng)所述點(diǎn)數(shù)小于預(yù)設(shè)的點(diǎn)數(shù)閾值時(shí)，判斷所述檢測(cè)目標(biāo)為噪聲點(diǎn)或誤識(shí)別障礙物。

14、根據(jù)本公開實(shí)施例的一種具體實(shí)現(xiàn)方式，所述方法還包括：

15、根據(jù)預(yù)設(shè)的分類算法將所述檢測(cè)目標(biāo)進(jìn)行分類，所述分類包括有分類障礙物和無分類障礙物。

16、第二方面，本公開實(shí)施例提供了一種用于目標(biāo)檢測(cè)的感知系統(tǒng)，所述系統(tǒng)包括：

17、獲取模塊，被配置用于獲取由采集裝置采集的預(yù)定檢測(cè)范圍內(nèi)的3d點(diǎn)云數(shù)據(jù)；

18、檢測(cè)模塊，被配置用于將所述3d點(diǎn)云數(shù)據(jù)輸入至3d點(diǎn)云目標(biāo)檢測(cè)算法單cxwl2022015a-a57

19、元，并由所述3d點(diǎn)云目標(biāo)檢測(cè)算法單元決定檢測(cè)目標(biāo)的3d檢測(cè)邊界框的輸出結(jié)果；

20、聚類模塊，被配置用于將所述3d點(diǎn)云數(shù)據(jù)輸入至3d點(diǎn)云分割聚類算法單元，并由所述3d點(diǎn)云分割聚類算法單元決定檢測(cè)目標(biāo)的3d聚類邊界框的輸出結(jié)果；以及融合模塊，被配置用于將所述3d點(diǎn)云目標(biāo)檢測(cè)算法單元的輸出結(jié)果和所述3d點(diǎn)云分割聚類算法單元的輸出結(jié)果進(jìn)行融合，并決定融合信息的輸出結(jié)果。

21、根據(jù)本公開實(shí)施例的一種具體實(shí)現(xiàn)方式，所述系統(tǒng)還包括：分類模塊，被配置用于根據(jù)預(yù)設(shè)的分類算法將所述檢測(cè)目標(biāo)進(jìn)行分類，所述分類包括有分類障礙物和無分類障礙物。

22、第三方面，本公開實(shí)施例還提供了一種電子設(shè)備，該電子設(shè)備包括：

23、至少一個(gè)處理器；以及，

24、與該至少一個(gè)處理器通信連接的存儲(chǔ)器；其中，

25、該存儲(chǔ)器存儲(chǔ)有可被該至少一個(gè)處理器執(zhí)行的指令，該指令被該至少一個(gè)處理器執(zhí)行，以使該至少一個(gè)處理器能夠執(zhí)行前述第一方面或第一方面的任一實(shí)現(xiàn)方式中的用于目標(biāo)檢測(cè)的感知方法。

26、第四方面，本公開實(shí)施例還提供了一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)計(jì)算機(jī)指令，該計(jì)算機(jī)指令用于使該計(jì)算機(jī)執(zhí)行前述第一方面或第一方面的任一實(shí)現(xiàn)方式中的用于目標(biāo)檢測(cè)的感知方法。

27、第五方面，本公開實(shí)施例還提供了一種計(jì)算機(jī)程序產(chǎn)品，該計(jì)算機(jī)程序產(chǎn)品包括存儲(chǔ)在非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上的計(jì)算程序，該計(jì)算機(jī)程序包括程序指令，當(dāng)該程序指令被計(jì)算機(jī)執(zhí)行時(shí)，使該計(jì)算機(jī)執(zhí)行前述第一方面或第一方面的任一實(shí)現(xiàn)方式中的用于目標(biāo)檢測(cè)的感知方法。

28、本公開實(shí)施例中的用于目標(biāo)檢測(cè)的感知方法，通過結(jié)合多幀點(diǎn)云數(shù)據(jù)進(jìn)行目標(biāo)檢測(cè)、分割聚類與目標(biāo)融合，并結(jié)合多幀點(diǎn)云信息進(jìn)行特征的提取更有利于點(diǎn)云的信息表征，通過3d點(diǎn)云目標(biāo)檢測(cè)算法進(jìn)行檢測(cè)識(shí)別規(guī)則化且易于分類的障礙物，通過3d點(diǎn)云目標(biāo)分割及聚類算法提取路面之上的所有障礙物，并對(duì)cxwl2022015a-a57

29、所有障礙物統(tǒng)一、融合最終得到場(chǎng)景的真實(shí)障礙物3d信息，通過本發(fā)明實(shí)施例的方案可以明顯提高固態(tài)激光雷達(dá)的感知性能和檢測(cè)準(zhǔn)確性。