[发明专利]一种获取障碍物信息的方法、装置、设备和计算机存储介质

说明书

本发明提供一种获取障碍物信息的方法、装置、设备和计算机存储介质，其中获取障碍物信息的方法包括：获取激光雷达设备和相机设备同步采集的场景数据；利用所述场景数据中的点云俯视图数据进行障碍物识别，得到候选障碍物点云集合；利用所述候选障碍物点云集合所对应场景数据的融合特征进行障碍物识别，得到障碍物具体信息。通过本发明提供的技术方案，能够准确获得障碍物具体信息，从而提升自动驾驶车辆的环境感知能力，提高自动驾驶车辆的安全性。

【技术领域】

本发明涉及自动驾驶技术领域，尤其涉及一种获取障碍物信息的方法、装置、设备和计算机存储介质。

【背景技术】

在自动驾驶技术中，自动驾驶车辆的环境感知技术十分重要。目前对自动驾驶汽车驾驶环境的感知主要依靠以激光雷达为传感器进行障碍物检测的方式。但现有的以激光雷达为传感器进行障碍物检测的方式存在一定的局限性：对于一些小障碍物(例如行人或者骑自行车的人)，激光雷达打在该种障碍物上的点较少，因此激光雷达所获取的上述障碍物的点云数据就会比较稀疏，再通过识别算法进行识别时就很难判断障碍物的详细信息。而障碍物信息的缺失或不准，都会影响自动驾驶汽车的驾驶策略，进而影响自动驾驶车辆的驾驶安全。因此亟需提供一种能够准确获取障碍物详细信息的方法。

【发明内容】

有鉴于此，本发明提供了一种获取障碍物信息的方法、装置、设备和计算机存储介质，用于准确获取障碍物具体信息，从而调高自动驾驶车辆的感知能力，提升自动驾驶车辆的安全性。

本发明为解决技术问题所采用的技术方案是提供一种获取障碍物信息的方法，所述方法包括：获取激光雷达设备和相机设备同步采集的场景数据；利用所述场景数据中的点云俯视图数据进行障碍物识别，得到候选障碍物点云集合；利用所述候选障碍物点云集合所对应场景数据的融合特征进行障碍物识别，得到障碍物具体信息。

根据本发明一优选实施例，所述场景数据包括：点云数据以及图像数据，其中点云数据包括点云俯视图数据。

根据本发明一优选实施例，所述激光雷达设备和相机设备同步采集场景数据包括：激光雷达设备和相机设备按照预设频率进行场景数据的采集。

根据本发明一优选实施例，所述利用所述场景数据中的点云俯视图数据进行障碍物识别，得到候选障碍物点云集合包括：将所述场景数据中的点云俯视图数据输入候选障碍物生成网络，进行障碍物识别；根据所述候选障碍物生成网络的输出结果，得到候选障碍物点云集合。

根据本发明一优选实施例，所述候选障碍物生成网络是采用如下方式预先训练得到的：获取障碍物点云集合及对应各障碍物点云集合的点云俯视图数据；将所述点云俯视图数据以及障碍物点云集合作为训练样本，训练神经网络，得到候选障碍物生成网络。

根据本发明一优选实施例，所述利用所述候选障碍物点云集合所对应场景数据的融合特征进行障碍物识别包括：获取所述候选障碍物点云集合中各候选障碍物的位置；根据所述各候选障碍物的位置，获取对应各候选障碍物的场景数据；提取所述场景数据中点云数据以及图像数据的特征，将所提取的特征进行融合后作为所述候选障碍物点云集合所对应场景数据的融合特征；利用所述候选障碍物点云集合所对应场景数据的融合特征进行障碍物识别。

根据本发明一优选实施例，所述利用所述候选障碍物点云集合所对应场景数据的融合特征进行障碍物识别，得到障碍物具体信息包括：将所述候选障碍物点云集合所对应场景数据的融合特征输入候选障碍物调优网络，进行障碍物识别；根据所述候选障碍物调优网络的输出结果，得到障碍物具体信息。

根据本发明一优选实施例，所述候选障碍物调优网络是采用如下方式预先训练得到的：获取障碍物具体信息以及对应各障碍物点云集合的融合特征；将所述障碍物点云集合的融合特征以及障碍物具体信息作为训练样本，训练神经网络，得到候选障碍物调优网络。

根据本发明一优选实施例，所述障碍物具体信息包括：是否存在障碍物、障碍物的类别、障碍物的位置以及障碍物的尺寸中的至少一种。