[发明专利]障碍物检测方法及装置有效
申请号: | 201910532194.2 | 申请日: | 2019-06-19 |
公开(公告)号: | CN110309741B | 公开(公告)日: | 2022-03-08 |
发明(设计)人: | 吕文玉;杨宇昊 | 申请(专利权)人: | 百度在线网络技术(北京)有限公司 |
主分类号: | G06V20/58 | 分类号: | G06V20/58;G06V10/764;G06K9/62;G01S15/93 |
代理公司: | 北京同立钧成知识产权代理有限公司 11205 | 代理人: | 朱颖;刘芳 |
地址: | 100085 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 障碍物 检测 方法 装置 | ||
1.一种障碍物检测方法,其特征在于,包括:
获取待测方向的图像和超声波雷达针对所述待测方向的信号反射点;
对所述图像进行障碍物识别,得到所述图像的障碍物标定框;
确定所述信号反射点在所述图像中的投影点是否位于所述障碍物标定框内;
若是,则确定所述信号反射点所在的位置存在障碍物;
若否,则从所述图像中截取所述投影点所在位置的图块;
若所述图块中存在物体,则识别出所述图块中的物体的类型;
若第一集合中存在所述图块中的物体的类型,则确定所述信号反射点所在的位置不存在障碍物,所述第一集合包括超声波雷达误识别概率超过阈值的物体的类型。
2.根据权利要求1所述的方法,其特征在于,所述从所述图像中截取所述信号反射投影点所在位置的图块,包括:
以所述投影为中心点,从所述图像中截取预设像素数量的图块。
3.根据权利要求1所述的方法,其特征在于,所述识别出所述图块中的物体的类型之后,还包括:
若所述第一集合中不存在所述图块中的物体的类型,则确定所述信号反射点所在的位置存在障碍物。
4.根据权利要求2或3所述的方法,其特征在于,所述识别出所述图块中的物体的类型,包括:
将所述图块输入深度神经网络模型,并获取所述深度神经网络模型输出的所述图块中的物体的类型。
5.一种障碍物检测装置,其特征在于,包括:
获取模块,用于获取待测方向的图像和超声波雷达针对所述待测方向的信号反射点;
第一识别模块,用于对所述图像进行障碍物识别,得到所述图像的障碍物标定框;
第一确定模块,用于确定所述信号反射点在所述图像中的投影点是否位于所述障碍物标定框内;
第二确定模块,用于若是,则确定所述信号反射点所在的位置存在障碍物;
截图模块,用于若否,则从所述图像中截取所述投影点所在位置的图块;
第二识别模块,用于若所述图块中存在物体,则识别出所述图块中的物体的类型;
第三确定模块,用于若第一集合中存在所述图块中的物体的类型,则确定所述信号反射点所在的位置不存在障碍物,所述第一集合包括超声波雷达误识别概率超过阈值的物体的类型。
6.根据权利要求5所述的装置,其特征在于,所述截图模块,具体用于以所述投影点为中心点,从所述图像中截取预设像素数量的图块。
7.根据权利要求5所述的装置,其特征在于,所述装置,还包括:
第四确定模块,用于若所述第一集合中不存在所述图块中的物体的类型,则确定所述信号反射点所在的位置存在障碍物。
8.根据权利要求6或7所述的装置,其特征在于,所述第二识别模块,具体用于将所述图块输入深度神经网络模型,并获取所述深度神经网络模型输出的所述图块中的物体的类型。
9.一种电子设备,其特征在于,包括:存储器与处理器;
所述存储器,用于存储所述处理器的可执行指令;
所述处理器配置为经由执行所述可执行指令来执行权利要求1-4任一所述的方法。
10.一种存储介质,其上存储有计算机程序,其特征在于,包括:该程序被处理器执行时实现权利要求1-4任一所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于百度在线网络技术(北京)有限公司,未经百度在线网络技术(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910532194.2/1.html,转载请声明来源钻瓜专利网。