[发明专利]检测障碍物的方法及装置

权利要求书

1.一种检测障碍物的方法，其特征在于，所述方法包括：

获取基于激光雷达对待测空间进行检测时生成的点云数据；所述点云数据包括所述待测空间中各个位置点分别对应的检测结果；所述待测空间中的位置点包括前景点；

从所述点云数据中，确定与各个所述前景点分别对应的前景点数据，并基于前景点数据，构建与所述待测空间对应的第一特征矩阵；所述第一特征矩阵用于表征所述待测空间的空间状态；

将所述第一特征矩阵输入至预先训练好的障碍物检测模型中，得到与所述待测空间对应的障碍物检测结果；

所述从所述点云数据中，确定与各个所述前景点分别对应的前景点数据，包括：

将所述点云数据输入至预先训练好的点云语义分割模型中，获取所述点云数据中各个位置点分别对应的语义分割结果；

基于所述语义分割结果，从所述点云数据中确定与各个前景点分别对应的所述前景点数据；

所述点云语义分割模型包括：第一卷积模块、第二卷积模块、第一池化层、以及分类器；所述第一卷积模块包括多个第一卷积层；所述第二卷积模块，包括至少一个第二卷积层；

采用下述方式训练得到所述点云语义分割模型：

获取多组样本点云数据，每组样本点云数据包括：多个样本位置点分别对应的样本点数据，以及每个所述样本位置点是否为前景点的标签；

针对每组样本点云数据，执行下述处理过程：

将所述样本点云数据输入至所述点云语义分割模型的第一卷积模块进行多次卷积处理，获取所述样本点云数据对应的第一样本特征向量，以及所述第一卷积模块中目标第一卷积层输出的中间样本特征向量；所述目标第一卷积层为除最后一层第一卷积层以外的任一第一卷积层；

将所述第一样本特征向量输入至所述第一池化层进行池化处理，得到第二样本特征向量；

将所述第二样本特征向量以及所述中间样本特征向量进行拼接，得到第三样本特征向量，并将所述第三样本特征向量输入至所述第二卷积模块进行至少一次卷积处理，获取所述第二卷积模块输出的样本特征向量；

将所述样本特征向量输入至所述分类器，得到与该组样本点云数据对应的语义分割结果；

基于各组所述样本点云数据分别对应的所述语义分割结果，以及所述标签，对所述第一卷积模块、所述第二卷积模块、所述第一池化层、以及所述分类器进行本轮训练；

经过对所述第一卷积模块、所述第二卷积模块、所述第一池化层、以及所述分类器的多轮训练，得到所述点云语义分割模型；

所述基于前景点数据，构建与所述待测空间对应的第一特征矩阵，包括：

将所述待测空间划分为多个子空间；

针对每个所述子空间：从各个所述前景点中，确定属于该子空间的目标前景点，并对所述目标前景点进行采样，获取与该子空间对应的采样前景点；将所述采样前景点对应的前景点数据，输入至预先训练好的特征提取模型中，得到所述子空间对应的子特征向量；

基于所有所述子空间中分别对应的子特征向量，得到所述第一特征矩阵；

所述特征提取模型包括：线性处理模块、卷积层、第二池化层、以及第三池化层；

所述将所述采样前景点对应的前景点数据，输入至预先训练好的特征提取模型中，得到所述子空间对应的子特征向量，包括：

将该子空间中各个采样前景点分别对应的前景点数据输入至所述线性处理模块进行线性变换处理，得到第一线性特征向量，并将所述第一线性特征向量输入至所述第二池化层进行最大池化处理，得到第二线性特征向量；以及，

将该子空间中各个采样前景点分别对应的前景点数据输入至所述卷积层进行卷积处理，得到第一卷积特征向量；

将所述第二线性特征向量与所述第一卷积特征向量进行连接，得到第一融合特征向量；

将所述第一融合特征向量输入至所述第三池化层进行池化处理，得到该子空间对应的子特征向量。

2.根据权利要求1所述的方法，其特征在于，所述对所述目标前景点进行采样，获取与该子空间对应的采样前景点，包括：

将该子空间中任一目标前景点作为基准前景点，并从该子空间内除所述基准前景点外的其他目标前景点中，确定与所述基准前景点距离最远的目标前景点作为采样前景点；

将确定的所述采样前景点作为新的基准前景点，并返回至从该子空间内除所述基准前景点外的其他目标前景点中，确定与所述基准前景点距离最远的目标前景点作为采样前景点的步骤，直至确定的所述采样前景点的数量达到预设数量。