[发明专利]检测障碍物的方法及装置

说明书

本申请提供了一种检测障碍物的方法及装置，其中，该方法包括：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；从点云数据中确定与各个前景点分别对应的前景点数据，并基于前景点数据，构建与待测空间对应的第一特征矩阵；将第一特征矩阵输入至预先训练好的障碍物检测模型中，得到与待测空间对应的障碍物检测结果。该方法基于获取的待测空间的点云数据，从点云数据中确定前景点数据，并基于前景点数据，构建与待测空间对应的第一特征矩阵，将第一特征矩阵输入至预先训练好的障碍物检测模型中，使得通过障碍物检测模型得到的障碍物检测结果的准确度较高，提高了障碍物的检测精度。

技术领域

本申请涉及轨道交通技术领域，尤其是涉及一种检测障碍物的方法及装置。

背景技术

目前，在轨道交通领域中，为了保证列车的安全行驶，需要对列车前方是否存在障碍物进行检测，防止列车在行驶过程中与障碍物发生碰撞，对列车的正常行驶造成影响。

在相关技术中，一般基于图像检测方法对列车前方是否存在障碍物进行检测。在该方法中，会实时获取列车行驶方向的图像，并基于深度学习模型对获取到的图像进行障碍物检测，以确定列车行驶方向是否存在障碍物。但是通过上述方法检测障碍物时，要求获取的图像的分辨率较高，当图像的分辨率较低时，对障碍物的检测精度较低，会出现误检、漏检的情况，进而造成列车的错误停车、错误报警、或者与障碍物发生碰撞，对列车的正常行驶造成影响。

发明内容

有鉴于此，本申请的目的在于提供一种检测障碍物的方法及装置，以提高障碍物的检测精度。

第一方面，本申请实施例提供了一种检测障碍物的方法，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。

本申请的一些实施例中，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。

本申请的一些实施例中，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；