[发明专利]障碍物检测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种障碍物检测方法、装置、计算机设备和存储介质。所述方法包括：获取无人车所在行车区域的现场数据；现场数据包括行车区域现场图像以及深度点云图像；提取行车区域现场图像中的图像特征和深度点云图像中的雷达特征；对图像特征以及雷达特征进行特征融合，得到融合特征；基于融合特征进行行车区域内的障碍物检测。采用本方法能够提升障碍物检测的准确性。

技术领域

本申请涉及计算机技术领域，特别是涉及一种障碍物检测方法、装置、计算机设备和存储介质。

背景技术

在自动驾驶中，无人驾驶的车辆会自动进行障碍物检测，通过障碍物检测，可以获得无人车周围的障碍物的具体位置、形状大小以及移动方向等信息，从而可以帮助无人车确定避障策略。

目前，主要通过安装在无人车上的不同传感器对障碍物进行识别检测，但是仅基于单一的传感器难以获取全面的检测数据，从而导致对障碍物的检测不全面不精确。

发明内容

基于此，有必要针对现有单一检测传感器获取障碍物信息不全面不精确的问题，提供一种能够提升障碍物检测准确性的障碍物检测方法、装置、计算机设备和存储介质。

一种障碍物检测方法，所述方法包括：

获取无人车所在行车区域的现场数据；所述现场数据包括行车区域现场图像以及深度点云图像；

提取所述行车区域现场图像中的图像特征和深度点云图像中的雷达特征；

对所述图像特征以及雷达特征进行特征融合，得到融合特征；

基于所述融合特征进行所述行车区域内的障碍物检测。

在其中一个实施例中，所述图像特征以及雷达特征均包括障碍物的轮廓特征以及障碍物周围的周围环境特征；所述方法还包括：

判断所述障碍物的轮廓特征是否完整；

若否，基于所述周围环境特征对所述轮廓特征进行弥补，得到完整的轮廓特征。

在其中一个实施例中，所述方法还包括：

基于所述弥补后的轮廓特征进行特征融和，得到融合特征。

在其中一个实施例中，所述对所述图像特征以及雷达特征进行融合，得到融合特征包括：

将所述深度点云图像投射至所述行车区域现场图像，形成雷达投射图；

获取所述雷达投射图中每一像素所对应的图像特征以及雷达特征；

融合每一像素所对应图像特征及所述雷达特征，得到融合特征。

在其中一个实施例中，所述行车区域现场图像是基于图像采集设备针对所述行车区域采集的图像帧；所述深度点云图像是基于毫米波雷达针对所述行车区域内的障碍物采集的雷达三维点；所述将所述深度点云图投射至所述行车区域现场图像，形成雷达投射图包括：

确定所述毫米波雷达的空间坐标系，以及所述图像采集设备的相机坐标系；

将基于所述空间坐标系采集的深度点云图像与基于所述相机坐标系采集的行车区域现场图像转换至同一坐标系中；

将所述深度点云图投射至同一坐标系中的现场图像，得到雷达投射图。

在其中一个实施例中，所述融合特征包括障碍物的轮廓特征、空间位置特征以及速度特征；所述基于所述融合特征对所述障碍物进行目标检测包括：

基于所述障碍物的轮廓特征确定所述行车区域内的至少一个障碍物的障碍物类型；

当所述障碍物类型为目标障碍物类型时，基于所述空间位置特征以及速度特征，确定与所述目标障碍物类型对应的障碍物的空间坐标以及运动速度。