[发明专利]一种确定目标对象点云集的方法及装置

说明书

一种确定目标对象点云集的方法及装置，应用于自动驾驶或智能驾驶等领域，可确定目标对象对应的点云集。该方法包括：获取来自视觉传感器的图像数据和来自探测感器的点云数据；在第一坐标系中得到目标对象对应的至少一个三维3D锥形空间；根据所述至少一个3D锥形空间，得到多个候选点云集；在所述多个候选点云集中，确定目标对象的点云集。该方案进一步可用于提升自动驾驶或高级驾驶辅助系统ADAS能力，可应用于车联网，例如车辆外联V2X、车间通信长期演进技术LTE‑V、车辆‑车辆V2V等。

技术领域

本申请涉及自动驾驶领域，尤其涉及一种确定目标对象点云集的方法及装置。

背景技术

随着城市的发展，交通越来越拥堵，人们驾车越来越趋于疲劳。为了满足人们的出行要求，自动驾驶应用而生。自动驾驶的关键在于能够高精度地识别周围的道路环境，从而自动驾驶安全可靠。目前的自动驾驶车辆中安装有激光传感器，实时获取周围的激光数据，结合高精度地图，以供车辆做出正确的行驶决策。

其中，在制作高精度地图的过程中，采集的激光点云中有些物体是临时物体，这些物体会随着时间变化，影响定位精度，这些临时物体不适合作为地图的一部分，需要在制图过程中把这些物体去除掉。临时物体，包括：移动物体(如行人、行驶的汽车)和可移动物体(如静止的自行车和汽车等)。如何在激光点云中，确定目标对象的点云集是本申请实施例待解决的技术问题。

发明内容

本申请提供一种确定目标对象点云集的方法及装置，以确定目标对象对应的点云集。

第一方面，提供一种确定目标对象点云集的方法，该方法包括：获取来自视觉传感器的图像数据和来自探测传感器的点云数据；根据所述图像数据中包括的目标对象，确定探测传感器所对应的第一坐标系中的至少一个3D锥形空间；根据所述至少一个3D锥形空间，得到多个候选点云集；在所述多个候选点云集中，确定目标对象的点云集。可选的，上述3D锥形空间可以为目标对象在第一坐标系中的投射，该3D锥形空间在第一坐标系中可包括多个点云数据；目标对象的点云集中可包括多个点云数据。

通过实施上述方法，利用来自视觉传感器的图像数据完成与探测传感器的点云数据的融合，确定目标对象的点云集，无需获取目标对象的深度信息，降低对视觉传感器的要求。

可选的，在得到上述目标对象的点云集之后，可利用上述目标对象的点云集对目标对象进行识别，或者制作高精度地图，或定位等，不作限定。进一步，若用于制作高精度地图，或定位等，还可包括：在探测传感器所采集的其周围所有物体的点云数据中，去除目标对象的点云集，得到第二点云数据等。

在一种可能的实现方式中，上述根据图像数据所包括的目标对象，确定探测传感器所对应的第一坐标系中的至少一个3D锥形空间，包括：在所述图像数据中识别目标对象和目标对象的轮廓；例如，可利用AI识别算法，在上述图像数据中识别目标对象；在目标对象中识别目标对象的轮廓；根据目标对象的轮廓，确定探测传感器所对应的第一坐标系中的3D锥形空间。

通过上述方法，能够实现根据目标对象的轮廓，在第一坐标系中投射3D锥形空间，在3D锥形空间中所包括的点云数据中，确定目标对象的点云集，可提高对目标对象点云集的识别准确性。

在一种可能的实现方式中，上述根据目标对象的轮廓，得到3D锥形空间的过程，包括：获取目标对象的轮廓所包括的像素，将上述像素在像素坐标系中的坐标，转换为视觉传感器所对应的第二坐标系(相机坐标系)中的坐标，上述目标对象的轮廓对应的其在第二坐标系中的坐标可称为一个3D点集；将所述3D点集由第二坐标系转换到第一坐标系；在第一坐标系中，将上述目标对象的轮廓对应的坐标进行曲线拟合，得到一条拟合的曲线；从所述第一坐标的原点，向所述拟合的曲线投射射线，得到一个3D锥形空间。

通过上述方法，可实现由目标对象的轮廓向第一坐标系中的3D锥形空间的转换，得到目标对象在第一坐标系中对应的空间范围。该空间范围内所包括的点云数据，包括目标对象所对应的点云集。