[发明专利]障碍物检测方法、装置、设备及存储介质

权利要求书

1.一种障碍物检测方法，其特征在于，包括：

获取无人驾驶车辆行驶过程中所采集的3D点云；

将所述3D点云投影到二维网格上，分别获取各网格的特征信息；

将各网格的特征信息输入预先训练得到的预测模型，分别获取各网格的障碍物预测参数，包括：第一参数和第二参数；所述第一参数包括：所述网格属于障碍物的概率；所述第二参数包括：所述网格指向所属障碍物的中心位置的偏移量；

根据各网格的障碍物预测参数进行网格聚类，得到障碍物检测结果，包括：分别将各网格的第一参数与预先设定的第一阈值进行比较，筛选出第一参数大于所述第一阈值的网格；根据各网格的第二参数确定出所有可能的障碍物的中心位置，并筛选出置信度大于预先设定的第二阈值的中心位置；根据筛选出的中心位置，对各筛选出的网格进行聚类，将得到的类作为障碍物检测结果。

2.根据权利要求1所述的方法，其特征在于，

所述预测模型包括：卷积神经网络模型。

3.根据权利要求1所述的方法，其特征在于，

所述将得到的类作为障碍物检测结果之后，进一步包括：

根据障碍物之间的邻近关系进行障碍物合并。

4.根据权利要求1所述的方法，其特征在于，

所述将得到的类作为障碍物检测结果之后，进一步包括：

将未被筛选出的网格中符合填充要求的网格填充到所属障碍物中的对应位置。

5.根据权利要求1所述的方法，其特征在于，

所述将得到的类作为障碍物检测结果之后，进一步包括：

将得到的每个类分别反投影到3D点云上；

针对反投影后的每个类，分别进行以下处理：

估算出地面高度，在所述地面高度之上，若出现断层，则切开，将位于所述地面高度之上以及所述断层之下的部分作为障碍物。

6.根据权利要求1所述的方法，其特征在于，

所述将得到的类作为障碍物检测结果之后，进一步包括：

将得到的每个类分别反投影到3D点云上；

针对反投影后的每个类，分别进行以下处理：

将所述类中的各点按高度顺序进行排序，若两个相邻点之间的高度差大于预先设定的第三阈值，则切开，找出点数最多的片段，根据所述片段中的点确定出一个障碍物。

7.一种障碍物检测装置，其特征在于，包括：获取单元以及检测单元；

所述获取单元，用于获取无人驾驶车辆行驶过程中所采集的3D点云，并发送给所述检测单元；

所述检测单元，用于将所述3D点云投影到二维网格上，分别获取各网格的特征信息；将各网格的特征信息输入预先训练得到的预测模型，分别获取各网格的障碍物预测参数；根据各网格的障碍物预测参数进行网格聚类，得到障碍物检测结果；

其中，每个网格的障碍物预测参数包括：第一参数和第二参数；所述第一参数包括：所述网格属于障碍物的概率；所述第二参数包括：所述网格指向所属障碍物的中心位置的偏移量；

所述检测单元中包括：第一处理子单元以及第二处理子单元；

所述第一处理子单元，用于将所述3D点云投影到二维网格上，分别获取各网格的特征信息，并将各网格的特征信息输入预先训练得到的预测模型，分别获取各网格的障碍物预测参数，发送给所述第二处理子单元；

所述第二处理子单元，用于分别将各网格的第一参数与预先设定的第一阈值进行比较，筛选出第一参数大于所述第一阈值的网格，根据各网格的第二参数确定出所有可能的障碍物的中心位置，并筛选出置信度大于预先设定的第二阈值的中心位置，根据筛选出的中心位置，对各筛选出的网格进行聚类，将得到的类作为障碍物检测结果。

8.根据权利要求7所述的装置，其特征在于，

所述预测模型包括：卷积神经网络模型。

9.根据权利要求7所述的装置，其特征在于，

所述第二处理子单元进一步用于，

在将得到的类作为障碍物检测结果之后，根据障碍物之间的邻近关系进行障碍物合并。