[发明专利]障碍物分类方法、装置、存储介质和计算机设备

说明书

本申请涉及一种障碍物分类方法，所述方法包括：获取待处理点云数据；所述待处理点云数据包括所述原始点云数据中被目标障碍物所处的位置区域涵盖的局部点云数据；对所述待处理点云数据进行栅格化处理，得到二维栅格图；基于所述二维栅格图中的各栅格内的空间点，分别确定各所述栅格的目标统计参数，并得到与所述目标统计参数相对应的统计特征图；通过预定卷积神经网络，基于所述统计特征图确定目标图像特征，并基于所述目标图像特征进行分类，得到所述目标障碍物分别属于各候选类别的置信度；按照各所述置信度，从各候选类别中确定所述目标障碍物所属的类别。本申请提供的方案分类准确率高。

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分类方法、装置、计算机可读存储介质和计算机设备。

背景技术

近年来，越来越多地通过环境感知装置感知周围环境，得到用于表征周围环境的原始点云数据，进而在根据原始点云数据检测到周围环境中存在障碍物的基础上，进行障碍物分类，即在各候选类别中确定障碍物所属的类别。

传统的分类方式中，是人工设计点云数据的特征，比如三维协方差矩阵及反射强度概率分布特征，再通过SVM(Support Vector Machine，支持向量机)分类器，基于上述人工设计的特征进行障碍物分类。然而，上述人工设计的特征的提取非常耗时，其也无法准确表达点云数据的特性，且SVM的分类准确性高度依赖于特征的准确性，因此传统方式的分类准确率不高。

发明内容

基于此，有必要针对传统方式中特征提取耗时且分类准确率不高的技术问题，提供一种障碍物分类方法、装置、计算机可读存储介质和计算机设备。

一种障碍物分类方法，包括：

获取待处理点云数据；所述待处理点云数据包括所述原始点云数据中被目标障碍物所处的位置区域涵盖的局部点云数据；

对所述待处理点云数据进行栅格化处理，得到二维栅格图；

基于所述二维栅格图中的各栅格内的空间点，分别确定各所述栅格的目标统计参数，并得到与所述目标统计参数相对应的统计特征图；

通过预定卷积神经网络，基于所述统计特征图确定目标图像特征，并基于所述目标图像特征进行分类，得到所述目标障碍物分别属于各候选类别的置信度；

按照各所述置信度，从各候选类别中确定所述目标障碍物所属的类别。

一种障碍物分类装置，包括：

待处理点云获取模块，用于获取待处理点云数据；所述待处理点云数据包括所述原始点云数据中被目标障碍物所处的位置区域涵盖的局部点云数据；

二维栅格图获取模块，用于对所述待处理点云数据进行栅格化处理，得到二维栅格图；

统计特征图获取模块，用于基于所述二维栅格图中的各栅格内的空间点，分别确定各所述栅格的目标统计参数，并得到与所述目标统计参数相对应的统计特征图；

置信度确定模块，用于通过预定卷积神经网络，基于所述统计特征图确定目标图像特征，并基于所述目标图像特征进行分类，得到所述目标障碍物分别属于各候选类别的置信度；

类别确定模块，用于按照各所述置信度，从各候选类别中确定所述目标障碍物所属的类别。

一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行上述方法的步骤。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述方法的步骤。