[发明专利]基于鸟瞰图点云的二维对象边界框信息估计

说明书

在接收到表示环境中对象的二维数据点集之后，边界框估计器估计表示由二维数据点表示的对象的二维版本的边界框矢量。

相关申请案的交叉参考

本申请要求于2018年9月7日递交的发明名称为“根据鸟瞰图点云估计2D对象边界框的方法和系统(METHOD AND SYSTEM FOR ESTIMATING 2D OBJECT BOUNDING BOX FROMBIRD’S-EYE VIEW POINT CLOUD)”的第62/728,504号美国临时专利申请案以及于2019年4月10日递交的发明名称为“根据鸟瞰图点云估计2D对象边界框的方法和系统(METHOD ANDSYSTEM FOR ESTIMATING 2D OBJECT BOUNDING BOX FROM BIRD’S-EYE VIEW POINTCLOUD)”的第16/380,273号美国专利申请案的优先权，这两个申请案的内容以引用的方式并入本文中，如全文再现一般。

技术领域

本申请大体上涉及二维对象边界框信息的估计，更具体地，涉及根据鸟瞰图点云数据估计此类边界框信息。

背景技术

不同类型的传感器可用于感测传感器周围的环境。处理单元可以接收由每个不同的传感器获取和提供的传感器数据，并对传感器数据进行处理以探测和识别传感器周围环境中的感兴趣对象。例如，传感器可以包括使用各类波来感测传感器周围的环境的探测和测距(detecting and ranging，DAR)传感器。激光雷达传感器使用光波。雷达传感器使用无线电波。声纳传感器使用声波。自动驾驶车辆通常包括一个或多个不同类型的探测和测距传感器，用于感测车辆周围环境中的对象。激光雷达传感器等DAR传感器可提供包括传感器周围环境中由DAR传感器产生的一个或多个数据点集的传感器数据。传感器周围环境中由DAR传感器产生的每个数据点集通常称为三维(three-dimensional，3D)点云。每个数据点集(例如，每个3D点云)表示传感器周围环境中的三维(three-dimensional，3D)对象。在一些应用中，除了探测和识别传感器周围环境中的感兴趣对象之外，处理单元还可以使用每个3D点云执行“边界框估计”。近年来，根据从3D点云中获取的鸟瞰图(从上向下)2D点云的二维(two-dimensional，2D)边界框估计和L形拟合越来越受到关注。

附图说明

现在将通过示例参考示出示例实现方式的附图，其中：

图1示出了用传统方法对边界框进行的不准确估计值；

图2是本申请各方面提供的示例自动驾驶车辆的一些组件的框图；

图3是本申请各方面提供的用于实现边界框估计器的处理系统的一些组件的框图；

图4是本申请各方面提供的边界框估计器的逻辑组件的框图；

图5是本申请各方面提供的边界框估计器的逻辑组件的框图。

在不同的附图中可能使用相似的附图标记来表示相似的组件。

具体实施方式

目前已知的2D边界框估计方法依赖于直接评估对象的2D数据点集(2D点云)。评估的结果可能是紧贴着2D数据点集中的所有点的矩形。在“L形”估计的情况下，如果数据点定义了两个清晰的可观察边缘，那么可以使用这些数据点来估计对象的2D边界框。

值得注意的是，给定对象的2D点云可描述为不完整的或稀疏的，使得只能从2D点云中观察到给定对象的一部分。例如，可由于遮挡、视角限制或DAR传感器限制而导致数据点集不完整(例如，稀疏的2D点云)。例如，DAR传感器的限制可能是由于试图感测给定对象造成的，尽管给定对象与DAR传感器的距离相对较远。在2D点云的数据点仅部分表示目标对象的情况下，估计边界框不太可能准确地表示目标对象。