[发明专利]无人驾驶车辆行驶过程中的障碍物检测方法、系统、车辆

说明书

本发明公开了一种无人驾驶车辆行驶过程中的障碍物检测方法、系统、车辆，将雷达坐标系和摄像头坐标系统一为车身坐标系；读取并解析第一传感器和第二传感器原始报文数据，得到所述车身坐标系下的原始障碍物目标；判断第一传感器和第二传感器检测出的原始障碍物目标是否为同一障碍物；融合判断为同一障碍物的目标，得到最终的障碍物目标信息。本发明融合了第一传感器和第二传感器数据，解决了现有方法不能满足实时性要求、检测效率低、成本高昂、易受环境影响的问题，提高了检测可靠性和检测效率。

技术领域

本发明涉及无人驾驶车辆目标感知领域，特别是一种无人驾驶车辆行驶过程中的障碍物检测方法、系统、车辆。

背景技术

随着人工智能的大热，作为重要分支的无人驾驶也迅速发展起来。自动驾驶汽车涵盖了感知、决策、控制等模块，其中，环境感知涉及多种不同的传感器，是自动驾驶汽车安全的重要保障，而目标检测任务是感知任务最关键的一环。目标检测指在自动驾驶场景中给出车辆等障碍物各项信息的任务。为了更好地表示车辆的不同自动驾驶程度，美国汽车工程师学会将自动驾驶分为了五个级别。随着自动驾驶等级的提高，汽车对目标检测的要求也越来越高。因此，研究自动驾驶目标检测十分重要。伴随而来的是对无人驾驶车辆的感知系统要求更为严苛。提高感知性能对无人驾驶技术进一步发展是迫在眉睫的。

目前，无人驾驶系统中的环境感知模块依赖于多种传感器，摄像头、毫米波雷达和激光雷达是最为重要且使用最为广泛的三类传感器。视觉传感器相较其他传感器价格更低，同时技术难度也较小，可以提供丰富的信息量，所获得的目标易于分类且短距离测量结果较为精确。但是，它的缺点是对光线和天气条件很敏感，需要依托复杂的计算保证其精度。而毫米波雷达传感器通过发射毫米波电信号并分析反射中的频移来检测物体，它可以在不同环境因素中稳定运行，同时对于障碍物速度的测量精度高且可以进行长距离测量。由于德尔福公司、德国大陆和博世推出的毫米波雷达稳定可靠，因此许多高校、企业将其应用于研究当中。但是，它的缺点是所获得的目标很难分类，空间分辨率方面受到限制且误报、跟丢现象时有发生。激光雷达有着精确的3D感知能力、对光线变化不敏感、信息丰富等优势，依赖传统的特征提取方法和先进的点云深度学习网络能对目标进行十分精确的3D感知。它的缺点是对雨雾等天气比较敏感，价格昂贵；如果仅依靠视觉不能满足实时性的要求，仅依靠雷达检测率又不高。所以，要获得真实可靠的车辆前方障碍物识别系统，仅依靠上述单一传感器很难达到，需融合多传感器以满足复杂的道路交通环境。

发明内容

本发明所要解决的技术问题是，针对现有技术不足，提供一种无人驾驶车辆行驶过程中的障碍物检测方法、系统、车辆，有效检测无人驾驶车辆行驶过程的障碍物目标。

为解决上述技术问题，本发明所采用的技术方案是：一种无人驾驶车辆行驶过程中的障碍物检测方法，包括以下步骤：

1)将雷达坐标系和摄像头坐标系统一为车身坐标系；

2)读取并解析第一传感器和第二传感器原始报文数据，得到所述车身坐标系下的原始障碍物目标；

3)判断第一传感器和第二传感器检测出的原始障碍物目标是否为同一障碍物；

4)融合判断为同一障碍物的目标，得到最终的障碍物目标信息；

其中，第一传感器和第二传感器为不同种类传感器。

本发明融合了两种传感器数据，解决了现有技术依靠单一种类传感器检测时，可靠性不高，难以满足复杂道路交通环境的问题，提高了检测的实时性和检测效率，且不易受到环境的影响。

步骤2)中，通过在线或离线方式读取所述第一传感器和第二传感器原始报文数据。实时在线模式可用于无人驾驶车辆运行和调试，离线读取模式可用于演示和实验。

为了进一步提高第一传感器和第二传感器抵抗白噪声的能力，降低虚假目标出现的概率，本发明的步骤2)和步骤3)之间，还执行如下操作：对所述原始障碍物目标进行筛选，排除虚假目标以及白噪声。