[发明专利]障碍物检测方法、装置、计算机设备和存储介质

权利要求书

1.一种障碍物检测方法，其特征在于，所述方法包括：

获取目标车辆所处道路的道路场景图像；

对所述道路场景图像进行障碍物识别处理，得到所述道路场景图像中各障碍物分别对应的区域信息和景深信息；

根据各障碍物分别对应的区域信息，确定具有遮挡关系的目标障碍物，并根据所述目标障碍物的景深信息，确定各目标障碍物间的相对景深关系；

获取与所述目标车辆对应的测距装置采集的对各所述障碍物的测距结果；

根据所述各目标障碍物间的相对景深关系、以及各所述障碍物的测距结果，确定与所述目标车辆所处道路对应的障碍物检测结果；所述障碍物检测结果包括目标障碍物的修正危险等级、以及未进行调整的障碍物的原始危险等级；其中，所述原始危险等级基于障碍物的测距结果确定，所述修正危险等级基于所述障碍物中目标障碍物间的相对景深关系，对所述目标障碍物的原始危险等级进行修正得到。

2.根据权利要求1所述的方法，其特征在于，所述获取目标车辆所处道路的道路场景图像，包括：

在所述目标车辆处于自动驾驶状态时，接收与所述目标车辆对应的图像采集装置传输的道路场景图像，所述道路场景图像为所述图像采集装置对所述目标车辆所处道路的现实场景进行采集得到的图像。

3.根据权利要求1所述的方法，其特征在于，所述对所述道路场景图像进行障碍物识别处理，得到所述道路场景图像中各障碍物分别对应的区域信息和景深信息，包括：

将所述道路场景图像输入障碍物识别模型；所述障碍物识别模型包括特征提取网络、实例分割网络和景深预测网络；

通过所述特征提取网络对所述道路场景图像进行特征提取，得到多个对应于不同尺度的特征图；

通过所述实例分割网络对所述不同尺度的特征图分别进行实例分割处理，得到所述道路场景图像中各障碍物分别对应的区域信息；

通过所述景深预测网络，并基于各障碍物分别对应的区域信息对各障碍物进行景深预测，得到各障碍物分别对应的景深信息。

4.根据权利要求3所述的方法，其特征在于，所述特征提取网络包括特征提取主干网络和特征金字塔网络，所述通过所述特征提取网络对所述道路场景图像进行特征提取，得到多个对应于不同尺度的特征图，包括：

将所述道路场景图像输入所述特征提取主干网络，经过所述特征提取主干网络中不同尺度的卷积网络层的处理，得到多个对应于不同尺度的主干特征图；

将所述不同尺度的主干特征图输入所述特征金字塔网络，经过所述特征金字塔网络处理，得到多个对应于不同尺度的特征图。

5.根据权利要求3所述的方法，其特征在于，所述实例分割网络包括区域生成网络、目标分类网络和目标分割网络，所述通过所述实例分割网络对所述不同尺度的特征图分别进行实例分割处理，得到所述道路场景图像中各障碍物分别对应的区域信息，包括：

将所述不同尺度的特征图分别输入所述区域生成网络，经过所述区域生成网络中预设尺度的卷积网络层的处理，得到各所述特征图分别对应的候选区域；

通过所述目标分类网络预测各所述候选区域分别对应的障碍物类别；

基于预测得到的各所述候选区域所属的障碍物类别，对所述候选区域进行实例分割，得到各障碍物分别对应的区域信息。

6.根据权利要求1所述的方法，其特征在于，所述根据各障碍物分别对应的区域信息，确定具有遮挡关系的目标障碍物，包括：

基于各障碍物分别对应的区域信息，获取在进行障碍物识别过程中，各所述障碍物各自对应的候选区域；

计算不同障碍物所对应的候选区域之间的重叠率；

将重叠率大于重叠率阈值的候选区域所对应的障碍物，确定为具有遮挡关系的目标障碍物。

7.根据权利要求1所述的方法，其特征在于，所述根据所述目标障碍物的景深信息，确定各目标障碍物间的相对景深关系，包括：

基于所述目标障碍物的景深信息对各所述目标障碍物进行远近排序，得到对应的景深排序结果；

基于所述景深排序结果确定各目标障碍物间的相对景深关系。