[发明专利]一种障碍物检测方法及终端

权利要求书

1.一种障碍物检测方法，其特征在于，包括步骤：

将与待检测对象对应的激光雷达障碍物点云数据进行聚类，得到第一障碍物集合；

将与所述待检测对象对应的毫米波雷达点云数据进行聚类，得到第二障碍物集合；

将所述第二障碍物集合与所述第一障碍物集合进行匹配，根据所述匹配后的第二障碍物集合和第一障碍物集合计算所述第二障碍物集合与所述第一障碍物集合的距离；

根据所述距离判断所述待检测对象是否为障碍物；

所述将与待检测对象对应的激光雷达障碍物点云数据进行聚类之前包括步骤：

获取与待检测对象对应的激光雷达初始点云数据；

根据所述激光雷达初始点云数据的坐标与强度值信息剔除无效点云，得到激光雷达有效点云数据；

剔除所述激光雷达有效点云数据中的地面点，得到与待检测对象对应的激光雷达障碍物点云数据；

所述将与待检测对象对应的激光雷达障碍物点云数据进行聚类，得到第一障碍物集合包括：

从与待检测对象对应的激光雷达障碍物点云数据中选取一待聚类障碍物点，标记为已聚类障碍物点；

确定与当前标记的所述已聚类障碍物点相邻的未聚类障碍物点，计算所述已聚类障碍物点与所述未聚类障碍物点之间的角度；

判断所述角度是否小于第一预设值，若是，则将所述未聚类障碍物点标记为已聚类障碍物点，并返回执行确定与当前标记的所述已聚类障碍物点相邻的未聚类障碍物点步骤，若否，则确定当前聚类的已聚类障碍物点的数量；

判断所述当前聚类的已聚类障碍物点的数量是否达到第二预设值，若是，则得到与所述当前聚类的已聚类障碍物点对应的第一障碍物，并返回执行从与待检测对象对应的激光雷达障碍物点云数据中选取一待聚类障碍物点步骤；

所述将与所述待检测对象对应的毫米波雷达点云数据进行聚类之前包括步骤：

将激光雷达与毫米波雷达进行联合标定，得到变换矩阵；

获取与待检测对象对应的毫米波雷达初始点云数据；

将所述毫米波雷达初始点云数据根据所述变换矩阵投影至所述激光雷达的深度图，得到与所述待检测对象对应的毫米波雷达点云数据；

所述将所述第二障碍物集合与所述第一障碍物集合进行匹配，根据所述匹配后的第二障碍物集合和第一障碍物集合计算所述第二障碍物集合与所述第一障碍物集合的距离包括：

根据所述第一障碍物集合中的每一个第一障碍物确定其对应的第一中心点，得到第一中心点集合；

根据所述第二障碍物集合中的每一个第二障碍物确定其对应的第二中心点，得到第二中心点集合；

对所述第二障碍物集合进行遍历直至遍历完所述第二障碍物集合的所有第二障碍物；

对于遍历到的目标第二障碍物，根据所述目标第二障碍物对应的第二中心点和所述第一中心点集合中的每一个第一中心点计算所述目标第二障碍物与所述第一障碍物集合的每一个第一障碍物之间的欧氏距离，得到多个第一欧氏距离；

将所述多个第一欧氏距离中最短的欧氏距离对应的第一障碍物确定为与所述目标第二障碍物匹配的目标第一障碍物；

从所述与所述目标第二障碍物匹配的目标第一障碍物中确定与所述目标第二障碍物的每一障碍物点云对应的最近邻点，计算所述每一障碍物点云与其对应的最近邻点之间的欧氏距离，得到多个第二欧氏距离；

将所述多个第二欧氏距离进行平均，得到所述第二欧氏距离的平均值；

所述根据所述距离判断所述待检测对象是否为障碍物包括：

判断所述第二欧氏距离的平均值是否小于第三预设值，若是，则所述目标第二障碍物对应的待检测对象为障碍物，若否，则所述目标第二障碍物对应的待检测对象不为障碍物。

2.一种障碍物检测终端，包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：

将与待检测对象对应的激光雷达障碍物点云数据进行聚类，得到第一障碍物集合；

将与所述待检测对象对应的毫米波雷达点云数据进行聚类，得到第二障碍物集合；

将所述第二障碍物集合与所述第一障碍物集合进行匹配，根据所述匹配后的第二障碍物集合和第一障碍物集合计算所述第二障碍物集合与所述第一障碍物集合的距离；

根据所述距离判断所述待检测对象是否为障碍物；

所述将与待检测对象对应的激光雷达障碍物点云数据进行聚类之前包括步骤：

获取与待检测对象对应的激光雷达初始点云数据；

根据所述激光雷达初始点云数据的坐标与强度值信息剔除无效点云，得到激光雷达有效点云数据；

剔除所述激光雷达有效点云数据中的地面点，得到与待检测对象对应的激光雷达障碍物点云数据；

所述将与待检测对象对应的激光雷达障碍物点云数据进行聚类，得到第一障碍物集合包括：

从与待检测对象对应的激光雷达障碍物点云数据中选取一待聚类障碍物点，标记为已聚类障碍物点；

确定与当前标记的所述已聚类障碍物点相邻的未聚类障碍物点，计算所述已聚类障碍物点与所述未聚类障碍物点之间的角度；

判断所述角度是否小于第一预设值，若是，则将所述未聚类障碍物点标记为已聚类障碍物点，并返回执行确定与当前标记的所述已聚类障碍物点相邻的未聚类障碍物点步骤，若否，则确定当前聚类的已聚类障碍物点的数量；

判断所述当前聚类的已聚类障碍物点的数量是否达到第二预设值，若是，则得到与所述当前聚类的已聚类障碍物点对应的第一障碍物，并返回执行从与待检测对象对应的激光雷达障碍物点云数据中选取一待聚类障碍物点步骤；

所述将与所述待检测对象对应的毫米波雷达点云数据进行聚类之前包括步骤：

将激光雷达与毫米波雷达进行联合标定，得到变换矩阵；

获取与待检测对象对应的毫米波雷达初始点云数据；

将所述毫米波雷达初始点云数据根据所述变换矩阵投影至所述激光雷达的深度图，得到与所述待检测对象对应的毫米波雷达点云数据；

所述将所述第二障碍物集合与所述第一障碍物集合进行匹配，根据所述匹配后的第二障碍物集合和第一障碍物集合计算所述第二障碍物集合与所述第一障碍物集合的距离包括：

根据所述第一障碍物集合中的每一个第一障碍物确定其对应的第一中心点，得到第一中心点集合；

根据所述第二障碍物集合中的每一个第二障碍物确定其对应的第二中心点，得到第二中心点集合；

对所述第二障碍物集合进行遍历直至遍历完所述第二障碍物集合的所有第二障碍物；

对于遍历到的目标第二障碍物，根据所述目标第二障碍物对应的第二中心点和所述第一中心点集合中的每一个第一中心点计算所述目标第二障碍物与所述第一障碍物集合的每一个第一障碍物之间的欧氏距离，得到多个第一欧氏距离；

将所述多个第一欧氏距离中最短的欧氏距离对应的第一障碍物确定为与所述目标第二障碍物匹配的目标第一障碍物；

从所述与所述目标第二障碍物匹配的目标第一障碍物中确定与所述目标第二障碍物的每一障碍物点云对应的最近邻点，计算所述每一障碍物点云与其对应的最近邻点之间的欧氏距离，得到多个第二欧氏距离；

将所述多个第二欧氏距离进行平均，得到所述第二欧氏距离的平均值；

所述根据所述距离判断所述待检测对象是否为障碍物包括：

判断所述第二欧氏距离的平均值是否小于第三预设值，若是，则所述目标第二障碍物对应的待检测对象为障碍物，若否，则所述目标第二障碍物对应的待检测对象不为障碍物。