[发明专利]一种道路车辆目标检测方法、系统、电子设备及存储介质

说明书

本发明公开了一种道路车辆目标检测方法、系统、电子设备及存储介质，包括S1、获取驾驶场景的原始点云信息；S2、对所述原始点云信息进行预处理，获取车道范围内的点云信息；S3、对步骤S2获取的点云信息进行路面分割处理，获取车道内具有高度的障碍物点云信息；S4、对所述障碍物点云信息进行聚类处理，获取障碍物的拟合结果；S5、对所述障碍物的拟合结果进行坐标提取并计算边界长度，获取障碍物的几何特征；S6、根据障碍物的几何特征识别障碍物为车辆目标或非车辆目标。本发明基于车辆几何尺寸模型对道路车辆目标进行识别与检测，减少了数据量，提高算法效率，对提高自动驾驶车辆的环境感知环节的效率以及为驾驶行为决策提供关键信息具有重要意义。

技术领域

本发明属于自动驾驶技术领域，更具体涉及一种道路车辆目标检测方法、系统、电子设备及存储介质。

背景技术

环境感知是自动驾驶的首要环节，车辆目标检测则一直是自动驾驶汽车环境感知中的重要研究内容，其检测的准确性与实时性是实现自动驾驶行为的重要前提。当前，激光雷达在数据获取与环境适应性方面的优势日渐凸显，有许多基于激光雷达的车辆目标检测方法，但多存在误检或漏检问题。

如我国专利CN201610674755.9提供了一种单线激光雷达车辆目标识别方法、装置和汽车，该方法包括：获取所述单线激光雷达的探测数据，探测数据包括若干点云的坐标数据；基于点云的坐标数据对若干点云进行聚类，以将若干点云分为至少一个探测物体；将组成任一个探测物体的点云的坐标数据拟合为线段；提取每个探测物体对应的线段的特征；基于提取的特征通过机器学习方法识别该探测物体是否是车辆，若是，发出警报信息。通过单线激光雷达的探测数据，识别探测到的物体是否是车辆，并根据识别结果确定是否发出警报信息，提高汽车驾驶安全性，避免车内及车外人身财产的伤害和损失。其采用的是单层激光雷达，无法测得车辆的高度方向信息，将道路两侧具有一定更高度的物体如护栏等误检成车辆目标。

又如我国专利CN202010050963.8提供一种路侧激光雷达目标检测方法，其包含：从路侧激光雷达采集的数据中选取不同时段的多帧背景点云数据作为背景数据，对背景数据进行栅格化处理并统计栅格特征，计算得到栅格平均统计特征作为背景栅格统计表；针对实测的原始点云数据，进行与背景数据具备相同栅格尺寸的栅格化处理，统计得到原始点云数据对应的栅格统计特征，结合背景栅格统计表进行背景滤波后，得到非背景点云数据；将非背景点云数据输入构建的多尺度体素三维检测检测网络，输出目标的检测结果张量，结果张量包含目标的类别信息和边界框信息。该发明通过背景滤波，滤除大量的无效点，显著缩短网络的训练和推理时间，同时没有了大量背景点的干扰提高了检测结果的精度。其基于安装在路侧的激光雷达，针对路口的复杂车况，提出了一种建立在车辆检测模型基础上的组合聚类方式并实现了十字路口处进行道路车辆目标的识别与追踪。但是，该方案在只配备一个激光雷达的条件下，无法解决车流量较大时车辆的遮挡问题，需要通过多个激光雷达组成激光雷达系统才能够在复杂的混合交通流中准确识别车辆目标。

发明内容

为解决上述问题，本发明提供了一种道路车辆目标检测方法、系统、电子设备及存储介质，能够在实际驾驶场景下实时准确检测得到车道内的车辆目标。

为了解决上述技术问题，本发明采用的技术方案是这样的：一种道路车辆目标检测方法，包括以下步骤，

S1、获取驾驶场景的原始点云信息；

S2、对所述原始点云信息进行预处理，获取车道范围内的点云信息；

S3、对步骤S2获取的点云信息进行路面分割处理，获取车道内具有高度的障碍物点云信息；

S4、对所述障碍物点云信息进行聚类处理，获取障碍物的拟合结果；

S5、对所述障碍物的拟合结果进行坐标提取并计算边界长度，获取障碍物的几何特征；

S6、根据障碍物的几何特征识别障碍物为车辆目标或非车辆目标。

作为优化，通过多线激光雷达获取驾驶场景的原始点云信息。