[发明专利]视距测算及障碍物识别方法、装置、电子设备及存储介质

权利要求书

1.一种视距测算及障碍物识别方法，其特征在于，包括：

获取待处理的点云数据；

将所述点云数据输入至训练完成的点云聚类-注意力网络模型中，得到点云数据的分类结果并基于所述分类结果选取标识牌点云；

其中，所述点云聚类-注意力网络模型是基于点云训练集以及点云训练集对应的识别标签训练得到的；

基于标识牌点云获取视距距离，并获取终点坐标和视点位置结合所述视距距离建立三维视锥模型；

基于三维视锥模型的视锥函数，在以标识牌中心坐标为原点的局部坐标系下，测算标识牌点云的被遮挡面积和视锥体内遮挡标识牌的障碍物体积，并基于被遮挡面积和障碍物体积得到路段视距遮挡程度。

2.根据权利要求1所述的视距测算及障碍物识别方法，其特征在于，所述三维视锥模型的建立过程包括：

将所述标识牌点云基于欧几里得算法进行点云聚类，区分不同位置的标识牌信息，将聚类后的标识牌点云基于正态分布算法确定每个标识牌的中心坐标；

获取车辆的行驶车速，并基于所述中心坐标和行驶车速获取视距距离；

获取终点坐标并基于视距距离和终点坐标确定观测者的视点位置，基于所述视距距离、终点坐标和视点位置建立三维视锥模型。

3.根据权利要求2所述的视距测算及障碍物识别方法，其特征在于，基于三维视锥模型的视锥函数，在以标识牌中心坐标为原点的局部坐标系下，测算标识牌点云的被遮挡面积和视锥体内遮挡标识牌的障碍物体积之前，还包括：

基于视点位置和终点坐标，遍历满足视距距离范围内的所有点云数据作为待辨认点云；

判断所述待辨认点云是否处于预设的视距范围内，基于判断结果判断待辨认点云是否为障碍物。

4.根据权利要求1所述的视距测算及障碍物识别方法，其特征在于，所述点云聚类-注意力网络模型的训练过程包括：

获取车辆行驶道路的点云训练集；

建立待训练的点云聚类-注意力网络模型并将所述点云训练集输入至模型中，基于模型的聚类层对所述点云训练集根据物理特征进行聚类；

将聚类后的点云训练集基于模型的注意力层进行无序性识别，并输出点云训练集对应的类别标签；

基于全连接层和激活函数计算所述类别标签和点云训练集对应的识别标签的损失值，并基于所述损失值进行反向传播训练点云聚类-注意力网络模型的参数，直至模型收敛训练完成。

5.根据权利要求4所述的视距测算及障碍物识别方法，其特征在于，将聚类后的点云训练集基于模型的注意力模块进行无序性识别之前，还包括：

根据点云训练集的聚类结果，舍弃点云数量最多的目标簇，减少对小样本特征的干扰；

对目标簇的点云训练集进行零坐标填充，保持点云训练集的数据维度不变。

6.根据权利要求4所述的视距测算及障碍物识别方法，其特征在于，获取车辆行驶道路的点云训练集，包括：

基于球形采样器和最远点采样法获取车辆行驶道路的点云样本；

基于点云比较对不同地点的点云样本进行标定，并选取目标比例的点云样本作为点云训练集。

7.一种视距测算及障碍物识别装置，其特征在于，包括：

获取模块，用于获取待处理的点云数据；

分类模块，用于将所述点云数据输入至训练完成的点云聚类-注意力网络模型中，得到点云数据的分类结果并基于所述分类结果选取标识牌点云；

其中，所述点云聚类-注意力网络模型是基于点云训练集以及点云训练集对应的识别标签训练得到的；

建立模块，用于基于标识牌点云获取视距距离，并获取终点坐标和视点位置结合所述视距距离建立三维视锥模型；

测算模块，用于基于三维视锥模型的视锥函数，在以标识牌中心坐标为原点的局部坐标系下，测算标识牌点云的被遮挡面积和视锥体内遮挡标识牌的障碍物体积，并基于被遮挡面积和障碍物体积得到路段视距遮挡程度。