[发明专利]一种基于神经网络的雨水干扰检测方法和装置

权利要求书

1.一种基于神经网络的雨水干扰检测方法，其特征在于，所述方法包括以下步骤：

获取车辆参数信息及雷达扫描的点云数据；所述车辆参数信息包括车辆当前速度；

基于预设的检测阈值，从所述点云数据中选取符合所述检测阈值的目标点云；所述检测阈值包括空间位置区域；

将选取出的目标点云、以及所述车辆参数信息输入训练好的雨水检测神经网络模型；

识别输出每个目标点云是否为雨水干扰点云。

2.根据权利要求1所述的基于神经网络的雨水干扰检测方法，其特征在于，在识别出每个目标点云是否为雨水干扰点云之后还包括：

统计识别为雨水干扰点云的数量；

判断所述雨水干扰点云的数量在所述目标点云数量的占比是否达到预设的占比阈值，若是，则向所述雷达发送检测到雨水干扰的提示。

3.根据权利要求1所述的基于神经网络的雨水干扰检测方法，其特征在于，所述检测阈值还包括：多普勒速度区间、和/或反射能量区间；所述基于预设的检测阈值，从所述点云数据中选取符合所述检测阈值的目标点云，具体包括：

从所述点云数据中选取落入预设的所述空间位置区域的点云，作为第一点云；

从所述第一点云中筛选处于预设的多普勒速度区间、和/或预设的反射能量区间的点云，作为目标点云。

4.根据权利要求1所述的基于神经网络的雨水干扰检测方法，其特征在于，还包括训练雨水检测神经网络模型的步骤，具体包括：

采集有雨水干扰场景的点云数据及车辆参数信息；

基于预设的空间位置区域，从所述有雨水干扰场景的点云数据中选取落入所述预设的空间位置区域的点云作为初始训练样本；

识别所述初始训练样本对应的场景是否为单纯的雨水干扰场景；

当判定所述初始训练样本对应的场景是单纯的雨水干扰场景时，标注所述初始训练样本中的每个目标点云，并将标注后的初始训练样本作为正样本与对应的车辆参数信息存储至训练样本集；

通过所述训练样本集训练初始神经网络模型，直至获得符合要求的雨水检测神经网络模型。

5.根据权利要求4所述的基于神经网络的雨水干扰检测方法，其特征在于，在通过所述训练样本集训练初始神经网络模型之前，还包括：

采集没有雨水干扰场景的点云数据及车辆参数信息；

基于预设的空间位置区域，从所述没有雨水干扰场景的点云数据中选取落入所述预设的空间位置区域的点云作为训练用的负样本；

标注所述负样本中的每个点云，并将标注后的负样本与对应的车辆参数信息存储至训练样本集。

6.根据权利要求1所述的基于神经网络的雨水干扰检测方法，其特征在于，所述雨水检测神经网络模型为MLP神经网络，且在所述MLP神经网络模型的输入层之前还设置有空间变化网络，用于在输入信息中提取具有空间不变性的特征，作为MLP神经网络的输入。

7.根据权利要求1所述的基于神经网络的雨水干扰检测方法，其特征在于，所述车辆参数信息还包括：车辆当前横摆率、和/或车型。

基于预设的检测阈值，从所述点云数据中选取符合所述检测阈值的目标点云之前还包括：

根据所述车辆的参数信息调取对应的预设的检测阈值。

8.一种基于神经网络的雨水干扰检测装置，其特征在于，包括：

获取模块，用于获取车辆参数信息及雷达扫描的点云数据；

筛选模块，用于基于预设的检测阈值，从所述点云数据中选取符合所述检测阈值的目标点云；所述检测阈值包括空间位置区域；

输入模块，用于将选取出的目标点云、以及所述车辆参数信息输入训练好的雨水检测神经网络模型；

识别模块，用于通过所述雨水检测神经网络模型识别输出每个目标点云是否为雨水干扰点云。