[发明专利]聚类方法、目标轮廓及类型获取方法、设备、介质、车辆

说明书

本发明涉及自动驾驶技术领域，具体提供一种聚类方法、目标轮廓及类型获取方法、设备、介质、车辆，旨在解决提高点云聚类准确性的问题。本发明提供的方法包括对三维点云进行体素化处理形成多个体素，分别在各体素及其各自邻域内空间位置最小的第一邻域体素之间建立索引关系，根据各体素的索引关系建立多棵聚类树，分别将各体素及其各自邻域内的第二邻域体素合并到同一棵聚类树，第二邻域体素是与体素之间的多源信息相似的邻域体素，多源信息包括在对三维点云进行多种目标感知任务之后各目标感知任务的结果中与体素对应的结果信息。通过上述方法，可以同时提高点云聚类的效率和准确性，进而提高了根据聚类结果进行目标分类的准确性。

技术领域

本发明涉及自动驾驶技术领域，具体涉及一种聚类方法、目标轮廓及类型获取方法、设备、介质、车辆。

背景技术

在控制车辆进行自动驾驶时通常会通过雷达等设备采集车辆周围的三维点云并对三维点云进行目标感知，以确定目标的类型，进而根据不同类型的目标采取不同的自动驾驶操作。具体地，在对三维点云进行目标感知时可以对三维点云进行聚类，以将属于不同目标的点云聚类成不同的聚类簇，进而再根据各聚类簇中的点云分别识别各聚类簇对应目标的轮廓，最后根据目标的轮廓确定目标的类型。但是，目前常规的感知方法在对三维点云进行聚类时仅仅是根据点云的空间位置进行聚类，聚类的准确性较差，从而导致无法根据聚类结果准确地获取目标的类型。

相应地，本领域需要一种新的技术方案来解决上述问题。

发明内容

为了克服上述缺陷，提出了本发明，以提供解决或至少部分地解决提高点云聚类准确性的技术问题的聚类方法、目标轮廓及类型获取方法、设备、介质、车辆。

在第一方面，提供一种点云聚类方法，所述方法包括：

对雷达采集的三维点云进行体素化处理，以形成多个体素；

分别在各体素及其各自邻域内的第一邻域体素之间建立索引关系；

根据各体素的索引关系建立多棵聚类树，所述聚类树是索引关系呈树状结构分布的体素的集合且不同聚类树之间没有相同的体素；

分别将各体素及其各自邻域内的第二邻域体素合并到同一棵聚类树；

其中，各体素的第一邻域体素是各体素的邻域内空间位置最小的邻域体素；

各体素的第二邻域体素是各体素的邻域内与各体素之间的多源信息相似的邻域体素，体素的多源信息包括在对三维点云进行多种目标感知任务之后各目标感知任务的结果中与所述体素对应的结果信息。

在上述点云聚类方法的一个技术方案中，“将各体素及其各自邻域内的第二邻域体素合并到同一棵聚类树”的步骤具体包括：

针对各体素，根据当前体素及其第二邻域体素所在聚类树中各体素的索引关系，分别获取当前体素及其第二邻域体素索引的根节点体素，并判断获取到的两个根节点体素是否相同；

若否，则基于预设的体素选取原则，从当前体素及其第二邻域体素中选取一个体素作为目标体素，并将当前体素及其第二邻域体素中另一个体素索引的根节点体素修正成所述目标体素索引的根节点体素，以将所述另一个体素合并到所述目标体素所在的聚类树。

在上述点云聚类方法的一个技术方案中，“在各体素及其各自邻域内的第一邻域体素之间建立索引关系”的步骤包括：

获取各体素的第一邻域体素的空间位置；

根据所述空间位置分别设定各体素的类别标签，以在各体素及其第一邻域体素之间建立索引关系。

在上述点云聚类方法的一个技术方案中，“获取各体素的第一邻域体素的空间位置”的步骤具体包括：获取各第一邻域体素的二维空间位置；

和/或，“根据所述空间位置分别设定各体素的类别标签”的步骤具体包括：