[发明专利]障碍物分割方法及装置、计算机设备及可读介质有效

专利信息
申请号: 201710098541.6 申请日: 2017-02-23
公开(公告)号: CN108470174B 公开(公告)日: 2021-12-24
发明(设计)人: 孙迅;谢远帆;王亮 申请(专利权)人: 百度在线网络技术(北京)有限公司
主分类号: G06K9/34 分类号: G06K9/34;G06K9/00
代理公司: 北京鸿德海业知识产权代理有限公司 11412 代理人: 袁媛
地址: 100085 北京*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 障碍物 分割 方法 装置 计算机 设备 可读 介质
【权利要求书】:

1.一种障碍物分割方法,其特征在于,所述方法包括:

从根据当前车辆周围的障碍物点云获取的数个窗口中,获取属于同一预设的邻域区间的多组窗口对;各组所述窗口对中包括两个所述窗口;其中,所述窗口为基于所述障碍物点云所构造的进行障碍物分割的基本单元;

根据所述当前车辆周围的所述障碍物点云,获取各组所述窗口对中的两个所述窗口的特征信息以及两个所述窗口的中心点的特征信息;

根据各组所述窗口对中的两个所述窗口的特征信息、对应的所述窗口对中的两个所述窗口的中心点的特征信息以及预先训练的语义特征模型,预测对应的所述窗口对中的两个所述窗口的中心点对应的语义特征信息;

根据各组所述窗口对中的两个所述窗口的中心点对应的语义特征信息,对所述障碍物点云中的各障碍物进行分割。

2.根据权利要求1所述的方法,其特征在于,根据各组所述窗口对中的两个所述窗口的特征信息、对应的所述窗口对中的两个所述窗口的中心点的特征信息以及预先训练的语义特征模型,预测对应的所述窗口对中的两个所述窗口的中心点对应的语义特征信息,具体包括:

根据各组所述窗口对中的两个所述窗口的特征信息、对应的所述窗口对中的两个所述窗口的中心点的特征信息以及预先训练的回归器模型,预测对应的所述窗口对中的两个所述窗口的中心点属于同一障碍物的概率;

根据各组所述窗口对中的两个所述窗口的中心点对应的语义特征信息,对所述障碍物点云中的各障碍物进行分割,具体包括:

根据各组所述窗口对中的两个所述窗口的中心点属于同一障碍物的概率,并结合预设的概率阈值对所述障碍物点云中的各所述障碍物进行聚类,从而实现对所述障碍物点云中的各所述障碍物进行分割。

3.根据权利要求2所述的方法,其特征在于,根据各组所述窗口对中的两个所述窗口的特征信息、对应的所述窗口对中的两个所述窗口的中心点的特征信息以及预先训练的语义特征模型,预测对应的所述窗口对中的两个所述窗口的中心点对应的语义特征信息之前,所述方法还包括:

采集多个预设障碍物的点云,生成障碍物训练集;

根据所述障碍物训练集中的所述多个预设障碍物的点云,训练所述回归器模型。

4.根据权利要求3所述的方法,其特征在于,根据所述障碍物训练集中的所述多个预设障碍物的点云,训练所述回归器模型,具体包括:

根据所述障碍物训练集中的各所述预设障碍物的点云,获取对应的数个预设窗口;

从所述数个预设窗口中获取属于同一所述预设的邻域区间的多组预设窗口对,其中每组所述预设窗口对包括两个所述预设窗口;

根据所述障碍物训练集中的各所述预设障碍物的点云,获取各组所述预设窗口对中的两个所述预设窗口的特征信息以及两个所述预设窗口的中心点的特征信息;

根据所述障碍物训练集中的各所述预设障碍物的点云,获取各组所述预设窗口对中的两个所述预设窗口的中心点属于同一障碍物的概率;

采用各组所述预设窗口对中的两个所述预设窗口的特征信息、对应的两个所述预设窗口的中心点的特征信息、以及各组所述预设窗口对中的两个所述预设窗口的中心点属于同一障碍物的概率,训练所述回归器模型,从而确定所述回归器模型。

5.根据权利要求1-4任一所述的方法,其特征在于,从根据当前车辆周围的障碍物点云获取的数个窗口中,获取属于同一预设的邻域区间的多组窗口对之前,所述方法还包括:

根据所述当前车辆周围的所述障碍物点云,获取对应的所述数个窗口。

6.根据权利要求5所述的方法,其特征在于,根据所述当前车辆周围的所述障碍物点云,获取对应的所述数个窗口,具体包括:

对三维的所述障碍物点云进行离散化的网格处理,使得所述障碍物点云划分成数个格子;

以所述障碍物点云中的每个所述格子为中心点,获取对应的所述窗口,共得到所述数个窗口;

进一步地,此时各所述窗口的特征信息包括所述窗口中各体素点与中心点的距离地面的高度差、密度差以及平均反射值差中的至少一个;对应的所述窗口的中心点的特征信息为对应的所述中心点的距离地面的高度、密度以及平均反射值中的至少一个。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于百度在线网络技术(北京)有限公司,未经百度在线网络技术(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710098541.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top