[发明专利]障碍物识别方法及装置、电子设备、存储介质

说明书

本公开是关于一种障碍物识别方法及装置、电子设备、存储介质，涉及数据处理技术领域，该方法包括：通过多线激光雷达获取的当前帧的激光雷达数据提取障碍物特征；根据所述障碍物特征建立当前帧的障碍物模型；将当前帧的所述障碍物模型与上一帧的障碍物模型进行比较，以判断是否存在动态障碍物；在判断存在所述动态障碍物时，对所述障碍物模型进行运动学分析，以确定所述动态障碍物的运动状态。本公开可以提高障碍物识别的准确率。

技术领域

本公开涉及数据处理技术领域，具体而言，涉及一种障碍物识别方法、障碍物识别装置、电子设备以及计算机可读存储介质。

背景技术

随着无人驾驶技术的快速发展，将自动驾驶技术应用在物流配送中或者是运用在其他领域成为未来的发展趋势。在无人驾驶技术中，能否有效识别出周围的车辆和行人等动态障碍物非常重要。

相关技术中，可以基于几何特征的检测方法识别动态障碍物，例如首先可以对获取的激光雷达数据进行聚类并从其中提取特征，然后对特征进行数据关联，再使用卡尔曼滤波预测动态障碍物的运动状态。除此之外，也可以基于多线激光雷达，获取行人和车辆的框模型或者是点模型，进而根据障碍物轮廓特征以及腿部运动特征识别行人。

但是，上述方法中，基于几何特征检测识别行人和车辆可能会出现误检现象，从而导致识别准确率较低；通过多线激光雷达扫描动态障碍物并根据障碍物轮廓特征识别行人和车辆的方法，受扫描角度和环境复杂度影响较大，从而导致识别效率低。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种障碍物识别方法及装置、电子设备、存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的障碍物识别准确率低的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种障碍物识别方法，包括：通过多线激光雷达获取的当前帧的激光雷达数据提取障碍物特征；根据所述障碍物特征建立当前帧的障碍物模型；将当前帧的所述障碍物模型与上一帧的障碍物模型进行比较，以判断是否存在动态障碍物；在判断存在所述动态障碍物时，对所述障碍物模型进行运动学分析，以确定所述动态障碍物的运动状态。

在本公开的一种示例性实施例中，将当前帧的所述障碍物模型与上一帧的障碍物模型进行比较，包括：分别计算当前帧的所述障碍物模型与上一帧的所述障碍物模型之间的相似度；从计算的所有相似度中获取最大相似度；通过最大相似度对当前帧的所述障碍物模型与上一帧的所述障碍物模型进行匹配。

在本公开的一种示例性实施例中，所述相似度的计算公式为：

其中，i，j分别为障碍物块系数，(x，y)是障碍物中心的坐标，l、w分别是障碍物的长和宽，m为障碍物激光回波脉冲宽度均值，a、b、c、d为权重值。

在本公开的一种示例性实施例中，对所述障碍物模型进行运动学分析，以确定所述动态障碍物的运动状态，包括：获取上一帧的所述障碍物模型的第一位置信息；获取当前帧中的所述障碍物模型的第二位置信息；通过所述第一位置信息以及所述第二位置信息，确定所述动态障碍物的运动方向以及运动速度。

在本公开的一种示例性实施例中，通过多线激光雷达获取的当前帧的激光雷达数据提取障碍物特征，包括：基于邻域搜索算法判断所述激光雷达数据中相邻激光点之间的距离；根据所述距离确定相邻激光点之间是否存在拐点；计算存在拐点的激光点两个边之间的第一线性度；计算不存在拐点的激光点的第二线性度；根据所述第一线性度拟合第一线段，并根据所述第二线性度拟合第二线段；通过所述第一线段和所述第二线段，提取所述障碍物的拐角特征以及边沿特征。