[发明专利]障碍物的识别方法和装置、存储介质、电子装置

说明书

本发明公开了一种障碍物的识别方法和装置、存储介质、电子装置。其中，该方法包括：在目标车辆自动行驶的过程中，获取点云数据，其中，点云数据为目标车辆上的传感器对目标车辆的行驶环境进行扫描得到的；将点云数据转换为用于表示行驶环境的第一图像；通过第一神经网络模型从第一图像中识别出位于行驶环境中的第一对象，其中，第一神经网络模型是利用标识有第二对象的第二图像对第二神经网络模型进行训练得到的，第一对象和第二对象为可移动的障碍物。本发明解决了相关技术中对障碍物的识别准确率较低的技术问题。

技术领域

本发明涉及自动驾驶领域，具体而言，涉及一种障碍物的识别方法和装置、存储介质、电子装置。

背景技术

自动驾驶汽车(英文全称为Autonomous vehicles或Self-piloting automobile)又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能汽车，在20世纪已有数十年的历史，21世纪初呈现出接近实用化的趋势。

自动驾驶汽车可依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。在汽车自动驾驶的过程中，可以通过激光雷达实现行人、自行车等障碍检测，如通过激光雷达采集点云数据，通过在三维空间中对点云进行聚类，然后针对特定对象分析其相关的特征，例如法向量、尺寸信息(包括长宽高以及比例信息)、密度等特征，然后通过设置特定的规则进行判断，如人为设计相关特征以及对应阈值等。

在自动驾驶、半自动驾驶等领域，采用上述方案进行障碍检测时，由于对点云数据进行分析时，需要人为设计相关特征以及对应阈值等，而行人、骑行者在激光点云中形态差异较大，比较难以找到直接有效的特征以及对应阈值，因此，使得对障碍物的识别准确率较低。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种障碍物的识别方法和装置、存储介质、电子装置，以至少解决相关技术中对障碍物的识别准确率较低的技术问题。

根据本发明实施例的一个方面，提供了一种障碍物的识别方法，包括：在目标车辆自动行驶的过程中，获取点云数据，其中，点云数据为目标车辆上的传感器对目标车辆的行驶环境进行扫描得到的；将点云数据转换为用于表示行驶环境的第一图像；通过第一神经网络模型从第一图像中识别出位于行驶环境中的第一对象，其中，第一神经网络模型是利用标识有第二对象的第二图像对第二神经网络模型进行训练得到的，第一对象和第二对象为可移动的障碍物。

根据本发明实施例的另一方面，还提供了一种障碍物的识别装置，包括：获取单元，用于在目标车辆自动行驶的过程中，获取点云数据，其中，点云数据为目标车辆上的传感器对目标车辆的行驶环境进行扫描得到的；转换单元，用于将点云数据转换为用于表示行驶环境的第一图像；识别单元，用于通过第一神经网络模型从第一图像中识别出位于行驶环境中的第一对象，其中，第一神经网络模型是利用标识有第二对象的第二图像对第二神经网络模型进行训练得到的，第一对象和第二对象为可移动的障碍物。

根据本发明实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，程序运行时执行上述的方法。

根据本发明实施例的另一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器通过计算机程序执行上述的方法。

在本发明实施例中，在目标车辆自动行驶的过程中，获取点云数据，将点云数据转换为用于表示行驶环境的第一图像；通过第一神经网络模型从第一图像中识别出位于行驶环境中的第一对象，由于在处理过程中，采用神经网络模型，可以利用预先学习到的障碍物的特征来对图像中的障碍物进行识别，可以解决相关技术中对障碍物的识别准确率较低的技术问题，进而达到提高障碍物的识别准确率的技术效果。

附图说明