[发明专利]障碍物定位方法、装置和终端

说明书

本发明提出一种障碍物定位方法、装置和终端，所述方法包括：获取无人车的周围环境图片；将周围环境图片输入至障碍物识别模型进行预测，得到障碍物在周围环境图片中平面坐标系下的位置坐标；将所述障碍物在周围环境图片中平面坐标系下的位置坐标，转换为障碍物在世界坐标系下的位置坐标。将传统的拍摄图片中的障碍物的识别，和无人车的真实场景相结合，根据坐标转换表将拍摄照片中障碍物的位置转换成无人车在真实场景中的位置，能够准确的感知周边环境，及对障碍物的准确定位及类型识别。便于在自动驾驶过程中根据障碍物的类型及其相对于无人车的距离来进行策略制定，达到满足无人安全要求的前提下，保障无人车的安全行驶。

技术领域

本发明涉及自动驾驶技术领域，具体涉及一种障碍物定位方法、装置和终端。

背景技术

在自动驾驶领域中，已有的量产车型设置有摄像头，摄像头通常用于观测无人车的周边全景，通过摄像头识别人车等障碍物。但是，仅仅通过摄像头识别人车障碍物并不能有效避免无人车与障碍物的碰撞。

目前，避免无人车与障碍物碰撞的方法通常是通过拍摄图片，同时在图片中检测障碍物。检测方法较为复杂，对摄像头或硬件要求较高。由于在无人车领域，需要计算出无人车和障碍物的相对坐标，进而确定二者的距离，才能保障无人车的安全行驶。然而，现有的检测方法并不涉及无人车或者障碍物的定位，因此不适合在无人车领域使用。

发明内容

本发明实施例提供一种障碍物定位方法、装置和终端，以至少解决现有技术中的以上技术问题。

第一方面，本发明实施例提供了一种障碍物定位方法，包括：

获取无人车的周围环境图片；

将所述周围环境图片输入至障碍物识别模型进行预测，得到障碍物在所述周围环境图片中平面坐标系下的位置坐标；

将所述障碍物在所述周围环境图片中平面坐标系下的位置坐标，转换为所述障碍物在世界坐标系下的位置坐标。

在一种实施方式中，将所述周围环境图片输入至障碍物识别模型进行预测之前，还包括：

将标注有多个障碍物的周围环境图片输入至深度神经网络模型中进行训练，得到所述障碍物识别模型。

在一种实施方式中，将所述周围环境图片输入至障碍物识别模型进行预测，得到障碍物在所述周围环境图片中平面坐标系下的位置坐标，包括：

将所述周围环境图片输入至所述障碍物识别模型中，得到所述障碍物的识别框；

在所述周围环境图片中建立所述平面坐标系，在所述平面坐标系中计算所述障碍物的识别框的角点坐标；

将所述障碍物的识别框的角点坐标作为所述障碍物在平面坐标系下的位置坐标。

在一种实施方式中，将所述障碍物在所述周围环境图片中平面坐标系下的位置坐标，转换为所述障碍物在世界坐标系下的位置坐标，包括：

获取预设尺寸的标定布，所述周围环境图片的像素点与所述标定布中的单元格进行映射，得到所述坐标转换表；

根据车身的轮廓描绘车身边框，以所述车身边框中车尾边框中点为圆心建立所述世界坐标系；

在所述坐标转换表中查询与将所述障碍物的识别框的角点坐标对应的坐标，并将查询到的坐标作为所述障碍物在所述世界坐标系下的位置坐标。

第二方面，本发明提供了一种障碍物定位装置，包括：

周围环境图片获取模块，用于获取无人车的周围环境图片；

平面坐标系障碍物位置预测模块，用于将所述周围环境图片输入至障碍物识别模型进行预测，得到障碍物在所述周围环境图片中平面坐标系下的位置坐标；