[发明专利]用于自动驾驶的障碍物检测、标记方法、设备及存储介质

权利要求书

1.一种用于自动驾驶的障碍物检测方法，其特征在于，所述方法包括：

获取摄像机采集的环境图像，以及激光雷达采集的激光点云；

通过对所述环境图像进行三维重建，构建所述环境图像对应的伪点云；

基于所述伪点云构建目标点云权重矩阵，所述目标点云权重矩阵用于表征基于点云中相邻点进行点重建时的重建权重；将所述激光点云和所述伪点云中的点进行合并，得到合并点云；根据所述目标点云权重矩阵对所述合并点云中的点进行调整，得到所述目标点云，所述目标点云的数据量不小于所述激光点云的数据量；

将所述目标点云输入障碍物检测器，得到所述障碍物检测器输出的障碍物检测结果，所述障碍物检测器是基于点云编码的检测器。

2.根据权利要求1所述的方法，其特征在于，所述基于所述伪点云构建目标点云权重矩阵，包括：

根据所述伪点云中点之间的相邻关系，构建初始点云权重矩阵；

通过所述初始点云权重矩阵对所述伪点云中的点进行点重建，得到重建伪点云；

通过最小化所述重建伪点云和所述伪点云中点之间的距离，对所述初始点云权重矩阵进行调整，得到所述目标点云权重矩阵。

3.根据权利要求1所述的方法，其特征在于，所述将所述激光点云和所述伪点云中的点进行合并，得到合并点云，包括：

将所述激光点云和所述伪点云投影至图像坐标系；

若所述激光点云中点的投影与所述伪点云中点的投影在所述图像坐标系中重合，则从所述伪点云中删除重合的点；

将所述激光点云中的点与所述伪点云中的剩余点进行合并，得到所述合并点云。

4.根据权利要求1所述的方法，其特征在于，所述根据所述目标点云权重矩阵对所述合并点云中的点进行调整，得到所述目标点云，包括：

通过所述目标点云权重矩阵对所述合并点云中的点进行点重建，得到重建合并点云；

通过最小化所述合并点云与所述重建合并点云中点之间的距离，对所述合并点云中的点进行调整，得到所述目标点云。

5.根据权利要求1至4任一所述的方法，其特征在于，所述获取摄像机采集的环境图像之后，所述方法还包括：

对所述环境图像进行语义分割，得到所述环境图像中掩模区域对应的图像语义信息，所述图像语义信息用于指示掩模区域对应障碍物的障碍物类型；

所述将所述目标点云输入障碍物检测器，得到所述障碍物检测器输出的障碍物检测结果之前，所述方法还包括：

将所述图像语义信息融合至所述目标点云。

6.根据权利要求5所述的方法，其特征在于，所述将所述图像语义信息融合至所述目标点云，包括

将所述目标点云投影至图像坐标系；

确定所述目标点云中，投影位置位于所述图像语义信息对应掩模区域内的目标点；

将所述图像语义信息添加至所述目标点对应的点特征中。

7.根据权利要求1至4任一所述的方法，其特征在于，通过对所述环境图像进行三维重建，构建所述环境图像对应的伪点云，包括：

对所述环境图像中的像素点进行深度估计，得到所述环境图像对应的深度图；

根据所述深度图中各个像素点的深度值，将所述环境图像中的像素点投影至三维坐标系，得到所述环境图像对应的所述伪点云。

8.根据权利要求7所述的方法，其特征在于，所述对所述环境图像中的像素点进行深度估计，得到所述环境图像对应的深度图，包括：

响应于所述环境图像为双目图像，根据左眼环境图像和右眼环境图像确定各个像素点的视差；基于所述视差确定各个像素点的深度值，得到所述环境图像对应的所述深度图；

或，

响应于所述环境图像为单目图像，通过单目图像深度估计算法确定所述环境图像中各个像素点的深度值，并生成所述环境图像对应的所述深度图。