[发明专利]港口障碍物的检测方法、装置、电子装置和存储介质

说明书

本申请涉及一种港口障碍物的检测方法、装置、电子装置和存储介质，其中，该港口障碍物的检测方法包括：获取感知范围全覆盖当前自动驾驶车辆的传感器的每个坐标数据，并根据预设融合原点对每个所述坐标数据进行融合，得到点云数据；对所述点云数据进行障碍物的粗提取，得到点云点；利用训练完备的神经网络模型对所述点云点进行障碍物的细提取，以完成港口障碍物的检测。通过本申请，基于多传感器融合和神经网络模型的方案能够提高检测精度和效率，满足港口真实作业需求，安全且稳定。

技术领域

本申请涉及无人驾驶障碍物检测技术领域，特别是涉及港口障碍物的检测方法、装置、电子装置和存储介质。

背景技术

随着无人驾驶技术的发展和普及，越来越多的封闭或半开放场景开始采用无人驾驶技术对作业过程进行辅助和支持，港口环境即是其中之一。由于机器的特性之一是能够进行7×24小时的无间断工作，因而从效率提升和成本管控的角度，港口自动驾驶车辆作业是替代传统港口人工作业的未来趋势和重要手段，而港口障碍物的检测占据无人驾驶车辆作业的重要位置。

障碍物检测，主要指的是利用多种传感器，完成周边环境中障碍物的感知，辨识障碍物的位置和类型。而港口中的障碍物检测面临诸多挑战。港口包含大量的金属物体，例如龙门吊、集装箱、护栏建筑物等，这极大的限制了毫米波传感器的使用。且港口里包含较多的异常车型；卡车也是以半挂车为主，这种铰链式车型严重影响了分割和聚类的难度。

目前的障碍物检测方案为：先利用激光对路面进行分割，提取障碍物疑似点云；通过欧式聚类或其他聚类方法得到障碍物的凸包；再利用激光对路面进行分割，提取障碍物疑似点云；通过相机投影，辨识障碍物的凸包和类型；再投影回3d空间中。但是对于港口自动驾驶来说这种方案存在的问题是：由于港口的障碍物体积大的影响使得单个相机通常无法通过2d框完成精确检测，且跨越多个相机幅面的障碍物很难完成检测；同时，半挂车转弯的时候，整体呈现的是一个凹多边形，利用凸包会造成误检，不能满足港口真实作业需求。

目前针对相关技术中，，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种港口障碍物的检测方法、装置、电子装置和存储介质，以至少解决相关技术中，由于港口的障碍物体积大的影响使得单个相机通常无法通过2d框完成精确检测，且跨越多个相机幅面的障碍物很难完成检测；同时，半挂车转弯的时候，整体呈现的是一个凹多边形，利用凸包会造成误检的问题。

第一方面，本申请实施例提供了一种港口障碍物的检测方法，包括：

获取感知范围全覆盖当前自动驾驶车辆的传感器的每个坐标数据，并根据预设融合原点对每个所述坐标数据进行融合，得到点云数据；

对所述点云数据进行障碍物的粗提取，得到点云点；

利用训练完备的神经网络模型对所述点云点进行障碍物的细提取，以完成港口障碍物的检测。

在其中一些实施例中，还包括：

将若干传感器设置于自动驾驶车辆上，且所述干传感器的感知范围全覆盖当前自动驾驶车辆。

在其中一些实施例中，还包括：

对神经网络模型的训练，包括：

获取大量的粗提取得到的点云点；

构建H×W的张量空间，将所述点云点进行映射；

根据预设的2D的CNN的backbone网络对映射后的点云点进行网格图像的特征提取，得到特征数据；

利用预设的single shot detection(SSD)检测头将所述特征数据作为训练集以完成神经网络模型进行训练。

在其中一些实施例中，对所述点云数据进行障碍物的粗提取，得到点云点，包括：