[发明专利]用于检测障碍物的方法、设备和车辆

说明书

一种用于检测障碍物的方法、设备和车辆，该方法包括：获取车辆相机拍摄的实时的相机图像，以及，与相机图像中的道路区域相对应的道路区域掩膜；获取先验地图的视觉图层信息；将相机图像、先验地图的视觉图层信息以及道路区域掩膜输入至变化检测模型，以输出变化区域掩膜；根据变化区域掩膜进行融合后处理操作，以输出障碍物信息。该方法能够在不增加自动驾驶车辆成本的基础上，提高道路驾驶区域的障碍物的检测精度。

技术领域

本申请涉及信息技术领域，尤其涉及一种用于检测障碍物的方法、设备和车辆。

背景技术

随着自动驾驶领域的日益发展和逐渐成熟，业界对自动驾驶感知的整体性能的要求也越来越高，尤其是对于安全方面的要求。而在道路驾驶区域上，低矮障碍物以及坑洞等危险路障的存在成了自动驾驶感知系统必须面临的安全问题之一。

目前，针对道路驾驶区域的低矮障碍物及坑洞检测方案包括结合摄像头传感器的方案以及结合激光雷达的方案，但上述方案在应用于车辆量产时均存在不足之处。例如，若采用摄像头传感器的方案，由于低矮障碍物及坑洞的没有统一的视觉特征，而不像常规障碍物是符合一定规律的，例如，人，车辆，因此基于常规的深度学习神经网络算法很难精准地检测低矮障碍物和坑洞，样本的召回率较低。若采用激光雷达的方案，需要依赖激光雷达进行地面高度估计算法，计算出车辆实时运行时周身附近的地面高度，进而利用激光雷达点云高度与地面高度的对比，识别出低矮障碍物以及坑洞等危险路障。该方案对激光雷达的线束要求高，因此激光雷达的成本较高，这与自动驾驶低成本量产的初衷是矛盾。另外，由于坑洞口径有限，激光线存在扫描不到导致地面估计错误的风险，因此目前依赖激光雷达的地面估计算法难以满足自动驾驶高召回安全行驶的要求。

基于上述问题，业界亟需一种在控制生产成本的前提下，提高道路驾驶区域内的障碍物的检测精度的方法。

发明内容

本申请提供一种用于检测障碍物的方法、设备和车辆，以提高道路驾驶区域内的障碍物的检测精度。

第一方面，提供了一种用于检测障碍物的方法，包括：获取车辆相机拍摄的实时的相机图像，以及，与所述相机图像中的道路区域相对应的道路区域掩膜；获取先验地图的视觉图层信息；将所述相机图像、所述先验地图的视觉图层信息以及所述道路区域掩膜输入至变化检测模型，以输出变化区域掩膜；根据所述变化区域掩膜进行融合后处理操作，以输出障碍物信息。

结合第一方面，在一种可能的实现方式中，所述将所述相机图像、所述先验地图的视觉图层信息以及所述道路区域掩膜输入至变化检测模型，以输出变化区域掩膜，包括：通过特征编码器分别对所述相机图像、所述先验地图的视觉图层信息以及所述道路区域掩膜进行特征提取，以得到所述相机图像的特征图、所述先验地图的视觉图层信息的特征图以及所述道路区域掩膜的特征图；提取所述相机图像的特征图和所述先验地图的视觉图层信息的特征图之间的差异对比信息；根据所述相机图像的特征图、所述先验地图的视觉图层信息的特征图以及所述道路区域掩膜的特征图，对所述差异对比信息进行相关滤波，以输出高层次语义特征；通过特征解码器对所述高层次语义特征进行解码处理，以输出所述变化区域掩膜。

结合第一方面，在一种可能的实现方式中，所述根据所述相机图像的特征图、所述先验地图的视觉图层信息的特征图以及所述道路区域掩膜的特征图，对所述差异对比信息进行相关滤波，以输出高层次语义特征，包括：对所述相机图像的特征图、所述先验地图的视觉图层信息的特征图以及所述道路区域掩膜的特征图进行降维卷积，以输出降维后的特征图；将所述降维后的特征图与所述差异对比信息输入至相关滤波模块，以输出所述高层次语义特征。

结合第一方面，在一种可能的实现方式中，所述与所述相机图像中的道路区域相对应的道路区域掩膜，通过如下方法获得：将所述相机图像输入至全景分割模型，以输出所述道路区域掩膜，所述全景分割模型用于对相机图像进行区域划分和标注类别。