基于激光雷达的障碍物检测方法、装置、设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114120268A(43)申请公布日2022.03.01(21)申请号202111276315.5(22)申请日2021.10.29(71)申请人际络科技（上海）有限公司地址202150上海市崇明区长兴镇江南大道1333弄11号楼001室4座(72)发明人赵国良程新景杨睿刚(74)专利代理机构北京路浩知识产权代理有限公司11002代理人王宇杨(51)Int.Cl.G06V20/58(2022.01)G06V10/776(2022.01)G06V10/82(2022.01)G06N3/08(2006.01)G06K9/62(2022.01)权利要求书2页说明书10页附图12页(54)发明名称基于激光雷达的障碍物检测方法、装置、设备及存储介质(57)摘要本发明提供一种基于激光雷达的障碍物检测方法、装置、设备及存储介质，通过使用激光雷达扫描距离自车目标距离的目标区块以得到雷达点云数据，在深度学习模型中输入雷达点云数据，输出目标区块内障碍物的模型检测结果，并获取模型检测结果中对雷达点云数据中各雷达点位置的错误检测结果和正确检测结果。根据错误检测结果和正确检测结果能够计算该深度学习模型对应目标区块的置信度，进而能够自动高效地统计不同深度学习模型对应不同目标区块的置信度，解决人工统计效率低的问题。这样，在行车过程中，根据预先获得的深度学习模型对应目标区块的置信度，选择置信度达到设定条件的目标深度学习模型进行障碍物检测，障碍物检测结果的精确度高。CN114120268ACN114120268A权利要求书1/2页1.一种基于激光雷达的障碍物检测方法，其特征在于，包括：使用激光雷达扫描距离自车目标距离的目标区块，得到雷达点云数据；在深度学习模型中输入所述雷达点云数据，输出所述目标区块内障碍物的模型检测结果，并获得所述模型检测结果中对所述雷达点云数据中各雷达点位置的错误检测结果和正确检测结果；根据所述错误检测结果和正确检测结果计算所述深度学习模型对应所述目标区块的置信度。2.根据权利要求1所述的基于激光雷达的障碍物检测方法，其特征在于，所述使用激光雷达扫描距离自车目标距离的目标区块，得到雷达点云数据，包括：对距离自车不同目标距离或相同目标距离的多个目标区块中的每个目标区块，使用激光雷达扫描距离自车目标距离的目标区块，得到雷达点云数据，直到得到所述深度学习模型对应每个目标区块的置信度。3.根据权利要求2所述的基于激光雷达的障碍物检测方法，其特征在于，还包括：在所述多个目标区块中的相邻区块分别对应得到的置信度之间的差值不超过目标值的情况下，将所述相邻区块进行合并得到合并的目标区块、并分别对所述相邻区块各自的错误检测结果和正确检测结果进行合并计算所述深度学习模型对应所述合并的目标区块的置信度。4.根据权利要求3所述的基于激光雷达的障碍物检测方法，其特征在于，还包括：根据所述深度学习模型对应所述多个目标区块的置信度绘制置信度分布图。5.根据权利要求1所述的基于激光雷达的障碍物检测方法，其特征在于，所述根据所述错误检测结果和正确检测结果计算所述深度学习模型对应所述目标区块的置信度，包括：获取所述错误检测结果的置信度的较大四分位数，获取所述正确检测结果的置信度的较小四分位数，并计算所述较大四分位数和较小四分位数的平均值，作为所述深度学习模型对应所述目标区块的置信度。6.根据权利要求1所述的基于激光雷达的障碍物检测方法，其特征在于，还包括：在获得不同深度学习模型对应所述目标区块的置信度的情况下，从所述不同深度学习模型中选择置信度达到设定条件的目标深度学习模型，建立所述目标深度学习模型与所述目标区块之间的对应关系。7.一种基于激光雷达的障碍物检测方法，其特征在于，包括：使用激光雷达扫描行驶环境中距离自车目标距离的目标区块，得到所述目标区块的雷达点云数据；在深度学习模型中输入所述目标区块的雷达点云数据，输出障碍物检测结果，并在预先获得的所述深度学习模型对应所述目标区块的置信度达到设定条件的情况下，采信所述障碍物检测结果。8.根据权利要求7所述的基于激光雷达的障碍物检测方法，其特征在于，在深度学习模型中输入所述目标区块的雷达点云数据，输出障碍物检测结果之前，所述方法还包括：基于预先获得的深度学习模型对应所述目标区块的置信度，在多个候选深度学习模型中选择置信度达到设定条件的目标深度学习模型；所述在深度学习模型中输入所述目标区块的雷达点云数据，输出障碍物检测结果，并2CN114120268A权利要求书2/2页在预先获得的所述深度学习模型对应所述目标区块的置信度达到设定条件的情况下，采信所述障碍物检测结果，包括：在所述目标深度学习模型中输入所述目标区块的雷达点云数据，输出并采信所述障碍物检测结