识别目标的方法、装置和计算可读存储介质.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CN113989755A(43)申请公布日2022.01.28(21)申请号202111231554.9G06N3/08(2006.01)(22)申请日2021.10.22G01S13/86(2006.01)G01S13/89(2006.01)(71)申请人智道网联科技（北京）有限公司G01S13/931(2020.01)地址100013北京市东城区北三环东路36G01S17/89(2020.01)号1号楼B601G01S17/931(2020.01)(72)发明人单国航贾双成朱磊李成军潘冰(74)专利代理机构北京中知君达知识产权代理有限公司11769代理人李辰(51)Int.Cl.G06V20/56(2022.01)G06V10/80(2022.01)G06V10/82(2022.01)G06K9/62(2022.01)权利要求书2页说明书10页附图2页(54)发明名称识别目标的方法、装置和计算可读存储介质(57)摘要本申请涉及一种识别目标的方法、装置和计算可读存储介质。该方法包括：获取图像传感器采集的行驶环境图像和雷达扫描得到的探测数据；将行驶环境图像、毫米波雷达数据和点云数据进行时空对齐；根据时空对齐后的毫米波雷达数据，生成3D感兴趣区域；采用已训练神经网络，分别生成点云数据对应的第一特征图和行驶环境图像对应的第二特征图；将3D感兴趣区域投影至第一特征图和第二特征图，得到3D感兴趣区域的投影感兴趣区域；对投影感兴趣区域、第一特征图和第二特征图进行融合，识别行驶环境图像中的目标。本申请提供的方案，能够以较高的精度识别出目标，并提升识别的实时性。CN113989755ACN113989755A权利要求书1/2页1.一种识别目标的方法，应用于智能驾驶，其特征在于，所述方法包括：获取图像传感器采集的行驶环境图像和雷达扫描得到的探测数据，所述雷达包括激光雷达和毫米波雷达，所述雷达扫描得到的探测数据包括所述激光雷达扫描得到的点云数据和所述毫米波雷达扫描得到的毫米波雷达数据，所述行驶环境图像为智能车辆行驶时周围环境的图像；将所述行驶环境图像、毫米波雷达数据和点云数据进行时空对齐；根据所述时空对齐后的毫米波雷达数据，生成3D感兴趣区域；采用已训练神经网络，分别生成所述点云数据对应的第一特征图和行驶环境图像对应的第二特征图；将所述3D感兴趣区域投影至第一特征图和第二特征图，得到所述3D感兴趣区域的投影感兴趣区域；对所述投影感兴趣区域、第一特征图和第二特征图进行融合，识别所述行驶环境图像中的目标。2.根据权利要求1所述的识别目标的方法，其特征在于，所述将所述行驶环境图像、毫米波雷达数据和激光点云数据进行时空对齐，包括：将图像传感器坐标系下的数据转换至图像像素坐标系下，以及根据雷达和图像传感器的相对位置关系，将雷达坐标系下的数据转换至所述图像像素坐标系下，所述雷达坐标系包括激光雷达坐标系和毫米波雷达坐标系；使用与所述行驶环境图像当前帧前后相邻帧的毫米波雷达数据对所述毫米波雷达数据进行插值，以使插值后所得毫米波雷达数据与所述图像传感器采集的行驶环境图像当前帧在时间上对齐；以及使用与所述行驶环境图像当前帧前后相邻帧的点云数据对所述点云数据进行插值，以使插值后所得点云数据与所述图像传感器采集的行驶环境图像当前帧在时间上对齐。3.根据权利要求1所述的识别目标的方法，其特征在于，所述根据所述时空对齐后的毫米波雷达数据，生成3D感兴趣区域，包括：解算所述时空对齐后的毫米波雷达数据，得到反射体的位置、速度和反射面积；根据所述反射体的位置、速度和反射面积，得到所述3D感兴趣区域。4.根据权利要求1至3任意一项所述的识别目标的方法，其特征在于，所述将所述行驶环境图像、毫米波雷达数据和点云数据进行时空对齐之前，所述方法还包括：滤除所述探测数据中的空目标信号和无效目标信号；保留所述雷达扫描区域之内的目标信号并剔除所述扫描区域以外的目标物。5.根据权利要求1所述的识别目标的方法，其特征在于，所述对所述投影感兴趣区域、第一特征图和第二特征图进行融合，识别所述行驶环境图像中的目标，包括：步骤S1：通过深度学习网络，检测所述第一特征图中第一感兴趣区域和所述第二特征图中第二感兴趣区域；步骤S2：根据所述投影感兴趣区域、第一感兴趣区域和第二感兴趣区域，计算交小比；步骤S3：若所述交小比大于预设阈值，则输出所述第二感兴趣区域对应的目标类型和所述第一感兴趣区域对应的目标位姿。6.根据权利要求5所述的识别目标的方法，其特征在于，所述方法还包括：2CN113989755A权利要求书2/2页若所述交小比不大于所述预设阈值，则保存所述第二感兴趣区域对应的目标与有效雷达目标，并分别记录第二感兴趣区域对应的目标与有效雷