本技術(shù)涉及數(shù)據(jù)處理，具體而言，涉及一種障礙物的檢測方法及裝置。

背景技術(shù)：

1、在自動(dòng)駕駛領(lǐng)域，對環(huán)境中各個(gè)障礙物的識別非常重要，障礙物識別的精準(zhǔn)程度直接影響到后續(xù)的車輛控制決策；現(xiàn)有的障礙物識別方式多是利用傳感器采集車輛周圍的環(huán)境數(shù)據(jù)信息，再對環(huán)境數(shù)據(jù)信息利用bev(birdeyeview)算法識別并生成車輛周圍的障礙物信息；在實(shí)際環(huán)境下，會存在障礙物距離較近的情況，如樹枝下的行人，大型車輛旁邊的行人等等，當(dāng)出現(xiàn)這些情況是，現(xiàn)有的bev(birdeyeview)算法很可能會出現(xiàn)對行人的漏檢，進(jìn)而無法生成對應(yīng)的障礙物信息，這樣就會影響到后續(xù)的車輛控制決策，乃至造成事故。

2、因此如何提高車輛周圍的障礙物檢測準(zhǔn)確度是亟待解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、為了解決對車輛周圍障礙物的檢測準(zhǔn)確度較低的問題，本技術(shù)實(shí)施例提供一種障礙物的檢測方法、裝置、電子設(shè)備以及計(jì)算機(jī)可讀存儲介質(zhì)。

2、第一方面，本技術(shù)實(shí)施例提供一種障礙物的檢測方法，包括：

3、利用傳感器獲取障礙物的原始點(diǎn)云；

4、利用bev算法對所述原始點(diǎn)云進(jìn)行特征提取，得到所述原始點(diǎn)云中各點(diǎn)云點(diǎn)在空間體素中分別對應(yīng)的第一語義特征；

5、利用語義分割網(wǎng)絡(luò)對所述原始點(diǎn)云進(jìn)行特征提取，得到所述原始點(diǎn)云中各點(diǎn)云點(diǎn)在環(huán)視視角下分別對應(yīng)的第二語義特征；

6、將點(diǎn)云點(diǎn)對應(yīng)的第一語義特征和第二語義特征進(jìn)行融合處理，分別得到原始點(diǎn)云中各點(diǎn)云點(diǎn)的多視圖特征；

7、將所述原始點(diǎn)云中各點(diǎn)云點(diǎn)的多視圖特征輸入至障礙物檢測模型，通過所述障礙物檢測模型的輸出確定所述障礙物的檢測結(jié)果。

8、作為本技術(shù)實(shí)施例一種可選的實(shí)施方式，所述利用語義分割網(wǎng)絡(luò)對所述原始點(diǎn)云進(jìn)行特征提取，得到所述原始點(diǎn)云中各點(diǎn)云點(diǎn)在環(huán)視視角下分別對應(yīng)的第二語義特征，包括：

9、在所述環(huán)視視角下，將所述原始點(diǎn)云進(jìn)行投影，得到所述原始點(diǎn)云對應(yīng)的二維圖像，所述二維圖像中的各像素點(diǎn)與所述原始點(diǎn)云中的各點(diǎn)云點(diǎn)存在對應(yīng)關(guān)系；

10、將所述二維圖像輸入語義分割網(wǎng)絡(luò)進(jìn)行語義分割，獲取所述各像素點(diǎn)中每個(gè)像素點(diǎn)的第二語義特征。

11、作為本技術(shù)實(shí)施例一種可選的實(shí)施方式，在將點(diǎn)云點(diǎn)對應(yīng)的第一語義特征和第二語義特征進(jìn)行融合處理，分別得到原始點(diǎn)云中各點(diǎn)云點(diǎn)的多視圖特征之前，所述方法還包括：

12、確定所述空間體素中包含的點(diǎn)云點(diǎn)以及所述二維圖像的各像素點(diǎn)中每個(gè)像素點(diǎn)對應(yīng)的點(diǎn)云點(diǎn)，并建立點(diǎn)云索引；

13、通過所述點(diǎn)云索引查找各點(diǎn)云點(diǎn)分別對應(yīng)的第一語義特征和第二語義特征。

14、作為本技術(shù)實(shí)施例一種可選的實(shí)施方式，所述將點(diǎn)云點(diǎn)對應(yīng)的第一語義特征和第二語義特征進(jìn)行融合處理，分別得到原始點(diǎn)云中各點(diǎn)云點(diǎn)的多視圖特征，包括：

15、將所述點(diǎn)云點(diǎn)對應(yīng)的第一語義特征和第二語義特征進(jìn)行組合，得到所述原始點(diǎn)云中各點(diǎn)云點(diǎn)分別對應(yīng)的融合特征；

16、將所述原始點(diǎn)云中各點(diǎn)云點(diǎn)分別對應(yīng)的融合特征輸入自注意力層，通過所述自注意力層的輸出確定所述原始點(diǎn)云中各點(diǎn)云點(diǎn)的多視圖特征。

17、作為本技術(shù)實(shí)施例一種可選的實(shí)施方式，所述將點(diǎn)云點(diǎn)對應(yīng)的第一語義特征和第二語義特征進(jìn)行融合處理，分別得到原始點(diǎn)云中各點(diǎn)云點(diǎn)的多視圖特征，包括：

18、確定所述點(diǎn)云點(diǎn)對應(yīng)的第一語義特征的權(quán)重參數(shù)，和所述點(diǎn)云點(diǎn)對應(yīng)的第二語義特征的權(quán)重參數(shù)；

19、通過所述第一語義特征的權(quán)重參數(shù)和所述第二語義特征的權(quán)重參數(shù)對所述點(diǎn)云點(diǎn)對應(yīng)的第一語義特征和第二語義特征進(jìn)行加權(quán)求和，分別得到原始點(diǎn)云中各點(diǎn)云點(diǎn)的多視圖特征。

20、作為本技術(shù)實(shí)施例一種可選的實(shí)施方式，所述障礙物檢測模型包括主干網(wǎng)絡(luò)和預(yù)測頭網(wǎng)絡(luò)；所述將所述原始點(diǎn)云中各點(diǎn)云點(diǎn)的多視圖特征輸入至障礙物檢測模型，通過所述障礙物檢測模型的輸出確定所述障礙物的檢測結(jié)果，包括：

21、將原始點(diǎn)云中各點(diǎn)云點(diǎn)分別對應(yīng)的多視圖特征輸入至所述主干網(wǎng)絡(luò)，獲取所述障礙物的全局特征；

22、將所述障礙物的全局特征輸入所述預(yù)測頭網(wǎng)絡(luò)，對所述障礙物對應(yīng)的障礙物信息進(jìn)行檢測，并輸出所述障礙物的檢測結(jié)果，所述障礙物信息包括：所述障礙物的類別、所述障礙物的位置、所述障礙物的尺寸、所述障礙物的朝向中的至少一個(gè)。

23、第二方面，本技術(shù)實(shí)施例提供一種檢測模型的訓(xùn)練方法，所述障礙物檢測模型包括：主干網(wǎng)絡(luò)和預(yù)測頭網(wǎng)絡(luò)；所述方法包括：

24、獲取已標(biāo)注完成的障礙物點(diǎn)云；

25、利用bev算法對所述障礙物點(diǎn)云進(jìn)行特征提取，得到所述障礙物點(diǎn)云中各點(diǎn)云點(diǎn)在空間體素中分別對應(yīng)的第一語義特征；

26、利用語義分割網(wǎng)絡(luò)對所述障礙物點(diǎn)云進(jìn)行特征提取，得到所述障礙物點(diǎn)云中各點(diǎn)云點(diǎn)在環(huán)視視角下分別對應(yīng)的第二語義特征；

27、將所述點(diǎn)云點(diǎn)對應(yīng)的第一語義特征和第二語義特征進(jìn)行融合處理，分別得到所述障礙物點(diǎn)云中各點(diǎn)云點(diǎn)的多視圖特征；

28、將所述障礙物點(diǎn)云中各點(diǎn)云點(diǎn)的多視圖特征輸入至待訓(xùn)練障礙物檢測模型中，對所述待訓(xùn)練障礙物檢測模型進(jìn)行訓(xùn)練，直到輸出信息與障礙物點(diǎn)云存在的標(biāo)注信息的差距小于預(yù)設(shè)結(jié)束條件，得到訓(xùn)練好的障礙物檢測模型。

29、第三方面，本技術(shù)實(shí)施例提供一種障礙物的檢測裝置，包括：

30、獲取模塊，用于利用傳感器獲取障礙物的原始點(diǎn)云；

31、提取模塊，用于利用bev算法對所述原始點(diǎn)云進(jìn)行特征提取，得到所述原始點(diǎn)云中各點(diǎn)云點(diǎn)在空間體素中分別對應(yīng)的第一語義特征；

32、所述提取模塊，還用于利用語義分割網(wǎng)絡(luò)對所述原始點(diǎn)云進(jìn)行特征提取，得到所述原始點(diǎn)云中各點(diǎn)云點(diǎn)在環(huán)視視角下分別對應(yīng)的第二語義特征；

33、處理模塊，用于將點(diǎn)云點(diǎn)對應(yīng)的第一語義特征和第二語義特征進(jìn)行融合處理，分別得到原始點(diǎn)云中各點(diǎn)云點(diǎn)的多視圖特征；

34、檢測模塊，用于將所述原始點(diǎn)云中各點(diǎn)云點(diǎn)的多視圖特征輸入至障礙物檢測模型，通過所述障礙物檢測模型的輸出確定所述障礙物的檢測結(jié)果。

35、作為本技術(shù)實(shí)施例一種可選的實(shí)施方式，所述提取模塊，具體用于在所述環(huán)視視角下，將所述原始點(diǎn)云進(jìn)行投影，得到所述原始點(diǎn)云對應(yīng)的二維圖像，所述二維圖像中的各像素點(diǎn)與所述原始點(diǎn)云中的各點(diǎn)云點(diǎn)存在對應(yīng)關(guān)系；

36、將所述二維圖像輸入語義分割網(wǎng)絡(luò)進(jìn)行語義分割，獲取所述各像素點(diǎn)中每個(gè)像素點(diǎn)的第二語義特征。

37、作為本技術(shù)實(shí)施例一種可選的實(shí)施方式，所述處理模塊，還用于在將點(diǎn)云點(diǎn)對應(yīng)的第一語義特征和第二語義特征進(jìn)行融合處理，分別得到原始點(diǎn)云中各點(diǎn)云點(diǎn)的多視圖特征之前，確定所述空間體素中包含的點(diǎn)云點(diǎn)以及所述二維圖像的各像素點(diǎn)中每個(gè)像素點(diǎn)對應(yīng)的點(diǎn)云點(diǎn)，并建立點(diǎn)云索引；

38、通過所述點(diǎn)云索引查找各點(diǎn)云點(diǎn)分別對應(yīng)的第一語義特征和第二語義特征。

39、作為本技術(shù)實(shí)施例一種可選的實(shí)施方式，所述處理模塊，具體用于將所述點(diǎn)云點(diǎn)對應(yīng)的第一語義特征和第二語義特征進(jìn)行組合，得到所述原始點(diǎn)云中各點(diǎn)云點(diǎn)分別對應(yīng)的融合特征；

40、將所述原始點(diǎn)云中各點(diǎn)云點(diǎn)分別對應(yīng)的融合特征輸入自注意力層，通過所述自注意力層的輸出確定所述原始點(diǎn)云中各點(diǎn)云點(diǎn)的多視圖特征。

41、作為本技術(shù)實(shí)施例一種可選的實(shí)施方式，所述處理模塊，具體用于確定所述點(diǎn)云點(diǎn)對應(yīng)的第一語義特征的權(quán)重參數(shù)，和所述點(diǎn)云對應(yīng)的第二語義特征的權(quán)重參數(shù)；

42、通過所述第一語義特征的權(quán)重參數(shù)和所述第二語義特征的權(quán)重參數(shù)對所述點(diǎn)云點(diǎn)對應(yīng)的第一語義特征和第二語義特征進(jìn)行加權(quán)求和，分別得到原始點(diǎn)云中各點(diǎn)云點(diǎn)的多視圖特征。

43、作為本技術(shù)實(shí)施例一種可選的實(shí)施方式，所述檢測模塊，具體用于將原始點(diǎn)云中各點(diǎn)云點(diǎn)分別對應(yīng)的多視圖特征輸入至所述主干網(wǎng)絡(luò)，獲取所述障礙物的全局特征；

44、將所述障礙物的全局特征輸入所述預(yù)測頭網(wǎng)絡(luò)，對所述障礙物對應(yīng)的障礙物信息進(jìn)行檢測，并輸出所述障礙物的檢測結(jié)果，所述障礙物信息包括：所述障礙物的類別、所述障礙物的位置、所述障礙物的尺寸、所述障礙物的朝向中的至少一個(gè)。

45、第四方面，本技術(shù)實(shí)施例提供一種電子設(shè)備，包括：存儲器和處理器，所述存儲器用于存儲計(jì)算機(jī)程序，所述處理器用于在調(diào)用計(jì)算機(jī)程序時(shí)執(zhí)行第一方面或第一方面任一種可選的實(shí)施方式所述的障礙物的檢測方法。

46、第五方面，本技術(shù)實(shí)施例提供一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)第一方面或第一方面任一種可選的實(shí)施方式所述的障礙物的檢測方法。

47、本技術(shù)實(shí)施例提供的技術(shù)方案與現(xiàn)有技術(shù)相比具有如下優(yōu)點(diǎn)：

48、本技術(shù)實(shí)施例提供的障礙物的檢測方法包括：利用傳感器獲取障礙物的原始點(diǎn)云；利用bev算法對所述原始點(diǎn)云進(jìn)行特征提取，得到所述原始點(diǎn)云中各點(diǎn)云點(diǎn)在空間體素中分別對應(yīng)的第一語義特征；利用語義分割網(wǎng)絡(luò)對所述原始點(diǎn)云進(jìn)行特征提取，得到所述原始點(diǎn)云中各點(diǎn)云點(diǎn)在環(huán)視視角下分別對應(yīng)的第二語義特征；將點(diǎn)云點(diǎn)對應(yīng)的第一語義特征和第二語義特征進(jìn)行融合處理，分別得到原始點(diǎn)云中各點(diǎn)云點(diǎn)的多視圖特征；將所述原始點(diǎn)云中各點(diǎn)云點(diǎn)的多視圖特征輸入至障礙物檢測模型，通過所述障礙物檢測模型的輸出確定所述障礙物的檢測結(jié)果。在本技術(shù)實(shí)施例中，獲取的是每個(gè)點(diǎn)云點(diǎn)的第一語義特征和第二語義特征，相較于用體素特征代表該體素內(nèi)所有點(diǎn)云點(diǎn)的特征，每個(gè)體素中的所有點(diǎn)云點(diǎn)賦予了相同的語義特征，使有些點(diǎn)云點(diǎn)賦予的語義特征與實(shí)際不符，進(jìn)而造成障礙物識別不準(zhǔn)確，因此一方面本技術(shù)實(shí)施例提高了獲取的點(diǎn)云點(diǎn)的第一語義特征和第二語義特征的準(zhǔn)確度，另一方面，本技術(shù)實(shí)施例中各點(diǎn)云點(diǎn)的第一語義特征和第二語義特征是不同視角下的語義特征，因此初始語義特征融合后可得到更精確的多視圖特征，基于上述兩方面的內(nèi)容，可提高對點(diǎn)云的檢測精確度，進(jìn)而提高對障礙物的識別準(zhǔn)確度。