本申请涉及一种激光感知融合优化方法、装置、设备及可读存储介质，涉及智能驾驶技术领域，包括基于高精度地图确定车辆所在位置的可行驶道路边缘点集，根据可行驶道路边缘点集生成感兴趣区域；基于感兴趣区域对激光雷达探测到的点云信息进行过滤，得到目标障碍物点云；通过空间聚类算法和深度学习算法分别对目标障碍物点云进行目标识别，得到未分类目标结果集和分类目标结果集；对未分类目标结果集和分类目标结果集进行目标融合，得到融合目标集。本申请通过空间聚类和高精度地图来避免出现长尾问题无法被识别，降低漏检的可能性，提高感知融合目标检测的准确性，使得深度学习只需关注常见目标的探测识别，进而降低长尾数据标注与采集的成本。注与采集的成本。注与采集的成本。
【技术实现步骤摘要】
激光感知融合优化方法、装置、设备及可读存储介质
[0001]本申请涉及智能驾驶
，特别涉及一种激光感知融合优化方法、装置、设备及可读存储介质。
技术介绍
[0002]精准感知是发展智能自动驾驶的关键性技术之一。当前在智能驾驶环境感知领域中，如何实时探测周围环境信息，确保智能车辆安全驾驶是环境感知最为主要的任务，而针对不同的自动驾驶等级，如何配置不同的传感器来实现其对应等级自动驾驶功能尚无定论。不过在L3及以上功能等级的自动驾驶模块中，激光雷达是必不可少的传感器。
[0003]现有的以视觉为主路线或以激光雷达为主的传感器融合技术方案在环境感知融合上都需要采取至少两种以上的传感器，其并不适用于单独激光雷达传感器的感知融合。
[0004]目前针对单独激光雷达传感器的感知融合主要是以深度学习为主的方式进行目标探测，不过以数据驱动的深度学习技术路线仍然存在大量的长尾问题，以致易出现环境感知漏检问题；而当前针对长尾问题的主要解决方案是通过采集长尾问题的数据来对模型进行迭代，但是这种方式会导致激光雷达数据的成本很高。
技术实现思路
[0005]本申请提供一种激光感知融合优化方法、装置、设备及可读存储介质，以避免出现长尾问题无法被识别，降低漏检的可能性以及成本，并提高感知融合目标检测的准确性。
[0006]第一方面，提供了一种激光感知融合优化方法，包括以下步骤：
[0007]基于高精度地图确定车辆所在位置的可行驶道路边缘点集，根据所述可行驶道路边缘点集生成感兴趣区域；
[0008]基于所述感兴趣区域对激光雷达探测到的点云信息进行过滤，得到目标障碍物点云；
[0009]通过空间聚类算法和深度学习算法分别对所述目标障碍物点云进行目标识别，得到未分类目标结果集和分类目标结果集；
[0010]对所述未分类目标结果集和所述分类目标结果集进行目标融合，得到包含至少一个融合目标的融合目标集。
[0011]一些实施例中，所述对所述未分类目标结果集和所述分类目标结果集进行目标融合，得到融合目标集，包括：
[0012]将所述未分类目标结果集中的各个未分类目标与所述分类目标结果集中的各个分类目标进行匹配，得到匹配结果；
[0013]根据所述匹配结果确定出至少一个融合目标，以形成融合目标集。
[0014]一些实施例中，所述根据所述匹配结果确定出至少一个融合目标，包括：
[0015]若某一未分类目标与所述分类目标集中的所有分类目标均未匹配成功，将所述某一未分类目标作为融合目标；
[0016]若某一未分类目标与所述分类目标集中的其中一个分类目标匹配成功，将与所述某一未分类目标匹配成功的分类目标作为融合目标，并将所述某一未分类目标剔除；
[0017]若某一分类目标与所述未分类目标集中的所有未分类目标均未匹配成功，将所述某一分类目标作为融合目标。
[0018]一些实施例中，所述若某一分类目标与所述未分类目标集中的所有未分类目标均未匹配成功，将所述某一分类目标作为融合目标，包括：
[0019]若某一分类目标与所述未分类目标集中的所有未分类目标均未匹配成功，判断所述某一分类目标是否连续出现预设次数；
[0020]若是，将所述某一分类目标作为融合目标；
[0021]若否，将所述某一分类目标剔除。
[0022]一些实施例中，所述将所述未分类目标结果集中的各个未分类目标与所述分类目标结果集中的各个分类目标进行匹配，包括：
[0023]计算未分类目标结果集中每个未分类目标与所述分类目标结果集中各个分类目标之间的欧氏距离；
[0024]基于所述欧氏距离生成最近邻距离代价矩阵；
[0025]根据最小代价原则和所述最近邻距离代价矩阵确定所述未分类目标结果集中的未分类目标是否与所述分类目标结果集中的分类目标匹配成功。
[0026]一些实施例中，所述基于所述感兴趣区域对激光雷达探测到的点云信息进行过滤，得到目标障碍物点云，包括：
[0027]基于所述感兴趣区域对激光雷达探测到的点云信息进行初步过滤，得到与所述感兴趣区域对应的第一点云信息；
[0028]对所述第一点云信息进行地面点云过滤，得到目标障碍物点云。
[0029]一些实施例中，所述基于高精度地图确定车辆所在位置的可行驶道路边缘点集，包括：
[0030]基于车辆的预设行驶路线在高精度地图上标注出与所述预设行驶路线对应的行驶道路边缘点集；
[0031]当接收到车辆的位置信息时，根据所述位置信息从高精度地图上所标注出的行驶道路边缘点集中筛选出车辆所在位置的可行驶道路边缘点集。
[0032]第二方面，提供了一种激光感知融合优化装置，包括：
[0033]生成单元，其用于基于高精度地图确定车辆所在位置的可行驶道路边缘点集，根据所述可行驶道路边缘点集生成感兴趣区域；
[0034]过滤单元，其用于基于所述感兴趣区域对激光雷达探测到的点云信息进行过滤，得到目标障碍物点云；
[0035]识别单元，其用于通过空间聚类算法和深度学习算法分别对所述目标障碍物点云进行目标识别，得到未分类目标结果集和分类目标结果集；
[0036]融合单元，其用于对所述未分类目标结果集和所述分类目标结果集进行目标融合，得到包含至少一个融合目标的融合目标集。
[0037]第三方面，提供了一种激光感知融合优化设备，包括：存储器和处理器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行，以实现前述的激
光感知融合优化方法。
[0038]第四方面，提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，当所述计算机程序被处理器执行时，以实现前述的激光感知融合优化方法。
[0039]本申请提供了一种激光感知融合优化方法、装置、设备及可读存储介质，包括基于高精度地图确定车辆所在位置的可行驶道路边缘点集，根据所述可行驶道路边缘点集生成感兴趣区域；基于所述感兴趣区域对激光雷达探测到的点云信息进行过滤，得到目标障碍物点云；通过空间聚类算法和深度学习算法分别对所述目标障碍物点云进行目标识别，得到未分类目标结果集和分类目标结果集；对所述未分类目标结果集和所述分类目标结果集进行目标融合，得到包含至少一个融合目标的融合目标集。本申请通过深度学习与空间聚类融合的方式来提升常见目标的置信度，并基于高精度地图和精准感兴趣区域的过滤，使得不常见目标也能够被空间聚类有效识别出，可有效避免因深度学习的长尾问题而导致的漏检，提高了感知融合目标检测的准确性，即通过空间聚类算法和高精度地图来避免出现长尾问题无法被识别，降低了漏检的可能性，使得深度学习只需关注常见目标的探测识别，进而降低长尾数据标注与采集的成本。
附图说明
[0040]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种激光感知融合优化方法，其特征在于，包括以下步骤：基于高精度地图确定车辆所在位置的可行驶道路边缘点集，根据所述可行驶道路边缘点集生成感兴趣区域；基于所述感兴趣区域对激光雷达探测到的点云信息进行过滤，得到目标障碍物点云；通过空间聚类算法和深度学习算法分别对所述目标障碍物点云进行目标识别，得到未分类目标结果集和分类目标结果集；对所述未分类目标结果集和所述分类目标结果集进行目标融合，得到包含至少一个融合目标的融合目标集。2.如权利要求1所述的激光感知融合优化方法，其特征在于，所述对所述未分类目标结果集和所述分类目标结果集进行目标融合，得到融合目标集，包括：将所述未分类目标结果集中的各个未分类目标与所述分类目标结果集中的各个分类目标进行匹配，得到匹配结果；根据所述匹配结果确定出至少一个融合目标，以形成融合目标集。3.如权利要求2所述的激光感知融合优化方法，其特征在于，所述根据所述匹配结果确定出至少一个融合目标，包括：若某一未分类目标与所述分类目标集中的所有分类目标均未匹配成功，将所述某一未分类目标作为融合目标；若某一未分类目标与所述分类目标集中的其中一个分类目标匹配成功，将与所述某一未分类目标匹配成功的分类目标作为融合目标，并将所述某一未分类目标剔除；若某一分类目标与所述未分类目标集中的所有未分类目标均未匹配成功，将所述某一分类目标作为融合目标。4.如权利要求3所述的激光感知融合优化方法，其特征在于，所述若某一分类目标与所述未分类目标集中的所有未分类目标均未匹配成功，将所述某一分类目标作为融合目标，包括：若某一分类目标与所述未分类目标集中的所有未分类目标均未匹配成功，判断所述某一分类目标是否连续出现预设次数；若是，将所述某一分类目标作为融合目标；若否，将所述某一分类目标剔除。5.如权利要求2所述的激光感知融合优化方法，其特征在于，所述将所述未分类目标结果集中的各个未分类目标与所述分类目标结果集中的各个分类目标进行匹配，包括：计算未分类目标结果集中每个未分类目标与所述...
【专利技术属性】
技术研发人员：吴鹏，张鹏，刘杏，李兆干，许鑫，
申请(专利权)人：东风商用车有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。