一种长尾目标识别方法、计算机可读存储介质及车辆技术

本发明专利技术涉及自动驾驶技术领域，具体提供一种长尾目标识别方法、计算机可读存储介质及车辆，旨在解决现有无法有效进行长尾目标的识别且适用范围较窄的问题。为此目的，本发明专利技术的长尾目标识别方法包括：获取感兴趣场景的当前帧的点云数据和相应的图像数据，对当前帧的点云数据进行聚类，得到当前帧的目标聚类结果；至少根据相应的图像数据获得三维目标检测结果，根据当前帧的目标聚类结果和三维目标检测结果的匹配结果进行长尾目标的识别。该方法可以自动的进行长尾目标的识别，避免了基于由有限长尾数据和有限长尾目标类别训练得到的感知模型进行长尾目标识别时，使用范围窄且有效性低的问题。低的问题。低的问题。

【技术实现步骤摘要】
一种长尾目标识别方法、计算机可读存储介质及车辆


[0001]本专利技术涉及自动驾驶
，具体提供一种长尾目标识别方法、计算机可读存储介质及车辆。

技术介绍

[0002]自动驾驶技术通常需要通过感知、定位、决策规划和控制等技术来实现驾驶设备在道路上的自动行驶，其中，感知作为自动驾驶技术的重要环节，是通过多传感器获取大量的周围环境信息，确保驾驶设备对周围环境的正确理解，以便后续做出相应的决策规划和控制。
[0003]但在现实中，面对海量的现实场景，会存在各种千奇百怪的道路物体，包括异型车、动物、道路异物等罕见的障碍物，并且各类障碍物的出现频率遵循长尾分布，大量的类别仅有少量的样本，不利于采集。其中，类别多且数量少的目标即可称为长尾目标，现有技术中通常是由安全员路测来收集长尾目标的长尾数据，再基于有限类别的长尾数据集训练感知模型，该方法收集长尾数据的效率低且获取的长尾目标类别有限，无法涵盖开放世界中的海量场景，因而基于此训练得到的感知模型也无法有效进行长尾目标的识别且适用范围较窄。

技术实现思路

[0004]本专利技术旨在解决上述技术问题，即，解决现有无法有效进行长尾目标的识别且适用范围较窄的问题。
[0005]在第一方面，本专利技术提供了一种长尾目标识别方法，其包括：
[0006]获取感兴趣场景的当前帧的点云数据和相应的图像数据；
[0007]对当前帧的所述点云数据进行聚类，得到所述当前帧的目标聚类结果；
[0008]至少根据所述相应的图像数据获得三维目标检测结果；
[0009]根据所述当前帧的目标聚类结果和所述三维目标检测结果的匹配结果，识别出长尾目标。
[0010]在一些实施例中，所述三维目标检测结果包括至少一个感知目标的三维目标检测框，所述当前帧的目标聚类结果包括至少一个聚类目标的聚类簇；
[0011]所述根据所述当前帧的目标聚类结果和所述三维目标检测结果的匹配结果，识别出长尾目标，包括：
[0012]将所述当前帧的聚类簇和所述三维目标检测框统一到同一坐标系中；
[0013]基于在所述坐标系中的位置判断所述当前帧的聚类簇和所述三维目标检测框是否匹配；
[0014]根据匹配结果识别出所述当前帧对应的长尾目标。
[0015]在一些实施例中，所述基于在所述坐标系中的位置判断所述当前帧的聚类簇和所述三维目标检测框是否匹配，包括：
[0016]通过所述三维目标检测框的位置信息和所述聚类簇的位置信息计算所述三维目标检测框和所述聚类簇的交并比；
[0017]根据所述交并比和预设交并比阈值的对比关系来确定所述当前帧的聚类簇和所述三维目标检测框是否匹配；或者，
[0018]通过所述聚类簇的位置信息计算所述聚类簇的中心点；
[0019]根据所述三维目标检测框的位置信息计算所述中心点到所述三维目标检测框的顶点的横向距离和纵向距离；
[0020]将所述横向距离与横向距离阈值进行对比以及将所述纵向距离与纵向距离阈值进行对比；
[0021]根据对比结果来确定所述当前帧的聚类簇和所述三维目标检测框是否匹配。
[0022]在一些实施例中，所述根据匹配结果识别出所述当前帧对应的长尾目标，包括：
[0023]将所述当前帧的聚类簇中没有与所述三维目标检测框匹配的聚类簇所对应的所述聚类目标确定为所述当前帧对应的长尾目标。
[0024]在一些实施例中，所述根据匹配结果识别出所述当前帧对应的长尾目标，包括：
[0025]将所述当前帧的聚类簇中没有与所述三维目标检测框匹配的聚类簇作为候选长尾目标聚类簇，确定在所述当前帧的多个相邻帧中所述候选长尾目标聚类簇是否匹配到所述三维目标检测框；
[0026]若所述多个相邻帧中所述候选长尾目标聚类簇均未匹配到所述三维目标检测框，将与所述候选长尾目标聚类簇对应的所述聚类目标确定为长尾目标。
[0027]在一些实施例中，当所述三维目标检测结果和所述当前帧的目标聚类结果在时间上不同步时，所述将所述当前帧的所述聚类簇和所述三维目标检测框统一到同一坐标系中之前，所述方法还包括：
[0028]根据所述三维目标检测框对应的第一时间戳和所述当前帧的聚类簇对应的第二时间戳确定时间差；
[0029]获取车辆运动信息；
[0030]基于所述车辆运动信息和所述时间差，对所述三维目标检测框进行运动补偿，得到所述三维目标检测框在所述第二时间戳对应的位置信息。
[0031]在一些实施例中，所述获取感兴趣场景的当前帧的点云数据和相应的图像数据之前，所述方法还包括：
[0032]识别车辆所处的场景类型；
[0033]判断所述场景类型与预设的场景类型是否一致；
[0034]如果一致，确定所述场景类型对应的场景为所述感兴趣场景；如果不一致，确定所述场景类型对应的场景为非感兴趣场景并对所述非感兴趣场景进行过滤。
[0035]在一些实施例中，所述获取感兴趣场景的当前帧的点云数据和相应的图像数据之前，所述方法还包括：
[0036]获取车辆所处场景的场景信息；
[0037]根据所述场景信息，对所述场景进行三维车道线检测；
[0038]根据三维车道线检测结果，确定所述场景中是否存在车道线；
[0039]当存在所述车道线时，确定所述场景为行驶道路场景并将所述行驶道路场景作为
感兴趣场景；当不存在所述车道线时，确定所述场景为非感兴趣场景并对所述非感兴趣场景进行过滤。
[0040]在一些实施例中，所述对当前帧的所述点云数据进行聚类之前，所述方法还包括：
[0041]对所述当前帧的点云数据进行地面点提取，得到地面点云数据和非地面点云数据；
[0042]所述对当前帧的所述点云数据进行聚类，得到所述当前帧的目标聚类结果，包括：
[0043]对所述当前帧的非地面点云数据进行聚类，得到所述当前帧的目标聚类结果。
[0044]在一些实施例中，所述对所述当前帧的非地面点云数据进行聚类，得到所述当前帧的目标聚类结果之后，所述方法还包括：
[0045]根据所述三维车道线检测结果过滤掉所述目标聚类结果中的非道路目标；和/或
[0046]根据所述地面点云数据和所述目标聚类结果，确定所述目标聚类结果中聚类目标至地面的距离；
[0047]根据所述距离和预设距离阈值，过滤掉所述目标聚类结果中的非道路目标。
[0048]在一些实施例中，所述识别出长尾目标之后，所述方法还包括：
[0049]获取并存储所述长尾目标对应的图像数据和/或点云数据。
[0050]在第二方面，本专利技术提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的长尾目标识别方法。
[0051]在第三方面，本专利技术提供了一种车辆，其包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时实现上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种长尾目标识别方法，其特征在于，包括：获取感兴趣场景的当前帧的点云数据和相应的图像数据；对当前帧的所述点云数据进行聚类，得到所述当前帧的目标聚类结果；至少根据所述相应的图像数据获得三维目标检测结果；根据所述当前帧的目标聚类结果和所述三维目标检测结果的匹配结果，识别出长尾目标。2.根据权利要求1所述的方法，其特征在于，所述三维目标检测结果包括至少一个感知目标的三维目标检测框，所述当前帧的目标聚类结果包括至少一个聚类目标的聚类簇；所述根据所述当前帧的目标聚类结果和所述三维目标检测结果的匹配结果，识别出长尾目标，包括：将所述当前帧的聚类簇和所述三维目标检测框统一到同一坐标系中；基于在所述坐标系中的位置判断所述当前帧的聚类簇和所述三维目标检测框是否匹配；根据匹配结果识别出所述当前帧对应的长尾目标。3.根据权利要求2所述的方法，其特征在于，所述基于在所述坐标系中的位置判断所述当前帧的聚类簇和所述三维目标检测框是否匹配，包括：通过所述三维目标检测框的位置信息和所述聚类簇的位置信息计算所述三维目标检测框和所述聚类簇的交并比；根据所述交并比和预设交并比阈值的对比关系来确定所述当前帧的聚类簇和所述三维目标检测框是否匹配；或者，通过所述聚类簇的位置信息计算所述聚类簇的中心点；根据所述三维目标检测框的位置信息计算所述中心点到所述三维目标检测框的顶点的横向距离和纵向距离；将所述横向距离与横向距离阈值进行对比以及将所述纵向距离与纵向距离阈值进行对比；根据对比结果来确定所述当前帧的聚类簇和所述三维目标检测框是否匹配。4.根据权利要求2或3所述的方法，其特征在于，所述根据匹配结果识别出所述当前帧对应的长尾目标，包括：将所述当前帧的聚类簇中没有与所述三维目标检测框匹配的聚类簇所对应的所述聚类目标确定为所述当前帧对应的长尾目标。5.根据权利要求2或3所述的方法，其特征在于，所述根据匹配结果识别出所述当前帧对应的长尾目标，包括：将所述当前帧的聚类簇中没有与所述三维目标检测框匹配的聚类簇作为候选长尾目标聚类簇，确定在所述当前帧的多个相邻帧中所述候选长尾目标聚类簇是否匹配到所述三维目标检测框；若所述多个相邻帧中所述候选长尾目标聚类簇均未匹配到所述三维目标检测框，将与所述候选长尾目标聚...

【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：安徽蔚来智驾科技有限公司，
类型：发明
国别省市：