一种基于激光雷达的物体识别方法及装置制造方法及图纸

本发明专利技术提供一种基于激光雷达的物体识别方法及装置，涉及交通与通讯技术领域，该方法包括：获取非激光雷达传感器输入的目标物体的第一数据；根据所述第一数据对所述目标物体进行感知，生成目标立方体；获取激光雷达输入的所述目标物体的激光点云数据；根据所述目标立方体的顶点坐标数据保留所述激光点云数据中所述目标立方体内的数据，得到所述目标物体的数据集；根据所述目标物体的数据集得到目标物体的识别结果。本发明专利技术中，通过构建立体模型范围对获取的数据进行筛选，减少数据处理量。减少数据处理量。减少数据处理量。

【技术实现步骤摘要】
一种基于激光雷达的物体识别方法及装置


[0001]本专利技术实施例涉及交通与通讯
，尤其涉及一种基于激光雷达的物体识别方法及装置。

技术介绍

[0002]现有技术中，通过多传感器协作感知进行物体识别的方法中一般采用后融合算法或前融合算法；其中，后融合算法分为两步，第一步：每个传感器各自独立处理生成的目标数据；第二步：当所有传感器完成目标数据的感知生成目标数据后由一个主处理器进行数据的融合，最终生成结果；前融合算法则是将多传感器的信息一同输入该算法直接输出信息。
[0003]而不论是前融合算法还是后融合算法都需要输入完整的激光雷达点云信息，大体量的数据会导致算法所需算力增加，并且计算时延也相应增加。

技术实现思路

[0004]本专利技术实施例提供一种基于激光雷达的物体识别方法及装置，以解决现有的处理数据时所需要的算力过大并且时延过长的问题。
[0005]为了解决上述技术问题，本专利技术是这样实现的：
[0006]第一方面，本专利技术实施例提供了一种基于激光雷达的物体识别方法，包括：
[0007]获取非激光雷达传感器输入的目标物体的第一数据；
[0008]根据所述第一数据对所述目标物体进行感知，生成目标立方体；
[0009]获取激光雷达输入的所述目标物体的激光点云数据；
[0010]根据所述目标立方体的顶点坐标数据保留所述激光点云数据中所述目标立方体内的数据，得到所述目标物体的数据集；
[0011]根据所述目标物体的数据集得到目标物体的识别结果。
[0012]可选的，所述非激光雷达传感器包括以下至少一项：摄像头、毫米波雷达和车载终端。
[0013]可选的，所述第一数据为非结构化数据；所述第一数据包括以下至少一项：视频数据、毫米波波形图和车辆基本数据。
[0014]可选的，所述激光点云数据的数量多于所述第一数据。
[0015]可选的，所述根据所述第一数据将所述目标物体构建为具有八个顶点的目标立方体之后，还包括：
[0016]根据预设增量对所述目标立方体设置增量冗余量，所述增量冗余量用于扩大所述目标立方体的三维范围，得到增量立方体；
[0017]将所述增量立方体作为新的目标立方体用于物体识别。
[0018]第二方面，本专利技术实施例提供了一种基于激光雷达的物体识别装置，包括：
[0019]第一获取模块，用于获取非激光雷达传感器输入的目标物体的第一数据；
[0020]第一处理模块，用于根据所述第一数据对所述目标物体进行感知，生成目标立方体；
[0021]第二获取模块，用于获取激光雷达输入的所述目标物体的激光点云数据；
[0022]第二处理模块，用于根据所述目标立方体的顶点坐标数据保留所述激光点云数据中所述目标立方体内的数据，得到所述目标物体的数据集；
[0023]识别模块，用于根据所述目标物体的数据集得到目标物体的识别结果。
[0024]可选的，所述非激光雷达传感器包括以下至少一项：摄像头、毫米波雷达和车载终端。
[0025]可选的，所述第一数据为非结构化数据；所述第一数据包括以下至少一项：视频数据、毫米波波形图和车辆基本数据。
[0026]可选的，所述激光点云数据的数量多于所述第一数据。
[0027]可选的，还包括：
[0028]增量模块，用于根据预设增量对所述目标立方体设置增量冗余量，所述增量冗余量用于扩大所述目标立方体的三维范围，得到增量立方体；将所述增量立方体作为新的目标立方体用于物体识别。
[0029]第三方面，本专利技术实施例提供了一种电子设备，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面中任一项所述的基于激光雷达的物体识别方法中的步骤。
[0030]第四方面，本专利技术实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面中任一项所述的基于激光雷达的物体识别方法中的步骤。
[0031]在本专利技术中，根据非激光雷达传感器的感知结果对激光雷达的数据进行处理，保留有效数据，解决了现有的处理数据时所需要的算力过大，时延过长的问题，减少了数据处理量，也降低了激光雷达感知算法的运算量。
附图说明
[0032]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
[0033]图1是本专利技术实施例提供的一种基于激光雷达的物体识别方法的流程图；
[0034]图2是本专利技术实施例提供的一种基于激光雷达的物体识别方法的目标立方体结构示意图；
[0035]图3是本专利技术实施例提供的一种基于激光雷达的物体识别方法的增量立方体结构示意图；
[0036]图4是本专利技术实施例提供的一种基于激光雷达的物体识别方法的增量过程的流程图；
[0037]图5是本专利技术实施例提供的一种基于激光雷达的物体识别装置的结构示意图；
[0038]图6是本专利技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0039]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0040]请参考图1，本专利技术实施例提供了一种基于激光雷达的物体识别方法，包括：
[0041]步骤11：获取非激光雷达传感器输入的目标物体的第一数据；
[0042]本专利技术实施例中，可选的，所述非激光雷达传感器包括以下至少一项：摄像头、毫米波雷达和车载终端；所述第一数据为非结构化数据；所述第一数据包括以下至少一项：视频数据、毫米波波形图和车辆基本数据；其中摄像设备输入视频流等格式的交通视频，根据对所述交通视频的结构化输出获取目标物体的信息；毫米波雷达通过天线向外发射毫米波，并接收目标反射信号，并通过对目标反射信号进行对比和处理，获得目标物体的信息；车载终端提供车辆基本数据，所属车辆基本数据包括车辆定位数据、车辆结构和性能数据等。
[0043]步骤12：根据所述第一数据对所述目标物体进行感知，生成目标立方体；
[0044]本专利技术实施例中，对非激光雷达传感器输入的非结构化数据进行感知，并输出目标物体对应的如图2中的包围盒的8个顶点，其中，O为所述目标物体的三维范围的中心点；所述目标物体包括但不限于人、车、障碍物和建筑物；每一个感知出的目标物体都能被构建出对应的8个顶点的目标立方体，但不限于八个顶点的立方体，立方体的形状可以根据实际情况进行设计，通过所述目标立方体限制数据范围。
[0045]步骤13：获取激光雷达输入的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于激光雷达的物体识别方法，其特征在于，包括：获取非激光雷达传感器输入的目标物体的第一数据；根据所述第一数据对所述目标物体进行感知，生成目标立方体；获取激光雷达输入的所述目标物体的激光点云数据；根据所述目标立方体的顶点坐标数据保留所述激光点云数据中所述目标立方体内的数据，得到所述目标物体的数据集；根据所述目标物体的数据集得到目标物体的识别结果。2.根据权利要求1所述的基于激光雷达的物体识别方法，其特征在于，所述非激光雷达传感器包括以下至少一项：摄像头、毫米波雷达和车载终端。3.根据权利要求2所述的基于激光雷达的物体识别方法，其特征在于，所述第一数据为非结构化数据；所述第一数据包括以下至少一项：视频数据、毫米波波形图和车辆基本数据。4.根据权利要求1所述的基于激光雷达的物体识别方法，其特征在于，所述激光点云数据的数量多于所述第一数据。5.根据权利要求1所述的基于激光雷达的物体识别方法，其特征在于，所述根据所述第一数据将所述目标物体构建为具有八个顶点的目标立方体之后，还包括：根据预设增量对所述目标立方体设置增量冗余量，所述增量冗余量用于扩大所述目标立方体的三维范围，得到增量立方体；将所述增量立方体作为新的目标立方体用于物体识别。6.一种基于激光雷达的物体识别装置，...

【专利技术属性】
技术研发人员：翟建韬，张宁，黄丹，
申请(专利权)人：中移智行网络科技有限公司中国移动通信集团有限公司，
类型：发明
国别省市：