【技术实现步骤摘要】
本专利技术涉及自动驾驶，特别是涉及一种路面障碍物三维形貌信息确定方法、电子设备、非易失性存储介质、计算机程序产品及无人驾驶车辆。
技术介绍
1、随着人工智能技术和物联网技术的快速发展，自动驾驶技术也得到相应的发展。道路平整度不仅影响自动驾驶车辆的正常运行和乘车人的舒服度，还影响道路及其基础设施的寿命。
2、相关技术在监测道路是否存在坑洼和低矮凸起障碍物时，无法精准识别坑洼区域和凸起障碍物区域，进而无法精准确定道路坑洼和道路低矮凸起障碍物所在位置。
3、鉴于此，提升道路坑洼区域和道路低矮凸起障碍物区域的三维形貌信息确定精度，是本领域技术人员需要解决的技术问题。
4、需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本专利技术提供了一种路面障碍物三维形貌信息确定方法、电子设备、非易失性存储介质、计算机程序产品及无人驾驶车辆，能够精准确定道路坑洼区域和道路低矮凸起障碍物区域的三维形貌信息。
2、为解决上述技术问题，本专利技术提供以下技术方案：
3、本专利技术一方面提供了一种路面障碍物三维形貌信息确定方法，包括：
4、获取栅格化处理的待检测路面区域的点云数据和图像数据在目标视角下的特征；其中，栅格化的待检测路面区域包括多个栅格，各栅格在垂直于路面水平方向上设置空间体素；
5、将点云特征和图像特征进行融合，
6、根据车辆前行过程中不断获取的各帧点云数据对应的栅格新高程信息，更新当前时刻的空间体素权重，并基于更新后的空间体素权重更新障碍物区域内栅格的高程信息和几何形态数据，以对所述初始三维形貌信息进行不断更新。
7、在第一种示例性的实施方式中，所述获取栅格化处理的待检测路面区域的点云数据和图像数据在目标视角下的特征，包括：
8、当检测到车辆行驶前方区域存在障碍物，则在所述车辆前行过程监视所述障碍物位置；
9、当所述障碍物进入待检测路面区域时，将位于当前车辆前方的待检测路面区域进行栅格化处理，生成包括多个栅格、且各栅格在垂直于路面水平方向上具有空间体素的鸟瞰视图栅格区域；
10、获取所述鸟瞰视图栅格区域的点云数据和图像数据，并将所述点云数据和图像数据转换至鸟瞰视角，得到相应视角的点云特征和图像特征。
11、其中，所述待检测路面区域在沿车辆行驶方向上与车辆的最大距离小于等于所述车辆行驶前方区域与车辆间的最小距离。
12、在第二种示例性的实施方式中，所述通过对融合特征进行目标检测处理，得到待检测路面区域内的障碍物的初始三维形貌信息，包括：
13、预先构建并训练三维目标检测网络模型；所述三维目标检测网络模型包括检测任务头、分类任务头和实例分割任务头，所述检测任务头用于识别障碍物，并输出障碍物位置信息；所述分类任务头用于识别障碍物类别信息；所述实例分割任务头用于对障碍物在目标平面上进行分割，得到实例分割结果；
14、将所述融合特征输入至所述三维目标检测网络模型，得到障碍物的位置信息、类别信息和实例分割结果；
15、基于所述实例分割结果和障碍物区域内点云数据，通过三维曲面拟合结果确定所述障碍物的几何形态描述数据；
16、将所述障碍物的位置信息、类别信息和几何形态描述数据，作为所述障碍物的初始三维形貌信息。
17、在第三种示例性的实施方式中，所述基于更新后的空间体素权重更新障碍物区域内栅格的高程信息和几何形态数据之后，还包括：
18、基于车辆坐标系与局部世界坐标系之间的变换关系，将待检测路面区域的障碍物的三维形貌信息转换至局部世界坐标系；
19、其中，所述局部世界坐标系为车辆行驶路面所在的坐标系。
20、在第四种示例性的实施方式中，所述基于车辆坐标系与局部世界坐标系之间的变换关系之前，还包括：
21、获取当前时刻的点云数据和局部地图点云；
22、通过对所述点云数据和所述局部地图点云进行点云匹配，确定车辆坐标系与局部世界坐标系之间的变换关系；
23、其中，所述局部地图点云为沿着时间轴，对不同时刻的点云数据进行拼接后生成的数据。
24、在第五种示例性的实施方式中，根据车辆前行过程中不断获取的各帧点云数据对应的栅格新高程信息，更新当前时刻的空间体素权重，包括：
25、获取栅格化的待检测路面区域的各栅格的空间体素及对应的权重初始值；
26、获取当前帧点云数据对应的栅格的高程信息，以作为新高程信息，并利用所述新高程信息更新相应位置的空间体素的权重值。
27、在第六种示例性的实施方式中，所述根据车辆前行过程中不断获取的各帧点云数据对应的栅格新高程信息，更新当前时刻的空间体素权重，包括：
28、获取栅格化的待检测路面区域中各栅格区域类型；
29、当当前栅格属于上一帧识别的第一类障碍物区域，若当前栅格不属于雷达点云投影区域，则基于所述第一类障碍物区域的各栅格的空间体素坐标位置、高程信息和当前栅格的坐标位置，确定所述当前栅格的空间体素的权重，若当前栅格属于雷达点投影区域，则基于所述第一类障碍物区域的各栅格的空间体素坐标位置、高程信息、所述雷达点投影区域的高程信息及当前栅格的坐标位置，确定所述当前栅格的空间体素的权重；
30、当当前栅格属于当前帧识别的第二类障碍物区域，若当前栅格不属于雷达点云投影区域，则基于所述第二类障碍物区域的各栅格的空间体素坐标位置确定所述当前栅格的空间体素的权重，若当前栅格属于雷达点投影区域，则基于所述第二类障碍物区域的各栅格的空间体素坐标位置及所述雷达点投影区域的高程信息，确定所述当前栅格的空间体素的权重。
31、在第七种示例性的实施方式中，所述获取栅格化的待检测路面区域中各栅格区域类型之前，还包括：
32、基于一维高斯函数关系式，根据预设高斯曲线控制参数值、由不同栅格区域类型确定的中心位置坐标、栅格空间体素位置信息作为变量，生成权重计算关系式，以通过调用所述权重计算关系式确定各栅格空间体素的权重值。
33、在第八种示例性的实施方式中，基于更新后的空间体素权重更新障碍物区域内栅格的高程信息，包括：
34、预先训练高程分类网络，所述高程分类网络用于将深度估计问题转换为分类问题，且所述高程分类网络基于障碍物类型、高程真值编码信息、障碍物区域掩码信息、障碍物区域栅格的点云特征及图像特征、障碍物区域栅格的空间体素权重确定损失函数；
35、通过所述高程分类网络得到所述障碍物区域内栅格的高程信息。
36、在第九种示例性的实施方式中，所述根据车辆前行过程中的当前帧点云数据对应的栅格新高程信息更新当前空间体素权重，包括：
<本文档来自技高网...【技术保护点】
1.一种路面障碍物三维形貌信息确定方法，其特征在于，包括：
2.根据权利要求1所述的路面障碍物三维形貌信息确定方法，其特征在于，所述获取栅格化处理的待检测路面区域的点云数据和图像数据在目标视角下的特征，包括：
3.根据权利要求1所述的路面障碍物三维形貌信息确定方法，其特征在于，通过对融合特征进行目标检测处理，得到待检测路面区域内的障碍物的初始三维形貌信息，包括：
4.根据权利要求1所述的路面障碍物三维形貌信息确定方法，其特征在于，所述基于更新后的空间体素权重更新障碍物区域内栅格的高程信息和几何形态数据之后，还包括：
5.根据权利要求4所述的路面障碍物三维形貌信息确定方法，其特征在于，所述基于车辆坐标系与局部世界坐标系之间的变换关系之前，还包括：
6.根据权利要求1所述的路面障碍物三维形貌信息确定方法，其特征在于，根据车辆前行过程中不断获取的各帧点云数据对应的栅格新高程信息，更新当前时刻的空间体素权重，包括：
7.根据权利要求1所述的路面障碍物三维形貌信息确定方法，其特征在于，根据车辆前行过程中不断获取的各帧点
8.根据权利要求7所述的路面障碍物三维形貌信息确定方法，其特征在于，所述获取栅格化的待检测路面区域中各栅格区域类型之前，还包括：
9.根据权利要求1所述的路面障碍物三维形貌信息确定方法，其特征在于，所述基于更新后的空间体素权重更新障碍物区域内栅格的高程信息，包括：
10.根据权利要求1至9任意一项所述的路面障碍物三维形貌信息确定方法，其特征在于，根据车辆前行过程中不断获取的各帧点云数据对应的栅格新高程信息，更新当前时刻的空间体素权重，包括：
11.根据权利要求10所述的路面障碍物三维形貌信息确定方法，其特征在于，根据上一帧识别的障碍物在当前时刻的鸟瞰视图栅格区域的位置信息、当前帧识别的障碍物在当前时刻的鸟瞰视图栅格区域的位置信息，确定当前帧障碍物区域包含的栅格，包括：
12.一种电子设备，其特征在于，包括处理器和存储器，所述处理器用于执行所述存储器中存储的计算机程序时实现如权利要求1至11任一项所述路面障碍物三维形貌信息确定方法的步骤。
13.一种非易失性存储介质，其特征在于，所述非易失性存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至11任一项所述路面障碍物三维形貌信息确定方法的步骤。
14.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至11任一项所述路面障碍物三维形貌信息确定方法的步骤。
15.一种无人驾驶车辆，其特征在于，包括自动驾驶感知系统，所述自动驾驶感知系统用于执行存储器中存储的计算机程序时实现如权利要求1至11任一项所述路面障碍物三维形貌信息确定方法的步骤。
...【技术特征摘要】
1.一种路面障碍物三维形貌信息确定方法，其特征在于，包括：
2.根据权利要求1所述的路面障碍物三维形貌信息确定方法，其特征在于，所述获取栅格化处理的待检测路面区域的点云数据和图像数据在目标视角下的特征，包括：
3.根据权利要求1所述的路面障碍物三维形貌信息确定方法，其特征在于，通过对融合特征进行目标检测处理，得到待检测路面区域内的障碍物的初始三维形貌信息，包括：
4.根据权利要求1所述的路面障碍物三维形貌信息确定方法，其特征在于，所述基于更新后的空间体素权重更新障碍物区域内栅格的高程信息和几何形态数据之后，还包括：
5.根据权利要求4所述的路面障碍物三维形貌信息确定方法，其特征在于，所述基于车辆坐标系与局部世界坐标系之间的变换关系之前，还包括：
6.根据权利要求1所述的路面障碍物三维形貌信息确定方法，其特征在于，根据车辆前行过程中不断获取的各帧点云数据对应的栅格新高程信息，更新当前时刻的空间体素权重，包括：
7.根据权利要求1所述的路面障碍物三维形貌信息确定方法，其特征在于，根据车辆前行过程中不断获取的各帧点云数据对应的栅格新高程信息，更新当前时刻的空间体素权重，包括：
8.根据权利要求7所述的路面障碍物三维形貌信息确定方法，其特征在于，所述获取栅格化的待检测路面区域中各栅格区域类型之前，还包括：
9.根据权利要求1所述的路面障碍物三维形貌信息确定方...
【专利技术属性】
技术研发人员：张恒，李茹杨，张腾飞，邓琪，
申请(专利权)人：苏州元脑智能科技有限公司，
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。