对象检测的方法和装置与流程

1.本技术涉及人工智能技术领域，特别涉及一种对象检测的方法和装置。


背景技术：

2.随着人工智能的不断发展，自动移动装置的种类也越来越多，例如，自动驾驶汽车、智能机器人等等。在自动移动装置进行自动移动过程中，需要对行驶环境进行对象检测，以检测出行驶环境中如行人、车辆、树木等对象的信息，作为移动参考信息，并以此为参考做出移动路径规划。可见，准确的对象检测在自动移动装置的自动移动中有着十分重要的作用。
3.目前，对象检测通常采用自动移动装置上部署的感知系统实现，其中，感知系统可以由激光雷达、摄像机、毫米波雷达等组合。自动移动装置通过激光雷达获取自动行驶平台周围的激光点云，通过摄像机拍摄自动行驶平台周围场景的图像，通过毫米波雷达采集自动行驶平台周围物体反射的雷达信号。然后，对激光点云、图像以及雷达信号等进行分析，以获得对象的位姿、尺寸、种类、运动速度等检测结果数据。最后，可以将检测结果数据作为移动参考信息，并以此为参考做出移动路径规划。
4.在实现本技术的过程中，发明人发现相关技术至少存在以下问题：
5.仅通过激光雷达、摄像机、毫米波雷达等传感器采集的数据来实现对象检测，受现场环境影响较大，在大雾、雨雪等天气检测准确度较低，使得得到的移动参考信息准确度较低。


技术实现要素：

6.本技术实施例提供了一种对象检测的方法和装置，能够解决相关技术中对自动移动装置行驶时对象检测受现场环境影响较大，导致的获取的移动参考信息准确度较低的问题。所述技术方案如下：
7.第一方面，提供了一种对象检测的方法，所述方法包括：
8.确定自动移动装置当前在高精度地图的地图坐标系下的坐标；
9.基于所述高精度地图，获取与所述自动移动装置在所述地图坐标系下的坐标满足第一距离条件的目标低频更新对象的对象信息；
10.通过至少一个传感器，获取所述自动移动装置当前所处移动场景中的高频更新对象的检测结果数据；
11.将所述目标低频更新对象的对象信息和所述高频更新对象的检测结果数据组合，作为所述自动移动装置的移动参考信息。
12.在一种可能的实现方式中，所述基于所述高精度地图，获取与所述自动移动装置在所述地图坐标系下的坐标满足第一距离条件的目标低频更新对象的对象信息，包括：
13.在所述高精度地图中，获取与所述自动移动装置在所述地图坐标系下的坐标小于第一距离的目标低频更新对象的属性信息和所述目标低频更新对象在所述地图坐标系下
的坐标；
14.将所述目标低频更新对象的在所述地图坐标系下的坐标转换到所述自动移动装置的自动移动装置坐标系下，得到所述目标低频更新对象的在所述自动移动装置坐标系下的坐标；
15.将所述目标低频更新对象的在所述自动移动装置坐标系下的坐标和所述目标低频更新对象的属性信息，共同作为所述目标低频更新对象的对象信息。
16.在一种可能的实现方式中，所述确定自动移动装置当前在高精度地图中的坐标，包括：
17.通过定位系统，获取所述自动移动装置当前所在的经纬度；
18.在所述高精度地图中，获取与所述自动移动装置当前所在的经纬度满足第二距离条件的参考激光点云数据；
19.通过激光雷达，获取所述自动移动装置当前所处移动场景的实际激光点云数据；
20.在所述参考激光点云数据中，获取与所述实际激光点云数据匹配的目标参考激光点云数据；
21.基于所述目标参考激光点云数据，确定所述激光雷达当前在所述地图坐标系下的坐标；
22.基于所述激光雷达在所述地图坐标系下的坐标，确定所述自动移动装置当前在所述地图坐标系下的坐标。
23.在一种可能的实现方式中，所述确定自动移动装置在高精度地图中的坐标，包括：
24.通过定位系统，获取所述自动移动装置当前所在的经纬度；
25.在所述高精度地图中，在所述高精度地图中，获取与所述自动移动装置当前所在的经纬度满足第二距离条件的参考图像特征数据；
26.通过摄像机，获取所述自动移动装置所在移动场景的图像数据；
27.获取所述自动移动装置当前所处移动场景的图像数据对应的图像特征数据；
28.在所述参考图像数据中，获取与所述自动移动装置所在移动场景的图像数据对应的图像特征数据匹配的目标参考图像特征数据；
29.基于所述目标参考图像特征数据，确定所述摄像机当前在所述地图坐标系下的坐标；
30.基于所述摄像机当前在所述地图坐标系下的坐标，确定所述自动移动装置当前在所述地图坐标系下的坐标。
31.在一种可能的实现方式中，所述基于所述激光雷达在所述地图坐标系下的坐标，确定所述自动移动装置在所述地图坐标系下的目标坐标，包括：
32.基于所述激光雷达在所述地图坐标系下的坐标，确定所述自动移动装置在所述地图坐标系下的初始坐标；
33.获取所述自动移动装置的惯性测量单元imu的检测数据；
34.获取所述自动移动装置的轮速传感器的检测数据；
35.基于所述imu的检测数据、所述轮速传感器的检测数据、所述初始坐标以及扩展卡尔曼滤波算法，确定所述自动移动装置在所述高精度地图中的坐标。
36.在一种可能的实现方式中，所述基于所述摄像机在所述地图坐标系下的坐标，确
定所述自动移动装置在所述地图坐标系下的坐标，包括：
37.基于所述摄像机在所述地图坐标系下的坐标，确定所述自动移动装置在所述地图坐标系下的初始坐标；
38.获取所述自动移动装置的imu的检测数据；
39.获取所述自动移动装置的轮速传感器的检测数据；
40.基于所述imu的检测数据、所述轮速传感器的检测数据、所述初始坐标以及扩展卡尔曼滤波算法，确定所述自动移动装置在所述高精度地图中的坐标。
41.第二方面，提供了一种对象检测的装置，其特征在于，所述装置包括：
42.确定模块，用于确定自动移动装置当前在高精度地图的地图坐标系下的坐标；
43.获取模块，用于基于所述高精度地图，获取与所述自动移动装置在所述地图坐标系下的坐标满足第一距离条件的目标低频更新对象的对象信息；通过至少一个传感器，获取所述自动移动装置当前所处移动场景中的高频更新对象的检测结果数据；
44.组合模块，用于将所述目标低频更新对象的对象信息和所述高频更新对象的检测结果数据组合，作为所述自动移动装置的移动参考信息。
45.在一种可能的实现方式中，，所述获取模块，用于：
46.在所述高精度地图中，获取与所述自动移动装置在所述地图坐标系下的坐标小于第一距离的目标低频更新对象的属性信息和所述目标低频更新对象在所述地图坐标系下的坐标；
47.将所述目标低频更新对象的在所述地图坐标系下的坐标转换到所述自动移动装置的自动移动装置坐标系下，得到所述目标低频更新对象的在所述自动移动装置坐标系下的坐标；
48.将所述目标低频更新对象的在所述自动移动装置坐标系下的坐标和所述目标低频更新对象的属性信息，共同作为所述目标低频更新对象的对象信息。
49.在一种可能的实现方式中，所述确定模块，用于：
50.通过定位系统，获取所述自动移动装置当前所在的经纬度；
51.在所述高精度地图中，获取与所述自动移动装置当前所在的经纬度满足第二距离条件的参考激光点云数据；
52.通过激光雷达，获取所述自动移动装置当前所处移动场景的实际激光点云数据；
53.在所述参考激光点云数据中，获取与所述实际激光点云数据匹配的目标参考激光点云数据；
54.基于所述目标参考激光点云数据，确定所述激光雷达当前在所述地图坐标系下的坐标；
55.基于所述激光雷达在所述地图坐标系下的坐标，确定所述自动移动装置当前在所述地图坐标系下的坐标。
56.在一种可能的实现方式中，所述确定模块，用于：
57.通过定位系统，获取所述自动移动装置当前所在的经纬度；
58.在所述高精度地图中，在所述高精度地图中，获取与所述自动移动装置当前所在的经纬度满足第二距离条件的参考图像特征数据；
59.通过摄像机，获取所述自动移动装置所在移动场景的图像数据；
60.获取所述自动移动装置当前所处移动场景的图像数据对应的图像特征数据；
61.在所述参考图像数据中，获取与所述自动移动装置所在移动场景的图像数据对应的图像特征数据匹配的目标参考图像特征数据；
62.基于所述目标参考图像特征数据，确定所述摄像机当前在所述地图坐标系下的坐标；
63.基于所述摄像机当前在所述地图坐标系下的坐标，确定所述自动移动装置当前在所述地图坐标系下的坐标。
64.在一种可能的实现方式中，所述确定模块，用于：
65.基于所述激光雷达在所述地图坐标系下的坐标，确定所述自动移动装置在所述地图坐标系下的初始坐标；
66.获取所述自动移动装置的惯性测量单元imu的检测数据；
67.获取所述自动移动装置的轮速传感器的检测数据；
68.基于所述imu的检测数据、所述轮速传感器的检测数据、所述初始坐标以及扩展卡尔曼滤波算法，确定所述自动移动装置在所述高精度地图中的坐标。
69.在一种可能的实现方式中，所述确定模块，用于：
70.基于所述摄像机在所述地图坐标系下的坐标，确定所述自动移动装置在所述地图坐标系下的初始坐标；
71.获取所述自动移动装置的imu的检测数据；
72.获取所述自动移动装置的轮速传感器的检测数据；
73.基于所述imu的检测数据、所述轮速传感器的检测数据、所述初始坐标以及扩展卡尔曼滤波算法，确定所述自动移动装置在所述高精度地图中的坐标。
74.第三方面，提供了一种自动移动装置，其特征在于，所述自动移动装置包括定位系统、激光雷达、摄像机和决策控制器，其中：
75.所述定位系统，用于确定所述自动移动装置当前所在的经纬度；
76.所述激光雷达，用于获取所述自动移动装置所处移动场景的实际激光点云数据；
77.所述摄像机，用于获取所述智能移动机器所处移动场景的图像数据；
78.所述决策控制器，用于获取所述经纬度，并基于所述经纬度确定自动移动装置在高精度地图的地图坐标系下的坐标，基于所述高精度地图，获取与所述自动移动装置在所述地图坐标系下的坐标满足第一距离条件的目标低频更新对象的对象信息，基于所述实际激光点云数据和图像数据，获取所述自动移动装置所处移动场景中的高频更新对象的检测结果数据，将所述目标低频更新对象的对象信息和所述高频更新对象的检测结果数据组合，作为所述自动移动装置的移动参考信息。
79.在一种可能的实现方式中，所述决策控制器，用于：
80.在所述高精度地图中，获取与所述自动移动装置在所述地图坐标系下的坐标小于第一距离的目标低频更新对象的属性信息和所述目标低频更新对象在所述地图坐标系下的坐标；
81.将所述目标低频更新对象的在所述地图坐标系下的坐标转换到所述自动移动装置的自动移动装置坐标系下，得到所述目标低频更新对象的在所述自动移动装置坐标系下的坐标；
82.将所述目标低频更新对象的在所述自动移动装置坐标系下的坐标和所述目标低频更新对象的属性信息，共同作为所述目标低频更新对象的对象信息。
83.在一种可能的实现方式中，所述决策控制器，用于：
84.在所述高精度地图中，获取与所述经纬度满足第二距离条件的参考激光点云数据；
85.在所述参考激光点云数据中，获取与所述实际激光点云数据匹配的目标参考激光点云数据；
86.基于所述目标参考激光点云数据，确定所述激光雷达在所述地图坐标系下的坐标；
87.基于所述激光雷达在所述地图坐标系下的坐标，确定所述自动移动装置在所述地图坐标系下的坐标。
88.在一种可能的实现方式中，所述决策控制器，用于：
89.在所述高精度地图中，在所述高精度地图中，获取与所述智能移动机器当前所在的经纬度满足第二距离条件的参考图像特征数据；
90.在所述参考图像数据中，获取与所述图像数据对应的图像特征数据匹配的目标参考图像特征数据；
91.基于所述目标参考图像特征数据，确定所述摄像机在所述地图坐标系下的坐标；
92.基于所述摄像机在所述地图坐标系下的坐标，确定所述智能移动机器在所述地图坐标系下的坐标。
93.在一种可能的实现方式中，所述自动移动装置还包括惯性测量单元imu和轮速传感器；
94.所述imu，用于获取所述自动移动装置的imu检测数据；
95.所述轮速传感器，用于获取的轮速检测数据
96.所述决策控制器，用于基于所述激光雷达在所述地图坐标系下的坐标，确定所述自动移动装置在所述地图坐标系下的初始坐标，基于所述imu检测数据、所述轮速检测数据、所述初始坐标以及扩展卡尔曼滤波算法，确定所述自动移动装置在所述高精度地图中的坐标。
97.在一种可能的实现方式中，所述自动移动装置还包括惯性测量单元imu和轮速传感器；
98.所述imu，用于获取所述自动移动装置的imu检测数据；
99.所述轮速传感器，用于获取的轮速检测数据；
100.所述决策控制器，用于基于所述摄像机在所述地图坐标系下的坐标，确定所述自动移动装置在所述地图坐标系下的初始坐标，基于所述imu检测数据、所述轮速检测数据、所述初始坐标以及扩展卡尔曼滤波算法，确定所述自动移动装置在所述高精度地图中的坐标。
101.第四方面，提供了一种决策控制器，所述决策控制器包括处理器和存储器，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如上述第一方面所述的对象检测的方法。
102.第四方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指
令，所述至少一条指令由处理器加载并执行以实现如上述第一方面所述的对象检测的方法。
103.本技术实施例提供的技术方案带来的有益效果是：
104.在本技术中检测的对象分为高频更新对象和低频更新对象，对于高频更新对象，自动移动装置可以通过至少一个传感器，获取移动场景中的高频更新对象的检测结果数据。而对于低频更新对象，可以基于高精度地图直接获取其对象信息，而无需在自动移动装置行驶过程中现场检测。这样，即使是在恶劣的环境中行驶，也可以获取到较为准确的低频更新对象的对象信息，进而，使得最后获取到的移动参考信息也相对更加准确。
附图说明
105.为了更清楚地说明本技术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技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
106.图1是本技术实施例提供的一种对象检测的方法流程图；
107.图2是本技术实施例提供的低频更新对象的示意图；
108.图3是本技术实施例提供的高频更新对象的示意图；
109.图4是本技术实施例提供的低频更新对象和高频更新对象融合的示意图；
110.图5是本技术实施例提供的一种对象检测的装置结构示意图；
111.图6是本技术实施例提供的一种决策控制器的结构示意图；
112.图7是本技术实施例提供的一种自动移动设备的结构示意图。
具体实施方式
113.为使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术实施方式作进一步地详细描述。
114.本技术提供了一种对象检测的方法，该方法可以应用于自动驾驶汽车、智能机器人等自动移动装置中。在自动移动装置中可以包括有定位系统、感知系统和决策控制器等。该方法可以由自动移动装置的决策控制器实现。在自动移动装置移动过程中，决策控制器可以获取定位系统定位的经纬度、感知系统中激光雷达所采集的激光点云数据、摄像机所拍摄的图像数据等。然后，通过感知系统获取的数据与高精度地图结合，实现高精度定位。并且可以通过感知系统获取的数据识别出高频更新对象的相关数据，并在高精度地图中上述高精度定位对应的点位周围获取低频更新对象的相关数据，从而实现对自动移动装置周围的对象检测。
115.图1是本技术实施例提供的一种对象检测的方法的流程图。参见图1，该方法的处理流程可以包括如下步骤：
116.步骤101、确定自动移动装置在高精度地图的地图坐标系下的坐标。
117.在实施中，技术人员可以预先将建立好的高精度地图安装在自动移动装置中。该高精度地图中可以包括有参考定位信息、低频更新对象信息和路网信息。
118.参考定位信息可以包括激光定位信息，如参考激光点云数据。还可以包括视觉定
位信息，如参考图像特征数据。还可以包括高精度地图的坐标信息。
119.低频更新对象信息可以包括采集到的低频更新对象在该高精度地图的地图坐标系下的坐标，以及低频更新对象的属性信息。其中，低频更新目标的属性信息可以包括有尺寸、种类等。低频更新对象可以包括车道线、车位框、路面标志、交通信号灯等。
120.路网信息可以包括道路中心线，各道路中心线的连接关系信息等。
121.在建立该高精度地图时，技术人员可以采用如下方法建立：
122.首先，需要将感知系统，如激光雷达、摄像机等，定位系统，如gnss、imu(inertial measurement unit，惯性测量单元)传感器安装于一台数据采集车辆上。为了使建立的高精度地图更加准确，可以天气状况良好时，进行数据采集。因为，在良好的天气下激光雷达和摄像机采集的信息信噪比更高。
123.在数据采集时，由人工驾驶该数据采集车辆在需要建立高精度地图的路段行驶，通过上述各传感器采集数据。如，通过激光雷达采集激光点云数据，通过摄像机采集图像数据等。
124.在数据采集完成后，利用激光slam(simultaneous localization and mapping，同步定位与地图构建)算法，将采集到单帧的激光点云数据生成稠密的激光点云数据。通过激光点云数据可以获取各扫描到的各对象的尺寸。利用激光雷达和摄像机的融合技术，可以对激光雷达点云进行rgb染色，从而可以更直观的通过肉眼分辨稠密激光点云中各激光点是由什么目标反射形成的。
125.然后，可以再对激光点云数据进行处理。利用预设算法对激光点云数据中的可行驶区域进行标记，去除激光点云数据中由于机动车、行人等对象造成的连续拖影。然后，对激光点云数据中各激光点的反射率信息，或者rgb信息进行增强处理，以让不同对象的差异更明显，以便后续分类标注。
126.再然后，可以对各对象进行标注。在标注时，可以由人工进行，例如，对车道线上的激光点标注为车道线，对扫描到的低频更新对象也进行标注上各自对应的语义。当然，为了更加高效进行标注，也可以采用现有的标注算法进行自动标注。
127.最后，通过现有的效验算法，或者人工审核的方法，对标注后的结果进行确认，验证其正确性和完整性，修正标注错误的结果。审核修正后便可以根据预设的地图格式，对上述激光点云数据、标注结果等数据，进行封装，得到高精度地图。
128.在自动移动装置上可以安装有定位系统，如gnss(global navigation satellite system，全球导航定位系统)。在自动移动装置移动过程中，自动移动装置可以通过定位系统获取当前所在的经纬度。然后，决策控制器可以获取定位系统得到的自动移动装置当前所在的经纬度，并在高精度地图中，获取与该经纬度满足第二距离条件的参考图像特征数据或者参考激光点云数据。例如，该第二距离条件可以为该经纬度周围200米的范围内。
129.在获取自动移动装置在地图坐标系下的坐标时，可以有多种方法，下面对其中两种进行说明：
130.方法一、基于激光雷达采集的实际激光点云数据和高精度地图，获取自动移动装置在地图坐标系下的坐标。
131.在自动移动装置移动过程中，自动移动装置可以通过感知系统中的激光雷达，采集自动移动装置所在移动场景中的实际激光点云数据。决策控制器可以获取激光雷达采集
到的实际激光点云数据。然后，决策控制器可以将实际激光点云数据与获取的参考激光点云数据进行匹配，得到满足预设匹配条件的目标参考激光点云数据。匹配时可以采用icp(iterative closest point，迭代最近点)算法。
132.在高精度地图中，获取目标参考激光点云在地图坐标系下的坐标。并根据预设的实际激光点云数据与激光雷达之间的位置关系，以及目标参考激光点云在地图坐标系下的坐标，得到激光雷达在地图坐标系下的坐标。再根据预先标定的激光雷达坐标系和自动移动装置坐标系的外参，以及激光雷达在地图坐标系下的坐标，得到自动移动装置在地图坐标系下的坐标。
133.方法二、基于摄像机采集的实际图像数据和高精度地图，获取自动移动装置在地图坐标系下的坐标。
134.自动移动装置可以通过感知系统中的摄像头，采集自动移动装置所在移动场景中的实际图像数据，该实际图像数据可以为自动移动装置的俯视图像数据。然后，对实际图像数据进行特征检测，得到该实际图像数据对应的图像特征数据。再然后，将实际图像数据对应的图像特征数据与参考图像特征数据进行匹配，得到满足预设匹配条件的目标参考图像特征数据。匹配时可以采用orb-slam(oriented fast and rotated brief-simultaneous localization and mapping，快速特征点提取和描述-同步定位与地图构建)算法、icp算法。此处，还需说明的是，如果匹配算法采用orb-slam算法，则上述特征检测包括orb特征提取，图像特征数据包括图像的orb特征数据。如果采用icp算法，则上述特征检测包括语义分割，图像特征数据包括图像数据对应的语义特征数据。
135.在高精度地图中，获取目标参考特征图像数据在地图坐标系下的坐标。并根据预设的摄像机与其拍摄的图像之间的位置关系，以及目标参考图像特征数据在地图坐标系下的坐标，得到激光雷达在地图坐标系下的位姿信息。再根据预先标定的相机坐标系和自动移动装置坐标系的外参，以及摄像机在地图坐标系下的坐标，得到自动移动装置在地图坐标系下的坐标。
136.在一种可能的实现方式中，为了得到更高频的自动移动装置在地图坐标系下的坐标，可以采用如下处理：
137.将上述方法一或方法二得到的自动移动装置在地图坐标系下的坐标作为初始坐标，然后，通过扩展卡尔曼滤波算法，将imu(inertial measurement unit，惯性测量单元)得到的imu检测数据、轮速传感器得到的轮速检测数据和自动移动装置在地图坐标系下的初始坐标进行融合，得到自动移动装置在地图坐标系下的坐标。
138.步骤102、基于高精度地图，获取与自动移动装置在地图坐标系下的坐标满足第一距离条件的目标低频更新对象的对象信息。
139.在实施中，在确定出自动移动装置在地图坐标系下的坐标后，可以在高精度地图的低频更新对象中，确定出与自动移动装置在地图坐标系下的坐标满足第一距离条件的目标低频更新对象。此处，该第一距离条件可以为距离自动移动装置在地图坐标系下的坐标小于预设距离，该预设距离例如可以为100米。
140.另外，自动移动装置在地图坐标系下的坐标即为自动移动装置的自动移动装置坐标系的原点在地图坐标系下的坐标。那么，可以根据自动移动装置在地图坐标系下的坐标，得到自动移动装置坐标系和地图坐标系之间的转换关系。然后，根据自动移动装置坐标系
和地图坐标系之间的转换关系，将智能目标低频更新对象在地图坐标系下的坐标转换到自动移动装置的自动移动装置坐标系下，得到目标低频更新对象在自动移动装置的自动移动装置坐标系下的坐标。
141.然后，可以在高精度地图中获取目标低频更新对象的属性信息，其中，属性信息包括尺寸、种类等。将目标低频更新对象在自动移动装置坐标系下的坐标和属性信息，共同作为目标低频更新对象的对象信息。如图2所示，为高精度地图中的目标低频更新对象的示意图，其中，包括有车道线，车位框等。
142.步骤103、通过至少一个传感器，获取自动移动装置所处移动场景中的高频更新对象的检测结果数据。
143.其中，至少一个传感器可以为激光雷达、摄像机、毫米波雷达中的一个或者多个。高频更新对象可以包括行人、机动车、非机动车等。
144.在实施中，决策控制器可以利用现有算法，对激光雷达获取的激光点云数据进行分析处理，得到高频更新对象在激光雷达坐标系下的坐标、姿态信息、尺寸等。还可以利用图像识别算法，对摄像机拍摄的图像数据进行分析处理，得到高频更新对象的种类。此外，还可以利用现有算法，对毫米波雷达采集的雷达数据进行分析处理，得到高频更新对象的移动速度。在一种可能的实现方式中，可以将通过各传感器得到的高频更新对象的相关数据，进行整合，得到自动移动装置所处移动场景中的高频更新对象的检测结果数据。如图3所示，为检测到的自动移动装置所在行驶场景中的高频更新对象的示意图，其中，包括有行人、机动车、非机动车等。
145.步骤104、将目标低频更新对象的对象信息和高频更新对象的检测结果数据组合，作为自动移动装置的移动参考信息。
146.在实施中，将通过高精度地图获取到的目标低频更新对象的对象信息和高频更新对象的检测结果数据，进行整合，作为自动移动装置的移动参考信息。并可以依据该移动参考信息规划移动路线等。如图4所述，为融合有通过高精度地图获取到的目标低频更新对象和检测到的自动移动装置所在行驶场景中的高频更新对象的示意图。
147.在本技术中检测的对象分为高频更新对象和低频更新对象，对于高频更新对象，自动移动装置可以通过感知系统，获取移动场景中的高频更新对象的检测结果数据。而对于低频更新对象，可以基于高精度地图直接获取其对象信息，而无需在自动移动装置行驶过程中现场检测。这样，即使是在恶劣的环境中行驶，也可以获取到较为准确的低频更新对象的对象信息，进而，使得最后获取到的移动参考信息也相对更加准确。
148.基于相同的技术构思，本技术实施例还提供了一种对象检测的装置，如图5所示，该装置包括：确定模块510，获取模块520和组合模块530。
149.确定模块510，用于确定自动移动装置当前在高精度地图的地图坐标系下的坐标；
150.获取模块520，用于基于所述高精度地图，获取与所述自动移动装置在所述地图坐标系下的坐标满足第一距离条件的目标低频更新对象的对象信息；通过至少一个传感器，获取所述自动移动装置当前所处移动场景中的高频更新对象的检测结果数据；
151.组合模块530，用于将所述目标低频更新对象的对象信息和所述高频更新对象的检测结果数据组合，作为所述自动移动装置的移动参考信息。
152.在一种可能的实现方式中，所述获取模块520，用于：
153.在所述高精度地图中，获取与所述自动移动装置在所述地图坐标系下的坐标小于第一距离的目标低频更新对象的属性信息和所述目标低频更新对象在所述地图坐标系下的坐标；
154.将所述目标低频更新对象的在所述地图坐标系下的坐标转换到所述自动移动装置的自动移动装置坐标系下，得到所述目标低频更新对象的在所述自动移动装置坐标系下的坐标；
155.将所述目标低频更新对象的在所述自动移动装置坐标系下的坐标和所述目标低频更新对象的属性信息，共同作为所述目标低频更新对象的对象信息。
156.在一种可能的实现方式中，所述确定模块510，用于：
157.通过定位系统，获取所述自动移动装置当前所在的经纬度；
158.在所述高精度地图中，获取与所述自动移动装置当前所在的经纬度满足第二距离条件的参考激光点云数据；
159.通过激光雷达，获取所述自动移动装置当前所处移动场景的实际激光点云数据；
160.在所述参考激光点云数据中，获取与所述实际激光点云数据匹配的目标参考激光点云数据；
161.基于所述目标参考激光点云数据，确定所述激光雷达当前在所述地图坐标系下的坐标；
162.基于所述激光雷达在所述地图坐标系下的坐标，确定所述自动移动装置当前在所述地图坐标系下的坐标。
163.在一种可能的实现方式中，所述确定模块510，用于：
164.通过定位系统，获取所述自动移动装置当前所在的经纬度；
165.在所述高精度地图中，在所述高精度地图中，获取与所述自动移动装置当前所在的经纬度满足第二距离条件的参考图像特征数据；
166.通过摄像机，获取所述自动移动装置所在移动场景的图像数据；
167.获取所述自动移动装置当前所处移动场景的图像数据对应的图像特征数据；
168.在所述参考图像数据中，获取与所述自动移动装置所在移动场景的图像数据对应的图像特征数据匹配的目标参考图像特征数据；
169.基于所述目标参考图像特征数据，确定所述摄像机当前在所述地图坐标系下的坐标；
170.基于所述摄像机当前在所述地图坐标系下的坐标，确定所述自动移动装置当前在所述地图坐标系下的坐标。
171.在一种可能的实现方式中，所述确定模块510，用于：
172.基于所述激光雷达在所述地图坐标系下的坐标，确定所述自动移动装置在所述地图坐标系下的初始坐标；
173.获取所述自动移动装置的惯性测量单元imu的检测数据；
174.获取所述自动移动装置的轮速传感器的检测数据；
175.基于所述imu的检测数据、所述轮速传感器的检测数据、所述初始坐标以及扩展卡尔曼滤波算法，确定所述自动移动装置在所述高精度地图中的坐标。在一种可能的实现方式中，所述确定模块510，用于：
176.基于所述摄像机在所述地图坐标系下的坐标，确定所述自动移动装置在所述地图坐标系下的初始坐标；
177.获取所述自动移动装置的imu的检测数据；
178.获取所述自动移动装置的轮速传感器的检测数据；
179.基于所述imu的检测数据、所述轮速传感器的检测数据、所述初始坐标以及扩展卡尔曼滤波算法，确定所述自动移动装置在所述高精度地图中的坐标。
180.需要说明的是：上述实施例提供的对象检测的装置在进行对象检测时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将决策控制器的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的对象检测的装置与对象检测的方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
181.图6是本技术实施例提供的一种决策控制器的结构示意图，该决策控制器600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上cpu(central processing units，处理器)601和一个或一个以上的存储器602，其中，所述存储器602中存储有至少一条指令，所述至少一条指令由所述处理器601加载并执行以实现上述对象检测的方法实施例提供的方法。当然，该服务器还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该服务器还可以包括其他用于实现设备功能的部件，在此不做赘述。
182.图7是本技术实施例提供的一种自动移动装置的结构示意图，该自动移动装置700可以为自动驾驶汽车、智能机器人等。该自动移动装置可以包括有感知系统710、定位系统720和决策控制器730。其中，感知系统710中包括有激光雷711和摄像机722。定位系统720可以为gnss(global navigation satellite system，全球导航卫星系统)、gps(global positioning system，全球定位系统)等。决策控制器730的结构可以与图6所示的决策控制器600相同，至少包括有处理器和存储器。决策控制器730可以获取定位系统720定位的自动移动装置的经纬度，感知系统710中激光雷达711所采集的激光点云数据或摄像机722所拍摄的图像数据。并根据获取的激光点云数据或摄像机所拍摄的图像数据、存储的高精度地图以及定位系统定位的自动移动装置的经纬度，实现高精度定位。决策控制器730还可以通过感知系统710获取的激光点云数据、图像数据等识别出高频更新对象的检测结果数据。并在高精度地图中获取自动移动装置700一定范围内的低频更新对象的对象信息，从而实现对自动移动装置700周围对象的检测。
183.需要说明的是，在该自动移动装置700中的感知系统710、定位系统720和决策控制器730在实现对象检测过程中所执行的具体处理，与上述对象检测的方法实施例中感知系统、定位系统和决策控制器所执行的具体处理相同，在此不再赘述。
184.在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端中的处理器执行以完成上述实施例中对象检测的方法。该计算机可读存储介质可以是非暂态的。例如，所述计算机可读存储介质可以是rom(read-only memory，只读存储器，)、ram(random access memory，随机存取存储器)、cd-rom(compact disc read-only memory，光盘只读存储器)、磁带、软盘和光数据存储设备等。
185.本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件
来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
186.以上所述仅为本技术的可选实施例，并不用以限制本技术，凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。