障碍物感知方法、装置、存储介质及计算机程序产品与流程

1.本发明涉及驾驶技术领域，尤其涉及一种障碍物感知方法、装置、存储介质及计算机程序产品。


背景技术：

2.汽车的发展日益智能化，搭载有无人驾驶技术的汽车逐渐增多，在无人驾驶技术中，准确感知车身周围障碍物是汽车安全驾驶的重要前提。
3.在无人驾驶感知系统中，主要依靠摄像机输出的图像数据和/或激光雷达输出的点云数据、以及无线电雷达输出的数据进行障碍物的感知识别。
4.但是，如何提升雨雾天气下的障碍物感知精确度，是业界普遍考虑的一个课题。


技术实现要素：

5.本发明提供一种障碍物感知方法、装置、存储介质及计算机程序产品，用以解决现有技术中雨雾天气下的障碍物感知精确度低的缺陷，实现精确感知障碍物。
6.本发明提供一种障碍物感知方法，该方法包括：
7.采集自车周围的环境湿度；
8.在利用车载激光雷达采集到行车环境的点云数据的情况下，获取所述环境湿度对应的去噪阈值，所述环境湿度与去噪阈值之间的对应关系是预先设置的；
9.根据所述去噪阈值对所述点云数据去除噪点；
10.对去除噪点的所述点云数据进行目标障碍物感知。
11.根据本发明提供的一种障碍物感知方法，所述采集自车周围的环境湿度，具体包括：
12.利用车载湿度传感器采集自车周围的环境湿度。
13.根据本发明提供的一种障碍物感知方法，所述采集自车周围的环境湿度，具体包括：
14.采集自车周围环境的视觉图像；
15.将所述视觉图像输入视觉学习模型，输出能见度；
16.根据所述能见度确定所述环境湿度。
17.根据本发明提供的一种障碍物感知方法，所述获取所述环境湿度对应的去噪阈值，包括：
18.在去噪阈值数据库中查询所述环境湿度对应的去噪阈值，其中在所述去噪阈值数据库中存储所述环境湿度与去噪阈值之间的对应关系。
19.根据本发明提供的一种障碍物感知方法，该方法还包括：
20.在所述采集自车周围的环境湿度之前，获取自车行驶位置信息，并获取所述自车行驶位置信息对应的天气信息；
21.所述采集自车周围的环境湿度，包括：
22.在所述天气信息显示为雨天或雾天的情况下，采集自车周围的环境湿度。
23.根据本发明提供的一种障碍物感知方法，该方法还包括：
24.在所述利用车载激光雷达采集到行车环境的点云数据情况下，获取环境湿度对应的去噪阈值之前，将环境湿度与目标湿度进行比较；
25.所述在所述利用车载激光雷达采集到行车环境的点云数据情况下，获取所述环境湿度对应的去噪阈值，包括：
26.在所述利用车载激光雷达采集到行车环境的点云数据、且所述环境湿度超过所述目标湿度情况下，获取所述环境湿度对应的去噪阈值。
27.本发明还提供一种障碍物感知装置，该装置包括：
28.采集模块，采集自车周围的环境湿度；
29.获取模块，在利用车载激光雷达采集到行车环境的点云数据的情况下，获取所述环境湿度对应的去噪阈值，所述环境湿度与去噪阈值之间的对应关系是预先设置的；
30.去噪模块，根据所述去噪阈值对所述点云数据去除噪点；
31.感知模块，对去除噪点的所述点云数据进行目标障碍物感知。
32.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述障碍物感知方法的步骤。
33.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述障碍物感知方法的步骤。
34.本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述障碍物感知方法的步骤。
35.本发明提供的障碍物感知方法、装置、存储介质及计算机程序产品，通过采集自车周围的环境湿度，在利用车载激光雷达采集到行车环境的点云数据的情况下，获取所述环境湿度对应的去噪阈值，所述环境湿度与去噪阈值之间的对应关系是预先设置的，根据所述去噪阈值对所述点云数据去除噪点，对去除噪点的所述点云数据进行目标障碍物感知。
36.利用本发明实施例提供的技术方案，预先建立环境湿度与去噪阈值之间的对应关系，进而能够做到根据天气状况适时地调整去噪阈值，实现去噪阈值自适应调整的目的。尤其是在雨雾天气，利用调整过的适配的去噪阈值能够显著提升噪点识别及去除精确度，进而提升障碍物感知精确度。
附图说明
37.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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。
38.图1是本发明实施例提供的障碍物感知方法的流程示意图之一；
39.图2是本发明实施例提供的障碍物感知方法的流程示意图之二；
40.图3是本发明实施例提供的障碍物感知方法的流程示意图之三；
41.图4是本发明实施例提供的障碍物感知方法的流程示意图之四；
42.图5是本发明实施例提供的障碍物感知装置的结构示意图之一；
43.图6是本发明实施例提供的障碍物感知装置的结构示意图之二；
44.图7是本发明实施例提供的障碍物感知装置的结构示意图之三；
45.图8是本发明提供的电子设备的结构示意图。
具体实施方式
46.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
47.在目前的障碍物感知技术中，主要是通过在汽车车身正前方安装一个激光雷达，激光雷达检测车辆前方是否有障碍物，通过对激光雷达检测的行车环境点云数据进行解析，判断车辆前方的障碍物的位置和速度信息。
48.在具体应用中，激光雷达检测到的行车环境点云数据中难免会出现噪点，因此在感知障碍物之前，可以对行车环境点云数据进行去噪，排除噪点干扰。
49.具体地，去噪方法为，对各个点云在指定维度的指标值与去噪阈值进行比较，当该指标值超过去噪阈值或未到达去噪取值的情况下，将该点云认定为噪点，进行去除。其中，对于超过去噪阈值，还是未达到去噪阈值，可根据具体情况进行设定。
50.因此，准确的去噪阈值可以较为精确地检测出噪点，并避免将非噪点认定为噪点。
51.但是，在雨雾天气条件下，水汽形成行车环境点云数据中的噪点，而现有技术中的去噪阈值通常是基于良好天气状况的环境数据确定的，水汽形成的噪点与良好天气状况下的噪点存在差异，而且受雨雾影响，行车环境中的各障碍物的点云数据与良好天气状况的点云数据也存在差异。因此，此时以固定的去噪阈值进行去噪，会导致把点云数据中的非噪点去除或不能达到理想的去噪效果，造成不能精确去除噪点，导致对非障碍物感知为障碍物、或感知不到障碍物，存在障碍物误检及漏检情况。
52.因此，本发明实施例提出的障碍物感知方案，根据自车周围空气的环境湿度获取对应的去噪阈值，达到调整去噪阈值的目的，从而能够更精确地识别噪点并去除噪点，进而提升目标障碍物的感知精确度。
53.下面结合图1-图4描述本发明实施例的障碍物感知方法。本方法的执行主体可以是障碍物感知系统或运行障碍物感知程序的设备，在此不作具体限定。
54.参照图1，本发明实施例提供的障碍物感知方法包括如下步骤：
55.步骤110：采集自车周围的环境湿度；
56.步骤120：在利用车载激光雷达采集到行车环境的点云数据的情况下，获取所述环境湿度对应的去噪阈值，所述环境湿度与去噪阈值之间的对应关系是预先设置的；
57.步骤130：根据所述去噪阈值对所述点云数据去除噪点；
58.步骤140：对去除噪点的点云数据进行目标障碍物感知。
59.在本发明实施例中，预先建立环境湿度与去噪阈值之间的对应关系，进而能够做到根据天气状况适时地调整去噪阈值，实现去噪阈值自适应调整的目的。尤其是在雨雾天气，利用调整过的适配的去噪阈值能够显著提升噪点识别及去除精确度，进而提升障碍物
感知精确度。
60.其中，利用不同天气条件，包括各类雨雾天气，所采集的环境湿度以及点云数据，并结合当时场景中的感知障碍物，发掘环境湿度与去噪阈值之间的关系。
61.在本发明实施例中，可以采用如下技术手段采集自车周围的环境湿度：利用车载湿度传感器采集自车周围的环境湿度。
62.湿敏元件是最简单的湿度传感器。湿敏元件主要有电阻式、电容式两大类。
63.湿敏电阻的特点是在基片上覆盖一层用感湿材料制成的膜，当空气中的水蒸气吸附在感湿膜上时，元件的电阻率和电阻值都发生变化，利用这一特性即可测量湿度。
64.湿敏电容一般是用高分子薄膜电容制成的，常用的高分子材料有聚苯乙烯、聚酰亚胺、酪酸醋酸纤维等。当环境湿度发生改变时，湿敏电容的介电常数发生变化，使其电容量也发生变化，其电容变化量与相对湿度成正比。
65.本发明实施例对于湿度传感器的类型没有限定，通过在自车安装湿度传感器，可以随时监测车外环境湿度。
66.在本发明另外实施例中，还可以通过视觉学习手段采集自车周围的环境湿度。具体地，参考图2所示步骤：
67.步骤210：采集自车周围环境的视觉图像；
68.步骤220：将所述视觉图像输入视觉学习模型，输出能见度；
69.步骤230：根据所述能见度确定环境湿度。
70.本实施例使用视觉学习手段识别对能见度，能见度能够反映环境湿度，从而能够实现将能见度转换成环境湿度。
71.其中，视觉图像是利用车载摄像机拍摄自车周围的行车环境得到的，该视觉图像可以是从视频流中提取到的、或车载摄像机拍直接摄到的图片。
72.其中，视觉学习模型是基于机器学习技术，利用海量的视觉图像及其能见度数据训练深度学习模型得到的。
73.在本发明实施例中，获取环境湿度对应的去噪阈值，可以包括：
74.在去噪阈值数据库中查询所述环境湿度对应的去噪阈值。
75.具体地，环境湿度与去噪阈值之间的对应关系事先存储在去噪阈值数据库中，可以以当前采集到的环境湿度为关键字，在去噪阈值数据库中查询对应的去噪阈值。
76.其中，激光雷达(light detection and ranging，lidar)是自动驾驶汽车上最主要的传感器之一，激光雷达输出的行车环境的点云数据是进行障碍物感知识别的基础。
77.在本发明实施例中，对点云数据去除噪点的方法可以使用高斯滤波器、双边滤波器、频率滤波器或其他可行滤波器。
78.其中，高斯滤波器是采用加权平均方式的一种非线性滤波器，在指定域内的权重是根据欧式距离的高斯分布，通过权重加权平均的方式得到当前点的滤波后的点。其中，标准差属于去噪阈值的一个实施例，适用于呈正态分布的数据平滑效果较好。
79.双边滤波器通过取邻近采样点的加权平均来修正当前采样点的位置，在高斯滤波器只考虑空间域点的位置基础上，增加了维度上的权重。在这种情况下，既有效地对空间三维模型表面进行降噪，又可以保持点云数据中的几何特征信息，避免三维点云数据被过渡光滑。
80.频率滤波器的原理是，在点云处理中，点云法线向量差为点云所表达的信号。用点云的曲率来表示频率信息，如果某处点云曲率大，则点云表达的是一个变化高频的信号。如果点云曲率小，则点云表达的是一个不变低频的信号。例如：地面曲率小，它表达的信息量也小；障碍物处曲率大，频率就会更高。
81.在本发明实施例中，可以利用障碍物感知模型对去除噪点的点云数据进行目标障碍物感知，其中障碍物感知模型是利用深度学习技术进行训练得到的，在此不作具体限定。
82.参考图3，本发明实施例还提供一种障碍物感知方法，具体包括如下步骤：
83.步骤310：获取自车行驶位置信息，并获取所述自车行驶位置信息对应的天气信息；
84.步骤320：在所述天气信息显示为雨天或雾天的情况下，采集自车周围的环境湿度；
85.步骤330：在利用车载激光雷达采集到行车环境的点云数据的情况下，获取所述环境湿度对应的去噪阈值，所述环境湿度与去噪阈值之间的对应关系是预先设置的；
86.步骤340：根据所述去噪阈值对所述点云数据去除噪点；
87.步骤350：对去除噪点的所述点云数据进行目标障碍物感知。
88.在本发明实施例中，考虑到雨天或雾天属于小概率事件，通过实时地定位自车行驶位置消息，及时获取当前的天气信息。如果确定是雨雾天气，则启动采集自车周围的环境湿度，及时调整去噪阈值。在这种情况下，可以确保在雨雾天气条件下调整去噪阈值，而在非雨雾天气条件下可以保持初始的目标去噪阈值，进而避免频繁地调整去噪阈值，提升系统稳定性。
89.可选地，参考图4，本发明实施例还提供一种障碍物感知方法，具体包括如下步骤：
90.步骤410：采集自车周围的环境湿度；
91.步骤420：将所述环境湿度与目标湿度进行比较；
92.步骤430：在所述利用车载激光雷达采集到行车环境的点云数据、且所述环境湿度超过所述目标湿度情况下，获取所述环境湿度对应的去噪阈值，所述环境湿度与去噪阈值之间的对应关系是预先设置的；
93.步骤440：根据所述去噪阈值对所述点云数据去除噪点；
94.步骤450：对去除噪点的所述点云数据进行目标障碍物感知。
95.在本实施例中，通过事先设定目标湿度，在行驶环境中的环境湿度超过设定的目标湿度的情况下，表明车外空气湿度较高，会影响到噪点识别及去除的精确度，因此启动获取该环境湿度对应的目标湿度。
96.本实施例能够解决天气信息获取不及时的突发情况、或非雨雾因素所导致的环境湿度较高而导致障碍物感知精确度低的问题，例如车辆驶入空气湿度较大地区。
97.另外，在行驶环境中的环境湿度未超过目标湿度的情况下，表明环境湿度不会影响到噪点识别及去除的精确度，此时可以不用调整去噪阈值。例如，雾气浓度低或小雨天气，不足以影响能见度。
98.下面对本发明提供的障碍物感知装置进行描述，下文描述的障碍物感知装置与上文描述的障碍物感知方法可相互对应参照。
99.参考图5，本发明实施例提供的障碍物感知装置包括：
100.采集模块510，采集自车周围的环境湿度；
101.获取模块520，在利用车载激光雷达采集到行车环境的点云数据的情况下，获取所述环境湿度对应的去噪阈值，所述环境湿度与去噪阈值之间的对应关系是预先设置的；
102.去噪模块530，根据所述去噪阈值对所述点云数据去除噪点；
103.感知模块540，对去除噪点的所述点云数据进行目标障碍物感知。
104.可选地，采集模块510具体用于：
105.利用车载湿度传感器采集自车周围的环境湿度。
106.可选地，采集模块510具体用于：
107.采集自车周围环境的视觉图像；
108.将所述视觉图像输入视觉学习模型，输出能见度；
109.根据所述能见度确定环境湿度。
110.可选地，获取模块520具体用于：
111.在去噪阈值数据库中查询所述环境湿度对应的去噪阈值。
112.可选地，与图5相比，图6所示障碍物感知装置还包括：
113.位置天气获取模块610，在采集自车周围的环境湿度之前，获取自车行驶位置信息，还获取所述自车行驶位置信息对应的天气信息；
114.采集模块620具体用于：
115.在天气信息显示为雨天或雾天的情况下，采集自车周围的环境湿度。
116.可选地，与图5相比，图7所示障碍物感知装置还包括：
117.比较模块710，在所述利用车载激光雷达采集到行车环境的点云数据情况下，获取所述环境湿度对应的去噪阈值之前，将所述环境湿度与目标湿度进行比较；
118.获取模块720具体用于：
119.在利用车载激光雷达采集到行车环境的点云数据、且所述环境湿度超过所述目标湿度情况下，获取所述环境湿度对应的去噪阈值。
120.图8示例了一种电子设备的实体结构示意图，如图8所示，该电子设备可以包括：处理器(processor)810、通信接口(communications interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行障碍物感知方法，该方法包括：
121.采集自车周围的环境湿度；
122.在利用车载激光雷达采集到行车环境的点云数据的情况下，获取所述环境湿度对应的去噪阈值，所述环境湿度与去噪阈值之间的对应关系是预先设置的；
123.根据所述去噪阈值对所述点云数据去除噪点；
124.对去除噪点的所述点云数据进行目标障碍物感知。
125.此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，
read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
126.另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的障碍物感知方法，该方法包括：
127.采集自车周围的环境湿度；
128.在利用车载激光雷达采集到行车环境的点云数据的情况下，获取所述环境湿度对应的去噪阈值，所述环境湿度与去噪阈值之间的对应关系是预先设置的；
129.根据所述去噪阈值对所述点云数据去除噪点；
130.对去除噪点的所述点云数据进行目标障碍物感知。
131.又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的障碍物感知方法，该方法包括：
132.采集自车周围的环境湿度；
133.在利用车载激光雷达采集到行车环境的点云数据的情况下，获取所述环境湿度对应的去噪阈值，所述环境湿度与去噪阈值之间的对应关系是预先设置的；
134.根据所述去噪阈值对所述点云数据去除噪点；
135.对去除噪点的所述点云数据进行目标障碍物感知。
136.以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
137.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
138.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。