信息处理方法、装置、设备、介质、车辆及程序产品与流程

1.本公开涉及计算机技术领域，尤其涉及人工智能和自动驾驶技术领域，尤其涉及一种信息处理方法、装置、设备、介质、车辆及程序产品。


背景技术：

2.自动驾驶技术是当前汽车产业的技术热点，也是智能交通产业中的重点。
3.自动驾驶汽车在行驶过程中，需要对道路两侧环境进行感知，以识别道路两侧环境中的障碍物以及障碍物的类型，在识别障碍物的类型时，可能存在识别不出的情形，影响自动驾驶的安全性，降低自动驾驶体验。


技术实现要素：

4.本公开提供了一种信息处理方法、装置、设备、介质、车辆及程序产品。
5.根据本公开的一方面，提供了一种信息处理方法，包括：
6.获取当前环境点云图像；
7.识别所述当前环境点云图像中包含的障碍物的点云与类型；
8.在所述障碍物中存在所述类型为未知类型的第一障碍物的情况下，根据所述第一障碍物的点云的特征和所述障碍物中所述类型为设定类型的第二障碍物的点云的特征，确定所述第一障碍物的类型为所述设定类型的置信度；
9.在所述置信度大于设定置信度阈值的情况下，将所述第一障碍物的类型从所述未知类型修正为所述设定类型。
10.可选地，所述识别所述当前环境点云图像中包含的障碍物的点云与类型，包括：
11.根据目标检测算法，识别所述当前环境点云图像中包含的障碍物以及所述障碍物的类型；
12.根据语义分割算法，识别所述当前环境点云图像中的所述障碍物的点云。
13.可选地，所述在所述障碍物中存在所述类型为未知类型的第一障碍物的情况下，根据所述第一障碍物的点云的特征和所述障碍物中所述类型为设定类型的第二障碍物的点云的特征，确定所述第一障碍物的类型为所述设定类型的置信度，包括：
14.在所述障碍物中存在所述类型为未知类型的第一障碍物的情况下，判断所述第一障碍物的点云的数量是否大于设定数量阈值；
15.在所述第一障碍物的点云的数量大于所述设定数量阈值的情况下，从所述第一障碍物的点云中筛选出目标点云；
16.根据所述第一障碍物的所述目标点云中每个点的特征和所述第二障碍物的点云中每个点的特征，确定所述第一障碍物的类型为所述设定类型的置信度。
17.可选地，所述从所述第一障碍物的点云中筛选出目标点云，包括：
18.根据所述第一障碍物的点云的数量和所述设定数量阈值，确定采样比例；
19.采用非线性方法对所述第一障碍物的点云按照所述采样比例进行采样，得到所述
目标点云。
20.可选地，所述根据所述第一障碍物的所述目标点云中每个点的特征和所述第二障碍物的点云中每个点的特征，确定所述第一障碍物的类型为所述设定类型的置信度，包括：
21.根据所述第一障碍物的所述目标点云中每个点的特征和所述第二障碍物的点云中每个点的特征，确定所述第一障碍物的所述目标点云中每个点与所述第二障碍物的点云中每个点的相似度；
22.根据所述第一障碍物的所述目标点云中每个点与所述第二障碍物的点云中每个点的相似度，确定所述第一障碍物的类型为所述设定类型的置信度。
23.可选地，所述方法还包括：
24.在所述第一障碍物的点云的数量小于等于所述设定数量阈值的情况下，根据所述第一障碍物的点云中每个点的特征和所述第二障碍物的点云中每个点的特征，确定所述第一障碍物的类型为所述设定类型的置信度。
25.可选地，所述当前环境点云图像为路侧环境点云图像，所述设定类型为植被类型；
26.识别所述当前环境点云图像中包含的障碍物的点云与类型，包括：
27.识别所述路侧环境点云图像中包含的障碍物的点云与类型；
28.在所述障碍物中存在所述类型为未知类型的第一障碍物的情况下，根据所述第一障碍物的点云的特征和所述障碍物中所述类型为设定类型的第二障碍物的点云的特征，确定所述第一障碍物的类型为所述设定类型的置信度，包括：
29.在所述障碍物中存在所述类型为未知类型的第一障碍物的情况下，根据所述第一障碍物的点云的特征和所述障碍物中所述类型为植被类型的第二障碍物的点云的特征，确定所述第一障碍物的类型为所述设定类型的置信度；
30.在所述置信度大于设定置信度阈值的情况下，将所述第一障碍物的类型从所述未知类型修正为所述设定类型，包括：
31.在所述置信度大于设定置信度阈值的情况下，将所述第一障碍物的类型从所述未知类型修正为所述植被类型。
32.根据本公开的另一方面，提供了一种信息处理装置，包括：
33.获取模块，用于获取当前环境点云图像；
34.识别模块，用于识别所述当前环境点云图像中包含的障碍物的点云与类型；
35.确定模块，在所述障碍物中存在所述类型为未知类型的第一障碍物的情况下，根据所述第一障碍物的点云的特征和所述障碍物中所述类型为设定类型的第二障碍物的点云的特征，确定所述第一障碍物的类型为所述设定类型的置信度；
36.修正模块，在所述置信度大于设定置信度阈值的情况下，将所述第一障碍物的类型从所述未知类型修正为所述设定类型。
37.可选地，所述识别模块在识别所述当前环境点云图像中包含的障碍物的点云与类型时，用于：
38.根据目标检测算法，识别所述当前环境点云图像中包含的障碍物以及所述障碍物的类型；
39.根据语义分割算法，识别所述当前环境点云图像中的所述障碍物的点云。
40.可选地，所述确定模块在所述障碍物中存在所述类型为未知类型的第一障碍物的
情况下，根据所述第一障碍物的点云的特征和所述障碍物中所述类型为设定类型的第二障碍物的点云的特征，确定所述第一障碍物的类型为所述设定类型的置信度时，用于：
41.在所述障碍物中存在所述类型为未知类型的第一障碍物的情况下，判断所述第一障碍物的点云的数量是否大于设定数量阈值；
42.在所述第一障碍物的点云的数量大于所述设定数量阈值的情况下，从所述第一障碍物的点云中筛选出目标点云；
43.根据所述第一障碍物的所述目标点云中每个点的特征和所述第二障碍物的点云中每个点的特征，确定所述第一障碍物的类型为所述设定类型的置信度。
44.可选地，所述确定模块在从所述第一障碍物的点云中筛选出目标点云时，用于：
45.根据所述第一障碍物的点云的数量和所述设定数量阈值，确定采样比例；
46.采用非线性方法对所述第一障碍物的点云按照所述采样比例进行采样，得到所述目标点云。
47.可选地，所述确定模块在根据所述第一障碍物的所述目标点云中每个点的特征和所述第二障碍物的点云中每个点的特征，确定所述第一障碍物的类型为所述设定类型的置信度时，用于：
48.根据所述第一障碍物的所述目标点云中每个点的特征和所述第二障碍物的点云中每个点的特征，确定所述第一障碍物的所述目标点云中每个点与所述第二障碍物的点云中每个点的相似度；
49.根据所述第一障碍物的所述目标点云中每个点与所述第二障碍物的点云中每个点的相似度，确定所述第一障碍物的类型为所述设定类型的置信度。
50.可选地，所述确定模块，还可用于：
51.在所述第一障碍物的点云的数量小于等于所述设定数量阈值的情况下，根据所述第一障碍物的点云中每个点的特征和所述第二障碍物的点云中每个点的特征，确定所述第一障碍物的类型为所述设定类型的置信度。
52.可选地，所述当前环境点云图像为路侧环境点云图像，所述设定类型为植被类型；
53.所述识别模块在识别所述当前环境点云图像中包含的障碍物的点云与类型时，用于：
54.识别所述路侧环境点云图像中包含的障碍物的点云与类型；
55.所述确定模块在所述障碍物中存在所述类型为未知类型的第一障碍物的情况下，根据所述第一障碍物的点云的特征和所述障碍物中所述类型为设定类型的第二障碍物的点云的特征，确定所述第一障碍物的类型为所述设定类型的置信度时，用于：
56.在所述障碍物中存在所述类型为未知类型的第一障碍物的情况下，根据所述第一障碍物的点云的特征和所述障碍物中所述类型为植被类型的第二障碍物的点云的特征，确定所述第一障碍物的类型为所述设定类型的置信度；
57.所述修正模块在所述置信度大于设定置信度阈值的情况下，将所述第一障碍物的类型从所述未知类型修正为所述设定类型时，用于：
58.在所述置信度大于设定置信度阈值的情况下，将所述第一障碍物的类型从所述未知类型修正为所述植被类型。
59.根据本公开的另一方面，提供了一种电子设备，包括：
60.至少一个处理器；以及
61.与所述至少一个处理器通信连接的存储器；其中，
62.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的方法。
63.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述的方法。
64.根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令在被处理器执行时实现根据上述的方法中的步骤。
65.根据本公开的另一方面，提供了一种车辆，包括：
66.至少一个处理器；以及
67.与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的方法。
68.在本公开的一些实施例中，获取当前环境点云图像；识别当前环境点云图像中包含的障碍物的点云与类型；在障碍物中存在类型为未知类型的第一障碍物的情况下，根据第一障碍物的点云的特征和障碍物中类型为设定类型的第二障碍物的点云的特征，确定第一障碍物的类型为设定类型的置信度；在置信度大于设定置信度阈值的情况下，将第一障碍物的类型从未知类型修正为设定类型，对未能识别出的第一障碍物的类型进行修正，提高障碍物的识别准确率，提升自动驾驶的安全性，提升自动驾驶体验。
69.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
70.附图用于更好地理解本方案，不构成对本公开的限定。其中：
71.图1为本公开第一实施例提供的一种信息处理方法的流程示意图；
72.图2为本公开第二实施例提供的一种信息处理方法的流程示意图；
73.图3为本公开第三实施例提供的一种信息处理方法的流程示意图；
74.图4为本公开示例性实施例提供的一种信息处理装置的结构示意图；
75.图5示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。
具体实施方式
76.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
77.本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
78.人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包
括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
79.自动驾驶技术是当前汽车产业的技术热点，也是智能交通产业中的重点。
80.自动驾驶汽车在行驶过程中，需要对道路两侧环境进行感知，以识别道路两侧环境中的障碍物以及障碍物的类型，在识别障碍物的类型时，可能存在识别错误或者多边形边界识别不稳定的情形，车辆由于避让障碍物会出现急刹或者点刹的情况，影响自动驾驶的安全性，降低自动驾驶体验。
81.针对上述存在的技术问题，在本公开的一些实施例中，在本公开的一些实施例中，获取当前环境点云图像；识别当前环境点云图像中包含的障碍物的点云与类型；在障碍物中存在类型为未知类型的第一障碍物的情况下，根据第一障碍物的点云的特征和障碍物中类型为设定类型的第二障碍物的点云的特征，确定第一障碍物的类型为设定类型的置信度；在置信度大于设定置信度阈值的情况下，将第一障碍物的类型从未知类型修正为设定类型，对未能识别出的第一障碍物的类型进行修正，提高障碍物的识别准确率，提升自动驾驶的安全性，提升自动驾驶体验。
82.以下结合附图，详细说明本公开各实施例提供的技术方案。
83.图1为本公开第一实施例提供的一种信息处理方法的流程示意图。如图1所示，该方法包括：
84.s101：获取当前环境点云图像；
85.s102：识别当前环境点云图像中包含的障碍物的点云与类型；
86.s103：在障碍物中存在类型为未知类型的第一障碍物的情况下，根据第一障碍物的点云的特征和障碍物中类型为设定类型的第二障碍物的点云的特征，确定第一障碍物的类型为设定类型的置信度；
87.s104：在置信度大于设定置信度阈值的情况下，将第一障碍物的类型从未知类型修正为设定类型。
88.在本实施例中，上述方法的执行主体可以为服务器或者终端设备。
89.当上述方法的执行主体为服务器时，并不限定服务器的实现形态。例如，服务器可以是常规服务器、云服务器、云主机、虚拟中心等服务器设备。其中，服务器的构成主要包括处理器、硬盘、内存、系统总线等，和通用的计算机架构类型。
90.当上述方法的执行主体为终端设备时，并不限定终端设备的实现形态。终端设备包括但不限于以下任意一种：车辆，个人计算机，平板电脑，智能手机和智能穿戴设备。
91.在本实施例中，获取当前环境点云图像；识别当前环境点云图像中包含的障碍物的点云与类型；在障碍物中存在类型为未知类型的第一障碍物的情况下，根据第一障碍物的点云的特征和障碍物中类型为设定类型的第二障碍物的点云的特征，确定第一障碍物的类型为设定类型的置信度；在置信度大于设定置信度阈值的情况下，将第一障碍物的类型从未知类型修正为设定类型，对未能识别出的第一障碍物的类型进行修正，提高障碍物的识别准确率，提升自动驾驶的安全性，提升自动驾驶体验。
92.在本技术一些实施例中，在置信度小于等于设定置信度阈值的情况下，停止第一障碍物的类型的修正操作。
93.需要说明的是，本公开可以根据节点参数的配置，选取不同级别的障碍物类型修复策略，例如：类型修复、子类型修复、特殊类别修复和完全修复。可预设设置触发障碍物类型修复策略的条件，例如，障碍物的类型为未知类型，且障碍物的点云数量和障碍物的长宽等物理属性符合策略触发条件，则触发相应的障碍物类型修复策略。
94.针对于路侧植被场景，未知障碍物某些特征往往具有一定的倾向性。为了简化策略的相关配置，基于场景倾向性和障碍物相关特性，在软件结构中定义一个修复方法的整形变量，用数字表示选用的修复方法：0表示基于障碍物类型的修复，1表示基于障碍物子类型的修复，2表示基于点云类别的修复，9表示直接修复等。
95.在本公开的一些实施例中，安装于车辆上的激光雷达对周围环境进行扫描，获取当前环境点云图像。例如，车辆在行驶过程中，安装于车辆上的激光雷达对路侧环境进行扫描，获取路侧环境点云图像。
96.在本公开的一些实施例中，识别当前环境点云图像中包含的障碍物的点云与类型。一种可实现的方式为，根据目标检测算法，识别当前环境点云图像中包含的障碍物以及障碍物的类型；根据语义分割算法，识别当前环境点云图像中的障碍物的点云。
97.例如，根据目标检测算法，识别路侧环境点云图像中包含的障碍物以及障碍物的类型：石头，植被等。
98.在本实施例中，在进入障碍物类型修复策略之后，判断第一障碍物的点云的每个点的周围是否存在比自身更多的设定类型点云数量，如果存在且自身点云分布与周围点云分布相似时，第一障碍物点云为设定类型，将第一障碍物的类型从未知类型修正为设定类型，将第一障碍物的语义输出给下游的规划控制模块，避免因为特征场景或者特殊障碍物引起的车辆急刹或者点刹。
99.需要说明的是，当前环境点云图像与车辆行驶的道路环境相关。当车辆正常行驶在道路上时，当前环境点云图像为路侧环境点云图像，相应地，路侧环境点云图像中障碍物的类型可以是植被、石头、栅栏等。当车辆行驶至路口时，当前环境点云图像为路口点云图像，相应地，路口点云图像中障碍物的类型可以是行人、自行车和车辆等。
100.结合上述各实施例的描述，在不同类型的当前环境点云图像的情形下，设定类型可相应地作出调整。例如，在当前环境点云图像为路侧环境点云图像的情形下，设定类型可以为植被类型；在当前环境点云图像为路口点云图像的情形下，设定类型可以为行人类型。
101.在本公开一些实施例中，在障碍物中存在类型为未知类型的第一障碍物的情况下，根据第一障碍物的点云的特征和障碍物中类型为设定类型的第二障碍物的点云的特征，确定第一障碍物的类型为设定类型的置信度。一种可实现的方式是，在障碍物中存在类型为未知类型的第一障碍物的情况下，判断第一障碍物的点云的数量是否大于设定数量阈值；在第一障碍物的点云的数量大于设定数量阈值的情况下，从第一障碍物的点云中筛选出目标点云；根据第一障碍物的目标点云中每个点的特征和第二障碍物的点云中每个点的特征，确定第一障碍物的类型为设定类型的置信度。需要说明的是，本公开对设定数量阈值不作限定，设定数量阈值可以根据实际情况作出调整。本公开实施例通过对第一障碍物中的点的特征和设定类型的第二障碍物的点的特征，去判断第一障碍物的类型是否为第二障碍物对应的设定类型，提高第一障碍物的类型修复的准确性。
102.需要说明的是，点云的特征包括但不限于：类型、坐标信息、反射强度和存储位置。
相应地，点的特征包括但不限于：类型、坐标信息、反射强度和存储位置。
103.在本公开的上述实施例中，从第一障碍物的点云中筛选出目标点云。一种可实现的方式为，根据第一障碍物的点云的数量和设定数量阈值，确定采样比例；采用非线性方法对第一障碍物的点云按照采样比例进行采样，得到目标点云。本公开在第一障碍物的点云的数量大于设定数量阈值的情况下，对第一障碍物的点云进行筛选，将筛选出的点云参与后续的计算过程。需要说明的是，本公开实施例，目标点云的点的数量小于设定数量阈值。需要说明的是，本公开对采样比例不作限定，采样比例可以根据实际情况作出调整。例如，第一障碍物的点云的数量为200，设定数量阈值为 100，则采样比例为100/200＝0.5，采用非线性方法对第一障碍物的点云按照采样比例0.5进行采样，得到100个点的目标点云。
104.在本公开的上述实施例中，根据第一障碍物的目标点云中每个点的特征和第二障碍物的点云中每个点的特征，确定第一障碍物的类型为设定类型的置信度。一种可实现的方式为，根据第一障碍物的目标点云中每个点的特征和第二障碍物的点云中每个点的特征，确定第一障碍物的目标点云中每个点与第二障碍物的点云中每个点的相似度；根据第一障碍物的目标点云中每个点与第二障碍物的点云中每个点的相似度，确定第一障碍物的类型为设定类型的置信度。需要说明的是，本公开采用相似度算法，根据第一障碍物的目标点云中每个点的特征和第二障碍物的点云中每个点的特征，依次计算第一障碍物的目标点云中每个点与第二障碍物的点云中每个点的相似度，得到相似度矩阵；其中，本公开实施例对相似度算法不作限定，相似度算法可以为欧式距离相似度算法和余弦相似度等。本公开判断第一障碍物的点云的每个点周围是否存在比自身更多的设定类型点云数量，如果存在且自身点云分布与周围点云分布相似时，则确定第一障碍物的类型与第二障碍物的类型相同。
105.在上述实施例中，根据第一障碍物的目标点云中每个点与第二障碍物的点云中每个点的相似度，确定第一障碍物的类型为设定类型的置信度。可选地，第一障碍物的目标点云中每个点与第二障碍物的点云中每个点的相似度进行求和，得到和值，将和值作为第一障碍物的类型为设定类型的置信度。
106.例如，采用相似度算法，根据第一障碍物的目标点云中每个点的特征和第二障碍物的点云中每个点的特征，依次计算第一障碍物的目标点云中每个点与第二障碍物的点云中每个点的相似度，得到相似度矩阵。
107.在本公开的另一些实施例中，在第一障碍物的点云的数量小于等于设定数量阈值的情况下，根据第一障碍物的点云中每个点的特征和第二障碍物的点云中每个点的特征，确定第一障碍物的类型为设定类型的置信度。本公开实施例提前预设设定数量阈值，在第一障碍物的点云的数量大于设定数量阈值的情况下，对第一障碍物的点云进行筛选，将筛选出的点云参与后续的计算过程；在第一障碍物的点云的数量小于等于设定数量阈值的情况下，将第一障碍物的点云直接参与后续的计算过程，控制参与后续的计算过程的点云数量，可以节省计算资源。其中，根据第一障碍物的点云中每个点的特征和第二障碍物的点云中每个点的特征，确定第一障碍物的类型为设定类型的置信度，可参见根据第一障碍物的目标点云中每个点的特征和第二障碍物的点云中每个点的特征，确定第一障碍物的类型为设定类型的置信度的相应部分，在此不再赘述。
108.以下结合具体场景对本公开的方案作出说明。
109.获取路侧环境点云图像；根据目标检测算法，识别路侧环境点云图像中包含的障碍物以及障碍物的类型；根据语义分割算法，识别路侧环境点云图像中的障碍物的点云。在障碍物中存在类型为未知类型的第一障碍物的情况下，根据第一障碍物的点云的特征和障碍物中类型为植被类型的第二障碍物的点云的特征，确定第一障碍物的类型为植被类型的置信度；在置信度大于设定置信度阈值的情况下，将第一障碍物的类型从未知类型修正为植被类型；在置信度小于等于设定置信度阈值的情况下，不对第一障碍物的类型作修正操作。
110.结合上述各实施例的描述，图2为本公开第二实施例提供的一种信息处理方法的流程示意图。如图2所示，该方法包括：
111.s201：获取路侧环境点云图像；
112.s202：识别路侧环境点云图像中包含的障碍物的点云与类型；
113.s203：在障碍物中存在类型为未知类型的第一障碍物的情况下，根据第一障碍物的点云的特征和障碍物中类型为植被类型的第二障碍物的点云的特征，确定第一障碍物的类型为植被类型的置信度；
114.s204：在置信度大于设定置信度阈值的情况下，将第一障碍物的类型从未知类型修正为植被类型。
115.在本实施例中，上述方法的执行主体可以为服务器或者终端设备。
116.当上述方法的执行主体为服务器时，并不限定服务器的实现形态。例如，服务器可以是常规服务器、云服务器、云主机、虚拟中心等服务器设备。其中，服务器的构成主要包括处理器、硬盘、内存、系统总线等，和通用的计算机架构类型。
117.当上述方法的执行主体为终端设备时，并不限定终端设备的实现形态。终端设备包括但不限于以下任意一种：车辆，个人计算机，平板电脑，智能手机和智能穿戴设备。
118.本实施例各步骤的实现方式均可参见前述各实施例的描述，在本实施例中不再赘述，同时，本实施例可取得前述各实施例相应部分的有益效果。
119.结合上述各实施例的描述，图3为本公开第三实施例提供的一种信息处理方法的流程示意图。如图3所示，该方法包括：
120.s301：车辆上安装的雷达对路侧环境进行扫描，得到路侧环境点云图像；
121.s302：车辆识别路侧环境点云图像中包含的障碍物的点云与类型；
122.s303：车辆在障碍物中存在类型为未知类型的第一障碍物的情况下，根据第一障碍物的点云的特征和障碍物中类型为植被类型的第二障碍物的点云的特征，确定第一障碍物的类型为植被类型的置信度；
123.s304：车辆在置信度大于设定置信度阈值的情况下，将第一障碍物的类型从未知类型修正为植被类型。
124.在本实施例中，上述方法的执行主体可以为服务器或者终端设备。
125.当上述方法的执行主体为服务器时，并不限定服务器的实现形态。例如，服务器可以是常规服务器、云服务器、云主机、虚拟中心等服务器设备。其中，服务器的构成主要包括处理器、硬盘、内存、系统总线等，和通用的计算机架构类型。
126.当上述方法的执行主体为终端设备时，并不限定终端设备的实现形态。终端设备包括但不限于以下任意一种：车辆，个人计算机，平板电脑，智能手机和智能穿戴设备。
127.本实施例各步骤的实现方式均可参见前述各实施例的描述，在本实施例中不再赘述，同时，本实施例可取得前述各实施例相应部分的有益效果。
128.在本公开上述方法实施例中，获取当前环境点云图像；识别当前环境点云图像中包含的障碍物的点云与类型；在障碍物中存在类型为未知类型的第一障碍物的情况下，根据第一障碍物的点云的特征和障碍物中类型为设定类型的第二障碍物的点云的特征，确定第一障碍物的类型为设定类型的置信度；在置信度大于设定置信度阈值的情况下，将第一障碍物的类型从未知类型修正为设定类型，对未能识别出的第一障碍物的类型进行修正，提高障碍物的识别准确率，提升自动驾驶的安全性，提升自动驾驶体验。
129.图4为本公开示例性实施例提供的一种信息处理装置40的结构示意图。该信息处理装置40包括获取模块41，识别模块42，确定模块43和修正模块44。
130.其中，获取模块41，用于获取当前环境点云图像；
131.识别模块42，用于识别当前环境点云图像中包含的障碍物的点云与类型；
132.确定模块43，在障碍物中存在类型为未知类型的第一障碍物的情况下，根据第一障碍物的点云的特征和障碍物中类型为设定类型的第二障碍物的点云的特征，确定第一障碍物的类型为设定类型的置信度；
133.修正模块44，在置信度大于设定置信度阈值的情况下，将第一障碍物的类型从未知类型修正为设定类型。
134.可选地，识别模块42在识别当前环境点云图像中包含的障碍物的点云与类型时，用于：
135.根据目标检测算法，识别当前环境点云图像中包含的障碍物以及障碍物的类型；
136.根据语义分割算法，识别当前环境点云图像中的障碍物的点云。
137.可选地，确定模块43在障碍物中存在类型为未知类型的第一障碍物的情况下，根据第一障碍物的点云的特征和障碍物中类型为设定类型的第二障碍物的点云的特征，确定第一障碍物的类型为设定类型的置信度时，用于：
138.在障碍物中存在类型为未知类型的第一障碍物的情况下，判断第一障碍物的点云的数量是否大于设定数量阈值；
139.在第一障碍物的点云的数量大于设定数量阈值的情况下，从第一障碍物的点云中筛选出目标点云；
140.根据第一障碍物的目标点云中每个点的特征和第二障碍物的点云中每个点的特征，确定第一障碍物的类型为设定类型的置信度。
141.可选地，确定模块43在从第一障碍物的点云中筛选出目标点云时，用于：
142.根据第一障碍物的点云的数量和设定数量阈值，确定采样比例；
143.采用非线性方法对第一障碍物的点云按照采样比例进行采样，得到目标点云。
144.可选地，确定模块43在根据第一障碍物的目标点云中每个点的特征和第二障碍物的点云中每个点的特征，确定第一障碍物的类型为设定类型的置信度时，用于：
145.根据第一障碍物的目标点云中每个点的特征和第二障碍物的点云中每个点的特征，确定第一障碍物的目标点云中每个点与第二障碍物的点云中每个点的相似度；
146.根据第一障碍物的目标点云中每个点与第二障碍物的点云中每个点的相似度，确定第一障碍物的类型为设定类型的置信度。
147.可选地，确定模块43，还可用于：
148.在第一障碍物的点云的数量小于等于设定数量阈值的情况下，根据第一障碍物的点云中每个点的特征和第二障碍物的点云中每个点的特征，确定第一障碍物的类型为设定类型的置信度。
149.可选地，当前环境点云图像为路侧环境点云图像，设定类型为植被类型；
150.识别模块42在识别当前环境点云图像中包含的障碍物的点云与类型时，用于：
151.识别路侧环境点云图像中包含的障碍物的点云与类型；
152.确定模块43在障碍物中存在类型为未知类型的第一障碍物的情况下，根据第一障碍物的点云的特征和障碍物中类型为设定类型的第二障碍物的点云的特征，确定第一障碍物的类型为设定类型的置信度时，用于：
153.在障碍物中存在类型为未知类型的第一障碍物的情况下，根据第一障碍物的点云的特征和障碍物中类型为植被类型的第二障碍物的点云的特征，确定第一障碍物的类型为设定类型的置信度；
154.修正模块44在置信度大于设定置信度阈值的情况下，将第一障碍物的类型从未知类型修正为设定类型时，用于：
155.在置信度大于设定置信度阈值的情况下，将第一障碍物的类型从未知类型修正为植被类型。
156.关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
157.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质、一种计算机程序产品和一种车辆。
158.图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
159.如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(rom)502中的计算机程序或者从存储单元508加载到随机访问存储器(ram)503中的计算机程序，来执行各种适当的动作和处理。在 ram 503中，还可存储设备500操作所需的各种程序和数据。计算单元 501、rom 502以及ram 503通过总线504彼此相连。输入/输出(i/o) 接口505也连接至总线504。
160.设备500中的多个部件连接至i/o接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
161.计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及
任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如信息处理方法。例如，在一些实施例中，信息处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元 508。在一些实施例中，计算机程序的部分或者全部可以经由rom 502和 /或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到 ram 503并由计算单元501执行时，可以执行上文描述的信息处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行信息处理方法。
162.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/ 或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
163.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
164.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
165.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入) 来接收来自用户的输入。
166.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数
字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、互联网和区块链网络。
167.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务("virtual private server"，或简称"vps")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
168.在本公开上述装置、设备、存储介质及计算机程序产品实施例中，获取当前环境点云图像；识别当前环境点云图像中包含的障碍物的点云与类型；在障碍物中存在类型为未知类型的第一障碍物的情况下，根据第一障碍物的点云的特征和障碍物中类型为设定类型的第二障碍物的点云的特征，确定第一障碍物的类型为设定类型的置信度；在置信度大于设定置信度阈值的情况下，将第一障碍物的类型从未知类型修正为设定类型，对未能识别出的第一障碍物的类型进行修正，提高障碍物的识别准确率，提升自动驾驶的安全性，提升自动驾驶体验。
169.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
170.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。