一种激光雷达障碍物识别方法和装置与流程

本申请涉及自动控制领域，尤其涉及一种激光雷达障碍物识别方法和装置。

背景技术：

在无人驾驶车辆中，集成了多类传感器：gps-imu(惯性测量单元，inertialmeasurementunit)组合导航模块、相机、激光雷达、毫米波雷达等传感器。

无人驾驶车辆行驶过程中，主要依靠激光雷达对障碍物进行检测，激光雷达对障碍物可以实现精确的形状感知。但是，由于激光雷达安装于无人驾驶车辆顶部中央前端，其视野纵向范围为正负15度。受到无人驾驶车辆车体遮挡，存在视野盲区，一般为6-7m范围。因此，现有无人驾驶车辆的障碍物检测，只能检测到出现在激光雷达视野中的障碍物。而随着无人驾驶车辆的行进，障碍物很可能进入激光雷达的盲区，造成障碍物识别错误或丢失，例如，当障碍物为公交车，部分进入盲区后，激光雷达可能对其长度及与无人驾驶车辆的距离识别错误，将其识别为处于盲区之外的小汽车。这会影响无人驾驶车辆的车辆决策控制模块的决策，进而导致碰撞风险。

技术实现要素：

本申请的多个方面提供一种激光雷达障碍物识别方法和装置，用以解决障碍物部分进入激光雷达盲区造成的障碍物识别错误的问题。

本申请的一方面，提供一种激光雷达障碍物识别方法，包括：

获取激光雷达扫描无人驾驶车辆周围的连续n+1帧的待识别障碍物的信息；

根据所述n+1帧中的前n帧中的各帧中的待识别障碍物的信息，判断在第n+1帧中所述待识别障碍物是否进入激光雷达盲区；若进入激光雷达盲区，根据所述待识别障碍物进入激光雷达盲区的长度对第n帧中的所述待识别障碍物激光点云进行截断；

根据截断后的所述待识别障碍物激光点云与第n+1帧中的所述待识别障碍物激光点云进行匹配；若匹配成功，则对第n+1帧中的所述待识别障碍物激光点云进行补全；

根据补全后的所述待识别障碍物激光点云，进行障碍物识别。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，获取激光雷达扫描无人驾驶车辆周围的连续n+1帧的待识别障碍物的信息包括：

得出n+1帧中的前n帧中的各帧中的待识别的障碍物的点云，对n+1帧中的前n帧中的各帧中的待识别障碍物点云进行匹配，确定各帧中的待识别障碍物的对应关系。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，根据所述n+1帧中的前n帧中的各帧中的待识别障碍物的信息，判断在第n+1帧中所述待识别障碍物是否进入激光雷达盲区包括：

通过所述待识别障碍物在前n帧中的各帧中的点云，确定所述待识别障碍物在第n帧中的位置、移动速度和移动方向以及激光雷达盲区范围，确定第n+1帧中所述待识别障碍物进入激光雷达盲区的长度。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，根据所述待识别障碍物进入激光雷达盲区的长度对第n帧中的所述待识别障碍物激光点云进行截断包括：

根据盲区三维模型及所述带识别障碍物进入激光雷达盲区的长度对第n帧中的所述待识别障碍物激光点云进行截断。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，对第n+1帧中的所述待识别障碍物激光点云进行补全包括：

若第n帧中的待识别障碍物未进入激光雷达盲区，根据第n帧中的所述待识别障碍物激光点云对第n+1帧中的所述待识别障碍物进入激光雷达盲区的部分的激光点云进行补全；

若第n帧中的待识别障碍物已进入激光雷达盲区，根据第n帧中的所述待识别障碍物补全后的激光点云对第n+1帧中的所述待识别障碍物进入激光雷达盲区的部分的激光点云进行补全。

本申请的另一方面，提供了一种激光雷达障碍物识别装置，包括：

获取模块，用于获取激光雷达扫描无人驾驶车辆周围的连续n+1帧的待识别障碍物的信息；

截断模块，用于根据所述n+1帧中的前n帧中的各帧中的待识别障碍物的信息，判断在第n+1帧中所述待识别障碍物是否进入激光雷达盲区；若进入激光雷达盲区，根据所述待识别障碍物进入激光雷达盲区的长度对第n帧中的所述待识别障碍物激光点云进行截断；

补全模块，用于根据截断后的所述待识别障碍物激光点云与第n+1帧中的所述待识别障碍物激光点云进行匹配；若匹配成功，则对第n+1帧中的所述待识别障碍物激光点云进行补全；

识别模块，用于根据补全后的所述待识别障碍物激光点云，进行障碍物识别。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述获取模块具体用于：

得出n+1帧中的前n帧中的各帧中的待识别的障碍物的点云，对n+1帧中的前n帧中的各帧中的待识别障碍物点云进行匹配，确定各帧中的待识别障碍物的对应关系。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述截断模块具体用于：

通过所述待识别障碍物在前n帧中的各帧中的点云，确定所述待识别障碍物在第n帧中的位置、移动速度和移动方向以及激光雷达盲区范围，确定第n+1帧中所述待识别障碍物进入激光雷达盲区的长度。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述截断模块具体还用于：

根据盲区三维模型及所述带识别障碍物进入激光雷达盲区的长度对第n帧中的所述待识别障碍物激光点云进行截断。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述补全模块具体用于：

若第n帧中的待识别障碍物未进入激光雷达盲区，根据第n帧中的所述待识别障碍物激光点云对第n+1帧中的所述待识别障碍物进入激光雷达盲区的部分的激光点云进行补全；

若第n帧中的待识别障碍物已进入激光雷达盲区，根据第n帧中的所述待识别障碍物补全后的激光点云对第n+1帧中的所述待识别障碍物进入激光雷达盲区的部分的激光点云进行补全。

本发明的另一方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如以上所述的方法。

由所述技术方案可知，本申请实施例可以对部分进入激光雷达盲区的障碍物进行识别，避免了错误识别其长度、距离造成碰撞的风险。

【附图说明】

为了更清楚地说明本申请实施例中的技术方案，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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请一实施例提供的激光雷达障碍物识别方法的流程示意图；

图2为本申请一实施例提供的激光雷达障碍物识别装置的结构示意图；

图3示出了适于用来实现本发明实施方式的示例性计算机系统/服务器012的框图。

【具体实施方式】

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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全部其他实施例，都属于本申请保护的范围。

图1为本申请一实施例提供的激光雷达障碍物识别方法的示意图，如图1所示，包括以下步骤：

步骤s11、获取激光雷达扫描无人驾驶车辆周围的连续n+1帧的待识别障碍物的信息；

步骤s12、根据所述n+1帧中的前n帧中的各帧中的待识别障碍物的信息，判断在第n+1帧中所述待识别障碍物是否进入激光雷达盲区；若进入激光雷达盲区，根据所述待识别障碍物进入激光雷达盲区的长度对第n帧中的所述待识别障碍物激光点云进行截断；

步骤s13、根据截断后的所述待识别障碍物激光点云与第n+1帧中的所述待识别障碍物激光点云进行匹配；若匹配成功，则对第n+1帧中的所述待识别障碍物激光点云进行补全；

步骤s14、根据补全后的所述待识别障碍物激光点云，进行障碍物识别。

步骤s11的一种优选实现方式中，

本实施例的障碍物识别方法应用在无人驾驶技术领域中。在无人驾驶中，需要无人驾驶车辆能够自动识别道路中的障碍物，以在车辆行驶中及时做出决策与控制，便于车辆的安全行驶。本实施例的障碍物识别方法的执行主体可以为障碍物识别装置，该障碍物识别装置可以采用多个模块集成而得，该障碍物识别装置具体可以设置在无人驾驶车辆中，以对无人驾驶的车辆进行控制。

本实施例的待识别障碍物的信息可以采用激光雷达扫射得到的。激光雷达的规格可以采用16线、32线或者64线等等。其中线数越高表示激光雷达的单位能量密度越大。本实施例中，装在当前车辆上的激光雷达在每一秒中旋转360次，扫描当前车辆周围一圈的待识别的障碍物的信息，为一帧待识别的障碍物的信息。本实施例中的待识别的障碍物的信息可以包括待识别的障碍物的点云以及待识别的障碍物的反射值。当前车辆周围的待识别的障碍物可以有一个，也可以有多个。激光雷达扫描之后，可以以当前车辆的质心位置为坐标系的原点，并取平行于水平面的两个方向分别为x方向和y方向，作为长度方向和宽度方向，垂直于地面的方向为z方向，作为高度方向。然后可以根据待识别障碍物的点云中的每一个点与原点的相对位置和距离，在坐标系中标识待识别的障碍物。

优选地，对n+1帧中的前n帧中的各帧中的待识别障碍物进行匹配，确定各帧中的待识别障碍物的对应关系，并对各帧中的待识别障碍物进行识别。通过匹配操作，可以避免在复杂场景下(例如存在多个障碍物)待识别障碍物跟踪失败，将不同帧中的同一待识别障碍物识别为不同障碍物的问题。

优选地，所述识别是获取激光雷达扫描无人驾驶车辆周围的每一帧的待识别障碍物的信息后分别进行的。

这样，在每一帧的待识别的障碍物的点云中，可以根据各待识别的障碍物中的每一点与当前车辆的相对位置，得出各待识别障碍物的点云。另外，激光雷达还可以检测出每一个待识别障碍物中每一个点的反射值。实际应用中，坐标系还可以以激光雷达的质心位置为原点，其它方向不变。本实施例的n的数值，可以根据实际需求来取。

在步骤s12的一种优选实现方式中，

根据n+1帧中的前n帧中的各帧中的待识别障碍物的信息，判断在第n+1帧中所述待识别障碍物是否进入激光雷达盲区；若在第n+1帧中所述待识别障碍物进入激光雷达盲区，根据所述待识别障碍物进入激光雷达盲区的长度对第n帧中的所述待识别障碍物激光点云进行截断；

优选地，在前n帧中的各帧中，得出各待识别障碍物的点云，与前一帧中的所述待识别障碍物的点云进行匹配，以确定同一待识别障碍物在前n帧中的各帧中的点云。

通过同一待识别障碍物在前n帧中的各帧中的点云，确定所述待识别障碍物在第n帧中，以当前无人驾驶车辆的质心位置为原点的坐标系中的位置、移动速度和移动方向。

判断在第n+1帧中所述待识别障碍物是否进入激光雷达盲区，本实施例中，以当前无人驾驶车辆的质心位置为原点的8m范围内为激光雷达盲区。

若在第n帧中，所述待识别障碍物已经位于激光雷达盲区边缘，且无人驾驶车辆与所述待识别障碍物的相对速度为正值，则在第n+1帧中所述待识别障碍物进入激光雷达盲区。由于激光雷达扫描周期较快，如360次每秒，则在1/360秒内，所述待识别障碍物只能部分进入激光雷达盲区，这就造成了激光雷达只能获取所述待识别障碍物的部分激光点云。第n+1帧中所述待识别障碍物的部分点云与第n帧中所述待识别障碍物的点云分布发生了变化，则进行匹配的过程中会匹配失败，将第n+1帧中所述待识别障碍物判定为新的障碍物，而非第n帧中所述待识别障碍物部分进入激光雷达盲区。

因此，根据所述待识别障碍物在第n帧中以当前无人驾驶车辆的质心位置为原点的坐标系中的位置、移动速度和移动方向，以及激光雷达盲区范围，确定第n+1帧中所述待识别障碍物进入激光雷达盲区的长度。

根据第n+1帧中所述待识别障碍物进入激光雷达盲区的长度对第n帧中的所述待识别障碍物激光点云进行截断，以便与第n+1帧中部分进入激光雷达盲区的所述待识别障碍物的激光点云进行匹配。

优选地，对第n帧中的所述待识别障碍物激光点云截取进入激光雷达盲区长度的部分，所述截取考虑到激光雷达被无人驾驶车辆车体遮挡的三维模型，而非简单的垂直截取。

在步骤s13的一种优选实现方式中，

根据截断后的所述待识别障碍物激光点云与第n+1帧中的所述待识别障碍物激光点云进行匹配；

其中，对第n帧中的所述待识别障碍物激光点云进行截断得到的激光点云是预测的第n+1帧中的所述待识别障碍物激光点云，通过与第n+1帧中实际的所述待识别障碍物激光点云进行匹配，可以提高匹配精度及成功率。

若匹配成功，则对第n+1帧中的所述待识别障碍物激光点云进行补全；即对第n+1帧中的所述待识别障碍物进入激光雷达盲区的部分的激光点云进行补全。

优选地，所述补全是根据第n帧中的所述待识别障碍物激光点云对第n+1帧中的所述待识别障碍物进入激光雷达盲区的部分的激光点云进行补全。由于是在第n+1帧中的所述待识别障碍物激光点云的基础上进行补全，补全后的激光点云更为符合实际的障碍物的形状。

在步骤s14的一种优选实现方式中，

根据补全后的所述待识别障碍物激光点云，进行障碍物识别。

优选地，根据补全后的所述待识别障碍物的激光点云，可以得到所述待识别障碍物的精确的长度、距离等参数，可以为所述待识别障碍物识别提供更精确的激光点云，保证了所述待识别障碍物识别的准确性。

在本实施例的另一种优选实现方式中，若在第n帧中，所述待识别障碍物已经进入部分进入激光雷达盲区，且无人驾驶车辆与所述待识别障碍物的相对速度为正值，在第n+1帧中所述待识别障碍物仍然继续部分进入激光雷达盲区。由于激光雷达扫描周期较快，如360次每秒，则在1/360秒内，所述待识别障碍物只能部分进入激光雷达盲区，这就造成了激光雷达只能获取所述待识别障碍物的部分激光点云。第n+1帧中所述待识别障碍物的部分点云与第n帧中所述待识别障碍物的点云分布发生了变化，则进行匹配的过程中会匹配失败，将第n+1帧中所述待识别障碍物判定为新的障碍物，而非第n帧中所述待识别障碍物继续进入激光雷达盲区。采用与本申请上述实施例同样的方式，进行截断、匹配及补全。其中，所述第n帧中所述待识别障碍物的激光点云为对第n帧中所述待识别障碍物的激光点云进行补全后得到的所述待识别障碍物的激光点云。

在本实施例的另一种优选实现方式中，若在第n帧中，所述待识别障碍物已经进入部分进入激光雷达盲区，且无人驾驶车辆与所述待识别障碍物的相对速度为负值，在第n+1帧中所述待识别障碍物仍然继续部分进入激光雷达盲区(进入激光雷达盲区的部分较少或全部退出激光雷达盲区)。由于激光雷达扫描周期较快，如360次每秒，则在1/360秒内，所述待识别障碍物只能部分进入激光雷达盲区，这就造成了激光雷达只能获取所述待识别障碍物的部分激光点云。第n+1帧中所述待识别障碍物的部分点云与第n帧中所述待识别障碍物的点云分布发生了变化，则进行匹配的过程中会匹配失败，将第n+1帧中所述待识别障碍物判定为新的障碍物，而非第n帧中所述待识别障碍物继续进入激光雷达盲区。采用与本申请上述实施例同样的方式，通过对第n帧中所述待识别障碍物的激光点云进行补全，与第n+1帧中的所述待识别障碍物的激光点云进行匹配，匹配成功后，对第n+1帧中的所述待识别障碍物的激光点云进行补全，根据补全后的障碍物激光点云，进行障碍物识别，并判断其是否影响无人驾驶车辆的行驶。其中，所述第n帧中所述待识别障碍物的激光点云为对第n帧中所述待识别障碍物的激光点云进行补全后得到的所述待识别障碍物的激光点云。

采用上述实施例提供的技术方案，可以对部分进入激光雷达盲区的障碍物进行识别，避免了错误识别其长度、距离造成碰撞的风险，有效地提高了无人驾驶车辆的行驶安全性。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。

以上是关于方法实施例的介绍，以下通过装置实施例，对本发明所述方案进行进一步说明。

图2为本申请一实施例提供的激光雷达障碍物识别装置的结构示意图，如图2所示，包括：

获取模块21，用于获取激光雷达扫描无人驾驶车辆周围的连续n+1帧的待识别障碍物的信息；

截断模块22，用于根据所述n+1帧中的前n帧中的各帧中的待识别障碍物的信息，判断在第n+1帧中所述待识别障碍物是否进入激光雷达盲区；若进入激光雷达盲区，根据所述待识别障碍物进入激光雷达盲区的长度对第n帧中的所述待识别障碍物激光点云进行截断；

补全模块23，用于根据截断后的所述待识别障碍物激光点云与第n+1帧中的所述待识别障碍物激光点云进行匹配；若匹配成功，则对第n+1帧中的所述待识别障碍物激光点云进行补全；

识别模块24，用于根据补全后的所述待识别障碍物激光点云，进行障碍物识别。

在获取模块21的一种优选实现方式中，

本实施例的障碍物识别方法应用在无人驾驶技术领域中。在无人驾驶中，需要无人驾驶车辆能够自动识别道路中的障碍物，以在车辆行驶中及时做出决策与控制，便于车辆的安全行驶。本实施例的障碍物识别方法的执行主体可以为障碍物识别装置，该障碍物识别装置可以采用多个模块集成而得，该障碍物识别装置具体可以设置在无人驾驶车辆中，以对无人驾驶的车辆进行控制。

本实施例的待识别障碍物的信息可以采用激光雷达扫射得到的。激光雷达的规格可以采用16线、32线或者64线等等。其中线数越高表示激光雷达的单位能量密度越大。本实施例中，装在当前车辆上的激光雷达在每一秒中旋转360次，扫描当前车辆周围一圈的待识别的障碍物的信息，为一帧待识别的障碍物的信息。本实施例中的待识别的障碍物的信息可以包括待识别的障碍物的点云以及待识别的障碍物的反射值。当前车辆周围的待识别的障碍物可以有一个，也可以有多个。激光雷达扫描之后，可以以当前车辆的质心位置为坐标系的原点，并取平行于水平面的两个方向分别为x方向和y方向，作为长度方向和宽度方向，垂直于地面的方向为z方向，作为高度方向。然后可以根据待识别障碍物的点云中的每一个点与原点的相对位置和距离，在坐标系中标识待识别的障碍物。

优选地，对n+1帧中的前n帧中的各帧中的待识别障碍物进行匹配，确定各帧中的待识别障碍物的对应关系，并对各帧中的待识别障碍物进行识别。通过匹配操作，可以避免在复杂场景下(例如存在多个障碍物)待识别障碍物跟踪失败，将不同帧中的同一待识别障碍物识别为不同障碍物的问题。

优选地，所述识别是获取激光雷达扫描无人驾驶车辆周围的每一帧的待识别障碍物的信息后分别进行的。

这样，在每一帧的待识别的障碍物的点云中，可以根据各待识别的障碍物中的每一点与当前车辆的相对位置，得出各待识别障碍物的点云。另外，激光雷达还可以检测出每一个待识别障碍物中每一个点的反射值。实际应用中，坐标系还可以以激光雷达的质心位置为原点，其它方向不变。本实施例的n的数值，可以根据实际需求来取。

在截断模块22的一种优选实现方式中，

根据n+1帧中的前n帧中的各帧中的待识别障碍物的信息，判断在第n+1帧中所述待识别障碍物是否进入激光雷达盲区；若在第n+1帧中所述待识别障碍物进入激光雷达盲区，根据所述待识别障碍物进入激光雷达盲区的长度对第n帧中的所述待识别障碍物激光点云进行截断；

优选地，在前n帧中的各帧中，得出各待识别障碍物的点云，与前一帧中的所述待识别障碍物的点云进行匹配，以确定同一待识别障碍物在前n帧中的各帧中的点云。

通过同一待识别障碍物在前n帧中的各帧中的点云，确定所述待识别障碍物在第n帧中，以当前无人驾驶车辆的质心位置为原点的坐标系中的位置、移动速度和移动方向。

判断在第n+1帧中所述待识别障碍物是否进入激光雷达盲区，本实施例中，以当前无人驾驶车辆的质心位置为原点的8m范围内为激光雷达盲区。

若在第n帧中，所述待识别障碍物已经位于激光雷达盲区边缘，且无人驾驶车辆与所述待识别障碍物的相对速度为正值，则在第n+1帧中所述待识别障碍物进入激光雷达盲区。由于激光雷达扫描周期较快，如360次每秒，则在1/360秒内，所述待识别障碍物只能部分进入激光雷达盲区，这就造成了激光雷达只能获取所述待识别障碍物的部分激光点云。第n+1帧中所述待识别障碍物的部分点云与第n帧中所述待识别障碍物的点云分布发生了变化，则进行匹配的过程中会匹配失败，将第n+1帧中所述待识别障碍物判定为新的障碍物，而非第n帧中所述待识别障碍物部分进入激光雷达盲区。

因此，根据所述待识别障碍物在第n帧中以当前无人驾驶车辆的质心位置为原点的坐标系中的位置、移动速度和移动方向，以及激光雷达盲区范围，确定第n+1帧中所述待识别障碍物进入激光雷达盲区的长度。

根据第n+1帧中所述待识别障碍物进入激光雷达盲区的长度对第n帧中的所述待识别障碍物激光点云进行截断，以便与第n+1帧中部分进入激光雷达盲区的所述待识别障碍物的激光点云进行匹配。

优选地，对第n帧中的所述待识别障碍物激光点云截取进入激光雷达盲区长度的部分，所述截取考虑到激光雷达被无人驾驶车辆车体遮挡的三维模型，而非简单的垂直截取。

在补全模块23的一种优选实现方式中，

根据截断后的所述待识别障碍物激光点云与第n+1帧中的所述待识别障碍物激光点云进行匹配；

其中，对第n帧中的所述待识别障碍物激光点云进行截断得到的激光点云是预测的第n+1帧中的所述待识别障碍物激光点云，通过与第n+1帧中实际的所述待识别障碍物激光点云进行匹配，可以提高匹配精度及成功率。

若匹配成功，则对第n+1帧中的所述待识别障碍物激光点云进行补全；即对第n+1帧中的所述待识别障碍物进入激光雷达盲区的部分的激光点云进行补全。

优选地，所述补全是根据第n帧中的所述待识别障碍物激光点云对第n+1帧中的所述待识别障碍物进入激光雷达盲区的部分的激光点云进行补全。由于是在第n+1帧中的所述待识别障碍物激光点云的基础上进行补全，补全后的激光点云更为符合实际的障碍物的形状。

在识别模块24的一种优选实现方式中，

根据补全后的所述待识别障碍物激光点云，进行障碍物识别。

优选地，根据补全后的所述待识别障碍物的激光点云，可以得到所述待识别障碍物的精确的长度、距离等参数，可以为所述待识别障碍物识别提供更精确的激光点云，保证了所述待识别障碍物识别的准确性。

在本实施例的另一种优选实现方式中，若在第n帧中，所述待识别障碍物已经进入部分进入激光雷达盲区，且无人驾驶车辆与所述待识别障碍物的相对速度为正值，在第n+1帧中所述待识别障碍物仍然继续部分进入激光雷达盲区。由于激光雷达扫描周期较快，如360次每秒，则在1/360秒内，所述待识别障碍物只能部分进入激光雷达盲区，这就造成了激光雷达只能获取所述待识别障碍物的部分激光点云。第n+1帧中所述待识别障碍物的部分点云与第n帧中所述待识别障碍物的点云分布发生了变化，则进行匹配的过程中会匹配失败，将第n+1帧中所述待识别障碍物判定为新的障碍物，而非第n帧中所述待识别障碍物继续进入激光雷达盲区。采用与本申请上述实施例同样的方式，进行截断、匹配及补全。其中，所述第n帧中所述待识别障碍物的激光点云为对第n帧中所述待识别障碍物的激光点云进行补全后得到的所述待识别障碍物的激光点云。

在本实施例的另一种优选实现方式中，若在第n帧中，所述待识别障碍物已经进入部分进入激光雷达盲区，且无人驾驶车辆与所述待识别障碍物的相对速度为负值，在第n+1帧中所述待识别障碍物仍然继续部分进入激光雷达盲区(进入激光雷达盲区的部分较少或全部退出激光雷达盲区)。由于激光雷达扫描周期较快，如360次每秒，则在1/360秒内，所述待识别障碍物只能部分进入激光雷达盲区，这就造成了激光雷达只能获取所述待识别障碍物的部分激光点云。第n+1帧中所述待识别障碍物的部分点云与第n帧中所述待识别障碍物的点云分布发生了变化，则进行匹配的过程中会匹配失败，将第n+1帧中所述待识别障碍物判定为新的障碍物，而非第n帧中所述待识别障碍物继续进入激光雷达盲区。采用与本申请上述实施例同样的方式，通过对第n帧中所述待识别障碍物的激光点云进行补全，与第n+1帧中的所述待识别障碍物的激光点云进行匹配，匹配成功后，对第n+1帧中的所述待识别障碍物的激光点云进行补全，根据补全后的障碍物激光点云，进行障碍物识别，并判断其是否影响无人驾驶车辆的行驶。其中，所述第n帧中所述待识别障碍物的激光点云为对第n帧中所述待识别障碍物的激光点云进行补全后得到的所述待识别障碍物的激光点云。

采用上述实施例提供的技术方案，采用上述实施例提供的技术方案，可以对部分进入激光雷达盲区的障碍物进行识别，避免了错误识别其长度、距离造成碰撞的风险，有效地提高了无人驾驶车辆的行驶安全性。

在所述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

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单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。所述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

图3示出了适于用来实现本发明实施方式的示例性计算机系统/服务器012的框图。图3显示的计算机系统/服务器012仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图3所示，计算机系统/服务器012以通用计算设备的形式表现。计算机系统/服务器012的组件可以包括但不限于：一个或者多个处理器或者处理单元016，系统存储器028，连接不同系统组件(包括系统存储器028和处理单元016)的总线018。

总线018表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。

计算机系统/服务器012典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统/服务器012访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器028可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)030和/或高速缓存存储器032。计算机系统/服务器012可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统034可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom,dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线018相连。存储器028可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块042的程序/实用工具040，可以存储在例如存储器028中，这样的程序模块042包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块042通常执行本发明所描述的实施例中的功能和/或方法。

计算机系统/服务器012也可以与一个或多个外部设备014(例如键盘、指向设备、显示器024等)通信，在本发明中，计算机系统/服务器012与外部雷达设备进行通信，还可与一个或者多个使得用户能与该计算机系统/服务器012交互的设备通信，和/或与使得该计算机系统/服务器012能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口022进行。并且，计算机系统/服务器012还可以通过网络适配器020与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图3所示，网络适配器020通过总线018与计算机系统/服务器012的其它模块通信。应当明白，尽管图3中未示出，可以结合计算机系统/服务器012使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。

处理单元016通过运行存储在系统存储器028中的程序，从而执行本发明所描述的实施例中的功能和/或方法。

上述的计算机程序可以设置于计算机存储介质中，即该计算机存储介质被编码有计算机程序，该程序在被一个或多个计算机执行时，使得一个或多个计算机执行本发明上述实施例中所示的方法流程和/或装置操作。

随着时间、技术的发展，介质含义越来越广泛，计算机程序的传播途径不再受限于有形介质，还可以直接从网络下载等。可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、rf等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围。