技术特征：
1.一种用于无人驾驶的障碍物检测方法，其特征在于，包括：获取无人驾驶设备采集到的点云数据，并确定障碍物在所述点云数据中对应的待定检测范围；确定所述待定检测范围内的点云数据，作为目标点云数据；基于规范点云数据以及所述待定检测范围，对所述目标点云数据进行数据增强，得到增强后点云数据，所述规范点云数据用于对所述目标点云数据进行稠密化以及缺失填充；确定所述增强后点云数据对应的点云特征，并根据所述点云特征，对所述障碍物进行范围检测，得到优化后检测范围，以及基于所述优化后检测范围，针对所述障碍物进行障碍物检测。2.如权利要求1所述的方法，其特征在于，基于规范点云数据以及所述待定检测范围，对所述目标点云数据进行数据增强，得到增强后点云数据，具体包括：将所述规范点云数据添加到所述目标点云数据中；调整位于所述待定检测范围外的规范点云数据，和/或调整叠加所述规范点云数据后的所述待定检测范围内的点云数据，得到增强后点云数据。3.如权利要求2所述的方法，其特征在于，调整位于所述待定检测范围外的规范点云数据，具体包括：将位于所述待定检测范围外的规范点云数据的激光反射率调整至不超过设定反射率，其中，针对任意一个点云点，若该点云点的激光反射率越高，该点云点在点云中越突出。4.如权利要求2所述的方法，其特征在于，调整叠加所述规范点云数据后的所述待定检测范围内的点云数据，具体包括：以叠加所述规范点云数据后的所述待定检测范围内的点云数据中，距离所述待定检测范围的中心位置越近的点云点的激光反射率越低，距离所述待定检测范围的边缘越近的点云点的激光反射率越高为调整目标，调整叠加所述规范点云数据后的所述待定检测范围内的点云数据，其中，针对任意一个点云点，若该点云点的激光反射率越高，该点云点在点云中越突出。5.如权利要求1所述的方法，其特征在于，确定所述增强后点云数据对应的点云特征，具体包括：确定所述增强后点云数据中每个点云点对应的原始坐标，所述原始坐标是以采集所述目标点云数据的采集设备为中心的坐标系下的坐标；确定所述增强后点云数据中的基准点，并针对所述增强后点云数据的每个点云点，将该点云点对应的原始坐标转换为，以所述基准点为中心的坐标系下的坐标，得到该点云点对应的转换后坐标；根据所述增强后点云数据中各点云点对应的转换后坐标，确定所述增强后点云数据对应的点云特征。6.如权利要求1所述的方法，其特征在于，确定障碍物在所述点云数据中对应的待定检测范围，具体包括：确定所述点云数据对应的全局特征，并基于所述全局特征，确定所述障碍物在所述点云数据中的基础范围；确定所述全局特征中属于所述基础范围内的部分特征；
根据所述部分特征，确定所述待定检测范围。7.如权利要求6所述的方法，其特征在于，根据所述部分特征，确定所述待定检测范围，具体包括：根据所述部分特征，确定所述障碍物对应的各候选框，以及所述各候选框对应的置信度；根据所述各候选框以及所述各候选框对应的置信度，从所述各候选框中选取出目标框，并根据所述目标框确定出所述待定检测范围。8.如权利要求7所述的方法，其特征在于，根据所述各候选框以及所述各候选框对应的置信度，从所述各候选框中选取出目标框，具体包括：在第n轮筛选中，从第n轮对应的候选框集合中筛选出置信度最高的候选框，作为第n轮筛选出的候选框，并去掉所述第n轮对应的候选框集合中与所述置信度最高的候选框之间的重合率超过设定重合率的候选框，得到第n+1轮对应的候选框集合，直到满足预设的筛选条件为止，并得到剩余候选框，其中，针对任意一轮筛选，若未从该轮对应的候选框集合中找到与该轮筛选出的候选框之间的重合率超过设定重合率的候选框，则确定满足所述筛选条件，并将该轮筛选后得到的候选框集合，作为所述剩余候选框，n为正整数；根据每轮筛选出的候选框以及所述剩余候选框，确定所述目标框。9.如权利要求1所述的方法，其特征在于，获取无人驾驶设备采集到的点云数据，并确定障碍物在所述点云数据中对应的待定检测范围，具体包括：将所述点云数据输入到第一网络中，确定出障碍物在所述点云数据中对应的待定检测范围；确定所述增强后点云数据对应的点云特征，并根据所述点云特征，对所述障碍物进行范围检测，得到优化后检测范围，具体包括：通过第二网络，确定所述增强后点云数据对应的点云特征，并根据所述点云特征，对所述障碍物进行范围检测，得到优化后检测范围，所述第二网络的网络层数小于所述第一网络的网络层数。10.如权利要求9所述的方法，其特征在于，训练所述第二网络，具体包括：获取训练样本，所述训练样本中包含障碍物点云数据，以及所述障碍物点云数据对应的标注范围；基于规范点云数据以及所述标注范围，对所述障碍物点云数据进行增强，得到所述障碍物点云数据对应的增强后点云数据；将所述增强后点云数据输入到待训练的第二网络中，得到预测范围；以最小化所述预测范围与所述标注范围之间的偏差为目标，对所述第二网络进行训练。11.一种用于无人驾驶的障碍物检测装置，其特征在于，包括：获取模块，用于获取无人驾驶设备采集到的点云数据，并确定障碍物在所述点云数据中对应的待定检测范围；确定模块，用于确定所述待定检测范围内的点云数据，作为目标点云数据；增强模块，用于基于规范点云数据，对所述目标点云数据进行数据增强，得到增强后点云数据，所述规范点云数据用于对所述目标点云数据进行稠密化；
优化模块，用于确定所述增强后点云数据对应的点云特征，并根据所述点云特征针对所述障碍物进行范围检测，得到优化后检测范围，以及基于所述优化后检测范围，针对所述障碍物进行障碍物检测。12.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1~10任一项所述的方法。13.一种无人驾驶设备，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，其特征在于，所述处理器执行所述程序时实现上述权利要求1~10任一项所述的方法。
技术总结
本说明书公开了一种用于无人驾驶的障碍物检测方法及障碍物检测装置，涉及无人驾驶领域，获获取无人驾驶设备采集到的点云数据，并确定障碍物在该点云数据中对应的待定检测范围，以及确定该待定检测范围内的点云数据，作为目标点云数据，基于规范点云数据，对该目标点云数据进行数据增强，得到增强后点云数据。而后，确定增强后点云数据对应的点云特征，并根据该点云特征针对该障碍物进行范围检测，得到优化后检测范围，以及基于该优化后检测范围，针对该障碍物进行障碍物检测，从而使得增强后点云数据稠密化，并且部分缺失被填充，使得通过该增强后点云数据更准确对障碍物的范围进行确定。围进行确定。围进行确定。
技术研发人员：朱滨 冯阳 李亚蓓
受保护的技术使用者：北京三快在线科技有限公司
技术研发日：2021.09.22
技术公布日：2022/1/4