基于深度学习的激光雷达目标检测方法及装置

    公开(公告)号:CN114419567B

    公开(公告)日:2024-12-17

    申请号:CN202210051492.1

    申请日:2022-01-17

    Abstract: 本发明提供了一种基于深度学习的激光雷达目标检测方法,包括:获取激光点云;激光点云包括多个点,每个点包括在第一坐标系的三维坐标;将激光点云投影到平面栅格的多个子栅格后,确定子栅格中的有效栅格,并确定有效栅格的栅格属性;将有效栅格中每个投影点所对应的点在第一坐标系的三维坐标、每个投影点距离其所属的有效栅格的中心点的距离和每个投影点距离其所属的有效栅格的平均值点的距离输入深度学习网络模型,得到扩充后的栅格属性;将扩充后的栅格属性继续输入深度学习网络,输出多个检测框;每个检测框具有置信度;根据置信度,确定目标检测框。

    障碍物检测方法、电子设备和存储介质

    公开(公告)号:CN117789158A

    公开(公告)日:2024-03-29

    申请号:CN202211201242.8

    申请日:2022-09-29

    Inventor: 杨潇潇 杨浩

    Abstract: 本发明公开障碍物检测方法、电子设备和存储介质,其中,一种障碍物检测方法,包括:使用一阶段特征网络对障碍物进行检测,至少基于所述一阶段特征网络的检测结果确定障碍物候选框;基于所述障碍物候选框在所述一阶段特征网络中提取所述障碍物候选框的关键点特征;至少基于所述关键点特征对所述障碍物候选框进行处理得到所述障碍物的最终检测结果。通过基于一阶段特征网络的检测结果确定障碍物候选框,然后基于障碍物候选框在一阶段特征网络中提取障碍物候选框的关键点特征,最后基于障碍物候选框的关键点特征对障碍物候选框进行处理得到障碍物的最终检测结果,从而可以降低提取特征的计算量,提高了二阶段检测网络的性能和速度。

    基于多线激光雷达的小型障碍物检测方法及装置

    公开(公告)号:CN110674705B

    公开(公告)日:2022-11-29

    申请号:CN201910836883.2

    申请日:2019-09-05

    Abstract: 本发明提供了一种基于多线激光雷达的小型障碍物检测方法,包括:获取当前帧中,多线激光雷达的点云信息;获取第一数量个地面点云中,径向梯度的绝对值大于预设的梯度阈值的地面点云,得到第二数量个小型障碍物边缘点云;从第一数量个地面点云中获取正向跳变点云和负向跳变点云之间的点云,得到第三数量个小型障碍物点云;正向跳变点云和负向跳变点云分别为第二数量个小型障碍物边缘点云中径向梯度为正的点云及径向梯度为负的点云;根据当前帧对应的第三数量个小型障碍物点云,以及当前之前的n帧小型障碍物点云,判断是否存在误检;当没有误检时,输出第三数量个小型障碍物点云。由此,实现了对小型障碍物的检测,提高了障碍物检测精度。

    基于单线激光雷达的路沿检测方法

    公开(公告)号:CN110376604B

    公开(公告)日:2022-11-15

    申请号:CN201910735279.0

    申请日:2019-08-09

    Abstract: 本发明提供了一种基于单线激光雷达的路沿检测方法,包括:获取定位信息序列;每个定位信息包括定位数据和获取定位数据的时间戳;获取当前帧单线激光点云信息;单线激光点云信息包括点云数据和获取点云数据的时间戳;根据定位数据的时间戳和点云数据的时间戳,确定当前帧点云数据对应的车辆位姿信息;根据车辆位姿信息,对预设的第一坐标系下的第一地图路沿信息进行坐标转换,得到第二坐标系下的第二地图路沿信息;根据第二地图路沿信息,确定当前帧点云数据中的路沿点云数据;对预设时长内的多个路沿点云数据进行拟合,得到路沿信息。本申请的基于单线激光雷达的路沿检测方法对环境要求较低,鲁棒性高,且计算复杂度低,能够满足实时性要求。

Patent Agency Ranking