(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210466383.6 (22)申请日 2022.04.29 (71)申请人 重庆长安汽车股份有限公司 地址 400020 重庆市江北区建新 东路260号 (72)发明人 黄城　文滔　任凡　黄明　 (74)专利代理 机构 重庆博凯知识产权代理有限 公司 50212 专利代理师 孙根 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/26(2022.01) G06V 10/42(2022.01) G06V 10/762(2022.01) G06K 9/62(2022.01) (54)发明名称 一种道路车辆目标检测方法、 系统、 电子设 备及存储介质 (57)摘要 本发明公开了一种道路车辆目标检测方法、 系统、 电子设备及存储介质， 包括S1、 获取驾驶场 景的原始点云信息； S2、 对所述原始点云信息进 行预处理， 获取车道范围内的点云信息； S3、 对步 骤S2获取的点云信息进行路面分割处理， 获取车 道内具有高度的障碍物点云信息； S4、 对所述障 碍物点云信息进行聚类处理， 获取障碍物的拟合 结果； S5、 对所述障碍物的拟合结果进行坐标提 取并计算边界长度， 获取障碍物的几何特征； S6、 根据障碍物的几何特征识别障碍物为车辆目标 或非车辆目标。 本发明基于车辆几何尺寸模型对 道路车辆目标进行识别与检测， 减少了数据量， 提高算法效率， 对提高自动驾驶车辆的环境感知 环节的效率 以及为驾驶行为决策提供关键信息 具有重要意 义。 权利要求书1页 说明书4页 附图1页 CN 114743181 A 2022.07.12 CN 114743181 A 1.一种道路车辆目标检测方法， 其特 征在于， 包括以下步骤， S1、 获取驾驶场景的原 始点云信息； S2、 对所述原 始点云信息进行 预处理， 获取车道范围内的点云信息； S3、 对步骤S2获取的点云信息进行路面分割 处理， 获取车道内具有高度的障碍物点云 信息； S4、 对所述障碍物点云信息进行聚类处 理， 获取障碍物的拟合结果； S5、 对所述障碍物的拟合结果进行坐标提取并计算 边界长度， 获取障碍物的几何特 征； S6、 根据障碍物的几何特 征识别障碍物为车辆目标或非车辆目标。 2.根据权利要求1所述的道路车辆目标检测方法， 其特征在于， 通过多线激光雷达获取 驾驶场景的原 始点云信息 。 3.根据权利要求1所述的道路车辆目标检测方法， 其特征在于， 通过下采样并裁剪的预 处理方式， 剔除原 始点云信息中车道范围外的多余 点云信息， 获取 车道范围内的点云信息 。 4.根据权利要求1所述的道路车辆目标检测方法， 其特征在于， 所述路面分割处理采用 随机采样一 致性算法。 5.根据权利要求1所述的道路车辆目标检测方法， 其特征在于， 所述聚类处理采用密度 聚类算法。 6.根据权利要求1所述的道路车辆目标检测方法， 其特征在于， 所述几何特征包括障碍 物的纵向边界长度、 横向边界长度和垂直 边界长度。 7.根据权利要求1所述的道路车辆目标检测方法， 其特征在于， 步骤S6中， 判断障碍物 的几何特征是否在设定的车辆目标几何尺寸范围内， 若 是， 则识别障碍物为车辆目标， 否则 识别障碍物为非车辆目标。 8.一种道路车辆目标检测系统， 其特 征在于， 包括， 激光雷达， 包括多 线激光雷达， 用于获取驾驶场景的原 始点云信息； 预处理模块， 对所述原始点云信息进行下采样并裁剪， 剔除原始点云信息中车道范围 外的多余 点云信息， 获取 车道范围内的点云信息； 路面分割模块， 通过随机采样一致性算法对预处理模块获取的点云信息进行路面分 割， 获取车道内具有高度的障碍物点云信息； 聚类模块， 通过密度聚类算法将路面分割模块分割完获取的点云信息进行拟合， 获取 障碍物的拟合结果； 几何特征匹配模块， 对聚类模块输出的障碍物拟合结果进行坐标提取并计算边界长 度， 并进行障碍物几何特 征的判断， 输出障碍物为车辆目标或非车辆目标的识别结果。 9.一种电子设备， 其特 征在于， 包括， 存储器， 用于存 储道路车辆目标检测程序； 处理器， 用于执行所述道路车辆目标检测程序时实现如权利要求1 ‑7任一所述的道路 车辆目标检测方法。 10.一种存储介质， 其特征在于， 所述存储介质存储有一个或者多个程序， 所述一个或 者多个程序被处理器运行时， 执行如权利要求1 ‑7任一所述的道路车辆目标检测方法的步 骤。权　利　要　求　书 1/1 页 2 CN 114743181 A 2一种道路车辆目标 检测方法、 系统、 电子 设备及存储介质 技术领域 [0001]本发明属于自动驾驶技术领域， 更具体涉及一种道路车辆目标检测方法、 系统、 电 子设备及存 储介质。 背景技术 [0002]环境感知是自动驾驶的首要环节， 车辆目标检测则一直是自动驾驶汽车环境感知 中的重要研究内容， 其检测的准确性与实时性是实现自动 驾驶行为的重要 前提。 当前， 激光 雷达在数据获取与 环境适应性方面的优势日渐凸显， 有许多基于激光雷达的车辆目标检测 方法， 但多存在误检或漏检问题。 [0003]如我国专利CN201610674755.9提供了一种单线激光雷达车辆目标识别方法、 装置 和汽车， 该方法包括： 获取所述单线激光雷达的探测数据， 探测数据包括若干点云的坐标数 据； 基于点云的坐标数据对若干点云进 行聚类， 以将若干点云分为至少一个探测物体； 将组 成任一个探测物体的点云的坐标数据拟合为线段； 提取每个探测物体对应的线段的特征； 基于提取的特征通过机器学习方法识别该探测物体是否是车辆， 若 是， 发出警报信息。 通过 单线激光雷达的探测数据， 识别探测到的物体是否是车辆， 并根据识别结果确定是否发出 警报信息， 提高汽车驾驶安全性， 避免车内及车外人身财产的伤害和损失。 其采用的是单层 激光雷达， 无法测得车辆的高度方向信息， 将道路两侧具有一定更高度的物体如护栏等误 检成车辆目标。 [0004]又如我国专利CN202010050963.8提供一种路侧激光雷达目标检测方法， 其包含： 从路侧激光雷达采集的数据中选取不同时段的多帧背 景点云数据作为背 景数据， 对背 景数 据进行栅格化处理并统计栅格特征， 计算得到栅格平均 统计特征作为背景栅格统计表； 针 对实测的原始点云数据， 进行与背景数据具备相同栅格尺寸的栅格化处理， 统计得到原始 点云数据对应的栅格统计特征， 结合背景栅格统计表进行背景滤波后， 得到非背景点云数 据； 将非背景点云数据输入构建的多尺度体素三维检测检测网络， 输出目标 的检测结果张 量， 结果张量包含目标的类别信息和边界框信息。 该发明通过背景滤波， 滤除大量的无效 点， 显著缩短网络的训练和推理时间， 同时没有了大量背景点的干扰提高了检测结果的精 度。 其基于安装在路侧的激光雷达， 针对路口的复杂车况， 提出了一种建立在车辆检测模型 基础上的组合聚类方式并实现了十字路口处进行道路车辆目标的识别与追踪。 但是， 该方 案在只配备一个激光雷达的条件下， 无法解决车流量较大时车辆的遮挡问题， 需要通过多 个激光雷达组成激光雷达系统才能够 在复杂的混合交通 流中准确识别车辆目标。 发明内容 [0005]为解决上述问题， 本 发明提供了一种道路车辆目标检测方法、 系统、 电子设备及存 储介质， 能够 在实际驾驶场景 下实时准确检测得到车道内的车辆目标。 [0006]为了解决上述技术问题， 本发明采用的技术方案是这样的： 一种道路车辆目标检 测方法， 包括以下步骤，说　明　书 1/4 页 3 CN 114743181 A 3