(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 202211004601.0 (22)申请日 2022.08.22 (71)申请人 江苏徐工 工程机械研究院有限公司 地址 221004 江苏省徐州市徐州经济技 术 开发区驮蓝山路26号 (72)发明人 任良才　杨超　艾云峰　张恩宇　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 邵斌 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/762(2022.01) G06V 10/82(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 一种障碍物检测方法、 装置、 工程车辆及存 储介质 (57)摘要 本发明公开了障碍物检测技术领域， 具体涉 及一种障碍物检测方法、 装置、 工程车辆及存储 介质， 障碍物检测方法包括： 对采集到的三维原 始点云数据进行分离和聚类处理， 获得非地面点 聚类簇， 并将非地面点聚类簇作为候选障碍物点 集； 采用构建的障碍物特征提取模 型分别提取所 述候选障碍物 点集中的障碍物 点特征、 二维投影 特征和体素化特征， 并进行融合得到障碍物特 征； 对所述障碍物特征进行分类， 得到障碍物检 测结果。 本发 明可以有效检测出无人车辆在行驶 过程中遇到的静态障碍物和动态障碍物， 对障碍 物的识别不受障碍物尺寸大小、 距离远近和种类 的限制， 提升了无人驾驶车辆对环境的感知精 度， 精准避障， 为无人驾驶车辆的安全行驶提供 保障。 权利要求书3页 说明书10页 附图7页 CN 115424034 A 2022.12.02 CN 115424034 A 1.一种障碍物检测方法， 其特 征是， 包括： 对采集到的三维原始点云数据进行分离和聚类处理， 获得非地面点聚类簇， 并将非地 面点聚类簇作为 候选障碍物点 集； 采用构建的障碍物特征提取模型分别提取所述候选障碍物点集中的障碍物点特征、 二 维投影特 征和体素化特 征， 并进行融合得到障碍物特 征； 对所述障碍物特 征进行分类， 得到障碍物检测结果。 2.根据权利要求1所述的障碍物检测方法， 其特征是， 对采集到的原始点云数据进行分 离和聚类处 理， 包括： 对采集到的原 始点云数据进行格栅 化处理， 得到格栅图； 遍历格栅图， 采用一致性检查和中值滤波对栅格内的点云数据进行处理， 构建地面点 和非地面点的二值图； 对所述二值图进行聚类， 得到非地 面点聚类簇 。 3.根据权利要求2所述的障碍物检测方法， 其特征是， 所述格栅图是极坐标下的格栅 图。 4.根据权利要求2所述的障碍物检测方法， 其特征是， 采用一致性检查和中值滤波对栅 格内的点云数据进行处 理， 包括： 一致性检查， 将相邻栅格的高度差和栅格高度差阈值进行比较， 低于栅格高度差阈值 表示该栅格属于地面， 否则属于非地面； 其中， 相 邻栅格的高度差是相 邻两个栅格最大值的 差值、 相邻两个栅格中值的差值、 相邻两个栅格最小值的差值中的任一种； 中值滤波， 遍历所有不包含任意原始点云数据的栅格， 针对每个不包含任意原始点云 数据的栅格， 将与其相邻的四个栅格的中值作为该栅格的高度值， 如果相邻的四个栅格是 地面点， 则中间栅格也设置为 地面点； 由此绘制 “地面点‑非地面点”的0、 1二值图。 5.根据权利要求 4所述的障碍物检测方法， 其特 征是， 对所述 二值图进行聚类， 包括： 采用八连通域方法对 “地面点‑非地面点 ”的0、 1二值图进行 聚类， 将非地面点的xy平面 离散为m×n的网格， 初始 化网格状态， 将网格配置为两种初始状态， 分别为空状态和已占用 状态； 然后， 将单个网格选作中心网格， 并且类簇ID 计数器加1， 然后检查与中心网格相 邻的 八个网格的占用状态， 并用当前类簇ID标记； 对m ×n的网格中的每个网格重复此过程， 直到 为所有非空网格分配了类簇ID， 最终得到标记有类簇ID的非地面点聚类簇， 该聚类簇为候 选障碍物点 集。 6.根据权利要求1所述的障碍物检测方法， 其特征是， 所述障碍物特征提取模型包括： 全连接层、 含有可变形卷积层的二维卷积神经网络、 含有可变形卷积层的三维卷积神经网 络、 特征融合模块， 所述全连接层， 用于将候选障碍物点集中的每个点连接至前一层的所有点进行全连接 处理， 得到障碍物的点特 征； 所述二维卷积神经网络， 用于对经过二维投影处理 的障碍物的点特征进行包括二维可 变形卷积在内的处 理， 得到障碍物的二维投影特 征； 所述三维卷积神经网络， 用于对经过体素化处理 的障碍物的点特征进行包括三维可变 形卷积在内的处 理， 得到障碍物的体素化特 征； 所述特征融合模块， 用于将障碍物的点特征、 二维投影特征和体素化特征进行融合， 得权　利　要　求　书 1/3 页 2 CN 115424034 A 2到障碍物特 征。 7.根据权利要求6所述的障碍物检测方法， 其特征是， 对经过二维投影处理的障碍物的 点特征进行包括 二维可变形 卷积在内的处 理， 得到障碍物的二维投影特 征， 包括： 对三维的障碍物的点特 征进行二维投影处 理， 得到初始二维投影特 征； 利用第一二维卷积神经网络对所述初始二维投影特征进行特征提取， 得到第 一中间特 征； 利用第二 二维卷积神经网络对所述第一中间特 征进行特征提取， 得到第一偏移量； 利用所述第一偏移量对所述初始二维投影特征进行处理， 得到障碍物的二维投影特 征。 8.根据权利要 求7所述的障碍物 检测方法， 其特征是， 所述障碍物的二维投影特征y(p0) 的表达式如下： 其中， p0是初始二维投影特征上的每个点的位置坐标， R是二维卷积神经网络的卷积 核， pn是在R中所在位置的枚举， Δpn是第一偏移量， w和x是 卷积符号。 9.根据权利要求6所述的障碍物检测方法， 其特征是， 对经过体素化处理 的障碍物的点 特征进行包括 三维可变形 卷积在内的处 理， 得到障碍物的体素化特 征， 包括： 对障碍物的点特 征进行体素化处 理， 得到初始体素化特 征； 利用第一三维卷积神经网络对所述初始体素化特征进行特征提取， 得到第二中间特 征； 利用第二 三维卷积神经网络对所述第二中间特 征进行特征提取， 得到第二偏移量； 利用所述第二偏移量对所述初始体素化特 征进行处 理， 得到障碍物的体素化特 征。 10.根据权利要求9所述的障碍物检测方法， 其特征是， 所述障碍物的体素化特征 的表达式如下： 其中， xi是临近点， x是 中心点， Δ(x)是所述第二偏移量， fi是xi的对应特征， gdeform是核 函数， 是球形邻域。 11.根据权利要求1所述的障碍物检测方法， 其特征是， 对所述障碍物特征进行分类， 得 到障碍物检测结果， 包括： 通过第一分类 器对所述障碍物特 征进行分类， 得到第一分类结果； 通过第二分类 器对所述障碍物特 征进行分类， 得到第二分类结果； 根据第一分类结果、 第一分类器的权重、 第二分类结果、 第 二分类器的权重进行加权计 算， 得到障碍物检测结果。 12.根据权利要求11所述的障碍物检测方法， 其特征是， 所述第一分类器的权重、 第二 分类器的权重均通过以下方法获得： 训练分类器， 从第一次迭代开始， 每个样本都赋予一个 权重值， 然后进行训练， 根据训练中得到的分类器的误差率来计算该分类器的权重， 并据此 调整样本的各个权重值， 作为下一次迭代的输入， 其中， 分类器的误差率em及分类器的权重 αm， 计算公式如下：权　利　要　求　书 2/3 页 3 CN 115424034 A 3