【技術實現步驟摘要】
一種基于無人駕駛車輛的灰塵檢測方法、裝置及設備
[0001]本申請涉及車輛自動駕駛
，尤其涉及一種基于無人駕駛車輛的灰塵檢測方法
、
裝置及設備
。
技術介紹
[0002]隨著
L4
級別自動駕駛技術的發展，自動駕駛車輛面臨著越來越多的特殊場景挑戰，尤其是在礦區等環境中，灰塵揚塵問題日益突出
。
由于灰塵的特征與實體障礙物的特征相似，使得無人駕駛車輛很難區分灰塵和真實障礙物，使得在灰塵環境中自動駕駛車輛往往會出現一系列不必要的反應，如急打方向或緊急剎車等
。
這些反應通常是由于誤判灰塵為障礙物或危險信號而引起的
。
這種不準確的感知可能會導致自動駕駛車輛的不合理行為，甚至在極端情況下造成車輛失控
、
追尾等嚴重安全事故
。
[0003]現有技術中，為了避免上述問題，一般采用毫米波雷達與激光雷達相結合的檢測方式來進行判斷，在同時檢測確認存在的障礙物檢測信息時，判斷存在實體障礙物，一定程度上能夠避免誤判灰塵為障礙物可能造成的安全事故
。
同時激光雷達檢測的點云數據中大量團狀
、
且形態變化極快的點云，還會被誤識別為障礙物，因此，會存在誤判斷的可能性，從而影響無人機駕駛車輛的運行效率和安全性
。
技術實現思路
[0004]本申請提供一種基于無人駕駛車輛的灰塵檢測方法
、
裝置及設備，用以解決將灰塵誤判為實體障礙物造成安全事故的問...
【技術保護點】
【技術特征摘要】
1.
一種基于無人駕駛車輛的灰塵檢測方法，其特征在于，包括：對激光雷達采集的第一檢測目標和毫米波雷達采集的第二檢測目標進行匹配處理，并在找不到與所述第一檢測目標匹配的第二檢測目標時，將所述第一檢測目標作為待檢測目標；對所述待檢測目標分別進行懸浮性分析
、
點云密度分析和點云梯度分析，得到所述待檢測目標是灰塵聚類的所述懸浮性分析對應的第一可能性結論
、
所述點云密度分析對應的第二可能性結論和所述點云梯度分析對應的第三可能性結論；基于所述第一可能性結論
、
第二可能性結論和第三可能性結論，實現對所述待檢測目標是否為灰塵的判定
。2.
根據權利要求1所述的方法，其特征在于，對所述待檢測目標分別進行懸浮性分析
、
點云密度分析和點云梯度分析，得到所述待檢測目標是灰塵聚類的所述懸浮性分析對應的第一可能性結論，包括：根據所述待檢測目標中最低點的點云的位置信息，得到所述待檢測目標的懸浮高度；根據所述懸浮高度和預設高度閾值的比值，得到所述待檢測目標是灰塵聚類的第一可能性結論
。3.
根據權利要求1所述的方法，其特征在于，對所述待檢測目標分別進行懸浮性分析
、
點云密度分析和點云梯度分析，得到所述待檢測目標是灰塵聚類的所述點云密度分析對應的第二可能性結論，包括：基于所述待檢測目標，選擇任一點云，計算并篩選得到該點云與所述待檢測目標中其他點云的最小距離；若所述任一點云的最小距離大于預設距離閾值，則將該點云作為密度異常點云；遍歷所述待檢測目標中的每個點云，得到多個密度異常點云；根據所述多個密度異常點云在所述待檢測目標中的占比，得到所述待檢測目標是灰塵聚類的第二可能性結論
。4.
根據權利要求1所述的方法，其特征在于，對所述待檢測目標分別進行懸浮性分析
、
點云密度分析和點云梯度分析，得到所述待檢測目標是灰塵聚類的所述點云梯度分析對應的第三可能性結論，包括：將所述待檢測目標劃分為多個待檢測區域，并將位于同一待檢測區域的點云投影到平面上，得到具有二維坐標的點云集；根據所述二維坐標，分別得到所述點云集中任一點云和與該點云相鄰的兩個點云形成的兩個梯度，并計算所述兩個梯度的梯度差；若所述任一點云對應的梯度差大于預設梯度差閾值，將該點云作為梯度異常點云；遍歷所述待檢測目標劃分得到多個點云集中的每個點云，得到多個梯度異常點云；根據所述多個梯度異常點云在所述待檢測目標中的占比，得到所述待檢測目標是灰塵聚類的第三可能性結論
。5.
根據權利要求1所述的方法，其特征在于，所述基于所述第一可能性結論
、
第二可能性結論和第三可能性結論，實現對所述待檢測目標是否為灰塵的判定，包括：根據預設權重，對所述第一可能性結論
、
第二可能性結論和第三可能性結論進行加權求和，得到所述待檢測目標是灰塵聚類的概率；
若所述檢測目標是灰塵聚類的概率大于所述預設概率閾值，則判定所述待檢測目標是灰塵
。6.
根據權利要求1任一項所述的方法，其特征在于，所述對激光雷達采集的第一檢測目標和毫米波雷達采集的第二檢測目標進行匹配處理，并在找不到與所述第一檢測目標匹配的第二檢測目標時，將所述第一檢...
【專利技術屬性】
技術研發人員：邢慶濤，田磊，范敏，楊孟，趙玉超，
申請(專利權)人：中國重汽集團濟南動力有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。