本申請實施例公開了用于車輛的障礙物檢測方法和裝置，涉及自動駕駛技術領域，尤其是自主泊車技術領域。上述車輛包括圖像采集裝置。上述方法的一具體實施方式包括：獲取圖像采集裝置的標定數據；獲取針對圖像采集裝置采集的圖像中的障礙物的標注框；根據標定數據以及標注框，確定障礙物與車輛之間的估算距離；根據車輛的位置信息以及估算距離，確定車輛周圍的多個候選點；根據多個候選點以及標注框，確定障礙物與車輛之間的優化距離。該實施方式可以提高障礙物距離探測的精確度。

技術領域

本申請實施例涉及計算機技術領域，具體涉及用于車輛的障礙物檢測方法和裝置。

背景技術

為了適應動態場景的要求，自動駕駛車輛必須能夠對周圍環境進行探測與識別，并且根據周圍環境采取對應的決策和路徑規劃。靜態的環境包括建筑物、路沿、樹木等；而動態的環境包括運動的障礙物如車輛、人等。障礙物的識別包括對障礙物種類、大小的判別，而探測包括障礙物位置和姿態估算。其中，障礙物位置的估算常常被簡化為障礙物與本車的距離估算，因此障礙物測距方案是自動駕駛的一個關鍵問題與難點。

針對不同的傳感器，有不同的測距優化方案。基于激光雷達或毫米波雷達的自動駕駛方案中，由于雷達具備直接測距的能力，測距精度本身較高，但原始數據量大。因此測距方案的優化偏向于對運算時間和速度，以及粗差的剔除。基于雙目的自動駕駛方案中，測距主要受標定和立體匹配的影響，錯誤的匹配往往導致錯誤的深度計算。因此測距方案的優化偏向于對匹配精度和在線、離線標定的優化。無論是激光還是雙目的方案，傳感器耗費都較大。

隨著視覺的發展，基于單目的傳感器方案越來越廣泛的被采用。由于單目缺乏足夠的幾何約束，因此通過單目獲取深度是計算機視覺界一個很難的問題。

發明內容

本申請實施例提出了用于車輛的障礙物檢測方法和裝置。

第一方面，本申請實施例提供了一種用于車輛的障礙物檢測方法，上述車輛安裝有圖像采集裝置，上述方法包括：獲取上述圖像采集裝置的標定數據；獲取針對上述圖像采集裝置采集的圖像中的障礙物的標注框；根據上述標定數據以及上述標注框，確定上述障礙物與上述車輛之間的估算距離；根據上述車輛的位置信息以及上述估算距離，確定上述車輛周圍的多個候選點；根據上述多個候選點以及上述標注框，確定上述障礙物與上述車輛之間的優化距離。

在一些實施例中，上述標注框包括上述障礙物的至少兩個接地點；以及上述根據上述標定數據以及上述標注框，確定上述障礙物與上述車輛之間的估算距離，包括：根據上述標定數據以及上述至少兩個接地點，確定每個接地點與上述車輛之間的距離；根據每個接地點與上述車輛之間的距離，確定上述估算距離。

在一些實施例中，上述根據上述車輛的位置信息以及上述估算距離，確定上述車輛周圍的多個候選點，包括：根據上述車輛的位置信息以及上述估算距離，確定候選點選取范圍；在上述候選點選取范圍選取多個點作為候選點；根據高精地圖，確定上述候選點的三維坐標信息。

在一些實施例中，上述根據上述多個候選點以及上述標注框，確定上述障礙物與上述車輛之間的優化距離，包括：根據上述候選點的三維坐標信息，向圖像坐標系投影，得到上述候選點在上述圖像坐標系中的二維坐標信息；根據候選點的三維坐標信息、二維坐標信息以及上述標注框在上述圖像坐標系中的二維坐標信息，確定上述標注框的三維坐標信息；根據上述三維坐標信息，確定上述優化距離。

在一些實施例中，上述根據候選點的三維坐標信息、二維坐標信息以及上述標注框在上述圖像坐標系中的二維坐標信息，確定上述標注框的三維坐標信息，包括：根據上述候選點的二維坐標信息，確定上述候選點與上述標注框之間的距離；對上述距離按照有小到大的順序進行排序，將前目標數量個候選點作為目標候選點；根據目標候選點的三維坐標信息、二維坐標信息以及上述標注框在上述圖像坐標系中的二維坐標信息，確定上述標注框的三維坐標信息。