(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 202210876881.8 (22)申请日 2022.07.25 (71)申请人 重庆长安汽车股份有限公司 地址 400023 重庆市江北区建新 东路260号 (72)发明人 邵俊宇　任凡　陆波　殷炎　 (74)专利代理 机构 上海光华专利事务所(普通 合伙) 31219 专利代理师 吴向青 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G01S 13/86(2006.01) G01S 13/931(2020.01) G01S 15/931(2020.01) G01S 15/86(2020.01) G01S 17/931(2020.01) (54)发明名称 车辆障碍物检测方法、 系统、 设备、 介质及程 序 (57)摘要 本申请提供一种车辆障碍物检测方法、 系 统、 设备、 介质及程序， 该方法包括： 获取车辆当 前状态下 投影光线在地面形成的投影图像； 将所 述投影图像与预设的投影图像进行比较， 确定所 述投影图像中的障碍物以及所述障碍物的位置 区域； 根据所述障碍物在所述投影图中位置区域 产生的线条变化， 确定所述障碍物的类型实现障 碍物检测， 其中， 所述障碍物的类型包括凸起和 断层， 本申请不受环境亮度的影响， 即使处于光 线较暗的停车场， 通过投影光线也能进行障碍物 检测， 不仅提高了障碍物的检测精度， 无需配置 额外传感器进行辅助， 还大大降低了障碍物检测 成本。 权利要求书2页 说明书12页 附图6页 CN 115187963 A 2022.10.14 CN 115187963 A 1.一种车辆障碍物检测方法， 其特 征在于， 包括： 获取车辆当前状态下投影光线在地面形成的投影图像， 其中， 所述当前状态包括行驶 状态或静止状态； 将所述投影图像与 预设的投影图像进行比较， 确定所述投影图像中的障碍物以及所述 障碍物的位置区域； 根据所述障碍物在所述投影图中位置区域产生的线条变化， 确定所述障碍物的类型实 现障碍物检测， 其中， 所述障碍物的类型包括凸起和断层。 2.根据权利要求1所述的车辆障碍物检测方法， 其特征在于， 确定所述障碍物的类型实 现障碍物检测之后， 还 包括： 若所述障碍物的类型为凸起， 根据 所述车辆投影光线在最远点的投影角度与 行驶距离 计算所述凸起障碍物的高度； 其中， 所述行驶距离与 投影角度由所述投影图像形变发生时 刻与形变消除时刻确定； 若所述障碍物的类型为断层， 根据相似三角形原 理结合所述车辆产生投影以及采集投 影图像在水平方向、 垂直方向的距离计算所述断层障碍物的高度。 3.根据权利要求1所述的车辆障碍物检测方法， 其特征在于， 将所述投影图像与预设的 投影图像进行比较， 确定所述投影图像中的障碍物以及所述障碍物的位置区域， 包括： 将所述投影图像与预设的投影图像进行比较； 若所述投影图像与预设的投影图像的图形相同， 则确定所述投影图像中无障碍物； 若所述投影图像与 预设的投影图像的图形不同， 则根据 所述投影图像与预设的投影图 像之间的图形偏移确定障碍物以及所述碍物的位置区域。 4.根据权利要求1所述的车辆障碍物检测方法， 其特征在于， 根据 所述障碍物在所述投 影图中位置区域产生的线条变化， 确定所述障碍物的类型实现障碍物检测， 包括： 若所述投影图像中线条最远距离相对于预设的投影图像中线条最远距离更远， 则确定 路面障碍物的类型为断层； 若所述投影图像中线条最远距离相对于预设的投影图像中线条最远距离更近， 则确定 路面障碍物的类型为凸起。 5.根据权利要求2所述的车辆障碍物检测方法， 其特征在于， 在确定所述障碍物的高度 之后， 还包括： 根据预设高度对所述障碍物的高度进行判断； 若所述障碍物的高度低于预设高度， 则确定所述车辆能通过 该高度的障碍物； 若所述障碍物 的高度不低于预设高度， 则确定所述车辆不能通过该高度的障碍物， 并 发出警报进行通知。 6.根据权利要求5所述的车辆障碍物检测方法， 其特征在于， 在确定所述车辆不 能通过 该高度的障碍物之后， 还 包括： 获取所述车辆与所述障碍物之间的最近距离； 将所述最近距离与 预设安全距离 阈值进行比较， 若所述最近距离小于等于预设安全距 离阈值， 则发出障碍警报； 若所述 最近距离大于预设安全距离阈值， 则不处 理。 7.根据权利要求1至6任一所述的车辆障碍物检测方法， 其特征在于， 确定所述障碍物 的类型实现障碍物检测之后， 还 包括：权　利　要　求　书 1/2 页 2 CN 115187963 A 2获取所述车辆当前状态下的超声 波雷达数据、 毫米波雷达数据与激光雷达数据； 将所述激光雷达数据、 所述超声波雷达数据与毫米波雷达数据进行融合， 确定环境感 知信息； 根据所述环境感知信息与障碍物检测结果进行 标注， 生成训练集； 基于所述训练集对预 先构建的卷积神经网络进行训练， 得到智能决策模型； 将环境感知信息与障碍物检测结果输入所述智能决策模型， 以输出相应的控制策略。 8.根据权利要求1至6任一所述的车辆障碍物检测方法， 其特征在于， 确定所述障碍物 的类型实现障碍物检测之后， 还 包括： 基于视觉深度 学习算法对车辆当前场景的视觉数据进行车位识别， 确定视觉车位信 息 并标记第一时间点； 基于机器学习算法对车辆当前场景的超声波雷达数据进行车位识别， 确定空间车位信 息并标记第二时间点； 将相同时间的所述第一时间点与第二时间点关联的空间车位信息与视觉车位信息进 行融合， 得到目标 车位信息； 根据所述目标车位信息与所述目标车位信息到所述车辆之间的障碍物检测结果对车 辆自动泊车进行辅助。 9.一种车辆障碍物检测系统， 其特 征在于， 包括： 图像获取模块， 用于获取车辆当前状态下投影光线在地面形成的投影图像， 其中， 所述 当前状态包括行驶状态或静止状态； 图像比较模块， 用于将所述投影图像与预设的投影图像进行比较， 确定所述投影图像 中的障碍物以及所述障碍物的位置区域； 障碍检测模块， 用于根据所述障碍物在所述投影图中位置区域产生的线条变化， 确定 所述障碍物的类型实现障碍物检测， 其中， 所述障碍物的类型包括凸起和断层。 10.一种电子设备， 其特 征在于， 包括： 一个或多个处 理器； 存储装置， 用于存储一个或多个程序， 当所述一个或多个程序被所述一个或多个处理 器执行时， 使得 所述电子设备实现权利要求1至8中任一项所述的方法。 11.一种车辆设备， 其特 征在于， 包括权利要求10所述的电子设备。 12.一种计算机可读存储介质， 其特征在于， 其上存储有计算机可读指令， 当所述计算 机可读指令被 计算机的处 理器执行时， 使计算机执 行权利要求1至8中任一项所述的方法。 13.一种计算机程序产品或计算机程序， 其特征在于， 所述计算机程序产品或所述计算 机程序包括计算机指令， 所述计算机指令存储在计算机可读存储介质中， 电子设备 的处理 器从计算机可读存储介质读取该计算机指令， 处理器执行该计算机指令， 使得该电子设备 执行权利要求1至8中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115187963 A 3