(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 202211533225.4 (22)申请日 2022.12.02 (71)申请人 广汽埃安 新能源汽车股份有限公司 地址 511447 广东省广州市番禺区石楼镇 龙瀛路36号 (72)发明人 李敏　张雄　龙文　胡禹超　 韦景文　刘智睿　艾永军　王倩　 申苗　 (74)专利代理 机构 北京唯智勤实知识产权代理 事务所(普通 合伙) 11557 专利代理师 姜悦 (51)Int.Cl. G06T 7/70(2017.01) G06V 20/58(2022.01) G06V 10/74(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) G01C 21/28(2006.01) G01C 21/34(2006.01) B60W 30/095(2012.01) B60W 50/00(2006.01) (54)发明名称 障碍物信息融合方法、 装置、 电子设备和计 算机可读介质 (57)摘要 本公开的实施例公开了障碍物信息融合方 法、 装置、 电子设备和计机 可读介质。 该方法的一 具体实施方式包括： 获取道路图像序列； 根据道 路图像序列和障碍物检测模型， 生成障碍物位姿 信息序列集； 执行 以下步骤： 根据任意两个障碍 物位姿信息序列， 生成障碍物检测结果相似度； 响应于确定障碍物检测结果相似度大于预设阈 值， 对于每个障碍物位姿信息序列， 执行 以下步 骤： 根据障碍物位姿信息序列， 生成前一时刻融 合相似度； 响应于确定前一时刻融合相似度小于 等于预设阈值， 将障碍物位姿信息序列确定为待 融合障碍物 位姿信息序列； 根据各个待融合障碍 物位姿信息序列， 确定障碍物融合位姿信息。 该 实施方式提高了障碍物融合信息的正确率和车 辆行驶的安全性。 权利要求书3页 说明书13页 附图2页 CN 115546293 A 2022.12.30 CN 115546293 A 1.一种障碍物信息融合方法， 包括： 获取目标障碍物 的道路图像序列， 其中， 所述目标障碍物为妨碍目标车辆安全行驶的 障碍物； 根据所述道路图像序列和预 先训练的障碍物检测模型， 生成障碍物位姿信息序列集； 对于所述障碍物位姿信息序列集中的任意两个障碍物位姿信息序列， 执 行以下步骤： 根据所述任意两个障碍物位姿信息序列， 生成障碍物检测结果相似度； 响应于确定所述障碍物检测结果相似度大于预设阈值， 对于所述任意两个障碍物位姿 信息序列中的每 个障碍物位姿信息序列， 执 行以下步骤： 根据所述障碍物位姿信息序列， 生成前一时刻融合相似度； 响应于确定所述前一 时刻融合相似度小于等于所述预设阈值， 将所述障碍物位姿信 息 序列确定为待融合障碍物位姿信息序列； 根据所确定的各个待融合障碍物位姿信息序列， 确定障碍物融合 位姿信息 。 2.根据权利要求1所述的方法， 其中， 所述方法还 包括： 将所述障碍物融合位姿信 息发送至所述目标车辆对应的车载终端， 以控制所述目标车 辆执行对应障碍物安全路径的行驶操作。 3.根据权利要求1所述的方法， 其中， 所述任意两个障碍物位姿信息序列包括： 第一障 碍物位姿信息序列和第二障碍物位姿信息序列； 以及 所述根据所述任意两个障碍物位姿信息序列， 生成障碍物检测结果相似度， 包括： 根据所述第 一障碍物位姿信 息序列， 确定与所述第 一障碍物位姿信 息序列对应的帧号 序列； 根据所述帧号序列， 确定第一相似度指数序列； 根据所述第一相似度指数序列， 确定第一相似度权 重系数序列； 根据所述第一障碍物位姿信息序列， 确定第一障碍物逆位姿信息序列； 根据所述第 一障碍物逆位姿信 息序列和所述第 二障碍物位姿信 息序列， 确定第 一相似 度向量序列； 根据所述第一相似度向量序列， 确定第一相似度 序列； 根据所述第 一相似度权重系数序列和所述第 一相似度序列， 确定障碍物检测结果相似 度。 4.根据权利要求3所述的方法， 其中， 所述根据所述障碍物位姿信息序列， 生成前一时 刻融合相似度， 包括： 将所述第一相似度权重系数序列中除最后一个第一相似度权重系数外的各个第一相 似度权重系数确定为第二相似度权 重系数序列； 将所述第一障碍物逆位姿信息序列中除第一个第一障碍物逆位姿信息外的各个第一 障碍物逆位姿信息确定为第二障碍物逆位姿信息序列； 根据所述障碍物位姿信 息序列， 确定所述障碍物位姿信 息序列对应的前一 时刻障碍物 融合位姿信息序列； 根据所述第 二障碍物逆位姿信 息序列和所述前一 时刻障碍物融合位姿信 息序列， 确定 第二相似度向量序列； 根据所述第二相似度向量序列， 确定第二相似度 序列；权　利　要　求　书 1/3 页 2 CN 115546293 A 2根据所述第二相似度权重系数序列和所述第二相似度序列， 确定前一时刻融合相似 度。 5.根据权利要求3所述的方法， 其中， 所述方法还 包括： 响应于确定所述前一时刻融合相似度大于所述预设阈值， 执 行以下步骤： 将所述前一时刻融合相似度对应的前一时刻的障碍物融合位姿信息确定为第一障碍 物融合位姿信息； 将所述第一障碍物融合位姿信息的前一时刻的障碍物融合位姿信息确定为第二障碍 物融合位姿信息； 将所述第二障碍物融合 位姿信息的逆矩阵确定为第二障碍物融合逆位姿信息； 根据所述第 二障碍物融合逆位姿信 息和所述第 一障碍物融合位姿信 息， 确定障碍物融 合相对位姿信息； 将所述第一障碍物融合位姿信息和所述第二障碍物融合位姿信息对应的时间间隔确 定为融合时间 间隔； 根据所述障碍物融合相对位姿信息和所述融合时间 间隔， 确定融合速度； 根据所述第一障碍物融合位姿信息、 所述融合速度和所述融合时间间隔， 确定当前障 碍物位姿信息 。 6.根据权利要求1所述的方法， 其中， 所述障碍物检测模型是通过以下方式训练得到 的： 获取样本集， 其中， 所述样本集中的样本包括样本道路图像， 以及与道路图像对应的样 本障碍物位姿信息序列； 基于样本集执 行以下训练步骤： 将样本集中的至少一个样本的样本道路图像分别 输入至初始障碍物检测模型中， 得到 所述至少一个样本中的每 个样本对应的障碍物位姿信息序列； 将所述至少一个样本中的每个样本对应的障碍物位姿信息序列与对应的样本障碍物 位姿信息序列进行比较； 根据比较结果确定初始障碍物检测模型 是否达到预设的优化目标； 响应于确定初始障碍物检测模型达到所述优化目标， 将初始障碍物检测模型确定为训 练完成的障碍物检测模型。 7.根据权利要求6所述的方法， 其中， 训练得到所述障碍物检测模型的步骤 还包括： 响应于确定初始障碍物检测模型未达到所述优化目标， 调整初始障碍物检测模型的网 络参数， 以及使用未用过 的样本组成样本集， 使用 调整后的初始障碍物检测模型作为初始 障碍物检测模型， 再次执 行所述训练步骤。 8.一种障碍物信息融合装置， 包括： 获取单元， 被配置成获取目标障碍物的道路图像序列， 其中， 所述目标障碍物为妨碍目 标车辆安全行驶的障碍物； 生成单元， 被配置成根据所述道路图像序列和预先训练的障碍物检测模型， 生成障碍 物位姿信息序列集； 执行单元， 被配置成对于所述障碍物位姿信 息序列集中的任意两个障碍物位姿信 息序 列， 执行以下步骤： 根据所述任意两个障碍物位姿信息序列， 生成障碍物检测结果相似度；权　利　要　求　书 2/3 页 3 CN 115546293 A 3