(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 202211025806.7 (22)申请日 2022.08.25 (71)申请人 北京小马慧行 科技有限公司 地址 100144 北京市海淀区北清路81号 一 区1号楼16、 17层1701室 (72)发明人 程大治　 (74)专利代理 机构 北京市万慧达律师事务所 11111 专利代理师 徐光耀 (51)Int.Cl. G01S 17/86(2020.01) G01S 17/931(2020.01) G01S 7/48(2006.01) G06V 10/80(2022.01) G06V 20/58(2022.01) (54)发明名称 一种物体漏检的识别方法、 装置、 计算机设 备和存储介质 (57)摘要 本申请涉及一种物体漏检的识别方法、 装 置、 计算机设备和存储介质。 所述方法包括： 获取 第一物体检测数据， 其中， 所述第一物体检测数 据是对包括至少一个第一待检测物体的第一激 光点云数据进行检测得到的； 获取第二物体检测 数据， 其中， 所述第二物体检测数据是对包括至 少一个第二待检测物体的第一相机图像数据进 行检测得到的， 所述第一待检测物体到当前车辆 的距离和所述第二待检测物体到所述当前车辆 的距离相等； 根据所述第一物体检测数据和所述 第二物体检测数据的重叠度， 确定所述第二物体 检测数据是否存在漏检。 采用本方法能够识别物 体的漏检 现象， 从而对自动驾驶车辆的感知部分 进行优化， 提高自动驾驶车辆对环境的感知精 度。 权利要求书3页 说明书16页 附图2页 CN 115494513 A 2022.12.20 CN 115494513 A 1.一种物体漏检的识别方法， 其特 征在于， 包括： 获取第一物体检测数据， 其中， 所述第一物体检测数据是对包括至少一个第一待检测 物体的第一激光 点云数据进行检测得到的； 获取第二物体检测数据， 其中， 所述第二物体检测数据是对包括至少一个第二待检测 物体的第一相机图像数据进行检测得到的， 所述第一待检测物体到 当前车辆的距离和所述 第二待检测物体到所述当前 车辆的距离相等； 根据所述第 一物体检测数据和所述第 二物体检测数据的重叠度， 确定所述第 二物体检 测数据是否存在漏检。 2.根据权利要求1所述的物体漏检的识别方法， 其特征在于， 所述根据 所述第一物体检 测数据和所述第二物体检测数据的重叠度， 确定所述第二物体检测数据是否存在漏检的步 骤， 包括： 将所述第一物体 检测数据投影至所述第二物体 检测数据上， 得到待检测投影数据； 根据所述待检测投影数据和所述第二物体 检测数据， 得到第一物体重 叠度； 将所述第一物体重叠度与 预设的重叠度阈值进行对比， 判断所述第 一物体重叠度 是否 大于所述重 叠度阈值； 若否， 确定所述第二物体 检测数据存在漏检； 若是， 确定所述第二物体 检测数据不存在漏检。 3.根据权利要求2所述的物体漏检的识别方法， 其特征在于， 所述将所述第 一物体检测 数据投影至所述第二物体 检测数据上， 得到待检测投影数据的步骤， 包括： 获取所述第一物体检测数据的各个所述第一待检测物体， 其中， 所述第一待检测物体 的表现形式包括 三维多边形； 对所述三维多边形进行采样， 得到至少一个关键点， 其中， 所述关键点包括所述三维多 边形框的顶点； 通过相机 外参将各个所述关键点投影至相机坐标系， 得到对应的第一投影点； 通过相机内参将各个所述第 一投影点投影至相机的二维成像平面， 得到对应的第 二投 影点； 将各个所述第二投影点进行包围， 得到投影多边形； 融合各个所述 三维多边形的投影多边形， 得到所述待检测投影数据。 4.根据权利要求1所述的物体漏检的识别方法， 其特 征在于， 还 包括： 对所述第一激光 点云数据进行识别， 判断所述第一激光 点云数据是否包括收费站； 若否， 继续执 行所述第二物体 检测数据是否存在漏检的识别步骤； 若是， 获取所述收费站与所述当前车辆的间隔距离， 判断所述间隔距离是否小于预设 的距离阈值； 若是， 停止执 行所述第二物体 检测数据是否存在漏检的识别步骤； 若否， 继续执 行所述第二物体 检测数据是否存在漏检的识别步骤。 5.根据权利要求1所述的物体漏检的识别方法， 其特 征在于， 还 包括： 获取所述第 一物体检测数据包括至少一个三维多边形的各个所述第 一待检测物体， 其 中， 所述第一待检测物体的表现形式包括 三维多边形； 获取各个所述三维多边形在第一方向上的第一极值点以及在第二方向上的第二极值权　利　要　求　书 1/3 页 2 CN 115494513 A 2点， 其中， 所述第一方向用于指示与激光 发射方向垂 直的方向， 所述第二方向用于指示与地 面平行的方向； 根据预设的扩 张距离， 对所述第 一极值点进行扩 张， 得到第 一扩张点， 根据所述扩张距 离， 对所述第二极值 点进行扩张， 得到第二扩张点； 获取在所述第 一扩张点处的激光的第 一反射距离， 以及在所述第 二扩张点处的激光的 第二反射距离； 将所述第一反射距离和所述第 二反射距离分别与 所述三维多边形的长度进行对比， 判 断所述第一反射距离和所述第二反射距离是否都大于所述 三维多边形的长度； 若是， 确定所述三维多边形未被遮挡， 继续执行所述第二物体检测数据是否存在漏检 的识别步骤； 若否， 确定所述三维多边形被遮挡， 停止执行所述第二物体检测数据是否存在漏检的 识别步骤。 6.根据权利要求2所述的物体漏检的识别方法， 其特征在于， 将所述第 一物体检测数据 投影至所述第二物体 检测数据上， 得到待检测投影数据的步骤之后， 包括： 获取第一目标物体检测数据， 其中， 所述第一目标物体检测数据是对包括至少一个目 标物体的第二激光点云数据进 行检测得到的， 所述目标物体到所述当前车辆的距离小于所 述第一待检测物体到所述当前 车辆的距离； 获取第二目标物体检测数据， 其中， 所述第二目标物体检测数据是对包括至少一个所 述目标物体的第二相机图像数据进行检测得到的； 将所述第一目标物体检测数据投影至所述第 二目标物体检测数据 上， 得到目标投影数 据； 根据所述待检测投影数据和所述目标投影数据， 得到第二物体重 叠度； 将所述第二物体重叠度与 所述重叠度阈值进行对比， 判断所述第 二物体重叠度 是否大 于所述重 叠度阈值； 若是， 停止执 行所述第二物体 检测数据是否存在漏检的识别步骤； 若否， 继续执 行所述第二物体 检测数据是否存在漏检的识别步骤。 7.根据权利要求3所述的物体漏检的识别方法， 其特征在于， 将所述第 一物体检测数据 投影至所述第二物体 检测数据上， 得到待检测投影数据的步骤之后， 包括： 获取所述待检测 投影数据的第一像素和第二像素， 其中， 所述第一像素用于指示所述 待检测投影数据中的投影多边形在长度方向上的像素， 所述第二像素用于指示所述待检测 投影数据中的投影多边形在宽度方向上的像素； 将所述第一像素和所述第 二像素分别与 预设的像素阈值进行对比， 判断所述第 一像素 和所述第二像素 是否都大于所述像素阈值； 若是， 继续执 行所述第二物体 检测数据是否存在漏检的识别步骤； 若否， 停止执 行所述第二物体 检测数据是否存在漏检的识别步骤。 8.根据权利要求1所述的物体漏检的识别方法， 其特征在于， 所述获取第 一物体检测数 据的步骤 包括： 获取所述当前车辆的检测范围， 以及在所述检测范围内的包括至少一个第 一待检测物 体的第一激光 点云数据；权　利　要　求　书 2/3 页 3 CN 115494513 A 3