障碍物筛选方法、装置、电子设备及存储介质与流程

1.本公开涉及人工智能技术领域，尤其涉及自动驾驶、无人驾驶技术领域，具体涉及一种障碍物筛选方法、装置、电子设备及存储介质。


背景技术：

2.在自动驾驶过程中，对于主车来说，在检测到障碍物后，会对障碍物进行障碍物行为预测并根据障碍物来对主车行驶进行规划实现避障。
3.但是障碍物数目太多时预测和规划的时延会增大，从而会导致主车的自动驾驶决策的整体时延增大，影响自动驾驶性能。


技术实现要素：

4.本公开提供了一种障碍物筛选方法、装置、电子设备及存储介质，能够对主车检测到的多个障碍物按照不同条件进行筛选，从而便于后续对特定的障碍物进行对应的障碍物行为预测，从而减少需要进行障碍物行为预测的障碍物数量，降低预测时延。
5.根据本公开的第一方面，提供了一种障碍物筛选方法，包括：获取主车设置的障碍物检测装置检测到的多个障碍物；根据预设的第一筛选条件，确定多个障碍物中的第一障碍物，得到第一障碍物集合，第一障碍物是多个障碍物中位于主车的预设距离范围内的障碍物；根据预设的第二筛选条件，确定第二障碍物中的第三障碍物，得到第三障碍物集合，第二障碍物为多个障碍物中不属于第一障碍物集合的障碍物，第三障碍物为第二障碍物中对主车没有威胁的障碍物；对第四障碍物进行重要性打分，得到各第四障碍物对应的重要性得分，第四障碍物为第二障碍物中不属于第三障碍物集合的障碍物。
6.根据本公开的第二方面，提供了一种障碍物筛选装置，包括：获取模块，用于获取主车设置的障碍物检测装置检测到的多个障碍物；筛选模块，用于根据预设的第一筛选条件，确定多个障碍物中的第一障碍物，得到第一障碍物集合，第一障碍物是多个障碍物中位于主车的预设距离范围内的障碍物；根据预设的第二筛选条件，确定第二障碍物中的第三障碍物，得到第三障碍物集合，第二障碍物为多个障碍物中不属于第一障碍物集合的障碍物，第三障碍物为第二障碍物中对主车没有威胁的障碍物；对第四障碍物进行重要性打分，得到各第四障碍物对应的重要性得分，第四障碍物为第二障碍物中不属于第三障碍物集合的障碍物。
7.根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面提供的方法。
8.根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行根据第一方面提供的方法。
9.根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现根据第一方面提供的方法。
10.本公开能够通过第一筛选条件筛选出位于主车的预设距离范围内的第一障碍物，这些障碍物距离主车较近，因此能够便于后续对第一障碍物进行精准的障碍物行为预测。而能够通过第二筛选条件筛选出对主车没有威胁的第三障碍物，这些障碍物由于对主车不构成威胁，从而筛选出第三障碍物便于后续不再对这些障碍物进行障碍物行为预测。还能够对其他障碍物进行重要性打分，然后便于对得分靠前的障碍物进行精准的障碍物行为预测，而对得分靠后的障碍物进行粗障碍物行为预测。如此，能够对主车检测到的多个障碍物按照不同条件进行筛选，从而便于后续对特定的障碍物进行对应的障碍物行为预测，并对不会威胁到主车的障碍物进行过滤，从而减少需要进行障碍物行为预测的障碍物数量，降低预测时延。
11.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
12.附图用于更好地理解本方案，不构成对本公开的限定。其中：
13.图1为本公开实施例提供的障碍物筛选方法的流程示意图之一；
14.图2为本公开实施例提供的障碍物筛选方法的流程示意图之二；
15.图3为本公开实施例提供的将障碍物投影到主车行驶路径上的示意图；
16.图4为本公开实施例提供的障碍物筛选装置的组成示意图；
17.图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。
具体实施方式
18.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
19.本公开提供的障碍物筛选方法和障碍物筛选装置，适用于对主车检测到的障碍物进行障碍物行为预测的情况。本公开所提供的障碍物筛选方法可以由障碍物筛选装置执行，该障碍物筛选装置可以采用软件和/或硬件实现，并具体配置于电子设备中，该电子设备可以是车载设备、自动驾驶装置、服务器、计算机、移动设备、单片机等设备或其他计算设备此处不做限制。
20.以下首先对本公开所提供的障碍物筛选方法进行详细说明。
21.在自动驾驶过程中，对于主车来说，在检测到障碍物后，会对障碍物进行障碍物行为预测并根据障碍物来对主车行驶进行规划实现避障。
22.但是障碍物数目太多时预测和规划的时延会增大，从而会导致主车的自动驾驶决策的整体时延增大，影响自动驾驶性能。
23.对此，本公开提供了一种障碍物筛选方法，包括：获取主车设置的障碍物检测装置检测到的多个障碍物；根据预设的第一筛选条件，确定多个障碍物中的第一障碍物，得到第一障碍物集合，第一障碍物是多个障碍物中位于主车的预设距离范围内的障碍物；根据预设的第二筛选条件，确定第二障碍物中的第三障碍物，得到第三障碍物集合，第二障碍物为
多个障碍物中不属于第一障碍物集合的障碍物，第三障碍物为第二障碍物中对主车没有威胁的障碍物；对第四障碍物进行重要性打分，得到各第四障碍物对应的重要性得分，第四障碍物为第二障碍物中不属于第三障碍物集合的障碍物。
24.本公开能够通过第一筛选条件筛选出位于主车的预设距离范围内的第一障碍物，这些障碍物距离主车较近，因此能够便于后续对第一障碍物进行精准的障碍物行为预测。而能够通过第二筛选条件筛选出对主车没有威胁的第三障碍物，这些障碍物由于对主车不构成威胁，从而筛选出第三障碍物便于后续不再对这些障碍物进行障碍物行为预测。还能够对其他障碍物进行重要性打分，然后便于对得分靠前的障碍物进行精准的障碍物行为预测，而对得分靠后的障碍物进行粗障碍物行为预测。如此，能够对主车检测到的多个障碍物按照不同条件进行筛选，从而便于后续对特定的障碍物进行对应的障碍物行为预测，并对不会威胁到主车的障碍物进行过滤，从而减少需要进行障碍物行为预测的障碍物数量，降低预测时延。
25.图1为本公开实施例提供的障碍物筛选方法的流程示意图。如图1所示，该方法可以包括以下s101-s104。
26.s101、获取主车设置的障碍物检测装置检测到的多个障碍物。
27.作为一种示例，障碍物检测装置可以是主车上设置的雷达(如激光雷达、毫米波雷达、超声波雷达等)。当然，还可以是其他能够检测障碍物的装置，如双目摄像头等，此处不做限制。
28.通常，障碍物检测装置能够连续进行多帧检测，以得到多帧检测结果。能够检测到障碍物相对于主车的位置，障碍物的移动方向等。
29.s102、根据预设的第一筛选条件，确定多个障碍物中的第一障碍物，得到第一障碍物集合。
30.其中，第一障碍物是多个障碍物中位于主车的预设距离范围内的障碍物。
31.其中，预设距离范围可以根据实际情况进行设置，即主车较近的距离。
32.第一筛选条件可以根据预设距离范围进行设置。从而能够便于根据第一筛选条件筛选出距离主车距离较近的障碍物，以便后续对这些障碍物进行精准障碍物行为预测。
33.s103、根据预设的第二筛选条件，确定第二障碍物中的第三障碍物，得到第三障碍物集合。
34.其中，第二障碍物为多个障碍物中不属于第一障碍物集合的障碍物，第三障碍物为第二障碍物中对主车没有威胁的障碍物。
35.即，在筛选出第一障碍物后，对剩余的障碍物进行二次筛选，以筛选出对主车没有威胁的第三障碍物。从而便于将这些对主车没有威胁的障碍物过滤掉，不再对其进行障碍物行为预测，从而减少最终需要进行障碍物行为预测的障碍物数量。
36.其中，第二筛选条件可以根据障碍物是否对主车没有威胁的判断条件进行设置，此处不做限制。
37.s104、对第四障碍物进行重要性打分，得到各第四障碍物对应的重要性得分。
38.其中，第四障碍物为第二障碍物中不属于第三障碍物集合的障碍物。
39.即，在二次筛选，筛选出对主车没有威胁的第三障碍物后，对剩余的障碍物进行重要性打分。从而便于后续根据各障碍物的得分排序，对剩余的障碍物进行不同级别的障碍
物行为预测，进而减少需要精准障碍物行为预测的障碍物数量，提高障碍物行为预测的整体效率，降低障碍物行为预测时延。
40.其中，可以根据障碍物的速度和航向(即移动方向)以及主车的速度和航向等作为输入，采用预先训练的对应神经网络模型来对各障碍物进行重要性打分。当然，也可以采用其他方式来计算得到障碍物对应的重要性得分，此处不做限制。
41.可选地，第一筛选条件可以包括以下至少一种：
42.主车间的距离小于或等于第一预设距离的障碍物，为第一障碍物。
43.与主车间的纵向距离(即frenet坐标系下的纵向距离)小于或等于第二预设距离，且与主车间的横向距离(即frenet坐标系下的横向距离)小于或等于第三预设距离的障碍物，为第一障碍物。
44.示例地，第一预设距离可以为10米，第二预设距离可以为20米，第三预设距离可以为8米。当然，在实际应用中，第一预设距离、第二预设距离以及第三预设距离还可以根据实际情况进行设置，此处不做限制。
45.如此，能够方便快捷的筛选出距离主车较近的障碍物，作为第一障碍物，便于后续对这些障碍物进行精准障碍物行为预测。
46.示例地，第一筛选条件还可以包括，上一帧路径规划算法中确定的重要障碍物(即路径规划算法中引用或入参的障碍物)，为第一障碍物。即当上一帧路径规划算法中确定的重要障碍物，若包括在获取的多个障碍物中，则可以将这些障碍物筛选为第一障碍物，以便后续再对这些障碍物进行精准障碍物行为预测。
47.可选地，第二筛选条件包括以下至少一种：
48.向远离主车的方向移动的障碍物，为第三障碍物；
49.位于主车后方与主车间的距离大于第四预设距离，且连续多帧与主车间距离增大，与主车间的纵向相对速度大于预设阈值的障碍物，为第三障碍物；
50.主车等待红灯时检测到的障碍物，为第三障碍物；
51.主车方向的道路和主车的对向道路间具有隔离带时，位于主车的对向道路的障碍物，为第三障碍物。
52.示例地，主车方向的道路和对向道路间是否具有隔离带，可以根据主车在frenet坐标系下的纵向坐标，是否在隔离带的纵向坐标范围内确定，即隔离带范围(s,s+length)，则s《主车s《s+length时，确定主车方向的道路和对向道路间具有隔离带。
53.其中，第四预设距离可以为30米，连续多帧可以为连续5帧。当然，在实际应用中，第四预设距离，以及连续帧数可以根据实际情况进行设置，此处不做限制。可选地，第四预设距离可以设为大于第一预设距离或第二预设距离的数值等。
54.如此，能够将向远离主车的方向移动的障碍物、与主车相对距离逐渐增大的后车障碍物、与主车有隔离带阻挡以及主车等红灯时检测到的障碍物等对主车不会造成威胁的障碍物筛选出来，从而便于后续将这些障碍物直接过滤掉，不对其进行障碍物行为预测，以减少进行障碍物行为预测的障碍物数量。
55.可选地，当第二筛选条件包括向远离主车的方向移动的障碍物，为第三障碍物时，在根据预设的第二筛选条件，确定第二障碍物中的第三障碍物，得到第三障碍物集合之前，方法还可以包括：
56.确定第二障碍物中向远离主车的方向移动的障碍物。
57.示例地，确定第二障碍物中向远离主车的方向移动的障碍物的方式，可以是根据障碍物的移动方向以及主车的移动方向，之间的夹角是否满足预设角度范围(如是否大于45度等)来确定。如，障碍物的移动方向与主车的移动方向间的夹角大于45度时，则确定障碍物向远离主车的方向移动。
58.当然，还可以通过其他方式来确定第二障碍物中向远离主车的方向移动的障碍物，此处不做限制。
59.在对第三障碍物进行筛选前，能够通过该方法步骤快速的确定出向远离主车的方向移动的障碍物，从而便于后续根据第二筛选条件筛选确定第三障碍物。
60.可选地，确定第二障碍物中向远离主车的方向移动的障碍物，如图2所示，可以包括：
61.s201、遍历第二障碍物中的各障碍物。
62.s202、将障碍物投影到主车的行驶路径上，得到投影点。
63.s203、将行驶路径中，在主车行驶方向上位于投影点前方的部分，离散成多个方向向量段。
64.s204、判断障碍物的移动方向与多个方向向量段分别对应的夹角，是否均满足预设角度范围。
65.s205、若是则确定障碍物为向远离主车的方向移动的障碍物。
66.例如，如图3所示，以障碍物a为例，则可以将其投影到主车的行驶路径上，得到投影点a
′
。然后将行驶路径中，在主车行驶方向上位于投影点前方的部分，离散成多个方向向量段。从而判断各方向向量段分别与障碍物移动方向的夹角(图中以一个向量段与障碍物移动方向的夹角θ为例)是否均满足预设角度范围(如障碍物在行驶路径右侧则角度范围为大于45度，小于135度，障碍物在行驶路径左侧则角度范围为大于-45度，小于-135度)，当满足预设角度范围时，则确定障碍物a为向远离主车的方向移动的障碍物。
67.可选地，将障碍物投影到主车的行驶路径上时，可以按照障碍物在frenet坐标系中的横向坐标为基准进行投影。
68.如此，能够简单便捷的根据障碍物移动方向和主车的行驶路径，确定出向远离主车的方向移动的障碍物。
69.可选地，对第四障碍物进行重要性打分，得到各第四障碍物对应的重要性得分，包括：
70.根据障碍物与主车间的距离、主车的移动方向、障碍物的速度以及障碍物的移动方向，对第四障碍物分别进行重要性打分。
71.示例地，可以先根据障碍物与主车间的距离以及障碍物的速度，计算第一得分。
72.例如，可以采用如下公式计算第一得分score1：
73.score1＝1
×
if(dist small)+1
×
if(getting close)+1/(dist_to_adc)+weight_speed
×
speed/max_speed+weight_sl
×
1/(abs(adc_l-obs_l)+abs(adc_s-obs_s))
74.其中，if(dist small)在障碍物与主车间距离小于预设阈值时等于1，否则等于0；if(getting close)在障碍物与主车间连续多帧相互靠近时(即连续多帧距离减小)等于1，
否则等于0；dist_to_adc表示障碍物与主车间距离；weight_speed表示速度权重；speed表示速度；max_speed表示主车最大速度；weight_sl表示距离权重；abs(adc_l-obs_l)表示主车与障碍物在frenet坐标系中的横向距离差；abs(adc_s-obs_s)表示主车与障碍物在frenet坐标系中的纵向距离差。
75.然后，可以根据障碍物的速度、移动方向以及主车的速度和移动方向，和/或障碍物相对于主车的位置来确定第二得分score2。
76.例如，可以根据障碍物移动方向和主车方向确定出主车和障碍物交汇点，然后根据障碍物速度和主车速度，计算出主车和障碍物分别到达交汇点的时间差。
77.还可以根据障碍物相对于主车的位置，判断障碍物是否位于主车为中心的邻近九宫格内(即以主车的尺寸为单元格，且以主车为九宫格中心构建的九宫格)。
78.从而当主车和障碍物分别到达交汇点的时间差大于阈值，和/或，障碍物位于主车为中心的邻近九宫格内时，确定第二得分score2等于1000，否则score2等于0。
79.进而，可以最终得到障碍物的重要性得分：score＝score1+score2
80.如此，能够根据障碍物的速度和移动方向以及相对于主车的位置，便捷的对障碍物重要性进行打分，从而便于后续对障碍物根据打分进行排序，按照排序进行对应精度的障碍物行为预测，减少进行精确障碍物行为预测的障碍物数量，提高障碍物行为预测速率，降低时延。
81.可选地，方法还可以包括：
82.对第一障碍物集合中的障碍物分别进行精准障碍物行为预测；
83.对第四障碍物按照对应的重要性得分进行降序排序，并对排序前n的各第四障碍物分别进行精准障碍物行为预测，排序第n之后的各第四障碍物分别进行粗障碍物行为预测，其中n为正整数。
84.示例地，n可以根据精准障碍物行为预测的承载能力进行设置，例如，n可以为30等。
85.其中，精准障碍物行为预测和粗障碍物行为预测，均可以采用相关的障碍物行为预测技术中的模型或算法实现，此处不做限制。
86.如此，能够仅对距离主车较近的障碍物，以及重要性得分较高的障碍物进行精准障碍物行为预测，而对部分障碍物进行粗障碍物行为预测，并对不威胁主车的障碍物进行过滤。从而减少进行精确障碍物行为预测的障碍物数量，提高障碍物行为预测速率，降低时延。
87.示例性实施例中，本公开实施例还提供一种障碍物筛选装置，可以用于实现如前述实施例所述的障碍物筛选方法。
88.图4为本公开实施例提供的障碍物筛选装置的组成示意图。
89.如图4所示，障碍物筛选装置，包括：
90.获取模块401，用于获取主车设置的障碍物检测装置检测到的多个障碍物；
91.筛选模块402，用于根据预设的第一筛选条件，确定多个障碍物中的第一障碍物，得到第一障碍物集合，第一障碍物是多个障碍物中位于主车的预设距离范围内的障碍物；根据预设的第二筛选条件，确定第二障碍物中的第三障碍物，得到第三障碍物集合，第二障碍物为多个障碍物中不属于第一障碍物集合的障碍物，第三障碍物为第二障碍物中对主车
没有威胁的障碍物；对第四障碍物进行重要性打分，得到各第四障碍物对应的重要性得分，第四障碍物为第二障碍物中不属于第三障碍物集合的障碍物。
92.一些可能的实施方式中，第一筛选条件包括以下至少一种：
93.主车间的距离小于或等于第一预设距离的障碍物，为第一障碍物；
94.与主车间的纵向距离小于或等于第二预设距离，且与主车间的横向距离小于或等于第三预设距离的障碍物，为第一障碍物。
95.一些可能的实施方式中，第二筛选条件包括以下至少一种：
96.向远离主车的方向移动的障碍物，为第三障碍物；
97.位于主车后方与主车间的距离大于第四预设距离，且连续多帧与主车间距离增大，与主车间的纵向相对速度大于预设阈值的障碍物，为第三障碍物；
98.主车等待红灯时检测到的障碍物，为第三障碍物；
99.主车方向的道路和主车的对向道路间具有隔离带时，位于主车的对向道路的障碍物，为第三障碍物。
100.一些可能的实施方式中，当第二筛选条件包括向远离主车的方向移动的障碍物，为第三障碍物时，筛选模块402，还用于确定第二障碍物中向远离主车的方向移动的障碍物。
101.一些可能的实施方式中，筛选模块402，具体用于遍历第二障碍物中的各障碍物；将障碍物投影到主车的行驶路径上，得到投影点；将行驶路径中，在主车行驶方向上位于投影点前方的部分，离散成多个方向向量段；判断障碍物的移动方向与多个方向向量段分别对应的夹角，是否均满足预设角度范围；若是则确定障碍物为向远离主车的方向移动的障碍物。
102.一些可能的实施方式中，筛选模块402，具体用于根据障碍物与主车间的距离、主车的移动方向、障碍物的速度以及障碍物的移动方向，对第四障碍物分别进行重要性打分。
103.一些可能的实施方式中，装置还包括预测模块403，用于对第一障碍物集合中的障碍物分别进行精准障碍物行为预测；对第四障碍物按照对应的重要性得分进行降序排序，并对排序前n的各第四障碍物分别进行精准障碍物行为预测，排序第n之后的各第四障碍物分别进行粗障碍物行为预测，其中n为正整数。
104.本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
105.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
106.示例性实施例中，电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如以上实施例所述的方法。
107.示例性实施例中，可读存储介质可以是存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行根据以上实施例所述的方法。
108.示例性实施例中，计算机程序产品包括计算机程序，所述计算机程序在被处理器执行时实现根据以上实施例所述的方法。
109.图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的自动驾驶装置，车载设备，各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话等和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
110.如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(rom)502中的计算机程序或者从存储单元508加载到随机访问存储器(ram)503中的计算机程序，来执行各种适当的动作和处理。在ram 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、rom 502以及ram 503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。
111.设备500中的多个部件连接至i/o接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
112.计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如障碍物筛选方法。例如，在一些实施例中，障碍物筛选方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由rom 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到ram 503并由计算单元501执行时，可以执行上文描述的障碍物筛选方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行障碍物筛选方法。
113.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
114.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
115.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供
指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
116.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
117.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
118.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
119.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
120.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

技术特征：
1.一种障碍物筛选方法，其特征在于，包括：获取主车设置的障碍物检测装置检测到的多个障碍物；根据预设的第一筛选条件，确定所述多个障碍物中的第一障碍物，得到第一障碍物集合，所述第一障碍物是所述多个障碍物中位于所述主车的预设距离范围内的障碍物；根据预设的第二筛选条件，确定第二障碍物中的第三障碍物，得到第三障碍物集合，所述第二障碍物为所述多个障碍物中不属于所述第一障碍物集合的障碍物，所述第三障碍物为所述第二障碍物中对所述主车没有威胁的障碍物；对第四障碍物进行重要性打分，得到各所述第四障碍物对应的重要性得分，所述第四障碍物为所述第二障碍物中不属于所述第三障碍物集合的障碍物。2.根据权利要求1所述的方法，其特征在于，所述第一筛选条件包括以下至少一种：所述主车间的距离小于或等于第一预设距离的障碍物，为所述第一障碍物；与所述主车间的纵向距离小于或等于第二预设距离，且与所述主车间的横向距离小于或等于第三预设距离的障碍物，为所述第一障碍物。3.根据权利要求1或2所述的方法，其特征在于，所述第二筛选条件包括以下至少一种：向远离所述主车的方向移动的障碍物，为所述第三障碍物；位于所述主车后方与所述主车间的距离大于第四预设距离，且连续多帧与所述主车间距离增大，与所述主车间的纵向相对速度大于预设阈值的障碍物，为所述第三障碍物；所述主车等待红灯时检测到的障碍物，为所述第三障碍物；所述主车方向的道路和所述主车的对向道路间具有隔离带时，位于所述主车的对向道路的障碍物，为所述第三障碍物。4.根据权利要求3所述的方法，其特征在于，当所述第二筛选条件包括向远离所述主车的方向移动的障碍物，为所述第三障碍物时，在所述根据预设的第二筛选条件，确定第二障碍物中的第三障碍物，得到第三障碍物集合之前，所述方法还包括：确定所述第二障碍物中向远离所述主车的方向移动的障碍物。5.根据权利要求4所述的方法，其特征在于，所述确定所述第二障碍物中向远离所述主车的方向移动的障碍物，包括：遍历所述第二障碍物中的各障碍物；将障碍物投影到所述主车的行驶路径上，得到投影点；将所述行驶路径中，在所述主车行驶方向上位于所述投影点前方的部分，离散成多个方向向量段；判断障碍物的移动方向与所述多个方向向量段分别对应的夹角，是否均满足预设角度范围；若是则确定障碍物为向远离所述主车的方向移动的障碍物。6.根据权利要求1-5任一项所述的方法，其特征在于，所述对第四障碍物进行重要性打分，得到各所述第四障碍物对应的重要性得分，包括：根据障碍物与所述主车间的距离、所述主车的移动方向、障碍物的速度以及障碍物的移动方向，对所述第四障碍物分别进行重要性打分。7.根据权利要求1-6任一项所述的方法，其特征在于，所述方法还包括：对所述第一障碍物集合中的障碍物分别进行精准障碍物行为预测；
对所述第四障碍物按照对应的重要性得分进行降序排序，并对排序前n的各第四障碍物分别进行精准障碍物行为预测，排序第n之后的各第四障碍物分别进行粗障碍物行为预测，其中n为正整数。8.一种障碍物筛选装置，其特征在于，包括：获取模块，用于获取主车设置的障碍物检测装置检测到的多个障碍物；筛选模块，用于根据预设的第一筛选条件，确定所述多个障碍物中的第一障碍物，得到第一障碍物集合，所述第一障碍物是所述多个障碍物中位于所述主车的预设距离范围内的障碍物；根据预设的第二筛选条件，确定第二障碍物中的第三障碍物，得到第三障碍物集合，所述第二障碍物为所述多个障碍物中不属于所述第一障碍物集合的障碍物，所述第三障碍物为所述第二障碍物中对所述主车没有威胁的障碍物；对第四障碍物进行重要性打分，得到各所述第四障碍物对应的重要性得分，所述第四障碍物为所述第二障碍物中不属于所述第三障碍物集合的障碍物。9.根据权利要求8所述的装置，其特征在于，所述第一筛选条件包括以下至少一种：所述主车间的距离小于或等于第一预设距离的障碍物，为所述第一障碍物；与所述主车间的纵向距离小于或等于第二预设距离，且与所述主车间的横向距离小于或等于第三预设距离的障碍物，为所述第一障碍物。10.根据权利要求8或9所述的装置，其特征在于，所述第二筛选条件包括以下至少一种：向远离所述主车的方向移动的障碍物，为所述第三障碍物；位于所述主车后方与所述主车间的距离大于第四预设距离，且连续多帧与所述主车间距离增大，与所述主车间的纵向相对速度大于预设阈值的障碍物，为所述第三障碍物；所述主车等待红灯时检测到的障碍物，为所述第三障碍物；所述主车方向的道路和所述主车的对向道路间具有隔离带时，位于所述主车的对向道路的障碍物，为所述第三障碍物。11.根据权利要求10所述的装置，其特征在于，当所述第二筛选条件包括向远离所述主车的方向移动的障碍物，为所述第三障碍物时，所述筛选模块，还用于确定所述第二障碍物中向远离所述主车的方向移动的障碍物。12.根据权利要求11所述的装置，其特征在于，所述筛选模块，具体用于遍历所述第二障碍物中的各障碍物；将障碍物投影到所述主车的行驶路径上，得到投影点；将所述行驶路径中，在所述主车行驶方向上位于所述投影点前方的部分，离散成多个方向向量段；判断障碍物的移动方向与所述多个方向向量段分别对应的夹角，是否均满足预设角度范围；若是则确定障碍物为向远离所述主车的方向移动的障碍物。13.根据权利要求8-12任一项所述的装置，其特征在于，所述筛选模块，具体用于根据障碍物与所述主车间的距离、所述主车的移动方向、障碍物的速度以及障碍物的移动方向，对所述第四障碍物分别进行重要性打分。14.根据权利要求8-13任一项所述的装置，其特征在于，所述装置还包括预测模块，用于对所述第一障碍物集合中的障碍物分别进行精准障碍物行为预测；对所述第四障碍物按照对应的重要性得分进行降序排序，并对排序前n的各第四障碍物分别进行精准障碍物行为预测，排序第n之后的各第四障碍物分别进行粗障碍物行为预测，其中n为正整数。
15.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。

技术总结
本公开提供了一种障碍物筛选方法、装置、电子设备及存储介质，涉及人工智能技术领域，尤其涉及自动驾驶、无人驾驶技术领域。具体为：获取主车设置的障碍物检测装置检测到的多个障碍物；根据预设的第一筛选条件，确定多个障碍物中的第一障碍物，得到第一障碍物集合。根据预设的第二筛选条件，确定第二障碍物中的第三障碍物，得到第三障碍物集合。对第四障碍物进行重要性打分，得到各第四障碍物对应的重要性得分。能够对主车检测到的多个障碍物按照不同条件进行筛选，从而便于后续对特定的障碍物进行对应的障碍物行为预测，从而减少需要进行障碍物行为预测的障碍物数量，降低预测时延。降低预测时延。降低预测时延。


技术研发人员：请求不公布姓名
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：2023.01.11
技术公布日：2023/7/31