(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 202210510869.5 (22)申请日 2022.05.11 (71)申请人 北京小马易行 科技有限公司 地址 100176 北京市大兴区经济开发区经 海三路109号院6 0号楼1层102室 (72)发明人 赵子健　李蒙　 (74)专利代理 机构 北京康信知识产权代理有限 责任公司 1 1240 专利代理师 霍文娟 (51)Int.Cl. G06K 9/62(2022.01) G06V 20/10(2022.01) G06V 20/58(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06V 10/80(2022.01) G06N 3/04(2006.01) G06N 5/00(2006.01) G06N 20/20(2019.01) (54)发明名称 目标物分类方法、 装置、 车辆及系统 (57)摘要 本申请提供了目标物分类方法、 装置、 车辆 及系统， 该方法包括： 获取当前全局数据， 当前全 局数据包括当前目标物鸟瞰图和当前目标物所 位于的道路信息， 道路信息包括道路种类， 道路 种类为车行道、 人行道或者人行横道； 获取当前 目标物的当前局部数据， 其中当前局部数据是融 合图像数据和点云数据得到的， 图像数据是采用 图像传感器获取的， 点云数据是采用激光雷达获 取的； 至少根据当前全局数据和当前局部数据， 确定当前目标物的类别。 本方案结合当前局部数 据和当前全局数据实现了对当前目标物的类别 的精确确定。 权利要求书3页 说明书10页 附图2页 CN 114818967 A 2022.07.29 CN 114818967 A 1.一种目标物分类方法， 其特 征在于， 包括： 获取当前全局数据， 所述当前全局数据包括当前目标物鸟瞰图和所述当前目标物所位 于的道路信息， 所述道路信息包括道路种类， 所述道路种类为车行道、 人行道或者人行横 道； 获取所述当前目标物的当前局部数据， 其中所述当前局部数据 是融合图像数据和点云 数据得到的， 所述图像数据是采用图像传感器获取 的， 所述点云数据是采用激光雷达获取 的； 至少根据所述当前全局数据和所述当前局部数据， 确定所述当前目标物的类别。 2.根据权利要求1所述的方法， 其特征在于， 至少根据所述当前全局数据和所述当前局 部数据， 确定所述当前目标物的类别， 包括： 根据所述当前全局数据确定所述当前目标物的粗类别， 所述 粗类别包括车辆和行 人； 根据所述当前目标物的粗类别和所述当前目标物的当前局部数据， 确定所述当前目标 物的细类别， 所述细类别包括小汽车、 公交车、 救护车和施工车。 3.根据权利要求2所述的方法， 其特征在于， 根据 所述当前全局数据确定所述当前目标 物的粗类别， 包括： 根据所述当前目标物鸟瞰图确定所述当前目标物的投影的大小； 根据所述当前目标物的投影的大小和所述当前目标物所位于的道路信 息， 确定所述当 前目标物的粗类别。 4.根据权利要求2所述的方法， 其特征在于， 根据 所述当前目标物的粗类别和所述当前 目标物的当前局部数据， 确定所述当前目标物的细类别， 包括： 从所述当前目标物的当前局部数据中提取 出所述当前目标物的细节特 征； 根据所述当前目标物的粗类别和所述当前目标物的细节特征， 确定所述当前目标物的 细类别。 5.根据权利要求2所述的方法， 其特 征在于， 根据所述当前全局数据确定所述当前目标物的粗类别， 所述粗类别包括车辆和行人， 包括： 构建全局模型， 其中， 所述全局模型是使用多组训练数据训练得到的， 所述多组训练数 据中的每一组训练数据均包括历史时间段内获取的： 历史全局数据以及所述历史全局数据 对应的历史目标物的粗类别； 将所述当前全局数据输入至所述全局模型中进行运算， 得到所述当前目标物的粗类 别； 根据所述当前目标物的粗类别和所述当前目标物的当前局部数据， 确定所述当前目标 物的细类别， 包括： 构建局部模型， 其中， 所述全局模型是使用多组训练数据训练得到的， 所述多组训练数 据中的每一组训练数据均包括历史时间段内获取 的： 历史局部数据、 根据所述全局模型确 定的历史目标物的粗类别、 以及历史目标物的细类别； 将所述当前目标物的粗类别和所述当前目标物的当前局部数据， 输入至所述局部模型 中进行运 算， 得到所述当前目标物的细类别。 6.根据权利要求1至4中任一项所述的方法， 其特征在于， 至少根据所述当前全局数据权　利　要　求　书 1/3 页 2 CN 114818967 A 2和所述当前局部数据， 确定所述当前目标物的类别， 包括： 获取所述当前目标物的温度信息； 根据所述温度信息、 所述当前全局数据和所述当前局部数据， 确定所述当前目标物的 类别。 7.根据权利要求1至4中任一项所述的方法， 其特征在于， 获取所述当前目标物的当前 局部数据， 包括： 获取所述图像传感器的坐标系与所述激光雷达的坐标系之间的旋转矩阵和平 移向量； 根据所述旋转矩阵和所述平移向量， 将所述图像数据和所述点云数据进行融合， 得到 所述当前局部数据。 8.根据权利要求1至4中任一项所述的方法， 其特征在于， 至少根据所述全局数据和所 述局部数据， 确定所述目标物的类别， 包括： 构建神经网络模型， 其中， 所述神经网络模型是使用多组训练数据训练得到的， 所述多 组训练数据中的每一组训练数据均包括历史时间段内获取 的： 历史全局数据、 历史局部数 据以及与所述历史全局数据和历史局部数据对应的历史目标物的类别； 根据所述神经网络模型， 确定与 所述全局数据和所述局部数据对应的所述当前目标物 的类别。 9.根据权利要求1至4中任一项所述的方法， 其特征在于， 至少根据所述全局数据和所 述局部数据， 确定所述目标物的类别， 包括： 构建随机森林模型， 其中， 所述随机森林模型是使用多组训练数据训练得到的， 所述多 组训练数据中的每一组训练数据均包括历史时间段内获取 的： 历史全局数据、 历史局部数 据以及与所述历史全局数据和历史局部数据对应的历史目标物的类别； 根据所述随机森林模型， 确定与 所述全局数据和所述局部数据对应的所述当前目标物 的类别。 10.根据权利要求9所述的方法， 其特 征在于， 构建所述随机森林模型， 包括： 采用所述历史全局数据、 所述历史局部数据中的第 一种数据组合和所述历史目标物的 类别， 训练得到第一决策树； 采用所述历史全局数据、 所述历史局部数据中的第 二种数据组合和所述历史目标物的 类别， 训练得到第二决策树； 采用所述历史全局数据、 所述历史局部数据中的第 三种数据组合和所述历史目标物的 类别， 训练得到第三决策树； 将所述第一决策树、 所述第二决策树和所述第三决策树进行整合， 得到所述随机森林 模型。 11.一种目标物分类装置， 其特 征在于， 包括： 第一获取单元， 用于获取当前全局数据， 所述当前全局数据包括当前目标物鸟瞰图和 所述当前目标物所位于的道路信息， 所述道路信息包括道路种类， 所述道路种类为车行道、 人行道或者人 行横道； 第二获取单元， 用于获取所述当前目标物的当前局部数据， 其中所述当前局部数据是 融合图像数据和点云数据得到的， 所述图像数据是采用图像传感器获取 的， 所述点云数据 是采用激光雷达获取的；权　利　要　求　书 2/3 页 3 CN 114818967 A 3