针对激光雷达攻击的检测方法、装置、设备及存储介质

技术领域

本说明书涉及自动驾驶技术领域，尤其是涉及一种针对激光雷达攻击的检测方法、装置、设备及存储介质。

背景技术

激光雷达是自动驾驶系统感知模块中不可或缺的一种驾驶环境传感器，它可以为汽车提供周围环境的实时三维(3D)数据。同时由于激光雷达主动发射光束的特性，相较摄像头其不易受到周围环境(比如弱光)的影响，并且自动驾驶系统的物体检测模块也可以直接利用激光雷达收集到的3D数据进行物体识别。近些年一些学者提出了使用物理设备以插入点的方式对激光雷达进行攻击。由于物体检测模型的自身局限性，这些攻击往往能够通过插入少量的点使受害车辆的自动驾驶系统误以为近处出现物体，从而作出急刹车等行为，进而影响了自动驾驶车辆的行车安全。

发明内容

本说明书实施例的目的在于提供一种针对激光雷达攻击的检测方法、装置、设备及存储介质，以检测针对激光雷达的攻击，提高自动驾驶车辆的行车安全。

为达到上述目的，一方面，本说明书实施例提供了一种针对激光雷达攻击的检测方法，包括：

将第一激光雷达和第二激光雷达在相同时刻分别采集的点云数据集对应转换为第一表面网格和第二表面网格；所述第一激光雷达和所述第二激光雷达位于不同车辆上且其间距满足预设条件；

获取所述第一表面网格和所述第二表面网格间的第一差异值；

根据所述第一差异值与第一差异值阈值的大小关系，确定针对所述第一激光雷达和所述第二激光雷达的攻击检测结果。

本说明书实施例的针对激光雷达攻击的检测方法中，将第一激光雷达和第二激光雷达在相同时刻分别采集的点云数据集对应转换为第一表面网格和第二表面网格，包括：

将所述第一激光雷达在当前时刻采集的第一点云数据集及所述第二激光雷达在当前时刻采集的第二点云数据集分别输入至区域候选网络中，对应得到用于框选物体的第一候选框集合和第二候选框集合；

将所述第一候选框集合和所述第二候选框集合合并为目标候选框集合；

确定所述目标候选框集合中，每个候选框在所述第一点云数据集中对应的第一点云数据子集及在所述第二点云数据集中对应的第二点云数据子集；

将所述目标候选框集合中所有候选框在所述第一点云数据集中对应的第一点云数据子集输入至表面网格生成模型中，得到第一表面网格；并将所述目标候选框集合中所有候选框在所述第二点云数据集中对应的第二点云数据子集输入至所述表面网格生成模型中，得到第二表面网格。

本说明书实施例的针对激光雷达攻击的检测方法中，将第一激光雷达和第二激光雷达在相同时刻分别采集的点云数据集对应转换为第一表面网格和第二表面网格，包括：

将所述第一激光雷达在当前时刻采集的第一点云数据集及所述第二激光雷达在当前时刻采集的第二点云数据集分别输入至区域候选网络中，对应得到用于框选物体的第一候选框集合和第二候选框集合；

将所述第一候选框集合和所述第二候选框集合合并为目标候选框集合；

确定所述目标候选框集合中，每个候选框在所述第一点云数据集中对应的第一点云数据子集及在所述第二点云数据集中对应的第二点云数据子集；

根据每个所述候选框内物体的对称关系，对每个所述候选框的第一点云数据子集和第二点云数据子集进行镜像复制，对应得到每个所述候选框的第一点云数据子集镜像和第二点云数据子集镜像；

将每个所述候选框的第一点云数据子集及第一点云数据子集镜像叠加，得到每个所述候选框的新第一点云数据子集，并将每个所述候选框的第二点云数据子集及第二点云数据子集镜像叠加，得到每个所述候选框的新第二点云数据子集；

将所述目标候选框集合中所有候选框的新第一点云数据子集输入至表面网格生成模型中，得到第一表面网格；并将所述目标候选框集合中所有候选框的新第二点云数据子集输入至所述表面网格生成模型中，得到第二表面网格。

本说明书实施例的针对激光雷达攻击的检测方法中，获取所述第一表面网格和所述第二表面网格间的第一差异值，包括：

以边长为指定长度的方格为单位，将所述第一表面网格和所述第二表面网格离散化，并以每个方格的中心点相对于地面的距离作为该方格的取值；

确定离散化第一表面网格与离散化第二表面网格中，同一个候选框对应的异常方格部分之间的差值平均值。

本说明书实施例的针对激光雷达攻击的检测方法中，确定离散化第一表面网格与离散化第二表面网格中，同一个候选框对应的异常方格部分之间的差值平均值，包括：

根据以下公式确定离散化第一表面网格与离散化第二表面网格中，同一个候选框对应的异常方格部分之间的差值平均值：

其中，

本说明书实施例的针对激光雷达攻击的检测方法中，根据所述第一差异值与第一差异值阈值的大小关系，确定针对所述第一激光雷达和所述第二激光雷达的攻击检测结果，包括：

当所述第一差异值大于第一差异值阈值时，确认所述第一激光雷达和所述第二激光雷达至少之一受到攻击；

当所述第一差异值不大于第一差异值阈值时，确认所述第一激光雷达和所述第二激光雷达未受到攻击。

本说明书实施例的针对激光雷达攻击的检测方法中，所述方法还包括：

将第三激光雷达在相同时刻采集的点云数据集对应转换为第三表面网格；所述第一激光雷达、所述第二激光雷达和所述第三激光雷达位于不同车辆上且其间距满足预设条件；

获取所述第一表面网格和所述第三表面网格间的第二差异值，以及所述第二表面网格和所述第三表面网格间的第三差异值；

根据所述第二差异值与第二差异值阈值的大小关系，确定针对所述第一激光雷达和所述第三激光雷达的攻击检测结果；根据所述第三差异值与第三差异值阈值的大小关系，确定针对所述第二激光雷达和所述第三激光雷达的攻击检测结果；

利用各个攻击检测结果组合识别所述第一激光雷达、所述第二激光雷达和所述第三激光雷达是否受到攻击。

本说明书实施例的针对激光雷达攻击的检测方法还包括：

在确认有激光雷达受到攻击时，丢弃对应的候选框。

另一方面，本说明书实施例还提供了一种针对激光雷达攻击的检测装置，包括：

转换模块，用于将第一激光雷达和第二激光雷达在相同时刻分别采集的点云数据集对应转换为第一表面网格和第二表面网格；所述第一激光雷达和所述第二激光雷达位于不同车辆上且其间距满足预设条件；

获取模块，用于获取所述第一表面网格和所述第二表面网格间的第一差异值；

确定模块，用于根据所述第一差异值与第一差异值阈值的大小关系，确定针对所述第一激光雷达和所述第二激光雷达的攻击检测结果。

另一方面，本说明书实施例还提供了一种计算机设备，包括存储器、处理器、以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时，执行上述方法的指令。

另一方面，本说明书实施例还提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被计算机设备的处理器运行时，执行上述方法的指令。

另一方面，本说明书实施例还提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被所述处理器运行时，执行上述方法的指令。

由以上本说明书实施例提供的技术方案可见，本说明书实施例中，在将来自不同车辆激光雷达(两个激光雷达之间的间距满足预设条件)的点云数据分别转换成表面网格后，计算两个表面网格之间的差异，并根据两个表面网格之间的差异与差异值阈值的大小关系确定两个激光雷达是否有被攻击的，从而实现了针对激光雷达的攻击的自动检测，使得自动驾驶系统可以据此检测结果进行应对处理，有利于提高自动驾驶车辆的行车安全。

附图说明

为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1示出了本说明书一些实施例中针对激光雷达攻击的检测方法的流程图；

图2示出了本说明书一实施例中不同车辆上激光雷达的距离关系示意图；

图3a示出了本说明书一实施例中激光雷达采集的点云数据示意图；

图3b示出了本说明书一实施例中基于区域候选网络对图3a所示点云数据进行处理获得的处理结果示意图；

图4示出了本说明书一些实施例中生成表面网格的处理过程示意图；

图5示出了本说明书另一些实施例中生成表面网格的处理过程示意图；

图6示出了本说明书一实施例中计算离散化表面网格中第i个候选框中的第g个异常方格的取值的示意图；

图7示出了本说明书另一些实施例中针对激光雷达攻击的检测方法的流程图；

图8示出了本说明书一些实施例中针对激光雷达攻击的检测装置的结构框图；

图9示出了本说明书一些实施例中计算机设备的结构框图。

【附图标记说明】

LR1、第一激光雷达；

LR2、第二激光雷达；

10、离散化第一表面网络；

20、离散化第二表面网络；

30、地面；

81、转换模块；

82、获取模块；

83、确定模块；

902、计算机设备；

904、处理器；

906、存储器；

908、驱动机构；

910、输入/输出接口；

912、输入设备；

914、输出设备；

916、呈现设备；

918、图形用户接口；

920、网络接口；

922、通信链路；

924、通信总线。

具体实施方式

为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。

自动驾驶系统依靠人工智能、视觉计算、雷达、监控装置和导航定位系统等协同合作，可以在没有任何人类主动的操作下，自动安全地操控车辆(即自动驾驶车辆)。自动驾驶系统常采用激光雷达检测车辆周围的驾驶环境。近些年有一些研究者提出了许多可以准确地测量物体的深度并使用收集的数据检测物体的机器学习模型。但是，这些模型的应用引入了新的漏洞，可能会损害自动驾驶车辆的安全性。例如，由于激光雷达可能会受到攻击(例如通过物理设备以插入点的方式对激光雷达进行攻击)，使得其提供给机器学习模型的数据不再是准确的数据(例如产生了虚假物体检测结果)，如此，可能会影响机器学习模型的物体检测准确性，进而影响自动驾驶车辆的安全性。因此，如何检测针对激光雷达的攻击已成为目前亟待解决的技术问题。

有鉴于此，本说明书实施例提供了一种针对激光雷达攻击的检测方法，可以应用于自动驾驶车辆的自动驾驶系统侧。参考图1所示，在一些实施例中，所述针对激光雷达攻击的检测方法可以包括：

步骤101、将第一激光雷达和第二激光雷达在相同时刻分别采集的点云数据集对应转换为第一表面网格和第二表面网格；所述第一激光雷达和所述第二激光雷达位于不同车辆上且其间距满足预设条件。

步骤102、获取所述第一表面网格和所述第二表面网格间的第一差异值。

步骤103、根据所述第一差异值与第一差异值阈值的大小关系，确定针对所述第一激光雷达和所述第二激光雷达的攻击检测结果。

在本说明书实施例的检测方法中，在将来自不同车辆激光雷达(两个激光雷达之间的间距满足预设条件)的点云数据分别转换成表面网格后，计算两个表面网格之间的差异，并根据两个表面网格之间的差异与差异值阈值的大小关系确定两个激光雷达是否有被攻击的，从而实现了针对激光雷达的攻击的自动检测，使得自动驾驶系统可以据此检测结果进行应对处理，有利于提高自动驾驶车辆的行车安全。

本说明书实施例可以应用多车场景，即由多个(例如两个或以上)自动驾驶车辆的自动驾驶系统配合完成，且多个自动驾驶车辆采用了激光雷达作为驾驶环境感知模块。当多个自动驾驶车辆距离较近时，其多个激光雷达可以采集到部分重合的驾驶环境数据，进而可以用于协同识别激光雷达是否被攻击。因此，需要为多个激光雷达之间的间距设定预设条件。例如，可设置多个激光雷达之间的距离不超过指定距离(如5米、8米、10米等)，具体实施时指定距离可以根据实际情况适当设置。例如，在如图2所示实施例中，以两辆自动驾驶车辆为例，对应的两个激光雷达分别为激光雷达LR1和激光雷达LR2，当激光雷达LR1和激光雷达LR2之间的距离不超过指定距离时，可以认为激光雷达LR1和激光雷达LR2的间距满足预设条件。

激光雷达采集的点云数据是物体表面特性的海量点集合(例如图3a所示)，为了便于后续的物体识别，可以将点云数据转换为对应的表面网格。

参考图4所示，在一些实施例中，将第一激光雷达和第二激光雷达在相同时刻分别采集的点云数据集对应转换为第一表面网格和第二表面网格，可以包括如下步骤：

步骤401、将所述第一激光雷达在当前时刻采集的第一点云数据集及所述第二激光雷达在当前时刻采集的第二点云数据集分别输入至区域候选网络(Region ProposalNetwork)中，对应得到用于框选物体的第一候选框集合和第二候选框集合。

区域候选网络是预训练的神经网络模型，其可以基于点云数据产生候选框，而候选框表示的是物体可能存在的区域(即候选框表示的是点云数据中物体可能存在区域中的点之间关系的特征)，是物体检测任务的中间结果，物体检测任务的最终结果是从候选框中筛选出的。

将所述第一激光雷达在当前时刻采集的第一点云数据集输入至区域候选网络，可以得到第一候选框集合，将所述第二激光雷达在当前时刻采集的第二点云数据集输入至区域候选网络，可以得到第二候选框集合。典型的驾驶环境下一般包含有多个物体(例如行人、车辆等)可能存在的区域，因此，将每个点云数据集输入至区域候选网络可以得到多个候选框，从而形成候选框集合。例如，在一示例性实施例中，以图3a所示的点云数据为例，输入至区域候选网络后，可以得到如图3b所示的识别结果(在图3b中三个小方框即为得到的候选框集合)。

步骤402、将所述第一候选框集合和所述第二候选框集合合并为目标候选框集合。

在本说明书实施例中，由于采集位置、物体遮挡、设备性能等因素影响，对于满足预设条件的第一激光雷达和第二激光雷达而言，即使它们是在相同时刻采集的点云数据，也很有可能采集到不完全相同的驾驶环境。而通过将两个候选框集合合并，可以有利于得到一组更加完整的候选框，从而有利于获得更加准确的驾驶环境。

第一激光雷达和第二激光雷达均是在以自身中心为原点的坐标系下采集点云数据的，而合并需要在相同坐标系进行。因此，可以将第一候选框集合和第二候选框集合均转换至世界坐标系，而第一激光雷达对应的坐标系与世界坐标系的转换矩阵，以及第二激光雷达对应的坐标系与世界坐标系的转换矩阵，均可以预先确定。因此，利用变换矩阵可以将第一候选框集合和第二候选框集合进行旋转、平移等变换，从而合并得到一个完整的候选框集，该完整的候选框集即为目标候选框集合。

步骤403、确定所述目标候选框集合中，每个候选框在所述第一点云数据集中对应的第一点云数据子集及在所述第二点云数据集中对应的第二点云数据子集。

目标候选框集合中的每一个候选框在世界坐标系下都有一个唯一的位置，但是激光雷达是以自己的中心点为原点，与世界坐标系不同。因此，对于目标候选框集合中的每个候选框而言，需要获取其在所述第一点云数据集中所覆盖的点云数据部分(即第一点云数据子集)，并需要其在所述第二点云数据集中所覆盖的点云数据部分(即第二点云数据子集)。

步骤404、将所述目标候选框集合中所有候选框在所述第一点云数据集中对应的第一点云数据子集输入至表面网格生成模型中，得到第一表面网格；并将所述目标候选框集合中所有候选框在所述第二点云数据集中对应的第二点云数据子集输入至所述表面网格生成模型中，得到第二表面网格。

表面网格即为物体的网格化的表面。表面网格生成模型是利用点云数据中的点，生成物体表面(网格的形式)的模型。在一些实施例中，可以采用任何合适的网格重建方法生成表面网格。例如，在一实施例中，表面网格生成模型可以采用体积范围图像处理(Volumetric Range Image Processing，VRIP)、Possion等网格重建方法。

参考图5所示，在另一些实施例中，将第一激光雷达和第二激光雷达在相同时刻分别采集的点云数据集对应转换为第一表面网格和第二表面网格，可以包括如下步骤：

步骤501、将所述第一激光雷达在当前时刻采集的第一点云数据集及所述第二激光雷达在当前时刻采集的第二点云数据集分别输入至区域候选网络中，对应得到用于框选物体的第一候选框集合和第二候选框集合。

步骤502、将所述第一候选框集合和所述第二候选框集合合并为目标候选框集合。

步骤503、确定所述目标候选框集合中，每个候选框在所述第一点云数据集中对应的第一点云数据子集及在所述第二点云数据集中对应的第二点云数据子集。

步骤504、根据每个所述候选框内物体的对称关系，对每个所述候选框的第一点云数据子集和第二点云数据子集进行镜像复制，对应得到每个所述候选框的第一点云数据子集镜像和第二点云数据子集镜像。

其中，对称关系是以物体的中线为对称轴。例如，若候选框内包含汽车，则可以将该汽车车头中点与车尾中点的连接线作为对称轴。镜像复制是后续进行镜像叠加的前提。

步骤505、将每个所述候选框的第一点云数据子集及第一点云数据子集镜像叠加，得到每个所述候选框的新第一点云数据子集，并将每个所述候选框的第二点云数据子集及第二点云数据子集镜像叠加，得到每个所述候选框的新第二点云数据子集。

点云数据叠加的目的是用候选框中原本点云数据的镜面拷贝填充候选框中未被激光雷达扫描到的空白区域。由于原点云数据中可能会出现部分区域没有点的情况，如果直接用这样的点云数据生成表面网格，准确度会下降。根据物体的对称面，做镜面拷贝后与原点云数据叠加，使得一些原本没有点的区域部分就可能会有点存在，如此就填补了这些空白部分，从而可以生成更加完整的表面网格，进而为后续表面网格差异性比较提供了更为准确的比较基础。

步骤506、将所述目标候选框集合中所有候选框的新第一点云数据子集输入至表面网格生成模型中，得到第一表面网格；并将所述目标候选框集合中所有候选框的新第二点云数据子集输入至所述表面网格生成模型中，得到第二表面网格。

在一些实施例中，获取所述第一表面网格和所述第二表面网格间的第一差异值可以包括以下步骤：

(1)以边长为指定长度的方格为单位，将所述第一表面网格和所述第二表面网格离散化，并以每个方格的中心点相对于地面的距离作为该方格的取值。

例如，在一实施例中，可以以0.1米为边长的方格为单位，将所述第一表面网格和所述第二表面网格离散化。

(2)确定离散化第一表面网格与离散化第二表面网格中，同一个候选框对应的异常方格部分之间的差值平均值。

在一些实施例中，可以根据以下公式确定离散化第一表面网格与离散化第二表面网格中，同一个候选框对应的异常方格部分之间的差值平均值：

其中，

例如，在如图6所示的离散化第一表面网格离10和离散化第二表面网格20中，存在同一个候选框(参见离散化第一表面网格10和离散化第二表面网格20内的黑线框)，则离散化第一表面网格10中该候选框内的第g个异常方格距离地面30的取值可以如图6中的左侧虚线表示，离散化第二表面网格20中该候选框内的第g个异常方格距离地面30的取值可以如图6中的右侧虚线表示。

在安全情况(即两个激光雷达均没有受到攻击)下，可以生成大量离散表面网格距离的样本，从而确定在正常离散表面网格距离的值分布。根据正常离散表面网格距离的值分布，同指定误警率r选取一个阈值α来区分攻击造成的距离异常值和无攻击下的正常值，它们之间的关系为

因此，根据所述第一差异值与第一差异值阈值的大小关系，确定针对所述第一激光雷达和所述第二激光雷达的攻击检测结果，具体可以包括以下两种情况：

1)当所述第一差异值大于第一差异值阈值时，确认所述第一激光雷达和所述第二激光雷达至少之一受到攻击。

2)当所述第一差异值不大于第一差异值阈值时，确认所述第一激光雷达和所述第二激光雷达未受到攻击。

在一些实施例中，上述针对激光雷达攻击的检测方法还可以包括：

在确认有激光雷达受到攻击时，表明对应的候选框内的物体为插入的虚假物体，因此，可以丢弃对应的候选框；如此，使得该候选框内的虚假物体不再作为自动驾驶系统的物体识别处理模块的待识别对象，从而可以提高自动驾驶系统的物体识别处理模块的识别准确率，有利于提高自动驾驶车辆的安全性。

上述针对激光雷达攻击的检测方法仅能识别满足预设条件的两个激光雷达中是否受到攻击，而并不能作进一步区分，即不能区分两个激光雷达中具体哪个受到攻击，还是两个均受到攻击。为此，在本说明书实施例提供了另一种针对激光雷达攻击的检测方法，可以应用于自动驾驶车辆的自动驾驶系统侧。参考图7所示，所述针对激光雷达攻击的检测方法可以包括如下步骤：

步骤701、将第一激光雷达、第二激光雷达和第三激光雷达在相同时刻分别采集的点云数据集对应转换为第一表面网格、第二表面网格和第三表面网格；所述第一激光雷达、所述第二激光雷达和所述第三激光雷达位于不同车辆上且其间距满足预设条件。

步骤702、获取所述第一表面网格和所述第二表面网格间的第一差异值，所述第一表面网格和所述第三表面网格间的第二差异值，以及所述第二表面网格和所述第三表面网格间的第三差异值。

步骤703、根据所述第一差异值与第一差异值阈值的大小关系，确定针对所述第一激光雷达和所述第二激光雷达的攻击检测结果；根据所述第二差异值与第二差异值阈值的大小关系，确定针对所述第一激光雷达和所述第三激光雷达的攻击检测结果；根据所述第三差异值与第三差异值阈值的大小关系，确定针对所述第二激光雷达和所述第三激光雷达的攻击检测结果。

步骤704、利用各个攻击检测结果组合识别所述第一激光雷达、所述第二激光雷达和所述第三激光雷达是否受到攻击。

例如，以第一激光雷达、第二激光雷达和第三激光雷达分别为激光雷达a、激光雷达b和激光雷达c为例；根据攻击检测结果，若激光雷达a和激光雷达b的组合未受到攻击，激光雷达a和激光雷达c的组合受到攻击，激光雷达b和激光雷达c的组合受到攻击，则表明激光雷达c受到攻击，而激光雷达a和激光雷达b则均正常(即均未受到攻击)。从而实现了对激光雷达a、激光雷达b和激光雷达c各自是否受到攻击的具体检测。

类似于地，当有位于不同车辆上且其间距满足预设条件的三个以上的激光雷达时，可以参考上述图7所示实施例，在此不再赘述。

与上述的针对激光雷达攻击的检测方法对应，本说明书实施例还提供了一种针对激光雷达攻击的检测装置，其可以配置于上述自动驾驶系统中，参考图8所示，所述针对激光雷达攻击的检测装置可以包括：

转换模块81，可以用于将第一激光雷达和第二激光雷达在相同时刻分别采集的点云数据集对应转换为第一表面网格和第二表面网格；所述第一激光雷达和所述第二激光雷达位于不同车辆上且其间距满足预设条件；

获取模块82，可以用于获取所述第一表面网格和所述第二表面网格间的第一差异值；

确定模块83，可以用于根据所述第一差异值与第一差异值阈值的大小关系，确定针对所述第一激光雷达和所述第二激光雷达的攻击检测结果。

在一些实施例的针对激光雷达攻击的检测装置中，将第一激光雷达和第二激光雷达在相同时刻分别采集的点云数据集对应转换为第一表面网格和第二表面网格，包括：

将所述第一激光雷达在当前时刻采集的第一点云数据集及所述第二激光雷达在当前时刻采集的第二点云数据集分别输入至区域候选网络中，对应得到用于框选物体的第一候选框集合和第二候选框集合；

将所述第一候选框集合和所述第二候选框集合合并为目标候选框集合；

确定所述目标候选框集合中，每个候选框在所述第一点云数据集中对应的第一点云数据子集及在所述第二点云数据集中对应的第二点云数据子集；

将所述目标候选框集合中所有候选框在所述第一点云数据集中对应的第一点云数据子集输入至表面网格生成模型中，得到第一表面网格；并将所述目标候选框集合中所有候选框在所述第二点云数据集中对应的第二点云数据子集输入至所述表面网格生成模型中，得到第二表面网格。

在一些实施例的针对激光雷达攻击的检测装置中，将第一激光雷达和第二激光雷达在相同时刻分别采集的点云数据集对应转换为第一表面网格和第二表面网格，包括：

将所述第一激光雷达在当前时刻采集的第一点云数据集及所述第二激光雷达在当前时刻采集的第二点云数据集分别输入至区域候选网络中，对应得到用于框选物体的第一候选框集合和第二候选框集合；

将所述第一候选框集合和所述第二候选框集合合并为目标候选框集合；

确定所述目标候选框集合中，每个候选框在所述第一点云数据集中对应的第一点云数据子集及在所述第二点云数据集中对应的第二点云数据子集；

根据每个所述候选框内物体的对称关系，对每个所述候选框的第一点云数据子集和第二点云数据子集进行镜像复制，对应得到每个所述候选框的第一点云数据子集镜像和第二点云数据子集镜像；

将每个所述候选框的第一点云数据子集及第一点云数据子集镜像叠加，得到每个所述候选框的新第一点云数据子集，并将每个所述候选框的第二点云数据子集及第二点云数据子集镜像叠加，得到每个所述候选框的新第二点云数据子集；

将所述目标候选框集合中所有候选框的新第一点云数据子集输入至表面网格生成模型中，得到第一表面网格；并将所述目标候选框集合中所有候选框的新第二点云数据子集输入至所述表面网格生成模型中，得到第二表面网格。

在一些实施例的针对激光雷达攻击的检测装置中，获取所述第一表面网格和所述第二表面网格间的第一差异值，包括：

以边长为指定长度的方格为单位，将所述第一表面网格和所述第二表面网格离散化，并以每个方格的中心点相对于地面的距离作为该方格的取值；

确定离散化第一表面网格与离散化第二表面网格中，同一个候选框对应的异常方格部分之间的差值平均值。

在一些实施例的针对激光雷达攻击的检测装置中，确定离散化第一表面网格与离散化第二表面网格中，同一个候选框对应的异常方格部分之间的差值平均值，包括：

根据以下公式确定离散化第一表面网格与离散化第二表面网格中，同一个候选框对应的异常方格部分之间的差值平均值：

其中，

在一些实施例的针对激光雷达攻击的检测装置中，根据所述第一差异值与第一差异值阈值的大小关系，确定针对所述第一激光雷达和所述第二激光雷达的攻击检测结果，包括：

当所述第一差异值大于第一差异值阈值时，确认所述第一激光雷达和所述第二激光雷达至少之一受到攻击；

当所述第一差异值不大于第一差异值阈值时，确认所述第一激光雷达和所述第二激光雷达未受到攻击。

在一些实施例的针对激光雷达攻击的检测装置中，所述转换模块还可以用于：将第三激光雷达在相同时刻采集的点云数据集对应转换为第三表面网格；所述第一激光雷达、所述第二激光雷达和所述第三激光雷达位于不同车辆上且其间距满足预设条件；

所述获取模块还可以用于获取所述第一表面网格和所述第三表面网格间的第二差异值，以及所述第二表面网格和所述第三表面网格间的第三差异值；

所述确定模块还可以用于根据所述第二差异值与第二差异值阈值的大小关系，确定针对所述第一激光雷达和所述第三激光雷达的攻击检测结果；根据所述第三差异值与第三差异值阈值的大小关系，确定针对所述第二激光雷达和所述第三激光雷达的攻击检测结果；利用各个攻击检测结果组合识别所述第一激光雷达、所述第二激光雷达和所述第三激光雷达是否受到攻击。

在一些实施例的针对激光雷达攻击的检测装置中，所述检测装置还包括处置模块；所述处置模块可以用于在确认有激光雷达受到攻击时，丢弃对应的候选框。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

虽然上文描述的过程流程包括以特定顺序出现的多个操作，但是，应当清楚了解，这些过程可以包括更多或更少的操作，这些操作可以顺序执行或并行执行(例如使用并行处理器或多线程环境)。

本说明书的实施例还提供一种计算机设备。如图9所示，在本说明书一些实施例中，所述计算机设备902可以包括一个或多个处理器904，诸如一个或多个中央处理单元(CPU)或图形处理器(GPU)，每个处理单元可以实现一个或多个硬件线程。计算机设备902还可以包括任何存储器906，其用于存储诸如代码、设置、数据等之类的任何种类的信息，一具体实施例中，存储器906上并可在处理器904上运行的计算机程序，所述计算机程序被所述处理器904运行时，可以执行上述任一实施例所述的针对激光雷达攻击的检测方法的指令。非限制性的，比如，存储器906可以包括以下任一项或多种组合：任何类型的RAM，任何类型的ROM，闪存设备，硬盘，光盘等。更一般地，任何存储器都可以使用任何技术来存储信息。进一步地，任何存储器可以提供信息的易失性或非易失性保留。进一步地，任何存储器可以表示计算机设备902的固定或可移除部件。在一种情况下，当处理器904执行被存储在任何存储器或存储器的组合中的相关联的指令时，计算机设备902可以执行相关联指令的任一操作。计算机设备902还包括用于与任何存储器交互的一个或多个驱动机构908，诸如硬盘驱动机构、光盘驱动机构等。

计算机设备902还可以包括输入/输出接口910(I/O)，其用于接收各种输入(经由输入设备912)和用于提供各种输出(经由输出设备914)。一个具体输出机构可以包括呈现设备916和相关联的图形用户接口918(GUI)。在其他实施例中，还可以不包括输入/输出接口910(I/O)、输入设备912以及输出设备914，仅作为网络中的一台计算机设备。计算机设备902还可以包括一个或多个网络接口920，其用于经由一个或多个通信链路922与其他设备交换数据。一个或多个通信总线924将上文所描述的部件耦合在一起。

通信链路922可以以任何方式实现，例如，通过局域网、广域网(例如，因特网)、点对点连接等、或其任何组合。通信链路922可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称服务器等的任何组合。

本申请是参照本说明书一些实施例的方法、设备(系统)、计算机可读存储介质和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理器的处理器以产生一个机器，使得通过计算机或其他可编程数据处理器的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理器以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理器上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算机设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算机设备访问的信息。按照本说明书中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理器来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

还应理解，在本说明书实施例中，术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系。例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。