障碍物检测方法、装置、电子设备及机器可读存储介质

技术领域

本申请涉及视觉感知领域，尤其涉及一种障碍物检测方法、装置、电子设备及机器可读存储介质。

背景技术

避障是指移动机器人在行走过程中，通过传感器感知到在其规划路线上存在静态或动态障碍物时，按照一定的算法实时更新路径，绕过障碍物，最后达到目标点。

为了实现避障，保证移动机器人的安全性，需要准确地检测出移动机器人行进路线上的障碍物。

发明内容

有鉴于此，本申请提供一种障碍物检测方法、装置、电子设备及机器可读存储介质。

根据本申请实施例的第一方面，提供一种障碍物检测方法，包括：

通过移动机器人上部署的双目相机获取双目深度图像；

依据所述双目深度图像进行障碍物轮廓提取，得到初始障碍物轮廓；

对于任一障碍物轮廓，确定该障碍物轮廓对应的区域在第一灰度图中对应的第一障碍物ROI区域和在第二灰度图中对应的第二障碍物ROI区域；其中，所述第一灰度图为左目灰度图，所述第二灰度图为右目灰度图；或，所述第一灰度图为右目灰度图，所述第二灰度图为左目灰度图；

依据所述第一障碍物ROI区域和所述第二障碍物ROI区域，确定该障碍物轮廓对应的障碍物的第一视差值；

依据所述第一视差值和第二视差值，确定该障碍物轮廓对应的障碍物是否为可信障碍物；其中，所述第二视差值依据该障碍物轮廓的深度信息确定。

根据本申请实施例的第二方面，提供一种障碍物检测装置，包括：

获取单元，用于通过移动机器人上部署的双目相机获取双目深度图像；

提取单元，用于依据所述双目深度图像进行障碍物轮廓提取，得到初始障碍物轮廓；

第一确定单元，用于对于任一障碍物轮廓，确定该障碍物轮廓对应的区域在第一灰度图中对应的第一障碍物ROI区域和在第二灰度图中对应的第二障碍物ROI区域；其中，所述第一灰度图为左目灰度图，所述第二灰度图为右目灰度图；或，所述第一灰度图为右目灰度图，所述第二灰度图为左目灰度图；

第二确定单元，用于依据所述第一障碍物ROI区域和所述第二障碍物ROI区域，确定该障碍物轮廓对应的障碍物的第一视差值；

第三确定单元，用于依据所述第一视差值和第二视差值，确定该障碍物轮廓对应的障碍物是否为可信障碍物；其中，所述第二视差值依据该障碍物轮廓的深度信息确定。

根据本申请实施例的第三方面，提供一种电子设备，包括处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令，所述处理器用于执行机器可执行指令，以实现第一方面提供的方法。

根据本申请实施例的第四方面，提供一种机器可读存储介质，所述机器可读存储介质内存储有机器可执行指令，所述机器可执行指令被处理器执行时实现第一方面提供的方法。

本申请实施例的障碍物检测方法，通过移动机器人上部署的双目相机获取双目深度图像；依据双目深度图像进行障碍物轮廓提取，得到初始障碍物轮廓，对于任一障碍物轮廓，一方面，确定该障碍物对应的区域在第一灰度图中的第一障碍物ROI区域和在第二灰度图中对应的第二障碍物ROI区域，并依据第一障碍物ROI区域和第二障碍物ROI区域，确定该障碍物轮廓对应的障碍物的第一视差值，另一方面，依据该障碍物轮廓的深度信息确定，确定该障碍物轮廓对应的障碍物的第二视差值，进而，依据第一视差值和第二视差值，确定该障碍物轮廓对应的障碍物是否为可信障碍物，降低了由于重复纹理导致的障碍物误检测概率，提高了障碍物检测的可靠性；此外，不需要激光雷达、超声波等传感器进行融合处理，降低了障碍物检测的实现成本。

附图说明

图1是本申请实施例提供的一种障碍物检测方法的流程示意图；

图2是本申请实施例提供的一种确定该障碍物轮廓对应的区域在第一灰度图中对应的第一障碍物ROI区域和在第二灰度图中对应的第二障碍物ROI区域的流程示意图；

图3是本申请实施例提供的一种第三障碍物ROI区域的待校验区域的示意图；

图4是本申请实施例提供的一种障碍物检测方法的流程示意图；

图5是本申请实施例提供的一种障碍物检测装置的结构示意图；

图6是本申请实施例提供的一种电子设备的硬件结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

为了使本领域技术人员更好地理解本申请实施例提供的技术方案，并使本申请实施例的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请实施例中技术方案作进一步详细的说明。

需要说明的是，本申请实施例中各步骤的序号大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

请参见图1，为本申请实施例提供的一种障碍物检测方法的流程示意图，如图1所示，该障碍物检测方法可以包括以下步骤：

步骤S100、通过移动机器人上部署的双目相机获取双目深度图像。

步骤S110、依据双目深度图像进行障碍物轮廓提取，得到初始障碍物轮廓。

本申请实施例中，为了实现障碍物检测，可以在移动机器人上部署双目相机，并通过双目相机获取双目深度图像，依据获取到的双目深度图像进行障碍物检测。

本申请实施例中，对于获取到的双目深度图像，可以依据获取到的双目深度图像进行障碍物轮廓提取，得到障碍物轮廓(本文中称为初始障碍物轮廓)。

步骤S120、对于任一障碍物轮廓，确定该障碍物轮廓对应的区域在第一灰度图中对应的第一障碍物ROI区域和在第二灰度图中对应的第二障碍物ROI区域；其中，第一灰度图为左目灰度图，第二灰度图为右目灰度图；或，第一灰度图为右目灰度图，第二灰度图为左目灰度图。

步骤S130、依据第一障碍物ROI区域和第二障碍物ROI区域，确定该障碍物轮廓对应的障碍物的第一视差值。

步骤S140、依据第一视差值和第二视差值，确定该障碍物轮廓对应的障碍物是否为可信障碍物；其中，第二视差值依据该障碍物轮廓的深度信息确定。

本申请实施例中，考虑到实际场景中可能会由于重复纹理而导致双目深度图像异常，进而，导致初始障碍物轮廓对应的障碍物中可能会存在不可信障碍物(即实际上并不存在的障碍物)。

相应地，为了提高障碍物检测的可靠性，在按照上述方式得到了初始障碍物轮廓的情况下，对于任一障碍物轮廓，一方面，可以确定该障碍物轮廓对应的区域在双目相机的左/右目灰度图(可以分别称为第一灰度图和第二灰度图)中对应的障碍物ROI(Region ofInterest，感兴趣区域)区域(可以分别称为第一障碍物ROI区域和第二障碍物ROI区域)，并依据第一障碍物ROI区域和第二障碍物ROI区域，确定该障碍物轮廓对应的障碍物的视差值(本文中称为第一视差值)。

另一方面，可以依据该障碍物轮廓的深度信息，确定该障碍物轮廓的视差值(本文中称为第二视差值)。

进而，可以依据第一视差值和第二视差值，确定该障碍物轮廓对应的障碍物是否为可信障碍物。

示例性的，可以在第一视差值和第二视差值之间的差异超过预设阈值(可以称为第六阈值)的情况下，确定该障碍物轮廓对应的障碍物为不可信障碍物；在第一视差值和第二视差值之间的差异未超过预设阈值的情况下，确定该障碍物轮廓对应的障碍物为可信障碍物。

需要说明的是，在本申请实施例中，在确定了可信障碍物的情况下，对于各可信障碍物，可以将障碍物轮廓转换到移动机器人的极坐标系下，进而，依据障碍物轮廓在移动机器人的极坐标系下的坐标，对移动机器人的行进路线进行规划，以规避障碍物，提高移动机器人的安全性。

可见，在图1所示方法流程中，通过移动机器人上部署的双目相机获取双目深度图像；依据双目深度图像进行障碍物轮廓提取，得到初始障碍物轮廓，对于任一障碍物轮廓，一方面，确定该障碍物对应的区域在第一灰度图中的第一障碍物ROI区域和在第二灰度图中对应的第二障碍物ROI区域，并依据第一障碍物ROI区域和第二障碍物ROI区域，确定该障碍物轮廓对应的障碍物的第一视差值，另一方面，依据该障碍物轮廓的深度信息确定，确定该障碍物轮廓对应的障碍物的第二视差值，进而，依据第一视差值和第二视差值，确定该障碍物轮廓对应的障碍物是否为可信障碍物，降低了由于重复纹理导致的障碍物误检测概率，提高了障碍物检测的可靠性；此外，不需要激光雷达、超声波等传感器进行融合处理，降低了障碍物检测的实现成本。

在一些实施例中，上述依据双目深度图像进行障碍物轮廓提取，得到初始障碍物轮廓，可以包括：

将双目深度图像转换为3D点云；

依据双目相机的安装位置，将3D点云转换为栅格图；

对栅格图进行障碍物轮廓提取，得到初始障碍物轮廓。

示例性的，为了提取障碍物轮廓，对于获取到的双目深度图像，可以将获取到的双目深度图像转换为3D点云。

考虑到三维数据处理复杂度高于二维数据处理的复杂度，为了降低数据处理复杂度，提高数据处理效率，可以依据双目相机的安装位置，将3D点云转换为栅格图，进而，通过对栅格图进行障碍物轮廓提取，得到初始障碍物轮廓。

需要说明的是，在本申请实施例中，对于获取到的双目深度图像，也可以在将其转换为3D点云的情况下，直接对3D点云进行障碍物轮廓提取，得到初始障碍物轮廓，但是该实现方式的障碍物轮廓提取效率会低于上述对栅格图进行障碍物轮廓提取的实现方式。

在一个示例中，上述对栅格图进行障碍物轮廓提取，得到初始障碍物轮廓之后，还可以包括：

依据初始障碍物轮廓提取障碍物对应的聚类段；

将包括的点数少于第一阈值的聚类段确定为不可信聚类段，并将对应的障碍物确定为不可信障碍物。

示例性的，考虑到实际场景中，可能会存在飞点被误检测为障碍物的情况，此外，考虑到相对于真实障碍物在图像中对应的点数，飞点的数量相对会比较少，因此，为了避免飞点对障碍物检测的影响，以提高障碍物检测的可靠性，在按照上述方式提取到了初始障碍物轮廓之后，可以依据初始障碍物轮廓提取障碍物对应的聚类段，并统计各聚类段包括的点数，将包括的点数少于预设阈值(可以称为第一阈值)的聚类段确定为不可信聚类段(可以称为第一类型聚类段)，并将对应的障碍物确定为不可信障碍物。

相应地，对于第一类型聚类段之外的其余聚类段(可以称为第二类型聚类段)，可以进一步依据视差对其进行校验，即一方面，依据第二类型聚类段对应的区域在第一灰度图中对应的障碍物ROI区域(即上述第一障碍物ROI区域)和在第二灰度图中对应的障碍物ROI区域(即上述第二障碍物ROI区域)，确定第二类型聚类段对应的障碍物的视差值(即上述第一视差值)，另一方面，依据第二聚类段的深度信息，确定第二类型聚类段对应的障碍物的视差值(即上述第二视差值)，依据第一视差值和第二视差值，确定第二类型聚类段对应的障碍物是否为可信障碍物。

在一些实施例中，如图2所示，步骤S120中，确定该障碍物轮廓对应的区域在第一灰度图中对应的第一障碍物ROI区域和在第二灰度图中对应的第二障碍物ROI区域，可以通过以下步骤实现：

步骤S121、将该障碍物轮廓对应的区域投影到第一灰度图，得到该障碍物轮廓对应的区域在第一灰度图中对应的第一障碍物ROI区域；

步骤S122、利用相位相关法或模板匹配方法，确定第一障碍物ROI区域在第二灰度图中的匹配区域，将该匹配区域确定为第二障碍物ROI区域。

示例性的，对于任一障碍物轮廓，可以将该障碍物轮廓对应的区域投影到第一灰度图，得到该障碍物轮廓对应的区域在第一灰度图中对应的第一障碍物ROI区域。

在一个示例中，在确定了障碍物轮廓对应的区域在第一灰度图中对应的第一障碍物ROI区域的情况下，可以利用相位相关法，确定第一障碍物ROI区域在第二灰度图中的匹配区域，将该匹配区域确定为第二障碍物ROI区域。

在另一个示例中，在确定了障碍物轮廓对应的区域在第一灰度图中对应的第一障碍物ROI区域的情况下，可以利用模板匹配方法，确定第一障碍物ROI区域在第二灰度图中的匹配区域，将该匹配区域确定为第二障碍物ROI区域。

在一些实施例中，上述依据双目深度图像进行障碍物轮廓提取，得到初始障碍物轮廓之后，还可以包括：

对于任一障碍物轮廓，确定该障碍物轮廓对应的区域在指定灰度图中对应的第三障碍物ROI区域；其中，指定灰度图为第一灰度图或第二灰度图；

依据第三障碍物ROI区域确定待校验区域，并依据待校验区域的像素灰度值，确定该障碍物轮廓对应的障碍物是否为可信障碍物。

示例性的，考虑到实际场景中还可能会由于图像过曝导致的深度图异常，进而，导致初始障碍物轮廓对应的障碍物中可能会存在不可信障碍物。

相应地，为了提高障碍物检测的可靠性，在按照上述方式得到了初始障碍物轮廓的情况下，对于任一障碍物轮廓，还可以确定该障碍物轮廓对应的区域在指定灰度图(如上述第一灰度图或上述第二灰度图)中对应的障碍物ROI区域(可以称为第三障碍物ROI区域)。

需要说明的是，若指定灰度图为第一灰度图，则该第三障碍物ROI区域可以为上述第一障碍物ROI区域；若指定灰度图为第二灰度图，则该第三障碍物ROI区域可以为上述第二障碍物ROI区域。

示例性的，可以依据第三障碍物ROI区域确定待校验区域，并依据待校验区域的像素灰度值，确定该障碍物轮廓对应的障碍物是否为可信障碍物。

示例性的，可以依据待校验区域的像素灰度值确定待校验区域是否过曝，从而，确定该障碍物轮廓对应的障碍物是否为可信障碍物。

例如，在确定待校验区域过曝的情况下，确定该障碍物轮廓对应的障碍物为不可信障碍物；否则，确定该障碍物轮廓对应的障碍物为可信障碍物。

需要说明的是，在本申请实施例中，上述依据视差校验障碍物是否为可信障碍物的实现方式，以及，依据校验区域的像素灰度值校验障碍物是否为可信障碍物的实现方式可以并发进行，即对于任一障碍物，可以分别依据视差校验障碍物是否为可信障碍物，以及，依据校验区域的像素灰度值校验障碍物是否为可信障碍物，若该障碍物在两种实现方式下均被确定为可信障碍物，则可以确定该障碍物为可信障碍物；否则，可以确定该障碍物为不可信障碍物。

或者，上述依据视差校验障碍物是否为可信障碍物的实现方式，以及，依据校验区域的像素灰度值校验障碍物是否为可信障碍物的实现方式可以依次进行。

例如，对于任一障碍物，可以先依据视差校验该障碍物是否为可信障碍物；若确定为可信障碍物，则进一步依据校验区域的像素灰度值校验该障碍物是否为可信障碍物；若依据视差校验确定该障碍物为不可信障碍物，则可以不需要再次进行像素灰度值的校验。

或者，对于任一障碍物，可以先依据校验区域的像素灰度值校验该障碍物是否为可信障碍物；若确定为可信障碍物，则进一步依据视差校验该障碍物是否为可信障碍物；若依据校验区域的像素灰度值校验确定该障碍物为不可信障碍物，则可以不需要再次进行视差的校验。

在一个示例中，上述依据第三障碍物ROI区域确定待校验区域，可以包括：

在第三障碍物ROI区域的尺寸满足预设条件的情况下，对第三障碍物ROI区域进行扩展，得到对应的待校验区域；

在第三障碍物ROI区域的尺寸不满足预设条件的情况下，将第三障碍物ROI区域确定为待校验区域；

其中，第三障碍物ROI区域的尺寸满足预设条件包括以下之一或多个：

第三障碍物ROI区域的宽小于第二阈值、第三障碍物ROI区域的高小于第三阈值，以及，第三障碍物ROI区域的面积小于第四阈值。

示例性的，考虑到障碍物ROI区域与深度图对齐不是特别准的情况下，真实曝光区域与障碍物ROI区域会存在一定偏差，而障碍物ROI区域越小，其受到的影响会越大。

为了更准确地进行障碍物检测，对于所确定的第三障碍物ROI区域，可以依据该第三障碍物ROI区域的尺寸，确定其是否满足预设条件。

示例性的，第三障碍物ROI区域的尺寸满足预设条件包括以下之一或多个：

第三障碍物ROI区域的宽小于第二阈值、第三障碍物ROI区域的高小于第三阈值，以及，第三障碍物ROI区域的面积小于第四阈值。

示例性的，在第三障碍物ROI区域的尺寸满足预设条件的情况下，可以对第三障碍物ROI区域进行扩展，得到对应的待校验区域。

例如，可以对第三障碍物ROI区域进行扩展，将第三障碍物ROI区域的8邻域以及第三障碍物ROI区域，确定为待校验区域。

其中，第三障碍物ROI区域包括第三障碍物ROI区域正左侧、正右侧、正上方、正下方、左上、右上、左下以及右下，共8个尺寸与第三障碍物ROI区域大小相同的邻域，其示意图可以如图3所示。

示例性的，在第三障碍物ROI区域的尺寸不满足预设条件的情况下，可以不需要对第三障碍物ROI区域进扩展，并将第三障碍物ROI区域确定为待校验区域。

在一个示例中，上述依据待校验区域的像素灰度值，确定该障碍物轮廓对应的障碍物是否为可信障碍物，可以包括：

依据待校验区域的像素灰度值，确定待校验区域的灰度统计值；灰度统计值包括待校验区域的平均灰度值、曝光像素的数量以及曝光像素占比中的部分或全部，曝光像素为灰度值大于第五阈值的像素；

依据待校验区域的灰度统计值，确定该障碍物轮廓对应的障碍物是否为可信障碍物。

示例性的，为了确定待校验区域是否存在过曝，对于所确定的待校验区域，可以依据待校验区域的像素灰度值，确定待校验区域的灰度统计值。

示例性的，灰度统计值可以包括待校验区域的平均灰度值、曝光像素的数量以及曝光像素占比中的部分或全部。

其中，曝光像素为灰度值大于预设阈值(可以称为第五阈值)的像素值。

曝光像素占比为待校验区域中曝光像素的数目与待校验区域中像素总数的比值。

示例性的，可以依据待校验区域的灰度统计值，确定该障碍物轮廓对应的障碍物是否为可信障碍物。

例如，可以在待校验区域的灰度统计值满足以下条件之一或多个的情况下，确定该障碍物轮廓对应的障碍物为不可信障碍物：

待校验区域的平均灰度值大于第七阈值、曝光像素的数量大于第八阈值，以及，曝光像素占比大于第九阈值。

为了使本领域技术人员更好地理解本申请实施例提供的技术方案，下面结合具体实例对本申请实施例提供的技术方案进行说明。

在该实施例中，为了实现障碍物检测，可以利用移动机器人上部署的双目相机获取双目深度图像，并将获取到的双目深度图像转换为3D点云，并依据双目相机的安装位置对3D点云进行坐标转换，将点云转换为栅格图，并对得到的栅格图进行障碍物轮廓提，得到初始障碍物轮廓。

在得到了初始障碍物轮廓的情况下，可以依据各初始障碍物轮廓提取障碍物对应的聚类段，并将包括的点数少于第一阈值的聚类段确定为不可信聚类段。

在排除掉不可信聚类段的情况下，对于任一聚类段，可以分别对其进行视差校验和灰度校验。

示例性的，视差校验流程可以包括：对于任一聚类段，一方面，可以将该聚类段对应的区域投影到左目灰度图(即以上述第一灰度图为左目灰度图为例)，得到左目灰度图中的障碍物ROI区域(可以称为左目障碍物ROI区域，即上述第一障碍物ROI区域)，通过相位相关法和模板匹配，确定左目障碍物ROI区域在右目灰度图中的匹配区域，得到右目灰度图中的障碍物ROI区域(可以称为右目障碍物ROI区域，即上述第二障碍物ROI区域)，进而，依据左目障碍物ROI区域和右目障碍物ROI区域，计算出该聚类段对应的障碍物的视差值(即上述第一视差)。另一方面，可以依据该聚类段的深度信息，确定该聚类段对应的障碍物的视差值(即上述第二视差值)，进而，比较第一视差值和第二视差值，若二者之间的差异超过预设阈值(即上述第九阈值)，可以确定该聚类段对应的障碍物为不可信障碍物。

灰度校验流程可以包括：对于任一聚类段，可以将该聚类段对应的区域投影到左目灰度图(即以上述第一灰度图为左目灰度图为例)，得到左目灰度图中的障碍物ROI区域(即上述第三障碍物ROI区域)。

若第三障碍物ROI区域的宽和高均小于40像素(即以第三障碍物ROI区域的尺寸满足预设条件为第三障碍物ROI区域的宽小于40像素，以及，第三障碍物ROI区域的高小于40像素为例)，则可以对第三障碍物ROI区域进行扩展，将第三障碍物ROI区域的8邻域以及第三障碍物ROI区域，确定为待校验区域。

若第三障碍物ROI区域的宽和/或高大于等于40像素，则将第三障碍物ROI区域确定为待校验区域。

在确定了待校验区域的情况下，可以统计该待校验区域的平均灰度值、曝光像素个数，以及，曝光像素占比等指标。

示例性的，曝光像素可以为灰度值大于220(即以上述第五阈值为220为例)的像素。

示例性的，可以在待校验区域的平均灰度值超过第六阈值、曝光像素个数超过第七阈值，和/或，曝光像素占比超过第八阈值的情况下，确定聚类段对应的障碍物为不可信障碍物。

在该实施例中，在通过视差校验和灰度校验排除掉不可信障碍物的情况下，对于可信障碍物，可以将障碍物轮廓转换到移动机器人的极坐标系下，进而，依据障碍物轮廓在移动机器人的极坐标系下的坐标，对移动机器人的行进路线进行规划，以规避障碍物，提高移动机器人的安全性，其实现流程示意图可以如图4所示。

以上对本申请提供的方法进行了描述。下面对本申请提供的装置进行描述：

请参见图5，为本申请实施例提供的一种障碍物检测装置的结构示意图，如图5所示，该深度数据获取装置可以包括：

获取单元510，用于通过移动机器人上部署的双目相机获取双目深度图像；

提取单元520，用于依据所述双目深度图像进行障碍物轮廓提取，得到初始障碍物轮廓；

第一确定单元530，用于对于任一障碍物轮廓，确定该障碍物轮廓对应的区域在第一灰度图中对应的第一障碍物ROI区域和在第二灰度图中对应的第二障碍物ROI区域；其中，所述第一灰度图为左目灰度图，所述第二灰度图为右目灰度图；或，所述第一灰度图为右目灰度图，所述第二灰度图为左目灰度图；

第二确定单元540，用于依据所述第一障碍物ROI区域和所述第二障碍物ROI区域，确定该障碍物轮廓对应的障碍物的第一视差值；

第三确定单元550，用于依据所述第一视差值和第二视差值，确定该障碍物轮廓对应的障碍物是否为可信障碍物；其中，所述第二视差值依据该障碍物轮廓的深度信息确定。

在一些实施例中，所述提取单元520依据所述双目深度图像进行障碍物轮廓提取，得到初始障碍物轮廓，包括：

将所述双目深度图像转换为3D点云；

依据所述双目相机的安装位置，将所述3D点云转换为栅格图；

对所述栅格图进行障碍物轮廓提取，得到初始障碍物轮廓。

在一些实施例中，所述提取单元520对所述栅格图进行障碍物轮廓提取，得到初始障碍物轮廓之后，还包括：

依据所述初始障碍物轮廓提取障碍物对应的聚类段；

将包括的点数少于第一阈值的聚类段确定为不可信聚类段，并将对应的障碍物确定为不可信障碍物。

在一些实施例中，所述第一确定单元530确定该障碍物轮廓对应的区域在第一灰度图中对应的第一障碍物ROI区域和在第二灰度图中对应的第二障碍物ROI区域，包括：

将该障碍物轮廓对应的区域投影到第一灰度图，得到该障碍物轮廓对应的区域在第一灰度图中对应的第一障碍物ROI区域；

利用相位相关法或模板匹配方法，确定所述第一障碍物ROI区域在所述第二灰度图中的匹配区域，将该匹配区域确定为第二障碍物ROI区域。

在一些实施例中，所述第三确定单元550，还用于对于任一障碍物轮廓，确定该障碍物轮廓对应的区域在指定灰度图中对应的第三障碍物ROI区域；其中，所述指定灰度图为所述第一灰度图或所述第二灰度图；依据所述第三障碍物ROI区域确定待校验区域，并依据所述待校验区域的像素灰度值，确定该障碍物轮廓对应的障碍物是否为可信障碍物。

在一些实施例中，所述第三确定单元550依据所述第三障碍物ROI区域确定待校验区域，包括：

在所述第三障碍物ROI区域的尺寸满足预设条件的情况下，对所述第三障碍物ROI区域进行扩展，得到对应的待校验区域；

在所述第三障碍物ROI区域的尺寸不满足预设条件的情况下，将所述第三障碍物ROI区域确定为待校验区域。

在一些实施例中，所述第三障碍物ROI区域的尺寸满足预设条件包括以下之一或多个：

所述第三障碍物ROI区域的宽小于第二阈值、所述第三障碍物ROI区域的高小于第三阈值，以及，所述第三障碍物ROI区域的面积小于第四阈值。

在一些实施例中，所述第三确定单元550对所述第三障碍物ROI区域进行扩展，得到对应的待校验区域，包括：

对所述第三障碍物ROI区域进行扩展，将所述第三障碍物ROI区域的8邻域以及所述第三障碍物ROI区域，确定为待校验区域。

在一些实施例中，所述第三确定单元550依据所述待校验区域的像素灰度值，确定该障碍物轮廓对应的障碍物是否为可信障碍物，包括：

依据所述待校验区域的像素灰度值，确定所述待校验区域的灰度统计值；所述灰度统计值包括所述待校验区域的平均灰度值、曝光像素的数量以及曝光像素占比中的部分或全部，所述曝光像素为灰度值大于第五阈值的像素；

依据所述待校验区域的灰度统计值，确定该障碍物轮廓对应的障碍物是否为可信障碍物。

本申请实施例提供一种电子设备，包括处理器和存储器，其中，存储器存储有能够被所述处理器执行的机器可执行指令，处理器用于执行机器可执行指令，以实现上文描述的障碍物检测方法。

请参见图6，为本申请实施例提供的一种电子设备的硬件结构示意图。该电子设备可包括处理器601、存储有机器可执行指令的存储器602。处理器601与存储器602可经由系统总线603通信。并且，通过读取并执行存储器602中与障碍物检测逻辑对应的机器可执行指令，处理器601可执行上文描述的障碍物检测方法。

本文中提到的存储器602可以是任何电子、磁性、光学或其它物理存储装置，可以包含或存储信息，如可执行指令、数据，等等。例如，机器可读存储介质可以是：RAM(RadomAccess Memory，随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等)，或者类似的存储介质，或者它们的组合。

在一些实施例中，还提供了一种机器可读存储介质，如图6中的存储器602，该机器可读存储介质内存储有机器可执行指令，所述机器可执行指令被处理器执行时实现上文描述的障碍物检测方法。例如，所述存储介质可以是ROM、RAM、CD-ROM、磁带、软盘和光数据存储设备等。

需要说明的是，在本文中，诸如目标和目标等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。