一种物体识别方法和装置与流程

本申请涉及车辆技术领域，尤其涉及一种物体识别方法及装置。

背景技术：

随着自动驾驶技术的快速发展，车辆行驶过程中的物体识别越来越重要。在车辆行驶过程中，车辆需要检测周围环境中的物体，并识别所述物体的类型，以便根据物体的类型，确定相应的控制策略。例如，当车辆确定所述物体为人时采用的控制策略与当车辆确定所述物体为卡车时采用的控制策略不同。

由此可知，物体识别的准确性将影响车辆的控制策略的选择。如果将物体的类型确定错误时，车辆将采取错误的控制策略，易导致车祸的发生，对车辆和行人的安全造成了威胁。

技术实现要素：

为了解决现有技术中存在的以上技术问题，本申请提供一种物体识别方法及装置，能够准确的识别出物体的类型，以便车辆能够采用准确的控制策略，从而避免了车祸的发生，进而提高了车辆和行人的安全性。

为了实现上述目的，本申请提供的技术方案如下：

本申请提供一种物体识别方法，包括：

将雷达扫描目标物体获得的点云数据进行数学统计，得到第一特征分布函数；

将所述第一特征分布函数与存储的特征分布函数进行匹配，得到匹配成功的第二特征分布函数；

根据所述第二特征分布函数和存储的类型映射表，确定目标物体的类型。

可选的，所述存储的特征分布函数和所述存储的类型映射表的生成方法，包括：

将雷达扫描已知物体获得的点云数据进行数学统计，得到所述已知物体对应的特征分布函数；

根据所述已知物体对应的特征分布函数和所述已知物体所属类型的映射关系，建立类型映射表；

保存所述已知物体对应的特征分布函数以及所述类型映射表。

可选的，所述将所述第一特征分布函数与存储的特征分布函数进行匹配，得到匹配成功的第二特征分布函数，具体包括：

将所述第一特征分布函数与存储的特征分布函数进行匹配，获取所述第一特征分布函数与存储的特征分布函数的匹配度；

将所述匹配度与预设值进行比较，得到所述匹配度达到所述预设值的第二特征分布函数。

可选的，所述第一特征分布函数包括至少一个分布子函数；所述存储的特征分布函数包括至少一个分布子函数。

可选的，当所述第一特征分布函数，包括：第一x方向分布子函数、第一y方向分布子函数和第一z方向分布子函数，所述存储的特征分布函数，包括：存储的x方向分布子函数、存储的y方向分布子函数和存储的z方向分布子函数时，

所述将所述第一特征分布函数与存储的特征分布函数进行匹配，获取所述第一特征分布函数与存储的特征分布函数的匹配度，具体为：

将所述第一x方向分布子函数与所述存储的x方向分布子函数进行匹配，获取x方向匹配度；

将所述第一y方向分布子函数与所述存储的y方向分布子函数进行匹配，获取y方向匹配度；

将所述第一z方向分布子函数与所述存储的z方向分布子函数进行匹配，获取z方向匹配度；

根据所述x方向匹配度、所述y方向匹配度和所述z方向匹配度，得到所述第一特征分布函数与存储的特征分布函数的匹配度。

本申请还提供一种物体识别装置，包括：

第一获取单元，用于将雷达扫描目标物体获得的点云数据进行数学统计，得到第一特征分布函数；

第二获取单元，用于将所述第一特征分布函数与存储的特征分布函数进行匹配，得到匹配成功的第二特征分布函数；

确定单元，用于根据所述第二特征分布函数和存储的类型映射表，确定目标物体的类型。

可选的，所述存储的特征分布函数和所述存储的类型映射表的生成方法，包括：

将雷达扫描已知物体获得的点云数据进行数学统计，得到所述已知物体对应的特征分布函数；

根据所述已知物体对应的特征分布函数和所述已知物体所属类型的映射关系，建立类型映射表；

保存所述已知物体对应的特征分布函数以及所述类型映射表。

可选的，所述第二获取单元，具体包括：

第一获取子单元，用于将所述第一特征分布函数与存储的特征分布函数进行匹配，获取所述第一特征分布函数与存储的特征分布函数的匹配度；

第二获取子单元，用于将所述匹配度与预设值进行比较，得到所述匹配度达到所述预设值的第二特征分布函数。

可选的，所述第一特征分布函数包括至少一个分布子函数；所述存储的特征分布函数包括至少一个分布子函数。

可选的，当所述第一特征分布函数，包括：第一x方向分布子函数、第一y方向分布子函数和第一z方向分布子函数，所述存储的特征分布函数，包括：存储的x方向分布子函数、存储的y方向分布子函数和存储的z方向分布子函数时，

所述第一获取子单元，具体为：

第一获取模块，用于将所述第一x方向分布子函数与所述存储的x方向分布子函数进行匹配，获取x方向匹配度；

第二获取模块，用于将所述第一y方向分布子函数与所述存储的y方向分布子函数进行匹配，获取y方向匹配度；

第三获取模块，用于将所述第一z方向分布子函数与所述存储的z方向分布子函数进行匹配，获取z方向匹配度；

第四获取模块，用于根据所述x方向匹配度、所述y方向匹配度和所述z方向匹配度，得到所述第一特征分布函数与存储的特征分布函数的匹配度。

与现有技术相比，本申请至少具有以下优点：

本申请提供的物体识别方法，通过将雷达扫描目标物体获得的点云数据进行数学统计，得到第一特征分布函数，以便根据与所述第一特征分布函数匹配成功的第二特征分布函数以及存储的类型映射表，确定目标物体的类型。在该方法中，由于第一特征分布函数与第二特征分布函数匹配成功，因而，目标物体与第二特征分布函数对应的物体属于同一类型；而且，由于第二特征分布函数对应的物体所属类型可以通过存储的类型映射表准确的确定，因而，与第二特征分布函数对应的物体属于同一类型的目标物体的类型也能够准确的确定，使得车辆能够根据目标物体所述的类型采用准确的控制策略，从而避免了车祸的发生，进而提高了车辆和行人的安全性。

附图说明

为了更清楚地说明本申请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申请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的前提下，还可以根据这些附图获得其它的附图。

图1为本申请实施例提供的物体识别方法的一种实施方式的流程图；

图2为本申请实施例提供的存储的特征分布函数和所述存储的类型映射表的生成方法的流程图；

图3为本申请实施例提供的s102的一种实施方式的流程图；

图4为本申请实施例提供的s102的另一种实施方式的流程图；

图5为本申请实施例提供的s102a的一种实施方式的流程图；

图6为本申请实施例提供的s103的一种实施方式的流程图；

图7为本申请实施例提供的物体识别方法的另一种实施方式的流程图；

图8为本申请实施例提供的物体识别方法的又一种实施方式的流程图；

图9为本申请实施例提供的物体识别方法的再一种实施方式的流程图；

图10为本申请实施例提供的物体识别装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

方法实施例一

参见图1，该图为本申请实施例提供的物体识别方法的一种实施方式的流程图。

本申请实施例提供的物体识别方法，包括：

s101：将雷达扫描目标物体获得的点云数据进行数学统计，得到第一特征分布函数。

雷达位于车辆上，用于对车辆的行驶环境进行扫描，得到点云数据。其中，所述车辆的行驶环境，可以包括：行车道、行人、各种类型的车辆、树木、栏杆和动物等至少一种。

目标物体可以是车辆行驶环境中的行人、各种类型的车辆、树木、栏杆和动物中的至少一种。

需要说明的是，目标物体还可以是车辆行驶环境中的其他物体，本申请对此不做具体限定。

目标物体的点云数据包括：多个雷达扫描点的三维坐标数据，而且，每个雷达扫描点的三维坐标数据是以雷达为原点获得的。

数学统计可以是任一种从大量数据中获得数据分布函数的方法，本申请对此不作具体限定。

第一特征分布函数可以用于表示目标物体的点云数据的分布状态。

而且，第一特征分布函数可以包括：至少一个分布子函数，且每个分布子函数均用于表示目标物体的点云数据的在预设特征上的分布状态。其中，预设特征可以预先设定，也可以根据实际应用场景确定，本申请对此不做具体限定。

为了便于理解和解释，下面将以第一特征分布函数包括三个分布子函数为例进行说明。

作为一种实施方式，第一特征分布函数，可以包括：第一x方向分布子函数、第一y方向分布子函数和第一z方向分布子函数。

其中，第一x方向分布子函数，用于表示目标物体的点云数据在x方向上的分布状态；第一y方向分布子函数，用于表示目标物体的点云数据在y方向上的分布状态；第一z方向分布子函数，用于表示目标物体的点云数据在y方向上的分布状态。

需要说明的是，上述实施方式是以第一特征分布函数包括三个分布子函数为例进行解释和说明的，然而，在本申请实施例中，第一特征分布函数不仅可以包括三个分布子函数，还可以包括除三个以外的其他数目的分布子函数，本申请对此不做具体限定。

s102：将所述第一特征分布函数与存储的特征分布函数进行匹配，得到匹配成功的第二特征分布函数。

存储的特征分布函数可以是预先根据已知物体的点云数据，生成并存储的特征分布函数。其中，存储的特征分布函数的数目可以是至少一个以上。

而且，所述存储的特征分布函数包括至少一个分布子函数。且每个分布子函数均用于表示已知物体的点云数据的在预设特征上的分布状态。其中，预设特征可以预先设定，也可以根据实际应用场景确定，本申请对此不做具体限定。

为了便于解释和理解，下面将以存储的特征分布函数包括三个分布子函数为例进行说明。

作为一种实施方式，存储的特征分布函数，可以包括：存储的x方向分布子函数、存储的y方向分布子函数和存储的z方向分布子函数。

其中，存储的x方向分布子函数，用于表示已知物体的点云数据在x方向上的分布状态；存储的y方向分布子函数，用于表示已知物体的点云数据在y方向上的分布状态；存储的z方向分布子函数，用于表示已知物体的点云数据在y方向上的分布状态。

需要说明的是，上述实施方式是以存储的特征分布函数包括三个分布子函数为例进行解释和说明的，然而，在本申请实施例中，存储的特征分布函数不仅可以包括三个分布子函数，还可以包括除三个以外的其他数目的分布子函数，本申请对此不做具体限定。

另外，存储的特征分布函数均与已知物体所述的类型一一对应，而且，存储的特征分布函数对应的已知物体所属类型，可以通过存储的特征分布函数以及存储的类型映射表确定。其中，所述类型映射表，用于记录每个已知物体所属类型与每个已知物体的特征分布函数的映射关系。

存储的特征分布函数和类型映射表均可以采用多种生成方法，本申请对此不做具体限定。

为了便于解释和理解，下面将以存储的特征分布函数和类型映射表的生成方法的一种实施方式为例进行说明。

参见图2，该图为本申请实施例提供的存储的特征分布函数和所述存储的类型映射表的生成方法的流程图。

作为一种实施方式，本申请实施例提供的存储的特征分布函数和所述存储的类型映射表的生成方法，包括：

s201：将雷达扫描已知物体获得的点云数据进行数学统计，得到所述已知物体对应的特征分布函数。

s201的内容与s101的内容相同，在此不再赘述。

s202：根据所述已知物体对应的特征分布函数和所述已知物体所属类型的映射关系，建立类型映射表。

s203：保存所述已知物体对应的特征分布函数以及所述类型映射表。

作为一种实施方式，s203具体可以为：将所述已知物体对应的特征分布函数存储在第一存储位置，并将所述类型映射表存储在第二存储位置。

需要说明的是，第一存储位置与第二存储位置可以相同，也可以不相同，本申请对此不做具体限定。

以上为存储的特征分布函数和类型映射表的生成过程，而且，当执行s102时，可以直接从存储的特征分布函数的存储位置进行读取即可。

为了便于解释和理解，下面将以存储空间内包括n个特征分布函数为例进行说明。

参见图3，该图为本申请实施例提供的s102的一种实施方式的流程图。

作为一种实施方式，s102具体可以为：

s1021：将所述第一特征分布函数与存储的第1个特征分布函数进行匹配。

s1022：判断是否匹配成功。若是，则执行s1023；若否，则执行s1024。

s1023：将存储的第1个特征分布函数作为匹配成功的第二特征分布函数。

s1024：将所述第一特征分布函数与存储的第2个特征分布函数进行匹配。

s1025：判断是否匹配成功。若是，则执行s1026；若否，则执行s1027。

s1026：将存储的第2个特征分布函数作为匹配成功的第二特征分布函数。

s1027：将所述第一特征分布函数与存储的第3个特征分布函数进行匹配。

依次重复执行将所述第一特征分布函数与存储的第i个特征分布函数进行匹配，并判断是否匹配成功。若匹配成功，则将存储的第i个特征分布函数作为匹配成功的第二特征分布函数；若匹配失败，则将所述第一特征分布函数与存储的第i+1个特征分布函数进行匹配，并判断是否匹配成功。

s1028：将所述第一特征分布函数与存储的第n-1个特征分布函数进行匹配。

s1029：判断是否匹配成功。若是，则执行s10210；若否，则执行s10211。

s10210：将存储的第n-1个特征分布函数作为匹配成功的第二特征分布函数。

s10211：将所述第一特征分布函数与存储的第n个特征分布函数进行匹配。

s10212：判断是否匹配成功。若是，则执行s10213；若否，则执行s10214。

s10213：将存储的第n个特征分布函数作为匹配成功的第二特征分布函数。

s10214：在存储空间内无法找到与第一特征分布函数相匹的特征分布函数。

以上是以存储空间内包括n个特征分布函数为例进行说明的，在该实施方式中，n≥1，且n为正整数。

另外，当将所述第一特征分布函数与存储的特征分布函数进行匹配时，可以依据预设匹配指标判断是否匹配成功。

其中，预设匹配指标可以预先设定，也可以根据实际应用场景确定。例如，预设匹配指标可以为匹配度。

为了便于理解和解释，下面将以预设匹配指标为匹配度为例进行说明。

参见图4，该图为本申请实施例提供的s102的另一种实施方式的流程图。

作为另一种实施方式，s102具体可以为：

s102a：将所述第一特征分布函数与存储的特征分布函数进行匹配，获取所述第一特征分布函数与存储的特征分布函数的匹配度。

匹配度，用于表示两个特征分布函数之间的匹配程度。

另外，由于特征分布函数包括至少一个分布子函数，因而，第一特征分布函数与存储的特征分布函数的匹配度，既可以仅包括一个综合匹配度，还可以包括至少一个特征的匹配度。

为了便于解释和理解，下面将以第一特征分布函数与存储的特征分布函数的匹配度包括至少一个特征的匹配度为例进行说明。

参见图5，该图为本申请实施例提供的s102a的一种实施方式的流程图。

作为一种实施方式，当所述第一特征分布函数，包括：第一x方向分布子函数、第一y方向分布子函数和第一z方向分布子函数，所述存储的特征分布函数，包括：存储的x方向分布子函数、存储的y方向分布子函数和存储的z方向分布子函数时，s102a具体可以为：

s102a1：将所述第一x方向分布子函数与所述存储的x方向分布子函数进行匹配，获取x方向匹配度。

s102a2：将所述第一y方向分布子函数与所述存储的y方向分布子函数进行匹配，获取y方向匹配度。

s102a3：将所述第一z方向分布子函数与所述存储的z方向分布子函数进行匹配，获取z方向匹配度。

s102a4：根据所述x方向匹配度、所述y方向匹配度和所述z方向匹配度，得到所述第一特征分布函数与存储的特征分布函数的匹配度。

作为一种实施方式，s102a4具体可以为：将所述x方向匹配度、所述y方向匹配度和所述z方向匹配度进行集合，得到所述第一特征分布函数与存储的特征分布函数的匹配度。

作为另一种实施方式，s102a4具体可以为：将所述x方向匹配度、所述y方向匹配度和所述z方向匹配度进行加权求和，得到所述第一特征分布函数与存储的特征分布函数的匹配度。

需要说明的是，以上是以s102a4的两种实施方式为例进行说明的，然而，s102a4还可以采用多种实施方式，本申请对此不做具体限定。

s102b：将所述匹配度与预设值进行比较，得到所述匹配度达到所述预设值的第二特征分布函数。

预设值可以预先设定，也可以是实际应用场景所需的匹配度阈值设定。

另外，在存储的特征分布函数中，如果存在至少两个特征分布函数的匹配度均达到预设值，则可以从这些特征分布函数中选择匹配度最高的特征分布函数作为第二特征分布函数。因而，本申请实施例还提供了s102b的另一种实施方式，该实施方式具体为：

将所述匹配度与预设值进行比较，得到至少两个匹配度达到预设值的特征分布函数，并从所述至少两个匹配度达到预设值的特征分布函数中选择匹配度最高的特征分布函数，作为第二特征分布函数。

在该实施方式中，由于第二特征分布函数不仅满足了匹配度达到预设值的匹配条件，而且还是所有满足匹配条件的特征分布函数中与第一特征分布函数匹配度最高的，因而，第二特征分布函数对应的已知物体与第一特征分布函数对应的目标物体之间的相似度最高，使得后续根据第二特征分布函数对应的已知物体所属类型确定的目标物体所属类型的准确度更高。

s103：根据所述第二特征分布函数和存储的类型映射表，确定目标物体的类型。

s103可以采用多种实施方式，为了便于解释和理解，下面将以s103一种实施方式为了进行说明。

参见图6，该图为本申请实施例提供的s103的一种实施方式的流程图。

作为一种实施方式，s103具体可以为：

s1031：根据所述第二特征分布函数，利用存储的类型映射表进行查询，得到所述第二特征分布函数对应的已知物体所属类型。

由于存储的类型映射表包括：第二特征分布函数与所述第二特征分布函数对应的已知物体所属类型之间的映射关系，因而，能够利用存储的类型映射表进行查询，得到所述第二特征分布函数对应的已知物体所属类型

s1032：根据所述第二特征分布函数对应的已知物体所属类型，确定目标物体的类型。

由于目标物体对应的第一特征分布函数与第二特征分布函数匹配成功，因而，第一特征分布函数对应的目标物体与第二特征分布函数对应的已知物体应该属于同一类型，从而可以将所述第二特征分布函数对应的已知物体所属类型作为目标物体的类型。

本申请实施例提供的物体识别方法，通过将雷达扫描目标物体获得的点云数据进行数学统计，得到第一特征分布函数，以便根据与所述第一特征分布函数匹配成功的第二特征分布函数以及存储的映射表，确定目标物体的类型。在该方法中，由于第一特征分布函数与第二特征分布函数匹配成功，因而，目标物体与第二特征分布函数对应的物体属于同一类型；而且，由于第二特征分布函数对应的物体所属类型可以通过存储的类型映射表准确的确定，因而，与第二特征分布函数对应的物体属于同一类型的目标物体的类型也能够准确的确定，使得车辆能够根据目标物体所述的类型采用准确的控制策略，从而避免了车祸的发生，进而提高了车辆和行人的安全性。

以上实施例提供的物体识别方法的具体实施方式，能够通过判断不同物体的特征分布函数是否匹配，确定不同物体是否属于同一类别。当目标物体对应的特征分布函数与已知物体对应的特征分布函数匹配成功时，可以根据已知物体所属类型确定目标物体所属类型。

另外，上述实施例提供的物体识别方法可以应用在多种方面。为了便于理解和解释，下面将以将物体识别方法应用于车辆为例进行说明。

方法实施例二

方法实施例二是在方法实施例一的基础上进行的改进，为了简要起见，方法实施例二与方法实施例一中内容相同的部分，在此不再赘述。

参见图7，该图为本申请实施例提供的物体识别方法的另一种实施方式的流程图。

本申请实施例提供的物体识别方法，包括：

s701：车辆利用雷达扫描目标物体，获得点云数据。

s702：车辆将雷达扫描目标物体获得的点云数据进行数学统计，得到第一特征分布函数。

s702的内容与s101的内容相同，在此不再赘述。

s703：车辆将所述第一特征分布函数与其内存储的特征分布函数进行匹配，得到匹配成功的第二特征分布函数。

s703的内容与s102的内容相同，在此不再赘述。

s704：车辆根据所述第二特征分布函数和其内存储的类型映射表，确定目标物体的类型。

s704的内容与s103的内容相同，在此不再赘述。

本申请实施例提供的物体识别方法，应用于车辆。在该方法中，车辆通过将雷达扫描目标物体获得的点云数据进行数学统计，得到第一特征分布函数，以便根据与所述第一特征分布函数匹配成功的第二特征分布函数以及存储的映射表，确定目标物体的类型。在该方法中，由于第一特征分布函数与第二特征分布函数匹配成功，因而，目标物体与第二特征分布函数对应的物体属于同一类型；而且，由于第二特征分布函数对应的物体所属类型可以通过存储的类型映射表准确的确定，因而，与第二特征分布函数对应的物体属于同一类型的目标物体的类型也能够准确的确定，使得车辆能够根据目标物体所述的类型采用准确的控制策略，从而避免了车祸的发生，进而提高了车辆和行人的安全性。

另外，由于该方法是由车辆独立完成的，无需车辆与车辆服务端进行通信，因而，该方法不仅适用于网络通信正常的环境中，还适用于网络通信异常的环境中。此外，由于物体对应的特征分布函数所需的存储空间小于物体对应的点云数据的存储空间，因而，该方法能够减少已知物体的特征存储所需空间，还能够减少不同物体进行匹配所需的时间，从而提高了物体识别的效率，进而提高了物体识别的实时性。

以上实施例介绍了物体识别方法应用于车辆的一种实施方式，然而，为了节约车辆的存储空间，本申请还提供了物体识别方法的另一种实施方式。下面将结合附图进行解释和说明。

方法实施例三

方法实施例三是在方法实施例一的基础上进行的改进，为了简要起见，方法实施例三与方法实施例一中内容相同的部分，在此不再赘述。

参见图8，该图为本申请实施例提供的物体识别方法的又一种实施方式的流程图。

本申请实施例提供的物体识别方法，包括：

s801：车辆利用雷达扫描目标物体，获得点云数据。

s802：车辆将雷达扫描目标物体获得的点云数据进行数学统计，得到第一特征分布函数。

s802的内容与s101的内容相同，在此不再赘述。

s803：车辆向车辆服务端发送获取已知物体的特征分布函数以及类型映射表的请求。

需要说明的是，s803的执行时间不定，s803仅需要在车辆执行s805之前执行即可，因而，s803可以在s801之前执行，也可以在s802之前执行，还可以在s802之后执行，本申请对此不做具体限定。

s804：车辆服务端根据所述请求，将其内存储的特征分布函数以及其内存储的类型映射表反馈至车辆。

s805：车辆将所述第一特征分布函数与车辆服务端反馈的特征分布函数进行匹配，得到匹配成功的第二特征分布函数。

s806：车辆根据所述第二特征分布函数和车辆服务端反馈的类型映射表，确定目标物体的类型。

本申请实施例提供的应用于车辆的物体识别方法，通过车辆将雷达扫描目标物体获得的点云数据进行数学统计，得到第一特征分布函数；并将第一特征分布函数与车辆服务端发送已知物体的特征分布函数进行匹配，得到第二特征分布函数；再根据第二特征分布函数以及车辆服务端发送的类型映射表，确定目标物体的类型。在该方法中，由于已知物体的特征分布函数存储在车辆服务端，因而，节约了车辆内部的存储空间。

以上实施例介绍了物体识别方法应用于车辆的实施方式，然而，本申请提供的物体识别方法还可以应用于车辆服务端，下面将结合附图进行解释和说明。

方法实施例四

方法实施例四是在方法实施例一的基础上进行的改进，为了简要起见，方法实施例四与方法实施例一中内容相同的部分，在此不再赘述。

参见图9，该图为本申请实施例提供的物体识别方法的再一种实施方式的流程图。

本申请实施例提供的物体识别方法，包括：

s901：车辆利用雷达扫描目标物体，获得点云数据。

s902：车辆将雷达扫描目标物体获得的点云数据发送至车辆服务端，并向所述车辆服务端发送目标物体识别请求。

s903：车辆服务端将雷达扫描目标物体获得的点云数据进行数学统计，得到第一特征分布函数。

s903的内容与s101的内容相同，在此不再赘述。

s904：车辆服务端将所述第一特征分布函数与其内存储的特征分布函数进行匹配，得到匹配成功的第二特征分布函数。

s904的内容与s102的内容相同，在此不再赘述。

s905：车辆服务端根据所述第二特征分布函数和其内存储的类型映射表，确定目标物体的类型。

s905的内容与s103的内容相同，在此不再赘述。

s906：车辆服务端将所述目标物体的类型反馈给所述车辆。

本申请实施例提供的物体识别方法，应用于车辆服务端。在该方法中，车辆服务端通过将雷达扫描目标物体获得的点云数据进行数学统计，得到第一特征分布函数，以便根据与所述第一特征分布函数匹配成功的第二特征分布函数以及存储的映射表，确定目标物体的类型。在该方法中，由于第一特征分布函数与第二特征分布函数匹配成功，因而，目标物体与第二特征分布函数对应的物体属于同一类型；而且，由于第二特征分布函数对应的物体所属类型可以通过存储的类型映射表准确的确定，因而，与第二特征分布函数对应的物体属于同一类型的目标物体的类型也能够准确的确定，使得车辆能够根据目标物体所述的类型采用准确的控制策略，从而避免了车祸的发生，进而提高了车辆和行人的安全性。

另外，在该方法中，车辆服务端能够代替车辆进行目标物体识别的具体过程，节约了车辆的计算资源。而且，已知物体对应的特征分布函数以及类型映射表均存储在车辆服务端，节约了车辆的存储资源。此外，由于车辆服务端可以为至少一个车辆提供物体识别的服务，因而，能够实现多个车辆共用一套车辆服务端提供的目标物体识别系统，节约了资源。

基于上述实施例提供的一种物体识别方法，本申请实施例还提供了一种物体识别装置，下面将结合附图进行解释和说明。

装置实施例

参见图10，该图为本申请实施例提供的物体识别装置的结构示意图。

本申请实施例提供物体识别装置，包括：

第一获取单元1001，用于将雷达扫描目标物体获得的点云数据进行数学统计，得到第一特征分布函数；

第二获取单元1002，用于将所述第一特征分布函数与存储的特征分布函数进行匹配，得到匹配成功的第二特征分布函数；

确定单元1003，用于根据所述第二特征分布函数和存储的类型映射表，确定目标物体的类型。

作为一种实施方式，为了提高物体识别效率以及物体识别准确率，所述存储的特征分布函数和所述存储的类型映射表的生成方法，包括：

将雷达扫描已知物体获得的点云数据进行数学统计，得到所述已知物体对应的特征分布函数；

根据所述已知物体对应的特征分布函数和所述已知物体所属类型的映射关系，建立类型映射表；

保存所述已知物体对应的特征分布函数以及所述类型映射表。

作为一种实施方式，为了提高物体识别效率以及物体识别准确率，所述第二获取单元1002，具体包括：

第一获取子单元，用于将所述第一特征分布函数与存储的特征分布函数进行匹配，获取所述第一特征分布函数与存储的特征分布函数的匹配度；

第二获取子单元，用于将所述匹配度与预设值进行比较，得到所述匹配度达到所述预设值的第二特征分布函数。

作为一种实施方式，为了提高物体识别效率以及物体识别准确率，所述第一特征分布函数包括至少一个分布子函数；所述存储的特征分布函数包括至少一个分布子函数。

作为一种实施方式，为了提高物体识别效率以及物体识别准确率，当所述第一特征分布函数，包括：第一x方向分布子函数、第一y方向分布子函数和第一z方向分布子函数，所述存储的特征分布函数，包括：存储的x方向分布子函数、存储的y方向分布子函数和存储的z方向分布子函数时，

所述第一获取子单元，具体为：

第一获取模块，用于将所述第一x方向分布子函数与所述存储的x方向分布子函数进行匹配，获取x方向匹配度；

第二获取模块，用于将所述第一y方向分布子函数与所述存储的y方向分布子函数进行匹配，获取y方向匹配度；

第三获取模块，用于将所述第一z方向分布子函数与所述存储的z方向分布子函数进行匹配，获取z方向匹配度；

第四获取模块，用于根据所述x方向匹配度、所述y方向匹配度和所述z方向匹配度，得到所述第一特征分布函数与存储的特征分布函数的匹配度。

本申请实施例提供的物体识别装置，包括：第一获取单元1001、第二获取单元1002和确定单元1003。在该装置中，通过将雷达扫描目标物体获得的点云数据进行数学统计，得到第一特征分布函数，以便根据与所述第一特征分布函数匹配成功的第二特征分布函数以及存储的类型映射表，确定目标物体的类型。在该装置中，由于第一特征分布函数与第二特征分布函数匹配成功，因而，目标物体与第二特征分布函数对应的物体属于同一类型；而且，由于第二特征分布函数对应的物体所属类型可以通过存储的类型映射表准确的确定，因而，与第二特征分布函数对应的物体属于同一类型的目标物体的类型也能够准确的确定，使得车辆能够根据目标物体所述的类型采用准确的控制策略，从而避免了车祸的发生，进而提高了车辆和行人的安全性。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于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：只存在a，只存在b以及同时存在a和b三种情况，其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。任何熟悉本领域的技术人员，在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。