CN108845321A - 目标对象的识别方法、装置及无人驾驶智能设备 - Google Patents

Abstract

本申请提供一种目标对象的识别方法、装置及无人驾驶智能设备，应用于无人驾驶智能设备，所述无人驾驶智能设备设置有毫米波雷达，所述方法的一具体实施方式包括：至少部分地响应于检测到目标对象，从所述毫米波雷达接收到的回波信号中提取特征信息；将所述特征信息输入到预先训练的分类模型中；根据所述分类模型输出的结果确定所述目标对象的类别。该实施方式能够在检测到目标对象时，进一步准确的确定目标对象的类别，有利于对无人驾驶智能设备进行控制，提高了无人驾驶智能设备的运行效率。

Description

目标对象的识别方法、装置及无人驾驶智能设备

技术领域

本申请涉及无人驾驶技术领域，特别涉及一种目标对象的识别方法、装置及无人驾驶智能设备。

背景技术

随着无人驾驶技术的不断发展，无人驾驶智能设备被广泛地应用到各个领域，为人们的生活提供各种便利。目前来说，无人驾驶智能设备仅能检测到周围的目标物体，但难以识别出目标物体的类别。而目标物体的类别很大程度上影响了无人驾驶智能设备的控制策略以及运行效率，因此，对目标物体类别的识别具有重要意义。

发明内容

本申请提供一种目标对象的识别方法、装置及无人驾驶智能设备。

根据本申请实施例的第一方面，提供一种目标对象的识别方法，应用于无人驾驶智能设备，该无人驾驶智能设备设置有毫米波雷达，包括：

至少部分地响应于检测到目标对象，从所述毫米波雷达接收到的回波信号中提取特征信息；

将所述特征信息输入到预先训练的分类模型中；

根据所述分类模型输出的结果确定所述目标对象的类别。

可选的，所述特征信息包括以下一项或多项：

所述目标对象的质心位置的特征信息；

所述目标对象的运行速度的特征信息；

所述目标对象的尺寸的特征信息；

所述回波信号的多普勒带宽的特征信息；

所述回波信号的强度的特征信息。

可选的，所述至少部分地响应于检测到目标对象，从所述毫米波雷达接收到的回波信号中提取特征信息，包括：

响应于检测到目标对象，确定所述目标对象的位置信息；

如果根据所述位置信息确定所述目标对象满足预设条件，则从所述毫米波雷达接收到的回波信号中提取特征信息。

可选的，所述根据所述位置信息确定所述目标对象满足预设条件，包括：

根据所述位置信息，确定所述目标对象与所述毫米波雷达之间的距离大于或等于预设距离；和/或

根据所述位置信息，确定在所述毫米波雷达接收到的上一帧回波信号中未检测到所述目标对象。

可选的，所述分类模型为非线性分类器。

根据本申请实施例的第二方面，提供一种目标对象的识别装置，应用于无人驾驶智能设备，该无人驾驶智能设备设置有毫米波雷达，包括：

提取模块，用于至少部分地响应于检测到目标对象，从所述毫米波雷达接收到的回波信号中提取特征信息；

输入模块，用于将所述特征信息输入到预先训练的分类模型中；

输出模块，用于根据所述分类模型输出的结果确定所述目标对象的类别。

可选的，所述特征信息包括以下一项或多项：

所述目标对象的质心位置的特征信息；

所述目标对象的运行速度的特征信息；

所述目标对象的尺寸的特征信息；

所述回波信号的多普勒带宽的特征信息；

所述回波信号的强度的特征信息。

可选的，所述提取模块包括：

确定子模块，用于响应于检测到目标对象，确定所述目标对象的位置信息；

提取子模块，用于在根据所述位置信息确定所述目标对象满足预设条件时，从所述毫米波雷达接收到的回波信号中提取特征信息。

可选的，所述提取子模块通过如下方式根据所述位置信息确定所述目标对象满足预设条件：

根据所述位置信息，确定所述目标对象与所述毫米波雷达之间的距离大于或等于预设距离；和/或

根据所述位置信息，确定在所述毫米波雷达接收到的上一帧回波信号中未检测到所述目标对象。

根据本申请实施例的第三方面，提供一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中任一项所述的方法。

根据本申请实施例的第四方面，提供一种无人驾驶智能设备，所述无人驾驶智能设备设置有毫米波雷达，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述第一方面中任一项所述的方法。

本申请的实施例提供的技术方案可以包括以下有益效果：

本申请的实施例提供的目标对象的识别方法和装置，通过至少部分地响应于检测到目标对象，从毫米波雷达接收到的回波信号中提取特征信息，将上述特征信息输入到预先训练的分类模型中，并根据该分类模型输出的结果确定目标对象的类别。从而能够在检测到目标对象时，进一步准确的确定目标对象的类别，有利于对无人驾驶智能设备进行控制，提高了无人驾驶智能设备的运行效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1是本申请根据一示例性实施例示出的一种目标对象的识别方法的流程图；

图2是本申请根据一示例性实施例示出的另一种目标对象的识别方法的流程图；

图3是本申请根据一示例性实施例示出的另一种目标对象的识别方法的流程图；

图4是本申请根据一示例性实施例示出的另一种目标对象的识别方法的流程图；

图5是本申请根据一示例性实施例示出的一种目标对象的识别装置的框图；

图6是本申请根据一示例性实施例示出的另一种目标对象的识别装置的框图；

图7是本申请根据一示例性实施例示出的一种无人驾驶智能设备的结构示意图。

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。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

如图1所示，图1是根据一示例性实施例示出的一种目标对象的识别方法的流程图，该方法可以应用于无人驾驶智能设备中，该无人驾驶智能设备设置有毫米波雷达。本领域技术人员可以理解，该无人驾驶智能设备可以包括但不限于智能机器人、无人车、无人机等等。该方法包括以下步骤：

在步骤101中，至少部分地响应于检测到目标对象，从毫米波雷达接收到的回波信号中提取特征信息。

在本实施例中，上述无人驾驶智能设备上设置有毫米波雷达，毫米波雷达是工作在毫米波波段探测的雷达。毫米波的波长介于微波和厘米波之间，因此毫米波雷达兼有微波雷达和光电雷达的一些优点。毫米波雷达能分辨识别很小的目标，而且能同时识别多个目标，具有成像能力强，体积小、机动性和隐蔽性好的优点。目前，车载的毫米波雷达主要起到避障作用，只进行目标检测，输出目标的距离、方位、速度等信息，并没有实现目标识别。发明人意识到这个问题，并对此进行研究，提出了一种目标对象的识别方法，应用于无人驾驶智能设备，所述无人驾驶智能设备设置有毫米波雷达。

在本实施例中，可以采用该毫米波雷达检测该无人驾驶智能设备周围的物体。具体来说，该毫米波雷达可以周期性地发射电磁波信号，当该电磁波信号遇到障碍物后，会被障碍物反射回来，该毫米波雷达可以接收到被障碍物反射回来的每帧回波信号。当该毫米波雷达接收到回波信号时，可以确定检测到目标对象。

在一种实现方式中，当确定检测到目标对象时，可以直接从毫米波雷达接收到的回波信号中提取特征信息。

在另一种实现方式中，当确定检测到目标对象时，还可以进一步判断检测到的目标对象是否满足预设条件。当确定该目标对象满足预设条件时，再从毫米波雷达接收到的回波信号中提取特征信息。其中，预设条件可以是任意合理的条件，本申请对预设条件的具体内容方面不限定。

在本实施例中，上述特征信息可以包括以下一项或多项：目标对象的质心位置的特征信息；目标对象的运行速度的特征信息；目标对象的尺寸的特征信息；回波信号的多普勒带宽的特征信息；回波信号的强度的特征信息。由于上述特征信息与目标对象的类别具有密切的联系，因此，基于上述特征信息能够更为准确地确定目标对象的类别。可以理解，上述特征信息还可以包括其它任意合理的特征信息，本申请对上述特征信息的具体内容方面不限定。

在步骤102中，将上述特征信息输入到预先训练的分类模型中。

在步骤103中，根据该分类模型输出的结果确定目标对象的类别。

在本实施例中，目标对象的类别可以是目标对象的一种属性，例如，目标对象的类别可以包括但不限于动物、人、自行车、汽车、栏杆等等。可以理解，本申请对目标对象的类别的具体属性方面不限定。

在本实施例中，可以将上述特征信息输入到预先训练的分类模型中，并根据该分类模型输出的结果确定目标对象的类别。例如，该分类模型可以直接输出目标对象的类别，因此可以直接根据该分类模型输出的结果确定目标对象的类别。又例如，该分类模型还可以输出多个类别以及每个类别对应的权重，该权重能够表示目标对象属于该类别的概率，因此可以根据该分类模型输出的结果，将权重最大的类别作为目标对象的类别。

在本实施例中，预先训练的分类模型可以是非线性分类器，包括但不限于逻辑回归模型，SVM(Support Vector Machine，支持向量机)以及AdaBoost模型等。具体来说，可以通过如下方式训练分类模型：首先，使设置有毫米波雷达的无人驾驶智能设备在预设的场景下运行，并检测周围的物体。在检测到物体时，获取毫米波雷达接收到的回波信号，并标记(采用其它设备标记，或者人工标记)物体的类别作为物体的标签。

接着，从上述检测到物体时获取到的回波信号中提取特征信息作为样本特征信息，将样本特征信息以及对应的物体的标签作为样本数据，并将样本数据分成训练集和验证集。其中，样本特征信息可以包括以下一项或多项：上述物体的质心位置的特征信息；上述物体的运行速度的特征信息；上述物体的尺寸的特征信息；回波信号的多普勒带宽的特征信息；回波信号的强度的特征信息等。

最后，采用训练集对当前分类模型的参数进行调整。采用验证集对前面训练的分类模型进行验证。直到验证结果满足要求时，将当前分类模型作为训练好的分类模型。

本申请的上述实施例提供的目标对象的识别方法，通过至少部分地响应于检测到目标对象，从毫米波雷达接收到的回波信号中提取特征信息，将上述特征信息输入到预先训练的分类模型中，并根据该分类模型输出的结果确定目标对象的类别。从而能够在检测到目标对象时，进一步准确的确定目标对象的类别，有利于对无人驾驶智能设备进行控制，提高了无人驾驶智能设备的运行效率。

如图2所示，图2根据一示例性实施例示出的另一种目标对象的识别方法的流程图，该实施例描述了至少部分地响应于检测到目标对象，从毫米波雷达接收到的回波信号中提取特征信息的过程，该方法可以应用于无人驾驶智能设备中，该无人驾驶智能设备设置有毫米波雷达。包括以下步骤：

在步骤201中，响应于检测到目标对象，确定该目标对象的位置信息。

在步骤202中，如果根据该位置信息确定目标对象满足预设条件，则从该毫米波雷达接收到的回波信号中提取特征信息。

在本实施例中，在检测到目标对象时，可以首先根据该毫米波雷达接收到的回波信号确定该目标对象的位置信息。然后，根据该目标对象的位置信息确定该目标对象是否满足预设条件。如果该目标对象满足预设条件，则进一步从该毫米波雷达接收到的回波信号中提取特征信息。

在一种实现方式中，可以通过如下方式根据该目标对象的位置信息确定该目标对象是否满足预设条件：根据该目标对象的位置信息确定该目标对象与该毫米波雷达之间的距离是否大于或等于预设距离，如果大于或等于预设距离，则可以确定该目标对象满足预设条件。

在另一种实现方式中，还可以通过如下方式根据该目标对象的位置信息确定该目标对象是否满足预设条件：根据该目标对象的位置信息，确定在该毫米波雷达接收到的上一帧回波信号中是否检测到该目标对象，如果未检测到该目标对象，则可以确定该目标对象满足预设条件。具体来说，毫米波雷达接收到的回波信号是一帧一帧的，当在当前一帧回波信号中检测到目标对象时，可以基于雷达的目标跟踪技术判断该目标对象是否出现在毫米波雷达接收到的上一帧回波信号中。如果确定毫米波雷达接收到的上一帧回波信号中未检测到该目标对象，则可以确定该目标对象满足预设条件。

在又一种实现方式中，还可以通过如下方式根据该目标对象的位置信息确定该目标对象是否满足预设条件：首先，根据该目标对象的位置信息，确定该目标对象与该毫米波雷达之间的距离是否大于或等于预设距离。如果大于或等于预设距离，则进一步根据该目标对象的位置信息，确定在该毫米波雷达接收到的上一帧回波信号中是否检测到该目标对象。如果未检测到该目标对象，则可以确定该目标对象满足预设条件。

可以理解，还可以通过其它任意合理的方式确定该目标对象是否满足预设条件，本申请对此方面不限定。

在步骤203中，将上述特征信息输入到预先训练的分类模型中。

在步骤204中，根据该分类模型输出的结果确定目标对象的类别。

需要说明的是，对于与图1实施例中相同的步骤，在上述图2实施例中不再进行赘述，相关内容可参见图1实施例。

本申请的上述实施例提供的目标对象的识别方法，通过响应于检测到目标对象，确定该目标对象的位置信息，如果根据该位置信息确定目标对象满足预设条件，则从该毫米波雷达接收到的回波信号中提取特征信息，将上述特征信息输入到预先训练的分类模型中，并根据该分类模型输出的结果确定目标对象的类别。由于本实施例在检测到目标对象时，仅在根据目标对象的位置信息确定目标对象满足预设条件时，进一步识别目标对象的类别，从而在不浪费计算资源的前提下，提高了对无人驾驶智能设备控制的精准度。

如图3所示，图3根据一示例性实施例示出的另一种目标对象的识别方法的流程图，该实施例详细描述了确定目标对象满足预设条件的过程，该方法可以应用于无人驾驶智能设备中，该无人驾驶智能设备设置有毫米波雷达，包括以下步骤：

在步骤301中，响应于检测到目标对象，确定该目标对象的位置信息。

在步骤302中，如果根据该目标对象的位置信息，确定该目标对象与毫米波雷达之间的距离大于或等于预设距离，则从该毫米波雷达接收到的回波信号中提取特征信息。

在步骤303中，将上述特征信息输入到预先训练的分类模型中。

在步骤304中，根据该分类模型输出的结果确定目标对象的类别。

在步骤305中，如果根据该目标对象的位置信息，确定该目标对象与毫米波雷达之间的距离小于预设距离，则执行躲避障碍物的操作。

在本实施例中，躲避障碍物的操作可以是为了躲避障碍物而执行的任意合理形式的操作，本申请对此方面不限定。

需要说明的是，对于与图1和图2实施例中相同的步骤，在上述图3实施例中不再进行赘述，相关内容可参见图1和图2实施例。

本申请的上述实施例提供的目标对象的识别方法，通过响应于检测到目标对象，确定该目标对象的位置信息，在根据该目标对象的位置信息确定该目标对象与毫米波雷达之间的距离大于或等于预设距离时，从该毫米波雷达接收到的回波信号中提取特征信息。将上述特征信息输入到预先训练的分类模型中，并根据该分类模型输出的结果确定目标对象的类别。在根据该目标对象的位置信息确定该目标对象与毫米波雷达之间的距离小于预设距离时，执行躲避障碍物的操作。由于本实施例在检测到目标对象后，又进一步考虑了该目标对象与毫米波雷达之间的距离，并在该距离小于预设距离时直接执行躲避障碍物的操作，仅在该距离大于或等于预设距离时，才识别目标对象的类别，因此，在无人驾驶智能设备与障碍物距离较近时，可以跳过对目标对象类别的识别，进行紧急避障，更优化了对无人驾驶智能设备的控制。

如图4所示，图4根据一示例性实施例示出的另一种目标对象的识别方法的流程图，该实施例详细描述了确定目标对象满足预设条件的过程，该方法可以应用于无人驾驶智能设备中，该无人驾驶智能设备设置有毫米波雷达，包括以下步骤：

在步骤401中，响应于检测到目标对象，确定该目标对象的位置信息。

在步骤402中，如果根据该目标对象的位置信息，确定在毫米波雷达接收到的上一帧回波信号中未检测到该目标对象，则从该毫米波雷达接收到的回波信号中提取特征信息。

在步骤403中，将上述特征信息输入到预先训练的分类模型中。

在步骤404中，根据该分类模型输出的结果确定目标对象的类别。

在步骤405中，如果根据该目标对象的位置信息，确定在毫米波雷达接收到的上一帧回波信号中检测到该目标对象，则执行跟踪目标对象的操作。

在本实施例中，当确定在毫米波雷达接收到的上一帧回波信号中检测到该目标对象，则说明已经对目标对象进行了分类，因此，可以接着执行跟踪目标对象的操作等。

需要说明的是，对于与图1和图2实施例中相同的步骤，在上述图4实施例中不再进行赘述，相关内容可参见图1和图2实施例。

本申请的上述实施例提供的目标对象的识别方法，通过响应于检测到目标对象，确定该目标对象的位置信息，在根据该目标对象的位置信息确定在毫米波雷达接收到的上一帧回波信号中未检测到该目标对象时，从该毫米波雷达接收到的回波信号中提取特征信息。将上述特征信息输入到预先训练的分类模型中，并根据该分类模型输出的结果确定目标对象的类别。在根据该目标对象的位置信息确定在毫米波雷达接收到的上一帧回波信号中检测到该目标对象时，执行跟踪目标对象的操作。由于本实施例在检测到目标对象后，又进一步考虑了该目标对象是否是首次被检查到，并仅在该目标对象是首次被检查到时，才识别目标对象的类别，因此，避免了重复的识别操作，节省了计算资源，也优化了对无人驾驶智能设备的控制。

应当注意，尽管在上述实施例中，以特定顺序描述了本申请方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，流程图中描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

与前述目标对象的识别方法实施例相对应，本申请还提供了目标对象的识别装置的实施例。

如图5所示，图5是本申请根据一示例性实施例示出的一种目标对象的识别装置框图，该装置应用于无人驾驶智能设备，该无人驾驶智能设备设置有毫米波雷达，可以包括：提取模块501，输入模块502和输出模块503。

其中，提取模块501，用于至少部分地响应于检测到目标对象，从上述毫米波雷达接收到的回波信号中提取特征信息。

输入模块502，用于将该特征信息输入到预先训练的分类模型中。

输出模块503，用于根据该分类模型输出的结果确定目标对象的类别。

在一些可选实施方式中，上述特征信息可以包括以下一项或多项：该目标对象的质心位置的特征信息；该目标对象的运行速度的特征信息；该目标对象的尺寸的特征信息；该回波信号的多普勒带宽的特征信息；该回波信号的强度的特征信息。

如图6所示，图6是本申请根据一示例性实施例示出的另一种目标对象的识别装置框图，该实施例在前述图5所示实施例的基础上，提取模块501可以包括：确定子模块601和提取子模块602。

其中，确定子模块601，用于响应于检测到目标对象，确定该目标对象的位置信息。

提取子模块602，用于在根据上述位置信息确定该目标对象满足预设条件时，从该毫米波雷达接收到的回波信号中提取特征信息。

在另一些可选实施方式中，提取子模块602通过如下方式根据上述位置信息确定该目标对象满足预设条件：

根据上述位置信息，确定该目标对象与该毫米波雷达之间的距离大于或等于预设距离。和/或

根据上述位置信息，确定在该毫米波雷达接收到的上一帧回波信号中未检测到该目标对象。

在另一些可选实施方式中，预先训练的分类模型为非线性分类器。

应当理解，上述装置可以预先设置在无人驾驶智能设备中，也可以通过下载等方式而加载到无人驾驶智能设备中。上述装置中的相应模块可以与无人驾驶智能设备中的模块相互配合以实现目标对象的识别方案。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

本申请实施例还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1至图4任一实施例提供的目标对象的识别方法。

对应于上述的目标对象的识别方法，本申请实施例还提出了图7所示的根据本申请的一示例性实施例的无人驾驶智能设备的示意结构图。请参考图7，在硬件层面，该无人驾驶智能设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成目标对象的识别装置。当然，除了软件实现方式之外，本申请并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims (10)

1.一种目标对象的识别方法，其特征在于，应用于无人驾驶智能设备，所述无人驾驶智能设备设置有毫米波雷达，所述方法包括：

至少部分地响应于检测到目标对象，从所述毫米波雷达接收到的回波信号中提取特征信息；

将所述特征信息输入到预先训练的分类模型中；

根据所述分类模型输出的结果确定所述目标对象的类别。

2.根据权利要求1所述的方法，其特征在于，所述特征信息包括以下一项或多项：

所述目标对象的质心位置的特征信息；

所述目标对象的运行速度的特征信息；

所述目标对象的尺寸的特征信息；

所述回波信号的多普勒带宽的特征信息；

所述回波信号的强度的特征信息。

3.根据权利要求1所述的方法，其特征在于，所述至少部分地响应于检测到目标对象，从所述毫米波雷达接收到的回波信号中提取特征信息，包括：

响应于检测到目标对象，确定所述目标对象的位置信息；

如果根据所述位置信息确定所述目标对象满足预设条件，则从所述毫米波雷达接收到的回波信号中提取特征信息。

4.根据权利要求3所述的方法，其特征在于，所述根据所述位置信息确定所述目标对象满足预设条件，包括：

根据所述位置信息，确定所述目标对象与所述毫米波雷达之间的距离大于或等于预设距离；和/或

根据所述位置信息，确定在所述毫米波雷达接收到的上一帧回波信号中未检测到所述目标对象。

5.一种目标对象的识别装置，其特征在于，应用于无人驾驶智能设备，所述无人驾驶智能设备设置有毫米波雷达，所述装置包括：

提取模块，用于至少部分地响应于检测到目标对象，从所述毫米波雷达接收到的回波信号中提取特征信息；

输入模块，用于将所述特征信息输入到预先训练的分类模型中；

输出模块，用于根据所述分类模型输出的结果确定所述目标对象的类别。

6.根据权利要求5所述的装置，其特征在于，所述特征信息包括以下一项或多项：

所述目标对象的质心位置的特征信息；

所述目标对象的运行速度的特征信息；

所述目标对象的尺寸的特征信息；

所述回波信号的多普勒带宽的特征信息；

所述回波信号的强度的特征信息。

7.根据权利要求5所述的装置，其特征在于，所述提取模块包括：

确定子模块，用于响应于检测到目标对象，确定所述目标对象的位置信息；

提取子模块，用于在根据所述位置信息确定所述目标对象满足预设条件时，从所述毫米波雷达接收到的回波信号中提取特征信息。

8.根据权利要求7所述的装置，其特征在于，所述提取子模块通过如下方式根据所述位置信息确定所述目标对象满足预设条件：

根据所述位置信息，确定所述目标对象与所述毫米波雷达之间的距离大于或等于预设距离；和/或

根据所述位置信息，确定在所述毫米波雷达接收到的上一帧回波信号中未检测到所述目标对象。

9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1-5中任一项所述的方法。

10.一种无人驾驶智能设备，所述无人驾驶智能设备设置有毫米波雷达，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1-5中任一项所述的方法。