CN109522804A - 一种道路边沿识别方法及系统 - Google Patents
一种道路边沿识别方法及系统 Download PDFInfo
- Publication number
- CN109522804A CN109522804A CN201811214346.6A CN201811214346A CN109522804A CN 109522804 A CN109522804 A CN 109522804A CN 201811214346 A CN201811214346 A CN 201811214346A CN 109522804 A CN109522804 A CN 109522804A
- Authority
- CN
- China
- Prior art keywords
- laser point
- laser
- point
- road
- cloud
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/03—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by measuring coordinates of points
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
- G01B11/0608—Height gauges
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开一种道路边沿识别方法及系统,解决了现有技术中通过摄像头采集道路图像,获取的道路边沿结果受光线环境影响较大的问题。该方法包括:步骤S1,以当前车辆位置建立车辆坐标系;步骤S2,从车辆上向路面投射激光点云,并基于车辆坐标系获取激光点云中各激光点的位置坐标;步骤S3,根据相邻激光点间的距离,将激光点云划分为道路点云区间和干扰点云区间,并从道路点云区间中选取一激光点作为基准点;步骤S4,在紧邻基准点的左右两侧建立检测网格,检测网格中包括n个连续激光点。该系统包括上述技术方案所提的方法。
Description
技术领域
本发明涉及智能汽车技术领域,尤其涉及一种道路边沿识别方法及系统。
背景技术
自动驾驶(包含辅助驾驶)是智能汽车发展的重要方向,并且越来越多的车辆中开始应用自动驾驶系统来实现车辆的自动驾驶功能。通常地,自动驾驶系统能需要随时地确定车辆的可行驶区域,在确定可行驶区域的过程中,一个重要的方面是需要确定出当前行驶道路的道路边沿。
现有较常用的道路边沿识别方法为,利用摄像头采集道路图像,经图像识别系统的提取分析后,得到图像中道路边沿的位置坐标,但是在实际应用过程中由于镜头取像受光线环境因素影响大,因此在不同环境中采集到的道路边沿位置坐标的结果相差较大,因此不能够满足商用可靠性的要求。
发明内容
本发明的目的在于提供一种道路边沿识别方法及系统,解决了现有技术中通过摄像头采集道路图像,获取的道路边沿结果受光线环境影响较大的问题。
为了实现上述目的,本发明的一方面提供一种道路边沿识别方法,包括:
步骤S1,以当前车辆位置建立车辆坐标系;
步骤S2,从车辆上向路面投射激光点云,并基于所述车辆坐标系获取激光点云中各激光点的位置坐标;
步骤S3,根据相邻激光点间的距离,将所述激光点云划分为道路点云区间和干扰点云区间,并从所述道路点云区间中选取一激光点作为基准点;
步骤S4,在紧邻基准点的左右两侧建立检测网格,所述检测网格中包括n个连续激光点;
步骤S5,基于左侧检测网格中的n个连续激光点拟合直线l1,以及基于右侧检测网格中的n个连续激光点拟合直线l2,当拟合直线l1和拟合直线l2的夹角β处于角度阈值范围时,将所述基准点定义为角点,执行步骤S7;否则,执行步骤S6;
步骤S6,将紧邻所述基准点左侧/右侧的激光点迭代为所述基准点,返回步骤S4,直至所述道路点云区间中的所有激光点遍历完毕;
步骤S7,从多个所述角点中筛选出道路边沿点。
优选地,所述步骤1,以当前车辆位置建立车辆坐标系的方法包括:
分别测量当前车辆的长宽高,计算当前车辆的中心点;
以所述中心点为原点,建立三维车辆坐标系。
较佳地,所述步骤S2,从车辆上向路面投射激光点云,并基于车辆坐标系获取激光点云中各激光点的位置坐标的方法包括:
在当前车辆上安装激光扫描设备,计算激光扫描设备的前倾角α;
分别测量激光扫描设备至所述原点的横向偏移距离Δx,至所述原点的纵向偏移距离Δy,以及至水平地面的高度值h;
基于所述前倾角α、所述横向偏移距离Δx、偏移距离Δy和所述高度值h,计算激光点云中各激光点相对于所述车辆坐标系中位置坐标。
示例性地,所述前倾角α的计算公式为:
α=arcsin(h/d),其中,l为激光扫描设备在地面上的投影至任一所述激光点最近的距离值。
优选地,所述步骤S3,根据相邻激光点间的相对距离,将激光点云划分为道路点云区间和干扰点云区间,并从道路点云区间中选取一激光点作为基准点的方法包括:
依次计算相邻激光点间的距离,统计间隔距离大于间隔阈值的相关激光点并标记;
获取被标记激光点中距离水平地面高度在预设高度范围内的激光点作为道路激光点,反之,在预设高度范围外的激光点作为干扰激光点;
将相邻道路激光点之间的所有激光点集合为道路点云区间,将相邻干扰激光点之间的所有激光点集合为干扰点云区间,且所述道路点云区间与所述干扰点云区间无交集;
提取所述道路点云区间,并从中选取一激光点作为基准点。
较佳地,所述从中选取一激光点作为基准点的方法为:
以当前车辆航向为基准,从所述道路点云区间中选取距离车辆最近的激光点作为基准点。
与现有技术相比,本发明提供的道路边沿识别方法具有以下有益效果:
本发明提供的道路边沿识别方法中,通过在车头位置处安装激光扫描设备,利用激光扫描设备向路面投射激光点云,并通过分析激光点云的分布情况识别出道路边沿点;其具体实现过程如下,首先以车辆中心为原点构建车辆坐标系,当激光点云投射在路面时,计算激光点云中各激光点在车辆坐标系中的位置坐标,以对各激光点的空间位置进行参数化换算,而为了缩减运算量,通过依次计算相邻激光点的间隔距离,将激光点云划分为道路点云区间和干扰点云区间,在角点识别过程中将干扰点云区间进行整体过滤,只对道路点云区间中的激光点进行角点识别,显著提高了角点识别的效率;其中角点识别的方法为:从道路点云区间中选取一激光点作为基准点,在紧邻基准点的左右两侧建立检测网格,检测网格中包括n个连续激光点,并基于左侧检测网格中的n个连续激光点拟合直线l1,以及基于右侧检测网格中的n个连续激光点拟合直线l2,当拟合直线l1和拟合直线l2的夹角β处于角度阈值范围时,将该基准点定义为角点,否则,将基准点向左/向右移位进行迭代,重复上述步骤,直至上述道路点云区间中的所有激光点遍历完毕,从获取的多个角点中筛选出道路边沿点,完成道路边沿点的检测。
可见,本发明采用激光作为检测光源,由于激光本身具有较佳的方向性和相干性等特点,因此在实际应用过程中不会受到环境光线影响,能够保证识别结果的稳定性,另外,本发明通过建立车辆坐标系,并将激光点云中的各激光点位置进行参数化转换,采用数学运算的方式区分出道路点云区间和干扰点云区间,这样在角点提取的过程中只需对道路点云区间进行迭代运算,能够在缩减运算量的同时保证了角点提取的准确性,提高了道路边沿点的识别效率。
本发明的另一方面提供一种道路边沿识别系统,包括坐标系建立单元、激光扫描设备、坐标换算单元、区间划分单元、检测网格单元、角点判断单元、基准点迭代单元和筛选输出单元;
所述坐标系建立单元用于以当前车辆位置建立车辆坐标系;
所述激光扫描设备用于从车辆上向路面投射激光点云;
所述坐标换算单元用于基于所述车辆坐标系获取激光点云中各激光点的位置坐标;
所述区间划分单元用于根据相邻激光点间的距离,将所述激光点云划分为道路点云区间和干扰点云区间,并从所述道路点云区间中选取一激光点作为基准点;
所述检测网格单元用于在紧邻基准点的左右两侧建立检测网格,所述检测网格中包括n个连续激光点;
所述角点判断单元用于基于左侧检测网格中的n个连续激光点拟合直线l1,以及基于右侧检测网格中的n个连续激光点拟合直线l2,当拟合直线l1和拟合直线l2的夹角β处于角度阈值范围时,将所述基准点定义为角点输出至所述筛选输出单元;否则,启动所述基准点迭代单元;
所述基准点迭代单元用于将紧邻所述基准点左侧/右侧的激光点迭代为所述基准点,重新启动所述检测网格单元,直至所述道路点云区间中的所有激光点遍历完毕;
所述筛选输出单元用于从多个所述角点中筛选出道路边沿点。
优选地,所述坐标换算单元包括第一计算模块、测距模块和换算模块;
所述第一计算模块用于计算激光扫描设备的前倾角α;
所述测距模块用于分别测量激光扫描设备至所述原点的横向偏移距离Δx,至所述原点的纵向偏移距离Δy,以及至水平地面的高度值h;
所述换算模块用于基于所述前倾角α、所述横向偏移距离Δx、偏移距离Δy和所述高度值h,计算激光点云中各激光点相对于所述车辆坐标系中位置坐标;
其中,所述前倾角α的计算公式为:α=arcsin(h/d),l为激光扫描设备在地面上的投影至任一所述激光点最近的距离值。
较佳地,所述区间划分单元包括第二计算单元、判断单元、划分模块和提取模块;
所述第二计算单元用于依次计算相邻激光点间的距离,统计间隔距离大于间隔阈值的相关激光点并标记;
所述判断单元用于获取被标记激光点中距离水平地面高度在预设高度范围内的激光点作为道路激光点,反之,在预设高度范围外的激光点作为干扰激光点;
所述划分模块用于将相邻道路激光点之间的所有激光点集合为道路点云区间,将相邻干扰激光点之间的所有激光点集合为干扰点云区间,且所述道路点云区间与所述干扰点云区间无交集;
所述提取模块用于提取所述道路点云区间,并从中选取一激光点作为基准点。
示例性地,所述激光扫描设备为激光扫描仪。
与现有技术相比,本发明提供的道路边沿识别系统的有益效果与上述技术方案提供的道路边沿识别方法的有益效果相同,在此不做赘述。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例一中道路边沿识别方法的流程示意图;
图2为本发明实施例一中车辆对道路边沿进行检测的示例图;
图3为本发明实施例一中车辆对道路边沿进行检测的原理图;
图4为本发明实施例一中激光扫描设备的参数示例图;
图5为本发明实施例一中拟合直线l1和拟合直线l2的一种示例图;
图6为本发明实施例一中拟合直线l1和拟合直线l2的另一种示例图;
图7为本发明实施例二中道路边沿识别系统的结构示意图。
附图标记:
1-坐标系建立单元, 2-坐标系建立单元;
3-坐标换算单元, 4-区间划分单元;
5-检测网格单元, 6-角点判断单元;
7-基准点迭代单元, 8-筛选输出单元。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,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作出创造性劳动的前提下所获得的所有其它实施例,均属于本发明保护的范围。
实施例一
请参阅图1-6,本实施例提供一种道路边沿识别方法,包括:
步骤S1,以当前车辆位置建立车辆坐标系;
步骤S2,从车辆上向路面投射激光点云,并基于车辆坐标系获取激光点云中各激光点的位置坐标;
步骤S3,根据相邻激光点间的距离,将激光点云划分为道路点云区间和干扰点云区间,并从道路点云区间中选取一激光点作为基准点;
步骤S4,在紧邻基准点的左右两侧建立检测网格,检测网格中包括n个连续激光点;
步骤S5,基于左侧检测网格中的n个连续激光点拟合直线l1,以及基于右侧检测网格中的n个连续激光点拟合直线l2,当拟合直线l1和拟合直线l2的夹角β处于角度阈值范围时,将基准点定义为角点,执行步骤S7;否则,执行步骤S6;
步骤S6,将紧邻基准点左侧/右侧的激光点迭代为基准点,返回步骤S4,直至道路点云区间中的所有激光点遍历完毕;
步骤S7,从多个角点中筛选出道路边沿点。
本实施例提供的道路边沿识别方法中,通过在车头位置处安装激光扫描设备,利用激光扫描设备向路面投射激光点云,并通过分析激光点云的分布情况识别出道路边沿点;其具体实现过程如下,首先以车辆中心为原点构建车辆坐标系,当激光点云投射在路面时,计算激光点云中各激光点在车辆坐标系中的位置坐标,以对各激光点的空间位置进行参数化换算,而为了缩减运算量,通过依次计算相邻激光点的间隔距离,将激光点云划分为道路点云区间和干扰点云区间,在角点识别过程中将干扰点云区间进行整体过滤,只对道路点云区间中的激光点进行角点识别,显著提高了角点识别的效率;其中角点识别的方法为:从道路点云区间中选取一激光点作为基准点,在紧邻基准点的左右两侧建立检测网格,检测网格中包括n个连续激光点,并基于左侧检测网格中的n个连续激光点拟合直线l1,以及基于右侧检测网格中的n个连续激光点拟合直线l2,请参阅图6,当拟合直线l1和拟合直线l2的夹角β处于角度阈值范围时,将该基准点定义为角点,请参阅图5,当拟合直线l1和拟合直线l2的夹角β未超出角度阈值范围时,则将基准点向左/向右移位进行迭代,重复上述步骤,直至上述道路点云区间中的所有激光点遍历完毕,从获取的多个角点中筛选出道路边沿点,完成道路边沿点的检测。
可见,本实施例采用激光作为检测光源,由于激光本身具有较佳的方向性和相干性等特点,因此在实际应用过程中不会受到环境光线影响,能够保证识别结果的稳定性,另外,本实施例通过建立车辆坐标系,并将激光点云中的各激光点位置进行参数化转换,采用数学运算的方式区分出道路点云区间和干扰点云区间,这样在角点提取的过程中只需对道路点云区间进行迭代运算,能够在缩减运算量的同时保证了角点提取的准确性,提高了道路边沿点的识别效率。
可以理解的是,请参阅图6,角点是指拟合直线l1和拟合直线l2构成的夹角β,由于路面和边沿基石存在高度差,当激光点云在路面和边沿基石上都有分布时,路面上形成的拟合直线l1和边沿基石上的拟合直线l2就会存在角点,进而可通过角点准确识别出道路边沿点。另外,理论上n数值越大拟合的直线也就能越准确的反映出激光点的分布,本实施例不对n的取值进行限定,示例性地,n=11,l1={M0,M1,M2,M3,M4,M5},l2={M0’,M1’,M2’,M3’,M4’,M5’},角度阈值的取值范围为75-105度。
具体地,请参阅图3,上述实施例中以当前车辆位置建立车辆坐标系的方法包括:分别测量当前车辆的长宽高,计算当前车辆的中心点;以中心点为原点,建立三维车辆坐标系。
进一步地,上述实施例中从车辆上向路面投射激光点云,并基于车辆坐标系获取激光点云中各激光点的位置坐标的方法包括:
在当前车辆上安装激光扫描设备,计算激光扫描设备的前倾角α;分别测量激光扫描设备至原点的横向偏移距离Δx,至原点的纵向偏移距离Δy,以及至水平地面的高度值h;基于前倾角α、横向偏移距离Δx、偏移距离Δy和高度值h,计算激光点云中各激光点相对于车辆坐标系中位置坐标。
其中,上述前倾角α的计算公式为:α=arcsin(h/d),l为激光扫描设备在地面上的投影至任一激光点最近的距离值,d为激光扫描设备的输出距离至地面的最小值。
首先需要将激光扫描设备输出的距离信息转换至以激光扫描设备为原点建立的坐标系中(x′,y′)。激光扫描设备输出的距离信息是以距离序列
d=(d1,d2,…,di,…,dn)的方式给出,从设备说明书中可以知道设备的扫描初始角度θ0、扫描角度分辨率Δθ,扫描角度范围θrange,如图4所示;
由此,可计算距离序列的个数
n=(θrange-θ0)/Δθ+1
由此,对于距离序列di在激光扫描设备对应标系下的坐标为
再设车辆高度为hheight,根据标定的安装参数、激光扫描设备标系下激光点坐标值以及车辆中心点位置,可换算获得车辆坐标系下的激光点云坐标值,转换公式为
较佳地,上述实施例中根据相邻激光点间的相对距离,将激光点云划分为道路点云区间和干扰点云区间,并从道路点云区间中选取一激光点作为基准点的方法包括:
依次计算相邻激光点间的距离,统计间隔距离大于间隔阈值的相关激光点并标记;获取被标记激光点中距离水平地面高度在预设高度范围内的激光点作为道路激光点,反之,在预设高度范围外的激光点作为干扰激光点;将相邻道路激光点之间的所有激光点集合为道路点云区间,将相邻干扰激光点之间的所有激光点集合为干扰点云区间,且道路点云区间与干扰点云区间无交集;提取道路点云区间,并从中选取一激光点作为基准点。
具体实施时,根据激光沿直线传播的原理,当路面上没有干扰物时,激光扫描设备投射的激光点云会在路面上呈现一段完整的线段点集,即激光点会连续的打在路面上,当路面上有干扰物时,干扰物出现的位置会阻挡激光的传播,这样一来就会导致呈现在干扰物上的激光点与呈现在路面上的激光点的衔接位置处出现断层现象,基于此原理,本实施例采用计算相邻激光点间距的方式定位断层处的相邻激光点,并在断层的相临激光点被标记后,需要区分上述相邻激光点中哪一激光点处在干扰物上,即干扰激光点,哪一激光点是处在路面上,即道路激光点,由于干扰激光点呈现在干扰物上,因此干扰激光点的呈现位置会高于道路激光点的呈现位置,故本实施例通过分析相邻激光点的呈现位置距离水平地面的高度,当其距离水平地面的高度的处于预设高度范围内时,则表示为道路激光点,反之则表示为干扰激光点,在此之后,可将相邻道路激光点之间的所有激光点集合为道路点云区间,将相邻干扰激光点之间的所有激光点集合为干扰点云区间,且所述道路点云区间与所述干扰点云区间无交集,以将激光点云区分开,得到道路点云区间和干扰点云区间。
可以理解的是,上述干扰物是指其他车辆或者行人,预设高度范围可根据道路实际情况设定,本实施例对此不做限定。另外,基准点的选取规则一般以当前车辆航向为基准,从道路点云区间中选取距离车辆最近的激光点作为基准点。
实施例二
请参阅图1和图7,本实施例提供一种道路边沿识别系统,包括坐标系建立单元1、激光扫描设备2、坐标换算单元3、区间划分单元4、检测网格单元5、角点判断单元6、基准点迭代单元7和筛选输出单元8;
坐标系建立单元1用于以当前车辆位置建立车辆坐标系;
激光扫描设备2用于从车辆上向路面投射激光点云;
坐标换算单元3用于基于车辆坐标系获取激光点云中各激光点的位置坐标;
区间划分单元4用于根据相邻激光点间的距离,将激光点云划分为道路点云区间和干扰点云区间,并从道路点云区间中选取一激光点作为基准点;
检测网格单元5用于在紧邻基准点的左右两侧建立检测网格,检测网格中包括n个连续激光点;
角点判断单元6用于基于左侧检测网格中的n个连续激光点拟合直线l1,以及基于右侧检测网格中的n个连续激光点拟合直线l2,当拟合直线l1和拟合直线l2的夹角β处于角度阈值范围时,将基准点定义为角点输出至筛选输出单元;否则,启动基准点迭代单元;
基准点迭代单元7用于将紧邻基准点左侧/右侧的激光点迭代为基准点,重新启动检测网格单元,直至道路点云区间中的所有激光点遍历完毕;
筛选输出单元8用于从多个角点中筛选出道路边沿点。
具体地,坐标换算单元3包括第一计算模块、测距模块和换算模块;
第一计算模块用于计算激光扫描设备的前倾角α;
测距模块用于分别测量激光扫描设备至原点的横向偏移距离Δx,至原点的纵向偏移距离Δy,以及至水平地面的高度值h;
换算模块用于基于前倾角α、横向偏移距离Δx、偏移距离Δy和高度值h,计算激光点云中各激光点相对于车辆坐标系中位置坐标;
其中,前倾角α的计算公式为:α=arcsin(h/d),l为激光扫描设备在地面上的投影至任一激光点最近的距离值。
具体地,区间划分单元4包括第二计算单元、判断单元、划分模块和提取模块;
第二计算单元用于依次计算相邻激光点间的距离,统计间隔距离大于间隔阈值的相关激光点并标记;
判断单元用于获取被标记激光点中距离水平地面高度在预设高度范围内的激光点作为道路激光点,反之,在预设高度范围外的激光点作为干扰激光点;
划分模块用于将相邻道路激光点之间的所有激光点集合为道路点云区间,将相邻干扰激光点之间的所有激光点集合为干扰点云区间,且道路点云区间与干扰点云区间无交集;
提取模块用于提取道路点云区间,并从中选取一激光点作为基准点。
示例性地,激光扫描设备2为激光扫描标准传感器。
与现有技术相比,本发明实施例提供的道路边沿识别系统的有益效果与上述实施例一提供的道路边沿识别方法的有益效果相同,在此不做赘述。
本领域普通技术人员可以理解,实现上述发明方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,上述程序可以存储于计算机可读取存储介质中,该程序在执行时,包括上述实施例方法的各步骤,而所述的存储介质可以是:ROM/RAM、磁碟、光盘、存储卡等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种道路边沿识别方法,其特征在于,包括:
步骤S1,以当前车辆位置建立车辆坐标系;
步骤S2,从车辆上向路面投射激光点云,并基于所述车辆坐标系获取激光点云中各激光点的位置坐标;
步骤S3,根据相邻激光点间的距离,将所述激光点云划分为道路点云区间和干扰点云区间,并从所述道路点云区间中选取一激光点作为基准点;
步骤S4,在紧邻基准点的左右两侧建立检测网格,所述检测网格中包括n个连续激光点;
步骤S5,基于左侧检测网格中的n个连续激光点拟合直线l1,以及基于右侧检测网格中的n个连续激光点拟合直线l2,当拟合直线l1和拟合直线l2的夹角β处于角度阈值范围时,将所述基准点定义为角点,执行步骤S7;否则,执行步骤S6;
步骤S6,将紧邻所述基准点左侧/右侧的激光点迭代为所述基准点,返回步骤S4,直至所述道路点云区间中的所有激光点遍历完毕;
步骤S7,从多个所述角点中筛选出道路边沿点。
2.根据权利要求1所述的方法,其特征在于,所述步骤1,以当前车辆位置建立车辆坐标系的方法包括:
分别测量当前车辆的长宽高,计算当前车辆的中心点;
以所述中心点为原点,建立三维车辆坐标系。
3.根据权利要求2所述的方法,其特征在于,所述步骤S2,从车辆上向路面投射激光点云,并基于车辆坐标系获取激光点云中各激光点的位置坐标的方法包括:
在当前车辆上安装激光扫描设备,计算激光扫描设备的前倾角α;
分别测量激光扫描设备至所述原点的横向偏移距离Δx,至所述原点的纵向偏移距离Δy,以及至水平地面的高度值h;
基于所述前倾角α、所述横向偏移距离Δx、偏移距离Δy和所述高度值h,计算激光点云中各激光点相对于所述车辆坐标系中位置坐标。
4.根据权利要求3所述的方法,其特征在于,所述前倾角α的计算公式为:
α=arcsin(h/d),其中,l为激光扫描设备在地面上的投影至任一所述激光点最近的距离值。
5.根据权利要求1所述的方法,其特征在于,所述步骤S3,根据相邻激光点间的相对距离,将激光点云划分为道路点云区间和干扰点云区间,并从道路点云区间中选取一激光点作为基准点的方法包括:
依次计算相邻激光点间的距离,统计间隔距离大于间隔阈值的相关激光点并标记;
获取被标记激光点中距离水平地面高度在预设高度范围内的激光点作为道路激光点,反之,在预设高度范围外的激光点作为干扰激光点;
将相邻道路激光点之间的所有激光点集合为道路点云区间,将相邻干扰激光点之间的所有激光点集合为干扰点云区间,且所述道路点云区间与所述干扰点云区间无交集;
提取所述道路点云区间,并从中选取一激光点作为基准点。
6.根据权利要求5所述的方法,其特征在于,所述从中选取一激光点作为基准点的方法为:
以当前车辆航向为基准,从所述道路点云区间中选取距离车辆最近的激光点作为基准点。
7.一种道路边沿识别系统,其特征在于,包括坐标系建立单元、激光扫描设备、坐标换算单元、区间划分单元、检测网格单元、角点判断单元、基准点迭代单元和筛选输出单元;
所述坐标系建立单元用于以当前车辆位置建立车辆坐标系;
所述激光扫描设备用于从车辆上向路面投射激光点云;
所述坐标换算单元用于基于所述车辆坐标系获取激光点云中各激光点的位置坐标;
所述区间划分单元用于根据相邻激光点间的距离,将所述激光点云划分为道路点云区间和干扰点云区间,并从所述道路点云区间中选取一激光点作为基准点;
所述检测网格单元用于在紧邻基准点的左右两侧建立检测网格,所述检测网格中包括n个连续激光点;
所述角点判断单元用于基于左侧检测网格中的n个连续激光点拟合直线l1,以及基于右侧检测网格中的n个连续激光点拟合直线l2,当拟合直线l1和拟合直线l2的夹角β处于角度阈值范围时,将所述基准点定义为角点输出至所述筛选输出单元;否则,启动所述基准点迭代单元;
所述基准点迭代单元用于将紧邻所述基准点左侧/右侧的激光点迭代为所述基准点,重新启动所述检测网格单元,直至所述道路点云区间中的所有激光点遍历完毕;
所述筛选输出单元用于从多个所述角点中筛选出道路边沿点。
8.根据权利要求7所述的系统,其特征在于,所述坐标换算单元包括第一计算模块、测距模块和换算模块;
所述第一计算模块用于计算激光扫描设备的前倾角α;
所述测距模块用于分别测量激光扫描设备至所述原点的横向偏移距离Δx,至所述原点的纵向偏移距离Δy,以及至水平地面的高度值h;
所述换算模块用于基于所述前倾角α、所述横向偏移距离Δx、偏移距离Δy和所述高度值h,计算激光点云中各激光点相对于所述车辆坐标系中位置坐标;
其中,所述前倾角α的计算公式为:α=arcsin(h/d),l为激光扫描设备在地面上的投影至任一所述激光点最近的距离值。
9.根据权利要求7所述的系统,其特征在于,所述区间划分单元包括第二计算单元、判断单元、划分模块和提取模块;
所述第二计算单元用于依次计算相邻激光点间的距离,统计间隔距离大于间隔阈值的相关激光点并标记;
所述判断单元用于获取被标记激光点中距离水平地面高度在预设高度范围内的激光点作为道路激光点,反之,在预设高度范围外的激光点作为干扰激光点;
所述划分模块用于将相邻道路激光点之间的所有激光点集合为道路点云区间,将相邻干扰激光点之间的所有激光点集合为干扰点云区间,且所述道路点云区间与所述干扰点云区间无交集;
所述提取模块用于提取所述道路点云区间,并从中选取一激光点作为基准点。
10.根据权利要求1所述的系统,其特征在于,所述激光扫描设备为激光扫描仪。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811214346.6A CN109522804B (zh) | 2018-10-18 | 2018-10-18 | 一种道路边沿识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811214346.6A CN109522804B (zh) | 2018-10-18 | 2018-10-18 | 一种道路边沿识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109522804A true CN109522804A (zh) | 2019-03-26 |
CN109522804B CN109522804B (zh) | 2020-11-06 |
Family
ID=65770601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811214346.6A Active CN109522804B (zh) | 2018-10-18 | 2018-10-18 | 一种道路边沿识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109522804B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110378238A (zh) * | 2019-06-24 | 2019-10-25 | 中国路桥工程有限责任公司 | 道路改扩建激光扫描勘察方法 |
CN110989591A (zh) * | 2019-12-02 | 2020-04-10 | 长沙中联重科环境产业有限公司 | 基于路沿识别进行辅助作业控制的环卫机器人 |
CN111043974A (zh) * | 2019-12-25 | 2020-04-21 | 长安大学 | 一种车载测量道沿高度的系统及方法 |
CN111242000A (zh) * | 2020-01-09 | 2020-06-05 | 电子科技大学 | 一种结合激光点云转向的道路边沿检测方法 |
CN111696115A (zh) * | 2020-04-29 | 2020-09-22 | 山东省国土测绘院 | 一种基于点云扫描线的斑马线角点提取方法及系统 |
CN112014856A (zh) * | 2019-05-30 | 2020-12-01 | 初速度(苏州)科技有限公司 | 一种适于交叉路段的道路边沿提取方法及装置 |
CN112504140A (zh) * | 2020-11-20 | 2021-03-16 | 上海电科智能系统股份有限公司 | 基于俯视深度相机的物体探测方法 |
CN112560800A (zh) * | 2021-01-12 | 2021-03-26 | 知行汽车科技(苏州)有限公司 | 路沿检测方法、装置及存储介质 |
WO2022211733A1 (en) * | 2021-03-31 | 2022-10-06 | Agency For Science, Technology And Research | Detection method and system for a mobile object |
WO2023278130A1 (en) * | 2021-06-30 | 2023-01-05 | Zoox, Inc. | Techniques for identifying curbs |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103499343A (zh) * | 2013-09-25 | 2014-01-08 | 武汉海达数云技术有限公司 | 基于三维激光反射强度的道路标线点云自动分类识别方法 |
US20160154999A1 (en) * | 2014-12-02 | 2016-06-02 | Nokia Technologies Oy | Objection recognition in a 3d scene |
CN106067003A (zh) * | 2016-05-27 | 2016-11-02 | 山东科技大学 | 一种车载激光扫描点云中道路矢量标识线自动提取方法 |
CN106529404A (zh) * | 2016-09-30 | 2017-03-22 | 张家港长安大学汽车工程研究院 | 基于摄像原理的无人驾驶汽车对路面标志线的识别方法 |
CN107272019A (zh) * | 2017-05-09 | 2017-10-20 | 深圳市速腾聚创科技有限公司 | 基于激光雷达扫描的路沿检测方法 |
CN108021844A (zh) * | 2016-10-31 | 2018-05-11 | 高德软件有限公司 | 一种道路边沿识别方法及装置 |
-
2018
- 2018-10-18 CN CN201811214346.6A patent/CN109522804B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103499343A (zh) * | 2013-09-25 | 2014-01-08 | 武汉海达数云技术有限公司 | 基于三维激光反射强度的道路标线点云自动分类识别方法 |
US20160154999A1 (en) * | 2014-12-02 | 2016-06-02 | Nokia Technologies Oy | Objection recognition in a 3d scene |
CN106067003A (zh) * | 2016-05-27 | 2016-11-02 | 山东科技大学 | 一种车载激光扫描点云中道路矢量标识线自动提取方法 |
CN106529404A (zh) * | 2016-09-30 | 2017-03-22 | 张家港长安大学汽车工程研究院 | 基于摄像原理的无人驾驶汽车对路面标志线的识别方法 |
CN108021844A (zh) * | 2016-10-31 | 2018-05-11 | 高德软件有限公司 | 一种道路边沿识别方法及装置 |
CN107272019A (zh) * | 2017-05-09 | 2017-10-20 | 深圳市速腾聚创科技有限公司 | 基于激光雷达扫描的路沿检测方法 |
Non-Patent Citations (3)
Title |
---|
PANKAJ KUMAR 等: "An automated algorithm for extracting road edges from terrestrial mobile LiDAR data", 《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》 * |
朱学葵 等: "一种智 能汽车的实时道路边缘检测算法", 《北京联合大学学报》 * |
李强 等: "基于3D激光雷达道路边缘实时检测算法的研究与实现", 《计算机应用与软件》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112014856A (zh) * | 2019-05-30 | 2020-12-01 | 初速度(苏州)科技有限公司 | 一种适于交叉路段的道路边沿提取方法及装置 |
CN112014856B (zh) * | 2019-05-30 | 2023-05-12 | 魔门塔(苏州)科技有限公司 | 一种适于交叉路段的道路边沿提取方法及装置 |
CN110378238A (zh) * | 2019-06-24 | 2019-10-25 | 中国路桥工程有限责任公司 | 道路改扩建激光扫描勘察方法 |
CN110989591A (zh) * | 2019-12-02 | 2020-04-10 | 长沙中联重科环境产业有限公司 | 基于路沿识别进行辅助作业控制的环卫机器人 |
CN111043974A (zh) * | 2019-12-25 | 2020-04-21 | 长安大学 | 一种车载测量道沿高度的系统及方法 |
CN111043974B (zh) * | 2019-12-25 | 2021-06-01 | 长安大学 | 一种基于车载测量道沿高度系统的测量方法 |
CN111242000A (zh) * | 2020-01-09 | 2020-06-05 | 电子科技大学 | 一种结合激光点云转向的道路边沿检测方法 |
CN111696115B (zh) * | 2020-04-29 | 2023-04-14 | 山东省国土测绘院 | 一种基于点云扫描线的斑马线角点提取方法及系统 |
CN111696115A (zh) * | 2020-04-29 | 2020-09-22 | 山东省国土测绘院 | 一种基于点云扫描线的斑马线角点提取方法及系统 |
CN112504140A (zh) * | 2020-11-20 | 2021-03-16 | 上海电科智能系统股份有限公司 | 基于俯视深度相机的物体探测方法 |
CN112560800A (zh) * | 2021-01-12 | 2021-03-26 | 知行汽车科技(苏州)有限公司 | 路沿检测方法、装置及存储介质 |
CN112560800B (zh) * | 2021-01-12 | 2024-05-28 | 知行汽车科技(苏州)股份有限公司 | 路沿检测方法、装置及存储介质 |
WO2022211733A1 (en) * | 2021-03-31 | 2022-10-06 | Agency For Science, Technology And Research | Detection method and system for a mobile object |
WO2023278130A1 (en) * | 2021-06-30 | 2023-01-05 | Zoox, Inc. | Techniques for identifying curbs |
US11810370B2 (en) | 2021-06-30 | 2023-11-07 | Zoox, Inc. | Techniques for identifying curbs |
Also Published As
Publication number | Publication date |
---|---|
CN109522804B (zh) | 2020-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109522804A (zh) | 一种道路边沿识别方法及系统 | |
CN103424112B (zh) | 一种基于激光平面辅助的运动载体视觉导航方法 | |
CN103499337B (zh) | 一种基于立式标靶的车载单目摄像头测距测高装置 | |
US7616817B2 (en) | Three dimensional shape correlator | |
US8099213B2 (en) | Road-edge detection | |
CN101814185B (zh) | 用于微小尺寸测量的线结构光视觉传感器标定方法 | |
CN100360898C (zh) | 远距离面内小位移测量方法 | |
CN104574406B (zh) | 一种360度全景激光与多个视觉系统间的联合标定方法 | |
CN105157609A (zh) | 基于两组相机的大型零件全局形貌测量方法 | |
CN105719284A (zh) | 一种数据处理方法、装置及终端 | |
CN107796373B (zh) | 一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法 | |
US20060078197A1 (en) | Image processing apparatus | |
CN103487034A (zh) | 一种基于立式标靶的车载单目摄像头测距测高方法 | |
CN106295459A (zh) | 基于机器视觉和级联分类器的车辆检测和预警方法 | |
CN102063718A (zh) | 一种点激光测量系统的现场标定和精密测量方法 | |
CN109060820B (zh) | 基于激光检测的隧道病害检测方法及隧道病害检测装置 | |
EP2741267A1 (en) | Vehicle detection device and vehicle detection method | |
CN103782232A (zh) | 投影仪及其控制方法 | |
CN101529202A (zh) | 用于处理与建筑立面有关的激光扫描样本和数字摄影图像的系统和方法 | |
CN110827361B (zh) | 基于全局标定架的相机组标定方法及装置 | |
FI3827246T3 (fi) | Järjestelmä ja menetelmä pinnan mittaamiseksi muotoilluissa lasilevyissä | |
CN109002800A (zh) | 基于多传感器融合的三维目标实时识别机构及识别方法 | |
CN205557277U (zh) | 一种路面裂缝病害检测系统 | |
CN112017170B (zh) | 一种基于三维光影模型的道路路面坑槽识别方法、装置及设备 | |
CN111879264A (zh) | 一种基于线结构光的平整度测量与评估系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |