CN110068834B - 一种路沿检测方法和装置 - Google Patents
一种路沿检测方法和装置 Download PDFInfo
- Publication number
- CN110068834B CN110068834B CN201810067929.4A CN201810067929A CN110068834B CN 110068834 B CN110068834 B CN 110068834B CN 201810067929 A CN201810067929 A CN 201810067929A CN 110068834 B CN110068834 B CN 110068834B
- Authority
- CN
- China
- Prior art keywords
- scanning
- point
- candidate
- straight
- line
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种路沿检测方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:获取点云数据,所述点云数据包括:至少一条扫描线上的每个扫描点的数据;确定每条扫描线上的扫描点中的线性点,以获得每条扫描线上由线性点组成的直线段;根据所述直线段生成路沿线。该实施方式更高效且检测结果鲁棒性更高。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种路沿检测方法和装置。
背景技术
目前自动驾驶技术发展迅速,城市道路上运行无人车或者移动机器人越来越成为可能。路沿是城市道路非常明显而有效的参考信息,路沿检测技术对于无人车或者移动机器在城市道路的导航定位和运动控制都有非常重要的意义。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:现有的基于路沿检测方法一般需要先对点云数据过滤,去除噪点,然后拟合地面,用以去除地面点或者标定检测点与地面相对关系,之后再利用梯度阈值等方法找到路沿点。这类方法计算效率不高并且找到的路沿点不够鲁棒。
因此,亟需一种更高效且鲁棒性更高的路沿检测方法和装置。
发明内容
有鉴于此,本发明实施例提供一种路沿检测方法和装置,更高效且检测结果鲁棒性更高。
为实现上述目的,根据本发明实施例的一个方面,提供了一种路沿检测方法,包括:
获取点云数据,所述点云数据包括:至少一条扫描线上的每个扫描点的数据;
确定每条扫描线上的扫描点中的线性点,以获得每条扫描线上由线性点组成的直线段;
根据所述直线段生成路沿线。
进一步的,所述点云数据还包括:每条扫描线上各扫描点的扫描顺序;
所述确定每条扫描线上的扫描点中的线性点包括:
计算每个扫描点的第一邻域离散函数和第二邻域离散函数在该扫描点的导数的差值的绝对值,
其中,第一邻域离散函数包括:该扫描点和其第一邻域扫描点,第二邻域离散函数包括:该扫描点和其第二邻域扫描点,
该扫描点的第一邻域扫描点包括:扫描顺序在该扫描点之前且与该扫描点的距离小于第一阈值的其他扫描点,该扫描点的第二邻域扫描点包括:扫描顺序在该扫描点之后且与该扫描点的距离小于第一阈值的其他扫描点;
若所述差值的绝对值大于预定义第二阈值,则确定该扫描点为线性点。
进一步的,获得每条扫描线上由线性点组成的直线段包括:
将每条扫描线上连续的至少两个线性点标记为一条直线段。
进一步的,根据直线段生成路沿线包括:
确定所有直线段中的候选直线段;
根据候选直线段拟合生成路沿线。
可选的,所述确定所有直线段中的候选直线段包括:
确定最大高度小于等于第三阈值,且首尾两个扫描点的高度差小于第四阈值,且首尾两个扫描点的高度差大于第五阈值的直线段为候选直线段;
根据候选直线段的坐标确定所有候选直线段中的左候选直线段和右候选直线段。
可选的,所述根据候选直线段拟合生成路沿线包括:
根据所有左候选直线段的首尾两个扫描点的坐标,通过随机采样一致性算法拟合生成候选左路沿线,根据所有右候选直线段的首尾两个扫描点的坐标,通过随机采样一致性算法拟合生成候选右路沿线;
确定长度大于第六阈值的候选左路沿线为左路沿线,确定长度大于第六阈值的候选右路沿线为右路沿线。
为实现上述目的,根据本发明实施例的另一个方面,提供了一种路沿检测装置,包括:
点云获取模块,用于获取点云数据,所述点云数据包括:至少一条扫描线上的每个扫描点的数据;
直线段获取模块,用于确定每条扫描线上的扫描点中的线性点,以获得每条扫描线上由线性点组成的直线段;
拟合模块,用于根据所述直线段生成路沿线。
进一步的,所述点云数据还包括:每条扫描线上各扫描点的扫描顺序;
所述直线段获取模块进一步用于计算每个扫描点的第一邻域离散函数和第二邻域离散函数在该扫描点的导数的差值的绝对值,
其中,第一邻域离散函数包括:该扫描点和其第一邻域扫描点,第二邻域离散函数包括:该扫描点和其第二邻域扫描点,
该扫描点的第一邻域扫描点包括:扫描顺序在该扫描点之前且与该扫描点的距离小于第一阈值的其他扫描点,该扫描点的第二邻域扫描点包括:扫描顺序在该扫描点之后且与该扫描点的距离小于第一阈值的其他扫描点;
若所述差值的绝对值大于预定义第二阈值,则确定该扫描点为线性点。
进一步的,所述直线段获取模块进一步用于将每条扫描线上连续的至少两个线性点标记为一条直线段。
进一步的,所述拟合模块进一步用于确定所有直线段中的候选直线段,然后根据候选直线段拟合生成路沿线。
可选的,所述拟合模块进一步用于确定最大高度小于等于第三阈值,且首尾两个扫描点的高度差小于第四阈值,且首尾两个扫描点的高度差大于第五阈值的直线段为候选直线段,然后根据候选直线段的坐标确定所有候选直线段中的左候选直线段和右候选直线段。
可选的,所述拟合模块进一步用于根据所有左候选直线段的首尾两个扫描点的坐标,通过随机采样一致性算法拟合生成候选左路沿线,根据所有右候选直线段的首尾两个扫描点的坐标,通过随机采样一致性算法拟合生成候选右路沿线,然后确定长度大于第六阈值的候选左路沿线为左路沿线,确定长度大于第六阈值的候选右路沿线为右路沿线。
为实现上述目的,根据本发明实施例的另一个方面,提供了一种路沿检测电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明实施例提供的路沿检测方法。
为实现上述目的,根据本发明实施例的另一个方面,提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明实施例提供的路沿检测方法。
本发明实施例提供的路沿检测方法和装置,对点云数据中的结构化数据进行保留,利用在单条扫描线中快速搜索直线的方法,通过一个点的线特征是否小于阈值,来判断该点是否属于线性点,并将连续超过一定长度的线性点标记为直线段,从而搜索获得每条扫描线的直线段。然后对获得的所有直线段进行筛选和拟合,最终获得点云数据中的路沿线,整个检测过程中不需要去除地面,不依赖点云采集设备的姿态的严格标定,也不需要预先过滤点云噪音,检测过程高效且检测结果鲁棒性高。同时,在使用随机采样一致性算法拟合路沿线时,只将每条直线段的最远点和最近点参与拟合,从而在保证拟合效果的同时大大降低计算效率。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是本发明实施例提供的路沿检测方法的主要流程的示意图;
图2是本发明实施例提供的路沿检测方法的应用流程的示意图;
图3是本发明实施例提供的示例点云数据的示意图;
图4是本发明实施例提供的路沿检测装置的主要模块的示意图;
图5是本发明实施例可以应用于其中的示例性系统架构图;
图6是适于用来实现本发明实施例的电子设备的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本邻域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本发明实施例提供一种路沿检测方法,该方法可以应用于道路环境中,例如可以应用于道路中行驶的自动驾驶车辆上,对道路的路沿进行检测识别。如图1所示,该方法包括:步骤S101至步骤S103。其中,在步骤S101中,获取点云数据,点云数据包括:至少一条扫描线上的每个扫描点的数据。
在本发明的一种实施方式中,可以通过多线激光雷达获取点云数据,多线激光雷达以多个不同的倾斜角度向外发射多束激光并环绕车辆进行360度的扫描,多束激光反射回来的信息被接收和分析后,可以得到每束激光对应的一条扫描线数据(如图3所示的示例点云数据中的多条扫描线),每条扫描线数据中包括有多个扫描点,每束激光每次发射和接收即能获得一个扫描点,扫描点可以来自周围环境中的路面、路沿、车辆或其他物体。
在本发明的一种实施方式中,步骤S101中获取的点云数据具有三维坐标系,在该三维坐标系中,以路面为X-Y平面,车辆行驶方向为X轴方向,Y轴方向指向路沿,采集点云数据的设备(如多线激光雷达)在X-Y平面的投影点为原点,垂直于路面的方向为Z轴方向。扫描点的数据包括扫描点的坐标,即扫描点在上述三维坐标系中的坐标(x,y,z)。
在本发明的一种实施方式中,步骤S101中获取的点云数据可以是道路环境的一帧或多帧点云数据,例如,多线激光雷达的所有激光束环绕360度扫描一周获得一帧点云数据,其中包括每条扫描线扫描一周所获得的所有扫描点的坐标数据,以及结构化数据,例如扫描线的扫描方向(顺时针或逆时针),即一条扫描线上各扫描点的扫描顺序。本发明中对点云数据中的结构化数据进行保留,以在后续步骤中,以每条扫描线为处理单位,利用结构化数据对扫描点进行分析。
在获取一帧或多帧点云数据后,通过下述步骤S102至步骤S103对一帧点云数据进行路沿检测的处理。在步骤S102中,确定每条扫描线上的扫描点中的线性点,以获得每条扫描线上由线性点组成的直线段。本步骤以每条扫描线为处理单位,利用扫描线的结构化数据和扫描点的坐标数据逐一对每条扫描线上的扫描点的线性特征进行分析,以确定每条扫描线上的线性点。然后根据线性点确定每条扫描线上的直线段,从而得到点云数据中的所有扫描线上的直线段。本步骤中,直线段的获取方式排除了点云数据中噪点的干扰,因为噪点一定不会被识别成线性点,并且直线段的获取方式也能够排除地面点的干扰,因为在点云数据中地面通常为弧线(如图3中所示),地面点也都不会被识别成线性点。
进而在步骤S103中,根据直线段生成路沿线,具体可以为对获得的所有直线段进行筛选,选出其中的候选直线段,并可以区分其中的左候选直线段和右候选直线段。然后根据左候选直线段拟合左路沿线,根据右候选直线段拟合右路沿线,从而检测到一帧点云数据中的路沿线信息。
重复执行上述本发明提供的路沿检测方法即可对多线激光雷达采集的每帧点云数据进行实时的路沿检测处理,从而获得最新的道路情况,该方法对点云数据中的结构化数据进行保留,以每条扫描线为处理单位,利用结构化数据对扫描点进行线性分析,从而搜索获得每条扫描线的直线段,然后对获得的所有直线段进行筛选和拟合,最终获得点云数据中的路沿线,整个检测过程中不需要去除地面,不依赖采集设备的姿态的严格标定,也不需要预先过滤点云噪音,检测过程高效且检测结果鲁棒性高。
在本发明中,如图2所示,步骤S102中,确定每条扫描线上的线性点的过程具体为:计算每个扫描点的第一邻域离散函数和第二邻域离散函数在该扫描点的导数的差值的绝对值。即对每条扫描线上的所有线性点分别执行下述直线段检测步骤:
首先,分析当前扫描点的线性特征,扫描点的线性特征定义为扫描点的第一邻域离散函数和第二邻域离散函数在当前扫描点的导数的差值的绝对值。当前扫描点的第一邻域离散函数包括:该扫描点和其第一邻域扫描点,第二邻域离散函数包括:该扫描点和其第二邻域扫描点。该扫描点的第一邻域扫描点包括:扫描顺序在该扫描点之前且与该扫描点的距离小于第一阈值的其他扫描点,该扫描点的第二邻域扫描点包括:扫描顺序在该扫描点之后且与该扫描点的距离小于第一阈值的其他扫描点。
若扫描线的扫描顺序是顺时针扫描,则扫描顺序在当前扫描点之前的其他扫描点可以认为在当前扫描点的左侧,构成当前扫描点的左邻域(第一邻域),反之,扫描顺序在当前扫描点之后的其他扫描点在当前扫描点的右侧,构成当前扫描点的右邻域(第二邻域)。若扫描线的扫描顺序是逆时针扫描,则扫描顺序在当前扫描点之前的其他扫描点构成当前扫描点的右邻域(第一邻域),扫描顺序在当前扫描点之后的其他扫描点构成当前扫描点的左邻域(第二邻域)。其中,要求左右邻域中的所有扫描点到当前扫描点的距离小于预定义的第一阈值。用于限定左右邻域范围的第一阈值可以结合采集点云数据的设备的测距精度来具体设定,优选的,第一阈值可以设置为测距精度的5到10倍。例如,采集点云数据的设备为多线激光雷达,其测距精度为小于2厘米,则可将第一阈值选为20厘米。
本发明通过当前扫描点的左右邻域的离散导数之差来体现当前扫描点的线性特征,例如,当扫描顺序为顺时针扫描时,计算扫描点的左邻域离散函数和右邻域离散函数在当前扫描点的导数的差值的绝对值,其中左邻域的离散函数由左邻域的扫描点和当前扫描点组成,左邻域离散函数在当前扫描点的导数表示为通过当前扫描点的直线的斜率,该斜率使得左邻域内的所有扫描点到这条直线的距离之和最小。相应的,右邻域的离散函数及相应导数所表示的含义同上,不再赘述。
在本发明中,基于扫描线的扫描方向,扫描线上的扫描点具有对应扫描顺序的序号。通过下述表达式计算序号为k的扫描点的第一邻域离散函数在序号为k的扫描点的导数a1:
其中,j表示第一邻域内任一扫描点的序号,m表示k与第一邻域内距离序号为k的扫描点最远的扫描点的序号的差值。
通过下述表达式计算序号为k的扫描点的第二邻域离散函数在序号为k的扫描点的导数a2:
其中,j表示第二邻域内任一扫描点的序号,m表示第二邻域内距离序号为k的扫描点最远的扫描点的序号与k的差值。
在计算得到上述差值的绝对值后,判断该差值的绝对值是否大于第二阈值,若差值的绝对值大于第二阈值,则确定当前扫描点为线性点。第二阈值即预设的线性阈值,该线性阈值可以结合用于限定左右邻域范围的第一阈值L以及当前扫描点与采集点云数据的设备的距离D进行自适应调整。优选的,第二阈值A可以设置为2×L/D。
在本发明中,步骤S102中,获得每条扫描线上由线性点组成的直线段的过程具体为:将每条扫描线上连续的至少两个线性点标记为一条直线段。具体可以为按照扫描顺序,逐一对扫描线上的扫描点进行是否为线性点的判断,当序号k的扫描点为线性点,则判断序号k+1的扫描点,若序号k+1的扫描点也为线性点,则判断序号k+2的扫描点,以此类推直至遇到第一个非线性点,假设为序号k+n的扫描点,那么记序号k的扫描点到序号k+n-1的扫描点为直线段,该直线段长度为序号k的扫描点到序号k+n-1的扫描点的距离。
在本发明中,步骤S103中,确定所有直线段中的左候选直线段和右候选直线段的过程具体为:对所有直线段进行遍历筛选,确定其中最大高度小于等于第三阈值,且首尾两个扫描点的高度差小于第四阈值,且首尾两个扫描点的高度差大于第五阈值的直线段为候选直线段。直线段的最大高度即该直线段内最高的线性点的高度,该高度可以根据该最高的线性点的Z轴坐标值确定。第三阈值用于限定候选路沿的高度,可以根据应用场景中实际路沿的高度进行设置,例如,实际路沿高度为10厘米左右,同时充分考虑到采集点云数据的设备的测距误差和标定误差,可以将第一阈值设置为30厘米。
由于在实际应用场景中,采集点云数据的设备通常距离地面有一定高度,例如,设置于自动驾驶车辆顶部的多线激光雷达,其扫描角度向下的扫描线能够扫描到路沿,从扫描结果来看,点云数据中的路沿线通常是斜向上或者斜向下的,因此,组成路沿线的直线段的首尾两个扫描点应具有一定的高度差。在本发明中,通过第四阈值和第五阈值分别限定候选路沿的首尾两个扫描点的最大高度差和最小高度差。第四阈值可以根据实际路沿的高度以及采集点云数据的设备的相关误差进行设置,例如,实际路沿的高度一般为10厘米,则可将第四阈值相应设置为15厘米。第五阈值可以根据采集点云数据的设备的扫描方式以及相关误差进行设置,同上例,可以相应设置为5厘米。经过筛选得到的候选直线段有很大可能就是某条扫描线扫描到的一段路沿,如图3中箭头所指的路沿。
在经过上一步的筛选获得候选直线段后,根据候选直线段的坐标确定所有的候选直线段中的左候选直线段和右候选直线段。候选直线段的坐标即其首尾两个扫描点的坐标,根据候选直线段的坐标确定其在点云数据的三维坐标系中是位于原点(采集点云数据的设备)的左边还是右边,将位于原点左边的候选直线段标记为左候选直线段,将位于原点右边的候选直线段标记为右候选直线段。
在本发明中,根据左候选直线段拟合获得候选左路沿线,根据右候选直线段拟合获得候选右路沿线。根据所有左候选直线段的首尾两个扫描点的坐标,通过随机采样一致性算法(Random Sample Consensus,RANSAC)拟合候选左路沿线,根据所有右候选直线段的首尾两个扫描点的坐标,通过随机采样一致性算法拟合候选右路沿线。即将所有左候选直线段的首尾两个扫描点的坐标作为随机采样一致性算法的输入,由于直线段的首尾两点就能代表这条直线,因此在本步骤中,仅将直线段的首尾两点坐标作为算法输入,这样参与拟合的点的点数能够大大减少,从而能够极大的提高计算效率。
在获得候选路沿线后,确定长度大于第六阈值的候选左路沿线为左路沿线,确定长度大于第六阈值的候选右路沿线为右路沿线。通过拟合得到的候选路沿线的最远点和最近点计算候选路沿线的长度,第六阈值可以根据道路环境中的常见物体的长度进行设置,例如,一般车辆的长度,当候选路沿线的长度大于一般车辆的长度时,确定该候选路沿线为检测得到的路沿线,从而排除道路环境中其他车辆对于路沿检测的干扰。若获得的候选路沿线小于一般车辆的长度,则认为当前帧的点云数据中没有检测到路沿线。
本发明实施例还提供一种路沿检测装置,如图4所示,该装置400包括:点云获取模块401,直线段获取模块402和拟合模块403。
点云获取模块401用于获取点云数据,点云数据包括:至少一条扫描线上的每个扫描点的数据。
直线段获取模块402用于确定每条扫描线上的扫描点中的线性点,以获得每条扫描线上由线性点组成的直线段。
拟合模块403用于根据直线段生成路沿线。
在本发明中,点云数据还包括:每条扫描线上各扫描点的扫描顺序。直线段获取模块进一步用于计算每个扫描点的第一邻域离散函数和第二邻域离散函数在该扫描点的导数的差值的绝对值,其中,第一邻域离散函数包括:该扫描点和其第一邻域扫描点,第二邻域离散函数包括:该扫描点和其第二邻域扫描点,该扫描点的第一邻域扫描点包括:扫描顺序在该扫描点之前且与该扫描点的距离小于第一阈值的其他扫描点,该扫描点的第二邻域扫描点包括:扫描顺序在该扫描点之后且与该扫描点的距离小于第一阈值的其他扫描点。若差值的绝对值大于预定义第二阈值,则确定该扫描点为线性点。
在本发明中,直线段获取模块进一步用于将每条扫描线上连续的至少两个线性点标记为一条直线段。
在本发明中,拟合模块进一步用于确定所有直线段中的候选直线段,然后根据候选直线段拟合生成路沿线。
在本发明中,直线段获取模块进一步用于确定最大高度小于等于第三阈值,且首尾两个扫描点的高度差小于第四阈值,且首尾两个扫描点的高度差大于第五阈值的直线段为候选直线段,然后根据候选直线段的坐标确定所有候选直线段中的左候选直线段和右候选直线段。
在本发明中,拟合模块进一步用于根据所有左候选直线段的首尾两个扫描点的坐标,通过随机采样一致性算法拟合生成候选左路沿线,根据所有右候选直线段的首尾两个扫描点的坐标,通过随机采样一致性算法拟合生成候选右路沿线,然后确定长度大于第六阈值的候选左路沿线为左路沿线,确定长度大于第六阈值的候选右路沿线为右路沿线。
本发明实施例提供的路沿检测方法和装置,对点云数据中的结构化数据进行保留,利用在单条扫描线中快速搜索直线的方法,通过一个点的线特征是否小于阈值,来判断该点是否属于线性点,并将连续超过一定长度的线性点标记为直线段,从而搜索获得每条扫描线的直线段。然后对获得的所有直线段进行筛选和拟合,最终获得点云数据中的路沿线,整个检测过程中不需要去除地面,不依赖点云采集设备的姿态的严格标定,也不需要预先过滤点云噪音,检测过程高效且检测结果鲁棒性高。同时,在使用随机采样一致性算法拟合路沿线时,只将每条直线段的最远点和最近点参与拟合,从而在保证拟合效果的同时大大降低计算效率。
图5示出了可以应用本发明实施例的路沿检测方法或路沿检测装置的示例性系统架构500。
如图5所示,系统架构500可以包括终端设备501、502、503,网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备501、502、503通过网络504与服务器505交互,以接收或发送消息等。终端设备501、502、503上可以安装有各种通讯客户端应用。
终端设备501、502、503可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器505可以是提供各种服务的服务器,例如对终端设备501、502、503提供支持的后台管理服务器。
需要说明的是,本发明实施例所提供的路沿检测方法一般由服务器505执行,相应地,路沿检测装置一般设置于服务器505中。
应该理解,图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图6,其示出了适于用来实现本发明实施例的终端设备的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(5D-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括点云获取模块、直线段获取模块和拟合模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,拟合模块还可以被描述为“用于确定所有直线段中的候选直线段的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:
获取点云数据,所述点云数据包括:至少一条扫描线上的每个扫描点的数据;
确定每条扫描线上的扫描点中的线性点,以获得每条扫描线上由线性点组成的直线段;
确定所有直线段中的候选直线段,并根据候选直线段拟合获得路沿线。
上述具体实施方式,并不构成对本发明保护范围的限制。本邻域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (12)
1.一种路沿检测方法,其特征在于,包括:
获取点云数据,所述点云数据包括:至少一条扫描线上的每个扫描点的数据、以及每条扫描线上各扫描点的扫描顺序;
确定每条扫描线上的扫描点中的线性点,以获得每条扫描线上由线性点组成的直线段;其中包括:计算每个扫描点的第一邻域离散函数和第二邻域离散函数在该扫描点的导数的差值的绝对值,
第一邻域离散函数包括:该扫描点和其第一邻域扫描点,第二邻域离散函数包括:该扫描点和其第二邻域扫描点,
该扫描点的第一邻域扫描点包括:扫描顺序在该扫描点之前且与该扫描点的距离小于第一阈值的其他扫描点,该扫描点的第二邻域扫描点包括:扫描顺序在该扫描点之后且与该扫描点的距离小于第一阈值的其他扫描点;
若所述差值的绝对值大于预定义第二阈值,则确定该扫描点为线性点;
根据所述直线段生成路沿线。
2.根据权利要求1所述的方法,其特征在于,获得每条扫描线上由线性点组成的直线段包括:
将每条扫描线上连续的至少两个线性点标记为一条直线段。
3.根据权利要求1所述的方法,其特征在于,根据直线段生成路沿线包括:
确定所有直线段中的候选直线段;
根据候选直线段拟合生成路沿线。
4.根据权利要求3所述的方法,其特征在于,所述确定所有直线段中的候选直线段包括:
确定最大高度小于等于第三阈值,且首尾两个扫描点的高度差小于第四阈值,且首尾两个扫描点的高度差大于第五阈值的直线段为候选直线段;
根据候选直线段的坐标确定所有候选直线段中的左候选直线段和右候选直线段。
5.根据权利要求4所述的方法,其特征在于,所述根据候选直线段拟合生成路沿线包括:
根据所有左候选直线段的首尾两个扫描点的坐标,通过随机采样一致性算法拟合生成候选左路沿线,根据所有右候选直线段的首尾两个扫描点的坐标,通过随机采样一致性算法拟合生成候选右路沿线;
确定长度大于第六阈值的候选左路沿线为左路沿线,确定长度大于第六阈值的候选右路沿线为右路沿线。
6.一种路沿检测装置,其特征在于,包括:
点云获取模块,用于获取点云数据,所述点云数据包括:至少一条扫描线上的每个扫描点的数据、以及每条扫描线上各扫描点的扫描顺序;
直线段获取模块,用于确定每条扫描线上的扫描点中的线性点,以获得每条扫描线上由线性点组成的直线段;其中包括:计算每个扫描点的第一邻域离散函数和第二邻域离散函数在该扫描点的导数的差值的绝对值,
第一邻域离散函数包括:该扫描点和其第一邻域扫描点,第二邻域离散函数包括:该扫描点和其第二邻域扫描点,
该扫描点的第一邻域扫描点包括:扫描顺序在该扫描点之前且与该扫描点的距离小于第一阈值的其他扫描点,该扫描点的第二邻域扫描点包括:扫描顺序在该扫描点之后且与该扫描点的距离小于第一阈值的其他扫描点;
若所述差值的绝对值大于预定义第二阈值,则确定该扫描点为线性点;
拟合模块,用于根据所述直线段生成路沿线。
7.根据权利要求6所述的装置,其特征在于,所述直线段获取模块进一步用于将每条扫描线上连续的至少两个线性点标记为一条直线段。
8.根据权利要求6所述的装置,其特征在于,所述拟合模块进一步用于确定所有直线段中的候选直线段,然后根据候选直线段拟合生成路沿线。
9.根据权利要求8所述的装置,其特征在于,所述拟合模块进一步用于确定最大高度小于等于第三阈值,且首尾两个扫描点的高度差小于第四阈值,且首尾两个扫描点的高度差大于第五阈值的直线段为候选直线段,然后根据候选直线段的坐标确定所有候选直线段中的左候选直线段和右候选直线段。
10.根据权利要求9所述的装置,其特征在于,所述拟合模块进一步用于根据所有左候选直线段的首尾两个扫描点的坐标,通过随机采样一致性算法拟合生成候选左路沿线,根据所有右候选直线段的首尾两个扫描点的坐标,通过随机采样一致性算法拟合生成候选右路沿线,然后确定长度大于第六阈值的候选左路沿线为左路沿线,确定长度大于第六阈值的候选右路沿线为右路沿线。
11.一种路沿检测电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810067929.4A CN110068834B (zh) | 2018-01-24 | 2018-01-24 | 一种路沿检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810067929.4A CN110068834B (zh) | 2018-01-24 | 2018-01-24 | 一种路沿检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110068834A CN110068834A (zh) | 2019-07-30 |
CN110068834B true CN110068834B (zh) | 2023-04-07 |
Family
ID=67365445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810067929.4A Active CN110068834B (zh) | 2018-01-24 | 2018-01-24 | 一种路沿检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110068834B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111474946B (zh) * | 2020-05-27 | 2021-04-23 | 苏州高之仙自动化科技有限公司 | 边沿检测方法及装置、机器人沿边清扫的控制方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103605135A (zh) * | 2013-11-26 | 2014-02-26 | 中交第二公路勘察设计研究院有限公司 | 一种基于断面剖分的道路特征提取方法 |
CN105404844A (zh) * | 2014-09-12 | 2016-03-16 | 广州汽车集团股份有限公司 | 一种基于多线激光雷达的道路边界检测方法 |
CN105551016A (zh) * | 2015-12-02 | 2016-05-04 | 百度在线网络技术(北京)有限公司 | 一种基于激光点云的路沿识别方法及装置 |
US9395192B1 (en) * | 2013-12-20 | 2016-07-19 | Google Inc. | Methods and systems for road and lane boundary tracing |
CN106780524A (zh) * | 2016-11-11 | 2017-05-31 | 厦门大学 | 一种三维点云道路边界自动提取方法 |
CN106842231A (zh) * | 2016-11-08 | 2017-06-13 | 长安大学 | 一种道路边界检测及跟踪方法 |
CN107169464A (zh) * | 2017-05-25 | 2017-09-15 | 中国农业科学院农业资源与农业区划研究所 | 一种基于激光点云的道路边界检测方法 |
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 |
CN107356933A (zh) * | 2017-06-23 | 2017-11-17 | 南京理工大学 | 一种基于四线激光雷达的非结构化道路检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9529087B2 (en) * | 2014-07-24 | 2016-12-27 | GM Global Technology Operations LLC | Curb detection using lidar with sparse measurements |
-
2018
- 2018-01-24 CN CN201810067929.4A patent/CN110068834B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103605135A (zh) * | 2013-11-26 | 2014-02-26 | 中交第二公路勘察设计研究院有限公司 | 一种基于断面剖分的道路特征提取方法 |
US9395192B1 (en) * | 2013-12-20 | 2016-07-19 | Google Inc. | Methods and systems for road and lane boundary tracing |
CN105404844A (zh) * | 2014-09-12 | 2016-03-16 | 广州汽车集团股份有限公司 | 一种基于多线激光雷达的道路边界检测方法 |
CN105551016A (zh) * | 2015-12-02 | 2016-05-04 | 百度在线网络技术(北京)有限公司 | 一种基于激光点云的路沿识别方法及装置 |
CN106842231A (zh) * | 2016-11-08 | 2017-06-13 | 长安大学 | 一种道路边界检测及跟踪方法 |
CN106780524A (zh) * | 2016-11-11 | 2017-05-31 | 厦门大学 | 一种三维点云道路边界自动提取方法 |
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 |
CN107169464A (zh) * | 2017-05-25 | 2017-09-15 | 中国农业科学院农业资源与农业区划研究所 | 一种基于激光点云的道路边界检测方法 |
CN107356933A (zh) * | 2017-06-23 | 2017-11-17 | 南京理工大学 | 一种基于四线激光雷达的非结构化道路检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110068834A (zh) | 2019-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113607185B (zh) | 车道线信息显示方法、装置、电子设备和计算机可读介质 | |
CN111209978B (zh) | 三维视觉重定位方法、装置及计算设备、存储介质 | |
CN111784774B (zh) | 目标检测方法、装置、计算机可读介质及电子设备 | |
CN112258519A (zh) | 一种高精度地图制作中道路的让行线自动化提取方法及装置 | |
CN111337898B (zh) | 激光点云的处理方法、装置、设备及存储介质 | |
CN113128743A (zh) | 一种拣货路径规划方法和装置 | |
CN110517354B (zh) | 用于三维点云分割的方法、装置、系统及介质 | |
CN110068834B (zh) | 一种路沿检测方法和装置 | |
CN113362090B (zh) | 一种用户行为数据处理方法和装置 | |
CN110363847B (zh) | 一种基于点云数据的地图模型构建方法和装置 | |
CN113758492A (zh) | 地图检测方法和装置 | |
CN110634159A (zh) | 一种目标检测方法和装置 | |
CN110377776B (zh) | 生成点云数据的方法和装置 | |
CN116299534A (zh) | 车辆位姿的确定方法、装置、设备及存储介质 | |
CN113761090B (zh) | 一种基于点云地图的定位方法和装置 | |
CN110634155A (zh) | 一种基于深度学习的目标检测方法和装置 | |
CN110136181B (zh) | 用于生成信息的方法和装置 | |
CN111383337B (zh) | 用于识别对象的方法和装置 | |
CN110120075B (zh) | 用于处理信息的方法和装置 | |
CN112414391B (zh) | 一种机器人的重定位方法及装置 | |
CN110119721B (zh) | 用于处理信息的方法和装置 | |
CN114136327A (zh) | 一种虚线段的查全率的自动化检查方法及系统 | |
CN109613553B (zh) | 基于激光雷达确定场景中物体数量的方法、装置及系统 | |
CN111398961B (zh) | 用于检测障碍物的方法和装置 | |
CN113450034B (zh) | 用于生成信息的方法和装置 |
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 |