CN110110678B - 道路边界的确定方法和装置、存储介质及电子装置 - Google Patents

道路边界的确定方法和装置、存储介质及电子装置 Download PDF

Info

Publication number
CN110110678B
CN110110678B CN201910394611.1A CN201910394611A CN110110678B CN 110110678 B CN110110678 B CN 110110678B CN 201910394611 A CN201910394611 A CN 201910394611A CN 110110678 B CN110110678 B CN 110110678B
Authority
CN
China
Prior art keywords
point cloud
cloud data
target
radar
determining
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
Application number
CN201910394611.1A
Other languages
English (en)
Other versions
CN110110678A (zh
Inventor
孙云哲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Tencent Cloud Computing Beijing Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201910394611.1A priority Critical patent/CN110110678B/zh
Publication of CN110110678A publication Critical patent/CN110110678A/zh
Application granted granted Critical
Publication of CN110110678B publication Critical patent/CN110110678B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种道路边界的确定方法和装置、存储介质及电子装置。其中，该方法包括：获取车辆上的第一雷达对目标道路上的第一采集对象采集到的第一点云数据、以及车辆上的第二雷达对目标道路上属性为目标属性的第二采集对象采集到的第二点云数据；将第一点云数据和第二点云数据转换至目标坐标系下，分别得到第三点云数据和第四点云数据；在目标坐标系下，根据第三点云数据和第四点云数据确定第一采集对象中用于表示护栏的目标对象；根据第一点云数据和目标对象确定目标道路的边界。本发明解决了道路边界检测准确度低的技术问题。

Description

道路边界的确定方法和装置、存储介质及电子装置
技术领域
本发明涉及自动驾驶技术领域，具体而言，涉及一种道路边界的确定方法和装置、存储介质及电子装置。
背景技术
在自动驾驶技术中，环境感知是一种非常重要的能力，尤其是可行驶区域的边界检测结果可以为自动驾驶的车辆定位和决策控制提供依据。
在相关技术中，通过在交通工具上安装两台摄像机和图像处理识别装置，两台摄像机分别拍摄两侧护栏，图像通过光纤传输到计算机，由计算机处理图像并识别图像中护栏。在图像边缘检测中，通过检测出所有的边缘，然后从所需要的边缘中找到所需要的边缘。其所使用的算法是基于一个基本假设，即道路的轮廓由一些具有一定长度的连续直线段组成，在一定范围内通过计算边缘点，然后通过变换得到线段，从而确定道路边界的位置。
但是，在实际的道路边界处往往伴随着一些阴影和植被，由于这些边界影响的存在，使得基于图像的道路边界检测的效率和准确性都很低。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种道路边界的确定方法和装置、存储介质及电子装置，以至少解决道路边界检测准确度低的技术问题。
根据本发明实施例的一个方面，提供了一种道路边界的确定方法，包括：获取车辆上的第一雷达对目标道路上的第一采集对象采集到的第一点云数据、以及车辆上的第二雷达对目标道路上属性为目标属性的第二采集对象采集到的第二点云数据，其中，第一点云数据用于表示第一采集对象相对于第一雷达的位置，第二点云数据用于表示第二采集对象相对于第二雷达的位置，第一采集对象和第二采集对象均包括目标道路的边界处属性为目标属性的护栏；将第一点云数据和第二点云数据转换至目标坐标系下，分别得到第三点云数据和第四点云数据；在目标坐标系下，根据第三点云数据和第四点云数据确定第一采集对象中用于表示护栏的目标对象；根据第一点云数据和目标对象确定目标道路的边界。
根据本发明实施例的另一方面，还提供了一种道路边界的确定装置，包括：获取模块，用于获取车辆上的第一雷达对目标道路上的第一采集对象采集到的第一点云数据、以及车辆上的第二雷达对目标道路上属性为目标属性的第二采集对象采集到的第二点云数据，其中，第一点云数据用于表示第一采集对象相对于第一雷达的位置，第二点云数据用于表示第二采集对象相对于第二雷达的位置，第一采集对象和第二采集对象均包括目标道路的边界处属性为目标属性的护栏；转换模块，用于将第一点云数据和第二点云数据转换至目标坐标系下，分别得到第三点云数据和第四点云数据；第一确定模块，用于在目标坐标系下，根据第三点云数据和第四点云数据确定第一采集对象中用于表示护栏的目标对象；第二确定模块，用于根据第一点云数据和目标对象确定目标道路的边界。
根据本发明实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，程序运行时执行上述的道路边界的确定方法。
根据本发明实施例的另一方面，还提供了一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为通过所述计算机程序执行上述的道路边界的确定方法。
在本发明实施例中，获取高精度的第一雷达对道路上的第一采集对象采集得到的第一点云数据，并获取具备对金属和非金属物体进行的区分的第二雷达采集的第二点云数据，通过将第一点云数据和第二点云数据转换至目标坐标系下得到的第三点云数据和第四点云数据，确定出第一采集对象中表示护栏的目标对象，从而根据第一点云数据和目标对象确定出道路的边界，达到了道路边界检测的目的，从而实现了提高道路边界检测的准确度的技术效果，进而解决了道路边界检测准确度低的技术问题。
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，构成本申请的一部分，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是根据本发明实施例的一种可选的道路边界的确定方法的应用环境的示意图；
图2是根据本发明实施例的一种可选的道路边界的确定方法的流程示意图；
图3是根据本发明实施例的一种可选的道路边界的确定方法的应用的道路示意图；
图4是根据本发明实施例的一种可选的道路边界的确定方法的点云数据示意图；
图5是根据本发明实施例的另一种可选的道路边界的确定方法的流程示意图；
图6是根据本发明实施例的另一种可选的道路边界的确定方法的点云数据示意图；
图7是根据本发明实施例的又一种可选的道路边界的确定方法的流程示意图；
图8是根据本发明实施例的又一种可选的道路边界的确定方法的流程示意图；
图9是根据本发明实施例的又一种可选的道路边界的确定方法的流程示意图；
图10是根据本发明实施例的一种可选的道路边界的确定装置的结构示意图；
图11是根据本发明实施例的一种可选的电子装置的结构示意图。
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，所描述的实施例仅仅是本发明一部分的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例的一个方面，提供了一种道路边界的确定方法，可选地，作为一种可选的实施方式，上述道路边界的确定方法可以但不限于应用于如图1所示的由终端102所构成的硬件环境中。可以理解的是，这里的终端102是安装在车辆上的，该车辆上还安装有第一雷达、第二雷达。终端102通过处理器104可以执行步骤S108，获取车辆上的第一雷达对目标道路上的第一采集对象采集到的第一点云数据、以及车辆上的第二雷达对目标道路上属性为目标属性的第二采集对象采集到的第二点云数据；并将第一点云数据和第二点云数据存储至存储器106中。可以理解的是，第一雷达、第二雷达采集对象包括图示的护栏100。终端102通过处理器104还可以执行步骤S110，将第一点云数据和第二点云数据转换至目标坐标系下，分别得到第三点云数据和第四点云数据；S112，在目标坐标系下，根据第三点云数据和第四点云数据确定第一采集对象中用于表示护栏的目标对象；S114，根据第一点云数据和目标对象确定目标道路的边界。
在本实施例中，上述道路边界的确定方法可以但不限于应用于处理能力较强大的独立的处理设备中，而无需进行数据交互。还可以应用于车辆上的处理装置和服务器，上述步骤S108由处理装置执行，并将获取的数据发送至服务器，由服务器执行上述步骤S110-S114，服务器将确定出的道路边界发送给车辆上的处理装置。上述仅是一种示例，本实施例中对此不作任何限定。
可选地，作为一种可选的实施方式，如图2所示，该道路边界的确定方法包括：
步骤S202，获取车辆上的第一雷达对目标道路上的第一采集对象采集到的第一点云数据、以及车辆上的第二雷达对目标道路上属性为目标属性的第二采集对象采集到的第二点云数据，其中，第一点云数据用于表示第一采集对象相对于第一雷达的位置，第二点云数据用于表示第二采集对象相对于第二雷达的位置，第一采集对象和第二采集对象均包括目标道路的边界处属性为目标属性的护栏；
在本发明可选实施例中，第一雷达和第二雷达可以安装在车辆的前端，如车辆的前保险杠上，从而对车辆两侧的对象进行采集，如道路边界处的护栏。
在本发明实施例中，第一雷达用于对目标道路上的第一采集对象进行采集，第一采集对象包括目标道路的道路边界处的护栏，以及目标道路上的任意物体。第二雷达用于对目标属性的第二采集对象进行数据采集，道路边界处的护栏属于该目标属性，该目标属性可以是金属属性，同时第二雷达能够确定第二采集对象的对象类型，该对象类型包括：静态对象类型和动态对象类型。可以理解的是，对于目标道路上，属于静态金属的对象基本可以推断为目标道路边界处的护栏。
在本发明实施例中，第一雷达可以是激光雷达，第二雷达可以是毫米波雷达。可以理解的是，这里的激光雷达具有达良好的测距特性，不仅能够得到道路上车辆的位置和形状信息，同时能够获取道路两侧护栏的位置和形状结果。这里的第一采集对象包括：目标道路上行驶的车辆、目标道路边界处的护栏和边界处的植被等干扰物。这里的激光雷达可以是低线数激光雷达，也可以是多线数激光雷达。在本发明实施例中可以选用低线数激光雷达传感器，低线数激光雷达传感器由于本身特性，只能得到高度为80cm左右，长度小于60m范围内的连续护栏结果，从而可以将高度较高的障碍物排除。这里的毫米波雷达对于金属和非金属物体具有良好的区分能力，并且对于运动和静止物体也有较高的区分能力。因此毫米波雷达采集的第二采集对象包括：目标道路上行驶的车辆和目标道路边界处的护栏，目标属性是指金属属性。可以理解的是毫米波雷达并不会对道路边界处的植被等非金属进行采集。在本发明实施例中通过毫米波雷达可以标记道路上运动车辆结果和边界处静止的金属护栏。
步骤S204，将第一点云数据和第二点云数据转换至目标坐标系下，分别得到第三点云数据和第四点云数据；
这里由于第一点云数据和第二点云数据是分别由第一雷达和第二雷达采集的，为了便于根据第二雷达采集的点云数据，确定出第一雷达采集对象中表示护栏的目标对象，可以将第一点云数据和第二点云数据转换至目标坐标系下，从而便于在同一坐标系下进行数据对比。
步骤S206，在目标坐标系下，根据第三点云数据和第四点云数据确定第一采集对象中用于表示护栏的目标对象；
这里，由于第四点云数据是由第二雷达采集的第二点云数据转换而来，所以第四点云数据中的对象包括：移动的车辆和静止的护栏，第三点云数据中的对象包括：车辆、护栏、边界处的植被等。由于采用可以区分运动和静止物体的第二雷达，可以根据第三点云数据和第四点云数据可以确定出第一雷达采集的第一采集对象中用于表示护栏的目标对象。
步骤S208，根据第一点云数据和目标对象确定目标道路的边界。
在本发明实施例中，获取高精度的第一雷达对道路上的第一采集对象采集得到的第一点云数据，并获取具备对金属和非金属物体进行的区分的第二雷达采集的第二点云数据，通过将第一点云数据和第二点云数据转换至目标坐标系下得到的第三点云数据和第四点云数据，确定出第一采集对象中表示护栏的目标对象，从而根据第一点云数据和目标对象确定出道路的边界，达到了道路边界检测的目的，实现了提高道路边界检测的准确度。
对于自动驾驶车辆而言，通过本发明实施例的道路边界的确定方法可以确定出目标道路的边界，从而确定出车辆在道路上的可行驶区域。
这里，第一雷达采集得到的第一点云数据中的每一帧的子点云数据均包括第一雷达采集与采集对象的位置，这里的位置包括：采集对象与第一雷达的距离信息和采集对象与第一雷达的方向信息。第二雷达采集得到的第二点云数据中的每一帧的子点云数据均包括第二雷达与采集对象位置，这里的位置包括：采集对象与第二雷达的距离信息和采集对象与第二雷达的方向信息。可以理解的是，由于第二点云数据可以区分出静态、目标属性为金属的护栏，但是第二点云数据的精度低于第一点云数据，所以可以通过对比第一点云数据和第二点云数据，确定出第一点云数据中的护栏。
为了便于对比，可将第一点云数据和第二点云数据转换至同一坐标系下。参见图3，将第一点云数据转换至目标坐标系下得到第三点云数据可以包括：将第一点云数据中每一帧的第一子点云数据，转换为目标坐标系下的第二子点云数据，其中第二子点云数据用于表示在目标坐标系下第一采集对象相对于第一点的位置，第一点的位置为每一帧的第一子点云数据中第一雷达的位置，第一雷达的位置由与第一雷达同步工作的里程计生成；将第二子点云数据的集合确定为第三点云数据。可以理解的是，图3中的圈仅是将点云数据圈出，便于与空白部分作出区别，其并不代表对点云数据进行类似分割等处理。可以理解的是，这里的里程计是一种可以生成目标坐标系下的空间位置的位置生成装置，这里的目标坐标系可以是世界坐标系。
在本发明实施例中，通过里程计对第一雷达每一次采集时第一雷达的位置进行生成并记录，从而使得第一雷达所采集的每一帧的子点云数据可以与里程计所采用的目标坐标系下的第一点的位置一一对应。换言之，对于每一帧的子点云数据，通过对应的目标坐标系下的第一点的位置，以及该子点云数据自身的采集对象与第一雷达的距离信息和采集对象与第一雷达的方向信息，可以在目标坐标系下确定出相对于的第二子点云数据。通过对每一帧的子点云数据进行转换，可以得到第一点云数据在目标坐标系下的第二点云数据。可以理解的是，第二子点云数据依旧包括：采集对象与第一雷达的距离信息和采集对象与第一雷达的方向信息。
同样的，将第二点云数据转换至目标坐标系下得到第四点云数据可以包括：将第二点云数据中每一帧的第三子点云数据，转换为目标坐标系下的第四子点云数据，其中第四子点云数据用于表示在目标坐标系下第二采集对象相对于第二点的位置，第二点的位置为每一帧的第三子点云数据中第二雷达的位置，第二雷达的位置由与第二雷达同步工作的里程计生成；将第四子点云数据的集合确定为第四点云数据。
下面参见图4至图6，对于上述步骤206，在目标坐标系下，根据第三点云数据和第四点云数据确定第一采集对象中用于表示护栏的目标对象可以包括：
步骤S502，对第三点云数据进行聚类分割，得到与多个第一采集对象对应的多组点云数据，其中，每组点云数据用于表示在目标坐标系下一个第一采集对象相对于第一雷达的位置；
这里，对于如图3所示的第三点云数据，可以通过经典聚类分割算法对点云数据进行聚类分割，得到如图6所示的多组点云数据。
步骤S504，在第四点云数据中确定出与第二采集对象中的静态对象对应的点云数据，其中，与静态对象对应的点云数据用于表示在目标坐标系下静态对象相对于第二雷达的位置；
这里，由于第二雷达可以区分动态金属目标和静态金属目标，从而可以在实际应用中将道路上属于动态金属的车辆和道路边界处属于静态金属的护栏进行区分。可以理解的是，对于道路边界处的如植被等障碍物由于是非金属，通过可以第二雷达对这些非金属的障碍物进行排除，有效过滤了可能造成干扰的障碍物。故而，根据第四点云数据确定出的静态对象主要为边界处的护栏。如图6所示的，根据可以在第四点云数据中确定出静态金属对象601和动态金属对象602(603)，这里的静态金属对象601包括边界处的护栏，动态金属对象602包括车道上行驶的车辆，动态金属对象603包括相邻车道上行驶的车辆。
步骤S506，根据多组点云数据以及与静态对象对应的点云数据，将多个第一采集对象中与静态对象相匹配的对象确定为目标对象。
可选的，根据多组点云数据以及与静态对象对应的点云数据，将多个第一采集对象中与静态对象相匹配的对象确定为目标对象可以包括：根据与静态对象对应的点云数据所表示的在目标坐标系下静态对象相对于第二雷达的位置，确定静态对象在目标坐标系下所处的第一区域，其中，第一区域包括在目标坐标系下静态对象相对于第二雷达的位置；将多个第一采集对象中位于第一区域内的对象确定为目标对象，其中，多组点云数据中与目标对象对应的一组点云数据所表示的在目标坐标系下目标对象相对于第一雷达的位置位于第一区域内。
这里，由于第二雷达的精度低于第一雷达，所以在目标坐标系下第四点云数据与第三点云数据并不会完全重叠，第四点云数据中的子点云数据在目标坐标系下将位于相匹配的第三点云数据中子点云数据的周围。在本发明实施例中，通过静态对象对应的点云数据确定出目标坐标系下的第一区域，在第三点云数据中的多组点云数据所表示的第一采集对象位于第一区域内的情况下，可以将两者视为相匹配，从而根据第四点云数据确定出第三点云数据中目标对象所对应的点云数据。
这里，通过将第四点云数据中静态对象所对应的点云数据与第三点云数据中的多组点云数据在目标坐标系下进行对比，可以确定出第三点云数数据中与静态对象相匹配的点云数据，从而可以确定出第三点云数据中目标对象所对应的点云数据。从而便于根据目标对象所对应的点云数据确定出道路的边界。
下面结合图4对确定出目标对象进行进一步的说明。
步骤S402，获取第一雷达采集的第一点云数据转换后的第三点云数据；这里的转换步骤可以借助里程计，将第一点云数据转换为里程计的目标坐标系下的第三点云数据；
步骤S404，获取第二雷达采集的第二点云数据转换后的第四点云数据；这里的转换步骤可以借助里程计，将第二点云数据转换为里程计的目标坐标系下的第四点云数据；
可以理解的是，这里的步骤S402和S404之间并不存在顺序关系，在实际执行时，可以是同时执行步骤S402和S404，也可以是择一先执行，也就是两个步骤中任一个先执行。
步骤S406，对S402获取的第三点云数据进行聚类分割处理；
步骤S408，从S404获取的第四点云数据中，区分出静态金属对象；
步骤S410，将第三点云数据聚类分割为多个第一采集对象对应的多组点云数据；
步骤S412，从第四点云数据中，确定出与第二采集对象中的静态对象对应的点云数据；
步骤S414，通过对比静态对象对应的点云数据和第一采集对象对应的多组点云数据，确定出第一采集对象中与静态对象相匹配的目标对象。
可选的，根据与静态对象对应的点云数据所表示的在目标坐标系下静态对象相对于第二雷达的位置，确定静态对象在目标坐标系下所处的第一区域包括：将以在目标坐标系下静态对象相对于第二雷达的位置为中心，在目标坐标系下向多个方向延伸形成的封闭区域确定为第一区域。
可以理解的是，第一区域可以是向多个方向延伸形成的圆形的封闭区域，也可以是向第一方向、第二方向、第三方向和第四方向延伸形成的矩形的封闭区域。这里的第一方向和第二方向相反，第三方向与第四方向相反，第一方向垂直于第三方向。
参见图7，可选的，上述步骤S208，根据第一点云数据和目标对象确定目标道路的边界可以包括：步骤S702，获取第一点云数据所表示的目标对象相对于第一雷达的位置；这里，可以将目标对象确定为边界处的护栏。步骤S704，根据目标对象相对于第一雷达的位置，拟合获得第一边界线，第一边界线上的点与车辆的位置等于目标对象相对于第一雷达的位置；步骤S706，将第一边界线确定为目标道路的边界。
这里，可以根据第一点云数据确定出目标对象相对于第一雷达的位置，从而可以根据目标对象的位置，直线拟合获得第一边界线，从而确定道路的边界。可以理解的是，对于部分道路中部也设置有护栏的道路而言，根据本发明实施例所确定出的边界并非该道路两侧的实际边界，而是车辆所能够行驶的道路的边界。换言之，对于自动驾驶的车辆而言，根据本发明实施例确定出的目标道路的边界也就是该车辆所能够行驶的区域的边界。
由于第一雷达可能存在误检测，或者道路边界处除了金属护栏，还存在其他金属的障碍物，例如临时停车的车辆，金属垃圾等，第二雷达并不能对这些对象进行有效的区分。故而直接将目标对象确定为边界处的护栏可能存在一定的误差。参见图8，在本发明另一可选实施例中，上述步骤S208，根据第一点云数据和目标对象确定目标道路的边界可以包括：步骤S802，根据第一点云数据从目标对象中确定出第二目标对象，其中，第二目标对象用于指示目标道路的边界；步骤S804，根据第二目标对象相对于第一雷达的位置，拟合获得第二边界线，第二边界线上的点与车辆的位置等于目标对象相对于第一雷达的位置；步骤S806，将第二边界线确定为目标道路的边界。
可选的，根据第一点云数据从目标对象中确定出第二目标对象包括：获取目标对象所对应的点云数据中连续N帧的点云数据，其中N为正整数；对连续N帧的点云数据进行直线拟合，获得目标线段；在根据目标线段确定目标对象所对应的点云数据中N+1帧的点云数据符合目标线段的情况下，将N+1帧的点云数据所对应的目标对象确定为第二目标对象。
这里，所获取的目标对象所对应的点云数据中连续N帧的点云数据可以是获取第一点云数据中初始的连续N帧的点云数据。通过对N帧的点云数据进行直线拟合，可以得到一条近似平滑的线段，从而用于验证下一帧点云数据中检测到的点云是否符合这条直线。具体的，N+1帧的点云数据与目标线段的距离小于第一距离值，则确定N+1帧的点云数据符合目标线段。例如，根据连续N帧的点云数据，将点云数据作为二维平面上的点，其坐标用(x，y)表示，拟合获得目标线段的表达式y＝ax+b，根据N+1帧的点云数据(x1，y1)中x1确定出目标线段上所对应的目标y值，若目标y值与y1的差值小于第一距离值，则确定N+1帧的点云数据符合目标线段。这里的第一距离值根据第二雷达与第一雷达的误差值确定，例如可以选为20cm左右。当然可以理解的是，上述一阶的表达式y＝ax+b仅是本发明可选实施例，在进行直线拟合时，也可以根据连续N帧的点云数据拟合获得二阶的表达式，例如y＝cxN+d，从而对N+1帧的点云数据进行验证。
在本发明实施例中，通过连续N帧的点云数据进行直线拟合，并对N+1帧的点云数据进行验证的方式，从目标对象中确定出第二目标对象，从而可以将错误的对象进行排除，提高了道路边界确定的准确度。
可选的，在获取车辆上的第一雷达对目标道路上的第一采集对象采集到的第一点云数据、以及车辆上的第二雷达对目标道路上属性为目标属性的第二采集对象采集到的第二点云数据之前，方法还包括：通过第一雷达采集第一采集对象与第一雷达的第一位置数据，其中，第一雷达包括低线数激光雷达，第一位置数据用于生成第一点云数据；通过第二雷达采集第二采集对象与第二雷达的的第二位置数据，其中，第二雷达包括毫米波雷达，第二位置数据用于生成第二点云数据。可以理解的是，第一点云数据中的每一个点云表示采集数据的雷达与采集对象之间的位置，该位置包括距离和方向。这里可以通过第一位置数据形成的第一位置数据集生第一点云数据，通过第二位置数据形成的第二位置数据集生成第二点云数据。
下面结合图9，以第一雷达为激光雷达，第二雷达为毫米波雷达，对本发明可选实施例的道路边界的确定方法进行说明。
S902，获取车辆上的激光雷达对目标道路上的第一采集对象采集到的第一点云数据、以及车辆上的毫米波雷达对目标道路上属性为目标属性的第二采集对象采集到的第二点云数据；其中，第一点云数据用于表示第一采集对象相对于激光雷达的位置，第二点云数据用于表示第二采集对象相对于毫米波雷达的位置，第一采集对象和第二采集对象均包括目标道路的边界处属性为目标属性的护栏；
S904，将第一点云数据中每一帧的第一子点云数据，转换为目标坐标系下的第二子点云数据，将第二子点云数据的集合确定为第三点云数据；其中第二子点云数据用于表示在目标坐标系下第一采集对象相对于第一点的位置，第一点的位置为每一帧的第一子点云数据中激光雷达的位置，激光雷达的位置由与激光雷达同步工作的里程计生成；
S906，将第二点云数据中每一帧的第三子点云数据，转换为目标坐标系下的第四子点云数据，将第四子点云数据的集合确定为第四点云数据；其中第四子点云数据用于表示在目标坐标系下第二采集对象相对于第二点的位置，第二点的位置为每一帧的第三子点云数据中毫米波雷达的位置，毫米波雷达的位置由与毫米波雷达同步工作的里程计生成；
可以理解的是，上述步骤S904和S906之间并不存在顺序关系，在实际执行时，可以是同时执行步骤S904和S906，也可以是择一先执行，也就是两个步骤中任一个先执行。
S908，对第三点云数据进行聚类分割，得到与多个第一采集对象对应的多组点云数据；其中，每组点云数据用于表示在目标坐标系下一个第一采集对象相对于激光雷达的位置；
S910，在第四点云数据中确定出与第二采集对象中的静态对象对应的点云数据；其中，与静态对象对应的点云数据用于表示在目标坐标系下静态对象相对于毫米波雷达的位置；
S912，根据多组点云数据以及与静态对象对应的点云数据，将多个第一采集对象中与静态对象相匹配的对象确定为目标对象；
S914，获取目标对象所对应的点云数据中连续N帧的点云数据，其中N为正整数；
S916，对连续N帧的点云数据进行直线拟合，获得目标线段；
S918，在根据目标线段确定目标对象所对应的点云数据中N+1帧的点云数据符合目标线段的情况下，将N+1帧的点云数据所对应的目标对象确定为第二目标对象；
S920，根据第二目标对象相对于激光雷达的位置，拟合获得第二边界线，第二边界线上的点与车辆的位置等于目标对象相对于激光雷达的位置；
S922，将第二边界线确定为目标道路的边界。
可以理解的是，对于具备处理能力的车辆，在本发明可选实施例中，上述S902-S922均可由车辆上的终端执行。
当然，也可以由车辆上的终端执行S902，车辆上的终端将执行S902获得的第一点云数据和第二点云数据发送至服务器，再由服务器执行S904-S922，服务器再将确定的目标道路的边界发送给车辆。当然可以理解的是，对于S904-906中所需要的里程计生成的第一点的位置和第二点的位置也可以由车辆上的终端发送至服务器，以便服务器进行坐标系的转换。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
根据本发明实施例，还提供了一种用于实施上述道路边界的确定方法的道路边界的确定装置，如图10所示，该装置包括：
获取模块1002，用于获取车辆上的第一雷达对目标道路上的第一采集对象采集到的第一点云数据、以及车辆上的第二雷达对目标道路上属性为目标属性的第二采集对象采集到的第二点云数据，其中，第一点云数据用于表示第一采集对象相对于第一雷达的位置，第二点云数据用于表示第二采集对象相对于第二雷达的位置，第一采集对象和第二采集对象均包括目标道路的边界处属性为目标属性的护栏；
可以理解的是，这里的第一雷达具有达良好的测距特性，不仅能够得到道路上车辆的位置和形状信息，同时能够获取道路两侧护栏的位置和形状结果。这里的第一采集对象包括：目标道路上行驶的车辆、目标道路边界处的护栏和边界处的植被等干扰物。这里的第一雷达可以是低线数第一雷达，也可以是多线数第一雷达。在本发明实施例中可以选用低线数第一雷达传感器，低线数第一雷达传感器由于本身特性，只能得到高度为80cm左右，长度小于60m范围内的连续护栏结果，从而可以将高度较高的障碍物排除。
这里的第二雷达对于金属和非金属物体具有良好的区分能力，并且对于运动和静止物体也有较高的区分能力。因此第二雷达采集的第二采集对象包括：目标道路上行驶的车辆和目标道路边界处的护栏，目标属性是指金属属性。可以理解的是第二雷达并不会对道路边界处的植被等非金属进行采集。在本发明实施例中通过第二雷达可以标记道路上运动车辆结果和边界处静止的金属护栏。
转换模块1004，用于将第一点云数据和第二点云数据转换至目标坐标系下，分别得到第三点云数据和第四点云数据；
这里由于第一点云数据和第二点云数据是分别由第一雷达和第二雷达采集的，为了便于根据第二雷达采集的点云数据，确定出第一雷达采集对象中表示护栏的目标对象，可以将第一点云数据和第二点云数据转换至目标坐标系下，从而便于在同一坐标系下进行数据对比。
第一确定模块1006，用于在目标坐标系下，根据第三点云数据和第四点云数据确定第一采集对象中用于表示护栏的目标对象；
这里，由于第四点云数据是由第二雷达采集的第二点云数据转换而来，所以第四点云数据中的对象包括：移动的车辆和静止的护栏，第三点云数据中的对象包括：车辆、护栏、边界处的植被等。由于采用可以区分运动和静止物体的第二雷达，可以根据第三点云数据和第四点云数据可以确定出第一雷达采集的第一采集对象中用于表示护栏的目标对象。
第二确定模块1008，用于根据第一点云数据和目标对象确定目标道路的边界。
在本发明实施例中，获取高精度的第一雷达对道路上的第一采集对象采集得到的第一点云数据，并获取具备对金属和非金属物体进行的区分的第二雷达采集的第二点云数据，通过将第一点云数据和第二点云数据转换至目标坐标系下得到的第三点云数据和第四点云数据，确定出第一采集对象中表示护栏的目标对象，从而根据第一点云数据和目标对象确定出道路的边界，达到了道路边界检测的目的，实现了提高道路边界检测的准确度。
可选的，第一确定模块1006包括：分割单元，用于对第三点云数据进行聚类分割，得到与多个第一采集对象对应的多组点云数据，其中，每组点云数据用于表示在目标坐标系下一个第一采集对象相对于第一雷达的位置；第一确定单元，用于在第四点云数据中确定出与第二采集对象中的静态对象对应的点云数据，其中，与静态对象对应的点云数据用于表示在目标坐标系下静态对象相对于第二雷达的位置；第二确定单元，用于根据多组点云数据以及与静态对象对应的点云数据，将多个第一采集对象中与静态对象相匹配的对象确定为目标对象。
这里，可以通过经典聚类分割算法对点云数据进行聚类分割，得到多组点云数据。这里，由于第二雷达可以区分动态金属目标和静态金属目标，从而可以在实际应用中将道路上属于动态金属的车辆和道路边界处属于静态金属的护栏进行区分。可以理解的是，对于道路边界处的如植被等障碍物由于是非金属，通过可以第二雷达对这些非金属的障碍物进行排除，有效过滤了可能造成干扰的障碍物。故而，根据第四点云数据确定出的静态对象主要为边界处的护栏。
可选的，第二确定单元具体用于：根据与静态对象对应的点云数据所表示的在目标坐标系下静态对象相对于第二雷达的位置，确定静态对象在目标坐标系下所处的第一区域，其中，第一区域包括在目标坐标系下静态对象相对于第二雷达的位置；将多个第一采集对象中位于第一区域内的对象确定为目标对象，其中，多组点云数据中与目标对象对应的一组点云数据所表示的在目标坐标系下目标对象相对于第一雷达的位置位于第一区域内。
这里，由于第二雷达的精度低于第一雷达，所以在目标坐标系下第四点云数据与第三点云数据并不会完全重叠，第四点云数据中的子点云数据在目标坐标系下将位于相匹配的第三点云数据中子点云数据的周围。在本发明实施例中，通过静态对象对应的点云数据确定出目标坐标系下的第一区域，在第三点云数据中的多组点云数据所表示的第一采集对象位于第一区域内的情况下，可以将两者视为相匹配，从而根据第四点云数据确定出第三点云数据中目标对象所对应的点云数据。
这里，通过将第四点云数据中静态对象所对应的点云数据与第三点云数据中的多组点云数据在目标坐标系下进行对比，可以确定出第三点云数数据中与静态对象相匹配的点云数据，从而可以确定出第三点云数据中目标对象所对应的点云数据。从而便于根据目标对象所对应的点云数据确定出道路的边界。
可选的，第二确定单元还具体用于：将以在目标坐标系下静态对象相对于第二雷达的位置为中心，在目标坐标系下向多个方向延伸形成的封闭区域确定为第一区域。
可以理解的是，第一区域可以是向多个方向延伸形成的圆形的封闭区域，也可以是向第一方向、第二方向、第三方向和第四方向延伸形成的矩形的封闭区域。这里的第一方向和第二方向相反，第三方向与第四方向相反，第一方向垂直于第三方向。
这里，第一雷达采集得到的第一点云数据中的每一帧的子点云数据均包括第一雷达采集与采集对象的位置，这里的位置包括：采集对象与第一雷达的距离信息和采集对象与第一雷达的方向信息。第二雷达采集得到的第二点云数据中的每一帧的子点云数据均包括第二雷达与采集对象位置，这里的位置包括：采集对象与第二雷达的距离信息和采集对象与第二雷达的方向信息。可以理解的是，由于第二点云数据可以区分出静态、目标属性为金属的护栏，但是第二点云数据的精度低于第一点云数据，所以可以通过对比第一点云数据和第二点云数据，确定出第一点云数据中的护栏。
为了便于对比，可将第一点云数据和第二点云数据转换至同一坐标系下。可选的，转换模块包括：第一转换单元，用于将第一点云数据中每一帧的第一子点云数据，转换为目标坐标系下的第二子点云数据，其中第二子点云数据用于表示在目标坐标系下第一采集对象相对于第一点的位置，第一点的位置为每一帧的第一子点云数据中第一雷达的位置，第一雷达的位置由与第一雷达同步工作的里程计生成；第三确定单元，用于将第二子点云数据的集合确定为第三点云数据。
在本发明实施例中，通过里程计对第一雷达每一次采集时第一雷达的位置进行生成并记录，从而使得第一雷达所采集的每一帧的子点云数据可以与里程计所采用的目标坐标系下的第一点的位置一一对应。换言之，对于每一帧的子点云数据，通过对应的目标坐标系下的第一点的位置，以及该子点云数据自身的采集对象与第一雷达的距离信息和采集对象与第一雷达的方向信息，可以在目标坐标系下确定出相对于的第二子点云数据。通过对每一帧的子点云数据进行转换，可以得到第一点云数据在目标坐标系下的第二点云数据。可以理解的是，第二子点云数据依旧包括：采集对象与第一雷达的距离信息和采集对象与第一雷达的方向信息。
同样的，可选的，转换模块包括：第二转换单元，用于将第二点云数据中每一帧的第三子点云数据，转换为目标坐标系下的第四子点云数据，其中第四子点云数据用于表示在目标坐标系下第二采集对象相对于第二点的位置，第二点的位置为每一帧的第三子点云数据中第二雷达的位置，第二雷达的位置由与第二雷达同步工作的里程计生成；第四确定单元，用于将第四子点云数据的集合确定为第四点云数据。
可选的，第二确定模块1008包括：获取单元，用于获取第一点云数据所表示的目标对象相对于第一雷达的位置；第一拟合单元，用于根据目标对象相对于第一雷达的位置，拟合获得第一边界线，第一边界线上的点与车辆的位置等于目标对象相对于第一雷达的位置；第五确定单元，用于将第一边界线确定为目标道路的边界。
这里，可以根据第一点云数据确定出目标对象相对于第一雷达的位置，从而可以根据目标对象的位置，直线拟合获得第一边界线，从而确定道路的边界。可以理解的是，对于部分道路中部也设置有护栏的道路而言，根据本发明实施例所确定出的边界并非该道路两侧的实际边界，而是车辆所能够行驶的道路的边界。换言之，对于自动驾驶的车辆而言，根据本发明实施例确定出的目标道路的边界也就是该车辆所能够行驶的区域的边界。
由于第一雷达可能存在误检测，或者道路边界处除了金属护栏，还存在其他金属的障碍物，例如临时停车的车辆，金属垃圾等，第二雷达并不能对这些对象进行有效的区分。故而直接将目标对象确定为边界处的护栏可能存在一定的误差。在本发明另一可选实施例中，第二确定模块1008可以包括：第六确定单元，用于根据第一点云数据从目标对象中确定出第二目标对象，其中，第二目标对象用于指示目标道路的边界；第二拟合单元，用于根据第二目标对象相对于第一雷达的位置，拟合获得第二边界线，第二边界线上的点与车辆的位置等于目标对象相对于第一雷达的位置；第七确定单元，用于将第二边界线确定为目标道路的边界。
可选的，第六确定单元具体用于：获取目标对象所对应的点云数据中连续N帧的点云数据，其中N为正整数；对连续N帧的点云数据进行直线拟合，获得目标线段；在根据目标线段确定目标对象所对应的点云数据中N+1帧的点云数据符合目标线段的情况下，将N+1帧的点云数据所对应的目标对象确定为第二目标对象。
这里，所获取的目标对象所对应的点云数据中连续N帧的点云数据可以是获取第一点云数据中初始的连续N帧的点云数据。通过对N帧的点云数据进行直线拟合，可以得到一条近似平滑的线段，从而用于验证下一帧点云数据中检测到的点云是否符合这条直线。
可选的，上述装置还包括：第一采集模块，用于通过第一雷达采集第一采集对象与第一雷达的第一位置数据，其中，第一雷达包括低线数激光雷达，第一位置数据用于生成第一点云数据；第二采集模块，用于通过第二雷达采集第二采集对象与第二雷达的的第二位置数据，其中，第二雷达包括毫米波雷达，第二位置数据用于生成第二点云数据。
本发明实施例的道路边界的确定装置具有与上述方法相应的有益效果，这里不再赘述。
根据本发明实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，程序运行时执行上述的道路边界的确定方法。
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1，获取车辆上的第一雷达对目标道路上的第一采集对象采集到的第一点云数据、以及车辆上的第二雷达对目标道路上属性为目标属性的第二采集对象采集到的第二点云数据，其中，第一点云数据用于表示第一采集对象相对于第一雷达的位置，第二点云数据用于表示第二采集对象相对于第二雷达的位置，第一采集对象和第二采集对象均包括目标道路的边界处属性为目标属性的护栏；
S2，将第一点云数据和第二点云数据转换至目标坐标系下，分别得到第三点云数据和第四点云数据；
S3，在目标坐标系下，根据第三点云数据和第四点云数据确定第一采集对象中用于表示护栏的目标对象；
S4，根据第一点云数据和目标对象确定目标道路的边界。
可选地，在本实施例中，本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-OnlyMemory，ROM)、随机存取器(RandomAccessMemory，RAM)、磁盘或光盘等。
根据本发明实施例的另一方面，还提供了一种用于实施上述道路边界的确定方法的电子装置，如图11所示，该电子装置包括存储器1102和处理器1104，该存储器1102中存储有计算机程序，该处理器1104被设置为通过计算机程序执行上述道路边界的确定方法。
可选地，在本实施例中，上述电子装置可以被设置为通过计算机程序执行以下步骤：
S1，获取车辆上的第一雷达对目标道路上的第一采集对象采集到的第一点云数据、以及车辆上的第二雷达对目标道路上属性为目标属性的第二采集对象采集到的第二点云数据，其中，第一点云数据用于表示第一采集对象相对于第一雷达的位置，第二点云数据用于表示第二采集对象相对于第二雷达的位置，第一采集对象和第二采集对象均包括目标道路的边界处属性为目标属性的护栏；
S2，将第一点云数据和第二点云数据转换至目标坐标系下，分别得到第三点云数据和第四点云数据；
S3，在目标坐标系下，根据第三点云数据和第四点云数据确定第一采集对象中用于表示护栏的目标对象；
S4，根据第一点云数据和目标对象确定目标道路的边界。
可选地，本领域普通技术人员可以理解，图11所示的结构仅为示意，电子装置也可以是安装在车辆上的用于确定道路边界的处理装置，也可以是车辆上能够执行上述方法的控制器等终端设备。图11其并不对上述电子装置的结构造成限定。例如，电子装置还可包括比图11中所示更多或者更少的组件(如网络接口等)，或者具有与图11所示不同的配置。
其中，存储器1102可用于存储软件程序以及模块，如本发明实施例中的道路边界的确定方法和装置对应的程序指令/模块，处理器1104通过运行存储在存储器1102内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的道路边界的确定。存储器1102可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器1102可进一步包括相对于处理器1104远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。其中，存储器1102具体可以但不限于用于存储第一点云数据、第二点云数据、第三点云数据、第四点云数据和目标道路的边界。作为一种示例，如图11所示，上述存储器1102中可以但不限于包括上述道路边界的确定装置中的获取模块1002、转换模块1004、第一确定模块1006及第二确定模块1008。此外，还可以包括但不限于上述道路边界的确定装置中的其他模块单元，本示例中不再赘述。
可选地，上述的传输装置1106用于经由一个网络接收或者发送数据。可以获取到第一雷达和第二雷达采集的点云数据。上述的网络具体实例可包括有线网络及无线网络。例如可以通过车辆上的CAN总线进行通信，由CAN总线获得第一点云数据和第二点云数据。在一个实例中，传输装置1106还包括一个网络适配器(NetworkInterfaceController，NIC)，其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输装置1106为射频(RadioFrequency，RF)模块，其用于通过无线方式与互联网进行通讯。
此外，上述电子装置还包括：显示器1108，用于显示目标道路的边界；和连接总线1110，用于连接上述电子装置中的各个模块部件。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
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单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (12)

1.一种道路边界的确定方法，其特征在于，包括：
获取车辆上的第一雷达对目标道路上的第一采集对象采集到的第一点云数据、以及所述车辆上的第二雷达对所述目标道路上属性为目标属性的第二采集对象采集到的第二点云数据，其中，所述第一点云数据用于表示所述第一采集对象相对于所述第一雷达的位置，所述第二点云数据用于表示所述第二采集对象相对于所述第二雷达的位置，所述第一采集对象和所述第二采集对象均包括所述目标道路的边界处属性为所述目标属性的护栏；
将所述第一点云数据和所述第二点云数据转换至目标坐标系下，分别得到第三点云数据和第四点云数据；
对所述第三点云数据进行聚类分割，得到与多个所述第一采集对象对应的多组点云数据，其中，每组点云数据用于表示在所述目标坐标系下一个所述第一采集对象相对于所述第一雷达的位置；
在所述第四点云数据中确定出与所述第二采集对象中的静态对象对应的点云数据，其中，所述与所述静态对象对应的点云数据用于表示在所述目标坐标系下所述静态对象相对于所述第二雷达的位置；
根据所述多组点云数据以及与所述静态对象对应的点云数据，将所述多个所述第一采集对象中与所述静态对象相匹配的对象确定为目标对象；
根据所述第一点云数据和所述目标对象确定所述目标道路的边界。
2.根据权利要求1所述的方法，其特征在于，根据所述多组点云数据以及与所述静态对象对应的点云数据，将所述多个所述第一采集对象中与所述静态对象相匹配的对象确定为所述目标对象包括：
根据与所述静态对象对应的点云数据所表示的在所述目标坐标系下所述静态对象相对于所述第二雷达的位置，确定所述静态对象在所述目标坐标系下所处的第一区域，其中，所述第一区域包括在所述目标坐标系下所述静态对象相对于所述第二雷达的位置；
将所述多个所述第一采集对象中位于所述第一区域内的对象确定为所述目标对象，其中，所述多组点云数据中与所述目标对象对应的一组点云数据所表示的在所述目标坐标系下所述目标对象相对于所述第一雷达的位置位于所述第一区域内。
3.根据权利要求2所述的方法，其特征在于，根据与所述静态对象对应的点云数据所表示的在所述目标坐标系下所述静态对象相对于所述第二雷达的位置，确定所述静态对象在所述目标坐标系下所处的第一区域包括：
将以在所述目标坐标系下所述静态对象相对于所述第一雷达的位置为中心，在所述目标坐标系下向多个方向延伸形成的封闭区域确定为所述第一区域。
4.根据权利要求1所述的方法，其特征在于，所述将所述第一点云数据转换至目标坐标系下得到第三点云数据包括：
将所述第一点云数据中每一帧的第一子点云数据，转换为所述目标坐标系下的第二子点云数据，其中所述第二子点云数据用于表示在所述目标坐标系下所述第一采集对象相对于第一点的位置，所述第一点的位置为所述每一帧的第一子点云数据中所述第一雷达的位置，所述第一雷达的位置由与所述第一雷达同步工作的里程计生成；
将所述第二子点云数据的集合确定为所述第三点云数据。
5.根据权利要求1所述的方法，其特征在于，所述将所述第二点云数据转换至目标坐标系下得到第四点云数据包括：
将所述第二点云数据中每一帧的第三子点云数据，转换为所述目标坐标系下的第四子点云数据，其中所述第四子点云数据用于表示在所述目标坐标系下所述第二采集对象相对于第二点的位置，所述第二点的位置为所述每一帧的第三子点云数据中所述第二雷达的位置，所述第二雷达的位置由与所述第二雷达同步工作的里程计生成；
将所述第四子点云数据的集合确定为所述第四点云数据。
6.根据权利要求1至5中任一项所述的方法，其特征在于，所述根据所述第一点云数据和所述目标对象确定所述目标道路的边界包括：
获取所述第一点云数据所表示的所述目标对象相对于所述第一雷达的位置；
根据所述目标对象相对于所述第一雷达的位置，拟合获得第一边界线，所述第一边界线上的点与所述车辆的位置等于所述目标对象相对于所述第一雷达的位置；
将所述第一边界线确定为所述目标道路的边界。
7.根据权利要求1至5中任一项所述的方法，其特征在于，所述根据所述第一点云数据和所述目标对象确定所述目标道路的边界包括：
根据所述第一点云数据从所述目标对象中确定出第二目标对象，其中，所述第二目标对象用于指示所述目标道路的边界；
根据所述第二目标对象相对于所述第一雷达的位置，拟合获得第二边界线，所述第二边界线上的点与所述车辆的位置等于所述目标对象相对于所述第一雷达的位置；
将所述第二边界线确定为所述目标道路的边界。
8.根据权利要求7所述的方法，其特征在于，所述根据所述第一点云数据从所述目标对象中确定出第二目标对象包括：
获取所述目标对象所对应的点云数据中连续N帧的点云数据，其中N为正整数；
对所述连续N帧的点云数据进行直线拟合，获得目标线段；
在根据所述目标线段确定所述目标对象所对应的点云数据中N+1帧的点云数据符合所述目标线段的情况下，将所述N+1帧的点云数据所对应的目标对象确定为所述第二目标对象。
9.根据权利要求1所述的方法，其特征在于，在获取车辆上的第一雷达对目标道路上的第一采集对象采集到的第一点云数据、以及所述车辆上的第二雷达对所述目标道路上属性为目标属性的第二采集对象采集到的第二点云数据之前，所述方法还包括：
通过所述第一雷达采集所述第一采集对象与所述第一雷达的第一位置数据，其中，所述第一雷达包括低线数激光雷达，所述第一位置数据用于生成第一点云数据；
通过所述第二雷达采集所述第二采集对象与所述第二雷达的的第二位置数据，其中，所述第二雷达包括毫米波雷达，所述第二位置数据用于生成第二点云数据。
10.一种道路边界的确定装置，其特征在于，包括：
获取模块，用于获取车辆上的第一雷达对目标道路上的第一采集对象采集到的第一点云数据、以及所述车辆上的第二雷达对所述目标道路上属性为目标属性的第二采集对象采集到的第二点云数据，其中，所述第一点云数据用于表示所述第一采集对象相对于所述第一雷达的位置，所述第二点云数据用于表示所述第二采集对象相对于所述第二雷达的位置，所述第一采集对象和所述第二采集对象均包括所述目标道路的边界处属性为所述目标属性的护栏；
转换模块，用于将所述第一点云数据和所述第二点云数据转换至目标坐标系下，分别得到第三点云数据和第四点云数据；
第一确定模块，用于在所述目标坐标系下，根据所述第三点云数据和所述第四点云数据确定所述第一采集对象中用于表示所述护栏的目标对象；
第二确定模块，用于根据所述第一点云数据和所述目标对象确定所述目标道路的边界；
所述第一确定模块包括：分割单元，用于对所述第三点云数据进行聚类分割，得到与多个所述第一采集对象对应的多组点云数据，其中，每组点云数据用于表示在所述目标坐标系下一个所述第一采集对象相对于所述第一雷达的位置；
第一确定单元，用于在所述第四点云数据中确定出与所述第二采集对象中的静态对象对应的点云数据，其中，所述与所述静态对象对应的点云数据用于表示在所述目标坐标系下所述静态对象相对于所述第二雷达的位置；
第二确定单元，用于根据所述多组点云数据以及与所述静态对象对应的点云数据，将所述多个所述第一采集对象中与所述静态对象相匹配的对象确定为所述目标对象。
11.一种存储介质，所述存储介质包括存储的程序，其中，所述程序运行时执行如权利要求1至9任一项中所述的道路边界的确定方法。
12.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行如权利要求1至9任一项中所述的道路边界的确定方法。
CN201910394611.1A 2019-05-13 2019-05-13 道路边界的确定方法和装置、存储介质及电子装置 Active CN110110678B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910394611.1A CN110110678B (zh) 2019-05-13 2019-05-13 道路边界的确定方法和装置、存储介质及电子装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910394611.1A CN110110678B (zh) 2019-05-13 2019-05-13 道路边界的确定方法和装置、存储介质及电子装置

Publications (2)

Publication Number Publication Date
CN110110678A CN110110678A (zh) 2019-08-09
CN110110678B true CN110110678B (zh) 2021-05-14

Family

ID=67489784

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910394611.1A Active CN110110678B (zh) 2019-05-13 2019-05-13 道路边界的确定方法和装置、存储介质及电子装置

Country Status (1)

Country Link
CN (1) CN110110678B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113137961A (zh) * 2020-01-17 2021-07-20 阿里巴巴集团控股有限公司 移动设备定位系统、相关方法、装置及设备
CN111811530B (zh) * 2020-06-16 2022-06-21 北京五一视界数字孪生科技股份有限公司 车道线生成方法、装置、存储介质及电子设备
CN112986942A (zh) * 2021-02-22 2021-06-18 浙江大华技术股份有限公司 边界探测方法、边界探测系统、电子设备和存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104376595A (zh) * 2014-11-28 2015-02-25 史文中 一种基于机载LiDAR和GIS协同的三维道路生成方法
CN108898672A (zh) * 2018-04-27 2018-11-27 厦门维斯云景信息科技有限公司 一种制作三维高清道路图车道线的半自动点云方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106405555B (zh) * 2016-09-23 2019-01-01 百度在线网络技术（北京）有限公司 用于车载雷达系统的障碍物检测方法和装置
CN206107236U (zh) * 2016-09-26 2017-04-19 长安大学 不良天气下高速公路车辆偏离车道的预警装置
CN106651752B (zh) * 2016-09-27 2020-01-21 深圳市速腾聚创科技有限公司 三维点云数据配准方法及拼接方法
CN107918753B (zh) * 2016-10-10 2019-02-22 腾讯科技（深圳）有限公司 点云数据处理方法及装置
CN108267747B (zh) * 2017-01-03 2021-10-22 中交宇科（北京）空间信息技术有限公司 基于激光点云的道路特征提取方法和装置
CN108694882B (zh) * 2017-04-11 2020-09-22 百度在线网络技术（北京）有限公司 用于标注地图的方法、装置和设备
CN107389084B (zh) * 2017-06-09 2020-06-05 深圳市速腾聚创科技有限公司 行车路径规划方法及存储介质
CN107463918B (zh) * 2017-08-17 2020-04-24 武汉大学 基于激光点云与影像数据融合的车道线提取方法
CN108490941B (zh) * 2018-03-29 2021-04-27 奇瑞汽车股份有限公司 应用于道路清扫车的自动驾驶系统及其控制方法、装置
CN108978378A (zh) * 2018-07-17 2018-12-11 上海华测导航技术股份有限公司 一种激光雷达道路改扩建勘测设计方法
CN109634282B (zh) * 2018-12-25 2021-05-28 奇瑞汽车股份有限公司 自动驾驶车辆、方法和装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104376595A (zh) * 2014-11-28 2015-02-25 史文中 一种基于机载LiDAR和GIS协同的三维道路生成方法
CN108898672A (zh) * 2018-04-27 2018-11-27 厦门维斯云景信息科技有限公司 一种制作三维高清道路图车道线的半自动点云方法

Also Published As

Publication number Publication date
CN110110678A (zh) 2019-08-09

Similar Documents

Publication Publication Date Title
JP7167397B2 (ja) 点群データを処理するための方法及び装置
CN108345822B (zh) 一种点云数据处理方法及装置
US10217007B2 (en) Detecting method and device of obstacles based on disparity map and automobile driving assistance system
KR102062680B1 (ko) 레이저 포인트 클라우드 기반의 도시 도로 인식 방법, 장치, 저장 매체 및 기기
CN110110678B (zh) 道路边界的确定方法和装置、存储介质及电子装置
EP2662804A2 (en) Method and apparatus for detecting continuous road partition
CN115049700A (zh) 一种目标检测方法及装置
CN112097732A (zh) 一种基于双目相机的三维测距方法、系统、设备及可读存储介质
CN106803262A (zh) 利用双目视觉自主解算汽车速度的方法
CN111198378A (zh) 基于边界的自主探索方法和装置
JP6617828B2 (ja) 走路検出方法及び走路検出装置
CN111213154A (zh) 一种车道线检测方法、设备、移动平台及存储介质
EP2677462B1 (en) Method and apparatus for segmenting object area
CN117576652A (zh) 道路对象的识别方法、装置和存储介质及电子设备
CN114842166A (zh) 应用于结构化道路的负障碍检测方法、系统、介质及设备
CN110675442A (zh) 一种结合目标识别技术的局部立体匹配方法及系统
CN114241448A (zh) 障碍物航向角的获取方法、装置、电子设备及车辆
CN104200675A (zh) 一种基于不变量特征匹配的车辆测速方法
CN111860084B (zh) 图像特征的匹配、定位方法及装置、定位系统
CN116189116A (zh) 一种交通状态感知方法及系统
CN111742242A (zh) 点云处理方法、系统、设备及存储介质
Oniga et al. A fast ransac based approach for computing the orientation of obstacles in traffic scenes
CN114882458A (zh) 一种目标跟踪方法、系统、介质及设备
CN111208530B (zh) 定位图层生成方法、装置、高精度地图及设备
CN112487984A (zh) 一种点云数据轻量化快速生成方法

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20221026

Address after: 518000 Tencent Building, No. 1 High-tech Zone, Nanshan District, Shenzhen City, Guangdong Province, 35 Floors

Patentee after: TENCENT TECHNOLOGY (SHENZHEN) Co.,Ltd.

Patentee after: TENCENT CLOUD COMPUTING (BEIJING) Co.,Ltd.

Address before: 518000 Tencent Building, No. 1 High-tech Zone, Nanshan District, Shenzhen City, Guangdong Province, 35 Floors

Patentee before: TENCENT TECHNOLOGY (SHENZHEN) Co.,Ltd.