CN110967024A - 可行驶区域的检测方法、装置、设备及存储介质 - Google Patents

可行驶区域的检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN110967024A
CN110967024A CN201911334670.6A CN201911334670A CN110967024A CN 110967024 A CN110967024 A CN 110967024A CN 201911334670 A CN201911334670 A CN 201911334670A CN 110967024 A CN110967024 A CN 110967024A
Authority
CN
China
Prior art keywords
road surface
surface boundary
point cloud
cloud data
target vehicle
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.)
Pending
Application number
CN201911334670.6A
Other languages
English (en)
Inventor
崔迪潇
江志浩
徐生良
郭晋文
王磊
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.)
Zhijia Usa
Suzhou Zhijia Technology Co Ltd
Original Assignee
Suzhou Zhijia Technology 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 Suzhou Zhijia Technology Co Ltd filed Critical Suzhou Zhijia Technology Co Ltd
Priority to CN201911334670.6A priority Critical patent/CN110967024A/zh
Publication of CN110967024A publication Critical patent/CN110967024A/zh
Priority to PCT/CN2020/098286 priority patent/WO2021128777A1/en
Pending legal-status Critical Current

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
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • 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
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Automation & Control Theory (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开提供了一种可行驶区域的检测方法、装置、设备及存储介质，属于互联网技术领域。方法包括：获取目标车辆在当前帧测量到的三维点云数据；根据三维点云数据，在周围感知范围内确定障碍区域；获取GPS轨迹，对GPS轨迹做位移操作，得到多条参考轨迹；根据每条参考轨迹和障碍区域，从多条参考轨迹中确定路面边界候选线；根据靠近路面边界候选线的多个目标激光点的三维点云数据，对路面边界候选线进行校正，得到当前帧的路面边界线。通过对GPS轨迹做位移操作，得到多条参考轨迹，从多条参考轨迹中确定路面边界候选线，再根据靠近路面边界候选线的三维点云数据对路面边界候选线进行校正，得到路面边界线，保证了可行驶区域检测的准确性。

Description

可行驶区域的检测方法、装置、设备及存储介质
技术领域
本公开涉及互联网技术领域，特别涉及一种可行驶区域的检测方法、装置、设备及存储介质。
背景技术
对自动驾驶车辆而言，对周围环境准确和鲁棒的感知是首要任务，其中对可行驶区域的检测是环境感知的基础功能。对于典型的城区和高速路环境，可行驶区域具有典型的结构化特征，由路沿、护栏、植被等构成，则在该类环境下的可行驶区域检测，可等同于对路面形状的估计，并可进一步等同为对道路左右两侧边界的检测。
相关技术中，一般先采用多项式、折线段等形式假设一个路沿模型，通过路沿模型得到预测的路沿点；通过传感器，例如，摄像头、激光等，直接对路沿进行检测，得到检测的路沿点；将预测的路沿点和检测的路沿点进行融合，根据融合后的路沿点构建路面边界线，则路面边界线的中间区域则为可行驶区域。
这种做法存在的问题是，由于在实际环境中，路面形状具有多样性，例如，路面形状可能为左圆、右圆、左螺旋或右螺旋等，这就导致所假设的路沿模型很有可能与实际路况不相符，因此，通过假设的路沿模型预测的路沿点极大可能不准确，从而导致最终构建的路面边界线的可靠性低，也即可行驶区域的检测结果的可靠性低。
发明内容
本公开实施例提供了一种可行驶区域的检测方法、装置、设备及存储介质,能够解决相关技术中可行驶区域的检测结果的可靠性低的问题。所述技术方案如下：
一方面，提供了一种可行驶区域的检测方法，所述方法包括：
获取目标车辆在当前帧测量到的三维点云数据，所述三维点云数据包括所述目标车辆的周围感知范围内的多个激光点的三维坐标信息；
根据所述三维点云数据，在所述周围感知范围内确定障碍区域，所述障碍区域指被障碍物占据的区域；
获取所述目标车辆当前行驶位置对应的全球定位系统GPS轨迹，对所述GPS轨迹做位移操作，得到多条参考轨迹；
根据每条参考轨迹和所述障碍区域，从所述多条参考轨迹中确定路面边界候选线；
根据靠近所述路面边界候选线的多个目标激光点的三维点云数据，对所述路面边界候选线进行校正，得到当前帧的路面边界线。
在一种可能的实现方式中，所述根据所述三维点云数据，在所述周围感知范围内确定障碍区域，包括：
将所述感知范围内的空间划分为多个区域；
根据每个区域内的激光点的高度值，在所述多个区域中确定障碍区域。
在另一种可能的实现方式中，所述对所述GPS轨迹做位移操作，得到多条参考轨迹，包括：
分别将所述GPS轨迹向所述目标车辆的车体指定方位进行多个位移操作，得到所述多条参考轨迹；
其中，所述指定方位为所述目标车辆的左侧或者右侧；所述位移操作为平移操作和旋转操作中的至少一个。
在另一种可能的实现方式中，所述根据靠近所述路面边界候选线的多个目标激光点的三维点云数据，对所述路面边界候选线进行校正，得到当前帧的路面边界线，包括：
将所述多个目标激光点的三维点云数据转换为极坐标系的数据，得到每个目标激光点的半径、高度和角度；
根据所述多个目标激光点的角度，将所述多个目标激光点划分为N个区域，所述N为大于1的整数；
分别根据所述每个目标激光点的半径和高度对每个区域内的目标激光点进行高斯过程的回归拟合，得到所述路面边界线。
在另一种可能的实现方式中，所述方法还包括：
获取所述目标车辆在前一帧检测到的路面边界线；
将所述当前帧检测到的路面边界线和所述目标车辆在前一帧检测到的路面边界线进行拼接，得到拼接后的路面边界线；
对所述拼接后的路面边界线对应的路面边界点进行高斯过程的回归拟合，得到当前帧优化后的路面边界线。
在另一种可能的实现方式中，所述将所述当前帧的路面边界线和所述目标车辆在前一帧检测到的路面边界线进行拼接，得到拼接后的路面边界线，包括：
获取所述目标车辆在前一帧的第一位姿数据和在当前帧的第二位姿数据；
根据所述第一位姿数据、所述目标车辆在前一帧检测到的路面边界线以及所述目标车辆在当前帧检测到的路面边界线，对所述第二位姿数据进行修正，得到所述目标车辆的第三位姿数据；
根据所述第三位姿数据，将所述目标车辆在前一帧检测到的路面边界线和所述目标车辆在当前帧检测到的路面边界线进行拼接，得到拼接后的路面边界线。
在另一种可能的实现方式中，所述根据所述三维点云数据，在所述周围感知范围内确定障碍区域之前，所述方法还包括：
根据所述目标车辆的第二位姿数据，对所述三维点云数据进行运动补偿，所述第二位姿数据包括GPS数据和惯性测量单元IMU数据。
在另一种可能的实现方式中，所述三维点云数据为笛卡尔坐标系下的三维点云数据；
所述三维点云数据为旋转式三维激光点云数据或振镜式三维激光点云数据。
另一方面，提供了一种可行驶区域的检测装置，所述装置包括：
点云数据获取模块，被配置为获取目标车辆在当前帧测量到的三维点云数据，所述三维点云数据包括所述目标车辆的周围感知范围内的多个激光点的三维坐标信息；
障碍区域确定模块，被配置为根据所述三维点云数据，在所述周围感知范围内确定障碍区域，所述障碍区域指被障碍物占据的区域；
参考轨迹获取模块，被配置为获取所述目标车辆当前行驶位置对应的全球定位系统GPS轨迹，对所述GPS轨迹做位移操作，得到多条参考轨迹；
路面边界候选线确定模块，被配置为根据每条参考轨迹和所述障碍区域，从所述多条参考轨迹中确定路面边界候选线；
路面边界线校正模块，被配置为根据靠近所述路面边界候选线的多个目标激光点的三维点云数据，对所述路面边界候选线进行校正，得到当前帧的路面边界线。
在一种可能的实现方式中，所述障碍区域确定模块，被配置为将所述感知范围内的空间划分为多个区域；根据每个区域内的激光点的高度值，在所述多个区域中确定障碍区域。
在另一种可能的实现方式中，所述参考轨迹获取模块，被配置为分别将所述GPS轨迹向所述目标车辆的车体指定方位进行多个位移操作，得到所述多条参考轨迹；其中，所述指定方位为所述目标车辆的左侧或者右侧；所述位移操作为平移操作和旋转操作中的至少一个。
在另一种可能的实现方式中，所述路面边界线校正模块，被配置为将所述多个目标激光点的三维点云数据转换为极坐标系的数据，得到每个目标激光点的半径、高度和角度；根据所述多个目标激光点的角度，将所述多个目标激光点划分为N个区域，所述N为大于1的整数；分别根据所述每个目标激光点的半径和高度对每个区域内的目标激光点进行高斯过程的回归拟合，得到所述路面边界线。
在另一种可能的实现方式中，所述路面边界线校正模块，还被配置为获取所述目标车辆在前一帧检测到的路面边界线；将所述当前帧检测到的路面边界线和所述目标车辆在前一帧检测到的路面边界线进行拼接，得到拼接后的路面边界线；对所述拼接后的路面边界线对应的路面边界点进行高斯过程的回归拟合，得到当前帧优化后的路面边界线。
在另一种可能的实现方式中，所述路面边界线校正模块，被配置为获取所述目标车辆在前一帧的第一位姿数据和在当前帧的第二位姿数据；根据所述第一位姿数据、所述目标车辆在前一帧检测到的路面边界线以及所述目标车辆在当前帧检测到的路面边界线，对所述第二位姿数据进行修正，得到所述目标车辆的第三位姿数据；根据所述第三位姿数据，将所述目标车辆在前一帧检测到的路面边界线和所述目标车辆在当前帧检测到的路面边界线进行拼接，得到拼接后的路面边界线。
在另一种可能的实现方式中，运动补偿模块，被配置为根据所述目标车辆的第二位姿数据，对所述三维点云数据进行运动补偿，所述第二位姿数据包括GPS数据和惯性测量单元IMU数据。
在另一种可能的实现方式中，所述三维点云数据为笛卡尔坐标系下的三维点云数据；
所述三维点云数据为旋转式三维激光点云数据或振镜式三维激光点云数据。
另一方面，提供了一种终端，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行以实现如上述任一项可能的实现方式中所述的可行驶区域的检测方法所执行的操作。
另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如上述任一项可能的实现方式中所述的可行驶区域的检测方法所执行的操作。
本公开实施例提供的技术方案带来的有益效果是：
在本公开实施例中，获取目标车辆在当前帧测量到的三维点云数据，三维点云数据包括目标车辆的周围感知范围内的多个激光点的三维坐标信息；根据三维点云数据，在周围感知范围内确定障碍区域，障碍区域指被障碍物占据的区域；获取目标车辆当前行驶位置对应的全球定位系统GPS轨迹，对GPS轨迹做位移操作，得到多条参考轨迹；根据每条参考轨迹和障碍区域，从多条参考轨迹中确定路面边界候选线；根据靠近路面边界候选线的多个目标激光点的三维点云数据，对路面边界候选线进行校正，得到当前帧的路面边界线。通过对GPS轨迹做位移操作，得到多条参考轨迹，根据参考轨迹和障碍区域，从多条参考轨迹中确定路面边界候选线，也即根据GPS轨迹和路上的实时障碍信息动态地确定路面边界候选线的位置和形状，从而初步确定可行驶区域。并且，根据靠近路面边界候选线的三维点云数据对路面边界候选线进行校正，得到路面边界线，保证了可行驶区域检测的准确性。
附图说明
为了更清楚地说明本公开实施例中的技术方案，下面将对实施例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公开的一些实施例，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他的附图。
图1是本公开实施例提供的一种实施环境的示意图；
图2是本公开实施例提供的一种可行驶区域的检测系统的示意图；
图3是本公开实施例提供的一种可行驶区域的检测方法的流程图；
图4是本公开实施例提供的一种可行驶区域的检测方法的流程图；
图5是本公开实施例提供的一种高斯过程的回归拟合的流程示意图；
图6是本公开实施例提供的一种可行驶区域的检测装置的框图；
图7是本公开实施例提供的一种终端的结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开实施方式作进一步地详细描述。
图1是本公开实施例提供的一种实施环境的示意图。参见图1，该实施环境包括全局位姿测量系统101、三维激光雷达102、终端103。全局位姿测量系统101、三维激光雷达102和终端103之间通过千兆网交换机等数据传输设备连接。其中，三维激光雷达102可以安装在自动驾驶车辆的车顶正上方，便于其可以扫描到自动驾驶车辆的周围环境。全局位姿测量系统101可以采用GPS/INS(Inertial Navigation System，惯性导航系统)，包括IMU(Inertial Measurement Unit，惯性测量单元)、GPS接收机、GPS天线等，用于获取车体位姿数据。其中IMU和GPS天线可以安装在自动驾驶车辆后轴中心的竖直线上。终端103可以安装在自动驾驶车辆内部，用于数据处理计算和软件、程序的运行。三维激光雷达102获取三维点云数据，并将三维点云数据传输至终端103。全局位姿测量系统101获取车体位姿数据，并将车体位姿数据传输至终端103，并且三维点云数据和车体位姿数据可以根据时间戳来相互对应。终端103中还存储有高精地图、GPS轨迹等等。在本公开实施例中，终端103根据三维点云数据来确定车周感知范围内的障碍区域，对预存的GPS轨迹做位移操作，得到多条参考轨迹，根据每条参考轨迹和障碍区域，从多条参考轨迹中确定路面边界候选线，根据靠近路面边界候选线的多个目标激光点的三维点云数据，对路面边界候选线进行校正，得到当前帧的路面边界线。
图2是本公开实施例提供的一种可行驶区域的检测系统的示意图。参见图2，该系统包括：数据预处理模块、路面边界线拼接模块和基于高斯过程的迭代优化模块。基于高斯过程的迭代优化模块分别与数据预处理模块和路面边界线拼接模块连接。
其中，数据预处理模块用于对获取到的三维点云数据进行运动补偿、坐标系转换、获取障碍栅格图以及生成路面边界候选线等。其中，数据预处理模块中输入的三维点云数据可以为旋钮式三维激光点云数据或者振镜式三维激光点云数据。
路面边界线拼接模块用于将获取的当前帧的路面边界线与前一帧的路面边界线进行拼接。
基于高斯过程的迭代优化模块用于对靠近路面边界候选线的目标激光点进行高斯过程的回归拟合，输出路面边界点、噪声点以及路面边界线的参数；基于高斯过程的迭代优化模块还用于对拼接后的路面边界线对应的路面边界点进行高斯过程的回归拟合，输出优化后的当前帧的路面边界线的参数。
其中，在用基于高斯过程的迭代优化模块对路面边界候选线的目标激光点进行高斯过程的回归拟合时，需要输入路面边界候选点，也即目标激光点，还需要输入最大迭代次数和聚类分割算法的参数。在每一次的迭代中，当前的训练数据被用于求取路面边界线的参数，通过聚类分割算法将测试数据划分为内点和噪声点，新增加的测试数据中的内点将和训练数据中的内点求差，新增加的测试数据中的噪声点将和训练数据中的噪声点求差，在满足迭代次数或迭代精度时终止。其中，当前的训练数据为每次迭代过程中确定出的内点。内点为路面边界点，用于求取路面边界线的参数，测试数据为每次迭代中引入的目标激光点。
在一种可能的实现方式中，该可行驶区域的检测系统还包括位姿修正模块，该位姿修正模块和路面边界线拼接模块连接。位姿修正模块用于根据前一帧的第一位姿数据、前一帧的路面边界线以及当前帧的路面边界线，对第二位姿数据进行修正，得到第三位姿数据。路面边界线拼接模块用于根据第三位姿数据将获取的当前帧的路面边界线与前一帧的路面边界线进行拼接。其中，位姿数据包括GPS数据和IMU数据，其中IMU数据包括车辆的运动信息、轮速信息、航向信息等。可选的，位姿修正模块中还包括基于高斯过程的观测模型，用于获取准确的位姿数据。
在一种可能的实现方式中，该可行驶区域的检测系统还包括地图创建更新模块，地图创建更新模块与基于高斯过程的迭代优化模块连接，用于融合新的局部的路面检测结果，包括将基于高斯过程的迭代优化模块输出的路面边界线融合到地图中。
图3是本公开实施例提供的一种可行驶区域的检测方法的流程图。参见图3，该实施例包括：
步骤301：获取目标车辆在当前帧测量到的三维点云数据，三维点云数据包括目标车辆的周围感知范围内的多个激光点的三维坐标信息。
步骤302：根据三维点云数据，在周围感知范围内确定障碍区域，障碍区域指被障碍物占据的区域。
步骤303：获取目标车辆当前行驶位置对应的全球定位系统GPS轨迹，对GPS轨迹做位移操作，得到多条参考轨迹。
步骤304：根据每条参考轨迹和障碍区域，从多条参考轨迹中确定路面边界候选线。
步骤305：根据靠近路面边界候选线的多个目标激光点的三维点云数据，对路面边界候选线进行校正，得到当前帧的路面边界线。
在一种可能的实现方式中，根据三维点云数据，在周围感知范围内确定障碍区域，包括：
将感知范围内的空间划分为多个区域；
根据每个区域内的激光点的高度值，在多个区域中确定障碍区域。
在另一种可能的实现方式中，对GPS轨迹做位移操作，得到多条参考轨迹，包括：
分别将GPS轨迹向目标车辆的车体指定方位进行多个位移操作，得到多条参考轨迹；
其中，指定方位为目标车辆的左侧或者右侧；位移操作为平移操作和旋转操作中的至少一个。
在另一种可能的实现方式中，根据靠近路面边界候选线的多个目标激光点的三维点云数据，对路面边界候选线进行校正，得到当前帧的路面边界线，包括：
将多个目标激光点的三维点云数据转换为极坐标系的数据，得到每个目标激光点的半径、高度和角度；
根据多个目标激光点的角度，将多个目标激光点划分为N个区域，N为大于1的整数；
分别根据每个目标激光点的半径和高度对每个区域内的目标激光点进行高斯过程的回归拟合，得到路面边界线。
在另一种可能的实现方式中，方法还包括：
获取目标车辆在前一帧检测到的路面边界线；
将当前帧检测到的路面边界线和目标车辆在前一帧检测到的路面边界线进行拼接，得到拼接后的路面边界线；
对拼接后的路面边界线对应的路面边界点进行高斯过程的回归拟合，得到当前帧优化后的路面边界线。
在另一种可能的实现方式中，将当前帧的路面边界线和目标车辆在前一帧检测到的路面边界线进行拼接，得到拼接后的路面边界线，包括：
获取目标车辆在前一帧的第一位姿数据和在当前帧的第二位姿数据；
根据第一位姿数据、目标车辆在前一帧检测到的路面边界线以及目标车辆在当前帧检测到的路面边界线，对第二位姿数据进行修正，得到目标车辆的第三位姿数据；
根据第三位姿数据，将目标车辆在前一帧检测到的路面边界线和目标车辆在当前帧检测到的路面边界线进行拼接，得到拼接后的路面边界线。
在另一种可能的实现方式中，根据三维点云数据，在周围感知范围内确定障碍区域之前，方法还包括：
根据目标车辆的第二位姿数据，对三维点云数据进行运动补偿，第二位姿数据包括GPS数据和惯性测量单元IMU数据。
在另一种可能的实现方式中，三维点云数据为笛卡尔坐标系下的三维点云数据；
三维点云数据为旋转式三维激光点云数据或振镜式三维激光点云数据。
在本公开实施例中，获取目标车辆在当前帧测量到的三维点云数据，三维点云数据包括目标车辆的周围感知范围内的多个激光点的三维坐标信息；根据三维点云数据，在周围感知范围内确定障碍区域，障碍区域指被障碍物占据的区域；获取目标车辆当前行驶位置对应的全球定位系统GPS轨迹，对GPS轨迹做位移操作，得到多条参考轨迹；根据每条参考轨迹和障碍区域，从多条参考轨迹中确定路面边界候选线；根据靠近路面边界候选线的多个目标激光点的三维点云数据，对路面边界候选线进行校正，得到当前帧的路面边界线。通过对GPS轨迹做位移操作，得到多条参考轨迹，根据参考轨迹和障碍区域，从多条参考轨迹中确定路面边界候选线，也即根据GPS轨迹和路上的实时障碍信息动态地确定路面边界候选线的位置和形状，从而初步确定可行驶区域。并且，根据靠近路面边界候选线的三维点云数据对路面边界候选线进行校正，得到路面边界线，保证了可行驶区域检测的准确性。
图4是本公开实施例提供的一种可行驶区域的检测方法的流程图。参见图4，该实施例包括：
步骤401：终端获取目标车辆在当前帧测量到的三维点云数据，三维点云数据包括目标车辆的周围感知范围内的多个激光点的三维坐标信息。
其中，三维点云数据可以为旋转式三维激光点云数据，也可以为振镜式三维激光点云数据，当然还可以为其他类型的三维激光点云数据，本公开对此不作限制。
在一种可能的实现方式中，三维点云数据为笛卡尔坐标系下的三维点云数据。相应的，终端获取目标车辆在当前帧测量到的三维点云数据的方式为：终端获取三维激光雷达扫描获得的当前帧的原始三维点云数据，将原始三维点云数据转换到笛卡尔坐标系下，得到笛卡尔坐标系下的三维点云数据。
需要说明的一点是，三维激光雷达扫描获得的原始数据主要包括距离和角度信息，为了后续处理的方便使用，本公开将获取到的原始三维点云数据转换到笛卡尔坐标系下。坐标转换的方式为：根据原始三维点云数据中的激光点的距离和角度信息，将激光点转换到笛卡尔坐标系下的三维坐标点(x，y，z)。
上述坐标转换可通过下述公式(1)实现：
x＝ρ·sinα·sinθ
y＝ρ·sinα·cosθ (1)
z＝H-ρ·cosα
其中，H为三维激光雷达距离笛卡尔坐标系水平面的安装高度，ρ为激光点距离激光雷达的距离，α为激光点所在的扫描线的垂直角度，β为激光点所在的扫描线的旋转角度。
需要说明的一点是，三维点云数据的坐标转换是基于刚体变换，也即，三维点云数据中的激光点的相对位置不发生变化。
步骤402：终端根据目标车辆的第二位姿数据，对三维点云数据进行运动补偿。
其中，第二位姿数据为当前帧的车体位姿数据，第二位姿数据包括GPS数据和惯性测量单元IMU数据。
需要说明的一点是，三维激光雷达需要一个扫描周期的时间来完成一帧三维点云数据的扫描，在这个周期中，车体相对与扫描开始时刻已经发生了车体位姿的变换，所以，为了准确得到当前帧的三维点云数据，需要对三维激光雷达扫描获得的当前帧的原始三维点云数据进行运动补偿。
终端根据目标车辆的第二位姿数据，对三维点云数据进行运动补偿的实现方式为：终端根据目标车辆的第二位姿数据获取车体相对于扫描周期初始时刻发生的位姿变换，位姿变换通过旋转矩阵R和平移矩阵T表征，根据R和T对原始三维点云数据进行运动补偿。
上述方法可通过下述公式(2)实现：
P(t)＝αR×βT×P(t-1) (2)
其中，P(t-1)为原始的一帧三维点云数据，P(t)为运动补偿后的一帧三维点云数据，R为旋转矩阵，T为平移矩阵，α为需要旋转运动补偿的三维点云所占的比例，β为需要平移运动补偿的三维点云所占的比例。
步骤403：终端根据三维点云数据，在周围感知范围内确定障碍区域，障碍区域指被障碍物占据的区域。
在一种可能的实现方式中，终端将感知范围内的空间划分为多个区域，根据每个区域内的激光点的高度值，在多个区域中确定障碍区域。
进一步的，终端将感知范围内的空间划分为多个区域，根据每个区域内的激光点的高度值，在多个区域中确定障碍区域的实现方式可以为：终端设置栅格分辨率，建立在笛卡尔坐标系下的空间栅格地图；统计感知范围内的每个栅格内的激光点的最大高度、最小高度和高度差；若高度差、最大高度和最小高度满足一定阈值，则认为该栅格为障碍栅格。其中，栅格分辨率可以根据需要设定，分公开对此不做限制。
在本公开实施例中，通过建立在笛卡尔坐标系下的空间栅格地图，根据每个栅格内的激光点的高度差、最大高度和最小高度确定该栅格是否为障碍栅格，从而可以准确地检测出路面上绝大多数的障碍物。
步骤404：终端获取目标车辆当前行驶位置对应的GPS轨迹，对GPS轨迹做位移操作，得到多条参考轨迹。
在一种可能的实现方式中，终端中存储有车辆行驶的GPS轨迹，且该GPS轨迹可以是通过之前的检测车辆获得的，相应的，终端获取目标车辆当前行驶位置对应的GPS轨迹的方式可以为：终端根据预存的车辆行驶的GPS轨迹和目标车辆当前的行驶位置，从车辆行驶的GPS轨迹中找到与当前行驶位置距离较近的一段GPS轨迹作为当前行驶位置对应的GPS轨迹。其中，终端获取的当前行驶位置对应的GPS轨迹的长度可以根据需要设定，本公开对此不做限制。
在一种可能的实现方式中，终端对GPS轨迹做位移操作，得到多条参考轨迹的实现方式为终端分别将GPS轨迹向目标车辆的车体指定方位进行多个位移操作，得到多条参考轨迹；其中，指定方位为目标车辆的左侧或者右侧；位移操作为平移操作和旋转操作中的至少一个。
例如，将GPS轨迹向车体左侧平移第一距离以及旋转第一角度得到第一条参考轨迹；将GPS轨迹向车体右侧平移第二距离以及旋转第二角度得到第二条参考轨迹；将GPS轨迹向车体左侧平移第三距离以及旋转第三角度得到第三条参考轨迹；将GPS轨迹向车体右侧平移第四距离以及旋转第四角度得到第四条参考轨迹，以此类推。
其中，将GPS轨迹平移的距离和旋转的角度可以根据需要设定，本公开对此不做限制。并且，参考轨迹的条数可以根据车道线的数量来确定，例如，以单车道为例，车道线的数量为2条，则参考轨迹的数量可以大于2条，一般情况下，参考轨迹的数量越多，越利于得到更准确的路面边界候选线，本公开对参考轨迹的条数不做限制。
步骤405：终端根据每条参考轨迹和障碍区域，从多条参考轨迹中确定路面边界候选线。
在一种可能的实现方式中，该步骤的实现方式为：终端统计每个参考轨迹上所占据的障碍栅格的长度和方向，将统计结果满足阈值的参考轨迹确定为路面边界候选线。由于，路面边界线上的障碍栅格的长度和方向往往具有特定的特征，通过统计每个参考轨迹上所占据的障碍栅格的长度和方向，将统计结果满足阈值的参考轨迹确定为路面边界候选线，可以保证路面边界候选线的准确性。
步骤406：终端根据靠近路面边界候选线的多个目标激光点的三维点云数据，对路面边界候选线进行校正，得到当前帧的路面边界线。
在一种可能的实现方式中，该步骤的实现方式为：终端将多个目标激光点的三维点云数据转换为极坐标系的数据，得到每个目标激光点的半径、高度和角度；根据多个目标激光点的角度，将多个目标激光点划分为N个区域，N为大于1的整数；分别根据每个目标激光点的半径和高度对每个区域内的目标激光点进行高斯过程的回归拟合，得到路面边界线。参考图5，为高斯过程的回归拟合过程的示意图。
需要说明的一点是，终端将高斯回归过程的初值选定为距离车体在一定范围内、且目标激光点的高度在一定范围内的点，即将这些目标激光点假设为初始的路面边界点，在进行高斯回归过程的初步拟合之后，将种子点即路面边界点附近的、符合模型误差范围的点确定为扩充的路面边界点，而误差较大的点作为噪声点剔除，再次拟合，以此类推，直到所有的目标激光点都参与拟合。
其中，终端选择高斯回归过程的初值的方式为：终端通过DBSCAN(Density-BasedSpatial Clustering of Applications with Noise，具有噪声的基于密度的聚类)方法对目标激光点进行聚类分割，当其中最大的聚类结果满足阈值时，将该聚类中的目标激光点作为初始的路面边界点。其中，最大的聚类结果的所要满足的阈值可以为最小激光点数为60，最短距离为10米，本公开对该阈值不做具体限制。
在本公开实施例中，通过对靠近路面边界候选线的目标激光点进行高斯过程的回归拟合，可以得到准确的路面边界线。本公开中所提出的基于高斯过程的可行驶区域的检测方法，可有效提高现有的可行驶区域的检测方法中对复杂交通流的适应性，和对路面起伏等的鲁棒性，显著提高自动驾驶车辆对复杂路况下的可行驶区域检测的性能和精度。
步骤407：终端获取目标车辆在前一帧检测到的路面边界线，将当前帧检测到的路面边界线和目标车辆在前一帧检测到的路面边界线进行拼接，得到拼接后的路面边界线。
在一种可能的实现方式中，终端获取目标车辆在前一帧的第一位姿数据和在当前帧的第二位姿数据；根据第一位姿数据、目标车辆在前一帧检测到的路面边界线以及目标车辆在当前帧检测到的路面边界线，对第二位姿数据进行修正，得到目标车辆的第三位姿数据。
终端根据第三位姿数据，将目标车辆在前一帧检测到的路面边界线和目标车辆在当前帧检测到的路面边界线进行拼接，得到拼接后的路面边界线。
在本公开实施例中，通过根据修正的第三位姿数据将目标车辆在前一帧检测到的路面边界线和目标车辆在当前帧检测到的路面边界线进行拼接，可以得到准确的路面边界线的拼接结果。
步骤408：终端对拼接后的路面边界线对应的路面边界点进行高斯过程的回归拟合，得到当前帧优化后的路面边界线。
终端对拼接后的路面边界线对应的路面边界点进行高斯过程的回归拟合的步骤和终端对目标激光点进行高斯回归拟合的方式同理，此处不再赘述。
需要说明的一点是，本公开中的高斯过程的回归拟合实际应用在两个过程中，第一是对单帧的三维点云中目标激光点进行高斯过程的回归拟合，第二是在得到当前帧的路面边界线后，将当前帧的路面边界线和前一帧的路面边界线拼接，对拼接后的路面边界候选线对应的路面边界点进行高斯过程的回归拟合，通过这两个过程的高斯过程的回归拟合不断优化得到的路面边界线，从而得到可靠的可行驶区域。
需要说明的一点是，终端通过不断将多帧的路面边界线进行拼接融合，即可得到由多个感知子图构成的路面模型，其中，每个感知子图由高斯过程生成的曲线表示左右路面边界线。
在本公开实施例中，获取目标车辆在当前帧测量到的三维点云数据，三维点云数据包括目标车辆的周围感知范围内的多个激光点的三维坐标信息；根据三维点云数据，在周围感知范围内确定障碍区域，障碍区域指被障碍物占据的区域；获取目标车辆当前行驶位置对应的全球定位系统GPS轨迹，对GPS轨迹做位移操作，得到多条参考轨迹；根据每条参考轨迹和障碍区域，从多条参考轨迹中确定路面边界候选线；根据靠近路面边界候选线的多个目标激光点的三维点云数据，对路面边界候选线进行校正，得到当前帧的路面边界线。通过对GPS轨迹做位移操作，得到多条参考轨迹，根据参考轨迹和障碍区域，从多条参考轨迹中确定路面边界候选线，也即根据GPS轨迹和路上的实时障碍信息动态地确定路面边界候选线的位置和形状，从而初步确定可行驶区域。并且，根据靠近路面边界候选线的三维点云数据对路面边界候选线进行校正，得到路面边界线，保证了可行驶区域检测的准确性。
图6是本公开实施例提供的一种可行驶区域的检测装置的框图。参见图6，该实施例包括：
点云数据获取模块601，被配置为获取目标车辆在当前帧测量到的三维点云数据，三维点云数据包括目标车辆的周围感知范围内的多个激光点的三维坐标信息。
障碍区域确定模块602，被配置为根据三维点云数据，在周围感知范围内确定障碍区域，障碍区域指被障碍物占据的区域。
参考轨迹获取模块603，被配置为获取目标车辆当前行驶位置对应的全球定位系统GPS轨迹，对GPS轨迹做位移操作，得到多条参考轨迹。
路面边界候选线确定模块604，被配置为根据每条参考轨迹和障碍区域，从多条参考轨迹中确定路面边界候选线。
路面边界线校正模块605，被配置为根据靠近路面边界候选线的多个目标激光点的三维点云数据，对路面边界候选线进行校正，得到当前帧的路面边界线。
在一种可能的实现方式中，障碍区域确定模块602，被配置为将感知范围内的空间划分为多个区域；根据每个区域内的激光点的高度值，在多个区域中确定障碍区域。
在另一种可能的实现方式中，参考轨迹获取模块603，被配置为分别将GPS轨迹向目标车辆的车体指定方位进行多个位移操作，得到多条参考轨迹；其中，指定方位为目标车辆的左侧或者右侧；位移操作为平移操作和旋转操作中的至少一个。
在另一种可能的实现方式中，路面边界线校正模块605，被配置为将多个目标激光点的三维点云数据转换为极坐标系的数据，得到每个目标激光点的半径、高度和角度；根据多个目标激光点的角度，将多个目标激光点划分为N个区域，N为大于1的整数；分别根据每个目标激光点的半径和高度对每个区域内的目标激光点进行高斯过程的回归拟合，得到路面边界线。
在另一种可能的实现方式中，路面边界线校正模块605，还被配置为获取目标车辆在前一帧检测到的路面边界线；将当前帧检测到的路面边界线和目标车辆在前一帧检测到的路面边界线进行拼接，得到拼接后的路面边界线；对拼接后的路面边界线对应的路面边界点进行高斯过程的回归拟合，得到当前帧优化后的路面边界线。
在另一种可能的实现方式中，路面边界线校正模块605，被配置为获取目标车辆在前一帧的第一位姿数据和在当前帧的第二位姿数据；根据第一位姿数据、目标车辆在前一帧检测到的路面边界线以及目标车辆在当前帧检测到的路面边界线，对第二位姿数据进行修正，得到目标车辆的第三位姿数据；根据第三位姿数据，将目标车辆在前一帧检测到的路面边界线和目标车辆在当前帧检测到的路面边界线进行拼接，得到拼接后的路面边界线。
在另一种可能的实现方式中，运动补偿模块，被配置为根据目标车辆的第二位姿数据，对三维点云数据进行运动补偿，第二位姿数据包括GPS数据和惯性测量单元IMU数据。
在另一种可能的实现方式中，三维点云数据为笛卡尔坐标系下的三维点云数据；
三维点云数据为旋转式三维激光点云数据或振镜式三维激光点云数据。
在本公开实施例中，获取目标车辆在当前帧测量到的三维点云数据，三维点云数据包括目标车辆的周围感知范围内的多个激光点的三维坐标信息；根据三维点云数据，在周围感知范围内确定障碍区域，障碍区域指被障碍物占据的区域；获取目标车辆当前行驶位置对应的全球定位系统GPS轨迹，对GPS轨迹做位移操作，得到多条参考轨迹；根据每条参考轨迹和障碍区域，从多条参考轨迹中确定路面边界候选线；根据靠近路面边界候选线的多个目标激光点的三维点云数据，对路面边界候选线进行校正，得到当前帧的路面边界线。通过对GPS轨迹做位移操作，得到多条参考轨迹，根据参考轨迹和障碍区域，从多条参考轨迹中确定路面边界候选线，也即根据GPS轨迹和路上的实时障碍信息动态地确定路面边界候选线的位置和形状，从而初步确定可行驶区域。并且，根据靠近路面边界候选线的三维点云数据对路面边界候选线进行校正，得到路面边界线，保证了可行驶区域检测的准确性。
上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。
需要说明的是：上述实施例提供的可行驶区域的检测装置在进行可行驶区域的检测时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的可行驶区域的检测装置与可行驶区域的检测方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图7示出了本公开一个示例性实施例提供的终端700的结构框图。该终端700可以是：智能手机、工控机、平板电脑、MP3播放器(Moving Picture Experts Group AudioLayer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts GroupAudio Layer IV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端700还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常，终端700包括有：处理器701和存储器702。
处理器701可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器701可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器701也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器701可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器701还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器702可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器702还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器702中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器701所执行以实现本申请中方法实施例提供的可行驶区域的检测方法。
在一些实施例中，终端700还可选包括有：外围设备接口703和至少一个外围设备。处理器701、存储器702和外围设备接口703之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口703相连。具体地，外围设备包括：射频电路704、触摸显示屏705、摄像头组件706、音频电路707、定位组件708和电源709中的至少一种。
外围设备接口703可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器701和存储器702。在一些实施例中，处理器701、存储器702和外围设备接口703被集成在同一芯片或电路板上；在一些其他实施例中，处理器701、存储器702和外围设备接口703中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路704用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路704通过电磁信号与通信网络以及其他通信设备进行通信。射频电路704将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路704包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路704可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路704还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。
显示屏705用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏705是触摸显示屏时，显示屏705还具有采集在显示屏705的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器701进行处理。此时，显示屏705还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏705可以为一个，设置终端700的前面板；在另一些实施例中，显示屏705可以为至少两个，分别设置在终端700的不同表面或呈折叠设计；在再一些实施例中，显示屏705可以是柔性显示屏，设置在终端700的弯曲表面上或折叠面上。甚至，显示屏705还可以设置成非矩形的不规则图形，也即异形屏。显示屏705可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件706用于采集图像或视频。可选地，摄像头组件706包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件706还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。
音频电路707可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器701进行处理，或者输入至射频电路704以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端700的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器701或射频电路704的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路707还可以包括耳机插孔。
定位组件708用于定位终端700的当前地理位置，以实现导航或LBS(LocationBased Service，基于位置的服务)。定位组件708可以是基于美国的GPS(GlobalPositioning System，全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源709用于为终端700中的各个组件进行供电。电源709可以是交流电、直流电、一次性电池或可充电电池。当电源709包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中，终端700还包括有一个或多个传感器710。该一个或多个传感器710包括但不限于：加速度传感器711、陀螺仪传感器712、压力传感器713、指纹传感器714、光学传感器715以及接近传感器716。
加速度传感器711可以检测以终端700建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器711可以用于检测重力加速度在三个坐标轴上的分量。处理器701可以根据加速度传感器711采集的重力加速度信号，控制触摸显示屏705以横向视图或纵向视图进行用户界面的显示。加速度传感器711还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器712可以检测终端700的机体方向及转动角度，陀螺仪传感器712可以与加速度传感器711协同采集用户对终端700的3D动作。处理器701根据陀螺仪传感器712采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器713可以设置在终端700的侧边框和/或触摸显示屏705的下层。当压力传感器713设置在终端700的侧边框时，可以检测用户对终端700的握持信号，由处理器701根据压力传感器713采集的握持信号进行左右手识别或快捷操作。当压力传感器713设置在触摸显示屏705的下层时，由处理器701根据用户对触摸显示屏705的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器714用于采集用户的指纹，由处理器701根据指纹传感器714采集到的指纹识别用户的身份，或者，由指纹传感器714根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器701授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器714可以被设置终端700的正面、背面或侧面。当终端700上设置有物理按键或厂商Logo时，指纹传感器714可以与物理按键或厂商Logo集成在一起。
光学传感器715用于采集环境光强度。在一个实施例中，处理器701可以根据光学传感器715采集的环境光强度，控制触摸显示屏705的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏705的显示亮度；当环境光强度较低时，调低触摸显示屏705的显示亮度。在另一个实施例中，处理器701还可以根据光学传感器715采集的环境光强度，动态调整摄像头组件706的拍摄参数。
接近传感器716，也称距离传感器，通常设置在终端700的前面板。接近传感器716用于采集用户与终端700的正面之间的距离。在一个实施例中，当接近传感器716检测到用户与终端700的正面之间的距离逐渐变小时，由处理器701控制触摸显示屏705从亮屏状态切换为息屏状态；当接近传感器716检测到用户与终端700的正面之间的距离逐渐变大时，由处理器701控制触摸显示屏705从息屏状态切换为亮屏状态。
本领域技术人员可以理解，图7中示出的结构并不构成对终端700的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端中的处理器执行以完成下述实施例中可行驶区域的检测方法。例如，所述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本公开的可选实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (11)

1.一种可行驶区域的检测方法，其特征在于，所述方法包括：
获取目标车辆在当前帧测量到的三维点云数据，所述三维点云数据包括所述目标车辆的周围感知范围内的多个激光点的三维坐标信息；
根据所述三维点云数据，在所述周围感知范围内确定障碍区域，所述障碍区域指被障碍物占据的区域；
获取所述目标车辆当前行驶位置对应的全球定位系统GPS轨迹，对所述GPS轨迹做位移操作，得到多条参考轨迹；
根据每条参考轨迹和所述障碍区域，从所述多条参考轨迹中确定路面边界候选线；
根据靠近所述路面边界候选线的多个目标激光点的三维点云数据，对所述路面边界候选线进行校正，得到当前帧的路面边界线。
2.根据权利要求1所述的方法，其特征在于，所述根据所述三维点云数据，在所述周围感知范围内确定障碍区域，包括：
将所述感知范围内的空间划分为多个区域；
根据每个区域内的激光点的高度值，在所述多个区域中确定障碍区域。
3.根据权利要求1所述的方法，其特征在于，所述对所述GPS轨迹做位移操作，得到多条参考轨迹，包括：
分别将所述GPS轨迹向所述目标车辆的车体指定方位进行多个位移操作，得到所述多条参考轨迹；
其中，所述指定方位为所述目标车辆的左侧或者右侧；所述位移操作为平移操作和旋转操作中的至少一个。
4.根据权利要求1所述的方法，其特征在于，所述根据靠近所述路面边界候选线的多个目标激光点的三维点云数据，对所述路面边界候选线进行校正，得到当前帧的路面边界线，包括：
将所述多个目标激光点的三维点云数据转换为极坐标系的数据，得到每个目标激光点的半径、高度和角度；
根据所述多个目标激光点的角度，将所述多个目标激光点划分为N个区域，所述N为大于1的整数；
分别根据所述每个目标激光点的半径和高度对每个区域内的目标激光点进行高斯过程的回归拟合，得到所述路面边界线。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述目标车辆在前一帧检测到的路面边界线；
将所述当前帧检测到的路面边界线和所述目标车辆在前一帧检测到的路面边界线进行拼接，得到拼接后的路面边界线；
对所述拼接后的路面边界线对应的路面边界点进行高斯过程的回归拟合，得到当前帧优化后的路面边界线。
6.根据权利要求5所述的方法，其特征在于，所述将所述当前帧的路面边界线和所述目标车辆在前一帧检测到的路面边界线进行拼接，得到拼接后的路面边界线，包括：
获取所述目标车辆在前一帧的第一位姿数据和在当前帧的第二位姿数据；
根据所述第一位姿数据、所述目标车辆在前一帧检测到的路面边界线以及所述目标车辆在当前帧检测到的路面边界线，对所述第二位姿数据进行修正，得到所述目标车辆的第三位姿数据；
根据所述第三位姿数据，将所述目标车辆在前一帧检测到的路面边界线和所述目标车辆在当前帧检测到的路面边界线进行拼接，得到拼接后的路面边界线。
7.根据权利要求1所述的方法，其特征在于，所述根据所述三维点云数据，在所述周围感知范围内确定障碍区域之前，所述方法还包括：
根据所述目标车辆的第二位姿数据，对所述三维点云数据进行运动补偿，所述第二位姿数据包括GPS数据和惯性测量单元IMU数据。
8.根据权利要求1所述的方法，其特征在于，所述三维点云数据为笛卡尔坐标系下的三维点云数据；
所述三维点云数据为旋转式三维激光点云数据或振镜式三维激光点云数据。
9.一种可行驶区域的检测装置，其特征在于，所述装置包括：
点云数据获取模块，被配置为获取目标车辆在当前帧测量到的三维点云数据，所述三维点云数据包括所述目标车辆的周围感知范围内的多个激光点的三维坐标信息；
障碍区域确定模块，被配置为根据所述三维点云数据，在所述周围感知范围内确定障碍区域，所述障碍区域指被障碍物占据的区域；
参考轨迹获取模块，被配置为获取所述目标车辆当前行驶位置对应的全球定位系统GPS轨迹，对所述GPS轨迹做位移操作，得到多条参考轨迹；
路面边界候选线确定模块，被配置为根据每条参考轨迹和所述障碍区域，从所述多条参考轨迹中确定路面边界候选线；
路面边界线校正模块，被配置为根据靠近所述路面边界候选线的多个目标激光点的三维点云数据，对所述路面边界候选线进行校正，得到当前帧的路面边界线。
10.一种终端，其特征在于，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行以实现如权利要求1至权利要求8任一项所述的可行驶区域的检测方法所执行的操作。
11.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如权利要求1至权利要求8任一项所述的可行驶区域的检测方法所执行的操作。
CN201911334670.6A 2019-12-23 2019-12-23 可行驶区域的检测方法、装置、设备及存储介质 Pending CN110967024A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201911334670.6A CN110967024A (zh) 2019-12-23 2019-12-23 可行驶区域的检测方法、装置、设备及存储介质
PCT/CN2020/098286 WO2021128777A1 (en) 2019-12-23 2020-06-24 Method, apparatus, device, and storage medium for detecting travelable region

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911334670.6A CN110967024A (zh) 2019-12-23 2019-12-23 可行驶区域的检测方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN110967024A true CN110967024A (zh) 2020-04-07

Family

ID=70036100

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911334670.6A Pending CN110967024A (zh) 2019-12-23 2019-12-23 可行驶区域的检测方法、装置、设备及存储介质

Country Status (2)

Country Link
CN (1) CN110967024A (zh)
WO (1) WO2021128777A1 (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111603772A (zh) * 2020-05-20 2020-09-01 腾讯科技（深圳）有限公司 区域检测方法、装置、设备及存储介质
CN111829514A (zh) * 2020-06-29 2020-10-27 燕山大学 一种适用于车辆底盘集成控制的路面工况预瞄方法
CN112184736A (zh) * 2020-10-10 2021-01-05 南开大学 一种基于欧式聚类的多平面提取方法
CN112417965A (zh) * 2020-10-21 2021-02-26 湖北亿咖通科技有限公司 激光点云处理方法、电子装置和存储介质
CN112598061A (zh) * 2020-12-23 2021-04-02 中铁工程装备集团有限公司 一种隧道围岩聚类分级方法
CN112947460A (zh) * 2021-03-01 2021-06-11 北京玄马知能科技有限公司 基于激光点云模型的巡检机器人自动航线预置规划方法
WO2021128777A1 (en) * 2019-12-23 2021-07-01 Suzhou Zhijia Science & Technologies Co., Ltd. Method, apparatus, device, and storage medium for detecting travelable region
CN113253293A (zh) * 2021-06-03 2021-08-13 中国人民解放军国防科技大学 一种激光点云畸变的消除方法和计算机可读存储介质
CN113536883A (zh) * 2021-03-23 2021-10-22 长沙智能驾驶研究院有限公司 障碍物检测方法、车辆、设备及计算机存储介质
CN113665500A (zh) * 2021-09-03 2021-11-19 南昌智能新能源汽车研究院 全天候作业的无人驾驶运输车环境感知系统及方法
CN113835103A (zh) * 2021-09-22 2021-12-24 深圳市镭神智能系统有限公司 轨道障碍物检测方法、系统和计算机设备
CN113945947A (zh) * 2021-10-08 2022-01-18 南京理工大学 多线激光雷达点云数据可通行区域检测方法
US20220135042A1 (en) * 2020-11-04 2022-05-05 Honda Motor Co., Ltd. Surrounding vehicle monitoring device and surrounding vehicle monitoring method
CN115205501A (zh) * 2022-08-10 2022-10-18 小米汽车科技有限公司 路面状况的显示方法、装置、设备及介质
CN116311095A (zh) * 2023-03-16 2023-06-23 广州市衡正工程质量检测有限公司 基于区域划分的路面检测方法、计算机设备及存储介质
CN116449335A (zh) * 2023-06-14 2023-07-18 上海木蚁机器人科技有限公司 可行驶区域检测方法、装置、电子设备以及存储介质

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114115231B (zh) * 2021-10-25 2023-07-25 南京工业大学 移动机器人空间位姿点云校正方法及系统
CN114035584B (zh) * 2021-11-18 2024-03-29 上海擎朗智能科技有限公司 机器人检测障碍物的方法、机器人以及机器人系统
CN114119903B (zh) * 2021-11-25 2024-04-09 武汉理工大学 一种基于实景三维城市的动态交通模拟方法
CN114624726B (zh) * 2022-03-17 2023-05-16 南通探维光电科技有限公司 轮轴识别系统和轮轴识别方法
CN115062422B (zh) * 2022-04-29 2024-07-02 厦门大学 一种用于装载机铲装满斗率预测的建模方法和系统
CN115994940B (zh) * 2022-11-09 2023-12-08 荣耀终端有限公司 一种折叠屏设备的折痕程度测试方法、设备及存储介质
CN115793652B (zh) * 2022-11-30 2023-07-14 上海木蚁机器人科技有限公司 行驶控制方法、装置及电子设备
CN116524029B (zh) * 2023-06-30 2023-12-01 长沙智能驾驶研究院有限公司 轨道交通工具的障碍物检测方法、装置、设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005088344A1 (de) * 2004-02-20 2005-09-22 Daimlerchrysler Ag Verfahren zur spurerkennung einer fahrspur für ein kraftfahrzeug
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
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
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
CN108984599A (zh) * 2018-06-01 2018-12-11 青岛秀山移动测量有限公司 一种利用行驶轨迹参考的车载激光点云路面提取方法
CN110008941A (zh) * 2019-06-05 2019-07-12 长沙智能驾驶研究院有限公司 可行驶区域检测方法、装置、计算机设备和存储介质
CN110598541A (zh) * 2019-08-05 2019-12-20 香港理工大学深圳研究院 一种提取道路边缘信息的方法及设备

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170104287A (ko) * 2016-03-07 2017-09-15 한국전자통신연구원 주행 가능 영역 인식 장치 및 그것의 주행 가능 영역 인식 방법
CN110033482A (zh) * 2018-01-11 2019-07-19 沈阳美行科技有限公司 一种基于激光点云的路沿识别方法和装置
CN108460416A (zh) * 2018-02-28 2018-08-28 武汉理工大学 一种基于三维激光雷达的结构化道路可行域提取方法
CN110008921B (zh) * 2019-04-12 2021-12-28 北京百度网讯科技有限公司 一种道路边界的生成方法、装置、电子设备及存储介质
CN110967024A (zh) * 2019-12-23 2020-04-07 苏州智加科技有限公司 可行驶区域的检测方法、装置、设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005088344A1 (de) * 2004-02-20 2005-09-22 Daimlerchrysler Ag Verfahren zur spurerkennung einer fahrspur für ein kraftfahrzeug
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
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
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
CN108984599A (zh) * 2018-06-01 2018-12-11 青岛秀山移动测量有限公司 一种利用行驶轨迹参考的车载激光点云路面提取方法
CN110008941A (zh) * 2019-06-05 2019-07-12 长沙智能驾驶研究院有限公司 可行驶区域检测方法、装置、计算机设备和存储介质
CN110598541A (zh) * 2019-08-05 2019-12-20 香港理工大学深圳研究院 一种提取道路边缘信息的方法及设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李永强等: "基于车载LiDAR数据的道路边界精细提取", 《河南理工大学学报(自然科学版)》 *

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021128777A1 (en) * 2019-12-23 2021-07-01 Suzhou Zhijia Science & Technologies Co., Ltd. Method, apparatus, device, and storage medium for detecting travelable region
CN111603772A (zh) * 2020-05-20 2020-09-01 腾讯科技（深圳）有限公司 区域检测方法、装置、设备及存储介质
CN111603772B (zh) * 2020-05-20 2023-03-28 腾讯科技（深圳）有限公司 区域检测方法、装置、设备及存储介质
CN111829514A (zh) * 2020-06-29 2020-10-27 燕山大学 一种适用于车辆底盘集成控制的路面工况预瞄方法
CN111829514B (zh) * 2020-06-29 2023-08-18 燕山大学 一种适用于车辆底盘集成控制的路面工况预瞄方法
CN112184736A (zh) * 2020-10-10 2021-01-05 南开大学 一种基于欧式聚类的多平面提取方法
CN112184736B (zh) * 2020-10-10 2022-11-11 南开大学 一种基于欧式聚类的多平面提取方法
CN112417965A (zh) * 2020-10-21 2021-02-26 湖北亿咖通科技有限公司 激光点云处理方法、电子装置和存储介质
US20220135042A1 (en) * 2020-11-04 2022-05-05 Honda Motor Co., Ltd. Surrounding vehicle monitoring device and surrounding vehicle monitoring method
CN112598061A (zh) * 2020-12-23 2021-04-02 中铁工程装备集团有限公司 一种隧道围岩聚类分级方法
CN112947460A (zh) * 2021-03-01 2021-06-11 北京玄马知能科技有限公司 基于激光点云模型的巡检机器人自动航线预置规划方法
CN113536883A (zh) * 2021-03-23 2021-10-22 长沙智能驾驶研究院有限公司 障碍物检测方法、车辆、设备及计算机存储介质
CN113536883B (zh) * 2021-03-23 2023-05-02 长沙智能驾驶研究院有限公司 障碍物检测方法、车辆、设备及计算机存储介质
CN113253293A (zh) * 2021-06-03 2021-08-13 中国人民解放军国防科技大学 一种激光点云畸变的消除方法和计算机可读存储介质
CN113665500B (zh) * 2021-09-03 2022-07-19 南昌智能新能源汽车研究院 全天候作业的无人驾驶运输车环境感知系统及方法
CN113665500A (zh) * 2021-09-03 2021-11-19 南昌智能新能源汽车研究院 全天候作业的无人驾驶运输车环境感知系统及方法
CN113835103A (zh) * 2021-09-22 2021-12-24 深圳市镭神智能系统有限公司 轨道障碍物检测方法、系统和计算机设备
CN113945947A (zh) * 2021-10-08 2022-01-18 南京理工大学 多线激光雷达点云数据可通行区域检测方法
CN115205501A (zh) * 2022-08-10 2022-10-18 小米汽车科技有限公司 路面状况的显示方法、装置、设备及介质
CN116311095A (zh) * 2023-03-16 2023-06-23 广州市衡正工程质量检测有限公司 基于区域划分的路面检测方法、计算机设备及存储介质
CN116311095B (zh) * 2023-03-16 2024-01-02 广州市衡正工程质量检测有限公司 基于区域划分的路面检测方法、计算机设备及存储介质
CN116449335A (zh) * 2023-06-14 2023-07-18 上海木蚁机器人科技有限公司 可行驶区域检测方法、装置、电子设备以及存储介质
CN116449335B (zh) * 2023-06-14 2023-09-01 上海木蚁机器人科技有限公司 可行驶区域检测方法、装置、电子设备以及存储介质

Also Published As

Publication number Publication date
WO2021128777A8 (en) 2021-07-29
WO2021128777A1 (en) 2021-07-01

Similar Documents

Publication Publication Date Title
CN110967024A (zh) 可行驶区域的检测方法、装置、设备及存储介质
CN110967011B (zh) 一种定位方法、装置、设备及存储介质
CN111257866B (zh) 车载摄像头和车载雷达联动的目标检测方法、装置及系统
CN111126182B (zh) 车道线检测方法、装置、电子设备及存储介质
CN110986930B (zh) 设备定位方法、装置、电子设备及存储介质
CN111104893B (zh) 目标检测方法、装置、计算机设备及存储介质
CN112270718B (zh) 摄像头标定方法、装置、系统及存储介质
CN110095128B (zh) 获取缺失道路情报的方法、装置、设备及存储介质
CN111126276B (zh) 车道线检测方法、装置、计算机设备及存储介质
CN110146106B (zh) 惯性导航设备标定方法、装置、电子设备及存储介质
CN110570465B (zh) 实时定位与地图构建方法、装置及计算机可读存储介质
CN112406707B (zh) 车辆预警方法、车辆、装置、终端和存储介质
CN112150560A (zh) 确定消失点的方法、装置及计算机存储介质
CN111538009B (zh) 雷达点的标记方法和装置
CN110633336B (zh) 激光数据搜索范围的确定方法、装置及存储介质
CN114299468A (zh) 车道的汇入口的检测方法、装置、终端、存储介质及产品
CN111928861B (zh) 地图构建方法及装置
CN111127541A (zh) 车辆尺寸的确定方法、装置及存储介质
CN111444749B (zh) 路面导向标志的识别方法、装置及存储介质
CN113432620B (zh) 误差估计方法、装置、车载终端及存储介质
CN114623836A (zh) 车辆位姿确定方法、装置及车辆
CN113326800A (zh) 车道线位置确定方法、装置、车载终端及存储介质
CN115545592A (zh) 显示定位的方法、装置、设备和存储介质
CN112241662B (zh) 一种检测可行驶区域的方法及装置
CN111597285B (zh) 路网拼接方法、装置、电子设备及存储介质

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
TA01 Transfer of patent application right

Effective date of registration: 20200612

Address after: 215100 16 / F, Lingyu Business Plaza, 66 qinglonggang Road, high speed rail new town, Xiangcheng District, Suzhou City, Jiangsu Province

Applicant after: SUZHOU ZHIJIA TECHNOLOGY Co.,Ltd.

Applicant after: Zhijia (Cayman) Co.

Applicant after: Zhijia (USA)

Address before: 215100 16 / F, Lingyu Business Plaza, 66 qinglonggang Road, high speed rail new town, Xiangcheng District, Suzhou City, Jiangsu Province

Applicant before: SUZHOU ZHIJIA TECHNOLOGY Co.,Ltd.

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210311

Address after: 16 / F, Lingyu Business Plaza, 66 qinglonggang Road, high speed rail new town, Xiangcheng District, Suzhou City, Jiangsu Province

Applicant after: SUZHOU ZHIJIA TECHNOLOGY Co.,Ltd.

Applicant after: Zhijia (USA)

Address before: 215100 16 / F, Lingyu Business Plaza, 66 qinglonggang Road, high speed rail new town, Xiangcheng District, Suzhou City, Jiangsu Province

Applicant before: SUZHOU ZHIJIA TECHNOLOGY Co.,Ltd.

Applicant before: Zhijia (Cayman) Co.

Applicant before: Zhijia (USA)

TA01 Transfer of patent application right
RJ01 Rejection of invention patent application after publication

Application publication date: 20200407

RJ01 Rejection of invention patent application after publication