CN111310663A - 道路栅栏检测方法、装置、设备及存储介质 - Google Patents

Abstract

本申请公开了一种道路栅栏检测方法、装置、设备及存储介质，属于自动驾驶领域。所述方法包括：从车辆采集的环境点云中提取出障碍物点云，障碍物点云中包括待检测的栅栏点云；对障碍物点云进行栅格化投影，得到二维映射网格图，在二维映射网格图中障碍物点云的映射点被划分成多个障碍物点云栅格；对多个障碍物点云栅格进行与栅栏相关的特征提取，得到多个栅栏栅格；对多个栅栏栅格中障碍物点云进行直线拟合，得到至少一个第一线段，基于至少一个第一线段，检测出障碍物点云中的栅栏点云，如此，实现了对道路上的栅栏检测。

Description

道路栅栏检测方法、装置、设备及存储介质

技术领域

本申请涉及自动驾驶领域，特别涉及一种道路栅栏检测方法、装置、设备及存储介质。

背景技术

栅栏是一种由栅栏柱和横带组成的防护栏。目前，许多城市道路通过设立栅栏来实现规范交通秩序的目的，栅栏能够明确各方的路权，减少机动车、非机动车和行人间的相互干扰，以及阻断行人和非机动车的侧向穿越。因此，自动驾驶车辆在城市道路上行驶时，需要准确检测出辅路和主路之间的栅栏，以避免发生碰撞。

目前，自动驾驶车辆可以基于波形防护栏的波形特征，检测出道路上的波形防护栏，也可以基于隔音墙防护栏的平面特征，检测出道路上的隔音墙防护栏。但是，由于城市道路上的栅栏不具备波形特征和平面特征，且栅栏的栏杆之间也不是连续和致密的，因此目前很难对道路上的栅栏进行检测。而且，由于城市道路上的栅栏是极其常见的，因此道路上的栅栏检测问题成为目前亟待解决的问题。

发明内容

本申请实施例提供了一种道路栅栏检测方法、装置、设备及存储介质，可以用于检测道路中的栅栏。所述技术方案如下：

一方面，提供了一种道路栅栏检测方法，所述方法包括：

从车辆采集的环境点云中提取出障碍物点云，所述障碍物点云中包括待检测的栅栏点云；

对所述障碍物点云进行栅格化投影，得到二维映射网格图，在所述二维映射网格图中，所述障碍物点云的映射点被划分成多个障碍物点云栅格；

对所述多个障碍物点云栅格进行与栅栏相关的特征提取，得到多个栅栏栅格；

对所述多个栅栏栅格中障碍物点云进行直线拟合，得到至少一个第一线段，基于所述至少一个第一线段，检测出所述障碍物点云中的栅栏点云。

可选地，所述对所述障碍物点云进行栅格化投影，得到二维映射网格图，包括：

将所述障碍物点云投射在指定二维平面上，得到二维映射图，所述二维映射图包括所述障碍物点云在所述指定二维平面上的映射点；

对所述障碍物点云在所述指定二维平面上的映射点进行离散化的网格处理，得到所述二维映射网格图。

可选地，所述将所述障碍物点云投射在指定二维平面上之后，还包括：

根据所述障碍物点云中各点的高度信息，对所述障碍物点云在所述指定二维平面上的映射点进行过滤；

所述对所述障碍物点云在所述指定二维平面上的映射点进行离散化的网格处理，包括：

对过滤后的映射点进行离散化的网格处理，得到所述二维映射网格图。

可选地，所述对所述多个障碍物点云栅格进行与栅栏相关的特征提取，得到多个栅栏栅格，包括：

对所述多个障碍物点云栅格之间的断点栅格进行连接；

对连接后的障碍物点云栅格进行直线检测，得到至少一个第二线段；

将所述至少一个第二线段上的障碍物点云栅格作为候选栅栏栅格，根据所述候选栅栏栅格，确定所述多个栅栏栅格。

可选地，所述根据所述候选栅栏栅格，确定所述多个栅栏栅格，包括：

将所述候选栅栏栅格作为聚类核，对剩余栅格进行聚类，得到至少一个聚类簇，所述剩余栅格包括所述多个障碍物点云栅格中除所述候选栅栏栅格之外的其他栅格；

将所述至少一个聚类簇包含的栅格，作为所述多个栅栏栅格。

可选地，所述将所述候选栅栏栅格作为聚类核，对剩余栅格进行聚类，包括：

对于所述至少一个第二线段中目标线段，从所述剩余栅格中确定目标栅格，所述目标栅格是指与所述目标线段的任一端点上的候选栅栏栅格之间的距离小于第一距离阈值，且与所述目标线段之间的距离小于第二距离阈值的栅格，所述目标线段为所述至少一个第二线段中的任一线段；

将所述目标栅格以及所述目标线段上的候选栅栏栅格，确定为一个聚类簇。

可选地，所述从车辆采集的环境点云中提取出障碍物点云，包括：

对车辆采集的环境点云进行分割，得到障碍物点云和地面点云；

所述对所述障碍物点云进行栅格化投影，得到二维映射网格图，包括：

对所述障碍物点云和地面点云进行栅格化投影，得到所述二维映射网格图，在所述二维映射网格图中，所述障碍物点云的映射点被划分成所述多个障碍物点云栅格，所述地面点云的映射点被划分成多个地面点云栅格；

所述将所述候选栅栏栅格作为聚类核，对剩余栅格进行聚类，得到至少一个聚类簇，包括：

将所述候选栅栏栅格作为聚类核，对所述剩余栅格和所述多个地面点云栅格进行聚类，得到至少一个聚类簇。

可选地，所述对所述多个栅栏栅格中障碍物点云进行直线拟合，得到至少一个第一线段，包括：

确定所述多个栅栏栅格中障碍物点云的二维坐标；

对所述多个栅栏栅格中障碍物点云的二维坐标进行直线拟合，得到所述至少一个第一线段。

可选地，所述基于所述至少一个第一线段，检测出所述障碍物点云中的栅栏点云，包括：

基于所述至少一个第一线段中每个第一线段的线段角度和线段长度，对所述至少一个第一线段进行过滤；

对过滤后的第一线段进行合并，将合并后的第一线段对应的障碍物点云，确定为栅栏点云。

可选地，所述基于所述至少一个第一线段中每个第一线段的线段角度和线段长度，对所述至少一个第一线段进行过滤，包括：

基于所述至少一个一线段中每个第一线段的线段角度和线段长度，从所述至少一个第一线段中确定线段角度不处于参考角度范围或线段长度小于长度阈值的第一线段；

将确定的第一线段从所述至少一个第一线段中删除，得到所述过滤后的第二线段。

一方面，提供了一种道路栅栏检测装置，所述装置包括：

第一提取模块，用于从车辆采集的环境点云中提取出障碍物点云，所述障碍物点云中包括待检测的栅栏点云；

投影模块，用于对所述障碍物点云进行栅格化投影，得到二维映射网格图，在所述二维映射网格图中，所述障碍物点云的映射点被划分成多个障碍物点云栅格；

第二提取模块，用于对所述多个障碍物点云栅格进行与栅栏相关的特征提取，得到多个栅栏栅格；

直线拟合模块，用于对所述多个栅栏栅格中障碍物点云进行直线拟合，得到至少一个第一线段；

检测模块，用于基于所述至少一个第一线段，检测出所述障碍物点云中的栅栏点云。

可选地，所述投影模块包括：

投射单元，用于将所述障碍物点云投射在指定二维平面上，得到二维映射图，所述二维映射图包括所述障碍物点云在所述指定二维平面上的映射点；

网格处理单元，用于对所述障碍物点云在所述指定二维平面上的映射点进行离散化的网格处理，得到所述二维映射网格图。

可选地，所述投影模块还包括：

第一过滤单元，用于根据所述障碍物点云中各点的高度信息，对所述障碍物点云在所述指定二维平面上的映射点进行过滤；

所述网格处理单元，用于对过滤后的映射点进行离散化的网格处理，得到所述二维映射网格图。

可选地，所述第二提取模块包括：

断点连接单元，用于对所述多个障碍物点云栅格之间的断点栅格进行连接；

直线检测单元，用于对连接后的障碍物点云栅格进行直线检测，得到至少一个第二线段；

第一确定单元，用于将所述至少一个第二线段上的障碍物点云栅格作为候选栅栏栅格，根据所述候选栅栏栅格，确定所述多个栅栏栅格。

可选地，所述确定单元用于：

将所述候选栅栏栅格作为聚类核，对剩余栅格进行聚类，得到至少一个聚类簇，所述剩余栅格包括所述多个障碍物点云栅格中除所述候选栅栏栅格之外的其他栅格；

将所述至少一个聚类簇包含的栅格，作为所述多个栅栏栅格。

可选地，所述确定单元用于：

对于所述至少一个第二线段中目标线段，从所述剩余栅格中确定目标栅格，所述目标栅格是指与所述目标线段的任一端点上的候选栅栏栅格之间的距离小于第一距离阈值，且与所述目标线段之间的距离小于第二距离阈值的栅格，所述目标线段为所述至少一个第二线段中的任一线段；

将所述目标栅格以及所述目标线段上的候选栅栏栅格，确定为一个聚类簇。

可选地，所述第一提取模块，用于对车辆采集的环境点云进行分割，得到障碍物点云和地面点云；

所述投影模块，用于对所述障碍物点云和地面点云进行栅格化投影，得到所述二维映射网格图，在所述二维映射网格图中，所述障碍物点云的映射点被划分成所述多个障碍物点云栅格，所述地面点云的映射点被划分成多个地面点云栅格；

所述确定单元，用于将所述候选栅栏栅格作为聚类核，对所述剩余栅格和所述多个地面点云栅格进行聚类，得到至少一个聚类簇。

剩余栅格还包括所述多个地面点云栅格。

可选地，所述直线拟合模块用于：

确定所述多个栅栏栅格中障碍物点云的二维坐标；

对所述多个栅栏栅格中障碍物点云的二维坐标进行直线拟合，得到所述至少一个第一线段。

可选地，所述检测模块包括：

第二过滤单元，用于基于所述至少一个第一线段中每个第一线段的线段角度和线段长度，对所述至少一个第一线段进行过滤；

第二确定单元，用于对过滤后的第一线段进行合并，将合并后的第一线段对应的障碍物点云，确定为栅栏点云。

可选地，所述第二过滤单元用于：

基于所述至少一个一线段中每个第一线段的线段角度和线段长度，从所述至少一个第一线段中确定线段角度不处于参考角度范围或线段长度小于长度阈值的第一线段；

将确定的第一线段从所述至少一个第一线段中删除，得到所述过滤后的第二线段。

一方面，提供了一种电子设备，包括：

一个或多个处理器；

用于存储所述一个或多个处理器可执行指令的一个或多个存储器；

其中，所述一个或多个处理器被配置为执行上述任一种道路栅栏检测方法。

一方面，提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由设备的处理器执行时，使得设备能够执行上述任一种道路栅栏检测方法。

一方面，提供了一种计算机程序产品，当所述计算机程序产品被执行时，用于实现上述任一种道路栅栏检测方法。

本申请实施例提供的技术方案带来的有益效果是：

本申请实施例中，通过从车辆采集的环境点云中提取出障碍物点云，并对障碍物点云进行栅格化投影，可以将障碍物点云在二维平面上的映射点划分成多个栅格，然后对这多个障碍物点云栅格进行与栅栏相关的特征提取，即可得到具有栅栏相关特征的多个栅栏栅格，之后，再对这多个栅栏栅格中的障碍物点云进行直线拟合，即可根据栅栏直线分布的特点，基于拟合得到的至少一个线段，检测出障碍物点云中的栅栏点云，从而实现了对车辆所处环境中栅栏的检测。

附图说明

为了更清楚地说明本申请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申请的一些实施例，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是本申请实施例提供的一种道路上的栅栏示意图；

图2是本申请实施例提供的一种道路栅栏检测方法的流程图；

图3是本申请实施例提供的另一种道路栅栏检测方法的流程图；

图4是本申请实施例提供的一种道路栅栏检测装置的框图；

图5是本申请实施例提供的一种电子设备的结构框图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

在对本申请实施例进行详细地解释说明之前，先对本申请实施例涉及的名词进行解释。

栅栏：一种由栅栏柱和横带组成的防护栏，通常被设立在城市道路的主路和辅路之间，用来规范交通秩序，减少机动车、非机动车和行人间的相关干扰。道路上的栅栏一般为金属栅栏，高度一般在0.5～2米之间。道路上的栅栏可以包括一段或多段栅栏，且相邻两段栅栏之间具有一定的间隙，其整体上呈直线分布，具有直线特征。请参考图1，图1是本申请实施例提供的一种道路上的栅栏示意图，如图1所示，栅栏整体呈直线分布。

环境点云：车辆所处环境中各个物体表面的点数据集合。车辆所处环境中一般包括地面以及地面上的障碍物，因此，环境点云一般包括障碍物点云和地面点云。障碍物点云是指车辆所处环境中的障碍物表面的点数据集合。地面点云点云是指车辆所处环境中的地面上的点数据集合。

栅格化投影：将点云投射在二维平面上，再对点云在二维平面上的映射点进行离散化的网格处理，以将点云的映射点划分成多个栅格。

接下来，对本申请实施例涉及的应用场景进行说明。

本申请实施例提供的道路栅栏检测方法应用于对道路上的栅栏进行检测，比如，对城市道路上的栅栏进行检测。作为一个示例，在自动驾驶场景中，当自动驾驶车辆在城市道路上行驶时，可以按照本申请实施例提供的方法对道路上的栅栏进行检测，以准确检测出辅路和主路之间的栅栏，避免发生碰撞。作为另一示例，在无人配送场景中，当无人配送车在城市道路行驶以进行物品配送时，也可以按照本申请实施例提供的方法对道路上的栅栏进行检测，避免发生碰撞。其中，该无人配送车可以应用配送快递或外卖等物品。

接下来，对本申请实施例涉及的实施环境进行介绍。

本申请实施例提供的栅栏检测方法应用于电子设备中，该电子设备可以安装在车辆中，以便在车辆行驶过程中，对车辆所处环境中的栅栏进行检测。该车辆可以为自动驾驶车辆或无人配送车等。该电子设备可以为车载终端、处理器、计算机或其他电子设备。另外，该车辆还安装有信息采集系统，用于采集车辆所处环境的环境点云。比如，该车辆安装有车载激光扫描系统，用于对车辆所处环境进行激光扫描，得到车辆的环境点云。或者，该车辆也可以安装有车载激光雷达扫描系统，用于采集车辆的环境点云。

接下来，对本申请实施例的道路栅栏检测方法进行详细说明。图2是本申请实施例提供的一种道路栅栏检测方法的流程图，该方法的执行主体可以为电子设备，该电子设备可以安装在车辆中，如图2所示，该方法包括如下步骤：

步骤201：从车辆采集的环境点云中提取出障碍物点云，障碍物点云中包括待检测的栅栏点云。

需要说明的是，本申请实施例提供的道路检测方法是为了检测出道路上的栅栏。道路上的栅栏一般呈直线分布，具有直线特征。而且，栅栏也属于车辆所处环境中的障碍物中的一种，因此，为了检测出障碍物中是否存在栅栏，需要先从车辆采集的环境点云中提取出障碍物点云，再对障碍物点云进一步进行检测，以检测障碍物点云中是否存在具有直线特征的栅栏点云。

车辆在行驶过程中，可以采集车辆所处环境中的环境点云。作为一个示例，车辆可以通过车载激光扫描系统对所处环境进行扫描，得到环境点云。作为另一示例，车辆可以通过车载激光雷达扫描系统对所处环境进行扫描，得到环境点云。另外，车辆可以实时采集环境点云，也可以周期性地采集环境点云，即每隔预设时长采集一次，本申请实施例对此不做限定。

需要说明的是，环境点云是指车辆所处环境中各个物体表面的点数据集合，且环境点云通常为三维点云，即环境点云中的点通常为三维坐标系中的三维点。车辆所处环境可以包括地面和障碍物等，障碍物可以包括其他车辆、栅栏、路边的植被或路面上的小石子等。当车辆所处环境存在地面和障碍物时，车辆采集的环境点云包括地面点云和障碍物点云。

由于车辆采集的环境点云中可能同时包括地面点云和障碍物点云，而在对道路上的栅栏进行检测时，需要单独对障碍物点云进行检测，因此需要先从环境点云中提取出障碍物点云。

作为一个示例，从车辆采集的环境点云中提取出障碍物点云的操作包括：对车辆采集的环境点云进行点云分割，得到地面点云和障碍物点云。

点云分割是指提取点云中不同物体的点云，以便对不同物体的点云单独进行处理，本质是对点云数据的分类。本申请实施例进行点云分割时采用的点云分割算法可以为RanSaC(Random Sample Consensus，随机抽样一致)算法、基于邻近信息的点云分割算法、基于点云频率的点云分割算法或最小分割算法等。

另外，为了进一步保证栅栏检测的准确度，本申请实施例对点云分割的需求可以包括：障碍物点云中包括绝大部分的栅栏点云，漏检少，同时减少误检。作为一个示例，优先较少误检，再减少漏检。

步骤202：对障碍物点云进行栅格化投影，得到二维映射网格图，在二维映射网格图中，障碍物点云的映射点被划分成多个障碍物点云栅格。

需要说明的是，障碍物点云栅格是指包含障碍物点云的映射点的栅格。通过对障碍物点云进行栅格化投影，可以将障碍物点云的映射点划分到多个栅格内，这多个栅格即可称为障碍物点云栅格。

其中，对障碍物点云进行栅格化投影，得到二维映射网格图的操作可以包括如下步骤：

1)将障碍物点云投射在指定二维平面上，得到二维映射图，二维映射图包括障碍物点云在指定二维平面上的映射点。

其中，该指定二维平面为垂直于高度的二维平面，高度是指环境点云所在三维坐标系中的Z轴。比如，环境点云的三维坐标系为以O为原点的XYZ坐标系，具有两两垂直的X轴、Y轴和Z轴，指定二维平面为该三维坐标系中垂直于Z轴的XOY平面。

需要说明的是，将障碍物点云投射在指定二维平面上本质是对障碍物点云进行坐标转换，以将障碍物点云从环境点云坐标系转换到车体坐标系，再从车体坐标系转换到图像坐标系中。

进一步地，在将障碍物点云投射在指定二维平面上，得到二维映射图之后，还可以继续根据二维映射图和障碍物点云中各点的高度，确定障碍物点云的二维高度图。其中，二维高度图包括二维映射图中各个映射点所对应的障碍物点云的高度信息。

2)对障碍物点云在指定二维平面上的映射点进行离散化的网格处理，得到二维映射网格图。

对障碍物点云在指定二维平面上的映射点进行离散化的网格处理，也即是，将二维映射图中的映射点划分成多个栅格，这多个栅格即为障碍物点云栅格。

进一步地，在对障碍物点云在指定二维平面上的映射点进行离散化的网格处理之前，还可以先对障碍物点云在指定二维平面上的映射点进行过滤，再对过滤后的映射点进行网格化处理，得到二维映射网格图。

作为一个示例，基于障碍物点云中各点的高度信息，对障碍物点云在指定二维平面上的映射点进行过滤。比如，可以将高度小于第一阈值和/或高度大于第二阈值的障碍物点云在指定二维平面上的映射点进行删除，以过滤掉不太可能属于栅栏的映射点。其中，第一阈值和第二阈值可以预先设置，且第二阈值大于第一阈值。

在一些实施例中，为了保证能够通过在一个尺寸不大的二维映射网格图中完整展示实际场景中障碍物点云在二维平面上的映射点，障碍物点云在指定二维平面上的映射点与其在二维映射网格图上的映射点的坐标还可以等比例地进行缩小。

示例地，在对障碍物点云在指定二维平面上的映射点进行网格化处理的过程中，可以先对障碍物点云在指定二维平面上的映射点的坐标进行等比缩小，再对等比例缩小后的坐标点进行网格化处理。或者，直接按照预设栅格大小，对障碍物点云在指定二维平面上的映射点的坐标进行等比例缩小，得到二维映射网格图。

需要说明的是，该二维映射网格图中栅格的大小可以根据实际场景中栅栏的宽度确定，以使最终的栅栏的宽度在二维映射网格图中表现为s个栅格的大小。其中，s可以预先设置，比如s可以为1或2等。

步骤203：对障碍物点云栅格进行与栅栏相关的特征提取，得到多个栅栏栅格。

由于栅栏一般呈直线分布，具有直线特征，因此与栅栏相关的特征一般为从障碍物点云栅格中提取出的直线特征，可以通过对障碍物点云栅格进行直线检测得到。

作为一个示例，对障碍物点云栅格进行与栅栏相关的特征提取，得到多个栅栏栅格的操作可以包括如下两种实现方式：

第一种实现方式：对障碍物点云栅格进行直线检测，得到至少一个第二线段，将至少一个第二线段上的障碍物点云栅格作为候选栅栏栅格，根据候选栅栏栅格，确定多个栅栏栅格。

由于栅栏点云在指定二维平面上的投影通常表现为围绕直线分布的映射点，具有直线特征，因此可以先对障碍物点云栅格进行直线检测，如果检测到至少一个第二线段，则说明障碍物点云栅格中存在呈直线分布的栅格，且呈直线分布的栅格可能是包含栅栏点云的栅栏栅格，因而在这种情况下，可以先将至少一个第二线段上的障碍物点云栅格作为候选栅栏栅格，再从候选栅栏栅格中确定出最终的栅栏栅格。

作为一个示例，可以采用一种直线检测算法来对障碍物点云栅格进行直线检测，得到至少一个第二线段。其中，该直线检测算法可以为LSD(Line Segment Detector，直线段检测)算法或概率霍夫变换算法等。LSD算法检测速度快，且无需调参就可以得到较好的检测效果，算法鲁棒性较强。概率霍夫变换算法对断点和遮挡具有一定的适应性。

作为另一示例，可以先采用多种直线检测算法，分别对障碍物点云栅格进行直线检测，得到每种直线检测算法对应的检测结果，再根据这多种直线检测算法分别对应的检测结果，综合确定检测出的至少一个第二线段，如此可以保证检测精度。其中，每种直线检测算法对应的检测结果均包括至少一个线段，可以将多种直线检测算法对应的检测结果中相同的线段确定为该至少一个第二线段。比如，采用两种不同的直线检测算法，分别对障碍物点云栅格进行直线检测，在保证检测精度的同时，控制计算量。其中，这两种不同的直线检测算法可以LSD算法和概率霍夫变换算法。

其中，根据候选栅栏栅格，确定多个栅栏栅格的操作可以包括如下步骤：

1)将候选栅栏栅格作为聚类核，对剩余栅格进行聚类，得到至少一个聚类簇，剩余栅格包括多个障碍物点云栅格中除候选栅栏栅格之外的其他栅格。

需要说明的是，将候选栅栏栅格作为聚类核，对剩余栅格进行聚类，也即是，将剩余栅格中与候选栅栏栅格相近的栅格也聚类为候选栅栏栅格，从而提高栅栏检测的准确性。

作为一个示例，可以将候选栅栏栅格作为聚类核，按照距离规则和共线规则对剩余栅格进行聚类。其中，距离规则是指与第二线段的任一端点的距离小于第一距离阈值。共线规则是指与第二线段之间的距离小于第二距离阈值，即与第二选段近似共线。第一距离阈值和第二距离阈值可以预先设置。

比如，对于至少一个第二线段中目标线段，从剩余栅格中确定目标栅格，将目标栅格以及目标线段上的候选栅栏栅格，确定为一个聚类簇。如此，可以得到与至少一个第二线段分别对应的至少一个聚类簇。其中，目标栅格是指与目标线段的任一端点上的候选栅栏栅格之间的距离小于第一距离阈值，且与目标线段之间的距离小于第二距离阈值的栅格，目标线段为至少一个第二线段中的任一线段。

2)将至少一个聚类簇包含的栅格，作为多个栅栏栅格。

也即是，对于该至少一个聚类簇中的每个聚类簇来说，可以将每个聚类簇中包含的栅格均作为栅栏栅格，从而从障碍物点云栅格中检测出栅栏栅格。

第二种实现方式：对多个障碍物点云栅格之间的断点栅格进行连接，对连接后的障碍物点云栅格进行直线检测，得到至少一个第二线段，将至少一个第二线段上的障碍物栅格作为候选栅栏栅格，根据候选栅栏栅格，确定多个栅栏栅格。

需要说明的是，栅栏点云在指定二维平面上的投影通常表现为围绕直线分布的离散的映射点，属于同一个栅栏上的映射点总体上呈线性，但是，由于环境点云具有离车身越远越稀疏的特性，同时由于不同栅栏段之间有空隙，同一栅栏段本身也可能有间隙，加剧了栅栏点云的稀疏性，这样将导致栅栏点云在指定二维平面上的映射点可能不是连续的，进而导致栅栏栅格不是连续的，从而不能很好地检测出栅栏。

本申请实施例，为了保证能够从障碍物点云中准确地检测栅栏点云，可以先对多个障碍物点云栅格之间的断点栅格进行连接，使得连接后的障碍物点云栅格整体上呈连续性分布，再对连接后的障碍物点云栅格进行直线检测。

在一种可能的实现方式中，可以通过对多个障碍物点云栅格进行形态学操作，来实现对多个障碍物点云栅格之间的断点栅格进行连接，从而保证第一栅格的连续性。另外，通过形态学操作还可以删除障碍物点云栅格中的噪声栅格，或者消除离栅栏较近的其他障碍物栅格，提高栅栏检测的准确性。

需要说明的是，在图像处理技术中，有一些的操作会对图像的形态发生改变，这些操作一般称之为形态学操作。形态学操作一般应用于图像去噪、图像增强、物体背景分割和物体形态量化等场景中。

作为一个示例，该形态学操作可以包括膨胀处理，或者包括膨胀处理和腐蚀处理。通过对多个障碍物点云栅格进行膨胀处理，可以对多个障碍物点云栅格进行膨胀，使得多个障碍物点云栅格外围的突出点向外延伸，从而将断开的障碍物点云栅格之间的断点连接起来，形成连续性的栅格。通过对多个障碍物点云栅格进行腐蚀处理，可以对多个障碍物点云栅格的边缘进行腐蚀，从而可以消除障碍物点云栅格的边缘噪声以及离栅栏栅格较近的其他障碍物。

作为一个示例，可以先对多个障碍物点云栅格进行膨胀处理，再对膨胀处理后的障碍物点云栅格进行腐蚀处理，如此，可以先将多个障碍物点云栅格之间的断点连接起来，再消除障碍物点云栅格的边缘噪声，得到呈连续性分布且噪声较少的障碍物点云栅格。

需要说明的是，对连接后的障碍物点云栅格进行直线检测，得到至少一个第二线段，将至少一个第二线段上的障碍物栅格作为候选栅栏栅格，根据候选栅栏栅格，确定多个栅栏栅格的操作，与第一种实现方式中对障碍物点云栅格进行直线检测，得到至少一个第二线段，将至少一个第二线段上的障碍物点云栅格作为候选栅栏栅格，根据候选栅栏栅格，确定多个栅栏栅格的操作同理，具体实现过程可以参考上述第一种实现方式的相关描述，本申请实施例在此不再赘述。

在另一实施例中，在对障碍物点云栅格进行直线检测之后，若未检测出直线段，则可以确定障碍物点云中不存在栅栏点云，进而可以确定车辆当前所处环境中不存在栅栏。

步骤204：对多个栅栏栅格中障碍物点云进行直线拟合，得到至少一个第一线段。

其中，对多个栅栏栅格中障碍物点云进行直线拟合所采用的直线拟合算法可以为RanSaC(Random Sample Consensus，随机抽样一致)算法，也可以为其他直线拟合算法，本申请实施例对此不做限定。

作为一个示例，对多个栅栏栅格中障碍物点云进行直线拟合的操作可以包括：确定多个栅栏栅格中障碍物点云的二维坐标，对多个栅栏栅格中障碍物点云的二维坐标进行直线拟合，得到至少一个第一线段。其中，二维坐标可以为X轴坐标和Y轴坐标。

也即是，对于多个栅栏栅格内的映射点，可以先找到该映射点在障碍物点云中的原始点，再确定原始点的X、Y坐标，并对原始点的X、Y坐标进行直线拟合，从而拟合得到的至少一个第一线段。

进一步地，还可以先对多个栅栏栅格中的障碍物点云进行过滤，再确定过滤后的障碍物点云的二维坐标，对过滤后的障碍物点云的二维坐标进行直线拟合，得到至少一个第一线段。

作为一个示例，可以基于多个栅栏栅格中的障碍物点云的高度信息和/密度信息，对多个栅栏栅格中的障碍物点云进行过滤。其中，高度信息可以包括高度差、均值和方差等信息，密度信息可以根据每个栅栏栅格里包括的障碍物点云的数量确定。

步骤205：基于至少一个第一线段，检测出障碍物点云中的栅栏点云。

作为一个示例，基于至少一个第一线段，检测出障碍物点云中的栅栏点云的操作可以包括以下两种实现方式：

第一种实现方式：将该至少一个第一线段进行合并，将合并后的第一线段对应的障碍物点云确定为栅栏点云。

第二种实现方式：基于该至少一个第一线段中每个第一线段的线段角度和线段长度，对该至少一个第一线段进行过滤；对过滤后的第一线段进行合并，将合并后的第一线段对应的障碍物点云确定为栅栏点云。

在一些实施例中，可以基于至少一个第一线段中每个第一线段的线段角度和线段长度，从至少一个第一线段中确定线段角度不处于参考角度范围或线段长度小于长度阈值的第一线段，然后将确定的第一线段从至少一个第一线段中删除，得到过滤后的第一线段。如此，可以过滤掉属于栅栏的主线段，并将不属于栅栏的其他线段删除，提高了栅栏检测的准确度。

在另一实施例中，还可以将合并后的第二线段作为所处环境中栅栏的最终表示，便于用户根据合并后的第二线段，快速识别所处环境中的栅栏。

本申请实施例中，通过从车辆采集的环境点云中提取出障碍物点云，并对障碍物点云进行栅格化投影，可以将障碍物点云在二维平面上的映射点划分成多个栅格，然后对这多个障碍物点云栅格进行与栅栏相关的特征提取，即可得到具有栅栏相关特征的多个栅栏栅格，之后，再对这多个栅栏栅格中的障碍物点云进行直线拟合，即可根据栅栏直线分布的特点，基于拟合得到的至少一个线段，检测出障碍物点云中的栅栏点云，从而实现了对车辆所处环境中栅栏的检测。

图3是本申请实施例提供的另一种道路栅栏检测方法的流程图，该方法的执行主体可以为电子设备，该电子设备可以安装在车辆中，如图3所示，该方法包括如下步骤：

步骤301：对车辆采集的环境点云进行点云分割，得到障碍物点云和地面点云。

由于车辆采集的环境点云中可能同时包括地面点云和障碍物点云，而在对道路上的栅栏进行检测时，需要单独对障碍物点云进行检测，因此需要对环境点云中的障碍物点云和地面点云进行分割。

点云分割是指提取点云中不同物体的点云，以便对不同物体的点云单独进行处理，本质是对点云数据的分类。本申请实施例进行点云分割时采用的点云分割算法可以为RanSaC算法、基于邻近信息的点云分割算法、基于点云频率的点云分割算法或最小分割算法等。

步骤302：对障碍物点云和地面点云进行栅格化投影，得到二维映射网格图，在二维映射网格图中，障碍物点云的映射点被划分成多个障碍物点云栅格，地面点云的映射点被划分成多个地面点云栅格。

需要说明的是，障碍物点云栅格是指包含障碍物点云的映射点的栅格，地面点云栅格是指包含地面点云的映射点的栅格。通过对障碍物点云进行栅格化投影，可以将障碍物点云的映射点划分到多个栅格内，得到多个障碍物点云栅格。通过对地面点云进行栅格化投影，可以将地面点云的映射点划分到多个栅格内，得到多个地面点云栅格。

其中，对障碍物点云和地面点云进行栅格化投影，得到二维映射网格图的操作可以包括：将障碍物点云和地面点云分别投射在指定二维平面上，得到二维映射图，二维映射图包括障碍物点云和地面点云在指定二维平面上的映射点。然后，对障碍物点云和地面点云在指定二维平面上的映射点进行离散化的网格处理，得到二维映射网格图。

还需要说明的是，对障碍物点云和地面点云进行栅格化投影的操作与上述图2实施例的步骤202中对障碍物点云进行栅格化投影的操作同理，具体实现过程可以参考步骤202的相关描述，本申请实施例在此不再赘述。

步骤303：对多个障碍物点云栅格之间的断点栅格进行连接，对连接后的障碍物点云栅格进行直线检测，得到至少一个第二线段，将至少一个第二线段上的障碍物点云栅格作为候选栅栏栅格。

步骤304：将候选栅栏栅格作为聚类核，对剩余栅格和多个地面点云栅格进行聚类，得到至少一个聚类簇，将至少一个聚类簇包含的栅格作为多个栅栏栅格，剩余栅格包括多个障碍物点云栅格中除候选栅栏栅格之外的其他栅格。

在一些情况下，在对环境点云进行分割时，可能不能完全的将障碍物点云和地面点云分割开来，地面点云中也可能存在部分障碍物点云，本申请实施例中为了也能够从地面点云中识别出栅栏点云，不仅可以将候选栅栏栅格作为聚类核，对多个障碍物点云栅格中除候选栅栏栅格之外的其他栅格进行聚类，还可以对多个地面点云栅格进行聚类，以将多个地面点云栅格中与候选栅栏栅格相近的栅格也聚类为候选栅栏栅格，从而提高栅栏检测的准确性。

作为一个示例，将候选栅栏栅格作为聚类核，对剩余栅格和多个地面点云栅格进行聚类的操作包括：对于至少一个第二线段中目标线段，从剩余栅格和多个地面点云栅格中确定目标栅格，目标栅格是指与目标线段的任一端点上的候选栅栏栅格之间的距离小于第一距离阈值，且与目标线段之间的距离小于第二距离阈值的栅格，目标线段为至少一个第二线段中的任一线段；将目标栅格以及目标线段上的候选栅栏栅格，确定为一个聚类簇。

步骤305：对多个栅栏栅格中障碍物点云进行直线拟合，得到至少一个第一线段。

步骤306：基于至少一个第一线段，检测出障碍物点云中的栅栏点云。

需要说明的是，步骤305-306与上述图2实施例中的步骤204-205同理，具体实现过程可以参考上述步骤204-205的相关描述，本申请实施例在此不再赘述。

本申请实施例中，通过对车辆采集的环境点云进行点云分割，得到障碍物点云和地面点云，并对障碍物点云和地面点云进行栅格化投影，可以将障碍物点云和地面点云在二维平面上的映射点分别划分成多个障碍物点云栅格和地面点云栅格，然后对多个障碍物点云栅格之间的断点栅格进行连接，并对连接后的障碍物点云栅格进行直线检测，将检测到的至少一个第二线段上的障碍物点云栅格作为候选栅栏栅格，根据候选栅栏栅格，确定多个栅栏栅格，之后，再对这多个栅栏栅格中的障碍物点云进行直线拟合，即可根据栅栏直线分布的特点，基于拟合得到的至少一个线段，检测出障碍物点云中的栅栏点云，从而实现了对车辆所处环境中栅栏的检测。另外，通过将候选栅栏栅格作为聚类核，对多个障碍物点云栅格中除候选栅栏栅格之外的其他栅格以及多个地面点云栅格进行聚类，将聚类得到的至少一个聚类簇包含的栅格，作为多个栅栏栅格，可以将剩余障碍物点云栅格以及地面点云栅格中与候选栅栏栅格相近的栅格也聚类为候选栅栏栅格，提高了栅栏检测的准确性。

图4是本申请实施例提供的一种栅栏检测装置的框图，如图4所示，该装置包括：第一提取模块401，投影模块402，第二提取模块403、直线拟合模块404和检测模块405。

第一提取模块401，用于从车辆采集的环境点云中提取出障碍物点云，该障碍物点云中包括待检测的栅栏点云；

投影模块402，用于对该障碍物点云进行栅格化投影，得到二维映射网格图，在该二维映射网格图中，该障碍物点云的映射点被划分成多个障碍物点云栅格；

第二提取模块403，用于对该多个障碍物点云栅格进行与栅栏相关的特征提取，得到多个栅栏栅格；

直线拟合模块404，用于对该多个栅栏栅格中障碍物点云进行直线拟合，得到至少一个第一线段；

检测模块405，用于基于该至少一个第一线段，检测出该障碍物点云中的栅栏点云。

可选地，该投影模块402包括：

投射单元，用于将该障碍物点云投射在指定二维平面上，得到二维映射图，该二维映射图包括该障碍物点云在该指定二维平面上的映射点；

网格处理单元，用于对该障碍物点云在该指定二维平面上的映射点进行离散化的网格处理，得到该二维映射网格图。

可选地，该投影模块402还包括：

第一过滤单元，用于根据该障碍物点云中各点的高度信息，对该障碍物点云在该指定二维平面上的映射点进行过滤；

该网格处理单元，用于对过滤后的映射点进行离散化的网格处理，得到该二维映射网格图。

可选地，该第二提取模块403包括：

断点连接单元，用于对该多个障碍物点云栅格之间的断点栅格进行连接；

直线检测单元，用于对连接后的障碍物点云栅格进行直线检测，得到至少一个第二线段；

第一确定单元，用于将该至少一个第二线段上的障碍物点云栅格作为候选栅栏栅格，根据该候选栅栏栅格，确定该多个栅栏栅格。

可选地，该确定单元用于：

将该候选栅栏栅格作为聚类核，对剩余栅格进行聚类，得到至少一个聚类簇，该剩余栅格包括该多个障碍物点云栅格中除该候选栅栏栅格之外的其他栅格；

将该至少一个聚类簇包含的栅格，作为该多个栅栏栅格。

可选地，该确定单元用于：

对于该至少一个第二线段中目标线段，从该剩余栅格中确定目标栅格，该目标栅格是指与该目标线段的任一端点上的候选栅栏栅格之间的距离小于第一距离阈值，且与该目标线段之间的距离小于第二距离阈值的栅格，该目标线段为该至少一个第二线段中的任一线段；

将该目标栅格以及该目标线段上的候选栅栏栅格，确定为一个聚类簇。

可选地，该第一提取模块401，用于对车辆采集的环境点云进行分割，得到障碍物点云和地面点云；

该投影模块402，用于对该障碍物点云和地面点云进行栅格化投影，得到该二维映射网格图，在该二维映射网格图中，该障碍物点云的映射点被划分成该多个障碍物点云栅格，该地面点云的映射点被划分成多个地面点云栅格；

该确定单元，用于将候选栅栏栅格作为聚类核，对剩余栅格和多个地面点云栅格进行聚类，得到至少一个聚类簇。

可选地，该直线拟合模块404用于：

确定该多个栅栏栅格中障碍物点云的二维坐标；

对该多个栅栏栅格中障碍物点云的二维坐标进行直线拟合，得到该至少一个第一线段。

可选地，该检测模块405包括：

第二过滤单元，用于基于该至少一个第一线段中每个第一线段的线段角度和线段长度，对该至少一个第一线段进行过滤；

第二确定单元，用于对过滤后的第一线段进行合并，将合并后的第一线段对应的障碍物点云，确定为栅栏点云。

可选地，该第二过滤单元用于：

基于该至少一个一线段中每个第一线段的线段角度和线段长度，从该至少一个第一线段中确定线段角度不处于参考角度范围或线段长度小于长度阈值的第一线段；

将确定的第一线段从该至少一个第一线段中删除，得到该过滤后的第二线段。

本申请实施例中，通过从车辆采集的环境点云中提取出障碍物点云，并对障碍物点云进行栅格化投影，可以将障碍物点云在二维平面上的映射点划分成多个栅格，然后对这多个障碍物点云栅格进行与栅栏相关的特征提取，即可得到具有栅栏相关特征的多个栅栏栅格，之后，再对这多个栅栏栅格中的障碍物点云进行直线拟合，即可根据栅栏直线分布的特点，基于拟合得到的至少一个线段，检测出障碍物点云中的栅栏点云，从而实现了对车辆所处环境中栅栏的检测。

需要说明的是：上述实施例提供的栅栏检测装置在进行栅栏检测时，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，即将装置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，上述实施例提供的栅栏检测装置与栅栏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5是本申请实施例提供的一种电子设备500的结构框图。该电子设备500可以是处理器、车载终端、服务器等电子设备。该电子设备500可用于实施上述实施例中提供的栅栏检测方法。

通常，电子设备500包括有：处理器501和存储器502。

处理器501可以包括一个或多个处理核心。处理器501可以采用DSP(DigitalSignal 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501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 Processing Unit，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501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501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502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502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502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501所执行以实现本申请中方法实施例提供的栅栏检测方法。

在一些实施例中，电子设备500还可选包括有：外围设备接口503和至少一个外围设备。处理器501、存储器502和外围设备接口503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503相连。具体地，外围设备可以包括：显示屏504、音频电路505、通信接口506和电源507中的至少一种。

本领域技术人员可以理解，图5中示出的结构并不构成对电子设备500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。

在示例性的实施例中，还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，所述指令被处理器执行时实现上述栅栏检测方法。

在示例性实施例中，还提供了一种计算机程序产品，当该计算机程序产品被执行时，其用于实现上述栅栏检测方法。

应当理解的是，在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。

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。

以上所述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (13)

1.一种道路栅栏检测方法，其特征在于，所述方法包括：

从车辆采集的环境点云中提取出障碍物点云，所述障碍物点云中包括待检测的栅栏点云；

对所述障碍物点云进行栅格化投影，得到二维映射网格图，在所述二维映射网格图中，所述障碍物点云的映射点被划分成多个障碍物点云栅格；

对所述多个障碍物点云栅格进行与栅栏相关的特征提取，得到多个栅栏栅格；

对所述多个栅栏栅格中障碍物点云进行直线拟合，得到至少一个第一线段，基于所述至少一个第一线段，检测出所述障碍物点云中的栅栏点云。

2.根据权利要求1所述的道路栅栏检测方法，其特征在于，所述对所述障碍物点云进行栅格化投影，得到二维映射网格图，包括：

将所述障碍物点云投射在指定二维平面上，得到二维映射图，所述二维映射图包括所述障碍物点云在所述指定二维平面上的映射点；

对所述障碍物点云在所述指定二维平面上的映射点进行离散化的网格处理，得到所述二维映射网格图。

3.根据权利要求2所述的道路栅栏检测方法，其特征在于，所述将所述障碍物点云投射在指定二维平面上之后，还包括：

根据所述障碍物点云中各点的高度信息，对所述障碍物点云在所述指定二维平面上的映射点进行过滤；

所述对所述障碍物点云在所述指定二维平面上的映射点进行离散化的网格处理，包括：

对过滤后的映射点进行离散化的网格处理，得到所述二维映射网格图。

4.根据权利要求1所述的道路栅栏检测方法，其特征在于，所述对所述多个障碍物点云栅格进行与栅栏相关的特征提取，得到多个栅栏栅格，包括：

对所述多个障碍物点云栅格之间的断点栅格进行连接；

对连接后的障碍物点云栅格进行直线检测，得到至少一个第二线段；

将所述至少一个第二线段上的障碍物点云栅格作为候选栅栏栅格，根据所述候选栅栏栅格，确定所述多个栅栏栅格。

5.根据权利要求4所述的道路栅栏检测方法，其特征在于，所述根据所述候选栅栏栅格，确定所述多个栅栏栅格，包括：

将所述候选栅栏栅格作为聚类核，对剩余栅格进行聚类，得到至少一个聚类簇，所述剩余栅格是指所述多个障碍物点云栅格中除所述候选栅栏栅格之外的其他栅格；

将所述至少一个聚类簇包含的栅格，作为所述多个栅栏栅格。

6.根据权利要求5所述的道路栅栏检测方法，其特征在于，所述将所述候选栅栏栅格作为聚类核，对剩余栅格进行聚类，包括：

对于所述至少一个第二线段中目标线段，从所述剩余栅格中确定目标栅格，所述目标栅格是指与所述目标线段的任一端点上的候选栅栏栅格之间的距离小于第一距离阈值，且与所述目标线段之间的距离小于第二距离阈值的栅格，所述目标线段为所述至少一个第二线段中的任一线段；

将所述目标栅格以及所述目标线段上的候选栅栏栅格，确定为一个聚类簇。

7.根据权利要求5所述的道路栅栏检测方法，其特征在于，所述从车辆采集的环境点云中提取出障碍物点云，包括：

对车辆采集的环境点云进行点云分割，得到障碍物点云和地面点云；

所述对所述障碍物点云进行栅格化投影，得到二维映射网格图，包括：

对所述障碍物点云和地面点云进行栅格化投影，得到所述二维映射网格图，在所述二维映射网格图中，所述障碍物点云的映射点被划分成所述多个障碍物点云栅格，所述地面点云的映射点被划分成多个地面点云栅格；

所述将所述候选栅栏栅格作为聚类核，对剩余栅格进行聚类，得到至少一个聚类簇，包括：

将所述候选栅栏栅格作为聚类核，对所述剩余栅格和所述多个地面点云栅格进行聚类，得到至少一个聚类簇。

8.根据权利要求1所述的道路栅栏检测方法，其特征在于，所述对所述多个栅栏栅格中障碍物点云进行直线拟合，得到至少一个第一线段，包括：

确定所述多个栅栏栅格中障碍物点云的二维坐标；

对所述多个栅栏栅格中障碍物点云的二维坐标进行直线拟合，得到所述至少一个第一线段。

9.根据权利要求1所述的道路栅栏检测方法，其特征在于，所述基于所述至少一个第一线段，检测出所述障碍物点云中的栅栏点云，包括：

基于所述至少一个第一线段中每个第一线段的线段角度和线段长度，对所述至少一个第一线段进行过滤；

对过滤后的第一线段进行合并，将合并后的第一线段对应的障碍物点云，确定为栅栏点云。

10.根据权利要求9所述的道路栅栏检测方法，其特征在于，所述基于所述至少一个第一线段中每个第一线段的线段角度和线段长度，对所述至少一个第一线段进行过滤，包括：

基于所述至少一个一线段中每个第一线段的线段角度和线段长度，从所述至少一个第一线段中确定线段角度不处于参考角度范围或线段长度小于长度阈值的第一线段；

将确定的第一线段从所述至少一个第一线段中删除，得到所述过滤后的第二线段。

11.一种道路栅栏检测装置，其特征在于，所述装置包括：

提取模块，用于从车辆采集的环境点云中提取出障碍物点云，所述障碍物点云中包括待检测的栅栏点云；

投影模块，用于对所述障碍物点云进行栅格化投影，得到二维映射网格图，在所述二维映射网格图中，所述障碍物点云的映射点被划分成多个障碍物点云栅格；

第二提取模块，用于对所述多个障碍物点云栅格进行与栅栏相关的特征提取，得到多个栅栏栅格；

直线拟合模块，用于对所述多个栅栏栅格中障碍物点云进行直线拟合，得到至少一个第一线段；

检测模块，用于基于所述至少一个第一线段，检测出所述障碍物点云中的栅栏点云。

12.一种电子设备，其特征在于，包括：

一个或多个处理器；

用于存储所述一个或多个处理器可执行指令的一个或多个存储器；

其中，所述一个或多个处理器被配置为执行权利要求1-10任一项所述的道路栅栏检测方法。

13.一种非临时性计算机可读存储介质，其特征在于，当所述存储介质中的指令由设备的处理器执行时，使得设备能够执行权利要求1-10任一项所述的道路栅栏检测方法。

Images