CN111832665B - 栅栏检测方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种栅栏检测方法、装置、计算机设备和存储介质，其中，该栅栏检测方法包括：获取静止状态的雷达点航迹，作为初始样本；基于车辆的横摆角速度获取搜索密度，对初始样本中最后一个密度直达的样本点进行遍历扩展搜索；进行聚类，得到临时簇；进行拟合，得到拟合直线；基于所述拟合直线进行二次聚类，得到完整的样本簇，标记为栅栏。上述栅栏检测方法、装置、计算机设备和存储介质，对传统的DBSCAN算法进行了改进，对DBSCAN算法的搜索密度与搜索方式进行动态的修正，优化了密度不均导致的聚类缺陷问题，使栅栏检测更加准确。

Description

栅栏检测方法、装置、计算机设备和存储介质

技术领域

本申请涉及智能驾驶技术领域，特别是涉及一种栅栏检测方法、装置、计算机设备和存储介质。

背景技术

在智能辅助驾驶领域中，道路栅栏检测是环境感知技术的重要方面。快速、准确确定栅栏，有效的区分栅栏内和栅栏外的目标，可以为智能辅助驾驶系统控制决策提供重要依据。目前栅栏检测多使用激光雷达，而毫米波雷达具有不易受外界环境条件影响、抗干扰较强、快速处理、价格低的特点，也满足检测栅栏的要求。

传统的栅栏检测中一般采用DBSCAN算法，但是传统的DBSCAN算法聚类的搜索密度与搜索方式保持不变，密度分布不均的数据无法正确的聚类在一起，导致聚类出现缺陷，影响栅栏检测的准确性。

发明内容

本申请实施例提供了一种栅栏检测方法、装置、系统、计算机设备和计算机可读存储介质，以至少解决相关技术中传统的DBSCAN算法聚类存在缺陷，影响栅栏检测的准确性的问题。

第一方面，本申请实施例提供了一种栅栏检测方法，应用于车辆的智能驾驶系统，包括：

获取静止状态的雷达点航迹，作为初始样本；

基于车辆的横摆角速度获取搜索密度，基于所述搜索密度对初始样本中最后一个密度直达的样本点进行遍历扩展搜索；

基于所述遍历扩展搜索的结果对初始样本进行DBSCAN聚类，得到临时簇；

对所述临时簇的样本点进行拟合，得到拟合直线；

基于所述拟合直线进行二次聚类，得到完整的样本簇，标记为栅栏。

在其中一些实施例中，所述获取静止状态的雷达点航迹，作为初始样本包括：

获取毫米波雷达探测得到的静止状态的雷达点航迹，作为初始样本。

在其中一些实施例中，所述基于所述拟合直线进行二次聚类，得到完整的样本簇，标记为栅栏包括：

基于所述拟合直线由密度可达关系导出最大密度相连的样本集合，进行直线拟合，得到完整的样本簇，标记为栅栏；

和/或；

对所述拟合直线内最后一个被聚类的样本点预设范围内的样本点进行拟合，得到完整的样本簇，标记为栅栏。

在其中一些实施例中，所述对所述临时簇的样本点进行拟合，得到拟合直线包括：

采用主成分分析法对所述临时簇的样本点进行拟合，得到拟合直线。

在其中一些实施例中，所述采用主成分分析法对所述临时簇的样本点进行拟合，得到拟合直线包括：

基于所述样本点的坐标向量得到所述样本点的单位法向量；

基于所述样本点的单位法向量得到所述拟合直线的方程的斜率以及常数；

基于所述拟合直线的方程的斜率以及常数得到所述拟合直线。

在其中一些实施例中，所述对所述临时簇的样本点进行拟合，得到拟合直线之前还包括：

检查所述临时簇的样本点数量是否满足预设数量；

若满足预设数量，则进行拟合；

若不满足预设数量，则继续进行聚类。

在其中一些实施例中，所述对所述临时簇的样本点进行拟合，得到拟合直线还包括：

若所述临时簇的样本点不满足所述拟合直线的误触门限，则将该样本点剔除。

第二方面，本申请实施例提供了一种栅栏检测装置，包括：

样本获取模块，用于获取静止状态的雷达点航迹，作为初始样本；

搜索模块，用于基于车辆的横摆角速度获取搜索密度，基于所述搜索密度对初始样本中最后一个密度直达的样本点进行遍历扩展搜索；

聚类模块，用于基于所述遍历扩展搜索的结果对初始样本进行DBSCAN聚类，得到临时簇；

拟合模块，用于对所述临时簇的样本点进行拟合，得到拟合直线；

标记模块，用于基于所述拟合直线进行二次聚类，得到完整的样本簇，标记为栅栏。

第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的栅栏检测方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的栅栏检测方法。

相比于相关技术，本申请实施例提供的栅栏检测方法、装置、计算机设备和存储介质，通过获取静止状态的雷达点航迹，作为初始样本；基于车辆的横摆角速度获取搜索密度，基于所述搜索密度对初始样本中最后一个密度直达的样本点进行遍历扩展搜索；基于所述遍历扩展搜索的结果对初始样本进行DBSCAN聚类，得到临时簇；对所述临时簇的样本点进行拟合，得到拟合直线；基于所述拟合直线进行二次聚类，得到完整的样本簇，标记为栅栏，对传统的DBSCAN算法进行了改进，对DBSCAN算法的搜索密度与搜索方式进行动态的修正，优化了密度不均导致的聚类缺陷问题，使栅栏检测更加准确。

本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本发明一实施例的栅栏检测方法的流程示意图；

图2为本发明一实施例的栅栏检测方法的DBSCAN算法的搜索示意图；

图3为本发明一实施例的栅栏检测方法的样本点拟合的示意图；

图4为本发明一实施例的栅栏检测方法的雷达安装位置示意图；

图5为本发明另一实施例的栅栏检测方法的流程示意图；

图6为本发明一实施例的栅栏检测装置的结构框图；

图7为本申请实施例的计算机设备的硬件结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。

在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。

除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块（单元）的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“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。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。

本申请中描述的各种技术可用于车辆的智能驾驶系统中，通过雷达对道路情况进行检测，并对道路上的栅栏进行识别，为智能辅助驾驶系统控制决策提供了环境依据。

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。

请参阅图1，图1为本发明一实施例的栅栏检测方法的流程示意图。

在本实施例中，栅栏检测方法包括：

S101，获取静止状态的雷达点航迹，作为初始样本。

示例性地，雷达点航迹可以为激光雷达探测得到的静止状态的航迹数据，也可以为毫米波雷达探测得到的静止状态的航迹数据。

S102，基于车辆的横摆角速度获取搜索密度，基于搜索密度对初始样本中最后一个密度直达的样本点进行遍历扩展搜索。

可以理解的，车辆不同的运动状态会导致搜索方向的倾斜程度不同，数据搜索的范围与车辆的横摆角速度yawrate相关。传统的DBSCAN聚类算法中，大部分时间都用在搜索操作上，传统的DBSCAN聚类算法的搜索是对每个密度直达的样本点进行遍历扩展搜索，在本实施例中，样本点分布规律，不需要对每一个密度直达的样本点进行遍历扩展搜索，只需对最后一个密度直达的样本点进行遍历扩展搜索，可以大大缩小聚类搜索时间，有效提高数据聚类的速度。

S103，基于遍历扩展搜索的结果对初始样本进行DBSCAN聚类，得到临时簇。

在本实施例中，对初始样本中最后一个密度直达的样本点进行遍历扩展搜索，得到所有密度可达的点，形成临时簇。

S104，对临时簇的样本点进行拟合，得到拟合直线。

可以理解的，为了解决聚类得到的样本点密度不均和连续分布问题，对样本点进行拟合，得到拟合直线。

S105，基于拟合直线进行二次聚类，得到完整的样本簇，标记为栅栏。

示例性地，当临时簇的样本点拟合形成拟合直线后，需要进行进一步聚类，以检测得到完整的栅栏，此时，可以选择不同聚类策略，对周围的样本点进行聚类，并将进一步聚类得到的样本点进行拟合，得到完整的样本簇，标记为栅栏。

上述栅栏检测方法，通过获取静止状态的雷达点航迹，作为初始样本；基于车辆的横摆角速度获取搜索密度，基于搜索密度对初始样本中最后一个密度直达的样本点进行遍历扩展搜索；基于遍历扩展搜索的结果对初始样本进行DBSCAN聚类，得到临时簇；对临时簇的样本点进行拟合，得到拟合直线；基于拟合直线进行二次聚类，得到完整的样本簇，标记为栅栏，对传统的DBSCAN算法进行了改进，对DBSCAN算法的搜索密度与搜索方式进行动态的修正，优化了密度不均导致的聚类缺陷问题，使栅栏检测更加准确。

在另一个实施例中，获取静止状态的雷达点航迹，作为初始样本包括：获取毫米波雷达探测得到的静止状态的雷达点航迹，作为初始样本。

在另一个实施例中，获取静止状态的雷达点航迹，作为初始样本包括：获取静止状态的雷达点航迹；对雷达点轨迹沿车辆行驶方向进行排序，得到初始样本。可以理解的，毫米波雷达存在识别缺陷、栅栏分布存密度不均的问题，但改进后的DBSCAN算法以及拟合直线的步骤可以对这些问题进行优化，使基于毫米波雷达探测得到的雷达点航迹进行的栅栏检测的准确度大大提高，同时，毫米波雷达相对于激光雷达，更不易受外界环境条件影响、抗干扰较强、处理速度更快、价格较低、内存需求小、满足实时性，并且可以在嵌入式系统中集成高效执行，实现方法简便。可以理解的，毫米波雷达获取的雷达点航迹还包括检测目标ID、检测目标的运动状态、检测目标的位置信息和速度信息等，同时还输出车辆的转向信息和车辆的运动速度。

在另一个实施例中，根据雷达的检测结果，获取周期内所有静止状态的雷达点航迹，记录航迹的位置信息和车辆运动信息，对航迹信息沿纵向，即车辆行进方向进行排序，并且初始化航迹信息和参数，将所有的航迹设为未标记，类型设为未分类，将获得的数据集定义为初始样本。

请参阅图2，图2为本发明一实施例的栅栏检测方法的DBSCAN算法的搜索示意图。在另一个实施例中，对初始样本中最后一个密度直达的样本点进行遍历扩展搜索包括：基于车辆的横摆角速度获取搜索密度；基于搜索密度对初始样本中最后一个密度直达的聚类点进行遍历扩展搜索。示例性地，基于改进DBSCAN算法对初始样本进行聚类，首先，对搜索的范围进行改进：栅栏一般的形状是直线，根据栅栏的形状将搜索框设置为长方形，搜索密度纵向设为

，横向设为

。同时，车辆不同的运动状态导致直线的倾斜程度不同，数据搜索的范围根据车辆的横摆角速度yawrate相关，因此提出以下yawrate相关函数：

(1)

(2)

当

时给定

。其中0 < k < 1。对样本点的搜索半径与范围根据yawrate的变化确定。

另外，对搜索点进行改进：在传统的DBSCAN聚类方法中，大部分时间都用在搜索操作上，传统的DBSCAN算法的搜索是对每个密度直达的点进行再搜索，而本发明实施例中栅栏的样本点分布规律，因此不需要对每一个密度直达的样本点进行遍历扩展搜索，只需对最后一个密度直达的样本点进行遍历扩展搜索即可，可以大大缩小聚类搜索时间，有效提高数据聚类的速度。

在另一个实施例中，对临时簇的样本点进行拟合，得到拟合直线包括：采用主成分分析法对临时簇的样本点进行拟合，得到拟合直线。示例性地，因为毫米波雷达存在识别缺陷、栅栏分布存密度不均的问题，动态修正搜索密度以及搜索点的DBSCAN聚类方法只能满足局部搜索的需求，而道路旁的栅栏是连续分布的，因此本发明一实施例对已经聚类形成的临时簇进行拟合，当临时簇中的样本点达到给定的数量时，基于主成分分析法拟合出一条直线，主成分分析拟合出来的直线要求各个数据点到假定直线之间都为最短距离，因此需要引入直线的法线，即可求出直线的斜率k。

在另一个实施例中，采用主成分分析法对临时簇的样本点进行拟合，得到拟合直线包括：基于样本点的坐标向量得到样本点的单位法向量；基于样本点的单位法向量得到拟合直线的方程的斜率以及常数；基于拟合直线的方程的斜率以及常数得到拟合直线。请参阅图3，图3为本发明一实施例的栅栏检测方法的样本点拟合的示意图。具体的，最小二乘法拟合的直线是样本点竖直到直线的距离，而主成分分析法拟合的直线是样本点到直线的垂直距离，因此本发明一实施例采用主成分分析法拟合的直线更准确。可以理解的，确定拟合的直线，需要找到各个样本点到直线的最小距离，已知对于任一样本点（

,

），该样本点的坐标向量和直线法向量n的内积等于该样本点到直线的垂直距离，即

确定直线的单位法向量即可得到直线的斜率，因此代入距离公式可得：

通过上述计算确定法向量n，即可确定直线的斜率k，代入以下公式确定常数b：

在另一个实施例中，对临时簇的样本点进行拟合，得到拟合直线之前还包括：检查临时簇的样本点数量是否满足预设数量；若满足预设数量，则进行拟合；若不满足预设数量，则继续进行聚类。可以理解的，仅在聚类的样本点数量达到预设门限时，才进行直线拟合。

在另一个实施例中，对临时簇的样本点进行拟合，得到拟合直线还包括：若临时簇的样本点不满足拟合直线的误触门限，则将该样本点剔除。可以理解的，当进一步聚类的样本点不满足DBSCAN聚类方法密度可达的条件，但在拟合直线的误差范围内时，则可继续聚类；若临时簇中的样本点，不满足拟合直线的误触门限，则将该样本点剔除。具体的，误触门限即为拟合直线的误差范围，若样本点在误差范围内，仍可对该样本点进行拟合，若样本点在误差范围外，则不属于该拟合直线。

在另一个实施例中，基于拟合直线进行二次聚类，得到完整的样本簇，标记为栅栏包括：基于拟合直线由密度可达关系导出最大密度相连的样本集合，进行直线拟合，得到完整的样本簇，标记为栅栏；和/或；对拟合直线内最后一个被聚类的样本点预设范围内的样本点进行拟合，得到完整的样本簇，标记为栅栏。示例性地，当临时簇的样本点拟合形成拟合直线后，需要进行进一步聚类，以检测得到完整的栅栏，此时，可以选择两种聚类策略中的至少一种，对周围的样本点进行聚类，并将进一步聚类得到的样本点进行拟合，得到完整的样本簇，标记为栅栏。

在另一个实施例中，栅栏检测方法还包括累计历史信息，对上一帧被确认为栅栏点的样本点进行标记，当一个样本点被多次确认为是栅栏点，则新的周期该样本点仍为栅栏点的可能很大。

请参阅图4，图4为本发明一实施例的栅栏检测方法的雷达安装位置示意图。可以看出，毫米波雷达安装在车辆前方，毫米波雷达进行标定并输出车体坐标系上的航迹信息，将输出的信息传入计算机进行处理。

请参阅图5，图5为本发明另一实施例的栅栏检测方法的流程示意图。在本实施中，获取毫米波雷达检测到的静止状态的雷达点航迹，确定初始样本，并且初始化航迹信息和参数，将所有的航迹设为未标记，类型设为未分类，将获得的数据集定义为初始样本，对初始样本中最后一个密度直达的样本点进行遍历扩展搜索，根据邻域半径和邻域密度查找所有密度可达的样本点，形成临时簇，当临时簇里的样本点达到设定的数量门限，采用主成分分析法对临时簇中的样本点进行拟合，当簇内的样本点拟合直线后，再进一步聚类，这时候聚类的策略有两种：一是继续由密度可达关系导出最大密度相连的样本集合，二是将临时簇内最后一个被聚类的样本点设定为扩散种子，在扩散种子附近确定一个大框，搜索框内未被标识且满足拟合直线误差范围的样本点，采用上述任一种策略搜索到的样本点均可进行聚类，继续对簇内的样本点进行直线拟合，搜索新的样本，直到最终完整的样本簇被找到，则标记为栅栏。另外，对标记为栅栏的样本点进行标记，当一个样本点被多次确认为是栅栏点，则新的周期该样本点仍为栅栏点的可能很大。同时，若进一步聚类的样本点不满足DBSCAN聚类方法密度可达的条件，但在拟合直线的误差范围内时，则可继续聚类；若临时簇中的样本点，不满足拟合直线的误触门限，则将该样本点剔除。

上述栅栏检测方法，通过获取静止状态的雷达点航迹，作为初始样本；基于车辆的横摆角速度获取搜索密度，基于搜索密度对初始样本中最后一个密度直达的样本点进行遍历扩展搜索；基于遍历扩展搜索的结果对初始样本进行DBSCAN聚类，得到临时簇；对临时簇的样本点进行拟合，得到拟合直线；基于拟合直线进行二次聚类，得到完整的样本簇，标记为栅栏，对传统的DBSCAN算法进行了改进，对DBSCAN算法的搜索密度与搜索方式进行动态的修正，优化了密度不均导致的聚类缺陷问题，使栅栏检测更加准确。

需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本实施例还提供了一种栅栏检测装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图6是根据本申请实施例的栅栏检测装置的结构框图，如图6所示，该装置包括：

样本获取模块10，用于获取静止状态的雷达点航迹，作为初始样本。

样本获取模块10，还用于获取毫米波雷达探测得到的静止状态的雷达点航迹，作为初始样本。

搜索模块20，用于基于车辆的横摆角速度获取搜索密度，基于搜索密度对初始样本中最后一个密度直达的样本点进行遍历扩展搜索。

聚类模块30，用于基于遍历扩展搜索的结果对初始样本进行DBSCAN聚类，得到临时簇；

拟合模块40，用于对临时簇的样本点进行拟合，得到拟合直线。

拟合模块40，还用于采用主成分分析法对临时簇的样本点进行拟合，得到拟合直线。

拟合模块40，还用于：

基于样本点的坐标向量得到样本点的单位法向量；

基于样本点的单位法向量得到拟合直线的方程的斜率以及常数；

基于拟合直线的方程的斜率以及常数得到拟合直线。

拟合模块40，还用于若临时簇的样本点不满足拟合直线的误触门限，则将该样本点剔除。

标记模块50，用于基于拟合直线进行二次聚类，得到完整的样本簇，标记为栅栏。

标记模块50，还用于：

基于拟合直线由密度可达关系导出最大密度相连的样本集合，进行直线拟合，得到完整的样本簇，标记为栅栏；

和/或；

对拟合直线内最后一个被聚类的样本点预设范围内的样本点进行拟合，得到完整的样本簇，标记为栅栏。

栅栏检测装置，还包括检查模块。

检查模块，用于：

检查临时簇的样本点数量是否满足预设数量；

若满足预设数量，则进行拟合；

若不满足预设数量，则继续进行聚类。

需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。

另外，结合图1描述的本申请实施例栅栏检测方法可以由计算机设备来实现。图7为根据本申请实施例的计算机设备的硬件结构示意图。

计算机设备可以包括处理器71以及存储有计算机程序指令的存储器72。

具体地，上述处理器71可以包括中央处理器（CPU），或者特定集成电路（Application Specific Integrated Circuit，简称为ASIC），或者可以被配置成实施本申请实施例的一个或多个集成电路。

其中，存储器72可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器72可包括硬盘驱动器（Hard Disk Drive，简称为HDD）、软盘驱动器、固态驱动器（SolidState Drive，简称为SSD）、闪存、光盘、磁光盘、磁带或通用串行总线（Universal SerialBus，简称为USB）驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器72可包括可移除或不可移除（或固定）的介质。在合适的情况下，存储器72可在数据处理装置的内部或外部。在特定实施例中，存储器72是非易失性（Non-Volatile）存储器。在特定实施例中，存储器72包括只读存储器（Read-Only Memory，简称为ROM）和随机存取存储器（RandomAccess Memory，简称为RAM）。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM（Programmable Read-Only Memory，简称为PROM）、可擦除PROM（Erasable ProgrammableRead-Only Memory，简称为EPROM）、电可擦除PROM（Electrically Erasable ProgrammableRead-Only Memory，简称为EEPROM）、电可改写ROM（Electrically Alterable Read-OnlyMemory，简称为EAROM）或闪存（FLASH）或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器（Static Random-Access Memory，简称为SRAM）或动态随机存取存储器（Dynamic Random Access Memory，简称为DRAM），其中，DRAM可以是快速页模式动态随机存取存储器（Fast Page Mode Dynamic Random Access Memory，简称为FPMDRAM）、扩展数据输出动态随机存取存储器（Extended Date Out Dynamic RandomAccess Memory，简称为EDODRAM）、同步动态随机存取内存（Synchronous Dynamic Random-Access Memory，简称SDRAM）等。

存储器72可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器71所执行的可能的计算机程序指令。

处理器71通过读取并执行存储器72中存储的计算机程序指令，以实现上述实施例中的任意一种栅栏检测方法。

在其中一些实施例中，计算机设备还可包括通信接口73和总线70。其中，如图7所示，处理器71、存储器72、通信接口73通过总线70连接并完成相互间的通信。

通信接口73用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信接口73还可以实现与其他部件例如：外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。

总线70包括硬件、软件或两者，将计算机设备的部件彼此耦接在一起。总线70包括但不限于以下至少之一：数据总线（Data Bus）、地址总线（Address Bus）、控制总线（Control Bus）、扩展总线（Expansion Bus）、局部总线（Local Bus）。举例来说而非限制，总线70可包括图形加速接口（Accelerated Graphics Port，简称为AGP）或其他图形总线、增强工业标准架构（Extended Industry Standard Architecture，简称为EISA）总线、前端总线（Front Side Bus，简称为FSB）、超传输（Hyper Transport，简称为HT）互连、工业标准架构（Industry Standard Architecture，简称为ISA）总线、无线带宽（InfiniBand）互连、低引脚数（Low Pin Count，简称为LPC）总线、存储器总线、微信道架构（Micro ChannelArchitecture，简称为MCA）总线、外围组件互连（Peripheral Component Interconnect，简称为PCI）总线、PCI-Express（PCI-X）总线、串行高级技术附件（Serial AdvancedTechnology Attachment，简称为SATA）总线、视频电子标准协会局部（Video ElectronicsStandards Association Local Bus，简称为VLB）总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线70可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。

该计算机设备可以基于获取到的计算机程序指令，执行本申请实施例中的栅栏检测方法，从而实现结合图1描述的栅栏检测方法。

另外，结合上述实施例中的栅栏检测方法，本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种栅栏检测方法。

上述栅栏检测方法、装置、计算机设备和存储介质，通过获取静止状态的雷达点航迹，作为初始样本；基于车辆的横摆角速度获取搜索密度，基于搜索密度对初始样本中最后一个密度直达的样本点进行遍历扩展搜索；基于遍历扩展搜索的结果对初始样本进行DBSCAN聚类，得到临时簇；对临时簇的样本点进行拟合，得到拟合直线；基于拟合直线进行二次聚类，得到完整的样本簇，标记为栅栏，对传统的DBSCAN算法进行了改进，对DBSCAN算法的搜索密度与搜索方式进行动态的修正，优化了密度不均导致的聚类缺陷问题，使栅栏检测更加准确。另外，对DBSCAN算法的邻域密度门限和邻域半径进行动态的修正，根据栅栏分布的特点，基于主成分分析法拟合直线，进一步的聚类，有效地解决了样本点连续分布的聚类。同时，本发明实施例可以基于毫米波雷达实现，相比较激光雷达来说成本更低，利用毫米波雷达的航迹信息进行聚类，相比激光雷达的点云信息，内存需求小，满足实时性，可以在嵌入式系统中集成高效执行，实现方法简便。进一步的，本发明实施例利用主成分分析法拟合直线，相比较最小二乘法的最小残差，主成分分析法的垂直最小残差和更准确，同时考虑历史信息，时间上保证栅栏点确定的连续性。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种栅栏检测方法，应用于车辆的智能驾驶系统，其特征在于，包括：

获取静止状态的雷达点迹，作为初始样本；

根据直线形状的栅栏设置长方形的搜索框，基于车辆的横摆角速度获取所述搜索框的横纵向的搜索密度，基于所述搜索框以及搜索密度，对初始样本中最后一个密度直达的样本点进行遍历扩展搜索；

基于所述遍历扩展搜索的结果对初始样本进行DBSCAN聚类，得到临时簇；

对所述临时簇的样本点进行拟合，得到拟合直线；

基于所述拟合直线由密度可达关系导出最大密度相连的样本集合，进行直线拟合，得到完整的样本簇，标记为栅栏；

和/或；

对所述拟合直线内最后一个被聚类的样本点预设范围内的样本点进行拟合，得到完整的样本簇，标记为栅栏。

2.根据权利要求1所述的栅栏检测方法，其特征在于，所述获取静止状态的雷达点迹，作为初始样本包括：

获取毫米波雷达探测得到的静止状态的雷达点迹，作为初始样本。

3.根据权利要求1所述的栅栏检测方法，其特征在于，所述对所述临时簇的样本点进行拟合，得到拟合直线包括：

采用主成分分析法对所述临时簇的样本点进行拟合，得到拟合直线。

4.根据权利要求3所述的栅栏检测方法，其特征在于，所述采用主成分分析法对所述临时簇的样本点进行拟合，得到拟合直线包括：

基于所述样本点的坐标向量得到所述样本点的单位法向量；

基于所述样本点的单位法向量得到所述拟合直线的方程的斜率以及常数；

基于所述拟合直线的方程的斜率以及常数得到所述拟合直线。

5.根据权利要求1所述的栅栏检测方法，其特征在于，所述对所述临时簇的样本点进行拟合，得到拟合直线之前还包括：

检查所述临时簇的样本点数量是否满足预设数量；

若满足预设数量，则进行拟合；

若不满足预设数量，则继续进行聚类。

6.根据权利要求1所述的栅栏检测方法，其特征在于，所述对所述临时簇的样本点进行拟合，得到拟合直线还包括：

若所述临时簇的样本点不满足所述拟合直线的误差范围，则将该样本点剔除。

7.一种栅栏检测装置，其特征在于，包括：

样本获取模块，用于获取静止状态的雷达点迹，作为初始样本；

搜索模块，用于根据直线形状的栅栏设置长方形的搜索框，基于车辆的横摆角速度获取所述搜索框的横纵向的搜索密度，基于所述搜索框以及搜索密度，对初始样本中最后一个密度直达的样本点进行遍历扩展搜索；

聚类模块，用于基于所述遍历扩展搜索的结果对初始样本进行DBSCAN聚类，得到临时簇；

拟合模块，用于对所述临时簇的样本点进行拟合，得到拟合直线；

标记模块，用于基于所述拟合直线由密度可达关系导出最大密度相连的样本集合，进行直线拟合，得到完整的样本簇，标记为栅栏；

和/或；

对所述拟合直线内最后一个被聚类的样本点预设范围内的样本点进行拟合，得到完整的样本簇，标记为栅栏。

8.一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的栅栏检测方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至6中任一项所述的栅栏检测方法。

Images