CN112013831A - 一种基于地形分析的地图边界自动提取方法及装置 - Google Patents

Abstract

本公开提供了一种基于地形分析的地图边界自动提取方法，包括：向车载终端发送点云数据采集任务，使得车载终端沿指定作区域行驶采集点云数据，并上传所述点云数据以及车辆行驶轨迹数据；接收所述点云数据以及车辆行驶轨迹数据，根据所述点云数据进行点云建图，并提取数字高程模型数据，以及对所述车辆行驶轨迹数据进行轨迹清洗；对清洗后的车辆行驶轨迹进行遍历，根据所述数字高程模型数据对每个轨迹点执行单点边界搜索计算，得到多段有序的边界几何；以及对每一段所述边界几何进行平滑处理，输出地图边界数据。本公开将地形分析算法应用于露天矿高精度地图边界提取过程，有效的提高了地图制图的效率与精度。

Description

一种基于地形分析的地图边界自动提取方法及装置

技术领域

本公开涉及矿用无人驾驶领域，尤其涉及一种基于地形分析的地图边界自动提取方法及装置。

背景技术

矿难是全世界资源开发中面临的严峻问题，早年受限于采挖设备，大多采用井工采挖方式，之后随着重型机械的大面积应用，露天采挖方式逐渐增多。露天矿相较井工采挖方式具有更高的采挖效率以及更高的安全性。随着工业自动化进程的加速发展，无人驾驶解决方案在矿山开采运输场景的落地应用成为当前“智慧矿山”的研究热点。露天矿区作业现场复杂多变，道路以及装载区、排土场随着作业推进，其边界实时在变化。高精度地图作为露天矿区无人驾驶解决方案落地的基础，其精度以及更新频率成为露天矿无人驾驶车辆安全、高效作业最关键技术指标。

对于矿用高精度地图生产与更新，目前主要是采取人工制图来完成；露天矿高精度地图边界主要由山坡以及挡墙构成，视觉特征不明显，人工制图工作量大，易出错，由此造成地图质检以及二次修改的工作量极大，而露天矿作业现场的更新频率极高，人工制图效率远远不能满足现场实际作业进度，所以矿区高精度地图边界生产自动化成为制约矿用无人驾驶解决方案落地的关键问题。

发明内容

(一)要解决的技术问题

本公开提供了一种基于地形分析的地图边界自动提取方法与装置，以至少部分解决以上所提出的技术问题。

(二)技术方案

根据本公开的一个方面，提供了一种基于地形分析的地图边界自动提取方法，包括：向车载终端发送点云数据采集任务，使得车载终端沿指定作区域行驶采集点云数据，并上传所述点云数据以及车辆行驶轨迹数据；接收所述点云数据以及车辆行驶轨迹数据，根据所述点云数据进行点云建图，并提取数字高程模型数据，以及对所述车辆行驶轨迹数据进行轨迹清洗；对清洗后的车辆行驶轨迹进行遍历，根据所述数字高程模型数据对每个轨迹点执行单点边界搜索计算，得到多段有序的边界几何；以及对每一段所述边界几何进行平滑处理，输出地图边界数据。

根据本公开的实施例，所述根据所述数字高程模型数据对每个轨迹点执行单点边界搜索计算，得到多段有序的边界几何包括：以单个轨迹点为基准点，在道路横断面两侧分别进行边界搜索计算，在道路每一侧进行边界搜索计算包括：根据数字高程模型数据计算贴地轨迹；将所述贴地轨迹点向道路上方偏移，获得轨迹偏移点。以所述轨迹偏移点为基准，以道路一侧为搜索方向，移动迭代搜索获取坡面的物理阻隔点；以所述物理阻隔点为起始点，沿下坡方向迭代进行坡度计算分析，搜索坡面与地面交点作为道路所述一侧边界点；以所述物理阻隔点为起始点，沿上坡方向迭代进行坡度计算分析，获得所述一侧最高点；以及计算所述一侧边界点与所述一侧最高点的高差，根据所述高差确定所述一侧的边界的属性，并确定所述一侧的边界几何。

根据本公开的实施例，所述根据数字高程模型数据计算贴地轨迹包括：根据提取的数字高程模型数据，对清洗后的车辆行驶轨迹进行投影至地面，得到贴地轨迹。

根据本公开的实施例，所述以所述轨迹偏移点为基准，以道路所述一侧为搜索方向，移动迭代搜索获取坡面的物理阻隔点包括：以所述地轨迹行进方向为基准方向，计算轨迹偏移点向所述一侧的搜索方向；以及以所述数字高程模型数据为基础，以轨迹偏移点为基准，按照所述一侧的搜索方向，以预定搜索步长L1进行移动迭代搜索，直至搜索到物理阻隔点。

根据本公开的实施例，所述以所述物理阻隔点为起始点，沿下坡方向迭代进行坡度计算分析，搜索坡面与地面交点作为道路所述一侧边界点包括：以所述物理阻隔点为起始点，以预定水平距离L2为搜索步长，沿下坡方向迭代进行坡度计算分析，直至求解得到的坡度突变点或者坡度小于坡度阈值点作为的所述一侧边界点；和/或所述以所述物理阻隔点为起始点，沿上坡方向迭代进行坡度计算分析，获得所述一侧最高点包括：以所述物理阻隔点为起始点，以第三水平距离L3为搜索步长，沿上坡方向迭代进行坡度计算分析，直至求解得到的坡度突变点或者坡度小于坡度阈值的点作为所述一侧最高点。

根据本公开的实施例，所述方法还包括：若所述移动迭代搜索的过程未获取坡面的物理阻隔点，则标记超出范围的搜索点为非物理阻隔点，并结束所述一侧的移动迭代搜索。

根据本公开的实施例，所述根据所述高差确定所述一侧的边界的属性包括：判断高差是否大于预设的高差阈值，若高差大于所述高差阈值为山坡，否则为挡墙。

根据本公开的实施例，所述根据所述点云数据进行点云建图，并提取数字高程模型数据包括：对原始激光雷达点云数据的单帧云进行帧间匹配、拼接、滤波、降噪操作，建立点云地图；以及对点所述云地图数据按预定间隔进行重采样，得到精度为所述预定间隔的数字高程模型数据。

根据本公开的实施例，所述对所述车辆行驶轨迹数据进行轨迹清洗包括：去除所述车辆行驶轨迹数据中间距小于预设值的轨迹点，并进行降噪滤波操作，以及对处理后的轨迹进行平滑重采样。

根据本公开的实施例，所述对每一段所述边界几何进行平滑处理，输出地图边界数据包括：对所述边界几何按预定距离间隔进行重采样，得到重采样结果；对所述重采样结果进行平滑处理，得到平滑的边界几何；以及对所述平滑的边界几何进行抽稀处理，输出地图边界数据。

根据本公开的另一个方面，提供了一种基于地形分析的地图边界自动提取装置，包括：采集任务模块，用于根据无人驾驶运输作业需求，向车载终端发送点云数据采集任务，使得车载终端沿指定作区域行驶采集点云数据，并上传所述点云数据以及车辆行驶轨迹数据；预处理模块，用于接收所述点云数据以及车辆行驶轨迹数据，根据所述点云数据进行点云建图，并提取数字高程模型数据，以及对所述车辆行驶轨迹数据进行轨迹清洗；地图边界几何提取模块，用于对清洗后的车辆行驶轨迹进行遍历，根据所述数字高程模型数据对每个轨迹点执行单点边界搜索计算，得到多段有序的边界几何；以及地图边界输出模块，用于对每一段所述边界几何进行平滑处理，输出地图边界数据。

根据本公开的再一个方面，提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如前所述的方法。

根据本公开的再一个方面，提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如前所述的方法。

(三)有益效果

从所述技术方案可以看出，本公开基于地形分析的地图边界自动提取方法及装置至少具有以下有益效果其中之一：

(1)本公开将地形分析算法应用于露天矿高精度地图边界提取过程，有效的提高了地图制图的效率与精度；充分挖掘了高精度地形数据以及地形分析算法在高精度地图制图业务应用中的潜在价值；

(2)本公开以矿区高精度地形数据为基础，利用几何分析算法，没有采用主流的点云分割以及特征识别等方法，避免了路面起伏以及障碍物干扰对提取结果的影响，降低了算法的复杂度，提高了地图边界提取的准确性。

(3)本公开以车辆轨迹作为边界提取算法的参考，充分利用了车辆轨迹与现场高度匹配的特征，提升了地图边界提取的精度。

附图说明

图1示意性示出了根据本公开实施例的基于地形分析的地图边界自动提取方法及装置的应用场景。

图2示意性示出了根据本公开实施例的基于地形分析的地图边界自动提取方法的流程图。

图3示意性示出了根据本公开实施例的数据预处理方法的流程图。

图4示意性示出了根据本公开实施例的地图边界几何进行自动提取的方法的流程图。

图5示意性示出了根据本公开实施例以单个轨迹点为基准点，在道路横断面进行边界搜索计算的示意图。

图6示意性示出了根据本公开实施例搜索坡面物理阻隔点的方法的流程图。

图7示意性示出了根据本公开实施例对地图边界进行输出方法的流程图。

图8为本公开实施例基于地形分析的地图边界自动提取装置的结构示意图。

图9示意性示出了根据本公开实施例的电子设备的框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

本公开的实施例提供了一种基于地形分析的地图边界自动提取方法。

图1示意性示出了根据本公开实施例的基于地形分析的地图边界自动提取方法及装置的应用场景。需要注意的是，图1所示仅为可以应用本公开实施例的应用场景的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1所示，根据该实施例的应用场景100可以包括车载终端设备101、网络102和云服务器103。网络102用以在终端设备101和云服务器103之间提供通信链路的介质。网络102可以包括各种类型的无线通信链路。

车载终端设备101由露天矿区的采集车辆搭载，通过网络102与云服务器103交互，以接收或发送消息等。车载终端设备101上可以连接多种数据采集装置，例如激光雷达，用于采集点云数据构建露天矿区的高精度地图。

车载终端设备101可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

云服务器103可以是提供各种服务的服务器，例如对用户利用车载终端设备101所应用的地图提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果反馈给车载终端设备101。

需要说明的是，本公开实施例所提供的基于地形分析的地图边界自动提取方法一般可以由云服务器103执行。相应地，本公开实施例所提供的基于地形分析的地图边界自动提取装置一般可以设置于云服务器103中。本公开实施例所提供的基于地形分析的地图边界自动提取方法也可以由不同于云服务器103且能够与车载终端设备101和/或云服务器103通信的服务器或服务器集群执行。相应地，本公开实施例所提供的基于地形分析的地图边界自动提取装置也可以设置于不同于云服务器103且能够与车载终端设备101和/或云服务器103通信的服务器或服务器集群中。

应该理解，图1中的车载终端设备、网络和云服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的车载终端设备、网络和服务器。

图2示意性示出了根据本公开实施例的基于地形分析的地图边界自动提取方法的流程图。如图2所示，本公开基于地形分析的地图边界自动提取方法包括：

S1，根据无人驾驶运输作业需求，向车载终端发送激光雷达点云数据采集任务，使得车载终端沿指定作区域行驶采集激光雷达点云，并上传激光雷达点云以及车辆行驶轨迹数据。

S2，接收所述激光雷达点云以及车辆行驶轨迹数据，根据所述激光雷达点云进行点云建图并提取数字高程模型数据，以及对车辆行驶轨迹数据进行轨迹清洗；

S3，清洗后的轨迹进行遍历，根据所述数字高程模型数据对每个轨迹点执行单点边界搜索计算，得到多段有序的边界几何；以及

S4，对每一段所述边界几何进行平滑处理，输出地图边界数据。

以下对本实施例基于地形分析的地图边界自动提取方法的各个步骤进行详细说明。

在步骤S1中，采集激光雷达点云以及轨迹。

根据露天矿现场无人驾驶运输作业需求，云服务器向现场数据采集车下发激光雷达点云数据采集任务，数据采集车接收任务后，沿指定作业道路以及装载区、排土场低速行驶采集激光雷达点云，任务完成后，将激光雷达点云以及车辆行驶轨迹数据上传至云服务器。本公开实施例以车辆轨迹作为边界提取算法的参考，充分利用了车辆轨迹与现场高度匹配的特征，提升了地图边界提取的精度。

在步骤S2中，云服务器对激光雷达点云以及车辆行驶轨迹数据进行预处理。

其中，数据预处理主要由云服务器来执行。图3示意性示出了根据本公开实施例的数据预处理方法的流程图。如图3所示，云服务器接收到步骤S1上传的原始数据后，对车辆行驶轨迹数据进行预处理包括执行步骤S201～S203。

S201，点云建图。云服务器对原始激光雷达点单帧云进行帧间匹配、拼接、滤波、降噪等操作，建立点云高精度地图。

S202，提取数字高程模型(Digital Elevation Model，DEM)。对点云高精度地图数据按10cm间隔进行重采样，得到矿区10cm的高精度DEM数据。

S203，清洗轨迹。对步骤S1上传的车辆行驶轨迹数据，执行去除位置非常接近的轨迹点以及降噪滤波等操作，然后对处理后的轨迹进行平滑重采样。示例性地，当两个轨迹点的距离小于10cm时，去除其中一个轨迹点并对除去后的轨迹进行平滑重采样。

步骤S3中，云服务器对地图边界几何进行自动提取。图4示意性示出了根据本公开实施例的地图边界几何进行自动提取的方法的流程图。

步骤S3中对地图边界自动提取方法是对步骤S2清洗后的车辆行驶轨迹进行遍历，对车辆行驶轨迹中的每个轨迹点执行步骤S301～S305的过程从而完成边界提取。图5示意性示出了根据本公开实施例以单个轨迹点为基准点，在道路横断面进行边界搜索计算的示意图。以左侧边界搜索计算为例，步骤S301～S306如下：

S301，根据数字高程模型数据计算贴地轨迹。基于步骤S2提取的高精度DEM数据，对清洗计算以后的车辆行驶轨迹进行投影至地面，得到贴地轨迹。

S302，偏移贴地轨迹点。由于矿区道路路面地形存在一定起伏，或者存在一些小物体，为了避让这些因素对计算结果的影响，可以将贴地轨迹点向上偏移一段距离，得到轨迹偏移点。

示例性的，图5中示意的Obstacle1和Obstacle2为路面的障碍物，尺寸小于30cm，为了避让Obstacle1和Obstacle2对计算结果的影响，如图2所示，对贴地轨迹点O，向抬高h，例如35cm～50cm，得到距离地面高h的P点。

S303，搜索坡面物理阻隔点。图6示意性示出了根据本公开实施例搜索坡面物理阻隔点的方法的流程图。如图6所示，所述搜索坡面物理阻隔点的方法包括步骤S3031～S3032。

S3031，以贴地轨迹行进方向为基准方向，计算轨迹偏移点向左的搜索方向left_dir；

S3032，以步骤S2提取的高精度DEM数据为基础，以轨迹偏移点为基准，以left_dir为搜索方向，以预定搜索步长L1进行移动迭代搜索，直至搜索到物理阻隔点则转至步骤S304，若超出搜索距离阈值，则结束移动迭代搜索。其中，判断是否搜索到物理阻隔点的方法为：根据搜索步长与方向，可以出移动点坐标(x，y，z)，然后基于DEM计算该点(x，y)处实际的高程elevation，若z≤elevation，则认为该点是物理阻隔点。

请再参见图5，以贴地轨迹行进方向为基准方向，计算P点向左的搜索方向left_dir；基于步骤S2提取的高精度DEM为基础，以P点为基准，以left_dir为搜索方向，以5cm作为搜索步长，进行移动迭代搜索，直至搜索到物理阻隔点B1则转至步骤S304，若超出搜索最大搜索距离阈值则结束左侧边界搜索，并转至右侧搜索。其中，可以根据矿区道路以及作业的设计参数设置最大搜索距离阈值。具体地，当超出最大搜索距离阈值仍未搜索到物理阻隔点时，则认为无物理阻隔，且标记超出范围的搜索点为非物理阻隔点，然后跳转至按右侧搜索，右侧搜索结束后，跳转至下一轨迹点，继续搜索左侧、右侧物理阻隔点，重复上述过程直至对所有的轨迹点做完搜索。

S304，搜索坡面与地面交点。

计算左侧坡面与轨迹所在地面的交线点，以步骤S3032得到的左侧物理阻隔点为起始点，以预定水平距离L2为搜索步长，沿下坡方向迭代进行坡度计算分析，直至求解得到的坡度突变点或者坡度小于坡度阈值的点作为左侧边界点。

如图5所示，左侧物理阻隔计算结果有解B1，则以B1点为起始点，以水平距离5cm为搜索步长，沿下坡方向迭代进行坡度计算分析，直至求解得到的坡度突变点或者坡度小于15度的点B3，B3为左侧边界点。

S305，搜索左侧最高点。以左侧物理阻隔点为起始点，以第三水平距离L3为搜索步长，沿上坡方向(与下坡方向相反)迭代进行坡度计算分析，直至求解得到的坡度突变点或者坡度小于坡度阈值的点作为左侧最高点；

请再参见图5，以左侧物理阻隔点B1为起始点，以水平距离5cm为搜索步长，沿上坡方向迭代进行坡度计算分析，直至求解得到的坡度突变点或者坡度小于15度的点B5。

S306，计算边界属性，并确定所述一侧的边界几何。计算左侧边界点与左侧最高点的高差，若高差大于高差阈值为山坡，否则为挡墙。可以理解的是，所述高差阈值需要参照矿山设计规范进行设置。

通过对于所有轨迹点数据，执行所述步骤S302至步骤S306，得到多段有序的边界几何，完成了对左侧边界的搜索。而对于右侧边界的搜索，其搜索方向right_dir，与left_dir方向相反，其他操作与左侧边界几何计算步骤相同，参照步骤S302至步骤S306。

步骤S4中，对地图边界进行输出。图7示意性示出了根据本公开实施例对地图边界进行输出方法的流程图。

对于所述步骤S3得到的有序的边界几何，由于采样间隔以及搜索步长的影响，导致计算得到的所述边界几何不平滑，甚至有一些小尖角，因此该数据直接输出对于地图制图以及决策规划并不友好，故在步骤S4中对每一段边界几何进行步骤S401～S403的处理。

S401，对所述边界几何进行重采样，包括将边界几何点边成折线，按10cm距离间隔进行重采样。

S402，对重采样的数据进行平滑处理，包括采用均值滤波算法对步骤S401的重采样结果进行处理，得到平滑的边界几何。

S403，对所述平滑的边界几何进行抽稀处理，包括对步骤S402计算得到的平滑边界几何进行抽稀，从而大大降低了边界几何的数据量。

本公开将地形分析算法应用于露天矿高精度地图边界提取过程，有效的提高了地图制图的效率与精度；通过采用矿区高精度地形数据为基础，利用几何分析算法，没有采用主流的点云分割以及特征识别等方法，避免了路面起伏以及障碍物干扰对提取结果的影响，降低了算法的复杂度，提高了地图边界提取的准确性。

在本公开又一个示意性实施例中，提供了一种基于地形分析的地图边界自动提取装置。

图8为本公开实施例基于地形分析的地图边界自动提取装置的结构示意图。如图8所述，所述基于地形分析的地图边界自动提取装置800包括：

采集任务模块801用于根据无人驾驶运输作业需求，向车载终端发送点云数据采集任务，使得车载终端沿指定作区域行驶采集点云数据，并上传所述点云数据以及车辆行驶轨迹数据；

数据预处理模块802用于接收所述点云数据以及车辆行驶轨迹数据，根据所述点云数据进行点云建图，并提取数字高程模型数据，以及对所述车辆行驶轨迹数据进行轨迹清洗；

地图边界几何提取模块803用于对清洗后的车辆行驶轨迹进行遍历，根据所述数字高程模型数据对每个轨迹点执行单点边界搜索计算，得到多段有序的边界几何；以及

地图边界输出模块804用于对每一段所述边界几何进行平滑处理，输出地图边界数据。

以下对本实施例基于地形分析的地图边界自动提取装置的各个部分进行详细说明。

采集任务模块801根据露天矿现场无人驾驶运输作业需求，向现场数据采集车下发激光雷达点云数据采集任务，数据采集车接收任务后，沿指定作业道路以及装载区、排土场低速行驶采集激光雷达点云，任务完成后，将激光雷达点云以及车辆行驶轨迹数据上传至数据预处理模块802。

数据预处理模块802包括点云地图建立子模块、数字高程模型获取子模块及轨迹清洗子模块。

其中，点云地图建立子模块用于对原始激光雷达点云数据的单帧云进行帧间匹配、拼接、滤波、降噪操作，建立点云地图。

数字高程模型获取子模块用于对点所述云地图数据按预定间隔进行重采样，得到精度为所述预定间隔的数字高程模型数据。

轨迹清洗子模块用于去除所述车辆行驶轨迹数据中间距小于预设值的轨迹点，并进行降噪滤波操作，以及对处理后的轨迹进行平滑重采样。

地图边界几何提取模块803以单个轨迹点为基准点，在道路横断面两侧分别进行边界搜索计算，在道路每一侧进行边界搜索计算。具体地，地图边界几何提取模块803包括贴地轨迹计算子模块、轨迹偏移点获取子模块、物理阻隔点获取子模块、路面边界点获取子模块、最高点获取子模块以及属性确定子模块。

其中，贴地轨迹计算子模块根据数字高程模型数据计算贴地轨迹。贴地轨迹计算子模块根据提取的数字高程模型数据，对清洗后的车辆行驶轨迹进行投影至地面，得到贴地轨迹。

轨迹偏移点获取子模块用于将所述贴地轨迹点向道路上方偏移，获得轨迹偏移点。

物理阻隔点获取子模块用于以所述轨迹偏移点为基准，以道路一侧为搜索方向，移动迭代搜索获取坡面的物理阻隔点。物理阻隔点获取子模块以所述地轨迹行进方向为基准方向，计算轨迹偏移点向所述一侧的搜索方向；并以所述数字高程模型数据为基础，以轨迹偏移点为基准，按照所述一侧的搜索方向，以预定搜索步长L1进行移动迭代搜索，直至搜索到物理阻隔点。

路面边界点获取子模块以所述物理阻隔点为起始点，沿下坡方向迭代进行坡度计算分析，搜索坡面与地面交点作为道路所述一侧边界点；路面边界点获取子模块以所述物理阻隔点为起始点，以预定水平距离L2为搜索步长，沿下坡方向迭代进行坡度计算分析，直至求解得到的坡度突变点或者坡度小于坡度阈值点作为的所述一侧边界点。

最高点获取子模块用于以所述物理阻隔点为起始点，沿上坡方向迭代进行坡度计算分析，获得所述一侧最高点；最高点获取子模块以所述物理阻隔点为起始点，以第三水平距离L3为搜索步长，沿上坡方向迭代进行坡度计算分析，直至求解得到的坡度突变点或者坡度小于坡度阈值的点作为所述一侧最高点。

属性确定子模块用于计算所述一侧边界点与所述一侧最高点的高差，根据所述高差确定所述一侧的边界的属性，并确定所述一侧的边界几何。示例性地，在露天矿区应用场景下，属性确定子模块判断高差是否大于预设的高差阈值，若高差大于所述高差阈值为山坡，否则为挡墙。

需要说明的是，装置部分的实施例方式与方法部分的实施例方式对应类似，并且所达到的技术效果也对应类似，在此不再赘述。

根据本公开的实施例的模块中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

例如，采集任务模块801、数据预处理模块802、地图边界几何提取模块803和地图边界输出模块804中的任意多个可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，采集任务模块801、数据预处理模块802、地图边界几何提取模块803和地图边界输出模块804中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，采集任务模块801、数据预处理模块802、地图边界几何提取模块803和地图边界输出模块804中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

图9示意性示出了根据本公开实施例的电子设备的框图。图9示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图9所示，电子设备900包括处理器910、计算机可读存储介质920。该电子设备900可以执行根据本公开实施例的方法。

具体地，处理器910例如可以包括通用微处理器、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器910还可以包括用于缓存用途的板载存储器。处理器910可以是用于执行根据本公开实施例的方法流程的不同动作的单一处理模块或者是多个处理模块。

计算机可读存储介质920，例如可以是非易失性的计算机可读存储介质，具体示例包括但不限于：磁存储装置，如磁带或硬盘(HDD)；光存储装置，如光盘(CD-ROM)；存储器，如随机存取存储器(RAM)或闪存；等等。

计算机可读存储介质920可以包括计算机程序921，该计算机程序921可以包括代码/计算机可执行指令，其在由处理器910执行时使得处理器910执行根据本公开实施例的方法或其任何变形。

计算机程序921可被配置为具有例如包括计算机程序模块的计算机程序代码。例如，在示例实施例中，计算机程序921中的代码可以包括一个或多个程序模块，例如包括921A、模块921B、……。应当注意，模块的划分方式和个数并不是固定的，本领域技术人员可以根据实际情况使用合适的程序模块或程序模块组合，当这些程序模块组合被处理器910执行时，使得处理器910可以执行根据本公开实施例的方法或其任何变形。

根据本公开的实施例，交易仿真模块、状态获取模块和验证模块中的至少一个可以实现为参考图7描述的计算机程序模块，其在被处理器910执行时，可以实现上面描述的相应操作。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本领域技术人员可以理解，尽管已经参照本公开的特定示例性实施例示出并描述了本公开，但是本领域技术人员应该理解，在不背离所附权利要求及其等同物限定的本公开的精神和范围的情况下，可以对本公开进行形式和细节上的多种改变。因此，本公开的范围不应该限于上述实施例，而是应该不仅由所附权利要求来进行确定，还由所附权利要求的等同物来进行限定。

Claims (13)

1.一种基于地形分析的地图边界自动提取方法，包括：

向车载终端发送点云数据采集任务，使得车载终端沿指定作区域行驶采集点云数据，并上传所述点云数据以及车辆行驶轨迹数据；

接收所述点云数据以及车辆行驶轨迹数据，根据所述点云数据进行点云建图，并提取数字高程模型数据，以及对所述车辆行驶轨迹数据进行轨迹清洗；

对清洗后的车辆行驶轨迹进行遍历，根据所述数字高程模型数据对每个轨迹点执行单点边界搜索计算，得到多段有序的边界几何；以及

对每一段所述边界几何进行平滑处理，输出地图边界数据。

2.根据权利要求1所述的地图边界自动提取方法，其中，所述根据所述数字高程模型数据对每个轨迹点执行单点边界搜索计算，得到多段有序的边界几何包括：以单个轨迹点为基准点，在道路横断面两侧分别进行边界搜索计算，在道路每一侧进行边界搜索计算包括：

根据数字高程模型数据计算贴地轨迹；

将所述贴地轨迹点向道路上方偏移，获得轨迹偏移点；

以所述轨迹偏移点为基准，以道路一侧为搜索方向，移动迭代搜索获取坡面的物理阻隔点；

以所述物理阻隔点为起始点，沿下坡方向迭代进行坡度计算分析，搜索坡面与地面交点作为道路所述一侧边界点；

以所述物理阻隔点为起始点，沿上坡方向迭代进行坡度计算分析，获得所述一侧最高点；以及

计算所述一侧边界点与所述一侧最高点的高差，根据所述高差确定所述一侧的边界的属性，并确定所述一侧的边界几何。

3.根据权利要求2所述的地图边界自动提取方法，其中，所述根据数字高程模型数据计算贴地轨迹包括：

根据提取的数字高程模型数据，对清洗后的车辆行驶轨迹进行投影至地面，得到贴地轨迹。

4.根据权利要求2所述的地图边界自动提取方法，其中，所述以所述轨迹偏移点为基准，以道路所述一侧为搜索方向，移动迭代搜索获取坡面的物理阻隔点包括：

以所述地轨迹行进方向为基准方向，计算轨迹偏移点向所述一侧的搜索方向；以及

以所述数字高程模型数据为基础，以轨迹偏移点为基准，按照所述一侧的搜索方向，以预定搜索步长L1进行移动迭代搜索，直至搜索到物理阻隔点。

5.根据权利要求2所述的地图边界自动提取方法，其中，

所述以所述物理阻隔点为起始点，沿下坡方向迭代进行坡度计算分析，搜索坡面与地面交点作为道路所述一侧边界点包括：

以所述物理阻隔点为起始点，以预定水平距离L2为搜索步长，沿下坡方向迭代进行坡度计算分析，直至求解得到的坡度突变点或者坡度小于坡度阈值点作为的所述一侧边界点；和/或

所述以所述物理阻隔点为起始点，沿上坡方向迭代进行坡度计算分析，获得所述一侧最高点包括：

以所述物理阻隔点为起始点，以第三水平距离L3为搜索步长，沿上坡方向迭代进行坡度计算分析，直至求解得到的坡度突变点或者坡度小于坡度阈值的点作为所述一侧最高点。

6.根据权利要求2所述的地图边界自动提取方法，其中，还包括：

若所述移动迭代搜索的过程未获取坡面的物理阻隔点，则标记超出范围的搜索点为非物理阻隔点，并结束所述一侧的移动迭代搜索。

7.根据权利要求2所述的地图边界自动提取方法，其中，所述根据所述高差确定所述一侧的边界的属性包括：判断高差是否大于预设的高差阈值，若高差大于所述高差阈值为山坡，否则为挡墙。

8.根据权利要求1所述的地图边界自动提取方法，其中，所述根据所述点云数据进行点云建图，并提取数字高程模型数据包括：

对原始激光雷达点云数据的单帧云进行帧间匹配、拼接、滤波、降噪操作，建立点云地图；以及

对点所述云地图数据按预定间隔进行重采样，得到精度为所述预定间隔的数字高程模型数据。

9.根据权利要求1所述的地图边界自动提取方法，其中，所述对所述车辆行驶轨迹数据进行轨迹清洗包括：

去除所述车辆行驶轨迹数据中间距小于预设值的轨迹点，并进行降噪滤波操作，以及对处理后的轨迹进行平滑重采样。

10.根据权利要求1所述的地图边界自动提取方法，其中，所述对每一段所述边界几何进行平滑处理，输出地图边界数据包括：

对所述边界几何按预定距离间隔进行重采样，得到重采样结果；

对所述重采样结果进行平滑处理，得到平滑的边界几何；以及

对所述平滑的边界几何进行抽稀处理，输出地图边界数据。

11.一种基于地形分析的地图边界自动提取装置，包括：

采集任务模块，用于根据无人驾驶运输作业需求，向车载终端发送点云数据采集任务，使得车载终端沿指定作区域行驶采集点云数据，并上传所述点云数据以及车辆行驶轨迹数据；

预处理模块，用于接收所述点云数据以及车辆行驶轨迹数据，根据所述点云数据进行点云建图，并提取数字高程模型数据，以及对所述车辆行驶轨迹数据进行轨迹清洗；

地图边界几何提取模块，用于对清洗后的车辆行驶轨迹进行遍历，根据所述数字高程模型数据对每个轨迹点执行单点边界搜索计算，得到多段有序的边界几何；以及

地图边界输出模块，用于对每一段所述边界几何进行平滑处理，输出地图边界数据。

12.一种电子设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至10中任一项所述的方法。

13.一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现权利要求1至10中任一项所述的方法。

Images