CN112014856A - 一种适于交叉路段的道路边沿提取方法及装置 - Google Patents
一种适于交叉路段的道路边沿提取方法及装置 Download PDFInfo
- Publication number
- CN112014856A CN112014856A CN201910462474.0A CN201910462474A CN112014856A CN 112014856 A CN112014856 A CN 112014856A CN 201910462474 A CN201910462474 A CN 201910462474A CN 112014856 A CN112014856 A CN 112014856A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- target vehicle
- point
- road
- 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.)
- Granted
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000006243 chemical reaction Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 5
- 238000003708 edge detection Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开一种适于交叉路段的道路边沿提取方法及装置,方法包括:获取原始点云数据,以及目标车辆的实时位置信息和航向角;判断目标车辆当前行驶状态是否为通过交叉路段;如果是,确定目标车辆当前是否为转弯状态;当目标车辆当前为转弯状态时,基于目标车辆的累计转弯角度θ对原始点云数据进行转换得到第一点云数据和第二点云数据,并将其作为目标点云数据;当目标车辆当前非转弯状态时,基于预设角度对原始点云数据进行转换得到第三点云数据,并将第三点云数据和原始点云数据作为目标点云数据;如果否,将原始点云数据作为目标点云数据;根据目标点云数据确定道路边沿点。应用本发明实施例提供的方案,能够提取出车辆周围道路的边沿点。
Description
技术领域
本发明涉及智能驾驶技术领域,具体而言,涉及一种适于交叉路段的道路边沿提取方法及装置。
背景技术
在自动驾驶场景中,提前感知周围环境是保证车辆安全行驶的重要条件。例如,道路边沿是指道路两侧用于定义可行使区域的重要几何要素,如果能够提取到道路边沿,则能够保证车辆行驶在可行驶区域,从而减小事故发生概率。
因此,亟需一种提取道路边沿的方法,以提高车辆行驶过程的安全性。
发明内容
本发明提供了一种提取道路边沿的方法及装置,以提取车辆所在环境的道路边沿,提高车辆行驶过程的安全性。具体的技术方案如下。
第一方面,本发明实施例提供了一种适于交叉路段的道路边沿提取方法,该方法包括:
获取安装于目标车辆的激光雷达采集的原始点云数据,以及所述目标车辆的实时位置信息和航向角;
根据所述实时位置信息和导航地图,判断所述目标车辆当前行驶状态是否为通过交叉路段;
当所述目标车辆当前行驶状态为通过交叉路段时,根据所述航向角,确定所述目标车辆当前是否为转弯状态;当所述目标车辆当前为转弯状态时,计算所述目标车辆的累计转弯角度θ,并基于所述θ对所述原始点云数据进行转换得到第一点云数据和第二点云数据,将所述第一点云数据和第二点云数据作为目标点云数据;当所述目标车辆当前非转弯状态时,基于预设角度对所述原始点云数据进行转换得到第三点云数据,并将所述第三点云数据和所述原始点云数据作为目标点云数据;其中,所述第一点云数据、所述第二点云数据和所述第三点云数据中,所述目标车辆行进方向与道路边沿平行;
当所述目标车辆当前行驶状态为非通过交叉路段时,将所述原始点云数据作为目标点云数据;
基于道路边沿的空间几何特征,根据所述目标点云数据确定道路边沿点。
可选的,所述基于所述θ对所述原始点云数据进行转换得到第一点云数据和第二点云数据包括:
将所述原始点云数据旋转所述θ,得到第一点云数据;将所述原始点云数据旋转π/2-θ,得到第二点云数据;
所述基于预设角度对所述原始点云数据进行转换得到第三点云数据包括:
将所述原始点云数据旋转π/2,得到第三点云数据。
可选的,所述基于道路边沿的空间几何特征,根据所述目标点云数据确定道路边沿点包括:
在所述目标点云数据中,依次计算每条激光扫描线上的每个点与其相邻点之间在x、y和z方向的差值;其中,所述x方向为车辆行进方向,所述y方向为与所述x方向垂直的水平方向,所述z方向为竖直方向;
可选的,所述方法还包括:
将所确定的边沿点划分为各点集,其中,每个点集中的任两个边沿点的y坐标差值小于预设阈值;
确定每个点集中的边沿点对应的边沿线。
可选的,所述基于道路边沿的空间几何特征,根据所述目标点云数据确定道路边沿点之后,所述方法还包括:
通过随机采样一致性RANSAC对所述道路边沿点进行直线拟合,将位于直线之外的点滤除。
可选的,所述获取安装于目标车辆的激光雷达采集的原始点云数据之后,所述方法还包括:
将所述原始点云数据中每条激光扫描线对应的数据作为深度图的每行数据,得到所述原始点云数据对应的深度图;和/或
在所述原始点云数据中选取初始化种子点,对所述每个初始化种子点进行迭代生长,提取出所述原始点云数据中的地面点云。
可选的,所述计算所述目标车辆的累计转弯角度θ包括:
确定所述目标车辆的开始转弯时刻;
计算从所述开始转弯时刻到当前时刻之间,每两个相邻时刻对应的航向角的差值之和,作为所述目标车辆的累计转弯角度θ。
第二方面,本发明实施例提供了一种适于交叉路段的道路边沿提取装置,该装置包括:
信息获取模块,用于获取安装于目标车辆的激光雷达采集的原始点云数据,以及所述目标车辆的实时位置信息和航向角;
状态判断模块,用于根据所述实时位置信息和导航地图,判断所述目标车辆当前行驶状态是否为通过交叉路段;
数据转换模块,用于当所述状态判断模块判断结果为是时,根据所述航向角,确定所述目标车辆当前是否为转弯状态;当所述目标车辆当前为转弯状态时,计算所述目标车辆的累计转弯角度θ,并基于所述θ对所述原始点云数据进行转换得到第一点云数据和第二点云数据,将所述第一点云数据和第二点云数据作为目标点云数据;当所述目标车辆当前非转弯状态时,基于预设角度对所述原始点云数据进行转换得到第三点云数据,并将所述第三点云数据和所述原始点云数据作为目标点云数据;其中,所述第一点云数据、所述第二点云数据和所述第三点云数据中,所述目标车辆行进方向与道路边沿平行;
数据处理模块,用于当所述状态判断模块判断结果为否时,将所述原始点云数据作为目标点云数据;
边沿点确定模块,用于基于道路边沿的空间几何特征,根据所述目标点云数据确定道路边沿点。
可选的,所述数据转换模块包括:
第一数据转换子模块,用于将所述原始点云数据旋转所述θ,得到第一点云数据;将所述原始点云数据旋转π/2-θ,得到第二点云数据;
第二数据转换子模块,用于将所述原始点云数据旋转π/2,得到第三点云数据。
可选的,所述边沿点确定模块包括:
差值计算子模块,用于在所述目标点云数据中,依次计算每条激光扫描线上的每个点与其相邻点之间在x、y和z方向的差值;其中,所述x方向为车辆行进方向,所述y方向为与所述x方向垂直的水平方向,所述z方向为竖直方向;
可选的,所述装置还包括:
点集划分模块,用于将所确定的边沿点划分为各点集,其中,每个点集中的任两个边沿点的y坐标差值小于预设阈值;
边沿线确定模块,用于确定每个点集中的边沿点对应的边沿线。
可选的,所述装置还包括:
边沿点处理模块,用于通过随机采样一致性RANSAC对所述道路边沿点进行直线拟合,将位于直线之外的点滤除。
可选的,所述装置还包括:
深度图转换模块,用于将所述原始点云数据中每条激光扫描线对应的数据作为深度图的每行数据,得到所述原始点云数据对应的深度图;和/或
地面点云提取模块,用于在所述原始点云数据中选取初始化种子点,对所述每个初始化种子点进行迭代生长,提取出所述原始点云数据中的地面点云。
可选的,所述数据转换模块包括:
时刻确定子模块,用于确定所述目标车辆的开始转弯时刻;
角度计算子模块,用于计算从所述开始转弯时刻到当前时刻之间,每两个相邻时刻对应的航向角的差值之和,作为所述目标车辆的累计转弯角度θ。
由上述内容可知,本发明实施例提供的适于交叉路段的道路边沿提取方法及装置,可以首先获取安装于目标车辆的激光雷达采集的原始点云数据,以及目标车辆的实时位置信息和航向角;根据实时位置信息和导航地图,判断目标车辆当前行驶状态是否为通过交叉路段;当目标车辆当前行驶状态为通过交叉路段时,如目标车辆正在通过十字路口、三叉路口等路口时,表明目标车辆正在经过的道路中,存在与目标车辆行进方向非平行的道路,这种情况下,可以根据航向角,确定目标车辆当前是否为转弯状态;当目标车辆当前为转弯状态时,计算目标车辆的累计转弯角度θ,并基于θ对原始点云数据进行转换得到第一点云数据和第二点云数据,将第一点云数据和第二点云数据作为目标点云数据;当目标车辆当前非转弯状态时,基于预设角度对原始点云数据进行转换得到第三点云数据,并将第三点云数据和原始点云数据作为目标点云数据;其中,第一点云数据、第二点云数据和第三点云数据中,目标车辆行进方向与道路边沿平行;当目标车辆当前行驶状态为非通过交叉路段时,将原始点云数据作为目标点云数据;基于道路边沿的空间几何特征,根据目标点云数据确定道路边沿点,因此能够在多种道路场景中,均提取出车辆周围道路的边沿点,提高车辆行驶过程的安全性。当然,实施本发明的任一产品或方法并不一定需要同时达到以上的所有优点。
本发明实施例的创新点包括:
1、通过在车辆安装激光雷达采集车辆行进方向的原始点云数据,能够获得车辆周围的环境数据,进而基于原始点云数据提取道路边沿。具体的,当车辆通过非交叉路段时,表明车辆行进方向与道路边沿平行,这种情况下,基于道路边沿的空间几何特征,根据原始点云数据即可确定道路边沿点;当车辆通过交叉路段时,表明存在与车辆行进方向非平行的道路边沿,这种情况下,可以通过对原始点云数据进行转换,将其转换至使目标车辆行进方向与道路边沿平行,进而通过转换后的数据提取道路边沿点;因此在多种道路场景中,以及车辆转弯状态时,均能够提取出车辆周围道路的边沿点,提高车辆行驶过程的安全性。
2、相比于地面,道路边沿具有很明显不同的空间几何特征。具体的,在z方向上,道路边沿点变化明显而地面点相对比较平滑连续,而在x和y方向上,具有相反的特性。基于该道路边沿的空间几何特征,可以从目标点云数据中准确的提取出道路边沿点。并且,仅计算同条扫描线上相邻点的坐标差值进行筛选得到道路边沿点,算法简单高效,轻量度高。
3、通过多次迭代的方式,能够提取出场景中存在的所有的道路边沿线,进一步提高车辆行驶的安全性。
4、基于道路的空间几何特征得到的道路边沿点中可能存在部分的杂乱错误点,因此,考虑到道路边沿在激光雷达可视范围的局部区域均为直线,对提取的道路边沿点进行直线拟合可以剔除噪声点,提高道路边沿点提取的准确性。
5、深度图可以清晰定义各点之间的邻接关系,因此,将原始点云数据转换至深度图,基于深度图查找某点的近邻关系时更加方便灵活,进而能够提高道路边沿点提取效率。分割出地面点云,能够减少数据计算量,从而提高道路边沿检测的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施例。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为本发明实施例提供的适于交叉路段的道路边沿提取方法的一种流程示意图;
图2为本发明实施例提供的道路场景下平装车载激光雷达扫描的示意图;
图3为本发明实施例提供的适于交叉路段的道路边沿提取装置一种结构示意图。
具体实施方式
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、完整的描述。显然,所描述的实施例仅仅是本发明的一部分实施例,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付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明实施例及附图中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含的一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
本发明实施例公开了一种适于交叉路段的道路边沿提取方法及装置,能够在多种道路场景中,均提取出车辆周围道路的边沿点,提高车辆行驶过程的安全性。下面对本发明实施例进行详细说明。
图1为本发明实施例提供的适于交叉路段的道路边沿提取方法的一种流程示意图。该方法应用于电子设备,具体的,可以为无人机中的处理器。该方法具体包括以下步骤。
S110:获取安装于目标车辆的激光雷达采集的原始点云数据,以及目标车辆的实时位置信息和航向角。
在本发明实施例中,可以在目标车辆中安装激光雷达,如,可以将激光雷达安装于目标车辆前盖上,进而可以由激光雷达来采集目标车辆周围的原始点云数据,通过原始点云数据提取目标车辆周围道路的边沿点。
并且,可以在激光雷达和处理器之间建立连接关系,如有线或无线连接。从而,激光雷达采集到原始点云数据后,可以将原始点云数据发送至处理器。
处理器还可以获取目标车辆的实时位置信息和航向角。例如,可以通过GPS(Global Positioning System,全球定位系统)获取目标车辆的实时位置信息,通过目标车辆中的传感器获取航向角。
S120:根据实时位置信息和导航地图,判断目标车辆当前行驶状态是否为通过交叉路段;如果是,执行步骤S130;如果否,执行步骤S140。
可以理解,当目标车辆行驶至非交叉路段时,周围只有目标车辆本身所在道路,道路的边沿也仅包括目标车辆所在道路的边沿;当目标车辆行驶至交叉路段时,周围道路状态会比较复杂,道路边沿线也较多。如,当目标车辆行驶至十字路口时,周围除了目标车辆本身所在道路外,还有与上述道路垂直的道路;相应的,道路的边沿也包括上述多条道路的边沿线。
在本发明实施例中,为了适应不同的道路情况,提高道路边沿提取的适用性,可以针对不同的道路场景,选用对应的方式来提取道路边沿。
具体的,处理器可以首先根据获取的实时位置信息,以及导航地图,判断目标车辆当前行驶状态是否为通过交叉路段。例如,处理器可以根据获取的实时位置信息,以及导航地图,来判断目标车辆是否行驶至交叉路口的预设范围内,如果是,则确定目标车辆当前行驶状态为通过交叉路段。其中,上述预设范围例如可以设定为距离道路交叉中心点一定距离。
S130:根据航向角,确定目标车辆当前是否为转弯状态;如果是,执行步骤S131;如果否,执行步骤S132。
可以理解,当目标车辆通过交叉路段时,由于周围环境中存在多条道路,因此,会存在与车辆行进方向不平行的道路。然而,本发明实施例中,基于道路边沿的空间几何特征来确定道路边沿时,需要道路边沿与目标车辆行进方向近似平行这个前提条件。
并且,当目标车辆在交叉路段转弯时,目标车辆与周围道路的夹角与目标车辆的转弯角度有关;当目标车辆在交叉路段非转弯,即直行时,目标车辆与周围道路的夹角为固定值。
在本发明实施例中,可以针对目标车辆在交叉路段是否为转弯状态,分别采用对应的方式来提取道路边沿点。
具体的,处理器可以根据获取的航向角来确定目标车辆当前是否为转弯状态。如,当航向角变化值大于预设阈值(如5度、8度、10度等)时,确定目标车辆当前为转弯状态。其中,航向角变化值可以为当前时刻的航向角与上一时刻航向角的差值。其中,当前时刻和上一时刻的时间间隔可以预先设定,如可以为1秒、2秒、5秒等,本发明实施例对此不作限定。
S131:计算目标车辆的累计转弯角度θ,并基于θ对原始点云数据进行转换得到第一点云数据和第二点云数据,将第一点云数据和第二点云数据作为目标点云数据。
当目标车辆转弯时,表明目标车辆与道路的夹角分别为目标车辆的累计转弯角度θ和π/2-θ。这种情况下,处理器可以计算目标车辆的累计转弯角度。例如,可以确定目标车辆的开始转弯时刻;计算从开始转弯时刻到当前时刻之间,每两个相邻时刻对应的航向角的差值之和,作为目标车辆的累计转弯角度θ。
具体的,处理器可以根据设定的时间间隔,周期性判定目标车辆是否处于转弯状态。例如,已知t-1时刻车辆的航向角为αt-1,当前时刻的航向角为αt,两个时刻的航向角差值βt=αt-1-αt,当βt大于阈值δ时,则判定车辆当前处于转弯状态,αt即为开始转弯时刻。其中δ的取值大小与两时刻的时间间隔成正比。
从开始转弯时刻起,累加航向角差值βt,得到车辆的当前转弯角度θt=∑βt。直至βt小于阈值δ时,表明车辆转弯结束,将转弯角度θt置零,准备下次转弯。。
得到目标车辆的累计转弯角度θ后,处理器可以基于θ对原始点云数据进行转换得到第一点云数据和第二点云数据,也即将原始点云数据转换后得到的数据中,目标车辆行进方向与道路边沿平行。进一步的,可以将第一点云数据和第二点云数据作为目标点云数据,从而可以根据目标点云数据提取道路边沿点。
在一种实现方式中,基于θ对原始点云数据进行转换得到第一点云数据和第二点云数据,具体可以为:将原始点云数据旋转θ,得到第一点云数据;将原始点云数据旋转π/2-θ,得到第二点云数据。
对原始点云数据进行转换得到第一点云数据和第二点云数据时,具体的,可以按照以下公式进行:
S132:基于预设角度对原始点云数据进行转换得到第三点云数据,并将第三点云数据和原始点云数据作为目标点云数据;其中,第一点云数据、第二点云数据和第三点云数据中,目标车辆行进方向与道路边沿平行。
当目标车辆非转弯时,表明目标车辆与道路的夹角分别为0和π/2。这种情况下,处理器可以基于预设角度,即π/2,对原始点云数据进行转换得到第三点云数据,也即将原始点云数据转换后得到的数据中,目标车辆行进方向与道路边沿平行。进一步的,可以将第三点云数据和原始点云数据作为目标点云数据,从而可以根据目标点云数据提取道路边沿点。
在一种实现方式中,基于预设角度对原始点云数据进行转换得到第三点云数据可以包括:将原始点云数据旋转π/2,得到第三点云数据。
对原始点云数据进行转换得到第三点云数据的过程,与对原始点云数据进行转换得到第一点云数据和第二点云数据的过程类似,区别仅在于旋转角度不同,在此不进行赘述。
S140:将原始点云数据作为目标点云数据。
当目标车辆行驶至非交叉路段时,周围只有目标车辆本身所在道路,因此,可以直接将原始点云数据作为目标点云数据,根据目标点云数据来提取道路边沿点。
S150:基于道路边沿的空间几何特征,根据目标点云数据确定道路边沿点。
如图2所示,其示出了道路场景下平装车载激光雷达扫描的示意图。区域210为平整地面,区域220表示待提取道路边沿,黑色点表示激光扫描点。可以看出,相比于平整地面210,道路边沿220具有很明显不同的空间几何特征。比如,在z高程方向上,道路边沿点变化明显而地面点相对比较平滑连续,而在x和y方向上,具有相反的特性。
基于以上道路边沿的空间几何特征,可以对目标车辆所在环境的道路边沿点进行提取。
其中,hs是激光雷达安装点距离地面的高度;是第l条激光扫描线的竖直角度,该值可查阅相关激光雷达产品设计说明书;θh是激光雷达的水平分辨率。如果地面是绝对平整光滑,则但是考虑到现实场景中,存在一定的粗糙度,因此可以设置为一固定值,如,可以设置
具体的,基于道路边沿的空间几何特征,根据目标点云数据确定道路边沿点可以包括:
在目标点云数据中,依次计算每条激光扫描线上的每个点与其相邻点之间在x、y和z方向的差值;其中,x方向为车辆行进方向,y方向为与x方向垂直的水平方向,z方向为竖直方向。
由上述内容可知,本实施例通过在车辆安装激光雷达采集车辆行进方向的原始点云数据,能够获得车辆周围的环境数据,进而基于原始点云数据提取道路边沿。具体的,当车辆通过非交叉路段时,表明车辆行进方向与道路边沿平行,这种情况下,基于道路边沿的空间几何特征,根据原始点云数据即可确定道路边沿点;当车辆通过交叉路段时,表明存在与车辆行进方向非平行的道路边沿,这种情况下,可以通过对原始点云数据进行转换,将其转换至使目标车辆行进方向与道路边沿平行,进而通过转换后的数据提取道路边沿点;因此在多种道路场景中,以及车辆转弯状态时,均能够提取出车辆周围道路的边沿点,提高车辆行驶过程的安全性。
可以理解,目标车辆所在道路场景中可能存在多条道路边沿线。因此,在本发明实施例的一种实施方式中,处理器可以通过迭代的方式提取出所有的道路边沿线。
具体的,当确定出道路边沿点之后,可以将所确定的边沿点划分为各点集,其中,每个点集中的任两个边沿点的y坐标差值小于预设阈值,进而确定每个点集中的边沿点对应的边沿线。
通过多次迭代的方式,能够提取出场景中存在的所有的道路边沿线,进一步提高车辆行驶的安全性。
基于道路的空间几何特征得到的道路边沿点中可能存在部分的杂乱错误点,因此,在本发明实施例的一种实施方式中,考虑到道路边沿在激光雷达可视范围的局部区域均为直线,可以通过RANSAC(Random Sample Consensus,随机采样一致性)对道路边沿点进行直线拟合,将位于直线之外的点滤除。
通过上述方案,可以对提取的道路边沿点进行直线拟合剔除噪声点,提高道路边沿点提取的准确性。
可以理解,激光雷达采集到的数据,数据量较大。在本发明实施例的一种实施方式中,为了提高道路边沿点提取效率,可以将原始点云数据转换至深度图,和/或,可以提取出地面点云作为道路边沿提取的输入数据。
具体的,可以将原始点云数据中每条激光扫描线对应的数据作为深度图的每行数据,得到原始点云数据对应的深度图。也即对原始点云数据进行了有序化处理。其中,深度图的每行代表一个激光器旋转360°扫描得到的数据,以Velodyne VLP-32C为例,该深度图的大小为32*1800。深度图可以清晰的定义各点之间的邻接关系,避免了耗费额外的计算资源建立点云的Kd-tree,且基于深度图查找某点的近邻关系时更加方便灵活。
为了提高道路边沿检测的效率,首先可以使用地面提取的算法从完整的原始点云中分割出地面点云,作为道路边沿提取的输入数据。这里提取的地面点云中包含待提取道路边沿点云,而不仅仅是平整的地面点云。例如,可以在原始点云数据中选取初始化种子点,然后对每个初始化种子点进行迭代生长,提取出原始点云数据中的地面点云。
深度图可以清晰定义各点之间的邻接关系,因此,将原始点云数据转换至深度图,基于深度图查找某点的近邻关系时更加方便灵活,进而能够提高道路边沿点提取效率。分割出地面点云,能够减少数据计算量,从而提高道路边沿检测的效率。
图3为本发明实施例提供的适于交叉路段的道路边沿提取装置一种结构示意图。该装置可以包括:
信息获取模块310,用于获取安装于目标车辆的激光雷达采集的原始点云数据,以及所述目标车辆的实时位置信息和航向角;
状态判断模块320,用于根据所述实时位置信息和导航地图,判断所述目标车辆当前行驶状态是否为通过交叉路段;
数据转换模块330,用于当所述状态判断模块320判断结果为是时,根据所述航向角,确定所述目标车辆当前是否为转弯状态;当所述目标车辆当前为转弯状态时,计算所述目标车辆的累计转弯角度θ,并基于所述θ对所述原始点云数据进行转换得到第一点云数据和第二点云数据,将所述第一点云数据和第二点云数据作为目标点云数据;当所述目标车辆当前非转弯状态时,基于预设角度对所述原始点云数据进行转换得到第三点云数据,并将所述第三点云数据和所述原始点云数据作为目标点云数据;其中,所述第一点云数据、所述第二点云数据和所述第三点云数据中,所述目标车辆行进方向与道路边沿平行;
数据处理模块340,用于当所述状态判断模块320判断结果为否时,将所述原始点云数据作为目标点云数据;
边沿点确定模块350,用于基于道路边沿的空间几何特征,根据所述目标点云数据确定道路边沿点。
由上述内容可知,本发明实施例提供的适于交叉路段的道路边沿提取装置,可以首先获取安装于目标车辆的激光雷达采集的原始点云数据,以及目标车辆的实时位置信息和航向角;根据实时位置信息和导航地图,判断目标车辆当前行驶状态是否为通过交叉路段;当目标车辆当前行驶状态为通过交叉路段时,如目标车辆正在通过十字路口、三叉路口等路口时,表明目标车辆正在经过的道路中,存在与目标车辆行进方向非平行的道路,这种情况下,可以根据航向角,确定目标车辆当前是否为转弯状态;当目标车辆当前为转弯状态时,计算目标车辆的累计转弯角度θ,并基于θ对原始点云数据进行转换得到第一点云数据和第二点云数据,将第一点云数据和第二点云数据作为目标点云数据;当目标车辆当前非转弯状态时,基于预设角度对原始点云数据进行转换得到第三点云数据,并将第三点云数据和原始点云数据作为目标点云数据;其中,第一点云数据、第二点云数据和第三点云数据中,目标车辆行进方向与道路边沿平行;当目标车辆当前行驶状态为非通过交叉路段时,将原始点云数据作为目标点云数据;基于道路边沿的空间几何特征,根据目标点云数据确定道路边沿点,因此能够在多种道路场景中,均提取出车辆周围道路的边沿点,提高车辆行驶过程的安全性。当然,实施本发明的任一产品或方法并不一定需要同时达到以上的所有优点。
在本发明的另一实施例中,所述数据转换模块330包括:
第一数据转换子模块,用于将所述原始点云数据旋转所述θ,得到第一点云数据;将所述原始点云数据旋转π/2-θ,得到第二点云数据;
第二数据转换子模块,用于将所述原始点云数据旋转π/2,得到第三点云数据。
在本发明的另一实施例中,所述边沿点确定模块包括:
差值计算子模块,用于在所述目标点云数据中,依次计算每条激光扫描线上的每个点与其相邻点之间在x、y和z方向的差值;其中,所述x方向为车辆行进方向,所述y方向为与所述x方向垂直的水平方向,所述z方向为竖直方向;
在本发明的另一实施例中,所述装置还包括:
点集划分模块,用于将所确定的边沿点划分为各点集,其中,每个点集中的任两个边沿点的y坐标差值小于预设阈值;
边沿线确定模块,用于确定每个点集中的边沿点对应的边沿线。
在本发明的另一实施例中,所述装置还包括:
边沿点处理模块,用于通过随机采样一致性RANSAC对所述道路边沿点进行直线拟合,将位于直线之外的点滤除。
在本发明的另一实施例中,所述装置还包括:
深度图转换模块,用于将所述原始点云数据中每条激光扫描线对应的数据作为深度图的每行数据,得到所述原始点云数据对应的深度图;和/或
地面点云提取模块,用于在所述原始点云数据中选取初始化种子点,对所述每个初始化种子点进行迭代生长,提取出所述原始点云数据中的地面点云。
在本发明的另一实施例中,所述数据转换模块330包括:
时刻确定子模块,用于确定所述目标车辆的开始转弯时刻;
角度计算子模块,用于计算从所述开始转弯时刻到当前时刻之间,每两个相邻时刻对应的航向角的差值之和,作为所述目标车辆的累计转弯角度θ。
上述装置实施例与方法实施例相对应,与该方法实施例具有同样的技术效果,具体说明参见方法实施例。装置实施例是基于方法实施例得到的,具体的说明可以参见方法实施例部分,此处不再赘述。
本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
本领域普通技术人员可以理解:实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中,也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
Claims (10)
1.一种适于交叉路段的道路边沿提取方法,其特征在于,所述方法包括:
获取安装于目标车辆的激光雷达采集的原始点云数据,以及所述目标车辆的实时位置信息和航向角;
根据所述实时位置信息和导航地图,判断所述目标车辆当前行驶状态是否为通过交叉路段;
当所述目标车辆当前行驶状态为通过交叉路段时,根据所述航向角,确定所述目标车辆当前是否为转弯状态;当所述目标车辆当前为转弯状态时,计算所述目标车辆的累计转弯角度θ,并基于所述θ对所述原始点云数据进行转换得到第一点云数据和第二点云数据,将所述第一点云数据和第二点云数据作为目标点云数据;当所述目标车辆当前非转弯状态时,基于预设角度对所述原始点云数据进行转换得到第三点云数据,并将所述第三点云数据和所述原始点云数据作为目标点云数据;其中,所述第一点云数据、所述第二点云数据和所述第三点云数据中,所述目标车辆行进方向与道路边沿平行;
当所述目标车辆当前行驶状态为非通过交叉路段时,将所述原始点云数据作为目标点云数据;
基于道路边沿的空间几何特征,根据所述目标点云数据确定道路边沿点。
2.如权利要求1所述的方法,其特征在于,所述基于所述θ对所述原始点云数据进行转换得到第一点云数据和第二点云数据包括:
将所述原始点云数据旋转所述θ,得到第一点云数据;将所述原始点云数据旋转π/2-θ,得到第二点云数据;
所述基于预设角度对所述原始点云数据进行转换得到第三点云数据包括:
将所述原始点云数据旋转π/2,得到第三点云数据。
3.如权利要求1所述的方法,其特征在于,所述基于道路边沿的空间几何特征,根据所述目标点云数据确定道路边沿点包括:
在所述目标点云数据中,依次计算每条激光扫描线上的每个点与其相邻点之间在x、y和z方向的差值;其中,所述x方向为车辆行进方向,所述y方向为与所述x方向垂直的水平方向,所述z方向为竖直方向;
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
将所确定的边沿点划分为各点集,其中,每个点集中的任两个边沿点的y坐标差值小于预设阈值;
确定每个点集中的边沿点对应的边沿线。
5.根据权利要求1所述的方法,其特征在于,所述基于道路边沿的空间几何特征,根据所述目标点云数据确定道路边沿点之后,所述方法还包括:
通过随机采样一致性RANSAC对所述道路边沿点进行直线拟合,将位于直线之外的点滤除。
6.根据权利要求1所述的方法,其特征在于,所述获取安装于目标车辆的激光雷达采集的原始点云数据之后,所述方法还包括:
将所述原始点云数据中每条激光扫描线对应的数据作为深度图的每行数据,得到所述原始点云数据对应的深度图;和/或
在所述原始点云数据中选取初始化种子点,对所述每个初始化种子点进行迭代生长,提取出所述原始点云数据中的地面点云。
7.根据权利要求1所述的方法,其特征在于,所述计算所述目标车辆的累计转弯角度θ包括:
确定所述目标车辆的开始转弯时刻;
计算从所述开始转弯时刻到当前时刻之间,每两个相邻时刻对应的航向角的差值之和,作为所述目标车辆的累计转弯角度θ。
8.一种适于交叉路段的道路边沿提取装置,其特征在于,包括:
信息获取模块,用于获取安装于目标车辆的激光雷达采集的原始点云数据,以及所述目标车辆的实时位置信息和航向角;
状态判断模块,用于根据所述实时位置信息和导航地图,判断所述目标车辆当前行驶状态是否为通过交叉路段;
数据转换模块,用于当所述状态判断模块判断结果为是时,根据所述航向角,确定所述目标车辆当前是否为转弯状态;当所述目标车辆当前为转弯状态时,计算所述目标车辆的累计转弯角度θ,并基于所述θ对所述原始点云数据进行转换得到第一点云数据和第二点云数据,将所述第一点云数据和第二点云数据作为目标点云数据;当所述目标车辆当前非转弯状态时,基于预设角度对所述原始点云数据进行转换得到第三点云数据,并将所述第三点云数据和所述原始点云数据作为目标点云数据;其中,所述第一点云数据、所述第二点云数据和所述第三点云数据中,所述目标车辆行进方向与道路边沿平行;
数据处理模块,用于当所述状态判断模块判断结果为否时,将所述原始点云数据作为目标点云数据;
边沿点确定模块,用于基于道路边沿的空间几何特征,根据所述目标点云数据确定道路边沿点。
9.如权利要求1-8所述的装置,其特征在于,所述数据转换模块包括:
第一数据转换子模块,用于将所述原始点云数据旋转所述θ,得到第一点云数据;将所述原始点云数据旋转π/2-θ,得到第二点云数据;
第二数据转换子模块,用于将所述原始点云数据旋转π/2,得到第三点云数据。
10.如权利要求8-9所述的装置,其特征在于,所述边沿点确定模块包括:
差值计算子模块,用于在所述目标点云数据中,依次计算每条激光扫描线上的每个点与其相邻点之间在x、y和z方向的差值;其中,所述x方向为车辆行进方向,所述y方向为与所述x方向垂直的水平方向,所述z方向为竖直方向;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910462474.0A CN112014856B (zh) | 2019-05-30 | 2019-05-30 | 一种适于交叉路段的道路边沿提取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910462474.0A CN112014856B (zh) | 2019-05-30 | 2019-05-30 | 一种适于交叉路段的道路边沿提取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112014856A true CN112014856A (zh) | 2020-12-01 |
CN112014856B CN112014856B (zh) | 2023-05-12 |
Family
ID=73502103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910462474.0A Active CN112014856B (zh) | 2019-05-30 | 2019-05-30 | 一种适于交叉路段的道路边沿提取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112014856B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112912894A (zh) * | 2021-02-07 | 2021-06-04 | 华为技术有限公司 | 道路边界识别方法和装置 |
CN114425774A (zh) * | 2022-01-21 | 2022-05-03 | 深圳优地科技有限公司 | 机器人行走道路的识别方法、识别设备以及存储介质 |
CN114495514A (zh) * | 2022-02-16 | 2022-05-13 | 中南大学 | 一种多源数据协同的车辆违规掉头热点区域识别方法 |
CN114509087A (zh) * | 2022-02-21 | 2022-05-17 | 高德软件有限公司 | 定位方法、电子设备及计算机存储介质 |
CN114701516A (zh) * | 2022-03-29 | 2022-07-05 | 广州文远知行科技有限公司 | 转弯行驶数据的采集方法、装置、设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160004915A1 (en) * | 2014-07-07 | 2016-01-07 | Here Global B.V. | Lane Level Traffic |
CN105404844A (zh) * | 2014-09-12 | 2016-03-16 | 广州汽车集团股份有限公司 | 一种基于多线激光雷达的道路边界检测方法 |
CN108345008A (zh) * | 2017-01-23 | 2018-07-31 | 郑州宇通客车股份有限公司 | 一种目标物检测方法、点云数据提取方法及装置 |
US20180224289A1 (en) * | 2017-02-03 | 2018-08-09 | Ushr, Inc. | Active driving map for self-driving road vehicle |
CN108387241A (zh) * | 2017-02-02 | 2018-08-10 | 百度(美国)有限责任公司 | 更新自动驾驶车辆的定位地图的方法和系统 |
US20180307944A1 (en) * | 2017-04-24 | 2018-10-25 | Baidu Usa Llc | Automatically collecting training data for object recognition with 3d lidar and localization |
CN108995657A (zh) * | 2017-06-06 | 2018-12-14 | 百度(美国)有限责任公司 | 操作自动驾驶车辆的方法和数据处理系统 |
CN109215067A (zh) * | 2017-07-03 | 2019-01-15 | 百度(美国)有限责任公司 | 基于cnn和crf模型生成高分辨率3-d点云 |
CN109522804A (zh) * | 2018-10-18 | 2019-03-26 | 汽-大众汽车有限公司 | 一种道路边沿识别方法及系统 |
US20190130182A1 (en) * | 2017-11-01 | 2019-05-02 | Here Global B.V. | Road modeling from overhead imagery |
CN109733391A (zh) * | 2018-12-10 | 2019-05-10 | 北京百度网讯科技有限公司 | 车辆的控制方法、装置、设备、车辆及存储介质 |
-
2019
- 2019-05-30 CN CN201910462474.0A patent/CN112014856B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160004915A1 (en) * | 2014-07-07 | 2016-01-07 | Here Global B.V. | Lane Level Traffic |
CN105404844A (zh) * | 2014-09-12 | 2016-03-16 | 广州汽车集团股份有限公司 | 一种基于多线激光雷达的道路边界检测方法 |
CN108345008A (zh) * | 2017-01-23 | 2018-07-31 | 郑州宇通客车股份有限公司 | 一种目标物检测方法、点云数据提取方法及装置 |
CN108387241A (zh) * | 2017-02-02 | 2018-08-10 | 百度(美国)有限责任公司 | 更新自动驾驶车辆的定位地图的方法和系统 |
US20180224289A1 (en) * | 2017-02-03 | 2018-08-09 | Ushr, Inc. | Active driving map for self-driving road vehicle |
US20180307944A1 (en) * | 2017-04-24 | 2018-10-25 | Baidu Usa Llc | Automatically collecting training data for object recognition with 3d lidar and localization |
CN108995657A (zh) * | 2017-06-06 | 2018-12-14 | 百度(美国)有限责任公司 | 操作自动驾驶车辆的方法和数据处理系统 |
CN109215067A (zh) * | 2017-07-03 | 2019-01-15 | 百度(美国)有限责任公司 | 基于cnn和crf模型生成高分辨率3-d点云 |
US20190130182A1 (en) * | 2017-11-01 | 2019-05-02 | Here Global B.V. | Road modeling from overhead imagery |
CN109522804A (zh) * | 2018-10-18 | 2019-03-26 | 汽-大众汽车有限公司 | 一种道路边沿识别方法及系统 |
CN109733391A (zh) * | 2018-12-10 | 2019-05-10 | 北京百度网讯科技有限公司 | 车辆的控制方法、装置、设备、车辆及存储介质 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112912894A (zh) * | 2021-02-07 | 2021-06-04 | 华为技术有限公司 | 道路边界识别方法和装置 |
CN112912894B (zh) * | 2021-02-07 | 2022-08-09 | 华为技术有限公司 | 道路边界识别方法和装置 |
WO2022165802A1 (zh) * | 2021-02-07 | 2022-08-11 | 华为技术有限公司 | 道路边界识别方法和装置 |
CN114425774A (zh) * | 2022-01-21 | 2022-05-03 | 深圳优地科技有限公司 | 机器人行走道路的识别方法、识别设备以及存储介质 |
CN114425774B (zh) * | 2022-01-21 | 2023-11-03 | 深圳优地科技有限公司 | 机器人行走道路的识别方法、识别设备以及存储介质 |
CN114495514A (zh) * | 2022-02-16 | 2022-05-13 | 中南大学 | 一种多源数据协同的车辆违规掉头热点区域识别方法 |
CN114509087A (zh) * | 2022-02-21 | 2022-05-17 | 高德软件有限公司 | 定位方法、电子设备及计算机存储介质 |
CN114509087B (zh) * | 2022-02-21 | 2024-06-04 | 高德软件有限公司 | 定位方法、电子设备及计算机存储介质 |
CN114701516A (zh) * | 2022-03-29 | 2022-07-05 | 广州文远知行科技有限公司 | 转弯行驶数据的采集方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112014856B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112014856B (zh) | 一种适于交叉路段的道路边沿提取方法及装置 | |
EP3631494B1 (en) | Integrated sensor calibration in natural scenes | |
CN110531376B (zh) | 用于港口无人驾驶车辆的障碍物检测和跟踪方法 | |
CN102074047B (zh) | 一种高精细城市三维建模方法 | |
CN102867414B (zh) | 一种基于ptz摄像机快速标定的车辆排队长度测量方法 | |
Chen et al. | Next generation map making: Geo-referenced ground-level LIDAR point clouds for automatic retro-reflective road feature extraction | |
CN107463918A (zh) | 基于激光点云与影像数据融合的车道线提取方法 | |
CN112740225B (zh) | 一种路面要素确定方法及装置 | |
CN110146910A (zh) | 一种基于gps与激光雷达数据融合的定位方法及装置 | |
Marinelli et al. | Mobile mapping systems and spatial data collection strategies assessment in the identification of horizontal alignment of highways | |
CN111354083B (zh) | 一种基于原始激光点云的递进式建筑物提取方法 | |
EP4120123A1 (en) | Scan line-based road point cloud extraction method | |
CN110488151B (zh) | 一种基于遥感技术的输电线路植被危险预警系统及方法 | |
JP2023059927A (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN113221883A (zh) | 无人机飞行导航路线实时修正方法 | |
CN116071729A (zh) | 可行驶区域和路沿的检测方法、装置及相关设备 | |
CN112016355B (zh) | 一种提取道路边沿的方法及装置 | |
CN116052023A (zh) | 基于三维点云的电力巡检地物分类方法及存储介质 | |
CN110660113A (zh) | 特征地图的建立方法、装置、采集设备和存储介质 | |
CN113920483A (zh) | 道路点云中物体的分类方法、装置、电子设备及存储介质 | |
CN113888713A (zh) | 一种车载激光点云数据恢复路面缺失点的方法 | |
CN109389643B (zh) | 车位主方向判断方法、系统以及存储介质 | |
CN114170579A (zh) | 一种路沿检测方法、装置及汽车 | |
WO2020133369A1 (en) | Identifying a curb based on 3-d sensor data | |
EP3330893A1 (en) | Information processing device, information processing method, and carrier means |
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: 20211122 Address after: 215100 floor 23, Tiancheng Times Business Plaza, No. 58, qinglonggang Road, high speed rail new town, Xiangcheng District, Suzhou, Jiangsu Province Applicant after: MOMENTA (SUZHOU) TECHNOLOGY Co.,Ltd. Address before: Room 601-a32, Tiancheng information building, No. 88, South Tiancheng Road, high speed rail new town, Xiangcheng District, Suzhou City, Jiangsu Province Applicant before: MOMENTA (SUZHOU) TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |