CN112016355B - 一种提取道路边沿的方法及装置 - Google Patents

Abstract

本发明实施例公开一种提取道路边沿的方法及装置，方法包括：获取原始点云数据，以及目标车辆当前时刻的第一航向角和上一时刻的第二航向角；判断第一航向角和第二航向角的差值是否大于预设阈值；如果是，计算目标车辆的当前转弯角度θ，基于θ对原始点云数据进行两次转换，得到满足预设条件的两组点云数据，并将两组点云数据作为待处理点云数据；如果否，基于预设角度对原始点云数据进行转换，得到满足预设条件的目标点云数据，并将原始点云数据和目标点云数据作为待处理点云数据；根据待处理点云数据确定道路边沿点。应用本发明实施例提供的方案，能够在车辆经过交叉路段时，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。

Description

一种提取道路边沿的方法及装置

技术领域

本发明涉及智能驾驶技术领域，具体而言，涉及一种提取道路边沿的方法及装置。

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。

已知的道路边沿提取方法，仅能针对车辆行进方向与道路边沿平行的场景进行道路边沿提取，而在实际应用中，车辆可能经过十字路口等交叉路段。车辆经过交叉路段时，会存在与车辆行进方向不平行的道路边沿。因此，亟需一种提取道路边沿的方法，以在车辆经过交叉路段时，提取车辆所在环境的道路边沿，从而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，以在车辆经过交叉路段时，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提取道路边沿的方法，该方法包括：

获取原始点云数据，以及目标车辆当前时刻的第一航向角和上一时刻的第二航向角；其中，所述原始点云数据由安装于所述目标车辆的激光雷达采集；

判断所述第一航向角和所述第二航向角的差值是否大于预设阈值；

如果是，计算所述目标车辆的当前转弯角度θ，基于所述θ对所述原始点云数据进行两次转换，得到满足预设条件的两组点云数据，并将所述两组点云数据作为待处理点云数据；其中，所述预设条件为：转换后的点云数据中，所述目标车辆行进方向与道路边沿平行；

如果否，基于预设角度对所述原始点云数据进行转换，得到满足所述预设条件的目标点云数据，并将所述原始点云数据和所述目标点云数据作为待处理点云数据；

基于道路边沿分别在x、y和z方向的空间几何特征，根据所述待处理点云数据确定道路边沿点，其中，所述x方向为所述目标车辆行进方向，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，所述基于道路边沿分别在x、y和z方向的空间几何特征，根据所述待处理点云数据确定道路边沿点包括：

在所述待处理点云数据中，依次计算每条激光扫描线上的每个点与其相邻点之间分别在x、y和z方向的差值；

判断任一激光扫描线上的任一点是否同时满足以下条件：所述点与其相邻点之间在x方向的差值大于所述激光扫描线对应的第一预设阈值，所述点与其相邻点之间在y方向的差值小于所述激光扫描线对应的第二预设阈值，所述点与其相邻点之间在z方向的差值大于第三预设阈值；如果是，则将所述点确定为道路边沿点；

其中，所述第一预设阈值和所述第二预设阈值根据所述激光雷达安装点距离地面的高度、所述激光扫描线的竖直角度、所述激光雷达的水平分辨率计算得到。

可选的，所述方法还包括：

将所确定的边沿点划分为任两个边沿点的y坐标差值均小于预设阈值的边沿点集合；

确定每个边沿点集合中的边沿点对应的边沿线。

可选的，所述基于所述θ对所述原始点云数据进行两次转换，得到满足预设条件的两组点云数据包括：

将所述原始点云数据分别旋转所述θ和π/2-θ，得到满足预设条件的两组点云数据；

所述基于预设角度对所述原始点云数据进行转换，得到满足所述预设条件的目标点云数据包括：

将所述原始点云数据旋转π/2，得到满足所述预设条件的目标点云数据。

可选的，所述计算所述目标车辆的当前转弯角度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当前转弯角度θ。

可选的，所述获取原始点云数据之后，所述方法还包括：

将所述原始点云数据转换至深度图，其中，所述深度图的每行数据为每条激光扫描线对应的数据；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。

第二方面，本发明实施例提供了一种提取道路边沿的装置，包括：

数据获取模块，用于获取原始点云数据，以及目标车辆当前时刻的第一航向角和上一时刻的第二航向角；其中，所述原始点云数据由安装于所述目标车辆的激光雷达采集；

阈值判断模块，用于判断所述第一航向角和所述第二航向角的差值是否大于预设阈值；

第一数据转换模块，用于当所述阈值判断模块判断结果为是时，计算所述目标车辆的当前转弯角度θ，基于所述θ对所述原始点云数据进行两次转换，得到满足预设条件的两组点云数据，并将所述两组点云数据作为待处理点云数据；其中，所述预设条件为：转换后的点云数据中，所述目标车辆行进方向与道路边沿平行；

第二数据转换模块，用于当所述阈值判断模块判断结果为否时，基于预设角度对所述原始点云数据进行转换，得到满足所述预设条件的目标点云数据，并将所述原始点云数据和所述目标点云数据作为待处理点云数据；

边沿点确定模块，用于基于道路边沿分别在x、y和z方向的空间几何特征，根据所述待处理点云数据确定道路边沿点，其中，所述x方向为所述目标车辆行进方向，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，所述边沿点确定模块包括：

差值计算子模块，用于在所述待处理点云数据中，依次计算每条激光扫描线上的每个点与其相邻点之间分别在x、y和z方向的差值；

边沿点确定子模块，用于判断任一激光扫描线上的任一点是否同时满足以下条件：所述点与其相邻点之间在x方向的差值大于所述激光扫描线对应的第一预设阈值，所述点与其相邻点之间在y方向的差值小于所述激光扫描线对应的第二预设阈值，所述点与其相邻点之间在z方向的差值大于第三预设阈值；如果是，则将所述点确定为道路边沿点；

其中，所述第一预设阈值和所述第二预设阈值根据所述激光雷达安装点距离地面的高度、所述激光扫描线的竖直角度、所述激光雷达的水平分辨率计算得到。

可选的，所述装置还包括：

集合划分模块，用于将所确定的边沿点划分为任两个边沿点的y坐标差值均小于预设阈值的边沿点集合；

边沿线确定模块，用于确定每个边沿点集合中的边沿点对应的边沿线。

可选的，所述第一数据转换模块，具体用于将所述原始点云数据分别旋转所述θ和π/2-θ，得到满足预设条件的两组点云数据；

所述第二数据转换模块，具体用于将所述原始点云数据旋转π/2，得到满足所述预设条件的目标点云数据。

可选的，所述第一数据转换模块，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当前转弯角度θ。

可选的，所述装置还包括：

第三数据转换模块，用于将所述原始点云数据转换至深度图，其中，所述深度图的每行数据为每条激光扫描线对应的数据；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。

由上述内容可知，本发明实施例提供的提取道路边沿的方法及装置，可以首先获取原始点云数据，以及目标车辆当前时刻的第一航向角和上一时刻的第二航向角；其中，原始点云数据由安装于目标车辆的激光雷达采集；之后判断第一航向角和第二航向角的差值是否大于预设阈值；如果是，表明目标车辆当前为转弯状态，这种情况下，可以计算目标车辆的当前转弯角度θ，基于θ对原始点云数据进行两次转换，得到满足预设条件的两组点云数据，并将两组点云数据作为待处理点云数据；其中，预设条件为：转换后的点云数据中，目标车辆行进方向与道路边沿平行；如果否，表明目标车辆当前为直行状态，这种情况下，基于预设角度对原始点云数据进行转换，得到满足预设条件的目标点云数据，并将原始点云数据和目标点云数据作为待处理点云数据；最后可以基于道路边沿分别在x、y和z方向的空间几何特征，根据待处理点云数据确定道路边沿点，其中，x方向为目标车辆行进方向，y方向为与x方向垂直的水平方向，z方向为竖直方向，因此能够在车辆经过交叉路段时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、当车辆通过交叉路段时，在转弯状态和直行状态下，车辆与道路边沿的夹角不同，因此，针对车辆转弯和直行两种状态，对激光雷达采集的原始点云数据进行不同方式的转换，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；从而能够在车辆经过交叉路段时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，道路边沿分别在x、y和z方向均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。基于该道路边沿分别在x、y和z方向的空间几何特征，可以从待处理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、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提取道路边沿的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提取道路边沿的装置的一种结构示意图。

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提取道路边沿的方法及装置，能够在车辆经过交叉路段时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提取道路边沿的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：获取原始点云数据，以及目标车辆当前时刻的第一航向角和上一时刻的第二航向角；其中，原始点云数据由安装于目标车辆的激光雷达采集。

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。

可以理解，当车辆通过交叉路段时，在转弯状态和直行状态下，车辆与道路边沿的夹角不同。因此，针对车辆转弯和直行两种状态，可以对激光雷达采集的原始点云数据进行不同方式的转换，得到车辆行进方向与道路边沿平行的待处理数据，进而基于待处理数据提取道路边沿点。

具体的，处理器可以获取目标车辆当前时刻的第一航向角和上一时刻的第二航向角，以基于目标车辆当前时刻的第一航向角和上一时刻的第二航向角来判断其当前是否为转弯状态。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。

例如，处理器可以通过目标车辆中的传感器获取上述第一航向角和第二航向角。

S120：判断第一航向角和第二航向角的差值是否大于预设阈值；如果是，执行步骤S130；如果否，执行步骤S140。

其中，上述预设阈值可以预先设定。并且，预设阈值的大小可以与当前时刻和上一时刻的时间间隔成正比。

S130：计算目标车辆的当前转弯角度θ，基于θ对原始点云数据进行两次转换，得到满足预设条件的两组点云数据，并将两组点云数据作为待处理点云数据；其中，预设条件为：转换后的点云数据中，目标车辆行进方向与道路边沿平行。

当第一航向角和第二航向角的差值大于预设阈值时，表明目标车辆当前为转弯状态。这种情况下，目标车辆和道路边沿的夹角与其当前转弯角度θ有关。因此，处理器可以计算目标车辆的当前转弯角度θ，基于θ对原始点云数据进行转换，得到车辆行进方向与道路边沿平行的待处理数据，进而基于待处理数据提取道路边沿点。

在一种实现方式中，处理器在计算目标车辆的当前转弯角度时，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，作为目标车辆的当前转弯角度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α_t-1，当前时刻的航向角为α_t，两个时刻的航向角差值β_t＝α_t-1-α_t，当β_t大于阈值δ时，则判定车辆当前处于转弯状态，α_t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β_t，得到车辆的当前转弯角度θ_t＝∑β_t。直至β_t小于阈值δ时，表明车辆转弯结束，将转弯角度θ_t置零，准备下次转弯。

可以理解，目标车辆行进至十字路口时，周围环境中存在相互垂直的两条道路。相应的，车辆行进方向与道路边沿的夹角也存在两种取值，即目标车辆的累计转弯角度θ和π/2-θ。因此，处理器对原始点云数据进行转换时，可以对其进行两次转换，如可以将原始点云数据分别旋转θ和π/2-θ，得到满足预设条件的两组点云数据，并将两组点云数据作为待处理点云数据。

对原始点云数据进行转换得到满足预设条件的两组点云数据时，具体的，可以按照以下公式进行：

其中

是原始点云数据中的一个点，

是旋转后点云数据中对应的点，α是旋转角度，也即为θ或π/2-θ。

S140：基于预设角度对原始点云数据进行转换，得到满足预设条件的目标点云数据，并将原始点云数据和目标点云数据作为待处理点云数据。

当第一航向角和第二航向角的差值不大于预设阈值时，表明目标车辆当前为非转弯状态，也即直行状态。当目标车辆在交叉路段直行时，目标车辆与周围道路的夹角为固定值。

可以理解，目标车辆行进至十字路口时，周围环境中存在相互垂直的两条道路。相应的，车辆行进方向与道路边沿的夹角也存在两种取值，即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满足预设条件的目标点云数据，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，可以将目标点云数据和原始点云数据作为待处理点云数据，从而可以根据待处理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，得到满足述预设条件的目标点云数据可以包括：将原始点云数据旋转π/2，得到满足预设条件的目标点云数据。

对原始点云数据进行转换得到目标点云数据的过程，与上述对原始点云数据进行两次转换得到两组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。

S150：基于道路边沿分别在x、y和z方向的空间几何特征，根据待处理点云数据确定道路边沿点，其中，x方向为目标车辆行进方向，y方向为与x方向垂直的水平方向，z方向为竖直方向。

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。

基于以上道路边沿分别在x、y和z方向的空间几何特征，可以对目标车辆所在环境的道路边沿点进行提取。

首先可以计算地面上相邻两点的在各方向的理论距离作为合理的阈值选择。定义

分别表示当第l条激光线扫描到地面时，相邻两点在x,y和z方向的差值。

其中，h_s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；θ_h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，基于道路边沿分别在x、y和z方向的空间几何特征，根据待处理点云数据确定道路边沿点可以包括：

在待处理点云数据中，依次计算每条激光扫描线上的每个点与其相邻点之间分别在x、y和z方向的差值。

判断任一激光扫描线上的任一点是否同时满足以下条件：该点与其相邻点之间在x方向的差值大于激光扫描线对应的第一预设阈值，该点与其相邻点之间在y方向的差值小于激光扫描线对应的第二预设阈值，该点与其相邻点之间在z方向的差值大于第三预设阈值；如果是，则将该点确定为道路边沿点。其中，第一预设阈值和第二预设阈值可以根据激光雷达安装点距离地面的高度、激光扫描线的竖直角度、激光雷达的水平分辨率计算得到。

也就是说，当定义

分别表示上述第一预设阈值、第二预设阈值和第三预设阈值时，可以判断任一点i是否同时满足

如果是，则将点i确定为道路边沿点。其中，

为点i与其相邻点之间在x方向的差值，

为点i与其相邻点之间在y方向的差值，

为点i与其相邻点之间在z方向的差值。

由上述内容可知，本发明实施例提供的提取道路边沿的方法，可以首先获取原始点云数据，以及目标车辆当前时刻的第一航向角和上一时刻的第二航向角；其中，原始点云数据由安装于目标车辆的激光雷达采集；之后判断第一航向角和第二航向角的差值是否大于预设阈值；如果是，表明目标车辆当前为转弯状态，这种情况下，可以计算目标车辆的当前转弯角度θ，基于θ对原始点云数据进行两次转换，得到满足预设条件的两组点云数据，并将两组点云数据作为待处理点云数据；其中，预设条件为：转换后的点云数据中，目标车辆行进方向与道路边沿平行；如果否，表明目标车辆当前为直行状态，这种情况下，基于预设角度对原始点云数据进行转换，得到满足预设条件的目标点云数据，并将原始点云数据和目标点云数据作为待处理点云数据；最后可以基于道路边沿分别在x、y和z方向的空间几何特征，根据待处理点云数据确定道路边沿点，其中，x方向为目标车辆行进方向，y方向为与x方向垂直的水平方向，z方向为竖直方向，因此能够在车辆经过交叉路段时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，目标车辆经过交叉路段时，其所在道路场景中会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任两个边沿点的y坐标差值均小于预设阈值的边沿点集合，然后确定每个边沿点集合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。

基于道路边沿分别在x、y和z方向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，激光雷达采集到的原始点云数据，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转换至深度图，其中，深度图的每行数据为每条激光扫描线对应的数据。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，也即该深度图包含32行、1800列的数据。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提取道路边沿的装置的一种结构示意图。该装置可以包括：

数据获取模块310，用于获取原始点云数据，以及目标车辆当前时刻的第一航向角和上一时刻的第二航向角；其中，所述原始点云数据由安装于所述目标车辆的激光雷达采集；

阈值判断模块320，用于判断所述第一航向角和所述第二航向角的差值是否大于预设阈值；

第一数据转换模块330，用于当所述阈值判断模块320判断结果为是时，计算所述目标车辆的当前转弯角度θ，基于所述θ对所述原始点云数据进行两次转换，得到满足预设条件的两组点云数据，并将所述两组点云数据作为待处理点云数据；其中，所述预设条件为：转换后的点云数据中，所述目标车辆行进方向与道路边沿平行；

第二数据转换模块340，用于当所述阈值判断模块320判断结果为否时，基于预设角度对所述原始点云数据进行转换，得到满足所述预设条件的目标点云数据，并将所述原始点云数据和所述目标点云数据作为待处理点云数据；

边沿点确定模块350，用于基于道路边沿分别在x、y和z方向的空间几何特征，根据所述待处理点云数据确定道路边沿点，其中，所述x方向为所述目标车辆行进方向，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。

由上述内容可知，本发明实施例提供的提取道路边沿的装置，可以首先获取原始点云数据，以及目标车辆当前时刻的第一航向角和上一时刻的第二航向角；其中，原始点云数据由安装于目标车辆的激光雷达采集；之后判断第一航向角和第二航向角的差值是否大于预设阈值；如果是，表明目标车辆当前为转弯状态，这种情况下，可以计算目标车辆的当前转弯角度θ，基于θ对原始点云数据进行两次转换，得到满足预设条件的两组点云数据，并将两组点云数据作为待处理点云数据；其中，预设条件为：转换后的点云数据中，目标车辆行进方向与道路边沿平行；如果否，表明目标车辆当前为直行状态，这种情况下，基于预设角度对原始点云数据进行转换，得到满足预设条件的目标点云数据，并将原始点云数据和目标点云数据作为待处理点云数据；最后可以基于道路边沿分别在x、y和z方向的空间几何特征，根据待处理点云数据确定道路边沿点，其中，x方向为目标车辆行进方向，y方向为与x方向垂直的水平方向，z方向为竖直方向，因此能够在车辆经过交叉路段时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。

在本发明的另一实施例中，所述边沿点确定模块350包括：

差值计算子模块，用于在所述待处理点云数据中，依次计算每条激光扫描线上的每个点与其相邻点之间分别在x、y和z方向的差值；

边沿点确定子模块，用于判断任一激光扫描线上的任一点是否同时满足以下条件：所述点与其相邻点之间在x方向的差值大于所述激光扫描线对应的第一预设阈值，所述点与其相邻点之间在y方向的差值小于所述激光扫描线对应的第二预设阈值，所述点与其相邻点之间在z方向的差值大于第三预设阈值；如果是，则将所述点确定为道路边沿点；

其中，所述第一预设阈值和所述第二预设阈值根据所述激光雷达安装点距离地面的高度、所述激光扫描线的竖直角度、所述激光雷达的水平分辨率计算得到。

在本发明的另一实施例中，所述装置还包括：

集合划分模块，用于将所确定的边沿点划分为任两个边沿点的y坐标差值均小于预设阈值的边沿点集合；

边沿线确定模块，用于确定每个边沿点集合中的边沿点对应的边沿线。

在本发明的另一实施例中，所述第一数据转换模块330，具体用于将所述原始点云数据分别旋转所述θ和π/2-θ，得到满足预设条件的两组点云数据；

所述第二数据转换模块340，具体用于将所述原始点云数据旋转π/2，得到满足所述预设条件的目标点云数据。

在本发明的另一实施例中，所述第一数据转换模块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当前转弯角度θ。

在本发明的另一实施例中，所述装置还包括：

第三数据转换模块，用于将所述原始点云数据转换至深度图，其中，所述深度图的每行数据为每条激光扫描线对应的数据；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。

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 (8)

1.一种提取道路边沿的方法，其特征在于，包括：

获取原始点云数据，以及目标车辆当前时刻的第一航向角和上一时刻的第二航向角；其中，所述原始点云数据由安装于所述目标车辆的激光雷达采集；

判断所述第一航向角和所述第二航向角的差值是否大于预设阈值；

如果是，计算所述目标车辆的当前转弯角度θ，将所述原始点云数据分别旋转所述θ和π/2-θ，得到满足预设条件的两组点云数据，并将所述两组点云数据作为待处理点云数据；其中，所述预设条件为：转换后的点云数据中，所述目标车辆行进方向与道路边沿平行；

如果否，将所述原始点云数据旋转π/2，得到满足所述预设条件的目标点云数据，并将所述原始点云数据和所述目标点云数据作为待处理点云数据；

基于道路边沿分别在x、y和z方向的空间几何特征，根据所述待处理点云数据确定道路边沿点，其中，所述x方向为所述目标车辆行进方向，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。

2.如权利要求1所述的方法，其特征在于，所述基于道路边沿分别在x、y和z方向的空间几何特征，根据所述待处理点云数据确定道路边沿点包括：

在所述待处理点云数据中，依次计算每条激光扫描线上的每个点与其相邻点之间分别在x、y和z方向的差值；

判断任一激光扫描线上的任一点是否同时满足以下条件：所述点与其相邻点之间在x方向的差值大于所述激光扫描线对应的第一预设阈值，所述点与其相邻点之间在y方向的差值小于所述激光扫描线对应的第二预设阈值，所述点与其相邻点之间在z方向的差值大于第三预设阈值；如果是，则将所述点确定为道路边沿点；

其中，所述第一预设阈值和所述第二预设阈值根据所述激光雷达安装点距离地面的高度、所述激光扫描线的竖直角度、所述激光雷达的水平分辨率计算得到。

3.根据权利要求2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任两个边沿点的y坐标差值均小于预设阈值的边沿点集合；

确定每个边沿点集合中的边沿点对应的边沿线。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述计算所述目标车辆的当前转弯角度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当前转弯角度θ。

5.根据权利要求1-3任一项所述的方法，其特征在于，所述获取原始点云数据之后，所述方法还包括：

将所述原始点云数据转换至深度图，其中，所述深度图的每行数据为每条激光扫描线对应的数据；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。

6.一种提取道路边沿的装置，其特征在于，包括：

数据获取模块，用于获取原始点云数据，以及目标车辆当前时刻的第一航向角和上一时刻的第二航向角；其中，所述原始点云数据由安装于所述目标车辆的激光雷达采集；

阈值判断模块，用于判断所述第一航向角和所述第二航向角的差值是否大于预设阈值；

第一数据转换模块，用于当所述阈值判断模块判断结果为是时，计算所述目标车辆的当前转弯角度θ，将所述原始点云数据分别旋转所述θ和π/2-θ，得到满足预设条件的两组点云数据，并将所述两组点云数据作为待处理点云数据；其中，所述预设条件为：转换后的点云数据中，所述目标车辆行进方向与道路边沿平行；

第二数据转换模块，用于当所述阈值判断模块判断结果为否时，将所述原始点云数据旋转π/2，得到满足所述预设条件的目标点云数据，并将所述原始点云数据和所述目标点云数据作为待处理点云数据；

边沿点确定模块，用于基于道路边沿分别在x、y和z方向的空间几何特征，根据所述待处理点云数据确定道路边沿点，其中，所述x方向为所述目标车辆行进方向，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。

7.如权利要求6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，用于在所述待处理点云数据中，依次计算每条激光扫描线上的每个点与其相邻点之间分别在x、y和z方向的差值；

边沿点确定子模块，用于判断任一激光扫描线上的任一点是否同时满足以下条件：所述点与其相邻点之间在x方向的差值大于所述激光扫描线对应的第一预设阈值，所述点与其相邻点之间在y方向的差值小于所述激光扫描线对应的第二预设阈值，所述点与其相邻点之间在z方向的差值大于第三预设阈值；如果是，则将所述点确定为道路边沿点；

其中，所述第一预设阈值和所述第二预设阈值根据所述激光雷达安装点距离地面的高度、所述激光扫描线的竖直角度、所述激光雷达的水平分辨率计算得到。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

集合划分模块，用于将所确定的边沿点划分为任两个边沿点的y坐标差值均小于预设阈值的边沿点集合；

边沿线确定模块，用于确定每个边沿点集合中的边沿点对应的边沿线。

Images