CN112036274A - 一种可行驶区域检测方法、装置、电子设备及存储介质 - Google Patents

一种可行驶区域检测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112036274A
CN112036274A CN202010837729.XA CN202010837729A CN112036274A CN 112036274 A CN112036274 A CN 112036274A CN 202010837729 A CN202010837729 A CN 202010837729A CN 112036274 A CN112036274 A CN 112036274A
Authority
CN
China
Prior art keywords
road
dangerous
determining
distance
obstacle
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.)
Pending
Application number
CN202010837729.XA
Other languages
English (en)
Inventor
宋丽娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Intelligent Network Automobile Innovation Center Co ltd
Original Assignee
Jiangsu Intelligent Network Automobile Innovation Center Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Intelligent Network Automobile Innovation Center Co ltd filed Critical Jiangsu Intelligent Network Automobile Innovation Center Co ltd
Priority to CN202010837729.XA priority Critical patent/CN112036274A/zh
Publication of CN112036274A publication Critical patent/CN112036274A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明实施例公开了一种可行驶区域检测方法、装置、电子设备及存储介质。该方法包括：通过根据车道线信息和初始点云数据确定道路内点数据；对所述道路内点数据进行聚类，得到聚类道路障碍物；根据所述聚类道路障碍物和电子地图的道路边界信息，确定车辆的可行驶区域。通过运行本发明实施例所提供的技术方案，可以解决由于传感器本身的特性，导致检测精度较差和实时性较差，无法满足自动驾驶车辆的需求的问题，实现提高可行驶区域检测的实时性和准确度效果。

Description

一种可行驶区域检测方法、装置、电子设备及存储介质
技术领域
本发明实施例涉及自动驾驶技术，尤其涉及一种可行驶区域检测方法、装置、电子设备及存储介质。
背景技术
可行驶区域的检测是自动驾驶技术的关键技术之一。目前，自动驾驶车辆主要通过传感器，例如，摄像头、激光等，直接对环境进行检测，从而得到车辆可行驶区域。由于传感器本身的特性，例如摄像头精度不高、激光数据量较大等，以及车载计算平台性能的限制，导致检测精度较差和实时性较差，无法满足自动驾驶车辆的需求。
发明内容
本发明实施例提供一种可行驶区域检测方法、装置、电子设备及存储介质，以实现提高可行驶区域检测的实时性和准确度。
第一方面，本发明实施例提供了一种可行驶区域检测方法，所述方法包括：
根据车道线信息和初始点云数据确定道路内点数据；
对所述道路内点数据进行聚类，得到聚类道路障碍物；
根据所述聚类道路障碍物和电子地图的道路边界信息，确定车辆的可行驶区域。
第二方面，本发明实施例还提供了一种可行驶区域检测装置，该装置包括：
点数据确定模块，用于根据车道线信息和初始点云数据确定道路内点数据；
障碍物获取模块，用于对所述道路内点数据进行聚类，得到聚类道路障碍物；
可行驶区域确定模块，用于根据所述聚类道路障碍物和电子地图的道路边界信息，确定车辆的可行驶区域。
第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的可行驶区域检测方法。
第四方面，本发明实施例还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所述的可行驶区域检测方法。
本发明实施例通过根据车道线信息和初始点云数据确定道路内点数据；对所述道路内点数据进行聚类，得到聚类道路障碍物；根据所述聚类道路障碍物和电子地图的道路边界信息，确定车辆的可行驶区域。解决由于传感器本身的特性，导致检测精度较差和实时性较差，无法满足自动驾驶车辆的需求的问题，实现提高可行驶区域检测的实时性和准确度效果。
附图说明
图1为本发明实施例一提供的一种可行驶区域检测方法的流程图；
图2为本发明实施例二提供的一种可行驶区域检测方法的流程图；
图3为本发明实施例二提供的一种障碍物与道路关系的示意图；
图4为本发明实施例三提供的一种可行驶区域检测装置的结构示意图；
图5为本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种可行驶区域检测方法的流程图，本实施例可适用于自动驾驶中获取车辆的可行驶区域的情况，该方法可以由本发明实施例所提供的可行驶区域检测装置来执行，该装置可以由软件和/或硬件的方式实现。参见图1，本实施例提供的可行驶区域检测方法，包括：
步骤110、根据车道线信息和初始点云数据确定道路内点数据。
其中，车道线信息为车辆行驶道路中与车辆当前位置相关的车道线信息，可以根据车辆当前位置，动态加载电子地图中存储的相关车道线信息。初始点云数据为电子地图坐标系下的点云数据，可以由激光雷达传感器获取。道路内点数据为车辆行驶道路中的点云数据。
需要说明的是，本实施例中，车道线信息和初始点云数据处于地图坐标系中，由于初始点云数据从数据采集到数据处理过程中，存在多个坐标系，因此需要在坐标系之间进行转换。示例性的，包括地图坐标系、车辆坐标系和传感器坐标系。地图坐标系OMXMYMZM，车辆坐标系为OVXVYVZV，激光雷达传感器坐标系为OLXLYLZL。初始点云数据在激光雷达传感器采集后处于三维极坐标中，因此需要由三维极坐标转换到笛卡尔坐标系，转换公式如下：
转换公式如下：
Figure BDA0002640319340000041
点云数据的激光雷达传感器三维极坐标为(ρl,θl,γl)，转换得到的激光雷达传感器的笛卡尔坐标为(xl,yl,zl)，其中ρl表示传感器中心到检测物体的欧式距离，θl为偏航发射角度，γl为俯仰发射角度。
由于激光传感器坐标系与车身坐标系之间存在平移和旋转关系，可以通过离线标定预先获取。平移关系记为[xlv,ylv,zlv]和[ψlv,βlv,φlv]，激光雷达传感器坐标系到车身坐标系的转换公式如下：
Figure BDA0002640319340000042
Figure BDA0002640319340000043
Figure BDA0002640319340000044
其中，(xl,yl,zl)为车身坐标系下的坐标。
可选的，本实施例中采用组合导航系统，以解决解决导航定位、运动控制、设备标定对准等问题。主要包括全球导航卫星系统以及惯性测量单元，该系统由输入装置、数据处理和控制部分、输出装置以及外围设备组成。配合实时动态载波相位差分技术，以50Hz的频率输出车辆位置和姿态信息。通过将车辆位姿信息进行墨卡托投影，转换为以车辆为坐标原点的地图坐标系，从而激光点云数据从车身坐标系转换到地图坐标系中。
根据地图坐标系中的车道线信息和初始点云数据确定位于道路内的点云数据。
本实施例中，可选的，根据车道线信息和初始点云数据确定道路内点数据，包括：
根据所述车道线信息，构建车道多边形；
获取以所述初始点云数据为起点且向固定方向延伸的射线与邻近车道多边形之间的交点；
根据交点的数量确定所述初始点云数据中的道路内点数据。
其中，车道线信息包括构成每条车道线的各个点的位置信息，通过将各个点相连，构成封闭的车道多边形。
循环遍历每个初始点云数据，以每个初始点云数据坐标作为起始点，向固定方向延伸作射线，其中固定方向可以为地图坐标系中的x轴方向，本实施例对此不作限制。获取单个初始点云数据的射线与相邻车道多边形的交点数量，若交点数量为奇数，则该初始点云数据为道路内点数据；若交点数量为偶数，则该初始点云数据为道路外点数据。通过构建车道多边形判断各初始点云数据是否为道路内点数据，提高道路内点数据判断的准确性。
步骤120、对所述道路内点数据进行聚类，得到聚类道路障碍物。
其中，判断两个道路内点数据之间的距离是否超过聚类的自适应距离阈值，则两个道路内点数据属于两个不同的聚类，以此为依据将所有的道路内点数据划分不同的聚类道路障碍物，取同一聚类道路障碍物中点云的坐标的均值作为聚类道路障碍物的中心点。
本实施例中，可选的，对所述道路内点数据进行聚类，得到聚类道路障碍物，包括：
通过平面拟合算法从所述道路内点数据中提取道路的地面点云数据；
根据所述地面点云数据获取所述道路内点数据中的非地面点云数据，并根据预设高度阈值，从非地面点云数据中确定道路障碍物点；
对道路障碍物点进行聚类，得到聚类道路障碍物。
其中，对道路内点数据进行地面分割，可以通过设置随机抽样一致算法的拟合次数和参数阈值，采用随机抽样一致等算法拟合地面平面，从而获取道路的地面点云数据。从道路内点数据中去除地面点云数据，以记录非地面点云数据，并通过对非地面点云数据进行高度滤波等方式，保留高度满足小于预设高度阈值，例如5m的非地面点云数据，作为道路障碍物点。
对两个道路障碍物点之间的距离是否超过聚类的自适应距离阈值，则两个道路障碍物点属于两个不同的聚类，以此为依据将所有的道路障碍物点划分不同的聚类道路障碍物。
通过从道路内点数据中确定道路障碍物点，获得聚类道路障碍物，提高聚类道路障碍物获取的准确性，以提高后续可行驶区域检测的准确性。并且通过只关注道路障碍物点，避免对获取的所有点云数据进行运算，大大提高了可行驶区域检测的实时性。
步骤130、根据所述聚类道路障碍物和电子地图的道路边界信息，确定车辆的可行驶区域。
其中，电子地图可以为融合语义导航地图，本实施例对此不作限制。道路边界信息为车辆行驶道路中的道路的边界位置信息，判断各聚类道路障碍物与邻近道路边界的距离，例如各聚类道路障碍物的中心点与邻近道路边界的距离，若距离大于预设阈值，则认为该聚类障碍物为危险障碍物。去除当前行驶道路中的危险障碍物区域，则获取车辆的可行驶区域。
本实施例所提供的技术方案，通过根据车道线信息和初始点云数据确定道路内点数据；对所述道路内点数据进行聚类，得到聚类道路障碍物；根据所述聚类道路障碍物和电子地图的道路边界信息，确定车辆的可行驶区域。解决由于传感器本身的特性，导致检测精度较差和实时性较差，无法满足自动驾驶车辆的需求的问题，实现提高可行驶区域检测的实时性和准确度效果。
实施例二
图2为本发明实施例二提供的一种可行驶区域检测方法的流程图，本技术方案是针对根据所述聚类道路障碍物和电子地图的道路边界信息，确定车辆的可行驶区域的过程进行补充说明的。与上述方案相比，本方案具体优化为，根据所述聚类道路障碍物和电子地图的道路边界信息，确定车辆的可行驶区域，包括：
根据所述聚类道路障碍物与邻近道路边界的距离，判断所述聚类道路障碍物是否为危险障碍物；
根据所述危险障碍物与车辆之间的距离，判断是否存在危险行驶区域；
若存在所述危险行驶区域，则根据所述危险障碍物确定危险行驶区域，并根据所述危险行驶区域和所述道路边界信息确定车辆的可行驶区域。具体的，可行驶区域检测方法的流程图如图2所示：
步骤210、根据车道线信息和初始点云数据确定道路内点数据。
步骤220、对所述道路内点数据进行聚类，得到聚类道路障碍物。
步骤230、根据所述聚类道路障碍物与邻近道路边界的距离，判断所述聚类道路障碍物是否为危险障碍物。
判断各聚类道路障碍物与邻近道路边界的距离，若距离大于预设阈值，则认为该聚类障碍物为危险障碍物。
本实施例中，可选的，根据所述聚类道路障碍物与邻近道路边界的距离，判断所述聚类道路障碍物是否为危险障碍物，包括：
获取所述聚类道路障碍物的最小外接多边体；
判断所述最小外接多边体的顶点与邻近道路边界的距离是否超过预设第一距离阈值；
若超过预设第一距离阈值，则确定所述聚类道路障碍物为危险障碍物。
其中，获取聚类道路障碍物的最小外接多边体，示例性的，通过包围盒算法获取聚类道路障碍物的包围盒。
获取最小外接多边体各顶点到邻近道路边界的距离，当存在顶点距离大于预设第一距离阈值，例如0.3米时，则确定最小外接多边体对应的聚类道路障碍物为危险障碍物；当所有顶点距离道路边界距离小于等于预设第一距离阈值时，确定聚类道路障碍物为道路边界障碍物。从而提高危险障碍物判断的准确性。图3为本发明实施例二提供的一种障碍物与道路关系的示意图。
步骤240、根据所述危险障碍物与车辆之间的距离，判断是否存在危险行驶区域。
通过判断危险障碍物中心位置与车辆当前行驶位置之间的距离是否小于预设距离阈值，若小于则确定存在危险行驶区域。
本实施例中，可选的，根据所述危险障碍物与车辆之间的距离，判断是否存在危险行驶区域，包括：
获取第一危险障碍物与所述危险障碍物中距离所述第一危险障碍物最近的第二危险障碍物和第三危险障碍物；
获取所述第一危险障碍物、所述第二危险障碍物和所述第三危险障碍物分别与车辆之间的第一距离、第二距离和第三距离；
若所述第一距离大于所述第二距离及所述第三距离，且所述第二危险障碍物与所述第三危险障碍物之间的距离小于预设第二距离阈值，则确定存在危险行驶区域。
其中，第一危险障碍物为危险障碍物中任一危险障碍物，获取危险障碍物中距离第一危险障碍物最近的第二危险障碍物和第三危险障碍物，示例性的，第一危险障碍物为障碍物N，第二危险障碍物为障碍物N-1，第三危险障碍物为障碍物N+1，则可根据不同危险障碍物中心点间的距离
Figure BDA0002640319340000091
求出与障碍物N靠近距离排序第一和第二的障碍物N+1和N-1。
获取第一危险障碍物、第二危险障碍物和第三危险障碍物分别与车辆之间的第一距离、第二距离和第三距离。示例性的，获取障碍物N中心点与车辆的第一距离Ln，障碍物N-1中心点与车辆的第二距离Ln-1，障碍物N+1中心点与车辆的第三距离Ln+1。当Ln大于Ln-1与Ln+1时，则可能存在车辆无法通过的区域。
计算第二危险障碍物与第三危险障碍物之间的距离，示例性的，计算障碍物N+1的起始点云与障碍物N-1的终止点云的距离，若距离小于预设第二距离阈值则认为存在危险行驶区域，即车辆穿越该区域时可能存在危险。若不满足上述条件，则为安全行驶区域。其中，预设第二距离阈值可以为车辆宽度的预设倍数，例如1.2倍，本实施例对此不作限制。
通过第一危险障碍物与第二危险障碍物、第三危险障碍物分别与车辆之间的距离，整体判断是否存在危险行驶区域，降低危险行驶区域判断失误的可能性，从而提高可行驶区域检测的准确度。
步骤250、若存在所述危险行驶区域，则根据所述危险障碍物确定危险行驶区域，并根据所述危险行驶区域和所述道路边界信息确定车辆的可行驶区域。
若不存在危险行驶区域，则整条道路为车辆的可行驶区域。
若存在危险行驶区域，则根据危险障碍物确定危险行驶区域的具体范围，可以直接将危险障碍物的范围作为危险行驶区域。也可以合并第一危险障碍物、第二危险障碍物和第三危险障碍物中的点云数据，以代替原有的第一危险障碍物，作为危险行驶区域。遍历所有危险障碍物，直至所有危险障碍物遍历完成，获取所有危险行驶区域，则道路中剩余部分为车辆的可行驶区域。
本发明实施例通过结合电子地图中的道路边界静态信息和车辆自身因素，有效地剔除动态检测得到的当前行驶道路中的危险行驶区域，增强了可行驶区域检测的可靠性。
实施例三
图4为本发明实施例三提供的一种可行驶区域检测装置的结构示意图。该装置可以由硬件和/或软件的方式来实现，可执行本发明任意实施例所提供的一种可行驶区域检测方法，具备执行方法相应的功能模块和有益效果。如图4所示，该装置包括：
点数据确定模块410，用于根据车道线信息和初始点云数据确定道路内点数据；
障碍物获取模块420，用于对所述道路内点数据进行聚类，得到聚类道路障碍物；
可行驶区域确定模块430，用于根据所述聚类道路障碍物和电子地图的道路边界信息，确定车辆的可行驶区域。
本实施例所提供的技术方案，通过根据车道线信息和初始点云数据确定道路内点数据；对所述道路内点数据进行聚类，得到聚类道路障碍物；根据所述聚类道路障碍物和电子地图的道路边界信息，确定车辆的可行驶区域。解决由于传感器本身的特性，导致检测精度较差和实时性较差，无法满足自动驾驶车辆的需求的问题，实现提高可行驶区域检测的实时性和准确度效果。
在上述各技术方案的基础上，可选的，所述点数据确定模块，包括：
多边形构建单元，用于根据所述车道线信息，构建车道多边形；
交点获取单元，用于获取以所述初始点云数据为起点且向固定方向延伸的射线与邻近车道多边形之间的交点；
点数据确定单元，用于根据交点的数量确定所述初始点云数据中的道路内点数据。
在上述各技术方案的基础上，可选的，所述障碍物获取模块，包括：
点云数据提取单元，用于通过平面拟合算法从所述道路内点数据中提取道路的地面点云数据；
障碍物点确定单元，用于根据所述地面点云数据获取所述道路内点数据中的非地面点云数据，并根据预设高度阈值，从非地面点云数据中确定道路障碍物点；
障碍物获取单元，用于对道路障碍物点进行聚类，得到聚类道路障碍物。
在上述各技术方案的基础上，可选的，所述可行驶区域确定模块，包括：
障碍物判断单元，用于根据所述聚类道路障碍物与邻近道路边界的距离，判断所述聚类道路障碍物是否为危险障碍物；
危险行驶区域判断单元，用于根据所述危险障碍物与车辆之间的距离，判断是否存在危险行驶区域；
可行驶区域确定单元，用于若存在所述危险行驶区域，则根据所述危险障碍物确定危险行驶区域，并根据所述危险行驶区域和所述道路边界信息确定车辆的可行驶区域。
在上述各技术方案的基础上，可选的，所述障碍物判断单元，包括：
多边体获取子单元，用于获取所述聚类道路障碍物的最小外接多边体；
距离判断子单元，用于判断所述最小外接多边体的顶点与邻近道路边界的距离是否超过预设第一距离阈值；
障碍物确定子单元，用于若超过预设第一距离阈值，则确定所述聚类道路障碍物为危险障碍物。
在上述各技术方案的基础上，可选的，所述危险行驶区域判断单元，包括：
障碍物获取子单元，用于获取第一危险障碍物与所述危险障碍物中距离所述第一危险障碍物最近的第二危险障碍物和第三危险障碍物；
距离获取子单元，用于获取所述第一危险障碍物、所述第二危险障碍物和所述第三危险障碍物分别与车辆之间的第一距离、第二距离和第三距离；
危险行驶区域确定子单元，用于若所述第一距离大于所述第二距离及所述第三距离，且所述第二危险障碍物与所述第三危险障碍物之间的距离小于预设第二距离阈值，则确定存在危险行驶区域。
实施例四
图5为本发明实施例四提供的一种电子设备的结构示意图，如图5所示，该电子设备包括处理器50、存储器51、输入装置52和输出装置53；电子设备中处理器50的数量可以是一个或多个，图5中以一个处理器50为例；电子设备中的处理器50、存储器51、输入装置52和输出装置53可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储器51作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的可行驶区域检测方法对应的程序指令/模块。处理器50通过运行存储在存储器51中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述的可行驶区域检测方法。
存储器51可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器51可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器51可进一步包括相对于处理器50远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种可行驶区域检测方法，该方法包括：
根据车道线信息和初始点云数据确定道路内点数据；
对所述道路内点数据进行聚类，得到聚类道路障碍物；
根据所述聚类道路障碍物和电子地图的道路边界信息，确定车辆的可行驶区域。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的可行驶区域检测方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述可行驶区域检测装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种可行驶区域检测方法，其特征在于，包括：
根据车道线信息和初始点云数据确定道路内点数据；
对所述道路内点数据进行聚类，得到聚类道路障碍物；
根据所述聚类道路障碍物和电子地图的道路边界信息，确定车辆的可行驶区域。
2.根据权利要求1所述的方法，其特征在于，根据车道线信息和初始点云数据确定道路内点数据，包括：
根据所述车道线信息，构建车道多边形；
获取以所述初始点云数据为起点且向固定方向延伸的射线与邻近车道多边形之间的交点；
根据交点的数量确定所述初始点云数据中的道路内点数据。
3.根据权利要求1所述的方法，其特征在于，对所述道路内点数据进行聚类，得到聚类道路障碍物，包括：
通过平面拟合算法从所述道路内点数据中提取道路的地面点云数据；
根据所述地面点云数据获取所述道路内点数据中的非地面点云数据，并根据预设高度阈值，从非地面点云数据中确定道路障碍物点；
对道路障碍物点进行聚类，得到聚类道路障碍物。
4.根据权利要求1所述的方法，其特征在于，根据所述聚类道路障碍物和电子地图的道路边界信息，确定车辆的可行驶区域，包括：
根据所述聚类道路障碍物与邻近道路边界的距离，判断所述聚类道路障碍物是否为危险障碍物；
根据所述危险障碍物与车辆之间的距离，判断是否存在危险行驶区域；
若存在所述危险行驶区域，则根据所述危险障碍物确定危险行驶区域，并根据所述危险行驶区域和所述道路边界信息确定车辆的可行驶区域。
5.根据权利要求4所述的方法，其特征在于，根据所述聚类道路障碍物与邻近道路边界的距离，判断所述聚类道路障碍物是否为危险障碍物，包括：
获取所述聚类道路障碍物的最小外接多边体；
判断所述最小外接多边体的顶点与邻近道路边界的距离是否超过预设第一距离阈值；
若超过，则确定所述聚类道路障碍物为危险障碍物。
6.根据权利要求4所述的方法，其特征在于，根据所述危险障碍物与车辆之间的距离，判断是否存在危险行驶区域，包括：
获取第一危险障碍物与所述危险障碍物中距离所述第一危险障碍物最近的第二危险障碍物和第三危险障碍物；
获取所述第一危险障碍物、所述第二危险障碍物和所述第三危险障碍物分别与车辆之间的第一距离、第二距离和第三距离；
若所述第一距离大于所述第二距离及所述第三距离，且所述第二危险障碍物与所述第三危险障碍物之间的距离小于预设第二距离阈值，则确定存在危险行驶区域。
7.一种可行驶区域检测装置，其特征在于，包括：
点数据确定模块，用于根据车道线信息和初始点云数据确定道路内点数据；
障碍物获取模块，用于对所述道路内点数据进行聚类，得到聚类道路障碍物；
可行驶区域确定模块，用于根据所述聚类道路障碍物和电子地图的道路边界信息，确定车辆的可行驶区域。
8.根据权利要求7所述的装置，其特征在于，所述点数据确定模块，包括：
多边形构建单元，用于根据所述车道线信息，构建车道多边形；
交点获取单元，用于获取以所述初始点云数据为起点且向固定方向延伸的射线与邻近车道多边形之间的交点；
点数据确定单元，用于根据交点的数量确定所述初始点云数据中的道路内点数据。
9.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的可行驶区域检测方法。
10.一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1-6中任一所述的可行驶区域检测方法。
CN202010837729.XA 2020-08-19 2020-08-19 一种可行驶区域检测方法、装置、电子设备及存储介质 Pending CN112036274A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010837729.XA CN112036274A (zh) 2020-08-19 2020-08-19 一种可行驶区域检测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010837729.XA CN112036274A (zh) 2020-08-19 2020-08-19 一种可行驶区域检测方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN112036274A true CN112036274A (zh) 2020-12-04

Family

ID=73576975

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010837729.XA Pending CN112036274A (zh) 2020-08-19 2020-08-19 一种可行驶区域检测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112036274A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112964264A (zh) * 2021-02-07 2021-06-15 上海商汤临港智能科技有限公司 道路边沿检测方法、装置、高精度地图、车辆及存储介质
CN113536883A (zh) * 2021-03-23 2021-10-22 长沙智能驾驶研究院有限公司 障碍物检测方法、车辆、设备及计算机存储介质
CN113628471A (zh) * 2021-08-09 2021-11-09 广州文远知行科技有限公司 一种无人驾驶车辆的调度方法、装置、设备和介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106485233A (zh) * 2016-10-21 2017-03-08 深圳地平线机器人科技有限公司 可行驶区域检测方法、装置和电子设备
US20190056748A1 (en) * 2017-08-18 2019-02-21 Wipro Limited Method, System, and Device for Guiding Autonomous Vehicles Based on Dynamic Extraction of Road Region
CN110008941A (zh) * 2019-06-05 2019-07-12 长沙智能驾驶研究院有限公司 可行驶区域检测方法、装置、计算机设备和存储介质
CN110239592A (zh) * 2019-07-03 2019-09-17 中铁轨道交通装备有限公司 一种轨道车辆主动式障碍物及脱轨检测系统
CN110244321A (zh) * 2019-04-22 2019-09-17 武汉理工大学 一种基于三维激光雷达的道路可通行区域检测方法
CN110781891A (zh) * 2019-11-28 2020-02-11 吉林大学 一种基于激光雷达传感器的识别车辆可行驶区域的方法
CN111208533A (zh) * 2020-01-09 2020-05-29 上海工程技术大学 一种基于激光雷达的实时地面检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106485233A (zh) * 2016-10-21 2017-03-08 深圳地平线机器人科技有限公司 可行驶区域检测方法、装置和电子设备
US20190056748A1 (en) * 2017-08-18 2019-02-21 Wipro Limited Method, System, and Device for Guiding Autonomous Vehicles Based on Dynamic Extraction of Road Region
CN110244321A (zh) * 2019-04-22 2019-09-17 武汉理工大学 一种基于三维激光雷达的道路可通行区域检测方法
CN110008941A (zh) * 2019-06-05 2019-07-12 长沙智能驾驶研究院有限公司 可行驶区域检测方法、装置、计算机设备和存储介质
CN110239592A (zh) * 2019-07-03 2019-09-17 中铁轨道交通装备有限公司 一种轨道车辆主动式障碍物及脱轨检测系统
CN110781891A (zh) * 2019-11-28 2020-02-11 吉林大学 一种基于激光雷达传感器的识别车辆可行驶区域的方法
CN111208533A (zh) * 2020-01-09 2020-05-29 上海工程技术大学 一种基于激光雷达的实时地面检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郑海鹰，李爱光，郭黎，李响: "地理空间图形学原理与方法", vol. 1, 测绘出版社, pages: 80 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112964264A (zh) * 2021-02-07 2021-06-15 上海商汤临港智能科技有限公司 道路边沿检测方法、装置、高精度地图、车辆及存储介质
CN112964264B (zh) * 2021-02-07 2024-03-26 上海商汤临港智能科技有限公司 道路边沿检测方法、装置、高精度地图、车辆及存储介质
CN113536883A (zh) * 2021-03-23 2021-10-22 长沙智能驾驶研究院有限公司 障碍物检测方法、车辆、设备及计算机存储介质
WO2022199472A1 (zh) * 2021-03-23 2022-09-29 长沙智能驾驶研究院有限公司 障碍物检测方法、车辆、设备及计算机存储介质
CN113628471A (zh) * 2021-08-09 2021-11-09 广州文远知行科技有限公司 一种无人驾驶车辆的调度方法、装置、设备和介质

Similar Documents

Publication Publication Date Title
US11506769B2 (en) Method and device for detecting precision of internal parameter of laser radar
CN109887033B (zh) 定位方法及装置
CN111797734B (zh) 车辆点云数据处理方法、装置、设备和存储介质
CN112036274A (zh) 一种可行驶区域检测方法、装置、电子设备及存储介质
CN113865580A (zh) 构建地图的方法、装置、电子设备及计算机可读存储介质
CN112414417B (zh) 自动驾驶地图生成方法、装置、电子设备及可读存储介质
CN114485698B (zh) 一种交叉路口引导线生成方法及系统
WO2024012211A1 (zh) 自动驾驶环境感知方法、介质及车辆
WO2022078342A1 (zh) 动态占据栅格估计方法及装置
CN112051575A (zh) 一种毫米波雷达与激光雷达的调整方法及相关装置
CN112912894B (zh) 道路边界识别方法和装置
CN112782721A (zh) 一种可通行区域检测方法、装置、电子设备和存储介质
CN111316328A (zh) 车道线地图的维护方法、电子设备与存储介质
CN116997771A (zh) 车辆及其定位方法、装置、设备、计算机可读存储介质
CN115900730A (zh) 一种自动驾驶车辆三维点云定位方法、装置及存储介质
CN115436920A (zh) 一种激光雷达标定方法及相关设备
CN112219225A (zh) 定位方法、系统及可移动平台
CN117115414B (zh) 基于深度学习的无gps无人机定位方法及装置
Eraqi et al. Static free space detection with laser scanner using occupancy grid maps
CN116215517A (zh) 碰撞检测方法、装置、设备、存储介质和自动驾驶车辆
CN115359332A (zh) 基于车路协同的数据融合方法、装置、电子设备及系统
CN114549764A (zh) 基于无人车的障碍物识别方法、装置、设备及存储介质
CN112540622B (zh) 雷达数据的处理方法及装置、作业设备
EP4336466A2 (en) Method and apparatus for modeling object, storage medium, and vehicle control method
CN114136328B (zh) 一种传感器信息融合方法及装置

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