CN112949489B - 一种道路边界识别方法、装置、电子设备和存储介质 - Google Patents

一种道路边界识别方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN112949489B
CN112949489B CN202110227886.3A CN202110227886A CN112949489B CN 112949489 B CN112949489 B CN 112949489B CN 202110227886 A CN202110227886 A CN 202110227886A CN 112949489 B CN112949489 B CN 112949489B
Authority
CN
China
Prior art keywords
point set
target points
vehicle
target
target point
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.)
Active
Application number
CN202110227886.3A
Other languages
English (en)
Other versions
CN112949489A (zh
Inventor
杜枭
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.)
Chengdu Anzhijie Technology Co ltd
Original Assignee
Chengdu Anzhijie Technology 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 Chengdu Anzhijie Technology Co ltd filed Critical Chengdu Anzhijie Technology Co ltd
Priority to CN202110227886.3A priority Critical patent/CN112949489B/zh
Publication of CN112949489A publication Critical patent/CN112949489A/zh
Application granted granted Critical
Publication of CN112949489B publication Critical patent/CN112949489B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • 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)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供一种道路边界识别方法、装置、电子设备和存储介质，该方法包括：获取车辆雷达视场中的多个静止目标点，静止目标点表示以车辆为参考系，速度相当于车辆速度的目标点；根据多个静止目标点的紧密程度对多个静止目标点进行聚类，以获得至少一个点集合，每一点集合包含多个静止目标点；从至少一个点集合中筛选出至少一个目标点集合，目标点集合中的至少一部分静止目标点呈预设线状分布；根据至少一个目标点集合生成道路边界。

Description

一种道路边界识别方法、装置、电子设备和存储介质
技术领域
本申请涉及道路边界识别技术领域，具体而言，涉及一种道路边界识别方法、装置、电子设备和存储介质。
背景技术
在自动驾驶领域中，车辆需要依靠车载雷达对道路的边界(护栏或路沿)进行识别，进而确定车身与护栏的相对位置，保障车辆的安全行驶。
目前，基于车载雷达对道路边界进行识别的方式是通过雷达对目标物进行动静判断，将静止物确定为道路边界；但道路上可能存在其他的静止物，导致目前只通过静止条件来对道路边界进行识别的方式存在着识别结果不准确的问题。
发明内容
本申请实施例的目的在于提供一种道路边界识别方法、装置、电子设备和存储介质，用以解决目前只通过静止条件来对道路边界进行识别的方式存在着识别结果不准确的问题。
第一方面，本发明提供一种道路边界识别方法，包括：获取车辆雷达视场中的多个静止目标点，所述静止目标点表示以车辆为参考系，速度相当于车辆速度的目标点；根据所述多个静止目标点的紧密程度对所述多个静止目标点进行聚类，以获得至少一个点集合，每一点集合包含多个静止目标点；从所述至少一个点集合中筛选出至少一个目标点集合，所述目标点集合中的至少一部分静止目标点呈预设线状分布；根据所述至少一个目标点集合生成道路边界。
在上述设计的道路边界识别方法中，通过对车辆雷达探测的多个静止目标点，通过对多个静止目标点进行聚类得到至少一个点集合，然后对至少一个点集合进行筛选得到至少一部分静止目标点呈预设现状分布的至少一个目标点集合，进而根据至少一个目标点集合生成道路边界，进而解决了目前只通过静止条件来对道路边界进行识别的方式存在着识别结果不准确的问题，提高了道路边界识别的准确性。
在第一方面的可选实施方式中，所述从所述至少一个点集合中筛选出至少一个目标点集合，包括：根据预设的回波能量与每一点集合中的每一静止目标点的回波能量筛选出每一点集合中的所述至少一部分静止目标点；依次判断每一点集合是否满足预设条件，所述预设条件为：点集合中的至少一部分静止目标点的纵向距离从车头到车尾方向按照从小到大的顺序排列、所述至少一部分静止目标点的角度从车头到车尾方向按照从大到小的顺序排列；以及，所述至少一部分静止目标点的横向距离的标准差小于第一预设值，其中，车辆雷达位于车尾，所述纵向距离表示静止目标点与车辆雷达所在的车尾平面的垂直距离，静止目标点的角度为静止目标点与车辆雷达的连线与车辆行驶的反方向垂线的夹角，所述车尾平面与车辆行驶方向垂直，所述横向距离表示静止目标点与车辆行驶方向平面的垂直距离；将满足预设条件的点集合确定目标点集合，以筛选出至少一个目标点集合。
在第一方面的可选实施方式中，所述从所述至少一个点集合中筛选出至少一个目标点集合，包括：根据预设的回波能量与每一点集合中的每一静止目标点的回波能量筛选出每一点集合中的所述至少一部分静止目标点；获取每一点集合中的所述至少一部分静止目标点中的每一静止目标点的坐标；根据每一点集合中的至少一部分静止目标点的坐标确定每一点集合中的所述至少一部分静止目标点的分布形状；将分布形状为预设形状的点集合确定为目标点集合，以筛选出至少一个目标点集合，所述预设形状为直线或弧线。
在第一方面的可选实施方式中，所述根据所述至少一个目标点集合生成道路边界，包括：若所述目标点集合的数量为一个，则根据将所述目标点集合中的呈预设现状分布的至少一部分静止目标点连接以生成道路边界。
在第一方面的可选实施方式中，所述根据所述至少一个目标点集合生成道路边界，包括：若所述目标点集合的数量为多个，则计算每一目标点集合中的所述至少一部分目标点的横向距离的平均值，所述横向距离表示静止目标点与车辆行驶方向平面的垂直距离；根据至少一部分目标点的横向距离的平均值最小的目标点集合生成道路边界。
在第一方面的可选实施方式中，所述方法还包括：计算确定为道路边界的目标点集合中的所述至少一部分静止目标点的横向距离的平均值；计算确定为道路边界的目标点集合中的所述至少一部分静止目标点的纵向距离最大值与纵向距离最小值的差值，获得纵向长度值；根据所述横向距离的平均值和纵向长度值确定所述道路边界相对于车辆的位置信息。
在上述设计的实施方式中，在确定道路边界的目标点集合之后，计算至少一部分静止目标点的横向距离的平均值以及纵向长度值，进而得到道路边界与车辆的位置关系，进而保障车辆的安全驾驶。
在第一方面的可选实施方式中，所述方法还包括：获取确定为道路边界的目标点集合中的所述至少一部分静止目标点中的每一静止目标点的反射能量；根据每一静止目标点的反射能量确定每一静止目标点的所属边界类型。
在第一方面的可选实施方式中，所述获取车辆雷达视场中的多个静止目标点，包括：获取车辆雷达采集的多个目标点中的每一目标点的角度以及测量速度，所述目标点的角度表示目标点与车辆雷达的连线与车辆行驶的反方向垂线的夹角，所述测量速度表示以车辆为参考系，目标点的速度指向车辆雷达方向的速度分量；根据每一目标点的角度和测量速度计算以车辆为参考系，每一目标点的速度；获取车辆的行驶速度；计算每一目标点的速度与行驶速度的差值的绝对值；将差值的绝对值在预设范围内的目标点确定为静止目标点，以获得多个静止目标点。
第二方面，本发明提供一种道路边界识别装置，包括：获取模块，用于获取车辆雷达视场中的多个静止目标点，所述静止目标点表示以车辆为参考系，速度相当于车辆速度的目标点；聚类模块，用于根据所述多个静止目标点的紧密程度对所述多个静止目标点进行聚类，以获得至少一个点集合，每一点集合包含多个静止目标点；筛选模块，用于从所述至少一个点集合中筛选出至少一个目标点集合，所述目标点集合中的至少一部分静止目标点呈预设线状分布；生成模块，用于根据所述至少一个目标点集合生成道路边界。
在上述设计的道路边界识别装置中，通过对车辆雷达探测的多个静止目标点，通过对多个静止目标点进行聚类得到至少一个点集合，然后对至少一个点集合进行筛选得到至少一部分静止目标点呈预设现状分布的至少一个目标点集合，进而根据至少一个目标点集合生成道路边界，进而解决了目前只通过静止条件来对道路边界进行识别的方式存在着识别结果不准确的问题，提高了道路边界识别的准确性。
在第二方面的可选实施方式中，所述筛选模块，具体用于根据预设的回波能量区间与每一点集合中的每一静止目标点的回波能量筛选出每一点集合中的所述至少一部分静止目标点；依次判断每一点集合是否满足预设条件，所述预设条件为：点集合中的至少一部分静止目标点的纵向距离从车头到车尾方向按照从小到大的顺序排列、所述至少一部分静止目标点的角度从车头到车尾方向按照从大到小的顺序排列；以及，所述至少一部分静止目标点的横向距离的标准差小于第一预设值，其中，车辆雷达位于车尾，所述纵向距离表示静止目标点与车辆雷达所在的车尾平面的垂直距离，静止目标点的角度为静止目标点与车辆雷达的连线与车辆行驶的反方向垂线的夹角，所述车尾平面与车辆行驶方向垂直，所述横向距离表示静止目标点与车辆行驶方向平面的垂直距离；将满足预设条件的点集合确定目标点集合，以筛选出至少一个目标点集合。
在第二方面的可选实施方式中，所述筛选模块，还具体用于根据预设的回波能量区间与每一点集合中的每一静止目标点的回波能量筛选出每一点集合中的所述至少一部分静止目标点；获取每一点集合中的所述至少一部分静止目标点中的每一静止目标点的坐标；根根据每一点集合中的至少一部分静止目标点的坐标确定每一点集合中的所述至少一部分静止目标点的分布形状；将分布形状为预设形状的点集合确定为目标点集合，以筛选出至少一个目标点集合，所述预设形状为直线或弧线。
在第二方面的可选实施方式中，所述生成模块，具体用于若所述目标点集合的数量为一个，则根据将所述目标点集合中的呈预设现状分布的至少一部分静止目标点连接以生成道路边界。
在第二方面的可选实施方式中，所述生成模块，还具体用于若所述目标点集合的数量为多个，则计算每一目标点集合中的所述至少一部分目标点的横向距离的平均值，所述横向距离表示静止目标点与车辆行驶方向平面的垂直距离；根据至少一部分目标点的横向距离的平均值最小的目标点集合生成道路边界。
在第二方面的可选实施方式中，所述获取模块，还用于获取确定为道路边界的目标点集合中的所述至少一部分静止目标点的横向距离的平均值；计算模块，用于计算确定为道路边界的目标点集合中的所述至少一部分静止目标点的纵向距离最大值与纵向距离最小值的差值，获得纵向长度值；确定模块，用于根据所述横向距离的平均值和纵向长度值确定所述道路边界相对于车辆的位置信息。
在第二方面的可选实施方式中，所述获取模块，还用于获取确定为道路边界的目标点集合中的所述至少一部分静止目标点中的每一静止目标点的反射能量；所述确定模块，还用于根据每一静止目标点的反射能量确定每一静止目标点的所属边界类型。
在第二方面的可选实施方式中，所述获取模块，具体用于获取车辆雷达采集的多个目标点中的每一目标点的角度以及测量速度，所述目标点的角度表示目标点与车辆雷达的连线与车辆行驶的反方向垂线的夹角，所述测量速度表示以车辆为参考系，目标点的速度指向车辆雷达方向的速度分量；根据每一目标点的角度和测量速度计算以车辆为参考系，每一目标点的速度；获取车辆的行驶速度；计算每一目标点的速度与行驶速度的差值的绝对值；将差值的绝对值在预设范围内的目标点确定为静止目标点，以获得多个静止目标点。
第三方面，实施例提供一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时执行第一方面、第一方面的任一可选的实现方式中的所述方法。
第四方面，实施例提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时执行第一方面、第一方面的任一可选的实现方式中的所述方法。
第五方面，实施例提供了一种计算机程序产品，所述计算机程序产品在计算机上运行时，使得计算机执行第一方面、第一方面的任一可选的实现方式中的所述方法。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的道路边界识别方法的第一流程图；
图2为本申请实施例提供的道路边界识别方法的第二流程图；
图3为本申请实施例提供的场景示意图；
图4为本申请实施例提供的道路边界识别方法的第三流程图；
图5为本申请实施例提供的道路边界识别方法的第四流程图；
图6为本申请实施例提供的道路边界识别方法的第五流程图；
图7为本申请实施例提供的道路边界识别方法的第六流程图；
图8为本申请实施例提供的道路边界识别方法的第七流程图；
图9为本申请实施例提供的道路边界识别方法的第八流程图；
图10为本申请实施例提供的道路边界识别装置的结构示意图；
图11为本申请实施例提供的电子设备的结构示意图。
图标：1000-获取模块；1010-聚类模块；1020-筛选模块；1030-生成模块；1040-计算模块；1050-确定模块；11-电子设备；1101-处理器；1102-存储器；1103-通信总线。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
本申请实施例提供一种道路边界识别方法，该识别方法通过对车辆周围的静止目标点进行聚类，判断聚类后的目标外形轮廓进而筛选出道路边界，该方法如图1所示，具体包括如下步骤：
步骤S100：获取车辆雷达视场中的多个静止目标点。
步骤S110：根据多个静止目标点的紧密程度对多个静止目标点进行聚类，以获得至少一个点集合。
步骤S120：从至少一个点集合中筛选出至少一个目标点集合。
步骤S130：根据至少一个目标点集合生成道路边界。
在步骤S100中，车辆雷达视场是指车辆雷达所能探测的区域范围，静止目标点表示车辆雷达探测得到的多个目标点中，以车辆为参考系，速度相当于车辆速度的目标点，作为一种可能的实施方式，可通过车辆雷达采集的每一目标点的角度和测量速度来进行静止目标点的确定，如图2所示，其具体包括如下步骤：
步骤S200：获取车辆雷达采集的多个目标点中的每一目标点的角度以及测量速度。
步骤S210：根据每一目标点的角度和测量速度计算以车辆为参考系，每一目标点的速度。
步骤S220：获取车辆的行驶速度，并计算每一目标点的速度与行驶速度的差值的绝对值。
步骤S230：将差值的绝对值在预设范围内的目标点确定为静止目标点，以获得多个静止目标点。
在步骤S200中，车辆雷达可以直接采集到目标点角度和测量速度，如图3所示，车辆雷达(图中圆形部分)一般设置在车辆尾部，在此基础上，该目标点的角度θ为目标点与车辆雷达的连线与车辆行驶方向的反方向的垂线的夹角，该测量速度v1为雷达直接采集得到的速度，其为目标点的速度v2指向车辆雷达方向的速度分量，在此基础上，可执行步骤S210通过车辆雷达采集的目标点的角度和测量速度来计算出目标点的速度，具体可通过如下公式计算出每一目标点的速度v2：
Figure BDA0002956695270000101
通过上述方式计算得到每一目标点的速度v2之后，本方案通过步骤S220计算每一目标点的速度v2与车辆行驶速度v3的差值的绝对值，然后执行步骤S230将差值的绝对值在预设范围内的目标点确定为静止目标点，进而获得多个静止目标点，这里需要说明的是，静止目标点最优选择的是每一目标点的速度v2与车辆行驶速度v3的差值为0的目标点，但由于车辆雷达采集的测量速度v1和目标点的角度θ均存在一定的误差，因此，可将差值在一定误差范围的目标点均可确定为静止目标点，例如，该差值的绝对值小于0.5的静止目标点均确定为静止目标点。
在通过如上方式获取车辆雷达视场中的多个静止目标点后，即可执行步骤S110对该多个静止目标点进行聚类。
在步骤S110中，对该多个静止目标点进行聚类的方式可通过该多个静止目标点的紧密程度进行聚类，进而可以得到至少一个点集合。作为一种可能的实施方式，对该多个静止目标点进行聚类的方法可采用DBSCAN密度聚类算法对该多个静止目标点进行聚类，在采用该聚类算法时，本申请方案可根据经验设定该聚类算法的设定圆的半径以及圆内至少存在的静止点的个数，进而依照现有的聚类算法即可得到至少一个点集合。这里需要说明的是，在采用聚类算法得到的点集合中可能存在一些目标静止点个数较少的点集合，例如，静止点个数为1个或两个，本申请方案可将这些目标静止点个数较少的点集合排除。
在步骤S120中，本方案可从步骤S110聚类得到的至少一个点集合中筛选出至少一个目标点集合，筛选出的目标点集合存在的特征是：该目标点集合中的至少一部分静止目标点呈预设线状分布。作为一种可能的实施方式，步骤S120中的筛选过程具体可为如图4所示的步骤，包括：
步骤S400：根据预设的回波能量区间与每一点集合中的每一静止目标点的回波能量筛选出每一点集合中的所述至少一部分静止目标点。
步骤S410：依次判断每一点集合是否满足预设条件。
步骤S420：将满足预设条件的点集合确定为目标点集合，以筛选出至少一个目标点集合。
在步骤S400中，该至少一部分静止目标点可表示回波能量在预设回波能量区间的静止目标点，该预设回波能量区间可根据识别的道路边界属性的回波能量来设定，例如，当识别的道路边界为护栏，那么则根据护栏的回波能量来设定回波能量区间，进而使得筛选出的至少一部分静止目标点均为护栏对应的目标点，摒除一些不是护栏的目标点。
在步骤S410中，该预设条件包含的是如下条件：第一，点集合中的至少一部分静止目标点的纵向距离从车头到车尾方向按照从小到大的顺序排列；第二，至少一部分静止目标点的角度从车头到车尾方向按照从大到小的顺序排列；第三，至少一部分静止目标点的横向距离的标准差小于第一预设值。
上述预设条件是在车辆雷达位于车尾时对应的预设条件，其中，纵向距离表示静止目标点与车辆雷达所在的车尾平面的垂直距离，如图3中的h；横向距离表示静止目标点与车辆行驶方向平面的垂直距离，如图3中的x；静止目标点的角度是指前述所说的角度θ。点集合中的至少一部分静止目标点满足上述预设条件时，至少一部分静止目标点的纵向距离从车头到车尾方向按照从小到大的顺序排列并且角度从车头到车尾方向按照从大到小排列，说明至少一部分静止目标点相对于雷达来说是由近到远；至少一部分静止目标点的横向距离的标准差小于第一预设值，说明至少一部分静止目标点的横向距离相差不大，不会过于分散，通过经验设置的第一预设值，可使得至少一部分静止目标点呈现趋于线状的分布，进而将满足预设条件的点集合确定为目标点集合，从而筛选出至少一个目标点集合。
作为一种可能的实施方式，除了上述采用满足预设条件的方式以外，本申请还提供另一种目标点集合的筛选方式，如图5所示，其具体包含如下步骤：
步骤S500：根据预设的回波能量区间与每一点集合中的每一静止目标点的回波能量筛选出每一点集合中的至少一部分静止目标点。
步骤S510：获取每一点集合中的至少一部分静止目标点中的每一静止目标点在预设坐标系下的坐标。
步骤S520：根据每一点集合中的至少一部分静止目标点的坐标确定每一点集合中的至少一部分静止目标点的分布形状。
步骤S530：将分布形状为预设形状的点集合确定为目标点集合，以筛选出至少一个目标点集合，该预设形状为直线或弧线。
上述步骤S500与前述的步骤S400相同，这里不再赘述。
在本实施方式中，得到每一点集合中的至少一部分静止目标点之后，通过步骤S510获取每一点集合中的至少一部分静止目标点中的每一静止目标点在预设坐标系下的坐标，进而根据每一点集合中的至少一部分南京至目标点的坐标确定每一点集合中的至少一部分静止目标点的分布形状，然后通过步骤S530将分布形状为预设形状的点集合确定为目标点集合，以筛选出至少一个目标点集合，其中，该预设形状为直线或弧线，具体的，根据坐标确定直线形状的方式可判断至少一部分静止目标点的横坐标或纵坐标是否完全相同或者通过两个坐标点得到一条直线，进而判断其余点是否在该直线上；根据坐标确定弧线的方式可至少一部分静止目标点的横坐标或纵坐标的差值是否在预设范围内，或者两个坐标点得到一条直线，进而判断其余点到直线的距离是否在预设范围内。
通过如下上述即可筛选出至少一个目标点集合，进而可根据至少一个目标点集合来生成道路边界，其中，前述筛选出的目标点集合可能只会存在一个，也可能会存在多个，当只存在一个目标点集合时，如图6所示，可通过如下步骤来生成道路边界，包括：
步骤S600：若目标点集合的数量为一个，则根据将目标点集合中的呈预设现状分布的至少一部分静止目标点连接以生成道路边界。
在目标点集合值存在一个时，那么则将该目标点集合中的至少一部分静止目标点连接起来即可生成道路边界。
作为一种可能的实施方式，当目标点集合存在多个时，例如，在实际场景中，前方发生车祸，临时设置了路障来作为道路边界，此时，车辆雷达可能将道路护栏和路障同时识别出并且得到了两个目标点集合，在这样的情况下，如图7所示，通过如下步骤来生成道路边界，包括：
步骤S700：若目标点集合的数量为多个，则计算每一目标点集合中的至少一部分静止目标点的横向距离的平均值；
步骤S710：根据至少一部分静止目标点的横向距离的平均值最小的目标点集合生成道路边界。
在步骤S700中，横向距离与前述描述的一致，其表示表示静止目标点与车辆行驶方向平面的垂直距离，在目标点集合的数量为多个时，本方案可计算出每一目标点集合中的至少一部分目标点的横向距离的平均值，进而执行步骤S710。
在步骤S710中，本方案会根据至少一部分目标点的横向距离的平均值最小的目标点集合生成道路边界，因为前述已经描述到，这样的情况下多是由于设置了临时路障使得探测得到两个目标点集合，那么则将横向距离的平均值最近的目标点集合生成道路边界，也就是根据临时路障的点集合生成道路边界，进而可以使得车辆得到与临时路障的位置关系，保证安全驾驶。其中，根据最小得到目标点集合生成道路边界的方式与前述一致，均是将目标点集合中的至少一部分静止目标点连接进而生成得到。
在通过如上方式基于目标点集合生成了道路边界之后，本申请方案还可以执行如下步骤来得到道路边界与本车的位置关系，进而保障安全驾驶，如图8所示，其具体包括如下步骤：
步骤S800：获取确定为道路边界的目标点集合中的至少一部分静止目标点的横向距离的平均值。
步骤S810：计算确定为道路边界的目标点集合中的至少一部分静止目标点的纵向距离最大值与纵向距离最小值的差值，获得纵向长度值。
步骤S820：根据横向距离的平均值和纵向长度值确定道路边界相对于车辆的位置信息。
在上述步骤中，本申请方案获取确定为道路边界的目标点集合中的至少一部分静止目标的横向距离的平均值，并通过计算确定为道路边界的目标点集合中的至少一部分静止目标点的纵向距离最大值与纵向距离最小值的差值，获得纵向长度值，进而基于横向距离的平均值可以确定出道路边界与车辆的横向距离，基于纵向长度值可以确定道路边界相对于车辆的长度，进而可以确定道路边界相对于车辆的位置信息。
在本实施例的可选实施方式中，通过如上方式基于目标点集合生成了道路边界之后，本申请方案还可以执行如下步骤来识别出道路边界的类型，如图9所示，其具体包括如下步骤：
步骤S900：获取确定为道路边界的目标点集合中的至少一部分静止目标点中的每一静止目标点的反射能量。
步骤S910：根据每一静止目标点的反射能量确定每一静止目标点的所属边界类型。
在上述步骤中，本申请方案获取确定为道路边界的每一静止目标点的反射能量，该反射能量在前述已经介绍到可通过雷达反射波来确定，进而基于每一静止目标点的反射能量可确定每一静止目标点的边界类型。其中，边界类型可包括绿化带、隧道以及铁皮等，不同的边界类型对应的反射能量不同，进而在得到每一静止目标的反射能量之后，即可识别出每一静止目标点的边界类型，然后即可确定出属于绿化带的边界有多长距离，属于隧道的边界有多长距离以及属于铁皮的边界有多长距离等。
上述设计的道路边界识别方法，通过对车辆雷达探测的多个静止目标点，通过对多个静止目标点进行聚类得到至少一个点集合，然后对至少一个点集合进行筛选得到至少一部分静止目标点呈预设现状分布的至少一个目标点集合，进而根据至少一个目标点集合生成道路边界，进而解决了目前只通过静止条件来对道路边界进行识别的方式存在着识别结果不准确的问题，提高了道路边界识别的准确性。
图10出示了本申请提供的道路边界识别装置的示意性结构框图，应理解，该装置与上述图1至图9中执行的方法实施例对应，能够执行前述的方法涉及的步骤，该装置具体的功能可以参见上文中的描述，为避免重复，此处适当省略详细描述。该装置包括至少一个能以软件或固件(firmware)的形式存储于存储器中或固化在装置的操作系统(operatingsystem，OS)中的软件功能模块。具体地，该装置包括获取模块1000，用于获取车辆雷达视场中的多个静止目标点，该静止目标点表示以车辆为参考系，速度相当于车辆速度的目标点；聚类模块1010，用于根据多个静止目标点的紧密程度对多个静止目标点进行聚类，以获得至少一个点集合，每一点集合包含多个静止目标点；筛选模块1020，用于从至少一个点集合中筛选出至少一个目标点集合，目标点集合中的至少一部分静止目标点呈预设线状分布；生成模块1030，用于根据至少一个目标点集合生成道路边界。
在上述设计的道路边界识别装置中，通过对车辆雷达探测的多个静止目标点，通过对多个静止目标点进行聚类得到至少一个点集合，然后对至少一个点集合进行筛选得到至少一部分静止目标点呈预设现状分布的至少一个目标点集合，进而根据至少一个目标点集合生成道路边界，进而解决了目前只通过静止条件来对道路边界进行识别的方式存在着识别结果不准确的问题，提高了道路边界识别的准确性。
在本实施例的可选实施方式中，筛选模块1020，具体用于根据预设的回波能量区间与每一点集合中的每一静止目标点的回波能量筛选出每一点集合中的至少一部分静止目标点；依次判断每一点集合是否满足预设条件，该预设条件为：点集合中的至少一部分静止目标点的纵向距离从车头到车尾方向按照从小到大的顺序排列、至少一部分静止目标点的角度从车头到车尾方向按照从大到小的顺序排列；以及，至少一部分静止目标点的横向距离的标准差小于第一预设值，其中，车辆雷达位于车尾，纵向距离表示静止目标点与车辆雷达所在的车尾平面的垂直距离，静止目标点的角度为静止目标点与车辆雷达的连线与车辆行驶的反方向垂线的夹角，车尾平面与车辆行驶方向垂直，横向距离表示静止目标点与车辆行驶方向平面的垂直距离；将满足预设条件的点集合确定目标点集合，以筛选出至少一个目标点集合。
在本实施例的可选实施方式中，筛选模块1020，还具体用于根据预设的回波能量区间与每一点集合中的每一静止目标点的回波能量筛选出每一点集合中的至少一部分静止目标点；获取每一点集合中的至少一部分静止目标点中的每一静止目标点的坐标；根据每一点集合中的至少一部分静止目标点的坐标确定每一点集合中的至少一部分静止目标点的分布形状；将分布形状为预设形状的点集合确定为目标点集合，以筛选出至少一个目标点集合，该预设形状为直线或弧线。
在本实施例的可选实施方式中，生成模块1030，具体用于若目标点集合的数量为一个，则根据将目标点集合中的呈预设现状分布的至少一部分静止目标点连接以生成道路边界。
在本实施例的可选实施方式中，生成模块1030，还具体用于若目标点集合的数量为多个，则计算每一目标点集合中的至少一部分目标点的横向距离的平均值，横向距离表示静止目标点与车辆行驶方向平面的垂直距离；根据至少一部分目标点的横向距离的平均值最小的目标点集合生成道路边界。
在本实施例的可选实施方式中，获取模块1000，还用于获取确定为道路边界的目标点集合中的至少一部分静止目标点的横向距离的平均值；计算模块1040，用于计算确定为道路边界的目标点集合中的至少一部分静止目标点的纵向距离最大值与纵向距离最小值的差值，获得纵向长度值；确定模块1050，用于根据横向距离的平均值和纵向长度值确定道路边界相对于车辆的位置信息。
在本实施例的可选实施方式中，获取模块1000，还用于获取确定为道路边界的目标点集合中的至少一部分静止目标点中的每一静止目标点的反射能量；确定模块1050，还用于根据每一静止目标点的反射能量确定每一静止目标点的所属边界类型。
在本实施例的可选实施方式中，获取模块1000，具体用于获取车辆雷达采集的多个目标点中的每一目标点的角度以及测量速度，该目标点的角度表示目标点与雷达的连线与车辆行驶方向的夹角，该测量速度表示以车辆为参考系，目标点的速度指向车辆雷达方向的速度分量；根据每一目标点的角度和测量速度计算以车辆为参考系，每一目标点的速度；获取车辆的行驶速度；计算每一目标点的速度与行驶速度的差值的绝对值；将差值的绝对值在预设范围内的目标点确定为静止目标点，以获得多个静止目标点。
如图11所示，本申请提供一种电子设备11，包括：处理器1101和存储器1102，处理器1101和存储器1102通过通信总线1103和/或其他形式的连接机构(未标出)互连并相互通讯，存储器1102存储有处理器1101可执行的计算机程序，当计算设备运行时，处理器1101执行该计算机程序，以执行时执行第一实施例、第一实施例的任一可选的实现方式中的方法，例如步骤S100至步骤S130：获取车辆雷达视场中的多个静止目标点；根据多个静止目标点的紧密程度对多个静止目标点进行聚类，以获得至少一个点集合；从至少一个点集合中筛选出至少一个目标点集合；根据至少一个目标点集合生成道路边界。
本申请提供一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行第一实施例、第一实施例的任一可选的实现方式中的方法。
其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(Static Random Access Memory,简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read Only Memory,简称EPROM)，可编程只读存储器(Programmable Red-Only Memory,简称PROM)，只读存储器(Read-OnlyMemory,简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
本申请提供一种计算机程序产品，该计算机程序产品在计算机上运行时，使得计算机执行第一实施例、第一实施例的任一可选的实现方式中的所述方法。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
需要说明的是，功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (9)

1.一种道路边界识别方法，其特征在于，包括：
获取车辆雷达视场中的多个静止目标点，所述静止目标点表示以车辆为参考系，速度相当于车辆速度的目标点；
根据所述多个静止目标点的紧密程度对所述多个静止目标点进行聚类，以获得至少一个点集合，每一点集合包含多个静止目标点；
从所述至少一个点集合中筛选出至少一个目标点集合，所述目标点集合中的至少一部分静止目标点呈预设线状分布；
根据所述至少一个目标点集合生成道路边界；
所述从所述至少一个点集合中筛选出至少一个目标点集合，包括：
根据预设的回波能量区间与每一点集合中的每一静止目标点的回波能量筛选出每一点集合中的所述至少一部分静止目标点；
依次判断每一点集合是否满足预设条件，所述预设条件为：点集合中的至少一部分静止目标点的纵向距离从车头到车尾方向按照从小到大的顺序排列、所述至少一部分静止目标点的角度从车头到车尾方向按照从大到小的顺序排列；以及，所述至少一部分静止目标点的横向距离的标准差小于第一预设值，其中，车辆雷达位于车尾，所述纵向距离表示静止目标点与车辆雷达所在的车尾平面的垂直距离，静止目标点的角度为静止目标点与车辆雷达的连线与车辆行驶的反方向垂线的夹角，所述车尾平面与车辆行驶方向垂直，所述横向距离表示静止目标点与车辆行驶方向平面的垂直距离；
将满足预设条件的点集合确定为目标点集合，以筛选出至少一个目标点集合。
2.根据权利要求1所述的方法，其特征在于，所述从所述至少一个点集合中筛选出至少一个目标点集合，包括：
根据预设的回波能量区间与每一点集合中的每一静止目标点的回波能量筛选出每一点集合中的所述至少一部分静止目标点；
获取每一点集合中的所述至少一部分静止目标点中的每一静止目标点在预设坐标系下的坐标；
根据每一点集合中的至少一部分静止目标点的坐标确定每一点集合中的所述至少一部分静止目标点的分布形状；
将分布形状为预设形状的点集合确定为目标点集合，以筛选出至少一个目标点集合，所述预设形状为直线或弧线。
3.根据权利要求1所述的方法，其特征在于，所述根据所述至少一个目标点集合生成道路边界，包括：
若所述目标点集合的数量为一个，则根据将所述目标点集合中的呈预设现状分布的至少一部分静止目标点连接以生成道路边界。
4.根据权利要求1所述的方法，其特征在于，所述根据所述至少一个目标点集合生成道路边界，包括：
若所述目标点集合的数量为多个，则计算每一目标点集合中的所述至少一部分静止目标点的横向距离的平均值，所述横向距离表示静止目标点与车辆行驶方向平面的垂直距离；
根据至少一部分静止目标点的横向距离的平均值最小的目标点集合生成道路边界。
5.根据权利要求3或4所述的方法，其特征在于，所述方法还包括：
获取确定为道路边界的目标点集合中的所述至少一部分静止目标点的横向距离的平均值；
计算确定为道路边界的目标点集合中的所述至少一部分静止目标点的纵向距离最大值与纵向距离最小值的差值，获得纵向长度值；
根据所述横向距离的平均值和纵向长度值确定所述道路边界相对于车辆的位置信息。
6.根据权利要求3或4所述的方法，其特征在于，所述方法还包括：
获取确定为道路边界的目标点集合中的所述至少一部分静止目标点中的每一静止目标点的反射能量；
根据每一静止目标点的反射能量确定每一静止目标点的所属边界类型。
7.根据权利要求1所述的方法，其特征在于，所述获取车辆雷达视场中的多个静止目标点，包括：
获取车辆雷达采集的多个目标点中的每一目标点的角度以及测量速度，所述目标点的角度表示目标点与车辆雷达的连线与车辆行驶的反方向垂线的夹角，所述测量速度表示以车辆为参考系，目标点的速度指向车辆雷达方向的速度分量；
根据每一目标点的角度和测量速度计算以车辆为参考系，每一目标点的速度；
获取车辆的行驶速度；
计算每一目标点的速度与行驶速度的差值的绝对值；
将差值的绝对值在预设范围内的目标点确定为静止目标点，以获得多个静止目标点。
8.一种道路边界识别装置，其特征在于，包括：
获取模块，用于获取车辆雷达视场中的多个静止目标点，所述静止目标点表示以车辆为参考系，速度相当于车辆速度的目标点；
聚类模块，用于根据所述多个静止目标点的紧密程度对所述多个静止目标点进行聚类，以获得至少一个点集合，每一点集合包含多个静止目标点；
筛选模块，用于从所述至少一个点集合中筛选出至少一个目标点集合，所述目标点集合中的至少一部分静止目标点呈预设线状分布；
生成模块，用于根据所述至少一个目标点集合生成道路边界；
所述筛选模块，具体用于根据预设的回波能量区间与每一点集合中的每一静止目标点的回波能量筛选出每一点集合中的所述至少一部分静止目标点；依次判断每一点集合是否满足预设条件，所述预设条件为：点集合中的至少一部分静止目标点的纵向距离从车头到车尾方向按照从小到大的顺序排列、所述至少一部分静止目标点的角度从车头到车尾方向按照从大到小的顺序排列；以及，所述至少一部分静止目标点的横向距离的标准差小于第一预设值，其中，车辆雷达位于车尾，所述纵向距离表示静止目标点与车辆雷达所在的车尾平面的垂直距离，静止目标点的角度为静止目标点与车辆雷达的连线与车辆行驶的反方向垂线的夹角，所述车尾平面与车辆行驶方向垂直，所述横向距离表示静止目标点与车辆行驶方向平面的垂直距离；将满足预设条件的点集合确定为目标点集合，以筛选出至少一个目标点集合。
9.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。
CN202110227886.3A 2021-03-01 2021-03-01 一种道路边界识别方法、装置、电子设备和存储介质 Active CN112949489B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110227886.3A CN112949489B (zh) 2021-03-01 2021-03-01 一种道路边界识别方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110227886.3A CN112949489B (zh) 2021-03-01 2021-03-01 一种道路边界识别方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN112949489A CN112949489A (zh) 2021-06-11
CN112949489B true CN112949489B (zh) 2023-05-12

Family

ID=76247036

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110227886.3A Active CN112949489B (zh) 2021-03-01 2021-03-01 一种道路边界识别方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN112949489B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115390035A (zh) * 2022-07-29 2022-11-25 中国第一汽车股份有限公司 车辆进出隧道的检测方法、装置、车辆及存储介质
CN115236627B (zh) * 2022-09-21 2022-12-16 深圳安智杰科技有限公司 一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014006588A (ja) * 2012-06-21 2014-01-16 Toyota Central R&D Labs Inc 路面境界推定装置及びプログラム
CN106991389A (zh) * 2017-03-29 2017-07-28 蔚来汽车有限公司 确定道路边沿的装置和方法
CN110781827A (zh) * 2019-10-25 2020-02-11 中山大学 一种基于激光雷达与扇状空间分割的路沿检测系统及其方法
CN111289980A (zh) * 2020-03-06 2020-06-16 成都纳雷科技有限公司 基于车载毫米波雷达的路边静止物的检测方法及系统
CN111316128A (zh) * 2018-12-28 2020-06-19 深圳市大疆创新科技有限公司 连续障碍物检测方法、设备、系统及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200023802A (ko) * 2018-08-27 2020-03-06 주식회사 만도 사각지대 감지 장치 및 그 사각지대 감지 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014006588A (ja) * 2012-06-21 2014-01-16 Toyota Central R&D Labs Inc 路面境界推定装置及びプログラム
CN106991389A (zh) * 2017-03-29 2017-07-28 蔚来汽车有限公司 确定道路边沿的装置和方法
CN111316128A (zh) * 2018-12-28 2020-06-19 深圳市大疆创新科技有限公司 连续障碍物检测方法、设备、系统及存储介质
CN110781827A (zh) * 2019-10-25 2020-02-11 中山大学 一种基于激光雷达与扇状空间分割的路沿检测系统及其方法
CN111289980A (zh) * 2020-03-06 2020-06-16 成都纳雷科技有限公司 基于车载毫米波雷达的路边静止物的检测方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"Algorithm for Determining Road Boundaries in the Radar System of an Unmanned Car";Bui Sy Hanh 等;《IEEE》;第1-5页 *
"矿山道路边界线实时检测与跟踪";鲁小伟;《中国优秀硕士学位论文全文数据库(工程科技Ⅰ辑)》(第2021年第01期);第B021-905页正文第27-45页 *

Also Published As

Publication number Publication date
CN112949489A (zh) 2021-06-11

Similar Documents

Publication Publication Date Title
CN109870680B (zh) 一种目标分类方法及装置
CN112949489B (zh) 一种道路边界识别方法、装置、电子设备和存储介质
JP5884794B2 (ja) 衝突可能性判定装置およびプログラム
US7289059B2 (en) Method and device for course prediction in motor vehicles
CN110632617B (zh) 一种激光雷达点云数据处理的方法及装置
KR102569904B1 (ko) 표적 차량 추적 장치 및 그의 표적 차량 추적 방법과 그를 포함하는 차량
CN109635816B (zh) 车道线生成方法、装置、设备以及存储介质
US20180372866A1 (en) Object detection apparatus and object detection method
US11440541B2 (en) Apparatus and method for predicting concurrent lane change and vehicle including the same
CN111796286B (zh) 一种制动等级的评估方法、装置、车辆和存储介质
WO2020186420A1 (zh) 一种目标检测方法、设备、毫米波雷达及可移动平台
CN109696676B (zh) 一种有效障碍物目标确定方法、装置和车辆
WO2018212292A1 (ja) 情報処理装置、制御方法、プログラム及び記憶媒体
CN110341621B (zh) 一种障碍物检测方法及装置
JP2000207693A (ja) 車載用障害物検出装置
CN110618420A (zh) 一种超声波数据的处理方法、系统、车辆及存储介质
CN114550142A (zh) 基于4d毫米波雷达和图像识别融合的车位检测方法
CN111104824A (zh) 车道偏离的检测方法、电子设备及计算机可读存储介质
EP4024330B1 (en) Object recognition method and object recognition device
JP2019148889A (ja) 道路境界検出装置
CN112508970B (zh) 一种点云数据分割方法及装置
CN113033586B (zh) 目标识别方法及设备
EP3825648A1 (en) Object detection device
JPH08329397A (ja) 車両認識装置及びそれを用いた車両接近報知装置
WO2018212290A1 (ja) 情報処理装置、制御方法、プログラム及び記憶媒体

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
GR01 Patent grant
GR01 Patent grant