CN113379776A - 一种道路边界检测方法 - Google Patents

一种道路边界检测方法 Download PDF

Info

Publication number
CN113379776A
CN113379776A CN202110528933.8A CN202110528933A CN113379776A CN 113379776 A CN113379776 A CN 113379776A CN 202110528933 A CN202110528933 A CN 202110528933A CN 113379776 A CN113379776 A CN 113379776A
Authority
CN
China
Prior art keywords
road
point
road boundary
width
boundary
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
CN202110528933.8A
Other languages
English (en)
Inventor
李华志
黄立明
张娜
余贵珍
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.)
Beijing Tage Idriver Technology Co Ltd
Original Assignee
Beijing Tage Idriver 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 Beijing Tage Idriver Technology Co Ltd filed Critical Beijing Tage Idriver Technology Co Ltd
Priority to CN202110528933.8A priority Critical patent/CN113379776A/zh
Publication of CN113379776A publication Critical patent/CN113379776A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30256—Lane; Road marking

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明公开了一种基于少线束激光雷达的矿区道路边界检测方法，包括输入激光雷达的点云，经预处理和地面检测后，获得障碍物点云中包括道路边界和其他障碍物；通过获得障碍物点云和规划的前方路径点，进行道路边界检测；通过检测获得道路边界与障碍物。通过本发明的技术方案，能够检测形状不规则、高度不统一、长度不连续的道路边界，并且可以滤除道路中车辆、行人等干扰。本发明的检测方法具有检测准确度高、实时性好、鲁棒性强等优点。

Description

一种道路边界检测方法
技术领域
本发明属于道路边界检测技术领域，尤其涉及一种适用于矿区非结构化道路的激光雷达道路边界检测方法。
背景技术
道路边界检测是自动驾驶车辆环境感知重要内容，它将感知的环境分为可行驶区域道路、道路边界和道路边界以外环境，可以辅助车辆定位，并且可以识别道路区域，减少感知范围，提高环境感知后续处理效率与精度。
道路边界检测常用传感器有毫米波雷达、摄像头和激光雷达，毫米波雷达可以检测目标的位置和速度，但是测距误差较大；摄像头具有丰富的纹理信息，但是受光照影响较大；激光雷达可以精确测量距离，并且不受光照因素影响，在自动驾驶车辆环境感知中一般作为主传感器使用。
结构化道路在道路两边有规则的道路边界，边界高度、与地面的角度等特征明显，便于检测和识别。矿区道路环境复杂，道路起伏不平，并且没有规则的道路边界。矿区道路边界是山体边界或是用土堆成的挡墙，挡墙高度在0.8～1.5m之间，形状不规则，并且有杂草、凸起的土堆、石块的干扰，因此矿区道路边界检测较为复杂。
现有方案主要针对城市结构化道路，以道路边界的高度、与地面的角度、连续性等为规则，对道路边界进行检测，并且大部分方案不能处理路上有车辆、行人等干扰情况。
发明内容
针对现有道路边界检测算法大部分面向道路边界较为明显的结构化道路、不能滤除道路中的车辆干扰等问题，本发明提出一种适用于矿区非结构化道路的激光雷达道路边界检测方法，本发明的检测方法能够检测形状不规则、高度不统一、长度不连续的道路边界，并且可以滤除道路中车辆、行人等干扰。本发明的具体技术方案如下：
一种道路边界检测方法，在自动驾驶矿车上安装激光雷达，用于实时检测道路边界，所述方法包括以下步骤：
S1：通过激光雷达获取路面数据；
S2：将步骤S1中激光雷达的点云进行预处理和地面检测，获得障碍物点云；
S3：通过获得的障碍物点云和输入的前方规划路径点，进行道路边界检测，得到道路边界点云；
S4：对左右道路边界点云进行曲线拟合，得到左右道路边界。
优选地，所述步骤S3包括如下步骤：
S3-1：根据输入的前方规划路径点搜索左右道路边界点云或道路上其他目标点云，直到检测完所有的前方规划路径点为止；
S3-2：依次计算同一个路径点上搜索到的左右点云间距，即为该路段的测量路宽RWj，其中，j＝1,2,…,m，RW0RW1RW2...RWm RW，RW为路宽度集合；
S3-3：根据道路宽度RW的统计信息，滤除异常宽度值即滤除道路上车辆、行人干扰；
S3-4：对于异常宽度值，用其前后的正常宽度值进行插值，得到对应的道路边界点；
S3-5：所有正常的道路边界点云或经插值后的道路边界点云即为检测到的道路边界点云。
优选地，所述步骤S3-1的具体方法为：
S31：根据输入的前方规划路径点P0，P1，...，Pn，其中，P0，P1，...，Pn P，P为前方规划路径点集合，直线P0P1、直线P1P2，...，直线Pn-1Pn分别构成相邻路径点直线Li，i＝0,1,…，n-1，各直线长度均为N，分别计算直线L0～Ln-1的正交直线，所述正交直线为道路宽度方向直线，表示为LW0～LWn-1；
S32：设定最大搜索距离为Lmax，以相邻两个前方规划路径点为起点即依次以P0P1，P1P2，…，Pn-1Pn为起点，沿着道路宽度方向分别向两侧按Lmax/2构建搜索矩形区域；
S33：搜索矩形区域内距离相邻路径点直线Li两侧最近的非地面点云，该点云为左右道路边界点云或道路上其他目标点云；
S34：依次执行步骤S32和步骤S33，直到检测到Pn点即所有的前方规划路径点为止。
优选地，所述步骤S3-3中，如果某个点对应道路宽度小于0.7*道路宽度集合RW的均值或大于1.3*道路宽度集合RW的均值，则该宽度为异常宽度值即有其他目标遮挡或无有效道路边界，滤除异常宽度值；
计算相邻道路宽度差值，ΔRW＝RWj+1-RWj，如果ΔRW大于设定阈值，则该段道路宽度值RWj为异常宽度值，滤除异常宽度值。
优选地，所述步骤S1中的障碍物点云中包括道路边界和其他障碍物。
优选地，所述步骤S4中对左右道路边界点云分别通过二次或三次曲线拟合，得到左右道路边界。
本发明的有益效果在于：
1.本发明的检测方法适用于不规则道路边界检测：以地面检测后的障碍物点云为道路边界输入点，不以道路边界高度、与地面的夹角为规则判断，检测鲁棒性强，适用于矿区等不规则道路边界检测。
2.本发明的检测方法适用于直道和弯道的道路边界检测：以规划的路径点为参考点，可以不受前方道路情况干扰，满足直道和弯道的道路边界检测。
3.本发明的检测方法不受路面车辆和行人干扰：以前方路径规划点和搜索的所有道路边界候选点为输入，根据左右候选点宽度分布和路宽先验知识，滤除道路中车辆和行人干扰，提高道路边界检测稳定性。
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，下面将对实施例中所需要使用的附图作简单地介绍，通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，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，可以根据这些附图获得其他的附图。其中：
图1是本发明方法的输入和输出流程图；
图2是本发明的道路边界检测流程图；
图3是本发明的根据规划路径信息确定道路宽度方向直线；
图4是本发明的以相邻规划路径点和路宽方向直线确定矩形搜索区域；
图5是本发明的矩形区域搜索道路边界候选点；
图6是本发明的路宽分布图；
图7是本发明的道路边界滤波与插值；
图8是本发明的弯道检测示意图；
图9(a)-图9(d)为本发明实施例的示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
实施例1
如图1-2所示，一种道路边界检测方法，在自动驾驶矿车上安装激光雷达，用于实时检测道路边界，方法包括以下步骤：
S1：输入激光雷达的点云，经预处理和地面检测后，获得障碍物点云，障碍物点云中包括道路边界和其他障碍物；
S2：通过步骤S1获得的障碍物点云和输入的前方规划路径点，进行道路边界检测；
S2-1：根据输入的前方规划路径点P0，P1，...，Pn，其中，P0，P1，...，Pn P，P为前方规划路径点集合，直线P0P1、直线P1P2，...，直线Pn-1Pn分别构成相邻路径点直线Li，i＝0,1,…，n-1，各直线长度均为N，本实施方式中N＝3m，分别计算直线L0～Ln-1的正交直线，正交直线为道路宽度方向直线，表示为LW0～LWn-1；如图3所示；
S2-2：设定最大搜索距离为Lmax，以相邻两个前方规划路径点为起点即依次以P0P1，P1P2，…，Pn-1Pn为起点，沿着道路宽度方向分别向两侧按Lmax/2构建搜索矩形区域；本实施方式中Lmax＝60m，即规划轨迹左右各30m，如图4所示；
S2-3：搜索矩形区域内距离相邻路径点直线Li即L0-Ln-1两侧最近的非地面点云，该点云为左右道路边界点云或道路上其他目标点云；如图5所示；
S2-4：依次执行步骤S2-2和步骤S2-3，直到检测到Pn点为止；
S2-5：依次计算步骤S2-3中同一个路径点上搜索到的左右点云间距，即为该路段的测量路宽RWj，其中，j＝1,2,…,m，RW0RW1RW2...RWm RW，RW为路宽度集合；如图6所示；
S2-6：根据道路宽度RW的统计信息，滤除道路上车辆、行人干扰；
如果某个点对应道路宽度小于0.7*道路宽度集合RW的均值或大于1.3*道路宽度集合RW的均值，则该宽度为异常宽度值即有其他目标遮挡或无有效道路边界，滤除异常宽度值；如图7所示，滤除车辆异常点VP0～VP2；
计算相邻道路宽度差值，ΔRW＝RWj+1-RWj，如果ΔRW大于设定阈值，则该段道路宽度值RWj为异常宽度值，滤除异常宽度值，本实施例中阈值为1.5m；
S2-7：对于步骤S2-6中的异常宽度值RWj，用异常宽度值前后的正常宽度值RWj-1和RWj+1进行插值，得到对应的道路边界点；如图7所示，车辆外侧由于车辆的遮挡，道路边界不能正常检测，根据遮挡点前后的正常边界点通过线性插值，计算被遮挡的边界点；如图7所示，LP3、LP4、LP5能够由LP2和LP5，通过线性插值计算得到；
S2-8：所有正常的道路边界点云或经插值后的道路边界点云即为检测到的道路边界点云；图6为道路宽度分布图，12-18m处为道路宽度异常点，需要滤除，用9-21m的数据进行插值，因此能够滤除图中左前方车辆影响；对于弯道检测原理相同，弯道示意图如图8所示。
S3：对左右道路边界点云，分别通过二次曲线拟合，得到左右道路边界。
实施例2
如图9(a)为直路上的点云效果，左右凸起部分为道路边界，中间为道路区域，左前方为一辆轿车。采用本发明的方法进行道路边界检测，得到的结果如图所示，其中，图9(b)为根据规划的路径点，结合道路宽度分布信息，检测出的道路边界，可以滤除左前方轿车对边界的干扰。图9(c)由于轿车遮挡导致的一段边界检测不连续，通过前后边界点插值，补全遮挡的道路边界。图9(d)为应用二次曲线对检测出的道路边界进行拟合，得到平滑的边界点。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种道路边界检测方法，其特征在于，在自动驾驶矿车上安装激光雷达，用于实时检测道路边界，所述方法包括以下步骤：
S1：通过激光雷达获取路面数据；
S2：将步骤S1中激光雷达的点云进行预处理和地面检测，获得障碍物点云；
S3：通过获得的障碍物点云和输入的前方规划路径点，进行道路边界检测，得到道路边界点云；
S4：对左右道路边界点云进行曲线拟合，得到左右道路边界。
2.根据权利要求1所述的一种道路边界检测方法，其特征在于，所述步骤S3包括如下步骤：
S3-1：根据输入的前方规划路径点搜索左右道路边界点云或道路上其他目标点云，直到检测完所有的前方规划路径点为止；
S3-2：依次计算同一个路径点上搜索到的左右点云间距，即为该路段的测量路宽RWj，其中，j＝1,2,…,m，RW0RW1RW2...RWm RW，RW为路宽度集合；
S3-3：根据道路宽度RW的统计信息，滤除异常宽度值即滤除道路上车辆、行人干扰；
S3-4：对于异常宽度值，用其前后的正常宽度值进行插值，得到对应的道路边界点；
S3-5：所有正常的道路边界点云或经插值后的道路边界点云即为检测到的道路边界点云。
3.根据权利要求2所述的一种道路边界检测方法，其特征在于，所述步骤S3-1的具体方法为：
S31：根据输入的前方规划路径点P0，P1，...，Pn，其中，P0，P1，...，Pn P，P为前方规划路径点集合，直线P0P1、直线P1P2，...，直线Pn-1Pn分别构成相邻路径点直线Li，i＝0,1,…，n-1，各直线长度均为N，分别计算直线L0～Ln-1的正交直线，所述正交直线为道路宽度方向直线，表示为LW0～LWn-1；
S32：设定最大搜索距离为Lmax，以相邻两个前方规划路径点为起点即依次以P0P1，P1P2，…，Pn-1Pn为起点，沿着道路宽度方向分别向两侧按Lmax/2构建搜索矩形区域；
S33：搜索矩形区域内距离相邻路径点直线Li两侧最近的非地面点云，该点云为左右道路边界点云或道路上其他目标点云；
S34：依次执行步骤S32和步骤S33，直到检测到Pn点即所有的前方规划路径点为止。
4.根据权利要求2所述的一种道路边界检测方法，其特征在于，所述步骤S3-3中，如果某个点对应道路宽度小于0.7*道路宽度集合RW的均值或大于1.3*道路宽度集合RW的均值，则该宽度为异常宽度值即有其他目标遮挡或无有效道路边界，滤除异常宽度值；
计算相邻道路宽度差值，ΔRW＝RWj+1-RWj，如果ΔRW大于设定阈值，则该段道路宽度值RWj为异常宽度值，滤除异常宽度值。
5.根据权利要求1所述的一种道路边界检测方法，其特征在于，所述步骤S1中的障碍物点云中包括道路边界和其他障碍物。
6.根据权利要求1所述的一种道路边界检测方法，其特征在于，所述步骤S4中对左右道路边界点云分别通过二次或三次曲线拟合，得到左右道路边界。
CN202110528933.8A 2021-05-14 2021-05-14 一种道路边界检测方法 Pending CN113379776A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110528933.8A CN113379776A (zh) 2021-05-14 2021-05-14 一种道路边界检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110528933.8A CN113379776A (zh) 2021-05-14 2021-05-14 一种道路边界检测方法

Publications (1)

Publication Number Publication Date
CN113379776A true CN113379776A (zh) 2021-09-10

Family

ID=77570942

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110528933.8A Pending CN113379776A (zh) 2021-05-14 2021-05-14 一种道路边界检测方法

Country Status (1)

Country Link
CN (1) CN113379776A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114061612A (zh) * 2021-11-23 2022-02-18 上海伯镭智能科技有限公司 一种无人驾驶矿车的弯道角度生成方法及装置
CN115032999A (zh) * 2022-06-24 2022-09-09 中国安全生产科学研究院 面向多机器人编队的动态优化队形变换方法
CN115540896A (zh) * 2022-12-06 2022-12-30 广汽埃安新能源汽车股份有限公司 路径规划方法、装置、电子设备和计算机可读介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114061612A (zh) * 2021-11-23 2022-02-18 上海伯镭智能科技有限公司 一种无人驾驶矿车的弯道角度生成方法及装置
CN114061612B (zh) * 2021-11-23 2024-01-19 上海伯镭智能科技有限公司 一种无人驾驶矿车的弯道角度生成方法及装置
CN115032999A (zh) * 2022-06-24 2022-09-09 中国安全生产科学研究院 面向多机器人编队的动态优化队形变换方法
CN115540896A (zh) * 2022-12-06 2022-12-30 广汽埃安新能源汽车股份有限公司 路径规划方法、装置、电子设备和计算机可读介质
CN115540896B (zh) * 2022-12-06 2023-03-07 广汽埃安新能源汽车股份有限公司 路径规划方法、装置、电子设备和计算机可读介质

Similar Documents

Publication Publication Date Title
CN113379776A (zh) 一种道路边界检测方法
US9563808B2 (en) Target grouping techniques for object fusion
WO2018177026A1 (zh) 确定道路边沿的装置和方法
US10776634B2 (en) Method for determining the course of the road for a motor vehicle
CN109522804B (zh) 一种道路边沿识别方法及系统
CN109001757B (zh) 一种基于2d激光雷达的车位智能检测方法
CN107103276A (zh) 使用低层传感器融合的视觉算法执行
CN108280840B (zh) 一种基于三维激光雷达的道路实时分割方法
CN107766405A (zh) 自动车辆道路模型定义系统
CN105404844A (zh) 一种基于多线激光雷达的道路边界检测方法
CN105137412A (zh) 一种2d激光雷达距离图像中线段特征精确拟合方法
CN113673274A (zh) 道路边界检测方法、装置、计算机设备和存储介质
US10410070B2 (en) Step detection device and step detection method
KR20210135753A (ko) 라이다 기반의 차량 위치 추정 방법 및 장치
CN113933859A (zh) 一种无人矿卡行驶场景的路面及两侧挡墙检测方法
CN113269889B (zh) 一种基于椭圆域的自适应点云目标聚类方法
Aijazi et al. Multi sensorial data fusion for efficient detection and tracking of road obstacles for inter-distance and anti-colision safety management
Kellner et al. Laserscanner based road curb feature detection and efficient mapping using local curb descriptions
CN114660566B (zh) 虚假目标剔除方法、装置、计算机设备及存储介质
CN116259022A (zh) 基于视觉车道线的跟踪方法、电子设备、介质及车辆
JP7344744B2 (ja) 路側端検出方法、及び、路側端検出装置
JP2005172590A (ja) 前方物体検出装置及び前方物体検出方法
WO2020095673A1 (ja) 車載制御装置
EP3229173B1 (en) Method and apparatus for determining a traversable path
JP7184481B2 (ja) キャリブレーション装置、キャリブレーション方法

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