CN114373298A - 一种采用路侧激光雷达计算车道号的方法 - Google Patents

一种采用路侧激光雷达计算车道号的方法 Download PDF

Info

Publication number
CN114373298A
CN114373298A CN202111546960.4A CN202111546960A CN114373298A CN 114373298 A CN114373298 A CN 114373298A CN 202111546960 A CN202111546960 A CN 202111546960A CN 114373298 A CN114373298 A CN 114373298A
Authority
CN
China
Prior art keywords
lane
dimensional
vehicle
point cloud
gray scale
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
Application number
CN202111546960.4A
Other languages
English (en)
Other versions
CN114373298B (zh
Inventor
李启达
柳佳
徐明飞
郭瑷珲
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.)
Suzhou Seecar Information System Co ltd
Original Assignee
Suzhou Seecar Information System 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 Suzhou Seecar Information System Co ltd filed Critical Suzhou Seecar Information System Co ltd
Priority to CN202111546960.4A priority Critical patent/CN114373298B/zh
Publication of CN114373298A publication Critical patent/CN114373298A/zh
Application granted granted Critical
Publication of CN114373298B publication Critical patent/CN114373298B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar image
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Remote Sensing (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本申请提供一种采用路侧激光雷达计算车道号的方法，无需采用GPS采集坐标点，并且精度高，便于推广应用。包括步骤：一种采用路侧激光雷达计算车道号的方法，包括步骤：S1，通过安装在路侧的激光雷达获得三维点云数据，将三维点云映射为二维灰度图，二维灰度图中值为点云的反射强度；S2，利用点云的反射强度信息结合车辆的运行轨迹来划分车道，并将选择区域内的值设为对应车道号，生成一个与二维灰度图同样大小的车道表；S3，应用时，将感知车辆的中心点三维坐标映射为二维坐标，根据车辆中心点二维坐标在车道表中查询，对应位置的值则为该车辆所属车道号。

Description

一种采用路侧激光雷达计算车道号的方法
技术领域
本发明涉及智能交通技术领域，更具体地，涉及一种采用路侧激光雷达计算车道号的方法。
背景技术
随着单车智能与智能交通的不断发展，激光雷达传感器的应用场景也由传统高精尖行业经汽车行业进入智能交通领域。整个应用场景也由最初的单线激光雷达向多线束、图像级的激光雷达演变，其应用场景由传统的交通流量调查、车辆尺寸车辆，升级为交通参与者的检测、识别以及跟踪等功能。为了保证车辆追踪的稳定性及准确性，在路侧安装激光雷达时需要根据雷达安装的场景对雷达监控区域内的道路车道线进行绘制，并结合车辆在监控区域内运行的轨迹进行车道线的划分。
路侧感知需要明确知道车辆位置，速度以及所属车道等信息，目前路侧实施的车辆车道号需要拟合车道线。例如采用GPS沿着道路进行采集n个点，然后根据点在雷达坐标系下的坐标进行曲线拟合，这种方式只能针对简单的直线和一般弯道，针对复杂的叉路口无法适应。其车道号的计算方式主要是分为以下几个步骤：1.首先采用GPS采集器将激光雷安装位置的坐标点进行采集，并转换为3维坐标；2.手持GPS在图像级激光雷达视野内沿着车道线的方向采集坐标点；3.结合GPS坐标转换在雷达监控画面内标注出车道线；4.将GPS采集器安装在车辆上方沿车道方向进行采集拟合，辅助完成车道线及车道号的计算。该车道号的计算方法存在以下几点缺陷：1.其标注方法只适用于分辨率较高的激光雷达，需要专业的人员在雷达视野内标注出手持GPS的坐标位置；2.当采集点距离雷达安装位置较远时坐标转换精度低，拟合车道线与实际车道线偏移量大；3.在已经通车的道上采集时存在安全隐患；4.对操作人员技术实力要求较高，不便于后续大面积推广应用。
有鉴于此，本发明提供一种采用路侧激光雷达计算车道号的方法，无需采用GPS采集坐标点，并且精度高，便于推广应用。
发明内容
本发明的目的在于，提供一种采用路侧激光雷达计算车道号的方法，无需采用GPS采集坐标点，并且精度高，便于推广应用。
一种采用路侧激光雷达计算车道号的方法，包括步骤：
S1，通过安装在路侧的激光雷达获得三维点云数据，将三维点云映射为二维灰度图，二维灰度图中值为点云的反射强度；
S2，利用点云的反射强度信息结合车辆的运行轨迹来划分车道，并将选择区域内的值设为对应车道号，生成一个与二维灰度图同样大小的车道表；
S3，应用时，将感知车辆的中心点三维坐标映射为二维坐标，根据车辆中心点二维坐标在车道表中查询，对应位置的值则为该车辆所属车道号。
在一些实施方式中，在步骤S1中，所述三维点云数据能观测到近距离地面，近距离地面车道线反光强度大容易分辨，不能观测到远距离地面，远距离地面的位点则通过累计一定帧数通过车辆的点云然后将地面和累计车辆点云映射为二维灰度图。
进一步的，所述安装在路侧的激光雷达获取整个路面的原始三维点云数据，所述三维点云数据包括路面、车辆、行人、建筑物。
进一步的，将三维点云直接映射为分辨率为0.1m×0.1m的二维灰度图，点云反射强度为0-255。
进一步的，三维空间的长宽高分别为X、Y、Z，则映射后的二维空间的长x＝Y/0.1、宽y＝Z/0.1；点云的三维坐标为(X，Y，Z)，则映射后的二维坐标为(x，y)，其中，x＝Y/0.1、y＝Z/0.1。
例如，激光雷达能够观测到的三维空间为长300m宽50m范围内的三维空间，将该三维空间内的三维雷达点云映射/映射为分辨率0.1m×0.1m的二维灰度图，即获得3000m×500m的二维灰度图。
在一些实施方式中，在步骤S2中，在正常通车的道路上交通管理部门通过激光雷达扫描出的点云能够清晰的识别出反射强度强的车道线，并在点云上将反射强度强的车道线直接绘制出来，并与车辆的运行轨迹相结合，在二维灰度图中手动标出车道线。
进一步的，将两条车道线(反射线)及雷达监控起止位置围成的矩形区域命名为车道，在距离两条车道线相等的矩形内的点连成线为车道中心线，再结合现场车辆行驶方向从左到右给矩形区域代表的车道命名车道号，车道号从左到右为：1车道、2车道、3车道、以此类推，生成一个与二维灰度图同样大小的车道表。
在一些实施方式中，在步骤S3中，在实际运行时，所述感知车辆的中心点三维坐标为(X，Y，Z)，则映射后的二维坐标为(x，y)，其中，x＝Y/0.1、y＝Z/0.1。
进一步的，在车道表中查询对应二维坐标(x，y)位置的值确定车辆所属车道号。
附图说明
结合以下附图一起阅读时，将会更加充分地描述本申请内容的上述和其他特征。可以理解，这些附图仅描绘了本申请内容的若干实施方式，因此不应认为是对本申请内容范围的限定。通过采用附图，本申请内容将会得到更加明确和详细地说明。
图1为本申请的三维点云映射为二维灰度图的原理图。
图2为本申请的将区域值设为车道号的原理图。
具体实施方式
描述以下实施例以辅助对本申请的理解，实施例不是也不应当以任何方式解释为限制本申请的保护范围。
在以下描述中，本领域的技术人员将认识到，在本论述的全文中，组件可描述为单独的功能单元(可包括子单元)，但是本领域的技术人员将认识到，各种组件或其部分可划分成单独组件，或者可整合在一起(包括整合在单个的系统或组件内)。
同时，组件或系统之间的连接并不旨在限于直接连接。相反，在这些组件之间的数据可由中间组件修改、重格式化、或以其它方式改变。另外，可使用另外或更少的连接。还应注意，术语“联接”、“连接”、或“输入”“固定”应理解为包括直接连接、通过一个或多个中间媒介来进行的间接的连接或固定。
实施例1：
一种采用路侧激光雷达计算车道号的方法，包括步骤：
S1，通过安装在路侧的激光雷达获得三维点云数据，将三维点云映射为二维灰度图，二维灰度图中值为点云的反射强度；
S2，利用点云的反射强度信息结合车辆的运行轨迹来划分车道，并将选择区域内的值设为对应车道号，生成一个与二维灰度图同样大小的车道表；
S3，应用时，将感知车辆的中心点三维坐标映射为二维坐标，根据车辆中心点二维坐标在车道表中查询，对应位置的值则为该车辆所属车道号。
在步骤S1中，所述三维点云数据能观测到近距离地面，近距离地面车道线反光强度大容易分辨，不能观测到远距离地面，远距离地面的位点则通过累计一定帧数通过车辆的点云然后将地面和累计车辆点云映射为二维灰度图。所述安装在路侧的激光雷达获取整个路面的原始三维点云数据，所述三维点云数据包括路面、车辆、行人、建筑物。将三维点云直接映射为分辨率为0.1m×0.1m的二维灰度图，点云反射强度为0-255。三维空间的长宽高分别为X、Y、Z，则映射后的二维空间的长x＝Y/0.1、宽y＝Z/0.1；点云的三维坐标为(X，Y，Z)，则映射后的二维坐标为(x，y)，其中，x＝Y/0.1、y＝Z/0.1。激光雷达能够观测到的三维空间为长300m宽50m范围内的三维空间，将该三维空间内的三维雷达点云映射/映射为分辨率0.1m×0.1m的二维灰度图，即获得3000m×500m的二维灰度图。三维点云映射为二维灰度图的原理图及计算公式如图1所示。
在步骤S2中，在正常通车的道路上交通管理部门通过激光雷达扫描出的点云能够清晰的识别出反射强度强的车道线，并在点云上将反射强度强的车道线直接绘制出来，并与车辆的运行轨迹相结合，在二维灰度图中手动标出车道线。将两条车道线(反射线)及雷达监控起止位置围成的矩形区域命名为车道，在距离两条车道线相等的矩形内的点连成线为车道中心线，再结合现场车辆行驶方向从左到右给矩形区域代表的车道命名车道号，车道号从左到右为：1车道、2车道、3车道、以此类推(如图2所示)，生成一个与二维灰度图同样大小的车道表。
在步骤S3中，在实际运行时，所述感知车辆的中心点三维坐标为(X，Y，Z)，则映射后的二维坐标为(x，y)，其中，x＝Y/0.1、y＝Z/0.1。在车道表中查询对应二维坐标(x，y)位置的值确定车辆所属车道号。
尽管本申请已公开了多个方面和实施方式，但是其它方面和实施方式对本领域技术人员而言将是显而易见的，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。本申请公开的多个方面和实施方式仅用于举例说明，其并非旨在限制本申请，本申请的实际保护范围以权利要求为准。

Claims (9)

1.一种采用路侧激光雷达计算车道号的方法，其特征在于，包括步骤：
S1，通过安装在路侧的激光雷达获得三维点云数据，将三维点云映射为二维灰度图，二维灰度图中值为点云的反射强度；
S2，利用点云的反射强度信息结合车辆的运行轨迹来划分车道，并将选择区域内的值设为对应车道号，生成一个与二维灰度图同样大小的车道表；
S3，应用时，将感知车辆的中心点三维坐标映射为二维坐标，根据车辆中心点二维坐标在车道表中查询，对应位置的值则为该车辆所属车道号。
2.如权利要求1所述的采用路侧激光雷达计算车道号的方法，其特征在于，在步骤S1中，所述三维点云数据能观测到近距离地面，近距离地面车道线反光强度大容易分辨，不能观测到远距离地面，远距离地面的位点则通过累计一定帧数通过车辆的点云然后将地面和累计车辆点云映射为二维灰度图。
3.如权利要求1所述的采用路侧激光雷达计算车道号的方法，其特征在于，所述安装在路侧的激光雷达获取整个路面的原始三维点云数据，所述三维点云数据包括路面、车辆、行人、建筑物。
4.如权利要求2所述的采用路侧激光雷达计算车道号的方法，其特征在于，将三维点云直接映射为分辨率为0.1m×0.1m的二维灰度图，点云反射强度为0-255。
5.如权利要求4所述的采用路侧激光雷达计算车道号的方法，其特征在于，三维空间的长宽高分别为X、Y、Z，则映射后的二维空间的长x＝Y/0.1、宽y＝Z/0.1；点云的三维坐标为(X，Y，Z)，则映射后的二维坐标为(x，y)，其中，x＝Y/0.1、y＝Z/0.1。
6.如权利要求1所述的采用路侧激光雷达计算车道号的方法，其特征在于，在步骤S2中，在正常通车的道路上交通管理部门通过激光雷达扫描出的点云能够清晰的识别出反射强度强的车道线，并在点云上将反射强度强的车道线直接绘制出来，并与车辆的运行轨迹相结合，在二维灰度图中手动标出车道线。
7.如权利要求6所述的采用路侧激光雷达计算车道号的方法，其特征在于，将两条车道线及雷达监控起止位置围成的矩形区域命名为车道，在距离两条车道线相等的矩形内的点连成线为车道中心线，再结合现场车辆行驶方向从左到右给矩形区域代表的车道命名车道号，车道号从左到右为：1车道、2车道、3车道、以此类推，生成一个与二维灰度图同样大小的车道表。
8.如权利要求1所述的采用路侧激光雷达计算车道号的方法，其特征在于，在步骤S3中，在实际运行时，所述感知车辆的中心点三维坐标为(X，Y，Z)，则映射后的二维坐标为(x，y)，其中，x＝Y/0.1、y＝Z/0.1。
9.如权利要求8所述的采用路侧激光雷达计算车道号的方法，其特征在于，在车道表中查询对应二维坐标(x，y)位置的值确定车辆所属车道号。
CN202111546960.4A 2021-12-16 2021-12-16 一种采用路侧激光雷达计算车道号的方法 Active CN114373298B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111546960.4A CN114373298B (zh) 2021-12-16 2021-12-16 一种采用路侧激光雷达计算车道号的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111546960.4A CN114373298B (zh) 2021-12-16 2021-12-16 一种采用路侧激光雷达计算车道号的方法

Publications (2)

Publication Number Publication Date
CN114373298A true CN114373298A (zh) 2022-04-19
CN114373298B CN114373298B (zh) 2023-02-17

Family

ID=81139211

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111546960.4A Active CN114373298B (zh) 2021-12-16 2021-12-16 一种采用路侧激光雷达计算车道号的方法

Country Status (1)

Country Link
CN (1) CN114373298B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114942450A (zh) * 2022-05-17 2022-08-26 苏州思卡信息系统有限公司 一种激光雷达检测车辆过秤行为的检测方法
CN116153057A (zh) * 2022-09-12 2023-05-23 东北林业大学 基于激光雷达点云估算车道宽度的方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107463918A (zh) * 2017-08-17 2017-12-12 武汉大学 基于激光点云与影像数据融合的车道线提取方法
CN213303095U (zh) * 2020-09-09 2021-05-28 上海长江智能数据技术有限公司 一种基于人工智能的路测装置
CN113345237A (zh) * 2021-06-29 2021-09-03 山东高速建设管理集团有限公司 一种使用路侧激光雷达数据提取车辆轨迹的变道识别与预测方法、系统、设备及存储介质
CN113537046A (zh) * 2021-07-14 2021-10-22 安徽酷哇机器人有限公司 基于检测车辆轨迹大数据的地图车道线标注方法及系统
CN113740874A (zh) * 2020-05-14 2021-12-03 深圳市镭神智能系统有限公司 一种道路边沿检测方法、电子设备及车辆

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107463918A (zh) * 2017-08-17 2017-12-12 武汉大学 基于激光点云与影像数据融合的车道线提取方法
CN113740874A (zh) * 2020-05-14 2021-12-03 深圳市镭神智能系统有限公司 一种道路边沿检测方法、电子设备及车辆
CN213303095U (zh) * 2020-09-09 2021-05-28 上海长江智能数据技术有限公司 一种基于人工智能的路测装置
CN113345237A (zh) * 2021-06-29 2021-09-03 山东高速建设管理集团有限公司 一种使用路侧激光雷达数据提取车辆轨迹的变道识别与预测方法、系统、设备及存储介质
CN113537046A (zh) * 2021-07-14 2021-10-22 安徽酷哇机器人有限公司 基于检测车辆轨迹大数据的地图车道线标注方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
曾繁鑫 等: "高寒环境下的智能网联汽车试验场研究", 《汽车科技》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114942450A (zh) * 2022-05-17 2022-08-26 苏州思卡信息系统有限公司 一种激光雷达检测车辆过秤行为的检测方法
CN116153057A (zh) * 2022-09-12 2023-05-23 东北林业大学 基于激光雷达点云估算车道宽度的方法

Also Published As

Publication number Publication date
CN114373298B (zh) 2023-02-17

Similar Documents

Publication Publication Date Title
CN108226924B (zh) 基于毫米波雷达的汽车行驶环境探测方法、装置及其应用
CN114373298B (zh) 一种采用路侧激光雷达计算车道号的方法
CN110174093B (zh) 定位方法、装置、设备和计算机可读存储介质
CN106441319B (zh) 一种无人驾驶车辆车道级导航地图的生成系统及方法
CN101694084B (zh) 地面车载移动检测系统
GB2596940A (en) Systems and methods for vehicle navigation
CN104392629B (zh) 检测车距的方法和装置
CN102997926B (zh) 一种用于获取导航数据的方法
CN101893443B (zh) 道路数字正射影像地图的制作系统
US20200033153A1 (en) System for creating a vehicle surroundings model
CN104573733A (zh) 一种基于高清正射影像图的高精细地图生成系统及方法
CN111522003B (zh) 车辆定位方法及系统、计算机设备、车辆、存储介质
CN110530377B (zh) 用于实施用于车辆的至少一个提高安全性的措施的方法和装置
CN104296756A (zh) 运行机动车的方法和机动车
CN110441269A (zh) 标线反光检测方法、装置、设备及存储介质
CN103136789A (zh) 基于地形图和影像的交通事故道路底图信息处理方法
US20220318558A1 (en) Lane-level navigation method and system incorporating adas fine-sensory data
CN108961799A (zh) 驾驶信息道路辅助系统
CN111210622A (zh) 一种非固定道路的自动驾驶路点数据采集与维护方法
CN102313551A (zh) 定位方法
CN101196408A (zh) 服务区/停车区导航装置
JP6500607B2 (ja) 自車位置判定装置及び自車位置判定方法
CN112150576A (zh) 一种高精度矢量地图采集系统和方法
CN115166720A (zh) 一种基于轨迹拼接的城市道路全域轨迹采集方法和系统
CN108764196B (zh) 区块地图的生成方法

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
GR01 Patent grant
GR01 Patent grant