CN114463507B - 道路识别方法及装置 - Google Patents

道路识别方法及装置 Download PDF

Info

Publication number
CN114463507B
CN114463507B CN202210373089.0A CN202210373089A CN114463507B CN 114463507 B CN114463507 B CN 114463507B CN 202210373089 A CN202210373089 A CN 202210373089A CN 114463507 B CN114463507 B CN 114463507B
Authority
CN
China
Prior art keywords
point
target
points
determining
sampling
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
CN202210373089.0A
Other languages
English (en)
Other versions
CN114463507A (zh
Inventor
王一帆
刘建平
袁广忠
刘玉鑫
孟祥春
褚立庆
王东旭
孙立超
陈闯
张红旺
董陆军
于云飞
时德智
范青明
尹刚
任党培
张秋霞
耿帅
何谦
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.)
Inner Mongolia Power Investment Energy Co ltd
State Power Investment Group Science and Technology Research Institute Co Ltd
Original Assignee
Inner Mongolia Power Investment Energy Co ltd
State Power Investment Group Science and Technology Research Institute 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 Inner Mongolia Power Investment Energy Co ltd, State Power Investment Group Science and Technology Research Institute Co Ltd filed Critical Inner Mongolia Power Investment Energy Co ltd
Priority to CN202210373089.0A priority Critical patent/CN114463507B/zh
Publication of CN114463507A publication Critical patent/CN114463507A/zh
Application granted granted Critical
Publication of CN114463507B publication Critical patent/CN114463507B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • 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
    • 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
    • G06T2207/30204—Marker
    • 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)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Image Analysis (AREA)

Abstract

本公开提出一种道路识别方法及装置，其中，方法包括：采集矿区地表的三维点云图；根据世界坐标系和三维点云图所在的点云坐标系之间的映射关系，确定三维点云图中各点在世界坐标系中对应的目标位置；根据各点对应目标位置，确定各点的法线方向，以基于法线方向将三维点云图划分为多个点集合；根据各集合中点的法线方向，从多个点集合中确定目标点集合；在基于世界坐标系建立的三维地图中，根据目标点集合中各点的目标位置进行道路标注。由此，可有效地在三维地图中有效提取水平面对应的目标点集合，根据目标点集合中各点的目标位置进行道路标注，节省了在矿山道路设计过程中现场勘测的时间，提高了道路设计效率和准确率。

Description

道路识别方法及装置
技术领域
本公开涉及图像处理技术和数字数据处理技术领域，尤其涉及一种道路识别方法及装置。
背景技术
矿山道路指的是矿区范围内运输矿石的矿用车行驶的道路，是矿山信息化的主要目标道路。目前的矿山道路设计采用现场勘测的手段，结合现场作业人员的知识，选取场地中开辟道路的区域。
但是，由于矿区环境复杂，现场勘探的手段进行道路设计，需要设计人员长时间的现场勘探和确认，导致道路设计效率较低，并且容易出错。
发明内容
本公开旨在至少在一定程度上解决上述技术中的技术问题之一。
为此，本公开的第一个目的在于提出一种道路识别方法，以实现根据矿区地表的三维点云图中的各点的法向量，可有效地在三维地图中有效提取水平面对应的目标点集合，根据目标点集合中各点的目标位置进行道路标注，节省了在矿山道路设计过程中现场勘测的时间，提高了道路设计效率和准确率。
本公开的第二个目的在于提出一种道路识别装置。
本公开的第三个目的在于提出一种电子设备。
本公开的第四个目的在于提出一种非临时性计算机可读存储介质。
本公开的第五个目的在于提出一种计算机程序产品。
为达上述目的，本公开第一方面实施例提出了一种道路识别方法，包括：采集矿区地表的三维点云图；根据世界坐标系和所述三维点云图所在的点云坐标系之间的映射关系，确定所述三维点云图中各点在所述世界坐标系中对应的目标位置；根据各点对应目标位置，确定各点的法线方向，以基于所述法线方向将所述三维点云图划分为多个点集合；根据各所述集合中点的法线方向，从所述多个点集合中确定目标点集合；在基于所述世界坐标系建立的三维地图中，根据所述目标点集合中各点的目标位置进行道路标注。
本公开实施例的道路识别方法，通过采集矿区地表的三维点云图；根据世界坐标系和三维点云图所在的点云坐标系之间的映射关系，确定三维点云图中各点在世界坐标系中对应的目标位置；根据各点对应目标位置，确定各点的法线方向，以基于法线方向将三维点云图划分为多个点集合；根据各集合中点的法线方向，从多个点集合中确定目标点集合；在基于世界坐标系建立的三维地图中，根据目标点集合中各点的目标位置进行道路标注，由此，根据矿区地表的三维点云图中的各点的法向量，可有效地在三维地图中有效提取水平面对应的目标点集合，根据目标点集合中各点的目标位置进行道路标注，节省了在矿山道路设计过程中现场勘测的时间，提高了道路设计效率和准确率。
为达上述目的，本公开第二方面实施例提出了一种道路识别装置，包括：采集模块，用于采集矿区地表的三维点云图；第一确定模块，用于根据世界坐标系和所述三维点云图所在的点云坐标系之间的映射关系，确定所述三维点云图中各点在所述世界坐标系中对应的目标位置；第二确定模块，用于根据各点对应目标位置，确定各点的法线方向，以基于所述法线方向将所述三维点云图划分为多个点集合；第三确定模块，用于根据各所述集合中点的法线方向，从所述多个点集合中确定目标点集合；标注模块，用于在基于所述世界坐标系建立的三维地图中，根据所述目标点集合中各点的目标位置进行道路标注。
为达上述目的，本公开第三方面实施例提出了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开第一方面实施例所述的方法。
为了实现上述目的，本公开第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本公开第一方面实施例所述的方法。
为了实现上述目的，本公开第五方面实施例提出了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现本公开第一方面实施例所述的方法。
本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本公开实施例所提供的一种道路识别方法的流程示意图；
图2为本公开实施例所提供的另一种道路识别方法的流程示意图；
图3为本公开实施例所提供的另一种道路识别方法的流程示意图；
图4为本公开实施例所提供的另一种道路识别方法的流程示意图；
图5为本公开实施例所提供的另一种道路识别方法的流程示意图；
图6为本公开实施例所提供的一种道路识别装置的结构示意图；
图7为本公开实施例所提供的一种电子设备的结构框图。
具体实施方式
下面详细描述本公开的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制。
下面参考附图描述本公开实施例的道路识别方法及装置。
图1为本公开实施例所提供的一种道路识别方法的流程示意图。
如图1所示，该道路识别方法可包括：
步骤101，采集矿区地表的三维点云图。
在本公开实施例中，可采用三维点云采集设备对矿区地表进行采集，以获取矿区地表的三维点云图。
步骤102，根据世界坐标系和三维点云图所在的点云坐标系之间的映射关系，确定三维点云图中各点在世界坐标系中对应的目标位置。
需要了解的是，世界坐标系与三维点云图所在的点云坐标系之间具有设定的映射关系，根据该映射关系，可确定三维点云图中各点在世界坐标系中对应的目标位置。
作为本公开实施例的一种可能实现方式，针对点云坐标系下的任一点ρs=(xs,ys,zs)T，根据世界坐标系与三维点云图所在的点云坐标系之间设定的映射关系，将该任一点在点云坐标系下的坐标转换至世界坐标系下，该任一点在世界坐标系下的坐标ρr=(xr,yr,zr)T可表现为
ρr=Rρs+t；
其中，R∈SO3为三维正交群的旋转矩阵，T∈R3为旋转向量，R和t的取值可根据点云坐标系与世界坐标系的预先标定以确定。
步骤103，根据各点对应目标位置，确定各点的法线方向，以基于法线方向将三维点云图划分为多个点集合。
在本公开实施例中，为了减少各点产生的噪声，可对各点进行下采样，以从各点中保留多个采样点，进而，根据多个采样点在世界坐标系中的目标位置，确定多个采样点的法线方向，根据多个采样点的法线方向，可将多个点划分为多个点集合。
步骤104，根据各集合中点的法线方向，从多个点集合中确定目标点集合。
在本公开实施例中，可将同一集合中各点的法线方向均处于设定角度区间内的集合，确定为目标点集合。
步骤105，在基于世界坐标系建立的三维地图中，根据目标点集合中各点的目标位置进行道路标注。
进而，在基于世界坐标系建立的三维地图中，可根据目标点集合中各点的目标位置确定道路水平面，并进行道路标注。
综上，通过采集矿区地表的三维点云图；根据世界坐标系和三维点云图所在的点云坐标系之间的映射关系，确定三维点云图中各点在世界坐标系中对应的目标位置；根据各点对应目标位置，确定各点的法线方向，以基于法线方向将三维点云图划分为多个点集合；根据各集合中点的法线方向，从多个点集合中确定目标点集合；在基于世界坐标系建立的三维地图中，根据目标点集合中各点的目标位置进行道路标注，由此，根据矿区地表的三维点云图中的各点的法向量，可有效地在三维地图中有效提取水平面对应的目标点集合，根据目标点集合中各点的目标位置进行道路标注，节省了在矿山道路设计过程中现场勘测的时间，提高了道路设计效率和准确率。
为了准确确定各点的法线方向，以基于法线方向将三维点云图准确地划分为多个点集合，如图2所示，图2为本公开实施例所提供的另一种道路识别方法的流程示意图，在本公开实施例中，可采用网络滤波器对各点进行下采样，以确定保留的多个采样点，根据采样点的法线方向，将多个采样点划分为多个点集合，图2所示实施例可包括如下步骤：
步骤201，采集矿区地表的三维点云图。
步骤202，根据世界坐标系和三维点云图所在的点云坐标系之间的映射关系，确定三维点云图中各点在世界坐标系中对应的目标位置。
步骤203，根据待标注的道路上所需行驶车辆的轮距、车轮半径和底盘高度中的至少一个，确定网格尺寸匹配的网络滤波器。
为了使待标注的道路适合车辆通过，可选地，获取待标注的道路上所需行驶车辆的轮距、车轮半径和底盘高度，根据待标注的道路上所需行驶车辆的轮距、车轮半径和底盘高度中较小的尺寸，确定网格尺寸，进而，可确定与网格尺寸匹配的网络滤波器。
需要说明的是，在本公开实施例中，网络滤波器可以是体素网格滤波器，其中，体素的概念类似于像素，像素是二维的一个个点，而体素则是三维的一个个小空间。在待滤波的各点云数据上创建一个个3D体素网格（将体素网格视为一组空间中的微小3D小空间）。然后，在每个体素中，所有存在的各点将用它们的质心做近似，以更准确地保持点云数据的宏观的几何外形。
步骤204，根据各点在世界坐标系中的目标位置，采用网格滤波器对各点进行下采样，以确定保留的多个采样点。
需要了解的是，点云数据集中每一个点可表达一定的信息量，某个区域中点越密集则有用的信息量越大。孤立的离群点则信息量较小，其表达的信息量可以忽略不计。
因此，在本公开实施例中，可根据各点在世界坐标系中的目标位置，采用网格滤波器对各点进行下采样，以将噪声点、离群点、空洞、数据压缩等进行处理，以保留信息量大的多个采样点。
步骤205，根据多个采样点在世界坐标系中的目标位置，确定各采样点的法线方向。
可选地，针对多个采样点中任意的一个采样点以及相邻采样点，根据在世界坐标系中的目标位置，确定一个采样点以及相邻采样点所在平面；其中，一个采样点与相邻采样点之间的距离与行驶车辆的轮距匹配；将平面的法线方向作为一个采样点的法线方向。
在本公开实施例中，可根据多个采样点中任意的一个采样点及其相邻体素网格内的点，根据在世界坐标系中的目标位置，确定一个采样点以及相邻采样点所在的平面，其中，一个采样点与相邻采样点之间的距离与行驶车辆的轮距匹配，比如，相邻体素网格的个数可以设定为6或26个，进而，将该平面的法线作为该点的法向量。
步骤206，根据各采样点的法线方向将多个采样点划分为多个点集合。
可选地，针对多个采样点中任意的目标采样点，确定目标采样点与相邻网格内的相邻采样点的法线方向差异；获取角度阈值，其中，角度阈值是根据待识别道路所通行车辆的爬坡角度确定的；在法线方向差异小于角度阈值的情况下，确定目标采样点与相邻采样点属于同一点集合。
也就是说，可以通过比较多个采样点中任意的目标采样点与相邻体素网格内（邻域内的体素网络）的相邻采样点的法线方向差异，例如，夹角。将该夹角与设定的角度阈值比较，若大于角度阈值，说明法向量变化较大，车辆可能无法通过，因此，可以确定目标采样点与相邻采样点不属于同一点集合。需要说明的是，角度阈值，可以是根据待识别道路所通行车辆的的爬坡角度确定的。
步骤207，根据各集合中点的法线方向，从多个点集合中确定目标点集合。
步骤208，在基于世界坐标系建立的三维地图中，根据目标点集合中各点的目标位置进行道路标注。
综上，通过根据待标注的道路上所需行驶车辆的轮距、车轮半径和底盘高度中的至少一个，确定网格尺寸匹配的网络滤波器；根据各点在世界坐标系中的目标位置，采用网格滤波器对各点进行下采样，以确定保留的多个采样点；根据各采样点的法线方向将多个采样点划分为多个点集合，由此，根据待标注的道路上所需行驶车辆的轮距、车轮半径和底盘高度中的一个，确定网格尺寸匹配的网络滤波器，并采用该网络滤波器对各点进行采用，可保留初步符合车辆行驶道路的多个采样点，进而，根据保留的多个采样点的法线方向，可进一步确定出更加符合车辆行驶道路的多个点集合。
为了确保待标注的道路的各点均满足车辆行驶要求，如图3所示，图3为本公开实施例所提供的另一种道路识别方法的流程示意图，作为一种示例，可将目标点集合划分为多个分组，可根据各分组内的点的法线方向与参考方向之间的夹角均值，确定对应目标点集合的夹角均值差异程度，进而，根据各目标点集合的夹角均值差异程度，对多个目标点集合进行筛选，图3所示实施例可包括如下步骤：
步骤301，采集矿区地表的三维点云图。
步骤302，根据世界坐标系和三维点云图所在的点云坐标系之间的映射关系，确定三维点云图中各点在世界坐标系中对应的目标位置。
步骤303，根据各点对应目标位置，确定各点的法线方向，以基于法线方向将三维点云图划分为多个点集合。
步骤304，根据各集合中点的法线方向，从多个点集合中确定目标点集合。
步骤305，在目标点集合为多个的情况下，将每个目标点集合划分为设定各分组。
在本公开实施例中，在目标点集合为多个的情况下，可将多个目标点集合中的每个目标点集合划分为设定各分组，比如，可根据设定区域大小对目标点集合进行划分，以得到设定各分组。
步骤306，对同一分组内的点，确定法线方向与参考方向之间的夹角均值。
进一步地，对同一分组内的各点，分别确定法线方向与参考方向之间的夹角，进而，将各点对应的法线方向与参考方向之间的夹角进行相加，并将相加得到的夹角和值与点的个数进行相比，以得到对应分组的法线方向与参考方向之间的夹角均值。
步骤307，根据同一目标点集合中，各分组对应的夹角均值，确定对应目标点集合的夹角均值差异程度。
进一步地，可确定同一目标点集合中任意两分组之间的夹角均值差异，根据任意两分组之间的夹角均值差异，确定对应目标点集合的夹角均值差异程度，其中，夹角均值差异与夹角均值差异程度之间呈正相关，即夹角均值差异越大，夹角均值差异程度也越大。作为一种示例，可根据各分组对应的夹角均值，确定同一目标点集合对应的方差值，将方差值作为对应目标点集合的夹角均值差异程度。
步骤308，根据各目标点集合的所述夹角均值差异程度，对多个目标点集合进行筛选。
可选地，筛选掉夹角均值差异程度大于设定差异程度阈值的目标点集合；保留夹角均值差异程度小于或等于设定差异程度阈值的目标点集合。
也就是说，可将各目标点集合的夹角均值差异程度与设定差异程度阈值进行比对，可确定夹角均值差异程度大于设定差异程度阈值的目标点集合，夹角均值差异程度大于设定差异程度阈值的目标点集合可表征目标点集合对应的道路不平整，不适合车辆行驶，可将夹角均值差异程度大于设定差异程度阈值的目标点集合筛选掉，夹角均值差异程度小于或等于设定差异程度阈值的目标点集合进行保留。
步骤309，在基于世界坐标系建立的三维地图中，根据目标点集合中各点的目标位置进行道路标注。
综上，根据目标点集合中的设定各分组的夹角均值，确定对应目标点集合的夹角均值差异程度，进而，根据各目标点集合的夹角均值差异程度对多个目标点集合进行筛选，可筛选掉不适合车辆行驶的目标点集合，保留适合车辆行驶的点云。
作为另一种示例，如图4所示，图4为本公开实施例所提供的另一种道路识别方法的流程示意图，可根据车辆的底盘高度和所述车辆的轮距，对目标点集合进行筛选，图4实施例可包括如下步骤：
步骤401，采集矿区地表的三维点云图。
步骤402，根据世界坐标系和三维点云图所在的点云坐标系之间的映射关系，确定三维点云图中各点在世界坐标系中对应的目标位置。
步骤403，根据各点对应目标位置，确定各点的法线方向，以基于法线方向将三维点云图划分为多个点集合。
步骤404，根据各集合中点的法线方向，从多个点集合中确定目标点集合。
步骤405，根据车辆的底盘高度和车辆的轮距，对目标点集合进行筛选，以保留集合内各点所在平面的宽度与轮距匹配，且平面与集合内各点最大距离小于底盘高度的目标点集合。
在本公开实施例中，可将目标点集合中的各点所在平面的宽度与轮距进行比对，并且将平面内各点之间的最大距离，以及目标点集合内各点之间的最大距离均与车辆底盘高度进行比对，将集合内各点所在平面的宽度大于轮距的目标点集合，或者，平面内各点之间的最大距离大于车辆底盘高度对应的目标点集合，或者，目标点集合内各点之间的最大距离大于车辆底盘高度的目标点集合筛选掉，保留集合内各点所在平面的宽度与轮距匹配，且平面与集合内各点最大距离小于底盘高度的目标点集合。
步骤406，在基于世界坐标系建立的三维地图中，根据目标点集合中各点的目标位置进行道路标注。
综上，根据车辆的底盘高度和车辆的轮距，对目标点集合进行筛选，以保留集合内各点所在平面的宽度与轮距匹配，且平面与集合内各点最大距离小于底盘高度的目标点集合，可筛选掉不满足车辆行驶条件的目标点集合，保留满足车辆行驶条件的目标点集合。
为了更加清楚地说明上述实施例，现举例进行说明。
举例而言，如图5所示，首先，根据三维点云采集设备采集矿山点云数据，进而，根据世界坐标系和三维点云图所在的点云坐标系之间的映射关系，将三维点云图中各点坐标转换至世界坐标系中的坐标，进一步地，通过自适应阈值的聚类算法和主成分分析完成点云聚类和分割，保证了连续序列中提取平面的稳定性。可选地，采用网格滤波器对转换后的点云坐标进行下采样，以减少噪声和需要处理的点云规模，根据下采样保留的多个采样点中的任意的点及其相邻体素网格内的点，确定所在的平面，其中，相邻体素网格的个数可以设定为6或26个。将该平面的法线作为该点的法向量，将计算获得的法向量采用区域生长法，将邻域大小设置为8，将它们聚成点集合。可选地，可以通过比较目标点与相邻体素网格内的点的法线方向差异，例如夹角。将该夹角与设定的角度阈值比较，若大于角度阈值，说明法向量变化较大，车辆可能无法通过，因此，可以确定目标点与相邻点应该不属于同一集合。需要说明的是，角度阈值，可以是根据车辆的爬坡角度确定的。最后，经过上文所述的聚类过程，其结果可能会产生一些仅在局部符合条件的区域，为了避免聚类中产生的这类问题，这里将同一个聚类内的法线分为两组，通过比较从这两组得到的两个法线向量均值的夹角来确定聚类区域的水平度。均值之间夹角比较大的情况下，则说明不够平整，不适合车辆通过，则筛选掉，保留适合车辆通过的点云，在基于世界坐标系建立的三维地图中，根据保留的目标点集合中各点的目标位置进行道路标注。
本公开实施例的道路识别方法，通过采集矿区地表的三维点云图；根据世界坐标系和三维点云图所在的点云坐标系之间的映射关系，确定三维点云图中各点在所述世界坐标系中对应的目标位置；根据各点对应目标位置，确定各点的法线方向，以基于法线方向将三维点云图划分为多个点集合；根据各集合中点的法线方向，从多个点集合中确定目标点集合；在基于世界坐标系建立的三维地图中，根据目标点集合中各点的目标位置进行道路标注。由此，根据矿区地表的三维点云图中的各点的法向量，可有效地在三维地图中有效提取水平面对应的目标点集合，根据目标点集合中各点的目标位置进行道路标注，节省了在矿山道路设计过程中现场勘测的时间，提高了道路设计效率和准确率。
为了实现上述实施例，本公开还提出一种道路识别装置。
图6为本公开实施例所提供的一种道路识别装置的结构示意图。
如图6所示，道路识别装置600包括：采集模块610、第一确定模块620、第二确定模块630、第三确定模块640和标注模块650。
其中，采集模块610，用于采集矿区地表的三维点云图；第一确定模块620，用于根据世界坐标系和三维点云图所在的点云坐标系之间的映射关系，确定三维点云图中各点在世界坐标系中对应的目标位置；第二确定模块630，用于根据各点对应目标位置，确定各点的法线方向，以基于法线方向将三维点云图划分为多个点集合；第三确定模块640，用于根据各集合中点的法线方向，从多个点集合中确定目标点集合；标注模块650，用于在基于世界坐标系建立的三维地图中，根据目标点集合中各点的目标位置进行道路标注。
作为本公开实施例的一种可能实现方式，第二确定模块630，还用于根据待标注的道路上所需行驶车辆的轮距、车轮半径和底盘高度中的至少一个，确定网格尺寸匹配的网络滤波器；根据各点在所述世界坐标系中的目标位置，采用网格滤波器对各点进行下采样，以确定保留的多个采样点；根据多个采样点在所述世界坐标系中的目标位置，确定各采样点的法线方向；根据各采样点的法线方向将多个采样点划分为多个点集合。
作为本公开实施例的一种可能实现方式，第二确定模块630，还用于针对多个所述采样点中任意的目标采样点，确定目标采样点与相邻网格内的相邻采样点的法线方向差异；获取角度阈值，其中，角度阈值是根据待识别道路所通行车辆的爬坡角度确定的；在法线方向差异小于角度阈值的情况下，确定目标采样点与相邻采样点属于同一点集合。
作为本公开实施例的一种可能实现方式，第二确定模块630，还用于针对多个采样点中任意的一个采样点以及相邻采样点，根据在世界坐标系中的目标位置，确定一个采样点以及相邻采样点所在平面；其中，一个采样点与相邻采样点之间的距离与行驶车辆的轮距匹配；将平面的法线方向作为一个采样点的法线方向。
作为本公开实施例的一种可能实现方式，第三确定模块640，还用于将同一集合中各点的法线方向均处于设定角度区间内的集合，确定为所述目标点集合。
作为本公开实施例的一种可能实现方式，道路识别装置600还包括：划分模块、第四确定模块、第五确定模块和筛选模块。
其中，划分模块，用于在所述目标点集合为多个的情况下，将每个所述目标点集合划分为设定各分组；第四确定模块，用于对同一所述分组内的点，确定法线方向与参考方向之间的夹角均值；第五确定模块，用于根据同一所述目标点集合中，各所述分组对应的所述夹角均值，确定对应目标点集合的夹角均值差异程度；筛选模块，用于根据各所述目标点集合的所述夹角均值差异程度，对多个所述目标点集合进行筛选。
作为本公开实施例的一种可能实现方式，筛选模块，还用于筛选掉所述夹角均值差异程度大于设定差异程度阈值的目标点集合；保留所述夹角均值差异程度小于或等于所述设定差异程度阈值的目标点集合。
作为本公开实施例的一种可能实现方式，道路识别装置600还包括：处理模块。
其中，处理模块，用于根据所述车辆的底盘高度和所述车辆的轮距，对所述目标点集合进行筛选，以保留集合内各点所在平面的宽度与所述轮距匹配，且所述平面与集合内各点最大距离小于所述底盘高度的目标点集合。
本公开实施例的道路识别装置，通过采集矿区地表的三维点云图；根据世界坐标系和三维点云图所在的点云坐标系之间的映射关系，确定三维点云图中各点在所述世界坐标系中对应的目标位置；根据各点对应目标位置，确定各点的法线方向，以基于法线方向将三维点云图划分为多个点集合；根据各集合中点的法线方向，从多个点集合中确定目标点集合；在基于世界坐标系建立的三维地图中，根据目标点集合中各点的目标位置进行道路标注。由此，根据矿区地表的三维点云图中的各点的法向量，可有效地在三维地图中有效提取水平面对应的目标点集合，根据目标点集合中各点的目标位置进行道路标注，节省了在矿山道路设计过程中现场勘测的时间，提高了道路设计效率和准确率。
需要说明的是，前述对道路识别方法实施例的解释说明也适用于该实施例的道路识别装置，此处不再赘述。
为了实现上述实施例，本公开还提出一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行图1至图5实施例所述的方法。
为了实现上述实施例，本公开还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现图1至图5实施例所述的方法。
为了实现上述实施例，本公开还提出一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现图1至图5实施例所述的方法。
图7为根据本公开一个实施例所提供的一种电子设备的结构框图。图7示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示，电子设备700包括处理器701，其可以根据存储在只读存储器（ROM，Read Only Memory）702中的程序或者从存储器706加载到随机访问存储器（RAM，RandomAccess Memory）703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有电子设备700操作所需的各种程序和数据。处理器701、ROM 702以及RAM703通过总线704彼此相连。输入/输出（I/O，Input / Output）接口705也连接至总线704。
以下部件连接至I/O接口705：包括硬盘等的存储器706；以及包括诸如LAN（局域网，Local Area Network）卡、调制解调器等的网络接口卡的通信部分707，通信部分707经由诸如因特网的网络执行通信处理；驱动器708也根据需要连接至I/O接口705。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分707从网络上被下载和安装。在该计算机程序被处理器701执行时，执行本公开的方法中限定的上述功能。
在示例性实施例中，还提供了一种包括指令的存储介质，例如包括指令的存储器706，上述指令可由电子设备700的处理器701执行以完成上述方法。可选地，存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器（RAM）、CD-ROM、磁带、软盘和光数据存储设备等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本公开的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本公开的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本公开的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本公开各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块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，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本公开的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本公开的限制，本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种道路识别方法，其特征在于，包括：
采集矿区地表的三维点云图；
根据世界坐标系和所述三维点云图所在的点云坐标系之间的映射关系，确定所述三维点云图中各点在所述世界坐标系中对应的目标位置；
根据待标注的道路上所需行驶车辆的轮距、车轮半径和底盘高度中的至少一个，确定网格尺寸匹配的网络滤波器；
根据各点在所述世界坐标系中的目标位置，采用所述网格滤波器对各点进行下采样，以确定保留的多个采样点；
根据所述多个采样点在所述世界坐标系中的目标位置，确定各所述采样点的法线方向；
针对多个所述采样点中任意的目标采样点，确定所述目标采样点与相邻网格内的相邻采样点的法线方向差异；
获取角度阈值，其中，所述角度阈值是根据待识别道路所通行车辆的爬坡角度确定的；
在所述法线方向差异小于所述角度阈值的情况下，确定所述目标采样点与所述相邻采样点属于同一点集合；
根据各所述点集合中点的法线方向，从所述多个点集合中确定目标点集合；
在基于所述世界坐标系建立的三维地图中，根据所述目标点集合中各点的目标位置进行道路标注。
2.根据权利要求1所述的方法，其特征在于，所述根据所述多个采样点在所述世界坐标系中的目标位置，确定各所述采样点的法线方向，包括：
针对所述多个采样点中任意的一个采样点以及相邻采样点，根据在所述世界坐标系中的目标位置，确定所述一个采样点以及所述相邻采样点所在平面；其中，所述一个采样点与所述相邻采样点之间的距离与所述行驶车辆的轮距匹配；
将所述平面的法线方向作为所述一个采样点的法线方向。
3.根据权利要求1-2任一项所述的方法，其特征在于，所述根据各所述点集合中点的法线方向，从所述多个点集合中确定目标点集合，包括：
将同一点集合中各点的法线方向均处于设定角度区间内的点集合，确定为所述目标点集合。
4.根据权利要求1-2任一项所述的方法，其特征在于，所述根据各所述点集合中点的法线方向，从所述多个点集合中确定目标点集合之后，还包括：
在所述目标点集合为多个的情况下，将每个所述目标点集合划分为设定各分组；
对同一所述分组内的点，确定法线方向与参考方向之间的夹角均值；
根据同一所述目标点集合中，各所述分组对应的所述夹角均值，确定对应目标点集合的夹角均值差异程度；
根据各所述目标点集合的所述夹角均值差异程度，对多个所述目标点集合进行筛选。
5.根据权利要求4所述的方法，其特征在于，所述根据各所述目标点集合的所述夹角均值差异程度，对多个所述目标点集合进行筛选，包括：
筛选掉所述夹角均值差异程度大于设定差异程度阈值的目标点集合；
保留所述夹角均值差异程度小于或等于所述设定差异程度阈值的目标点集合。
6.根据权利要求1-2任一项所述的方法，其特征在于，所述根据各所述集合中点的法线方向，从所述多个点集合中确定目标点集合之后，还包括：
根据车辆的底盘高度和车辆的轮距，对所述目标点集合进行筛选，以保留集合内各点所在平面的宽度与所述轮距匹配，且所述平面与集合内各点最大距离小于所述底盘高度的目标点集合。
7.一种道路识别装置，其特征在于，包括：
采集模块，用于采集矿区地表的三维点云图；
第一确定模块，用于根据世界坐标系和所述三维点云图所在的点云坐标系之间的映射关系，确定所述三维点云图中各点在所述世界坐标系中对应的目标位置；
第二确定模块，用于根据待标注的道路上所需行驶车辆的轮距、车轮半径和底盘高度中的至少一个，确定网格尺寸匹配的网络滤波器；根据各点在所述世界坐标系中的目标位置，采用所述网格滤波器对各点进行下采样，以确定保留的多个采样点；根据所述多个采样点在所述世界坐标系中的目标位置，确定各所述采样点的法线方向；以及针对多个所述采样点中任意的目标采样点，确定所述目标采样点与相邻网格内的相邻采样点的法线方向差异；获取角度阈值，其中，所述角度阈值是根据待识别道路所通行车辆的爬坡角度确定的；在所述法线方向差异小于所述角度阈值的情况下，确定所述目标采样点与所述相邻采样点属于同一点集合；
第三确定模块，用于根据各所述点集合中点的法线方向，从所述多个点集合中确定目标点集合；
标注模块，用于在基于所述世界坐标系建立的三维地图中，根据所述目标点集合中各点的目标位置进行道路标注。
8.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
CN202210373089.0A 2022-04-11 2022-04-11 道路识别方法及装置 Active CN114463507B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210373089.0A CN114463507B (zh) 2022-04-11 2022-04-11 道路识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210373089.0A CN114463507B (zh) 2022-04-11 2022-04-11 道路识别方法及装置

Publications (2)

Publication Number Publication Date
CN114463507A CN114463507A (zh) 2022-05-10
CN114463507B true CN114463507B (zh) 2022-06-14

Family

ID=81417346

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210373089.0A Active CN114463507B (zh) 2022-04-11 2022-04-11 道路识别方法及装置

Country Status (1)

Country Link
CN (1) CN114463507B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115375866B (zh) * 2022-10-20 2023-02-03 国家电投集团科学技术研究院有限公司 矿区三维地质模型的更新方法、装置、设备和介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109214248B (zh) * 2017-07-04 2022-04-29 阿波罗智能技术(北京)有限公司 用于识别无人驾驶车辆的激光点云数据的方法和装置
CN110569749B (zh) * 2019-08-22 2021-11-30 江苏徐工工程机械研究院有限公司 一种矿山道路的边界线及可行驶区域检测方法及系统
CN110660027B (zh) * 2019-08-28 2023-03-31 青岛秀山移动测量有限公司 一种针对复杂地形的激光点云连续剖面地面滤波方法
EP3839203A1 (en) * 2019-12-16 2021-06-23 Sandvik Mining and Construction Oy Mine vehicle safety control
CN111443360B (zh) * 2020-04-20 2022-06-24 北京易控智驾科技有限公司 矿区无人驾驶系统道路边界自动采集装置和识别方法
CN113777589B (zh) * 2021-08-18 2024-04-02 北京踏歌智行科技有限公司 一种基于点特征的lidar与gps/imu联合标定方法
CN113936215A (zh) * 2021-10-20 2022-01-14 江苏徐工工程机械研究院有限公司 一种矿区路面凹坑的识别方法、系统及无人驾驶货车
CN114092419A (zh) * 2021-11-09 2022-02-25 南京市测绘勘察研究院股份有限公司 一种基于地表点位的点云空间位置质量自动检查方法

Also Published As

Publication number Publication date
CN114463507A (zh) 2022-05-10

Similar Documents

Publication Publication Date Title
CN111192284B (zh) 一种车载激光点云分割方法及系统
CN112733812B (zh) 三维车道线检测方法、装置及存储介质
CN105261017A (zh) 基于路面约束的图像分割法提取行人感兴趣区域的方法
CN110598541A (zh) 一种提取道路边缘信息的方法及设备
CN112200171B (zh) 一种基于扫描线的道路点云的提取方法
CN112001216A (zh) 一种基于计算机的汽车行驶车道检测系统
CN114463507B (zh) 道路识别方法及装置
CN109635733B (zh) 基于视觉显著性和队列修正的停车场和车辆目标检测方法
CN111524127B (zh) 面向低空机载激光雷达数据的城市道路面提取方法
CN113239733A (zh) 一种多车道车道线检测方法
WO2023024241A1 (zh) 一种基于激光雷达点云的小障碍物检测方法及装置
CN113989765A (zh) 一种轨道障碍物的检测方法、检测装置及可读存储介质
CN112258566B (zh) 一种路面的采集点识别方法、装置及服务器
Dosaev et al. A new real-time method for finding temporary and permanent road marking and its applications
CN112884026A (zh) 一种图像识别辅助的输电线路激光LiDAR点云分类方法
CN112989946A (zh) 一种车道线的确定方法、装置、设备及车辆
CN114170579A (zh) 一种路沿检测方法、装置及汽车
CN116543363B (zh) 样本图像的获取方法、装置、电子设备及车辆
CN116578891B (zh) 道路信息重构方法、终端及存储介质
CN116662728B (zh) 一种屋顶平面的提取方法、电子设备及存储介质
CN117475395A (zh) 基于激光雷达的灰尘检测方法、系统及介质
CN116704227A (zh) 一种轨道识别方法、系统、装置、电子设备及存储介质
CN115700814A (zh) 停车位检测方法、装置、计算机设备和存储介质
CN117864155A (zh) 基于激光雷达的路沿后处理方法、装置、车辆及存储介质
CN117935198A (zh) 路沿检测方法及装置、计算机可读存储介质、终端

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