CN114638848A - 车道边缘线变化的检测方法、装置、设备及存储介质 - Google Patents
车道边缘线变化的检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114638848A CN114638848A CN202210243512.5A CN202210243512A CN114638848A CN 114638848 A CN114638848 A CN 114638848A CN 202210243512 A CN202210243512 A CN 202210243512A CN 114638848 A CN114638848 A CN 114638848A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- vehicle
- lane
- value
- line
- 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
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种车道边缘线变化的检测方法、装置、设备及存储介质。该方法包括:获取高精度地图中车辆当前位置对应的车道边缘线,以及车道边缘线所处道路区域的点云;确定感兴趣点云的第一高度值和第一强度值,感兴趣点云为位于面缓冲区内部的点云,面缓冲区是根据车道边缘线构建的面区域;确定非感兴趣点云的第二高度值和第二强度值,非感兴趣点云为位于面缓冲区外部的点云;若第一高度值与第二高度值之间的差值小于预设高度差值,且第一强度值与第二强度值之间的差值小于预设强度差值,则向服务器发送当前次的检测结果,检测结果包括车辆的位置和车辆的位置处的车道边缘线发生变化的信息。本申请的方法,提高了地图更新效率。
Description
技术领域
本申请涉及自动驾驶技术,尤其涉及一种车道边缘线变化的检测方法、装置、设备及存储介质。
背景技术
高精度地图主要用于自动驾驶的路径规划,高精度地图的准确度影响自动驾驶车辆的控制。当道路和车道边界随着施工、隔离栅栏发生变化,或者遇到潮汐车道等情况,需要及时检测出这类变化进而更新高精度地图,以指导车辆安全行驶。
目前,车道边缘线变化的发现技术主要是运营人员或者自动驾驶安全员在驾驶或监控车辆过程中发现车辆有驶向车道边界的迹象,或者根据监控地图对比实际道路发现变化,进而记录异常行驶的位置以及到异常行驶的位置人工查看异常原因,之后上报到后台,由地图作业人员根据上报的信息对高精度地图进行调整。
上述过程耗时较大,会造成对高精度地图的更新不及时,使得高精度地图的更新效率低,从而影响车辆行驶安全。
发明内容
本申请提供一种车道边缘线变化的检测方法、装置、设备及存储介质,用以解决对高精度地图的更新不及时,使得高精度地图的更新效率低,从而影响车辆行驶安全的问题。
第一方面,本申请提供一种车道边缘线变化的检测方法,包括:获取高精度地图中车辆当前位置对应的车道边缘线;获取所述车道边缘线所处道路区域的点云;确定感兴趣点云的第一高度值和第一强度值,所述感兴趣点云为位于面缓冲区内部的点云,所述面缓冲区是根据所述车道边缘线构建的面区域;确定非感兴趣点云的第二高度值和第二强度值,所述非感兴趣点云为位于所述面缓冲区外部的点云;若所述第一高度值与所述第二高度值之间的差值小于预设高度差值,且所述第一强度值与所述第二强度值之间的差值小于预设强度差值,则向服务器发送当前次的检测结果,所述检测结果包括所述车辆的位置和所述车辆的位置处的车道边缘线发生变化的信息。
在一些可能的实施方式中,所述方法还包括:针对所述面缓冲区和所述点云进行几何求交,得到所述感兴趣点云和所述非感兴趣点云。
在一些可能的实施方式中,所述确定感兴趣点云的高度值得到第一高度值,以及确定所述感兴趣点云的强度值得到第一强度值,包括:确定所述感兴趣点云中所有点的高度值的平均值,得到所述第一高度值;确定所述感兴趣点云中所有点的强度值的平均值,得到所述第一强度值。
在一些可能的实施方式中,所述确定非感兴趣点云的高度值得到第二高度值,以及确定所述非感兴趣点云的强度值得到第二强度值,包括:确定所述非感兴趣点云中所有点的高度值的平均值,得到所述第二高度值;确定所述非感兴趣点云中所有点的强度值的平均值,得到所述第二强度值。
在一些可能的实施方式中,所述车道边缘线包括第一车道线和第二车道线,所述第一车道线和所述第二车道线均为基于地图坐标系的车道线,则所述方法还包括:根据地图坐标系与车辆坐标系之间的转换关系,对所述第一车道线和所述第二车道线进行坐标系的转换,得到基于所述车辆坐标系的第一目标车道线和基于所述车辆坐标系的第二目标车道线;对所述第一目标车道线和所述第二目标车道线进行处理,得到第一车道标线和第二车道标线,所述第一车道标线和所述第二车道标线之间的宽度为预设宽度;根据所述第一车道标线和第二车道标线进行面缓冲区的构建,得到所述面缓冲区。
在一些可能的实施方式中,所述点云为基于车辆坐标系的点云,所述方法还包括:获取激光雷达采集的点云;根据激光雷达坐标系与车辆坐标系之间的转换关系,对所述激光雷达采集的点云进行坐标系的转换,得到所述点云。
在一些可能的实施方式中,所述获取高精度地图中车辆当前位置对应的车道边缘线,包括:获取所述车辆的当前位置;根据所述车辆的当前位置,从所述高精度地图中提取所述车辆的当前位置所处的车道的车道边缘线。
在一些可能的实施方式中,所述方法包括:接收更新后的高精度地图,所述更新后的高精度地图是所述服务器根据当前次的检测结果对高精度地图进行更新得到的地图,所述检测结果包括所述车辆的位置和所述车辆的位置处的车道边缘线发生变化的信息;根据所述更新后的高精度地图对所述车辆进行控制。
第二方面,本申请提供一种车道边缘线变化的检测装置,包括:获取模块,用于获取高精度地图中车辆当前位置对应的车道边缘线;所述获取模块,还用于获取所述车道边缘线所处道路区域的点云;确定模块,用于确定感兴趣点云的高度值得到第一高度值,以及确定所述感兴趣点云的强度值得到第一强度值,所述感兴趣点云为位于面缓冲区内部的点云,所述面缓冲区是根据所述车道边缘线构建的面区域;所述确定模块,还用于确定非感兴趣点云的高度值得到第二高度值,以及确定所述非感兴趣点云的强度值得到第二强度值,所述非感兴趣点云为位于所述面缓冲区外部的点云;发送模块,用于若所述第一高度值与所述第二高度值之间的差值小于预设高度差值,且所述第一强度值与所述第二强度值之间的差值小于预设强度差值,则向服务器发送当前次的检测结果,所述检测结果包括所述车辆的位置和所述车辆的位置处的车道边缘线发生变化的信息。
第三方面,本申请提供一种车辆的控制设备,包括:存储器,处理器;存储器,用于存储所述处理器可执行指令的存储器;其中,所述处理器被配置为实现如第一方面所述的方法。
第四方面,本申请提供一种车辆,包括:如第三方面所述的车辆的控制设备;惯性导航系统,用于采集所述车辆的位置;激光雷达,用于采集所述车辆周围环境的点云。
第五方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如第一方面所述的方法。
第六方面,本申请提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现第一方面所述的方法。
本申请提供的车道边缘线变化的检测方法、装置、设备及存储介质,通过获取高精度地图中车辆当前位置对应的车道边缘线和车道边缘线所处道路区域的点云;根据车道边缘线构建面缓冲区,针对面缓冲区和点云进行几何求交,从而确定感兴趣点云和非感兴趣点云;以及在第一高度值与第二高度值之间的差值小于预设高度差值,且第一强度值与第二强度值之间的差值小于预设强度差值的情况下,向服务器发送当前次的检测结果,以使服务器根据检测结果对高精度地图进行更新,检测结果包括车辆的位置和车辆的位置处的车道边缘线发生变化的信息。由于是利用车辆上传感器实时采集的数据进行计算,从而确定车道边缘线是否发生变化,因此,能够避免人工发现变化带来的对高精度地图的更新延时较大的问题,实现对高精度地图及时进行更新,提高地图更新效率的效果。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为本申请实施例提供的应用场景图;
图2为本申请实施例提供的车道边缘线变化的检测方法的流程图;
图3为本申请实施例提供的车辆的控制逻辑示意图;
图4为本申请实施例提供的车道边缘线变化的检测方法的示例图;
图5为本申请实施例提供的对车道线进行拓宽的示意图;
图6为本申请实施例提供的构建面缓冲区的示意图;
图7为本申请实施例提供的几何求交结果的示意图;
图8为本申请实施例提供的车道边缘线变化的检测装置的示意图;
图9为本申请实施例提供的电子设备的结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
图1为本申请实施例提供的应用场景图。如图1所示,该应用场景包括:车辆1和服务器2;车辆1与服务器2通信连接。
车辆1可以是自动驾驶车辆,或者安装有高级驾驶辅助系统(Advanced DrivingAssistance System,ADAS)的车辆。
服务器2可以是单独的一台服务器,或者是包括多台服务器的服务器集群。服务器2中存储有高精度地图,服务器2可以将高精度地图下发至车辆,进而使车辆根据高精度地图对车辆进行路径规划。
车辆1在行驶过程中,实时获取自身的当前位置,并且根据当前位置和高精度地图进行路径规划。在日常生活中,受道路施工、潮汐车道、隔离栅栏等的影响,车道边缘线会发生变化。如果能够将这种变化及时检测出来,并对高精度地图进行更新,就能够控制车辆安全行驶。
目前,主要是通过人工发现上述变化,并且人工确定发生变化的位置,以及前往发生变化的位置进行勘察或者通过车端录制的历史视频进行确认,进而确认发生变化的具体位置和车道信息,并上报至服务器,再由服务器根据上报的信息对高精度地图进行更新。
然而,上述过程中从发现变化到上报的过程均由人工完成,耗时较大,导致高精度地图的更新不及时,进而影响车辆安全行驶。另外,自动驾驶车辆的行驶路程较长,若遇到多处发生变化,就需要前往不同的地方进行勘察,这对高精度地图的更新来说,更新效率低,难以保证车辆行驶安全。
而通过车端录制的历史视频确定发生变化的具体位置和车道信息的方式,由于视频角度和视野的问题,可能会存在误判。
针对上述技术问题,本申请的发明人提出如下技术构思:在车辆行驶过程中,实时获取车辆当前位置的地图数据,该地图数据用于表示车辆当前位置所在车道的车道边缘线;以及获取激光雷达采集的车辆当前位置所在车道的点云;对于点云而言,每个扫描点具有高度值和强度值,不同对象的高度值和强度值不同,根据这一特性,可以将位于车道边缘线内部的点云和车道边缘线外部的点云的高度值和强度值进行比对,从而确定当前位置所处车道的车道边缘线是否发生变化,以及在发生变化时,将车辆当前位置和变化信息上传至服务器,由服务器根据车辆当前位置和变化信息对高精度地图及时进行更新,从而对其他车辆的行驶进行指导,避免其他车辆发生安全事故。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
图2为本申请实施例提供的车道边缘线变化的检测方法的流程图。图3为本申请实施例提供的车辆的控制逻辑示意图。图4为本申请实施例提供的车道边缘线变化的检测方法的示例图。如图2和图4所示,车道边缘线变化的检测方法,包括如下步骤:
S201、获取高精度地图中车辆当前位置对应的车道边缘线。
本实施例中,车道边缘线是用来指示机动车道的边缘或用来划分机动车与非机动车道分界的线,包括实线边缘线和虚线边缘线两种,其颜色为白色。
S202、获取车道边缘线所处道路区域的点云。
如图3所示,本实施例的车辆包括中控系统31,还包括车端定位模块32、车端传感器驱动模块33和整车标定系统34等。
其中,车端定位模块32可以是惯性导航(Inertial Navigation,IN)系统或者车端算法自定位模块,用于采集车辆的位置。则获取高精度地图中车辆当前位置对应的车道边缘线,包括:获取车辆的当前位置;根据车辆的当前位置,从高精度地图中提取车辆的当前位置所处车道的车道边缘线。车端定位模块中存储有地图坐标系与车辆坐标系之间的转换关系。
车端传感器驱动模块33可以是激光雷达,用于采集车辆行驶过程中周围环境的点云,周围环境包括车道边缘线所在的道路区域以及周围其他地物信息。具体地,是包括车道边缘线,且距离车道边缘线外侧预设距离的道路区域以及地物信息。
整车标定系统34中存储有激光雷达坐标系与车辆坐标系之间的转换关系。
本实施例的执行主体可以是车辆的中控系统,在一种可选的实施方式中,可以由车辆的中控系统31从车端定位模块32和车端传感器驱动模块33分别获取车辆的当前位置和车道边缘线所处道路区域的点云。进而车辆的中控系统还可以根据车辆的当前位置从高精度地图中获取车辆当前所处车道的车道边缘线。
需要说明的是,步骤S201和步骤S202不限制先后执行顺序,可以是先执行步骤S201,再执行步骤S202,也可以是先执行步骤S202,再执行步骤S201,还可以是同时执行步骤S201和步骤S202。
S203、针对车道边缘线构建面缓冲区。
S204、针对面缓冲区和点云进行几何求交,将位于面缓冲区内部的点云确定为感兴趣点云,以及将位于面缓冲区外部的点云确定为非感兴趣点云。
本实施例中,第一车道线和第二车道线均为基于地图坐标系的车道线,激光雷达采集的点云为基于激光雷达坐标系的点云,二者属于不同坐标系中的数据,无法直接进行几何求交。因此,在将面缓冲区与点云进行几何求交之前,需要将点云和面缓冲区转换至同一坐标系。本实施例中以车辆坐标系为例,将点云和面缓冲区均转换至车辆坐标系。应当理解,还可以将点云和面缓冲区均转换至其他坐标系,例如世界坐标系,只要保证点云和面缓冲区为同一坐标系中的数据即可。
其中,针对激光雷达采集的点云,需要根据激光雷达坐标系与车辆坐标系之间的转换关系,对激光雷达采集的点云进行坐标系的转换,得到车道边缘线所处道路区域的点云。
其中,将面缓冲区进行坐标系转换的计算量较大,为了减小计算量,可以针对第一车道线和第二车道线进行坐标系的转换。具体的,车端定位模块中存储有车辆坐标系与地图坐标系之间的转换关系(以下称为第一转换关系),车辆的中控系统可以从车端定位模块中获取第一转换关系。并根据第一转换关系,将第一车道线转换至车辆坐标系下,得到第一目标车道线,以及根据第一转换关系,将第二车道线转换至车辆坐标系下,得到第二目标车道线。
具体的,针对第一车道线和第二车道线进行坐标系的转换,包括:
S2031、根据地图坐标系与车辆坐标系之间的转换关系,对第一车道线和第二车道线进行坐标系的转换,得到基于车辆坐标系的第一目标车道线和基于车辆坐标系的第二目标车道线。
以车辆行驶方向为参考方向,从高精度地图中获取的车道边缘线中位于车辆行驶方向上左侧的车道边缘线,得到第一原始车道线,以及位于车辆行驶方向上右侧的车道边缘线,得到第二原始车道线。通过对第一原始车道线进行拟合,可以得到第一车道线。以及对第二原始车道线进行拟合,可以得到第二车道线。
S2032、对第一目标车道线和第二目标车道线进行处理,得到第一车道标线和第二车道标线,第一车道标线和第二车道标线之间的宽度为预设宽度。
其中,预设宽度可以是国标车道标线宽度。
本实施例是针对第一目标车道线和第二目标车道线形成的车道区域在左侧和右侧分别进行拓宽,得到第一车道标线和第二车道标线形成的标准车道区域。
图5为本申请实施例提供的对车道线进行拓宽的示意图。如图5所示,在车辆行驶方向的横向方向上,将第一目标车道线41向车道区域的外侧增加预设距离d,得到第一车道标线42,以及将第二目标车道线43向车道区域的外侧增加预设距离d,得到第二车道标线44。
在将第一车道线和第二车道线转换至以点云处于同一坐标系下的数据之后,就可以执行如下步骤S2033来构建面缓冲区,进而根据面缓冲区与点云进行几何求交。
具体的,几何求交是指确定面缓冲区与点云的交集。
S2033、根据第一车道标线和第二车道标线进行面缓冲区的构建,得到面缓冲区。
具体的,是根据以车辆当前位置为起点的预设长度范围内,且包括第一车道标线和第二车道标线的区域构建缓冲区,得到面缓冲区。
图6为本申请实施例提供的构建面缓冲区的示意图。如图6所示,在得到第一车道标线42和第二车道标线44之后,可以截取车辆当前位置为起点的L长度范围内的车道区域,并针对截取的区域构建缓冲区,得到面缓冲区(如图5中的矩形框所示)。
图7为本申请实施例提供的几何求交结果的示意图。
如图7所示,图中矩形框为面缓冲区,则位于矩形框内部的点云为感兴趣点云(图中实线矩形框内部的点集合),位于矩形框外部的点云为非感兴趣点云(图中虚线框内部的点集合)。
S205、确定感兴趣点云的第一高度值和第一强度值,以及非感兴趣点云的第二高度值和第二强度值。
激光雷达发射一束光线,该束光线在遇到物体之后形成反射光线,并被激光雷达接收。在获取到物体表面每个采样点的空间坐标后,可以得到若干点的集合,称为点云。感兴趣点云中包括多个点,每个点具有三维坐标(x,y,z)和激光反射强度(Intensity)。
针对感兴趣点云,将感兴趣点云中所有点的z轴坐标值求平均值,得到第一高度值。同样地,将感兴趣点云中所有点的激光反射强度求平均值,得到第一强度值。
针对非感兴趣点云,将非感兴趣点云中所有点的z轴坐标值求平均值,得到第二高度值。同样地,将非感兴趣点云中所有点的激光反射强度求平均值,得到第二强度值。
本实施例中,在对点云和面缓冲区进行几何求交后,得到原始感兴趣点云,原始感兴趣点云中包括离群点,需要进行过滤,将剩余的点形成的点云确定为感兴趣点云。具体的,是将原始感兴趣点云中高度值位于预设高度范围之外,以及强度值位于预设强度范围之外的点进行过滤,并将剩余的点确定为感兴趣点云。
另外,本实施例是通过随机选取面缓冲区之外的部分点云,作为非感兴趣点云。
S206、确定第一高度值与第二高度值之间的差值是否小于预设高度差值。
S207、若第一高度值与第二高度值之间的差值小于预设高度差值,则确定第一强度值与第二强度值之间的差值是否小于预设强度差值。
其中,如果高度值存在明显差异,说明面缓冲区内仍存在与道路本身高度变化突出的地物所代表的点云,该地物可能为马路牙或隔离栅栏,不存在车道边缘线的变化,需要继续进行强度值的判断。
S208、若第一强度值与第二强度值之间的差值小于预设强度差值,则向服务器发送当前次的检测结果,检测结果包括车辆的位置和车辆的位置处的车道边缘线发生变化的信息。
如果高度值不存在明显差异,则进一步将强度对比值与boundary范围内的强度参考值进行对比,由于扫描点云的强度信息只与其扫描对象的材质有关,所以沥青道路路面与标线喷涂材质存在较大差异,因此如果强度值差异较小,则可认为该处车道边缘线存在变化,即已被调整或移动。
具体的,服务器在接收到当前次的检测结果之后,会根据当前次的检测结果中车辆的位置以及车辆的位置处的车道边缘线发生变化的信息,对高精度地图中车辆的位置处的车道信息进行更改,以保证与真实环境一致。
S209、若第一高度值与第二高度值之间的差值大于或等于预设高度差值,或者第一强度值与第二强度值之间的差值大于或等于预设强度差值,则结束。
在根据上述实施例对高精度地图进行更新后,服务器会将更新后的高精度地图下发至所有车辆,以使这些车辆根据更新后的高精度地图进行路径规划。
本实施例通过获取高精度地图中车辆当前位置对应的车道边缘线和车道边缘线所处道路区域的点云;根据车道边缘线构建面缓冲区,针对面缓冲区和点云进行几何求交,从而确定感兴趣点云和非感兴趣点云;以及在第一高度值与第二高度值之间的差值小于预设高度差值,且第一强度值与第二强度值之间的差值小于预设强度差值的情况下,向服务器发送当前次的检测结果,以使服务器根据检测结果对高精度地图进行更新,检测结果包括车辆的位置和车辆的位置处的车道边缘线发生变化的信息。由于是利用车辆上传感器实时采集的数据进行计算,从而确定车道边缘线是否发生变化,因此,能够避免人工发现变化带来的对高精度地图的更新延时较大的问题,实现对高精度地图及时进行更新,提高地图更新效率的效果。
在上述方法实施例的基础上,图8为本申请实施例提供的车道边缘线变化的检测装置的示意图。如图8所示,该装置包括:获取模块801、确定模块802和发送模块803;其中,获取模块801,用于获取高精度地图中车辆当前位置对应的车道边缘线;所述获取模块801,还用于获取所述车道边缘线所处道路区域的点云;确定模块802,用于确定感兴趣点云的高度值得到第一高度值,以及确定所述感兴趣点云的强度值得到第一强度值,所述感兴趣点云为位于面缓冲区内部的点云,所述面缓冲区是根据所述车道边缘线构建的面区域;所述确定模块802,还用于确定非感兴趣点云的高度值得到第二高度值,以及确定所述非感兴趣点云的强度值得到第二强度值,所述非感兴趣点云为位于所述面缓冲区外部的点云;发送模块803,用于若所述第一高度值与所述第二高度值之间的差值小于预设高度差值,且所述第一强度值与所述第二强度值之间的差值小于预设强度差值,则向服务器发送当前次的检测结果,所述检测结果包括所述车辆的位置和所述车辆的位置处的车道边缘线发生变化的信息。
在一些可能的实施方式中,该装置还包括:几何求交模块804,用于针对所述面缓冲区和所述点云进行几何求交,得到所述感兴趣点云和所述非感兴趣点云。
在一些可能的实施方式中,所述确定模块802确定感兴趣点云的高度值得到第一高度值,以及确定所述感兴趣点云的强度值得到第一强度值,具体包括:确定所述感兴趣点云中所有点的高度值的平均值,得到所述第一高度值;确定所述感兴趣点云中所有点的强度值的平均值,得到所述第一强度值。
在一些可能的实施方式中,所述确定模块802确定非感兴趣点云的高度值得到第二高度值,以及确定所述非感兴趣点云的强度值得到第二强度值,包括:确定所述非感兴趣点云中所有点的高度值的平均值,得到所述第二高度值;确定所述非感兴趣点云中所有点的强度值的平均值,得到所述第二强度值。
在一些可能的实施方式中,所述车道边缘线包括第一车道线和第二车道线,所述第一车道线和所述第二车道线均为基于地图坐标系的车道线,则所述方法还包括:第一转换模块805,根据地图坐标系与车辆坐标系之间的转换关系,对所述第一车道线和所述第二车道线进行坐标系的转换,得到基于所述车辆坐标系的第一目标车道线和基于所述车辆坐标系的第二目标车道线;处理模块806,用于对所述第一目标车道线和所述第二目标车道线进行处理,得到第一车道标线和第二车道标线,所述第一车道标线和所述第二车道标线之间的宽度为预设宽度;面缓冲区构建模块707,用于根据所述第一车道标线和第二车道标线进行面缓冲区的构建,得到所述面缓冲区。
在一些可能的实施方式中,所述点云为基于车辆坐标系的点云,所述获取模块801,具体用于:获取激光雷达采集的点云;根据激光雷达坐标系与车辆坐标系之间的转换关系,对所述激光雷达采集的点云进行坐标系的转换,得到所述点云。
在一些可能的实施方式中,所述获取高精度地图中车辆当前位置对应的车道边缘线,该装置还包括:第二转换模块808;所述获取模块801,还用于获取所述车辆的当前位置;第二转换模块808,用于根据所述车辆的当前位置,从所述高精度地图中提取所述车辆的当前位置所处的车道的车道边缘线。
在一些可能的实施方式中,所述装置还包括:接收模块809,用于接收更新后的高精度地图,所述更新后的高精度地图是所述服务器根据当前次的检测结果对高精度地图进行更新得到的地图,所述检测结果包括所述车辆的位置和所述车辆的位置处的车道边缘线发生变化的信息;控制模块810,用于根据所述更新后的高精度地图对所述车辆进行控制。
本申请实施例提供的车道边缘线变化的检测装置,可用于执行上述实施例中车道边缘线变化的检测方法的技术方案,其实现原理和技术效果类似,在此不再赘述。
本实施例通过获取高精度地图中车辆当前位置对应的车道边缘线和车道边缘线所处道路区域的点云;根据车道边缘线构建面缓冲区,针对面缓冲区和点云进行几何求交,从而确定感兴趣点云和非感兴趣点云;以及在第一高度值与第二高度值之间的差值小于预设高度差值,且第一强度值与第二强度值之间的差值小于预设强度差值的情况下,向服务器发送当前次的检测结果,以使服务器根据检测结果对高精度地图进行更新,检测结果包括车辆的位置和车辆的位置处的车道边缘线发生变化的信息。由于是利用车辆上传感器实时采集的数据进行计算,从而确定车道边缘线是否发生变化,因此,能够避免人工发现变化带来的对高精度地图的更新延时较大的问题,实现对高精度地图及时进行更新,提高地图更新效率的效果。
需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,确定模块802可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上确定模块802的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
图9为本申请实施例提供的电子设备的结构示意图。如图9所示,该计算机设备可以包括:接收器900、发送器901、处理器902、存储器903。
处理器902执行存储器存储的计算机执行指令,使得处理器902执行上述实施例中的方案。处理器902可以是通用处理器,包括中央处理器CPU、网络处理器(networkprocessor,NP)等;还可以是数字信号处理器DSP、专用集成电路ASIC、现场可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
存储器903通过系统总线与处理器902连接并完成相互间的通信,存储器903用于存储计算机程序指令。
收发器901可以用于接收操作指令。
系统总线可以是外设部件互连标准(peripheral component interconnect,PCI)总线或扩展工业标准结构(extended industry standard architecture,EISA)总线等。系统总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。收发器用于实现数据库访问装置与其他计算机(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(randomaccess memory,RAM),也可能还包括非易失性存储器(non-volatile memory)。
本申请实施例提供的电子设备,可以是上述实施例的终端设备或服务器。
本申请实施例提供的电子设备,可用于执行上述实施例中车道边缘线变化的检测方法的技术方案,其实现原理和技术效果类似,在此不再赘述。
本申请实施例还提供一种运行指令的芯片,该芯片用于执行上述实施例中车道边缘线变化的检测方法的技术方案。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机指令,当该计算机指令在计算机上运行时,使得计算机执行上述实施例中车道边缘线变化的检测方法的技术方案。
本申请实施例还提供一种计算机程序产品,该计算机程序产品包括计算机程序,其存储在计算机可读存储介质中,至少一个处理器可以从计算机可读存储介质读取计算机程序,至少一个处理器执行计算机程序时可实现上述实施例中车道边缘线变化的检测方法的技术方案。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (13)
1.一种车道边缘线变化的检测方法,其特征在于,包括:
获取高精度地图中车辆当前位置对应的车道边缘线;
获取所述车道边缘线所处道路区域的点云;
确定感兴趣点云的第一高度值和第一强度值,所述感兴趣点云为位于面缓冲区内部的点云,所述面缓冲区是根据所述车道边缘线构建的面区域;
确定非感兴趣点云的第二高度值和第二强度值,所述非感兴趣点云为位于所述面缓冲区外部的点云;
若所述第一高度值与所述第二高度值之间的差值小于预设高度差值,且所述第一强度值与所述第二强度值之间的差值小于预设强度差值,则向服务器发送当前次的检测结果,所述检测结果包括所述车辆的位置和所述车辆的位置处的车道边缘线发生变化的信息。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
针对所述面缓冲区和所述点云进行几何求交,得到所述感兴趣点云和所述非感兴趣点云。
3.根据权利要求1或2所述的方法,其特征在于,所述确定感兴趣点云的第一高度值和第一强度值,包括:
确定所述感兴趣点云中所有点的高度值的平均值,得到所述第一高度值;
确定所述感兴趣点云中所有点的强度值的平均值,得到所述第一强度值。
4.根据权利要求1或2所述的方法,其特征在于,所述确定非感兴趣点云的第二高度值和第二强度值,包括:
确定所述非感兴趣点云中所有点的高度值的平均值,得到所述第二高度值;
确定所述非感兴趣点云中所有点的强度值的平均值,得到所述第二强度值。
5.根据权利要求1所述的方法,其特征在于,所述车道边缘线包括第一车道线和第二车道线,所述第一车道线和所述第二车道线均为基于地图坐标系的车道线,则所述方法还包括:
根据地图坐标系与车辆坐标系之间的转换关系,对所述第一车道线和所述第二车道线进行坐标系的转换,得到基于所述车辆坐标系的第一目标车道线和基于所述车辆坐标系的第二目标车道线;
对所述第一目标车道线和所述第二目标车道线进行处理,得到第一车道标线和第二车道标线,所述第一车道标线和所述第二车道标线之间的宽度为预设宽度;
根据所述第一车道标线和第二车道标线进行面缓冲区的构建,得到所述面缓冲区。
6.根据权利要求1或5所述的方法,其特征在于,所述点云为基于车辆坐标系的点云,所述方法还包括:
获取激光雷达采集的点云;
根据激光雷达坐标系与车辆坐标系之间的转换关系,对所述激光雷达采集的点云进行坐标系的转换,得到所述点云。
7.根据权利要求1或5所述的方法,其特征在于,所述获取高精度地图中车辆当前位置对应的车道边缘线,包括:
获取所述车辆的当前位置;
根据所述车辆的当前位置,从所述高精度地图中提取所述车辆的当前位置所处的车道的车道边缘线。
8.根据权利要求7所述的方法,其特征在于,所述方法包括:
接收更新后的高精度地图,所述更新后的高精度地图是所述服务器根据当前次的检测结果对高精度地图进行更新得到的地图,所述检测结果包括所述车辆的位置和所述车辆的位置处的车道边缘线发生变化的信息;
根据所述更新后的高精度地图对所述车辆进行控制。
9.一种车道边缘线变化的检测装置,其特征在于,包括:
获取模块,用于获取高精度地图中车辆当前位置对应的车道边缘线;
所述获取模块,还用于获取所述车道边缘线所处道路区域的点云;
确定模块,用于确定感兴趣点云的高度值得到第一高度值,以及确定所述感兴趣点云的强度值得到第一强度值,所述感兴趣点云为位于面缓冲区内部的点云,所述面缓冲区是根据所述车道边缘线构建的面区域;
所述确定模块,还用于确定非感兴趣点云的高度值得到第二高度值,以及确定所述非感兴趣点云的强度值得到第二强度值,所述非感兴趣点云为位于所述面缓冲区外部的点云;
发送模块,用于若所述第一高度值与所述第二高度值之间的差值小于预设高度差值,且所述第一强度值与所述第二强度值之间的差值小于预设强度差值,则向服务器发送当前次的检测结果,所述检测结果包括所述车辆的位置和所述车辆的位置处的车道边缘线发生变化的信息。
10.一种车辆的控制设备,其特征在于,包括:存储器,处理器;
存储器;用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为实现如权利要求1-8任一项所述的方法。
11.一种车辆,其特征在于,包括:
如权利要求10所述的车辆的控制设备;
惯性导航系统,用于采集所述车辆的位置;
激光雷达,用于采集所述车辆周围环境的点云。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-8任一项所述的方法。
13.一种计算机程序产品,其特征在于,包括计算机程序,该计算机程序被处理器执行时实现权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210243512.5A CN114638848A (zh) | 2022-03-11 | 2022-03-11 | 车道边缘线变化的检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210243512.5A CN114638848A (zh) | 2022-03-11 | 2022-03-11 | 车道边缘线变化的检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114638848A true CN114638848A (zh) | 2022-06-17 |
Family
ID=81947219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210243512.5A Pending CN114638848A (zh) | 2022-03-11 | 2022-03-11 | 车道边缘线变化的检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114638848A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116721400A (zh) * | 2023-08-07 | 2023-09-08 | 博世汽车部件(苏州)有限公司 | 车辆横向控制的方法和装置、控制器、车辆以及存储介质 |
-
2022
- 2022-03-11 CN CN202210243512.5A patent/CN114638848A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116721400A (zh) * | 2023-08-07 | 2023-09-08 | 博世汽车部件(苏州)有限公司 | 车辆横向控制的方法和装置、控制器、车辆以及存储介质 |
CN116721400B (zh) * | 2023-08-07 | 2023-10-27 | 博世汽车部件(苏州)有限公司 | 车辆横向控制的方法和装置、控制器、车辆以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11282210B2 (en) | Method and apparatus for segmenting point cloud data, storage medium, and electronic device | |
CN111192295B (zh) | 目标检测与跟踪方法、设备和计算机可读存储介质 | |
CN107850448B (zh) | 用于生成及使用定位参考数据的方法及系统 | |
US20220373353A1 (en) | Map Updating Method and Apparatus, and Device | |
Wang et al. | Automatic road extraction from mobile laser scanning data | |
CN112464812B (zh) | 一种基于车辆的凹陷类障碍物检测方法 | |
CN112949782A (zh) | 一种目标检测方法、装置、设备及存储介质 | |
CN114051628A (zh) | 一种确定目标对象点云集的方法及装置 | |
CN113093128A (zh) | 用于标定毫米波雷达的方法、装置、电子设备及路侧设备 | |
CN114638848A (zh) | 车道边缘线变化的检测方法、装置、设备及存储介质 | |
CN117590362B (zh) | 一种多激光雷达外参标定方法、装置和设备 | |
CN113296120B (zh) | 一种障碍物检测方法及终端 | |
CN113734176A (zh) | 智能驾驶车辆的环境感知系统、方法、车辆及存储介质 | |
CN112034482A (zh) | 一种道路边界实时提取及测量方法和装置 | |
CN111781606A (zh) | 一种新型激光雷达和超声波雷达融合的小型化实现方法 | |
CN115359332A (zh) | 基于车路协同的数据融合方法、装置、电子设备及系统 | |
CN114084129A (zh) | 一种基于融合的车辆自动驾驶控制方法及系统 | |
CN108416305B (zh) | 连续型道路分割物的位姿估计方法、装置及终端 | |
CN113960572B (zh) | 一种过滤埋地灯噪声点云的处理方法和装置 | |
CN115236696B (zh) | 确定障碍物的方法、装置、电子设备及存储介质 | |
CN116953727A (zh) | 对象检测方法、装置、电子设备及存储介质 | |
CN113989315A (zh) | 用于标记点云数据的方法和装置以及计算机可读存储介质 | |
CN114779242A (zh) | 地图栅栏的获取方法、系统、地图、存储介质和设备 | |
CN113869129A (zh) | 一种路肩检测方法、装置及存储介质 | |
CN117274289A (zh) | 点云边界线覆盖度校验方法、装置、电子设备及存储介质 |
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 |