CN114758096A - 一种路沿检测方法、装置、终端设备和存储介质 - Google Patents
一种路沿检测方法、装置、终端设备和存储介质 Download PDFInfo
- Publication number
- CN114758096A CN114758096A CN202210397156.2A CN202210397156A CN114758096A CN 114758096 A CN114758096 A CN 114758096A CN 202210397156 A CN202210397156 A CN 202210397156A CN 114758096 A CN114758096 A CN 114758096A
- Authority
- CN
- China
- Prior art keywords
- road edge
- road
- grid
- point
- points
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000003708 edge detection Methods 0.000 title claims abstract description 50
- 238000012545 processing Methods 0.000 claims abstract description 55
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 24
- 238000005192 partition Methods 0.000 claims description 17
- 230000008447 perception Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本申请涉及环境感知技术领域，提出一种路沿检测方法、装置、终端设备和存储介质。该路沿检测方法包括：获取待测道路的点云数据；对所述点云数据执行栅格化处理；针对所述栅格化处理后获得的每个栅格，根据所述栅格包含的点云计算得到所述栅格的地面参考高度值，并根据所述地面参考高度值滤除所述栅格包含的点云中的地面点，所述地面点的高度和所述地面参考高度值之差小于第一阈值；根据各个所述栅格包含的滤除所述地面点后的点云，检测得到所述待测道路的路沿信息。采用该路沿检测方法，能够提高路沿检测的准确率。
Description
技术领域
本申请涉及环境感知技术领域，尤其涉及一种路沿检测方法、装置、终端设备和存储介质。
背景技术
路沿即道路边界，是无人车行驶环境中重要的交通要素之一，它限定了无人车的可通行区域，对于无人车在道路行驶过程中的导航定位和规划控制具有非常重要的意义。
目前，常规的路沿检测方法通常是使用激光雷达等设备获取道路的点云数据，对点云数据执行栅格化处理；然后，根据路沿高于地面的特点，检测栅格之间的高度差，将高度差符合设定条件的栅格作为路沿候选区域，并从路沿候选区域中检测路沿标记点。
然而，当路面存在凹凸不平等现象时，采用上述方法可能将不平的路面区域误识别为路沿候选区域，导致路沿检测的准确率较低。
发明内容
有鉴于此，本申请实施例提供了一种路沿检测方法、装置、终端设备和存储介质，能够提高路沿检测的准确率。
本申请实施例的第一方面提供了一种路沿检测方法，包括：
获取待测道路的点云数据；
对所述点云数据执行栅格化处理；
针对所述栅格化处理后获得的每个栅格，根据所述栅格包含的点云计算得到所述栅格的地面参考高度值，并根据所述地面参考高度值滤除所述栅格包含的点云中的地面点，所述地面点的高度和所述地面参考高度值之差小于第一阈值；
根据各个所述栅格包含的滤除所述地面点后的点云，检测得到所述待测道路的路沿信息。
在本申请实施例中，首先，获取待测道路的点云数据，对该点云数据执行栅格化处理，得到多个栅格；然后，根据每个栅格包含的点云分别计算得到每个栅格对应的地面参考高度值，并将栅格包含的点云中高度和对应的地面参考高度值之差小于设定阈值的点视作地面点进行滤除；最后，根据滤除地面点后的点云数据，检测得到待测道路的路沿信息。假设道路的某区域存在凹凸不平的现象，则该区域所在栅格对应的地面参考高度值是根据凹凸不平路面的点云计算得到的适配值，能够比较准确地表示该区域的真实地面高度，进而能够比较准确地找到该区域的点云中的地面点。之后，通过将点云中的地面点滤除，能够去除地面点对路沿检测的干扰，从而提高路沿检测的准确率。
在本申请实施例的一种实现方式中，所述根据各个所述栅格包含的滤除所述地面点后的点云，检测得到所述待测道路的路沿信息，可以包括：
对各个所述栅格包含的滤除所述地面点后的点云执行聚类操作，得到初始路沿区域；
根据所述初始路沿区域包含的各个所述栅格之间的高度差，确定路沿候选区域；其中，每个所述栅格的高度等于其包含的点云的所有点的高度的平均值；
根据所述路沿候选区域包含的各个点之间的高度差，从所述路沿候选区域中选取路沿候选点；
按照预设的路沿点判定条件，从所述路沿候选点中选取路沿标记点；
对所述路沿标记点执行曲线拟合处理，得到所述待测道路的路沿标记曲线。
进一步的，所述初始路沿区域包含M个栅格，所述根据所述初始路沿区域包含的各个所述栅格之间的高度差，确定路沿候选区域，可以包括：
遍历所述M个栅格中相邻排列的每N个栅格，若所述N个栅格的高度依次减少或者依次增加，且所述N个栅格中的第一个栅格和最后一个栅格之间的高度差的绝对值大于第二阈值，则将所述N个栅格确定为所述路沿候选区域，2≤N＜M；
所述路沿候选区域包含X个点，所述根据所述路沿候选区域包含的各个点之间的高度差，从所述路沿候选区域中查找路沿候选点，可以包括：
根据所述X个点在所述路沿候选区域中的排列位置，对所述X个点进行排序；
从所述X个点中选取相邻排序的Y个点，3≤Y＜X；
若所述Y个点的高度依次减少或者依次增加，且所述Y个点中的第一个点和最后一个点之间的高度差的绝对值大于第三阈值，则将所述Y个点的中点确定为所述路沿候选区域的路沿候选点。
进一步的，所述按照预设的路沿点判定条件，从所述路沿候选点中选取路沿标记点，可以包括：
针对每个所述路沿候选点，若该路沿候选点的高度与该路沿候选点所处栅格的地面参考高度值之差大于第四阈值，且该路沿候选点不处于所述点云数据的目标检测框之内，则将该路沿候选点确定为一个所述路沿标记点；
其中，所述目标检测框通过以下方式生成并融入所述点云数据：
获取与所述点云数据对应的道路图像；
对所述道路图像执行非路沿对象的目标检测处理，得到所述目标检测框；
将带有所述目标检测框的所述道路图像和所述点云数据融合。
进一步的，所述对所述路沿标记点执行曲线拟合处理，得到所述待测道路的路沿标记曲线，可以包括：
对所述路沿标记点执行曲线拟合处理，得到所述待测道路当前时刻的路沿曲线；
若所述当前时刻的路沿曲线的曲率和所述待测道路前一时刻的路沿曲线的曲率之差小于第五阈值，则将所述当前时刻的路沿曲线确定为所述待测道路的路沿标记曲线并输出；其中，所述待测道路前一时刻的路沿曲线通过对所述前一时刻采集到的所述待测道路的点云数据执行路沿检测后获得。
在本申请实施例的一种实现方式中，所述根据所述栅格包含的点云计算得到所述栅格的地面参考高度值，可以包括：
从所述点云数据中选取与所述待测道路的部分路面区域对应的目标点云，所述目标点云包含的每个点的高度的绝对值均小于第六阈值；
根据所述目标点云包含的每个点的高度，计算得到地面高度经验值；
根据所述地面高度经验值，计算得到所述栅格的地面高度阈值；
提取所述栅格包含的点云中的有效点，所述有效点的高度小于所述地面高度阈值；
对所述有效点执行曲线拟合处理，得到目标多项式方程；
对所述目标多项式方程进行求解，得到所述栅格的地面参考高度值。
进一步的，所述对所述点云数据执行栅格化处理，具体可以为：
对所述点云数据执行极坐标栅格化处理；
所述根据所述地面高度经验值，计算得到所述栅格的地面高度阈值，可以包括：
将所述栅格按照与极坐标原点之间的径向距离大小划分为多个栅格分区；
针对每个所述栅格分区，根据该栅格分区与所述极坐标原点之间的径向距离的分布范围，计算得到该栅格分区对应的高度松弛量，并将所述地面高度经验值和所述高度松弛量之和确定为该栅格分区的地面高度阈值。
本申请实施例的第二方面提供了一种路沿检测装置，包括：
点云数据获取模块，用于获取待测道路的点云数据；
栅格化处理模块，用于对所述点云数据执行栅格化处理；
地面点滤除模块，用于针对所述栅格化处理后获得的每个栅格，根据所述栅格包含的点云计算得到所述栅格的地面参考高度值，并根据所述地面参考高度值滤除所述栅格包含的点云中的地面点，所述地面点的高度和所述地面参考高度值之差小于第一阈值；
路沿检测模块，用于根据各个所述栅格包含的滤除所述地面点后的点云，检测得到所述待测道路的路沿信息。
本申请实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例的第一方面提供的路沿检测方法。
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如本申请实施例的第一方面提供的路沿检测方法。
本申请实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行如本申请实施例的第一方面所述的路沿检测方法。
可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
图1是本申请实施例提供的一种路沿检测方法的流程图；
图2是对点云数据采用极坐标栅格化处理后获得的栅格的示意图；
图3是根据栅格包含的点云计算得到栅格的地面参考高度值的操作流程图；
图4是根据各个栅格包含的滤除地面点后的点云，检测得到待测道路的路沿信息的操作流程图；
图5是使用本申请实施例提出的路沿检测方法检测得到的路沿标记点的效果示意图-俯视图；
图6是使用本申请实施例提出的路沿检测方法检测得到的路沿标记点的效果示意图-侧视图；
图7是本申请实施例提供的一种路沿检测装置的结构图；
图8是本申请实施例提供的一种终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
本申请实施例提出的是一种路沿检测方法，适用于自动驾驶过程中的环境感知，例如，在无人车行驶过程中，采用该路沿检测方法能够比较准确地识别道路边缘，实时感知可通行区域。关于本申请实施例更具体的技术实现细节，请参照下文所述的方法实施例。
应当理解，本申请各个方法实施例的执行主体为各种类型的终端设备或服务器，例如可以是手机、平板电脑、可穿戴设备、车载设备、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobilepersonal computer，UMPC)、上网本、个人数字助理(personal digital assistant，PDA)、大屏电视，等等，本申请实施例对该终端设备和服务器的具体类型不作任何限制。
请参阅图1，示出了本申请实施例提供的一种路沿检测方法，包括：
101、获取待测道路的点云数据；
首先，获取待测道路的点云数据，待测道路可以是需要检测路沿的任何类型的道路，点云数据既可以是激光雷达点云，也可以是图像点云。在实际操作中，针对无人车在待测道路上行驶的场景，可以在无人车上安装一个以上的激光雷达，通过激光雷达采集无人车前方道路的三维点云数据。
102、对所述点云数据执行栅格化处理；
在获取到待测道路的点云数据之后，接下来对该点云数据执行栅格化处理，也即将点云数据中的点云按照区域划分到对应的多个栅格内。激光雷达扫描到的三维点云数据，是三维空间中得到一堆数据点，每个数据点都有对应的三维位置坐标，一方面可以按照三维位置坐标对点云数据执行栅格化，另一方面可以对点云数据执行极坐标栅格化处理。
采用极坐标栅格化处理的基本原理为：将点云数据中的每个点都由三维坐标转换为极坐标，然后根据极坐标完成聚类，将各个点都划分到对应的扇形的栅格中。如图2所示，为对点云数据采用极坐标栅格化处理后获得的栅格的示意图。图2的中心为极坐标的原点，向外扩散形成的24个扇形区域表示划分得到的24个栅格，根据设定好的范围和角度分辨率，可以将三维点云分配到对应的极坐标的栅格中。需要说明的是，图2只是极坐标栅格划分的一个简单示意图，在实际操作中，按照设定的极坐标角度分辨率和径向距离分辨率，划分出的栅格数量会远远大于24个。
激光雷达的工作特性为：距离越近点云越稠密，距离越远点云越稀疏。当采用极坐标栅格时，距离原点越近的栅格的面积越小，距离原点越远的栅格的面积越大，恰好与激光雷达的工作特性适配，能够使得每个栅格都包含一定数量的点云，从而提升点云栅格化处理的效果。而若采用固定大小划分栅格，则会产生部分栅格包含大量点云，部分栅格缺少点云的问题，导致点云栅格化处理的效果不理想。
103、针对所述栅格化处理后获得的每个栅格，根据所述栅格包含的点云计算得到所述栅格的地面参考高度值，并根据所述地面参考高度值滤除所述栅格包含的点云中的地面点，所述地面点的高度和所述地面参考高度值之差小于第一阈值；
在划分栅格后，针对每个栅格都会执行以下操作：根据栅格内包含的点云计算出栅格对应的地面参考高度值，并根据该地面参考高度值滤除栅格内包含的点云中的地面点。地面参考高度值用于表征某个栅格对应的真实地面高度，可以将该栅格包含的点云的每个点的高度分别和地面参考高度值进行比较，若两者之差(可添加绝对值)小于设定的阈值(第一阈值)，则可以将相应的点确定为点云中的地面点，而地面点在后续的路沿检测中可能带来干扰，故需要将地面点滤除。
示例性的，针对栅格1，首先根据栅格1包含的点云计算出栅格对应的地面参考高度值H1，然后将栅格1包含的点云中高度与H1相近的点视作地面点进行滤除。针对栅格2，首先根据栅格2包含的点云计算出栅格对应的地面参考高度值H2，然后将栅格2包含的点云中高度与H2相近的点视作地面点进行滤除。由此可见，由于不同栅格包含的点云不同，故不同栅格对应的地面参考高度值也可能是不同的。换句话说，某个栅格的地面参考高度值是根据该栅格包含的点云的特征计算得到的适配值，能够比较准确地表示该栅格所对应区域的真实地面高度，因此采用这种方式能够比较准确地找出各个栅格包含的点云中的地面点进行滤除，从而提高后续执行路沿检测的准确率。
另一方面，在确定每个栅格对应的地面参考高度值之后，还可以通过每个栅格对应的地面参考高度值检测出每个栅格包含的点云中的障碍点，具体可以将点云中高度大于地面参考高度值一定数值(例如20cm或者10cm)的点确定为路面的障碍点。在输出路沿检测信息时，可以将障碍点信息一并输出，以便无人车执行避障规划等操作。这个过程中检测到的障碍点可能包含部分路沿点，但在本申请实施例后续的操作中会识别出这部分路沿点，而且路沿点也可视作特殊的障碍点，故对路沿检测结果没有影响。
在本申请实施例的一种实现方式中，如图3所示，所述根据所述栅格包含的点云计算得到所述栅格的地面参考高度值，可以包括：
301、从所述点云数据中选取与所述待测道路的部分路面区域对应的目标点云，所述目标点云包含的每个点的高度的绝对值均小于第六阈值；
302、根据所述目标点云包含的每个点的高度，计算得到地面高度经验值；
303、根据所述地面高度经验值，计算得到所述栅格的地面高度阈值；
304、提取所述栅格包含的点云中的有效点，所述有效点的高度小于所述地面高度阈值；
305、对所述有效点执行曲线拟合处理，得到目标多项式方程；
306、对所述目标多项式方程进行求解，得到所述栅格的地面参考高度值。
应当理解，上述划分得到的每个栅格，都可以采用步骤301-306的方式获得对应的地面参考高度值。在根据点云求解每个栅格的地面参考高度值时，首先需要获取一个地面高度经验值，作为地面高度的基准量。具体的，可以选取待测道路的部分路面区域(可通行区域，例如无人车前方指定大小的一块路面区域)对应的点云数据，用目标点云表示，该目标点云包含的每个点的高度的绝对值都小于某个阈值(例如30cm)。接下来，可以根据该目标点云包含的每个点的高度，计算得到地面高度经验值，例如可以计算该目标点云包含的每个点的高度的平均值，作为地面高度经验值。
在获得地面高度经验值之后，可以计算得到栅格的地面高度阈值，一方面可以直接将地面高度经验值作为栅格的地面高度阈值，另一方面也可以对地面高度经验值按照设定方式进行调整，例如可以设置一个高度调整量，将调整后的地面高度经验值作为栅格的地面高度阈值。在本申请实施例的一种实现方式中，在对点云数据执行极坐标栅格化处理后，步骤303可以包括：
3031、将所述栅格按照与极坐标原点之间的径向距离大小划分为多个栅格分区；
3032、针对每个所述栅格分区，根据该栅格分区与所述极坐标原点之间的径向距离的分布范围，计算得到该栅格分区对应的高度松弛量，并将所述地面高度经验值和所述高度松弛量之和确定为该栅格分区的地面高度阈值。
按照径向距离的不同，可以设置一定的高度松弛量，径向距离越大则设置的高度松弛量越高，例如可以按照径向距离每2m增加10cm的高度松弛量，将地面高度经验值和高度松弛量相加即得到对应的地面高度阈值。示例性的，对于某个栅格，首先按照该栅格与极坐标原点之间的径向距离大小划分为多个栅格分区，例如径向距离为0-2m为栅格分区1，径向距离为2m-4m为栅格分区2，径向距离为4m-6m为栅格分区3…以此类推。然后，针对栅格分区1，确定高度松弛量为0，故对应的地面高度阈值等于地面高度经验值；针对栅格分区2，确定高度松弛量为10cm，故对应的地面高度阈值等于地面高度经验值+10cm；针对栅格分区3，确定高度松弛量为20cm，故对应的地面高度阈值等于地面高度经验值+20cm，以此类推。通过设置阶梯式的地面高度阈值，能够有效识别上坡路面的地面高度以及下坡路面(对应的高度松弛量为负值)的地面高度。
在计算得到栅格的地面高度阈值之后，将栅格包含的点云中高度小于该地面高度阈值的点视作有效点，提取出来。这个步骤相当于筛选一遍栅格内的点云，尽量保证点云的点都在地面附近，将非地面点滤除。需要说明的是，不同栅格的地面高度阈值可以不同，即便针对同一个栅格，不同栅格分区的地面高度阈值也可以不同。因此，在提取某块点云中的有效点时，需要明确该块点云处于哪块栅格中的哪块栅格分区，从而确定对应的地面高度阈值。
在提取出栅格包含的点云中的有效点之后，可以对这些有效点执行曲线拟合处理，得到一个目标多项式方程。最后再通过求解该目标多项式方程，即可得到该栅格对应的地面参考高度值。在执行曲线拟合操作时，可以采用最小二乘法拟合或者RANSAC曲线拟合等方式。示例性的，可以采用RANSAC多项式曲线拟合，拟合系数为3次，对栅格包含的点云中的所有有效点进行拟合，得到一个目标多项式方程。该目标多项式方程的因变量是高度，自变量是距离原点的距离，通过求解该目标多项式方程，即可得到一个高度值的结果，将该结果确定为栅格对应的地面参考高度值。其中，求解多项式方程的具体方法属于现有技术，在此不再赘述。
上述步骤301-306相当于构建了一个地面高度求解模型，与直接通过扫描线特征或栅格统计的方法获取地面参考高度值相比，引入地面高度求解模型作为先验知识考虑了各个栅格内的所有点云，能够有效排除噪点，从而获取更为准确的地面参考高度值。在采用步骤301-306的方法分别确定每个栅格的地面参考高度值之后，即可根据每个栅格的地面参考高度值，滤除点云数据中的地面点。
104、根据各个所述栅格包含的滤除所述地面点后的点云，检测得到所述待测道路的路沿信息。
针对各个栅格包含的滤除地面点后的点云，也即所述点云数据过滤掉地面点后的点云进行路沿检测，能够排除地面点的干扰，从而提高路沿检测的准确率。
在本申请实施例的一种实现方式中，如图4所示，所述根据各个所述栅格包含的滤除所述地面点后的点云，检测得到所述待测道路的路沿信息，可以包括：
401、对各个所述栅格包含的滤除所述地面点后的点云执行聚类操作，得到初始路沿区域；
402、根据所述初始路沿区域包含的各个所述栅格之间的高度差，确定路沿候选区域；其中，每个所述栅格的高度等于其包含的点云的所有点的高度的平均值；
403、根据所述路沿候选区域包含的各个点之间的高度差，从所述路沿候选区域中选取路沿候选点；
404、按照预设的路沿点判定条件，从所述路沿候选点中选取路沿标记点；
405、对所述路沿标记点执行曲线拟合处理，得到所述待测道路的路沿标记曲线。
对于步骤401，首先对滤除地面点后的点云(对应所有栅格包含的点云)执行聚类操作，通过聚类操作可以得到初始路沿区域。具体的，可以采用密度聚类的方式，密度聚类是从样本密度的角度出发，查样本之间的可连接性，并基于可连接样本不断扩展聚类簇，以获得最终的聚类结果。通过对点云执行密度聚类，能够将点云划分到不同的簇，每个簇的点云所形成的区域即为一个初始路沿区域。在实际操作中，由于道路的左右两边都有路沿，故这里获得的初始路沿区域一般包含左边路沿区域和右边路沿区域。
对于步骤402，在获得初始路沿区域之后，可以根据其包含的各个栅格之间的高度差，进一步确定路沿候选区域。其中，每个栅格的高度可以根据其包含的点云的所有点的高度的平均值计算得到。路沿所在的区域都是存在一定高度差的，因此可以通过检测各个栅格之间的高度差找到路沿的潜在区域，这些潜在区域称作路沿候选区域。
具体的，假设初始路沿区域包含M个栅格，所述根据所述初始路沿区域包含的各个所述栅格之间的高度差，确定路沿候选区域，可以包括：
遍历所述M个栅格中相邻排列的每N个栅格，若所述N个栅格的高度依次减少或者依次增加，且所述N个栅格中的第一个栅格和最后一个栅格之间的高度差的绝对值大于第二阈值，则将所述N个栅格确定为所述路沿候选区域，2≤N＜M。
示例性的，对于初始路沿区域中的右边路沿区域，按照栅格所处的位置从左到右遍历，对于初始路沿区域中的左边路沿区域，按照栅格所处的位置从右到左遍历。以下以右边路沿区域作为例子说明确定路沿候选区域的过程：假设N＝3(N的数值可以根据划分栅格时设置的分辨率合理设置)，右边路沿区域包含的由左到右相邻排列的栅格包含：栅格1、栅格2、栅格3、栅格4、栅格5、栅格6…，则首先选取栅格1、栅格2和栅格3进行检测，若栅格1的高度大于栅格2的高度，栅格2的高度大于栅格3的高度，且栅格1和栅格3之间的高度差的绝对值大于设定阈值，则将栅格1、栅格2和栅格3确定为一个路沿候选区域。接下来，选取栅格2、栅格3和栅格4进行相同的检测，直至遍历选取右边路沿区域包含的所有相邻栅格的可能组合方式。至此，得到右边路沿区域包含的所有路沿候选区域。针对左边路沿区域执行的操作类似，同样可以得到左边路沿区域包含的所有路沿候选区域。
对于步骤403，在获得所有的路沿候选区域之后，针对每个路沿候选区域，都可以根据其包含的各个点之间的高度差，从该路沿候选区域中选取出一个潜在路沿点，该潜在路沿点可以称作路沿候选点。
具体的，假设某个路沿候选区域包含X个点，步骤403可以包括：
4031、根据所述X个点在所述路沿候选区域中的排列位置，对所述X个点进行排序；
4032、从所述X个点中选取相邻排序的Y个点，3≤Y＜X；
4033、若所述Y个点的高度依次减少或者依次增加，且所述Y个点中的第一个点和最后一个点之间的高度差的绝对值大于第三阈值，则将所述Y个点的中点确定为所述路沿候选区域的路沿候选点。
首先，根据该X个点在路沿候选区域中的排列位置，对该X个点进行排序，例如针对右边路沿区域包含的一个路沿候选区域，可以按照点的位置由左到右排序。假设Y＝3，路沿候选区域包含的由左到右相邻排列的点包含：点1、点2、点3、点4、点5、点6…，则首先选取点1、点2和点3进行检测，若点1的高度大于点2的高度，点2的高度大于点3的高度，且点1和点3之间的高度差的绝对值大于设定阈值，则将点2确定为该路沿候选区域的路沿候选点。在本申请实施例中，每个路沿候选区域只选取一个路沿候选点，故此时不必继续选取点2、点3和点4进行检测。反之，若点1、点2和点3的高度差不满足条件，则可确定点2不是该路沿候选区域的路沿候选点，此时则需要继续选取点2、点3和点4进行相同方法的检测，直至找到该路沿候选区域的路沿候选点。针对每个路沿候选区域，都可以找到一个路沿候选点，例如，若右边路沿区域包含A个路沿候选区域，左边路沿区域包含B个路沿候选区域，则在步骤403中可以检测到A+B个路沿候选点。
对于步骤404，在获得各个路沿候选点之后，可以按照设定的路沿点判定条件，从这些路沿候选点中选取出路沿标记点，路沿标记点可视作最终检测到的路沿位置点。具体的，步骤404可以包括：
针对每个所述路沿候选点，若该路沿候选点的高度与该路沿候选点所处栅格的地面参考高度值之差大于第四阈值，且该路沿候选点不处于所述点云数据的目标检测框之内，则将该路沿候选点确定为一个所述路沿标记点。
这里设置了两个判定条件，第一个条件是路沿候选点的高度与该路沿候选点所处栅格的地面参考高度值之差要大于设定阈值，第二个条件是路沿候选点不处于所述点云数据的目标检测框(例如行人检测框或者车辆检测框，可采用基于深度学习的目标检测方法获得)之内。某个路沿候选点必须同时满足这两个条件，才会被确定为最终的路沿标记点。通过这样设置，能够去除路面不平，或者路面上存在其它车辆和行人产生的干扰，极大地提高检测路沿标记点的准确率。
其中，目标检测框可以通过以下方式生成并融入所述点云数据：
(1)获取与所述点云数据对应的道路图像；
(2)对所述道路图像执行非路沿对象的目标检测处理，得到所述目标检测框；
(3)将带有所述目标检测框的所述道路图像和所述点云数据融合。
在实际操作中，可以使用相机拍摄无人车前方道路区域的图像，获得与点云数据对应的道路图像。然后，采用目标检测算法对该道路图像执行非路沿对象(例如行人，车辆等)的目标检测处理，得到各个目标检测框。最后，将带有目标检测框的道路图像和点云数据融合。
图5和图6是使用本申请实施例提出的路沿检测方法检测得到的路沿标记点的效果示意图，其中图5是俯视图，图6是侧视图。在图5和图6中，对一部分原始点云、路沿候选区域以及路沿标记点进行了标示。
405、对所述路沿标记点执行曲线拟合处理，得到所述待测道路的路沿标记曲线。
在获得各个路沿标记点之后，即可对这些路沿标记点执行曲线拟合处理(可以采用最小二乘法拟合或者RANSAC曲线拟合等方式)，得到待测道路的路沿标记曲线，这里获得的路沿标记曲线一般有两条：即左边路沿曲线和右边路沿曲线。具体的，步骤405可以包括：
4051、对所述路沿标记点执行曲线拟合处理，得到所述待测道路当前时刻的路沿曲线；
4052、若所述当前时刻的路沿曲线的曲率和所述待测道路前一时刻的路沿曲线的曲率之差小于第五阈值，则将所述当前时刻的路沿曲线确定为所述待测道路的路沿标记曲线并输出；其中，所述待测道路前一时刻的路沿曲线通过对所述前一时刻采集到的所述待测道路的点云数据执行路沿检测后获得。
针对无人车在待测道路上行驶的场景，每一时刻都可以采集到对应的点云数据，并基于该点云数据检测得到该时刻的路沿曲线。步骤405中拟合得到的曲线是待测道路当前时刻的路沿曲线，需要检测待测道路当前时刻的路沿曲线的曲率和前一时刻的路沿曲线的曲率之差是否小于设定阈值，即路沿曲线的曲率变化幅度是否在设定范围之内。若满足该条件，则表示当前时刻的路沿曲线合格，可以作为最终的路沿标记曲线输出。若不满足该条件，则表示当前时刻拟合得到的路沿曲线不合格(由于两个相邻时刻之间的间隔较短，故正常情况下拟合得到的两个相邻时刻的路沿曲线之间的曲率变化幅度较小)，此时可以将当前时刻之前，距离当前时刻最近且满足该条件的路沿曲线作为最终的路沿标记曲线输出。通过这样设置，能够进一步提高获得的路沿标记曲线的准确率。
示例性的，假设当前时刻为T5，无人车启动后行驶的时刻包含T0，T1，T2，T3，T4和T5。若T5拟合得到的路沿曲线的曲率与T4拟合得到的路沿曲线的曲率之差小于设定阈值，则可以确定T5拟合得到的路沿曲线为T5时刻的路沿标记曲线，进行输出。而若T5拟合得到的路沿曲线的曲率与T4拟合得到的路沿曲线的曲率之差大于或等于设定阈值，则选取与T5时刻最接近且满足条件的路沿曲线，确定为T5时刻的路沿标记曲线，进行输出。例如，若T4拟合得到的路沿曲线与T3拟合得到的路沿曲线的曲率变化幅度满足条件，则可以将T4拟合得到的路沿曲线投影到T5的点云数据中，作为T5的路沿标记曲线输出。
另外，在获得各个路沿标记点之后，还可以统计各个路沿标记点附近的点云高度分布，根据点云高度分布的特征进行分析，确定路沿的类型，例如标准路沿、护栏或者栅栏等类型。在输出路沿信息时，可以将路沿标记曲线，对应的路沿类型以及障碍点信息等一并输出。示例性的，不同类型路沿的点云高度分布特征为：标准路沿的点云高度集中在10-30cm之间；护栏的点云高度大于30cm，并集中处于某一个高度；栅栏的点云高度分布在10-150cm之间，且各个高度区间都存在点云，点云分布较为均匀。
在本申请实施例中，首先，获取待测道路的点云数据，对该点云数据执行栅格化处理，得到多个栅格；然后，根据每个栅格包含的点云分别计算得到每个栅格对应的地面参考高度值，并将栅格包含的点云中高度和对应的地面参考高度值之差小于设定阈值的点视作地面点进行滤除；最后，根据滤除地面点后的点云数据，检测得到待测道路的路沿信息。假设道路的某区域存在凹凸不平的现象，则该区域所在栅格对应的地面参考高度值是根据凹凸不平路面的点云计算得到的适配值，能够比较准确地表示该区域的真实地面高度，进而能够比较准确地找到该区域的点云中的地面点。之后，通过将点云中的地面点滤除，能够去除地面点对路沿检测的干扰，从而提高路沿检测的准确率。
应理解，上述各个实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
上面主要描述了一种路沿检测方法，下面将对一种路沿检测装置进行描述。
请参阅图7，本申请实施例中一种路沿检测装置的一个实施例包括：
点云数据获取模块701，用于获取待测道路的点云数据；
栅格化处理模块702，用于对所述点云数据执行栅格化处理；
地面点滤除模块703，用于针对所述栅格化处理后获得的每个栅格，根据所述栅格包含的点云计算得到所述栅格的地面参考高度值，并根据所述地面参考高度值滤除所述栅格包含的点云中的地面点，所述地面点的高度和所述地面参考高度值之差小于第一阈值；
路沿检测模块704，用于根据各个所述栅格包含的滤除所述地面点后的点云，检测得到所述待测道路的路沿信息。
在本申请实施例的一种实现方式中，所述路沿检测模块可以包括：
聚类单元，用于对各个所述栅格包含的滤除所述地面点后的点云执行聚类操作，得到初始路沿区域；
路沿候选区域确定单元，用于根据所述初始路沿区域包含的各个所述栅格之间的高度差，确定路沿候选区域；其中，每个所述栅格的高度等于其包含的点云的所有点的高度的平均值；
路沿候选点选取单元，用于根据所述路沿候选区域包含的各个点之间的高度差，从所述路沿候选区域中选取路沿候选点；
路沿标记点选取单元，用于按照预设的路沿点判定条件，从所述路沿候选点中选取路沿标记点；
第一曲线拟合单元，用于对所述路沿标记点执行曲线拟合处理，得到所述待测道路的路沿标记曲线。
进一步的，所述初始路沿区域包含M个栅格，所述路沿候选区域包含X个点，所述路沿候选区域确定单元可以包括：
栅格遍历子单元，用于遍历所述M个栅格中相邻排列的每N个栅格，若所述N个栅格的高度依次减少或者依次增加，且所述N个栅格中的第一个栅格和最后一个栅格之间的高度差的绝对值大于第二阈值，则将所述N个栅格确定为所述路沿候选区域，2≤N＜M；
所述路沿候选点选取单元可以包括：
点排序子单元，用于根据所述X个点在所述路沿候选区域中的排列位置，对所述X个点进行排序；
点选取子单元，用于从所述X个点中选取相邻排序的Y个点，3≤Y＜X；
路沿候选点确定子单元，用于若所述Y个点的高度依次减少或者依次增加，且所述Y个点中的第一个点和最后一个点之间的高度差的绝对值大于第三阈值，则将所述Y个点的中点确定为所述路沿候选区域的路沿候选点。
进一步的，所述路沿标记点选取单元可以包括：
路沿标记点确定子单元，用于针对每个所述路沿候选点，若该路沿候选点的高度与该路沿候选点所处栅格的地面参考高度值之差大于第四阈值，且该路沿候选点不处于所述点云数据的目标检测框之内，则将该路沿候选点确定为一个所述路沿标记点；
所述路沿检测装置还可以包括：
道路图像获取模块，用于获取与所述点云数据对应的道路图像；
目标检测模块，用于对所述道路图像执行非路沿对象的目标检测处理，得到所述目标检测框；
数据融合模块，用于将带有所述目标检测框的所述道路图像和所述点云数据融合。
进一步的，所述第一曲线拟合单元可以包括：
曲线拟合子单元，用于对所述路沿标记点执行曲线拟合处理，得到所述待测道路当前时刻的路沿曲线；
路沿标记曲线确定子单元，用于若所述当前时刻的路沿曲线的曲率和所述待测道路前一时刻的路沿曲线的曲率之差小于第五阈值，则将所述当前时刻的路沿曲线确定为所述待测道路的路沿标记曲线并输出；其中，所述待测道路前一时刻的路沿曲线通过对所述前一时刻采集到的所述待测道路的点云数据执行路沿检测后获得。
在本申请实施例的一种实现方式中，所述地面点滤除模块可以包括：
目标点云选取单元，用于从所述点云数据中选取与所述待测道路的部分路面区域对应的目标点云，所述目标点云包含的每个点的高度的绝对值均小于第六阈值；
地面高度经验值计算单元，用于根据所述目标点云包含的每个点的高度，计算得到地面高度经验值；
地面高度阈值计算单元，用于根据所述地面高度经验值，计算得到所述栅格的地面高度阈值；
有效点提取单元，用于提取所述栅格包含的点云中的有效点，所述有效点的高度小于所述地面高度阈值；
第二曲线拟合单元，用于对所述有效点执行曲线拟合处理，得到目标多项式方程；
多项式方程求解单元，用于对所述目标多项式方程进行求解，得到所述栅格的地面参考高度值。
进一步的，所述栅格化处理模块具体可以用于：对所述点云数据执行极坐标栅格化处理；所述地面高度阈值计算单元可以包括：
栅格分区子单元，用于将所述栅格按照与极坐标原点之间的径向距离大小划分为多个栅格分区；
地面高度阈值计算子单元，用于针对每个所述栅格分区，根据该栅格分区与所述极坐标原点之间的径向距离的分布范围，计算得到该栅格分区对应的高度松弛量，并将所述地面高度经验值和所述高度松弛量之和确定为该栅格分区的地面高度阈值。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如图1表示的任意一种路沿检测方法。
本申请实施例还提供一种计算机程序产品，当该计算机程序产品在终端设备上运行时，使得终端设备执行实现如图1表示的任意一种路沿检测方法。
图8是本申请一实施例提供的终端设备的示意图。如图8所示，该实施例的终端设备8包括：处理器80、存储器81以及存储在所述存储器81中并可在所述处理器80上运行的计算机程序82。所述处理器80执行所述计算机程序82时实现上述各个动作检测方法的实施例中的步骤，例如图1所示的步骤101至104。或者，所述处理器80执行所述计算机程序82时实现上述各装置实施例中各模块/单元的功能，例如图7所示模块701至704的功能。
所述计算机程序82可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器81中，并由所述处理器80执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序82在所述终端设备8中的执行过程。
所称处理器80可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器81可以是所述终端设备8的内部存储单元，例如终端设备8的硬盘或内存。所述存储器81也可以是所述终端设备8的外部存储设备，例如所述终端设备8上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器81还可以既包括所述终端设备8的内部存储单元也包括外部存储设备。所述存储器81用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，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单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块或单元的划分，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，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述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申请实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元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，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述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精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种路沿检测方法，其特征在于，包括：
获取待测道路的点云数据；
对所述点云数据执行栅格化处理；
针对所述栅格化处理后获得的每个栅格，根据所述栅格包含的点云计算得到所述栅格的地面参考高度值，并根据所述地面参考高度值滤除所述栅格包含的点云中的地面点，所述地面点的高度和所述地面参考高度值之差小于第一阈值；
根据各个所述栅格包含的滤除所述地面点后的点云，检测得到所述待测道路的路沿信息。
2.如权利要求1所述的方法，其特征在于，所述根据各个所述栅格包含的滤除所述地面点后的点云，检测得到所述待测道路的路沿信息，包括：
对各个所述栅格包含的滤除所述地面点后的点云执行聚类操作，得到初始路沿区域；
根据所述初始路沿区域包含的各个所述栅格之间的高度差，确定路沿候选区域；其中，每个所述栅格的高度等于其包含的点云的所有点的高度的平均值；
根据所述路沿候选区域包含的各个点之间的高度差，从所述路沿候选区域中选取路沿候选点；
按照预设的路沿点判定条件，从所述路沿候选点中选取路沿标记点；
对所述路沿标记点执行曲线拟合处理，得到所述待测道路的路沿标记曲线。
3.如权利要求2所述的方法，其特征在于，所述初始路沿区域包含M个栅格，所述根据所述初始路沿区域包含的各个所述栅格之间的高度差，确定路沿候选区域，包括：
遍历所述M个栅格中相邻排列的每N个栅格，若所述N个栅格的高度依次减少或者依次增加，且所述N个栅格中的第一个栅格和最后一个栅格之间的高度差的绝对值大于第二阈值，则将所述N个栅格确定为所述路沿候选区域，2≤N＜M；
所述路沿候选区域包含X个点，所述根据所述路沿候选区域包含的各个点之间的高度差，从所述路沿候选区域中查找路沿候选点，包括：
根据所述X个点在所述路沿候选区域中的排列位置，对所述X个点进行排序；
从所述X个点中选取相邻排序的Y个点，3≤Y＜X；
若所述Y个点的高度依次减少或者依次增加，且所述Y个点中的第一个点和最后一个点之间的高度差的绝对值大于第三阈值，则将所述Y个点的中点确定为所述路沿候选区域的路沿候选点。
4.如权利要求2所述的方法，其特征在于，所述按照预设的路沿点判定条件，从所述路沿候选点中选取路沿标记点，包括：
针对每个所述路沿候选点，若该路沿候选点的高度与该路沿候选点所处栅格的地面参考高度值之差大于第四阈值，且该路沿候选点不处于所述点云数据的目标检测框之内，则将该路沿候选点确定为一个所述路沿标记点；
其中，所述目标检测框通过以下方式生成并融入所述点云数据：
获取与所述点云数据对应的道路图像；
对所述道路图像执行非路沿对象的目标检测处理，得到所述目标检测框；
将带有所述目标检测框的所述道路图像和所述点云数据融合。
5.如权利要求2所述的方法，其特征在于，所述对所述路沿标记点执行曲线拟合处理，得到所述待测道路的路沿标记曲线，包括：
对所述路沿标记点执行曲线拟合处理，得到所述待测道路当前时刻的路沿曲线；
若所述当前时刻的路沿曲线的曲率和所述待测道路前一时刻的路沿曲线的曲率之差小于第五阈值，则将所述当前时刻的路沿曲线确定为所述待测道路的路沿标记曲线并输出；其中，所述待测道路前一时刻的路沿曲线通过对所述前一时刻采集到的所述待测道路的点云数据执行路沿检测后获得。
6.如权利要求1至5中任一项所述的方法，其特征在于，所述根据所述栅格包含的点云计算得到所述栅格的地面参考高度值，包括：
从所述点云数据中选取与所述待测道路的部分路面区域对应的目标点云，所述目标点云包含的每个点的高度的绝对值均小于第六阈值；
根据所述目标点云包含的每个点的高度，计算得到地面高度经验值；
根据所述地面高度经验值，计算得到所述栅格的地面高度阈值；
提取所述栅格包含的点云中的有效点，所述有效点的高度小于所述地面高度阈值；
对所述有效点执行曲线拟合处理，得到目标多项式方程；
对所述目标多项式方程进行求解，得到所述栅格的地面参考高度值。
7.如权利要求6所述的方法，其特征在于，所述对所述点云数据执行栅格化处理，具体为：
对所述点云数据执行极坐标栅格化处理；
所述根据所述地面高度经验值，计算得到所述栅格的地面高度阈值，包括：
将所述栅格按照与极坐标原点之间的径向距离大小划分为多个栅格分区；
针对每个所述栅格分区，根据该栅格分区与所述极坐标原点之间的径向距离的分布范围，计算得到该栅格分区对应的高度松弛量，并将所述地面高度经验值和所述高度松弛量之和确定为该栅格分区的地面高度阈值。
8.一种路沿检测装置，其特征在于，包括：
点云数据获取模块，用于获取待测道路的点云数据；
栅格化处理模块，用于对所述点云数据执行栅格化处理；
地面点滤除模块，用于针对所述栅格化处理后获得的每个栅格，根据所述栅格包含的点云计算得到所述栅格的地面参考高度值，并根据所述地面参考高度值滤除所述栅格包含的点云中的地面点，所述地面点的高度和所述地面参考高度值之差小于第一阈值；
路沿检测模块，用于根据各个所述栅格包含的滤除所述地面点后的点云，检测得到所述待测道路的路沿信息。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的路沿检测方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的路沿检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210397156.2A CN114758096A (zh) | 2022-04-15 | 2022-04-15 | 一种路沿检测方法、装置、终端设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210397156.2A CN114758096A (zh) | 2022-04-15 | 2022-04-15 | 一种路沿检测方法、装置、终端设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114758096A true CN114758096A (zh) | 2022-07-15 |
Family
ID=82331496
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210397156.2A Pending CN114758096A (zh) | 2022-04-15 | 2022-04-15 | 一种路沿检测方法、装置、终端设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114758096A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018205119A1 (zh) * | 2017-05-09 | 2018-11-15 | 深圳市速腾聚创科技有限公司 | 基于激光雷达扫描的路沿检测方法和系统 |
| CN109188448A (zh) * | 2018-09-07 | 2019-01-11 | 百度在线网络技术（北京）有限公司 | 点云非地面点过滤方法、装置及存储介质 |
| CN111142116A (zh) * | 2019-09-27 | 2020-05-12 | 广东亿嘉和科技有限公司 | 一种基于三维激光的道路检测与建模方法 |
| US20200158874A1 (en) * | 2018-11-19 | 2020-05-21 | Dalong Li | Traffic recognition and adaptive ground removal based on lidar point cloud statistics |
| CN111310663A (zh) * | 2020-02-17 | 2020-06-19 | 北京三快在线科技有限公司 | 道路栅栏检测方法、装置、设备及存储介质 |
| CN112149572A (zh) * | 2020-09-24 | 2020-12-29 | 知行汽车科技（苏州）有限公司 | 路沿检测方法、装置和存储介质 |
-
2022
- 2022-04-15 CN CN202210397156.2A patent/CN114758096A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018205119A1 (zh) * | 2017-05-09 | 2018-11-15 | 深圳市速腾聚创科技有限公司 | 基于激光雷达扫描的路沿检测方法和系统 |
| CN109188448A (zh) * | 2018-09-07 | 2019-01-11 | 百度在线网络技术（北京）有限公司 | 点云非地面点过滤方法、装置及存储介质 |
| US20200158874A1 (en) * | 2018-11-19 | 2020-05-21 | Dalong Li | Traffic recognition and adaptive ground removal based on lidar point cloud statistics |
| CN111142116A (zh) * | 2019-09-27 | 2020-05-12 | 广东亿嘉和科技有限公司 | 一种基于三维激光的道路检测与建模方法 |
| CN111310663A (zh) * | 2020-02-17 | 2020-06-19 | 北京三快在线科技有限公司 | 道路栅栏检测方法、装置、设备及存储介质 |
| CN112149572A (zh) * | 2020-09-24 | 2020-12-29 | 知行汽车科技（苏州）有限公司 | 路沿检测方法、装置和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110988912B (zh) | 自动驾驶车辆的道路目标与距离检测方法、系统、装置 | |
| CN110415277B (zh) | 基于光流和卡尔曼滤波的多目标追踪方法、系统、装置 | |
| WO2018068653A1 (zh) | 点云数据处理方法、装置及存储介质 | |
| CN109583280A (zh) | 车道线识别方法、装置、设备及存储介质 | |
| Ashraf et al. | An investigation of interpolation techniques to generate 2D intensity image from LIDAR data | |
| US9373043B2 (en) | Method and apparatus for detecting road partition | |
| CN108845569A (zh) | 生成三维高清道路图水平弯道行车线的半自动点云方法 | |
| CN111179152A (zh) | 一种道路标识识别方法及装置、介质、终端 | |
| CN110088766B (zh) | 车道线识别方法、车道线识别装置以及非易失性存储介质 | |
| CN110197173B (zh) | 一种基于双目视觉的路沿检测方法 | |
| CN115049700A (zh) | 一种目标检测方法及装置 | |
| CN112154446B (zh) | 立体车道线确定方法、装置和电子设备 | |
| CN112200171B (zh) | 一种基于扫描线的道路点云的提取方法 | |
| CN109584294A (zh) | 一种基于激光点云的路面点云提取方法和装置 | |
| CN107808524B (zh) | 一种基于无人机的道路交叉口车辆检测方法 | |
| CN110110678B (zh) | 道路边界的确定方法和装置、存储介质及电子装置 | |
| CN110991215B (zh) | 车道线检测方法、装置、存储介质及电子设备 | |
| CN109791607A (zh) | 借助单应矩阵从摄像机的一系列图像中探测和验证对象 | |
| Kühnl et al. | Visual ego-vehicle lane assignment using spatial ray features | |
| CN111611900A (zh) | 一种目标点云识别方法、装置、电子设备和存储介质 | |
| CN111126211A (zh) | 标牌识别方法和装置、电子设备 | |
| CN115346183A (zh) | 一种车道线检测方法、终端及存储介质 | |
| CN114842166A (zh) | 应用于结构化道路的负障碍检测方法、系统、介质及设备 | |
| CN109740502B (zh) | 道路质量检测方法及装置 | |
| JP2011150627A (ja) | 通路検出方法、装置、及びプログラム |
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 |