CN114779206A - 道路边界的识别方法及装置、存储介质、设备 - Google Patents
道路边界的识别方法及装置、存储介质、设备 Download PDFInfo
- Publication number
- CN114779206A CN114779206A CN202210231649.9A CN202210231649A CN114779206A CN 114779206 A CN114779206 A CN 114779206A CN 202210231649 A CN202210231649 A CN 202210231649A CN 114779206 A CN114779206 A CN 114779206A
- Authority
- CN
- China
- Prior art keywords
- road boundary
- point
- height value
- cloud data
- grid
- 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
- 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
- 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
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种道路边界的识别方法及装置、存储介质、设备，涉及自动驾驶技术领域，主要目的在于改善现有在道路崎岖不平或存在车辆和扬尘等干扰的复杂路况下无法准确识别道路边界的技术问题。包括：获取目标区域的点云数据，并将所述点云数据按照预设规则进行网格划分，得到所述目标区域的点云数据网格；遍历所述点云数据网格，识别最高点所对应的最高高度值与最低点所对应的最低高度值之间的差值大于最小道路边界高度值且小于最大道路边界高度值所对应的网格，将所述栅格标记为待定道路边界位置点，并对多个所述待定道路边界位置点进行筛选，得到道路边界位置点集合；对所述道路边界位置点集合进行拟合操作，并生成所述目标区域的道路边界。
Description
技术领域
本申请涉及自动驾驶技术领域，特别是涉及一种道路边界的识别方法及装置、存储介质、设备。
背景技术
在车辆自动驾驶技术中，道路边界识别算法是车辆感知模块的重要组成部分，可以通过去除车道线以外的区域实现降低算法计算量，同时减少潜在干扰因素的目的。在城市中，道路边界通常是通过在道路上绘制不同颜色、不同形状的线段，以进行车道划分；在矿区中，由于道路受重载车辆反复碾压，且车辆的行驶路线也会频繁变化，因此通常是通过在车道两侧堆砌挡墙以进行车道划分。通常情况下，挡墙与地面的高度差变化不大，因此可以使用激光雷达采集点云并基于高度等参数对挡墙进行识别。
目前，现有技术是根据点云数据求取相邻采样点的斜率，将存在斜率突变的点作为地面与挡墙的临界点，以实现对挡墙的识别。
然而，在道路崎岖不平或存在车辆和扬尘等干扰的复杂路况下，车辙和坑洼的位置以及车辆和扬尘与地面之间也存在斜率突变的情况，因此，亟需一种道路边界的识别方法，以在复杂地面及存在干扰因素的情况下，进行道路边界识别。
发明内容
有鉴于此，本申请提供一种道路边界的识别方法及装置，主要目的在于改善现有在道路崎岖不平或存在车辆和扬尘等干扰的复杂路况下无法准确识别道路边界的技术问题。
依据本申请一个方面，提供了一种道路边界的识别方法，包括：
获取目标区域的点云数据，并将所述点云数据按照预设规则进行网格划分，得到所述目标区域的点云数据网格；
遍历所述点云数据网格，识别最高点所对应的最高高度值与最低点所对应的最低高度值之间的差值大于最小道路边界高度值且小于最大道路边界高度值所对应的网格，将所述网格标记为待定道路边界位置点，并对多个所述待定道路边界位置点进行筛选，得到道路边界位置点集合，所述最高点与所述最低点位于同一个预设遍历步长单位内；
对所述道路边界位置点集合进行拟合操作，并生成所述目标区域的道路边界。
优选的，所述遍历所述点云数据网格，识别最高点所对应的最高高度值与最低点所对应的最低高度值之间的差值大于最小道路边界高度值且小于最大道路边界高度值所对应的网格，将所述网格标记为待定道路边界位置点，并对多个所述待定道路边界位置点进行去误点操作，得到道路边界位置点集合，具体包括：
标记所述点云数据网格中各个网格内的最高点所对应的最高高度值以及最低点所对应的最低高度值；
按照所述预设遍历步长单位，遍历所述点云数据网格，计算各个所述预设遍历步长单位内最高点所对应的最高高度值与最低点所对应的最低高度值之间的差值；
将所述差值大于最小道路边界高度值且小于最大道路边界高度值所对应的网格标记为待定道路边界位置点；
搜索所述待定道路边界位置点的邻近位置点，并基于欧式聚类将多个所述邻近位置点划分为多个聚类簇；
计算各个聚类簇在以点云数据采集设备为原点的坐标系的x轴的投影数据以及所述坐标系的y轴的投影数据，若所述x轴的投影数据大于预设x轴投影数据阈值，和/或所述y轴的投影数据大于预设y轴投影数据阈值，则判定所述聚类簇内的邻近位置点为道路边界位置点，并基于所述道路边界位置点生成道路边界位置点集合。
优选的，所述对所述道路边界位置点集合进行拟合操作，并生成所述目标区域的道路边界，具体包括：
对所述道路边界位置点集合进行拟合操作，生成拟合后的道路边界位置点曲线；
基于所述道路边界位置点曲线，根据所述道路边界位置点集合在所述坐标系y轴的投影数据，按照预设距离间隔计算拟合后的道路边界位置点，生成所述目标区域的道路边界。
优选的，所述遍历所述点云数据网格，识别最高点所对应的最高高度值与最低点所对应的最低高度值之间的差值大于最小道路边界高度值且小于最大道路边界高度值所对应的网格，将所述网格标记为待定道路边界位置点之前，所述方法还包括：
计算所述点云数据网格中各个网格内的最高点所对应的最高高度值以及最低点所对应的最低高度值之间的差值；
若所述差值大于预设干扰因素高度阈值，则将所述差值所对应的网格以及沿所述坐标系y轴干扰因素长度内的网格标记为干扰因素。
优选的，所述生成所述目标区域的道路边界之后，所述方法还包括：
基于所述目标区域的道路边界，将所述道路边界内的网格标记为地面，将所述道路边界外的网格标记为非行驶区域。
优选的，所述获取目标区域的点云数据之后，所述方法还包括：
以点云数据采集设备为原点，前进方向为y轴正向建立坐标系，以基于所述坐标系对所述点云数据进行网格划分。
优选的，所述方法还包括：
基于所述目标区域的道路边界，为待进入所述目标区域的车辆规划路径，并控制所述车辆按照所述规划路径行驶。
依据本申请另一个方面，提供了一种道路边界的识别装置，包括：
划分模块，用于获取目标区域的点云数据，并将所述点云数据按照预设规则进行网格划分，得到所述目标区域的点云数据网格；
识别模块，用于遍历所述点云数据网格，识别最高点所对应的最高高度值与最低点所对应的最低高度值之间的差值大于最小道路边界高度值且小于最大道路边界高度值所对应的网格，将所述网格标记为待定道路边界位置点，并对多个所述待定道路边界位置点进行筛选，得到道路边界位置点集合，所述最高点与所述最低点位于同一个预设遍历步长单位内；
拟合模块，用于对所述道路边界位置点集合进行拟合操作，并生成所述目标区域的道路边界。
优选的，所述识别模块，具体包括：
标记单元，用于标记所述点云数据网格中各个网格内的最高点所对应的最高高度值以及最低点所对应的最低高度值；
计算单元，用于按照所述预设遍历步长单位，遍历所述点云数据网格，计算各个所述预设遍历步长单位内最高点所对应的最高高度值与最低点所对应的最低高度值之间的差值；
标记单元，用于将所述差值大于最小道路边界高度值且小于最大道路边界高度值所对应的网格标记为待定道路边界位置点；
划分单元，用于搜索所述待定道路边界位置点的邻近位置点，并基于欧式聚类将多个所述邻近位置点划分为多个聚类簇；
判定单元，用于计算各个聚类簇在以点云数据采集设备为原点的坐标系的x轴的投影数据以及所述坐标系的y轴的投影数据，若所述x轴的投影数据大于预设x轴投影数据阈值，和/或所述y轴的投影数据大于预设y轴投影数据阈值，则判定所述聚类簇内的邻近位置点为道路边界位置点，并基于所述道路边界位置点生成道路边界位置点集合。
优选的，所述拟合模块，具体包括：
拟合单元，用于对所述道路边界位置点集合进行拟合操作，生成拟合后的道路边界位置点曲线；
生成单元，用于基于所述道路边界位置点曲线，根据所述道路边界位置点集合在所述坐标系y轴的投影数据，按照预设距离间隔计算拟合后的道路边界位置点，生成所述目标区域的道路边界。
优选的，所述识别模块之前，所述装置还包括：
计算模块，用于计算所述点云数据网格中各个网格内的最高点所对应的最高高度值以及最低点所对应的最低高度值之间的差值；
第一标记模块，用于若所述差值大于预设干扰因素高度阈值，则将所述差值所对应的网格以及沿所述坐标系y轴干扰因素长度内的网格标记为干扰因素。
优选的，所述拟合模块之后，所述装置还包括：
第二标记模块，用于基于所述目标区域的道路边界，将所述道路边界内的网格标记为地面，将所述道路边界外的网格标记为非行驶区域。
优选的，所述划分模块之后，所述方装置还包括：
建立模块，用于以点云数据采集设备为原点，前进方向为y轴正向建立坐标系，以基于所述坐标系对所述点云数据进行网格划分。
优选的，所述装置还包括：
规划模块，用于基于所述目标区域的道路边界，为待进入所述目标区域的车辆规划路径，并控制所述车辆按照所述规划路径行驶。
根据本申请的又一方面，提供了一种存储介质，所述存储介质中存储有至少一条可执行指令，所述可执行指令使处理器执行如上述道路边界的识别方法对应的操作。
根据本申请的再一方面，提供了一种终端，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一条可执行指令，所述可执行指令使所述处理器执行上述道路边界的识别方法对应的操作。
借由上述技术方案，本申请实施例提供的技术方案至少具有下列优点：
本申请提供了一种道路边界的识别方法及装置，首先获取目标区域的点云数据，并将所述点云数据按照预设规则进行网格划分，得到所述目标区域的点云数据网格；其次遍历所述点云数据网格，识别最高点所对应的最高高度值与最低点所对应的最低高度值之间的差值大于最小道路边界高度值且小于最大道路边界高度值所对应的网格，将所述网格标记为待定道路边界位置点，并对多个所述待定道路边界位置点进行筛选，得到道路边界位置点集合，所述最高点与所述最低点位于同一个预设遍历步长单位内；最后对所述道路边界位置点集合进行拟合操作，并生成所述目标区域的道路边界。与现有技术相比，本申请实施例通过将点云数据进行网格划分，并识别同一个预设遍历步长单位内高度差处于道路边界高度范围内的网格，将其标记为待定道路边界位置点，再经过筛选以及拟合操作，得到目标区域的道路边界，实现了对复杂路况下道路边界的识别，提高了道路边界识别的准确性。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本申请实施例提供的一种道路边界的识别方法流程图；
图2示出了本申请实施例提供的网格划分示意图；
图3示出了本申请实施例提供的遍历流程示意图；
图4示出了本申请实施例提供的另一种道路边界的识别方法流程图；
图5示出了本申请实施例提供的区域划分示意图；
图6示出了本申请实施例提供的具体场景中的道路边界识别流程图；
图7示出了本申请实施例提供的一种道路边界的识别装置组成框图；
图8示出了本申请实施例提供的一种终端的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本申请实施例可以应用于计算机系统/服务器，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与计算机系统/服务器一起使用的众所周知的计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
计算机系统/服务器可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
本申请实施例提供了一种道路边界的识别方法，如图1所示，该方法包括：
101、获取目标区域的点云数据，并将点云数据按照预设规则进行网格划分，得到目标区域的点云数据网格。
本申请实施例中，当前执行端可以用与自动驾驶系统中对道路边界进行自动识别，例如自动驾驶系统中的感知模块等。首先可以通过采集设备(如车载激光雷达采集设备)对当前目标区域的路况进行数据采集，获得点云数据；再按照预设规则对点云数据进行网格划分，得到目标区域的点云数据网格，还可以将点云数据网格映射到坐标系中，如图2所示。其中，目标区域用于表征采集设备前方预设面积的区域，具体可以根据采集设备的采集范围，或前方区域的面积具体设定。预设规则用于表征进行网格划分时的预设尺寸，例如将点云数据划分为20x20的网格等，具体可根据实际路况进行设定。
需要说明的是，点云数据中每个点的空间坐标可以表示为(x，y，z)，将点云数据划分为如图2所示的网格后，x-y平面的尺寸可以表示为(Sx,Sy)，每个网格的尺寸可以表示为(Mx，My)。
102、遍历点云数据网格，识别最高点所对应的最高高度值与最低点所对应的最低高度值之间的差值大于最小道路边界高度值且小于最大道路边界高度值所对应的网格，将该网格标记为待定道路边界位置点，并对多个待定道路边界位置点进行筛选，得到道路边界位置点集合。
其中，最高点与最低点位于同一个预设遍历步长单位内，遍历步长单位用于表征遍历网格时从头网格到尾网格的距离。示例性的，如图3所示，标记“head”为头网格，标记“tail”为尾网格，头网格与尾网格之间的距离即为一个遍历步长单位，可以根据识别精度或实际路况预先设定。本申请实施例中，在遍历步骤101中得到的点云数据网格时，首先计算处于一个遍历步长单位内的最高点所对应的最高高度值与最低点所对应的最低高度值之间的差值，将差值大于最小道路边界高度值且小于最大道路边界高度值所对应的网格标记为待定道路边界位置点；再对所有待定道路边界位置点进行筛选，得到道路边界位置点的集合。
需要说明的是，在待定道路边界位置点中会存在判断误点的情况，可以通过判断其连续性的方式进行筛选，以提高道路边界识别的准确性。
103、对道路边界位置点集合进行拟合操作，并生成目标区域的道路边界。
本申请实施例中，当目标区域的路况较为复杂时，由于直接识别出的路边界位置点相对离散，得到的道路边界相对不规整，为了更准确的识别复杂路况的道路边界，对步骤103中得到的道路边界位置点集合进行拟合操作，并进一步生成目标区域的道路边界，以使得识别生成的道路边界更为平滑。
与现有技术相比，本申请实施例通过将点云数据进行网格划分，并识别同一个预设遍历步长单位内高度差处于道路边界高度范围内的网格，将其标记为待定道路边界位置点，再经过筛选以及拟合操作，得到目标区域的道路边界，实现了对复杂路况下道路边界的识别，提高了道路边界识别的准确性。
本申请实施例提供了另一种道路边界的识别方法，如图4所示，该方法包括：
201、标记点云数据网格中各个网格内的最高点所对应的最高高度值以及最低点所对应的最低高度值。
本申请实施例中，遍历点云数据网格中所有的网格，将每个网格中最高点所对应的最高高度值以及最低点所对应的最低高度值进行标记，其中每个网格中最高点所对应的最高高度值可以表示为Hmax(x，y)，最低点所对应的最低高度值可以表示为Hmin(x，y)。可以理解的是，若地面存在坑洼的情况，则最低点为地面凹陷的最低处；最高点可以为车辙等凸起的最高点，也可以为道路边界点。
202、计算点云数据网格中各个网格内的最高点所对应的最高高度值以及最低点所对应的最低高度值之间的差值。
本申请实施例中，基于步骤201标记的每个网格中最高点所对应的最高高度值以及最低点所对应的最低高度值，计算每个网格内的高度差值。例如，第x行y列的网格内的高度差值可以表示为H(x,y)＝Hmax(x，y)-Hmin(x，y)。
203、若差值大于预设干扰因素高度阈值，则将差值所对应的网格以及沿坐标系y轴干扰因素长度内的网格标记为干扰因素。
其中，干扰因素可以为扬尘或者干扰车辆；预设干扰因素高度阈值用于表征干扰因素的最低高度阈值，例如，干扰车辆高度值与扬尘高度值中的最小值。本申请实施例中，若目标区域为存在扬尘或干扰车辆的矿区时，为了提高道路边界的识别精度，可以先将干扰因素进行排除。具体的，将步骤202中计算的到的每个网格内的高度差值与预设干扰因素高度阈值进行比较，若每个网格内的高度差值大于预设干扰因素高度阈值，则将当前网格以及沿坐标系y轴干扰因素长度内的网格标记为干扰因素。
需要说明的是，通常情况下，干扰车辆的最低高度或者扬尘的最低高度为3米和2米，而道路边界的高度一般为1.5米，因此，以干扰车辆或扬尘的最低高度作为预设干扰因素高度阈值，将超过这一阈值的网格标记为干扰因素可以有效地筛除掉干扰因素。
204、按照预设遍历步长单位，遍历点云数据网格，计算各个预设遍历步长单位内最高点所对应的最高高度值与最低点所对应的最低高度值之间的差值。
本申请实施例中，示例性的，如图3所示，预设遍历步长单位为由“head”网格到“tail”网格，“head”网格中的最大高度值表示为Hmax1和最大高度值表示为Hmin1，“tail”网格中的最大高度值表示为Hmax2和最大高度值表示为Hmin2，计算最高点所对应的最高高度值与最低点所对应的最低高度值之间的差值，可以表示为H1＝|Hmax1-Hmin2|，H2＝|Hmax2-Hmin1|。
205、将差值大于最小道路边界高度值且小于最大道路边界高度值所对应的网格标记为待定道路边界位置点。
本申请实施例中，由于道路边界的高度并不完全一致，因此，将差值处于道路边界高度范围内的网格标记为待定道路边界位置点。
206、搜索待定道路边界位置点的邻近位置点，并基于欧式聚类将多个邻近位置点划分为多个聚类簇。
由于步骤205得到的待定道路边界位置点中可能存在误点，优选的，本申请实施例中，可以基于待定道路边界位置点建立kd-tree，并基于待定道路边界位置点kd-tree搜索邻近位置点，进一步基于欧式聚类将搜索到的邻近位置点划分为多的聚类簇。
具体的，首先基于基于待定道路边界位置点建立待定道路边界位置点kd-tree，假设待定道路边界位置点A为道路边界位置点，通过待定道路边界位置点kd-tree搜索得到多个邻近位置点；进一步将距离小于预设距离R的邻近位置点聚类于聚类簇Q中，直到聚类簇Q中的元素不再增加，则完成搜索，否则，在聚类簇Q中选取其他位置点继续聚类。
207、计算各个聚类簇在以点云数据采集设备为原点的坐标系的x轴的投影数据以及坐标系的y轴的投影数据，若x轴的投影数据大于预设x轴投影数据阈值，和/或所述y轴的投影数据大于预设y轴投影数据阈值，则判定聚类簇内的邻近位置点为道路边界位置点，并基于道路边界位置点生成道路边界位置点集合。
为了去除待定道路边界位置点中的误点，本申请实施例中，将各个聚类簇投影到以点云数据采集设备为原点的坐标系中，计算各个聚类簇在x轴和y轴上的投影长度，并与预设x轴投影数据阈值以及预设y轴投影数据阈值比较，若两个投影长度中至少一个大于投影阈值，则判定该聚类簇内的邻近位置点为道路边界位置点，进一步生成道路边界位置点集合。
需要说明的是，由于道路边界为连续的形式，因此以投影长度应超过预设投影阈值作为筛除误点的依据，可以有效地提高道路边界的识别精度。
208、对道路边界位置点集合进行拟合操作，生成拟合后的道路边界位置点曲线。
由于步骤207得到的道路边界位置点集合是有一系列离散的位置点组成，识别结果易引起抖动，为了使识别出的道路边界更为平滑，本申请实施例中，对道路边界位置点集合进行拟合操作，生成拟合后的道路边界位置点曲线。示例性的，可以基于最小二乘法对道路边界位置点集合进行三次多项式拟合，得到的拟合方程即为道路边界位置点曲线。
209、基于道路边界位置点曲线，根据道路边界位置点集合在坐标系y轴的投影数据，按照预设距离间隔计算拟合后的道路边界位置点，生成目标区域的道路边界。
本申请实施例中，基于拟合后的道路边界位置点曲线，根据道路边界位置点集合在坐标系y轴的投影数据，按照预设距离间隔计算道路边界位置点，以生成目标区域的道路边界。其中，预设距离间隔可以根据实际情况具体设定，如50厘米等。
本申请实施例中，生成所述目标区域的道路边界之后，实施例方法还包括：基于目标区域的道路边界，将道路边界内的网格标记为地面，将道路边界外的网格标记为非行驶区域。
示例性的，如图5所示，标记“1”的网格为道路边界，标记“2”的网格为干扰因素，标记“-1”的网格为非行驶区域，标记“0”的网格为地面。
本申请实施例中，为了进一步说明以及限定，获取目标区域的点云数据之后，实施例方法还包括：以点云数据采集设备为原点，前进方向为y轴正向建立坐标系，以基于坐标系对点云数据进行网格划分。
具体的，如图2所示，图中方框位置为点云数据采集设备，以其为原点，前进方向为y轴，左右方向为x轴建立坐标系，并基于此坐标系对点云数据进行网格划分。
本申请实施例中，可选的，实施例方法还包括：基于所述目标区域的道路边界，为待进入所述目标区域的车辆规划路径，并控制所述车辆按照所述规划路径行驶。
具体的，当前执行端在完成道路边界的识别后，可以将其作为路径规划的依据，为进入目标区域内的车辆进行路径规划，并控制其按照规划路径行驶，以避免发生碰撞，既保证了自动驾驶车辆的安全性，同时又提高了自动驾驶车辆的作业效率。
在具体的应用场景中，如图6所示，通过采集设备采集点云数据，将其进行网格划分并投影到以采集设备为原点的坐标系中；通过遍历点云数据网格，首先去除车辆及灰尘等干扰因素，再进行道路边界候选点的提取；进一步通过聚类提取以及多项式拟合得到道路边界；最后基于道路边界进行可行驶区域的划分。
本申请提供了一种道路边界的识别方法，首先获取目标区域的点云数据，并将所述点云数据按照预设规则进行网格划分，得到所述目标区域的点云数据网格；其次遍历所述点云数据网格，识别最高点所对应的最高高度值与最低点所对应的最低高度值之间的差值大于最小道路边界高度值且小于最大道路边界高度值所对应的网格，将所述网格标记为待定道路边界位置点，并对多个所述待定道路边界位置点进行筛选，得到道路边界位置点集合，遍历步长单位用于表征遍历网格时从头网格到尾网格的距离；最后对所述道路边界位置点集合进行拟合操作，并生成所述目标区域的道路边界。与现有技术相比，本申请实施例通过将点云数据进行网格划分，并识别同一个预设遍历步长单位内高度差处于道路边界高度范围内的网格，将其标记为待定道路边界位置点，再经过筛选以及拟合操作，得到目标区域的道路边界，实现了对复杂路况下道路边界的识别，提高了道路边界识别的准确性。
进一步的，作为对上述图1所示方法的实现，本申请实施例提供了一种道路边界的识别装置，如图7所示，该装置包括：
划分模块31，识别模块32，拟合模块33。
划分模块31，用于获取目标区域的点云数据，并将所述点云数据按照预设规则进行网格划分，得到所述目标区域的点云数据网格；
识别模块32，用于遍历所述点云数据网格，识别最高点所对应的最高高度值与最低点所对应的最低高度值之间的差值大于最小道路边界高度值且小于最大道路边界高度值所对应的网格，将所述网格标记为待定道路边界位置点，并对多个所述待定道路边界位置点进行筛选，得到道路边界位置点集合，遍历步长单位用于表征遍历网格时从头网格到尾网格的距离；
拟合模块33，用于对所述道路边界位置点集合进行拟合操作，并生成所述目标区域的道路边界。
在具体的应用场景中，所述识别模块，具体包括：
标记单元，用于标记所述点云数据网格中各个网格内的最高点所对应的最高高度值以及最低点所对应的最低高度值；
计算单元，用于按照所述预设遍历步长单位，遍历所述点云数据网格，计算各个所述预设遍历步长单位内最高点所对应的最高高度值与最低点所对应的最低高度值之间的差值；
标记单元，用于将所述差值大于最小道路边界高度值且小于最大道路边界高度值所对应的网格标记为待定道路边界位置点；
划分单元，用于搜索所述待定道路边界位置点的邻近位置点，并基于欧式聚类将多个所述邻近位置点划分为多个聚类簇；
判定单元，用于计算各个聚类簇在以点云数据采集设备为原点的坐标系的x轴的投影数据以及所述坐标系的y轴的投影数据，若所述x轴的投影数据大于预设x轴投影数据阈值，和/或所述y轴的投影数据大于预设y轴投影数据阈值，则判定所述聚类簇内的邻近位置点为道路边界位置点，并基于所述道路边界位置点生成道路边界位置点集合。
在具体的应用场景中，所述拟合模块，具体包括：
拟合单元，用于对所述道路边界位置点集合进行拟合操作，生成拟合后的道路边界位置点曲线；
生成单元，用于基于所述道路边界位置点曲线，根据所述道路边界位置点集合在所述坐标系y轴的投影数据，按照预设距离间隔计算拟合后的道路边界位置点，生成所述目标区域的道路边界。
在具体的应用场景中，所述识别模块之前，所述装置还包括：
计算模块，用于计算所述点云数据网格中各个网格内的最高点所对应的最高高度值以及最低点所对应的最低高度值之间的差值；
第一标记模块，用于若所述差值大于预设干扰因素高度阈值，则将所述差值所对应的网格以及沿所述坐标系y轴干扰因素长度内的网格标记为干扰因素。
在具体的应用场景中，所述拟合模块之后，所述装置还包括：
第二标记模块，用于基于所述目标区域的道路边界，将所述道路边界内的网格标记为地面，将所述道路边界外的网格标记为非行驶区域。
在具体的应用场景中，所述划分模块之后，所述方装置还包括：
建立模块，用于以点云数据采集设备为原点，前进方向为y轴正向建立坐标系，以基于所述坐标系对所述点云数据进行网格划分。
在具体的应用场景中，所述装置还包括：
规划模块，用于基于所述目标区域的道路边界，为待进入所述目标区域的车辆规划路径，并控制所述车辆按照所述规划路径行驶。
本申请提供了一种道路边界的识别装置，首先获取目标区域的点云数据，并将所述点云数据按照预设规则进行网格划分，得到所述目标区域的点云数据网格；其次遍历所述点云数据网格，识别最高点所对应的最高高度值与最低点所对应的最低高度值之间的差值大于最小道路边界高度值且小于最大道路边界高度值所对应的网格，将所述网格标记为待定道路边界位置点，并对多个所述待定道路边界位置点进行筛选，得到道路边界位置点集合，遍历步长单位用于表征遍历网格时从头网格到尾网格的距离；最后对所述道路边界位置点集合进行拟合操作，并生成所述目标区域的道路边界。与现有技术相比，本申请实施例通过将点云数据进行网格划分，并识别同一个预设遍历步长单位内高度差处于道路边界高度范围内的网格，将其标记为待定道路边界位置点，再经过筛选以及拟合操作，得到目标区域的道路边界，实现了对复杂路况下道路边界的识别，提高了道路边界识别的准确性。
根据本申请一个实施例提供了一种存储介质，所述存储介质存储有至少一条可执行指令，该计算机可执行指令可执行上述任意方法实施例中的道路边界的识别方法。
基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施场景所述的方法。
图8示出了根据本申请一个实施例提供的一种终端的结构示意图，本申请具体实施例并不对终端的具体实现做限定。
如图8所示，该终端可以包括：处理器(processor)402、通信接口(CommunicationsInterface)404、存储器(memory)406、以及通信总线408。
其中：处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。
通信接口404，用于与其它设备比如客户端或其它服务器等的网元通信。
处理器402，用于执行程序410，具体可以执行上述道路边界的识别方法实施例中的相关步骤。
具体地，程序410可以包括程序代码，该程序代码包括计算机操作指令。
处理器402可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本申请实施例的一个或多个集成电路。终端包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器406，用于存放程序410。存储器406可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序410具体可以用于使得处理器402执行以下操作：
获取目标区域的点云数据，并将所述点云数据按照预设规则进行网格划分，得到所述目标区域的点云数据网格；
遍历所述点云数据网格，识别最高点所对应的最高高度值与最低点所对应的最低高度值之间的差值大于最小道路边界高度值且小于最大道路边界高度值所对应的网格，将所述网格标记为待定道路边界位置点，并对多个所述待定道路边界位置点进行筛选，得到道路边界位置点集合，所述最高点与所述最低点位于同一个预设遍历步长单位内；
对所述道路边界位置点集合进行拟合操作，并生成所述目标区域的道路边界。
存储介质中还可以包括操作系统、网络通信模块。操作系统是管理上述道路边界的识别的实体设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与信息处理实体设备中其它硬件和软件之间通信。
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
可能以许多方式来实现本申请的方法和系统。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本申请的方法和系统。用于所述方法的步骤的上述顺序仅是为了进行说明，本申请的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本申请实施为记录在记录介质中的程序，这些程序包括用于实现根据本申请的方法的机器可读指令。因而，本申请还覆盖存储用于执行根据本申请的方法的程序的记录介质。
显然，本领域的技术人员应该明白，上述的本申请的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包括在本申请的保护范围之内。
Claims (10)
1.一种道路边界的识别方法，其特征在于，包括：
获取目标区域的点云数据，并将所述点云数据按照预设规则进行网格划分，得到所述目标区域的点云数据网格；
遍历所述点云数据网格，识别最高点所对应的最高高度值与最低点所对应的最低高度值之间的差值大于最小道路边界高度值且小于最大道路边界高度值所对应的网格，将所述网格标记为待定道路边界位置点，并对多个所述待定道路边界位置点进行筛选，得到道路边界位置点集合，所述最高点与所述最低点位于同一个预设遍历步长单位内；
对所述道路边界位置点集合进行拟合操作，并生成所述目标区域的道路边界。
2.根据权利要求1所述的方法，其特征在于，所述遍历所述点云数据网格，识别最高点所对应的最高高度值与最低点所对应的最低高度值之间的差值大于最小道路边界高度值且小于最大道路边界高度值所对应的网格，将所述网格标记为待定道路边界位置点，并对多个所述待定道路边界位置点进行去误点操作，得到道路边界位置点集合，具体包括：
标记所述点云数据网格中各个网格内的最高点所对应的最高高度值以及最低点所对应的最低高度值；
按照所述预设遍历步长单位，遍历所述点云数据网格，计算各个所述预设遍历步长单位内最高点所对应的最高高度值与最低点所对应的最低高度值之间的差值；
将所述差值大于最小道路边界高度值且小于最大道路边界高度值所对应的网格标记为待定道路边界位置点；
搜索所述待定道路边界位置点的邻近位置点，并基于欧式聚类将多个所述邻近位置点划分为多个聚类簇；
计算各个聚类簇在以点云数据采集设备为原点的坐标系的x轴的投影数据以及所述坐标系的y轴的投影数据，若所述x轴的投影数据大于预设x轴投影数据阈值，和/或所述y轴的投影数据大于预设y轴投影数据阈值，则判定所述聚类簇内的邻近位置点为道路边界位置点，并基于所述道路边界位置点生成道路边界位置点集合。
3.根据权利要求2所述的方法，其特征在于，所述对所述道路边界位置点集合进行拟合操作，并生成所述目标区域的道路边界，具体包括：
对所述道路边界位置点集合进行拟合操作，生成拟合后的道路边界位置点曲线；
基于所述道路边界位置点曲线，根据所述道路边界位置点集合在所述坐标系y轴的投影数据，按照预设距离间隔计算拟合后的道路边界位置点，生成所述目标区域的道路边界。
4.根据权利要求2所述的方法，其特征在于，所述遍历所述点云数据网格，识别最高点所对应的最高高度值与最低点所对应的最低高度值之间的差值大于最小道路边界高度值且小于最大道路边界高度值所对应的网格，将所述网格标记为待定道路边界位置点之前，所述方法还包括：
计算所述点云数据网格中各个网格内的最高点所对应的最高高度值以及最低点所对应的最低高度值之间的差值；
若所述差值大于预设干扰因素高度阈值，则将所述差值所对应的网格以及沿所述坐标系y轴干扰因素长度内的网格标记为干扰因素。
5.根据权利要求1所述的方法，其特征在于，所述生成所述目标区域的道路边界之后，所述方法还包括：
基于所述目标区域的道路边界，将所述道路边界内的网格标记为地面，将所述道路边界外的网格标记为非行驶区域。
6.根据权利要求1所述的方法，其特征在于，所述获取目标区域的点云数据之后，所述方法还包括：
以点云数据采集设备为原点，前进方向为y轴正向建立坐标系，以基于所述坐标系对所述点云数据进行网格划分。
7.根据权利要求1-6任一所述的方法，其特征在于，所述方法还包括：
基于所述目标区域的道路边界，为待进入所述目标区域的车辆规划路径，并控制所述车辆按照所述规划路径行驶。
8.一种道路边界的识别装置，其特征在于，包括：
划分模块，用于获取目标区域的点云数据，并将所述点云数据按照预设规则进行网格划分，得到所述目标区域的点云数据网格；
识别模块，用于遍历所述点云数据网格，识别最高点所对应的最高高度值与最低点所对应的最低高度值之间的差值大于最小道路边界高度值且小于最大道路边界高度值所对应的网格，将所述网格标记为待定道路边界位置点，并对多个所述待定道路边界位置点进行筛选，得到道路边界位置点集合，所述最高点与所述最低点位于同一个预设遍历步长单位内；
拟合模块，用于对所述道路边界位置点集合进行拟合操作，并生成所述目标区域的道路边界。
9.一种存储介质，所述存储介质中存储有至少一条可执行指令，其特征在于，所述可执行指令使处理器执行如权利要求1-7中任一项所述的道路边界的识别方法对应的操作。
10.一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一条可执行指令，其特征在于，所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的道路边界的识别方法对应的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210231649.9A CN114779206A (zh) | 2022-03-09 | 2022-03-09 | 道路边界的识别方法及装置、存储介质、设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210231649.9A CN114779206A (zh) | 2022-03-09 | 2022-03-09 | 道路边界的识别方法及装置、存储介质、设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114779206A true CN114779206A (zh) | 2022-07-22 |
Family
ID=82424069
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210231649.9A Pending CN114779206A (zh) | 2022-03-09 | 2022-03-09 | 道路边界的识别方法及装置、存储介质、设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114779206A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115861959A (zh) * | 2023-02-24 | 2023-03-28 | 中国第一汽车股份有限公司 | 一种车道线识别方法、装置、电子设备及存储介质 |
| CN116990832A (zh) * | 2023-08-04 | 2023-11-03 | 长沙行深智能科技有限公司 | 危险道路边沿感知方法、装置、终端设备及存储介质 |
| CN117689832A (zh) * | 2024-02-04 | 2024-03-12 | 腾讯科技（深圳）有限公司 | 交通标牌生成方法、装置、设备和存储介质 |
-
2022
- 2022-03-09 CN CN202210231649.9A patent/CN114779206A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115861959A (zh) * | 2023-02-24 | 2023-03-28 | 中国第一汽车股份有限公司 | 一种车道线识别方法、装置、电子设备及存储介质 |
| CN116990832A (zh) * | 2023-08-04 | 2023-11-03 | 长沙行深智能科技有限公司 | 危险道路边沿感知方法、装置、终端设备及存储介质 |
| CN117689832A (zh) * | 2024-02-04 | 2024-03-12 | 腾讯科技（深圳）有限公司 | 交通标牌生成方法、装置、设备和存储介质 |
| CN117689832B (zh) * | 2024-02-04 | 2024-05-17 | 腾讯科技（深圳）有限公司 | 交通标牌生成方法、装置、设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114779206A (zh) | 道路边界的识别方法及装置、存储介质、设备 | |
| US11709058B2 (en) | Path planning method and device and mobile device | |
| Zheng et al. | Improved lane line detection algorithm based on Hough transform | |
| CN108519094B (zh) | 局部路径规划方法及云处理端 | |
| CN108898672A (zh) | 一种制作三维高清道路图车道线的半自动点云方法 | |
| CN110674705A (zh) | 基于多线激光雷达的小型障碍物检测方法及装置 | |
| CN113252027B (zh) | 井下无人驾驶车辆局部路径规划方法、装置、设备及存储介质 | |
| CN112200171B (zh) | 一种基于扫描线的道路点云的提取方法 | |
| KR20210063841A (ko) | 3d 포인트 클라우드의 클러스터링 방법 및 이를 수행하는 장치 | |
| CN111325138A (zh) | 一种基于点云局部凹凸特征的道路边界实时检测方法 | |
| CN114842450A (zh) | 一种可行驶区域检测方法、装置及设备 | |
| CN112085843B (zh) | 一种隧道类目标特征实时提取及测量方法和装置 | |
| CN110363771A (zh) | 一种基于三维点云数据的隔离护栏形点提取方法及装置 | |
| CN115599119A (zh) | 一种无人机的避障系统 | |
| CN115139303A (zh) | 一种栅格井盖检测方法、装置、设备及存储介质 | |
| CN103761711A (zh) | 一种车载激光扫描路面点云非均匀抽稀方法 | |
| WO2022226831A1 (zh) | 未定义类别障碍物的检测方法、装置和计算机设备 | |
| CN111507341B (zh) | 一种目标边界框的调整方法、装置、设备及存储介质 | |
| CN116189122A (zh) | 道路边界的识别方法及装置、存储介质、终端 | |
| CN115326055A (zh) | 一种露天矿山道路轨迹线栅格化方法和装置 | |
| CN114954532A (zh) | 一种车道线确定方法、装置、设备和存储介质 | |
| CN115308770A (zh) | 一种基于拟合图形的动态障碍物检测方法 | |
| CN114998855A (zh) | 道路边缘线的生成方法、装置、存储介质和计算机设备 | |
| CN114549764A (zh) | 基于无人车的障碍物识别方法、装置、设备及存储介质 | |
| CN115792958A (zh) | 一种基于3d激光雷达的无人矿车障碍物检测方法 |
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 |