CN114842450A - 一种可行驶区域检测方法、装置及设备 - Google Patents
一种可行驶区域检测方法、装置及设备 Download PDFInfo
- Publication number
- CN114842450A CN114842450A CN202210511306.8A CN202210511306A CN114842450A CN 114842450 A CN114842450 A CN 114842450A CN 202210511306 A CN202210511306 A CN 202210511306A CN 114842450 A CN114842450 A CN 114842450A
- Authority
- CN
- China
- Prior art keywords
- point
- grid
- boundary
- points
- determining
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本申请提供一种可行驶区域检测方法、装置及设备,其方法包括:利用激光雷达获取目标检测区域的三维点云,并利用语义分割网络确定三维点云中每个点的类型标签,所述类型标签包括地面、地面物体;以激光雷达的位置确定为坐标原点,将所述三维点云划分为不同的扇形区域,并对各扇形区域按照点距离原点的距离划分为不同栅格;对各扇形区域进行栅格遍历,基于栅格中包含的点的类型标签确定各扇形区域的可行驶区域的边界点;对各边界点进行分段拟合,并对分段拟合后的边界线按照预设间隔进行重采样,确定可行驶区域的包络点集;上述方法有效解决现有技术中存在的路沿遮挡识别不稳定、起伏道路鲁棒性差及检测精度不够等问题。
Description
技术领域
本申请涉及自动驾驶感知技术领域,尤其涉及一种可行驶区域检测方法、装置及设备。
背景技术
自动驾驶技术是一个复杂的工程体系,需要各个模块相互配合才能全方位保证驾驶的安全性。其中,可行驶区域(Free Space)检测技术是自动驾驶系统的关键技术之一,可以为路径规划和行为决策等后端模块提供依据。目前相机图像和激光雷达点云是用来检测可行驶区域主要的数据输入源。基于图像来提取可行驶区域方法中,使用的颜色或纹理特征易受光照和天气的干扰,三维信息的缺失也限制了此类算法在不同场景的适应性。而激光雷达能够实时精准地提供丰富的道路环境数据,具有数据维度高、深度信息准确、响应频率快和检测精度高的优点。
目前基于激光点云检测可行驶区域的方法通常为利用激光雷达获取点云后,对所有点云进行地面平面拟合,并划分为多个扇形区域后在各扇形区域根据高度阈值的方法进行可驾驶区域的检测,这种方法并不适用于不平整或者起伏频繁的复杂路况,且整体拟合平面的方式对斜坡等的鲁棒性较差;另一种方法为通过计算每个扇状栅格内的全局角度、局部角度、局部高度和距地面高度来判断所属栅格是否为地面栅格,这种方法虽然比较有效解决了道路起伏崎岖等地面情况,但栅格只是可行驶区域的一个粗提取概念,边界精度较低。另外地面并不能完全当做可行驶区域,比如遇到车辆等障碍物和路沿,尤其是城市结构化道路低矮路沿,这种栅格提取方式有些情况是不能判断的,因此,目前缺乏一种适用性广且检测精度高的可驾驶区域的检测方法。
发明内容
本申请实施例提供了一种可行驶区域检测方法、装置及设备,用于解决现有技术中存在的路沿遮挡识别不稳定、起伏道路鲁棒性差及检测精度不够等问题。
本申请实施例提供了一种可行驶区域检测方法,包括:
利用激光雷达获取目标检测区域的三维点云,并利用语义分割网络确定三维点云中每个点的类型标签,上述类型标签包括地面、地面物体;
以激光雷达的位置确定为坐标原点,将上述三维点云划分为不同的扇形区域,并对各扇形区域按照点距离原点的距离划分为不同栅格;
对各扇形区域进行栅格遍历,基于栅格中包含的点的类型标签确定各扇形区域的可行驶区域的边界点;
对各边界点进行分段拟合,并对分段拟合后的边界线按照预设间隔进行重采样,确定可行驶区域的包络点集。
一种可选的实施方式为,将上述三维点云划分为不同的扇形区域,并对各扇形区域按照点距离原点的距离划分为不同栅格,包括:
将上述激光雷达对准方向确定为参考方向,根据上述三维点云中点相对参考方向的偏差角度,将每个点划分到对应扇形区域中;
根据各扇形区域中每个点与上述坐标原点的距离,将上述扇形区域中每个点划分到对应栅格中。
一种可选的实施方式为,对各扇形区域进行栅格遍历,基于栅格中包含的点的类型标签确定各扇形区域的可行驶区域的边界点,包括:
按照不同扇形区域相对参考方向的偏差角度,依次对每个扇形区域内的栅格按照与上述坐标原点的距离由近至远的顺序进行遍历;
遍历至包含类型标签为地面物体的点的栅格,确定上述栅格内点的高度满足边界区域条件时,从栅格中确定出当前扇形区域的可行驶区域的边界点。
一种可选的实施方式为,确定上述栅格内点的高度满足边界区域条件,包括如下任一项:
上述栅格内点的平均高度大于设定高度阈值;
上述栅格内点的最大高度差大于设定高度阈值;
上述栅格与上一个栅格内点的平均高度差大于设定高度阈值;
上述栅格内存在类型标签为地面物体的点。
一种可选的实施方式为,从栅格中确定出当前扇形区域的可行驶区域的边界点,包括:
确定当前栅格中包含类型标签不同的点,将当前栅格中类型标签为地面且相对参考方向的偏差角度最大/小的点确定为当前扇形区域的可行驶区域的边界点;
确定当前栅格中仅包含类型标签为地面物体的点,将当前栅格中类型标签为地面物体且相对参考方向的偏差角度最大/小的点确定为当前扇形区域的可行驶区域的边界点。
一种可选的实施方式为,上述方法还包括:
对目标检测区域的三维点云进行平面拟合,确定目标检测区域内基准地面的位置,并确定各栅格内的每个点基于上述基准地面的相对高度;
根据上述相对高度确定各栅格内点的平均高度、点的最大高度差、与上一个栅格内点的平均高度差。
一种可选的实施方式为,遍历至包含的点的类型标签不同且包含地面或者类型标签包含地面物体的栅格之前,还包括:
确定存在空栅格,判断上述空栅格是否为当前扇形区域内的最后一个栅格;
判定上述空栅格为当前扇形区域内最后一个栅格,根据预设原则在上述空栅格中创建一个虚拟点作为当前扇形区域的可行驶区域的边界点;
判定上述空栅格非当前扇形区域内最后一个栅格,获取当前扇形区域已遍历的栅格中空栅格的个数;
确定空栅格的个数到达预设个数时,获取当前扇形区域内距离上述空栅格距离最近且类型标签为地面的点,并作为当前扇形区域的可行驶区域的边界点;
未获取到当前扇形区域内距离上述空栅格距离最近且类型标签为地面的点时,根据预设原则在上述空栅格中创建一个虚拟点作为当前扇形区域的可行驶区域的边界点。
一种可选的实施方式为,对各边界点进行分段拟合,包括:
根据各边界点相对参考方向的偏差角度对各边界点进行排序,并依次根据各边界点间的距离与走向将各边界点划分为多个点簇;
根据每个点簇中边界点的数量,利用最小二乘法将点簇拟合为边界线段,并按照首尾相连的原则,将拟合后的各边界线段合成至少一条边界线。
一种可选的实施方式为,依次根据各边界点间的距离与走向将各边界点划分为多个点簇,包括:
将同时满足如下多个条件的边界点划分为同一点簇:
与当前点簇中第一个边界点的累加距离不大于第一距离阈值;
与上一个边界点的距离不大于第二距离阈值;
与下一个边界点和上一个边界点形成角度的差值在设定范围内。
一种可选的实施方式为,根据每个点簇中边界点的数量,利用最小二乘法将点簇拟合为边界线段,包括:
根据每个点簇中边界点的数量,确定与上述边界点的数量对应的多项式拟合方程;
利用最小二乘法确定上述多项式拟合方程中的参数值,得到拟合后的边界线段。
上述方法适用于自动驾驶领域城市道路或非结构化道路等各类场景,可以有效解决现有技术中存在的路沿遮挡识别不稳定、起伏道路鲁棒性差及检测精度不够等问题。
本申请实施例提供了一种可行驶区域检测装置,包括:
获取模块,用于利用激光雷达获取目标检测区域的三维点云,并利用语义分割网络确定三维点云中每个点的类型标签,上述类型标签包括地面、地面物体;
划分模块,用于以激光雷达的位置确定为坐标原点,将上述三维点云划分为不同的扇形区域,并对各扇形区域按照点距离原点的距离划分为不同栅格;
边界点确定模块,用于对各扇形区域进行栅格遍历,基于栅格中包含的点的类型标签确定各扇形区域的可行驶区域的边界点;
包络点集确定模块,用于对各边界点进行分段拟合,并对分段拟合后的边界线按照预设间隔进行重采样,确定可行驶区域的包络点集。
本申请实施例提供了一种可行驶区域检测设备,包括:存储器和处理器,上述存储器上存储有可在上述处理器上运行的计算机程序,当上述计算机程序被上述处理器执行时,实现以下步骤:
利用激光雷达获取目标检测区域的三维点云,并利用语义分割网络确定三维点云中每个点的类型标签,上述类型标签包括地面、地面物体;
以激光雷达的位置确定为坐标原点,将上述三维点云划分为不同的扇形区域,并对各扇形区域按照点距离原点的距离划分为不同栅格;
对各扇形区域进行栅格遍历,基于栅格中包含的点的类型标签确定各扇形区域的可行驶区域的边界点;
对各边界点进行分段拟合,并对分段拟合后的边界线按照预设间隔进行重采样,确定可行驶区域的包络点集。
本申请实施例提供的一种计算机存储介质,包括:计算机程序指令,当其在计算机上运行时,使得计算机执行上述可行驶区域检测方法中的任一步骤。
另外,上述可行驶区域检测装置、设备及计算机可读存储介质中任一种实现方式所带来的技术效果可参见上述可行驶区域检测方法中不同实现方式所带来的技术效果,此处不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种可行驶区域检测方法的流程示意图;
图2为本申请实施例提供的一种栅格划分的示意图;
图3为本申请实施例提供的一种包络点集的示意图;
图4为本申请实施例提供的一种边界点确定方法的流程示意图;
图5为本申请实施例提供的一种可行驶区域检测装置的结构示意图;
图6为本申请实施例提供的一种可行驶区域检测设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
本申请实施例描述的应用场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着新应用场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。其中,在本申请的描述中,除非另有说明,“多个”的含义是两个或两个以上。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本发明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。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
自动驾驶技术是一个复杂的工程体系,需要各个模块相互配合才能全方位保证驾驶的安全性。其中,可行驶区域(Free Space)检测技术是自动驾驶系统的关键技术之一,可以为路径规划和行为决策等后端模块提供依据。目前相机图像和激光雷达点云是用来检测可行驶区域主要的数据输入源。基于图像来提取可行驶区域方法中,使用的颜色或纹理特征易受光照和天气的干扰,三维信息的缺失也限制了此类算法在不同场景的适应性。而激光雷达能够实时精准地提供丰富的道路环境数据,具有数据维度高、深度信息准确、响应频率快和检测精度高的优点。
目前基于激光点云检测可行驶区域的方法通常为利用激光雷达获取点云后,对所有点云进行地面平面拟合,并划分为多个扇形区域后在各扇形区域根据高度阈值的方法进行可驾驶区域的检测,这种方法并不适用于不平整或者起伏频繁的复杂路况,且整体拟合平面的方式对斜坡等的鲁棒性较差;另一种方法为通过计算每个扇状栅格内的全局角度、局部角度、局部高度和距地面高度来判断所属栅格是否为地面栅格,这种方法虽然比较有效解决了道路起伏崎岖等地面情况,但栅格只是可行驶区域的一个粗提取概念,边界精度较低。另外地面并不能完全当做可行驶区域,比如遇到车辆等障碍物和路沿,尤其是城市结构化道路低矮路沿,这种栅格提取方式有些情况是不能判断的。
另外,目前存在的利用残差扩张卷积的编码-解码网络,利用网络模型训练获得网络参数,进而确定可行驶区域,这种方法确定出的可行驶区域准确率较,且难以实现。
本申请实施例为解决上述问题,在深度学习语义分割网络的基础上提出了一种可行驶区域检测方法,可以有效提取到各种道路场景下较高精度可行驶包络区域。
图1为本申请实施例提供的一种可行驶区域检测方法的流程示意图,如图1所示,本申请实施例提供一种可行驶区域检测方法,包括:
步骤101,利用激光雷达获取目标检测区域的三维点云,并利用语义分割网络确定三维点云中每个点的类型标签,上述类型标签包括地面、地面物体;
实施中,可以利用安装在自动驾驶车辆上的激光雷达获取目标检测区域的三维点云,同时获取三维点云中每个点以激光雷达为坐标原点的三维坐标x0,y0,z0以及反射强度,其中,x轴正方向为车体前进方向,y轴正方向为向车体左侧,z轴正方向为竖直向上,并且,本申请实施例中对激光雷达在自动驾驶车辆上的安装位置不做限定。
本申请实施例中上述语义分割网络可以为目前自动驾驶领域分割效果较好的RPVNet、Cylinder3D等。
上述地面指不存在障碍物遮挡的车辆可行驶的路面等,地面物体指存在影响车辆行驶的障碍物,如建筑、车辆等,在本申请实施例中上述类型标签可根据实际需求进行划分,例如类型标签还可划分为地面、车道线,目标(车辆、行人),路沿、栅栏、绿植、噪声、建筑等多种类型。
作为一种可选的实施方式,利用语义分割网络确定三维点云中每个点的类型标签后,还包括:
对上述三维点云进行预处理,上述预处理包括ROI(感兴趣区域)过滤、噪声过滤和下采样处理。
具体的,对语义分割后的三维点云进行感兴趣区域(ROI)过滤,同时滤除本车点云,ROI和本车点云过滤范围可根据实际需求以及激光雷达的安装位置确定,例如滤除距离激光雷达距离大于100米的点云;然后对过滤后的三维点云进行噪声过滤和下采样,其中,噪声滤除可采用计算每个点近邻点数量的方式剔除离群点,下采样可以采用基于VoxelGrid(网格栅格)的点云下采样算法。
步骤102,以激光雷达的位置确定为坐标原点,将上述三维点云划分为不同的扇形区域,并对各扇形区域按照点距离原点的距离划分为不同栅格;
作为一种可选的实施方式,上述将上述三维点云划分为不同的扇形区域,并对各扇形区域按照点距离原点的距离划分为不同栅格,包括:
将上述激光雷达对准方向确定为参考方向,根据上述三维点云中点相对参考方向的偏差角度,将每个点划分到对应扇形区域中;
根据各扇形区域中每个点与上述坐标原点的距离,将上述扇形区域中每个点划分到对应栅格中。
图2为本申请实施例提供的一种栅格划分的示意图,如图2所示,根据三维点云中点相对参考方向的偏差角度以及与上述坐标原点的距离将其划分到对应的栅格中,具体的:
首先利用以下公式确定三维点云中点相对参考方向的偏差角度,并按该偏差角度将三维点云划分为多个扇形区域:
然后利用以下公式确定三维点云中点与上述坐标原点的距离,并将上述扇形区域中每个点划分到对应栅格中:
步骤103,对各扇形区域进行栅格遍历,基于栅格中包含的点的类型标签确定各扇形区域的可行驶区域的边界点;
实施中,可利用光束法遍历搜索每个栅格,根据每个栅格内三维点云中每个点的类型标签、距地高度等特征进行逻辑判断,最后根据地面走向提取出可行驶区域的边界点。
作为一种可选的实施方式,对各扇形区域进行栅格遍历,基于栅格中包含的点的类型标签确定各扇形区域的可行驶区域的边界点,包括:
按照不同扇形区域相对参考方向的偏差角度,依次对每个扇形区域内的栅格按照与上述坐标原点的距离由近至远的顺序进行遍历;
遍历至包含类型标签为地面物体的点的栅格,确定上述栅格内点的高度满足边界区域条件时,从栅格中确定出当前扇形区域的可行驶区域的边界点。
步骤104,对各边界点进行分段拟合,并对分段拟合后的边界线按照预设间隔进行重采样,确定可行驶区域的包络点集;
实施中,由于确定的边界点可能出现距离近的点分布密集且存在毛刺点,距离远的点分布稀疏,因此,为了使轨迹规划等下游模块更方便使用可行驶区域信息,需要确定出可行驶区域的均匀包络点集。
另外,由于边界点拟合形成的边界线距离较长且存在较多折角,因此需要进行分段拟合,最后再通过重采样确定出可行驶区域的包络点集,如图3所示。
具体的,提取得到的边界点后按相对参考方向的偏差角度顺序排列后进行分段处理,对分段后确定的点簇采用最小二乘法拟合成多项式曲线,再对连续段的多项式曲线进行重采样形成均匀包络点集,从而确定出最终的可行驶区域;其中,可选取0.1~0.5米作为间隔进行重采样。
与现有技术方案相比,本申请实施例中针对路沿遮挡识别不稳定问题,采用了语义分割的点云类别标签,可以有效区分路面、路沿及车辆等;针对起伏道路鲁棒性差问题,根据语义分割结果,使目前大部分的分割网络地面的召回率均超过90%,同时在每个栅格内,还会根据平均高度、高度差、角度等特征信息判断,两者结合使得对于起伏路段有较好的保证作用;针对检测精度不够问题,本申请实施例在栅格内确定边界点,实现了较高精度的提取;另外,本申请实施例对边界点做拟合及重采样,可以直接传输给轨迹规划等下游模块方便使用,具有工程意义。因此,本申请实施例提供的可驾驶区域检测方法适用于自动驾驶领域城市道路或非结构化道路等各类场景,可以有效解决现有技术中存在的路沿遮挡识别不稳定、起伏道路鲁棒性差及检测精度不够等问题。
以下对上述步骤103中边界点的具体确定方法加以阐述。
作为一种可选的实施方式,对各扇形区域进行栅格遍历,基于栅格中包含的点的类型标签确定各扇形区域的可行驶区域的边界点,包括:
按照不同扇形区域相对参考方向的偏差角度,依次对每个扇形区域内的栅格按照与上述坐标原点的距离由近至远的顺序进行遍历;
遍历至包含类型标签为地面物体的点的栅格,确定上述栅格内点的高度满足边界区域条件时,从栅格中确定出当前扇形区域的可行驶区域的边界点。
作为一种可选的实施方式,确定上述栅格内点的高度满足边界区域条件,包括如下任一项:
上述栅格内点的平均高度大于设定高度阈值;
上述栅格内点的最大高度差大于设定高度阈值;
上述栅格与上一个栅格内点的平均高度差大于设定高度阈值;
上述栅格内存在类型标签为地面物体的点。
上述设定高度阈值的具体数值可根据实际需求进行设定,并且上述平均高度、最大高度差,与上一个栅格内点的平均高度差对应的设定高度阈值可以相同也可以不同。
并且,上述与上一个栅格内点的平均高度差也可以体现为当前栅格与上一个栅格的高度角度差。
在实施中,可以设定上述地面物体包括路沿和障碍物,并将边界区域条件中栅格内存在类型标签为地面物体的点,设定为栅格内存在类型标签为路沿的点。
在实施中,为了便于计算,可以通过平面拟合将三维点云中每个点的高度转化为距离地面的高度。
作为一种可选的实施方式,上述方法还包括:
对目标检测区域的三维点云进行平面拟合,确定目标检测区域内基准地面的位置,并确定各栅格内的每个点基于上述基准地面的相对高度;
根据上述相对高度确定各栅格内点的平均高度、点的最大高度差、与上一个栅格内点的平均高度差。
作为一种可选的实施方式,从栅格中确定出当前扇形区域的可行驶区域的边界点,包括:
确定当前栅格中包含类型标签不同的点,将当前栅格中类型标签为地面且相对参考方向的偏差角度最大/小的点确定为当前扇形区域的可行驶区域的边界点;
确定当前栅格中仅包含类型标签为地面物体的点,将当前栅格中类型标签为地面物体且相对参考方向的偏差角度最大/小的点确定为当前扇形区域的可行驶区域的边界点。
作为一种可选的实施方式,遍历至包含的点的类型标签不同且包含地面或者类型标签包含地面物体的栅格之前,还包括:
确定存在空栅格,判断上述空栅格是否为当前扇形区域内的最后一个栅格;
判定上述空栅格为当前扇形区域内最后一个栅格,根据预设原则在上述空栅格中创建一个虚拟点作为当前扇形区域的可行驶区域的边界点;
判定上述空栅格非当前扇形区域内最后一个栅格,获取当前扇形区域已遍历的栅格中空栅格的个数;
确定空栅格的个数到达预设个数时,获取当前扇形区域内距离上述空栅格距离最近且类型标签为地面的点,并作为当前扇形区域的可行驶区域的边界点;
未获取到当前扇形区域内距离上述空栅格距离最近且类型标签为地面的点时,根据预设原则在上述空栅格中创建一个虚拟点作为当前扇形区域的可行驶区域的边界点。
图4为本申请实施例提供的一种边界点确定方法的流程示意图,以下结合图4对边界点确定方法的具体步骤加以介绍。
具体地,从指定偏差角度开始对扇形依次遍历,而针对某一角度由原点出发向外遍历栅格:
步骤1,如果当前栅格为空栅格且不是当前扇形区域的最后一个栅格,则空计数器加1,并确定当前扇形区域内空栅格(空计数器计数)的数量;
步骤2,若空计数器计数小于或等于设定个数,则进入下一个栅格;
步骤3,当空计数器计数大于设定个数,则查找当前扇形区域内距离当前栅格最近的road(类型标签为地面的点,以下简称为road)点,找到则存入边界存储器,未找到则创建一个虚拟点存入边界存储器;
步骤4,如果步骤1中条件不满足(当前栅格为该扇形区域内最后一个栅格),则创建一个虚拟点存入边界存储器;
步骤5,如果步骤1和4中条件均不满足(当前栅格不是空栅格),则判断此栅格是否只有一个类型标签(label),如果是则进入下一个栅格;
步骤6,如果步骤5中条件不满足,则判断此栅格的点的类型标签label个数是否大于1个,且包含road;
步骤7,如果步骤6中条件满足,则利用地面平面方程进行高度判断,如果栅格内点的平均高度或高度差或与前一个栅格的角度大于对应阈值或栅格内有类型标签为路沿的点,则根据地面方向给出栅格内偏差角度最大或最小的road点,并且存入边界储存器中;
步骤8,如果步骤7中条件不满足,则进入下一个栅格;
步骤9,如果步骤6中条件不满足(大于0个且不为road),则利用地面平面方程进行高度判断,如果栅格内点的平均高度或最大高度差或与上一个栅格内点的平均高度差大于对应阈值或栅格内有类型标签为路沿的点,则根据地面方向给出栅格内角度最大或最小的非road点(类型标签不是road的点),并且存入边界储存器中;
步骤10,如果步骤9中条件不满足,则进入下一个栅格;
以下对上述步骤104中对各边界点进行分段拟合的方法进行具体阐述。
作为一种可选的实施方式,对各边界点进行分段拟合,包括:
根据各边界点相对参考方向的偏差角度对各边界点进行排序,并依次根据各边界点间的距离与走向将各边界点划分为多个点簇;
根据每个点簇中边界点的数量,利用最小二乘法将点簇拟合为边界线段,并按照首尾相连的原则,将拟合后的各边界线段合成至少一条边界线。
实施中,依次根据各边界点间的距离与走向将各边界点划分为多个点簇,包括:
将同时满足如下多个条件的边界点划分为同一点簇:
与当前点簇中第一个边界点的累加距离不大于第一距离阈值;
与上一个边界点的距离不大于第二距离阈值;
与下一个边界点和上一个边界点形成角度的差值在设定范围内。
本申请实施例中,在划分点簇时,首先根据各边界点相对参考方向的偏差角度对各边界点进行排序,并确定出相对参考方向的偏差角度最小的点作为第一个点簇中的第一个边界点,然后从第二个边界点开始依次根据上述条件进行逻辑判断,确定出不属于第一各点簇的边界点时,将其作为第二个点簇中的第一个边界点,并对下一个点按照上述方法继续判断,直至所有的边界点判断完成。
上述多个点簇划分条件中,与当前点簇中第一个边界点的累加距离指按照边界点相对参考方向的偏差角度对各边界点进行排序后,当期边界点与当前点簇中第一个边界点之间相邻两点的距离的累加;上/下一个边界点指按照边界点相对参考方向的偏差角度对各边界点进行排序后,排列在当前边界点之前/后的相邻边界点。
实施中,根据每个点簇中边界点的数量,利用最小二乘法将点簇拟合为边界线段,包括:
根据每个点簇中边界点的数量,确定与上述边界点的数量对应的多项式拟合方程;
利用最小二乘法确定上述多项式拟合方程中的参数值,得到拟合后的边界线段。
具体的,根据分段结果,对不同大小的点簇采用不同次数的多项式方程拟合,具方法如下:
当点簇中点的个数n≥N1,p=3,f(x)=a0+a1x+a1x2+a1x3
当点簇中点的个数N2≤n<N1,p=2,f(x)=a0+a1x+a1x2
当点簇中点的个数1≤n<N2,p=1,f(x)=a0+a1x
N1,N2为设定的点云个数,p为多项式方程的次数,其中,对于任一组点簇数据Pi(xi,yi)(i=1,2,…,n,i为点簇中点的数量)中的参数a0,a1可根据以下方式确定:令XA=Y,可利用最小二乘法推导公式解得A=(XTX)-1XTY,其中,A为由参数a0,…,ap形成的矩阵。
在分段拟合的过程中,一般采用y关于x的多项式方程进行拟合,但当遇到y的跨度大于x时,可将多项式变为x关于y的多项式方程。
基于相同的公开构思,本申请实施例还提供一种可行驶区域检测装置,由于该装置即是本申请实施例中的方法中的装置,并且该装置解决问题的原理与该方法相似,因此该装置的实施可以参见方法的实施,重复之处不再赘述。
如图5所示,本申请实施例提供一种可行驶区域检测装置,该装置包括:
获取模块501,用于利用激光雷达获取目标检测区域的三维点云,并利用语义分割网络确定三维点云中每个点的类型标签,上述类型标签包括地面、地面物体;
划分模块502,用于以激光雷达的位置确定为坐标原点,将上述三维点云划分为不同的扇形区域,并对各扇形区域按照点距离原点的距离划分为不同栅格;
边界点确定模块503,用于对各扇形区域进行栅格遍历,基于栅格中包含的点的类型标签确定各扇形区域的可行驶区域的边界点;
包络点集确定模块504,用于对各边界点进行分段拟合,并对分段拟合后的边界线按照预设间隔进行重采样,确定可行驶区域的包络点集。
可选的,上述划分模块502用于将上述三维点云划分为不同的扇形区域,并对各扇形区域按照点距离原点的距离划分为不同栅格,包括:
将上述激光雷达对准方向确定为参考方向,根据上述三维点云中点相对参考方向的偏差角度,将每个点划分到对应扇形区域中;
根据各扇形区域中每个点与上述坐标原点的距离,将上述扇形区域中每个点划分到对应栅格中。
可选的,上述边界点确定模块503用于对各扇形区域进行栅格遍历,基于栅格中包含的点的类型标签确定各扇形区域的可行驶区域的边界点,包括:
按照不同扇形区域相对参考方向的偏差角度,依次对每个扇形区域内的栅格按照与上述坐标原点的距离由近至远的顺序进行遍历;
遍历至包含类型标签为地面物体的点的栅格,确定上述栅格内点的高度满足边界区域条件时,从栅格中确定出当前扇形区域的可行驶区域的边界点。
可选的,上述边界点确定模块503用于确定上述栅格内点的高度满足边界区域条件,包括如下任一项:
上述栅格内点的平均高度大于设定高度阈值;
上述栅格内点的最大高度差大于设定高度阈值;
上述栅格与上一个栅格内点的平均高度差大于设定高度阈值;
上述栅格内存在类型标签为地面物体的点。
可选的,上述边界点确定模块503用于从栅格中确定出当前扇形区域的可行驶区域的边界点,包括:
确定当前栅格中包含类型标签不同的点,将当前栅格中类型标签为地面且相对参考方向的偏差角度最大/小的点确定为当前扇形区域的可行驶区域的边界点;
确定当前栅格中仅包含类型标签为地面物体的点,将当前栅格中类型标签为地面物体且相对参考方向的偏差角度最大/小的点确定为当前扇形区域的可行驶区域的边界点。
可选的,上述边界点确定模块503还用于:
对目标检测区域的三维点云进行平面拟合,确定目标检测区域内基准地面的位置,并确定各栅格内的每个点基于上述基准地面的相对高度;
根据上述相对高度确定各栅格内点的平均高度、点的最大高度差、与上一个栅格内点的平均高度差。
可选的,上述边界点确定模块503用于遍历至包含的点的类型标签不同且包含地面或者类型标签包含地面物体的栅格之前,还包括:
确定存在空栅格,判断上述空栅格是否为当前扇形区域内的最后一个栅格;
判定上述空栅格为当前扇形区域内最后一个栅格,根据预设原则在上述空栅格中创建一个虚拟点作为当前扇形区域的可行驶区域的边界点;
判定上述空栅格非当前扇形区域内最后一个栅格,获取当前扇形区域已遍历的栅格中空栅格的个数;
确定空栅格的个数到达预设个数时,获取当前扇形区域内距离上述空栅格距离最近且类型标签为地面的点,并作为当前扇形区域的可行驶区域的边界点;
未获取到当前扇形区域内距离上述空栅格距离最近且类型标签为地面的点时,根据预设原则在上述空栅格中创建一个虚拟点作为当前扇形区域的可行驶区域的边界点。
可选的,上述包络点集确定模块504用于对各边界点进行分段拟合,包括:
根据各边界点相对参考方向的偏差角度对各边界点进行排序,并依次根据各边界点间的距离与走向将各边界点划分为多个点簇;
根据每个点簇中边界点的数量,利用最小二乘法将点簇拟合为边界线段,并按照首尾相连的原则,将拟合后的各边界线段合成至少一条边界线。
可选的,上述包络点集确定模块504用于依次根据各边界点间的距离与走向将各边界点划分为多个点簇,包括:
将同时满足如下多个条件的边界点划分为同一点簇:
与当前点簇中第一个边界点的累加距离不大于第一距离阈值;
与上一个边界点的距离不大于第二距离阈值;
与下一个边界点和上一个边界点形成角度的差值在设定范围内。
可选的,上述包络点集确定模块504用于根据每个点簇中边界点的数量,利用最小二乘法将点簇拟合为边界线段,包括:
根据每个点簇中边界点的数量,确定与上述边界点的数量对应的多项式拟合方程;
利用最小二乘法确定上述多项式拟合方程中的参数值,得到拟合后的边界线段。
基于相同的公开构思,本申请实施例中还提供了一种可行驶区域检测设备,由于该设备即是本申请实施例中的方法中的设备,并且该设备解决问题的原理与该方法相似,因此该设备的实施可以参见方法的实施,重复之处不再赘述。
所属技术领域的技术人员能够理解,本申请的各个方面可以实现为系统、方法或程序产品。因此,本申请的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中,根据本申请的设备可以至少包括至少一个处理器、以及至少一个存储器。其中,存储器存储有程序代码,当程序代码被处理器执行时,使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的可行驶区域检测方法中的步骤。
下面参照图6来描述根据本申请的这种可行驶区域检测设备600。图6显示的设备600仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,设备600以通用设备的形式表现。设备600的组件可以包括但不限于:上述至少一个处理器601、上述至少一个存储器602、连接不同系统组件(包括存储器602和处理器601)的总线603,其中,存储器存储有程序代码,当程序代码被处理器执行时,使得处理器执行以下步骤:
利用激光雷达获取目标检测区域的三维点云,并利用语义分割网络确定三维点云中每个点的类型标签,上述类型标签包括地面、地面物体;
以激光雷达的位置确定为坐标原点,将上述三维点云划分为不同的扇形区域,并对各扇形区域按照点距离原点的距离划分为不同栅格;
对各扇形区域进行栅格遍历,基于栅格中包含的点的类型标签确定各扇形区域的可行驶区域的边界点;
对各边界点进行分段拟合,并对分段拟合后的边界线按照预设间隔进行重采样,确定可行驶区域的包络点集。
总线603表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
存储器602可以包括易失性存储器形式的可读介质,例如随机存取存储器(RAM)6021和/或高速缓存存储器6022,还可以进一步包括只读存储器(ROM)6023。
存储器602还可以包括具有一组(至少一个)程序模块6024的程序/实用工具6025,这样的程序模块6024包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
设备600也可以与一个或多个外部设备604(例如键盘、指向设备等)通信,还可与一个或者多个使得用户能与设备600交互的设备通信,和/或与使得该设备600能与一个或多个其它设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口605进行。并且,设备600还可以通过网络适配器606与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器606通过总线603与用于设备600的其它模块通信。应当理解,尽管图中未示出,可以结合设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
可选的,上述处理器用于将上述三维点云划分为不同的扇形区域,并对各扇形区域按照点距离原点的距离划分为不同栅格,包括:
将上述激光雷达对准方向确定为参考方向,根据上述三维点云中点相对参考方向的偏差角度,将每个点划分到对应扇形区域中;
根据各扇形区域中每个点与上述坐标原点的距离,将上述扇形区域中每个点划分到对应栅格中。
可选的,上述处理器用于对各扇形区域进行栅格遍历,基于栅格中包含的点的类型标签确定各扇形区域的可行驶区域的边界点,包括:
按照不同扇形区域相对参考方向的偏差角度,依次对每个扇形区域内的栅格按照与上述坐标原点的距离由近至远的顺序进行遍历;
遍历至包含类型标签为地面物体的点的栅格,确定上述栅格内点的高度满足边界区域条件时,从栅格中确定出当前扇形区域的可行驶区域的边界点。
可选的,上述处理器用于确定上述栅格内点的高度满足边界区域条件,包括如下任一项:
上述栅格内点的平均高度大于设定高度阈值;
上述栅格内点的最大高度差大于设定高度阈值;
上述栅格与上一个栅格内点的平均高度差大于设定高度阈值;
上述栅格内存在类型标签为地面物体的点。
可选的,上述处理器用于从栅格中确定出当前扇形区域的可行驶区域的边界点,包括:
确定当前栅格中包含类型标签不同的点,将当前栅格中类型标签为地面且相对参考方向的偏差角度最大/小的点确定为当前扇形区域的可行驶区域的边界点;
确定当前栅格中仅包含类型标签为地面物体的点,将当前栅格中类型标签为地面物体且相对参考方向的偏差角度最大/小的点确定为当前扇形区域的可行驶区域的边界点。
可选的,上述处理器还用于:
对目标检测区域的三维点云进行平面拟合,确定目标检测区域内基准地面的位置,并确定各栅格内的每个点基于上述基准地面的相对高度;
根据上述相对高度确定各栅格内点的平均高度、点的最大高度差、与上一个栅格内点的平均高度差。
可选的,上述处理器用于遍历至包含的点的类型标签不同且包含地面或者类型标签包含地面物体的栅格之前,还包括:
确定存在空栅格,判断上述空栅格是否为当前扇形区域内的最后一个栅格;
判定上述空栅格为当前扇形区域内最后一个栅格,根据预设原则在上述空栅格中创建一个虚拟点作为当前扇形区域的可行驶区域的边界点;
判定上述空栅格非当前扇形区域内最后一个栅格,获取当前扇形区域已遍历的栅格中空栅格的个数;
确定空栅格的个数到达预设个数时,获取当前扇形区域内距离上述空栅格距离最近且类型标签为地面的点,并作为当前扇形区域的可行驶区域的边界点;
未获取到当前扇形区域内距离上述空栅格距离最近且类型标签为地面的点时,根据预设原则在上述空栅格中创建一个虚拟点作为当前扇形区域的可行驶区域的边界点。
可选的,上述处理器用于对各边界点进行分段拟合,包括:
根据各边界点相对参考方向的偏差角度对各边界点进行排序,并依次根据各边界点间的距离与走向将各边界点划分为多个点簇;
根据每个点簇中边界点的数量,利用最小二乘法将点簇拟合为边界线段,并按照首尾相连的原则,将拟合后的各边界线段合成至少一条边界线。
可选的,上述处理器用于依次根据各边界点间的距离与走向将各边界点划分为多个点簇,包括:
将同时满足如下多个条件的边界点划分为同一点簇:
与当前点簇中第一个边界点的累加距离不大于第一距离阈值;
与上一个边界点的距离不大于第二距离阈值;
与下一个边界点和上一个边界点形成角度的差值在设定范围内。
可选的,上述处理器用于根据每个点簇中边界点的数量,利用最小二乘法将点簇拟合为边界线段,包括:
根据每个点簇中边界点的数量,确定与上述边界点的数量对应的多项式拟合方程;
利用最小二乘法确定上述多项式拟合方程中的参数值,得到拟合后的边界线段。
在一些可能的实施方式中,本申请提供的一种可行驶区域检测方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在计算机设备上运行时,程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的一种可行驶区域检测方法中的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本申请的实施方式的用于监控的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在设备上运行。然而,本申请的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行、或者完全在远程设备或服务端上执行。在涉及远程设备的情形中,远程设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户设备,或者,可以连接到外部设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了装置的若干单元或子单元,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之,上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和方框图来描述的。应理解可由计算机程序指令实现流程图和方框图中的每一流程和/或方框、以及流程图和方框图中的流程和方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (13)
1.一种可行驶区域检测方法,其特征在于,包括:
利用激光雷达获取目标检测区域的三维点云,并利用语义分割网络确定三维点云中每个点的类型标签,所述类型标签包括地面、地面物体;
以激光雷达的位置确定为坐标原点,将所述三维点云划分为不同的扇形区域,并对各扇形区域按照点距离原点的距离划分为不同栅格;
对各扇形区域进行栅格遍历,基于栅格中包含的点的类型标签确定各扇形区域的可行驶区域的边界点;
对各边界点进行分段拟合,并对分段拟合后的边界线按照预设间隔进行重采样,确定可行驶区域的包络点集。
2.根据权利要求1所述的方法,其特征在于,将所述三维点云划分为不同的扇形区域,并对各扇形区域按照点距离原点的距离划分为不同栅格,包括:
将所述激光雷达对准方向确定为参考方向,根据所述三维点云中点相对参考方向的偏差角度,将每个点划分到对应扇形区域中;
根据各扇形区域中每个点与所述坐标原点的距离,将所述扇形区域中每个点划分到对应栅格中。
3.根据权利要求1或2所述的方法,其特征在于,对各扇形区域进行栅格遍历,基于栅格中包含的点的类型标签确定各扇形区域的可行驶区域的边界点,包括:
按照不同扇形区域相对参考方向的偏差角度,依次对每个扇形区域内的栅格按照与所述坐标原点的距离由近至远的顺序进行遍历;
遍历至包含类型标签为地面物体的点的栅格,确定所述栅格内点的高度满足边界区域条件时,从栅格中确定出当前扇形区域的可行驶区域的边界点。
4.根据权利要求3所述的方法,其特征在于,确定所述栅格内点的高度满足边界区域条件,包括如下任一项:
所述栅格内点的平均高度大于设定高度阈值;
所述栅格内点的最大高度差大于设定高度阈值;
所述栅格与上一个栅格内点的平均高度差大于设定高度阈值;
所述栅格内存在类型标签为地面物体的点。
5.根据权利要求3所述的方法,其特征在于,从栅格中确定出当前扇形区域的可行驶区域的边界点,包括:
确定当前栅格中包含类型标签不同的点,将当前栅格中类型标签为地面且相对参考方向的偏差角度最大/小的点确定为当前扇形区域的可行驶区域的边界点;
确定当前栅格中仅包含类型标签为地面物体的点,将当前栅格中类型标签为地面物体且相对参考方向的偏差角度最大/小的点确定为当前扇形区域的可行驶区域的边界点。
6.根据权利要求4所述的方法,其特征在于,还包括:
对目标检测区域的三维点云进行平面拟合,确定目标检测区域内基准地面的位置,并确定各栅格内的每个点基于所述基准地面的相对高度;
根据所述相对高度确定各栅格内点的平均高度、点的最大高度差、与上一个栅格内点的平均高度差。
7.根据权利要求3所述的方法,其特征在于,遍历至包含的点的类型标签不同且包含地面或者类型标签包含地面物体的栅格之前,还包括:
确定存在空栅格,判断所述空栅格是否为当前扇形区域内的最后一个栅格;
判定所述空栅格为当前扇形区域内最后一个栅格,根据预设原则在所述空栅格中创建一个虚拟点作为当前扇形区域的可行驶区域的边界点;
判定所述空栅格非当前扇形区域内最后一个栅格,获取当前扇形区域已遍历的栅格中空栅格的个数;
确定空栅格的个数到达预设个数时,获取当前扇形区域内距离所述空栅格距离最近且类型标签为地面的点,并作为当前扇形区域的可行驶区域的边界点;
未获取到当前扇形区域内距离所述空栅格距离最近且类型标签为地面的点时,根据预设原则在所述空栅格中创建一个虚拟点作为当前扇形区域的可行驶区域的边界点。
8.根据权利要求1所述的方法,其特征在于,对各边界点进行分段拟合,包括:
根据各边界点相对参考方向的偏差角度对各边界点进行排序,并依次根据各边界点间的距离与走向将各边界点划分为多个点簇;
根据每个点簇中边界点的数量,利用最小二乘法将点簇拟合为边界线段,并按照首尾相连的原则,将拟合后的各边界线段合成至少一条边界线。
9.根据权利要求8所述的方法,其特征在于,依次根据各边界点间的距离与走向将各边界点划分为多个点簇,包括:
将同时满足如下多个条件的边界点划分为同一点簇:
与当前点簇中第一个边界点的累加距离不大于第一距离阈值;
与上一个边界点的距离不大于第二距离阈值;
与下一个边界点和上一个边界点形成角度的差值在设定范围内。
10.根据权利要求8所述的方法,其特征在于,根据每个点簇中边界点的数量,利用最小二乘法将点簇拟合为边界线段,包括:
根据每个点簇中边界点的数量,确定与所述边界点的数量对应的多项式拟合方程;
利用最小二乘法确定所述多项式拟合方程中的参数值,得到拟合后的边界线段。
11.一种可行驶区域检测装置,其特征在于,包括:
获取模块,用于利用激光雷达获取目标检测区域的三维点云,并利用语义分割网络确定三维点云中每个点的类型标签,所述类型标签包括地面、地面物体;
划分模块,用于以激光雷达的位置确定为坐标原点,将所述三维点云划分为不同的扇形区域,并对各扇形区域按照点距离原点的距离划分为不同栅格;
边界点确定模块,用于对各扇形区域进行栅格遍历,基于栅格中包含的点的类型标签确定各扇形区域的可行驶区域的边界点;
包络点集确定模块,用于对各边界点进行分段拟合,并对分段拟合后的边界线按照预设间隔进行重采样,确定可行驶区域的包络点集。
12.一种可行驶区域检测设备,其特征在于,该设备包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,当所述计算机程序被所述处理器执行时,实现权利要求1~10中任一项所述的方法。
13.一种计算机可读存储介质,其特征在于,包括计算机程序指令,当其在计算机上运行时,使得计算机执行如权利要求1~10中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210511306.8A CN114842450B (zh) | 2022-05-11 | 2022-05-11 | 一种可行驶区域检测方法、装置及设备 |
PCT/CN2022/116601 WO2023216470A1 (zh) | 2022-05-11 | 2022-09-01 | 一种可行驶区域检测方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210511306.8A CN114842450B (zh) | 2022-05-11 | 2022-05-11 | 一种可行驶区域检测方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114842450A true CN114842450A (zh) | 2022-08-02 |
CN114842450B CN114842450B (zh) | 2023-06-30 |
Family
ID=82570762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210511306.8A Active CN114842450B (zh) | 2022-05-11 | 2022-05-11 | 一种可行驶区域检测方法、装置及设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114842450B (zh) |
WO (1) | WO2023216470A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116520353A (zh) * | 2023-06-29 | 2023-08-01 | 广汽埃安新能源汽车股份有限公司 | 基于激光点云的地面检测方法、装置、存储介质及设备 |
WO2023216470A1 (zh) * | 2022-05-11 | 2023-11-16 | 合众新能源汽车股份有限公司 | 一种可行驶区域检测方法、装置及设备 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117351449B (zh) * | 2023-12-04 | 2024-02-09 | 上海几何伙伴智能驾驶有限公司 | 基于极坐标加权的道路可通行区域边界优化方法 |
CN117491983B (zh) * | 2024-01-02 | 2024-03-08 | 上海几何伙伴智能驾驶有限公司 | 实现可通行区域边界获取及目标相对位置判别的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110320504A (zh) * | 2019-07-29 | 2019-10-11 | 浙江大学 | 一种基于激光雷达点云统计几何模型的非结构化道路检测方法 |
CN110569749A (zh) * | 2019-08-22 | 2019-12-13 | 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 |
KR102083482B1 (ko) * | 2018-12-13 | 2020-03-02 | 국민대학교산학협력단 | 라이다 기반의 차량주행 가능영역 검출장치 및 방법 |
CN111208533A (zh) * | 2020-01-09 | 2020-05-29 | 上海工程技术大学 | 一种基于激光雷达的实时地面检测方法 |
KR102306083B1 (ko) * | 2021-02-03 | 2021-09-29 | 국방과학연구소 | 영상 및 라이다를 활용한 차량의 주행 가능 영역 식별 장치 및 방법 |
CN113792707A (zh) * | 2021-11-10 | 2021-12-14 | 北京中科慧眼科技有限公司 | 基于双目立体相机的地形环境检测方法、系统和智能终端 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114842450B (zh) * | 2022-05-11 | 2023-06-30 | 合众新能源汽车股份有限公司 | 一种可行驶区域检测方法、装置及设备 |
-
2022
- 2022-05-11 CN CN202210511306.8A patent/CN114842450B/zh active Active
- 2022-09-01 WO PCT/CN2022/116601 patent/WO2023216470A1/zh unknown
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102083482B1 (ko) * | 2018-12-13 | 2020-03-02 | 국민대학교산학협력단 | 라이다 기반의 차량주행 가능영역 검출장치 및 방법 |
CN110320504A (zh) * | 2019-07-29 | 2019-10-11 | 浙江大学 | 一种基于激光雷达点云统计几何模型的非结构化道路检测方法 |
CN110569749A (zh) * | 2019-08-22 | 2019-12-13 | 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 |
CN111208533A (zh) * | 2020-01-09 | 2020-05-29 | 上海工程技术大学 | 一种基于激光雷达的实时地面检测方法 |
KR102306083B1 (ko) * | 2021-02-03 | 2021-09-29 | 국방과학연구소 | 영상 및 라이다를 활용한 차량의 주행 가능 영역 식별 장치 및 방법 |
CN113792707A (zh) * | 2021-11-10 | 2021-12-14 | 北京中科慧眼科技有限公司 | 基于双目立体相机的地形环境检测方法、系统和智能终端 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023216470A1 (zh) * | 2022-05-11 | 2023-11-16 | 合众新能源汽车股份有限公司 | 一种可行驶区域检测方法、装置及设备 |
CN116520353A (zh) * | 2023-06-29 | 2023-08-01 | 广汽埃安新能源汽车股份有限公司 | 基于激光点云的地面检测方法、装置、存储介质及设备 |
CN116520353B (zh) * | 2023-06-29 | 2023-09-26 | 广汽埃安新能源汽车股份有限公司 | 基于激光点云的地面检测方法、装置、存储介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2023216470A1 (zh) | 2023-11-16 |
CN114842450B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114842450B (zh) | 一种可行驶区域检测方法、装置及设备 | |
CN110286387B (zh) | 应用于自动驾驶系统的障碍物检测方法、装置及存储介质 | |
WO2018068653A1 (zh) | 点云数据处理方法、装置及存储介质 | |
CN108509820B (zh) | 障碍物分割方法及装置、计算机设备及可读介质 | |
Gargoum et al. | A literature synthesis of LiDAR applications in transportation: Feature extraction and geometric assessments of highways | |
CN110674705B (zh) | 基于多线激光雷达的小型障碍物检测方法及装置 | |
CN108470174B (zh) | 障碍物分割方法及装置、计算机设备及可读介质 | |
EP4120123A1 (en) | Scan line-based road point cloud extraction method | |
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 | |
CN113835102B (zh) | 车道线生成方法和装置 | |
Ma et al. | Automatic framework for detecting obstacles restricting 3D highway sight distance using mobile laser scanning data | |
KR20230059150A (ko) | 고정밀 지도에서의 3차원 지도의 구축 방법, 장치, 설비 및 저장 매체 | |
CN115139303A (zh) | 一种栅格井盖检测方法、装置、设备及存储介质 | |
CN111951552B (zh) | 一种自动驾驶中风险管理的方法以及相关装置 | |
Sun et al. | Objects detection with 3-d roadside lidar under snowy weather | |
CN116429145B (zh) | 一种复杂场景下无人车与垃圾桶自动对接导航方法及系统 | |
CN113282088A (zh) | 工程车的无人驾驶方法、装置、设备、存储介质及工程车 | |
CN112085843A (zh) | 一种隧道类目标特征实时提取及测量方法和装置 | |
CN116434181A (zh) | 地面点检测方法、装置、电子设备和介质 | |
CN113496182A (zh) | 基于遥感影像的道路提取方法及装置、存储介质及设备 | |
CN115359026A (zh) | 基于微波雷达的特种车辆行进方法、装置、电子设备及介质 | |
Chiang et al. | Fast multi-resolution spatial clustering for 3D point cloud data | |
CN115728781A (zh) | 一种基于激光雷达点云的小障碍物检测方法及装置 | |
EP4275013A1 (en) | Method, data processing apparatus and computer program product for generating map data | |
CN114387293A (zh) | 道路边缘检测方法、装置、电子设备及车辆 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 314500 988 Tong Tong Road, Wu Tong Street, Tongxiang, Jiaxing, Zhejiang Applicant after: United New Energy Automobile Co.,Ltd. Address before: 314500 988 Tong Tong Road, Wu Tong Street, Tongxiang, Jiaxing, Zhejiang Applicant before: Hezhong New Energy Vehicle Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |