CN114926809A - 可通行区域检测方法及装置、移动工具、存储介质 - Google Patents
可通行区域检测方法及装置、移动工具、存储介质 Download PDFInfo
- Publication number
- CN114926809A CN114926809A CN202210394679.1A CN202210394679A CN114926809A CN 114926809 A CN114926809 A CN 114926809A CN 202210394679 A CN202210394679 A CN 202210394679A CN 114926809 A CN114926809 A CN 114926809A
- Authority
- CN
- China
- Prior art keywords
- grid
- road
- grids
- propagation
- parameter information
- 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
- 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
- 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
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- 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
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Radar, Positioning & Navigation (AREA)
- Electromagnetism (AREA)
- Mathematical Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Multimedia (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种可通行区域检测方法及装置,方法包括获取第一参数信息和第二参数信息,其中,第一参数信息包括点云数据,第二参数信息包括智能移动平台的定位数据;根据第一参数信息和第二参数信息确定目标区域对应的栅格地图中的每个栅格在当前帧下的栅格属性;根据各个栅格在当前帧下的栅格属性确定目标区域中的可通行区域,并输出标记有所述可通行区域的目标区域地图。本发明的方案采用基于规则的方案进行可通行区域检测,同时考虑了多帧数据,实现了以较小的代价对可通行区域进行更高覆盖率的检测,避免漏检;且能够实现多雷达组合下的点云数据处理和可通行区域检测,应用非常广泛,能很好地适用于非结构化道路等野外环境。
Description
技术领域
本发明涉及自动驾驶技术领域,尤其涉及一种可通行区域检测方法、可通行区域检测装置、以及移动工具和存储介质。
背景技术
可行驶区域检测技术是无人驾驶车辆环境感知的一项重要内容,特别是在半结构化道路或者野外非结构化道路中,由于极易存在各种坑陷、沟渠、水坑、悬崖等无定形障碍,严重影响自动驾驶车辆安全,因而通过可行驶区域检测技术检测出环境中安全的可通行区域,是保证车辆运行安全的重要手段。
目前,可行驶区域检测技术中,针对可通行区域进行检测的算法有两大类:第一类是基于深度学习模型的检测方案;第二类是基于规则的检测方案。其中,基于深度学习模型的检测方案有着精度高的优点,但是需要根据运行场景标注大量数据,同时在陌生环境中的适应性差,且依赖计算平台中的并行计算单元(一般为GPU或者其他并行处理器),对算力要求较高。基于规则的检测方案是根据各自传感器的特点,人工设计算法提取需要的特征,通过可控的算法设计达到最终的计算目的,因而具有计算量小、实时性高的优点,在实际应用中得到了广泛的关注,成为可通行区域检测的一个重要研究方向。
在基于规则的检测方案中,基于激光点云的方案由于不受环境光照的影响,适应性较广。现有的基于激光点云的主流方案为基于激光扫描线的结构化处理方案,该处理方案结合激光扫描线相邻线束之间点的相对关系、以及同一条扫描线相邻点的关系,可以分别得到纵向和横线的梯度变化,这种方案灵敏度较高,但缺点是必须使用结构化点云,且难以进行多雷达点云的融合计算。
为了克服现有方案中的各种缺陷,目前,基于激光点云栅格化进行特征处理的方案逐渐进入本领域的研究视野,该方案提出先对激光点云进行栅格化,再提取相关特征进行可通行性计算的新解决思路,能够避免基于激光扫描线的结构化处理方案中存在的缺陷和限制。目前,已提出的基于激光点云栅格化进行特征处理的实现方案参见公开号为CN108873013A、名称为“一种采用多线激光雷达的道路可通行区域获取方法”的发明专利,其通过将点云栅格化,并将每个栅格中的点按照高度排序,根据高度排列设置阈值进行聚类,得到多个层次的平面块,再根据平面块的相对高度判断栅格是否属于地面栅格、障碍物栅格以及悬挂物栅格。然而,这种方案仅考虑了单帧数据,容易遗漏激光线束之间的地面,检测结果准确率和覆盖率均难以保证;并且其对激光雷达的类型和扫描方式具有特定要求,即需要是多线激光雷达,因而适用场景受限,普适性差。
发明内容
本发明实施例提供一种可通行区域检测方案,以解决现有技术中基于规则的可通行区域检测方法只考虑单帧数据且对激光雷达具有特定要求导致的容易遗漏激光线束之间的地面和适用场景受限等问题。
第一方面,本发明实施例提供一种可通行区域检测方法,该方法包括:
获取第一参数信息和第二参数信息,其中,第一参数信息包括点云数据,第二参数信息包括智能移动平台的定位数据;
根据所述第一参数信息和第二参数信息确定目标区域对应的栅格地图中的每个栅格在当前帧下的栅格属性;
根据各个栅格在当前帧下的栅格属性确定目标区域中的可通行区域,并输出标记有所述可通行区域的目标区域地图。
第二方面,本发明实施例提供一种可通行区域检测装置,该装置包括
参数获取模块,用于获取第一参数信息和第二参数信息,其中,第一参数信息包括点云数据,第二参数信息包括智能移动平台的定位数据;
栅格处理模块,用于根据所述第一参数信息和第二参数信息确定目标区域对应的栅格地图中的每个栅格在当前帧下的栅格属性;和
检测结果确定模块,用于根据各个栅格在当前帧下的栅格属性确定目标区域中的可通行区域,并输出标记有所述可通行区域的目标区域地图。
第三方面,本发明实施例提供了另一种可通行区域检测装置,其包括:
存储器,用于存储可执行指令;以及
处理器,用于执行存储器中存储的可执行指令,所述可执行指令在由所述处理器执行时实现本发明任一实施例的方法步骤。
第四方面,本发明实施例提供了一种移动工具,其包括本发明第三方面所述的可通行区域检测装置。
第五方面,本发明提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述方法的步骤。
本发明实施例的有益效果在于:本发明实施例提供的方法采用基于规则的方案进行可通行区域检测,使用了两个输入量,即第一参数信息和第二参数信息,来进行点云栅格化和确定可通行区域,能够直接输出确定出的可通行区域,相较仅仅只能根据单帧数据确定出栅格属性的方案,本发明的检测结果利用价值更高,结果更直观;且本发明实施例的方案同时以包括定位数据的第二参数信息作为栅格属性确定的依据,同时考虑了多帧数据,从而实现了以较小的代价对可通行区域进行更高覆盖率的检测,提高检测的准确率,避免漏检;此外,本发明实施例还直接将点云数据和定位数据作为输入量进行检测,因而对激光雷达的扫描方式和扫描雷达没有严格限制,能够实现多雷达组合下的点云数据处理和可通行区域检测,应用非常广泛,且能很好地适用于非结构化道路等野外环境。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施方式的可通行区域检测方法的流程示意图;
图2为本发明一实施方式的实现图1中的步骤S11的方法的流程图;
图3示意性地显示了本发明一实施方式的实现图2中的步骤S21的方法的流程图;
图4示意性地示出了本发明一实施方式的实现图1中的步骤S12的方法的流程图;
图5示意性地示出了本发明一实施例的实现图4中的步骤S40的方法的流程图;
图6示意性地示出了本发明一实施例的对第一种子栅格执行道路属性传播计算的方法的流程图;
图7示意性地示出了本发明一实施例的对相应的第二种子栅格进行栅格道路化的方法的流程图;
图8示意性地示出了本发明另一实施方式的实现图1中的步骤S12的方法的流程图;
图9示意性地显示了本发明一实施例的实现图8中的步骤S42的方法流程图;
图10示意性地示出了本发明一实施例的可通行区域检测装置的原理框图;
图11为本发明另一实施方式的可通行区域检测装置的原理框图;
图12为本发明又一实施方式的可通行区域检测装置的原理框图;
图13为本发明再一实施方式的可通行区域检测装置的原理框图;
图14为本发明再一实施方式的可通行区域检测装置的原理框图;
图15为本发明一实施方式的移动工具的原理框图;
图16为本发明的可通行区域检测装置的一实施例的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、元件、数据结构等等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
在本发明中,“模块”、“装置”、“系统”等指应用于计算机的相关实体,如硬件、硬件和软件的组合、软件或执行中的软件等。详细地说,例如,元件可以、但不限于是运行于处理器的过程、处理器、对象、可执行元件、执行线程、程序和/或计算机。还有,运行于服务器上的应用程序或脚本程序、服务器都可以是元件。一个或多个元件可在执行的过程和/或线程中,并且元件可以在一台计算机上本地化和/或分布在两台或多台计算机之间,并可以由各种计算机可读介质运行。元件还可以根据具有一个或多个数据包的信号,例如,来自一个与本地系统、分布式系统中另一元件交互的,和/或在因特网的网络通过信号与其它系统交互的数据的信号通过本地和/或远程过程来进行通信。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”,不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本发明实施例中的可通行区域检测方法可以应用在可通行区域检测装置中,以使得用户或智能移动平台能够利用可通行区域检测装置来获取可通行区域,以控制智能移动平台根据该可通行区域执行相应的行驶动作。这些可通行区域检测装置例如包括但不限于自动驾驶车辆上的检测器、智能平板、个人PC、计算机、云端服务器等。特别地,本发明实施例中的可通行区域检测方法还可以应用在自动驾驶车辆、无人清洁车、无人扫地车、扫地机器人、机器人、半自主驾驶设备等智能移动平台上,本发明对此不作限定。
图1示意性地显示了根据本发明一实施方式的可通行区域检测方法,该方法的执行主体可以为自动驾驶车辆上的检测器或控制器,也可以为智能平板、个人PC、计算机、云端服务器等可通行区域检测装置的处理器,还可以为诸如无人清洁车、无人扫地车、扫地机器人、自动驾驶车辆、半自动驾驶设备等智能移动平台的处理器,本发明实施例不对此进行限制。本发明实施例优选以执行主体为智能移动平台上的处理器为例进行详细阐述。如图1所示,本发明实施例的方法包括:
步骤S10:获取第一参数信息和第二参数信息,其中,第一参数信息包括点云数据,第二参数信息包括智能移动平台的定位数据;
步骤S11:根据所述第一参数信息和第二参数信息确定目标区域对应的栅格地图中的每个栅格在当前帧下的栅格属性;
步骤S12:根据各个栅格在当前帧下的栅格属性确定目标区域中的可通行区域,并输出标记有所述可通行区域的目标区域地图。
其中,在步骤S10中,获取的点云数据可以是激光雷达的点云数据,也可以是所有能够得到类似3D数据的传感器的点云数据,如RGBD摄像头提供的3D点云数据等。优选地,本发明实施例在步骤S10中获取的点云数据无需结构化,其由激光雷达传感器、诸如RGBD摄像头等能够提供3D点云数据的双目视觉传感器或者其他组合方案传感器的点云数据组成,如可以是由一个或多个激光雷达的点云数据组成,也可以是由不同传感器的3D点云数据组成。作为一种优选实现例,点云数据是指通过激光雷达传感器、RGBD摄像头等能够提供3D点云数据的双目视觉传感器或者其他组合方案传感器获得的周围环境中的信息数据,其至少包括一系列三维坐标(本发明实施例称之为点云坐标),当然也可以进一步包括一些其他信息,如反射率或者颜色等辅助信息。还需要说明的是,步骤S10中获取的点云数据是已经完成标定过程的激光雷达点云或传感器的3D点云,即其包括的点云坐标是相对自车原点的坐标。其中,以智能移动平台为自动驾驶车辆为例,自车是指获取点云数据的传感器所在的自动驾驶车辆。在其他应用场景下自车也可以是指获取点云数据的传感器所在的其他智能移动平台,如半自动驾驶设备,机器人,扫地机等。
作为一种优选实施例,智能移动平台的定位数据包括对自车绝对位置和航向的定位结果,其可以是来自智能移动平台上的定位模块或其他前置模块(如感知模块)。
优选地,本发明实施例为每个栅格定义的栅格属性包括栅格坐标和栅格状态。示例性地,本发明实施例为每个栅格定义有三个基本状态:道路栅格、障碍物栅格和未知栅格。其中,在进行栅格属性的定义和判断时,既可以仅考虑单帧数据,也可以同时考虑多帧数据。为了实现通过多帧数据对环境中的可通行区域进行全覆盖检测,提高检测的覆盖率和准确率,本发明优选实施例中是同时考虑多帧数据进行栅格属性的定义和判断的。需要说明的是,在本发明实施例中,每一帧的概念是与感知模块感知到数据的单位和方式相一致的,即感知模块是每次感知到一帧的感知数据(如图像数据),并以此作为后续处理的基础的。以感知数据为本发明实施例的第一参数信息和第二参数信息为例,本发明实施例每次从感知模块获取到一帧的实时点云数据和从定位模块获取一帧的实时定位数据作为当前帧的输入参数,并基于该当前帧的输入参数进行可通行区域检测处理,而之前获取到的输入参数就会成为历史帧的输入参数,因此,相应地,就可以根据不同帧的输入参数确定出不同帧下的栅格属性,由此形成的栅格属性记录中就包括有各历史帧的栅格属性和当前帧的栅格属性。其中栅格属性记录中包括的历史帧的栅格属性的数量,即保留的历史帧的帧数,可以根据需求进行调整,例如仅包括当前帧之前的次当前帧的栅格属性作为历史帧的栅格属性,也可以包括当前帧之前的次当前帧和次次当前帧的栅格属性分别作为相应历史帧的栅格属性,还可以包括当前帧之前的所有历史帧的栅格属性作为各历史帧的栅格属性,其在栅格属性记录中以帧为单位或以帧ID为标识分别进行单独存储。在其他实现例中,也可以将历史帧的数据进行累计,即将历史帧的累计结果作为历史帧的栅格属性,本发明实施例对此不进行限制。
以栅格属性记录中包括有各历史帧的栅格属性和当前帧的栅格属性,即每一帧都分别对应了相应帧的栅格属性为例,本发明实施例的未知栅格可以定义为仅指过去到现在均没有足够数量点云输入的栅格,即各历史帧中和当前帧下该栅格对应的点云数量均不满足第一预设值就被确定为未知栅格;道路栅格可以定义为指过去或现在有过足够数量的点云且点云分布符合道路栅格属性的栅格,即各历史帧和当前帧中只要某一帧下该栅格对应的点云数量满足第一预设值且点云分布符合第一预设条件就被确定为道路栅格;障碍物栅格可以定义为过去或现在有过点云数量超过最低阈值且点云分布符合障碍物栅格属性的栅格,即各历史帧和当前帧中只要某一帧下该栅格对应的点云数量满足第一预设值且点云分布符合第二预设条件就被确定为障碍物栅格。以此为例,图2示意性地显示了本发明一种实施方式的实现步骤S11的方法过程。如图2所示,根据所述第一参数信息和第二参数信息确定目标区域对应的栅格地图中的每个栅格在当前帧下的栅格属性具体可以实现为包括以下步骤:
步骤S20:根据所述第一参数信息的获取时间确定与当前帧的第一参数信息对应的第二参数信息,并根据确定的第二参数信息对每个栅格在当前帧下的栅格坐标进行更新;
步骤S21:根据当前帧的第一参数信息确定栅格坐标更新后的每个栅格对应的最新栅格状态;
步骤S22:根据各栅格的栅格坐标更新前的栅格状态和所述最新栅格状态确定各栅格的在当前帧下的栅格状态。
本发明实施例通过步骤S20实现对当前帧的栅格属性中的栅格坐标的更新,通过步骤S21和步骤S22实现对当前帧的栅格属性中的栅格状态的更新。在其他实施例中,在进行了当前帧的栅格属性的更新之后,还会将历史帧的栅格属性也进行保存,以形成包括历史帧的栅格属性和当前帧的栅格属性的栅格属性记录。当然,在其他实施例中,也可以是在进行当前帧的栅格状态和栅格坐标更新时,就相应保存历史帧的栅格状态和栅格坐标,并且栅格状态和栅格坐标的更新顺序可以没有先后之分。
其中,在本发明优选实施例中,步骤S20中的栅格坐标更新是指随着自车的运动,根据第二参数信息中的自车定位数据,将以前的栅格更新到当前自车位置对应的栅格;而在步骤S21和步骤S22中的栅格状态更新则是指根据历史帧和当前最新帧数据确定出的栅格最新栅格状态来更新当前帧对应的栅格状态。在实际应用中,由于第一参数信息来自感知数据,而第二参数信息来自定位数据,感知和定位模块可以由两个完全不同的模块来驱动和实现,因而第一参数信息和第二参数信息的获取过程可能是相对独立的,因此,为了保证对栅格状态的更新的效率更高,本发明优选实施例下是在获取到定位数据和感知数据时,在根据第一参数信息对栅格状态进行更新处理之前,首先根据获取到感知数据时对应时刻的定位数据,即与第一参数信息的获取时间相对应的时刻的第二参数信息,对栅格的定位进行更新,以确保栅格状态的判断和更新是有意义的且是高效的,避免无效或错误的栅格状态更新。其中,对栅格的定位的更新可以是包括对当前帧的栅格坐标的更新和对历史帧的栅格坐标进行关联存储,以形成各个栅格对应的栅格坐标记录;在一些实施方式中,对栅格的定位的更新也可以仅指对当前帧的栅格坐标的更新。
具体地,作为一种优选实施例,在步骤S21中,可以通过确定出点云与栅格之间的对应关系,并根据点云与栅格的对应关系生成各栅格的点云特征数据,之后根据各栅格的点云特征数据确定每个栅格的最新栅格状态。图3示意性地显示了该实施方式的方法流程,如图3所示,其包括如下步骤:
步骤S30:确定出点云与栅格之间的对应关系;
步骤S31:根据点云与栅格的对应关系生成各栅格的点云特征数据;
步骤S32:根据各栅格的点云特征数据确定每个栅格的最新栅格状态。
在步骤S30中,确定点云与栅格之间的对应关系可以实现为是对第一参数信息中的所有点云数据进行遍历,在遍历过程中,首先根据每个点云数据中的点云坐标和预设的栅格参数确定出各个点云在目标区域对应的栅格地图中的投影坐标,然后将各个点云的投影坐标与更新后的各个栅格的栅格坐标进行比对,以匹配出每个点云对应的栅格。其中,栅格参数可以在初始化阶段进行预先设置,示例性地,其可以包括对激光雷达或传感器等感知到的目标区域进行栅格化过程中设置的栅格尺寸和总栅格范围,由此,根据点云坐标和栅格尺寸及总栅格范围就可以确定该点云投影到的栅格范围,从而确定出点云在目标区域对应的栅格地图中的投影坐标。将点云投影到目标区域对应的栅格地图、以及根据栅格参数对目标区域进行栅格化以形成目标区域对应的栅格地图的具体实现过程,可以参照现有技术,在此不再赘述。
在步骤S31中,根据点云与栅格的对应关系生成各栅格的点云特征数据可以实现为是将点云数据中的点云高度信息输入到该点云对应的栅格中,并在遍历完当前帧即当前获取的第一参数信息中的所有点云时,对每个栅格中输入的点云高度信息分别进行统计,以得到每个栅格的点云特征数据。其中,点云特征数据的具体内容可以根据需求进行设置和统计。示例性地,点云特征数据可以实现为包括各栅格对应的点云数量和各栅格对应的统计特征量。统计特征量主要是指能够用于表征栅格状态的统计数据,其可以是基于向每个栅格输入的点云高度信息统计得到,也可以是基于与栅格对应的点云数量和向栅格输入的点云高度信息共同统计得到。示例性地,其可以是包括但不限于栅格高度、栅格最低高度、栅格最大高度、栅格方差等。其中,栅格高度是指每个栅格中输入的点云高度信息的平均值,即每个栅格中输入的点云高度信息累计后与该栅格输入的点云数量进行除法运算得到;栅格最低高度是指每个栅格中输入的点云高度信息中的最低点云高度,即是将各栅格中的高度最低的点云的高度作为该栅格的最低高度;栅格最大高度是指每个栅格中输入的点云高度信息中的最大点云高度,即是将各栅格中的高度最高的点云的高度作为该栅格的最大高度;栅格方差是指每个栅格内的点云分布方差,其可以用于衡量每个栅格对应的点云在该栅格内的离散度。
在本发明的优选实施例中,点云特征数据实现为包括各栅格对应的当前帧的点云数量及各栅格对应的统计特征量,统计特征量包括栅格高度、栅格高度差、栅格方差和与邻域内已被判定为道路栅格的栅格高度差。其中,各栅格对应的当前帧的点云数量是通过在当前帧的第一参数信息下统计每个栅格对应的点云数量得到,而对统计特征量的统计则可以是针对当前帧下输入的点云高度信息的统计,也可以根据输入的所有历史帧和当前帧的点云高度信息进行累计统计得到。以点云特征数据包括各栅格对应的当前帧的点云数量和当前帧下各栅格对应的统计特征量为例,在步骤S32中,根据各栅格的点云特征数据确定每个栅格的最新栅格状态具体可以实现为包括:遍历目标区域中的所有栅格,并在遍历过程中针对每个栅格,根据对栅格基本状态的定义来判断各栅格的最新栅格状态。示例性地,以前文描述的基本状态定义为例,可以在遍历过程中针对每个栅格,判断当前栅格的当前帧的点云数量,在当前帧的点云数量均未达到第一预设值时,将相应栅格的最新栅格状态确定为未知栅格;在当前帧的点云数量达到第一预设值且栅格对应的统计特征量满足第一预设条件时,将相应栅格的最新栅格状态确定为道路栅格;在当前帧的点云数量达到第一预设值,且栅格对应的统计特征量满足第二预设条件时,将相应栅格的最新栅格状态确定为障碍物栅格。其中,第一预设值、第一预设条件和第二预设条件可以根据经验值和需求进行设置和调整,示例性地,第一预设条件可以设置为栅格高度差小于设定阈值、栅格方差小于设定阈值、且栅格高度与邻域内已被判定为道路栅格的栅格高度相差小于设定阈值,第二预设条件可以设置为栅格高度差和栅格方差均超过设定阈值。
在其他实施例中,根据各栅格的点云特征数据确定每个栅格的最新栅格状态,还可以同时参考历史帧和当前帧的点云数量及各栅格对应的统计特征量。这种情况下,点云特征数据还可以实现为包括各栅格对应的各历史帧和当前帧的点云数量和各栅格对应的统计特征量。其中,各栅格对应的各历史帧和当前帧的点云数量是通过在每一帧的第一参数信息下分别统计每个栅格对应的点云数量得到,包括了当前帧和之前每一历史帧下各栅格对应的点云数量。以点云特征数据包括各栅格对应的各历史帧和当前帧的点云数量和当前帧下各栅格对应的统计特征量为例,在这种场景下,在步骤S32中,根据各栅格的点云特征数据确定每个栅格的当前帧的栅格状态具体可以实现为包括:遍历目标区域中的所有栅格,并在遍历过程中针对每个栅格,根据对栅格基本状态的定义来判断栅格状态。示例性地,以前文描述的基本状态定义为例,可以在遍历过程中针对每个栅格,判断当前栅格的各历史帧和当前帧的点云数量,在各历史帧和当前帧的点云数量均未达到第一预设值时,将相应栅格的栅格状态确定为未知栅格;在各历史帧和当前帧的点云数量中任一帧的点云数量达到第一预设值且栅格对应的统计特征量满足第一预设条件时,将相应栅格的栅格状态确定为道路栅格;在各历史帧和当前帧的点云数量中任一帧的点云数量达到第一预设值,且栅格对应的统计特征量满足第二预设条件时,将相应栅格的栅格状态确定为障碍物栅格。
作为一种优选实施例,由于本发明实施例的第一预设值是用来区分未知栅格和其他栅格状态的前提,因而在设置第一预设值时可以同时考虑栅格尺寸和点云密度,以保证较高的检测覆盖率,优选地,本发明实施例将第一预设值设置为在相应栅格的最大噪点数目的基础上上浮约80%,即第一预设值=栅格最大噪点数目+80%*最大噪点数目。如在栅格尺寸为0.2x0.2米的情况下,噪点数量一般不超过三个,该尺寸的栅格的最大噪点数目就为3,相应地在最大噪点数目基础上增加约80%作为第一预设值,就可以得到该种尺寸的栅格对应的第一预设值设置为5比较恰当。由此,既可以避免使得第一预设值设置的太小而不具备统计意义,又可以避免将第一预设值设置的太大而难以对点云稀疏的区域及时检出。
由于对于障碍物栅格来说,一般点云数量达到或超过栅格最大噪点数目且点云分布不完全是平面的栅格即可认为是障碍物栅格,因此,在其他实施例中,也可以将第一预设值设置为与最大噪点数目相同,即将第一预设值设置为栅格的最大噪点数目,以作为障碍物栅格判断的最低阈值标准,由此能够更准确地检测出障碍物栅格,避免障碍物栅格的漏检。
相应地,由于栅格高度差、栅格方差和栅格高度与邻域内已被判定为道路栅格的栅格的高度差,这三个值的大小与道路栅格属性特征具有较高的关联度,因而在栅格的点云数量足够多的情况下,可以通过对这三个值的判断来识别道路栅格。考虑这三个值与道路属性栅格的关联关系,即这三个值越大,对道路的不平整度要求越不严格,越容易将道路识别为道路栅格;而如果上述三个值过大,可能将低矮的路沿或其他小障碍物也识别为道路,从而发生危险,因此,本发明实施例优选设置第一预设条件对这三个值进行判断,以更准确识别道路栅格。示例性,可以将第一预设条件中对这三个值的判断阈值设置为与栅格尺寸相关,继续以栅格尺寸为0.2x0.2米为例,在铺装路面时,可以设置第一预设条件中的栅格高度差阈值为0.2m,栅格方差阈值为0.01m,栅格高度与邻域内已被判定为道路栅格的栅格的高度差的阈值为0.1m,由此以提高对道路栅格识别的准确性。根据前文定义的栅格状态,即一个栅格的基本状态被划分为未知栅格、道路栅格和障碍物栅格三类,基于此,本发明实施例优选将点云数量不足的栅格确定为未知栅格,而对于点云数量满足第一预设值的,则继续根据第一预设条件和第二预设条件进行障碍物栅格和道路栅格的区分,基于此,为了确保一个栅格只有未知栅格(数量不足)、道路栅格和障碍物栅格三种状态,可以将第二预设条件设置为第一预设条件的反向,即第二预设条件设置为具有与第一预设条件相同的阈值,但判定标准是相反的,如第一预设条件是各个参数小于阈值,而第二预设条件则是各参数超出阈值,以使得障碍物栅格和道路栅格这两种状态是互斥的,由此,判断出的栅格状态就只能是未知栅格(数量不足)、道路栅格和障碍物栅格三种状态中的一种,能够全面覆盖和精准检测不同的栅格状态。
在确定出各个栅格的最新栅格状态之后,作为本发明一种优选实施例,在步骤S22中,可以根据各个栅格的最新栅格状态与历史帧的栅格状态来共同确定出各个栅格的当前帧的栅格状态,并对各个栅格的当前帧的栅格状态进行更新。其中,需要说明的是,在接收到当前帧的第一参数信息和第二参数信息时,当前帧之前的栅格属性即成为历史帧的栅格属性,即历史帧的栅格状态包括了当前帧的第一参数信息和第二参数信息之前的至少一帧第一参数信息和第二参数信息对应的栅格状态。
在本发明的其中一个实施例中,根据各个栅格的最新栅格状态与历史帧的栅格状态来共同确定出各个栅格的当前帧的栅格状态示例性地可以实现为是将各个栅格的最新栅格状态与该栅格的栅格坐标更新前的栅格状态进行对比(即在对当前帧的栅格状态进行更新之前,先将基于当前帧的参数信息得到的最新栅格状态与当前帧之前的一帧参数信息对应的栅格状态进行对比,以根据对比结果来更新当前帧的栅格状态),选取最优结果作为当前帧的栅格状态。示例性地,以将各个栅格的最新栅格状态与该栅格的栅格坐标更新前的栅格状态进行对比,选取最优结果作为当前帧的栅格状态为例,以下将对当前帧的栅格状态的确定过程进行详细说明。以当前帧为第n帧第一参数信息和第二参数信息,当前帧之前的一帧参数信息为第n-1帧的第一参数信息和第二参数信息为例,在接收到当前帧的第一参数信息和第二参数信息时,会根据第n帧的第一参数信息和第二参数信息对栅格坐标进行更新以及确定出第n帧参数信息对应的各栅格的最新栅格状态,而在接收到当前帧的第一参数信息和第二参数信息时,由于各栅格已经存在了一个基于第n-1帧的参数信息确定的栅格坐标和栅格状态,因此,本发明实施例优选将第n帧参数信息对应的各栅格的最新栅格状态与第n-1帧参数信息对应的各栅格的栅格状态进行比较,以选取最优结果作为相应栅格的当前帧即第n帧的栅格状态。其中,将第n帧参数信息对应的各栅格的最新栅格状态与第n-1帧参数信息对应的各栅格的栅格状态进行比较时,将会根据栅格坐标的更新情况来保证比较对象的一致性,如对栅格x,其在第n-1帧参数信息下的栅格坐标为(xn-1,yn-1),在第n帧参数信息下的栅格坐标为(xn,yn),因此在进行比较时,是将第n-1帧参数信息下的栅格坐标为(xn-1,yn-1)的栅格的栅格状态(本发明实施例称之为栅格坐标更新前的栅格状态)与在第n帧参数信息下的栅格坐标为(xn,yn)的栅格的栅格状态(本发明实施例称之为栅格坐标更新后的最新栅格状态)进行比较,以保证是对不同帧下的同一栅格的栅格状态进行比较,以确定出该栅格在当前帧下的栅格状态。其中,选取最优结果作为当前帧的栅格状态具体可以实现为是:根据比较结果,在栅格坐标更新前的栅格状态和确定出的最新栅格状态一致时,直接选择最新栅格状态作为当前帧的栅格状态,将各栅格的当前帧的栅格状态更新为确定出的该栅格的最新栅格状态;而在栅格坐标更新前的栅格状态和确定出的最新栅格状态不一致时,则根据预设的策略确定当前帧的栅格状态。其中,预设的策略可以根据需求进行设置。示例性地,预设的策略可以为基于滞后比较法的策略、基于贝叶斯概率估计法的策略、基于DS证据理论法的策略等,本发明实施例对此不进行限制。
以预设的策略为基于滞后比较法的策略为例,基于滞后比较法的策略确定当前帧的栅格状态具体可以为从最新栅格状态和栅格坐标更新前的栅格状态中,选取更符合相应栅格的点云特征数据的发展趋势的栅格状态作为当前帧的栅格状态。示例性地,以最新栅格状态为障碍物栅格,栅格坐标更新前的栅格状态为道路栅格为例,分别根据障碍物栅格和道路栅格的判定条件,如果障碍物栅格对应的点云特征数据更满足第一预设值和第二预设条件,则说明该栅格的点云数据更符合障碍物栅格这一栅格状态的发展趋势,此时选取最新栅格状态即障碍物栅格作为当前帧的栅格状态。其中,更符合相应栅格的点云特征数据的发展趋势的栅格状态是指该栅格的相应帧的点云特征数据更满足相应栅格状态的判定条件,即当该栅格状态的判定条件为大于某些参数阈值时,该栅格的相应帧下的点云特征数据更大于判定条件中给出的阈值,而当该栅格状态的判定条件为小于某些参数阈值时,该栅格的相应帧下的点云特征数据更小于判定条件中给出的阈值,例如,对于最新栅格状态为障碍物栅格而栅格坐标更新前的栅格状态为道路栅格的情况,如果障碍物栅格对应的点云特征数据与第二预设条件中的阈值参数的差距大于道路栅格的点云特征数据与第一预设条件中的阈值参数的差距,则说明障碍物栅格的点云特征数据更符合该栅格的状态趋势,因此会选取点云数据特征更符合栅格状态变化趋势的最新栅格状态作为当前帧的栅格状态。以前文定义的栅格状态为例,第一预设条件和第二预设条件中的阈值参数可以是栅格高度差阈值、栅格方差阈值和栅格高度与邻域内已被判定为道路栅格的栅格的高度差阈值,第一预设值的阈值参数可以是第一预设值的取值。
以预设的策略为基于贝叶斯概率估计法的策略为例,基于贝叶斯概率估计法的策略确定当前帧的栅格状态具体可以为在确定每一帧下各个栅格的栅格状态时,还根据各个栅格在相应帧下的点云特征数据为每个栅格设置一个可通行属性概率值,由此,根据每次获取到的第一参数信息和第二参数信息,就可以确定出每一帧下各个栅格的可通行属性概率值,而在确定出最新栅格状态后,则是根据贝叶斯公式和各个栅格的截止当前帧的所有帧下的历史可通行属性概率值对当前帧下各个栅格的可通行属性概率值进行更新,并根据更新后的可通行属性概率值来确定当前帧的栅格状态,如在判断更新后的可通行属性概率值超过50%时,将该栅格的当前帧的栅格状态确定为道路栅格,否则将该栅格的当前帧的栅格状态确定为障碍物栅格。特别地,对于未知栅格由于其没有足够的点云来做出栅格状态判断,因此,对于未知栅格可以根据点云数量将其可通行属性概率值赋值为0,由此,当栅格的可通行属性概率值为0时,即将该栅格的当前帧的栅格状态确定为未知栅格。
以预设的策略为基于DS证据理论法的策略为例,基于DS证据理论法的策略确定当前帧的栅格状态具体可以为在确定每一帧下各个栅格的栅格状态时,还根据各个栅格在相应帧下的点云特征数据为每个栅格设置不同的置信等级,由此,根据每次获取到的第一参数信息和第二参数信息,就可以确定出每一帧下各个栅格的栅格状态及其对应的置信等级,而在确定出最新栅格状态后,则是根据最新栅格状状态和其置信等级,以及栅格坐标更新前的栅格状态和其置信等级,通过设置好的经验公式进行投票以选择最佳结果作为当前帧的栅格状态。
由此,本发明实施例就能够同时利用当前帧和历史帧的点云数据及栅格状态进行当前帧的栅格状态确定和更新,实现了利用历史信息对点云线束之间的栅格进行补充,提高可通行区域检测和判断的覆盖率。
在步骤S20中,可以根据第二参数信息提供的自车定位数据,如绝对位置和航向,来计算出位置变化后栅格的新坐标。其具体实现方式可以根据现有技术中自车与栅格地图的投影关系和选用的坐标系来实现,故在此不再赘述。通过计算出每个栅格的新坐标,即可对每个栅格进行栅格坐标的更新,以使得能够根据新的栅格坐标来确定点云与栅格的对应关系和对栅格进行点云高度信息输入,并进而统计出栅格的点云特征数据。
另外,在对栅格的栅格状态和栅格坐标进行更新后(或更新前或同时),本发明实施例还将历史帧的栅格状态(在一些实施例中还可以包括栅格状态对应的置信等级或可通行属性概率值等)和栅格坐标进行保存,以使得能够结合历史信息对当前帧的栅格状态进行确定和更新,通过参考历史信息能够实现对点云线束之间的栅格进行补充,提高可通行区域检测的覆盖率和完整性。
在经过栅格状态和栅格坐标更新后,在步骤S12中,本发明实施例优选根据更新后的栅格状态和栅格坐标来确定可通行区域,即优选实现为是根据每个栅格的当前帧的栅格属性来确定目标区域中的可通行区域。具体地,其可以是通过基于各个栅格在当前帧下的栅格状态在目标区域对应的栅格地图中进行道路属性传播计算实现。
优选地,图4示意性地显示了本发明一优选实施例的步骤S12的具体处理流程,如图4所示,步骤S12可以实现为是包括如下步骤:
步骤S40:根据各个栅格在当前帧下的栅格状态在所述目标区域对应的栅格地图中进行道路属性传播计算,标记出目标区域中的道路栅格;
步骤S41:根据标记出的道路栅格确定出目标区域中的可通行区域。
作为一种优选实施例,在步骤S40中,本发明实施例是通过在目标区域中进行搜索遍历和栅格状态确认来进行道路属性传播计算。示例性地,本发明实施例在目标区域中的搜索遍历可以实现为包括:将智能移动平台(如为自动驾驶车辆时为自车)所覆盖的栅格设置为初始栅格,以初始栅格为种子,对目标区域中的其他栅格进行遍历搜索,在遍历搜索过程中进行当前帧下的栅格状态的判断,并根据判断结果来搜索并标记出目标区域中的所有道路栅格。其中,图5示意性地显示了一种实施方式的对步骤S40的具体实现过程,如图5所示,步骤S40具体可以实现为包括如下步骤:
步骤S401:初始化形成道路栅格队列,其中,初始化形成的道路栅格队列中包括至少一个用作道路属性传播计算的传播种子的栅格;
步骤S402:依次从道路栅格队列中获取一个栅格作为第一种子栅格,根据各个栅格在当前帧下的栅格状态对当前获取的第一种子栅格执行道路属性传播计算,标记出经由依次获取的各个第一种子栅格的道路属性传播计算确定出的道路栅格。
其中,在步骤S401,对道路栅格队列的初始化示例性地可以实现为是基于智能移动平台自身覆盖的区域来初始化道路栅格队列,如将智能移动平台自身覆盖的栅格设置为初始的用作道路属性传播计算的传播种子的栅格,并将其放入道路栅格队列中。在本发明实施例中,道路属性传播计算优选是利用形成的道路栅格队列中的栅格作为种子来进行道路栅格属性的传播的。优选地,在初始化时,将智能移动平台自身覆盖的栅格设置为初始的用作道路属性传播计算的传播种子的栅格具体是指通过初始化将智能移动平台覆盖的栅格的栅格状态设置为道路栅格并将这些栅格的栅格高度设置为零。由此,经过初始化,道路栅格队列中并形成了具有道路属性的栅格,且这些栅格是被智能移动平台自身覆盖的栅格,其道路属性具有较高的确定性,因而利用这些栅格进行道路属性传播计算,不但能够实现对目标区域的全面覆盖,而且道路属性的传播也更具可靠性。需要说明的是,本发明实施例中的道路栅格队列是用于执行道路属性传播计算的基础,其中存放的均是确定具有道路属性的栅格,在传播计算时可以基于道路栅格队列中的道路栅格进行道路属性的传播,因而,在具体的道路属性传播计算过程中,可以以道路栅格队列中的栅格作为传播的种子。
在步骤S402的中,可以通过遍历道路栅格队列来分别利用道路栅格队列中的每一个栅格进行道路属性传播计算。具体地,可以实现为是循环执行以下过程直至栅格道路队列为空:判断道路栅格队列是否为空,在道路栅格队列不为空时,取出一个栅格作为第一种子栅格,并在当前帧下的栅格状态对当前获取的第一种子栅格执行道路属性传播计算,标记出道路栅格。而在判断道路栅格队列为空时,则结束对整个目标区域中的栅格的遍历搜索过程,即完成对目标区域对应的栅格地图的道路属性传播计算。
其中,对于取出的第一种子栅格执行的道路属性传播计算可以基于邻域搜索实现,图6示意性显示了基于邻域搜索的方式对第一种子栅格执行道路属性传播计算并标记出道路栅格的具体实现过程,参照图6所示,其可以实现为包括:
步骤S601:确定当前第一种子栅格的第一组传播栅格,根据所述第一组传播栅格的栅格状态,在第一组传播栅格中存在障碍物栅格时,结束对当前第一种子栅格的道路属性传播计算;
步骤S602:在第一组传播栅格中不存在障碍物栅格时,将第一组传播栅格中的未知栅格的栅格高度标记为第一种子栅格的高度,并对第一组传播栅格中的各个栅格分别进行道路属性传播计算,标记出经由第一组传播栅格中的各个栅格的道路属性传播计算确定出的道路栅格。
在步骤S601中,为当前第一种子栅格确定出的第一组传播栅格是基于邻域搜索的原则确定的。示例性地,第一组传播栅格可以被确定为是第一种子栅格的周围一定范围内的栅格,如以第一种子栅格为圆心的半径R范围内的栅格,周围一定范围即是指对第一种子栅格的邻域搜索的范围,其具体指代的搜索范围可以根据需求自定义设置,本发明实施例对此不进行限制。在判断第一组传播栅格中是否存在障碍物栅格时,具体是根据第一组传播栅格中包含的各个栅格的当前帧的栅格状态进行判断的。由于在实际场景中,如果某一栅格的一定范围的邻域内存在障碍物栅格,那么就很难形成可通行区域,因此,本发明实施例在判断第一种子栅格的周围一定范围内存在障碍物栅格时,即停止对当前的第一种子栅格的道路属性的传播,以使得最终形成的可通行区域是准确的、可靠的。
更优地,在实际应用中,由于对于线束较小的雷达只能检测出非常近距离的一块道路的属性,远一点的地方则会因为线束之间的盲区原因而无法确定其可通行属性,因此,为了实现更高的检测覆盖率和避免对线束盲区的漏检,如果判断不存在障碍物栅格,本发明实施例在进行道路传播计算时,除了对道路栅格进行检测和传播之外,还会将地面高度透过附近没有障碍物的未知栅格进行更远的传播,因此,在步骤S602中,还首先在第一组传播栅格中不存在障碍物栅格时,将第一组传播栅格中的未知栅格的栅格高度标记为第一种子栅格的高度,之后再对第一组传播栅格中的所有栅格均进行道路属性传播计算。由此,本发明实施例不但会对道路属性的第一种子栅格的邻域内的道路栅格进行道路传播,还会通过未知栅格传播地面高度,以将栅格的道路属性传播的尽可能远,并进一步扩大整体的可检测范围,这样以来,即使是线束较小的雷达也能基于道路属性传播,实现对更大更远范围的道路可通行属性的检测和覆盖,降低了对雷达扫描线束特点的要求和依赖,适用场景更广泛,检测准确率也更高。
在本发明的一种实施方式中,针对第一组传播栅格中的各个栅格分别进行道路属性传播计算,标记出经由第一组传播栅格中的各个栅格的道路属性传播计算确定出的道路栅格具体可以实现为是通过对第一组传播栅格中的各个栅格进行栅格道路化实现,其具体可以实现为包括:依次从第一组传播栅格中获取一个栅格作为第二种子栅格,确定各第二种子栅格的第二组传播栅格,根据各个第二种子栅格的第二组传播栅格中各个栅格的栅格状态对相应的第二种子栅格进行栅格道路化,标记出经由栅格道路化确定出的栅格状态为道路栅格的第二种子栅格。其中,在优选实施方式中,确定出的第二种子栅格的第二组传播栅格是指各个第二种子栅格的邻接栅格,以矩形栅格为例,每个栅格的邻接栅格为与该栅格紧挨着的共用其中一条边的四个周围栅格。在本发明实施例中的栅格道路化是指将第二种子栅格的栅格状态确认为是道路栅格的过程。由此,本发明实施例在确认栅格的可通行属性的过程中,除了考虑栅格对应每一帧的第一参数信息和第二参数信息之外,还考虑了邻接栅格的栅格属性,因而确定出的栅格状态准确性更高,且还能够实现对可通行区域的检测,并且检测出的可通行区域更加精准,可靠性更高。
图7示意性地显示了本发明一实施方式的对相应的第二种子栅格进行栅格道路化以标记出经由栅格道路化确定出的栅格状态为道路栅格的第二种子栅格的具体实现过程,如图7所示,其具体可以实现为包括:
步骤S701:根据第二组传播栅格中各个栅格的栅格状态,判断第二组传播栅格中是否存在道路栅格,若存在,进行步骤S702,否则,即若第二组传播栅格中不存在道路栅格,则进行步骤S703;
步骤S702:根据第二组传播栅格中的道路栅格对相应的第二种子栅格进行道路属性确认,在确定相应的第二种子栅格为道路栅格时,在目标区域对应的栅格地图中将该第二种子栅格对应的栅格标记为道路栅格,并将该第二种子栅格加入所述道路栅格队列;
步骤S703:判断第二组传播栅格中是否存在标记有栅格高度的未知栅格,若是,进行步骤S704,否则,即若不存在标记有栅格高度的未知栅格,则进行步骤S705;
步骤S704:根据第二组传播栅格中的标记有栅格高度的未知栅格对相应的第二种子栅格进行道路属性确认,在确定相应的第二种子栅格为道路栅格时,在目标区域对应的栅格地图中将该第二种子栅格对应的栅格标记为道路栅格,并将该第二种子栅格加入所述道路栅格队列;
步骤S705:将当前第二种子栅格标记为障碍物栅格。
在本发明实施例中,如果在第二组传播栅格中存在道路栅格,则说明第二种子栅格的附近是存在道路栅格的,这种情况下,对于当前的第二种子栅格来说,就有了更准确的附近地面高度,因此可以基于该更准确的附近地面高度作为参照来进行第二种子栅格的栅格道路化,由此就可以实现对栅格的道路属性的临近传播。这种情况下,在步骤S702中,在根据第二组传播栅格中的道路栅格对相应的第二种子栅格进行道路属性确认时,具体可以实现为是以第二组传播栅格中的道路栅格作为第二种子栅格的邻域内已被判定为道路栅格的栅格,并基于此来判断第二种子栅格是否满足第一预设条件,如满足则认为该第二种子栅格为道路栅格,在目标区域对应的栅格地图中将该第二种子栅格对应的栅格标记为道路栅格,并将该第二种子栅格放入道路栅格队列以在后续搜索中作为道路传播计算的第一种子栅格使用。具体地,在判断第二种子栅格是否满足第一预设条件时,对于栅格高度差小于设定阈值和栅格方差小于设定阈值的判断,是将第二种子栅格的云特征数据中的栅格高度差和栅格方差与设定阈值进行比较,而对于栅格高度与邻域内已被判定为道路栅格的栅格高度相差小于设定阈值的判断,则是将第二种子栅格的栅格高度与确定出的第二种子栅格对应的第二组传播栅格中的道路栅格的栅格高度进行差值计算,并将该差值与设定阈值进行比较。
由于如果仅仅是对栅格的道路属性进行临近传播,则会存在由于扫描盲区或点云数量不足等而导致传播范围和路径会比较容易中断的问题,即无法实现远距离传播,这会导致对目标区域的搜索和通行性区域的检测很容易被中断,覆盖率会很低,进而会影响检测的效率和准确性。因此,如果判断第二种子栅格附近不存在道路栅格时,本发明实施例优选还基于未知栅格来实现跳转传播,以使得栅格的道路属性能够透过未知栅格传播的更远,从而使本发明实施例的针对可通行区域的检测方法的覆盖面更广、准确率更高。基于此,在步骤S703中,本发明实施例还会在第二组传播栅格中不存在道路栅格时,进一步判断第二组传播栅格中是否存在标记有栅格高度的未知栅格,其中,对未知栅格标记高度可以是通过步骤S401或步骤S602实现的,即标记有栅格高度的未知栅格是通过道路传播计算获得了传播过来的道路高度。相应地,在步骤S704中,本发明实施例是基于未知栅格的传播过来的道路高度来实现第二种子栅格的道路化。具体地,在步骤S704中是以第二组传播栅格中的标记有栅格高度的未知栅格作为第二种子栅格的邻域内已被判定为道路栅格的栅格,并基于此来判断第二种子栅格是否满足第一预设条件,如满足则认为该第二种子栅格为道路栅格,在目标区域对应的栅格地图中将该第二种子栅格对应的栅格标记为道路栅格,并将该第二种子栅格放入道路栅格队列以在后续搜索中作为道路传播计算的第一种子栅格使用。具体地,在判断第二种子栅格是否满足第一预设条件时,对于栅格高度差小于设定阈值和栅格方差小于设定阈值的判断,是将第二种子栅格的云特征数据中的栅格高度差和栅格方差与设定阈值进行比较,而对于栅格高度与邻域内已被判定为道路栅格的栅格高度相差小于设定阈值的判断,则是将第二种子栅格的栅格高度与确定出的第二种子栅格对应的第二组传播栅格中的标记有栅格高度的未知栅格的栅格高度进行差值计算,并将该差值与设定阈值进行比较。
在步骤S705中,如果判断第二种子栅格的附近不存在道路栅格,并且不存在标记有栅格高度的未知栅格,则即便是第二种子栅格满足第一预设条件,也不能判定为道路栅格,而是直接被判定为障碍物栅格。由此,本发明实施例的方法实现了以自车区域覆盖的栅格作为起点,并基于道路栅格队列中的种子栅格和各个栅格的当前帧的栅格状态来在目标区域中进行道路属性传播计算,以找到道路栅格,该传播过程每次均是始于自车覆盖区域,并同时包括了以道路栅格为媒介的临近传播和以未知栅格为媒介的跳转传播,因而传播距离更远,覆盖面积更广,能够全面覆盖相邻激光雷达线束之间的盲区,大幅提高了可通行区域检测的覆盖率。此外,本发明实施例在进行道路属性传播计算时,是透过种子栅格的邻域内或周围一定范围内的栅格进行道路属性传播的,因而对道路栅格和未知栅格的标记也是有临近距离限制的,可以通过设置第一组传播栅格和第二组传播栅格的范围来限制道路属性传播的距离,以达到使得道路属性传播计算能覆盖相邻的激光雷达线束为优选目标即可。
其中,需要说明的是,在步骤S701和步骤S703中确定出的道路栅格或标记有栅格高度的未知栅格的数量多于一个时,在步骤S702和步骤S704中即可以基于确定出的道路栅格或标记有栅格高度的未知栅格的平均栅格高度来确认第二种子栅格的道路属性,也可以基于确定出的任一道路栅格或标记有栅格高度的未知栅格的栅格高度来确认第二种子栅格的道路属性,还可以逐一与确定出的道路栅格或标记有栅格高度的未知栅格的栅格高度进行比较并在与每一道路栅格或标记有栅格高度的未知栅格的栅格高度差均满足第一预设条件时才将第二种子栅格确定为道路栅格,本发明实施例对此不进行限制。此外,可以理解的是,在对第二种子栅格进行第一预设条件的判断时,也可以对第二种子栅格采用其自身的栅格高度(在第二种子栅格为道路栅格时)或标记的栅格高度(在第二种子栅格为标记有栅格高度的未知栅格时)来进行第二预设条件的判断。
在目标区域中通过遍历搜索和上述道路属性传播计算之后,本发明实施例即可确定出目标区域中的所有道路栅格,并在目标区域对应的栅格地图中标记出所有的道路栅格,在步骤S41中,根据目标区域对应的栅格地图中标记出的所有道路栅格即可确定出目标区域中的可通行区域。其中,确定出的可通行区域是由道路栅格限定的最小的连通区域,即可通行区域是由道路栅格连通形成的最小连通区域。作为一种优选实施例,在步骤S41中,优选将自车所在的道路栅格的最小连通区域作为可通行区域进行标记输出。示例性地,对可通行区域的标记可以是为可通行区域绘制边界,并将其边界包围的连通区域以用于标识可通行道路属性的信息进行标记,如通过颜色或字样进行标记等。
图8示意性地显示了本发明另一优选实施例的步骤S12的具体处理流程,如图8所示,步骤S12可以实现为是在图4所示实施例的基础上还进一步包括如下步骤:
步骤S42:对确定出的可通行区域进行边界修正,并根据边界修正结果调整确定出目标区域中的可通行区域。
在步骤S42中,本发明实施例可以结合预设的初始化参数,如车辆长度、宽度以及转弯半径等预设参数,对确定出的可通行区域边界进行过滤,以删除可通行区域中细小的连接部分,得到修正的可通行区域。以使用初始化时设置的车辆宽度这一预设参数对确定出的可通行区域边界进行过滤为例,图9示意性地显示了本发明一优选实施例的步骤S42的具体处理流程,如图9所示,步骤S42可以实现为是包括如下步骤:
步骤S421:根据确定出的可通行区域生成目标区域对应的临时二值栅格图,其中,所述临时二值栅格图中标记有确定出的可通行区域且将确定出的可通行区域以外的区域标记为不可通行区域;
步骤S422:根据预生成的圆形过滤器对所述临时二值栅格图进行过滤,修正所述临时二值栅格图中的各栅格的栅格状态;
步骤S423:根据所述临时二值栅格图中的修正后的栅格状态调整确定出的所述目标区域中的可通行区域。
在步骤S421中的二值栅格图是指仅存在两种特征值的栅格图,在本发明实施例中的两种特征值是可通行属性和不可通行属性,以基于可通行区域来生成目标区域对应的临时二值栅格图为例,可通行属性是由道路栅格的栅格状态来体现,而不可通行属性则是由道路栅格之外的栅格状态来体现。由此,在步骤S421中生成的临时二值栅格图是指在目标区域对应的临时栅格地图中将可通行区域内的栅格全部设置为道路栅格,而将不在可通行区域内的的栅格均设为障碍物栅格,由此以在临时二值栅格图中将确定出的可通行区域标记出来并将可通行区域以外的区域均标记为不可通行区域。其中,需要说明的是,在本发明实施例中生成的临时二值栅格图是用来进行过滤以修正可通行区域边界的,其区别于最终输出的标记有可通行区域的目标区域地图。
在步骤S422中,具体地可以是根据预设的车辆宽度对过滤半径进行初始化以得到预生成的圆形过滤器。优选地,可以将过滤半径设置为与预设的车辆宽度相等,并根据设置的过滤半径R生成半径为R的圆形过滤器。如假设初始化过程中预设的车辆宽度为一米,则设置过滤半径R=1m,由此来形成圆形过滤器。其中,利用圆形过滤器对临时二值栅格图进行过滤,修正二值栅格图中的可通行区域边界优选可以实现为包括:使用圆形过滤器逐个遍历临时二值栅格图中的所有栅格,在每次遍历时对圆形过滤器范围内的所有栅格的栅格状态进行判断,并根据判断结果修正当前圆形过滤器所在位置对应的栅格的栅格状态,在遍历完成后,根据临时二值栅格图中修正后的所有栅格的栅格状态重新确定临时二值栅格图中的可通行区域边界。示例性地,其中,在每次遍历时,圆形过滤器所在位置是指圆形过滤器当前正在遍历的栅格的位置,如圆形过滤器在位置(x,y)时,其对应的就是正在遍历的栅格位置为(x,y)的栅格。圆形过滤器范围内的所有栅格是指在圆形过滤器的覆盖面积内的所有栅格。根据判断结果修正当前圆形过滤器所在位置对应的栅格的栅格状态具体可以实现为是:以圆形过滤器的坐标位置为(x,y)为例,如果圆形过滤器在位置(x,y)时,判断圆形过滤器范围内中所有栅格都为道路栅格,则在临时二值栅格图中将位置(x,y)的栅格的栅格状态修正标记为道路栅格,否则修正标记为障碍物栅格。由此,遍历完成即可生成过滤后的临时二值栅格图,在过滤后的临时二值栅格图中对所有栅格的栅格状态均进行了修正。
在步骤S423中,本发明实施例是根据临时二值栅格图中修正后的栅格状态来重新确定目标区域对应的由修正后的道路栅格限定的所有连通区域,并选取自车所在的那个由修正后的道路栅格限定的连通区域作为修正后的最终的可通行区域,即选取的自车所在的道路栅格限定的连通域为确定的可通行区域。在步骤S12中,输出的标记有可通行区域的目标区域地图中标记的即是修正后的可通行区域。作为一种优选实施例,在步骤S12中输出的目标区域地图也为目标区域对应的栅格地图,优选是标记有可通行区域和不可通行区域的二值栅格地图,即在步骤S12中可以基于步骤S423确定的栅格状态或前述道路属性传播计算的处理过程来在目标区域对应的二值栅格地图中将道路栅格标记为可通行区域,将其他的区域标记为不可通行区域,并输出标记有可通行区域的二值栅格地图。其中,输出的可通行区域可以仅是自车所在的道路栅格形成的连通域。在其他实施例中,生成并输出的标记有可通行区域的目标区域地图也可以是将道路栅格对应的位置标记为可通行区域的实时地图或三值栅格地图,当然也可以是在对目标区域栅格化形成的栅格地图中标记可通行区域以输出标记有可通行区域的栅格地图等,本发明实施例对此不进行限制,只要能够清楚标记和显示目标区域中的可通行区域即可。由此,本发明实施例还可以进一步对确定出的可通行区域边界进行过滤,删除可通行区域中细小的连接部分,保证确定出的可通行区域的合理性和准确性。
作为一种优选实施例,在步骤S40中,在目标区域中对栅格执行道路属性传播计算时,还会跳过一小部分的未知栅格,如会根据搜索到的栅格状态的变化来动态调整搜索范围,跳过栅格状态为未知栅格的栅格区域,以使得道路栅格属性能够被顺利传播到目标位置。具体地,可以实现为在对目标区域中的其他栅格进行道路属性传播计算时,如在对第一种子栅格执行道路属性传播计算的过程中,采用短距离跳过未知栅格的方式进行道路传播。更优地,本发明实施例是在第一组传播栅格中不存在障碍物栅格时,在将第一组传播栅格中的未知栅格的栅格高度标记为第一种子栅格的高度,并对第一组传播栅格中的各个栅格分别进行道路属性传播计算之前,即在将道路栅格的栅格高度传播给未知栅格之前,采用跳过预设距离的未知栅格的方式重新确定第一组传播栅格。
由于在获取点云数据时,根据不同雷达或传感器等感知模块的安装位置和点云数据获取原理,获取的点云数据往往是存在盲区的。示例性地,以线束扫描方式的激光雷达为例,线束扫描方式的激光雷达是目前自动驾驶领域中常用的一种雷达,其扫描原理为通常每个扫描线为一条圆形区域,不同线束之间具有一定的夹角,也就是线束夹角中间是盲区。因此,对于这种激光雷达来说,线束越少,线束夹角越大,则线束中间的盲区范围越大。因此,不难理解的是:在盲区范围内进行道路属性传播计算时,可能会存在因盲区范围比较大且盲区范围内均为未知栅格,而导致无法将道路属性传播到下一条扫描线处的情况。因此,作为一种优选实现例,本发明实施例在执行道路传播计算的过程中,在邻域搜索时允许短距离跳过未知栅格进行邻域搜索。其中,为了保证计算的准确性,允许跳过的未知栅格的范围优选选取为与盲区范围相当。示例性地,继续以激光雷达为例,如果采用最低配的十六线雷达作为唯一感知传感器,则在典型安装情况下,车前方只有道路时,车前方第一根扫描线大概处于距离车头八米处,第二根扫描线大约处于距离车头十米处。如果设置栅格尺寸大于一米,可以保证八米到十米处每个栅格都有点云落入栅格,但实际上一米的栅格尺寸太大了,较小的车宽才0.8米,过大的栅格会导致车辆无法穿越较窄的道路,因此,在实际应用中使用的栅格尺寸可能只有0.2米,而这样小尺寸的栅格,在八米到十米之间必然存在多个栅格完全无法接收到任何点云。因此,根据前述的栅格状态的定义条件在进行第一预设值的筛选后,八米处和十米处的栅格将满足有足够数量点云的条件,但是其中间的栅格即处于盲区范围的栅格将会因为不满足足够数量点云的条件而都被确定为未知栅格,在这种情况下,如果按照严格按照邻域内的栅格必须满足道路栅格属性的道路属性传播计算方法进行道路栅格检测和传播计算时,在针对第二种子栅格进行邻域搜索以实现第二种子栅格的栅格道路化阶段,则要求对第一组传播栅格中的每个栅格的搜索方式均为要求与第二种子栅格紧密相邻的第二组传播栅格中存在道路栅格且高度差小于设定的阈值,才能进行道路传播,因此,在已经确定八米处(第一根扫描线所处位置)栅格为道路时,就无法再穿越盲区而将道路属性扩展到十米处。因此,作为优选实施例,在该场景下,就可以根据相邻的两根扫描线的距离和该距离覆盖的盲区范围,设定在进行第一种子栅格的邻域搜索时,即在确定第一组传播栅格时,允许将搜索范围确定为跳过二米的未知栅格并对未知栅格进行道路高度传播(即进行栅格高度标记),从而使得栅格的道路属性能从八米处传播到十米处的第二条扫描线。具体地,短距离跳过未知栅格的具体实现方式可以是根据预设的跳过距离,在判断第一组传播栅格中不存在障碍物栅格时,在将第一组传播栅格中的未知栅格的栅格高度标记为第一种子栅格的高度,并对第一组传播栅格中的各个栅格分别进行道路属性传播计算之前,采用距离第一种子栅格预设距离的预设范围内的未知栅格确定为第一组传播栅格,以改变邻域搜索的范围。由此,还可以进一步防止因为激光线束分布较远而无法扩展道路检测范围,进一步提高可通行区域检测的覆盖率,实现以较小的计算代价进行较为完整的可通行区域检测。
需要说明的是,在具体应用中,上述统计特征量的内容可以根据需求进行灵活调整,本发明上述实施例不视为对其内容的限制,其在具体实现中可以是对所有栅格进行统计,也可以是对柱状栅格进行统计得到,只要能够实现利用统计特征量和点云数量对栅格状态的准确判断即可。
本发明采用基于规则的方法,对点云进行栅格化,再对栅格的道路属性以自车为起点进行传播计算,在进行栅格状态更新和栅格道路属性传播时,考虑了自车定位数据的更新变化和邻域内的栅格状态,并且还利用了根据自车定位数据变化而记录的历史累计信息对点云线束之间的栅格进行了补充,以较小的计算代价实现了较为完整的可通行区域检测。基于上述方案,本发明对激光雷达(或传感器)的扫描方式和多雷达(或多传感器或雷达与传感器的组合)组合无严格限制,可应用于非结构化道路等野外环境,应用范围广泛。
图10示意性地显示了本发明一种实施方式的可通行区域检测装置,该装置可以应用于诸如自动/半自动驾驶车辆、无人扫地机、机器人等智能移动平台。如图10所示,该装置包括
参数获取模块50,用于获取第一参数信息和第二参数信息,其中,第一参数信息包括点云数据,第二参数信息包括智能移动平台的定位数据;
栅格处理模块51,用于根据所述第一参数信息和第二参数信息确定目标区域对应的栅格地图中的每个栅格在当前帧下的栅格属性;和
检测结果确定模块52,用于根据各个栅格在当前帧下的栅格属性确定目标区域中的可通行区域,并输出标记有所述可通行区域的目标区域地图。
图11示意性地显示了本发明一优选实施方式的可通行区域检测装置,如图11所示,在优选实现例中,栅格属性设置为包括栅格坐标和栅格状态,栅格处理模块51具体包括:
坐标更新单元510,用于根据所述第一参数信息的获取时间确定与当前帧的第一参数信息对应的第二参数信息,并根据确定的第二参数信息对每个栅格在当前帧下的栅格坐标进行更新;
状态确定单元511,用于根据当前帧的第一参数信息确定栅格坐标更新后的每个栅格对应的最新栅格状态;和
状态更新单元512,用于根据各栅格的栅格坐标更新前的栅格状态和所述最新栅格状态确定各栅格的在当前帧下的栅格状态。
图12示意性地显示了本发明一优选实施方式的可通行区域检测装置,如图12所示,栅格状态包括道路栅格、障碍物栅格和未知栅格,所述检测结果确定模块52包括:
道路传播单元520,用于根据各个栅格在当前帧下的栅格状态在所述目标区域对应的栅格地图中进行道路属性传播计算,标记出目标区域中的道路栅格;
区域确定单元521,用于根据标记出的道路栅格确定出目标区域中的可通行区域。
图13示意性地显示了本发明另一优选实施方式的可通行区域检测装置,如图13所示,检测结果确定模块52还包括:
区域修正单元522,用于在根据标记出的道路栅格确定出目标区域中的可通行区域之后,还对确定出的可通行区域进行边界修正,并根据边界修正结果调整确定出的目标区域中的可通行区域。
在优选实施例中,检测结果确定模块52具体是采用道路属性传播计算方法对目标区域中的栅格执行搜索遍历,以搜索出目标区域中的道路栅格作为具有可通行属性的栅格,并据此确定出可通行区域的。其中,本发明上述实施例中的可通行区域检测装置的各个模块和单元的具体实现方式和处理过程,可以参照前文方法部分的叙述,故在此不再赘述。
图14示意性地显示了本发明另一实施方式的可通行区域检测装置,如图所示,其实现为包括:
存储器60,用于存储可执行指令;以及
处理器61,用于执行存储器中存储的可执行指令,所述可执行指令在由所述处理器执行时实现前述任一项实施例所述的可通行区域检测方法的步骤。
在具体实践中,上述可通行区域检测装置示例性地可以应用在自动驾驶车辆、无人驾驶清洁器、无人驾驶扫地机、机器人等自动驾驶设备上或半自动驾驶设备上,以实现对这些设备的行驶区域进行可通行区域检测,以提高半自主驾驶或无人驾驶的舒适性,具体地,上述可通行区域检测装置可以实现为自动驾驶车辆等智能移动平台上的控制器或规划器或检测器等。
图15示意性地显示了本发明一种实施方式的移动工具,如图15所示,该移动工具包括根据上述任一实施例的所述的可通行区域检测装置70,以使得该移动工具能够利用其上设置的可通行区域检测装置进行可通行区域检测,进而基于确定的可通行区域进行诸如方向、加速度、油门、刹车等的后续控制。
可选地,在实际应用中,移动工具还可以包括感知识别模块和其他规划控制模块,如路径规划控制器、底层控制器等,可通行区域检测装置70的功能也可以在感知识别模块或规划器等中实现,本发明实施例对此不进行限制。
本发明实施例所称的“移动工具”可以是国际自动机工程师学会(Society ofAutomotive Engineers International,SAE International)或中国国家标准《汽车驾驶自动化分级》制定的L0-L5自动驾驶技术等级的车辆。
示例性地,移动工具可以是具有如下各种功能的车辆设备或机器人设备:
(1)载人功能,如家用轿车、公共汽车等;
(2)载货功能,如普通货车、厢式货车、甩挂车、封闭货车、罐式货车、平板货车、集装厢车、自卸货车、特殊结构货车等;
(3)工具功能,如物流配送车、自动导引运输车AGV、巡逻车、起重机、吊车、挖掘机、推土机、铲车、压路机、装载机、越野工程车、装甲工程车、污水处理车、环卫车、吸尘车、洗地车、洒水车、扫地机器人、送餐机器人、导购机器人、割草机、高尔夫球车等;
(4)娱乐功能,如娱乐车、游乐场自动驾驶装置、平衡车等;
(5)特殊救援功能,如消防车、救护车、电力抢修车、工程抢险车等。
在一些实施例中,本发明实施例提供一种非易失性计算机可读存储介质,所述存储介质中存储有一个或多个包括执行指令的程序,所述执行指令能够被电子设备(包括但不限于计算机,服务器,或者网络设备等)读取并执行,以用于执行本发明上述任一项实施例的可通行区域检测方法。
在一些实施例中,本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行上述任一项实施例的可通行区域检测方法。
在一些实施例中,本发明实施例还提供一种电子设备,其包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述任一实施例的可通行区域检测方法。
在一些实施例中,本发明实施例还提供一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一项实施例的可通行区域检测方法。
图16是本发明另一实施例提供的可通行区域检测装置的硬件结构示意图,上述可通行区域检测装置可以该图所示的结构实现,如图16所示,该可通行区域检测装置包括:
一个或多个处理器610以及存储器620,图16中以一个处理器610为例。
可通行区域检测装置还可以包括:输入装置630和输出装置640。
处理器610、存储器620、输入装置630和输出装置640可以通过总线或者其他方式连接,图16中以通过总线连接为例。
存储器620作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本发明实施例中的可通行区域检测方法对应的程序指令/模块。处理器610通过运行存储在存储器620中的非易失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例的可通行区域检测方法。
存储器620可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据可通行区域检测方法的使用所创建的数据等。此外,存储器620可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器620可选包括相对于处理器610远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、车联网、企业内部网、局域网、移动通信网及其组合。
输入装置630可接收输入的数字或字符信息,以及产生与图像处理设备的用户设置以及功能控制有关的信号。输出装置640可包括显示屏等显示设备。
所述一个或者多个模块存储在所述存储器620中,当被所述一个或者多个处理器610执行时,执行上述任意方法实施例中的可通行区域检测方法。
上述产品可执行本申请实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请实施例所提供的方法。
本申请实施例的电子设备以多种形式存在,包括但不限于:
(1)移动通信设备:这类设备的特点是具备移动通信功能,并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机,以及低端手机等。
(2)超移动个人计算机设备:这类设备属于个人计算机的范畴,有计算和处理功能,一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等,例如iPad。
(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod),掌上游戏机,电子书,以及智能玩具和便携式车载导航设备。
(4)服务器:提供计算服务的设备,服务器的构成包括处理器、硬盘、内存、系统总线等,服务器和通用的计算机架构类似,但是由于需要提供高可靠的服务,因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
(5)其他具有数据交互功能的电子装置。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上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。
Claims (15)
1.可通行区域检测方法,其特征在于,所述方法包括:
获取第一参数信息和第二参数信息,其中,第一参数信息包括点云数据,第二参数信息包括智能移动平台的定位数据;
根据所述第一参数信息和第二参数信息确定目标区域对应的栅格地图中的每个栅格在当前帧下的栅格属性;
根据各个栅格在当前帧下的栅格属性确定目标区域中的可通行区域,并输出标记有所述可通行区域的目标区域地图。
2.根据权利要求1所述的方法,其特征在于,所述栅格属性包括栅格坐标和栅格状态,所述根据所述第一参数信息和第二参数信息确定目标区域中的每个栅格在当前帧下的栅格属性包括:
根据所述第一参数信息的获取时间确定与当前帧的第一参数信息对应的第二参数信息,并根据确定的第二参数信息对每个栅格在当前帧下的栅格坐标进行更新;
根据当前帧的第一参数信息确定栅格坐标更新后的每个栅格对应的最新栅格状态;
根据各栅格的栅格坐标更新前的栅格状态和所述最新栅格状态确定各栅格在当前帧下的栅格状态。
3.根据权利要求2所述的方法,其特征在于,所述根据当前帧的第一参数信息确定栅格坐标更新后的每个栅格对应的最新栅格状态包括:
根据当前帧的第一参数信息和更新后的每个栅格的栅格坐标,确定出当前帧的第一参数信息中的点云数据与目标区域中的每个栅格之间的对应关系,并根据点云数据与每个栅格的对应关系生成各栅格的点云特征数据;
根据各栅格的点云特征数据确定每个栅格的最新栅格状态。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述栅格属性包括栅格状态,所述栅格状态包括道路栅格、障碍物栅格和未知栅格;所述根据各个栅格在当前帧下的栅格属性确定目标区域中的可通行区域包括:
根据各个栅格在当前帧下的栅格状态在所述目标区域对应的栅格地图中进行道路属性传播计算,标记出目标区域中的道路栅格;
根据标记出的道路栅格确定出目标区域中的可通行区域。
5.根据权利要求4所述的方法,其特征在于,所述根据各个栅格在当前帧下的栅格状态在所述目标区域对应的栅格地图中进行道路属性传播计算,标记出目标区域中的道路栅格,包括:
初始化形成道路栅格队列,其中,初始化形成的道路栅格队列中包括至少一个用作道路属性传播计算的传播种子的栅格;
依次从道路栅格队列中获取一个栅格作为第一种子栅格,根据各个栅格在当前帧下的栅格状态对当前获取的第一种子栅格执行道路属性传播计算,标记出经由依次获取的各个第一种子栅格的道路属性传播计算确定出的道路栅格。
6.根据权利要求5所述的方法,其特征在于,所述根据各个栅格在当前帧下的栅格状态对当前获取的第一种子栅格执行道路属性传播计算,标记出经由依次获取的各个第一种子栅格的道路属性传播计算确定出的道路栅格,包括:
确定当前第一种子栅格的第一组传播栅格,根据所述第一组传播栅格的栅格状态,在第一组传播栅格中存在障碍物栅格时,结束对当前第一种子栅格的道路属性传播计算;
在第一组传播栅格中不存在障碍物栅格时,将第一组传播栅格中的未知栅格的栅格高度标记为第一种子栅格的高度,并对第一组传播栅格中的各个栅格分别进行道路属性传播计算,标记出经由第一组传播栅格中的各个栅格的道路属性传播计算确定出的道路栅格。
7.根据权利要求6所述的方法,其特征在于,所述对第一组传播栅格中的各个栅格分别进行道路属性传播计算,标记出经由第一组传播栅格中的各个栅格的道路属性传播计算确定出的道路栅格,包括:
依次从第一组传播栅格中获取一个栅格作为第二种子栅格,确定各第二种子栅格的第二组传播栅格,根据各个第二种子栅格的第二组传播栅格中各个栅格的栅格状态对相应的第二种子栅格进行栅格道路化,标记出经由栅格道路化确定出的栅格状态为道路栅格的第二种子栅格。
8.根据权利要求7所述的方法,其特征在于,所述根据各个第二种子栅格的第二组传播栅格中各个栅格的栅格状态对相应的第二种子栅格进行栅格道路化,标记出经由栅格道路化确定出的栅格状态为道路栅格的第二种子栅格,包括:
根据第二组传播栅格中各个栅格的栅格状态,判断第二组传播栅格中是否存在道路栅格,若存在,根据第二组传播栅格中的道路栅格对相应的第二种子栅格进行道路属性确认,在确定相应的第二种子栅格为道路栅格时,在目标区域对应的栅格地图中将该第二种子栅格对应的栅格标记为道路栅格,并将该第二种子栅格加入所述道路栅格队列;
若第二组传播栅格中不存在道路栅格,则判断第二组传播栅格中是否存在标记有栅格高度的未知栅格,若存在,根据第二组传播栅格中的标记有栅格高度的未知栅格对相应的第二种子栅格进行道路属性确认,在确定相应的第二种子栅格为道路栅格时,在目标区域对应的栅格地图中将该第二种子栅格对应的栅格标记为道路栅格,并将该第二种子栅格加入所述道路栅格队列。
9.根据权利要求8所述的方法,其特征在于,在第一组传播栅格中不存在障碍物栅格时,在将第一组传播栅格中的未知栅格的栅格高度标记为第一种子栅格的高度,并对第一组传播栅格中的各个栅格分别进行道路属性传播计算之前还包括:
采用跳过预设距离的未知栅格的方式重新确定第一组传播栅格。
10.根据权利要求4所述的方法,其特征在于,所述根据各个栅格在当前帧下的栅格属性确定目标区域中的可通行区域,还包括:
在根据标记出的道路栅格确定出目标区域中的可通行区域之后,还对确定出的可通行区域进行边界修正,并根据边界修正结果调整确定出目标区域中的可通行区域。
11.根据权利要求10所述的方法,其特征在于,对确定出的可通行区域进行边界修正,包括:
根据确定出的可通行区域生成目标区域对应的临时二值栅格图,其中,所述临时二值栅格图中标记有确定出的可通行区域且将确定出的可通行区域以外的区域标记为不可通行区域;
根据预生成的圆形过滤器对所述临时二值栅格图进行过滤,在所述临时二值栅格图中修正各栅格的栅格状态;
根据所述临时二值栅格图中的修正后的栅格状态调整确定出的所述目标区域中的可通行区域。
12.可通行区域检测装置,其特征在于,所述装置包括:
参数获取模块,用于获取第一参数信息和第二参数信息,其中,第一参数信息包括点云数据,第二参数信息包括智能移动平台的定位数据;
栅格处理模块,用于根据所述第一参数信息和第二参数信息确定目标区域对应的栅格地图中的每个栅格在当前帧下的栅格属性;和
检测结果确定模块,用于根据各个栅格在当前帧下的栅格属性确定目标区域中的可通行区域,并输出标记有所述可通行区域的目标区域地图。
13.可通行区域检测装置,其特征在于,包括:
存储器,用于存储可执行指令;以及
处理器,用于执行存储器中存储的可执行指令,所述可执行指令在由所述处理器执行时实现权利要求1至11任一项所述方法的步骤。
14.移动工具,其特征在于,所述移动工具包括:如权利要求13所述的可通行区域检测装置。
15.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-11中任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210394679.1A CN114926809A (zh) | 2022-04-14 | 2022-04-14 | 可通行区域检测方法及装置、移动工具、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210394679.1A CN114926809A (zh) | 2022-04-14 | 2022-04-14 | 可通行区域检测方法及装置、移动工具、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114926809A true CN114926809A (zh) | 2022-08-19 |
Family
ID=82807579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210394679.1A Pending CN114926809A (zh) | 2022-04-14 | 2022-04-14 | 可通行区域检测方法及装置、移动工具、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114926809A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115272288A (zh) * | 2022-08-22 | 2022-11-01 | 杭州微引科技有限公司 | 一种医学图像标记点自动识别方法、电子设备及存储介质 |
CN115965682A (zh) * | 2022-12-16 | 2023-04-14 | 镁佳(北京)科技有限公司 | 一种车辆可通行区域确定方法、装置及计算机设备 |
CN116311095A (zh) * | 2023-03-16 | 2023-06-23 | 广州市衡正工程质量检测有限公司 | 基于区域划分的路面检测方法、计算机设备及存储介质 |
CN116449335A (zh) * | 2023-06-14 | 2023-07-18 | 上海木蚁机器人科技有限公司 | 可行驶区域检测方法、装置、电子设备以及存储介质 |
-
2022
- 2022-04-14 CN CN202210394679.1A patent/CN114926809A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115272288A (zh) * | 2022-08-22 | 2022-11-01 | 杭州微引科技有限公司 | 一种医学图像标记点自动识别方法、电子设备及存储介质 |
CN115272288B (zh) * | 2022-08-22 | 2023-06-02 | 杭州微引科技有限公司 | 一种医学图像标记点自动识别方法、电子设备及存储介质 |
CN115965682A (zh) * | 2022-12-16 | 2023-04-14 | 镁佳(北京)科技有限公司 | 一种车辆可通行区域确定方法、装置及计算机设备 |
CN115965682B (zh) * | 2022-12-16 | 2023-09-01 | 镁佳(北京)科技有限公司 | 一种车辆可通行区域确定方法、装置及计算机设备 |
CN116311095A (zh) * | 2023-03-16 | 2023-06-23 | 广州市衡正工程质量检测有限公司 | 基于区域划分的路面检测方法、计算机设备及存储介质 |
CN116311095B (zh) * | 2023-03-16 | 2024-01-02 | 广州市衡正工程质量检测有限公司 | 基于区域划分的路面检测方法、计算机设备及存储介质 |
CN116449335A (zh) * | 2023-06-14 | 2023-07-18 | 上海木蚁机器人科技有限公司 | 可行驶区域检测方法、装置、电子设备以及存储介质 |
CN116449335B (zh) * | 2023-06-14 | 2023-09-01 | 上海木蚁机器人科技有限公司 | 可行驶区域检测方法、装置、电子设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11691648B2 (en) | Drivable surface identification techniques | |
US11530924B2 (en) | Apparatus and method for updating high definition map for autonomous driving | |
CN114926809A (zh) | 可通行区域检测方法及装置、移动工具、存储介质 | |
CN109829351B (zh) | 车道信息的检测方法、装置及计算机可读存储介质 | |
CN115235500B (zh) | 基于车道线约束的位姿校正方法及装置、全工况静态环境建模方法及装置 | |
CN112394725B (zh) | 用于自动驾驶的基于预测和反应视场的计划 | |
US20210149408A1 (en) | Generating Depth From Camera Images and Known Depth Data Using Neural Networks | |
US11970185B2 (en) | Data structure for storing information relating to an environment of an autonomous vehicle and methods of use thereof | |
US11645775B1 (en) | Methods and apparatus for depth estimation on a non-flat road with stereo-assisted monocular camera in a vehicle | |
CN113442908B (zh) | 自动泊车路径规划方法及系统、泊车控制设备 | |
CN116724214A (zh) | 用于生成用于自主车辆的导航的感兴趣区域的车道级地图的方法和系统 | |
CN114995519B (zh) | 一种基于多障碍场景的无人机ai降落方法及系统 | |
CN116310743A (zh) | 确定膨胀策略的方法、装置、移动装置及存储介质 | |
Chipka et al. | Estimation and navigation methods with limited information for autonomous urban driving | |
CN114972731A (zh) | 交通灯检测识别方法及装置、移动工具、存储介质 | |
CN114723903A (zh) | 障碍物风险场环境建模方法及其装置、相关产品 | |
US20230056589A1 (en) | Systems and methods for generating multilevel occupancy and occlusion grids for controlling navigation of vehicles | |
CN115326100B (zh) | 路径规划方法、装置、自动驾驶设备及计算机存储介质 | |
US11670095B2 (en) | Method for determining support points for estimating a progression of roadside development of a road | |
CN115320623B (zh) | 车辆轨迹预测方法、设备、移动装置和存储介质 | |
CN115114387A (zh) | 栅格地图生成方法及装置、移动工具、存储介质 | |
CN117631676B (zh) | 一种矿区无人驾驶车辆自动引导前进的方法和装置 | |
US20240151817A1 (en) | Systems and methods for static detection based amodalization placement | |
CN117725502A (zh) | 目标俯仰分类方法、装置、计算机设备和存储介质 | |
CN116990832A (zh) | 危险道路边沿感知方法、装置、终端设备及存储介质 |
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 |