CN115330923A - 点云数据渲染方法、装置、车辆、可读存储介质及芯片 - Google Patents
点云数据渲染方法、装置、车辆、可读存储介质及芯片 Download PDFInfo
- Publication number
- CN115330923A CN115330923A CN202210959408.6A CN202210959408A CN115330923A CN 115330923 A CN115330923 A CN 115330923A CN 202210959408 A CN202210959408 A CN 202210959408A CN 115330923 A CN115330923 A CN 115330923A
- Authority
- CN
- China
- Prior art keywords
- lane
- point cloud
- cloud data
- vehicle
- current
- 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
- 238000009877 rendering Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000015654 memory Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 230000006399 behavior Effects 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 230000008447 perception Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000010267 cellular communication Effects 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 230000000979 retarding effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 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
- G06T17/05—Geographic models
-
- 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
- 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
Abstract
本公开涉及一种点云数据渲染方法、装置、车辆、可读存储介质及芯片,包括获取车辆当前车道的点云数据,从当前车道及当前车道的相邻车道中确定目标车道,合并目标车道的属性信息,生成待剔除点云数据的包围框,将点云数据与包围框的坐标系统一到虚拟坐标系下,在虚拟坐标系下,通过渲染管线剔除包围框中的点云数据,将剩余的点云数据渲染到三维空间上;通过目标车道的属性信息生成待剔除点云数据的包围框,剔除包围框中的点云数据后再进行点云数据渲染,避免了展示很多不必要的点云数据,提升了HMI显示画面的画质,提升了用户的视觉体验。
Description
技术领域
本公开涉及自动驾驶领域,尤其涉及一种点云数据渲染方法、装置、车辆、可读存储介质及芯片。
背景技术
随着自动驾驶技术以及计算机图形学的发展,点云数据渲染作为感知数据可视化的重要形式,可以直观的让用户感受到数据的准确性,丰富视觉内容并给予用户充满科技感的驾驶体验。由于点云数据采集方式的特点,传统的点云数据渲染不仅会反映道路周边的环境信息,还会反映道路上的交通参与者的信息。而在已经将感知到的交通参与者展示出来的情况下,这种传统的点云数据渲染方式会展示很多不必要的点云数据,必然会造成人机接口(Human Machine Interface,HMI)显示画面的嘈杂与混乱,使得用户观感较差,影响用户的视觉体验。
发明内容
为克服相关技术中存在的问题,本公开提供一种点云数据渲染方法、装置、车辆、可读存储介质及芯片,以解决上述的传统点云数据渲染方式造成的HMI显示画面嘈杂的问题。
根据本公开实施例的第一方面,提供一种点云数据渲染方法,包括:获取车辆当前车道的点云数据;从所述当前车道及所述当前车道的相邻车道中确定目标车道;所述目标车道为待剔除所述点云数据的车道;合并所述目标车道的属性信息,生成待剔除所述点云数据的包围框;将所述点云数据与所述包围框的坐标系统一到虚拟坐标系下;在所述虚拟坐标系下,通过渲染管线剔除所述包围框中的点云数据,将剩余的点云数据渲染到三维空间上。
可选的,所述从所述当前车道及所述当前车道的相邻车道中确定目标车道,包括:基于所述车辆的预规划路径获取当前车道标识;基于所述当前车道标识,根据高精地图的道路拓扑关系获取当前车道的相邻车道的属性信息;所述属性信息包括相邻车道标识及所述相邻车道的轮廓坐标信息,所述相邻车道包括左侧车道、右侧车道、后继车道及前侧车道;根据所述当前车道标识及所述相邻车道标识确定所述目标车道。
可选的,所述从所述当前车道及所述当前车道的相邻车道中确定目标车道,还包括:将所述后继车道或前侧车道作为新的当前车道,记为第一当前车道;基于所述第一当前车道,根据所述高精地图的道路拓扑关系获取第一当前车道的第一相邻车道的属性信息;根据第一当前车道标识及所述第一相邻车道标识确定所述目标车道。
可选的,所述目标车道的属性信息包括目标车道标识及目标车道的轮廓坐标信息;所述合并所述目标车道的属性信息,生成待剔除所述点云数据的包围框,包括:根据所述目标车道标识及所述目标车道的轮廓坐标信息,合并所述目标车道的轮廓,生成所述包围框。
可选的,所述将所述点云数据与所述包围框的坐标系统一到虚拟坐标系下,包括:根据所述点云数据的坐标信息及所述包围框的坐标信息,将所述点云数据与所述包围框的坐标系统一到虚拟坐标系下。
可选的,所述在所述虚拟坐标系下,通过渲染管线剔除所述包围框中的点云数据,将剩余的点云数据渲染到三维空间上,包括:在所述虚拟坐标系下,通过所述渲染管线的顶点着色器剔除所述包围框中的点云数据,将剩余的点云数据渲染到三维空间上。
根据本公开实施例的第二方面,提供一种点云数据渲染装置,包括:获取模块,被配置为获取车辆当前车道的点云数据;处理模块,被配置为从所述当前车道及所述当前车道的相邻车道中确定目标车道;所述目标车道为待剔除所述点云数据的车道;合并模块,被配置为合并所述目标车道的属性信息,生成待剔除所述点云数据的包围框;所述处理模块,还被配置为将所述点云数据与所述包围框的坐标系统一到虚拟坐标系下;渲染模块,被配置为在所述虚拟坐标系下,通过渲染管线剔除所述包围框中的点云数据,将剩余的点云数据渲染到三维空间上。
根据本公开实施例的第三方面,提供一种车辆,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为执行所述可执行指令实现前述的点云数据渲染方法的步骤。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,该计算机程序指令被处理器执行时实现本公开第一方面所提供的点云数据渲染方法的步骤。
根据本公开实施例的第五方面,提供一种芯片,包括处理器和接口;所述处理器用于读取指令以执行前述的点云数据渲染方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果:获取车辆当前车道的点云数据,从当前车道及当前车道的相邻车道中确定目标车道,合并目标车道的属性信息,生成待剔除点云数据的包围框,将点云数据与包围框的坐标系统一到虚拟坐标系下,在虚拟坐标系下,通过渲染管线剔除包围框中的点云数据,将剩余的点云数据渲染到三维空间上;通过目标车道的属性信息生成待剔除点云数据的包围框,剔除包围框中的点云数据后再进行点云数据渲染,避免了展示很多不必要的点云数据,提升了HMI显示画面的画质,提升了用户的视觉体验。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种点云数据渲染方法的流程图。
图2是根据一示例性实施例示出的另一种点云数据渲染方法的流程图。
图3是根据一示例性实施例示出的一种高精地图的道路拓扑关系的示意图。
图4是根据一示例性实施例示出的一种包围框的示意图。
图5是根据一示例性实施例示出的一种点云数据渲染装置的框图。
图6是一示例性实施例示出的一种车辆的功能框图示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开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、本公开的一些方面相一致的装置和方法的例子。
可以理解的是,本公开中“多个”是指两个或两个以上,其它量词与之类似。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
进一步可以理解的是,本公开实施例中尽管在附图中以特定的顺序描述操作,但是不应将其理解为要求按照所示的特定顺序或是串行顺序来执行这些操作,或是要求执行全部所示的操作以得到期望的结果。在特定环境中,多任务和并行处理可能是有利的。
需要说明的是,本申请中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下,并获得由相应装置所有者给予授权的情况下进行的。
图1是根据一示例性实施例示出的一种点云数据渲染方法的流程图,点云数据渲染方法由电子设备来执行,如自能驾驶车辆,如图1所示,该点云数据渲染方法包括以下步骤:
在步骤S11中,获取车辆当前车道的点云数据。
当前车道为车辆当前所行驶的车道,当前车道的点云数据包括车道周边的环境数据以及车道上的交通参与者的数据,如行人、车辆及交通指示灯等交通参与者的数据,车辆可以是自动驾驶车辆。
在步骤S12中,从当前车道及当前车道的相邻车道中确定目标车道。
目标车道为待剔除点云数据的车道,即剔除目标车道的点云数据。当前车道的相邻车道包括当前车道的左侧车道、右侧车道、后继车道及前侧车道。
在步骤S13中,合并目标车道的属性信息,生成待剔除点云数据的包围框。
目标车道的属性信息包括目标车道标识及目标车道的轮廓坐标信息,根据在前述步骤中得到的目标车道标识及目标车道的轮廓坐标信息,合并目标车道的轮廓,生成包围框。
在步骤S14中,将点云数据与包围框的坐标系统一到虚拟坐标系下。
根据点云数据的坐标信息及包围框的坐标信息,将点云数据与包围框的坐标系统一到虚拟坐标系下。
在步骤S15中,在虚拟坐标系下,通过渲染管线剔除包围框中的点云数据,将剩余的点云数据渲染到三维空间上。
在虚拟坐标系下,在渲染管线的顶点着色器中传入包围框的坐标信息,并对进入渲染管线的点云数据进行判断,若点云数据在包围盒中,则剔除,若点云数据不在包围盒中,则渲染到三维空间上,并展示出来。
通过目标车道的属性信息生成待剔除点云数据的包围框,剔除包围框中的点云数据后再进行点云数据渲染,避免了展示很多不必要的点云数据,提升了HMI显示画面的画质,提升了用户的视觉体验。
请参阅图2,图2为本公开示例性实施例示出的另一种点云数据渲染方法的流程图。需要说明的是,图2所示的点云数据渲染方法与图1所示的点云数据渲染方法的实施方式内容一致,图2中未提及之处可以参考图1的描述,在此不再赘述。图2所示的点云数据渲染方法包括以下步骤:
在步骤S21中,获取车辆当前车道的点云数据。
当前车道为车辆当前所行驶的车道,当前车道的点云数据包括车道周边的环境数据以及车道上的交通参与者的数据,如行人、车辆及交通指示灯等交通参与者的数据,车辆可以是自动驾驶车辆。获取到点云数据可以使用队列存储,具体留存帧数可以视点云数据的展示效果而定,通常情况下可以取2-3帧点云数据。
示例性的,可以在车辆上安装一个或多个激光雷达来获取当前车道的点云数据,通常情况下,可以安装多个激光雷达,以提高激光雷达的感知覆盖区域,如可以在车辆顶部中心安装一个主激光雷达,车顶两边各增加一个倾斜安装的低线数的辅激光雷达,以达到盲区覆盖的效果,或者哪里有覆盖盲区,就在哪里加一个激光雷达,通过不断增加激光雷达的办法,尽可能缩减盲区,进而尽可能捕获车辆运动过程中的车辆周围场景的点云数据。
在步骤S22中,从当前车道及当前车道的相邻车道中确定目标车道。
目标车道为待剔除点云数据的车道,即剔除目标车道的点云数据。当前车道的相邻车道包括当前车道的左侧车道、右侧车道、后继车道及前侧车道。
示例性的,从当前车道及当前车道的相邻车道中确定目标车道可以包括:基于车辆的预规划路径获取当前车道标识;基于当前车道标识,根据高精地图的道路拓扑关系获取当前车道的相邻车道的属性信息;属性信息包括相邻车道标识及相邻车道的轮廓坐标信息。
需要说明的是,预规划路径为预先给车辆规划的行驶路径,车辆在行驶时按照预规划路径行驶,如图3所示,车辆由A向B行驶,从A到B的路径为车辆的预规划路径。车道标识为车道的唯一标识,用于区别不同的车道,如图3中的数字1-8为车道标识。高精地图为预先获取的、包括道路拓扑关系的精准地图,请参阅图3,图3为本公开示例性实施例示出的一种高精地图的道路拓扑关系的示意图,道路拓扑关系为不同车道之间的位置关系。如图3所示,车辆由A向B行驶,当车辆行驶到车道1时,车道1为当前车道,相邻车道包括左侧车道2、左侧车道3、后继车道7及前侧车道4。轮廓坐标信息为车道的轮廓坐标,一般包含指定数量个轮廓坐标,如100个。
从当前车道及当前车道的相邻车道中确定目标车道,例如可以将当前车道1、左侧车道2、左侧车道3及前侧车道4作为目标车道,或者还可以将当前车道1、左侧车道2、左侧车道3、前侧车道4及后继车道7作为目标车道。
在一种实施方式中,从当前车道及当前车道的相邻车道中确定目标车道还包括:将后继车道或前侧车道作为新的当前车道,记为第一当前车道;基于第一当前车道,根据高精地图的道路拓扑关系获取第一当前车道的第一相邻车道的属性信息;根据第一当前车道标识及第一相邻车道标识确定目标车道。例如,请继续参阅图3,车辆由A向B行驶,从当前车道1行驶至前侧车道4时,将前侧车道4作为新的当前车道,记为第一当前车道4;基于第一当前车道4,根据高精地图的道路拓扑关系获取第一当前车道4的第一相邻车道的属性信息,第一相邻车道的属性信息包括第一相邻车道标识及第一相邻车道的轮廓坐标信息,第一相邻车道包括左侧车道5、左侧车道6、前侧车道8及后继车道1。此时可以将左侧车道5、左侧车道6及前侧车道8作为目标车道。
当车辆由A向B行驶到了前侧车道8,可以同理类推,将前侧车道8作为新的当前车道,记为第二当前车道8;然后根据高精地图的道路拓扑关系获取第二当前车道8的第二相邻车道的属性信息,将第二相邻车道作为目标车道。与上述同理,在此不再赘述。
需要说明的是,车辆每行驶过一个车道,就可以选取一次目标车道,用于后续的剔除点云数据的步骤。
在步骤S23中,合并目标车道的属性信息,生成待剔除点云数据的包围框。
目标车道的属性信息包括目标车道标识及目标车道的轮廓坐标信息,根据在前述步骤中得到的目标车道标识及目标车道的轮廓坐标信息,合并目标车道的轮廓,生成包围框,例如,当车辆在车道1时,目标车道包括车道1、车道2、车道3、车道4及车道7,可以将车道1、车道2、车道3、车道4及车道7用一个包围框围起来,这个包围框就是待剔除点云数据的包围框,请参阅图4,图4为本公开示例性实施例示出的一种包围框的示意图。
在步骤S24中,将点云数据与包围框的坐标系统一到虚拟坐标系下。
根据点云数据的坐标信息及包围框的坐标信息,将点云数据与包围框的坐标系统一到虚拟坐标系下,点云数据的坐标系为车辆的自车坐标系,包围框的坐标信息来自目标车道的轮廓坐标信息,包围框的坐标系为通用横墨卡托格网系统(Universal TransverseMercator Grid System,UTM)坐标系。
在步骤S25中,在虚拟坐标系下,通过渲染管线剔除包围框中的点云数据,将剩余的点云数据渲染到三维空间上。
在虚拟坐标系下,在渲染管线的顶点着色器中传入包围框的坐标信息,并对进入渲染管线的点云数据进行判断,若点云数据在包围盒中,则剔除,若点云数据不在包围盒中,则渲染到三维空间上,并展示出来。
需要说明的是,车辆每行驶过一个车道,就可以选取一次目标车道,然后剔除目标车道的点云数据,剔除一次目标车道的点云数据就视为迭代了一次,具体的迭代次数可以根据用户需求进行灵活选择。
综上所述,本公开提供的点云数据渲染方法,包括获取车辆当前车道的点云数据,从当前车道及当前车道的相邻车道中确定目标车道,合并目标车道的属性信息,生成待剔除点云数据的包围框,将点云数据与包围框的坐标系统一到虚拟坐标系下,在虚拟坐标系下,通过渲染管线剔除包围框中的点云数据,将剩余的点云数据渲染到三维空间上;通过目标车道的属性信息生成待剔除点云数据的包围框,剔除包围框中的点云数据后再进行点云数据渲染,避免了展示很多不必要的点云数据,提升了HMI显示画面的画质,提升了用户的视觉体验。
图5是根据一示例性实施例示出的一种点云数据渲染装置框图。参照图5,该点云数据渲染装置20包括获取模块201、处理模块202、合并模块203和渲染模块204。
该获取模块201,被配置为获取车辆当前车道的点云数据;
该处理模块202,被配置为从所述当前车道及所述当前车道的相邻车道中确定目标车道;所述目标车道为待剔除所述点云数据的车道;
该合并模块203,被配置为合并所述目标车道的属性信息,生成待剔除所述点云数据的包围框;
该处理模块202,还被配置为将所述点云数据与所述包围框的坐标系统一到虚拟坐标系下;
该渲染模块204,被配置为在所述虚拟坐标系下,通过渲染管线剔除所述包围框中的点云数据,将剩余的点云数据渲染到三维空间上。
可选的,该处理模块202,还被配置为基于所述车辆的预规划路径获取当前车道标识;
基于所述当前车道标识,根据高精地图的道路拓扑关系获取当前车道的相邻车道的属性信息;所述属性信息包括相邻车道标识及所述相邻车道的轮廓坐标信息,所述相邻车道包括左侧车道、右侧车道、后继车道及前侧车道;
根据所述当前车道标识及所述相邻车道标识确定所述目标车道。
可选的,该处理模块202,还被配置为将所述后继车道或前侧车道作为新的当前车道,记为第一当前车道;
基于所述第一当前车道,根据所述高精地图的道路拓扑关系获取第一当前车道的第一相邻车道的属性信息;
根据第一当前车道标识及所述第一相邻车道标识确定所述目标车道。
可选的,该合并模块203,还被配置为根据所述目标车道标识及所述目标车道的轮廓坐标信息,合并所述目标车道的轮廓,生成所述包围框。
可选的,该处理模块202,还被配置为根据所述点云数据的坐标信息及所述包围框的坐标信息,将所述点云数据与所述包围框的坐标系统一到虚拟坐标系下。
可选的,该渲染模块204,还被配置为在所述虚拟坐标系下,通过所述渲染管线的顶点着色器剔除所述包围框中的点云数据,将剩余的点云数据渲染到三维空间上。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开提供的点云数据渲染方法的步骤。
上述装置除了可以是独立的电子设备外,也可是独立电子设备的一部分,例如在一种实施例中,该装置可以是集成电路(Integrated Circuit,IC)或芯片,其中该集成电路可以是一个IC,也可以是多个IC的集合;该芯片可以包括但不限于以下种类:GPU(GraphicsProcessing Unit,图形处理器)、CPU(Central Processing Unit,中央处理器)、FPGA(Field Programmable Gate Array,可编程逻辑阵列)、DSP(Digital Signal Processor,数字信号处理器)、ASIC(Application Specific Integrated Circuit,专用集成电路)、SOC(System on Chip,SoC,片上系统或系统级芯片)等。上述的集成电路或芯片中可以用于执行可执行指令(或代码),以实现上述的点云数据渲染方法。其中该可执行指令可以存储在该集成电路或芯片中,也可以从其他的装置或设备获取,例如该集成电路或芯片中包括处理器、存储器,以及用于与其他的装置通信的接口。该可执行指令可以存储于该存储器中,当该可执行指令被处理器执行时实现上述的点云数据渲染方法;或者,该集成电路或芯片可以通过该接口接收可执行指令并传输给该处理器执行,以实现上述的点云数据渲染方法。
参阅图6,图6是一示例性实施例示出的一种车辆600的功能框图示意图。车辆600可以被配置为完全或部分自动驾驶模式。例如,车辆600可以通过感知系统620获取其周围的环境信息,并基于对周边环境信息的分析得到自动驾驶策略以实现完全自动驾驶,或者将分析结果呈现给用户以实现部分自动驾驶。
车辆600可包括各种子系统,例如,信息娱乐系统610、感知系统620、决策控制系统630、驱动系统640以及计算平台650。可选的,车辆600可包括更多或更少的子系统,并且每个子系统都可包括多个部件。另外,车辆600的每个子系统和部件可以通过有线或者无线的方式实现互连。
在一些实施例中,信息娱乐系统610可以包括通信系统611,娱乐系统612以及导航系统613。
通信系统611可以包括无线通信系统,无线通信系统可以直接地或者经由通信网络来与一个或多个设备无线通信。例如,无线通信系统可使用3G蜂窝通信,例如CDMA、EVD0、GSM/GPRS,或者4G蜂窝通信,例如LTE。或者5G蜂窝通信。无线通信系统可利用WiFi与无线局域网(wireless local area network,WLAN)通信。在一些实施例中,无线通信系统可利用红外链路、蓝牙或ZigBee与设备直接通信。其他无线协议,例如各种车辆通信系统,例如,无线通信系统可包括一个或多个专用短程通信(dedicated short range communications,DSRC)设备,这些设备可包括车辆和/或路边台站之间的公共和/或私有数据通信。
娱乐系统612可以包括显示设备,麦克风和音响,用户可以基于娱乐系统在车内收听广播,播放音乐;或者将手机和车辆联通,在显示设备上实现手机的投屏,显示设备可以为触控式,用户可以通过触摸屏幕进行操作。
在一些情况下,可以通过麦克风获取用户的语音信号,并依据对用户的语音信号的分析实现用户对车辆600的某些控制,例如调节车内温度等。在另一些情况下,可以通过音响向用户播放音乐。
导航系统613可以包括由地图供应商所提供的地图服务,从而为车辆600提供行驶路线的导航,导航系统613可以和车辆的全球定位系统621、惯性测量单元622配合使用。地图供应商所提供的地图服务可以为二维地图,也可以是高精地图。
感知系统620可包括感测关于车辆600周边的环境的信息的若干种传感器。例如,感知系统620可包括全球定位系统621(全球定位系统可以是GPS系统,也可以是北斗系统或者其他定位系统)、惯性测量单元(inertial measurement unit,IMU)622、激光雷达623、毫米波雷达624、超声雷达625以及摄像装置626。感知系统620还可包括被监视车辆600的内部系统的传感器(例如,车内空气质量监测器、燃油量表、机油温度表等)。来自这些传感器中的一个或多个的传感器数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。这种检测和识别是车辆600的安全操作的关键功能。
全球定位系统621用于估计车辆600的地理位置。
惯性测量单元622用于基于惯性加速度来感测车辆600的位姿变化。在一些实施例中,惯性测量单元622可以是加速度计和陀螺仪的组合。
激光雷达623利用激光来感测车辆600所位于的环境中的物体。在一些实施例中,激光雷达623可包括一个或多个激光源、激光扫描器以及一个或多个检测器,以及其他系统组件。
毫米波雷达624利用无线电信号来感测车辆600的周边环境内的物体。在一些实施例中,除了感测物体以外,毫米波雷达624还可用于感测物体的速度和/或前进方向。
超声雷达625可以利用超声波信号来感测车辆600周围的物体。
摄像装置626用于捕捉车辆600的周边环境的图像信息。摄像装置626可以包括单目相机、双目相机、结构光相机以及全景相机等,摄像装置626获取的图像信息可以包括静态图像,也可以包括视频流信息。
决策控制系统630包括基于感知系统620所获取的信息进行分析决策的计算系统631,决策控制系统630还包括对车辆600的动力系统进行控制的整车控制器632,以及用于控制车辆600的转向系统633、油门634和制动系统635。
计算系统631可以操作来处理和分析由感知系统620所获取的各种信息以便识别车辆600周边环境中的目标、物体和/或特征。目标可以包括行人或者动物,物体和/或特征可包括交通信号、道路边界和障碍物。计算系统631可使用物体识别算法、运动中恢复结构(Structure from Motion,SFM)算法、视频跟踪等技术。在一些实施例中,计算系统631可以用于为环境绘制地图、跟踪物体、估计物体的速度等等。计算系统631可以将所获取的各种信息进行分析并得出对车辆的控制策略。
整车控制器632可以用于对车辆的动力电池和引擎641进行协调控制,以提升车辆600的动力性能。
转向系统633可操作来调整车辆600的前进方向。例如在一个实施例中可以为方向盘系统。
油门634用于控制引擎641的操作速度并进而控制车辆600的速度。
制动系统635用于控制车辆600减速。制动系统635可使用摩擦力来减慢车轮644。在一些实施例中,制动系统635可将车轮644的动能转换为电流。制动系统635也可采取其他形式来减慢车轮644转速从而控制车辆600的速度。
驱动系统640可包括为车辆600提供动力运动的组件。在一个实施例中,驱动系统640可包括引擎641、能量源642、传动系统643和车轮644。引擎641可以是内燃机、电动机、空气压缩引擎或其他类型的引擎组合,例如汽油发动机和电动机组成的混动引擎,内燃引擎和空气压缩引擎组成的混动引擎。引擎641将能量源642转换成机械能量。
能量源642的示例包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。能量源642也可以为车辆600的其他系统提供能量。
传动系统643可以将来自引擎641的机械动力传送到车轮644。传动系统643可包括变速箱、差速器和驱动轴。在一个实施例中,传动系统643还可以包括其他器件,比如离合器。其中,驱动轴可包括可耦合到一个或多个车轮644的一个或多个轴。
车辆600的部分或所有功能受计算平台650控制。计算平台650可包括至少一个处理器651,处理器651可以执行存储在例如存储器652这样的非暂态计算机可读介质中的指令653。在一些实施例中,计算平台650还可以是采用分布式方式控制车辆600的个体组件或子系统的多个计算设备。
处理器651可以是任何常规的处理器,诸如商业可获得的CPU。可替换地,处理器651还可以包括诸如图像处理器(Graphic Process Unit,GPU),现场可编程门阵列(FieldProgrammable Gate Array,FPGA)、片上系统(Sysem on Chip,SOC)、专用集成芯片(Application Specific Integrated Circuit,ASIC)或它们的组合。尽管图6功能性地图示了处理器、存储器、和在相同块中的计算机的其它元件,但是本领域的普通技术人员应该理解该处理器、计算机、或存储器实际上可以包括可以或者可以不存储在相同的物理外壳内的多个处理器、计算机、或存储器。例如,存储器可以是硬盘驱动器或位于不同于计算机的外壳内的其它存储介质。因此,对处理器或计算机的引用将被理解为包括对可以或者可以不并行操作的处理器或计算机或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤,诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器,处理器只执行与特定于组件的功能相关的计算。
在本公开实施方式中,处理器651可以执行上述的点云数据渲染方法。
在此处所描述的各个方面中,处理器651可以位于远离该车辆并且与该车辆进行无线通信。在其它方面中,此处所描述的过程中的一些在布置于车辆内的处理器上执行而其它则由远程处理器执行,包括采取执行单一操纵的必要步骤。
在一些实施例中,存储器652可包含指令653(例如,程序逻辑),指令653可被处理器651执行来执行车辆600的各种功能。存储器652也可包含额外的指令,包括向信息娱乐系统610、感知系统620、决策控制系统630、驱动系统640中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。
除了指令653以外,存储器652还可存储数据,例如道路地图、路线信息,车辆的位置、方向、速度以及其它这样的车辆数据,以及其他信息。这种信息可在车辆600在自主、半自主和/或手动模式中操作期间被车辆600和计算平台650使用。
计算平台650可基于从各种子系统(例如,驱动系统640、感知系统620和决策控制系统630)接收的输入来控制车辆600的功能。例如,计算平台650可利用来自决策控制系统630的输入以便控制转向系统633来避免由感知系统620检测到的障碍物。在一些实施例中,计算平台650可操作来对车辆600及其子系统的许多方面提供控制。
可选地,上述这些组件中的一个或多个可与车辆600分开安装或关联。例如,存储器652可以部分或完全地与车辆600分开存在。上述组件可以按有线和/或无线方式来通信地耦合在一起。
可选地,上述组件只是一个示例,实际应用中,上述各个模块中的组件有可能根据实际需要增添或者删除,图6不应理解为对本公开实施例的限制。
在道路行进的自动驾驶汽车,如上面的车辆600,可以识别其周围环境内的物体以确定对当前速度的调整。物体可以是其它车辆、交通控制设备、或者其它类型的物体。在一些示例中,可以独立地考虑每个识别的物体,并且基于物体的各自的特性,诸如它的当前速度、加速度、与车辆的间距等,可以用来确定自动驾驶汽车所要调整的速度。
可选地,车辆600或者与车辆600相关联的感知和计算设备(例如计算系统631、计算平台650)可以基于所识别的物体的特性和周围环境的状态(例如,交通、雨、道路上的冰、等等)来预测识别的物体的行为。可选地,每一个所识别的物体都依赖于彼此的行为,因此还可以将所识别的所有物体全部一起考虑来预测单个识别的物体的行为。车辆600能够基于预测的识别的物体的行为来调整它的速度。换句话说,自动驾驶汽车能够基于所预测的物体的行为来确定车辆将需要调整到(例如,加速、减速、或者停止)何种稳定状态。在这个过程中,也可以考虑其它因素来确定车辆600的速度,诸如,车辆600在行驶的道路中的横向位置、道路的曲率、静态和动态物体的接近度等等。
除了提供调整自动驾驶汽车的速度的指令之外,计算设备还可以提供修改车辆600的转向角的指令,以使得自动驾驶汽车遵循给定的轨迹和/或维持与自动驾驶汽车附近的物体(例如,道路上的相邻车道中的车辆)的安全横向和纵向距离。
上述车辆600可以为各种类型的行驶工具,例如,轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、娱乐车、火车等等,本公开实施例不做特别的限定。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述的点云数据渲染方法的代码部分。
本领域技术人员在考虑说明书及实践本公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种点云数据渲染方法,其特征在于,包括:
获取车辆当前车道的点云数据;
从所述当前车道及所述当前车道的相邻车道中确定目标车道;所述目标车道为待剔除所述点云数据的车道;
合并所述目标车道的属性信息,生成待剔除所述点云数据的包围框;
将所述点云数据与所述包围框的坐标系统一到虚拟坐标系下;
在所述虚拟坐标系下,通过渲染管线剔除所述包围框中的点云数据,将剩余的点云数据渲染到三维空间上。
2.根据权利要求1所述方法,其特征在于,所述从所述当前车道及所述当前车道的相邻车道中确定目标车道,包括:
基于所述车辆的预规划路径获取当前车道标识;
基于所述当前车道标识,根据高精地图的道路拓扑关系获取当前车道的相邻车道的属性信息;所述属性信息包括相邻车道标识及所述相邻车道的轮廓坐标信息,所述相邻车道包括左侧车道、右侧车道、后继车道及前侧车道;
根据所述当前车道标识及所述相邻车道标识确定所述目标车道。
3.根据权利要求2所述方法,其特征在于,所述从所述当前车道及所述当前车道的相邻车道中确定目标车道,还包括:
将所述后继车道或前侧车道作为新的当前车道,记为第一当前车道;
基于所述第一当前车道,根据所述高精地图的道路拓扑关系获取第一当前车道的第一相邻车道的属性信息;
根据第一当前车道标识及所述第一相邻车道标识确定所述目标车道。
4.根据权利要求1所述方法,其特征在于,所述目标车道的属性信息包括目标车道标识及目标车道的轮廓坐标信息;所述合并所述目标车道的属性信息,生成待剔除所述点云数据的包围框,包括:
根据所述目标车道标识及所述目标车道的轮廓坐标信息,合并所述目标车道的轮廓,生成所述包围框。
5.根据权利要求1所述方法,其特征在于,所述将所述点云数据与所述包围框的坐标系统一到虚拟坐标系下,包括:
根据所述点云数据的坐标信息及所述包围框的坐标信息,将所述点云数据与所述包围框的坐标系统一到虚拟坐标系下。
6.根据权利要求1所述方法,其特征在于,所述在所述虚拟坐标系下,通过渲染管线剔除所述包围框中的点云数据,将剩余的点云数据渲染到三维空间上,包括:
在所述虚拟坐标系下,通过所述渲染管线的顶点着色器剔除所述包围框中的点云数据,将剩余的点云数据渲染到三维空间上。
7.一种点云数据渲染装置,其特征在于,包括:
获取模块,被配置为获取车辆当前车道的点云数据;
处理模块,被配置为从所述当前车道及所述当前车道的相邻车道中确定目标车道;所述目标车道为待剔除所述点云数据的车道;
合并模块,被配置为合并所述目标车道的属性信息,生成待剔除所述点云数据的包围框;
所述处理模块,还被配置为将所述点云数据与所述包围框的坐标系统一到虚拟坐标系下;
渲染模块,被配置为在所述虚拟坐标系下,通过渲染管线剔除所述包围框中的点云数据,将剩余的点云数据渲染到三维空间上。
8.一种车辆,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述可执行指令实现权利要求1~6中任一项所述方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1~6中任一项所述方法的步骤。
10.一种芯片,其特征在于,包括处理器和接口;所述处理器用于读取指令以执行权利要求1~6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210959408.6A CN115330923B (zh) | 2022-08-10 | 2022-08-10 | 点云数据渲染方法、装置、车辆、可读存储介质及芯片 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210959408.6A CN115330923B (zh) | 2022-08-10 | 2022-08-10 | 点云数据渲染方法、装置、车辆、可读存储介质及芯片 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115330923A true CN115330923A (zh) | 2022-11-11 |
CN115330923B CN115330923B (zh) | 2023-11-14 |
Family
ID=83921352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210959408.6A Active CN115330923B (zh) | 2022-08-10 | 2022-08-10 | 点云数据渲染方法、装置、车辆、可读存储介质及芯片 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115330923B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115855531A (zh) * | 2023-02-16 | 2023-03-28 | 中国汽车技术研究中心有限公司 | 自动驾驶汽车的测试场景构建方法、设备和介质 |
CN116091533A (zh) * | 2023-01-03 | 2023-05-09 | 中国人民解放军海军航空大学 | 一种Qt开发环境下的激光雷达目标演示与提取方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108470159A (zh) * | 2018-03-09 | 2018-08-31 | 腾讯科技(深圳)有限公司 | 车道线数据处理方法、装置、计算机设备和存储介质 |
KR102087046B1 (ko) * | 2019-06-28 | 2020-03-10 | 웨이즈원 주식회사 | 자율 주행 차량에서 ldm을 이용하여 차선 기반으로 사각 지대에 대한 정보를 제공하는 방법 및 장치 |
CN110988912A (zh) * | 2019-12-06 | 2020-04-10 | 中国科学院自动化研究所 | 自动驾驶车辆的道路目标与距离检测方法、系统、装置 |
US20200175720A1 (en) * | 2018-11-29 | 2020-06-04 | Industrial Technology Research Institute | Vehicle, vehicle positioning system, and vehicle positioning method |
CN112154445A (zh) * | 2019-09-19 | 2020-12-29 | 深圳市大疆创新科技有限公司 | 高精度地图中车道线的确定方法和装置 |
US20210148722A1 (en) * | 2019-11-20 | 2021-05-20 | Thinkware Corporation | Method, apparatus, computer program, and computer-readable recording medium for producing high-definition map |
CN112837414A (zh) * | 2021-04-22 | 2021-05-25 | 速度时空信息科技股份有限公司 | 基于车载点云数据的三维高精度地图的构建方法 |
CN113607185A (zh) * | 2021-10-08 | 2021-11-05 | 禾多科技(北京)有限公司 | 车道线信息显示方法、装置、电子设备和计算机可读介质 |
CN114067288A (zh) * | 2021-11-16 | 2022-02-18 | 武汉中海庭数据技术有限公司 | 一种交通标志牌提取方法、系统、电子设备及存储介质 |
KR20220058988A (ko) * | 2020-11-02 | 2022-05-10 | 주식회사 맵퍼스 | 모바일 매핑 시스템을 이용한 차선 데이터 자동 추출 시스템 및 방법 |
CN114663545A (zh) * | 2020-12-23 | 2022-06-24 | 阿里巴巴集团控股有限公司 | 地图生成方法、系统、电子设备和存储介质 |
-
2022
- 2022-08-10 CN CN202210959408.6A patent/CN115330923B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108470159A (zh) * | 2018-03-09 | 2018-08-31 | 腾讯科技(深圳)有限公司 | 车道线数据处理方法、装置、计算机设备和存储介质 |
US20200175720A1 (en) * | 2018-11-29 | 2020-06-04 | Industrial Technology Research Institute | Vehicle, vehicle positioning system, and vehicle positioning method |
KR102087046B1 (ko) * | 2019-06-28 | 2020-03-10 | 웨이즈원 주식회사 | 자율 주행 차량에서 ldm을 이용하여 차선 기반으로 사각 지대에 대한 정보를 제공하는 방법 및 장치 |
CN112154445A (zh) * | 2019-09-19 | 2020-12-29 | 深圳市大疆创新科技有限公司 | 高精度地图中车道线的确定方法和装置 |
US20210148722A1 (en) * | 2019-11-20 | 2021-05-20 | Thinkware Corporation | Method, apparatus, computer program, and computer-readable recording medium for producing high-definition map |
CN110988912A (zh) * | 2019-12-06 | 2020-04-10 | 中国科学院自动化研究所 | 自动驾驶车辆的道路目标与距离检测方法、系统、装置 |
KR20220058988A (ko) * | 2020-11-02 | 2022-05-10 | 주식회사 맵퍼스 | 모바일 매핑 시스템을 이용한 차선 데이터 자동 추출 시스템 및 방법 |
CN114663545A (zh) * | 2020-12-23 | 2022-06-24 | 阿里巴巴集团控股有限公司 | 地图生成方法、系统、电子设备和存储介质 |
CN112837414A (zh) * | 2021-04-22 | 2021-05-25 | 速度时空信息科技股份有限公司 | 基于车载点云数据的三维高精度地图的构建方法 |
CN113607185A (zh) * | 2021-10-08 | 2021-11-05 | 禾多科技(北京)有限公司 | 车道线信息显示方法、装置、电子设备和计算机可读介质 |
CN114067288A (zh) * | 2021-11-16 | 2022-02-18 | 武汉中海庭数据技术有限公司 | 一种交通标志牌提取方法、系统、电子设备及存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116091533A (zh) * | 2023-01-03 | 2023-05-09 | 中国人民解放军海军航空大学 | 一种Qt开发环境下的激光雷达目标演示与提取方法 |
CN115855531A (zh) * | 2023-02-16 | 2023-03-28 | 中国汽车技术研究中心有限公司 | 自动驾驶汽车的测试场景构建方法、设备和介质 |
CN115855531B (zh) * | 2023-02-16 | 2023-05-16 | 中国汽车技术研究中心有限公司 | 自动驾驶汽车的测试场景构建方法、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115330923B (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115330923B (zh) | 点云数据渲染方法、装置、车辆、可读存储介质及芯片 | |
CN115042821B (zh) | 车辆控制方法、装置、车辆及存储介质 | |
CN114842075B (zh) | 数据标注方法、装置、存储介质及车辆 | |
US20240017719A1 (en) | Mapping method and apparatus, vehicle, readable storage medium, and chip | |
CN115205365A (zh) | 车辆距离检测方法、装置、车辆、可读存储介质及芯片 | |
CN115035494A (zh) | 图像处理方法、装置、车辆、存储介质及芯片 | |
CN115265561A (zh) | 车辆定位方法、装置、车辆及介质 | |
CN115123257A (zh) | 路面减速带位置识别方法、装置、车辆、存储介质及芯片 | |
CN114782638B (zh) | 生成车道线的方法、装置、车辆、存储介质及芯片 | |
CN115056784B (zh) | 车辆控制方法、装置、车辆、存储介质及芯片 | |
CN115202234B (zh) | 仿真测试方法、装置、存储介质和车辆 | |
CN114842455B (zh) | 障碍物检测方法、装置、设备、介质、芯片及车辆 | |
CN115203457B (zh) | 图像检索方法、装置、车辆、存储介质及芯片 | |
CN115205848A (zh) | 目标检测方法、装置、车辆、存储介质及芯片 | |
CN115221151A (zh) | 车辆数据的传输方法、装置、车辆、存储介质及芯片 | |
CN115100630A (zh) | 障碍物检测方法、装置、车辆、介质及芯片 | |
CN115205311A (zh) | 图像处理方法、装置、车辆、介质及芯片 | |
CN115334109A (zh) | 用于交通信号识别的系统架构、传输方法,车辆,介质及芯片 | |
CN115042814A (zh) | 交通灯状态识别方法、装置、车辆及存储介质 | |
CN115082886B (zh) | 目标检测的方法、装置、存储介质、芯片及车辆 | |
CN114822216B (zh) | 生成车位地图的方法、装置、车辆、存储介质及芯片 | |
CN115164910B (zh) | 行驶路径生成方法、装置、车辆、存储介质及芯片 | |
CN115063639B (zh) | 生成模型的方法、图像语义分割方法、装置、车辆及介质 | |
CN115082573B (zh) | 参数标定方法、装置、车辆及存储介质 | |
CN114877911B (zh) | 路径规划方法、装置、车辆及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |