CN115953752A - 一种车道参考线的提取方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明公开了一种车道参考线的提取方法、装置、电子设备及存储介质，该方法包括：从路面点云数据中获取起始点和根节点；获取由采集车的行驶轨迹点构成的第一轨迹数据，并确定与根节点最近的第一轨迹点；以第一轨迹点作为中心点，预加载中心点的预设半径范围内的路面点云数据，去噪处理，得到第一点云数据；获取根节点的采集时间戳，基于第一轨迹点的前进方向，确定新节点的搜索方向；从根节点开始，按照搜索方向和预设的搜索步长，从第一点云数据中搜索新节点；基于起始点、根节点和多个搜索得到的新节点提取生成车道参考线。上述方法提高了参考线的生成效率，使得参考线的搜索方向与采集车的行驶方向保持一致，保证了搜索方向的准确性。

Description

一种车道参考线的提取方法、装置、电子设备及存储介质

技术领域

本发明涉及自动驾驶领域，尤其涉及一种车道参考线的提取方法、装置、电子设备及存储介质。

背景技术

现如今自动驾驶飞速发展，获取高精地图是自动驾驶领域中的一个重要模块，而在高精地图中，路面信息是构建整个高精地图的基础，车道线作为路面上的指示标线，用来管制和引导交通，因此它的准确检测对于高精地图极其重要。而车道参考线是车道线生成的基础，也是自动驾驶完成轨迹规划的基础。因此能够确定精确度高的车道参考线对于自动驾驶具有重要影响。

现有的车道参考线提取方法主要依赖人工生成的方式确定车道参考线，从而生产地图，由于人工生成的效率比较低，生产需要大量人工，造成生产的人工成本较高，同时由于工作人员的工作量大，人工容易出现错误，造成车道参考线的精度较低。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，为此，本发明第一方面提出一种车道参考线的提取方法，所述方法包括：

获取路面点云数据，所述路面点云数据是采集车在行驶过程中采集的路面上的点云数据，所述路面上包括多条车道线；

从所述路面点云数据中获取起始点和根节点，所述起始点和所述根节点为人工预确认的车道线上的两个点；所述起始点到所述根节点的方向与所述采集车的行车方向一致；所述人工预确认的车道线为所述多条车道线中的其中一条；

获取由所述采集车的行驶轨迹点构成的第一轨迹数据，并从所述第一轨迹数据中确定与所述根节点最近的第一轨迹点；

以所述第一轨迹点作为中心点，预加载所述中心点的预设半径范围内的所述路面点云数据，并对预加载的所述路面点云数据进行去噪处理，得到第一点云数据；

获取所述根节点的采集时间戳，并在所述采集时间戳的预设时间范围内有对应的所述第一轨迹数据的情况下，基于所述第一轨迹点的前进方向，确定新节点的搜索方向；

从所述根节点开始，按照所述搜索方向和预设的搜索步长，从所述第一点云数据中搜索所述新节点；

将所述第一轨迹点更新为所述新节点，以所述新节点为起始，继续执行所述去噪处理和搜索下一个新节点的操作；

基于所述起始点、所述根节点和多个搜索得到的新节点提取生成车道参考线。

可选的，所述基于所述第一轨迹点的前进方向，确定新节点的搜索方向，包括：

从所述第一轨迹数据中获取与所述第一轨迹点前后相邻的两个点，得到第一前点和第一后点，所述第一前点为所述第一轨迹点对应的上一时刻的轨迹点，所述第一后点为所述第一轨迹点对应的下一时刻的轨迹点；

获取由所述起始点与所述根节点确定的第一方向、由所述第一前点与所述第一后点确定的第二方向之间的夹角；

确定所述第一轨迹点与所述根节点之间的第一距离；

基于所述第一距离、所述夹角确定新节点的搜索方向。

可选的，所述基于所述第一距离、所述夹角确定新节点的搜索方向，包括：

若所述第一距离大于或等于预设第一距离阈值，或所述夹角大于或等于预设夹角阈值，则将所述起始点和所述根节点确定的方向确定为新节点的搜索方向；所述第一距离阈值为P个轨迹数据采集周期内所述采集车行驶的距离；

若所述第一距离小于预设第一距离阈值，且所述夹角小于预设夹角阈值，则基于所述第一轨迹点、所述第一前点、所述第一后点确定所述新节点的搜索方向。

可选的，所述基于所述第一轨迹点、所述第一前点、所述第一后点确定所述新节点的搜索方向，包括：

确定所述第一后点与所述第一轨迹点之间的第二距离；

若所述第二距离大于或等于预设第二距离阈值，则将由所述第一前点与所述第一后点确定的方向作为所述新节点的搜索方向；所述第二距离阈值为Q个轨迹数据采集周期内所述采集车行驶的距离，Q＞P；

若所述第二距离小于所述第二距离阈值，则将所述第一轨迹点更新为所述第一后点，并将由所述第一后点的前点和后点确定的方向作为所述新节点的搜索方向。

可选的，在获取所述根节点的采集时间戳之后，还包括：

在所述采集时间戳的预设时间范围内无对应的第一轨迹数据的情况下，将由所述起始点和所述根节点确定的方向，作为新节点的搜索方向。

可选的，所述对预加载的所述路面点云数据进行去噪处理，包括：

将预加载的所述路面点云数据按照点云反射强度进行排序；

从所述路面点云数据中滤除所述排序在前N%的点云数据和所述排序在后M%的点云数据，得到初处理点云数据；所述排序在前N%的点云数据为路面上的异物对应的点云数据，所述排序在后M%的点云数据为普通路面对应的点云数据，所述初处理点云数据为车道线对应的点云数据；

将所述初处理点云数据所对应的空间区域按照预设网格尺寸进行划分，得到多个点云网格；

根据所述点云网格中包括的点云数量与预设的第一数量阈值的大小关系，对各个所述点云网格进行初始二值化标记，并根据所述初始二值化标记结果对所述多个点云网格进行腐蚀膨胀处理，得到包括目标二值化标记结果的多个点云网格；

根据所述目标二值化标记结果，获取大于或等于所述第一数量阈值的目标点云网格，并将所述目标点云网格中的点云数据确定为第一点云数据。

可选的，所述根据所述点云网格中包括的点云数量与预设的第一数量阈值的大小关系，对各个所述点云网格进行初始二值化标记，并根据所述初始二值化标记结果对所述多个点云网格进行腐蚀膨胀处理，包括：

将所述点云网格中包括的点云数量小于第一数量阈值的点云网格标记为P，并将所述点云数量大于或等于所述第一数量阈值的点云网格标记为Q，得到初始二值化标记结果；

根据所述初始二值化标记结果，对所述多个点云网格分别进行多次腐蚀处理和多次膨胀处理，得到包括目标二值化标记结果的多个点云网格；

将所述目标二值化标记结果为Q的点云网格中的点云数据确定为第一点云数据。

可选的，所述从所述根节点开始，按照所述搜索方向和预设的搜索步长，从所述第一点云数据中搜索所述新节点，包括：

从所述根节点开始，按照所述搜索方向和预设的搜索步长，从所述第一点云数据中确定下一个节点；

确定所述下一个节点是否满足目标条件，所述目标条件为：所述节点所属的点云网格中的点云的数量大于或等于预设的第二数量阈值；所述第二数量阈值大于所述第一数量阈值；

若所述下一个节点满足所述目标条件，则确定所述点云网格中的各个点云的坐标值的平均值，并将所述平均值作为新节点的坐标值。

可选的，在确定所述下一个节点是否满足目标条件之后，还包括：

若所述下一个节点不满足所述目标条件，则增加搜索步长，继续从所述第一点云数据中确定新的下一个节点；

确定所述新的下一个节点是否满足所述目标条件；

若不满足所述目标条件，则继续增加搜索步长，继续从所述第一点云数据中确定新的下一个节点，直到所述新的下一个节点满足所述目标条件，或本次搜索达到预设的停止条件。

可选的，所述预设的停止条件，包括：

所述新节点已到达路口；

所述新节点的搜索方向与所述采集车的行车方向相反；

所述新节点与最近的已有参考线起始节点之间的第三距离小于第三距离阈值；所述已有参考线为同向车道的参考线；

所述新节点的搜索步长超过预设的步长阈值。

可选的，在基于所述起始点、所述根节点和多个搜索得到的新节点提取生成车道参考线之后，还包括：

基于所述参考线与各个所述车道线的位置关系、预设的车道宽度生成所述路面的多条车道线。

本发明第二方面提出一种车道参考线的提取装置，包括：

路面点云数据获取模块，用于获取路面点云数据，所述路面点云数据是采集车在行驶过程中采集的路面上的点云数据，所述路面上包括多条车道线；

起始点根节点获取模块，用于从所述路面点云数据中获取起始点和根节点，所述起始点和所述根节点为人工预确认的车道线上的两个点；所述起始点到所述根节点的方向与所述采集车的行车方向一致；所述人工预确认的车道线为所述多条车道线中的其中一条；

第一轨迹点确定模块，用于获取由所述采集车的行驶轨迹点构成的第一轨迹数据，并从所述第一轨迹数据中确定与所述根节点最近的第一轨迹点；

去噪处理模块，用于以所述第一轨迹点作为中心点，预加载所述中心点的预设半径范围内的所述路面点云数据，并对预加载的所述路面点云数据进行去噪处理，得到第一点云数据；

第一搜索方向确定模块，用于获取所述根节点的采集时间戳，并在所述采集时间戳的预设时间范围内有对应的所述第一轨迹数据的情况下，基于所述第一轨迹点的前进方向，确定新节点的搜索方向；

新节点搜索模块，用于从所述根节点开始，按照所述搜索方向和预设的搜索步长，从所述第一点云数据中搜索所述新节点；

更新模块，用于将所述第一轨迹点更新为所述新节点，以所述新节点为起始，继续执行所述去噪处理和搜索下一个新节点的操作；

车道参考线生成模块，用于基于所述起始点、所述根节点和多个搜索得到的新节点提取生成车道参考线。

可选的，所述第一搜索方向确定模块具体用于：

从所述第一轨迹数据中获取与所述第一轨迹点前后相邻的两个点，得到第一前点和第一后点，所述第一前点为所述第一轨迹点对应的上一时刻的轨迹点，所述第一后点为所述第一轨迹点对应的下一时刻的轨迹点；

获取由所述起始点与所述根节点确定的第一方向、由所述第一前点与所述第一后点确定的第二方向之间的夹角；

确定所述第一轨迹点与所述根节点之间的第一距离；

基于所述第一距离、所述夹角确定新节点的搜索方向。

可选的，所述第一搜索方向确定模块进一步用于：

若所述第一距离大于或等于预设第一距离阈值，或所述夹角大于或等于预设夹角阈值，则将所述起始点和所述根节点确定的方向确定为新节点的搜索方向；所述第一距离阈值为P个轨迹数据采集周期内所述采集车行驶的距离；

若所述第一距离小于预设第一距离阈值，且所述夹角小于预设夹角阈值，则基于所述第一轨迹点、所述第一前点、所述第一后点确定所述新节点的搜索方向。

可选的，所述搜索方向确定模块进一步用于：

确定所述第一后点与所述第一轨迹点之间的第二距离；

若所述第二距离大于或等于预设第二距离阈值，则将由所述第一前点与所述第一后点确定的方向作为所述新节点的搜索方向；所述第二距离阈值为Q个轨迹数据采集周期内所述采集车行驶的距离，Q＞P；

若所述第二距离小于所述第二距离阈值，则将所述第一轨迹点更新为所述第一后点，并将由所述第一后点的前点和后点确定的方向作为所述新节点的搜索方向。

可选的，所述装置还包括：

第二搜索方向确定模块，用于在所述采集时间戳的预设时间范围内无对应的第一轨迹数据的情况下，将由所述起始点和所述根节点确定的方向，作为新节点的搜索方向。

可选的，所述去噪处理模块具体用于：

将预加载的所述路面点云数据按照点云反射强度进行排序；

从所述路面点云数据中滤除所述排序在前N%的点云数据和所述排序在后M%的点云数据，得到初处理点云数据；所述排序在前N%的点云数据为路面上的异物对应的点云数据，所述排序在后M%的点云数据为普通路面对应的点云数据，所述初处理点云数据为车道线对应的点云数据；

将所述初处理点云数据所对应的空间区域按照预设网格尺寸进行划分，得到多个点云网格；

根据所述点云网格中包括的点云数量与预设的第一数量阈值的大小关系，对各个所述点云网格进行初始二值化标记，并根据所述初始二值化标记结果对所述多个点云网格进行腐蚀膨胀处理，得到包括目标二值化标记结果的多个点云网格；

根据所述目标二值化标记结果，获取大于或等于所述第一数量阈值的目标点云网格，并将所述目标点云网格中的点云数据确定为第一点云数据。

可选的，所述去噪处理模块进一步用于：

将所述点云网格中包括的点云数量小于第一数量阈值的点云网格标记为P，并将所述点云数量大于或等于所述第一数量阈值的点云网格标记为Q，得到初始二值化标记结果；

根据所述初始二值化标记结果，对所述多个点云网格分别进行多次腐蚀处理和多次膨胀处理，得到包括目标二值化标记结果的多个点云网格；

将所述目标二值化标记结果为Q的点云网格中的点云数据确定为第一点云数据。

可选的，所述新节点搜索模块具体用于：

从所述根节点开始，按照所述搜索方向和预设的搜索步长，从所述第一点云数据中确定下一个节点；

确定所述下一个节点是否满足目标条件，所述目标条件为：所述节点所属的点云网格中的点云的数量大于或等于预设的第二数量阈值；所述第二数量阈值大于所述第一数量阈值；

若所述下一个节点满足所述目标条件，则确定所述点云网格中的各个点云的坐标值的平均值，并将所述平均值作为新节点的坐标值。

可选的，所述新节点搜索模块具体用于：

若所述下一个节点不满足所述目标条件，则增加搜索步长，继续从所述第一点云数据中确定新的下一个节点；

确定所述新的下一个节点是否满足所述目标条件；

若不满足所述目标条件，则继续增加搜索步长，继续从所述第一点云数据中确定新的下一个节点，直到所述新的下一个节点满足所述目标条件，或本次搜索达到预设的停止条件。

可选的，所述装置还包括：

车道线生成模块，用于基于所述参考线与各个所述车道线的位置关系、预设的车道宽度生成所述路面的多条车道线。

本发明第三方面提出一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令或者至少一段程序，所述至少一条指令或者至少一段程序由所述处理器加载并执行以实现如第一方面所述的车道参考线的提取方法。

本发明第四方面提出一种计算机可读存储介质，所述存储介质中存储有至少一条指令或者至少一段程序，所述至少一条指令或者至少一段程序由处理器加载并执行以实现如第一方面所述的车道参考线的提取方法。

本发明实施例具有以下有益效果：

在本发明实施例中，获取路面点云数据，所述路面点云数据是采集车在行驶过程中采集的路面上的点云数据，所述路面上包括多条车道线；从所述路面点云数据中获取起始点和根节点；获取由所述采集车的行驶轨迹点构成的第一轨迹数据，并从所述第一轨迹数据中确定与所述根节点最近的第一轨迹点；以所述第一轨迹点作为中心点，预加载所述中心点的预设半径范围内的所述路面点云数据，并对预加载的所述路面点云数据进行去噪处理，得到第一点云数据；获取所述根节点的采集时间戳，并在所述采集时间戳的预设时间范围内有对应的所述第一轨迹数据的情况下，基于所述第一轨迹点的前进方向，确定新节点的搜索方向；从所述根节点开始，按照所述搜索方向和预设的搜索步长，从所述第一点云数据中搜索所述新节点；将所述第一轨迹点更新为所述新节点，以所述新节点为起始，继续执行所述去噪处理和搜索下一个新节点的操作；基于所述起始点、所述根节点和多个搜索得到的新节点提取生成车道参考线。上述方法采用计算机算法进行新节点的搜索，提高了参考线的生成效率；从预确认的车道线对应的点云数据中选取参考线的起始点和根节点，基于人工的技术储备提高了起始点和根节点的选取精度；并且，基于第一轨迹数据的前进方向，确定参考线的新节点的搜索方向，使得参考线的搜索方向与采集车的行驶方向保持一致，保证了搜索方向的准确性和参考线的精度。

附图说明

图1为本发明实施例提供的一种车道参考线的提取方法的流程图之一；

图2为本发明实施例提供的一种车道线示意图；

图3为本发明实施例提供的一种车道参考线的提取方法的流程图之二；

图4为本发明实施例提供的一种车道参考线的提取方法的流程图之三；

图5为本发明实施例提供的一种车道参考线的提取方法的流程图之四；

图6为本发明实施例提供的一种车道参考线的提取装置的结构框图。

具体实施方式

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，所描述的实施例仅仅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作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。

以下，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。另外，“基于”或“根据”的使用意味着开放和包容性，因为“基于”或“根据”一个或多个所述条件或值的过程、步骤、计算或其他动作在实践中可以基于额外条件或超出所述的值。

图1为本发明实施例提供的一种车道参考线的提取方法的流程图之一，该方法可以包含如下步骤：

步骤101、获取路面点云数据，所述路面点云数据是采集车在行驶过程中采集的路面上的点云数据，所述路面上包括多条车道线。

高精度的地图采集车在路面上行驶过程中，采集整个路面的点云数据，得到路面点云数据。该路面点云数据中包括路面上的一切对象的点云信息，如路面、路面上的车道线、路面上的异物等。

路面点云数据中的每个点包括的信息有：三维坐标、采集时间戳、颜色信息信息（RGB值）、反射强度信息（IQteQsity）。

步骤102、从所述路面点云数据中获取起始点和根节点，所述起始点和所述根节点为人工预确认的车道线上的两个点；所述起始点到所述根节点的方向与所述采集车的行车方向一致；所述人工预确认的车道线为所述多条车道线中的其中一条。

起始点和根节点用于作为生成车道参考线（下文简称为参考线）的最初两个点。此处的起始点和根节点是在人工预确认的车道线上提取的，因此，本方案最终生成的参考线是车道线中的其中一条。

本方案中的参考线是生成路面上其他车道线的参考标识，具体用于作为生成其他车道线的方向参考和长度参考。在得到参考线之后，通过复制平移的方法可以得到路面上的其他车道线。

相关技术中通过全部人工点选的方式得到一条车道线，将该车道线作为生成其他车道线的参考线，但这种方法存在两个主要问题。其一，人工点选效率较低、耗时较长；其二，参考线需要处于车道线的最中央，但人工点选生成的参考线是有一定宽度的，不可能精确的处于车道线的最中央，因此会造成误差。

本方案在得到道路点云数据后，通过人眼识别到属于车道线的点云数据，即通过人眼得到预确认的车道线，再从预确认的车道线上随意选取两个点作为起始点和根节点。后续将根节点作为下一个节点的搜索依据，通过计算机算法追踪搜索参考线上的其他节点。

从道路点云数据中点选整个车道线会出现误差，但从车道线上选取两个点是容易且准确的，相比于计算机选取，这种方式利用人的技术储备点选，提高了点选效率和准确性，为后续进行追踪搜索提供了准确的开端。

可以理解，也可以采用计算机获得预确认的车道线，也可以采用计算机从预确认的车道线中选取起始点和根节点，本方案对此不做具体限定。

具体地，假设起始点为P1，根节点为P2，向量

的方向必须与采集车的行车方向一致，这样才能使后续追踪得到的参考线的方向与行车方向一致。

图2为本发明实施例提供的一种车道线示意图。

如图2所示，道路点云数据中包括三条车道线，最右侧的车道线被选中为预确认的车道线，该预确认的车道线将被作为待提取的参考线。从预确认的车道线上选取两个点，作为起始点和根节点。

步骤103、获取由所述采集车的行驶轨迹点构成的第一轨迹数据，并从所述第一轨迹数据中确定与所述根节点最近的第一轨迹点。

在追踪搜索参考线的下一个节点过程中，不清楚下一个节点的方向和位置，有可能道路已经转弯了，但路面点云数据还在延伸。

采集车在路面上行驶过程中，会形成一系列的GPS轨迹点。采集车的行驶轨迹与道路的前进方向是一致的，采集车行驶轨迹可以为搜索下一个节点提供指引。因此，可以采用行驶轨迹作为搜索下一个节点的重要参考，以提高搜索效率、防止搜索方向偏离。

本发明实施例中，可以每隔一定周期（如0.1秒）获取一次采集车的GPS轨迹点坐标，得到第一轨迹数据。第一轨迹数据具体包括各个轨迹点坐标和对应的采集时间戳。

路面点云数据具体包括路面上各个对象的三维坐标和采集时间戳，因此，可以确定根节点对应在路面维度的二维坐标。利用根节点的二维坐标和各个轨迹点的坐标，确定各个轨迹点与根节点的欧式距离，选取欧式距离最小的轨迹点作为第一轨迹点。

示例性地，假设选取的起始点和根节点分别为P1和P2，确定各个轨迹点与P2点的欧式距离，并从中选取与P2点的欧式距离最小的轨迹点G1，作为第一轨迹点。

步骤104、以所述第一轨迹点作为中心点，预加载所述中心点的预设半径范围内的所述路面点云数据，并对预加载的所述路面点云数据进行去噪处理，得到第一点云数据。

将第一轨迹点作为预加载的点云中心点，设定加载点云的半径R1，读取该半径范围内的路面点云数据。

由于路面点云数据中可能包括积水、落叶等噪声，因此，需要对读取的路面点云数据进行噪声滤除，得到第一点云数据。

步骤105、获取所述根节点的采集时间戳，并在所述采集时间戳的预设时间范围内有对应的所述第一轨迹数据的情况下，基于所述第一轨迹点的前进方向，确定新节点的搜索方向。

采集车的行驶轨迹与道路的前进方向是一致的，因此，某时刻的采集车的行驶轨迹与该时刻的车道线的前进方向是一致的，采集车行驶轨迹可以为搜索参考线的下一个节点提供指引。

首先从根节点的点云信息中获取采集时间戳，确认该采集时间戳的预设时间范围内是否存在第一轨迹数据。预设时间范围具体可以取0.1秒、0.05秒等较小的时间范围。

若预设时间范围内存在第一轨迹数据，则可以以第一轨迹数据的前进方向作为确定搜索方向的参考依据。

步骤106、从所述根节点开始，按照所述搜索方向和预设的搜索步长，从所述第一点云数据中搜索所述新节点。

在确认了搜索的方向后，需要设置搜索步长。搜索步长可以设置为一个固定值，也可以设置为一个随着搜索情况改变的值。此外，搜索方向也可以设置为随着搜索情况改变。

从根节点开始，根据搜索方向和搜索步长，从第一点云数据中搜索新节点。

步骤107、将所述第一轨迹点更新为所述新节点，以所述新节点为起始，继续执行所述去噪处理和搜索下一个新节点的操作。

在找到新节点之后，以新节点作为中心点，执行去噪处理和搜索下一个新节点的操作。

具体地，以新节点为中心点，预加载新节点的预设半径范围内的路面点云数据，并对预加载的路面点云数据进行去噪处理，得到第二点云数据；获取新节点的采集时间戳，并在采集时间戳的预设时间范围内有对应的第一轨迹数据的情况下，基于第一轨迹点的前进方向，确定下一个新节点的搜索方向；

从新节点开始，按照下一个新节点的搜索方向和预设的搜索步长，从第二第一点云数据中搜索下一个新节点。

不断重复前述步骤，直至触发停止条件，则停止搜索。在多次搜索过程中，得到依次向车道线前进方向延伸的多个新节点。

步骤108、基于所述起始点、所述根节点和多个搜索得到的新节点提取生成车道参考线。

将起始点、根节点以及搜索得到的各个新节点从道路点云数据中提取出来，并将各节点进行连接，得到车道参考线。

综上，在本发明实施例中，获取路面点云数据，所述路面点云数据是采集车在行驶过程中采集的路面上的点云数据，所述路面上包括多条车道线；从所述路面点云数据中获取起始点和根节点；获取由所述采集车的行驶轨迹点构成的第一轨迹数据，并从所述第一轨迹数据中确定与所述根节点最近的第一轨迹点；以所述第一轨迹点作为中心点，预加载所述中心点的预设半径范围内的所述路面点云数据，并对预加载的所述路面点云数据进行去噪处理，得到第一点云数据；获取所述根节点的采集时间戳，并在所述采集时间戳的预设时间范围内有对应的所述第一轨迹数据的情况下，基于所述第一轨迹点的前进方向，确定新节点的搜索方向；从所述根节点开始，按照所述搜索方向和预设的搜索步长，从所述第一点云数据中搜索所述新节点；将所述第一轨迹点更新为所述新节点，以所述新节点为起始，继续执行所述去噪处理和搜索下一个新节点的操作；基于所述起始点、所述根节点和多个搜索得到的新节点提取生成车道参考线。上述方法采用计算机算法进行新节点的搜索，提高了参考线的生成效率，从预确认的车道线对应的点云数据中选取参考线的起始点和根节点，提高了起始点和根节点的选取精度；并且，基于第一轨迹数据的前进方向，确定参考线的新节点的搜索方向，使得参考线的搜索方向与采集车的行驶方向保持一致，保证了搜索方向的准确性。

在一种可能的实施方式中，如图3所示，在步骤105中，基于所述第一轨迹点的前进方向，确定新节点的搜索方向，包括：

步骤1051、从所述第一轨迹数据中获取与所述第一轨迹点前后相邻的两个点，得到第一前点和第一后点，所述第一前点为所述第一轨迹点对应的上一时刻的轨迹点，所述第一后点为所述第一轨迹点对应的下一时刻的轨迹点。

第一轨迹数据包括各个轨迹点坐标及采集时间戳，根据采集时间戳可以得到第一轨迹点上一时刻的轨迹点坐标和下一时刻的轨迹点坐标，即第一前点的坐标和第一后点的坐标。

步骤1052、获取由所述起始点与所述根节点确定的第一方向、由所述第一前点与所述第一后点确定的第二方向之间的夹角。

具体地，由起始点P1和根节点P2确定的第一方向为

。

设第一轨迹点G1的第一前点为G0，第一后点为G2，则由第一点前与第一后点确定的第二方向为

。

与

之间的夹角为第一方向与第二方向之间的夹角。

步骤1053、确定所述第一轨迹点与所述根节点之间的第一距离。

第一轨迹点G1和根节点P2之间的第一距离可以用欧式距离来计算。

步骤1054、基于所述第一距离、所述夹角确定新节点的搜索方向。

第一距离表明第一轨迹点与根节点之间的距离，夹角表明第一轨迹点的前进方向与起始点和根节点确定的方向之间的方向偏差，通过距离和夹角可以确定第一轨迹点属于车道线上的可能性。若第一轨迹点属于车道线的可能性较小，则放弃使用第一轨迹点来确定新节点的搜索方向，若第一轨迹点属于车道线的可能性较大，则可以利用第一轨迹点来确定新节点的搜索方向。

在步骤1051-步骤1054中，基于所述第一距离、所述夹角确定新节点的搜索方向，使得新节点的搜索方向可以根据第一轨迹点与根节点的距离决定，并同时根据第一方向与第二方向的夹角决定，使得搜索方向的决定更为科学、合理，保证了搜索方向确定的准确性。

在一种可能的实施方式中，步骤1054包括：

步骤10541、若所述第一距离大于或等于预设第一距离阈值，或所述夹角大于或等于预设夹角阈值，则将所述起始点和所述根节点确定的方向确定为新节点的搜索方向；所述第一距离阈值为P个轨迹数据采集周期内所述采集车行驶的距离。

在采集车行驶过程中，每隔一定周期（如0.1秒）获取一次采集车的GPS轨迹点坐标，得到第一轨迹数据。第一距离阈值为P个轨迹数据采集周期内所述采集车行驶的距离，若采集车在一个轨迹数据采集周期内行驶的距离平均为L米，则P个轨迹数据采集周期内采集车行驶的距离为P*L米，则第一距离阈值为P*L米。示例性地，第一距离阈值可以设置为6米。

若第一距离大于或等于预设第一距离阈值，则表明第一轨迹点与起始点之间的第一距离较大，这样，第一轨迹点属于起始点所在的车道线上的可能性较小，第一轨迹点的前进方向不能作为新节点的搜索方向。

类似地，若夹角大于或等于预设夹角阈值，则表明夹角过大，第一方向与第二方向之间的偏差较大，这样，第一轨迹点的前进方向与根节点和起始点所在的车道线的方向偏差较大，则第一轨迹点的前进方向不能作为新节点的搜索方向。

在出现上述两种情况时，将起始点和根节点确定的方向

作为新节点的搜索方向。

示例性地，第一距离阈值可以设置为6米，夹角阈值可以设置为10度。那么，当第一轨迹点G1和根节点P2之间的第一距离大于或等于6米，或

与

之间的夹角大于或等于10度时，将

方向确定为新节点的搜索方向。

步骤10542、若所述第一距离小于预设第一距离阈值，且所述夹角小于预设夹角阈值，则基于所述第一轨迹点、所述第一前点、所述第一后点确定所述新节点的搜索方向。

反之，若所述第一距离小于预设第一距离阈值，则表明第一轨迹点与起始点之间的第一距离较小；同时，若所述夹角小于预设夹角阈值，则表明第一轨迹点与起始点之间的夹角较小。这样，第一轨迹点的前进方向与根节点和起始点所在的车道线的方向较为一致，第一轨迹点属于起始点所在的车道线上的可能性较大，可基于第一轨迹点、第一前点、第一后点确定新节点的搜索方向。

在一种可能的实施方式中，步骤10542包括以下步骤：

步骤105421、确定所述第一后点与所述第一轨迹点之间的第二距离。

第一后点G2与第一轨迹点G1之间的第二距离可以采用欧式距离计算。

步骤105422、若所述第二距离大于或等于预设第二距离阈值，则将由所述第一前点与所述第一后点确定的方向作为所述新节点的搜索方向；所述第二距离阈值为Q个轨迹数据采集周期内所述采集车行驶的距离，Q＞P。

第二距离阈值为Q个轨迹数据采集周期内所述采集车行驶的距离，Q＞P，即第二距离阈值大于第一距离阈值。示例性地，第二距离阈值可以设置为10米。

当第二距离大于或等于第二距离阈值时，表明在采集车行驶过第一轨迹点之后，时间过了Q个采集周期，才获取到采集车的下一个GPS轨迹点，即第一后点。说明在中间的Q个轨迹数据采集周期内，采集设备未采集到轨迹点，轨迹数据在这Q个轨迹数据采集周期内不正常。发生这种情况的原因可能是采集设备被遮挡，或该路段无网络信号。

这时，第一后点可能也是有误差的，若以第一后点为标准来确定搜索方向，可能会使搜索方向产生较大的误差。所以，此种情况下以第一轨迹点作为标准来确定搜索方向，即用第一轨迹点对应的第一前点和第一后点确定的方向

作为新节点的搜索方向。

步骤105423、若所述第二距离小于所述第二距离阈值，则将所述第一轨迹点更新为所述第一后点，并将由所述第一后点的前点和后点确定的方向作为所述新节点的搜索方向。

若第二距离小于第二距离阈值，表明在采集车行驶过第一轨迹点之后，在Q个轨迹数据采集周期内，采集设备已经采集到了第一后点，说明该路段的轨迹数据采集情况正常。在轨迹数据正常的情况下，第一后点的轨迹坐标也是正常的。此时，可以将第一轨迹点更新为第一后点，以第一后点为标准来确定新节点的搜索方向。

具体地，若第一后点的前点为G3，第一后点的后点为G4，则将

方向作为新节点的搜索方向。

在一种可能的实施方式中，在步骤105中获取根节点的采集时间戳之后，还包括：

步骤109、在所述采集时间戳的预设时间范围内无对应的第一轨迹数据的情况下，将由所述起始点和所述根节点确定的方向，作为新节点的搜索方向。

某时刻的采集车的行驶轨迹与该时刻的车道线的前进方向是一致的，采集车行驶轨迹可以为搜索参考线的下一个节点提供指引。

但是，在采集时间戳的预设时间范围内无对应的采集车行驶轨迹数据的情况下，无法用采集车行驶轨迹作为搜索下一个节点的指引。

因此，这种情况下，仍然采用起始点和根节点确定的方向

，作为新节点的搜索方向。

在一种可能的实施方式中，如图4所示，步骤104中对预加载的所述路面点云数据进行去噪处理，包括：

步骤1041、将预加载的所述路面点云数据按照点云反射强度进行排序。

路面点云数据中包括路面上的一切对象的点云信息，如普通路面、路面上的车道线、路面上的异物等。由于车道参考线是基于车道线的点云数据生成的，因此，将普通路面和路面上的异物对应的点云数据作为噪声进行滤除，仅保留车道线对应的点云数据，可以最大程度提高路面点云数据的纯度，加快后续新节点的搜索效率。

不同对象的点云反射强度不同，普通路面的反射强度一般小于车道线反射强度，积水、落叶、乘客遗落物等异物的反射强度一般大于车道线反射强度。因此，为了滤除噪声，可以先对路面点云数据按照点云反射强度进行排序。

点云反射强度，即为点云亮度，点云数据中一般本身包括点云的反射强度值。若未包括点云反射强度值，也可以根据点云数据中包括的点云的RGB值计算得到。

步骤1042、从所述路面点云数据中滤除所述排序在前N%的点云数据和所述排序在后M%的点云数据，得到初处理点云数据；所述排序在前N%的点云数据为路面上的异物对应的点云数据，所述排序在后M%的点云数据为普通路面对应的点云数据，所述初处理点云数据为车道线对应的点云数据。

可以根据仿真实验测定路面异物的反射强度均值、普通路面的反射强度均值和车道线的反射强度均值。

可以发现，相比于车道线，积水、落叶、乘客遗落物等路面异物的反射强度较高，但并不会比车道线的反射强度高太多；而普通路面的点云强度一般比车道线低的比较多。

根据实验确定M和N的具体取值，并取排序在前N%的点云数据，作为路面异物对应的点云数据，取排序在后M%的点云数据，作为普通路面对应的点云数据。示例性地，N取值为5，M取值为60。

步骤1043、将所述初处理点云数据所对应的空间区域按照预设网格尺寸进行划分，得到多个点云网格。

初处理点云数据将大部分的噪声进行了滤除，初处理点云数据对应的空间区域中，含点云数据较多的区域为车道线对应区域，含点云数据较少或不包含点云数据的区域为普通路面或异物等噪声对应的点云数据。

为了进一步把车道线点云数据的边缘补齐，进一步把噪声点云数据与车道线点云数据分开，可以对初处理点云数据划分网格，进行腐蚀膨胀处理。

可以将初处理点云数据对应的空间区域按照预设的网格尺寸划分为多个网格。预设网格尺寸可以根据点云密度和点云总数进行自行设定，例如可以设置为0.08米*0.08米。

步骤1044、根据所述点云网格中包括的点云数量与预设的第一数量阈值的大小关系，对各个所述点云网格进行初始二值化标记，并根据所述初始二值化标记结果对所述多个点云网格进行腐蚀膨胀处理，得到包括目标二值化标记结果的多个点云网格。

第一数量阈值根据网格尺寸进行预设，示例性地，在网格尺寸为0.08米*0.08米的情况下，第一数量阈值设置为1。

具体地，将点云数量小于第一数量阈值的点云网格和点云数量大于或等于第一数量阈值的点云网格，分别标记为不同的两个值，例如分别标记为0和1，得到初始二值化标记结果。

腐蚀的作用是消除物体边界点，使目标缩小，可以消除小于结构元素的噪声点；膨胀的作用是将与物体接触的所有背景点合并到物体中，使目标增大，可添补目标中的空洞。

根据初始二值化标记结果对多个点云网格进行腐蚀膨胀处理，目的是把黏连的、离散的点云网格区域化，把主体对象的边缘补齐，把不同对象分开。这样做完腐蚀膨胀后，保证车道线对应的点云网格中没有没有噪声对象黏连，保证车道线点云数据的纯度。

步骤1045、根据所述目标二值化标记结果，获取大于或等于所述第一数量阈值的目标点云网格，并将所述目标点云网格中的点云数据确定为第一点云数据。

做完腐蚀膨胀后，部分点云网格的二值化标记结果发生了变化。例如，有的由1变为0，有的由0变为1。若0表示点云数量小于第一数量阈值的点云网格，1表示点云数量大于或等于第一数量阈值的点云网格。则在目标二值化标记结果中，标记为1的点云网格，其基本可以确定是车道线对应的点云网格。

在步骤1041-步骤1045中，通过去噪处理提高了预加载的路面点云数据的数据纯度，得到的第一点云数据是车道线对应的点云数据，后续直接从第一点云数据中进行新节点搜索，有助于加快数据处理效率。

在一种可能的实施方式中，步骤1044包括：

步骤10431、将所述点云网格中包括的点云数量小于第一数量阈值的点云网格标记为P，并将所述点云数量大于或等于所述第一数量阈值的点云网格标记为Q，得到初始二值化标记结果。

若点云网格中包括的点云数量小于第一数量阈值th1，可以将该点云网格标记为P，P仅作为标识，无实际意义。若点云网格中包括的点云数量大于或等于th1，可以将该点云网格标记为Q，Q仅作为标识，无实际意义。

这样，根据对点云网格的标记，可以判定点云网格中的点云数量与第一数量阈值的关系。

步骤10432、根据所述初始二值化标记结果，对所述多个点云网格分别进行多次腐蚀处理和多次膨胀处理，得到包括目标二值化标记结果的多个点云网格。

点云网格的二值化标记结果是指标记有P或Q的多个网格。对标记有P或Q的多个网格进行多次腐蚀以及多次膨胀处理之后，可以进一步扩大一定范围内同一种标记结果较多的网格范围，并缩小同一种标记结果较少的网格范围。这样，若某个区域范围内P标记较多，则标记为P的区域范围会被膨胀，即扩大，若某个区域范围内P标记较少，则标记为P的区域范围会被腐蚀，即缩小。对于Q标记的范围，也是如此。

这样，就把黏连的点云数据和离散的点云数据进行了区域化，把车道线对象的边缘补齐，把噪声对象与车道线对象分开。这样做完腐蚀膨胀后，保证车道线对应的点云网格中没有没有噪声对象黏连，保证车道线点云数据的纯度。

步骤10433、将所述目标二值化标记结果为Q的点云网格中的点云数据确定为第一点云数据。

Q表示点云数量大于或等于第一数量阈值的点云网格。在目标二值化标记结果中，标记为Q的点云网格，其基本可以确定是车道线对应的点云网格。

将目标二值化标记结果为Q的点云网格中的点云数据确定为第一点云数据，用作接下来参考线生成中的节点追踪。

在一种可能的实施方式中，如图5所示，步骤106包括：

步骤1061、从所述根节点开始，按照所述搜索方向和预设的搜索步长，从所述第一点云数据中确定下一个节点。

在上一个步骤确定了搜索方向之后，按照预设的搜索步长，从根节点P2开始进行下一个节点的搜索，搜索方向设为

，假设搜索到的下一个节点为P3，则搜索到的下一个节点满足以下公式：

（1）

步骤1062、确定所述下一个节点是否满足目标条件，所述目标条件为：所述节点所属的点云网格中的点云的数量大于或等于预设的第二数量阈值；所述第二数量阈值大于所述第一数量阈值。

在按照搜索方向和搜索步长，从第一点云数据中搜索到下一个节点之后，为了防止搜索到的下一个节点是噪声点云，可以利用目标条件进行验证。

由于大部分噪声点云在前面去噪处理的步骤已经被剔除了，第一点云数据中若存在少量噪声点云，这些少量噪声点云的位置附近点云数据量会非常少。因此可以设置第二数量阈值，根据下一个节点所属的点云网格中的点云数量与第二数量阈值的大小关系，判定下一个节点是否为噪声点云。

第二数量阈值大于第一数量阈值，示例性地，若第一数量阈值为1，则第二数量阈值可以设置为3。

在步骤104去噪处理的步骤中，采用较小的第一数量阈值来滤除噪声点云，并没有选用较大的第二数量阈值，是为了避免将车道线上的点云数据认为是噪声点云剔除掉。这样，采集较小的第一数量阈值导致第一点云数据中可能会混有少量的噪声点云，所以此处采用第二数量阈值判定下一个节点是否为噪声点云。采用这种分步骤加阈值的方法，使得方案的可行性、适用性更高。

步骤1063、若所述下一个节点满足所述目标条件，则确定所述点云网格中的各个点云的坐标值的平均值，并将所述平均值作为新节点的坐标值。

若下一个节点P3满足目标条件，则认为下一个节点所属的点云网格位于车道线上。

若下一个节点正好在车道线的边缘，则会导致这个点云网格中属于车道线的区域点云数量多，不属于车道线的区域点云数量少，而参考线最好位于车道线的最中间，若以点云网格中的某一个点云作为新节点，可能会导致参考线偏离车道线。为了避免出现这种参考线偏离的情况，取点云网格中各个点云坐标的平均值，作为新节点的坐标值。

在一种可能的实施方式中，在步骤1062之后，还包括：

步骤1064、若所述下一个节点不满足所述目标条件，则增加搜索步长，继续从所述第一点云数据中确定新的下一个节点；

步骤1065、确定所述新的下一个节点是否满足所述目标条件；

步骤1066、若不满足所述目标条件，则继续增加搜索步长，继续从所述第一点云数据中确定新的下一个节点，直到所述新的下一个节点满足所述目标条件，或本次搜索达到预设的停止条件。

在步骤1064-步骤1066中，若下一个节点不满足目标条件，则在原搜索方向上加上搜索步长ψ，重新计算下一个节点P4，并确定下一个节点P4是否满足目标条件。

若P4满足目标条件，则将下一个节点P4所属的点云网格的点云坐标平均值作为新节点的坐标。此后，获取所述该新节点的采集时间戳，并在所述采集时间戳的预设时间范围内有对应的所述第一轨迹数据的情况下，基于所述第一轨迹数据的前进方向，确定下一个新节点的搜索方向，即从步骤105开始重新生成搜索方向，进行后续搜索步骤。

若P4不满足目标条件，则继续加大搜索步长进行搜索，直到搜索得到满足目标条件的下一个节点。

若整个第一点云数据中均没有满足目标条件的点云网格，则停止本次搜索。这种情况下，对第一轨迹点T1进行更新，以第一轨迹点对应的下一时刻的轨迹点（即前述方案中的第一后点）作为中心点，预加载第一后点的预设半径范围内的路面点云数据，并从步骤104开始，重新执行去噪处理、确定搜索方向和节点搜索的步骤。

此外，在搜索过程中，若遇到预设的停止条件，则停止搜索。

在步骤1061-步骤1066中，上述实施例中，从根节点开始，按照搜索方向和预设的搜索步长确定目标节点，判断目标节点是否满足设定的目标条件，最终确定新节点的坐标值，在目标节点不满足设定的目标条件时，采用增大搜索步长的方法继续确定是否有满足条件的目标节点，在增大两次搜索步长后仍未发现有满足条件的目标节点，则对轨迹点T1进行更新，按照上述相同方法确定新节点的坐标值，提高了新节点的精确度。

在一种可能的实施方式中，所述预设的停止条件，包括：

所述新节点已到达路口；所述新节点的搜索方向与所述采集车的行车方向相反；所述新节点与最近的已有参考线起始节点之间的第三距离小于第三距离阈值；所述已有参考线为同向车道的参考线；所述新节点的搜索步长超过预设的步长阈值。

在本发明实施例中，若出现上述预设的停止条件中的任何一种条件，则停止新节点的搜索。

其中，若新节点已到达路口，说明该条车道线已到达端点，则可以停止对该车道线上的新节点的搜索。

若新节点的搜索方向与采集车的行车方向相反，即本次参考线选择节点确定的方向

与采集车的行车轨迹相反，则说明新节点的搜索方向可能是错误的，需要重新设置搜索方向。

若新节点与最近的同向车道的已有参考线起始节点之间的第三距离小于第三距离阈值，则可以将当前搜索得到的参考线并入上述已有参考线中，无需再进行新节点的搜索。其中，第三距离阈值可以为设置为当前车道宽度的一半，例如当前车道宽度为4米，则第三距离阈值设置为2米。

若新节点与同向车道的参考线起始节点的距离小于当前车道宽度的一半，说明新节点是属于同向车道上的节点，那么当前搜索得到的参考线与同向车道是属于同一条参考线，可以将当前搜索得到的参考线并入同向车道的参考线中。

具体的，同向车道参考线的确定方法为：

将新节点更新为根节点，确定根节点附近是否存在已绘制的参考线，在存在已绘制参考线的情况下，将已有参考线的初始节点设为P',若存在

与

的夹角大于或等于90°，判断该已有参考线为对向车道的参考线，忽略该已有参考线。若

与

的夹角小于90°，则判断该已有参考线为同向车道的参考线。

若

与

的夹角小于90°，获取P2与最近的已有参考线起始节点之间的第三距离，可以将第三距离阈值设置为2米，若第三距离小于2米，将最后一次确定的新节点设为已有参考线的初始节点并停止新节点的搜索。

此外，若新节点的搜索步长超过预设的步长阈值，则说明搜索步长已经过长，误差太大，此时需要停止搜索。

在本实施例中，可以将步长阈值设置为4米，在搜索新节点的过程中，若新节点的搜索步长超过预设的步长阈值，则停止节点搜索。

在一种可能的实施方式中，在步骤108之后，还包括：

步骤110、基于所述车道参考线与各个所述车道线的位置关系、预设的车道宽度生成所述路面的多条车道线。

车道参考线为多条车道线中的其中一条，各条车道线之间是平行的位置关系，根据该车道参考线的位置，确定其他车道线与其之间的横向距离。然后采用对车道参考线复制平移的方式，可以生成其他的车道线。

图6为本发明实施例提供的一种车道参考线的提取装置的结构示意图。如图6所示，该车道参考线的提取装置200包括：

路面点云数据获取模块201，用于获取路面点云数据，所述路面点云数据是采集车在行驶过程中采集的路面上的点云数据，所述路面上包括多条车道线；

起始点根节点获取模块202，用于从所述路面点云数据中获取起始点和根节点，所述起始点和所述根节点为人工预确认的车道线上的两个点；所述起始点到所述根节点的方向与所述采集车的行车方向一致；所述人工预确认的车道线为所述多条车道线中的其中一条；

第一轨迹点确定模块203，用于获取由所述采集车的行驶轨迹点构成的第一轨迹数据，并从所述第一轨迹数据中确定与所述根节点最近的第一轨迹点；

去噪处理模块204，用于以所述第一轨迹点作为中心点，预加载所述中心点的预设半径范围内的所述路面点云数据，并对预加载的所述路面点云数据进行去噪处理，得到第一点云数据；

第一搜索方向确定模块205，用于获取所述根节点的采集时间戳，并在所述采集时间戳的预设时间范围内有对应的所述第一轨迹数据的情况下，基于所述第一轨迹点的前进方向，确定新节点的搜索方向；

新节点搜索模块206，用于从所述根节点开始，按照所述搜索方向和预设的搜索步长，从所述第一点云数据中搜索所述新节点；

更新模块207，用于将所述第一轨迹点更新为所述新节点，以所述新节点为起始，继续执行所述去噪处理和搜索下一个新节点的操作；

车道参考线生成模块208，用于基于所述起始点、所述根节点和多个搜索得到的新节点提取生成车道参考线。

可选的，所述第一搜索方向确定模块205具体用于：

从所述第一轨迹数据中获取与所述第一轨迹点前后相邻的两个点，得到第一前点和第一后点，所述第一前点为所述第一轨迹点对应的上一时刻的轨迹点，所述第一后点为所述第一轨迹点对应的下一时刻的轨迹点；

获取由所述起始点与所述根节点确定的第一方向、由所述第一前点与所述第一后点确定的第二方向之间的夹角；

确定所述第一轨迹点与所述根节点之间的第一距离；

基于所述第一距离、所述夹角确定新节点的搜索方向。

可选的，所述第一搜索方向确定模块205进一步用于：

若所述第一距离大于或等于预设第一距离阈值，或所述夹角大于或等于预设夹角阈值，则将所述起始点和所述根节点确定的方向确定为新节点的搜索方向；所述第一距离阈值为P个轨迹数据采集周期内所述采集车行驶的距离；

若所述第一距离小于预设第一距离阈值，且所述夹角小于预设夹角阈值，则基于所述第一轨迹点、所述第一前点、所述第一后点确定所述新节点的搜索方向。

可选的，所述第一搜索方向确定模块205进一步用于：

确定所述第一后点与所述第一轨迹点之间的第二距离；

若所述第二距离大于或等于预设第二距离阈值，则将由所述第一前点与所述第一后点确定的方向作为所述新节点的搜索方向；所述第二距离阈值为Q个轨迹数据采集周期内所述采集车行驶的距离，Q＞P；

若所述第二距离小于所述第二距离阈值，则将所述第一轨迹点更新为所述第一后点，并将由所述第一后点的前点和后点确定的方向作为所述新节点的搜索方向。

可选的，所述车道参考线的提取装置200还包括：

第二搜索方向确定模块，用于在所述采集时间戳的预设时间范围内无对应的第一轨迹数据的情况下，将由所述起始点和所述根节点确定的方向，作为新节点的搜索方向。

可选的，所述去噪处理模块204具体用于：

将预加载的所述路面点云数据按照点云反射强度进行排序；

从所述路面点云数据中滤除所述排序在前N%的点云数据和所述排序在后M%的点云数据，得到初处理点云数据；所述排序在前N%的点云数据为路面上的异物对应的点云数据，所述排序在后M%的点云数据为普通路面对应的点云数据，所述初处理点云数据为车道线对应的点云数据；

将所述初处理点云数据所对应的空间区域按照预设网格尺寸进行划分，得到多个点云网格；

根据所述点云网格中包括的点云数量与预设的第一数量阈值的大小关系，对各个所述点云网格进行初始二值化标记，并根据所述初始二值化标记结果对所述多个点云网格进行腐蚀膨胀处理，得到包括目标二值化标记结果的多个点云网格；

根据所述目标二值化标记结果，获取大于或等于所述第一数量阈值的目标点云网格，并将所述目标点云网格中的点云数据确定为第一点云数据。

可选的，所述去噪处理模块204进一步用于：

将所述点云网格中包括的点云数量小于第一数量阈值的点云网格标记为P，并将所述点云数量大于或等于所述第一数量阈值的点云网格标记为Q，得到初始二值化标记结果；

根据所述初始二值化标记结果，对所述多个点云网格分别进行多次腐蚀处理和多次膨胀处理，得到包括目标二值化标记结果的多个点云网格；

将所述目标二值化标记结果为Q的点云网格中的点云数据确定为第一点云数据。

可选的，所述新节点搜索模块206具体用于：

从所述根节点开始，按照所述搜索方向和预设的搜索步长，从所述第一点云数据中确定下一个节点；

确定所述下一个节点是否满足目标条件，所述目标条件为：所述节点所属的点云网格中的点云的数量大于或等于预设的第二数量阈值；所述第二数量阈值大于所述第一数量阈值；

若所述下一个节点满足所述目标条件，则确定所述点云网格中的各个点云的坐标值的平均值，并将所述平均值作为新节点的坐标值。

可选的，所述新节点搜索模块206具体用于：

若所述下一个节点不满足所述目标条件，则增加搜索步长，继续从所述第一点云数据中确定新的下一个节点；

确定所述新的下一个节点是否满足所述目标条件；

若不满足所述目标条件，则继续增加搜索步长，继续从所述第一点云数据中确定新的下一个节点，直到所述新的下一个节点满足所述目标条件，或本次搜索达到预设的停止条件。

可选的，所述车道参考线的提取装置200还包括：

车道线生成模块，用于基于所述参考线与各个所述车道线的位置关系、预设的车道宽度生成所述路面的多条车道线。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的车道参考线的提取装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本发明提供的又一实施例中，还提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令或者至少一段程序，所述至少一条指令或者至少一段程序由所述处理器加载并执行以实现本发明实施例中所述的车道参考线的提取方法。

在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令或者至少一段程序，所述至少一条指令或者至少一段程序由处理器加载并执行以实现本发明实施例中所述的车道参考线的提取方法。

上述主要从设备的角度对本发明实施例提供的方案进行了介绍。可以理解的是，设备为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的算法步骤，本发明能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何在本发明揭露的技术范围内的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (14)

1.一种车道参考线的提取方法，其特征在于，包括：

获取路面点云数据，所述路面点云数据是采集车在行驶过程中采集的路面上的点云数据，所述路面上包括多条车道线；

从所述路面点云数据中获取起始点和根节点，所述起始点和所述根节点为人工预确认的车道线上的两个点；所述起始点到所述根节点的方向与所述采集车的行车方向一致；所述人工预确认的车道线为所述多条车道线中的其中一条；

获取由所述采集车的行驶轨迹点构成的第一轨迹数据，并从所述第一轨迹数据中确定与所述根节点最近的第一轨迹点；

以所述第一轨迹点作为中心点，预加载所述中心点的预设半径范围内的所述路面点云数据，并对预加载的所述路面点云数据进行去噪处理，得到第一点云数据；

获取所述根节点的采集时间戳，并在所述采集时间戳的预设时间范围内有对应的所述第一轨迹数据的情况下，基于所述第一轨迹点的前进方向，确定新节点的搜索方向；

从所述根节点开始，按照所述搜索方向和预设的搜索步长，从所述第一点云数据中搜索所述新节点；

将所述第一轨迹点更新为所述新节点，以所述新节点为起始，继续执行所述去噪处理和搜索下一个新节点的操作；

基于所述起始点、所述根节点和多个搜索得到的新节点提取生成车道参考线。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第一轨迹点的前进方向，确定新节点的搜索方向，包括：

从所述第一轨迹数据中获取与所述第一轨迹点前后相邻的两个点，得到第一前点和第一后点，所述第一前点为所述第一轨迹点对应的上一时刻的轨迹点，所述第一后点为所述第一轨迹点对应的下一时刻的轨迹点；

获取由所述起始点与所述根节点确定的第一方向、由所述第一前点与所述第一后点确定的第二方向之间的夹角；

确定所述第一轨迹点与所述根节点之间的第一距离；

基于所述第一距离、所述夹角确定新节点的搜索方向。

3.根据权利要求2所述的方法，其特征在于，所述基于所述第一距离、所述夹角确定新节点的搜索方向，包括：

若所述第一距离大于或等于预设第一距离阈值，或所述夹角大于或等于预设夹角阈值，则将所述起始点和所述根节点确定的方向确定为新节点的搜索方向；所述第一距离阈值为P个轨迹数据采集周期内所述采集车行驶的距离；

若所述第一距离小于预设第一距离阈值，且所述夹角小于预设夹角阈值，则基于所述第一轨迹点、所述第一前点、所述第一后点确定所述新节点的搜索方向。

4.根据权利要求3所述的方法，其特征在于，所述基于所述第一轨迹点、所述第一前点、所述第一后点确定所述新节点的搜索方向，包括：

确定所述第一后点与所述第一轨迹点之间的第二距离；

若所述第二距离大于或等于预设第二距离阈值，则将由所述第一前点与所述第一后点确定的方向作为所述新节点的搜索方向；所述第二距离阈值为Q个轨迹数据采集周期内所述采集车行驶的距离，Q＞P；

若所述第二距离小于所述第二距离阈值，则将所述第一轨迹点更新为所述第一后点，并将由所述第一后点的前点和后点确定的方向作为所述新节点的搜索方向。

5.根据权利要求1所述的方法，其特征在于，在获取所述根节点的采集时间戳之后，还包括：

在所述采集时间戳的预设时间范围内无对应的第一轨迹数据的情况下，将由所述起始点和所述根节点确定的方向，作为新节点的搜索方向。

6.根据权利要求1所述的方法，其特征在于，所述对预加载的所述路面点云数据进行去噪处理，包括：

将预加载的所述路面点云数据按照点云反射强度进行排序；

从所述路面点云数据中滤除所述排序在前N%的点云数据和所述排序在后M%的点云数据，得到初处理点云数据；所述排序在前N%的点云数据为路面上的异物对应的点云数据，所述排序在后M%的点云数据为普通路面对应的点云数据，所述初处理点云数据为车道线对应的点云数据；

将所述初处理点云数据所对应的空间区域按照预设网格尺寸进行划分，得到多个点云网格；

根据所述点云网格中包括的点云数量与预设的第一数量阈值的大小关系，对各个所述点云网格进行初始二值化标记，并根据所述初始二值化标记结果对所述多个点云网格进行腐蚀膨胀处理，得到包括目标二值化标记结果的多个点云网格；

根据所述目标二值化标记结果，获取大于或等于所述第一数量阈值的目标点云网格，并将所述目标点云网格中的点云数据确定为第一点云数据。

7.根据权利要求6所述的方法，其特征在于，所述根据所述点云网格中包括的点云数量与预设的第一数量阈值的大小关系，对各个所述点云网格进行初始二值化标记，并根据所述初始二值化标记结果对所述多个点云网格进行腐蚀膨胀处理，包括：

将所述点云网格中包括的点云数量小于第一数量阈值的点云网格标记为P，并将所述点云数量大于或等于所述第一数量阈值的点云网格标记为Q，得到初始二值化标记结果；

根据所述初始二值化标记结果，对所述多个点云网格分别进行多次腐蚀处理和多次膨胀处理，得到包括目标二值化标记结果的多个点云网格；

将所述目标二值化标记结果为Q的点云网格中的点云数据确定为第一点云数据。

8.根据权利要求6所述的方法，其特征在于，所述从所述根节点开始，按照所述搜索方向和预设的搜索步长，从所述第一点云数据中搜索所述新节点，包括：

从所述根节点开始，按照所述搜索方向和预设的搜索步长，从所述第一点云数据中确定下一个节点；

确定所述下一个节点是否满足目标条件，所述目标条件为：所述节点所属的点云网格中的点云的数量大于或等于预设的第二数量阈值；所述第二数量阈值大于所述第一数量阈值；

若所述下一个节点满足所述目标条件，则确定所述点云网格中的各个点云的坐标值的平均值，并将所述平均值作为新节点的坐标值。

9.根据权利要求8所述的方法，其特征在于，在确定所述下一个节点是否满足目标条件之后，还包括：

若所述下一个节点不满足所述目标条件，则增加搜索步长，继续从所述第一点云数据中确定新的下一个节点；

确定所述新的下一个节点是否满足所述目标条件；

若不满足所述目标条件，则继续增加搜索步长，继续从所述第一点云数据中确定新的下一个节点，直到所述新的下一个节点满足所述目标条件，或本次搜索达到预设的停止条件。

10.根据权利要求9所述的方法，其特征在于，所述预设的停止条件，包括：

所述新节点已到达路口；

所述新节点的搜索方向与所述采集车的行车方向相反；

所述新节点与最近的已有参考线起始节点之间的第三距离小于第三距离阈值；所述已有参考线为同向车道的参考线；

所述新节点的搜索步长超过预设的步长阈值。

11.根据权利要求1所述的方法，其特征在于，在基于所述起始点、所述根节点和多个搜索得到的新节点提取生成车道参考线之后，还包括：

基于所述参考线与各个所述车道线的位置关系、预设的车道宽度生成所述路面的多条车道线。

12.一种车道参考线的提取装置，其特征在于，包括：

路面点云数据获取模块，用于获取路面点云数据，所述路面点云数据是采集车在行驶过程中采集的路面上的点云数据，所述路面上包括多条车道线；

起始点根节点获取模块，用于从所述路面点云数据中获取起始点和根节点，所述起始点和所述根节点为人工预确认的车道线上的两个点；所述起始点到所述根节点的方向与所述采集车的行车方向一致；所述人工预确认的车道线为所述多条车道线中的其中一条；

第一轨迹点确定模块，用于获取由所述采集车的行驶轨迹点构成的第一轨迹数据，并从所述第一轨迹数据中确定与所述根节点最近的第一轨迹点；

去噪处理模块，用于以所述第一轨迹点作为中心点，预加载所述中心点的预设半径范围内的所述路面点云数据，并对预加载的所述路面点云数据进行去噪处理，得到第一点云数据；

搜索方向确定模块，用于获取所述根节点的采集时间戳，并在所述采集时间戳的预设时间范围内有对应的所述第一轨迹数据的情况下，基于所述第一轨迹点的前进方向，确定新节点的搜索方向；

新节点搜索模块，用于从所述根节点开始，按照所述搜索方向和预设的搜索步长，从所述第一点云数据中搜索所述新节点；

更新模块，用于将所述第一轨迹点更新为所述新节点，以所述新节点为起始，继续执行所述去噪处理和搜索下一个新节点的操作；

车道参考线生成模块，用于基于所述起始点、所述根节点和多个搜索得到的新节点提取生成车道参考线。

13.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令或者至少一段程序，所述至少一条指令或者至少一段程序由所述处理器加载并执行以实现如权利要求1-11任一所述的车道参考线的提取方法。

14.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令或者至少一段程序，所述至少一条指令或者至少一段程序由处理器加载并执行以实现如权利要求1-11任一所述的车道参考线的提取方法。

Images