CN116087977A - 可行驶区域检测方法、装置、电子设备以及存储介质 - Google Patents
可行驶区域检测方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN116087977A CN116087977A CN202211581232.1A CN202211581232A CN116087977A CN 116087977 A CN116087977 A CN 116087977A CN 202211581232 A CN202211581232 A CN 202211581232A CN 116087977 A CN116087977 A CN 116087977A
- Authority
- CN
- China
- Prior art keywords
- laser
- point cloud
- grid
- laser point
- points
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000001514 detection method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 abstract description 3
- 230000008447 perception Effects 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000011218 segmentation Effects 0.000 description 7
- 239000013598 vector Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- 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
-
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种可行驶区域检测方法、装置、电子设备以及存储介质。其中，该方法包括：确定车载激光雷达环视采集的第一激光点云，第一激光点云中包括非地面点对应激光点形成的点云；从第一激光点云中确定栅格地图中各个栅格匹配的激光点，栅格匹配的激光点的横纵轴位置位于栅格对应的位置范围内；依据各个栅格匹配的激光点对栅格地图中各栅格对应的行驶占用状态进行调整，得到调整后的栅格地图；依据调整后的栅格地图确定车辆的可行驶区域。本申请技术方案，通过直接基于激光雷达数据检测可行驶区域，不需获取大量数据进行训练，通过将非地面点对应激光点以栅格地图的形式输出，不依赖高精地图及定位来限定感知范围，可更容易地可行驶区域规划。
Description
技术领域
本发明涉及自动驾驶技术领域，尤其涉及一种可行驶区域检测方法、装置、电子设备以及存储介质。
背景技术
在自动驾驶领域中，辅助/自动驾驶车辆需要在道路环境中对不常见或异形的小物体(如轮胎、掉落的纸箱等)目标进行检测感知。
目前，使用基于深度学习的目标检测算法对于这些不常见或不规则的物体难以获取大量的数据进行训练，导致识别效果难以保证。而，使用基于传统聚类的目标检测方法，没有高精地图及定位的情况下很难限定感知范围，无法限定感知范围会导致不属于感知目标的树木、草丛等的点云也会被聚类，增加目标识别的困难及目标跟踪难度，降低算法识别准确率。
发明内容
本发明提供了一种可行驶区域检测方法、装置、电子设备以及存储介质，以在不依赖其它硬件基础上基于激光雷达数据实现可行驶区域检测。
根据本发明的一方面，提供了一种可行驶区域检测方法，所述方法包括：
确定车载激光雷达环视采集的第一激光点云，所述第一激光点云中包括非地面点对应激光点形成的点云；
从所述第一激光点云中确定栅格地图中各个栅格匹配的激光点，栅格匹配的激光点的横纵轴位置位于栅格对应的位置范围内；
依据各个栅格匹配的激光点对栅格地图中各栅格对应的行驶占用状态进行调整，得到调整后的栅格地图；
依据调整后的栅格地图确定车辆的可行驶区域。
根据本发明的另一方面，提供了一种可行驶区域检测装置，所述装置包括：
第一激光点云确定模块，用于确定车载激光雷达环视采集的第一激光点云，所述第一激光点云中包括非地面点对应激光点形成的点云；
栅格匹配模块，用于从所述第一激光点云中确定栅格地图中各个栅格匹配的激光点，栅格匹配的激光点的横纵轴位置位于栅格对应的位置范围内；
栅格地图调整模块，用于依据各个栅格匹配的激光点对栅格地图中各栅格对应的行驶占用状态进行调整，得到调整后的栅格地图；
可行驶区域确定模块，依据调整后的栅格地图确定车辆的可行驶区域。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
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计算机程序，所述计算机程序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本发明任一实施例所述的可行驶区域检测方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的可行驶区域检测方法。
本发明实施例的技术方案，确定车载激光雷达环视采集的第一激光点云，第一激光点云中包括非地面点对应激光点形成的点云；从第一激光点云中确定栅格地图中各个栅格匹配的激光点，栅格匹配的激光点的横纵轴位置位于栅格对应的位置范围内；依据各个栅格匹配的激光点对栅格地图中各栅格对应的行驶占用状态进行调整，得到调整后的栅格地图；依据调整后的栅格地图确定车辆的可行驶区域。通过直接基于激光雷达数据检测可行驶区域，不需获取大量数据进行训练，通过将非地面点对应激光点以栅格地图的形式输出，不依赖高精地图及定位来限定感知范围，可更容易地做可行驶区域规划。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明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单地介绍，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是根据本发明实施例一提供的一种可行驶区域检测方法的流程图；
图2是根据本发明实施例二提供的一种可行驶区域检测方法的流程图；
图3是根据本发明实施例三提供的一种可行驶区域检测方法的流程图；
图4是根据本发明实施例四提供的一种可行驶区域检测装置的结构示意图；
图5是实现本发明实施例的可行驶区域检测方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明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。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种可行驶区域检测方法的流程图，本实施例可适用于对雷达采集数据进行处理以获得可行驶区域的情况，该方法可以由可行驶区域检测装置来执行，该可行驶区域检测装置可以采用硬件和/或软件的形式实现，该可行驶区域检测装置可配置于任何具有网络通信功能的电子设备中。如图1所示，该方法包括：
S110、确定车载激光雷达环视采集的第一激光点云，所述第一激光点云中包括非地面点对应激光点形成的点云。
在雷达环视过程中，采集到包含地面点对应的激光点形成的点云以及非地面点对应的激光点形成的点云的原始点云，对原始点云进行地面分割处理，过滤地面点对应的激光点形成的点云，获得包括非地面点对应激光点形成的点云第一激光点云。
其中，点云是在同一空间参考系下表达目标空间分布和目标表面特性的点集合，是在获取物体表面每个采样点的空间坐标后得到的点的集合。
车载激光雷达安装在车辆上，通过配置于车载激光雷达上的激光雷达传感器环视周围采集其原始激光点云，原始激光点云中每个点包含三维坐标信息x、y、z以及反射强度信息i。
车载激光雷达的种类包括但不限于机械式激光雷达、固态激光雷达、MEMS激光雷达、Flash面阵激光雷达、OPA固态激光雷达以及混合固态激光雷达等，本申请对此不做限定。
S120、从所述第一激光点云中确定栅格地图中各个栅格匹配的激光点，栅格匹配的激光点的横纵轴位置位于栅格对应的位置范围内。
其中，第一激光点云中的每一激光点具有其二维坐标，栅格地图中的各个栅格也可以通过坐标描述其覆盖的位置范围，建立激光点坐标与栅格坐标的对应关系，能够获得落在各个栅格中激光点的数量及位置，将落在栅格中的激光点作为该栅格匹配的激光点。
S130、依据各个栅格匹配的激光点对栅格地图中各栅格对应的行驶占用状态进行调整，得到调整后的栅格地图。
具体的，依据栅格匹配的激光点的信息判断各栅格对应的行驶占用状态，信息包括激光点的数量。当栅格匹配的激光点数量小于或等于预设数量时，表示该栅格位置范围对应的实际区域不会对车辆行驶构成障碍，则将栅格的行驶占用状态赋值为false表示该栅格未被占据，可通行；当栅格匹配的激光点数量大于预设数量时，表示该栅格位置范围对应的实际区域会对车辆行驶构成障碍，则将栅格的行驶占用状态赋值为true，表示该栅格已被占据，不可通行。遍历栅格地图中每个栅格，直到所有栅格的行驶占用状态都完成了调整。
S140、依据调整后的栅格地图确定车辆的可行驶区域。
对调整后的栅格地图进行存储，存储的信息包含栅格地图尺寸、单个栅格尺寸，每个栅格占据状态。
则车辆的可行驶区域是栅格地图中未被占据的栅格覆盖的位置范围对应的实际场景中的区域。
本申请技术方案，通过确定车载激光雷达环视采集的第一激光点云，第一激光点云中包括非地面点对应激光点形成的点云，从第一激光点云中确定栅格地图中各个栅格匹配的激光点，栅格匹配的激光点的横纵轴位置位于栅格对应的位置范围内，依据各个栅格匹配的激光点对栅格地图中各栅格对应的行驶占用状态进行调整，得到调整后的栅格地图，依据调整后的栅格地图确定车辆的可行驶区域，通过直接基于激光雷达数据检测可行驶区域，不需获取大量数据进行训练，通过将非地面点对应激光点以栅格地图的形式输出，不依赖高精地图及定位来限定感知范围，可更容易地做可行驶区域规划。
实施例二
图2为本发明实施例二提供的一种可行驶区域检测方法的流程图，本实施例对实施例一中“确定车载激光雷达环视采集的第一激光点云”进行优化。如图2所示，该方法包括：
S210、确定车载激光雷达环视采集的第二激光点云，所述第二激光点云中包括描述车载激光雷达周边环境的三维坐标的激光点；
其中，第二激光点云可以是车载激光雷达环视四周采集的原始点云数据，原始点云数据包括采集到的环境中的地面点和非地面点对应的激光点，以激光雷达原点表征第二激光点云中各个激光点的三维坐标。
可选的，所述确定车载激光雷达环视采集的第二激光点云，包括但不限于以下步骤A1-A2：
步骤A1、获取车载激光雷达环视车辆四周环境采集的第二激光点云；
步骤A2、对采集的第二激光点云进行预处理，得到预处理后的第二激光点云；
由于在车辆行驶过程中，不需要考虑车辆本身是否会形成障碍，因此，可以将原始激光点云旋转平移至车辆坐标系，去除本车点云。
同样的，高于车辆的点云也不会构成对车辆行驶的障碍，因此可以进行高度过滤处理，过滤掉高于车辆的高度的点云。
具体的，所述预处理包括将激光点云从激光雷达坐标系旋转平移到以车辆上预设位置为中心的车辆坐标系、剔除用于描述车载激光雷达所在车辆的激光点云、将竖轴位置大于车载激光雷达所在车辆高度位置的激光点云进行剔除和/或对激光点云进行降采样处理。
第二激光点云中三维坐标信息是以激光雷达原点来表征的，因此在获取第二激光点云数据后，首先使用激光雷达标定外参将其转换至以车辆后轴中心为原点的车辆坐标系下，激光雷达标定外参包含激光雷达参考原点到车辆后轴中心在车辆坐标系三个方向上的距离值，以及激光雷达安装的三个姿态角yaw、pitch、roll，以此构建旋转平移矩阵，然后将第二激光点云转换至车辆坐标系得到转换后的点云。随后去除点云中属于本车以及z值大于阈值的点云，其中，z值为点云高度值。
具体的，根据车辆大小在x、y、z方向上设定最大、最小值，形成一个长方体包围框，x、y、z代表三维坐标系的三个坐标值，处于框内的点云则被视为自车点云。遍历点云，属于自车以及高度z值大于阈值的点云去除。
将属于自车以及高度z值大于阈值的点云去除后，使用体素滤波对点云进行降采样，至此完成预处理，得到预处理后的点云。体素滤波具体实现方式包括但不限于以下步骤B1-B6：
步骤B1、设定体素的单位大小xc、yc、zc；
步骤B2、计算点云在x、y、z三个方向上的最大值、最小值{xmax、xmin、ymax、ymin、zmax、zmin}，xmax代表点云在x方向上的最大值，xmin代表点云在x方向上的最小值，以此类推。
步骤B3、计算体素在x、y、z三个方向上的数量:
Dx＝(xmax-xmin)/xc
DY＝(ymax-ymin)/yc
DZ＝(zmax-zmin)/zc
Dx、DY、DZ分别代表体素在x、y、z三个方向上的数量。
三个结果皆向上取整。
步骤B4、对每个点计算其所在的体素索引：
hx＝(x-xmin)/xc
hy＝(y-ymin)/yc
hz＝(z-zmin)/zc
hx、hy、hz分别代表体素在x、y、z三个方向上的索引。
三个结果皆向上取整,索引值h，h的计算方式如下:
h＝hx+hy*Dx+hz*Dx*Dy
步骤B5、建立哈希表将相同体素索引的点云存在同一个容器内，哈希表的键为体素索引，值为存储点云的容器，该容器存放点在点云的索引，能够降低内存占用。
步骤B6、遍历哈希表，对每个存储点云容器的点进行随机选择一个点保留或者计算容器中所以点的均值点进行保留，然后将该点放入降采样后的点云中。
遍历处理完成后，获得降采样后的第二激光点云。
本技术方案采用哈希表，索引的速度快提升降采样整体效率，通过函数映射关系降低内存的使用。
S220、从所述第二激光点云中提取出非地面点对应激光点形成的第一激光点云。
由于地面点对应的实际场景中的地面，不会对车辆行驶造成障碍，而非地面点对应实际场景中不构成地面的物体，这些物体的位置可能会对车辆行驶造成障碍，因此，需要从第二激光点云中将有可能会对车辆行驶造成障碍的非地面点对应的激光点形成的点云提取出来，这些点云即第一激光点云。
可选的，从所述第二激光点云中提取出非地面点对应激光点形成的第一激光点云，包括但不限于以下步骤C1-C3：
步骤C1、将第二激光点云在横纵轴形成的平面上划分为至少两个同心圆环子区域对应的第二激光点云，同心圆环子区域对应的第二激光点云的横纵轴位置位于所述同心圆环子区域的区域位置范围内；
步骤C2、对所述同心圆环子区域对应的第二激光点云进行地面平面拟合迭代得到同心圆环子区域对应的第一激光点云；
步骤C3、将各个同心圆环子区域对应第一激光点云进行合并，得到所述非地面点对应激光点形成的第一激光点云。
具体的，遍历降采样后的第二激光点云，按不同区域划分第二激光点云，将第二激光点云在横纵轴形成的平面即x、y平面上按同心圆区域划分为不同的同心圆环子区域，同心圆环子区域数量为至少两个，通过计算每个点距离坐标原点的径向距离r来划分，例如r在10米到20米区间划分为一个同心圆环区域，在实际操作过程中，可以根据激光雷达硬件与实际应用场景划分多个同心圆环区域，将这些同心圆环区域作为同心圆环子区域。
遍历每个同心圆环子区域，对每个同心圆环子区域的第二激光点云P分别使用地面平面拟合方法进行地面分割得到每个同心圆环子区域对应的第一激光点云。
将各个同心圆环子区域对应第一激光点云进行合并可以是将每个同心圆环子区域对应第一激光点云相加，得到非地面点对应激光点形成的第一激光点云。
可选的，对所述同心圆环子区域对应的第二激光点云进行地面平面拟合迭代得到同心圆环子区域对应的第一激光点云，包括但不限于以下步骤D1-D4：
步骤D1、对同心圆环子区域对应的第二激光点云进行种子点云集提取，所述种子点云集中激光点云的竖轴位置小于参考竖轴位置，所述参考竖轴位置依据从同心圆环子区域对应的第二激光点云选取的预设个参考激光点云的竖轴位置平均值进行确定，预设个参考激光点云的竖轴位置小于同心圆环子区域对应的第二激光点云中剩余激光点云的竖轴位置；
步骤D2、在首次执行地面平面拟合迭代时，通过将种子点云集中的激光点云作为地面点对应激光点云进行地面平面拟合，从同心圆环子区域对应的第二激光点云中添加部分剩余激光点到地面点对应激光点云；
步骤D3、在非首次执行地面平面拟合迭代时，通过对上一次执行地面平面拟合迭代更新得到的地面点对应激光点云进行地面平面拟合，从同心圆环子区域对应的第二激光点云中添加部分剩余激光点到地面点对应激光点云，直至更新的地面点对应激光点云中激光点与同心圆环子区域对应的第二激光点云中激光点的竖轴位置之间的差值大于预设值；
步骤D4、依据执行地面平面拟合迭代结束时的地面点对应激光点云和所述同心圆环子区域对应的第二激光点云，确定同心圆环子区域对应的第一激光点云。
具体的，对同心圆环内的第二激光点云P进行种子点集提取，可以是对第二激光点云P根据三维坐标系竖轴位置即高度z值进行排序，选取预设个最低高度的点云作为参考激光点云，例如可以是n个参考激光点云，计算这n个参考激光点云高度平均值hmean，hmean代表了点云P的最低点，第二激光点云P中高度高于hmean在阈值thseeds内的点则当作种子点集，即第二激光点云P中高度小于hmean+thseeds的点作为种子点，预设个参考激光点云的竖轴位置小于同心圆环子区域对应的第二激光点云中除去参考激光点云后剩余激光点云的竖轴位置。
将种子点云集中的激光点云作为地面点对应激光点云进行地面平面拟合进行地面平面拟合迭代，迭代次数可以记为Niter，在实际操作中可以根据实际需要设置迭代次数，本申请对此不做限定。第一次迭代时，将种子点集作为地面点集Pg进行迭代。
具体的，对地面点集Pg进行平面模型计算，使用一个线性模型用于平面模型估计，平面方程即：
ax+by+ca+d＝0
也即：
nTx＝-d
其中，n＝[a,b,c]T，x＝[x,y,z]T。
然后求解地面点集的协方差矩阵C：
其中
表示所有点的均值。这个协方差矩阵C描述了地面点集的散布情况。然后对协方差矩阵C通过奇异值分解(SingularValueDecomposition,SVD)求得三个奇异向量，这三个奇异向量描述了点集在三个主要方向的散布情况。由于是平面模型，垂直于平面的法向量n表示具有最小方差的方向，通过计算具有最小奇异值的奇异向量来求得法向量n即[a,b,c]T，从而确定一个平面模型。求得法向量n之后，d可以通过代入地面点集的平均值
直接求得。
根据d计算，筛选地面点集的高度阈值hth_dist_d：
hth_dist_d＝hth_dist-d
其中hth_dist为参数值，可以根据实际应用的需要自行设置，本申请对此不做限定。
首次迭代时，计算对应同心圆环子区域中所有第二激光点云中每一个点到该平面的正交投影的距离，并且将这个距离与前一步计算出的阈值hth_dist_d比较，当高度差小于此阈值，认为该点为地面点，当高度差大于此阈值，则为非地面点，将分类处理后得到的新地面点添加到地面点对应激光点云中。
经过重新补充新地面点后的激光点云作为下一次迭代的地面点集，继续从同心圆环子区域对应的第二激光点云中添加部分剩余激光点到地面点对应激光点云，直至更新的地面点对应激光点云中激光点与同心圆环子区域对应的第二激光点云中激光点的竖轴位置即高度z值之间的差值大于预设值，保证迭代完成后的地面点对应激光点云中每个激光点都低于同心圆环子区域对应的第二激光点云中激光点。
迭代完成后得到地面点集Pg与非地面点集Png，分别计算地面点集的垂直度zvec、平均高度zmean、平整度f。其中zvec＝|c|，c为法向量n中的c；zmean为地面点集中的平均z值；平整度f则通过对地面点集Pg的协方差矩阵进行奇异值分解后的三个奇异值中的最小值除以三个奇异值之和求得。
根据地面点集的垂直度zvec、平均高度zmean、平整度f对地面分割结果做校验。若zvec小于垂直度阈值uprightness_thr，则表示此地面平面倾斜度过大，则将该地面点集划分为非地面点集。若垂直度满足阈值，则接着进行平均高度校验：若平均高度大于平均高度阈值，同样将其划分为非地面点集；反之则接着进行平整度校验：若平整度大于平均平整度阈值，同样将其划分为非地面点集，反之则此时的地面点集Pg与非地面点集Png作为当前同心圆环子区域点云的地面分割结果。
将每个同心圆环子区域的地面分割结果相加，每个区域的地面点集相加，非地面点集相加，得到最终的地面分割结果：地面点集Pg_all，非地面点集Png_all，将非地面点集Png_all作为第一激光点云。
S230、从所述第一激光点云中确定栅格地图中各个栅格匹配的激光点，栅格匹配的激光点的横纵轴位置位于栅格对应的位置范围内。
将最终分割结果输入到栅格地图中，确定栅格地图中各个栅格匹配的激光点，栅格匹配的激光点的横纵轴位置即x，y平面位置位于栅格对应的位置范围内。
S240、依据各个栅格匹配的激光点对栅格地图中各栅格对应的行驶占用状态进行调整，得到调整后的栅格地图。
行驶占用状态可以包括已被占用和未被占用，将匹配地面点集Pg_all中的激光点的栅格行驶占用状态设置为未被占用，将匹配非地面点集Png_all中的激光点的栅格行驶占用状态设置为已被占用。
S250、依据调整后的栅格地图确定车辆的可行驶区域。
未被占用状态的栅格对应的区域可以行驶，已被占用状态的栅格对应的区域不可以行驶。
本申请的技术方案，通过确定车载激光雷达环视采集的第二激光点云，所述第二激光点云中包括描述车载激光雷达周边环境的三维坐标的激光点，从第二激光点云中提取出非地面点对应激光点形成的第一激光点云，能够更加精确地分类出非地面点对应激光点，增强判断障碍物位置的准确性，提高可行驶区域检测的有效性。
实施例三
图3为本发明实施例三提供的一种可行驶区域检测方法的流程图，本实施例对实施例一中“依据各个栅格匹配的激光点对栅格地图中各栅格对应的行驶占用状态进行调整”进行优化。如图3所示，该方法包括：
S310、确定车载激光雷达环视采集的第一激光点云，所述第一激光点云中包括非地面点对应激光点形成的点云。
S320、从所述第一激光点云中确定栅格地图中各个栅格匹配的激光点，栅格匹配的激光点的横纵轴位置位于栅格对应的位置范围内。
可选的，从所述第一激光点云中确定栅格地图中各个栅格匹配的激光点，包括但不限于以下步骤F1-F2：
步骤F1、确定所述第一激光点云中各激光点的横纵轴位置以及栅格地图中各个栅格的位置范围；
步骤F2、依据所述第一激光点云中激光点的横纵轴位置与各个栅格的位置范围，从栅格地图中各个栅格查找与激光点在横纵轴位置上匹配的栅格。
具体的，将第一激光点云即非地面点集Png_all进行坐标旋转平移得到转换后的点云Png_all_trans，平移后坐标原点可以为栅格地图左上角点。
S330、针对栅格地图中的栅格，确定栅格匹配的激光点数量。
具体的，遍历非地面点集Png_all以及旋转平移后的点云Png_all_trans，分别使用Png_all_trans中点的坐标值x、y计算该点在栅格地图中行、列索引，然后根据行、列索引对属于该栅格的激光点数量进行计数得到点云数量值count。
S340、依据栅格匹配的激光点数量，对栅格地图中各栅格对应的行驶占用状态进行调整。
对栅格地图占据状态进行计算，遍历栅格地图，若栅格中激光点数量count大于预设的数量阈值，则将栅格的占据状态赋值为true表示该栅格已被占据，不可通行；反之则赋值为false，表示该栅格未被占据，可通行。同时判断各个栅格中匹配的激光点的最小竖轴位置是否大于预设的高度阈值，预设的高度阈值可以大于车辆高度，如果大于高度阈值，则表明车辆可正常通行，则将栅格占据状态设为false，反之则将其赋值为true。
可选的，依据栅格匹配的激光点数量，对栅格地图中各栅格对应的行驶占用状态进行调整，包括但不限于以下步骤G1-G2：
步骤G1、若栅格匹配的激光点数量大于预设数量，则将栅格的行驶占用状态标记第一状态；所述第一状态用于表征不允许栅格参与进行行驶路径规划；
步骤G2、若栅格匹配的激光点数量小于或等于预设数量，则将栅格的行驶占用状态标记第二状态；所述第二状态用于表征允许栅格参与进行行驶路径规划。
其中，预设数量可以用于筛选适合参与进行行驶路径规划的栅格，避免孤立的激光噪声点影响的同时可减少后续处理的计算量。
可选的，依据各个栅格匹配的激光点对栅格地图中各栅格对应的行驶占用状态进行调整，包括但不限于以下步骤H1-H3：
步骤H1、确定栅格匹配的激光点的竖轴位置中的最大竖轴位置和最小竖轴位置；
步骤H2、对栅格匹配的各个激光点的竖轴位置大小进行求和；
步骤H3、若检测到最大竖轴位置与最小竖轴位置之间的差值小于预设差值，且竖轴位置大小求和结果与栅格匹配的激光点数量之间的比值小于预设比值，则将栅格匹配的激光点进行剔除。
具体的，使用行、列索引计算各个栅格中匹配的激光点的最大竖轴位置zmax、最小竖轴位置zmin，并对各个激光点的竖轴位置大小即z值进行求和得到zsum。
对漏检的地面点进行筛除，筛除条件为：zmax-zmin小于预设差值，例如可以是0.15m，本申请对此不做限定。若竖轴位置大小求和结果与栅格匹配的激光点数量之间的比值即
小于0.15m，则符合地面点特征，表示整个栅格里全是地面点，表示该栅格是可通行的，则将该栅格占据状态设为false，反之则为true。
S350、依据调整后的栅格地图确定车辆的可行驶区域。
本申请的技术方案，通过针对栅格地图中的栅格，确定栅格匹配的激光点数量，依据栅格匹配的激光点数量，对栅格地图中各栅格对应的行驶占用状态进行调整，能够减轻可行驶区域检测计算压力，加快可行驶区域检测的计算效率，增强可行驶区域检测的精确性。
实施例四
图4为本发明实施例三提供的一种可行驶区域检测装置的结构示意图。如图4所示，该装置包括：
第一激光点云确定模块410，用于确定车载激光雷达环视采集的第一激光点云，所述第一激光点云中包括非地面点对应激光点形成的点云；
栅格匹配模块420，用于从所述第一激光点云中确定栅格地图中各个栅格匹配的激光点，栅格匹配的激光点的横纵轴位置位于栅格对应的位置范围内；
栅格地图调整模块430，用于依据各个栅格匹配的激光点对栅格地图中各栅格对应的行驶占用状态进行调整，得到调整后的栅格地图；
可行驶区域确定模块440，依据调整后的栅格地图确定车辆的可行驶区域。
可选的，第一激光点云确定模块410包括：
第二激光点云确定单元，用于确定车载激光雷达环视采集的第二激光点云，所述第二激光点云中包括描述车载激光雷达周边环境的三维坐标的激光点；
第一激光点云提取单元，用于从所述第二激光点云中提取出非地面点对应激光点形成的第一激光点云。
可选的，所述第二激光点云确定单元具体用于：
获取车载激光雷达环视车辆四周环境采集的第二激光点云；
对采集的第二激光点云进行预处理，得到预处理后的第二激光点云；
其中，所述预处理包括将激光点云从激光雷达坐标系旋转平移到以车辆上预设位置为中心的车辆坐标系、剔除用于描述车载激光雷达所在车辆的激光点云、将竖轴位置大于车载激光雷达所在车辆高度位置的激光点云进行剔除和/或对激光点云进行降采样处理。
可选的，所述第一激光点云提取单元，包括：
同心圆环子区域划分子单元，用于将第二激光点云在横纵轴形成的平面上划分为至少两个同心圆环子区域对应的第二激光点云，同心圆环子区域对应的第二激光点云的横纵轴位置位于所述同心圆环子区域的区域位置范围内；
地面平面拟合迭代子单元，用于对所述同心圆环子区域对应的第二激光点云进行地面平面拟合迭代得到同心圆环子区域对应的第一激光点云；
第一激光点云合并子单元，用于将各个同心圆环子区域对应第一激光点云进行合并，得到所述非地面点对应激光点形成的第一激光点云。
可选的，所述地面平面拟合迭代子单元具体用于：
对同心圆环子区域对应的第二激光点云进行种子点云集提取，所述种子点云集中激光点云的竖轴位置小于参考竖轴位置，所述参考竖轴位置依据从同心圆环子区域对应的第二激光点云选取的预设个参考激光点云的竖轴位置平均值进行确定，预设个参考激光点云的竖轴位置小于同心圆环子区域对应的第二激光点云中剩余激光点云的竖轴位置；
在首次执行地面平面拟合迭代时，通过将种子点云集中的激光点云作为地面点对应激光点云进行地面平面拟合，从同心圆环子区域对应的第二激光点云中添加部分剩余激光点到地面点对应激光点云；
在非首次执行地面平面拟合迭代时，通过对上一次执行地面平面拟合迭代更新得到的地面点对应激光点云进行地面平面拟合，从同心圆环子区域对应的第二激光点云中添加部分剩余激光点到地面点对应激光点云，直至更新的地面点对应激光点云中激光点与同心圆环子区域对应的第二激光点云中激光点的竖轴位置之间的差值大于预设值；
依据执行地面平面拟合迭代结束时的地面点对应激光点云和所述同心圆环子区域对应的第二激光点云，确定同心圆环子区域对应的第一激光点云。
可选的，所述栅格匹配模块420具体用于：
确定所述第一激光点云中各激光点的横纵轴位置以及栅格地图中各个栅格的位置范围；
依据所述第一激光点云中激光点的横纵轴位置与各个栅格的位置范围，从栅格地图中各个栅格查找与激光点在横纵轴位置上匹配的栅格。
可选的，所述栅格地图调整模块430包括：
激光点数量确定单元，用于针对栅格地图中的栅格，确定栅格匹配的激光点数量；
行驶占用状态调整单元，用于依据栅格匹配的激光点数量，对栅格地图中各栅格对应的行驶占用状态进行调整。
可选的，所述行驶占用状态调整单元具体用于：
若栅格匹配的激光点数量大于预设数量，则将栅格的行驶占用状态标记第一状态；所述第一状态用于表征不允许栅格参与进行行驶路径规划；
若栅格匹配的激光点数量小于或等于预设数量，则将栅格的行驶占用状态标记第二状态；所述第二状态用于表征允许栅格参与进行行驶路径规划。
可选的，所述行驶占用状态调整单元还用于：
确定栅格匹配的激光点的竖轴位置中的最大竖轴位置和最小竖轴位置；
对栅格匹配的各个激光点的竖轴位置大小进行求和；
若检测到最大竖轴位置与最小竖轴位置之间的差值小于预设差值，且竖轴位置大小求和结果与栅格匹配的激光点数量之间的比值小于预设比值，则将栅格匹配的激光点进行剔除。
本发明实施例中所提供的可行驶区域检测装置可执行上述本发明任意实施例中所提供的可行驶区域检测方法，具备执行该可行驶区域检测方法相应的功能和有益效果，详细过程参见前述实施例中可行驶区域检测方法的相关操作。
实施例五
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如方法可行驶区域检测。
在一些实施例中，方法可行驶区域检测可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的方法可行驶区域检测的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法可行驶区域检测。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (12)
1.一种可行驶区域检测方法，其特征在于，包括：
确定车载激光雷达环视采集的第一激光点云，所述第一激光点云中包括非地面点对应激光点形成的点云；
从所述第一激光点云中确定栅格地图中各个栅格匹配的激光点，栅格匹配的激光点的横纵轴位置位于栅格对应的位置范围内；
依据各个栅格匹配的激光点对栅格地图中各栅格对应的行驶占用状态进行调整，得到调整后的栅格地图；
依据调整后的栅格地图确定车辆的可行驶区域。
2.根据权利要求1所述的方法，其特征在于，确定车载激光雷达环视采集的第一激光点云，包括：
确定车载激光雷达环视采集的第二激光点云，所述第二激光点云中包括描述车载激光雷达周边环境的三维坐标的激光点；
从所述第二激光点云中提取出非地面点对应激光点形成的第一激光点云。
3.根据权利要求2所述的方法，其特征在于，确定车载激光雷达环视采集的第二激光点云，包括：
获取车载激光雷达环视车辆四周环境采集的第二激光点云；
对采集的第二激光点云进行预处理，得到预处理后的第二激光点云；
其中，所述预处理包括将激光点云从激光雷达坐标系旋转平移到以车辆上预设位置为中心的车辆坐标系、剔除用于描述车载激光雷达所在车辆的激光点云、将竖轴位置大于车载激光雷达所在车辆高度位置的激光点云进行剔除和/或对激光点云进行降采样处理。
4.根据权利要求2所述的方法，其特征在于，从所述第二激光点云中提取出非地面点对应激光点形成的第一激光点云，包括：
将第二激光点云在横纵轴形成的平面上划分为至少两个同心圆环子区域对应的第二激光点云，同心圆环子区域对应的第二激光点云的横纵轴位置位于所述同心圆环子区域的区域位置范围内；
对所述同心圆环子区域对应的第二激光点云进行地面平面拟合迭代得到同心圆环子区域对应的第一激光点云；
将各个同心圆环子区域对应第一激光点云进行合并，得到所述非地面点对应激光点形成的第一激光点云。
5.根据权利要求4所述的方法，其特征在于，对所述同心圆环子区域对应的第二激光点云进行地面平面拟合迭代得到同心圆环子区域对应的第一激光点云，包括：
对同心圆环子区域对应的第二激光点云进行种子点云集提取，所述种子点云集中激光点云的竖轴位置小于参考竖轴位置，所述参考竖轴位置依据从同心圆环子区域对应的第二激光点云选取的预设个参考激光点云的竖轴位置平均值进行确定，预设个参考激光点云的竖轴位置小于同心圆环子区域对应的第二激光点云中剩余激光点云的竖轴位置；
在首次执行地面平面拟合迭代时，通过将种子点云集中的激光点云作为地面点对应激光点云进行地面平面拟合，从同心圆环子区域对应的第二激光点云中添加部分剩余激光点到地面点对应激光点云；
在非首次执行地面平面拟合迭代时，通过对上一次执行地面平面拟合迭代更新得到的地面点对应激光点云进行地面平面拟合，从同心圆环子区域对应的第二激光点云中添加部分剩余激光点到地面点对应激光点云，直至更新的地面点对应激光点云中激光点与同心圆环子区域对应的第二激光点云中激光点的竖轴位置之间的差值大于预设值；
依据执行地面平面拟合迭代结束时的地面点对应激光点云和所述同心圆环子区域对应的第二激光点云，确定同心圆环子区域对应的第一激光点云。
6.根据权利要求1所述的方法，其特征在于，从所述第一激光点云中确定栅格地图中各个栅格匹配的激光点，包括：
确定所述第一激光点云中各激光点的横纵轴位置以及栅格地图中各个栅格的位置范围；
依据所述第一激光点云中激光点的横纵轴位置与各个栅格的位置范围，从栅格地图中各个栅格查找与激光点在横纵轴位置上匹配的栅格。
7.根据权利要求1所述的方法，其特征在于，依据各个栅格匹配的激光点对栅格地图中各栅格对应的行驶占用状态进行调整，包括：
针对栅格地图中的栅格，确定栅格匹配的激光点数量；
依据栅格匹配的激光点数量，对栅格地图中各栅格对应的行驶占用状态进行调整。
8.根据权利要求7所述的方法，其特征在于，依据栅格匹配的激光点数量，对栅格地图中各栅格对应的行驶占用状态进行调整，包括：
若栅格匹配的激光点数量大于预设数量，则将栅格的行驶占用状态标记第一状态；所述第一状态用于表征不允许栅格参与进行行驶路径规划；
若栅格匹配的激光点数量小于或等于预设数量，则将栅格的行驶占用状态标记第二状态；所述第二状态用于表征允许栅格参与进行行驶路径规划。
9.根据权利要求7所述的方法，其特征在于，依据各个栅格匹配的激光点对栅格地图中各栅格对应的行驶占用状态进行调整，包括：
确定栅格匹配的激光点的竖轴位置中的最大竖轴位置和最小竖轴位置；
对栅格匹配的各个激光点的竖轴位置大小进行求和；
若检测到最大竖轴位置与最小竖轴位置之间的差值小于预设差值，且竖轴位置大小求和结果与栅格匹配的激光点数量之间的比值小于预设比值，则将栅格匹配的激光点进行剔除。
10.一种可行驶区域检测装置，其特征在于，包括：
第一激光点云确定模块，用于确定车载激光雷达环视采集的第一激光点云，所述第一激光点云中包括非地面点对应激光点形成的点云；
栅格匹配模块，用于从所述第一激光点云中确定栅格地图中各个栅格匹配的激光点，栅格匹配的激光点的横纵轴位置位于栅格对应的位置范围内；
栅格地图调整模块，用于依据各个栅格匹配的激光点对栅格地图中各栅格对应的行驶占用状态进行调整，得到调整后的栅格地图；
可行驶区域确定模块，依据调整后的栅格地图确定车辆的可行驶区域。
11.一种电子设备，其特征在于，所述电子设备包括：
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计算机程序，所述计算机程序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权利要求1-9中任一项所述的可行驶区域检测方法。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-9中任一项所述的可行驶区域检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211581232.1A CN116087977A (zh) | 2022-12-07 | 2022-12-07 | 可行驶区域检测方法、装置、电子设备以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211581232.1A CN116087977A (zh) | 2022-12-07 | 2022-12-07 | 可行驶区域检测方法、装置、电子设备以及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116087977A true CN116087977A (zh) | 2023-05-09 |
Family
ID=86201596
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211581232.1A Pending CN116087977A (zh) | 2022-12-07 | 2022-12-07 | 可行驶区域检测方法、装置、电子设备以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116087977A (zh) |
-
2022
- 2022-12-07 CN CN202211581232.1A patent/CN116087977A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113902897B (zh) | 目标检测模型的训练、目标检测方法、装置、设备和介质 | |
| WO2021097618A1 (zh) | 点云分割方法、系统及计算机存储介质 | |
| CN111582054B (zh) | 点云数据处理方法及装置、障碍物检测方法及装置 | |
| CN111723721A (zh) | 基于rgb-d的三维目标检测方法、系统及装置 | |
| WO2021052283A1 (zh) | 处理三维点云数据的方法和计算设备 | |
| CN111783721B (zh) | 一种激光点云的车道线提取方法及电子设备 | |
| CN114179788A (zh) | 自动泊车方法、系统、计算机可读存储介质及车机端 | |
| CN114332134B (zh) | 一种基于密集点云的建筑物立面提取方法和装置 | |
| CN112166457A (zh) | 点云分割方法、系统和可移动平台 | |
| CN111783722B (zh) | 一种激光点云的车道线提取方法和电子设备 | |
| CN113281782A (zh) | 一种基于无人驾驶车的激光雷达雪点滤除方法 | |
| CN114882198A (zh) | 一种目标确定方法、装置、设备及介质 | |
| CN113640810A (zh) | 空间车位检测方法、设备、存储介质和程序产品 | |
| CN117474998A (zh) | 一种货架位置检测方法、装置、设备及存储介质 | |
| CN116087977A (zh) | 可行驶区域检测方法、装置、电子设备以及存储介质 | |
| CN112907574B (zh) | 一种飞行器的降落点寻找方法、装置、系统及存储介质 | |
| CN112906519B (zh) | 一种车辆类型识别方法及装置 | |
| CN115032615B (zh) | 一种激光雷达标定点确定方法、装置、设备及存储介质 | |
| CN117392631B (zh) | 一种道路边界提取方法、装置、电子设备及存储介质 | |
| CN113689443A (zh) | 建筑物点云轮廓提取方法及装置 | |
| CN118609084A (zh) | 一种障碍物识别方法及存储介质 | |
| CN117671525A (zh) | 用于无人机识别线缆的目标检测方法和装置、设备 | |
| CN115546785A (zh) | 三维目标检测方法及装置 | |
| CN118154795A (zh) | 一种地面生成方法、装置、电子设备及存储介质 | |
| CN116189127A (zh) | 一种场景识别方法、装置及电子设备 |
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 |