CN116189122A - 道路边界的识别方法及装置、存储介质、终端 - Google Patents
道路边界的识别方法及装置、存储介质、终端 Download PDFInfo
- Publication number
- CN116189122A CN116189122A CN202211728737.6A CN202211728737A CN116189122A CN 116189122 A CN116189122 A CN 116189122A CN 202211728737 A CN202211728737 A CN 202211728737A CN 116189122 A CN116189122 A CN 116189122A
- Authority
- CN
- China
- Prior art keywords
- retaining wall
- grid
- point cloud
- point
- height
- 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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
- G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种道路边界的识别方法及装置、存储介质、终端,涉及自动驾驶技术领域,主要目的在于解决后向道路边界的识别精度较低的问题。主要包括获取目标车辆的路径规划数据及目标区域的点云数据,并对点云数据进行栅格化处理,得到每个栅格内点云的高度极值;基于每个栅格内点云的高度极值依次进行挡墙候选栅格提取、挡墙类别检测,并基于挡墙候选栅格、及与挡墙类别对应的挡墙点提取策略,提取得到挡墙点集合;基于挡墙点集合中挡墙点的聚类簇,确定至少一个方位的道路边界点数据,并将道路边界点数据发送至目标车辆的控制端,以使控制端基于道路边界点数据进行后向道路边界识别。主要用于识别矿区的道路边界。
Description
技术领域
本发明涉及一种自动驾驶技术领域,特别是涉及一种道路边界的识别方法及装置、存储介质、终端。
背景技术
在自动驾驶车辆的运行过程中,需要识别车辆周围的障碍物,以划分行驶区域。对城市中行驶的乘用车,障碍物的特征也比较明显,但对于矿区的宽体车,由于行驶的环境比较复杂,且在装料和卸料泊车的时候,需要对后方较大范围内的挡墙进行精准识别,才能够避免渣土缷倒至挡墙内侧,或车辆与挡墙发生碰撞的问题,因此,矿区宽体车对道路边界识别的精准度有着更高的要求。
现有的道路边界识别方法,以栅格为提取道路边界点云的最小单元,使道路边界的提取受限于栅格的尺寸及点云在栅格中的分布情况,导致道路边界的识别精度较低,同时,在进行梯度计算时,使用体素滤波进行降采样,这使得最终的计算结果仅能体现平均值,当挡墙的梯度不明显或栅格内的点云线束较少时,易发生挡墙漏识别,进一步降低道路边界的识别精度。
发明内容
有鉴于此,本发明提供一种道路边界的识别方法及装置、存储介质、终端,主要目的在于解决后向道路边界的识别精度较低的问题。
依据本发明一个方面,提供了一种道路边界的识别方法,包括:
获取目标车辆的路径规划数据及所述目标车辆的后向监测雷达采集的目标区域的点云数据,并对所述点云数据进行栅格化处理,得到平面点云栅格中每个栅格内点云的高度极值;
基于所述路径规划数据、所述每个栅格内点云的高度极值依次进行挡墙候选栅格提取、挡墙类别检测,确定所述目标区域内的挡墙候选栅格及挡墙类别,并基于所述挡墙候选栅格、及与所述挡墙类别对应的挡墙点提取策略,提取得到挡墙点集合;
基于所述挡墙点集合中挡墙点的聚类簇,确定至少一个方位的道路边界点数据,并将所述道路边界点数据发送至所述目标车辆的控制端,以使所述控制端基于所述道路边界点数据进行后向道路边界识别。
进一步地,所述基于所述候选栅格、及与所述挡墙类别对应的挡墙点提取策略,提取得到挡墙点集合包括:
通过对所述候选栅格的第一参照点云进行平面拟合得到第一参照点云平面,并计算所述第一参照点云平面的法向量与所述目标车辆的车底平面之间的第一夹角;
基于所述第一夹角与预设夹角阈值的比对结果,从所述候选栅格中确定出挡墙栅格,所述预设夹角阈值为基于所述挡墙类别确定的;
通过对所述挡墙栅格中每个扫描点的第二参照点云进行平面拟合得到第二参照点云平面,并计算所述第二参照点云平面的法向量与所述目标车辆的车底平面之间的第二夹角;
基于所述第二夹角与所述预设夹角阈值的比对结果,确定出所述挡墙栅格中的挡墙点,并基于全部所述挡墙栅格中的挡墙点构建得到挡墙点集合。
进一步地,所述通过对所述候选栅格的第一参照点云进行平面拟合得到第一参照点云平面之前,所述方法还包括:
计算得到所述候选栅格中点云的质心点,并以所述质心点为圆心、第一关联点云划分参数为半径进行关联点云划分,得到第一关联点云;
计算所述第一关联点云中每个扫描点与所述质心点的第一高度差值,并基于所述第一高度差值与第一预设高度差值阈值的比对结果从所述第一关联点云中提取得到第一参照点云;
所述通过对所述挡墙栅格中每个扫描点的第二参照点云进行平面拟合得到第二参照点云平面之前,所述方法还包括:
以所述挡墙栅格中每个目标扫描点为圆心、第二关联点云划分参数为半径进行关联点云划分,得到第二关联点云;
计算所述第二关联点云中每个扫描点与所述目标扫描点的第二高度差值,并基于所述第二高度差值与第二预设高度差值阈值的比对结果从所述第二关联点云中提取得到第二参照点云。
进一步地,所述挡墙类别包括山体挡墙、非山体挡墙,所述基于所述第一夹角与预设夹角阈值的比对结果,从所述候选栅格中确定出挡墙栅格包括:
若所述挡墙类别为山体挡墙,则基于所述第一夹角与第一预设夹角阈值的比对结果确定挡墙栅格;
若所述挡墙类别为非山体挡墙,则基于所述第一夹角与所述第二预设夹角阈值、第三预设夹角阈值的比对结果确定挡墙栅格。
进一步地,所述高度极值包括高度最大值、高度最小值,所述对所述点云数据进行栅格化处理,得到每个栅格内点云的高度极值包括:
基于预设平面栅格的栅格尺寸参数,计算所述点云数据中每个扫描点在所述预设平面栅格中的栅格坐标,所述预设平面栅格中每个栅格配置有原子锁;
为所述点云数据中的不同点云分配对应的线程,并基于所述线程将所述不同点云中的扫描点并行写入与所述扫描点的栅格坐标相匹配的栅格中,得到所述点云数据的点云栅格;
基于所述点云栅格中每个栅格中全部扫描点的高度值,确定每个栅格中的高度最大值、高度最小值,所述高度值为所述扫描点在所述预设平面栅格的法线方向上的高度。
进一步地,所述基于所述路径规划数据、所述每个栅格内点云的高度极值依次进行挡墙候选栅格提取、挡墙类别检测,确定所述目标区域内挡墙的候选栅格及挡墙类别包括:
基于所述每个栅格内点云的高度极值计算得到每个栅格的第一高度差值,若所述第一高度差值小于第三预设高度阈值,则将所述栅格确定为所述目标区域内挡墙的候选栅格,所述第三预设高度阈值为基于目标矿区中的挡墙高度配置的;
将所候选栅格作为遍历的头栅格,按照预设遍历参数确定遍历的尾栅格,所述预设遍历参数包括在所述点云栅格中遍历的距离参数、遍历的方向参数;
基于所述头栅格的高度极值、所述尾栅格的高度极值,计算得到第二高度差值,若所述第二高度差值大于第四预设高度阈值,则确定所述目标区域内挡墙的挡墙类别为山体挡墙,所述第四预设高度阈值为基于目标矿区中的山体高度配置的。
进一步地,所述基于所述挡墙点集合中挡墙点的聚类簇,确定至少一个方位的道路边界点数据包括:
基于所述聚类簇在目标车辆坐标系内水平坐标轴向、垂直坐标轴向上的投影值、所述聚类簇中扫描点的水平坐标值,将所述挡墙点集合中的挡墙点划分为至少一个方位的挡墙点,所述目标车辆坐标系为以所述目标车辆的后轴线中心点为中心,车辆右侧为水平坐标轴正向,车头方向为垂直坐标轴正向构建的平面坐标系;
针对每个方位的挡墙点,分别计算所述挡墙点的凹包数据,并将所述凹包数据配置为对应方位的道路边界点数据。
依据本发明另一个方面,提供了一种道路边界的识别装置,包括:
获取模块,用于获取目标车辆的路径规划数据及所述目标车辆的后向监测雷达采集的目标区域的点云数据,并对所述点云数据进行栅格化处理,得到平面点云栅格中每个栅格内点云的高度极值;
提取模块,用于基于所述路径规划数据、所述每个栅格内点云的高度极值依次进行挡墙候选栅格提取、挡墙类别检测,确定所述目标区域内的挡墙候选栅格及挡墙类别,并基于所述挡墙候选栅格、及与所述挡墙类别对应的挡墙点提取策略,提取得到挡墙点集合;
确定模块,用于基于所述挡墙点集合中挡墙点的聚类簇,确定至少一个方位的道路边界点数据,并将所述道路边界点数据发送至所述目标车辆的控制端,以使所述控制端基于所述道路边界点数据进行后向道路边界识别。
进一步地,所述提取模块包括:
第一拟合单元,用于通过对所述候选栅格的第一参照点云进行平面拟合得到第一参照点云平面,并计算所述第一参照点云平面的法向量与所述目标车辆的车底平面之间的第一夹角;
第一确定单元,用于基于所述第一夹角与预设夹角阈值的比对结果,从所述候选栅格中确定出挡墙栅格,所述预设夹角阈值为基于所述挡墙类别确定的;
第二拟合单元,用于通过对所述挡墙栅格中每个扫描点的第二参照点云进行平面拟合得到第二参照点云平面,并计算所述第二参照点云平面的法向量与所述目标车辆的车底平面之间的第二夹角;
第二确定单元,用于基于所述第二夹角与所述预设夹角阈值的比对结果,确定出所述挡墙栅格中的挡墙点,并基于全部所述挡墙栅格中的挡墙点构建得到挡墙点集合。
进一步地,所述装置还包括:
第一划分模块,用于计算得到所述候选栅格中点云的质心点,并以所述质心点为圆心、第一关联点云划分参数为半径进行关联点云划分,得到第一关联点云;
第一计算模块,用于计算所述第一关联点云中每个扫描点与所述质心点的第一高度差值,并基于所述第一高度差值与第一预设高度差值阈值的比对结果从所述第一关联点云中提取得到第一参照点云;
第二划分模块,用于以所述挡墙栅格中每个目标扫描点为圆心、第二关联点云划分参数为半径进行关联点云划分,得到第二关联点云;
第二计算模块,用于计算所述第二关联点云中每个扫描点与所述目标扫描点的第二高度差值,并基于所述第二高度差值与第二预设高度差值阈值的比对结果从所述第二关联点云中提取得到第二参照点云。
进一步地,所述确定模块包括:
第三确定单元,用于若所述挡墙类别为山体挡墙,则基于所述第一夹角与第一预设夹角阈值的比对结果确定挡墙栅格;
第四确定单元,用于若所述挡墙类别为非山体挡墙,则基于所述第一夹角与所述第二预设夹角阈值、第三预设夹角阈值的比对结果确定挡墙栅格。
进一步地,所述获取模块包括:
第一计算单元,用于基于预设平面栅格的栅格尺寸参数,计算所述点云数据中每个扫描点在所述预设平面栅格中的栅格坐标,所述预设平面栅格中每个栅格配置有原子锁;
分配单元,用于为所述点云数据中的不同点云分配对应的线程,并基于所述线程将所述不同点云中的扫描点并行写入与所述扫描点的栅格坐标相匹配的栅格中,得到所述点云数据的点云栅格;
第五确定单元,用于基于所述点云栅格中每个栅格中全部扫描点的高度值,确定每个栅格中的高度最大值、高度最小值,所述高度值为所述扫描点在所述预设平面栅格的法线方向上的高度。
进一步地,所述确定模块包括:
第六确定单元,用于基于所述每个栅格内点云的高度极值计算得到每个栅格的第一高度差值,若所述第一高度差值小于第三预设高度阈值,则将所述栅格确定为所述目标区域内挡墙的候选栅格,所述第三预设高度阈值为基于目标矿区中的挡墙高度配置的;
遍历单元,用于将所候选栅格作为遍历的头栅格,按照预设遍历参数确定遍历的尾栅格,所述预设遍历参数包括在所述点云栅格中遍历的距离参数、遍历的方向参数;
第二计算单元,用于基于所述头栅格的高度极值、所述尾栅格的高度极值,计算得到第二高度差值,若所述第二高度差值大于第四预设高度阈值,则确定所述目标区域内挡墙的挡墙类别为山体挡墙,所述第四预设高度阈值为基于目标矿区中的山体高度配置的。
进一步地,所述确定模块包括:
划分单元,用于基于所述聚类簇在目标车辆坐标系内水平坐标轴向、垂直坐标轴向上的投影值、所述聚类簇中扫描点的水平坐标值,将所述挡墙点集合中的挡墙点划分为至少一个方位的挡墙点,所述目标车辆坐标系为以所述目标车辆的后轴线中心点为中心,车辆右侧为水平坐标轴正向,车头方向为垂直坐标轴正向构建的平面坐标系;
第三计算单元,用于针对每个方位的挡墙点,分别计算所述挡墙点的凹包数据,并将所述凹包数据配置为对应方位的道路边界点数据。
根据本发明的又一方面,提供了一种存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如上述道路边界的识别方法对应的操作。
根据本发明的再一方面,提供了一种终端,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述道路边界的识别方法对应的操作。
借由上述技术方案,本发明实施例提供的技术方案至少具有下列优点:
本发明提供了一种道路边界的识别方法及装置、存储介质、终端,本发明实施例通过获取目标车辆的路径规划数据及所述目标车辆的后向监测雷达采集的目标区域的点云数据,并对所述点云数据进行栅格化处理,得到平面点云栅格中每个栅格内点云的高度极值;基于所述路径规划数据、所述每个栅格内点云的高度极值依次进行挡墙候选栅格提取、挡墙类别检测,确定所述目标区域内的挡墙候选栅格及挡墙类别,并基于所述挡墙候选栅格、及与所述挡墙类别对应的挡墙点提取策略,提取得到挡墙点集合;基于所述挡墙点集合中挡墙点的聚类簇,确定至少一个方位的道路边界点数据,并将所述道路边界点数据发送至所述目标车辆的控制端,以使所述控制端基于所述道路边界点数据进行后向道路边界识别,大大减少了栅格对挡墙点提取的限制,大大提高了挡墙点提取精度,同时,针对不同挡墙类别基于不同的挡墙点策略进行提取,从而有效提高挡墙点识别的准确度,进而提高道路边界识别准确度。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种道路边界的识别方法流程图;
图2示出了本发明实施例提供的另一种道路边界的识别方法流程图;
图3示出了本发明实施例提供的一种挡墙点提取流程图;
图4示出了本发明实施例提供的一种道路边界的识别装置组成框图;
图5示出了本发明实施例提供的一种终端的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
针对现有的道路边界识别方法,以栅格为提取道路边界点云的最小单元,使道路边界的提取受限于栅格的尺寸及点云在栅格中的分布情况,导致道路边界的识别精度较低,同时,在进行梯度计算时,使用体素滤波进行降采样,这使得最终的计算结果仅能体现平均值,当挡墙的梯度不明显或栅格内的点云线束较少时,易发生挡墙漏识别,进一步降低道路边界的识别精度的问题。本发明实施例提供了一种道路边界的识别方法,如图1所示,该方法包括:
101、获取目标车辆的路径规划数据及所述目标车辆的后向监测雷达采集的目标区域的点云数据,并对所述有效点云数据进行栅格化处理,得到平面点云栅格中每个栅格内点云的高度极值。
本发明实施例中,目标车辆为当前需要识别车辆后向道路边界的矿区宽体车。路径规划数据为目标车辆即将执行的后向行驶路径的数据,即倒车行驶路径数据,该路径规划数据可以从目标车辆的车辆控制系统获取。后向监测雷达为安装在目标车辆后部的补盲雷达,雷达安装的部位和雷达的具体类型,本发明实施例不做具体限定。点云为雷达设备对周围环境进行扫描得到的大量扫描点,这些扫描点随扫描到物体的体积呈不同稀疏程度的分布。点云数据及路径规划数据的参考坐标系为以目标车辆的后轴中心点作为坐标原点,以平行车身且指向车头的方向为Y轴正方向,以垂直于Y轴且指向目标车辆右侧的方向为X轴正方向构建的目标车辆坐标系。获取到雷达采集的当前帧点云数据后,根据点云在目标车辆坐标系中的坐标以及X-Y平面内划分的栅格的尺寸,对点云数据进行栅格化处理,即求取点云中扫描点对应在栅格中的栅格坐标,进而根据每个栅格中点云的Z轴坐标计算每个栅格中Z轴坐标的最大值、最小值,即高度极值。其中,Z轴为垂直于X-Y平面,且正方向向上的坐标轴。
需要说明的是,由于雷达的扫描范围较广,可以识别到距离目标车辆二十米以外的障碍物,而对于目标车辆的行驶需要识别的挡墙仅需要几米范围内的点云数据,而距离更远的点云数据为无效数据,因此,在对点云数据栅格化之前,可以基于预设坐标阈值对点云数据进行筛选,得到需要识别区域内(目标区域)的点云数据,进而求取目标区域内点云数据对应的栅格坐标。其中,预设坐标阈值可以包括X坐标阈值和/或Y轴坐标阈值,阈值的大小可以为2m、3m,也可以根据实际场景需要自定义,本发明实施例不做具体限定。通过对雷达当前采集到的点云数据进行筛选,能够实现对远距离、无效点云的去除,从而有效降低后续数据处理过程的数据计算量。
102、基于所述路径规划数据、所述每个栅格内点云的高度极值依次进行挡墙候选栅格提取、挡墙类别检测,确定所述目标区域内的挡墙候选栅格及挡墙类别,并基于所述挡墙候选栅格、及与所述挡墙类别对应的挡墙点提取策略,提取得到挡墙点集合。
本发明实施例中,根据路径规划数据确定遍历起始点,具体地,设定规划路径点r_i坐标为(road_x_i,road_y_i,road_z_i),则对应的起始坐标为(x_start,y_start)=(((road_x_i-point_x_min)/mesh_x_size,road_y_i/mesh_y_size)。基于起始栅格(x_start,y_start)向左,右,后三个方向进行遍历。目标区域内的点云包括地面点云、挡墙点云、以及其他障碍物点云,如车辆点云、行人点云,而需要识别的点云为作为道路边界的挡墙点云。在矿区环境中,挡墙一般为与车辆高度接近的矮墙体,高度通常在1米左右,而宽体车辆的高度通常在3米左右,因此,可以基于栅格中点云的高度的最大值及最小值判断点云对应物体的高度,进而根据高度确定出栅格是挡墙点云栅格、还是车辆点云栅格,例如,一个栅格中高度的最大值与最小值是差值大于1.5米,则表明该栅格中点云对应的物体可能为车辆,而若一个栅格中高度的最大值与最小值是差值小于1.5米,则表明该栅格中点云对应的物体可能为挡墙,可以将该栅格作为挡墙候选栅格。此外,在一些环境下也存在将山体与人造矮墙体共同作为挡墙的情况,为了更为准确的识别出挡墙,在每确定一个栅格为挡墙候选栅格之后,进一步确定该挡墙候选栅格旁边是否存在山体,由于山体高度远高于人挡墙及宽体车辆,且山体会有一定宽度,因此,可以将当前栅格与一定范围内的栅格进行高度差值比较,从而确定出当前挡墙是否包含山体,为山体类别挡墙。在确定挡墙候选栅格及挡墙类别之后,为了进一步从挡墙候选栅格中准确识别出挡墙点,需要基于与不同挡墙类别对应的挡墙点提取策略对候选栅格中的挡墙点进行提取,以得到出完全对应挡墙的点,即当前点集合。
需要说明的是,挡墙点提取策略可以为基于每个挡墙候选栅格的点云及周围点云构建平面法向量,并基于该平面法向量与X-Y平面的夹角与确定挡墙候选栅格是否为挡墙栅格,进一步对挡墙栅格中的点云进行逐点构建平面法向量,并基于该逐点平面法向量与X-Y平面的夹角进一步对挡墙栅格中的每个扫描点进行精提取。其中,由于挡墙为山体挡墙和非山体挡墙时,夹角的判定标准不同,即对应的角度阈值不同,因此,需要基于与挡墙类别对应的角度阈值对候选挡墙栅格,以及挡墙栅格中的扫描点进行提取。通过基于平面法向量的方法对挡墙点进行多步提取,能够打破栅格尺寸对挡墙点提取的限制,对栅格中的点云进行逐点识别,从而有效提高挡墙点的提取精度。此外,通过判别挡墙类别,以与挡墙类别对应的挡墙点提取策略进行挡墙点提取,能够使挡墙的识别能够识别到包含山体的挡墙,使得挡墙的识别更为全面。
103、基于所述挡墙点集合中挡墙点的聚类簇,确定至少一个方位的道路边界点数据,并将所述道路边界点数据发送至所述目标车辆的控制端,以使所述控制端基于所述道路边界点数据进行后向道路边界识别。
本发明实施例中,由于目标车辆的后向雷达采集到的点云包括正后侧方向、左侧方向、右侧方向,而目标车辆需要识别的道路边界也是在车身两侧以及后方呈包围状态的道路边界,因此,确认挡墙点的方位,进而基
于不同方位的挡墙点确定道路边界数据。其中,可以基于聚类簇的投影长5度确定出正后侧方向的挡墙点,以及基于挡墙点的坐标正负判断左右挡墙点,具体可以基于欧式聚类算法对挡墙点进行聚类,本发明实施例不做具体限定。其中,道路边界点数据具体可以为凹包点数据,本发明实施例不做具体限定。得到道路边界点数据后,为了使目标车辆能够根据此数据调
整车辆行驶轨迹,实现对道路边界的躲避,将道路边界点数据发送给目标0车辆的控制端,该控制端可以为目标车辆中用于控制自动驾驶的控制系统或控制模块,本发明实施例不做具体限定。
在一个本发明实施例中,为了进一步说明及限定,如图2所示,步骤所述基于所述候选栅格、及与所述挡墙类别对应的挡墙点提取策略,提取得到挡墙点集合包括:5 201、通过对所述候选栅格的第一参照点云进行平面拟合得到第一参照点云平面,并计算所述第一参照点云平面的法向量与所述目标车辆的车底平面之间的第一夹角。
202、基于所述第一夹角与预设夹角阈值的比对结果,从所述候选栅格中确定出挡墙栅格。
0 203、通过对所述挡墙栅格中每个扫描点的第二参照点云进行平面拟合得到第二参照点云平面,并计算所述第二参照点云平面的法向量与所述目标车辆的车底平面之间的第二夹角。
204、基于所述第二夹角与所述预设夹角阈值的比对结果,确定出所述挡墙栅格中的挡墙点,并基于全部所述挡墙栅格中的挡墙点构建得到挡墙5点集合。
本发明实施例中,候选栅格中除挡墙栅格外还可能存在需要过滤掉的地面栅格和/或车辆栅格,为了从候选栅格中筛选出挡墙栅格,基于地面栅格参照点云、车辆栅格参照点云、挡墙栅格参照点云所对应拟合平面的法向量的方向特征差异实现对挡墙栅格的筛选。由于地面栅格参照点云所对应拟合平面的法向量与车辆底面之间为垂直或近似于垂直的关系,车辆栅格参照点云所对应拟合平面的法向量与车辆底面的角度近似于零,挡墙栅格参照点云所对应拟合平面的法向量与车辆底面之间呈一定的角度,因此,可以通过第一参照点云平面法向量与目标车辆的车底平面之间的夹角、及预设夹角阈值来实现对挡墙栅格的提取,同理,也可以基于挡墙栅格中的目标扫描点的第二参照点云所对应拟合平面(第二参照点云平面)的法向量与车辆底面之间夹角对目标扫描点中的挡墙点进行提取,从而得到挡墙点集合。其中,预设夹角阈值为基于挡墙类别确定的,即在挡墙栅格提取与当前点栅格提取过程对应相同的预设夹角阈值,而不同的挡墙类别对应不同的预设夹角阈值。
需要说明的是,第一参照点云平面是基于主成分分析算法(Principal ComponentAnalysis,PCA)对第一参照点云进行平面拟合得到的。同理,第二参照点云平面是基于PCA对第二参照点云进行平面拟合得到的。由于PCA算法仅考虑参照点云中大多数点云的位置进行平面拟合,能够实现对参照点云中稀疏扫描点的有效过滤,大大提高后续法向量夹角计算的准确性,从而有效提高挡墙点提取的准确性。
此外,本发明实施例通过参照点云平面法向量与车底平面夹角的方法对挡墙栅格进行提取,并基于相同方法对挡墙栅格中的每个扫描点进行逐点计算,完成对挡墙点的提取,实现对挡墙点的精提取。在此过程中,挡墙点的提取是针对挡墙栅格中的每个扫描点进行逐点计算得到的,打破了栅格尺寸对挡墙点提取精度的限制,从而有效提升挡墙点提取的精度及准确度。此外,由于逐点计算的计算量庞大,基于CPU进行运算处理,无法满足边界识别的实时性需求,因此,本发明实施例基于图形处理器(Graphics Processing Unit,GPU)中,已完成配置的并行计算架构(Compute Unified Device Architecture,CUDA)执行挡墙栅格及挡墙点提取的计算过程,大大提升计算处理速度,减少计算处理时间,从而提升挡墙点提取的计算效率,满足边界识别的实时性要求。
在一个本发明实施例中,为了进一步说明及限定,步骤通过对所述候选栅格的第一参照点云进行平面拟合得到第一参照点云平面之前,所述方法还包括:
计算得到所述候选栅格中点云的质心点,并以所述质心点为圆心、第一关联点云划分参数为半径进行关联点云划分,得到第一关联点云;
计算所述第一关联点云中每个扫描点与所述质心点的第一高度差值,并基于所述第一高度差值与第一预设高度差值阈值的比对结果从所述第一关联点云中提取得到第一参照点云;
所述通过对所述挡墙栅格中每个扫描点的第二参照点云进行平面拟合得到第二参照点云平面之前,所述方法还包括:
以所述挡墙栅格中每个目标扫描点为圆心、第二关联点云划分参数为半径进行关联点云划分,得到第二关联点云;
计算所述第二关联点云中每个扫描点与所述目标扫描点的第二高度差值,并基于所述第二高度差值与第二预设高度差值阈值的比对结果从所述第二关联点云中提取得到第二参照点云。
本发明实施例中,为了确定出与当前候选栅格对应的空间平面,以当前候选栅格中点云的质心点作为圆心,以第一关联点云划分参数为半径划定第一圆形区域范围,该第一圆形区域范围内所有栅格中的点云作为当前候选栅格的第一关联点云,计算此第一关联点云中每个扫描点与质心点的第一高度差值,若第一高度差值大于第一预设高度差值阈值,则将该扫描点放入第一参考点云的集合中,若第一高度差值小于第一预设高度差值阈值,则删除该扫描点,基于第一预设高度差值阈值完成对周边点云中每个扫描点的遍历筛选之后,得到第一参照点云。其中,候选栅格的点云质心点为栅格中所有扫描点的几何中心点。其中,基于第一预设高度差值阈值对第一关联点云中每个扫描点进行筛选,是为了提取相对于质心点高度变化更为明显,更具有代表性的扫描点作为后续法向量计算的参照点,第一预设高度差值阈值可以为0.5,也可以根据实际应用场景自定义,本发明实施例不做具体限定。
本发明实施例中,挡墙栅格包括多个目标扫描点,而这些目标扫描点可能不完全为挡墙点,例如,栅格中有10个扫描点,其中7个为挡墙的扫描点,而其余3个为挡墙以外的扫描点。为了准确提取挡墙点,过滤掉挡墙栅格中不属于挡墙点的目标扫描点,在确定挡墙栅格之后,对挡墙栅格中的每个目标扫描点作为圆心,以第二参照点划分参数为半径划定第二圆形区域范围,该第二圆形区域范围内所有栅格中的点云作为当前目标扫描点的第二关联点云,基于此第二关联点云中每个扫描点与当前目标扫描点的第二高度差值及第二预设高度差值阈值确定出第二参照点云,进而基于第二参照点云所在平面的法向量与X-Y平面构成的第二夹角,及预设夹角阈值确定挡墙栅格中的当前扫描点是否为挡墙点。其中,第二参照点云的筛选、第二夹角的求取、挡墙点的判定与挡墙栅格的确定过程相同,本发明实施例在此不再赘述。其中,第一预设高度差值阈值与第二预设高度差值阈值可以配置相同值,也可以根据实际应用场景配置不同值;第一关联点云划分参数、第二参照点划分参数可以配置相同值,也可以根据实际应用场景配置不同值,本发明实施例不做具体限定。
在一个本发明实施例中,为了进一步说明及限定,步骤所述基于所述第一夹角与预设夹角阈值的比对结果,从所述候选栅格中确定出挡墙栅格包括:
若所述挡墙类别为山体挡墙,则基于所述第一夹角与第一预设夹角阈值的比对结果确定挡墙栅格;
若所述挡墙类别为非山体挡墙,则基于所述第一夹角与所述第二预设夹角阈值、第三预设夹角阈值的比对结果确定挡墙栅格。
本发明实施例中,挡墙是带有一定的斜度的坡体,挡墙栅格所对应第一参照点云平面的法向量与目标车辆底面之间的夹角明显小于90°,而地面栅格所对应的第一参照点云平面的法向量与目标车辆的车辆底面之间的夹角接近于90°,同时,车辆的侧面与目标车辆的车辆底面近乎垂直,车辆栅格所对应第一参照点云平面的法向量与目标车辆的车辆底面之间的夹角接近于0°,而山体的扫描面与车辆的侧面类似,因此,山体栅格所对应第一参照点云平面的法向量与目标车辆的车辆底面之间的夹角接近于0°。为了在存在山体的挡墙的情况下,确保挡墙栅格、挡墙点提取的准确性,基于当前类别确定不同的预设夹角阈值。其中,挡墙类别包括山体挡墙、非山体挡墙。针对非山体挡墙,即不包含山体的挡墙,当第一夹角趋近于0°时,可以确定当前挡墙栅格为车辆栅格,因此,若第一夹角介于第二预设夹角阈值与第三预设夹角阈值之间,则确定当前候选栅格为挡墙栅格,若第一夹角等于第二预设夹角阈值或第三预设夹角阈值,则确定当前候选栅格为非挡墙栅格,从而实现对挡墙栅格的提取。其中,第二预设夹角阈值、第三预设夹角阈值可以分配配置为0°、90°,也可以根据实际应用场景配置为略大于0°、小于90°的角度值,例如,第二预设夹角阈值为5°,第三预设夹角阈值为80°,本发明实施例不做具体限定。针对山体挡墙,即包含一部分山体作为挡墙的挡墙,在靠近山体的环境下,出现车辆的可能性较小,当第一夹角趋近于0°时,当前挡墙栅格可以确定为山体栅格,因此,仅基于第一预设夹角阈值对地面挡墙栅格进行过滤即可,其中,第一预设夹角阈值可以等于第二预设夹角阈值、第三预设夹角阈值中的较大值,也可以为与第二预设夹角阈值、第三预设夹角阈值均不相等,且小于等于90°的值,本发明实施例不做具体限定。
在具体应用场景中,墙点提取流程图如图3所示,从遍历起始点向左、右、后三个方向分别遍历栅格,若遍历未完成,则获取当前栅格内质心点和一定范围(关联点云划分参数确定)内的点云,进而确定在距离范围(预设遍历参数确定)内是否存在山体,进而确定用于判断的预设夹角阈值,基于法向量算法判断当前栅格是否属于挡墙,若不属于则继续遍历下一栅格,若属于,则进一步提取栅格中的所有点分别基于法向量算法判断是否属于挡墙,若属于,则将该点放入挡墙点集合中,并跳转至下一行,若不属于,则继续遍历下一栅格,直至遍历结束,得到挡墙点集合。
需要说明的是,对挡墙点的提取过程与挡墙栅格的提取过程相同,也需要基于不同的挡墙类别分别基于对应的预设角度阈值进行挡墙点的识别,本发明实施例在此不再赘述。由于山体的特征与车辆的特征较为接近,若将包含山体的挡墙与不包含山体的挡墙基于相同的预设夹角阈值进行判定,则会将山体部分的挡墙判别为干扰车辆,造成识别不准确,而基于挡墙类别确定对应的预设夹角阈值,针对山体作为挡墙的情况以对应的预设夹角阈值进行筛选,在以山体作为挡墙的情况下,依然能够确保挡墙识别的准确性,从而大大提高道路边界识别的适用范围。
在一个本发明实施例中,为了进一步说明及限定,步骤所述对所述点云数据进行栅格化处理,得到每个栅格内点云的高度极值包括:
基于预设平面栅格的栅格尺寸参数,计算所述点云数据中每个扫描点在所述预设平面栅格中的栅格坐标;
为所述点云数据中的不同点云分配对应的线程,并基于所述线程将所述不同点云中的扫描点并行写入与所述扫描点的栅格坐标相匹配的栅格中,得到所述点云数据的点云栅格;
基于所述点云栅格中每个栅格中全部扫描点的高度值,确定每个栅格中的高度最大值、高度最小值。
本发明实施例中,预设平面栅格为在目标车辆坐标系基础上构建的二维平面栅格,即按照栅格尺寸参数将标车辆坐标系所在平面进行栅格划分的结果。其中,栅格尺寸参数为单位栅格的尺寸,可以根据实际场景需求自定义,本发明实施例不做具体限定。栅格坐标的计算方式步骤101中已经说明,在此不再赘述。为了基于GPU对点云数据进行栅格化,为每个点云分配一个CUDA核作为一个线程,并为每个栅格配置有原子锁,由与每个点云对应的CUDA核,并行将该点云中的扫描点分配至对应栅格中。针对CUDA核,在确定点云数据中每个扫描点的栅格坐标之后,循环获取当前扫描点对应栅格的原子锁状态,直至获取到对应栅格的原子锁,将当前扫描点存入栅格中。对于每个栅格中的扫描点,都存在高度极值,高度极值包括高度最大值、高度最小值。其中,高度值为所述扫描点在所述预设平面栅格的法线方向上的高度,也为扫描点的Z轴坐标值。为了确定高度极值,在将当前扫描点存入栅格中的同时,比较当前扫描点的Z轴坐标与该栅格中其他扫描点的Z轴坐标最大值及最小值,若当前扫描点的Z轴坐标大于Z轴坐标最大值则对Z轴坐标最大值进行更新,若当前扫描点的Z轴坐标小于于Z轴坐标最小值则对Z轴坐标最小值进行更新,并在操作完成后释放原子锁,从而在全部CUDA核完成对对应点云的栅格化处理后,得到每个栅格的高度极值。
需要说明的是,通过基于GPU对点云数据进行栅格化,能够有效提高点云数据的栅格化的运算速度,同时,为每个栅格配置原子锁,能够在一个CUDA核对当前栅格进行写入时,避免其他CUDA核对当前栅格进行操作而导致错误,从而在大大提高栅格化处理效率的同时,确保并行处理的准确、有序进行。
在一个本发明实施例中,为了进一步说明及限定,步骤所述基于所述5路径规划数据、所述每个栅格内点云的高度极值依次进行挡墙候选栅格提取、挡墙类别检测,确定所述目标区域内挡墙的候选栅格及挡墙类别包括:
基于所述每个栅格内点云的高度极值计算得到每个栅格的第一高度差值,若所述第一高度差值小于第三预设高度差值阈值,则将所述栅格确定为所述目标区域内挡墙的候选栅格;
0将所候选栅格作为遍历的头栅格,按照预设遍历参数确定遍历的尾栅格;
基于所述头栅格的高度极值、所述尾栅格的高度极值,计算得到第二高度差值,若所述第二高度差值大于第四预设高度差值阈值,则确定所述目标区域内挡墙的挡墙类别为山体挡墙。
5本发明实施例中,由于矿区内的挡墙高度低于矿区内的宽体车高度,
因此基于目标矿区中的挡墙高度配置的第三预设高度阈值。若当前栅格内的最大高度与最小高度的差值,即第一高度差值大于第三预设高度阈值,则表明当前栅格内的扫描点不是挡墙上的扫描点,从而确定当前栅格为非
候选栅格。若当前栅格内的最大高度与最小高度的差值,即第一高度差值0小于或等于第三预设高度阈值,则表明当前栅格内的扫描点是挡墙上的扫描点,从而确定当前栅格为候选栅格。其中,第三预设高度阈值可以等于或小于目标矿区中的挡墙高度,本发明实施例不做具体限定。
本发明实施例中,由于矿区内的山体为自然山体或挖掘断面,其高度远远大于矿车的高度,因此,基于目标矿区中的山体高度配置第四预设高5度差值阈值。又由于山体一般都有一定的绵延长度,因此,配置预设遍历参数,以当前确认出的候选栅格为遍历起点,即头栅格,按照预设遍历参数确定遍历的最后一个栅格,即尾栅格。其中,预设遍历参数包括在点云栅格中遍历的距离参数、遍历的方向参数,例如,距离参为10个栅格,方向参数为所在行,则若当前栅格为第1个栅格,则遍历的尾栅格为第10个栅格,距离参数、方向参数可以根据实际应用场景自定义,本发明实施例不做具体限定。确定头栅格和尾栅格之后,取头栅格的高度最大值与尾栅格的的高度最小值作差,得到第二高度差值。若第二高度差值大于第四预
设高度差值阈值,则表明当前遍历范围内存在山体栅格,则将当前候选栅5格所对应挡墙的类别确定为山体挡墙,若第二高度差值小于或等于第四预设高度差值阈值,则表明当前遍历范围内存在山体栅格,则判定当前候选栅格所对应挡墙的类别为非山体挡墙。其中,第四预设高度差值阈值可以等于或略小于目标矿区内山体的平均高度,本发明实施例不做具体限定。
在一个本发明实施例中,为了进一步说明及限定,步骤所述基于所述0挡墙点集合中挡墙点的聚类簇,确定至少一个方位的道路边界点数据包括:
基于所述聚类簇在目标车辆坐标系内水平坐标轴向、垂直坐标轴向上的投影值、所述聚类簇中扫描点的水平坐标值,将所述挡墙点集合中的挡墙点划分为至少一个方位的挡墙点;
针对每个方位的挡墙点,分别计算所述挡墙点的凹包数据,并将所述5凹包数据配置为对应方位的道路边界点数据。
本发明实施例中,基于预先配置的聚类半径对挡墙点集合中的挡墙点进行欧式聚类,得到多个聚类簇。其中,聚类半径可以根据实际应用场景自定义,本发明实施例不做具体限定。对于目标车辆而言,后向雷达能够
采集到的扫描点包括左、右、后三个方向,而后向的挡墙会绵延一定的长0度,因此,基于聚类簇在目标车辆坐标系中X、Y轴的投影确定后挡墙点。
具体地,计算当前聚类簇在X轴向上投影的第一投影值,在Y轴向上投影的第二投影值,并计算所述第二投影值与所述第一投影值比值得到投影比值。若第一投影值、第二投影值均大于第一预设投影阈值,则进一步确定
第一投影值与第二投影值的比值,即投影比值与第二预设投影阈值的比对5结果,若第一投影值、第二投影值中任一一个小于第一预设投影阈值,则认为当前聚类簇为无效聚类簇。若投影比值小于第二预设投影阈值,则将当前聚类簇中的扫描点确定为后挡墙点,若投影比值大于或等于第二预设投影阈值,则将当前聚类簇中X坐标为正值的扫描点确定为右挡墙点,将当前聚类簇中X坐标为负值的扫描点确定为左挡墙点。其中,目标车辆坐标系为以所述目标车辆的后轴线中心点为中心,车辆右侧为水平坐标轴正向,车头方向为垂直坐标轴正向构建的平面坐标系。其中,第一预设投影阈值可以为0,第二预设投影阈值可以为1,也可以根据实际应用场景需求自定义,本发明实施例不做具体限定。确定挡墙点方位之后,针对每个方位进行凹包数据的计算。以左挡墙为例,进行说明,针对左挡墙点建立KD((k-dimensional)树,并计算全部挡墙点的几何中心,以该几何中心点为初始点p0。(1)查找y轴方向最小的点,若y方向相同则找到x方向最小的点,并将该点表示为p1。(2)以p0为中心,R为半径搜索范围内的点集A,遍历A中每个点,设为p2_i。计算夹角p0->p1->p2_i,如果该夹角小于第四预设夹角阈值,则继续遍历下一个p2_i。如果存在夹角最小的点,则选取该点作为p2,否则扩大半径R并重复当前步骤。(3)将当前点的p1和p2分别置为p0和p1,重复步骤(2),直到回到初始点或遍历完一圈,得到凹包数据。
本发明提供了一种道路边界的识别方法,本发明实施例通过获取目标车辆的路径规划数据及所述目标车辆的后向监测雷达采集的目标区域的点云数据,并对所述点云数据进行栅格化处理,得到平面点云栅格中每个栅格内点云的高度极值;基于所述路径规划数据、所述每个栅格内点云的高度极值依次进行挡墙候选栅格提取、挡墙类别检测,确定所述目标区域内的挡墙候选栅格及挡墙类别,并基于所述挡墙候选栅格、及与所述挡墙类别对应的挡墙点提取策略,提取得到挡墙点集合;基于所述挡墙点集合中挡墙点的聚类簇,确定至少一个方位的道路边界点数据,并将所述道路边界点数据发送至所述目标车辆的控制端,以使所述控制端基于所述道路边界点数据进行后向道路边界识别,大大减少了栅格对挡墙点提取的限制,大大提高了挡墙点提取精度,同时,针对不同挡墙类别基于不同的挡墙点策略进行提取,从而有效提高挡墙点识别的准确度,进而提高道路边界识别准确度。
进一步的,作为对上述图1所示方法的实现,本发明实施例提供了一种道路边界的识别装置,如图4所示,该装置包括:
获取模块31,用于获取目标车辆的路径规划数据及所述目标车辆的后向监测雷达采集的目标区域的点云数据,并对所述点云数据进行栅格化处理,得到平面点云栅格中每个栅格内点云的高度极值;
提取模块32,用于基于所述路径规划数据、所述每个栅格内点云的高度极值依次进行挡墙候选栅格提取、挡墙类别检测,确定所述目标区域内的挡墙候选栅格及挡墙类别,并基于所述挡墙候选栅格、及与所述挡墙类别对应的挡墙点提取策略,提取得到挡墙点集合;
确定模块33,用于基于所述挡墙点集合中挡墙点的聚类簇,确定至少一个方位的道路边界点数据,并将所述道路边界点数据发送至所述目标车辆的控制端,以使所述控制端基于所述道路边界点数据进行后向道路边界识别。
进一步地,所述提取模块32包括:
第一拟合单元,用于通过对所述候选栅格的第一参照点云进行平面拟合得到第一参照点云平面,并计算所述第一参照点云平面的法向量与所述目标车辆的车底平面之间的第一夹角;
第一确定单元,用于基于所述第一夹角与预设夹角阈值的比对结果,从所述候选栅格中确定出挡墙栅格,所述预设夹角阈值为基于所述挡墙类别确定的;
第二拟合单元,用于通过对所述挡墙栅格中每个扫描点的第二参照点云进行平面拟合得到第二参照点云平面,并计算所述第二参照点云平面的法向量与所述目标车辆的车底平面之间的第二夹角;
第二确定单元,用于基于所述第二夹角与所述预设夹角阈值的比对结果,确定出所述挡墙栅格中的挡墙点,并基于全部所述挡墙栅格中的挡墙点构建得到挡墙点集合。
进一步地,所述装置还包括:
第一划分模块,用于计算得到所述候选栅格中点云的质心点,并以所述质心点为圆心、第一关联点云划分参数为半径进行关联点云划分,得到第一关联点云;
第一计算模块,用于计算所述第一关联点云中每个扫描点与所述质心点的第一高度差值,并基于所述第一高度差值与第一预设高度差值阈值的比对结果从所述第一关联点云中提取得到第一参照点云;
第二划分模块,用于以所述挡墙栅格中每个目标扫描点为圆心、第二关联点云划分参数为半径进行关联点云划分,得到第二关联点云;
第二计算模块,用于计算所述第二关联点云中每个扫描点与所述目标扫描点的第二高度差值,并基于所述第二高度差值与第二预设高度差值阈值的比对结果从所述第二关联点云中提取得到第二参照点云。
进一步地,所述提取模块32包括:
第三确定单元,用于若所述挡墙类别为山体挡墙,则基于所述第一夹角与第一预设夹角阈值的比对结果确定挡墙栅格;
第四确定单元,用于若所述挡墙类别为非山体挡墙,则基于所述第一夹角与所述第二预设夹角阈值、第三预设夹角阈值的比对结果确定挡墙栅格。
进一步地,所述获取模块31包括:
第一计算单元,用于基于预设平面栅格的栅格尺寸参数,计算所述点云数据中每个扫描点在所述预设平面栅格中的栅格坐标,所述预设平面栅格中每个栅格配置有原子锁;
分配单元,用于为所述点云数据中的不同点云分配对应的线程,并基于所述线程将所述不同点云中的扫描点并行写入与所述扫描点的栅格坐标相匹配的栅格中,得到所述点云数据的点云栅格;
第五确定单元,用于基于所述点云栅格中每个栅格中全部扫描点的高度值,确定每个栅格中的高度最大值、高度最小值,所述高度值为所述扫描点在所述预设平面栅格的法线方向上的高度。
进一步地,所述确定模块33包括:
第六确定单元,用于基于所述每个栅格内点云的高度极值计算得到每个栅格的第一高度差值,若所述第一高度差值小于第三预设高度阈值,则将所述栅格确定为所述目标区域内挡墙的候选栅格,所述第三预设高度阈值为基于目标矿区中的挡墙高度配置的;
遍历单元,用于将所候选栅格作为遍历的头栅格,按照预设遍历参数确定遍历的尾栅格,所述预设遍历参数包括在所述点云栅格中遍历的距离参数、遍历的方向参数;
第二计算单元,用于基于所述头栅格的高度极值、所述尾栅格的高度极值,计算得到第二高度差值,若所述第二高度差值大于第四预设高度阈值,则确定所述目标区域内挡墙的挡墙类别为山体挡墙,所述第四预设高度阈值为基于目标矿区中的山体高度配置的。
进一步地,所述确定模块33包括:
划分单元,用于基于所述聚类簇在目标车辆坐标系内水平坐标轴向、垂直坐标轴向上的投影值、所述聚类簇中扫描点的水平坐标值,将所述挡墙点集合中的挡墙点划分为至少一个方位的挡墙点,所述目标车辆坐标系为以所述目标车辆的后轴线中心点为中心,车辆右侧为水平坐标轴正向,车头方向为垂直坐标轴正向构建的平面坐标系;
第三计算单元,用于针对每个方位的挡墙点,分别计算所述挡墙点的凹包数据,并将所述凹包数据配置为对应方位的道路边界点数据。
本发明提供了一种道路边界的识别装置,本发明实施例通过获取目标车辆的路径规划数据及所述目标车辆的后向监测雷达采集的目标区域的点云数据,并对所述点云数据进行栅格化处理,得到平面点云栅格中每个栅格内点云的高度极值;基于所述路径规划数据、所述每个栅格内点云的高度极值依次进行挡墙候选栅格提取、挡墙类别检测,确定所述目标区域内的挡墙候选栅格及挡墙类别,并基于所述挡墙候选栅格、及与所述挡墙类别对应的挡墙点提取策略,提取得到挡墙点集合;基于所述挡墙点集合中挡墙点的聚类簇,确定至少一个方位的道路边界点数据,并将所述道路边界点数据发送至所述目标车辆的控制端,以使所述控制端基于所述道路边界点数据进行后向道路边界识别,大大减少了栅格对挡墙点提取的限制,大大提高了挡墙点提取精度,同时,针对不同挡墙类别基于不同的挡墙点策略进行提取,从而有效提高挡墙点识别的准确度,进而提高道路边界识别准确度。
根据本发明一个实施例提供了一种存储介质,所述存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的道路边界的识别方法。
图5示出了根据本发明一个实施例提供的一种终端的结构示意图,本发明具体实施例并不对终端的具体实现做限定。
如图5所示,该终端可以包括:处理器(processor)402、通信接口(CommunicationsInterface)404、存储器(memory)406、以及通信总线408。
其中:处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。
通信接口404,用于与其它设备比如客户端或其它服务器等的网元通信。
处理器402,用于执行程序410,具体可以执行上述道路边界的识别方法实施例中的相关步骤。
具体地,程序410可以包括程序代码,该程序代码包括计算机操作指令。
处理器402可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。终端包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器406,用于存放程序410。存储器406可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序410具体可以用于使得处理器402执行以下操作:
获取目标车辆的路径规划数据及所述目标车辆的后向监测雷达采集的目标区域的点云数据,并对所述点云数据进行栅格化处理,得到平面点云栅格中每个栅格内点云的高度极值;
基于所述路径规划数据、所述每个栅格内点云的高度极值依次进行挡墙候选栅格提取、挡墙类别检测,确定所述目标区域内的挡墙候选栅格及挡墙类别,并基于所述挡墙候选栅格、及与所述挡墙类别对应的挡墙点提取策略,提取得到挡墙点集合;
基于所述挡墙点集合中挡墙点的聚类簇,确定至少一个方位的道路边界点数据,并将所述道路边界点数据发送至所述目标车辆的控制端,以使所述控制端基于所述道路边界点数据进行后向道路边界识别。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (10)
1.一种道路边界的识别方法,其特征在于,包括:
获取目标车辆的路径规划数据及所述目标车辆的后向监测雷达采集的目标区域的点云数据,并对所述点云数据进行栅格化处理,得到平面点云栅格中每个栅格内点云的高度极值;
基于所述路径规划数据、所述每个栅格内点云的高度极值依次进行挡墙候选栅格提取、挡墙类别检测,确定所述目标区域内的挡墙候选栅格及挡墙类别,并基于所述挡墙候选栅格、及与所述挡墙类别对应的挡墙点提取策略,提取得到挡墙点集合;
基于所述挡墙点集合中挡墙点的聚类簇,确定至少一个方位的道路边界点数据,并将所述道路边界点数据发送至所述目标车辆的控制端,以使所述控制端基于所述道路边界点数据进行后向道路边界识别。
2.根据权利要求1所述的方法,其特征在于,所述基于所述候选栅格、及与所述挡墙类别对应的挡墙点提取策略,提取得到挡墙点集合包括:
通过对所述候选栅格的第一参照点云进行平面拟合得到第一参照点云平面,并计算所述第一参照点云平面的法向量与所述目标车辆平面之间的第一夹角;
基于所述第一夹角与预设夹角阈值的比对结果,从所述候选栅格中确定出挡墙栅格,所述预设夹角阈值为基于所述挡墙类别确定的;
通过对所述挡墙栅格中每个扫描点的第二参照点云进行平面拟合得到第二参照点云平面,并计算所述第二参照点云平面的法向量与所述目标车辆车底平面之间的第二夹角;
基于所述第二夹角与所述预设夹角阈值的比对结果,确定出所述挡墙栅格中的挡墙点,并基于全部所述挡墙栅格中的挡墙点构建得到挡墙点集合。
3.根据权利要求2所述的方法,其特征在于,所述通过对所述候选栅格的第一参照点云进行平面拟合得到第一参照点云平面之前,所述方法还包括:
计算得到所述候选栅格中点云的质心点,并以所述质心点为圆心、第一关联点云划分参数为半径进行关联点云划分,得到第一关联点云;
计算所述第一关联点云中每个扫描点与所述质心点的第一高度差值,并基于所述第一高度差值与第一预设高度差值阈值的比对结果从所述第一关联点云中提取得到第一参照点云;
所述通过对所述挡墙栅格中每个扫描点的第二参照点云进行平面拟合得到第二参照点云平面之前,所述方法还包括:
以所述挡墙栅格中每个目标扫描点为圆心、第二关联点云划分参数为半径进行关联点云划分,得到第二关联点云;
计算所述第二关联点云中每个扫描点与所述目标扫描点的第二高度差值,并基于所述第二高度差值与第二预设高度差值阈值的比对结果从所述第二关联点云中提取得到第二参照点云。
4.根据权利要求2所述的方法,其特征在于,所述挡墙类别包括山体挡墙、非山体挡墙,所述基于所述第一夹角与预设夹角阈值的比对结果,从所述候选栅格中确定出挡墙栅格包括:
若所述挡墙类别为山体挡墙,则基于所述第一夹角与第一预设夹角阈值的比对结果确定挡墙栅格;
若所述挡墙类别为非山体挡墙,则基于所述第一夹角与所述第二预设夹角阈值、第三预设夹角阈值的比对结果确定挡墙栅格。
5.根据权利要求1所述的方法,其特征在于,所述高度极值包括高度最大值、高度最小值,所述对所述点云数据进行栅格化处理,得到每个栅格内点云的高度极值包括:
基于预设平面栅格的栅格尺寸参数,计算所述点云数据中每个扫描点在所述预设平面栅格中的栅格坐标,所述预设平面栅格中每个栅格配置有原子锁;
为所述点云数据中的不同点云分配对应的线程,并基于所述线程将所述不同点云中的扫描点并行写入与所述扫描点的栅格坐标相匹配的栅格中,得到所述点云数据的点云栅格;
基于所述点云栅格中每个栅格中全部扫描点的高度值,确定每个栅格中的高度最大值、高度最小值,所述高度值为所述扫描点在所述预设平面栅格的法线方向上的高度。
6.根据权利要求1所述的方法,其特征在于,所述基于所述路径规划数据、所述每个栅格内点云的高度极值依次进行挡墙候选栅格提取、挡墙类别检测,确定所述目标区域内挡墙的候选栅格及挡墙类别包括:
基于所述每个栅格内点云的高度极值计算得到每个栅格的第一高度差值,若所述第一高度差值小于第三预设高度阈值,则将所述栅格确定为所述目标区域内挡墙的候选栅格,所述第三预设高度阈值为基于目标矿区中的挡墙高度配置的;
将所候选栅格作为遍历的头栅格,按照预设遍历参数确定遍历的尾栅格,所述预设遍历参数包括在所述点云栅格中遍历的距离参数、遍历的方向参数;
基于所述头栅格的高度极值、所述尾栅格的高度极值,计算得到第二高度差值,若所述第二高度差值大于第四预设高度阈值,则确定所述目标区域内挡墙的挡墙类别为山体挡墙,所述第四预设高度阈值为基于目标矿区中的山体高度配置的。
7.根据权利要求1所述的方法,其特征在于,所述基于所述挡墙点集合中挡墙点的聚类簇,确定至少一个方位的道路边界点数据包括:
基于所述聚类簇在目标车辆坐标系内水平坐标轴向、垂直坐标轴向上的投影值、所述聚类簇中扫描点的水平坐标值,将所述挡墙点集合中的挡墙点划分为至少一个方位的挡墙点,所述目标车辆坐标系为以所述目标车辆的后轴线中心点为中心,车辆右侧为水平坐标轴正向,车头方向为垂直坐标轴正向构建的平面坐标系;
针对每个方位的挡墙点,分别计算所述挡墙点的凹包数据,并将所述凹包数据配置为对应方位的道路边界点数据。
8.一种道路边界的识别装置,其特征在于,包括:
获取模块,用于获取目标车辆的路径规划数据及所述目标车辆的后向监测雷达采集的目标区域的点云数据,并对所述点云数据进行栅格化处理,得到平面点云栅格中每个栅格内点云的高度极值;
提取模块,用于基于所述路径规划数据、所述每个栅格内点云的高度极值依次进行挡墙候选栅格提取、挡墙类别检测,确定所述目标区域内的挡墙候选栅格及挡墙类别,并基于所述挡墙候选栅格、及与所述挡墙类别对应的挡墙点提取策略,提取得到挡墙点集合;
确定模块,用于基于所述挡墙点集合中挡墙点的聚类簇,确定至少一个方位的道路边界点数据,并将所述道路边界点数据发送至所述目标车辆的控制端,以使所述控制端基于所述道路边界点数据进行后向道路边界识别。
9.一种存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-7中任一项所述的道路边界的识别方法对应的操作。
10.一种终端,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的道路边界的识别方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211728737.6A CN116189122A (zh) | 2022-12-30 | 2022-12-30 | 道路边界的识别方法及装置、存储介质、终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211728737.6A CN116189122A (zh) | 2022-12-30 | 2022-12-30 | 道路边界的识别方法及装置、存储介质、终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116189122A true CN116189122A (zh) | 2023-05-30 |
Family
ID=86451674
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211728737.6A Pending CN116189122A (zh) | 2022-12-30 | 2022-12-30 | 道路边界的识别方法及装置、存储介质、终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116189122A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117233792A (zh) * | 2023-11-08 | 2023-12-15 | 北京易控智驾科技有限公司 | 挡墙检测方法和挡墙检测装置、存储介质 |
-
2022
- 2022-12-30 CN CN202211728737.6A patent/CN116189122A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117233792A (zh) * | 2023-11-08 | 2023-12-15 | 北京易控智驾科技有限公司 | 挡墙检测方法和挡墙检测装置、存储介质 |
CN117233792B (zh) * | 2023-11-08 | 2024-03-15 | 北京易控智驾科技有限公司 | 挡墙检测方法和挡墙检测装置、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108509820B (zh) | 障碍物分割方法及装置、计算机设备及可读介质 | |
CN110246183B (zh) | 车轮接地点检测方法、装置及存储介质 | |
CN108470174B (zh) | 障碍物分割方法及装置、计算机设备及可读介质 | |
CN111325138B (zh) | 一种基于点云局部凹凸特征的道路边界实时检测方法 | |
CN116189122A (zh) | 道路边界的识别方法及装置、存储介质、终端 | |
CN112166457A (zh) | 点云分割方法、系统和可移动平台 | |
CN113933859A (zh) | 一种无人矿卡行驶场景的路面及两侧挡墙检测方法 | |
CN115406457A (zh) | 一种可行驶区域检测方法、系统、设备及存储介质 | |
CN113859228A (zh) | 一种车辆控制方法、装置、电子设备及存储介质 | |
CN112036274A (zh) | 一种可行驶区域检测方法、装置、电子设备及存储介质 | |
CN114255252A (zh) | 障碍物轮廓获取方法、装置、设备及计算机可读存储介质 | |
CN114779206A (zh) | 道路边界的识别方法及装置、存储介质、设备 | |
CN112150538A (zh) | 一种在三维地图构建过程中车辆位姿的确定方法和装置 | |
CN113253294A (zh) | 关于3d雷达点云数据中地面点检测的方法、装置及介质 | |
CN115164919B (zh) | 基于双目相机的空间可行驶区域地图构建方法及装置 | |
CN113705272A (zh) | 可行驶区域检测方法、装置、设备及存储介质 | |
CN111742242A (zh) | 点云处理方法、系统、设备及存储介质 | |
CN113377748A (zh) | 激光雷达点云数据的静态点去除方法和装置 | |
CN114549764A (zh) | 基于无人车的障碍物识别方法、装置、设备及存储介质 | |
CN114859917A (zh) | 非结构化道路自动驾驶路径规划方法、系统及车辆 | |
CN114820416A (zh) | 车辆航向角计算方法、车辆位姿计算方法、装置及设备 | |
CN115574805B (zh) | 车道线关系的识别方法、装置、车辆和存储介质 | |
CN116863447A (zh) | 护栏检测方法、装置、电子设备和存储介质 | |
CN117233792B (zh) | 挡墙检测方法和挡墙检测装置、存储介质 | |
CN116954265B (zh) | 局部运动轨迹的重规划方法、装置和电子设备 |
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 |