CN116416587A - 路面崎岖程度识别方法、装置、车辆、设备及存储介质 - Google Patents

路面崎岖程度识别方法、装置、车辆、设备及存储介质 Download PDF

Info

Publication number
CN116416587A
CN116416587A CN202211634105.3A CN202211634105A CN116416587A CN 116416587 A CN116416587 A CN 116416587A CN 202211634105 A CN202211634105 A CN 202211634105A CN 116416587 A CN116416587 A CN 116416587A
Authority
CN
China
Prior art keywords
point cloud
road surface
target
rugged
target point
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
Application number
CN202211634105.3A
Other languages
English (en)
Inventor
骆俊凯
李洁辰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Rox Intelligent Technology Co Ltd
Original Assignee
Shanghai Rox Intelligent Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Rox Intelligent Technology Co Ltd filed Critical Shanghai Rox Intelligent Technology Co Ltd
Priority to CN202211634105.3A priority Critical patent/CN116416587A/zh
Publication of CN116416587A publication Critical patent/CN116416587A/zh
Pending legal-status Critical Current

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar image

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供了一种路面崎岖程度识别方法、装置、车辆、设备及存储介质。方法包括：获取目标区域的目标点云，目标点云包括多个目标点云点，且每个目标点云点携带有预设坐标系中的坐标，第一方向和第二方向为预设坐标系的坐标轴方向，第一方向平行于车辆的前进方向，第二方向与第一方向垂直且平行于路面，目标区域属于路面区域；将目标点云沿第一方向划分为N个点云层，N为大于1的整数；针对每个点云层，根据点云层中所有目标点云点的坐标，确定点云层对应的崎岖程度；根据N个点云层对应的崎岖程度，识别路面的崎岖程度。这样，能够通过激光雷达扫描到的目标点云来识别路面的崎岖程度，以便能够提前预警，提高行车安全。

Description

路面崎岖程度识别方法、装置、车辆、设备及存储介质
技术领域
本申请属于车辆技术领域，尤其涉及一种路面崎岖程度识别方法、装置、车辆、设备及存储介质。
背景技术
在车辆行驶过程中，车辆实际行驶的路况较为复杂，可能会遇到路况较差的道路。例如车辆在行驶过程中可能会遇到前方路面较为崎岖的场景，影响行车安全。
发明内容
本申请实施例提供一种路面崎岖程度识别方法、装置、车辆、设备及存储介质，路面的崎岖程度进行识别，以便能够提前预警，提高行车安全。
第一方面，本申请实施例提供一种路面崎岖程度识别方法，方法包括：
获取目标区域的目标点云，所述目标点云包括多个目标点云点，且每个目标点云点携带有预设坐标系中的坐标，第一方向和第二方向为所述预设坐标系的坐标轴方向，所述第一方向平行于车辆的前进方向，所述第二方向与所述第一方向垂直且平行于路面，所述目标区域属于路面区域；
将所述目标点云沿所述第一方向划分为N个点云层，N为大于1的整数；
针对每个点云层，根据所述点云层中所有目标点云点的坐标，确定所述点云层对应的崎岖程度；
根据所述N个点云层对应的崎岖程度，识别所述路面的崎岖程度。
第二方面，本申请实施例提供了一种路面崎岖程度识别装置，装置包括：
获取模块，用于获取目标区域的目标点云，所述目标点云包括多个目标点云点，且每个目标点云点携带有预设坐标系中的坐标，第一方向和第二方向为所述预设坐标系的坐标轴方向，所述第一方向平行于车辆的前进方向，所述第二方向与所述第一方向垂直且平行于路面，所述目标区域属于路面区域；
划分模块，用于将所述目标点云沿所述第一方向划分为N个点云层，N为大于1的整数；
确定模块，用于针对每个点云层，根据所述点云层中所有目标点云点的坐标，确定所述点云层对应的崎岖程度；
识别模块，用于根据所述N个点云层对应的崎岖程度，识别所述路面的崎岖程度。
第三方面，本申请实施例还提供一种车辆，车辆包括路面崎岖程度识别装置，其中，所述路面崎岖程度识别装置用于实现上述的方法。
第四方面，本申请实施例提供了一种电子设备，设备包括：
处理器以及存储有程序或指令的存储器；
所述处理器执行所述程序或指令时实现上述的方法。
第五方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储有程序或指令，所述程序或指令被处理器执行时实现上述的方法。
第六方面，本申请实施例提供了一种计算机程序产品，所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行上述方法。
本申请实施例的路面崎岖程度识别方法、装置、车辆、设备及存储介质，能够获取目标区域的目标点云，目标点云包括多个目标点云点，且每个目标点云点携带有预设坐标系中的坐标，第一方向和第二方向为预设坐标系的坐标轴方向，第一方向平行于车辆的前进方向，第二方向与第一方向垂直且平行于路面，目标区域属于路面区域；将目标点云沿第一方向划分为N个点云层，N为大于1的整数；针对每个点云层，根据点云层中所有目标点云点的坐标，确定点云层对应的崎岖程度；根据N个点云层对应的崎岖程度，识别路面的崎岖程度。这样，能够通过激光雷达扫描到的目标点云来识别路面的崎岖程度，以便能够提前预警，提高行车安全。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，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是本申请一个实施例提供的路面崎岖程度识别方法的流程示意图；
图2是本申请实施例提供的路面崎岖程度识别方法中路面平整的点云示意图；
图3是本申请实施例提供的路面崎岖程度识别方法中路面崎岖的点云示意图；
图4是本申请另一个实施例提供的路面崎岖程度识别装置的结构示意图；
图5是本申请又一个实施例提供的电子设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
为了解决现有技术问题，本申请实施例提供了一种路面崎岖程度识别方法、装置、车辆、设备及存储介质。下面首先对本申请实施例所提供的路面崎岖程度识别方法进行介绍。
图1示出了本申请一个实施例提供的路面崎岖程度识别方法的流程示意图。如图1所示，路面崎岖程度识别方法可以包括如下步骤：
步骤101，获取目标区域的目标点云，目标点云包括多个目标点云点，且每个目标点云点携带有预设坐标系中的坐标，第一方向和第二方向为预设坐标系的坐标轴方向，第一方向平行于车辆的前进方向，第二方向与第一方向垂直且平行于路面，目标区域属于路面区域；
步骤102，将目标点云沿第一方向划分为N个点云层，N为大于1的整数；
步骤103，针对每个点云层，根据点云层中所有目标点云点的坐标，确定点云层对应的崎岖程度；
步骤104，根据N个点云层对应的崎岖程度，识别路面的崎岖程度。
上述各个步骤的具体实现方式将在下文中进行详细描述。
在本申请实施例中，路面崎岖程度识别方法能够。
下面介绍上述各个步骤的具体实现方式。
在步骤101中，可以理解的是，车辆上一般设置有激光雷达，可以对车辆前方即将经过的道路进行激光扫描，获取前方路面的点云。基于此，可以通过激光雷达获取目标区域的目标点云，目标区域可以是路面区域。可以理解的是，目标区域可以是可以是激光雷达的扫描范围内的所有路面区域，也可以是根据实际需求进行设定的扫描范围内的部分区域。
目标点云可以包括多个目标点云点，且每个目标点云点携带有预设坐标系中的坐标。示例地，可以将激光雷达所在位置作为预设坐标系的原点，车辆前进方向(即第一方向)为X轴，垂直于车辆前行方向，且与路面平行的方向(即第二方向)为Y轴。
在步骤102中，为了方便计算，可以将目标点云沿第一方向划分为N个点云层(layer)，进而可以判断每个点云层对应的崎岖程度。
在步骤103中，如图2和图3所示，对于平整路面而言，点云分布较为均匀，而对于崎岖路面而言，点云分布较为分散。
基于此，可以针对每个点云层，根据点云层中所有目标点云点的坐标，确定点云层对应的崎岖程度。示例地，可以根据所有目标点云点的坐标，计算这些点云点在第一方向上的坐标差值(X轴坐标差值)，该坐标差值越小，则可以认为该点云层的所有目标点云点分布越均匀，即可以认为该点云层的崎岖程度越低，该坐标差值越大，则可以认为该点云层的所有目标点云点分布越分散，即可以认为该点云层的崎岖程度越高。
还可以计算这些点云点在第二方向上的坐标差值(Y轴坐标差值)，同理可判断该点云层的所有目标点云点分布情况，从而确定该点云层的崎岖程度。
在步骤104中，可以根据N个点云层对应的崎岖程度，识别路面的崎岖程度，示例地，可以是将N个点云层对应的崎岖程度中数量最多的崎岖程度确定为路面的崎岖程度。也可以根据N个点云层对应的崎岖程度计算崎岖程度的平均值，将该平均值确定为路面的崎岖程度。具体可根据实际需求进行设定，此处不作具体限定。
本申请实施例的路面崎岖程度识别方法，能够获取目标区域的目标点云，目标点云包括多个目标点云点，且每个目标点云点携带有预设坐标系中的坐标，第一方向和第二方向为预设坐标系的坐标轴方向，第一方向平行于车辆的前进方向，第二方向与第一方向垂直且平行于路面，目标区域属于路面区域；将目标点云沿第一方向划分为N个点云层，N为大于1的整数；针对每个点云层，根据点云层中所有目标点云点的坐标，确定点云层对应的崎岖程度；根据N个点云层对应的崎岖程度，识别路面的崎岖程度。这样，能够通过激光雷达扫描到的目标点云来识别路面的崎岖程度，以便能够提前预警，提高行车安全。
在一些实施例中，上述步骤101可以包括如下步骤：
获取激光雷达的扫描范围内的初始点云；
从初始点云中确定出满足预设区域条件的目标点云。
可以理解的是，一般而言激光雷达安装在车辆的头部中心，用于采集车辆前方路面的点云，激光雷达扫描的范围较广，然而距离激光雷达距离越远，点云的分布越稀疏。
对于路面坑洞探测而言，往往只需要探测车辆行驶车道及旁边车道前方一定范围内的区域即可，探测的距离太远，一方面会增大算力消耗，另一方面点云的稀疏程度可能会影响坑洞探测的精准度，出现误判的情况。
基于此，在本实施例中，可以先获取激光雷达激光雷达的扫描范围内的初始点云。然后可以从初始点云中确定出满足预设区域条件的目标点云。预设区域条件可以是至坐标在预设范围内的区域，示例地，目标区域可以是以激光雷达为坐标原点，X轴为从激光雷达向路面远处延伸xmax的区域范围，Y轴为平行于路面的轴线，范围为[-ymax,ymax]的区域范围。坐标处于该范围内的初始点云为目标区域的目标点云。
在一些实施例中，上述步骤103可以包括如下步骤：
针对每个点云层，根据点云层中所有目标点云点的坐标，确定点云层对应的距离激光雷达的差值；
将差值与点云层对应的预设阈值的比值，确定为点云层的崎岖参数，崎岖参数用于指示崎岖程度。
在本实施例中，针对每个点云层，可以根据点云层中所有目标点云点的坐标，确定点云层对应的距离激光雷达的差值。在一些示例中，可以先计算所有目标点云点与激光雷达的平均距离(即所有目标点云点的X轴坐标值的平均值)，再分别计算所有目标点云点中最小X轴坐标值和最大X轴坐标值与该平均值之差，取其平均值作为点云层对应的距离激光雷达的差值。在另一些示例中，也可以直接计算所有目标点云点中最大X轴坐标值与最小X轴坐标值之差，作为点云层对应的距离激光雷达的差值。具体点云层对应的距离激光雷达的差值的计算方式可根据实际需求进行设定，此处不作具体限定。
确定点云层对应的距离激光雷达的差值ΔX(1，2...N)后，可以将差值ΔX(1，2...N)与点云层对应的预设阈值ΔX(1，2...N)Default的比值，确定为点云层的崎岖参数P(1，2...N)，其中，崎岖参数可以用于指示崎岖程度。
崎岖参数的计算公式可以如下：
Pi＝ΔXi/ΔXiDefault
其中，Pi为第i个点云层的崎岖参数，ΔXi为第i个点云层对应的距离激光雷达的差值，ΔXiDefault为第i个点云层对应的预设阈值，i的取值范围为1～N。
可以理解的是，每个点云层对应的预设阈值可以相同也可以不同，可以是结合激光雷达的类型、安装位置等实际情况根据经验值预先设定的。每个点云层对应的预设阈值也可以是基于激光雷达扫描平整路面的点云计算得到，可以理解的是，根据平整路面的点云计算每个点云层对应的预设阈值与上述计算每个点云层对应的距离激光雷达的差值的计算方式一致。这样，以平整路面的点云作为依据计算得到每个点云层对应的预设阈值更准确，从而可以提高路面崎岖程度识别的精度。
在一些实施例中，上述针对每个点云层，根据点云层中所有目标点云点的坐标，确定点云层对应的距离激光雷达的差值，可以包括如下步骤：
针对每个点云层，从点云层中所有目标点云点的坐标中，确定在第一方向上的最大坐标值和最小坐标值；
将最大坐标值与最小坐标值之差，确定为点云层对应的距离激光雷达的差值。
在本申请实施例中，为了简化每个点云层对应的距离激光雷达的差值的计算过程，节约算力并提高路面崎岖程度识别的效率，针对每个点云层，可以从点云层中所有目标点云点的坐标中，确定在第一方向上的最大坐标值和最小坐标值，直接将最大坐标值与最小坐标值之差，确定为点云层对应的距离激光雷达的差值。
在一些实施例中，上述步骤104可以包括如下步骤：
根据每个点云层的崎岖参数，确定N个点云层的崎岖参数的平均值；
将崎岖参数的平均值确定为路面的崎岖参数；
根据路面的崎岖参数，识别路面的崎岖程度。
在本实施例中，确定每个点云层的崎岖参数后，可以计算N个点云层的崎岖参数的平均值，将该崎岖参数的平均值确定为路面的崎岖参数P，以便识别路面的崎岖程度。
可以理解的是，P越接近1，则可以说明路面越平整，P越大，则可以代表路面越崎岖。基于此，可以直接输出路面的崎岖参数P，以便驾驶员可以根据P值确定前方路面的崎岖程度，以便提前做好准备，谨慎驾驶，提高行车安全性。
在一些实施例中，上述根据路面的崎岖参数，识别路面的崎岖程度，可以包括如下步骤：
根据路面的崎岖参数和预设对应关系，确定路面的崎岖程度的目标等级，预设对应关系包括路面的崎岖参数与目标等级的对应关系。
在本实施例中，为了进一步更直观的识别路面的崎岖程度，还可以预先对崎岖参数进行分级，并生成预设对应关系。例如，预设对应关系包括：
路面的崎岖参数P 路面的崎岖程度的等级
1～p1 低等级
p1～p2 中等级
p2以上 高等级
此时，可以根据路面的崎岖参数和预设对应关系，确定路面的崎岖程度的目标等级。例如，若路面的崎岖参数处于大于1且小于或等于p1的情况下，则可以确定路面的崎岖程度的目标等级为低等级。若路面的崎岖参数处于大于p1且小于或等于p2的情况下，则可以确定路面的崎岖程度的目标等级为中等级。若路面的崎岖参数处于大于p2的情况下，则可以确定路面的崎岖程度的目标等级为高等级。
可以直接输出目标等级，以便驾驶员能够更直观知晓前方路面的崎岖程度，以便提前做好准备，谨慎驾驶，提高行车安全性。
基于上述实施例提供的路面崎岖程度识别方法，本申请还提供了一种路面崎岖程度识别装置的实施例。
图4示出了本申请另一个实施例提供的路面崎岖程度识别装置的结构示意图，为了便于说明，仅示出了与本申请实施例相关的部分。
参照图4，路面崎岖程度识别装置400可以包括：
获取模块401，用于获取目标区域的目标点云，目标点云包括多个目标点云点，且每个目标点云点携带有预设坐标系中的坐标，第一方向和第二方向为预设坐标系的坐标轴方向，第一方向平行于车辆的前进方向，第二方向与第一方向垂直且平行于路面，目标区域属于路面区域；
划分模块402，用于将目标点云沿第一方向划分为N个点云层，N为大于1的整数；
确定模块403，用于针对每个点云层，根据点云层中所有目标点云点的坐标，确定点云层对应的崎岖程度；
获取模块404，用于根据N个点云层对应的崎岖程度，识别路面的崎岖程度。
在一些实施例中，上述获取模块401还可以用于：
获取激光雷达的扫描范围内的初始点云；
从初始点云中确定出满足预设区域条件的目标点云。
在一些实施例中，上述确定模块403还可以用于：
针对每个点云层，根据点云层中所有目标点云点的坐标，确定点云层对应的距离激光雷达的差值；
将差值与点云层对应的预设阈值的比值，确定为点云层的崎岖参数，崎岖参数用于指示崎岖程度。
在一些实施例中，上述确定模块403还可以用于：
针对每个点云层，从点云层中所有目标点云点的坐标中，确定在第一方向上的最大坐标值和最小坐标值；
将最大坐标值与最小坐标值之差，确定为点云层对应的距离激光雷达的差值。
在一些实施例中，上述识别模块404还可以用于：
根据每个点云层的崎岖参数，确定N个点云层的崎岖参数的平均值；
将崎岖参数的平均值确定为路面的崎岖参数；
根据路面的崎岖参数，识别路面的崎岖程度。
在一些实施例中，上述识别模块404还可以用于：
根据路面的崎岖参数和预设对应关系，确定路面的崎岖程度的目标等级，预设对应关系包括路面的崎岖参数与目标等级的对应关系。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，与本申请方法实施例基于同一构思，是与上述路面崎岖程度识别方法对应的装置，上述方法实施例中所有实现方式均适用于该装置的实施例中，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还提供一种车辆，该车辆可以包括车载会议系统，车载会议系统可以包括用于实现上述路面崎岖程度识别方法的路面崎岖程度识别装置。
图5示出了本申请又一个实施例提供的电子设备的硬件结构示意图。
设备可以包括处理器501以及存储有程序或指令的存储器502。
处理器501执行程序时实现上述任意各个方法实施例中的步骤。
示例性的，程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器502中，并由处理器501执行，以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列程序指令段，该指令段用于描述程序在设备中的执行过程。
具体地，上述处理器501可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器502可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器502可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器502可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器502可在综合网关容灾设备的内部或外部。在特定实施例中，存储器502是非易失性固态存储器。
存储器可包括只读存储器(ROM)，随机存取存储器(RAM)，磁盘存储介质设备，光存储介质设备，闪存设备，电气、光学或其他物理/有形的存储器存储设备。因此，通常，存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)可读存储介质(例如，存储器设备)，并且当该软件被执行(例如，由一个或多个处理器)时，其可操作来执行参考根据本公开的一方面的方法所描述的操作。
处理器501通过读取并执行存储器502中存储的程序或指令，以实现上述实施例中的任意一种方法。
在一个示例中，电子设备还可包括通信接口503和总线510。其中，处理器501、存储器502、通信接口503通过总线510连接并完成相互间的通信。
通信接口503，主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线510包括硬件、软件或两者，将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线510可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
另外，结合上述实施例中的方法，本申请实施例可提供一种可读存储介质来实现。该可读存储介质上存储有程序或指令；该程序或指令被处理器执行时实现上述实施例中的任意一种方法。该可读存储介质可以被如计算机等机器读取。
本申请实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
应理解，本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
本申请实施例提供一种计算机程序产品，该程序产品被存储在可读存储介质中，该程序产品被至少一个处理器执行以实现如上述方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本申请的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本申请的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能模块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网格被下载。
还需要说明的是，本申请中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本申请不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
上面参考根据本公开的实施例的方法、装置(系统)和程序产品的流程图和/或框图描述了本公开的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序或指令实现。这些程序或指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。
以上所述，仅为本申请的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。

Claims (10)

1.一种路面崎岖程度识别方法，其特征在于，包括：
获取目标区域的目标点云，所述目标点云包括多个目标点云点，且每个目标点云点携带有预设坐标系中的坐标，第一方向和第二方向为所述预设坐标系的坐标轴方向，所述第一方向平行于车辆的前进方向，所述第二方向与所述第一方向垂直且平行于路面，所述目标区域属于路面区域；
将所述目标点云沿所述第一方向划分为N个点云层，N为大于1的整数；
针对每个点云层，根据所述点云层中所有目标点云点的坐标，确定所述点云层对应的崎岖程度；
根据所述N个点云层对应的崎岖程度，识别所述路面的崎岖程度。
2.根据权利要求1所述的方法，其特征在于，所述获取目标区域的目标点云，包括：
获取激光雷达的扫描范围内的初始点云；
从所述初始点云中确定出满足预设区域条件的目标点云。
3.根据权利要求1所述的方法，其特征在于，所述针对每个点云层，根据所述点云层中所有目标点云点的坐标，确定所述点云层对应的崎岖程度，包括：
针对每个点云层，根据所述点云层中所有目标点云点的坐标，确定所述点云层对应的距离激光雷达的差值；
将所述差值与所述点云层对应的预设阈值的比值，确定为所述点云层的崎岖参数，所述崎岖参数用于指示崎岖程度。
4.根据权利要求3所述的方法，其特征在于，所述针对每个点云层，根据所述点云层中所有目标点云点的坐标，确定所述点云层对应的距离激光雷达的差值，包括：
针对每个点云层，从所述点云层中所有目标点云点的坐标中，确定在所述第一方向上的最大坐标值和最小坐标值；
将所述最大坐标值与所述最小坐标值之差，确定为所述点云层对应的距离激光雷达的差值。
5.根据权利要求3所述的方法，其特征在于，所述根据所述N个点云层对应的崎岖程度，识别所述路面的崎岖程度，包括：
根据所述每个点云层的崎岖参数，确定所述N个点云层的崎岖参数的平均值；
将所述崎岖参数的平均值确定为所述路面的崎岖参数；
根据所述路面的崎岖参数，识别所述路面的崎岖程度。
6.根据权利要求5所述的方法，其特征在于，所述根据所述路面的崎岖参数，识别所述路面的崎岖程度，包括：
根据所述路面的崎岖参数和预设对应关系，确定所述路面的崎岖程度的目标等级，所述预设对应关系包括所述路面的崎岖参数与所述目标等级的对应关系。
7.一种路面崎岖程度识别装置，其特征在于，所述装置包括：
获取模块，用于获取目标区域的目标点云，所述目标点云包括多个目标点云点，且每个目标点云点携带有预设坐标系中的坐标，第一方向和第二方向为所述预设坐标系的坐标轴方向，所述第一方向平行于车辆的前进方向，所述第二方向与所述第一方向垂直且平行于路面，所述目标区域属于路面区域；
划分模块，用于将所述目标点云沿所述第一方向划分为N个点云层，N为大于1的整数；
确定模块，用于针对每个点云层，根据所述点云层中所有目标点云点的坐标，确定所述点云层对应的崎岖程度；
识别模块，用于根据所述N个点云层对应的崎岖程度，识别所述路面的崎岖程度。
8.一种车辆，其特征在于，所述车辆包括路面崎岖程度识别装置，其中，所述路面崎岖程度识别装置用于实现如权利要求1-6任意一项所述的方法。
9.一种电子设备，其特征在于，所述设备包括：处理器以及存储有程序或指令的存储器；
所述处理器执行所述程序或指令时实现如权利要求1-6任意一项所述的方法。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有程序或指令，所述程序或指令被处理器执行时实现如权利要求1-6任意一项所述的方法。
CN202211634105.3A 2022-12-19 2022-12-19 路面崎岖程度识别方法、装置、车辆、设备及存储介质 Pending CN116416587A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211634105.3A CN116416587A (zh) 2022-12-19 2022-12-19 路面崎岖程度识别方法、装置、车辆、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211634105.3A CN116416587A (zh) 2022-12-19 2022-12-19 路面崎岖程度识别方法、装置、车辆、设备及存储介质

Publications (1)

Publication Number Publication Date
CN116416587A true CN116416587A (zh) 2023-07-11

Family

ID=87058707

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211634105.3A Pending CN116416587A (zh) 2022-12-19 2022-12-19 路面崎岖程度识别方法、装置、车辆、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116416587A (zh)

Similar Documents

Publication Publication Date Title
CN112597822B (zh) 车辆的轨迹确定方法、装置、电子设备及计算机存储介质
US10267907B2 (en) Radar apparatus and radar state estimation method
CN111699406B (zh) 毫米波雷达的跟踪检测方法、毫米波雷达和车辆
CN110632617B (zh) 一种激光雷达点云数据处理的方法及装置
CN110895333B (zh) 一种基于多普勒频率的77g车载雷达数据快速聚类方法
CN111103587A (zh) 用于预测同时并线车辆的方法和设备及包括其的车辆
CN113740874A (zh) 一种道路边沿检测方法、电子设备及车辆
CN108693517B (zh) 车辆定位方法、装置和雷达
CN114648744A (zh) 确定语义无碰撞空间的方法
CN116968733B (zh) 车辆安全风险评估方法及其装置、设备、介质
CN116416587A (zh) 路面崎岖程度识别方法、装置、车辆、设备及存储介质
JP2015189330A (ja) 自動ブレーキシステムの評価支援プログラム、及び評価支援装置
CN115995163B (zh) 一种车辆碰撞预警方法及系统
JP6657934B2 (ja) 物体検出装置
CN116413741A (zh) 路面坑洞探测方法、装置、车辆、设备及可读存储介质
CN115556749B (zh) 调整跟车状态的预测时间确定方法、装置及设备
CN116413742A (zh) 路面障碍物高度确定方法、装置、车辆及计算机存储介质
CN115116020A (zh) 障碍物检测方法、装置、设备及计算机存储介质
CN116413738A (zh) 路面坑洞深度确定方法、装置、车辆及计算机存储介质
CN116894225B (zh) 驾驶行为异常分析方法及其装置、设备、介质
WO2022156711A1 (zh) 货台识别方法、装置、电子设备及计算机可读存储介质
CN118259309A (zh) 车辆限高高度确定方法、装置、车辆及计算机存储介质
CN115184891B (zh) 一种毫米波雷达道路栅栏检测识别方法
JP7260358B2 (ja) 推定装置および推定方法
CN117687015A (zh) 目标关联方法、装置、计算机可读介质及终端设备

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