CN117930275A - 基于激光雷达的路面生成方法、装置、介质、设备及车辆 - Google Patents
基于激光雷达的路面生成方法、装置、介质、设备及车辆 Download PDFInfo
- Publication number
- CN117930275A CN117930275A CN202211258838.1A CN202211258838A CN117930275A CN 117930275 A CN117930275 A CN 117930275A CN 202211258838 A CN202211258838 A CN 202211258838A CN 117930275 A CN117930275 A CN 117930275A
- Authority
- CN
- China
- Prior art keywords
- radar point
- point cloud
- radar
- target
- grid
- 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
- 238000004364 calculation method Methods 0.000 claims abstract description 35
- 238000001914 filtration Methods 0.000 claims abstract description 24
- 238000013519 translation Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请公开一种基于激光雷达的路面生成方法、装置、介质、设备及车辆,涉及地图处理技术领域。该方法包括:在确定转换到站心坐标系下的原始雷达点云所覆盖的平面范围之后,将平面范围划分为多个网格;基于目标距离范围和目标数量阈值,加载每个网格对应的第一雷达点云;针对每个网格,过滤第一雷达点云中的无效雷达点云,获得第二雷达点云,目标区域包括在将网格拓宽预设距离后获得的区域;根据第一距离阈值和/或第二距离阈值对网格对应的第二雷达点云进行聚类,获得至少一个第三雷达点云;通过对每个第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息。上述方案能够提高路面生成的精度。
Description
技术领域
本申请涉及地图处理技术领域,具体而言,涉及一种基于激光雷达的路面生成方法、装置、介质、设备及车辆。
背景技术
电子地图,也称即数字地图,是利用计算机技术,以数字方式存储和查阅的地图。生成电子地图的关键步骤之一是生成路面。目前生成路面的主要方法包括:先获取包括多个相机位姿和多个车道线的矢量语义地图,再将相机位姿对应的对地参数向量与地面的交点和对车道线的采样点生成路面点云,最后通过对路面点云进行拟合生成路面。其中,相机位姿为对应视频帧图像被采集时相机的位姿,相机位姿的获取方法主要包括:从各视频帧图像中提取多个特征,并通过对图像间进行特征匹配的方式求解相机位姿。然而,当因为天气等原因导致视频帧图像质量较低时,会大大影响特征匹配的精度,从而导致获取的相机位姿精度较低,进而使得最终生成的路面精度较低。
发明内容
本申请提供了一种基于激光雷达的路面生成方法、装置、介质、设备及车辆,能够提高路面生成的精度。
具体的技术方案如下:
第一方面,本申请实施例提供了一种基于激光雷达的路面生成方法,所述方法包括:
在确定转换到站心坐标系下的原始雷达点云所覆盖的平面范围之后,将所述平面范围划分为多个网格;
基于目标距离范围和目标数量阈值,加载每个所述网格对应的第一雷达点云,其中,所述第一雷达点云包括至少一帧所述原始雷达点云;
针对每个所述网格,过滤所述第一雷达点云中的无效雷达点云,获得第二雷达点云,其中,所述无效雷达点云包括位于基于所述网格确定的目标区域外的所述第一雷达点云,所述目标区域包括在将所述网格拓宽预设距离后获得的区域;
根据第一距离阈值和/或第二距离阈值对所述网格对应的第二雷达点云进行聚类,获得至少一个第三雷达点云,其中,所述第一距离阈值为所述站心坐标系中x轴和y轴组成的平面对应的距离阈值,所述第二距离阈值为所述站心坐标系中z轴对应的距离阈值;
通过对每个所述第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息。
通过上述方案可知,本申请实施例可以先将站心坐标系下的原始雷达点云所覆盖的平面范围划分为多个网格,加载每个网格对应的第一雷达点云,再过滤每个网格对应的第一雷达点云中的无效雷达点云获得第二雷达点云,通过对第二雷达点云进行聚类获得至少一个第三雷达点云,最后对第三雷达点云进行曲面拟合和最小包围框计算,生成路面的曲面信息,而不再依赖相机位姿,从而不会存在因特征匹配不准而导致相机位姿不准,进而影响路面生成精度的问题,即本申请实施例可以通过直接对激光雷达生成的原始雷达点云进行处理生成路面的曲面信息,由此提高了路面生成的精度。
在第一方面的第一种可能的实现方式中,在时间戳、激光雷达原点的位置与一帧原始雷达点云三者之间具有一一对应关系的情况下,所述基于目标距离范围和目标数量阈值,加载每个所述网格对应的第一雷达点云,包括:
针对每个所述网格,从每个所述时间戳对应的激光雷达原点的位置中,查找位于所述网格对应的所述目标距离范围内的所述激光雷达原点的位置,其中,所述时间戳为所述激光雷达生成每帧原始雷达点云时的时间点;
在查找到的位置的数量大于或者等于所述目标数量阈值的情况下,将距离所述网格的中心点最近的所述目标数量阈值个所述位置,所对应的所述原始雷达点云确定为所述网格对应的所述第一雷达点云;
在查找到的位置的数量小于所述目标数量阈值的情况下,将查找到的位置所对应的原始雷达点云确定为所述网格对应的所述第一雷达点云;
加载每个所述网格对应的所述第一雷达点云。
通过上述方案可知,本申请实施例可以预先确定时间戳、激光雷达原点的位置与一帧原始雷达点云三者之间的映射关系,再基于该映射关系,针对每个网格,从每个时间戳对应的激光雷达原点的位置中,查找位于该网格对应的目标距离范围内的激光雷达原点的位置,并根据位置的数量确定并加载每个网格对应的第一雷达点云,从而可以全面地获得每个网格所包含的所有雷达点云,避免产生遗漏。
在第一方面的第二种可能的实现方式中,在所述通过对每个所述第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息之前,所述方法还包括:
在所述第三雷达点云的数量大于或者等于第一点数阈值的情况下,针对每个所述第三雷达点云,将所述站心坐标系的原点平移到所述第三雷达点云的中心;
随机抽取坐标原点平移后的所述第三雷达点云中预设数量的点作为第一点集,并将所述第一点集拟合成第一平面;
计算所述坐标原点平移后的所述第三雷达点云中除所述第一点集外的每个点到所述第一平面的距离;
将所述距离小于或者等于第三距离阈值的点添加到所述第一点集后,获得第二点集,并将所述第二点集拟合成第二平面;
继续计算所述坐标原点平移后的所述第三雷达点云中除所述第二点集外的每个点到所述第二平面的距离,直至达到目标迭代次数后,获得目标平面;
过滤所述坐标原点平移后的所述第三雷达点云中,与所述目标平面的距离大于所述第三距离阈值的点,获得过滤后的所述第三雷达点云。
通过上述方案可知,本申请实施例可以通过随机抽取拟合加迭代的方式获得最终的目标平面,并过滤掉距离该目标平面距离较远的点,从而使得足够多的第三雷达点云中的点均在一个平面上,进而可以提高基于第三雷达点云进行曲面拟合所生成路面的精度和平滑度。
在第一方面的第三种可能的实现方式中,所述通过对每个所述第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息,包括:
在过滤后的所述第三雷达点云的点数与过滤前的所述第三雷达点云的点数的比例大于或者等于目标比例阈值,且所述目标平面的水平度大于或者等于目标水平度阈值的情况下,通过对所述第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息。
通过上述方案可知,在对第三雷达点云过滤后,本申请实施例只有在过滤后的第三雷达点云的点数与过滤前的第三雷达点云的点数的比例大于或者等于目标比例阈值,且目标平面的水平度大于或者等于目标水平度阈值的情况下,才对第三雷达点云进行曲面拟合以及最小包围框计算,从而可以保证足够多的第三雷达点云可以用于曲面拟合,而避免因第三雷达点云点数太少,导致最终拟合出的曲面平滑度和准确较低。
在第一方面的第四种可能的实现方式中,所述根据第一距离阈值和/或第二距离阈值对所述网格对应的第二雷达点云进行聚类,获得至少一个第三雷达点云,包括:
在所述网格对应的所述第二雷达点云中点数大于或者等于第二点数阈值的情况下,根据所述第一距离阈值和/或所述第二距离阈值对所述网格对应的所述第二雷达点云进行聚类,获得至少一个第三雷达点云。
通过上述方案可知,本申请实施例只有在第二雷达点云中点数足够多时,才进行聚类操作,从而提高对该网格曲面拟合的平滑度和准确度,而在第二雷达点云中点数比较少时,则可以忽略对应的网格,不对其进行聚类,以避免影响整体的路面精度和平滑度。
在第一方面的第五种可能的实现方式中,在通过对每个所述第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息之后,所述方法还包括:
将所述路面的曲面信息以JSON格式进行保存,其中,所述路面的曲面信息包括二次曲面参数和最小包围框的顶点坐标。
通过上述方案可知,本申请实施例在通过对每个第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息之后,可以将路面的曲面信息以JSON格式进行保存,以减少曲面信息的数据量,节省存储空间。
第二方面,本申请实施例提供了一种基于激光雷达的路面生成装置,所述装置包括:
划分单元,用于在确定转换到站心坐标系下的原始雷达点云所覆盖的平面范围之后,将所述平面范围划分为多个网格;
加载单元,用于基于目标距离范围和目标数量阈值,加载每个所述网格对应的第一雷达点云,其中,所述第一雷达点云包括至少一帧所述原始雷达点云;
过滤单元,用于针对每个所述网格,过滤所述第一雷达点云中的无效雷达点云,获得第二雷达点云,其中,所述无效雷达点云包括位于基于所述网格确定的目标区域外的所述第一雷达点云,所述目标区域包括在将所述网格拓宽预设距离后获得的区域;
聚类单元,用于根据第一距离阈值和/或第二距离阈值对所述网格对应的第二雷达点云进行聚类,获得至少一个第三雷达点云,其中,所述第一距离阈值为所述站心坐标系中x轴和y轴组成的平面对应的距离阈值,所述第二距离阈值为所述站心坐标系中z轴对应的距离阈值;
生成单元,用于通过对每个所述第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息。
在第二方面的第一种可能的实现方式中,所述加载单元,包括:
查找模块,用于在时间戳、激光雷达原点的位置与一帧原始雷达点云三者之间具有一一对应关系的情况下,针对每个所述网格,从每个所述时间戳对应的激光雷达原点的位置中,查找位于所述网格对应的所述目标距离范围内的所述激光雷达原点的位置,其中,所述时间戳为所述激光雷达生成每帧原始雷达点云时的时间点;
确定模块,用于在查找到的位置的数量大于或者等于所述目标数量阈值的情况下,将距离所述网格的中心点最近的所述目标数量阈值个所述位置,所对应的所述原始雷达点云确定为所述网格对应的所述第一雷达点云;在查找到的位置的数量小于所述目标数量阈值的情况下,将查找到的位置所对应的原始雷达点云确定为所述网格对应的所述第一雷达点云;
加载模块,用于加载每个所述网格对应的所述第一雷达点云。
在第二方面的第二种可能的实现方式中,所述装置还包括:
平移单元,用于在所述通过对每个所述第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息之前,在所述第三雷达点云的数量大于或者等于第一点数阈值的情况下,针对每个所述第三雷达点云,将所述站心坐标系的原点平移到所述第三雷达点云的中心;
抽取单元,用于随机抽取坐标原点平移后的所述第三雷达点云中预设数量的点作为第一点集,并将所述第一点集拟合成第一平面;
计算单元,用于计算所述坐标原点平移后的所述第三雷达点云中除所述第一点集外的每个点到所述第一平面的距离;
添加单元,用于将所述距离小于或者等于第三距离阈值的点添加到所述第一点集后,获得第二点集,并将所述第二点集拟合成第二平面;
所述计算单元,用于继续计算所述坐标原点平移后的所述第三雷达点云中除所述第二点集外的每个点到所述第二平面的距离,直至达到目标迭代次数后,获得目标平面;
所述过滤单元,还用于过滤所述坐标原点平移后的所述第三雷达点云中,与所述目标平面的距离大于所述第三距离阈值的点,获得过滤后的所述第三雷达点云。
在第二方面的第三种可能的实现方式中,所述生成单元,用于在过滤后的所述第三雷达点云的点数与过滤前的所述第三雷达点云的点数的比例大于或者等于目标比例阈值,且所述目标平面的水平度大于或者等于目标水平度阈值的情况下,通过对所述第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息。
在第二方面的第四种可能的实现方式中,所述聚类单元,用于在所述网格对应的所述第二雷达点云中点数大于或者等于第二点数阈值的情况下,根据所述第一距离阈值和/或所述第二距离阈值对所述网格对应的所述第二雷达点云进行聚类,获得至少一个第三雷达点云。
在第二方面的第四种可能的实现方式中,所述装置还包括:
保存单元,用于在通过对每个所述第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息之后,将所述路面的曲面信息以JSON格式进行保存,其中,所述路面的曲面信息包括二次曲面参数和最小包围框的顶点坐标。
本申请实施例提供的基于激光雷达的路面生成装置,可以先将站心坐标系下的原始雷达点云所覆盖的平面范围划分为多个网格,加载每个网格对应的第一雷达点云,再过滤每个网格对应的第一雷达点云中的无效雷达点云获得第二雷达点云,通过对第二雷达点云进行聚类获得至少一个第三雷达点云,最后对第三雷达点云进行曲面拟合和最小包围框计算,生成路面的曲面信息,而不再依赖相机位姿,从而不会存在因特征匹配不准而导致相机位姿不准,进而影响路面生成精度的问题,即本申请实施例可以通过直接对激光雷达生成的原始雷达点云进行处理生成路面的曲面信息,由此提高了路面生成的精度。
第三方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面任一可能的实现方式所述的方法。
第四方面,本申请实施例提供了一种电子设备,电子设备包括:
一个或多个处理器;
所述处理器与存储装置耦合,所述存储装置用于存储一个或多个程序;
当一个或多个程序被一个或多个处理器执行,使得电子设备实现如第一方面任一可能的实现方式所述的方法。
第五方面,本申请实施例提供了一种车辆,车辆包含如第二方面任一可能的实现方式所述的装置,或者包含如第四方面所述的电子设备。
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包含有指令,当指令在计算机或处理器上运行时,使得计算机或处理器执行第一方面任一可能的实现方式所述的方法。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单介绍。显而易见地,下面描述中的附图仅仅是本申请的一些实施例。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为本申请实施例提供的一种基于激光雷达的路面生成方法的流程示意图;
图2为本申请实施例提供的一种目标区域的示例图;
图3为本申请实施例提供的一种基于激光雷达的路面生成装置的组成框图;
图4为本申请实施例提供的一种车辆的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例仅仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。本申请实施例及附图中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含的一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
图1为一种基于激光雷达的路面生成方法的流程示意图,该方法可以应用于电子设备或计算机设备,具体可以应用于车辆或者服务器,该方法可以包括如下步骤:
S110:在确定转换到站心坐标系下的原始雷达点云所覆盖的平面范围之后,将平面范围划分为多个网格。
激光雷达采集的原始雷达点云一般以世界坐标系进行记录,在获取到世界坐标系下的原始雷达点云后,可以将世界坐标系下的原始雷达点云转换到站心坐标系下,再确定原始雷达点云在站心坐标系下x轴、y轴所构成平面中覆盖的平面范围,并将该平面范围划分为多个网格,该多个网格可以大小相同,也可以不同,可以是正方形网格,也可以是长方形网格,还可以是其他形状的网格,例如可以将平面范围划分为多个2m*2m的网格。其中,站心坐标系也叫做站点坐标系或东-北-天坐标系ENU,英文名称是local Cartesiancoordinates coordinate system,主要是用于需了解以观察者为中心的其他物体运动规律。以站心(如GPS(Global Positioning System,全球定位系统)接收天线中心)为坐标系原点O,Z轴与椭球法线重合,向上为正(天向),y与椭球短半轴重合(北向),x轴与地球椭球的长半轴重合(东向)所构成的直角坐标系,称为当地东北天坐标系。
S120:基于目标距离范围和目标数量阈值,加载每个网格对应的第一雷达点云。
其中,第一雷达点云包括至少一帧原始雷达点云。时间戳、激光雷达原点的位置与一帧原始雷达点云三者之间具有一一对应关系,即三者之间相互映射,该时间戳为激光雷达生成每帧原始雷达点云时的时间点。
在时间戳、激光雷达原点的位置与一帧原始雷达点云三者之间具有一一对应关系的情况下,本步骤S120包括:针对每个网格,从每个时间戳对应的激光雷达原点的位置中,查找位于该网格对应的目标距离范围内的激光雷达原点的位置;在查找到的位置的数量大于或者等于目标数量阈值的情况下,将距离网格的中心点最近的目标数量阈值个位置,所对应的原始雷达点云确定为该网格对应的第一雷达点云;在查找到的位置的数量小于目标数量阈值的情况下,将查找到的位置所对应的原始雷达点云确定为该网格对应的第一雷达点云;加载每个网格对应的第一雷达点云。
每个网格对应的目标距离范围可以为以该网格的中心点为圆心,目标距离为半径确定的圆形范围,该目标距离大于或者等于网格的1/2边长。当然,目标距离范围也可以为基于网格确定的其他范围。目标数量阈值为多个网格对应的多个目标距离范围内包含的激光雷达原点的位置的数量均值,也可以为其他数值。例如,当目标距离范围为以网格的中心点为圆心,半径为50m确定的圆形范围时,目标数量阈值可以为500。
本申请实施例可以预先确定时间戳、激光雷达原点的位置与一帧原始雷达点云三者之间的映射关系,再基于该映射关系,针对每个网格,从每个时间戳对应的激光雷达原点的位置中,查找位于该网格对应的目标距离范围内的激光雷达原点的位置,并根据位置的数量确定并加载每个网格对应的第一雷达点云,从而可以全面地获得每个网格所包含的所有雷达点云,避免产生遗漏。
S130:针对每个网格,过滤第一雷达点云中的无效雷达点云,获得第二雷达点云。
其中,无效雷达点云包括位于基于网格确定的目标区域外的第一雷达点云,目标区域包括在将网格拓宽预设距离后获得的区域。预设距离可以小于网格的边长,例如可以为网格的1/2边长,对应的目标区域可以如图2所示的加粗线条包含的区域,即图中虚线条的网格对应的目标区域为粗线条包含的区域。
与直接将网格内的原始雷达点云作为第二雷达点云相比,本申请实施例将每个网格拓宽预设距离后获得的区域内原始雷达点云作为第二雷达点云,可以提高后续相邻网格之间曲面拟合的平滑度。
S140:根据第一距离阈值和/或第二距离阈值对网格对应的第二雷达点云进行聚类,获得至少一个第三雷达点云。
其中,第一距离阈值为站心坐标系中x轴和y轴组成的平面对应的距离阈值,如可以为0.3m,第二距离阈值为站心坐标系中z轴对应的距离阈值,如可以为0.1m。根据第一距离阈值对网格对应的第二雷达点云进行聚类,可以区分水平面上的不同路面的第二雷达点云;根据第二距离阈值对网格对应的第二雷达点云进行聚类,可以区分不同高程的第二雷达点云,如区分立交桥的桥上和桥下的第二雷达点云;根据第一距离阈值和第二距离阈值对网格对应的第二雷达点云进行聚类,可以同时实现对水平面不同的第二雷达点云和高程不同的第二雷达点云进行区分。在进行聚类运算后,将属于一类的作为第三雷达点云,不同类属于不同第三雷达点云。在根据第一距离阈值和/或第二距离阈值对网格对应的第二雷达点云进行聚类时,可以采用近邻聚类算法,也可以采用其他聚类算法。
在网格对应的第二雷达点云中点数大于或者等于第二点数阈值的情况下,根据第一距离阈值和/或第二距离阈值对该网格对应的第二雷达点云进行聚类,获得至少一个第三雷达点云;在网格对应的第二雷达点云中点数小于第二点数阈值的情况下,不对该网格进行聚类操作。也就是说,只有在第二雷达点云中点数足够多时,才进行聚类操作,从而提高对该网格曲面拟合的平滑度和准确度,而在第二雷达点云中点数比较少时,则可以忽略对应的网格,不对其进行聚类,以避免影响整体的路面精度和平滑度。
S150:通过对每个第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息。
其中,路面的曲面信息包括二次曲面参数和最小包围框的顶点坐标。本步骤中的曲面拟合可以为二次曲面拟合,最小包围框是指包含每个第三雷达点云的最小多边形。
在通过对每个第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息之后,为了减少曲面信息的数据量,节省存储空间,可以将路面的曲面信息以JSON格式进行保存。
本申请实施例提供的基于激光雷达的路面生成方法,可以先将站心坐标系下的原始雷达点云所覆盖的平面范围划分为多个网格,加载每个网格对应的第一雷达点云,再过滤每个网格对应的第一雷达点云中的无效雷达点云获得第二雷达点云,通过对第二雷达点云进行聚类获得至少一个第三雷达点云,最后对第三雷达点云进行曲面拟合和最小包围框计算,生成路面的曲面信息,而不再依赖相机位姿,从而不会存在因特征匹配不准而导致相机位姿不准,进而影响路面生成精度的问题,即本申请实施例可以通过直接对激光雷达生成的原始雷达点云进行处理生成路面的曲面信息,由此提高了路面生成的精度。
在一种实施方式中,为了进一步提高路面的平滑度和精度,在通过对每个第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息之前,还包括:
在第三雷达点云的数量大于或者等于第一点数阈值的情况下,针对每个第三雷达点云,将站心坐标系的原点平移到第三雷达点云的中心;随机抽取坐标原点平移后的第三雷达点云中预设数量的点作为第一点集,并将第一点集拟合成第一平面;计算坐标原点平移后的第三雷达点云中除第一点集外的每个点到第一平面的距离;将距离小于或者等于第三距离阈值的点添加到第一点集后,获得第二点集,并将第二点集拟合成第二平面;继续计算坐标原点平移后的第三雷达点云中除第二点集外的每个点到第二平面的距离,直至达到目标迭代次数后,获得目标平面;过滤坐标原点平移后的第三雷达点云中,与目标平面的距离大于第三距离阈值的点,获得过滤后的第三雷达点云。
第一点数阈值可以为拟合合格的曲面所需的最少雷达点云数量,如可以为50。预设数量可以为预先设置的固定值,如10,也可以为每个第三雷达点云总点数的预设百分比对应的数量,如第三雷达点云总点数的5%对应的数量。第三距离阈值为用于评估点是否属于所拟合平面的临界距离,例如可以为0.07m。目标迭代次数可以为预先设置的固定迭代次数,也可以为满足如下条件时对应的迭代次数:当剩余的点中到达当前拟合成的最大平面的距离均大于第三距离阈值时,对应的迭代次数。剩余的点是指第三雷达点云中未用于拟合该最大平面的点。
此外,在第三雷达点云的数量小于第一点数阈值的情况下,可以不再对该第三雷达点云进行曲面拟合以及最小包围框计算。
本申请实施例可以通过随机抽取拟合加迭代的方式获得最终的目标平面,并过滤掉距离该目标平面距离较远的点,从而使得足够多的第三雷达点云中的点均在一个平面上,进而可以提高基于第三雷达点云进行曲面拟合所生成路面的精度和平滑度。
在对第二雷达点云进行过滤获得第三雷达点云之后,为了保证足够多的第三雷达点云可以用于曲面拟合,而避免因第三雷达点云点数太少,导致最终拟合出的曲面平滑度和准确较低。在过滤后的第三雷达点云的点数与过滤前的第三雷达点云的点数的比例大于或者等于目标比例阈值,且目标平面的水平度大于或者等于目标水平度阈值的情况下,通过对第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息;在过滤后的第三雷达点云的点数与过滤前的第三雷达点云的点数的比例小于目标比例阈值,或者目标平面的水平度小于目标水平度阈值的情况下,不对该第三雷达点云进行曲面拟合以及最小包围框计算。
相应于上述方法实施例,本申请的另一个实施例提供了一种基于激光雷达的路面生成装置,如图3所示,所述装置包括:
划分单元210,用于在确定转换到站心坐标系下的原始雷达点云所覆盖的平面范围之后,将所述平面范围划分为多个网格;
加载单元220,用于基于目标距离范围和目标数量阈值,加载每个所述网格对应的第一雷达点云,其中,所述第一雷达点云包括至少一帧所述原始雷达点云;
过滤单元230,用于针对每个所述网格,过滤所述第一雷达点云中的无效雷达点云,获得第二雷达点云,其中,所述无效雷达点云包括位于基于所述网格确定的目标区域外的所述第一雷达点云,所述目标区域包括在将所述网格拓宽预设距离后获得的区域;
聚类单元240,用于根据第一距离阈值和/或第二距离阈值对所述网格对应的第二雷达点云进行聚类,获得至少一个第三雷达点云,其中,所述第一距离阈值为所述站心坐标系中x轴和y轴组成的平面对应的距离阈值,所述第二距离阈值为所述站心坐标系中z轴对应的距离阈值;
生成单元250,用于通过对每个所述第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息。
在一种可能的实现方式中,所述加载单元220,包括:
查找模块,用于在时间戳、激光雷达原点的位置与一帧原始雷达点云三者之间具有一一对应关系的情况下,针对每个所述网格,从每个所述时间戳对应的激光雷达原点的位置中,查找位于所述网格对应的所述目标距离范围内的所述激光雷达原点的位置,其中,所述时间戳为所述激光雷达生成每帧原始雷达点云时的时间点;
确定模块,用于在查找到的位置的数量大于或者等于所述目标数量阈值的情况下,将距离所述网格的中心点最近的所述目标数量阈值个所述位置,所对应的所述原始雷达点云确定为所述网格对应的所述第一雷达点云;在查找到的位置的数量小于所述目标数量阈值的情况下,将查找到的位置所对应的原始雷达点云确定为所述网格对应的所述第一雷达点云;
加载模块,用于加载每个所述网格对应的所述第一雷达点云。
在一种可能的实现方式中,所述装置还包括:
平移单元,用于在所述通过对每个所述第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息之前,在所述第三雷达点云的数量大于或者等于第一点数阈值的情况下,针对每个所述第三雷达点云,将所述站心坐标系的原点平移到所述第三雷达点云的中心;
抽取单元,用于随机抽取坐标原点平移后的所述第三雷达点云中预设数量的点作为第一点集,并将所述第一点集拟合成第一平面;
计算单元,用于计算所述坐标原点平移后的所述第三雷达点云中除所述第一点集外的每个点到所述第一平面的距离;
添加单元,用于将所述距离小于或者等于第三距离阈值的点添加到所述第一点集后,获得第二点集,并将所述第二点集拟合成第二平面;
所述计算单元,用于继续计算所述坐标原点平移后的所述第三雷达点云中除所述第二点集外的每个点到所述第二平面的距离,直至达到目标迭代次数后,获得目标平面;
所述过滤单元,还用于过滤所述坐标原点平移后的所述第三雷达点云中,与所述目标平面的距离大于所述第三距离阈值的点,获得过滤后的所述第三雷达点云。
在一种可能的实现方式中,所述生成单元250,用于在过滤后的所述第三雷达点云的点数与过滤前的所述第三雷达点云的点数的比例大于或者等于目标比例阈值,且所述目标平面的水平度大于或者等于目标水平度阈值的情况下,通过对所述第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息。
在一种可能的实现方式中,所述聚类单元240,用于在所述网格对应的所述第二雷达点云中点数大于或者等于第二点数阈值的情况下,根据所述第一距离阈值和/或所述第二距离阈值对所述网格对应的所述第二雷达点云进行聚类,获得至少一个第三雷达点云。
在一种可能的实现方式中,所述装置还包括:
保存单元,用于在通过对每个所述第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息之后,将所述路面的曲面信息以JSON格式进行保存,其中,所述路面的曲面信息包括二次曲面参数和最小包围框的顶点坐标。
本申请实施例提供的基于激光雷达的路面生成装置,可以先将站心坐标系下的原始雷达点云所覆盖的平面范围划分为多个网格,加载每个网格对应的第一雷达点云,再过滤每个网格对应的第一雷达点云中的无效雷达点云获得第二雷达点云,通过对第二雷达点云进行聚类获得至少一个第三雷达点云,最后对第三雷达点云进行曲面拟合和最小包围框计算,生成路面的曲面信息,而不再依赖相机位姿,从而不会存在因特征匹配不准而导致相机位姿不准,进而影响路面生成精度的问题,即本申请实施例可以通过直接对激光雷达生成的原始雷达点云进行处理生成路面的曲面信息,由此提高了路面生成的精度。
基于上述方法实施例,本申请的另一实施例提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器实现如上任一实施方式所述的方法。
基于上述方法实施例,本申请的另一实施例提供了一种电子设备或计算机设备,包括:
一个或多个处理器;
所述处理器与存储装置耦合,所述存储装置用于存储一个或多个程序;
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得电子设备或计算机设备实现如上任一实施方式所述的方法。
基于上述方法实施例,本申请的另一实施例提供了车辆,该车辆包含如上任一实施方式所述的装置,或者包含如上所述的电子设备。
如图4所示,车辆包括激光雷达310、CPU(Central Processing Unit,中央处理器)320、T-Box(Telematics Box,远程信息处理器)330。其中,激光雷达310用于采集原始雷达点云;T-Box330可以作为网关与服务器进行通信;CPU320可以执行上述基于激光雷达的路面生成方法,CPU320还可以获取激光雷达310采集的原始雷达点云,并通过T-Box330将原始雷达点云上报为服务器,以便服务器执行上述基于激光雷达的路面生成方法。
基于上述实施例,本申请的另一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包含有指令,当指令在计算机或处理器上运行时,使得计算机或处理器执行如上任一实施方式所述的方法。
上述装置实施例与方法实施例相对应,与该方法实施例具有同样的技术效果,具体说明参见方法实施例。装置实施例是基于方法实施例得到的,具体的说明可以参见方法实施例部分,此处不再赘述。本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本申请所必须的。
本领域普通技术人员可以理解:实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中,也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。
Claims (15)
1.一种基于激光雷达的路面生成方法,其特征在于,所述方法包括:
在确定转换到站心坐标系下的原始雷达点云所覆盖的平面范围之后,将所述平面范围划分为多个网格;
基于目标距离范围和目标数量阈值,加载每个所述网格对应的第一雷达点云,其中,所述第一雷达点云包括至少一帧所述原始雷达点云;
针对每个所述网格,过滤所述第一雷达点云中的无效雷达点云,获得第二雷达点云,其中,所述无效雷达点云包括位于基于所述网格确定的目标区域外的所述第一雷达点云,所述目标区域包括在将所述网格拓宽预设距离后获得的区域;
根据第一距离阈值和/或第二距离阈值对所述网格对应的第二雷达点云进行聚类,获得至少一个第三雷达点云,其中,所述第一距离阈值为所述站心坐标系中x轴和y轴组成的平面对应的距离阈值,所述第二距离阈值为所述站心坐标系中z轴对应的距离阈值;
通过对每个所述第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息。
2.根据权利要求1所述的方法,其特征在于,在时间戳、激光雷达原点的位置与一帧原始雷达点云三者之间具有一一对应关系的情况下,所述基于目标距离范围和目标数量阈值,加载每个所述网格对应的第一雷达点云,包括:
针对每个所述网格,从每个所述时间戳对应的激光雷达原点的位置中,查找位于所述网格对应的所述目标距离范围内的所述激光雷达原点的位置,其中,所述时间戳为所述激光雷达生成每帧原始雷达点云时的时间点;
在查找到的位置的数量大于或者等于所述目标数量阈值的情况下,将距离所述网格的中心点最近的所述目标数量阈值个所述位置,所对应的所述原始雷达点云确定为所述网格对应的所述第一雷达点云;
在查找到的位置的数量小于所述目标数量阈值的情况下,将查找到的位置所对应的原始雷达点云确定为所述网格对应的所述第一雷达点云;
加载每个所述网格对应的所述第一雷达点云。
3.根据权利要求1所述的方法,其特征在于,在所述通过对每个所述第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息之前,所述方法还包括:
在所述第三雷达点云的数量大于或者等于第一点数阈值的情况下,针对每个所述第三雷达点云,将所述站心坐标系的原点平移到所述第三雷达点云的中心;
随机抽取坐标原点平移后的所述第三雷达点云中预设数量的点作为第一点集,并将所述第一点集拟合成第一平面;
计算所述坐标原点平移后的所述第三雷达点云中除所述第一点集外的每个点到所述第一平面的距离;
将所述距离小于或者等于第三距离阈值的点添加到所述第一点集后,获得第二点集,并将所述第二点集拟合成第二平面;
继续计算所述坐标原点平移后的所述第三雷达点云中除所述第二点集外的每个点到所述第二平面的距离,直至达到目标迭代次数后,获得目标平面;
过滤所述坐标原点平移后的所述第三雷达点云中,与所述目标平面的距离大于所述第三距离阈值的点,获得过滤后的所述第三雷达点云。
4.根据权利要求3所述的方法,其特征在于,所述通过对每个所述第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息,包括:
在过滤后的所述第三雷达点云的点数与过滤前的所述第三雷达点云的点数的比例大于或者等于目标比例阈值,且所述目标平面的水平度大于或者等于目标水平度阈值的情况下,通过对所述过滤后的所述第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息。
5.根据权利要求1所述的方法,其特征在于,所述根据第一距离阈值和/或第二距离阈值对所述网格对应的第二雷达点云进行聚类,获得至少一个第三雷达点云,包括:
在所述网格对应的所述第二雷达点云中点数大于或者等于第二点数阈值的情况下,根据所述第一距离阈值和/或所述第二距离阈值对所述网格对应的所述第二雷达点云进行聚类,获得至少一个第三雷达点云。
6.根据权利要求1-5中任一项所述的方法,其特征在于,在通过对每个所述第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息之后,所述方法还包括:
将所述路面的曲面信息以JSON格式进行保存,其中,所述路面的曲面信息包括二次曲面参数和最小包围框的顶点坐标。
7.一种基于激光雷达的路面生成装置,其特征在于,所述装置包括:
划分单元,用于在确定转换到站心坐标系下的原始雷达点云所覆盖的平面范围之后,将所述平面范围划分为多个网格;
加载单元,用于基于目标距离范围和目标数量阈值,加载每个所述网格对应的第一雷达点云,其中,所述第一雷达点云包括至少一帧所述原始雷达点云;
过滤单元,用于针对每个所述网格,过滤所述第一雷达点云中的无效雷达点云,获得第二雷达点云,其中,所述无效雷达点云包括位于基于所述网格确定的目标区域外的所述第一雷达点云,所述目标区域包括在将所述网格拓宽预设距离后获得的区域;
聚类单元,用于根据第一距离阈值和/或第二距离阈值对所述网格对应的第二雷达点云进行聚类,获得至少一个第三雷达点云,其中,所述第一距离阈值为所述站心坐标系中x轴和y轴组成的平面对应的距离阈值,所述第二距离阈值为所述站心坐标系中z轴对应的距离阈值;
生成单元,用于通过对每个所述第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息。
8.根据权利要求7所述的装置,其特征在于,所述加载单元,包括:
查找模块,用于在时间戳、激光雷达原点的位置与一帧原始雷达点云三者之间具有一一对应关系的情况下,针对每个所述网格,从每个所述时间戳对应的激光雷达原点的位置中,查找位于所述网格对应的所述目标距离范围内的所述激光雷达原点的位置,其中,所述时间戳为所述激光雷达生成每帧原始雷达点云时的时间点;
确定模块,用于在查找到的位置的数量大于或者等于所述目标数量阈值的情况下,将距离所述网格的中心点最近的所述目标数量阈值个所述位置,所对应的所述原始雷达点云确定为所述网格对应的所述第一雷达点云;在查找到的位置的数量小于所述目标数量阈值的情况下,将查找到的位置所对应的原始雷达点云确定为所述网格对应的所述第一雷达点云;
加载模块,用于加载每个所述网格对应的所述第一雷达点云。
9.根据权利要求7所述的装置,其特征在于,所述装置还包括:
平移单元,用于在所述通过对每个所述第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息之前,在所述第三雷达点云的数量大于或者等于第一点数阈值的情况下,针对每个所述第三雷达点云,将所述站心坐标系的原点平移到所述第三雷达点云的中心;
抽取单元,用于随机抽取坐标原点平移后的所述第三雷达点云中预设数量的点作为第一点集,并将所述第一点集拟合成第一平面;
计算单元,用于计算所述坐标原点平移后的所述第三雷达点云中除所述第一点集外的每个点到所述第一平面的距离;
添加单元,用于将所述距离小于或者等于第三距离阈值的点添加到所述第一点集后,获得第二点集,并将所述第二点集拟合成第二平面;
所述计算单元,用于继续计算所述坐标原点平移后的所述第三雷达点云中除所述第二点集外的每个点到所述第二平面的距离,直至达到目标迭代次数后,获得目标平面;
所述过滤单元,还用于过滤所述坐标原点平移后的所述第三雷达点云中,与所述目标平面的距离大于所述第三距离阈值的点,获得过滤后的所述第三雷达点云。
10.根据权利要求9所述的装置,其特征在于,所述生成单元,用于在过滤后的所述第三雷达点云的点数与过滤前的所述第三雷达点云的点数的比例大于或者等于目标比例阈值,且所述目标平面的水平度大于或者等于目标水平度阈值的情况下,通过对所述过滤后的所述第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息。
11.根据权利要求7所述的装置,其特征在于,所述聚类单元,用于在所述网格对应的所述第二雷达点云中点数大于或者等于第二点数阈值的情况下,根据所述第一距离阈值和/或所述第二距离阈值对所述网格对应的所述第二雷达点云进行聚类,获得至少一个第三雷达点云。
12.根据权利要求7-11中任一项所述的装置,其特征在于,所述装置还包括:
保存单元,用于在通过对每个所述第三雷达点云进行曲面拟合以及最小包围框计算,生成路面的曲面信息之后,将所述路面的曲面信息以JSON格式进行保存,其中,所述路面的曲面信息包括二次曲面参数和最小包围框的顶点坐标。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-6中任一项所述的方法。
14.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
所述处理器与存储装置耦合,所述存储装置用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述电子设备实现如权利要求1-6中任一项所述的方法。
15.一种车辆,其特征在于,所述车辆包含如权利要求7-12中任一项所述的装置,或者包含如权利要求14所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211258838.1A CN117930275A (zh) | 2022-10-14 | 2022-10-14 | 基于激光雷达的路面生成方法、装置、介质、设备及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211258838.1A CN117930275A (zh) | 2022-10-14 | 2022-10-14 | 基于激光雷达的路面生成方法、装置、介质、设备及车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117930275A true CN117930275A (zh) | 2024-04-26 |
Family
ID=90768839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211258838.1A Pending CN117930275A (zh) | 2022-10-14 | 2022-10-14 | 基于激光雷达的路面生成方法、装置、介质、设备及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117930275A (zh) |
-
2022
- 2022-10-14 CN CN202211258838.1A patent/CN117930275A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108228798B (zh) | 确定点云数据之间的匹配关系的方法和装置 | |
CN108319655B (zh) | 用于生成栅格地图的方法和装置 | |
WO2021232463A1 (zh) | 多源移动测量点云数据空地一体化融合方法、存储介质 | |
CN105893972B (zh) | 基于影像进行的违章建筑物自动监测方法及其实现系统 | |
CN108763287A (zh) | 大规模可通行区域驾驶地图的构建方法及其无人驾驶应用方法 | |
CN112733812B (zh) | 三维车道线检测方法、装置及存储介质 | |
CN111582054B (zh) | 点云数据处理方法及装置、障碍物检测方法及装置 | |
CN105701478A (zh) | 杆状地物提取的方法和装置 | |
CN112329789B (zh) | 点云的提取方法、装置、计算机设备和存储介质 | |
CN112414403B (zh) | 一种机器人的定位定姿方法、设备及存储介质 | |
Sun et al. | Roads and Intersections Extraction from High‐Resolution Remote Sensing Imagery Based on Tensor Voting under Big Data Environment | |
CN113761999A (zh) | 一种目标检测方法、装置、电子设备和存储介质 | |
CN104978743A (zh) | 一种多核并行sar图像变化信息实时提取方法及装置 | |
CN114485698A (zh) | 一种交叉路口引导线生成方法及系统 | |
CN114078211A (zh) | 基于激光雷达智能检测树木倒伏的方法 | |
CN113377748B (zh) | 激光雷达点云数据的静态点去除方法和装置 | |
CN116051777B (zh) | 超高层建筑提取方法、设备和可读存储介质 | |
CN110174115B (zh) | 一种基于感知数据自动生成高精度定位地图的方法及装置 | |
CN114092771A (zh) | 多传感数据融合方法、目标检测方法、装置和计算机设备 | |
CN117036457A (zh) | 一种屋顶面积的测量方法、装置、设备及存储介质 | |
CN117930275A (zh) | 基于激光雷达的路面生成方法、装置、介质、设备及车辆 | |
CN116309828A (zh) | 一种基于三维激光点云数据的电力杆塔信息提取方法 | |
CN115797310A (zh) | 一种光伏电站组串倾角的确定方法及电子设备 | |
CN115376106A (zh) | 基于雷达图的车型识别方法、装置、设备及介质 | |
CN115236643A (zh) | 一种传感器标定方法、系统、装置、电子设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |