DE112022000949T5

DE112022000949T5 - Laserpunktwolkenbasierte Straßenranderkennung

Info

Publication number: DE112022000949T5
Application number: DE112022000949.7T
Authority: DE
Inventors: Chao Huang; Yue Ye
Original assignee: Shanghai Xiantu Intelligent Tech Co Ltd; Shanghai Xiantu Intelligent Technology Co Ltd
Current assignee: Shanghai Xiantu Intelligent Tech Co Ltd; Shanghai Xiantu Intelligent Technology Co Ltd
Priority date: 2021-09-29
Filing date: 2022-01-06
Publication date: 2023-12-28
Also published as: CN115248447B; US20240005674A1; CN115248447A; WO2023050638A1

Abstract

Die vorliegende Anmeldung bezieht sich auf ein Verfahren und System zur laserpunktwolkenbasierten Straßenranderkennung. Das Verfahren umfasst Folgendes: Erhalten von Punktwolkendaten eines aktuellen Rahmens, die von einem Laserradar gesammelt sind, und von Lageinformationen, die einem aktuellen Fahrzeug entsprechen; Bestimmen, basierend auf der Lageinformation, eines dem aktuellen Rahmen entsprechenden Straßenrandpunktes in einer vorgespeicherten Offline-Straßenrandpunkt-Sammlung; Verarbeiten der Punktwolkendaten zum Extrahieren einer Bodenpunktwolken-Sammlung; Bestimmen eines entsprechenden Extraktionsalgorithmus gemäß einem Typ des Laserradars, und Extrahieren eines Kandidaten-Straßenrandpunktes für den aktuellen Rahmen aus der Bodenpunktwolken-Sammlung; und Verwenden des Kandidaten-Straßenrandpunktes und des Straßenrandpunktes, der unter den Offline-Straßenrandpunkten dem Fahrzeug am nächsten liegt, als Ziel-Straßenrandpunkt. Einerseits kann durch die Online-Erfassung des Straßenrandes in Echtzeit die Echtzeit-Erkennung des Straßenrandes sichergestellt werden; Andererseits wird durch die Kombination der aus den in Echtzeit gesammelten Punktwolkendaten festgelegten Kandidaten-Straßenrandpunkte mit den vorab gespeicherten Offline-Straßenrandpunkten die Genauigkeit der Straßenrandidentifizierung gewährleistet.

Description

TECHNISCHES GEBIET
Die vorliegende Anmeldung bezieht sich auf das technische Gebiet des Laserradars, insbesondere auf ein Verfahren und System zur laserpunktwolkenbasierten Straßenranderkennung.
STAND DER TECHNIK
Mit der Entwicklung von Laserradar und fahrerloser Technologie sind fahrerlose Fahrzeuge entstanden, die in verschiedenen Szenarien eingesetzt werden können. Ein fahrerloses Kehrfahrzeug, das mit Laserradar ausgestattet ist, kann beispielsweise auf der Grundlage der Straßenranderkennungsergebnisse von dem Laserradar automatisch eine Straße kehren. Bei allgemeinen städtischen Straßen oder Parkstraßen sammelt sich jedoch der meiste Müll im Bereich der Straßenränder. Wenn das fahrerlose Kehrfahrzeug die Randreinigung nicht effektiv durchführen kann, wird dies die Reinigungsqualität definitiv beeinträchtigen. Darüber hinaus ist es notwendig, die Sicherheit und Stabilität des fahrerlosen Kehrfahrzeugs zu gewährleisten und gleichzeitig ein hochpräzises Kehren im Randbereich sicherzustellen.
INHALT DER VORLIEGENDEN ANMELDUNG
In Anbetracht dessen stellt die vorliegende Anmeldung ein Verfahren und System zur laserpunktwolkenbasierten Straßenranderkennung bereit, um die obigen Probleme zu lösen. Im Einzelnen wird die vorliegende Anmeldung durch die folgende technische Lösung erreicht: In einem Aspekt stellt die vorliegende Anmeldung ein Verfahren zur laserpunktwolkenbasierten Straßenranderkennung vor, das Folgendes umfasst: Erhalten von Punktwolkendaten eines aktuellen Rahmens, die von einem Laserradar gesammelt sind, und von Lageinformationen, die einem aktuellen Fahrzeug entsprechen; Bestimmen, basierend auf der Lageinformation, eines dem aktuellen Rahmen entsprechenden Straßenrandpunktes in einer vorgespeicherten Offline-Straßenrandpunkt-Sammlung; Verarbeiten der Punktwolkendaten zum Extrahieren einer Bodenpunktwolken-Sammlung; Bestimmen eines entsprechenden Extraktionsalgorithmus gemäß einem Typ des Laserradars, und Extrahieren eines Kandidaten-Straßenrandpunktes für den aktuellen Rahmen aus der Bodenpunktwolken-Sammlung; Verwenden des Kandidaten-Straßenrandpunktes und des Straßenrandpunktes, der unter den Offline-Straßenrandpunkten dem Fahrzeug am nächsten liegt, als Ziel-Straßenrandpunkt.
Wahlweise ist es ausgeführt, dass das Fahrzeug ein fahrerloses Kehrfahrzeug umfasst, die mit einem Laserradar und einem Positionierungssensor ausgestattet ist.
Wahlweise ist es ausgeführt, dass das Verarbeiten der Punktwolkendaten zum Extrahieren einer Bodenpunktwolken-Sammlung Folgendes umfasst: Auswählen einer vorbestimmten Anzahl von Punktwolken als Ausgangs-Punkwolken und Durchführen einer Ebenenanpassung der Ausgangs-Punkwolken auf der Grundlage eines Zufallsstichproben-Konsistenzalgorithmus; Berechnen eines Abstands von anderen Punktwolken zu der angepassten Ebene und Bestimmen, ob dieser Abstand kleiner als ein Schwellenwert ist; Wenn ja, Hinzufügen der Punktwolken zu der Bodenpunktwolken-Sammlung.
Wahlweise ist es ausgeführt, dass das Verfahren vor dem Bestimmen von Kandidaten-Straßenrandpunkten für den aktuellen Rahmen ferner Folgendes umfasst:

Filtern der Bodenpunktwolken-Sammlung auf der Grundlage eines ausgewählten Interessenbereichs, um Bodenpunktwolken, die sich innerhalb des Interessenbereichs befinden, zu bestimmen; wobei der Interessenbereich einen Bereich innerhalb eines vorbestimmten Abstands auf beiden Seiten der Offline-Straßenrandpunkte umfasst.

Wahlweise ist es ausgeführt, dass zu den Arten von Laserradar Vorwärts- und Seitenradar gehören; dass das Bestimmen eines entsprechenden Extraktionsalgorithmus gemäß einem Typ des Laserradars, um einen Kandidaten-Straßenrandpunkt für den aktuellen Rahmen aus der Bodenpunktwolken-Sammlung zu extrahieren, umfassend: Erfassen von Abtastpunkten auf jedem Strahl von Laserabtastlinien des aktuellen Rahmens auf der Grundlage der Vorgehensweise eines Schiebefensters, und Bestimmen der Punkte auf jeder Abtastlinie, deren Höhenänderung einen Schwellenwert überschreitet, als Kandidaten-Straßenrandpunkte, wenn der Laserradar ein Vorwärtsradar ist; Bestimmen der Punkte, bei denen die Voxel-Höhendifferenz zwischen benachbarten Voxeln in der vertikalen Richtung des Fahrzeugs einen Schwellenwert überschreitet, als Kandidaten-Straßenrandpunkte unter Verwendung von Voxel-Gradienten-Algorithmus, wenn der Laserradar ein Seitenradar ist.
Wahlweise ist es ausgeführt, dass das Verfahren ferner umfasst: Verwenden des Kandidaten-Straßenrandpunktes des aktuellen Rahmens als Beobachtungswert und Verwenden des durch Eingeben des Kandidaten-Straßenrandpunktes eines vorherigen Rahmens in ein kinematisches Modell erhaltenen Ergebnisses erhaltenen Ergebnisses als Prognosewert; Anwenden eines Kalman-Filterungsalgorithmus auf den Beobachtungswert und den Prognosewert, um die gefilterten Kandidaten-Straßenrandpunkte zu erhalten.
Wahlweise ist es ausgeführt, dass die Offline-Straßenrandpunkt-Sammlung Straßenrandpunkte umfasst, die nach der Verarbeitung von dichten Punktwolkendaten erhalten wurden, die durch Hochstrahl-Laserradar erfasst wurden.
Wahlweise ist es ausgeführt, dass der Vorgang der Verarbeitung der dichten Punktwolkendaten Folgendes umfasst: Durchlaufen der Punktwolkendaten jedes Rahmens und Zusammenführen der Punktwolkendaten für mehrere Rahmen davor und danach; Extrahieren der Bodenpunktwolken-Sammlung aus den zusammengeführten Punktwolkendaten auf der Grundlage eines Zufallsstichproben-Konsistenzalgorithmus; Bestimmen der Offline-Straßenrandpunkte auf der Grundlage von Normalvektormerkmalen einer Ebene, die durch Bodenpunkte in der Nähe des Fahrzeugs gebildet wird.
Wahlweise ist es ausgeführt, dass das Verfahren ferner umfasst: Konstruieren eines tatsächlichen Straßenrandes durch Anpassen auf der Grundlage der Ziel-Straßenrandpunkte.
In einem zweiten Aspekt stellt die vorliegende Anmeldung auch ein System zur laserpunktwolkenbasierten Straßenranderkennung vor, das umfasst: ein Datenempfangsmodul zum Erhalten von Punktwolkendaten eines aktuellen Rahmens, die von einem Laserradar gesammelt wurden, und von Lageinformationen, die einem aktuellen Fahrzeug entsprechen; ein Offline-Straßenrandpunk-Bestimmungsmodul zum Bestimmen eines Offline-Straßenrandpunktes in einer vorgespeicherten Offline-Straßenrandpunkt-Sammlung, der dem aktuellen Rahmen entspricht, auf der Grundlage der Lageinformationen; ein Bodenpunktwolken-Extraktionsmodul zum Verarbeiten der Punktwolkendaten und Extrahieren der Bodenpunktwolken-Sammlung; ein Kandidaten-Straßenrandpunkt-Extraktionsmodul zum Bestimmen eines entsprechenden Extraktionsalgorithmus gemäß einem Typ des Laserradars und Extrahieren des Kandidaten-Straßenrandpunktes des aktuellen Rahmens aus der Bodenpunktwolken-Sammlung; ein Ziel-Straßenrandpunkt-Auswahlmodul zum Verwenden des Kandidaten-Straßenrandpunktes und des Straßenrandpunktes, der unter den Offline-Straßenrandpunkten dem Fahrzeug am nächsten liegt, als Ziel-Straßenrandpunkt.
Die durch die Ausführungsbeispiele bereitgestellten technischen Lösungen können folgende vorteilhafte Wirkungen enthalten: Aufgrund der Lageinformationen des Fahrzeugs werden die Offline-Daten bestimmt, die den in Echtzeit gesammelten aktuellen Daten entsprechen. Und durch den Vergleich der Entfernung zwischen dem Online-Straßenrandpunkt bzw. dem Offline-Straßenrandpunkt und dem Fahrzeug wird der nächstgelegene Straßenrandpunkt als Ziel-Straßenrandpunkt ausgewählt. Einerseits kann durch die Online-Erfassung des Straßenrandes in Echtzeit das Problem vermieden werden, der abhängige Offline-Straßenrand aufgrund von Positionierungsfehlern und Straßenveränderungen nicht richtig ist, und die Echtzeit-Erkennung des Straßenrandes kann sichergestellt werden; Andererseits wird durch die Kombination der aus den in Echtzeit gesammelten Punktwolkendaten festgelegten Kandidaten-Straßenrandpunkte mit den vorab gespeicherten Offline-Straßenrandpunkten die Genauigkeit der Straßenrandidentifizierung gewährleistet, indem die hochpräzisen Offline-Straßenrandpunkte verwendet werden.
Es ist zu verstehen, dass die obige allgemeine Beschreibung und die nachfolgende detaillierte Beschreibung nur beispielhaft und erläuternd sind und die vorliegende Offenbarung nicht einschränken.
KURZE BESCHREIBUNG DER ZEICHNUNGEN

1 ist ein Flussdiagramm eines Verfahrens zur laserpunktwolkenbasierten Straßenranderkennung, das in einem beispielhaften Ausführungsbeispiel der vorliegenden Anmeldung dargestellt ist;
2 ist ein Flussdiagramm eines Verarbeitungsprozesses von dichten Punktwolkendaten, das in einem beispielhaften Ausführungsbeispiel der vorliegenden Anmeldung dargestellt ist;
3 ist ein schematisches Diagramm eines Systems zur laserpunktwolkenbasierten Straßenranderkennung, das in einem beispielhaften Ausführungsbeispiel der vorliegenden Anmeldung dargestellt ist.

AUSFÜHRLICHE BESCHREIBUNG
Beispielhafte Ausführungsbeispiele werden hier detailliert beschrieben, wobei Beispiele davon in den beigefügten Zeichnungen dargestellt sind. Wenn sich die folgende Beschreibung auf die begleitenden Zeichnungen bezieht, bezeichnen gleiche Nummern in verschiedenen begleitenden Zeichnungen gleiche oder ähnliche Elemente, sofern nicht anders angegeben. Die in den folgenden Ausführungsbeispielen beschriebenen Ausführungsformen stellen nicht alle Ausführungsformen dar, die mit der vorliegenden Anmeldung übereinstimmen. Im Gegensatz sind sie nur Beispiele für Vorrichtungen und Verfahren, die mit einigen Aspekten der vorliegenden Anmeldung übereinstimmen, wie sie in den beigefügten Ansprüchen beschrieben sind.
Es ist anzumerken, dass in anderen Ausführungsformen die Schritte des entsprechenden Verfahrens nicht unbedingt in der in dieser Anmeldung gezeigten und beschriebenen Reihenfolge ausgeführt werden. In einigen anderen Ausführungsformen kann deren Verfahren mehr oder weniger Schritte enthalten als in der vorliegenden Anmeldung beschrieben. Darüber hinaus kann ein einzelner Schritt, der in dieser Anmeldung beschrieben wird, in anderen Ausführungsformen in mehrere Schritte aufgeteilt werden; Und mehrere in dieser Anmeldung beschriebene Schritte können in anderen Ausführungsformen zu einem einzigen Schritt kombiniert werden.
Es wird auch darauf hingewiesen, dass die Ausdrücke „umfassen“, „enthalten“ oder eine andere Variante davon eine nicht ausschließliche Einbeziehung abdecken sollen. Ein Prozess, eine Methode, eine Ware oder ein Gerät, das eine Reihe von Elementen umfasst, umfasst nicht nur diese Elemente, sondern auch andere Elemente, die nicht ausdrücklich aufgeführt sind oder die an sich zu einem solchen Prozess, einer solchen Methode, einer solchen Ware oder einem solchen Gerät gehören. Ohne weitere Einschränkung schließt das Element, das durch die Formulierung „einschließlich ......“ definiert ist, nicht aus, dass ein anderes identisches Element in dem Prozess, der Methode, der Ware oder dem Gerät vorhanden ist, das dieses Element enthält.
Die in dieser Anmeldung verwendeten Begriffe dienen ausschließlich der Beschreibung bestimmter Ausführungsbeispiele und sollen diese Anmeldung nicht einschränken. Die in dieser Anmeldung und den beigefügten Ansprüchen verwendeten Singularformen von „ein/ein/eine“, „der/das/die“ und „dieser/dieses/diese“ sollen auch die Mehrheitsform umfassen, sofern aus dem Kontext nicht eindeutig etwas anderes hervorgeht. Es ist auch zu versehen, dass der Begriff „und/oder“, wie er hier verwendet wird, sich auf jede oder alle möglichen Kombinationen von einem oder mehreren der aufgelisteten Elemente im Zusammenhang bezieht und diese einschließt.
Es ist zu verstehen, dass die Begriffe „erst“, „zweit“, „dritt“ usw. in dieser Anmeldung zwar zur Beschreibung verschiedener Informationen verwendet werden können, diese Informationen aber nicht auf diese Begriffe beschränkt werden sollten. Diese Begriffe dienen lediglich dazu, die gleiche Art von Informationen voneinander zu unterscheiden. Ohne vom Anwendungsbereich der vorliegenden Anmeldung abzuweichen, kann zum Beispiel eine erste Information auch als zweite Information bezeichnet werden, und ähnlicherweise kann eine zweite Information als erste Information bezeichnet werden. Je nach Kontext kann beispielsweise kann das hier verwendete Wort „wenn“ als „bei ......" oder „zum Zeitpunkt ......" oder „als Reaktion auf eine Feststellung“ interpretiert werden.
Im Allgemeinen kann das fahrerlose Kehrfahrzeug auf der Grundlage eines bordeigenen Positionierungssensors, z. B. eines GPS-Sensors, ihre eigene Position ermitteln, um ihre eigene Position auf der Straße zu bestimmen, und in Verbindung mit einer Straßenkarte eine Kantenräumung durchführen.
Sobald jedoch eine Abweichung in der Positionierung auftritt oder das Positionierungssignal beeinträchtigt wird, führt dies zu einem großen Fehler beim Kantenräumen oder sogar zu einem gefährlichen Ereignis, bei dem das Fahrzeug gegen den Straßenrand prallt.
Daher ist das Verfahren zur Online-Straßenranderkennung mit Hilfe von Laserradar entwickelt, um Straßengrenzen auf der Grundlage der erkannten Straßenränder zu erzeugen. Aus Kostengründen sind fahrerlose Kehrfahrzeuge jedoch in der Regel mit Niederigstrahl-Laserradar ausgestattet, wobei die erfassten Punktwolkendaten relativ spärlich sind, was zu einer begrenzten Genauigkeit der Ergebnisse der Online-Fahrbahnkantenerkennung führt. Darüber hinaus werden auch die Stabilität und Sicherheit während des Kantenräumens beeinträchtigt, sobald ein Fehler oder eine Abweichung bei der Online-Erkennung vorkommt.
In Anbetracht dessen schlägt die vorliegende Anmeldung eine technische Lösung zur Bestimmung eines Ziel-Straßenrandpunktes vor, indem die Kandidaten-Straßenrandpunkte, die aus den in Echtzeit gesammelten Punktwolkendaten des aktuellen Rahmens bestimmt werden, und die Offline-Straßenrandpunkte, die auf der Grundlage der vorab gesammelten Punktwolkendaten bestimmt werden, kombiniert werden.
In der Implementierung können die Punktwolkendaten des aktuellen Rahmens, die durch den Laserradar gesammelt wurden, und die entsprechenden Lageinformationen des aktuellen Fahrzeugs zuerst erfasst werden.
Dann können auf der Grundlage der Lageinformationen die dem aktuellen Rahmen entsprechenden Straßenrandpunkte in einer vorab gespeicherten Offline-Straßenrandpunkt-Sammlung bestimmt werden.
Anschließend können die Punktwolkendaten verarbeitet werden, um eine Bodenpunktwolken-Sammlung zu extrahieren.
Dann kann ein entsprechender Extraktionsalgorithmus anhand des Laserradar-Typs bestimmt werden, um aus der Bodenpunktwolken-Sammlung Kandidaten-Straßenrandpunkte für den aktuellen Rahmen zu extrahieren.
Schließlich können der Kandidaten-Straßenrandpunkt und der Straßenrandpunkt, der unter den Offline-Straßenrandpunkten dem Fahrzeug am nächsten liegt, als Ziel-Straßenrandpunkt betrachtet werden.
Bei der obigen technischen Lösung werden aufgrund der Lageinformationen des Fahrzeugs die Offline-Daten bestimmt, die den in Echtzeit gesammelten aktuellen Daten entsprechen. Und durch den Vergleich der Entfernung zwischen dem Online-Straßenrandpunkt bzw. dem Offline-Straßenrandpunkt und dem Fahrzeug wird der nächstgelegene Straßenrandpunkt als Ziel-Straßenrandpunkt ausgewählt. Einerseits kann durch die Erkennung des Online-Straßenrandes in Echtzeit das Problem vermieden werden, der abhängige Offline-Straßenrand aufgrund von Positionierungsfehlern und Straßenveränderungen nicht richtig ist, und die Echtzeit-Erkennung des Straßenrandes kann sichergestellt werden; Andererseits wird durch die Kombination der aus den in Echtzeit gesammelten Punktwolkendaten festgelegten Kandidaten-Straßenrandpunkte mit den vorab gespeicherten Offline-Straßenrandpunkten die Genauigkeit der Straßenrandidentifizierung gewährleistet, indem die hochpräzisen Offline-Straßenrandpunkte verwendet werden.
Nachfolgend werden die Ausführungsbeispiele der vorliegenden Anmeldung im Detail angegeben.
1 ist ein Flussdiagramm eines Verfahrens zur laserpunktwolkenbasierten Straßenranderkennung, das in einem beispielhaften Ausführungsbeispiel der vorliegenden Anmeldung dargestellt ist, wie in 1 dargestellt, umfassend folgende Schritte.
Schritt 101: Erhalten von Punktwolkendaten eines aktuellen Rahmens, die von einem Laserradar gesammelt sind, und von Lageinformationen, die einem aktuellen Fahrzeug entsprechen.
In einer dargestellten Ausführungsform umfasst das Fahrzeug ein fahrerloses Kehrfahrzeug, die mit einem Laserradar und einem Positionierungssensor ausgestattet ist.
Aus Kostengründen kann für die Online-Straßenrand-Erkennung in der Regel ein Niederigstrahl-Laserradar verwendet werden, wobei die gesammelten Punktwolkendaten relativ spärlich sind.
Beispielsweise können Punktwolkendaten für den aktuellen Rahmen mit einem 4-Strahl-Laserradar gesammelt werden.
Und die aktuellen Positionsdaten können auch mit einem Positionierungssensor gesammelt werden. Die Positionierungsdaten können zum Beispiel über einen GPS-Sensor erfasst werden.
Ferner enthalten die Daten jedes Rahmens aktuelle Lageinformationen und Punktwolkendaten, und nach der Datenverarbeitung können die entsprechenden Positionierungsdaten des Fahrzeugs in die entsprechenden Lageinformationen des Fahrzeugs umgewandelt werden, um die Punktwolkendaten und die entsprechenden Lageinformationen des Fahrzeugs jedes Rahmens zu erhalten.
Beispielsweise können die GPS-Positionsdaten mittels der Methoden von Loopback-Erkennung und Graphoptimierung in Mercator-Koordinaten umgewandelt werden, um die Lageinformationen des Fahrzeugs in der XY-Ebene zu erhalten.
Es ist anzumerken, dass die Rahmenfrequenz sich auf die Anzahl der Umdrehungen des Laserradarmotors innerhalb einer Sekunde bezieht, d. h. die Anzahl der abgeschlossenen Scans pro Sekunde. Ein Einzelrahmen von Punktwolkendaten, d. h. ein Punktwolkenbild, korrespondiert mit der Punktwolke im Inneren des Laserradars nach einer Umdrehung des Motors, um den Scanvorgang abzuschließen.
Schritt 102: Bestimmen, basierend auf der Lageinformation, eines dem aktuellen Rahmen entsprechenden Straßenrandpunktes in einer vorgespeicherten Offline-Straßenrandpunkt-Sammlung.
Insbesondere, da die vorgespeicherte Offline-Straßenrandpunkt-Sammlung die Punktwolkendaten und die Lageinformationen des Fahrzeugs während des Offline-Sammelns enthält, kann der Offline-Straßenrandpunkt, der dem aktuellen Rahmen entspricht, aus der Offline-Straßenrandpunkt-Sammlung anhand der aktuellen Lageinformationen des Fahrzeugs bestimmt werden.
In einer dargestellten Ausführungsform umfasst die Offline-Straßenrandpunkt-Sammlung Straßenrandpunkte, die durch die Verarbeitung von dichten Punktwolkendaten erhalten werden, die von einem Hochstrahl-Laserradar gesammelt wurden.
Beispielsweise können dichte Punktwolkendaten mit einem Mehrstrahl-Laserradar (64/128 Strahlen) gesammelt werden, wenn Punktwolkendaten als Offline-Straßenrandpunkte gesammelt sind. Solche Punktwolkendaten enthalten mehr Bodeninformationen, und die Straßen- und Straßenrandstrukturen sind deutlicher, so dass sie sich für die Verwendung als hochpräzise Karte eignen.
In ähnlicher Weise werden bei dem Offline-Sammeln die Positionsdaten auch erhalten und in die Lageinformationen des Fahrzeugs in Mercator-Koordinaten umgewandelt, so dass die Daten jedes Rahmens Punktwolkendaten und Lageinformationen des Fahrzeugs enthält.
In einer dargestellten Ausführungsform wird der Verarbeitungsprozess von dichten Punktwolkendaten in 2 veranschaulicht. 2 ist ein Flussdiagramm eines Verarbeitungsprozesses von dichten Punktwolkendaten, das in einem beispielhaften Ausführungsbeispiel der vorliegenden Anmeldung dargestellt ist. Wie in 2 gezeigt, umfasst es die folgenden Schritte.
Schritt 201: Durchlaufen der Punktwolkendaten jedes Rahmens und Zusammenführen der Punktwolkendaten für mehrere Rahmen davor und danach.
Insbesondere können die Punktwolkendaten jedes Rahmens, kombiniert mit den Punktwolkendaten für die mehreren Rahmen davor und danach, zusammengeführt werden.
Zum Beispiel kann ein Wert k so festgelegt werden, dass beim Durchlaufen der Punktwolkendaten jedes Rahmens für die Punktwolkendaten des n-ten Rahmens die Punktwolkendaten der k Rahmen davor und danach zusammengeführt werden, die Daten des n-ten Rahmens bestehend aus den Lageinformationen des Fahrzeugs des n-ten Rahmens und den Punktwolkendaten von n-k Rahmen-n+k Rahmen, nachdem die Punktwolkendaten des n-ten Rahmens zusammengeführt wurden, schließlich erhalten werden. Es ist zu erkennen, dass im Vergleich zu den Punktwolkendaten eines Einzelrahmens die zusammengeführten Punktwolkendaten dichter sind und die Straßenrandmerkmale deutlicher hervortreten.
Schritt 202: Extrahieren der Bodenpunktwolken-Sammlung aus den zusammengeführten Punktwolkendaten auf der Grundlage eines Zufallsstichproben-Konsistenzalgorithmus.
Insbesondere kann die Bodenpunktwolken-Sammlung nach Erhalt der dichten zusammengeführten Punktwolkendaten auf der Basis des Zufallsstichproben-Konsistenzalgorithmus anhand der angepassten Ebene bestimmt werden.
Beispielsweise können die oben beschriebenen zusammengeführten Punktwolkendaten auf der Grundlage von Koordinaten in verschiedene Partitionen unterteilt werden. Für jede Partition kann eine vorbestimmte Anzahl von Punktwolkendaten zufällig aus den Punktwolkendaten innerhalb der aktuellen Partition als anfängliche Bodenpunktwolkendaten ausgewählt werden. Anhand der anfänglichen Punktwolkendaten wird dann der RANSAC-Algorithmus zur Ebenenanpassung verwendet, um das Bodenbeschreibungsmodell für jede Partition zu erhalten. Schließlich wird der Abstand der Punktwolke in jeder Partition zu der angepassten Ebene separat berechnet. Wenn der Abstand kleiner als ein vorgegebener Schwellenwert ist, kann die Punktwolke als Bodenpunkt klassifiziert werden, andernfalls wird sie als Hindernispunkt eingestuft.
Hierbei sind die spezifische Anzahl der oben ausgewählten Punktwolken und der Wert des Schwellenwerts in der vorliegenden Anmeldung nicht begrenzt und können vom Fachmann bedarfsabhängig vorgesehen werden.
Das heißt, da die Bodenpunkte und die Straßenrandpunkte in der Höhe begrenzt sind, können die Bodenpunkte auf der Grundlage des angepassten Bodens, basierend auf den Höheneigenschaften, ausgewählt werden.
Schritt 203: Bestimmen der Offline-Straßenrandpunkte auf der Grundlage von Normalvektormerkmalen einer Ebene, die durch Bodenpunkte in der Nähe des Fahrzeugs gebildet wird.
Insbesondere kann eine Bodenpunktwolke in der Nähe des Fahrzeugs innerhalb eines vorbestimmten Abstands ausgewählt werden, ein Normalvektor der gebildeten Ebene kann berechnet werden, und der Offline-Straßenrandpunkt kann basierend auf dem Normalvektor bestimmt werden.
Beispielsweise können Bodenpunktwolkendaten innerhalb eines vorbestimmten Abstands auf beiden Seiten des Fahrzeugs ausgewählt werden, und Normalvektoren der Ebenen, die durch Punkte in der Nähe jedes Punktes gebildet werden, können als Normalvektormerkmale dieses Punktes berechnet werden. Da der Straßenrand senkrecht zum Boden verläuft, haben die Normalenvektoren der Straßenrandpunkte in der dichten Punktwolke alle die Eigenschaft, parallel zum Boden nach innen zur Straße zu zeigen, und so können die Offline-Straßenrandpunkte nach der obigen Berechnung bestimmt werden.
Hierbei ist der Wert des Abstands zwischen den beiden Seiten des Fahrzeugs in der vorliegenden Anmeldung nicht beschränkt, und der Fachmann kann ihn bedarfsabhängig vorsehen.
Ferner können die Ausreißer- und Rauschpunkte unter Verwendung eines Filters für die oben genannten Straßenrandpunkte gefiltert werden, um eine endgültige Straßenrandpunkt-Sammlung zu erhalten.
In dem obigen Vorverarbeitungsprozess der Offline-Straßenrandpunkte werden, da der Offline-Straßenrand mit einem Hochstrahl-Laserradar gesammelt wird und mehrere Rahmen von Punktwolkendaten zusammengeführt werden, um die Punktwolkendaten jedes Rahmens dichter zu machen, werden sowohl die hohe Genauigkeit als auch die Präzision der Offline-Straßenrandpunkte gewährleistet.
Anschließend wird die Extraktion der Straßenrandpunkte weiter beschrieben.
Schritt 103: Extrahieren der Bodenpunktwolken-Sammlung durch Verarbeitung der Punktwolkendaten.
Insbesondere kann eine Bodenpunktwolken-Sammlung durch Verarbeitung der Punktwolkendaten des aktuellen, vom Laserradar gesammelten Rahmens bestimmt werden.
In einer dargestellten Ausführungsform kann es wie folgt ausgeführt werden: Auswählen einer vorbestimmten Anzahl von Punktwolken als Ausgangs-Punkwolken und Durchführen einer Ebenenanpassung der Ausgangs-Punkwolken auf der Grundlage eines Zufallsstichproben-Konsistenzalgorithmus;
Berechnen eines Abstands von anderen Punktwolken zu der angepassten Ebene und Bestimmen, ob dieser Abstand kleiner als ein Schwellenwert ist;
Wenn ja, Hinzufügen der Punktwolken zu der Bodenpunktwolken-Sammlung.
Beispielsweise kann eine vorbestimmte Anzahl von Punktwolken zufällig als Ausgangs-Punkwolken ausgewählt werden, und eine Ebene wird an die Ausgangs-Punkwolken basierend auf einem Zufallsstichproben-Konsistenzalgorithmus angepasst; der Abstand von anderen Punktwolken zu der angepassten Ebene wird berechnet und dadurch wird es bestimmt, ob der Abstand kleiner als ein Schwellenwert ist; Wenn ja, werden die Punktwolken zu der Bodenpunktwolken-Sammlung hinzugefügt, und wenn nein, werden diese Punktwolken aus den Punktwolkendaten entfernt.
Hierbei umfasst die Bodenpunktwolken-Sammlung Straßenrandpunkte. So müssen die Straßenrandpunkte weiter aus der Bodenpunktwolken-Sammlung gemäß einem vorbestimmten Extraktionsalgorithmus bestimmt werden.
Vorher kann die Bodenpunktwolken-Sammlung in Verbindung mit den Straßenrandpunkten weiter gefiltert werden, um die Größe der zu verarbeitenden Punktwolkendaten zu reduzieren.
In einer dargestellten Ausführungsform kann wie folgt ausgeführt werden: Filtern der Bodenpunktwolken-Sammlung auf der Grundlage eines ausgewählten Interessenbereichs, um Bodenpunktwolken, die sich innerhalb des Interessenbereichs befinden, zu bestimmen; wobei der Interessenbereich einen Bereich innerhalb eines vorbestimmten Abstands auf beiden Seiten der Offline-Straßenrandpunkte umfasst.
Beispielsweise kann nach dem Bestimmen eines Offline-Straßenrandpunktes, der dem aktuellen Rahmen entspricht, ein Bereich innerhalb eines vorbestimmten Abstands auf beiden Seiten des Offline-Straßenrandpunktes als Interessenbereich ausgewählt werden, basierend auf dem Offline-Straßenrandpunkt als Referenz. Ferner kann der Interessenbereich verwendet werden, um die Bodenpunktwolken-Sammlung zu filtern, die aus der Online-Sammlung durch den Laserradar ermittelt wurden, und um somit die Bodenpunktwolken zu bestimmen, die sich innerhalb des Interessenbereichs befinden.
Im obigen Schritt 103 wird der voreinzustellende Bereich vom Fachmann selbst ausgewählt, und die vorliegende Anmeldung schränkt dies nicht ein.
Schritt 104: Bestimmen eines entsprechenden Extraktionsalgorithmus gemäß einem Typ des Laserradars, und Extrahieren eines Kandidaten-Straßenrandpunktes für den aktuellen Rahmen aus der Bodenpunktwolken-Sammlung.
Es ist anzumerken, dass der Laserradar normalerweise auf dem Dach oder um das Fahrzeug herum montiert ist. Die Strahlen des um das Fahrzeug herum montierten Laserradars sind typischerweise kleiner als 8, während die Strahlen des auf dem Dach des Fahrzeugs montierten Laserradars typischerweise nicht kleiner als 16 sind.
In einem Beispiel kann das fahrerlose Kehrfahrzeug mittels des auf dem Dach des Fahrzeugs montierten Mehrstrahl-Laserradars dichte Punktwolkendaten sammeln, und durch Verarbeitung in den Schritten 201-203 werden Offline-Straßenrandpunkte erhalten.
In einem anderen Beispiel kann das fahrerlose Kehrfahrzeug mittels des an der Front und an der Seite des Fahrzeugs montierten Niederstrahl-Laserradars Punktwolkendaten in Echtzeit sammeln, um den Straßenrand online zu erfassen.
Aufgrund von Unterschieden in den Verteilungsmustern der Punktwolken, die von Laserradaren an verschiedenen Orten gesammelt wurden, können verschiedene Extraktionsalgorithmen für die Laserradar an verschiedenen Orten verwendet werden, um die Straßenrandpunkte zu bestimmen.
Insbesondere kann der Typ des Laserradars sich auf die Montageposition des Laserradars sein. Je nach Montageposition des Laserradars wird der entsprechende Extraktionsalgorithmus bestimmt. Aus der Bodenpunktwolken-Sammlung werden Kandidaten-Straßenrandpunkte für den aktuellen Rahmen extrahiert.
In einer dargestellten Ausführungsform umfasst der Typ des Laserradars ein Vorwärtsradar und ein zur Seite gerichtetes Radar.
Wenn es sich bei dem Laserradargerät um einen Vorwärtsradar handelt, werden Abtastpunkte auf jedem Strahl von Laserabtastlinien auf der Grundlage eines Schieberfensters erkannt, und Punkte auf jeder Abtastlinie, deren Höhenänderung einen Schwellenwert überschreitet, werden als Kandidaten-Straßenrandpunkte bestimmt.
Als Beispiel angenommen, die Abtastpunkte auf einer bestimmten Abtastlinie sind P1, P2, P3 ..., Pn von links nach rechts, dann werden die Abtastpunkte durchgelaufen und die Höhendifferenz zwischen dem Punkt Pk-a und dem Punkt Pk+b berechnet, wobei die Werte von a und b auf der Grundlage von Erfahrungswerten eingestellt werden können. Wenn die Höhendifferenz einen vorbestimmten Schwellenwert überschreitet, werden die Punkte zwischen Pk-a und dem Punkt Pk+b gefiltert, um Kandidaten-Straßenrandpunkte auf dieser Abtastlinie zu erhalten, und die Extraktion von Kandidaten-Straßenrandpunkten in allen Abtastlinien wird durch Wiederholung der obigen Schritte abgeschlossen.
Hierbei kann die Abtastlinie in eine linke und eine rechte Seite unterteilt werden, indem der Abtastmittelpunkt der Abtastlinie als Mittelpunkt genommen wird und die oben genannten Erfassungsvorgänge an der linken bzw. rechten Seite durchgeführt werden.
Insbesondere wenn der Laserradar ein Seitenradar ist, wird ein Voxel-Gradienten-Algorithmus verwendet, um den Punkt, an dem der Voxel-Höhenunterschied zwischen benachbarten Voxeln in der vertikalen Richtung des Fahrzeugs einen Schwellenwert überschreitet, als Kandidaten-Straßenrandpunkt zu bestimmen.
Beispielsweise können alle Punkte innerhalb des Seitenbereichs der Fahrzeugkarosserie in k*k Voxel unterteilt werden. Für jedes Voxel wird der Mindestwert der Höhe unter den Punkten innerhalb des Voxels als Höhe des Voxels berechnet; die benachbarten Voxel werden in der vertikalen Richtung des Fahrzeugs der Reihe nach von links nach rechts in Übereinstimmung mit der Vorwärtsrichtung der Fahrzeugkarosserie durchgelaufen, und wenn der Höhenunterschied zwischen benachbarten Voxeln einen vorbestimmten Schwellenwert überschreitet, wird der Punkt als Kandidaten-Straßenrandpunkt verwendet.
Hierbei werden die oben erwähnten Voxel-Gradienten separat durchgeführt,, wenn die Seite der Fahrzeugkarosserie in eine linke Seite und eine rechte Seite unterteilt werden kann.
Alternativ kann der spezifische Wert des Schwellenwerts für die Höhendifferenz auf der obigen Abtastlinie und die Höhendifferenz zwischen den Voxeln vom Fachmann beliebig gewählt werden. Die vorliegende Anmeldung schränkt dies nicht ein.
Da die vom Niederigstrahl-Laserradar gesammelten Punktwolkendaten relativ spärlich sind, können die Straßenrand-Ergebnisse auch über mehrere Rahmen verfolgt werden, um die Stabilität der Echtzeit-Ergebnisse der Straßenrand-Erfassung zu gewährleisten.
In einer dargestellten Ausführungsform können die Kandidaten-Straßenrandpunkte des aktuellen Rahmens als Beobachtungswert und die Ergebnisse, die durch Eingabe der Kandidaten-Straßenrandpunkte des vorherigen Rahmens in das kinematische Modell erhalten wurden, als Prognosewert verwendet werden; Ein Kalman-Filterungsalgorithmus wird auf Beobachtungswert und Prognosewert angewendet, um die gefilterten Kandidaten-Straßenrandpunkte zu erhalten.
Es kann beispielsweise angenommen werden, dass das kinematische Modell des fahrerlosen Kehrfahrzeugs ein Modell mit konstanter Drehfrequenz und Geschwindigkeit ist. Unter der Annahme, dass sowohl das Beobachtungs- als auch das Schätzungsrauschen dem Gaußschen Rauschen genügen, kann das kinematische Modell für die Vorhersage der Kandidaten-Straßenrandpunkte im vorherigen Rahmen verwendet werden, um den Prognosewert der Kandidaten-Straßenrandpunkte im vorherigen Rahmen zu erhalten, wenn sie sich zum aktuellen Rahmen bewegen. Und die durch die Online-Erfassung erhaltenen Kandidaten-Straßenrandpunkte des aktuellen Rahmens als Beobachtungswert verwendet. Nach der Kalman-Filterung des Beobachtungswerts und des Prognosewerts erhält man die gefilterten Kandidaten-Straßenrandpunkte.
Schritt 105: Verwenden des Kandidaten-Straßenrandpunktes und des Straßenrandpunktes, der unter den Straßenrandpunkten dem Fahrzeug am nächsten liegt, als Ziel-Straßenrandpunkt.
Insbesondere kann der Straßenrandpunkt, der dem Fahrzeug am nächsten liegt, auf der Grundlage des aktuellen online erfassten Kandidaten-Straßenrandpunktes des Fahrzeugs und der Größe des Abstands des Offline-Straßenrandpunktes zu dem Fahrzeug, der der aktuellen Positionslage des Fahrzeugs entspricht, bestimmt und als Ziel-Straßenrandpunkt verwendet werden.
Um beispielsweise sicherzustellen, dass möglichst nah an der Kante gekehrt wird, können die online erfassten Straßenrandpunkte mit den vorab gespeicherten Offline-Straßenrandpunkten verglichen werden, und der Punkt, der dem Fahrzeug am nächsten liegt, kann als Ziel-Straßenrandpunkt ausgewählt werden.
In einer dargestellten Ausführungsform kann ein tatsächlicher Straßenrand durch Anpassen auf der Grundlage des Ziel-Straßenrandpunktes konstruiert werden.
Spezifisch kann der tatsächliche Straßenrand durch Anpassen des endgültigen Ziel-Straßenrandpunktes auf der Grundlage eines vorgegebenen Kurvenanpassungsalgorithmus konstruiert werden.
Weiterhin kann nach dem Erhalten des oben beschriebenen tatsächlichen Straßenrandes ein dynamischer Planungsalgorithmus verwendet und gleichzeitig eine Planungsreferenzlinie für das Zentrum des unbemannten Kehrfahrzeugs und eine Planungsreferenzlinie für die Kehrbürsten des unbemannten Kehrfahrzeugs erzeugt werden. Anschließend wird ein optimierungsbasierter Algorithmus zur Trajektoriengenerierung verwendet, wobei die Eingaben sowohl statische Hindernisse als auch Straßenbegrenzungen, dynamische Hindernisse und Geschwindigkeitsbegrenzungen auf der Karte umfassen. Das definierte Optimierungszielproblem berücksichtigt umfassend mehrere Zwangsbedingungen, wie z. B. die Referenzlinie des Fahrzeugzentrums, die Kehrbürsten-Referenzlinie, den Beschleunigungsänderungsbetrag, den Abstand zum Hindernis, die Krümmung der Trajektorie und die Beschränkungen der Fahrzeugdynamik. Ein Solver wird verwendet, um hochpräzise Trajektorien an den Kanten zu erzeugen. Die vorliegende Anmeldung schränkt dies nicht ein.
Bei der obigen technischen Lösung werden aufgrund der Lageinformationen des Fahrzeugs die Offline-Daten bestimmt, die den in Echtzeit gesammelten aktuellen Daten entsprechen. Und durch den Vergleich der Entfernung zwischen dem Online-Straßenrandpunkt bzw. dem Offline-Straßenrandpunkt und dem Fahrzeug wird der nächstgelegene Straßenrandpunkt als Ziel-Straßenrandpunkt ausgewählt. Einerseits kann durch die Online-Erfassung des Straßenrandes in Echtzeit das Problem vermieden werden, der abhängige Offline-Straßenrand aufgrund von Positionierungsfehlern und Straßenveränderungen nicht richtig ist, und die Echtzeit-Erkennung des Straßenrandes kann sichergestellt werden; Andererseits wird durch die Kombination der aus den in Echtzeit gesammelten Punktwolkendaten festgelegten Kandidaten-Straßenrandpunkte mit den vorab gespeicherten Offline-Straßenrandpunkten die Genauigkeit der Straßenrandidentifizierung gewährleistet, indem die hochpräzisen Offline-Straßenrandpunkte verwendet werden.
Entsprechend dem obigen Verfahrensausführungsbeispiel stellt die vorliegende Anmeldung auch ein Ausführungsbeispiel eines Systems zur laserpunktwolkenbasierten Straßenranderkennung bereit. Unter Bezugnahme auf 3 ist 3 ein schematisches Diagramm eines Systems zur laserpunktwolkenbasierten Straßenranderkennung, das in einem beispielhaften Ausführungsbeispiel der vorliegenden Anmeldung dargestellt ist, das Folgendes umfasst: ein Datenempfangsmodul 301 zum Erhalten von Punktwolkendaten eines aktuellen Rahmens, die von einem Laserradar gesammelt wurden, und von Lageinformationen, die einem aktuellen Fahrzeug entsprechen; ein Offline-Straßenrandpunk-Bestimmungsmodul 302 zum Bestimmen eines Offline-Straßenrandpunktes in einer vorgespeicherten Offline-Straßenrandpunkt-Sammlung, der dem aktuellen Rahmen entspricht, auf der Grundlage der Lageinformationen; ein Bodenpunktwolken-Extraktionsmodul 303 zum Verarbeiten der Punktwolkendaten und Extrahieren der Bodenpunktwolken-Sammlung; ein Kandidaten-Straßenrandpunkt-Extraktionsmodul 304 zum Bestimmen eines entsprechenden Extraktionsalgorithmus gemäß einem Typ des Laserradars und Extrahieren des Kandidaten-Straßenrandpunktes des aktuellen Rahmens aus der Bodenpunktwolken-Sammlung; ein Ziel-Straßenrandpunkt-Auswahlmodul 305 zum Verwenden des Kandidaten-Straßenrandpunktes und des Straßenrandpunktes, der unter den Offline-Straßenrandpunkten dem Fahrzeug am nächsten liegt, als Ziel-Straßenrandpunkt..
In einem Ausführungsbeispiel umfasst das Fahrzeug ein fahrerloses Kehrfahrzeug, das mit einem Laserradar und einem Positionierungssensor ausgestattet ist.
In einem Ausführungsbeispiel umfasst das Bodenpunktwolken-Extraktionsmodul ferner: Auswählen einer vorbestimmten Anzahl von Punktwolken als Ausgangs-Punkwolken und Durchführen einer Ebenenanpassung der Ausgangs-Punkwolken auf der Grundlage eines Zufallsstichproben-Konsistenzalgorithmus; Berechnen eines Abstands von anderen Punktwolken zu der angepassten Ebene und Bestimmen, ob dieser Abstand kleiner als ein Schwellenwert ist; Wenn ja, Hinzufügen der Punktwolken zu der Bodenpunktwolken-Sammlung.
In einem Ausführungsbeispiel umfasst das System ferner: ein Interessenbereich-Filtermodul zum Filtern der Bodenpunktwolken-Sammlung auf der Grundlage eines ausgewählten Interessenbereichs und zum Bestimmen der Bodenpunktwolken, die sich innerhalb des Interessenbereichs befinden, wobei der Interessenbereich einen Bereich innerhalb eines vorbestimmten Abstands auf beiden Seiten des Offline-Straßenrandpunktes umfasst.
In einem Ausführungsbeispiel gehören Vorwärts- und Seitenradar zu den Arten von Laserradar; Das Kandidaten-Straßenrandpunkt-Extraktionsmodul umfasst ferner: Erfassen von Abtastpunkten auf jedem Strahl von Laserabtastlinien des aktuellen Rahmens auf der Grundlage der Vorgehensweise eines Schiebefensters, und Bestimmen der Punkte auf jeder Abtastlinie, deren Höhenänderung einen Schwellenwert überschreitet, als Kandidaten-Straßenrandpunkte, wenn der Laserradar ein Vorwärtsradar ist; Bestimmen der Punkte, bei denen die Voxel-Höhendifferenz zwischen benachbarten Voxeln in der vertikalen Richtung des Fahrzeugs einen Schwellenwert überschreitet, als Kandidaten-Straßenrandpunkte unter Verwendung von Voxel-Gradienten-Algorithmus, wenn der Laserradar ein Seitenradar ist
In einem Ausführungsbeispiel umfasst das System ferner ein Filtermodul, das dazu verwendet wird, dass die Kandidaten-Straßenrandpunkte des aktuellen Rahmens als Beobachtungswert und die Ergebnisse, die durch Eingabe der Kandidaten-Straßenrandpunkte des vorherigen Rahmens in das kinematische Modell erhalten wurden, als Prognosewert verwendet werden; Ein Kalman-Filterungsalgorithmus wird auf Beobachtungswert und Prognosewert angewendet, um die gefilterten Kandidaten-Straßenrandpunkte zu erhalten.
In einem Ausführungsbeispiel umfasst die Offline-Straßenrandpunkt-Sammlung Straßenrandpunkte, die nach der Verarbeitung von dichten Punktwolkendaten erhalten wurden, die durch Hochstrahl-Laserradar erfasst wurden.
In einem Ausführungsbeispiel umfasst der Vorgang der Verarbeitung der dichten Punktwolkendaten: Durchlaufen der Punktwolkendaten jedes Rahmens und Zusammenführen der Punktwolkendaten für mehrere Rahmen davor und danach; Extrahieren der Bodenpunktwolken-Sammlung aus den zusammengeführten Punktwolkendaten auf der Grundlage eines Zufallsstichproben-Konsistenzalgorithmus; Bestimmen der Offline-Straßenrandpunkte auf der Grundlage von Normalvektormerkmalen einer Ebene, die durch Bodenpunkte in der Nähe des Fahrzeugs gebildet wird.
In einem Ausführungsbeispiel umfasst das System ferner ein Konstruktionsmodul zum Konstruieren eines tatsächlichen Straßenrandes durch Anpassen auf der Grundlage der Ziel-Straßenrandpunkte.
Jedes Ausführungsbeispiel in dieser Anmeldung wird schrittweise beschrieben,. Für gleiche/ähnliche Teile zwischen den verschiedenen Ausführungsbeispielen genügt es, aufeinander zu verweisen. Die einzelnen Ausführungsbeispiele sind durch Unterschiede zu anderen Ausführungsbeispielen geprägt.
Für die Systemausführungsbeispiele, die im Wesentlichen den Verfahrensausführungsbeispielen entsprechen, genügt es für relevante Informationen, auf einen Angabeteil der Beschreibung der Verfahrensausführungsbeispiele zu verweisen. Die oben beschriebenen Systemausführungsbeispiele dienen lediglich der Veranschaulichung, wobei die als separate Komponenten dargestellten Module physisch getrennt sein können oder auch nicht. Die als Module dargestellten Komponenten können physische Module sein oder auch nicht, d. h. sie können sich an einem Ort befinden oder auch über eine Vielzahl von Netzwerkmodulen verteilt sein. Einige oder alle dieser Module können je nach Bedarf ausgewählt werden, um den Zweck des vorliegenden Anmeldungsprogramms zu erreichen. Es kann von einem Fachmann ohne erfinderische Tätigkeit verstanden und umgesetzt werden.
Die in den obigen Ausführungsbeispielen erläuterten Systeme, Geräte, Module oder Einheiten können speziell durch einen Computerchip oder -gegenstand oder durch ein Produkt mit bestimmten Funktionen implementiert werden. Ein übliches Implementierungsgerät ist ein Computer, der in der spezifischen Form eines Personalcomputers, eines Laptops, eines Mobiltelefons, eines Kameratelefons, eines Smartphones, eines persönlichen digitalen Assistenten, eines Mediaplayers, eines Navigationsgeräts, eines E-Mail-Sende- und Empfangsgeräts, einer Spielkonsole, eines Tablet-Computers, eines tragbaren Geräts oder einer Kombination dieser Geräte vorliegen kann.
Im Gegensatz zu den oben beschriebenen Verfahrensausführungsbeispielen stellt die vorliegende Beschreibung auch ein Ausführungsbeispiel eines elektronischen Geräts bereit. Diese elektronische Vorrichtung umfasst einen Prozessor und einen Speicher zum Speichern von maschinenausführbaren Anweisungen; wobei der Prozessor und der Speicher typischerweise über einen internen Bus miteinander verbunden sind. In anderen möglichen Implementierungsformen kann das Gerät auch eine externe Schnittstelle umfassen, um die Kommunikation mit anderen Geräten oder Komponenten zu ermöglichen.
In dem vorliegenden Ausführungsbeispiel wird der Prozessor durch Lesen und Ausführen von im Speicher gespeicherten maschinenausführbaren Anweisungen, die der Benutzerauthentifizierungslogik entsprechen, aufgefordert: Erhalten von Punktwolkendaten eines aktuellen Rahmens, die von einem Laserradar gesammelt sind, und von Lageinformationen, die einem aktuellen Fahrzeug entsprechen; Bestimmen, basierend auf der Lageinformation, eines dem aktuellen Rahmen entsprechenden Straßenrandpunktes in einer vorgespeicherten Offline-Straßenrandpunkt-Sammlung; Verarbeiten der Punktwolkendaten zum Extrahieren einer Bodenpunktwolken-Sammlung; Bestimmen eines entsprechenden Extraktionsalgorithmus gemäß einem Typ des Laserradars, und Extrahieren eines Kandidaten-Straßenrandpunktes für den aktuellen Rahmen aus der Bodenpunktwolken-Sammlung; Verwenden des Kandidaten-Straßenrandpunktes und des Straßenrandpunktes, der unter den Offline-Straßenrandpunkten dem Fahrzeug am nächsten liegt, als Ziel-Straßenrandpunkt.
Entsprechend den obigen Verfahrensausführungsbeispielen stellt ein Ausführungsbeispiel der vorliegenden Beschreibung ferner ein computerlesbares Speichermedium bereit, an dem Computerprogramme gespeichert sind, wobei die Computerprogramme, wenn sie von einem Prozessor ausgeführt werden, die jeweiligen Schritte des Verfahrens der Straßenrandidentifizierung auf der Grundlage einer Laserpunktwolke in den Ausführungsbeispielen der vorliegenden Beschreibung durchführen. Eine detaillierte Beschreibung der jeweiligen Schritte des obigen Blockchain-basierten Datenschutzdaten - Mapping-Ansatzes ist in vorherigen Abschnitten enthalten und wird hier nicht wiederholt.
In einer beispielhaften Konfiguration umfasst ein Computergerät einen oder mehrere Prozessoren (CPU), eine Eingabe-/Ausgabeschnittstelle, eine Netzwerkschnittstelle und einen Speicher.
Der Speicher kann einen nicht permanenten Speicher in einem computerlesbaren Medium in Form eines Direktzugriffsspeichers (RAM) und/oder eines nicht flüchtigen Speichers wie Festwertspeicher (ROM) oder Flash-Speicher (Flash-RAM) umfassen. Ein Speicher ist ein Beispiel für ein computerlesbares Medium.
Zu den computerlesbaren Medien gehören permanente und nicht permanente, entfernbare und nicht entfernbare Medien, die durch jede Methode oder Technologie zur Informationsspeicherung realisiert werden können. Bei den Informationen kann es sich um computerlesbare Anweisungen, Datenstrukturen, Module eines Programms oder andere Daten handeln.
Beispiele für Speichermedien für Computer sind unter anderem Phasenwechsel-Speicher (PRAM), statischer Direktzugriffsspeicher (SRAM), dynamischer Direktzugriffsspeicher (DRAM), andere Arten von Direktzugriffsspeicher (RAM), Festwertspeicher (ROM), elektrisch löschbarer programmierbarer Festwertspeicher (EEPROM), Flash-Speicher oder andere Speichertechnologien, Festwertspeicher (CD-ROM), Digital Versatile Discs (DVDs) oder andere optische Speicher, Magnetkassettenbänder, Magnetbandplattenspeicher oder andere magnetische Speichervorrichtungen oder andere nicht übertragbare Medien, die zum Speichern von Informationen verwendet werden können, auf die eine Rechenvorrichtung zugreifen kann. Wie hierin definiert, umfassen computerlesbare Medien keine flüchtigen computerlesbaren Medien (transitorische Medien), wie modulierte Datensignale und Träger.
Der Fachmann auf diesem Gebiet sollten verstehen, dass Ausführungsformen der vorliegenden Beschreibung als Verfahren, Systeme oder Computerprogrammprodukte bereitgestellt werden können. So können Ausführungsformen der vorliegenden Beschreibung in Form einer vollständigen Hardware-Implementierung, einer vollständigen Software-Implementierung oder einer Implementierung, die Software- und Hardware-Aspekte kombiniert, erfolgen. Ferner können bei den Ausführungsformen der vorliegenden Beschreibung die Form eines Computerprogrammprodukts verwendet werden, das auf einem oder mehreren computerverwendbaren Speichermedien (Dies umfasst, ist aber nicht beschränkt auf Plattenspeicher, CD-ROM, optische Speicher usw.) implementiert ist, die computerverwendbaren Programmcode enthalten.
Andere Ausführungsformen dieser Anmeldung werden dem Fachmann bei Betrachtung der Beschreibung und der Praxis der hierin offenbarten Erfindung ohne weiteres einfallen. Diese Anmeldung soll alle Variationen, Verwendungen oder anpassende Änderungen dieser Anmeldung abdecken. Diese Variationen, Verwendungen oder anpassende Änderungen folgen den allgemeinen Grundsätzen dieser Anmeldung und schließen allgemeines Wissen oder übliche technische Mittel auf dem Gebiet der Technik ein, die hier nicht offenbart sind. Die Beschreibung und die Ausführungsformen sind nur als beispielhaft anzusehen, und der wahre Umfang und Idee dieser Anmeldung wird durch die folgenden Ansprüche angegeben.
Es ist zu versehen, dass die vorliegende Anmeldung nicht auf die genaue Struktur beschränkt ist, die oben beschrieben und in den beigefügten Zeichnungen dargestellt ist, und dass verschiedene Modifikationen und Änderungen vorgenommen werden können, ohne von dem Anwendungsbereich der Anmeldung abzuweichen. Der Anwendungsbereich der vorliegenden Anmeldung wird lediglich durch die beigefügten Ansprüche begrenzt.
Das Vorstehende sind ausschließlich bevorzugte Ausführungsbeispiele der vorliegenden Anmeldung und soll die vorliegende Anmeldung nicht einschränken. Alle Änderungen, gleichwertigen Ersetzungen, Verbesserungen usw., die im Rahmen der Idee und der Grundsätze der vorliegenden Anmeldung vorgenommen werden, fallen in den Schutzumfang der vorliegenden Anmeldung.

Claims

Verfahren zur laserpunktwolkenbasierten Straßenranderkennung, das Folgendes umfasst: Erhalten von Punktwolkendaten eines aktuellen Rahmens, die von einem Laserradar gesammelt sind, und von Lageinformationen, die einem aktuellen Fahrzeug entsprechen; Bestimmen, basierend auf der Lageinformation, eines dem aktuellen Rahmen entsprechenden Straßenrandpunktes in einer vorgespeicherten Offline-Straßenrandpunkt-Sammlung; Verarbeiten der Punktwolkendaten zum Extrahieren einer Bodenpunktwolken-Sammlung; Bestimmen eines entsprechenden Extraktionsalgorithmus gemäß einem Typ des Laserradars, und Extrahieren eines Kandidaten-Straßenrandpunktes für den aktuellen Rahmen aus der Bodenpunktwolken-Sammlung; Verwenden des Kandidaten-Straßenrandpunktes und des Straßenrandpunktes, der unter den Offline-Straßenrandpunkten dem Fahrzeug am nächsten liegt, als Ziel-Straßenrandpunkt.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das Fahrzeug ein fahrerloses Kehrfahrzeug umfasst, die mit einem Laserradar und einem Positionierungssensor ausgestattet ist.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das Verarbeiten der Punktwolkendaten zum Extrahieren einer Bodenpunktwolken-Sammlung Folgendes umfasst: Auswählen einer vorbestimmten Anzahl von Punktwolken als Ausgangs-Punkwolken und Durchführen einer Ebenenanpassung der Ausgangs-Punkwolken auf der Grundlage eines Zufallsstichproben-Konsistenzalgorithmus; Berechnen eines Abstands von anderen Punktwolken zu der angepassten Ebene und Bestimmen, ob dieser Abstand kleiner als ein Schwellenwert ist; Wenn ja, Hinzufügen der Punktwolken zu der Bodenpunktwolken-Sammlung.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das Verfahren vor dem Bestimmen von Kandidaten-Straßenrandpunkten für den aktuellen Rahmen ferner Folgendes umfasst: Filtern der Bodenpunktwolken-Sammlung auf der Grundlage eines ausgewählten Interessenbereichs, um Bodenpunktwolken, die sich innerhalb des Interessenbereichs befinden, zu bestimmen; wobei der Interessenbereich einen Bereich innerhalb eines vorbestimmten Abstands auf beiden Seiten der Offline-Straßenrandpunkte umfasst.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass zu den Arten von Laserradar Vorwärts- und Seitenradar gehören; dass das Bestimmen eines entsprechenden Extraktionsalgorithmus gemäß einem Typ des Laserradars, um einen Kandidaten-Straßenrandpunkt für den aktuellen Rahmen aus der Bodenpunktwolken-Sammlung zu extrahieren, umfassend: Erfassen von Abtastpunkten auf jedem Strahl von Laserabtastlinien des aktuellen Rahmens auf der Grundlage der Vorgehensweise eines Schiebefensters, und Bestimmen der Punkte auf jeder Abtastlinie, deren Höhenänderung einen Schwellenwert überschreitet, als Kandidaten-Straßenrandpunkte, wenn der Laserradar ein Vorwärtsradar ist; Bestimmen der Punkte, bei denen die Voxel-Höhendifferenz zwischen benachbarten Voxeln in der vertikalen Richtung des Fahrzeugs einen Schwellenwert überschreitet, als Kandidaten-Straßenrandpunkte unter Verwendung von Voxel-Gradienten-Algorithmus, wenn der Laserradar ein Seitenradar ist.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das Verfahren ferner umfasst: Verwenden des Kandidaten-Straßenrandpunktes des aktuellen Rahmens als Beobachtungswert und Verwenden des durch Eingeben des Kandidaten-Straßenrandpunktes eines vorherigen Rahmens in ein kinematisches Modell erhaltenen Ergebnisses erhaltenen Ergebnisses als Prognosewert; Anwenden eines Kalman-Filterungsalgorithmus auf den Beobachtungswert und den Prognosewert, um die gefilterten Kandidaten-Straßenrandpunkte zu erhalten.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Offline-Straßenrandpunkt-Sammlung Straßenrandpunkte umfasst, die nach der Verarbeitung von dichten Punktwolkendaten erhalten wurden, die durch Hochstrahl-Laserradar erfasst wurden.
Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass der Vorgang der Verarbeitung der dichten Punktwolkendaten Folgendes umfasst: Durchlaufen der Punktwolkendaten jedes Rahmens und Zusammenführen der Punktwolkendaten für mehrere Rahmen davor und danach; Extrahieren der Bodenpunktwolken-Sammlung aus den zusammengeführten Punktwolkendaten auf der Grundlage eines Zufallsstichproben-Konsistenzalgorithmus; Bestimmen der Offline-Straßenrandpunkte auf der Grundlage von Normalvektormerkmalen einer Ebene, die durch Bodenpunkte in der Nähe des Fahrzeugs gebildet wird.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das Verfahren ferner umfasst: Konstruieren eines tatsächlichen Straßenrandes durch Anpassen auf der Grundlage der Ziel-Straßenrandpunkte.
System zur laserpunktwolkenbasierten Straßenranderkennung, dadurch gekennzeichnet, dass das System umfasst: ein Datenempfangsmodul zum Erhalten von Punktwolkendaten eines aktuellen Rahmens, die von einem Laserradar gesammelt wurden, und von Lageinformationen, die einem aktuellen Fahrzeug entsprechen; ein Offline-Straßenrandpunk-Bestimmungsmodul zum Bestimmen eines Offline-Straßenrandpunktes in einer vorgespeicherten Offline-Straßenrandpunkt-Sammlung, der dem aktuellen Rahmen entspricht, auf der Grundlage der Lageinformationen; ein Bodenpunktwolken-Extraktionsmodul zum Verarbeiten der Punktwolkendaten und Extrahieren der Bodenpunktwolken-Sammlung; ein Kandidaten-Straßenrandpunkt-Extraktionsmodul zum Bestimmen eines entsprechenden Extraktionsalgorithmus gemäß einem Typ des Laserradars und Extrahieren des Kandidaten-Straßenrandpunktes des aktuellen Rahmens aus der Bodenpunktwolken-Sammlung; ein Ziel-Straßenrandpunkt-Auswahlmodul zum Verwenden des Kandidaten-Straßenrandpunktes und des Straßenrandpunktes, der unter den Offline-Straßenrandpunkten dem Fahrzeug am nächsten liegt, als Ziel-Straßenrandpunkt.