【技术实现步骤摘要】
一种行驶区域检测的方法和设备
本专利技术涉及自动驾驶
，特别涉及一种行驶区域检测的方法和设备。
技术介绍
近年来随着汽车产业的高速发展，交通事故已经成为全球性的问题，全世界每年交通事故的死伤人数估计超过50多万人，因此集自动控制、人工智能、模式识别等技术于一体的无人驾驶应用而生。为了实时可靠的感知环境信息，无人驾驶汽车上装备了各种主动传感器与被动传感器，包括相机、激光雷达、毫米波雷达和GPS（GlobalPositioningSystem，全球定位系统），行驶区域检测是无人驾驶技术中的关键部分之一。基于图像的行驶区域检测技术主要基于相机传感器，通过图像视频分析技术，比如图像像素级的语义分割技术，是在图像语义分割的基础上，提取路面特征的像素点，最终得到的结果是图像平面上的像素点，没办法得到真实的行驶区域空间信息，需要训练大量的标签数据来解决多场景适用问题，还需要严格的相机标定过程，来获取行驶区域信息。基于图像信息的行驶区域检测，图像有丰富的成像信息，但存在缺点：第一，无法得到有效准确的三维距离信息；第二、在成像恶劣的条件下，抗干扰性较差，比如低照度，明暗交替的...
【技术保护点】
1.一种行驶区域检测的方法，其特征在于，该方法包括：根据鸟瞰特征图中栅格的平均反射强度和高度编码特征，通过神经网络分割模型确定所述鸟瞰特征图中的路面点的第一特征信息及路肩点的第二特征信息，其中所述鸟瞰特征图是对点云地图进行栅格化处理得到的；根据所述第一特征信息确定在所述点云地图中与所述鸟瞰特征图中的路面点相对应的路面点，以及根据所述第二特征信息确定在所述点云地图中与所述鸟瞰特征图中的路肩点相对应的路肩点；将所述点云地图中的路面点及路肩点进行几何模型拟合确定行驶区域。
【技术特征摘要】
1.一种行驶区域检测的方法，其特征在于，该方法包括：根据鸟瞰特征图中栅格的平均反射强度和高度编码特征，通过神经网络分割模型确定所述鸟瞰特征图中的路面点的第一特征信息及路肩点的第二特征信息，其中所述鸟瞰特征图是对点云地图进行栅格化处理得到的；根据所述第一特征信息确定在所述点云地图中与所述鸟瞰特征图中的路面点相对应的路面点，以及根据所述第二特征信息确定在所述点云地图中与所述鸟瞰特征图中的路肩点相对应的路肩点；将所述点云地图中的路面点及路肩点进行几何模型拟合确定行驶区域。2.如权利要求1所述的方法，其特征在于，通过下列方式确定所述点云地图：根据第N帧图像对应的惯性测量单元IMU数据集确定所述第N帧图像对应的用于表示车辆行驶状态的里程计信息，其中所述第N帧图像中的点云数据是通过激光雷达扫描车辆周边道路确定的，所述第N帧图像对应的IMU数据集是在确定所述第N帧图像的同时测量得到的，N为正整数；根据所述第N帧图像对应的里程计信息对所述第N帧图像中的点云数据进行坐标转换得到所述第N帧图像的点云地图坐标；根据连续多帧图像的点云地图坐标确定所述点云地图。3.如权利要求1所述的方法，其特征在于，所述神经网络分割模型包括输入层、编码层和解码层组，其中所述解码层组包括至少一个解码层；其中，所述输入层用于将所述鸟瞰特征图输入到所述神经网络分割模型；所述编码层用于对所述输入层输入的鸟瞰特征图进行编码输出编码后的鸟瞰特征图；所述解码层用于对所述编码后的鸟瞰特征图进行解码，以使所述解码层组中最后一个解码层输出的鸟瞰特征图与所述输入层输入的鸟瞰特征图的分辨率相同。4.如权利要求1所述的方法，其特征在于，通过下列方式确定所述鸟瞰特征图中栅格的高度编码特征：将所述点云地图划分为多个立方体；针对任意一个立方体，将所述立方体在所述点云地图中表示高度的方向进行等间距划分得到多个小立方体，并确定所述多个小立方体的高度编码特征，其中所述高度编码特征用于表示所述小立方体是否存在点；根据所述多个小立方体的高度编码特征确定所述立方体对应的栅格的高度编码特征；和/或通过下列方式确定所述鸟瞰特征图中栅格的平均反射强度：将所述点云地图划分为多个立方体；针对任意一个立方体，将所述立方体中所有点的反射强度的平均值作为所述立方体对应的栅格的平均反射强度。5.如权利要求1所述的方法，其特征在于，所述将所述点云地图中的路面点及路肩点进行几何模型拟合确定行驶区域，包括：通过最小二乘法对所述点云地图中的路面点进行拟合得到表示路面的三维平面，以及对所述点云地图中的路肩点进行拟合得到表示路肩的三维曲线；根据所述表示路面的三维平面以及所述表示路肩的三维曲线确定行驶区域。6.一种行驶区域检测的设备，其特征在于，该设备包括：至少...
【专利技术属性】
技术研发人员：陈海波，
申请(专利权)人：深兰人工智能芯片研究院江苏有限公司，
类型：发明
国别省市：江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。