信息补全方法、车道线识别方法、智能行驶方法及相关产品技术

本申请实施例公开了一种信息补全方法、车道线识别方法、智能行驶方法及相关产品，该信息补全方法包括：获取多帧点云数据，所述多帧点云数据中每帧点云数据包括深度信息和强度信息；根据所述多帧点云数据中除参考点云数据之外的至少一帧点云数据的深度信息和强度信息，对参考点云数据进行补全，得到与所述参考点云数据对应的目标点云数据；其中，所述目标点云数据的深度信息比所述参考点云数据的深度信息稠密，且所述目标点云数据的强度信息比所述参考点云数据的强度信息稠密，所述参考点云数据为所述多帧点云数据中任意一帧点云数据。

【技术实现步骤摘要】
信息补全方法、车道线识别方法、智能行驶方法及相关产品
本申请涉及计算机视觉
，具体涉及一种信息补全方法、车道线识别方法、智能行驶方法及相关产品。
技术介绍
目前，在探测目标方面，使用激光雷达(LightDetectionAndRanging，简称：LiDAR)向目标主动投射多行扫描线的脉冲激光，通过反向散射回波测量出目标。由于激光不属于可见光，即使在照明条件不好的情况下，LiDAR仍然运行良好，因此，激光雷达广泛应用到各个领域，例如，无人驾驶中，采用LiDAR来提取车道线。虽然，LiDAR不受光线影响，但由于其垂直分辨率和角度分辨率的限制，导致LiDAR的测量数据非常稀疏，为了充分利用LiDAR的测量数据，首先对测量数据中稀疏的深度信息，补全为稠密的深度信息。然而，LiDAR的测量数据中还包含有强度信息，但由于强度信息与目标的表面材质、激光的入射角方向等其他因素相关，导致无法对强度信息进行补全，所以目前对LiDAR的测量数据的利用率低；由于无法补全强度信息，仅利用补全后的深度信息进行车道线识别时，环境亮度会影响深度信息的获取，导致识别率低本文档来自技高网...

【技术保护点】
1.一种信息补全方法，其特征在于，包括：/n获取多帧点云数据，所述多帧点云数据中每帧点云数据包括深度信息和强度信息；/n根据所述多帧点云数据中除参考点云数据之外的至少一帧点云数据的深度信息和强度信息，对参考点云数据进行补全，得到与所述参考点云数据对应的目标点云数据；/n其中，所述目标点云数据的深度信息比所述参考点云数据的深度信息稠密，且所述目标点云数据的强度信息比所述参考点云数据的强度信息稠密，所述参考点云数据为所述多帧点云数据中任意一帧点云数据。/n

【技术特征摘要】
1.一种信息补全方法，其特征在于，包括：
获取多帧点云数据，所述多帧点云数据中每帧点云数据包括深度信息和强度信息；
根据所述多帧点云数据中除参考点云数据之外的至少一帧点云数据的深度信息和强度信息，对参考点云数据进行补全，得到与所述参考点云数据对应的目标点云数据；
其中，所述目标点云数据的深度信息比所述参考点云数据的深度信息稠密，且所述目标点云数据的强度信息比所述参考点云数据的强度信息稠密，所述参考点云数据为所述多帧点云数据中任意一帧点云数据。


2.根据权利要求1所述的方法，其特征在于，所述根据所述多帧点云数据中除参考点云数据之外的至少一帧点云数据的深度信息和强度信息，对参考点云数据进行补全，得到与所述参考点云数据对应的目标点云数据，包括：
对点云数据集合中每帧点云数据的深度信息进行重投影，得到所述点云数据集合中每帧点云数据对应的深度图，所述点云数据集合由所述至少一帧点云数据和所述参考点云数据构成；
根据所述点云数据集合中每帧点云数据对应的深度图，对所述参考点云数据进行深度信息补全，得到与所述参考点云数据对应的目标深度图；
根据与所述参考点云数据对应的目标深度图，对所述参考点云数据进行强度信息补全，得到与所述参考点云数据对应的目标强度图。


3.根据权利要求2所述的方法，其特征在于，所述根据与所述参考点云数据对应的目标深度，对所述参考点云数据进行强度信息补全，得到与所述参考点云数据对应的目标强度图，包括：
对所述点云数据集合中每帧点云数据的强度信息进行重投影，得到所述点云数据集合中每帧点云数据对应的强度图；
对所述点云数据集合中每帧点云数据对应的强度图进行距离补偿，得到所述点云数据集合中每帧点云数据对应的第一强度图，所述距离补偿用于消除距离对强度信息的影响；
根据与所述参考点云数据对应的目标深度图和所述点云数据集合中每帧点云数据对应的第一强度图，确定与所述参考点云数据对应的目标强度图。


4.一种车道线识别方法，其特征在于，包括：
采集道路的点云数据；
采用权利要求1-3中任一项所述的信息补全方法，补全所述点云数据，得到与所述点云数据对应的目标强度图；
根据所述目标强度图进行车道线识别，得到车道线识别结...

【专利技术属性】
技术研发人员：陈申周，刘余钱，
申请(专利权)人：浙江商汤科技开发有限公司，
类型：发明
国别省市：浙江;33