一种道路边界分类方法及其装置、计算机设备、移动工具制造方法及图纸

本发明专利技术公开了一种道路边界分类方法，包括：步骤S1，采集车辆附近道路边界的点云特征及车辆附近道路边界的图像；步骤S2，根据车辆附近道路边界的点云特征对车辆附近道路边界分类，获得点云道路边界类型；步骤S3，根据辆附近道路边界的图像具有的图像特征对车辆附近道路边界分类，获得图像道路边界类型；步骤S4，将同一时刻或时间戳的单帧点云特征和单帧图像同步记为同一帧点云和图像；步骤S5，根据同一帧点云和图像中的点云特征和图像的道路边界分类结果，获得最终的道路边界类型。本发明专利技术还公开了道路边界分类装置、计算机设备及移动工具。本发明专利技术通过激光雷达点云和相机图像进行道路边界分类并融合，实现自动道路边界分类。实现自动道路边界分类。实现自动道路边界分类。

A road boundary classification method and its device, computer equipment, mobile tools

【技术实现步骤摘要】
一种道路边界分类方法及其装置、计算机设备、移动工具


[0001]本专利技术涉及无人驾驶
，特别是涉及一种道路边界分类方法，一种道路边界分装置，一种计算机设备，一种移动工具。

技术介绍

[0002]无人驾驶技术中地图的采集，常常需要对道路边界类型进行分类，用于决策车辆是否可以通行或穿越。由于地图采集工作量巨大，道路边界信息丰富，因此，如果能够快速、准确地区分道路边界类型，可以大大提高地图采集效率，降低成本。
[0003]目前，在无人驾驶的地图采集工作中，对道路边界类型的区分，多采用人工分类，即通过肉眼观察图像中道路边界特征，人工对道路类型进行区分并在地图中进行相应标注。
[0004]这种人工分类的方式，由于通过肉眼观察图像中道路边界特征，人工对地图中边界类型进行区分和标注，效率较低，需要大量的人力成本，且速度较慢。
[0005]此外，人工肉眼观察道路边界特征，来进行道路类型区分并标注，不可避免地存在分类的错误和误标注的问题，而且道路边界场景特征复杂，各种类型的道路特征存在模糊情况，不同人理解道路类型情况也会存在差别，最终导致人工标注出的道路类型准确度会下降，从而在一定程度上会影响到自动驾驶车辆在路面上的安全可靠运行。

技术实现思路

[0006]本专利技术的目的是针对现有技术存在的技术缺陷，提供一种道路边界分类方法，一种道路边界分装置，一种计算机设备，一种移动工具。
[0007]为此，本专利技术第一方面，提供了一种道路边界分类方法，包括以下步骤：
[0008]步骤S1，通过激光雷达，实时采集车辆附近道路边界的点云特征，以及通过相机，实时采集车辆附近道路边界的图像；
[0009]步骤S2，根据步骤S1获得的车辆附近道路边界的点云特征，对车辆附近道路边界进行分类，获得对应的点云道路边界类型；
[0010]步骤S3，对于步骤S1获得的车辆附近道路边界的图像，根据该图像具有的图像特征，对车辆附近道路边界进行分类，获得对应的图像道路边界类型；
[0011]步骤S4，将同一时刻或时间戳的单帧点云特征和单帧图像同步到一起，记为同一帧点云和图像；
[0012]步骤S5，对于步骤S4获得的同一帧点云和图像，根据同一帧点云和图像中的点云特征和图像的道路边界分类结果，按照预设的融合规则进行融合，获得最终的道路边界类型。
[0013]优选地，在步骤S1中，激光雷达朝向车辆的前方，通过激光雷达采集车辆前方道路边界的点云特征，以及相机朝向车辆的前方，通过相机采集车辆前方道路边界的图像。
[0014]优选地，在步骤S2中，当步骤S1获得的车辆附近道路边界的点云信息具有的点云
特征是预设明显的高路沿点云特征时，将车辆附近道路边界的类型划分为点云B类道路边界；
[0015]预设明显的高路沿点云特征，即对于激光雷达所采集的车辆附近道路边界的点云特征，其包括一条路沿分界线；
[0016]对于路沿分界线，路沿分界线两侧点云的高度差在预设差值区间内；
[0017]点云B类道路边界为高路沿类的点云道路边界。
[0018]优选地，在步骤S2中，当步骤S1获得的车辆附近道路边界的点云信息具有的点云特征不是预设明显的高路沿点云特征时，将车辆附近道路边界划分为点云AC混合类道路边界；
[0019]预设明显的高路沿点云特征，即对于激光雷达所采集的车辆附近道路边界的点云特征，其包括一条路沿分界线；
[0020]对于路沿分界线，路沿分界线两侧点云的高度差在预设差值区间内；
[0021]点云AC混合类道路边界，是涵盖点云A类道路边界和点云C类道路边界两种类型的点云道路边界。
[0022]优选地，在步骤S3中，图像道路边界类型，包括图像A类道路边界、图像B类道路边界和图像C类道路边界；
[0023]其中，图像A类道路边界，是低矮灌木丛类的图像道路边界；
[0024]图像B类道路边界，是高路沿类的图像道路边界；
[0025]图像C类道路边界，是平整草坪类的图像道路边界。
[0026]优选地，在步骤S5中，具体的预设的融合规则如下：
[0027]对于同一帧点云和图像中的点云特征和图像，当点云特征的道路边界分类结果为点云B类道路边界，并且，图像的道路边界分类结果是图像A类道路边界、图像B类道路边界和图像C类道路边界中的任意一种时，融合后获得的最终的道路边界类型为：B类最终道路边界，即为高路沿类的最终道路边界；
[0028]当点云特征的道路边界分类结果为点云AC混合类道路边界，并且，图像的道路边界分类结果是图像A类道路边界时，融合后获得的最终的道路边界类型为：A类最终道路边界，即为低矮灌木丛类的最终道路边界；
[0029]当点云特征的道路边界分类结果为点云AC混合类道路边界，并且，图像的道路边界分类结果是图像B类道路边界时，融合后获得的最终的道路边界类型为：不确定类道路边界；
[0030]当点云特征的道路边界分类结果为点云AC混合类道路边界，并且，图像的道路边界分类结果是图像C类道路边界时，融合后获得的最终的道路边界类型为：C类最终道路边界，即为平整草坪类的道路边界。
[0031]优选地，在步骤S5中，还包括以下步骤：
[0032]当融合后获得的最终的道路边界类型为不确定类道路边界时，输出对应的同一帧点云和图像，进行人工分类。
[0033]本专利技术第二方面，还提供一种道路边界分类装置，包括以下模块：
[0034]激光雷达，用于实时采集车辆附近道路边界的点云特征，然后发送给第一道路边界分类模块和数据同步模块；
[0035]相机，用于实时采集车辆附近道路边界的图像，然后发送给第二道路边界分类模块和数据同步模块；
[0036]第一道路边界分类模块，与激光雷达相连接，用于根据激光雷达发来的车辆附近道路边界的点云特征，对车辆附近道路边界进行分类，获得对应的点云道路边界类型；
[0037]第二道路边界分类模块，与相机相连接，用于对相机发来的车辆附近道路边界的图像，根据该图像具有的图像特征，对车辆附近道路边界进行分类，获得对应的图像道路边界类型；
[0038]数据同步模块，分别与激光雷达和相机相连接，用于将激光雷达和相机发来的同一时刻或时间戳的单帧点云信息和单帧图像信息同步到一起，记为同一帧点云和图像，然后将同一帧点云和图像发送给分类结果融合模块；
[0039]分类结果融合模块，分别与第一道路边界分类模块和第二道路边界分类模块相连接，用于接收所述数据同步模块获得的同一帧点云和图像，根据同一帧点云和图像中的点云特征和图像的道路边界分类结果，按照预设的融合规则进行融合，获得最终的道路边界类型。
[0040]优选地，分类结果融合模块，还用于当融合后获得的最终的道路边界类型为不确定类道路边界时，输出对应的同一帧点云和图像，以进行人工分类。
[0041]本专利技术第三方面，还提供一种计算机设备，包括存储器、处理器及存储在存储器上的计算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种道路边界分类方法，其特征在于，包括：步骤S1，通过激光雷达，实时采集车辆附近道路边界的点云特征，以及通过相机，实时采集车辆附近道路边界的图像；步骤S2，根据步骤S1获得的车辆附近道路边界的点云特征，对车辆附近道路边界进行分类，获得对应的点云道路边界类型；步骤S3，对于步骤S1获得的车辆附近道路边界的图像，根据该图像具有的图像特征，对车辆附近道路边界进行分类，获得对应的图像道路边界类型；步骤S4，将同一时刻或时间戳的单帧点云特征和单帧图像同步到一起，记为同一帧点云和图像；步骤S5，对于步骤S4获得的同一帧点云和图像，根据同一帧点云和图像中的点云特征和图像的道路边界分类结果，按照预设的融合规则进行融合，获得最终的道路边界类型。2.如权利要求1所述的道路边界分类方法，其特征在于，在步骤S1中，激光雷达朝向车辆的前方，通过激光雷达采集车辆前方道路边界的点云特征，以及相机朝向车辆的前方，通过相机采集车辆前方道路边界的图像。3.如权利要求1所述的道路边界分类方法，其特征在于，在步骤S2中，当步骤S1获得的车辆附近道路边界的点云信息具有的点云特征是预设明显的高路沿点云特征时，将车辆附近道路边界的类型划分为点云B类道路边界；预设明显的高路沿点云特征，即对于激光雷达所采集的车辆附近道路边界的点云特征，其包括一条路沿分界线；对于路沿分界线，路沿分界线两侧点云的高度差在预设差值区间内；点云B类道路边界为高路沿类的点云道路边界。4.如权利要求1所述的道路边界分类方法，其特征在于，在步骤S2中，当步骤S1获得的车辆附近道路边界的点云信息具有的点云特征不是预设明显的高路沿点云特征时，将车辆附近道路边界划分为点云AC混合类道路边界；预设明显的高路沿点云特征，即对于激光雷达所采集的车辆附近道路边界的点云特征，其包括一条路沿分界线；对于路沿分界线，路沿分界线两侧点云的高度差在预设差值区间内；点云AC混合类道路边界，是涵盖点云A类道路边界和点云C类道路边界两种类型的点云道路边界。5.如权利要求1所述的道路边界分类方法，其特征在于，在步骤S3中，图像道路边界类型，包括图像A类道路边界、图像B类道路边界和图像C类道路边界；其中，图像A类道路边界，是低矮灌木丛类的图像道路边界；图像B类道路边界，是高路沿类的图像道路边界；图像C类道路边界，是平整草坪类的图像道路边界。6.如权利要求1所述的道路边界分类方法，其特征在于，在步骤S5中，具体的预设的融合规则如下：对于同一帧点云和图像中的点云特征和图像，当点云特征的道路边界分类结果为点...

【专利技术属性】
技术研发人员：李慧慧，
申请(专利权)人：北京智行者科技有限公司，
类型：发明
国别省市：