一种路沿检测的方法和装置制造方法及图纸

本申请提供了一种路沿检测的方法和装置，在路沿点云数据的确定过程中结合了单扫描层内和多扫描层间的特征，不会因为点云数据的稀疏性滤除远处的有效点云数据，导致检测距离变短，有效提升了路沿检测的距离及精度。路沿检测的方法，包括：根据多个点云层数据中每个点云层数据的层内特征和与所述每个点云层数据相邻的点云层数据之间的层间特征确定路沿点云数据；根据所述路沿点云数据确定初始路沿，并根据所述初始路沿确定路沿种子点，所述初始路沿用于表示路沿检测开始时确定的路沿，所述路沿种子点用于表示所述路沿的真实状况；根据所述路沿种子点确定所述路沿对应的参数化方程。程。程。

【技术实现步骤摘要】
一种路沿检测的方法和装置


[0001]本申请涉及自动驾驶领域，更具体的，设计一种路沿检测的方法和装置。

技术介绍

[0002]自动驾驶是人工智能领域的一种主流应用，自动驾驶技术依靠计算机视觉、雷达、监控装置和全球定位系统等协同合作，让机动车辆可以在不需要人类主动操作下，实现自动驾驶。自动驾驶的车辆使用各种计算系统来帮助将乘客从一个位置运输到另一位置。一些自动驾驶车辆可能要求来自操作者(诸如，领航员、驾驶员、或者乘客)的一些初始输入或者连续输入。自动驾驶车辆准许操作者从手动模操作式切换到自东驾驶模式或者介于两者之间的模式。由于自动驾驶技术无需人类来驾驶机动车辆，所以理论上能够有效避免人类的驾驶失误，减少交通事故的发生，且能够提高公路的运输效率。因此，自动驾驶技术越来越受到重视。
[0003]对于自动驾驶平台而言，环境感知是智能车辆平台与周围交通场景的交互端口，也是智能车辆平台运动决策、规划控制系统的前端输入。环境感知的性能直接决定了自动驾驶平台行驾驶任务的稳定性。而在环境感知中，鲁棒的路沿(道路边界)检测作为其核心任务之一，在车辆防碰撞中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种路沿检测的方法，应用于车辆中，所述车辆包括激光雷达，其特征在于，包括：根据多个点云层数据中每个点云层数据的层内特征和与所述每个点云层数据相邻的点云层数据之间的层间特征确定路沿点云数据；根据所述路沿点云数据确定初始路沿，并根据所述初始路沿确定路沿种子点，所述初始路沿用于表示路沿检测开始时确定的路沿，所述路沿种子点用于表示所述路沿的真实状况；根据所述路沿种子点确定所述路沿对应的参数化方程。2.根据权利要求1所述的方法，其特征在于，所述层内特征包括斜率特征，数目特征或反射强度特征中的至少一个；其中，所述斜率特征用于指示所述每个点云层数据中分布方向与所述车辆的行驶方向的夹角小于第三阈值的点云数据，所述数目特征用于指示所述每个点云层数据中邻域的点云数据的数目大于第四阈值的点云数据，所述反射强度特征用于指示所述每个点云层数据中反射率大于第五阈值的点云数据。3.根据权利要求1或2所述的方法，其特征在于，所述层间特征包括层间距离特征或层间数目特征中的至少一个；其中，所述层间距离特征用于指示所述每个点云层数据中与相邻的点云层数据之间距离小于第六阈值的点云数据，所述层间数目特征用于指示所述每个点云层数据中在相邻的点云层数据的邻域中的点云数据的数目大于第七阈值的点云数据。4.根据权利要求1至3中任一项所述的方法，其特征在于，所述根据所述初始路沿确定路沿种子点，包括：根据初始路沿确定第一组种子点和第一组候选点，所述第一组种子点中的每个点云数据与所述初始路沿的距离小于第一阈值，所述第一组种子点用于表示所述路沿的第一部分的真实状况，所述第一组候选点是所述路沿点云数据中除所述第一组种子点以外的点云数据；根据第一组种子点和所述第一组候选点确定第二组种子点，所述第二组种子点用于表示所述路沿的第二部分的真实状况；将所述第一组种子点和所述第二组种子点确定为所述路沿种子点。5.根据权利要求4所述的方法，其特征在于，所述根据第一组种子点和所述第一组候选点确定第二组种子点，包括：根据所述第一组种子点和所述第一组候选点确定第二组种子点和第二组候选点，所述第二组候选点是所述路沿点云数据中除所述第一组种子点和所述第二组种子点以外的点云数据；所述将所述第一组种子点和所述第二组种子点确定为所述路沿种子点，包括：根据所述第一组种子点，所述第二组种子点和所述第二组候选点确定第三组种子点，将所述第一组种子点，所述第二组种子点和所述第三组种子点确定为所述路沿种子点，所述第三组种子点用于表示所述路沿的第三部分的真实状况。6.根据权利要求4或5所述的方法，其特征在于，所述根据第一组种子点和所述第一组候选点确定第二组种子点，还包括：根据所述第一组种子点确定第一组关键种子点，所述第一组关键种子点中的点云数据
与栅格化后的所述第一组种子点中的栅格对应，所述第一关键种子点中的点云数据的坐标值为其对应的所述第一组种子点中的栅格中点云数据的坐标均值，所述第一关键种子点中的点云数据的权重由对应的栅格中的点云数据的数量确定；根据所述第一组候选点确定第一组关键候选点，所述第一组关键候选点中的点云数据与栅格化后的所述第一组候选点中的栅格对应，所述第一关键候选点中的点云数据的坐标值为其对应的所述第一组候选点中的栅格中点云数据的坐标均值，所述第一关键候选点中的点云数据的权重由对应的栅格中的点云数据的数量确定；根据所述第一组关键种子点和所述第一组关键候选点确定所述第二组种子点。7.根据权利要求6所述的方法，其特征在于，所述根据所述第一组关键种子点和所述第一组关键候选点确定所述第二组种子点，包括：根据所述第一组关键种子点和所述第一组关键候选点通过路沿预测模型确定第一组预测点，所述第一组预测点用于表示所述路沿的第二部分的预测状况；将所述第一组关键候选点中满足第一条件的点云数据确定为所述第二组种子点中的点云数据，所述第一条件为与所述第一组路沿预测点中的点云数据之间的偏差小于第二阈值；其中，所述路沿预测模型是通过机器学习得到的。8.根据权利要求1至7中任一项所述的方法，其特征在于，所述根据所述路沿点云数据确定初始路沿，包括：根据所述路沿点云数据在俯视平面投影的点云数据确定初始路沿。9.根据权利要求8所述的方法，其特征在于，所述根据所述路沿点云数据在俯视平面投影的点云数据确定初始路沿，包括：根据所述在俯视平面投影的点云数据确定多个初始直线段；根据多个初始直线段确定初始路沿。10.根据权利要求1至9中任一项所述的方法，其特征在于，所述方法还包括：根据原始点云数据确定所述多个点云层数据；其中，所述原始点云数据为所述激光雷达获取的点云数据，所述多个点云层数据为自车坐标系下的二维的点云数据。11.根据权利要求10所述的方法，其特征在于，所述根据原始点云数据确定所述多个点云层数据，包括：根据所述原始点云数据在球面投影后的点云数据生成点云特征图；根据所述点云特征图确定所述多个点云层数据。12.根据权利要求11所述的方法，其特征在于，所述点云特征图包括点云深度图和点云索引图。13.一种路沿检测装置，其特征在于，包括：处理单元，用于：根据多个点云层数据中每个点云层数据的层内特征和与所述每个点云层数据相邻的点云层数据之间的层间特征确定路沿点云数据；根据所述路沿点云数据确定初始路沿，并根据所述初始路沿确定路沿种子点，所述初始路沿用于表示路沿检测开始时确定的路沿，所述路沿种子点用于表示所述路沿的真实状
况；根据所述...

【专利技术属性】
技术研发人员：白东峰，曹彤彤，刘冰冰，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：