车道线识别方法、终端设备及计算机可读存储介质技术

本申请适用于雷达技术领域，提供了一种车道线识别方法、终端设备及计算机可读存储介质，包括：根据当前点云确定目标分析点云线段；根据预设分段规则将所述目标分析点云线段进行分段；根据目标分析点云线段的点云距离特征值、每段点云数据的点云距离特征值、每段点云数据的点云反射率特征值以及与目标分析线段的相邻垂直通道的点云的距离特征值识别当前点云是否为车道线点云，通过当前点云确定出目标分析点云线段，再分段确定出每个分段点云的距离特征值和反射率特征值，再基于此去识别当前点云是否为车道线点云，能够有效提高车道线点云的识别精度。点云的识别精度。点云的识别精度。

【技术实现步骤摘要】
车道线识别方法、终端设备及计算机可读存储介质


[0001]本申请属于雷达
，尤其涉及一种车道线识别方法、终端设备及计算机可读存储介质。

技术介绍

[0002]激光雷达由于其分辨率高、灵敏度高、抗干扰能力强，不受黑暗条件影响等优势，常用于自动驾驶、物流车、机器人、公共智慧交通等领域。
[0003]在自动驾驶领域中，当车辆在道路上行驶时，就需要通过识别地面车道线来区分车道，以便提前对车辆的行驶路线进行规划。因为车道线上常铺设有一层反射率较高的材质，所以目前通常通过激光雷达扫描获取到的点云数据中包含的反射率来识别车道线。但当路面使用时间较长，年久失修时路面和车道线均会受到磨损，就会导致车道线的识别不准确。

技术实现思路

[0004]本申请实施例提供了一种车道线识别方法、终端设备及计算机可读存储介质，以解决目前激光正面照射在高反射率的目标物体时，接收到的信号过饱和而无法有效恢复出真实的回波波形，导致测量结果偏差较大的问题。
[0005]第一方面，本申请实施例提供一种车道线识别方法，包括：
[0006]根据当前点云确定目标分析点云线段；
[0007]根据预设分段规则将所述目标分析点云线段进行分段；
[0008]根据目标分析点云线段的距离值计算目标分析点云线段的点云距离特征值，并根据每个分段的距离值分别计算每段点云数据的点云距离特征值，根据每个分段反射率值分别计算每段点云数据的点云反射率特征值；
[0009]计算与目标分析线段的相邻垂直通道的点云的距离特征值；
[0010]根据目标分析点云线段的点云距离特征值、每段点云数据的点云距离特征值、每段点云数据的点云反射率特征值以及与目标分析线段的相邻垂直通道的点云的距离特征值识别当前点云是否为车道线点云。
[0011]在第一方面的一种实现方式中，所述根据当前点云确定目标分析点云线段，包括：
[0012]获取车道线的宽度和车道线相对激光雷达的中心的角度确定车道线点云个数；
[0013]根据当前点云、车道线点云个数和预设倍数确定目标分析点云线段。
[0014]在第一方面的一种实现方式中，所述根据目标分析点云线段的点云距离特征值、每段点云数据的点云距离特征值、每段点云数据的点云反射率特征值以及与目标分析线段的相邻垂直通道的点云的距离特征值识别当前点云是否为车道线点云，包括：
[0015]根据目标分析点云线段的点云距离特征值、每段点云数据的点云距离特征值、每段点云数据的点云反射率特征值以及与目标分析线段的相邻垂直通道的点云的距离特征值设置的识别条件；
[0016]若满足所述识别条件，则确定当前点云为车道线点云，否则确定当前点云不为车道线点云。
[0017]在第一方面的一种实现方式中，所述识别条件包括：
[0018]目标分析点云线段的距离均值大于第一预设阈值；
[0019]第二段分段的点云的反射率均值与第一段分段的点云的反射率均值的比值、第二段分段的点云的反射率均值与第三段分段的点云的反射率均值的比值均大于第二预设阈值；
[0020]第一段分段的反射率方差、第二段分段的反射率方差、第三段分段的反射率方差均小于第三预设阈值；
[0021]当前点云的垂直角度为负值；
[0022]相邻垂直通道的点云的距离均值与目标分析点云线段的距离均值的差值绝对值大于第四预设阈值。
[0023]在第一方面的一种实现方式中，在根据目标分析点云线段的点云距离特征值、每段点云数据的点云距离特征值、每段点云数据的点云反射率特征值以及与目标分析线段的相邻垂直通道的点云的距离特征值识别当前点云是否为车道线点云之后，还包括：
[0024]增强车道线点云的反射率。
[0025]在第一方面的一种实现方式中，所述增强车道线点云的反射率，包括：
[0026]基于增强系数来增强车道线点云的反射率。
[0027]在第一方面的一种实现方式中，基于增强系数来增强车道线点云的反射率之后，还包括：
[0028]若增强后的车道线点云的反射率超过最高反射率限值，则将增强后的车道线点云的反射率设置为最高反射率限值。
[0029]第二方面，本申请实施例提供一种终端设备，包括：
[0030]目标确定单元，用于根据当前点云确定目标分析点云线段；
[0031]分段单元，用于根据预设分段规则将所述目标分析点云线段进行分段；
[0032]第一计算单元，用于根据目标分析点云线段的距离值计算目标分析点云线段的点云距离特征值，并根据每个分段的距离值分别计算每段点云数据的点云距离特征值，根据每个分段反射率值分别计算每段点云数据的点云反射率特征值；
[0033]第二计算单元，用于计算与目标分析线段的相邻垂直通道的点云的距离特征值；
[0034]识别单元，用于根据目标分析点云线段的点云距离特征值、每段点云数据的点云距离特征值、每段点云数据的点云反射率特征值以及与目标分析线段的相邻垂直通道的点云的距离特征值识别当前点云是否为车道线点云。
[0035]第三方面，本申请实施例提供一种终端设备，所述终端设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面或第一方面的任意可选方式所述的车道线识别方法。
[0036]第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面或第一方面的任意可选方式所述的车道线识别方法。
[0037]第五方面，本申请实施例提供一种计算机程序产品，当计算机程序产品在终端设
备上运行时，使得终端设备执行上述第一方面或第一方面的任意可选方式所述的车道线识别方法。
[0038]本申请实施例与现有技术相比存在的有益效果是：
[0039]实施本申请实施例提供的一种车道线识别方法、终端设备、计算机可读存储介质及计算机程序产品具有以下有益效果：
[0040]本申请实施例提供的车道线识别方法，通过当前点云确定出目标分析点云线段，再分段确定出每个分段点云的距离特征值和反射率特征值，再基于此去识别当前点云是否为车道线点云，能够有效提高车道线点云的识别精度。
附图说明
[0041]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0042]图1是激光雷达的工作场景示意图；
[0043]图2是本申请实施例提供的一种车道线识别方法是示意性流程图；
[0044]图3是本申请实施例提供的车道线识别方法的应用场景示意图；
[0045]图4是本申请实施例中车道线相对于激光雷达中心的角度示意图；
[0046]图5本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车道线识别方法，其特征在于，包括：根据当前点云确定目标分析点云线段；根据预设分段规则将所述目标分析点云线段进行分段；根据目标分析点云线段的距离值计算目标分析点云线段的点云距离特征值，并根据每个分段的距离值分别计算每段点云数据的点云距离特征值，根据每个分段反射率值分别计算每段点云数据的点云反射率特征值；计算与目标分析线段的相邻垂直通道的点云的距离特征值；根据目标分析点云线段的点云距离特征值、每段点云数据的点云距离特征值、每段点云数据的点云反射率特征值以及与目标分析线段的相邻垂直通道的点云的距离特征值识别当前点云是否为车道线点云。2.根据权利要求1所述的车道线识别方法，其特征在于，所述根据当前点云确定目标分析点云线段，包括：获取车道线的宽度和车道线相对激光雷达的中心的角度确定车道线点云个数；根据当前点云、车道线点云个数和预设倍数确定目标分析点云线段。3.根据权利要求1所述的车道线识别方法，其特征在于，所述根据目标分析点云线段的点云距离特征值、每段点云数据的点云距离特征值、每段点云数据的点云反射率特征值以及与目标分析线段的相邻垂直通道的点云的距离特征值识别当前点云是否为车道线点云，包括：根据目标分析点云线段的点云距离特征值、每段点云数据的点云距离特征值、每段点云数据的点云反射率特征值以及与目标分析线段的相邻垂直通道的点云的距离特征值设置的识别条件；若满足所述识别条件，则确定当前点云为车道线点云，否则确定当前点云不为车道线点云。4.根据权利要求3所述的车道线识别方法，其特征在于，所述识别条件包括：目标分析点云线段的距离均值大于第一预设阈值；第二段分段的点云的反射率均值与第一段分段的点云的反射率均值的比值、第二段分段的点云的反射率均值与第三段分段的点云的反射率均值的比值均大于第二预设阈值；第一段分段的反射率方差、第二段分段的反射率方差、第三段分段的反射率方差均小于第三预设阈值；当前点云的垂直角度为负值；相邻垂直通道的点云的距...

【专利技术属性】
技术研发人员：皮兴俊，
申请(专利权)人：深圳市速腾聚创科技有限公司，
类型：发明
国别省市：