基于地图的静态障碍物过滤方法和地图过滤器技术

本公开涉及地图技术领域，公开一种基于地图的静态障碍物过滤方法和地图过滤器，该方法包括：获取矿区的地图数据，并基于地图数据构建掩模图，掩模图包括标识可行驶区域的图层和标识不可行驶区域的图层；采集矿区的非地面数据，并对非地面数据进行初步分割，以获取非地面点云；将非地面点云投影到掩模图，如果非地面点云投影到不可行驶区域，则判定该非地面点云为静态障碍物，并将该点云直接滤除；如果非地面点云投影到可行驶区域，则判定该点云为动态障碍物,并将该非地面点云进行进一步处理。该方法可以在地图上规划行车路线时避免因巨型静态物拟合的包围盒侵入车道内而挤占正常行驶空间而导致阻塞；还减少系统运算负担并提高反馈速率。高反馈速率。高反馈速率。

【技术实现步骤摘要】
基于地图的静态障碍物过滤方法和地图过滤器


[0001]本专利技术涉及地图
，尤其涉及一种基于地图的静态障碍物过滤方法和地图过滤器。

技术介绍

[0002]环境感知技术是无人驾驶车辆及自动驾驶领域中的重要环节，车载传感器及数据处理系统需要将行驶路线上的障碍物和可行驶区域区分出来，将可能产生碰撞风险的障碍物信息传递给规控模块进行应对处理以保障行车安全。
[0003]在采矿作业场景下，未硬化处理的临时土路长时间被重载运输车辆碾压导致路况十分恶劣，车道两边会有巨大的山体和绵长的挡墙存在，自动驾驶车辆的感知系统必然会采集到山体和挡墙这种大型目标物并进行识别处理。由于山体及挡墙巨大的体积因素会产生大量进行分割、聚类和追踪处理的障碍物数据（比如大量非地面点云），占据了大量运算处理时间，提高了硬件平台的算力成本，同时也降低了感知系统的反馈速率，对行车安全造成了不稳定因素。
[0004]除了对感知系统造成无效的大量计算以外，挡墙和山体甚至在部分特定路段上会影响车辆正常形式，例如：车辆1在矿区的道路2上行驶，在该道路2上会经常出现转弯半径很小本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于地图的静态障碍物过滤方法，包括：获取矿区的地图数据，并基于所述地图数据构建掩模图，所述掩模图包括用于标识可行驶区域的第一掩模图层和用于标识不可行驶区域的第二掩模图层；采集所述矿区的非地面数据，并对所述非地面数据进行初步分割，以获取非地面点云；将所述非地面点云投影到所述掩模图；如果所述非地面点云投影到不可行驶区域上，则判定该非地面点云为静态障碍物，并将该非地面点云直接滤除；如果所述非地面点云投影到可行驶区域上，则判定该非地面点云为动态障碍物,并将该非地面点云交由无人驾驶车辆的感知处理模块进行进一步处理。2.根据权利要求1所述的静态障碍物过滤方法，其中，构建所述掩模图包括：获取所述矿区的矢量地图数据，筛选出所述矿区内的可行驶区域的边界的节点信息并按顺序连接，以形成包含原始边界的栅格地图作为所述掩模图的底图；将所述底图内的不可行驶区域的格栅灰度值设置为第一预定值, 并将所述底图内的可行驶区域的格栅灰度值设置为与第一预定值不同的第二预定值。3.根据权利要求2所述的静态障碍物过滤方法，其中，所述第一预定值为0，所述第二预定值为255。4.根据权利要求3所述的静态障碍物过滤方法，其中，将所述底图内的不可行驶区域的格栅灰度值设置为第一预定值包括：将所述底图的外围边界基于原始外围边界的经纬度极值往外拓展一定距离；在所扩展出的区域内选取一点作为起始种子点并利用种子填充算法对不可行驶区域进行染色填充。5.根据权利要求4所述的静态障碍物过滤方法，其中，所述点为拓展后的所述底图的左上角顶点、右上角顶点、左下角顶点、右下角顶点。6.根据权利要求4所述的静态障碍物过滤方法，其中，在染色填充时，将种子点的栅格灰度值设置为0，标记所述起始种子点周围八连通域的栅格为新种子点，然后以新种子点为基点再次进行迭代，直至填充完毕不再产生新种子点，如果新种子点为地图边界或可行驶区域的边界，则取消成为新种子点，否则将新种子点的栅格灰度值设置为0。7.根据权利要求6所述的静态障碍物过滤方法，其中，选取所述可行驶区域内任意一点作为起始种子点并利用种子填充算法对所述可行驶区域进行染色填充，在染色填充时，将种子点的栅格灰度值设置为255，标记该起始种子点周围八连通域的栅格为新种子点，然后以新种子点为基点再次进行迭代，直至填充完毕不再产生新种子点，如果新种子点为可行驶区域的边界，则将新种子点的栅格灰度值设置为255。8.根据权利要求3所述的静态障碍物过滤方法，其中，在所述掩模图构建完成后，保留建图的起始原点经纬度坐标和栅格尺寸，然后将所述无人驾驶车辆的感知采集模块采集的非地面数据进行初步分割后获得的非地面点云从车身坐标系按照下列公式映射到所述掩模图的地图坐标系：Xm = Xv + cos(Yaw)
ꢀ×
(Xf + Xo) + sin(Yaw)
ꢀ×
(Yf + Yo);Ym = Yv + cos(Yaw)
ꢀ×ꢀ
(Yf + Yo)
ꢀ‑ꢀ
sin(Yaw)
ꢀ×ꢀ
(Xf + Xo);其中，Xm和Ym为非地面点云在所述掩模图的地图坐标系中的x，y轴坐标；Xv、Yv和Yaw分别为当前无人驾驶车辆在所述掩模图的地图坐标系中的x，y坐标及航向
角；Xo和Yo是利用雷达获得的非地面点云的x，y坐标；Xf和Yf则是所述雷达到所述无人驾驶车辆的定位中心的x、y修正值。9.根据权利要求8所述的静态障碍物过滤方法，其中，当将非地面点云映射到所述掩模图的地图坐标系中后，直接访问当前栅格点的灰度值，如返回值大于0，则判定该非地面点云在可行驶区域内，并将该非地面点云标记为动态障碍物；如返回值为0，则判定该非地面点云在不可行驶区域内，并将该非地面点云标记为静态障碍物。10.根据权利要求2所述的静态障碍物过滤方法，其中，所述边界包括车道线的边界、装载区的边界和/或卸载区的...

【专利技术属性】
技术研发人员：谢意，冯冲，禹文扬，蒋先尧，刘志勇，
申请(专利权)人：北京路凯智行科技有限公司，
类型：发明
国别省市：