车道线点云地图构建方法、装置、设备、存储介质及程序制造方法及图纸

本申请公开了一种车道线点云地图构建方法、装置、设备、存储介质及程序，获取定位信息、原始点云和图像车道线检测结果，对获取的信息进行时间同步，并在确定原始点云对应的图像车道线检测结果中包含实际车道线的车道线信息的情况下，根据车道线信息进行车道线预测，得到预测车道线，对实际车道线和预测车道线进行离散，生成离散点对应的二维预瞄框，基于二维预瞄框对原始点云进行粗提取，得到第三点云，基于点云反射强度尖峰特征对第三点云进行精提取，得到车道线点云，根据原始点云的车道线点云和定位信息生成车道线点云地图。根据本实施，通过车道线预测扩大了车道线检测范围，通过粗提取和精提取的结合提高了检测到的车道线点云的准确性。线点云的准确性。线点云的准确性。

【技术实现步骤摘要】
车道线点云地图构建方法、装置、设备、存储介质及程序


[0001]本申请属于智能驾驶的感知
，尤其涉及一种车道线点云地图构建方法、装置、设备、存储介质及程序。

技术介绍

[0002]车道线检测是一种用于为智能驾驶提供车道边界的技术，通过车道线检测可确定车辆当前位置与周围车道的约束关系。现有的车道线检测技术一般是利用图像，以特征提取或者深度学习的方式检测车辆周围的车道线信息，或者利用激光雷达三维点云的反射强度提取车道线点云。
[0003]但是传统的基于图像或激光雷达点云的车道线检测方式，都存在检测精度较低的问题，而且基于图像的车道线检测往往依赖于单帧图像的感知范围，而基于激光雷达电源的车道线检测则依赖于单帧点云的感知范围，因此，两者还存在检测范围有限的问题。

技术实现思路

[0004]本申请实施例提供一种车道线点云地图构建方法、装置、设备、存储介质及程序，能够准确的实现车道线检测，并且可以扩大车道线检测范围。
[0005]第一方面，本申请实施例提供一种车道线点云地图构建方法，包括：
[0006]获取定位信息、激光雷达采集的至少一帧原始点云和图像车道线检测结果，
[0007]将定位信息、至少一帧原始点云和图像车道线检测结果进行时间同步，
[0008]针对每一帧原始点云，在时间同步完成，且对应的图像车道线检测结果中包含至少一条实际车道线的车道线信息的情况下，根据实际车道线的车道线信息进行车道线预测，得到预测车道线，
[0009]针对实际车道线和预测车道线中的每条车道线，对车道线进行离散化处理，得到车道线对应的离散点，
[0010]针对每个离散点，为离散点赋予二维预瞄框，
[0011]提取原始点云中位于二维预瞄框内的点云，得到第三点云，
[0012]根据点云反射强度尖峰特征对第三点云进行点云提取，得到原始点云中的车道线点云，
[0013]根据定位信息和至少一帧原始点云中的车道线点云生成对应的车道线点云地图。
[0014]作为一种可能的实现方式，提取原始点云中位于二维预瞄框内的点云，得到第三点云之前，方法还包括：
[0015]对原始点云进行点云分割，剔除原始点云中对应的位置坐标不符合预设第一坐标条件的点云，得到第一点云，
[0016]获取基于原始点云进行三维目标检测得到的三维目标检测结果，
[0017]根据三维目标检测结果剔除第一点云中的动态点云，得到第二点云，
[0018]提取原始点云中位于二维预瞄框内的点云，得到第三点云，包括：
[0019]提取第二点云中位于二维预瞄框内的点云，得到第三点云，
[0020]第一坐标条件包括：
[0021]x
min
≤x0≤x
max
[0022]y
min
≤y0≤y
max
[0023]z
min
≤z0≤z
max
[0024]式中，x
min
表示设置的激光雷达中心坐标系X轴的最小坐标值，x
max
表示设置的激光雷达中心坐标系X轴的最大坐标值，y
min
表示设置的激光雷达中心坐标系Y轴的最小坐标值，y
max
表示设置的激光雷达中心坐标系Y轴的最大坐标值，z
min
表示设置的激光雷达中心坐标系Z轴的最小坐标值，z
max
表示设置的激光雷达中心坐标系Z轴的最大坐标值，x0表示点云在激光雷达中心坐标系X轴的坐标值，y0表示点云在激光雷达中心坐标系Y轴的坐标值，z0表示点云在激光雷达中心坐标系Z轴的坐标值。
[0025]作为一种可能的实现方式，根据三维目标检测结果剔除第一点云中的动态点云，得到第二点云，包括：
[0026]三维目标检测结果包含三维检测框信息，三维检测框信息包括三维检测框对应的中心点三维坐标、姿态信息和尺寸信息，根据中心点三维坐标和姿态信息将第一点云的位置坐标变换到三维检测框的中心点坐标系下，
[0027]根据尺寸信息确定第二坐标条件，
[0028]将第一点云中，在三维检测框的中心点坐标系下的位置坐标满足第二坐标条件的点云剔除，得到第二点云，
[0029]其中，第二坐标条件如下所示：
[0030][0031][0032][0033]其中，L3表示尺寸信息中包含的三维检测框的长度，W3表示尺寸信息中包含的三维检测框的宽度，H3表示尺寸信息中包含的三维检测框的高度，表示三维检测框的中心点坐标系下的位置坐标中的X轴坐标值，表示三维检测框的中心点坐标系下的位置坐标中的Y轴坐标值，表示三维检测框的中心点坐标系下的位置坐标中的Z轴坐标值。
[0034]作为一种可能的实现方式，根据实际车道线的车道线信息进行车道线预测，得到预测车道线，包括：
[0035]根据车道线信息中包含的实际车道线在车辆后轴中心坐标系下对应的Y轴坐标值预测车道宽度，得到车道宽度预测值，
[0036]根据车道宽度预测值以及车道线信息中包含的实际车道线中距离车辆后轴中心最近的第一最近车道线点的位置坐标和实际车道线中距离车辆后轴中心最远的第一最远车道线点的位置坐标，确定预测车道线中距离车辆后轴中心最近的第二最近车道线点的位置坐标和预测车道线中距离车辆后轴中心最远的第二最远车道线点的位置坐标，
[0037]将车道线信息中包含的实际车道线的倾角确定为预测车道线的倾角，
[0038]将车道线信息中包含的实际车道线的线宽确定为预测车道线的线宽，
[0039]根据预测车道线的倾角确定预测车道线的拟合方程，
[0040]根据第二最近车道线点的位置坐标、第二最远车道线点的位置坐标、预测车道线的倾角、预测车道线的线宽和预测车道线的拟合方程绘制线，得到预测车道线。
[0041]作为一种可能的实现方式，根据车道宽度预测值以及车道线信息中包含的实际车道线中距离车辆后轴中心最近的第一最近车道线点的位置坐标和实际车道线中距离车辆后轴中心最远的第一最远车道线点的位置坐标，确定预测车道线中距离车辆后轴中心最近的第二最近车道线点的位置坐标和预测车道线中距离车辆后轴中心最远的第二最远车道线点的位置坐标，包括：
[0042]将第一最近车道线点的X轴坐标值，确定为第二最近车道线点的X轴坐标值，
[0043]根据第一最近车道线点的Y轴坐标值和车道宽度预测值，确定预测车道线中距离车辆后轴中心最近的第二最近车道线点的Y轴坐标值，
[0044]将第一最远车道线点的X轴坐标值，确定为第二最远车道线点的X轴坐标值，
[0045]根据第一最远车道线点的Y轴坐标值和车道宽度预测值，确定预测车道线中距离车辆后轴中心最近的第二最远车道线点的Y轴坐标值。
[0046]作为一种可能的实现方式，对车道线进行离散化处理，得到车道线对应的离散点，包括：
[0047]获取预设的第一比例值，
[0048本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车道线点云地图构建方法，其特征在于，包括：获取定位信息、激光雷达采集的至少一帧原始点云和图像车道线检测结果，将所述定位信息、至少一帧所述原始点云和所述图像车道线检测结果进行时间同步，针对每一帧所述原始点云，在时间同步完成，且对应的所述图像车道线检测结果中包含至少一条实际车道线的车道线信息的情况下，根据所述实际车道线的车道线信息进行车道线预测，得到预测车道线，针对所述实际车道线和所述预测车道线中的每条车道线，对所述车道线进行离散化处理，得到所述车道线对应的离散点，针对每个所述离散点，为所述离散点赋予二维预瞄框，提取所述原始点云中位于所述二维预瞄框内的点云，得到第三点云，根据点云反射强度尖峰特征对所述第三点云进行点云提取，得到所述原始点云中的车道线点云，根据所述定位信息和至少一帧所述原始点云中的车道线点云生成对应的车道线点云地图。2.根据权利要求1所述的方法，其特征在于，所述提取所述原始点云中位于所述二维预瞄框内的点云，得到第三点云之前，所述方法还包括：对所述原始点云进行点云分割，剔除所述原始点云中对应的位置坐标不符合预设第一坐标条件的点云，得到第一点云，获取基于所述原始点云进行三维目标检测得到的三维目标检测结果，根据所述三维目标检测结果剔除所述第一点云中的动态点云，得到第二点云，所述提取所述原始点云中位于所述二维预瞄框内的点云，得到第三点云，包括：提取所述第二点云中位于所述二维预瞄框内的点云，得到第三点云，所述第一坐标条件包括：x
min
≤x0≤x
max
y
min
≤y0≤y
max
Z
min
≤Z0≤Z
max
式中，x
min
表示设置的激光雷达中心坐标系X轴的最小坐标值，x
max
表示设置的激光雷达中心坐标系X轴的最大坐标值，y
min
表示设置的激光雷达中心坐标系Y轴的最小坐标值，y
max
表示设置的激光雷达中心坐标系Y轴的最大坐标值，z
min
表示设置的激光雷达中心坐标系Z轴的最小坐标值，z
max
表示设置的激光雷达中心坐标系Z轴的最大坐标值，x0表示点云在激光雷达中心坐标系X轴的坐标值，y0表示点云在激光雷达中心坐标系Y轴的坐标值，z0表示点云在激光雷达中心坐标系Z轴的坐标值。3.根据权利要求2所述的方法，其特征在于，所述根据所述三维目标检测结果剔除所述第一点云中的动态点云，得到第二点云，包括：所述三维目标检测结果包含三维检测框信息，所述三维检测框信息包括三维检测框对应的中心点三维坐标、姿态信息和尺寸信息，根据所述中心点三维坐标和所述姿态信息将所述第一点云的位置坐标变换到所述三维检测框的中心点坐标系下，根据所述尺寸信息确定第二坐标条件，将所述第一点云中，在所述三维检测框的中心点坐标系下的位置坐标满足所述第二坐
标条件的点云剔除，得到第二点云，其中，所述第二坐标条件如下所示：其中，所述第二坐标条件如下所示：其中，所述第二坐标条件如下所示：其中，L3表示所述尺寸信息中包含的所述三维检测框的长度，W3表示所述尺寸信息中包含的所述三维检测框的宽度，H3表示所述尺寸信息中包含的所述三维检测框的高度，表示所述三维检测框的中心点坐标系下的位置坐标中的X轴坐标值，表示所述三维检测框的中心点坐标系下的位置坐标中的Y轴坐标值，表示所述三维检测框的中心点坐标系下的位置坐标中的Z轴坐标值。4.根据权利要求2所述的方法，其特征在于，所述根据所述实际车道线的车道线信息进行车道线预测，得到预测车道线，包括：根据所述车道线信息中包含的所述实际车道线在车辆后轴中心坐标系下对应的Y轴坐标值预测车道宽度，得到车道宽度预测值，根据所述车道宽度预测值以及所述车道线信息中包含的所述实际车道线中距离车辆后轴中心最近的第一最近车道线点的位置坐标和所述实际车道线中距离车辆后轴中心最远的第一最远车道线点的位置坐标，确定预测车道线中距离车辆后轴中心最近的第二最近车道线点的位置坐标和所述预测车道线中距离车辆后轴中心最远的第二最远车道线点的位置坐标，将所述车道线信息中包含的所述实际车道线的倾角确定为所述预测车道线的倾角，将所述车道线信息中包含的所述实际车道线的线宽确定为所述预测车道线的线宽，根据所述预测车道线的倾角确定所述预测车道线的拟合方程，根据所述第二最近车道线点的位置坐标、所述第二最远车道线点的位置坐标、所述预测车道线的倾角、所述预测车道线的线宽和所述预测车道线的拟合方程绘制线，得到所述预测车道线。5.根据权利要求4所述的方法，其特征在于，所述根据所述车道宽度预测值以及所述车道线信息中包含的所述实际车道线中距离车辆后轴中心最近的第一最近车道线点的位置坐标和所述实际车道线中距离车辆后轴中心最远的第一最远车道线点的位置坐标，确定预测车道线中距离车辆后轴中心最近的第二最近车道线点的位置坐标和所述预测车道线中距离车辆后轴中心最远的第二最远车道线点的位置坐标，包括：将所述第一最近车道线点的X轴坐标值，确定为所述第二最近车道线点的X轴坐标值，根据所述第一最近车道线点的Y轴坐标值和所述车道宽度预测值，确定所述预测车道线中距离车辆后轴中心最近的第二最近车道线点的Y轴坐标值，将所述第一最远车道线点的X轴坐标值，确定为所述第二最远车道线点的X轴坐标值，根据所述第一最远车道线点的Y轴坐标值和所述车道宽度预测值，确定所述预测车道线中距离车辆后轴中心最近的第二最远车道线点的Y轴坐标值。
6.根据权利要求4...

【专利技术属性】
技术研发人员：黄文锦，
申请(专利权)人：上海涵润汽车电子有限公司，
类型：发明
国别省市：