【技术实现步骤摘要】
本申请涉及无人驾驶，具体而言，涉及一种路沿标注方法、车载设备、存储介质及车辆。
技术介绍
1、在无人驾驶领域中，路沿检测是一个重要的技术，其目的是识别无人驾驶车辆所在车道的边缘，以确保路径规划的准确性。在实际应用中，由于各种原因，如车道线模糊或不存在，以及环境光照、路面条件等因素的影响，路沿检测成为了一种新的检测范式，提高了无人驾驶车辆的能力边界。
2、在路沿检测模型中，数据尤为重要，如何产生大量的高精路沿数据成为路沿检测中的关键点。当前路沿数据主要是通过点云拼接和地图标注员进行手动标注的方式产生，这种标注方式不仅标注效率低，且标注成本高，在标注的过程中也可能会出现人为的错误和不准确，从而导致训练出来的路沿检测模型存在场景泛化性低的问题。
技术实现思路
1、本申请主要提供一种路沿标注方法、车载设备、存储介质及车辆，以解决通过人工标注路沿，所带来的标注成本高，标注速度慢，且训练得到的模型的场景泛化性低的问题。
2、为解决上述技术问题，本申请采用的一个技术方案是：提供一种路沿标注方法。该方法包括：持续获取同一场景下预设时长内车辆行驶过程中采集的多帧目标点云数据；将该目标点云数据拼接到全局坐标系下，以得到全局点云数据；对该全局点云数据进行筛选，得到与路沿对应的非地面点；将所有非地面点在全局坐标系下进行堆叠，并基于车辆移动轨迹，生成车辆对应两侧的路沿。
3、在上述实现过程中，通过持续获取车辆在同一场景下采集的目标点云数据，解决了由于路边障碍物遮挡导致的路
4、在一些实施例中，所述将所有所述非地面点在全局坐标系下进行堆叠，并基于车辆移动轨迹，生成车辆对应两侧的路沿，包括：根据所述车辆的移动轨迹，从堆叠的所述非地面点中选取路沿连接点；基于所述路沿连接点，生成车辆对应两侧的路沿。
5、在上述实现过程中，通过车辆的移动轨迹，从车辆两侧堆叠在一起的非地面点中选取出路沿连接点，并根据路沿连接点，生成车辆对应两侧的路沿；这样做，可以从非地面点中选取出最符合车辆行驶轨迹的路沿连接点，提高了路沿生成的准确性。
6、在一些实施例中，所述根据所述车辆的移动轨迹，从堆叠的所述非地面点中选取路沿连接点，包括：获取车辆在预设时长内不同时刻的位姿信息，根据所述位姿信息，生成车辆移动轨迹线；计算所述非地面点到所述车辆移动轨迹线的垂直距离，将所述垂直距离小于预设偏差范围内的所述非地面点划分至同一路沿点集；根据所述车辆在预设时长内不同时刻的所述位姿信息，对所述车辆两侧的路沿点集进行聚类，生成路沿连接点。
7、在上述实现过程中，通过获取车辆在预设时长内不同时刻的位姿信息，得到车辆移动轨迹线；计算各非地面点到该车辆移动轨迹线的垂直距离，得到路沿点集；对车辆两侧的路沿点集进行聚类，得到车辆对应两侧的路沿，实现了对路沿连接点的自动标注，降低了标注成本，同时提高了标注效率。
8、在一些实施例中，所述将所述目标点云数据拼接到全局坐标系下，以得到全局点云数据，包括：获取与各所述目标点云数据对应的车辆位姿信息，基于所述车辆位姿信息将各所述目标点云数据进行坐标系变换，以对齐到全局坐标系下，得到全局点云数据。
9、在上述实现过程中，通过目标点云数据对应的车辆位姿信息，将不同帧采集的点云数据转化到同一个全局坐标系下，得到全局点云数据；这样做可以确保数据的统一性和规范性，避免因坐标系不同而导致的数据混乱，也有利于后续对非地面点的选取。
10、在一些实施例中，所述对所述全局点云数据进行筛选，得到非地面点，包括：滤除所述全局点云数据中处于预设范围之外的点云数据，以得到标准点云数据；将所述标准点云数据输入至点云分割模型，以去除其中属于动态障碍物类别的点云点，得到当前点云数据；采用地面拟合算法计算出所述当前点云数据的地平面，并基于所述地平面得到非地面点。
11、在上述实现过程中，通过过滤处于预设范围之外的点云数据，得到标准点云数据，可以降低后续处理的复杂性和计算量；通过点云分割模型去除标准点数据中为动态障碍物类别的点云点，有利于后续对非地面点的筛选处理；通过地面拟合算法计算出当前点云数据中的地平面，可以提取出当前点云数据中的非地面点，提高了后续生成路沿线的准确性。
12、在一些实施例中，所述将所述标准点云数据输入至点云分割模型，以去除其中属于动态障碍物类别的点云点，得到当前点云数据，包括：获取所述标准点云数据中点云点的类别，并去除其中为动态障碍物类别的所述点云点；其中所述点云分割模型由点云分割数据集训练而成，所述点云分割数据集包含多个动态障碍物类别的点云数据。
13、在上述实现过程中，通过点云分割模型可以快速地分割出标准点云数据中属于动态障碍物类别的点云点，减少了后续筛选非地面点的计算复杂性，提高了点云数据的处理效率。
14、在一些实施例中，所述采用地面拟合算法计算出所述当前点云数据的非地面点，包括：选取所述当前点云数据中z坐标值小于第一预设高度阈值的点云数据作为第一点云数据；在所述第一点云数据中随机选取三个点，进行平面拟合，得到第一地平面；计算所述第一点云数据中点云点到所述第一地平面的高度距离，将所述高度距离不大于第二预设高度阈值的点云点作为内点，其中所述第一预设高度阈值大于所述第二预设高度阈值；在预设迭代次数下，重复执行获取第一地平面和内点的步骤，并从中选取包含内点数量最多的所述第一地平面；采用最小二乘法对所述第一地平面中对应的内点进行平面拟合，得到第二地平面；计算所述第一点云数据到所述第二地平面的高度距离，将所述高度距离大于所述第二预设高度阈值的点云点作为非地面点。
15、在上述实现过程中，首先对离地面过远的点云点进行过滤，减少了计算的复杂程度和计算时间，同时采用随机抽样一致算法计算得到第一地平面和对应的内点，对其中对应数量最多的内点进行最小二乘，得到第二地平面，并计算当前点云数据中所有点云点到第二地平面的高度距离，将大于预设高度阈值的点云点作为非地面点；这样做，提高了地平面拟合的精度，从而可以更准确地筛选出非地面点。
16、为解决上述技术问题，本申请采用的另一个技术方案是：提供一种存储介质，该存储介质上存储有程序数据，其特征在于，所述程序数据被处理器执行时实现如上述路沿标注方法的步骤。
17、该存储介质的有益效果可以参考上述路沿标注方法的介绍，在此不再赘述。
18、为解决上述技术本文档来自技高网...
【技术保护点】
1.一种路沿标注方法，其特征在于，包括：
2.根据权利要求1所述的路沿标注方法，其特征在于，所述将所有所述非地面点在全局坐标系下进行堆叠，并基于车辆移动轨迹，生成车辆对应两侧的路沿，包括：
3.根据权利要求2所述的路沿标注方法，其特征在于，所述根据所述车辆的移动轨迹，从堆叠的所述非地面点中选取路沿连接点，包括：
4.根据权利要求1所述的路沿标注方法，其特征在于，所述将所述目标点云数据拼接到全局坐标系下，以得到全局点云数据，包括：
5.根据权利要求1所述的路沿标注方法，其特征在于，所述对所述全局点云数据进行筛选，得到非地面点，包括：
6.根据权利要求5所述的路沿标注方法，其特征在于，所述将所述标准点云数据输入至点云分割模型，以去除其中属于动态障碍物类别的点云点，得到当前点云数据，包括：
7.根据权利要求5所述的路沿标注方法，其特征在于，所述采用地面拟合算法计算出所述当前点云数据的非地面点，包括：
8.一种存储介质，其上存储有程序数据，其特征在于，所述程序数据被处理器执行时实现如权利要求1-7中任一项
9.一种车载设备，其特征在于，包括处理器以及与所述处理器耦接的存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，以实现如权利要求1-7中任一项所述路沿标注方法的步骤。
10.一种车辆，其特征在于，所述车辆包括如权利要求8所述的存储介质或如权利要求9所述的车载设备。
...【技术特征摘要】
1.一种路沿标注方法，其特征在于，包括：
2.根据权利要求1所述的路沿标注方法，其特征在于，所述将所有所述非地面点在全局坐标系下进行堆叠，并基于车辆移动轨迹，生成车辆对应两侧的路沿，包括：
3.根据权利要求2所述的路沿标注方法，其特征在于，所述根据所述车辆的移动轨迹，从堆叠的所述非地面点中选取路沿连接点，包括：
4.根据权利要求1所述的路沿标注方法，其特征在于，所述将所述目标点云数据拼接到全局坐标系下，以得到全局点云数据，包括：
5.根据权利要求1所述的路沿标注方法，其特征在于，所述对所述全局点云数据进行筛选，得到非地面点，包括：
6.根据权利要求5所述的路沿标注方法，其特征在于，所述将所述标准点云...
【专利技术属性】
技术研发人员：程宏宽，
申请(专利权)人：深圳元戎启行科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。