【技术实现步骤摘要】
本专利技术涉及路沿检测，尤其涉及一种路沿检测方法及装置、计算机可读存储介质、终端。
技术介绍
1、在自动驾驶领域，经常需要对自动驾驶车辆的驾驶场景进行路沿检测。研究如何提高路沿检测结果的准确度，对于提升自动驾驶的安全性至关重要。
2、在现有技术中，主要基于激光雷达采集的场景点云进行路沿点提取或检测。具体而言，采用激光雷达针对自动驾驶车辆前方一定区域内的场景采集场景点云，然后通过分析路沿处点云的特征来提取路沿，或者借助大量标注数据集对神经网路模型进行训练，然后利用训练后的模型进行路沿提取或检测。虽然从场景点云中检测出的路沿通常有较高精度，但随着激光雷达与路沿之间距离的增加，路沿处的点云密度下降甚至降至不足以提取出路沿，使得检出的路沿距离有限。例如，对于32线激光雷达，检测出的路沿距离只能达到10～20米，而对于贴边作业的大型自动驾驶清扫车来说，期望获得40米内的实时路沿信息。
3、因此，单独依赖于激光雷达采集的场景点云获得的路沿检测结果的可用性不强。而相较于激光雷达的短距离检测缺陷，相机能够拍摄到更远距离的路沿情况，但由于本身的二维像素精度以及坐标系转换的精度损失，提取出的路沿点精度是不如激光雷达的。
4、由上，亟需一种路沿检测方法，可以联合激光雷达采集的场景点云和相机采集的场景图像进行高精度、远距离的路沿检测。
技术实现思路
1、本专利技术实施例解决的技术问题是如何通过联合激光雷达和相机实现高精度且远距离的路沿检测。
2、为解决上述技
3、可选的，在对每个候选聚类路沿点集对应的多组拟合结果进行有效性判断之前，所述方法还包括：对于每组拟合结果，采用x坐标目标偏移量和y坐标目标偏移量，对该组拟合结果所属的候选聚类路沿点集中的每个映射路沿点进行偏移，并采用偏移后的各映射路沿点更新该组拟合结果所属的候选聚类路沿点集。
4、可选的，每组拟合结果还包含所述x坐标目标偏移量以及所述y坐标目标偏移量；对每个候选聚类路沿点集执行的每次曲线拟合操作，包括：对该候选聚类路沿点集进行路沿点采样，得到对应的采样路沿点集；采用预设的曲线拟合表达式、x坐标偏移量参数以及y坐标偏移量参数，构建目标损失函数，其中所述曲线拟合表达式包含至少一项拟合参数；将所述采样路沿点集作为输入数据，并基于最优化算法，对所述曲线拟合表达式中的拟合参数的值、x坐标偏移量参数的值以及y坐标偏移量参数的值进行迭代优化，以最小化所述目标损失函数的函数值，直至达到预设的迭代终止条件时，确定所述拟合参数的最优值、x坐标偏移量参数的最优值以及y坐标偏移量参数的最优值；将所述拟合参数的最优值输入所述曲线拟合表达式，得到对应的单段路沿曲线，以及将所述x坐标偏移量参数的最优值和y坐标偏移量参数的最优值分别作为所述x坐标目标偏移量和y坐标目标偏移量。
5、可选的，采用下述表达式表示所述目标损失函数：
6、
7、其中，loss表示所述目标损失函数的函数值，picka表示所述采样路沿点集中的点云路沿点，pickb表示所述采样路沿点集中的映射路沿点，curve()表示所述曲线拟合表达式，pai′表示所述采样路沿点集中的第i个点云路沿点，pai′.y表示该第i个点云路沿点的实际y坐标，pai′.x表示该第i个点云路沿点的实际x坐标，curve(pai′.x)表示将该第i个点云路沿点的实际x坐标输入所述曲线拟合表达式得到的y坐标，pbj′表示所述采样路沿点集中的第j个映射路沿点，pbj′.y表示该第j个映射路沿点的实际y坐标，pbj′.x表示该第j个映射路沿点的实际x坐标，biasxj表示所述x坐标偏移量参数，biasyj表示所述y坐标偏移量参数，curve(pbj′.x+biasxj)表示采用所述x坐标偏移量参数对该第j个映射路沿点的实际x坐标进行偏移后的x坐标输入所述曲线拟合表达式得到的y坐标，n.picka表示所述采样路沿点集中的点云路沿点数量，n.pickb表示所述采样路沿点集中的映射路沿点数量，|x|表示对x取绝对值。
8、可选的，所述对每个候选聚类路沿点集对应的多组拟合结果进行有效性判断，包括：对每组拟合结果，确定该组拟合结果所属的候选聚类路沿点集中的各路沿点与该组拟合结果中的路沿曲线之间的第一距离；确定第一距离小于等于第一距离阈值的映射路沿点的数量和点云路沿点的数量，分别记为第一数量和第二数量；确定所述第一数量与该组拟合结果所属的候选聚类路沿点集中的路沿点总数之间的比值，记为第一比值，以及确定所述第二数量与所述路沿点总数之间的比值，记为第二比值；如果所述第一比值大于等于第一比例阈值，且所述第二比值大于等于第二比例阈值，则确认该组拟合结果有效。
9、可选的，所述从确认为有效的各组拟合结果中确定一组最佳拟合结果，包括：采用所述曲线拟合表达式、所述x坐标偏移量参数以及所述y坐标偏移量参数，构建评分函数；对于确认为有效的每组拟合结果，将该组拟合结果所属的更新前的候选聚类路沿点集作为输入数据，以及将拟合得到该组拟合结果中的路沿曲线的拟合参数的最优值、该组拟合结果中的所述x坐标目标偏移量、y坐标目标偏移量，分别作为所述评分函数各项参数的参数值，以得到该组拟合结果对应的评分值；将对应评分值最高的拟合结果，作为所述最佳拟合结果。
10、可选的，采用下述表达式表示所述评分函数：
11、
12、其中，score表示所述评分函数的函数值，即评分值，curbseta表示所述更新前的候选聚类路沿点集中的点云路沿点，curbsetb表示所述更新前的候选聚类路沿点集中的映射路沿点，curve()表示所述曲线拟合表达式，pai表示所述更新前的候选聚类路沿点集中的第i个点云路沿点，pai.y表示该第i个点云路沿点的实际y坐标，pai.x表示该第i个点云路沿点的实际x坐标，curve(pai.x)表示将该第i个点云路沿点的实际x坐标输入所述曲线拟合表达式得到的y坐标，ybj表示所述更新前的候选聚类路沿点集中的第j个映射路沿点，ybj.y表示该第j个映射路沿点的实际y坐标，ybj.x表示该第j个映射路沿点的实际x坐标，biasxj表示所述x本文档来自技高网...
【技术保护点】
1.一种路沿检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在对每个候选聚类路沿点集对应的多组拟合结果进行有效性判断之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，每组拟合结果还包含所述x坐标目标偏移量以及所述y坐标目标偏移量；
4.根据权利要求3所述的方法，其特征在于，采用下述表达式表示所述目标损失函数：
5.根据权利要求2或3所述的方法，其特征在于，所述对每个候选聚类路沿点集对应的多组拟合结果进行有效性判断，包括：
6.根据权利要求3所述的方法，其特征在于，所述从确认为有效的各组拟合结果中确定一组最佳拟合结果，包括：
7.根据权利要求6所述的方法，其特征在于，采用下述表达式表示所述评分函数：
8.根据权利要求1任一项所述的方法，其特征在于，所述至少基于各组最佳拟合结果及其各自所属的候选聚类路沿点集，确定路沿检测点集，包括：
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
10.根据权利要求8所述的方法，其特征在于，所
11.根据权利要求1所述的方法，其特征在于，所述选取至少一部分聚类路沿点集作为候选聚类路沿点集，包括：
12.根据权利要求1所述的方法，其特征在于，在对所述点云路沿点集和映射路沿点集进行聚类之前，所述方法还包括：
13.根据权利要求12所述的方法，其特征在于，在所述二维X-Y平面区域中确定多个二维点，包括：
14.根据权利要求1所述的方法，其特征在于，所述从相机采集的场景图像中提取图像路沿点集，包括：
15.根据权利要求1所述的方法，其特征在于，所述从激光雷达采集的场景点云中提取点云路沿点集，包括：
16.一种路沿检测装置，其特征在于，包括：
17.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1至15任一项所述路沿检测方法的步骤。
18.一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时执行权利要求1至15任一项所述路沿检测方法的步骤。
...【技术特征摘要】
1.一种路沿检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在对每个候选聚类路沿点集对应的多组拟合结果进行有效性判断之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，每组拟合结果还包含所述x坐标目标偏移量以及所述y坐标目标偏移量；
4.根据权利要求3所述的方法，其特征在于，采用下述表达式表示所述目标损失函数：
5.根据权利要求2或3所述的方法，其特征在于，所述对每个候选聚类路沿点集对应的多组拟合结果进行有效性判断，包括：
6.根据权利要求3所述的方法，其特征在于，所述从确认为有效的各组拟合结果中确定一组最佳拟合结果，包括：
7.根据权利要求6所述的方法，其特征在于，采用下述表达式表示所述评分函数：
8.根据权利要求1任一项所述的方法，其特征在于，所述至少基于各组最佳拟合结果及其各自所属的候选聚类路沿点集，确定路沿检测点集，包括：
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
10.根据权利要求8所述的方法，其特征在于，...
【专利技术属性】
技术研发人员：黄超，袁梓峰，姚为龙，
申请(专利权)人：上海仙途智能科技有限公司，
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。