【技术实现步骤摘要】
本专利技术涉及智能驾驶，尤其涉及一种地图路沿变化检测方法及装置、计算机可读存储介质、终端。
技术介绍
1、无人驾驶环卫是利用无人驾驶环卫车辆替代传统有人驾驶的环卫车辆，在普通地面道路、街道等开放道路及园区、公园、学校等封闭道路实现道路清洁等环卫工作，能够有效解决环卫行业现存的人力成本高、安全性差、效率低等痛点。
2、对无人驾驶环卫而言，沿着道路边界(简称路沿)进行贴边清扫是一种高效便捷的清扫模式，它需要预先建立路沿的地图，并基于路沿地图进行路径规划。但是环境的变化可能导致道路边界地图过时，使得预先规划的清扫路径失效。因此需要对当前地图的可用性做出实时检测，帮助无人驾驶环卫车辆做出更精准的决策。
3、地图变化检测的常见方法包括，直接比较观测地图，构建描述子比较和深度学习等。惯常步骤为获取点云，提取特征，计算特征到地图的距离。但现有大部分相关的方案通常针对的是整体的点云地图进行变化检测，而非针对高精度地图中的路沿地图进行检测。而路沿通常只占整体地图的一小部分，由于路沿体积有限，不容易对整体点云地图的变化指标产生影响，因此现有的地图变化检测技术很难精确发现路沿的位置变化。并且，对于重点关注路沿变化的场景中，每次都对地图上的所有内容进行整体计算的开销也比较高昂，效率低下。
4、因此，亟需一种地图路沿变化检测方法，可以准确、快速地判断出当前路沿是否有发生变化。
技术实现思路
1、本专利技术解决的技术问题是如何准确、快速的检测地图路沿的变化。
2
3、可选的，所述获取当前时刻的输入数据包括：接收至少一个数据源的原始数据以及每一所述原始数据的时间戳，所述原始数据至少包括定位数据和激光点云数据；根据所述时间戳对齐不同数据源的所述原始数据；根据对齐后的所述定位数据映射得到当前时刻在全局地图中的定位位姿，根据所述定位位姿以及对所述激光点云数据的语义分割结果，从所述激光点云数据中提取得到当前时刻的所述输入数据。
4、可选的，所述数据源包括设置于无人驾驶车辆的传感器。
5、可选的，所述基于所述输入数据更新历史局部地图中的至少一个第一体素，得到当前时刻的实时局部地图包括：基于所述输入数据在二维平面上投影得到当前点云帧，其中，所述当前点云帧包含多个第二体素；对于所述历史局部地图中与所述多个第二体素均不重叠的第一体素，将所述第一体素的引用计数减一，其中，所述引用计数用于表征所述第一体素历史上出现的次数；根据所述第一体素的引用计数判断是否舍弃所述第一体素；在所述历史局部地图中，删除判断结果为舍弃的第一体素，并添加所述多个第二体素中与判断结果为保留的第一体素不重叠的第二体素，得到所述当前时刻的实时局部地图，并且，所述当前时刻的实时局部地图中新添加的第二体素以及保留且与所述第二体素重叠的第一体素的引用计数加一。
6、可选的，所述历史局部地图和/或所述实时局部地图通过哈希的形式存储。
7、可选的，在对于所述j个路沿点中的每一路沿点，计算所述路沿点到对应的地图点的距离之前，所述方法还包括：对所述实时局部地图中的路沿点进行密度聚类，得到m个聚类簇，m为正整数，所述聚类簇包括至少一个路沿点；对所述m个聚类簇进行滤波处理以得到所述j个路沿点。
8、可选的，所述实时局部地图中的路沿点进行密度聚类包括：对所述实时局部地图中的路沿点进行密度聚类，得到至少一个候选聚类簇；对于所述至少一个候选聚类簇中的每一聚类簇，判断是否存在与所述候选聚类簇邻接的历史聚类簇，其中，所述历史聚类簇基于上一时刻的实时局部地图密度聚类得到；若判断结果表明存在与所述候选聚类簇邻接的历史聚类簇，则将所述候选聚类簇合并至邻接的所述历史聚类簇，得到更新的聚类簇；若判断结果表明不存在与所述候选聚类簇邻接的历史聚类簇，则将所述候选聚类簇确定为独立的聚类簇；汇总所述更新的聚类簇和所述独立的聚类簇，得到所述m个聚类簇。
9、可选的，所述对所述m个聚类簇进行滤波处理以得到所述j个路沿点包括：对于所述m个聚类簇中的每一聚类簇，基于预设直线模型从所述聚类簇中识别外点并剔除，得到处理后的聚类簇；根据周围道路点数量剔除m个处理后的聚类簇中的伪聚类簇，并基于剔除后剩余的聚类簇得到所述j个路沿点。
10、可选的，所述基于预设直线模型从所述聚类簇中识别外点并剔除包括：步骤s1，采用预设直线模型提取所述聚类簇中的直线；步骤s2，计算所述聚类簇中每一路沿点到所述直线的距离；步骤s3，若所述路沿点的所述距离小于第二预设阈值，则标记所述路沿点为外点并剔除。
11、可选的，所述基于预设直线模型从所述聚类簇中识别外点并剔除，得到处理后的聚类簇包括：重复执行步骤s1至步骤s3，直至所述聚类簇中剔除后剩余的路沿点数量小于第三预设阈值或者直线提取失败的次数达到第四预设阈值，得到所述处理后的聚类簇。
12、可选的，所述预设直线模型为ransac模型。
13、可选的，所述根据周围道路点数量剔除m个处理后的聚类簇中的伪聚类簇包括：对于所述m个处理后的聚类簇中的每一处理后的聚类簇，在所述实时局部地图上进行模糊搜索，以确定所述处理后的聚类簇中各路沿点周围预设区域内道路点的个数，其中，所述实时局部地图包括多个道路点；对于所述处理后的聚类簇中的每一路沿点，若所述路沿点周围预设区域内所述道路点的个数超过第五预设阈值，则确定所述路沿点为目标路沿点；计算所述处理后的聚类簇中所述目标路沿点占所有路沿点的比例；若所述比例小于预设比例，则将所述处理后的聚类簇确定为伪聚类簇并剔除。
14、可选的，所述基于所述j个路沿点到各自对应的地图点的距离，确定所述实时路沿和所述地图路沿的偏离度包括：分别计算所述j个路沿点中的每个路沿点到各自对应的地图点的距离；计算j个所述距离的最大值、中值或平均值中的一个，得到计算结果；基于所述计算结果，确定所述实时路沿和所述地图路沿的偏离度。
15、可选的，所述路沿点到对应的地图点的距离采用分布到分布的距离表征。
16、可选的，所述方法还包括：持续检测所述地图路沿变化事件的触发数量；若所述触发数量在一段时间内累计超过预设数量值，发送本文档来自技高网...
【技术保护点】
1.一种地图路沿变化检测方法，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，所述获取当前时刻的输入数据包括：
3.根据权利要求2所述的方法，其特征在于，所述数据源包括设置于无人驾驶车辆的传感器。
4.根据权利要求1所述的方法，其特征在于，所述基于所述输入数据更新历史局部地图中的至少一个第一体素，得到当前时刻的实时局部地图包括：基于所述输入数据在二维平面上投影得到当前点云帧，其中，所述当前点云帧包含多个第二体素；
5.根据权利要求1所述的方法，其特征在于，所述历史局部地图和/或所述实时局部地图通过哈希的形式存储。
6.根据权利要求1所述的方法，其特征在于，在对于所述j个路沿点中的每一路沿点，计算所述路沿点到对应的地图点的距离之前，所述方法还包括：对所述实时局部地图中的路沿点进行密度聚类，得到m个聚类簇，m为正整数，所述聚类簇包括至少一个路沿点；
7.根据权利要求6所述的方法，其特征在于，所述实时局部地图中的路沿点进行密度聚类包括：
8.根据权利要求6所述的方法，其特征在于，所述对所述
9.根据权利要求8所述的方法，其特征在于，所述基于预设直线模型从所述聚类簇中识别外点并剔除包括：
10.根据权利要求9所述的方法，其特征在于，所述基于预设直线模型从所述聚类簇中识别外点并剔除，得到处理后的聚类簇包括：
11.根据权利要求8所述的方法，其特征在于，所述预设直线模型为RANSAC模型。
12.根据权利要求8所述的方法，其特征在于，所述根据周围道路点数量剔除m个处理后的聚类簇中的伪聚类簇包括：
13.根据权利要求1所述的方法，其特征在于，所述基于所述j个路沿点到各自对应的地图点的距离，确定所述实时路沿和所述地图路沿的偏离度包括：分别计算所述j个路沿点中的每个路沿点到各自对应的地图点的距离；
14.根据权利要求1所述的方法，其特征在于，所述路沿点到对应的地图点的距离采用分布到分布的距离表征。
15.根据权利要求1所述的方法，其特征在于，所述方法还包括：
16.一种地图路沿变化检测装置，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任一项所述地图路沿变化检测方法的步骤。
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任一项所述地图路沿变化检测方法的步骤。
...【技术特征摘要】
1.一种地图路沿变化检测方法，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，所述获取当前时刻的输入数据包括：
3.根据权利要求2所述的方法，其特征在于，所述数据源包括设置于无人驾驶车辆的传感器。
4.根据权利要求1所述的方法，其特征在于，所述基于所述输入数据更新历史局部地图中的至少一个第一体素，得到当前时刻的实时局部地图包括：基于所述输入数据在二维平面上投影得到当前点云帧，其中，所述当前点云帧包含多个第二体素；
5.根据权利要求1所述的方法，其特征在于，所述历史局部地图和/或所述实时局部地图通过哈希的形式存储。
6.根据权利要求1所述的方法，其特征在于，在对于所述j个路沿点中的每一路沿点，计算所述路沿点到对应的地图点的距离之前，所述方法还包括：对所述实时局部地图中的路沿点进行密度聚类，得到m个聚类簇，m为正整数，所述聚类簇包括至少一个路沿点；
7.根据权利要求6所述的方法，其特征在于，所述实时局部地图中的路沿点进行密度聚类包括：
8.根据权利要求6所述的方法，其特征在于，所述对所述m个聚类簇进行滤波处理以得到所述j个路沿点包括：
9.根据权利要求8所述的方法，其特征在于，所述基于预设直线模型从所述聚类簇中识别外点并剔除包括：
...
【专利技术属性】
技术研发人员：黄超，孟泽楠，谢宇辉，
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。