【技术实现步骤摘要】
本申请涉及自动驾驶领域，具体而言，涉及一种基于静态点云图的可行使区域检测方法、装置、存储介质与车辆。
技术介绍
1、在目前的自动驾驶以及辅助驾驶领域，基于相机和/或雷达的点云数据进行车辆的可行驶区域的提取，一般是采用图1示出的方案，主要包括如下步骤：
2、s1：采集点云数据并有序化；
3、s2：分割地面点云；
4、s3：拟合左右道路边界；
5、s4：寻找并替代最危险点形成初期安全行驶区域；
6、s5：最危险点聚类；
7、s6：形成安全行驶区域。
8、图1示出的方案具有如下不足：
9、1)只有在理想条件下才能提取出完整的车道线，而点云数据不可避免的有噪点等情况，识别精度不高；
10、2)无法进行精细分类，很难提取出完整平滑的边缘，后处理较困难；
11、3)道路的高度在不同区域不一致，相应的阈值想要提前设定好极其困难，泛化性差。
技术实现思路
1、本申请的主要目的在于提供一种基于静态点云图的可行使区域检测方法、装置、存储介质与车辆，以至少解决现有技术中的基于点云数据的可行驶区域检测方案识别精度较低的问题。
2、为了实现上述目的，根据本申请的一个方面，提供了一种基于静态点云图的可行使区域检测方法，包括：获取预设区域内的第一静态点云图，且依据行驶轨迹将所述第一静态点云图均分为大小相等的多份第一子静态点云图；构建基于transformer的深度学习模型，其中，所
3、可选地，在将多份所述第二子静态点云图输入至所述深度学习模型中进行处理，得到所述待检测区域的初始可行使区域之后，所述方法还包括：采用球形碰撞算法对所述初始可行使区域进行扩展，得到中间态可行使区域；其中，采用球形碰撞算法对所述初始可行使区域进行扩展，得到中间态可行使区域包括：控制一球体从所述初始可行使区域向不可行驶区域运动，且检测所述球体是否在所述不可行驶区域内碰触到点云，将所述不可行驶区域内未碰触到点云的区域划归至所述初始可行使区域，得到所述中间态可行使区域。
4、可选地，在将多份所述第二子静态点云图输入至所述深度学习模型中进行处理，得到所述待检测区域的初始可行使区域之后，所述方法还包括：确定所述初始可行使区域内是否存在面积小于预设面积的不可行驶区域；若存在面积小于所述预设面积的所述不可行驶区域，将所述不可行驶区域划归至所述初始可行使区域，得到中间态可行使区域。
5、可选地，在将所述不可行驶区域内未碰触到点云的区域划归至所述初始可行使区域，得到所述中间态可行使区域之后，所述方法还包括：获取所述待检测区域的人工标注可行使区域；对比所述人工标注可行使区域与所述中间态可行使区域，得到比对结果；在所述比对结果指示第一目标栅格区域包括在所述中间态可行使区域中，且不包括在所述人工标注可行使区域中的情况下，确定所述第一目标栅格区域是可信区域，将所述第一目标栅格区域隶属于最终可行使区域；在所述比对结果指示第二目标栅格区域不包括在所述中间态可行使区域中，且包括在所述人工标注可行使区域中的情况下，确定所述第二目标栅格区域是不可信区域，将所述第二目标栅格区域排除在所述最终可行使区域之外。
6、可选地，获取预设区域内的第一静态点云图，包括：获取所述预设区域内的多份原始点云数据，且将各所述原始点云数据处理为点云强度数据和点云梯度数据；基于时间信息以及位置信息将多份所述点云强度数据进行拼接、将多份所述点云梯度数据进行拼接、将多份所述点云强度数据以及所述点云梯度数据进行拼接和融合，得到所述预设区域内的第一静态点云图。
7、可选地，获取预设区域内的多份原始点云数据，包括：控制采集设备在所述预设区域内往复进行多次循轨迹采集，以获取预设区域内的多份所述原始点云数据，其中，同一位置处获取得到多份所述原始点云数据。
8、可选地，所述深度学习模型选用的损失函数且dice loss损失函数。
9、根据本申请的另一方面，提供了一种基于静态点云图的可行使区域检测装置，包括：第一获取单元，用于获取预设区域内的第一静态点云图，且依据行驶轨迹将所述第一静态点云图均分为大小相等的多份第一子静态点云图；构建单元，用于构建基于transformer的深度学习模型，其中，所述深度学习模型是采用多组数据训练得到的，其中，每一组数据包括所述预设区域内的所述第一子静态点云图以及与所述第一子静态点云图对应的可行驶区域，其中，transformer融合了注意力机制；获取处理单元，用于获取待检测区域的第二静态点云图，且依据行驶轨迹将所述第二静态点云图均分为大小相等的多份第二子静态点云图，且将多份所述第二子静态点云图输入至所述深度学习模型中进行处理，得到所述待检测区域的初始可行使区域。
10、根据本申请的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行任意一种所述的基于静态点云图的可行使区域检测方法。
11、根据本申请的另一方面，提供了一种车辆，包括运算器，所述运算器用于执行任意一种所述的基于静态点云图的可行使区域检测方法。
12、应用本申请的技术方案，通过获取预设区域内的第一静态点云图，且依据行驶轨迹将第一静态点云图均分为大小相等的多份第一子静态点云图，构建基于transformer的深度学习模型，其中，深度学习模型是采用多组数据训练得到的，获取待检测区域的第二静态点云图，且依据行驶轨迹将第二静态点云图均分为大小相等的多份第二子静态点云图，且将多份第二子静态点云图输入至深度学习模型中进行处理，得到待检测区域的初始可行使区域。由于应用了基于transformer的深度学习模型的优势以及静态点云图，保证了确定得到的初始可行使区域的准确性。
本文档来自技高网...【技术保护点】
1.一种基于静态点云图的可行使区域检测方法，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，在将多份所述第二子静态点云图输入至所述深度学习模型中进行处理，得到所述待检测区域的初始可行使区域之后，所述方法还包括：
3.根据权利要求1或2所述的方法，其特征在于，在将多份所述第二子静态点云图输入至所述深度学习模型中进行处理，得到所述待检测区域的初始可行使区域之后，所述方法还包括：
4.根据权利要求2所述的方法，其特征在于，在将所述不可行驶区域内未碰触到点云的区域划归至所述初始可行使区域，得到所述中间态可行使区域之后，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，获取预设区域内的第一静态点云图，包括：
6.根据权利要求5所述的方法，其特征在于，获取预设区域内的多份原始点云数据，包括：
7.根据权利要求1或2所述的方法，其特征在于，所述深度学习模型选用的损失函数且Dice Loss损失函数。
8.一种基于静态点云图的可行使区域检测装置，其特征在于，包括：
9.一种计算
10.一种车辆，其特征在于，包括运算器，所述运算器用于执行权利要求1至7中任意一项所述的基于静态点云图的可行使区域检测方法。
...【技术特征摘要】
1.一种基于静态点云图的可行使区域检测方法，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，在将多份所述第二子静态点云图输入至所述深度学习模型中进行处理，得到所述待检测区域的初始可行使区域之后，所述方法还包括：
3.根据权利要求1或2所述的方法，其特征在于，在将多份所述第二子静态点云图输入至所述深度学习模型中进行处理，得到所述待检测区域的初始可行使区域之后，所述方法还包括：
4.根据权利要求2所述的方法，其特征在于，在将所述不可行驶区域内未碰触到点云的区域划归至所述初始可行使区域，得到所述中间态可行使区域之后，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，获取预设区域内的第一静态...
【专利技术属性】
技术研发人员：张家璇，
申请(专利权)人：北京小马易行科技有限公司，
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。