CN112069899A - 一种路肩检测方法、装置及存储介质 - Google Patents
一种路肩检测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN112069899A CN112069899A CN202010776565.4A CN202010776565A CN112069899A CN 112069899 A CN112069899 A CN 112069899A CN 202010776565 A CN202010776565 A CN 202010776565A CN 112069899 A CN112069899 A CN 112069899A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- data
- detected
- single line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000015654 memory Effects 0.000 claims description 27
- 230000010354 integration Effects 0.000 claims description 13
- 230000008030 elimination Effects 0.000 claims description 6
- 238000003379 elimination reaction Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/05—Type of road, e.g. motorways, local streets, paved or unpaved roads
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种路肩检测方法、装置及存储介质,涉及图像处理技术领域,用以提供一种路肩检测的合理方法。该方法包括:获取待检测点云数据;对所述待检测点云数据进行数据分类,得到至少两组单线数据;其中,所述单线数据由多个点云数据组成;分别对每组单线数据进行去噪处理,并将去噪后的各组单线数据进行数据整合;对整合后的点云数据进行曲线拟合,得到路肩曲线。这样,通过对点云数据的提取和拟合,最终提供了一种路肩检测的方法,且通过该方式获取的路肩数据,准确度高,可以在自动驾驶时实时的检测路肩曲线,从而得到道路的形状,为自动驾驶规划行进路线。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种路肩检测方法、装置及存储介质。
背景技术
随着人工智能的不断深入发展,针对自动驾驶的研究越来越深入,自动驾驶不仅可以避免驾驶出行的安全隐患,也可以为用户规划合理的出行路线,给人们的生活带来便捷的服务。
然而,现有技术关于自动驾驶的研究尚未成熟,没有针对路肩检测的合理方法,因此不能在自动驾驶场景下规划合理的行进路线。
发明内容
本申请实施例提供一种路肩检测方法、装置及存储介质,用以解决现有技术中没有针对路肩检测的合理方法,因此不能在自动驾驶场景下规划合理的行进路线的问题。
第一方面,本申请实施例提供一种路肩检测方法,该方法包括:
获取待检测点云数据;
对所述待检测点云数据进行数据分类,得到至少两组单线数据;其中,所述单线数据由多个点云数据组成;
分别对每组单线数据进行去噪处理,并将去噪后的各组单线数据进行数据整合;
对整合后的点云数据进行曲线拟合,得到路肩曲线。
在一种可能的实施方式中,所述获取待检测点云数据,包括:
通过激光雷达获取原始点云数据;
对所述原始点云数据进行检测,确定所述原始点云数据中的路面点云数据;
根据所述路面点云数据确定路面高度,并将高于所述路面高度第一预设高度内的原始点云数据作为所述待检测点云数据。
在一种可能的实施方式中,通过下列方法获取单线数据:
根据所述待检测点云数据的标识,对标识相同的所述待检测点云数据进行分组;
将分组内的各待检测点云数据满足预设条件的分组作为单线数据。
在一种可能的实施方式中,分别对每组单线数据进行去噪处理,包括:
针对每组单线数据,将该组单线数据内高于最小待检测点云数据第二预设高度的待检测点云数据剔除;其中,所述最小待检测点云数据为该组单线数据内高度值最小的待检测点云数据;和/或;
针对每组单线数据,将满足剔除条件的中心待检测点云数据剔除;其中,所述剔除条件为以所述中心待检测点云数据为中心,预设距离为半径所形成的范围内的待检测点云数据的数量小于预设数量。
在一种可能的实施方式中,所述对整合后的点云数据进行曲线拟合,得到路肩曲线,包括:
将所述整合后的点云数据分为多个部分;
针对任意一部分点云数据,对该部分点云数据进行直线拟合,得到该部分点云数据的拟合线段;
对各部分点云数据的拟合线段进行拟合,得到路肩曲线。
第二方面,本申请实施例提供一种路肩检测装置,该装置包括:
获取模块,用于获取待检测点云数据;
分类模块,用于对所述待检测点云数据进行数据分类,得到至少两组单线数据;其中,所述单线数据由多个点云数据组成;
整合模块,用于分别对每组单线数据进行去噪处理,并将去噪后的各组单线数据进行数据整合;
拟合模块,用于对整合后的点云数据进行曲线拟合,得到路肩曲线。
在一种可能的实施方式中,获取模块包括:
获取原始点云数据单元,用于通过激光雷达获取原始点云数据;
确定路面点云数据单元,用于对所述原始点云数据进行检测,确定所述原始点云数据中的路面点云数据;
确定待检测点云数据单元,用于根据所述路面点云数据确定路面高度,并将高于所述路面高度第一预设高度内的原始点云数据作为所述待检测点云数据。
在一种可能的实施方式中,通过下列装置获取单线数据:
分组模块,用于根据所述待检测点云数据的标识,对标识相同的所述待检测点云数据进行分组;
确定单线数据,用于将分组内的各待检测点云数据满足预设条件的分组作为单线数据。
在一种可能的实施方式中,整合模块包括:
第一剔除单元,用于针对每组单线数据,将该组单线数据内高于最小待检测点云数据第二预设高度的待检测点云数据剔除;其中,所述最小待检测点云数据为该组单线数据内高度值最小的待检测点云数据;
第二剔除单元,用于针对每组单线数据,将满足剔除条件的中心待检测点云数据剔除;其中,所述剔除条件为以所述中心待检测点云数据为中心,预设距离为半径所形成的范围内的待检测点云数据的数量小于预设数量。
在一种可能的实施方式中,拟合模块包括:
划分单元,用于将所述整合后的点云数据分为多个部分;
第一拟合单元,用于针对任意一部分点云数据,对该部分点云数据进行直线拟合,得到该部分点云数据的拟合线段;
第二拟合单元,用于对各部分点云数据的拟合线段进行拟合,得到路肩曲线。
第三方面,本申请实施例提供一种计算装置,包括至少一个处理单元、以及至少一个存储单元,其中,存储单元存储有计算机程序,当程序被处理单元执行时,使得处理单元执行上述任意一种游戏协议测试方法的步骤。
在一个实施例中,计算装置可以使服务器,也可以是终端设备。
第四方面,本申请实施例提供一种计算机可读介质,其存储有可由终端设备执行的计算机程序,当程序在终端设备上运行时,使得终端设备执行上述任意一种游戏协议测试方法的步骤。
本申请实施例提供的一种路肩检测方法、装置及存储介质,通过对待检测点云数据进行分类,得到多组单线数组,对单线数据进行去噪处理,并将去噪后的多组单线数据整合到一起,最终对整合的数据进行拟合,得到路肩曲线。这样,通过对点云数据的提取和拟合,最终提供了一种路肩检测的方法,且通过该方式获取的路肩数据,准确度高,可以在自动驾驶时实时的检测路肩曲线,从而得到道路的形状,为自动驾驶规划行进路线。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例中一种路肩检测方法的流程示意图;
图2为本申请实施例中整合后的路肩特征数据示意图;
图3为本申请实施例中拟合路肩曲线的示意图;
图4为本申请实施例中一种路肩检测装置的结构示意图;
图5为本申请实施方式中终端设备结构示意图。
具体实施方式
为了解决现有技术中没有针对路肩检测的合理方法,因此不能在自动驾驶场景下规划合理的行进路线的问题,本申请实施例中提供一种路肩检测方法、装置及存储介质。为了更好的理解本申请实施例提供的技术方案,这里对该方案的基本原理做一下简单说明:
现有的自动驾驶主要是通过激光雷达的路面检测算法,并利用深度学***面检测算法,对道路平面进行检测。然而,在为自动驾驶的机动车进行路径规划时,不仅需要对道路平面进行检测,还需要了解道路的路肩的情况。然而,现有技术中并没有针对路肩进行具体的检测方法。
基于此,本申请实施例提供一种路肩检测方法、装置及存储介质,通过对待检测点云数据进行分类,得到多组单线数组,对单线数据进行去噪处理,并将去噪后的多组单线数据整合到一起,最终对整合的数据进行拟合,得到路肩曲线。这样,通过对点云数据的提取和拟合,最终提供了一种路肩检测的方法,且通过该方式获取的路肩数据,准确度高,可以在自动驾驶时实时的检测路肩曲线,从而得到道路的形状,为自动驾驶规划行进路线。
以下结合说明书附图对本申请的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本申请,并不用于限定本申请,并且在不冲突的情况下,本申请实施例中的实施例及实施例中的特征可以相互组合。
下面对本申请实施例提供的路肩检测方法进行进一步的解释说明。如图1所示,包括以下步骤:
S101:获取待检测点云数据。
在本申请实施例中,待检测点云数据是从原始点云数据中获取到的,具体包括步骤A1-A3:
步骤A1:通过激光雷达获取原始点云数据。
其中,原始点云数据是通过激光雷达扫描得到的点云数据。
需要说明的是,自动驾驶时默认路面为一个平面或多个平面的组合(其中斜坡、路面上的坑洼、两侧垂直路面的匝道均属于不同的平面)。因此通过激光雷达扫描这些平面可以得到机动车行进方向及行进方向两侧的点云数据。其中,激光雷达通过激光雷达固定支架设置在机动车车顶上,且为了能够获得较好的原始点云数据,可将激光雷达安装在与机动车行驶方向水平的位置。
步骤A2:对所述原始点云数据进行检测,确定所述原始点云数据中的路面点云数据。
步骤A3:根据所述路面点云数据确定路面高度,并将高于所述路面高度第一预设高度内的原始点云数据作为所述待检测点云数据。
在本申请实施例中,为避免不必要的点云信息干扰,从原始点云数据中分割出包含路肩信息的路面点云进行路肩的特征检测,这样在减少数据量的同时还可以增加算法检测效率。具体可通过路面检测函数,从原始点云数据中检测路面点云数据,取距离路面点云数据以及距离路面预设高度的点云数据进行后续路肩特征提取操作。
通过路面检测函数从原始点云数据中获取了路面点云数据,并确定路面点云数据的高度,将预设高度以内的原始点云数据作为待检测数据。例如:确定路面点云数据的高度为0,第一预设高度为20厘米,则将0-20厘米之间的原始点云数据作为待检测点云数据。
这样,通过对原始点云数据进行处理得到待检测点云数据,可以在减少数据量的同时还可以增加算法检测效率。
S102:对所述待检测点云数据进行数据分类,得到至少两组单线数据;其中,所述单线数据由多个点云数据组成。
其中,一组单线数据是由一条激光线扫描得到的数据。
在本申请实施例中,由于点云数据是通过激光雷达扫描得到的,因此,根据每条激光线扫描的数据,对待检测点云数据进行划分。具体包括步骤B1-B2:
步骤B1:根据所述待检测点云数据的标识,对标识相同的所述待检测点云数据进行分组。
其中,每一个待检测点云数据均具有标识,且同一条激光线扫描得到的点云数据的标识是相同的。
步骤B2:将分组内的各待检测点云数据满足预设条件的分组作为单线数据。
在本申请实施例中,为了使提取的单线数据质量高,只有满足预设条件的分组才能作为一组单线数据。其中,预设条件为待检测点云数据的连续性、待检测点云数据在平面上的曲率变化、相邻的待检测点云数据之间的高度差等。
其中,待检测点云数据的连续性是为了判断单线数据中的待检测点云数据是否完整;待检测点云数据在平面上的曲率变化、相邻的待检测点云数据之间的高度差是为了判断单线数据是否符合要求。这样,通过上述方法,使确定的单线数据保持的较为完整,可以提高路肩检测的准确性。
S103:分别对每组单线数据进行去噪处理,并将去噪后的各组单线数据进行数据整合。
在本申请实施例中,初次提取的路肩特征点云数据中包含较多噪声,为了进一步提高路肩检测的准确性,在得到多组单线数据后,针对每一组单线数据进行去噪处理。具体包括步骤C1-C2:
步骤C1:针对每组单线数据,将该组单线数据内高于最小待检测点云数据第二预设高度的待检测点云数据剔除;其中,所述最小待检测点云数据为该组单线数据内高度值最小的待检测点云数据。
例如:确定该组单线数据内高度值最小的点云数据为5,第二预设高度为10厘米,则将15厘米之外的待检测点云数据剔除。
步骤C2:针对每组单线数据,将满足剔除条件的中心待检测点云数据剔除;其中,所述剔除条件为以所述中心待检测点云数据为中心,预设距离为半径所形成的范围内的待检测点云数据的数量小于预设数量。
例如:若以一个点云数据为中心,半径为10厘米,形成一个球体。统计该球体中包含的其他点云数据的数量,若数量低于阈值,则判定该点云数据为无效离散点,将该点云数据剔除。
这样,通过对各单线数据进行去噪处理,可以进一步提高路肩检测的准确性。
在本申请实施例中,在对各单线数据进行去噪处理之后,将处理后的各单线数据进行整合,整合到一个坐标系中,这样便得到了关于路肩的点云数据,即路肩特征数据。如图2所示,其为整合后的路肩特征数据示意图。其中,图中的每一个点表示一个路肩特征数据。
S104:对整合后的点云数据进行曲线拟合,得到路肩曲线。
在本申请实施例中,由于整合后,路肩特征数据较多,直接对其进行拟合会导致检测结果较差,为了提高路肩检测的准确性,通过分段拟合的方法对整合后的点云数据进行拟合,具体包括步骤D1-D3:
步骤D1:将所述整合后的点云数据分为多个部分。
在本申请实施例中,可以根据点云数据的坐标进行划分,也可以用一个固定大小滑动窗口从点云数据移动,并将滑动窗口中的点云数据作为一部分。本申请对此不做限定。
步骤D2:针对任意一部分点云数据,对该部分点云数据进行直线拟合,得到该部分点云数据的拟合线段。
步骤D3:对各部分点云数据的拟合线段进行拟合,得到路肩曲线。
如图3所示,其为拟合路肩曲线的示意图。其中,左边的部分为将整合后的点云数据拟合一个个线段,每一部分可以得到一条线段。右边的部分是根据各线段拟合得到的路肩曲线。
这样,通过对点云数据的提取和拟合,最终提供了一种路肩检测的方法,且通过该方式获取的路肩数据,准确度高,可以在自动驾驶时实时的检测路肩曲线,从而得到道路的形状,为自动驾驶规划行进路线。
基于相同的发明构思,本申请实施例还提供了一种路肩检测装置。如图4所示,该装置包括:
获取模块401,用于获取待检测点云数据;
分类模块402,用于对所述待检测点云数据进行数据分类,得到至少两组单线数据;其中,所述单线数据由多个点云数据组成;
整合模块403,用于分别对每组单线数据进行去噪处理,并将去噪后的各组单线数据进行数据整合;
拟合模块404,用于对整合后的点云数据进行曲线拟合,得到路肩曲线。
在一种可能的实施方式中,获取模块401包括:
获取原始点云数据单元,用于通过激光雷达获取原始点云数据;
确定路面点云数据单元,用于对所述原始点云数据进行检测,确定所述原始点云数据中的路面点云数据;
确定待检测点云数据单元,用于根据所述路面点云数据确定路面高度,并将高于所述路面高度第一预设高度内的原始点云数据作为所述待检测点云数据。
在一种可能的实施方式中,通过下列装置获取单线数据:
分组模块,用于根据所述待检测点云数据的标识,对标识相同的所述待检测点云数据进行分组;
确定单线数据,用于将分组内的各待检测点云数据满足预设条件的分组作为单线数据。
在一种可能的实施方式中,整合模块403包括:
第一剔除单元,用于针对每组单线数据,将该组单线数据内高于最小待检测点云数据第二预设高度的待检测点云数据剔除;其中,所述最小待检测点云数据为该组单线数据内高度值最小的待检测点云数据;
第二剔除单元,用于针对每组单线数据,将满足剔除条件的中心待检测点云数据剔除;其中,所述剔除条件为以所述中心待检测点云数据为中心,预设距离为半径所形成的范围内的待检测点云数据的数量小于预设数量。
在一种可能的实施方式中,拟合模块404包括:
划分单元,用于将所述整合后的点云数据分为多个部分;
第一拟合单元,用于针对任意一部分点云数据,对该部分点云数据进行直线拟合,得到该部分点云数据的拟合线段;
第二拟合单元,用于对各部分点云数据的拟合线段进行拟合,得到路肩曲线。
为了描述的方便,以上各部分按照功能划分为各模块(或单元)分别描述。当然,在实施本申请时可以把各模块(或单元)的功能在同一个或多个软件或硬件中实现。
基于同一技术构思,本申请实施例还提供了一种终端设备500,参照图5所示,终端设备500用于实施上述各个方法实施例记载的方法,例如实施图2所示的实施例,终端设备500可以包括存储器501、处理器502、输入单元503和显示面板504。
存储器501,用于存储处理器502执行的计算机程序。存储器501可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序等;存储数据区可存储根据终端设备500的使用所创建的数据等。处理器502,可以是一个中央处理单元(central processing unit,CPU),或者为数字处理单元等。输入单元503,可以用于获取用户输入的用户指令。显示面板504,用于显示由用户输入的信息或提供给用户的信息,本申请实施例中,显示面板504主要用于显示终端设备中各应用程序的显示界面以及各显示界面中显示的控件实体。可选的,显示面板504可以采用液晶显示器(liquid crystaldisplay,LCD)或OLED(organic light-emitting diode,有机发光二极管)等形式来配置显示面板504。
本申请实施例中不限定上述存储器501、处理器502、输入单元503和显示面板504之间的具体连接介质。本申请实施例在图5中以存储器501、处理器502、输入单元503、显示面板504之间通过总线505连接,总线505在图5中以粗线表示,其它部件之间的连接方式,仅是进行示意性说明,并不引以为限。总线505可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器501可以是易失性存储器(volatile memory),例如随机存取存储器(random-access memory,RAM);存储器501也可以是非易失性存储器(non-volatilememory),例如只读存储器,快闪存储器(flash memory),硬盘(hard disk drive,HDD)或固态硬盘(solid-state drive,SSD)、或者存储器501是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器501可以是上述存储器的组合。
处理器502,用于实现如图2所示的实施例,包括:
处理器502,用于调用存储器501中存储的计算机程序执行如实施图2所示的实施例。
本申请实施例还提供了一种计算机可读存储介质,存储为执行上述处理器所需执行的计算机可执行指令,其包含用于执行上述处理器所需执行的程序。
在一些可能的实施方式中,本申请提供的一种路肩检测方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行本说明书上述描述的根据本申请各种示例性实施方式的一种路肩检测方法中的步骤。例如,终端设备可以执行如实施图3所示的实施例。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本申请的实施方式的用于一种路肩检测程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在计算设备上运行。然而,本申请的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、有线、光缆、RF等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码,程序设计语言包括面向实体的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了装置的若干单元或子单元,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之,上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程路肩检测设备的处理器以产生一个机器,使得通过计算机或其他可编程路肩检测设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程路肩检测设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程路肩检测设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (12)
1.一种路肩检测方法,其特征在于,所述方法包括:
获取待检测点云数据;
对所述待检测点云数据进行数据分类,得到至少两组单线数据;其中,所述单线数据由多个点云数据组成;
分别对每组单线数据进行去噪处理,并将去噪后的各组单线数据进行数据整合;
对整合后的点云数据进行曲线拟合,得到路肩曲线。
2.根据权利要求1所述的方法,其特征在于,所述获取待检测点云数据,包括:
通过激光雷达获取原始点云数据;
对所述原始点云数据进行检测,确定所述原始点云数据中的路面点云数据;
根据所述路面点云数据确定路面高度,并将高于所述路面高度第一预设高度内的原始点云数据作为所述待检测点云数据。
3.根据权利要求1所述的方法,其特征在于,通过下列方法获取单线数据:
根据所述待检测点云数据的标识,对标识相同的所述待检测点云数据进行分组;
将分组内的各待检测点云数据满足预设条件的分组作为单线数据。
4.根据权利要求1所述的方法,其特征在于,分别对每组单线数据进行去噪处理,包括:
针对每组单线数据,将该组单线数据内高于最小待检测点云数据第二预设高度的待检测点云数据剔除;其中,所述最小待检测点云数据为该组单线数据内高度值最小的待检测点云数据;和/或;
针对每组单线数据,将满足剔除条件的中心待检测点云数据剔除;其中,所述剔除条件为以所述中心待检测点云数据为中心,预设距离为半径所形成的范围内的待检测点云数据的数量小于预设数量。
5.根据权利要求1~4任一所述的方法,其特征在于,所述对整合后的点云数据进行曲线拟合,得到路肩曲线,包括:
将所述整合后的点云数据分为多个部分;
针对任意一部分点云数据,对该部分点云数据进行直线拟合,得到该部分点云数据的拟合线段;
对各部分点云数据的拟合线段进行拟合,得到路肩曲线。
6.一种路肩检测装置,其特征在于,所述装置包括:
获取模块,用于获取待检测点云数据;
分类模块,用于对所述待检测点云数据进行数据分类,得到至少两组单线数据;其中,所述单线数据由多个点云数据组成;
整合模块,用于分别对每组单线数据进行去噪处理,并将去噪后的各组单线数据进行数据整合;
拟合模块,用于对整合后的点云数据进行曲线拟合,得到路肩曲线。
7.根据权利要求6所述的装置,其特征在于,获取模块包括:
获取原始点云数据单元,用于通过激光雷达获取原始点云数据;
确定路面点云数据单元,用于对所述原始点云数据进行检测,确定所述原始点云数据中的路面点云数据;
确定待检测点云数据单元,用于根据所述路面点云数据确定路面高度,并将高于所述路面高度第一预设高度内的原始点云数据作为所述待检测点云数据。
8.根据权利要求6所述的装置,其特征在于,通过下列装置获取单线数据:
分组模块,用于根据所述待检测点云数据的标识,对标识相同的所述待检测点云数据进行分组;
确定单线数据,用于将分组内的各待检测点云数据满足预设条件的分组作为单线数据。
9.根据权利要求6所述的装置,其特征在于,整合模块包括:
第一剔除单元,用于针对每组单线数据,将该组单线数据内高于最小待检测点云数据第二预设高度的待检测点云数据剔除;其中,所述最小待检测点云数据为该组单线数据内高度值最小的待检测点云数据;
第二剔除单元,用于针对每组单线数据,将满足剔除条件的中心待检测点云数据剔除;其中,所述剔除条件为以所述中心待检测点云数据为中心,预设距离为半径所形成的范围内的待检测点云数据的数量小于预设数量。
10.根据权利要求6~9任一所述的装置,其特征在于,拟合模块包括:
划分单元,用于将所述整合后的点云数据分为多个部分;
第一拟合单元,用于针对任意一部分点云数据,对该部分点云数据进行直线拟合,得到该部分点云数据的拟合线段;
第二拟合单元,用于对各部分点云数据的拟合线段进行拟合,得到路肩曲线。
11.一种电子设备,其特征在于,其包括处理器和存储器,其中,所述存储器存储有程序代码,当所述程序代码被所述处理器执行时,使得所述处理器执行权利要求1至5中任一所述方法的步骤。
12.一种计算机可读存储介质,其特征在于,其包括程序代码,当所述程序产品在电子设备上运行时,所述程序代码用于使所述电子设备执行权利要求1至5中任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010776565.4A CN112069899A (zh) | 2020-08-05 | 2020-08-05 | 一种路肩检测方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010776565.4A CN112069899A (zh) | 2020-08-05 | 2020-08-05 | 一种路肩检测方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112069899A true CN112069899A (zh) | 2020-12-11 |
Family
ID=73656444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010776565.4A Pending CN112069899A (zh) | 2020-08-05 | 2020-08-05 | 一种路肩检测方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112069899A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114581361A (zh) * | 2021-06-28 | 2022-06-03 | 广州极飞科技股份有限公司 | 物体形态测量方法、装置、设备及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103559689A (zh) * | 2013-11-01 | 2014-02-05 | 浙江工业大学 | 一种点云噪声点去除方法 |
CN105551016A (zh) * | 2015-12-02 | 2016-05-04 | 百度在线网络技术(北京)有限公司 | 一种基于激光点云的路沿识别方法及装置 |
CN106291506A (zh) * | 2016-08-16 | 2017-01-04 | 长春理工大学 | 基于单线点云数据机器学习的车辆目标识别方法及装置 |
CN107918753A (zh) * | 2016-10-10 | 2018-04-17 | 腾讯科技(深圳)有限公司 | 点云数据处理方法及装置 |
CN108241819A (zh) * | 2016-12-23 | 2018-07-03 | 高德软件有限公司 | 路面标记的识别方法及装置 |
CN108256417A (zh) * | 2017-12-01 | 2018-07-06 | 西安电子科技大学 | 基于室外场景点云数据处理的违章建筑识别方法 |
CN108875804A (zh) * | 2018-05-31 | 2018-11-23 | 腾讯科技(深圳)有限公司 | 一种基于激光点云数据的数据处理方法和相关装置 |
CN110223345A (zh) * | 2019-05-14 | 2019-09-10 | 南京理工大学 | 基于点云的配电线路作业对象位姿估计方法 |
CN110376604A (zh) * | 2019-08-09 | 2019-10-25 | 北京智行者科技有限公司 | 基于单线激光雷达的路沿检测方法 |
CN110673107A (zh) * | 2019-08-09 | 2020-01-10 | 北京智行者科技有限公司 | 基于多线激光雷达的路沿检测方法及装置 |
US20200193195A1 (en) * | 2018-12-18 | 2020-06-18 | Here Global B.V. | Automatic positioning of 2d image sign sightings in 3d space |
CN111308500A (zh) * | 2020-04-07 | 2020-06-19 | 三一机器人科技有限公司 | 基于单线激光雷达的障碍物感知方法、装置和计算机终端 |
-
2020
- 2020-08-05 CN CN202010776565.4A patent/CN112069899A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103559689A (zh) * | 2013-11-01 | 2014-02-05 | 浙江工业大学 | 一种点云噪声点去除方法 |
CN105551016A (zh) * | 2015-12-02 | 2016-05-04 | 百度在线网络技术(北京)有限公司 | 一种基于激光点云的路沿识别方法及装置 |
CN106291506A (zh) * | 2016-08-16 | 2017-01-04 | 长春理工大学 | 基于单线点云数据机器学习的车辆目标识别方法及装置 |
CN107918753A (zh) * | 2016-10-10 | 2018-04-17 | 腾讯科技(深圳)有限公司 | 点云数据处理方法及装置 |
CN108241819A (zh) * | 2016-12-23 | 2018-07-03 | 高德软件有限公司 | 路面标记的识别方法及装置 |
CN108256417A (zh) * | 2017-12-01 | 2018-07-06 | 西安电子科技大学 | 基于室外场景点云数据处理的违章建筑识别方法 |
CN108875804A (zh) * | 2018-05-31 | 2018-11-23 | 腾讯科技(深圳)有限公司 | 一种基于激光点云数据的数据处理方法和相关装置 |
US20200193195A1 (en) * | 2018-12-18 | 2020-06-18 | Here Global B.V. | Automatic positioning of 2d image sign sightings in 3d space |
CN110223345A (zh) * | 2019-05-14 | 2019-09-10 | 南京理工大学 | 基于点云的配电线路作业对象位姿估计方法 |
CN110376604A (zh) * | 2019-08-09 | 2019-10-25 | 北京智行者科技有限公司 | 基于单线激光雷达的路沿检测方法 |
CN110673107A (zh) * | 2019-08-09 | 2020-01-10 | 北京智行者科技有限公司 | 基于多线激光雷达的路沿检测方法及装置 |
CN111308500A (zh) * | 2020-04-07 | 2020-06-19 | 三一机器人科技有限公司 | 基于单线激光雷达的障碍物感知方法、装置和计算机终端 |
Non-Patent Citations (2)
Title |
---|
何鄂龙;王红平;陈奇;刘修国;: "一种改进的空间上下文点云分类方法", 测绘学报, no. 03 * |
郑特;邹峥嵘;张云生;杜守基;何雪;: "基于图割算法的摄影测量点云面向对象分类方法", 测绘工程, no. 03 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114581361A (zh) * | 2021-06-28 | 2022-06-03 | 广州极飞科技股份有限公司 | 物体形态测量方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110286387B (zh) | 应用于自动驾驶***的障碍物检测方法、装置及存储介质 | |
US20210406561A1 (en) | Systems and methods for lane detection | |
US20210302585A1 (en) | Smart navigation method and system based on topological map | |
CN109509260B (zh) | 动态障碍物点云的标注方法、设备及可读介质 | |
WO2018068653A1 (zh) | 点云数据处理方法、装置及存储介质 | |
US20180300549A1 (en) | Road detecting method and apparatus | |
KR102539942B1 (ko) | 궤적 계획 모델을 훈련하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램 | |
CN110689804B (zh) | 用于输出信息的方法和装置 | |
CN112753038B (zh) | 识别车辆变道趋势的方法和装置 | |
CN114842450A (zh) | 一种可行驶区域检测方法、装置及设备 | |
CN116071729A (zh) | 可行驶区域和路沿的检测方法、装置及相关设备 | |
CN111160132B (zh) | 障碍物所在车道的确定方法、装置、电子设备和存储介质 | |
CN112885130A (zh) | 呈现道路信息的方法和装置 | |
CN113989777A (zh) | 高精地图限速标牌与车道位置的识别方法、装置和设备 | |
CN114443794A (zh) | 数据处理和地图更新方法、装置、设备以及存储介质 | |
CN114771576A (zh) | 行为数据处理方法、自动驾驶车辆的控制方法及自动驾驶车辆 | |
CN114625744A (zh) | 电子地图的更新方法和装置 | |
CN113902793A (zh) | 基于单视觉遥感影像端到端建筑物高度预测方法、***和电子设备 | |
CN114092909A (zh) | 一种车道线提取方法、装置、车辆及存储介质 | |
CN112069899A (zh) | 一种路肩检测方法、装置及存储介质 | |
CN113496182B (zh) | 基于遥感影像的道路提取方法及装置、存储介质及设备 | |
CN110796129A (zh) | 一种文本行区域检测方法及装置 | |
CN112987707A (zh) | 一种车辆的自动驾驶控制方法及装置 | |
CN116343169A (zh) | 路径规划方法、目标对象运动控制方法、装置及电子设备 | |
US20240161517A1 (en) | Detection method and system for a mobile object |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240426 |