CN112543938B - 占据栅格地图的生成方法和装置 - Google Patents

占据栅格地图的生成方法和装置 Download PDF

Info

Publication number
CN112543938B
CN112543938B CN202080004371.0A CN202080004371A CN112543938B CN 112543938 B CN112543938 B CN 112543938B CN 202080004371 A CN202080004371 A CN 202080004371A CN 112543938 B CN112543938 B CN 112543938B
Authority
CN
China
Prior art keywords
road surface
point cloud
curved
ground
determining
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.)
Active
Application number
CN202080004371.0A
Other languages
English (en)
Other versions
CN112543938A (zh
Inventor
孙翔雨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Publication of CN112543938A publication Critical patent/CN112543938A/zh
Application granted granted Critical
Publication of CN112543938B publication Critical patent/CN112543938B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • 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
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)

Abstract

本申请实施例提供一种占据栅格地图的生成方法和装置，该方法包括：获取点云传感器采集到的周围环境的点云；从周围环境的点云中获取障碍物点云和地面点云；根据地面点云和地面的特征，拟合曲面行驶路面，地面为移动平台所在的道路的地面，点云传感器搭载在移动平台上；从曲面行驶路面中确定待行驶路面区域，待行驶路面区域被划分为多个栅格；根据障碍物点云，确定各栅格被占据的概率；根据各栅格被占据的概率和待行驶路面区域，生成曲面占据栅格地图。本申请实施例生成的曲面占据栅格地图比较准确。

Description

占据栅格地图的生成方法和装置
技术领域
本申请涉及计算机技术，尤其涉及一种占据栅格地图的生成方法和装置。
背景技术
机器人地图有多种分类方式，包括尺度地图、拓扑地图和语义地图等，其中尺度地图中的占据栅格地图(occupancy grid map，OGM)应用最为广泛。其中，可通过将检测区域划分成一定数量和大小的栅格，根据探测器的检测结果，确定每个栅格被占据的概率，将每个栅格被占据的概率反应至检测区域中相应的栅格上，便可得到占据栅格地图，其中的探测器可为点云传感器。因此，占据栅格地图可以反应检测区域中的障碍物信息。
但是目前获取占据栅格地图的方法，得到的占据栅格地图不够准确，不能准确的反应检测区域中的障碍物信息。
发明内容
本申请提供一种占据栅格地图的生成方法和装置，可以得到准确的占据栅格地图。
第一方面，本申请实施例提供一种占据栅格地图的生成方法，包括：获取点云传感器采集到的周围环境的点云；从所述周围环境的点云中获取障碍物点云和地面点云；根据所述地面点云和地面的特征，拟合曲面行驶路面，所述地面为移动平台所在的道路的地面，所述点云传感器搭载在所述移动平台上；从所述曲面行驶路面中确定待行驶路面区域，所述待行驶路面区域被划分为多个栅格；根据所述障碍物点云，确定各所述栅格被占据的概率；根据各所述栅格被占据的概率和所述待行驶路面区域，生成曲面占据栅格地图。
本方案中，基于地面的特征拟合曲面行驶路面，从曲面行驶路面中确定待行驶路面区域，待行驶路面区域被划分为多个栅格，以及根据各栅格占据的概率和待行驶路面区域，生成曲面占据栅格地图，即不再对地面点云进行平面拟合，而是曲面拟合得到符合地面实际特征的曲面行驶路面，那么得到的待行驶路面区域每个栅格的占据概率的准确性会提高，从而提高了生成的占据栅格地图的准确性。
在一种可选的实施方式中，所述根据所述地面点云和地面的特征，拟合曲面行驶路面，包括：获取地面所在的道路的中心线；获取所述地面点云中与所述中心线的垂直距离小于或等于预设距离的第一点；采用多项式曲线插值拟合各所述第一点，得到道路中心拟合曲线；根据道路中心拟合曲线，得到所述曲面行驶路面，所述道路中心拟合曲线为所述曲面行驶路面的中心线。
本方案给出了拟合曲面行驶路面的一种具体实现。
在一种可选的实施方式中，所述根据所述障碍物点云，确定各所述占据栅格被占据的概率，包括：提取所述障碍物点云中与所述曲面行驶路面之间的高度差小于或等于车辆的最大高度的各第二点；根据各所述第二点，确定各所述占据栅格被占据的概率。
本方案可以避免将行驶路面上面的悬挂物或者桥洞或隧道的顶部误判为障碍物，提高了确定待行驶路面区域中的各栅格被占据的概率的准确度，进而提高了生成的占据栅格地图的准确度。
在一种可选的实施方式中，所述根据所述第二点，确定各所述占据栅格被占据的概率，包括：对于各第二点中的任意一个第二点，确定该第二点所占据的第一栅格，以及该第二点在该第一栅格所产生的影响概率；将占据同一栅格的第二点对该栅格的影响概率相加，得到各所述栅格的预选占据概率；对于各所述栅格中任意一个栅格，根据该栅格的第一预选占据概率和上一时刻该栅格的占据概率，得到该栅格的占据概率。
在一种可选的实施方式中，从所述曲面行驶路面中确定待行驶路面区域，包括：根据所述点云传感器的视野范围和所述曲面行驶路面，从所述曲面行驶路面中确定待行驶路面区域。
可选的，所述根据所述点云传感器的视野范围和曲面行驶路面，从所述曲面行驶路面中确定待行驶路面区域，包括：根据所述点云传感器的视野范围和所述曲面行驶路面，确定第一长度，所述第一长度小于或等于所述曲面行驶路面的长度；从所述曲面行驶路面中确定长度为所述第一长度，宽度为第一宽度的所述待行驶路面区域，所述第一宽度为所述曲面行驶路面的宽度。
可选的，所述根据所述点云传感器的视野范围和曲面行驶路面，从所述曲面行驶路面中确定待行驶路面区域，包括：根据所述点云传感器的视野范围和所述曲面行驶路面，确定第一长度和第二宽度，所述第一长度小于或等于所述曲面行驶路面的长度，所述第二宽度小于或等于所述曲面行驶路面的宽度；从所述曲面行驶路面中确定长度为所述第一长度，宽度为所述第二宽度的所述待行驶路面区域。
本方案由于待行驶路面区域的长度基于传感器探测范围确定，因此，确定的待行驶路面区域更合理准确。
在一种可选的实施方式中，所述待行驶路面区域的一侧与所述曲面行驶路面靠近移动平台的一侧重合。本方案确定待行驶路面区域更合理准确。
第二方面，本申请实施例提供一种占据栅格地图的生成装置，包括：获取模块，用于获取点云传感器采集到的周围环境的点云；处理模块，用于：从所述周围环境的点云中获取障碍物点云和地面点云；以及根据所述地面点云和地面的特征，拟合曲面行驶路面，所述地面为移动平台所在的道路的地面，所述点云传感器搭载在所述移动平台上；以及从所述曲面行驶路面中确定待行驶路面区域，所述待行驶路面区域被划分为多个栅格；以及根据所述障碍物点云，确定各所述栅格被占据的概率；以及根据各所述栅格被占据的概率和所述待行驶路面区域，生成曲面占据栅格地图。
在一种可选的实施方式中，所述处理模块具体用于：获取地面所在的道路的中心线；获取所述地面点云中与所述中心线的垂直距离小于或等于预设距离的第一点；采用多项式曲线插值拟合各所述第一点，得到道路中心拟合曲线；根据道路中心拟合曲线，得到所述曲面行驶路面，所述道路中心拟合曲线为所述曲面行驶路面的中心线。
在一种可选的实施方式中，所述处理模块具体用于：提取所述障碍物点云中与所述曲面行驶路面之间的高度差小于或等于车辆的最大高度的各第二点；根据各所述第二点，确定各所述占据栅格被占据的概率。
在一种可选的实施方式中，所述处理模块具体用于：根据所述点云传感器的视野范围和所述曲面行驶路面，从所述曲面行驶路面中确定待行驶路面区域。
在一种可选的实施方式中，所述处理模块具体用于：根据所述点云传感器的视野范围和所述曲面行驶路面，确定第一长度，所述第一长度小于或等于所述曲面行驶路面的长度；从所述曲面行驶路面中确定长度为所述第一长度，宽度为第一宽度的所述待行驶路面区域，所述第一宽度为所述曲面行驶路面的宽度。
在一种可选的实施方式中，所述处理模块具体用于：根据所述点云传感器的视野范围和所述曲面行驶路面，确定第一长度和第二宽度，所述第一长度小于或等于所述曲面行驶路面的长度，所述第二宽度小于或等于所述曲面行驶路面的宽度；从所述曲面行驶路面中确定长度为所述第一长度，宽度为所述第二宽度的所述待行驶路面区域。
在一种可选的实施方式中，所述待行驶路面区域的一侧与所述曲面行驶路面靠近移动平台的一侧重合。
第三方面，本申请实施例提供一种点云传感器，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面或第一方面任一可能的实施方式中所述的方法。
第四方面，本申请实施例提供一种移动平台，所述移动平台上搭载有第三方面所述的点云传感器。
第五方面，本申请实施例提供一种移动平台，包括点云传感器和处理器；所述点云传感器用于采集周围环境的点云，以及将所述周围环境的点云发送至所述处理器；所述处理器用于接收所述周围环境的点云，从所述周围环境的点云中获取障碍物点云和地面点云；以及，根据所述地面点云和地面的特征，拟合曲面行驶路面，所述地面为移动平台所在的道路的地面，所述点云传感器搭载在所述移动平台上；以及，从所述曲面行驶路面中确定待行驶路面区域，所述待行驶路面区域被划分为多个栅格；以及，根据所述障碍物点云，确定各所述栅格被占据的概率；以及，根据各所述栅格被占据的概率和所述待行驶路面区域，生成曲面占据栅格地图。
在一种可选的实施方式中，所述处理器还用于执行第一方面任一可能的实施方式中所述的方法。
第六方面，本申请实施例提供一种存储介质，其特征在于，所述存储介质包括计算机程序，所述计算机程序用于实现第一方面或第一方面任一可能的实施方式中所述的方法。
附图说明
图1为目前的平面占据栅格地图的示意图；
图2为本申请实施例提供的获取路面的占据栅格地图的场景示意图一；
图3为本申请实施例提供的获取路面的占据栅格地图的场景示意图二；
图4为本申请实施例提供的获取路面的占据栅格地图的场景示意图三；
图5为本申请实施例提供的获取路面的占据栅格地图的场景示意图四；
图6为本申请实施例提供的获取路面的占据栅格地图的场景示意图五；
图7为本申请实施例提供的获取路面的占据栅格地图的场景示意图六；
图8为本申请实施例提供的占据栅格地图的生成方法的流程图；
图9为本申请实施例提供的道路中心线的示意图；
图10为本申请实施例提供的待行驶路面区域的示意图；
图11为本申请实施例提供的障碍物点云中的第二点的示意图；
图12为本申请实施例提供的曲面占据栅格地图的示意图；
图13为本申请实施例提供的占据栅格地图的生成装置的示意性框图；
图14为本申请实施例提供的移动平台的示意性框图；
图15为本申请实施例的电子设备的一种示意性框图。
具体实施方式
首先对本申请涉及的要素进行说明。
平面占据栅格地图(flat occupancy grid map，FOGM)，是基于检测区域为平面的假设，将平面检测区域划分成多个栅格，根据探测器(比如雷达、摄像头)对周围环境的检测数据，确定每个栅格被障碍物占据的概率，将每个栅格被障碍物占据的概率反应至检测区域中相应的栅格上，得到平面占据栅格地图。平面占据栅格地图的一种示意图可如图1所示，栅格中填充的颜色越深，表示该栅格被占据的概率越大。
曲面占据栅格地图(curved occupancy grid map，COGM)，是指把曲面检测区域划分成多个栅格，根据探测器对周围环境的检测数据，确定每个栅格被障碍物占据的概率，将每个栅格被障碍物占据的概率反应至曲面检测区域中相应的栅格上，得到曲面占据栅格地图。
为了更好的理解的本申请，下面对目前存在的问题进行说明。
图2～图7为获取路面的占据栅格地图的几种场景示意图，参见图2～图7，图2～图7中的车辆上搭载有探测器，图2中的道路为平面道路，图3中的道路为具有上坡的曲面道路，图4中的道路为具有下坡的曲面道路，图5中的道路为凹凸不平的曲面道路，图6中的道路上方具有悬挂物，图7中的道路为具有桥洞、隧道的道路。
而目前不论是在哪种场景下，均将道路假设为平面道路，基于探测器获取到的地面点云拟合平面路面，根据探测器的视野范围从平面路面中确定一可行驶区域，将该可行驶区域划分成多个栅格，根据探测器获取到的障碍物点云确定每个栅格被障碍物占据的概率，将每个栅格被障碍物占据的概率反应至可行驶区域中相应的栅格上，得到平面占据栅格地图。
可以理解的是，目前得到平面占据栅格地图的方法，在图3～图5所示的场景下，由于实际路面不是平面，因此在将路面拟合成平面道路得到的平面占据栅格地图并不准确。进一步地，在图3所示的场景下，还有可能存在将上坡的道路误判为障碍物的情况，在图4所示的场景下，存在将下坡的路面误判为自由可行驶的平面区域的情况，在图5所示的场景下，还有可能存在将上坡的路面误判为障碍物的情况，以及存在将下坡的路面误判为自由可行驶的平面区域的情况。在图6和图7所示的场景下，则存在将悬挂物误判为障碍物的情况，在图7的场景下，存在将桥洞，隧道的顶盖误判为障碍物的情况。也就是说，目前得到平面占据栅格地图的方法，由于将路面假设为平面路面，和/或，在确定每个栅格被障碍物占据的概率时使用了所有的障碍物点云数据，使得得到的平面占据栅格地图不够准确。
为了解决上述技术问题，本申请中基于地面的实际特征拟合曲面路面，可以提高得到的占据栅格地图的准确度。
下面采用具体的实施例对本申请的占据栅格地图的生成方法进行说明。
图8为本申请实施提供的占据栅格地图的生成方法进行说明。本实施例的执行主体可为占据栅格地图的生成装置，参见图8，本实施例的方法包括：
步骤S801、获取点云传感器采集周围环境的点云。
其中，本实施例的点云传感器可以为飞行时间(time of flight，TOF)传感器，或者雷达或者摄像头。雷达可为激光雷达，激光雷达可为旋转激光雷达或固态激光雷达。点云传感器可搭载在移动平台上以获取移动平台周围环境的点云。移动平台可以为车辆，比如自动驾驶车辆等。
本实施例中的占据栅格地图的生成装置可以是点云传感器的全部或部分，还可以是搭载点云传感器的移动平台的全部或部分，还可以是与点云传感器或移动平台具有通信连接关系的服务器或者终端设备的全部或部分。
步骤S802、从周围环境的点云中获取障碍物点云和地面点云。
可以理解的是，周围环境的点云包括障碍物点云和地面点云，可先从周围环境的点云中提取地面点云，剩下的点云即为障碍物点云。
可选的，可采用地面点云快速分割算法，从周围环境的点云中提取地面点云。
也就是说，本实施例的方法可以准确的从周围环境的点云中提取地面点云，比如在图3所示的场景下，本实施例从周围环境的点云中提取地面点云的方法不会将上坡对应的点云误判为障碍物点云。
步骤S803、根据地面点云和地面的特征，拟合曲面行驶路面，地面为移动平台所在的道路的地面，点云传感器搭载在移动平台上。
在得到地面点云后，可根据地面点云，拟合曲面行驶路面。
在一种具体的实现中，根据地面点云和地面的特征，拟合曲面行驶路面，包括如下的a1～a4：
a1、获取地面所在的道路的中心线。
可以理解的是，本实施例的道路为搭载点云传感器的移动平台所行驶的道路，其中，地面所在的道路的中心线可以指示地面的特征。
在具体的实现中，根据道路宽度方向的边界，可以计算中心线所在的范围，进而可获取地面所在的道路的中心线的方程，该方程用于指示地面所在的道路的中心线。其中，地面所在的道路的中心线与道路的延伸方向平行。
示例性地，参见图9，图9中所示的901即为地面所在的道路的中心线。
a2、获取地面点云中与该中心线的垂直距离小于或等于预设距离的第一点。
比如，点云传感器所在的移动平台行驶的道路的中心线的方程为a1xi+b1yj＝0，则根据该方程计算各地面点云中的各点与该中心线的垂直距离，地面点云中与该中心线的垂直距离小于或等于预设距离的点为第一点。可以理解的是，第一点的数量为多个。
可选的，获取地面点云中与该中心线的垂直距离小于或等于预设距离的第一点，包括：对地面点云进行滤波，得到滤波后的地面点云，确定滤波后的地面点云中与该中心线的垂直距离小于或等于预设距离的点为第一点。
a3、采用多项式曲线插值拟合各第一点，得到道路中心拟合曲线。
得到多个第一点后，采用多项式曲线插值拟合各第一点，得到道路中心拟合曲线。其中，多项式曲线插值，可以是L项式曲线插值，其中，L为大于或等于2的整数，比如，L＝2或3或4或5或6。
a4、根据道路中心拟合曲线，得到曲面行驶路面，道路中心拟合曲线为曲面行驶路面的中心线。
根据直线面的形成原理，将道路宽度等宽的线段沿着中心拟合曲线移动可形成一个直线面，即曲面行驶路面。
具体地，可获取过道路中心拟合曲线的第一端、宽度为点云传感器所在的移动平台行驶的道路的宽度以及与道路的延伸方向相垂直的第一线段，将该第一线段从道路中心拟合曲线的第一端沿道路中心拟合曲线移动至道路中心拟合曲线第二端，得到的以道路中心拟合曲线为中心线的曲面即为曲面行驶路面。可以理解的是，第一线段在移动过程中，始终与道路的延伸方向相垂直。
或者说，曲面行驶路面相当于第一线段从道路中心拟合曲线的第一端沿道路中心拟合曲线移动至道路中心拟合曲线第二端，得到的曲面。
步骤S804、从该曲面行驶路面中确定待行驶路面区域，待行驶路面区域被划分为多个栅格。
其中，待行驶路面区域靠近移动平台的一侧可与曲面行驶路面靠近移动平台的一侧重合，点云传感器搭载在该移动平台上。
在一种具体的实现中，从该曲面行驶路面中确定待行驶路面区域，具体可包括如下的b1～b2：
b1、获取预设长度。
其中，预设长度可以存储在占据栅格地图的生成装置中。
b2、从曲面行驶路面中确定长度为预设长度，宽度为第一宽度的待行驶路面区域，第一宽度为曲面行驶路面的宽度。
也就是说，该具体的实现中确定的待行驶路面区域为曲面行驶路面中长度为预设长度，宽度为第一宽度的区域。或者说，可将待行驶路面区域抽象看作与可移动平台前进方向垂直的直线沿着道路中心弧形曲线从移动预设长度形成的平面。
在得到待行驶路面区域后，将待行驶路面区域划分成多个大小相同的栅格，比如M×N个大小相同的栅格，其中，M、N均为正整数。
该具体实现中，由于待行驶路面区域的长度为预设长度，因此，确定待行驶路面区域的效率较高。
在另一种具体的实现中，可根据传感器的探测范围和曲面行驶路面，从该曲面行驶路面中确定待行驶路面区域，具体可包括如下的c1～c2：
c1、根据点云传感器的视野范围和曲面行驶路面，确定第一长度，第一长度小于或等于曲面行驶路面的长度。
其中，在点云传感器能够探测到的最远距离小于曲面行驶路面的长度时，第一长度为点云传感器能够探测到的最远距离，在在点云传感器能够探测到的最远距离大于或等于曲面行驶路面的长度时，第一长度等于曲面行驶路面的长度。
c2、从曲面行驶路面中确定长度为第一长度，宽度为第一宽度的待行驶路面区域，第一宽度为曲面行驶路面的宽度。
也就是说，待行驶路面区域为曲面行驶路面中长度为第一长度，宽度为第一宽度的区域。
在得到待行驶路面区域后，将待行驶路面区域划分成多个大小相同的栅格，具体可如图10所示。参见图10，图10中的待行驶路面区域可以是在图3所示的场景下得到的待行驶路面区域，可以理解的是，该待行驶路面区域中存在视觉上大小不同的栅格是因为行驶路面被拟合成曲面造成的，实际上待行驶路面区域包括的各栅格的大小是相同的。
该具体实现中，由于待行驶路面区域的长度基于传感器探测范围确定，因此，确定的待行驶路面区域更合理准确。
在又一种具体的实现中，可根据传感器的探测范围，从该曲面行驶路面中确定待行驶路面区域，具体可包括如下的d1～d2：
d1、根据点云传感器的视野范围和曲面行驶路面，确定第一长度和第二宽度，第一长度小于或等于曲面行驶路面的长度，第二宽度小于或等于曲面行驶路面的宽度。
其中，第一长度的确定方法同上，此处不再赘述。对于第二宽度，在点云传感器能够探测到的最大宽度小于曲面行驶路面的第一宽度时，第二宽度为点云传感器能够探测到的最大宽度，在在点云传感器能够探测到的最大宽度大于或等于第一宽度时，第二宽度等于第一宽度。
d2、从曲面行驶路面中确定长度为第一长度，宽度为第二宽度的待行驶路面区域。
该具体实现中，由于待行驶路面区域的长度基于传感器探测范围确定，因此，确定的待行驶路面区域更合理准确。
步骤S805、根据障碍物点云，确定各栅格被占据的概率。
其中，根据障碍物点云，确定待行驶路面区域中的各栅格被占据的概率的方法可参照目前通用的方法，此处不再赘述。
在一种可选的方式中，为了不将行驶路面上面的悬挂物或者桥洞或隧道的顶部误判为障碍物，该步骤中的“根据所述障碍物点云，待行驶路面区域中的各栅格被占据的概率”，可包括如下的e1～e2：
e1、提取障碍物点云中与曲面行驶路面之间的高度差小于或等于车辆的最大高度的各第二点。
也就是说，各第二点与曲面行驶路面之间的垂直高度差小于或等于车辆的最大高度。
一种方式中，曲面行驶路面的方程为：axm+byn+czk＝0；对于障碍物点云中的每个点，获取该点与曲面行驶路面之间的垂直距离，若该垂直距离小于或等于车辆的最大高度，则该点为第二点。其中，a，b，c为常数，m为大于或等于2的整数，n为正整数，比如为1或2或3，k为正整数，比如为1或2或3。
示例性地，参见图11，111为曲面行驶路面的侧视图，曲线112与曲线111之间的点均为第二点。
e2、根据各第二点，确定待行驶路面区域中的各栅格被占据的概率。
其中，根据各第二点，确定待行驶路面区域中的各栅格被占据的概率的具体实现可如下：
e21、对于各第二点中的任意一个第二点，确定该第二点所占据的第一栅格，以及该第二点在该第一栅格所产生的影响概率。
其中，确定该第二点在该第一栅格所产生的影响概率的方法可参照目前通用的方法，此处不再赘述。
e22、将占据同一栅格的第二点对该栅格的影响概率相加，得到各栅格的预选占据概率；
e23、对于各栅格中任意一个第一栅格，根据该第一栅格的第一预选占据概率和上一时刻该第一栅格的占据概率，得到该第一栅格的占据概率。
其中，每个栅格的初始占据概率为0。
根据该第一栅格的第一预选占据概率和上一时刻该第一栅格的占据概率，得到该第一栅格的占据概率的方法可参照目前通用的方法，此处不再赘述。
e1～e2确定待行驶路面区域中的各栅格被占据的概率的方法，可以避免将行驶路面上面的悬挂物或者桥洞或隧道的顶部误判为障碍物，提高了确定待行驶路面区域中的各栅格被占据的概率的准确度，进而提高了生成的占据栅格地图的准确度。
步骤S806、根据待行驶路面区域中各栅格被占据的概率和待行驶路面区域，生成曲面占据栅格地图。
也就是，将待行驶路面区域中各栅格被占据的概率反应至相应的栅格上，即可生成曲面占据栅格地图。具体可如图12所示，颜色越深，表示该栅格被占据的概率越大。
通过上述步骤S801～步骤S806，说明了根据点云传感器t时刻采集到的周围环境点云得到t时刻的占据栅格地图的方法。可以理解的是，可根据上述相同的方法获取任意一时刻的占据栅格地图。
本实施例中，基于地面的特征拟合曲面行驶路面，从曲面行驶路面中确定待行驶路面区域，待行驶路面区域被划分为多个栅格，以及根据各栅格占据的概率和待行驶路面区域，生成曲面占据栅格地图，即不再对地面点云进行平面拟合，而是曲面拟合得到符合地面实际特征的曲面行驶路面，那么得到的待行驶路面区域每个栅格的占据概率的准确性会提高，从而提高了生成的占据栅格地图的准确性。
以上对本申请涉及的方法进行了说明，下面对本申请涉及的装置进行说明。
图13为本申请实施例提供的占据栅格地图的生成装置的示意性框图，参见图13，本实施例的装置包括：获取模块1301和处理模块1302。
获取模块1301，用于获取点云传感器采集到的周围环境的点云；
处理模块1302，用于：
从所述周围环境的点云中获取障碍物点云和地面点云；以及
根据所述地面点云和地面的特征，拟合曲面行驶路面，所述地面为移动平台所在的道路的地面，所述点云传感器搭载在所述移动平台上；以及
从所述曲面行驶路面中确定待行驶路面区域，所述待行驶路面区域被划分为多个栅格；以及
根据所述障碍物点云，确定各所述栅格被占据的概率；以及
根据各所述栅格被占据的概率和所述待行驶路面区域，生成曲面占据栅格地图。
可选的，所述处理模块1302具体用于：
获取地面所在的道路的中心线；
获取所述地面点云中与所述中心线的垂直距离小于或等于预设距离的第一点；
采用多项式曲线插值拟合各所述第一点，得到道路中心拟合曲线；
根据道路中心拟合曲线，得到所述曲面行驶路面，所述道路中心拟合曲线为所述曲面行驶路面的中心线。
可选的，所述处理模块1302具体用于：
提取所述障碍物点云中与所述曲面行驶路面之间的高度差小于或等于车辆的最大高度的各第二点；
根据各所述第二点，确定各所述占据栅格被占据的概率。
可选的，所述处理模块1302具体用于：
根据所述点云传感器的视野范围和所述曲面行驶路面，从所述曲面行驶路面中确定待行驶路面区域。
可选的，所述处理模块1302具体用于：
根据所述点云传感器的视野范围和所述曲面行驶路面，确定第一长度，所述第一长度小于或等于所述曲面行驶路面的长度；
从所述曲面行驶路面中确定长度为所述第一长度，宽度为第一宽度的所述待行驶路面区域，所述第一宽度为所述曲面行驶路面的宽度。
可选的，所述处理模块1302具体用于：
根据所述点云传感器的视野范围和所述曲面行驶路面，确定第一长度和第二宽度，所述第一长度小于或等于所述曲面行驶路面的长度，所述第二宽度小于或等于所述曲面行驶路面的宽度；
从所述曲面行驶路面中确定长度为所述第一长度，宽度为所述第二宽度的所述待行驶路面区域。
可选的，所述待行驶路面区域的一侧与所述曲面行驶路面靠近移动平台的一侧重合。
本实施例的装置可以用于执行上述方法实施例中的技术方案，其实现原理和技术效果类似，此处不再赘述。
图14为本申请实施例提供的移动平台的示意性框图，参见图14，本实施例的装置包括：点云传感器1401和处理器1402；
所述点云传感器用于采集周围环境的点云，以及将所述周围环境的点云发送至所述处理器；
所述处理器用于接收所述周围环境的点云，从所述周围环境的点云中获取障碍物点云和地面点云；以及，根据所述地面点云和地面的特征，拟合曲面行驶路面，所述地面为移动平台所在的道路的地面，所述点云传感器搭载在所述移动平台上；以及，从所述曲面行驶路面中确定待行驶路面区域，所述待行驶路面区域被划分为多个栅格；以及，根据所述障碍物点云，确定各所述栅格被占据的概率；以及，根据各所述栅格被占据的概率和所述待行驶路面区域，生成曲面占据栅格地图。
可选的，所述处理器1402具体用于：
获取地面所在的道路的中心线；
获取所述地面点云中与所述中心线的垂直距离小于或等于预设距离的第一点；
采用多项式曲线插值拟合各所述第一点，得到道路中心拟合曲线；
根据道路中心拟合曲线，得到所述曲面行驶路面，所述道路中心拟合曲线为所述曲面行驶路面的中心线。
可选的，处理器1402具体用于：
提取所述障碍物点云中与所述曲面行驶路面之间的高度差小于或等于车辆的最大高度的各第二点；
根据各所述第二点，确定各所述占据栅格被占据的概率。
可选的，所述处理器1402具体用于：根据所述点云传感器的视野范围和所述曲面行驶路面，从所述曲面行驶路面中确定待行驶路面区域。
可选的，所述处理器1402：
根据所述点云传感器的视野范围和所述曲面行驶路面，确定第一长度，所述第一长度小于或等于所述曲面行驶路面的长度；
从所述曲面行驶路面中确定长度为所述第一长度，宽度为第一宽度的所述待行驶路面区域，所述第一宽度为所述曲面行驶路面的宽度。
可选的，所述处理器1402具体用于：
根据所述点云传感器的视野范围和所述曲面行驶路面，确定第一长度和第二宽度，所述第一长度小于或等于所述曲面行驶路面的长度，所述第二宽度小于或等于所述曲面行驶路面的宽度；
从所述曲面行驶路面中确定长度为所述第一长度，宽度为所述第二宽度的所述待行驶路面区域。
可选的，所述待行驶路面区域的一侧与所述曲面行驶路面靠近移动平台的一侧重合。
本实施例的移动平台可以用于执行上述方法实施例中的技术方案，其实现原理和技术效果类似，此处不再赘述。
本申请实施例还提供一种移动平台，该移动平台上搭载有点云传感器，该点云传感器可以执行上述方法实施例中的方法。
图15为本申请实施例的电子设备的一种示意性框图。本实施例的电子设备可以是移动平台，也可以是支持移动平台实现上述方法的芯片、芯片***、或处理器等；该电子设备可以是点云传感器，也可以是支持点云传感器实现上述方法的芯片、芯片***、或处理器等。本实施例的电子设备可用于实现上述方法实施例中描述的方法，具体可以参见述方法实施例中的说明。
所述电子设备可以包括一个或多个处理器1501，所述处理器1501也可以称为处理单元，可以实现一定的控制功能。所述处理器1501可以是通用处理器或者专用处理器等。
在一种可选的设计中，处理器1501也可以存有指令和/或数据1503，所述指令和/或数据1503可以被所述处理器运行，使得所述电子设备执行上述方法实施例中描述的方法。
在另一种可选的设计中，处理器1501中可以包括用于实现接收和发送功能的收发单元。例如该收发单元可以是收发电路，或者是接口，或者是接口电路。用于实现接收和发送功能的收发电路、接口或接口电路可以是分开的，也可以集成在一起。上述收发电路、接口或接口电路可以用于代码/数据的读写，或者，上述收发电路、接口或接口电路可以用于信号的传输或传递。
可选的，所述电子设备中可以包括一个或多个存储器1502，其上可以存有指令1504，所述指令可在所述处理器上被运行，使得所述电子设备执行上述方法实施例中描述的方法。可选的，所述存储器中还可以存储有数据。可选的，处理器中也可以存储指令和/或数据。所述处理器和存储器可以单独设置，也可以集成在一起。例如，上述方法实施例中所描述的对应关系可以存储在存储器中，或者存储在处理器中。
可选的，所述电子设备还可以包括收发器1505和/或天线1506。所述处理器1501可以称为处理单元，对所述电子设备进行控制。所述收发器1505可以称为收发单元、收发机、收发电路或者收发器等，用于实现收发功能。
本申请实施例还提供一种存储介质，其特征在于，所述存储介质包括计算机程序，所述计算机程序用于实现上述方法实施例中的方法。
本申请实施例中描述的处理器和收发器可以用各种IC工艺技术来制造，例如互补金属氧化物半导体(complementary metal oxide semiconductor,CMOS)、N型金属氧化物半导体(nMetal-oxide-semiconductor，NMOS)、P型金属氧化物半导体(positive channelmetal oxide semiconductor,PMOS)、双极结型晶体管(Bipolar Junction Transistor，BJT)、双极CMOS(BiCMOS)、硅锗(SiGe)、砷化镓(GaAs)等。
应理解，本申请实施例中的处理器可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(digitalsignal processor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(field programmable gate array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以理解，本申请实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic RAM，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data rateSDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(directrambus RAM，DR RAM)。应注意，本文描述的***和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
在上述实施例使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，高密度数字视频光盘(digital video disc，DVD))、或者半导体介质(例如，固态硬盘(solid state disk，SSD))等。
在本申请所提供的几个实施例中，应该理解到，所揭露的***、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
应理解，说明书通篇中提到的“实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各个实施例未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
还应理解，在本申请中，“当…时”、“若”以及“如果”均指在某种客观情况下本申请中的电子设备会做出相应的处理，并非是限定时间，且也不要求该电子设备实现时一定要有判断的动作，也不意味着存在其它限定。
本申请中对于使用单数表示的元素旨在用于表示“一个或多个”，而并非表示“一个且仅一个”，除非有特别说明。本申请中，在没有特别说明的情况下，“至少一个”旨在用于表示“一个或者多个”，“多个”旨在用于表示“两个或两个以上”。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A可以是单数或者复数，B可以是单数或者复数。
字符“/”一般表示前后关联对象是一种“或”的关系。
本文中术语“……中的至少一个”或“……中的至少一种”，表示所列出的各项的全部或任意组合，例如，“A、B和C中的至少一种”，可以表示：单独存在A，单独存在B，单独存在C，同时存在A和B，同时存在B和C，同时存在A、B和C这六种情况，其中A可以是单数或者复数，B可以是单数或者复数，C可以是单数或者复数。
应理解，在本申请各实施例中，“与A相应的B”表示B与A相关联，根据A可以确定B。但还应理解，根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其它信息确定B。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (18)

1.一种占据栅格地图的生成方法，其特征在于，包括：
获取点云传感器采集到的周围环境的点云；
根据地面点云快速分割算法从所述周围环境的点云中提取地面点云，将剩下的点云作为障碍物点云；
根据所述地面点云和地面的特征，拟合曲面行驶路面，所述地面为移动平台所在的道路的地面，所述点云传感器搭载在所述移动平台上；
从所述曲面行驶路面中确定待行驶路面区域，所述待行驶路面区域被划分为多个栅格；
提取所述障碍物点云中与所述曲面行驶路面之间的高度差小于或等于车辆的最大高度的各第二点；
根据各所述第二点，确定各占据栅格被占据的概率；
根据各所述栅格被占据的概率和所述待行驶路面区域，生成曲面占据栅格地图。
2.根据权利要求1所述的方法，其特征在于，所述根据所述地面点云和地面的特征，拟合曲面行驶路面，包括：
获取所述地面所在的道路的中心线；
获取所述地面点云中与所述中心线的垂直距离小于或等于预设距离的第一点；
采用多项式曲线插值拟合各所述第一点，得到道路中心拟合曲线；
根据道路中心拟合曲线，得到所述曲面行驶路面，所述道路中心拟合曲线为所述曲面行驶路面的中心线。
3.根据权利要求1所述的方法，其特征在于，所述根据所述第二点，确定各所述占据栅格被占据的概率，包括：
对于各第二点中的任意一个第二点，确定该第二点所占据的第一栅格，以及该第二点在该第一栅格所产生的影响概率；
将占据同一栅格的第二点对该栅格的影响概率相加，得到各所述栅格的预选占据概率；
对于各所述栅格中任意一个栅格，根据该栅格的第一预选占据概率和上一时刻该栅格的占据概率，得到该栅格的占据概率。
4.根据权利要求1~3任一项所述的方法，其特征在于，从所述曲面行驶路面中确定待行驶路面区域，包括：
根据所述点云传感器的视野范围和所述曲面行驶路面，从所述曲面行驶路面中确定待行驶路面区域。
5.根据权利要求4所述的方法，其特征在于，所述根据所述点云传感器的视野范围，从所述曲面行驶路面中确定待行驶路面区域，包括：
根据所述点云传感器的视野范围和所述曲面行驶路面，确定第一长度，所述第一长度小于或等于所述曲面行驶路面的长度；
从所述曲面行驶路面中确定长度为所述第一长度，宽度为第一宽度的所述待行驶路面区域，所述第一宽度为所述曲面行驶路面的宽度。
6.根据权利要求4所述的方法，其特征在于，所述根据所述点云传感器的视野范围和所述曲面行驶路面，从所述曲面行驶路面中确定待行驶路面区域，包括：
根据所述点云传感器的视野范围和所述曲面行驶路面，确定第一长度和第二宽度，所述第一长度小于或等于所述曲面行驶路面的长度，所述第二宽度小于或等于所述曲面行驶路面的宽度；
从所述曲面行驶路面中确定长度为所述第一长度，宽度为所述第二宽度的所述待行驶路面区域。
7.根据权利要求1~3、5~6任一项所述的方法，其特征在于，所述待行驶路面区域的一侧与所述曲面行驶路面靠近移动平台的一侧重合。
8.一种占据栅格地图的生成装置，其特征在于，包括：
获取模块，用于获取点云传感器采集到的周围环境的点云；
处理模块，用于：
根据地面点云快速分割算法从所述周围环境的点云中提取地面点云，将剩下的点云作为障碍物点云；以及
根据所述地面点云和地面的特征，拟合曲面行驶路面，所述地面为移动平台所在的道路的地面，所述点云传感器搭载在所述移动平台上；以及
从所述曲面行驶路面中确定待行驶路面区域，所述待行驶路面区域被划分为多个栅格；以及
根据所述障碍物点云，确定各所述栅格被占据的概率；以及
根据各所述栅格被占据的概率和所述待行驶路面区域，生成曲面占据栅格地图；
所述处理模块具体用于：
提取所述障碍物点云中与所述曲面行驶路面之间的高度差小于或等于车辆的最大高度的各第二点；
根据各所述第二点，确定各所述占据栅格被占据的概率。
9.根据权利要求8所述的装置，其特征在于，所述点云传感器搭载在移动平台上，所述处理模块具体用于：
获取地面所在的道路的中心线；
获取所述地面点云中与所述中心线的垂直距离小于或等于预设距离的第一点；
采用多项式曲线插值拟合各所述第一点，得到道路中心拟合曲线；
根据道路中心拟合曲线，得到所述曲面行驶路面，所述道路中心拟合曲线为所述曲面行驶路面的中心线。
10.根据权利要求8或9所述的装置，其特征在于，所述处理模块具体用于：
根据所述点云传感器的视野范围和所述曲面行驶路面，从所述曲面行驶路面中确定待行驶路面区域。
11.根据权利要求10所述的装置，其特征在于，所述处理模块具体用于：
根据所述点云传感器的视野范围和所述曲面行驶路面，确定第一长度，所述第一长度小于或等于所述曲面行驶路面的长度；
从所述曲面行驶路面中确定长度为所述第一长度，宽度为第一宽度的所述待行驶路面区域，所述第一宽度为所述曲面行驶路面的宽度。
12.根据权利要求10所述的装置，其特征在于，所述处理模块具体用于：
根据所述点云传感器的视野范围和所述曲面行驶路面，确定第一长度和第二宽度，所述第一长度小于或等于所述曲面行驶路面的长度，所述第二宽度小于或等于所述曲面行驶路面的宽度；
从所述曲面行驶路面中确定长度为所述第一长度，宽度为所述第二宽度的所述待行驶路面区域。
13.根据权利要求8~9、11~12任一项所述的装置，其特征在于，所述待行驶路面区域的一侧与所述曲面行驶路面靠近所述移动平台的一侧重合。
14.一种点云传感器，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1~7中任一项所述的方法。
15.一种移动平台，其特征在于，所述移动平台上搭载有所述权利要求14所述的点云传感器。
16.一种移动平台，其特征在于，包括点云传感器和处理器；
所述点云传感器用于采集周围环境的点云，以及将所述周围环境的点云发送至所述处理器；
所述处理器用于接收所述周围环境的点云，根据地面点云快速分割算法从所述周围环境的点云中提取地面点云，将剩下的点云作为障碍物点云；以及，
根据所述地面点云和地面的特征，拟合曲面行驶路面，所述地面为移动平台所在的道路的地面，所述点云传感器搭载在所述移动平台上；以及，
从所述曲面行驶路面中确定待行驶路面区域，所述待行驶路面区域被划分为多个栅格；以及，
提取所述障碍物点云中与所述曲面行驶路面之间的高度差小于或等于车辆的最大高度的各第二点；
根据各所述第二点，确定各占据栅格被占据的概率；以及，
根据各所述栅格被占据的概率和所述待行驶路面区域，生成曲面占据栅格地图。
17.根据权利要求16所述的移动平台，其特征在于，所述处理器还用于执行权利要求2~7中任一项所述的方法。
18.一种存储介质，其特征在于，所述存储介质包括计算机程序，所述计算机程序用于实现如权利要求1~7任一项所述的方法。
CN202080004371.0A 2020-09-29 2020-09-29 占据栅格地图的生成方法和装置 Active CN112543938B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2020/118950 WO2022067534A1 (zh) 2020-09-29 2020-09-29 占据栅格地图的生成方法和装置

Publications (2)

Publication Number Publication Date
CN112543938A CN112543938A (zh) 2021-03-23
CN112543938B true CN112543938B (zh) 2022-02-08

Family

ID=75017358

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080004371.0A Active CN112543938B (zh) 2020-09-29 2020-09-29 占据栅格地图的生成方法和装置

Country Status (2)

Country Link
CN (1) CN112543938B (zh)
WO (1) WO2022067534A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114355939A (zh) * 2021-12-31 2022-04-15 深圳市联洲国际技术有限公司 可移动设备的路径规划方法、装置及导航***
CN114879685B (zh) * 2022-05-25 2023-04-28 合肥工业大学 一种用于无人船的河岸线检测及自主巡航方法
CN115330969A (zh) * 2022-10-12 2022-11-11 之江实验室 一种用于地面无人车的局部静态环境矢量化描述方法
CN115376109B (zh) * 2022-10-25 2023-03-24 杭州华橙软件技术有限公司 障碍物检测方法、障碍物检测装置以及存储介质
CN115859908B (zh) * 2023-02-22 2023-05-09 江苏曼荼罗软件股份有限公司 一种基于栅格处理的电子病历显示方法及***
CN116533998B (zh) * 2023-07-04 2023-09-29 深圳海星智驾科技有限公司 车辆的自动驾驶方法、装置、设备、存储介质及车辆

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104374376A (zh) * 2014-11-05 2015-02-25 北京大学 一种车载三维测量***装置及其应用
CN107388967A (zh) * 2017-08-14 2017-11-24 上海汽车集团股份有限公司 一种车载三维激光传感器的外参数补偿方法及装置
CN108460416A (zh) * 2018-02-28 2018-08-28 武汉理工大学 一种基于三维激光雷达的结构化道路可行域提取方法
CN109017780A (zh) * 2018-04-12 2018-12-18 深圳市布谷鸟科技有限公司 一种车辆智能驾驶控制方法
CN109270927A (zh) * 2017-07-17 2019-01-25 高德软件有限公司 道路数据的生成方法及装置
CN110068836A (zh) * 2019-03-20 2019-07-30 同济大学 一种智能驾驶电动清扫车的激光雷达路沿感知***
CN110120097A (zh) * 2019-05-14 2019-08-13 南京林业大学 大场景机载点云语义建模方法
CN110320504A (zh) * 2019-07-29 2019-10-11 浙江大学 一种基于激光雷达点云统计几何模型的非结构化道路检测方法
CN110490888A (zh) * 2019-07-29 2019-11-22 武汉大学 基于机载激光点云的高速公路几何特征矢量化提取方法
CN110866927A (zh) * 2019-11-21 2020-03-06 哈尔滨工业大学 一种基于垂足点线特征结合的ekf-slam算法的机器人定位与构图方法
CN111142117A (zh) * 2019-12-31 2020-05-12 芜湖哈特机器人产业技术研究院有限公司 融合折角板及占据栅格的混合导航地图构建方法及***
CN111307166A (zh) * 2018-12-11 2020-06-19 北京图森智途科技有限公司 一种构建占据栅格地图的方法及其装置、处理设备
WO2020154968A1 (en) * 2019-01-30 2020-08-06 Baidu.Com Times Technology (Beijing) Co., Ltd. A point clouds ghosting effects detection system for autonomous driving vehicles
CN111598916A (zh) * 2020-05-19 2020-08-28 金华航大北斗应用技术有限公司 一种基于rgb-d信息的室内占据栅格地图的制备方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100066587A1 (en) * 2006-07-14 2010-03-18 Brian Masao Yamauchi Method and System for Controlling a Remote Vehicle
JP5206752B2 (ja) * 2010-08-30 2013-06-12 株式会社デンソー 走行環境認識装置
WO2016033797A1 (en) * 2014-09-05 2016-03-10 SZ DJI Technology Co., Ltd. Multi-sensor environmental mapping
JP6559535B2 (ja) * 2015-10-22 2019-08-14 株式会社東芝 障害物マップ生成装置、その方法、及び、そのプログラム
CN105652876A (zh) * 2016-03-29 2016-06-08 北京工业大学 基于数组地图的移动机器人室内路径规划方法
CN106097431A (zh) * 2016-05-09 2016-11-09 王红军 一种基于三维栅格地图的物体整体识别方法
CN106792465B (zh) * 2016-12-26 2019-08-30 华中科技大学 一种基于众包指纹的室内指纹地图构建方法
CN108319655B (zh) * 2017-12-29 2021-05-07 百度在线网络技术（北京）有限公司 用于生成栅格地图的方法和装置
CN110824514A (zh) * 2018-08-14 2020-02-21 中国电信股份有限公司 指纹定位方法和装置、计算机可读存储介质
CN110264572B (zh) * 2019-06-21 2021-07-30 哈尔滨工业大学 一种融合几何特性与力学特性的地形建模方法及***
CN110550029B (zh) * 2019-08-12 2021-02-09 华为技术有限公司 障碍物避让方法及装置

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104374376A (zh) * 2014-11-05 2015-02-25 北京大学 一种车载三维测量***装置及其应用
CN109270927A (zh) * 2017-07-17 2019-01-25 高德软件有限公司 道路数据的生成方法及装置
CN107388967A (zh) * 2017-08-14 2017-11-24 上海汽车集团股份有限公司 一种车载三维激光传感器的外参数补偿方法及装置
CN108460416A (zh) * 2018-02-28 2018-08-28 武汉理工大学 一种基于三维激光雷达的结构化道路可行域提取方法
CN109017780A (zh) * 2018-04-12 2018-12-18 深圳市布谷鸟科技有限公司 一种车辆智能驾驶控制方法
CN111307166A (zh) * 2018-12-11 2020-06-19 北京图森智途科技有限公司 一种构建占据栅格地图的方法及其装置、处理设备
WO2020154968A1 (en) * 2019-01-30 2020-08-06 Baidu.Com Times Technology (Beijing) Co., Ltd. A point clouds ghosting effects detection system for autonomous driving vehicles
CN110068836A (zh) * 2019-03-20 2019-07-30 同济大学 一种智能驾驶电动清扫车的激光雷达路沿感知***
CN110120097A (zh) * 2019-05-14 2019-08-13 南京林业大学 大场景机载点云语义建模方法
CN110490888A (zh) * 2019-07-29 2019-11-22 武汉大学 基于机载激光点云的高速公路几何特征矢量化提取方法
CN110320504A (zh) * 2019-07-29 2019-10-11 浙江大学 一种基于激光雷达点云统计几何模型的非结构化道路检测方法
CN110866927A (zh) * 2019-11-21 2020-03-06 哈尔滨工业大学 一种基于垂足点线特征结合的ekf-slam算法的机器人定位与构图方法
CN111142117A (zh) * 2019-12-31 2020-05-12 芜湖哈特机器人产业技术研究院有限公司 融合折角板及占据栅格的混合导航地图构建方法及***
CN111598916A (zh) * 2020-05-19 2020-08-28 金华航大北斗应用技术有限公司 一种基于rgb-d信息的室内占据栅格地图的制备方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"Occupancy grids generation based on Geometric-Featured Voxel maps";Victoria Plaza-Leiva等;《2015 23rd Mediterranean Conference on Control and Automation (MED)》;20150716;第766-771页 *
"一种融合激光与视觉传感器的栅格地图构建方法";曾键等;《工业控制计算机》;20200925;第33卷(第9期);第92-95页 *

Also Published As

Publication number Publication date
CN112543938A (zh) 2021-03-23
WO2022067534A1 (zh) 2022-04-07

Similar Documents

Publication Publication Date Title
CN112543938B (zh) 占据栅格地图的生成方法和装置
CN111857160B (zh) 一种无人车路径规划方法和装置
EP3876141A1 (en) Object detection method, related device and computer storage medium
CN110276834B (zh) 一种激光点云地图的构建方法、终端和可读存储介质
KR20190053217A (ko) 위치파악 참조 데이터를 생성 및 사용하기 위한 방법 및 시스템
WO2017115732A1 (ja) 画像処理装置、物体認識装置、機器制御システム、画像処理方法及び画像処理プログラム
JP6038422B1 (ja) 車両判定装置、車両判定方法及び車両判定プログラム
WO2022166323A1 (zh) 一种道路线确定的方法，相关装置以及设备
US11501490B2 (en) Systems and methods for multi-resolution fusion of pseudo-LiDAR features
US20230153390A1 (en) System and method for detecting proximity between objects using threshold based clustering
CN114323035A (zh) 定位方法、装置和***
CN114631124A (zh) 三维点云分割方法和装置、可移动平台
JP2021051476A (ja) 物体検出装置、物体検出システム、移動体及び物体検出方法
KR102473392B1 (ko) 섹션 노드 및 섹션 링크를 이용한 차로 중심선 네트워크를 결정하기 위한 방법 및 장치
CN115359332A (zh) 基于车路协同的数据融合方法、装置、电子设备及***
US20220017095A1 (en) Vehicle-based data acquisition
CN115235482A (zh) 地图更新方法、装置、计算机设备及介质
JP7278915B2 (ja) 物体検出装置、物体検出システム、移動体及び物体検出方法
JP7308112B2 (ja) 物体検出装置、物体検出システム、移動体及び物体検出方法
JP7206172B2 (ja) 物体検出装置、物体検出システム、移動体及び物体検出方法
CN115512099B (zh) 一种激光点云数据处理方法及装置
US20240142258A1 (en) Object detection device, object detection method, and storage medium storing program
CN109636841B (zh) 车道线生成方法和装置
US20220351623A1 (en) Object recognition apparatus, object recognition method, and computer readable medium
CN116824152A (zh) 基于点云的目标检测方法及装置、可读存储介质、终端

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
GR01 Patent grant
GR01 Patent grant