基于激光雷达的路沿后处理方法、装置、车辆及存储介质

技术领域

本发明涉及自动驾驶技术领域，具体涉及一种基于激光雷达的路沿后处理方法、装置、车辆及存储介质。

背景技术

在自动驾驶领域，使用视觉图像传感器实现车道线检测、跟踪的技术已经比较成熟，但在道路边界的判断上，激光雷达作为一种能够实时探测三维空间信息的传感器，其能够获得道路边界处的地形或人造建筑的空间特征，这使得激光雷达传感器替代视觉图像传感器实现道路边界的检测、跟踪具有很大的优势，但相对于使用视觉图像传感器直接检测输出车道线的方法，激光雷达主要产生连续路沿离散化后的路沿散点，这些检测得到的路沿点中包括实际环境中真实存在的多层次的道路边界，以及少量的噪点，但实际使用时，只有距离本车最近的路沿边界对于车辆的行驶是有意义的。

专利文献CN107272019B公开了一种基于激光雷达扫描的路沿检测方法，包括：以路面为X-Y平面、激光雷达在X-Y平面的投影点为原点以及垂直于路面向上的方向为Z轴方向，建立三维坐标系；通过激光雷达扫描获取环境的多帧激光数据，用于形成点云数据；所述点云数据包括多个包含三维坐标信息的扫描点；对每一帧激光数据，对扫描线上的扫描点进行梯度滤波获取路沿候选点；对符合条件的路沿候选点进行二次曲线拟合，得到路沿检测结果。

专利文献CN110781827B公开了一种基于激光雷达与扇状空间分割的路沿检测系统及其方法，包括：激光雷达扫描车辆周围环境，获取反射点云信息并转换到本地构建的三维坐标系中；对点云数据进行预处理，把每一帧点云中的地面数据分离并提取出来；根据激光雷达与点云的数据特征，将坐标系中的空间分割为扇状的结构体，根据地面信息和扇状结构体，识别道路延伸方向；使用并行的路沿检索算法，提取点云中的路沿候选点；对路沿候选点进行聚类，根据扇状空间特征，排除干扰点集合；对最后确定的路沿点做B样条曲线拟合，得到路沿检测结果。

上述现有技术中的对于路沿点的处理算法主要是根据对路沿候选点进行聚类后进行的噪点滤除操作，此类算法的重心主要集中在整体算法的设计，以减少对于目标物的误检，但对于同时输出的多条较准确路沿，路沿点集内部排列无序，且存在少量噪点的路沿检测算法的结果，例如道路上马路牙子，护栏，绿化带边缘，联排水马等多种路沿同时出现时，未能提供明确多层路沿滤除及路沿补全的路沿后处理方法。

发明内容

本发明的目的在于提供一种基于激光雷达的路沿后处理方法、装置、车辆及存储介质，能对激光雷达的路沿检测算法输出的多层次的路沿点集及噪点进行滤除，以得到能作为车辆轨迹预测、目标检测和可行驶区域等模块的输入信息。

为了实现上述目的，本发明采用的技术方案如下：

一种基于激光雷达的路沿后处理方法，包括以下步骤：

获取激光雷达输出的路沿点集；

对路沿点集进行聚类分割，得到不同的路沿子点集；

将每个路沿子点集中的各路沿点进行排序，并将路沿点与其相邻的路沿点相连接；

以预设点为圆心，将车辆前方的区域，划分为多个扇形区域，所述预设点为车辆上的点，或为与车辆的距离小于第一预设距离的点；

对每个扇形区域内非最内侧的路沿点进行过滤处理，得到A类路沿点；

将滤除后的各路沿子点集进行合并处理，得到处理后的路沿点集。

进一步，还包括：过滤掉不满足要求的A类路沿点，具体为：

将与待处理扇形区域相邻的两个扇形区域的A类路沿点进行连线，并选取此连线在待处理扇形区域内的任意一个点作为参考点；

判断待处理扇形区域内的A类路沿点到此参考点的距离是否大于第二预设距离，若否，表示该扇形区域内的A类路沿点满足要求，则保留该扇形区域内的A类路沿点，若是，表示该扇形区域内的A类路沿点不满足要求，则过滤掉该扇形区域内的A类路沿点。将误识别成的A类路沿点再进行过滤。

进一步，还包括：在过滤掉不满足要求的A类路沿点之后，还执行：

判断扇形区域内是否有路沿点，若该扇形区域内无路沿点，则在该扇形区域内插入满足要求的A类路沿点。通过此步骤，对没有路沿点的扇形区域进行插值处理。

进一步，将滤除后的各路沿子点集进行合并处理，具体为：

当一个路沿子点集中的路沿点与另一个路沿子点集中的路沿点之间的距离小于第三预设距离，和/或这两个路沿点分别与预设点的连线所形成的夹角小于预设角度时，则认为两个路沿子点集满足合并条件，则将两个路沿子点集进行合并。

进一步，在将滤除后的各路沿子点集进行合并处理之前，还执行：

对过滤后的各个路沿子点集中对应的路沿点按照第一预设方向进行排序，或/和按照第二预设方向进行排序。

进一步，所述第一预设方向为顺时针方向或为逆时针方向；

当所述第一预设方向为顺时针方向时，所述第二预设方向为逆时针方向；

当所述第一预设方向为逆时针方向时，所述第二预设方向为顺时针方向。

进一步，当前一个路沿子点集中的最后一个路沿点与后一个路沿子点集中的第一个路沿点之间的距离小于第三预设距离，和/或这两个路沿点分别与预设点的连线所形成的夹角小于预设角度时，则认为这两个路沿子点集满足合并条件，则将两个路沿子点集进行合并。

进一步，在将滤除后的各路沿子点集进行合并处理之后，输出处理后的路沿点集之前，还执行以下步骤：

在任意相邻的两个路沿点之间进行线性插值处理。通过此步骤后，是输出的路沿曲线更为光滑，使处理后的路沿点集更符合实际路沿的情况。

第二方面，本申请实施例提供了一种基于激光雷达的路沿后处理装置，包括存储器和控制器，所述存储器内存储有计算机可读程序，所述计算机可读程序被控制器调用时能执行上述的基于激光雷达的路沿后处理方法的步骤。

第三方面，本申请实施例提供了一种车辆，采用以上所述的基于激光雷达的路沿后处理装置。

第四方面，本申请实施例提供了一种存储介质，其内存储有计算机可读程序，所述计算机可读程序被调用时能执行以上所述的基于激光雷达的路沿后处理方法的步骤。

本发明的有益效果：本发明首先对激光雷达输出的路沿点集进行聚类分割，接着将每个路沿子点集中的各路沿点进行排序，并将路沿点与其相邻的路沿点相连接，通过以上步骤处理后能够将激光雷达输出的离散的、无序的路沿点集转换为多个独立的路沿子点集，这些集合内部所包含的路沿点能形成连续的路沿边界，从而使得已经离散化的路沿能够重新恢复部分连续性。然后以预设点为圆心，将车辆前方的区域划分为多个扇形区域，即将扇形区域作为道路的边界，故实现对路沿点进行相应的位置估计，进而能够识别出每个扇形区域内距离预设点最近的路沿点，从而能够将每个扇形区域内的非最内侧的路沿点过滤掉。最后对滤除后的各路沿子点集进行合并处理，合并的目的是为了重新得到连续路沿的采样点，使输出的路沿点集符合实际路沿的情况。通过本发明处理后的路沿点集能够作为车辆轨迹预测、目标检测和可行驶区域等模块的输入信息，从而能够提高自动驾驶算法的效率。

附图说明

图1是本实施例中基于激光雷达的路沿后处理方法的流程图；

图2是本实施例中对聚类分割后排序的原理示意图；

图3是本实施例中对A类路沿点进行过滤的示意图；

图4是本实施例中对过滤A类路沿点后进行插值的示意图；

图5是本实施例中一种对各路沿子点集合并原理的示意图；

图6是本申请的某一实例中激光雷达输出的路沿点集的示意图；

图7是本申请的某一实例中对路沿点集进行聚类分割并排序后的示意图；

图8是本申请的某一实例中对扇形区域划分的示意图；

图9是本申请的某一实例中对最内侧的路沿点进行过滤处理后的示意图；

图10是本申请的某一实例中过滤掉不合格的A类路沿点且插入合格的路沿点后的示意图；

图11是本申请的某一实例中对各路沿子点集进行顺时针排序和合并后的示意图；

图12是本申请的某一实例中对各路沿子点集再进行逆时针排序和合并后的示意图；

图13是本申请的某一实例中对合并后的各路沿子点集进行线性插值的示意图；

图14是本申请的某一实例中基于激光雷达的路沿后处理装置的原理框图。

具体实施方式

以下将参照附图和优选实施例来说明本发明的实施方式，本领域技术人员可由本说明书中所揭露的内容能够了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

如图1所示，本申请实施例提出了一种基于激光雷达的路沿后处理方法，包括以下步骤：

S1.获取激光雷达输出的路沿点集。

在本申请的一些实施例中，激光雷达能够进行实时扫描处理，获得路面的激光数据，进而基于激光数据获得路沿点集数据；路沿点集是基于路面的实时情况获取的点云数据，其包含每个路沿点与车辆的坐标位置信息。

S2.对路沿点集进行聚类分割，得到不同的路沿子点集。

需要说明的是，聚类分割算法是按照某个特定标准(如距离)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大，也即聚类后同一类的数据尽可能聚集到一起，不同类的数据尽量分离。

在本申请的一些实施例中，一种聚类分割原理为：

S21.在路沿点集中任意找一个点(简称点P1)，在路沿点集中搜索与点P1的距离小于设定阈值的所有点，并将这些点放入到路沿子点集Q1中。

S22.在路沿子点集Q1内任选一个点(假设为点P2)，重复步骤S21，找到与点P2的距离小于设定阈值的所有点，并将这些点放入到路沿子点集Q1中。重复此步骤，直到路沿子点集Q1再也没有新的点加入，则完成路沿子点集Q1的搜索。

S23.重复步骤S21和步骤S22，直到路沿点集中的所有路沿点均被放入到对应的路沿子点集中，即得到了不同的路沿子点集。

S3.将每个路沿子点集中的各路沿点进行排序，并将路沿点与其相邻的路沿点相连接。

在本申请的一些实施例中，对路沿子点集中的各路沿点，以路沿点与车辆的连线与车辆行进方向的夹角的大小，按照从大到小或者从小到大的顺序进行排序(参见图2)，使离散的路沿点之间具有顺序关系，进而形成连续的路沿边界。

S4.以预设点为圆心，将车辆前方的区域，划分为多个扇形区域，所述预设点为车辆上的点，或为与车辆的距离小于第一预设距离的点。

在本申请的一些实施例中，使用扇形区域对车辆前方区域进行划分符合激光雷达的扫描方式，第一预设距离一般不大于1m。示例的，预设点为激光雷达的扫描原点，若预设点不是激光雷达的扫描原点，还需对计算结果进行坐标换算。

S5.对每个扇形区域内非最内侧的路沿点进行过滤处理，得到A类路沿点，其中，A类路沿点为扇形区域中位于最内侧的路沿点，也就是同一扇形区域内距离预设点距离最小的路沿点。

在本申请的一些实施例中，依照路沿点与车辆的坐标位置信息计算同一扇形区域内路沿点与圆心的距离，距离最小的路沿点为最内侧的路沿点，并对每个扇形区域中与圆心距离大于最内侧的路沿点的路沿点即内非最内侧的路沿点进行过滤处理。这里非最内侧的路沿点一般为远处路沿点或者噪点。对扇形区域内非最内侧的路沿点进行过滤处理具体为：计算扇形区域中每个路沿点与圆心的距离，并将距离最小的路沿点视为该扇形区域最内侧的路沿点，将该扇形区域中的其余路沿点视为非最内侧的路沿点。过滤掉扇形区域中所有非最内侧的路沿点，得到的A类路沿点。

在本申请的一些实施例中，计算路沿点所在的扇形区域，具体为：按照以下计算公式得到该路沿点对应的扇形区域的序号：

式中，x表示路沿点在坐标系中的横坐标，y表示路沿点在坐标系中的纵坐标，其中，坐标系是以激光雷达的扫描原点为原点，车辆行驶方向为横坐标，车辆的宽度方向为纵坐标，polar_cell_size为扇形区域的角度值，polar_id是路沿点所在扇形区域的序号。基于路沿点所在扇形区域的序号将该路沿点划分到对应的扇形区域。

示例的，以激光雷达的扫描原点为坐标原点，将车辆行驶方向定义为X轴，将车辆的宽度方向定义为Y轴。扇形区域的划分是以固定角度(以polar_cell_size＝1°为例)将车辆前方区域分割为180个扇形区域，以X轴的正向为起点，按照逆时针方向依次编号，分别编号为1,2,3，……，90，同时以X轴的正向为起点，按照顺时针方向依次编号，-1，-2，-3，……，-90。假设某一路沿点的坐标为(1,1)，polar_cell_size取为1°，该路沿点的polar_id为45，若路沿点的X轴和Y轴坐标为(1,-1)，polar_cell_size取为1°时，该路沿点的polar_id为-45，当polar_id的计算结果不为整数时需要对其向下取整。

在本申请的一些实施例中，一种基于激光雷达的路沿后处理方法，还包括：过滤掉不满足要求的A类路沿点，具体为：

将与待处理扇形区域相邻的两个扇形区域的A类路沿点(参见图3中的C1和C3)进行连线，并选取此连线在待处理扇形区域内的任意一个点作为参考点(参见图3中的C4)；优选的，参考点选取连线的中点。

S52.判断待处理扇形区域内的A类路沿点(参见图3中的C2)到此参考点的距离(参见图3中的D2)是否大于第二预设距离，若否，表示该扇形区域内的A类路沿点满足要求，则保留该扇形区域内的A类路沿点，若是，表示该扇形区域内的A类路沿点不满足要求，则过滤掉该扇形区域内的A类路沿点。其中，第二预设距离参考激光雷达的扫描精度设置，实际上，最内侧路沿应该是连续均匀分布的点，如果参考点与待处理扇形区域内的A类路沿点距离过大，则说明该A类路沿点并不能反应出最内侧路沿的实际情况，故对其进行滤除。

在本申请的一些实施例中，在过滤掉不满足要求的A类路沿点之后，还执行：

判断扇形区域内是否有路沿点，若该扇形区域内无路沿点，则在该扇形区域内插入满足要求的A类路沿点。优选的，插入的A类路沿点的位置选取本申请实施例中所述参考点的位置，参见图4，在图3的C4处插入路沿点C5。在一实例中，仅在过滤掉不满足要求的A类路沿点的扇形区域内插入A类路沿点。在另一实例中，在所有没有路沿点的扇形区域均插入A类路沿点。

S6.将滤除后的各路沿子点集进行合并处理，得到处理后的路沿点集。

在本申请的实施例中，滤除后的各路沿子点集之间可能会有间断，合并的目的是为了重新得到连续路沿的采样点，形成处理后的路沿点集。处理后的路沿点集可作为车辆轨迹预测、目标检测和可行驶区域等模块的输入信息。

在本申请的一些实施例中，将滤除后的各路沿子点集进行合并处理，具体为：

当一个路沿子点集中的路沿点与另一个路沿子点集中的路沿点之间的距离小于第三预设距离，则认为两个路沿子点集满足合并条件，则将两个路沿子点集进行合并。

在本申请的一些实施例中，将滤除后的各路沿子点集进行合并处理，具体为：

当一个路沿子点集中的路沿点与另一个路沿子点集中的路沿点分别与预设点的连线所形成的夹角小于预设角度时，则认为两个路沿子点集满足合并条件，则将两个路沿子点集进行合并。

在本申请的一些实施例中，将滤除后的各路沿子点集进行合并处理，具体为：

当一个路沿子点集中的路沿点与另一个路沿子点集中的路沿点之间的距离小于第三预设距离，且这两个路沿点分别与预设点的连线所形成的夹角小于预设角度时，则认为两个路沿子点集满足合并条件，则将两个路沿子点集进行合并。

在本申请的一些实施例中，在将滤除后的各路沿子点集进行合并处理之前，还执行：

对过滤后的各个路沿子点集中对应的路沿点按照第一预设方向进行排序，或/和按照第二预设方向进行排序。

在本申请的一些实施例中，在将滤除后的各路沿子点集进行合并处理之前，还执行：

对过滤后的各个路沿子点集中对应的路沿点按照第二预设方向进行排序。

在本申请的一些实施例中，在将滤除后的各路沿子点集进行合并处理之前，还执行：

对过滤后的各个路沿子点集中对应的路沿点按照第一预设方向进行排序和按照第二预设方向进行排序。

其中，第一预设方向为顺时针方向或为逆时针方向；当第一预设方向为顺时针方向时，第二预设方向为逆时针方向；当第一预设方向为逆时针方向时，第二预设方向为顺时针方向。

作为一种优选实施例，对过滤后的各个路沿子点集中对应的路沿点进行排序后，当前一个路沿子点集中的最后一个路沿点与后一个路沿子点集中的第一个路沿点之间的距离(参见图5中的D)小于第三预设距离，且这两个路沿点分别与预设点的连线所形成的夹角小于预设角度(参见图5中的角R2)时，则认为相邻两个路沿子点集满足合并条件，则将两个路沿子点集进行合并。其中，第三预设距离和预设角度通过实际经验值得到。

需要说明的是，在本申请的实施例中，需对滤除后的各路沿子点集进行逆时针和顺时针顺序的原因在于，滤除后的各路沿子点集之间是间断的，而滤除前属于同一条路沿子集之间的路沿点的连线信息还会保留，需要对符合阈值参数的各路沿子点集进行合并，将合并后路沿点集中所有点视为同一条连续路沿的采样点。排序的原理是用大的路沿子点集(即路沿点较多的路沿子点集)去合并小的路沿子点集(即路沿点较少的路沿子点集)，如果只按照单一方向进行排序遍历，可以会有一些小的路沿子点集被遗漏掉。所以本申请实施例中采用逆时针和顺时针两种顺序来进行排序，能够有效提高间断性判断的准确性。

需要说明的是，在本申请的实施例中，考虑到实际路沿场景的复杂性，为避免因为此算法对非路沿点产生误判。如图5所示，在顺时针排序和逆时针排序过程中，均要判断是否满足合并条件。

在本申请的一些实施例中，在将滤除后的各路沿子点集进行合并处理之后，输出处理后的路沿点集之前，还执行以下步骤：在任意相邻的两个路沿点之间进行线性插值处理。

在本申请的实施例中，合并处理后的路沿点集可视为一条连续路沿的采样点，由于每个扇形区域内只有一个路沿点，若直接输出，输出的路沿不够光滑，故需要对任意相邻的两个路沿点之间进行线性插值处理，使处理后的路沿点集更符合实际路沿的情况。

如图6至图13，以下结合实例对本申请的实施过程进行详细说明：

S1.获取激光雷达输出的路沿点集，参见图6。

S2.对路沿点集进行聚类分割，得到不同的路沿子点集。

S3.将每个路沿子点集中的各路沿点进行排序，并将路沿点与其相邻的路沿点相连接，参见图7。排序的原理为对路沿子点集中的各路沿点与圆心进行连线，依照连线与水平方向的夹角从小到大进行排序，使离散的路沿点之间有一个顺序关系，将顺序相邻的路沿点之间进行连线进而形成连续的路沿边界。本实施过程中以激光雷达扫描原点为圆心，车辆行驶方向为X轴方向。

S4.以激光雷达扫描原点为圆心，将车辆前方的区域，划分为多个扇形区域，参见图8。

S5.对每个扇形区域内非最内侧的路沿点进行过滤处理，得到A类路沿点，参见图9。在过滤掉不满足要求的A类路沿点之后，判断扇形区域内是否有路沿点，若该扇形区域内无路沿点，则在该扇形区域内插入满足要求的A类路沿点，参见图10。

S6.对过滤后的各个路沿子点集中对应的路沿点按照顺时针方向进行排序，并在相邻两个路沿子点集满足合并条件时将对应的两个路沿子点集进行合并处理，参见图11。再按照逆时针方向进行排序，并在相邻两个路沿子点集满足合并条件时将对应的两个路沿子点集进行合并处理，参见图12。然后在任意相邻的两个路沿点之间进行线性插值处理，得到处理后的路沿点集，参见图13。

由以上实施例的详细说明可见，由于激光雷达路沿检测算法输出的路沿点集是无序的，且所有点之间并不存在任何关联关系，通过聚类分割算法和排序步骤赋予路沿点相应的关联关系，将离散的无序的路沿点集转换为多个独立的路沿子点集，这些集合内部所包含的路沿点可以形成连续的路沿边界，使得已经离散化的路沿重新恢复部分连续性。非最内侧路沿点滤除建立在聚类分割算法的基础上，由于已经得到路沿的连续性，因此通过扇形区域划分实际道路的边界则可以产生相应的位置估计，从而获取最靠近本车的路沿距离值，依照距离值滤除远处路沿点和噪点，并对滤除后的各路沿子点集进行合并，得到处理后的路沿点集，处理后的路沿点集可作为车辆轨迹预测、目标检测和可行驶区域等模块的输入信息，从而提高了后续自动驾驶算法效率。

如图14所示，本申请实施例中，一种基于激光雷达的路沿后处理装置，包括存储器和控制器，所述存储器内存储有计算机可读程序，所述计算机可读程序被控制器调用时能执行上述的基于激光雷达的路沿后处理方法的步骤。

以上装置实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上述方法实施例描述的方法，对于本申请装置实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。

本申请实施例中提供一种车辆，车辆上安装有激光雷达，采用以上所述的基于激光雷达的路沿后处理装置。

本申请实施例中提供一种存储介质，其内存储有计算机可读程序，所述计算机可读程序被调用时能执行以上所述的基于激光雷达的路沿后处理方法的步骤。

在本申请的实施例中，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：数字通用光盘(digital versatiledisc，DVD))或半导体介质(例如：固态硬盘(solid state disk，SSD))等。值得注意的是，本申请提到的存储介质可以为非易失性存储介质，换句话说，可以是非瞬时性存储介质。

以上实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。