一种车前地形的坡度估计方法以及装置

技术领域

本公开涉及无人驾驶领域，具体而言，涉及一种车前地形的坡度估计方法、装置、电子设备以及计算机可读存储介质。

背景技术

受限于自动驾驶的技术发展水平和面临的复杂环境，自动驾驶在细分领域率先商业化已成为行业共识。这些细分领域具备环境封闭、线路固定的特点，例如：矿场就是一个相对简单的封闭环境，有可能成为自动驾驶技术最先实现商业化的场景之一。

自动驾驶技术越来越来越成熟，国内外好多公司已经开始试制无人矿车。无人驾驶矿车的关键技术之一在于智能环境感知技术，许多国内外研究者提出的大多是关于城市道路环境下的障碍物检测以及地面检测检测方法，忽略了地形坡度对无人车的影响。随着大型露天矿山开采深度加大，坡度大、弯道多的现象逐渐增多，坡度会影响车辆的平衡，对载重的矿卡影响更大。因此有必要进行路面的坡度检测。

Ray Ground Filter(射线)算法由于拟合地面仅通过线特征进行坡度判断,缺乏全局性的考虑,容易受到局部点云的影响。因此该算法可以将大部分地面点分割出来,但激光雷达近距离的斜坡点云会误分割为地面点,同时对于小型障碍物的剔除能力较差；分段RANSAC算法相较于Ray Ground Filter算法实际可应用性有所提高,但仅通过距离阈值仍无法从地面中分离出对车辆自主运行造成影响的小坡等点云，而且在室内地面场景中,RANSAC在存在大量障碍物的情况下,无法通过随机采样拟合出正确的地面,这是因为RANSAC在采样拟合在地面点比较较高的情况下效果比较好，在存在大量障碍物的环境中容易拟合错误。

因此，需要一种或多种方法解决上述问题。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种车前地形的坡度估计方法、装置、电子设备以及计算机可读存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

根据本公开的一个方面，提供一种车前地形的坡度估计方法，包括：

地面点判定步骤，对基于车辆探测模块采集的三维点云，基于射线法的预设坡度阈值，进行地面点判定；

平面模型生成步骤，将所述三维点云中的地面点作为种子点集，基于奇异值分解法生成所述车辆路径的平面模型；

坡度估计步骤，分离并提取所述平面模型中的坡度点，基于所述坡度点完成坡度估计。

在本公开的一种示例性实施例中，所述方法的地面点判定步骤还包括对基于车辆探测模块采集的三维点云进行预处理，并基于预设高度阈值，对所述三维点云进行点云裁剪操作。

在本公开的一种示例性实施例中，所述方法还包括：

对所述进行点云裁剪操作后的三维点云按照点云高度排序。

在本公开的一种示例性实施例中，所述方法还包括：

基于预设高度阈值，对所述三维点云进行点云裁剪操作，去除障碍物干扰信息。

在本公开的一种示例性实施例中，所述方法的地面点判定步骤还包括：

对基于车辆探测模块采集的三维点云，计算所述三维点云相邻点的坡度，并基于射线法的预设坡度阈值，将所述三维点云相邻点的坡度与所述预设坡度阈值比较，完成地面点判定。

在本公开的一种示例性实施例中，，所述方法的平面模型生成步骤还包括：

将所述三维点云中的地面点作为种子点集，基于奇异值分解法生成所述车辆路径的平面模型，并迭代法对所述平面模型进行优化。

在本公开的一个方面，提供一种车前地形的坡度估计装置，包括：

地面点判定模块，用于对基于车辆探测模块采集的三维点云，基于射线法的预设坡度阈值，进行地面点判定；

平面模型生成模块，用于将所述三维点云中的地面点作为种子点集，基于奇异值分解法生成所述车辆路径的平面模型；

坡度估计模块，用于分离并提取所述平面模型中的坡度点，基于所述坡度点完成坡度估计。

在本公开的一个方面，提供一种电子设备，包括：

处理器；以及

存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现根据上述任意一项所述的方法。

在本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据上述任意一项所述的方法。

本公开的示例性实施例中的一种车前地形的坡度估计方法，其中，该方法包括：对基于车辆探测模块采集的三维点云，基于射线法的预设坡度阈值，进行地面点判定；将所述三维点云中的地面点作为种子点集，基于奇异值分解法生成所述车辆路径的平面模型；分离并提取所述平面模型中的坡度点，基于所述坡度点完成坡度估计。本公开通过对三维点云的粗分割及细分割，实现了在非结构化道路场景下提取出带坡度的点云，并对路面坡度进行估计。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

通过参照附图来详细描述其示例实施例，本公开的上述和其它特征及优点将变得更加明显。

图1示出了根据本公开一示例性实施例的一种车前地形的坡度估计方法的流程图；

图2示出了根据本公开一示例性实施例的一种车前地形的坡度估计方法的应用场景示意图；

图3示出了根据本公开一示例性实施例的一种车前地形的坡度估计装置的示意框图；

图4示意性示出了根据本公开一示例性实施例的电子设备的框图；以及

图5示意性示出了根据本公开一示例性实施例的计算机可读存储介质的示意图。

具体实施方式

现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、组元、材料、装置、步骤等。在其它情况下，不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

在本示例实施例中，首先提供了一种车前地形的坡度估计方法；参考图1中所示，该一种车前地形的坡度估计方法可以包括以下步骤：

地面点判定步骤S110，对基于车辆探测模块采集的三维点云，基于射线法的预设坡度阈值，进行地面点判定；

平面模型生成步骤S120，将所述三维点云中的地面点作为种子点集，基于奇异值分解法生成所述车辆路径的平面模型；

坡度估计步骤S130，分离并提取所述平面模型中的坡度点，基于所述坡度点完成坡度估计。

本公开的示例性实施例中的一种车前地形的坡度估计方法，其中，该方法包括：对基于车辆探测模块采集的三维点云，基于射线法的预设坡度阈值，进行地面点判定；将所述三维点云中的地面点作为种子点集，基于奇异值分解法生成所述车辆路径的平面模型；分离并提取所述平面模型中的坡度点，基于所述坡度点完成坡度估计。本公开通过对三维点云的粗分割及细分割，实现了在非结构化道路场景下提取出带坡度的点云，并对路面坡度进行估计。

下面，将对本示例实施例中的一种车前地形的坡度估计方法进行进一步的说明。

在本示例的实施例中，所述车前地形坡度估计的方法，实现了无人驾驶感知模块中对路面坡度估计。该方法首先对获取到的三维点云进行预处理，裁剪掉过高过远的点云，对感兴趣区域进行地面分割，通过射线法，把预处理后的点云分为地面点和非地面点，此时在地面点会存在少量坡度较小的斜坡地面点。然后利用奇异值分解拟合平面，再精确地把地面点中的斜坡点分离出来，然后在斜坡点进行法向量的估计，以此求出倾斜路面的坡度。本发明整体方案包括点云粗分割和细分割两大部分，其中，点云粗分割为地面点判定步骤，点云细分割包括平面模型生成步骤、坡度估计步骤。

在地面点判定步骤S110中，可以对基于车辆探测模块采集的三维点云，基于射线法的预设坡度阈值，进行地面点判定。

在本示例的实施例中，所述方法的地面点判定步骤还包括对基于车辆探测模块采集的三维点云进行预处理，并基于预设高度阈值，对所述三维点云进行点云裁剪操作。

在本示例的实施例中，所述方法还包括：

对所述进行点云裁剪操作后的三维点云按照点云高度排序。

在本示例的实施例中，所述方法还包括：

基于预设高度阈值，对所述三维点云进行点云裁剪操作，去除障碍物干扰信息。

在本示例的实施例中，所述方法的地面点判定步骤还包括：

对基于车辆探测模块采集的三维点云，计算所述三维点云相邻点的坡度，并基于射线法的预设坡度阈值，将所述三维点云相邻点的坡度与所述预设坡度阈值比较，完成地面点判定。

在本示例的实施例中，如图2所示，对获取的三维点云进行实现预处理，把过高的点云和较远的点云裁剪掉，减少对地面分割造成的干扰。在预处理后的点云，进行地面分割，采用射线法，获取初步的地面点和非地面点，其中地面点经常包含斜坡的点。

在本示例的实施例中，所述射线法(Ray Ground Filter)步骤为：

获取的三维点云，进行预处理，点云裁剪，按照点云高度进行排序。

判断射线中前后两点的坡度是否大于我们事先设定的坡度阈值，从而判断点是否为地面点。

得到地面点和非地面点，此时地面点会包含一些斜坡点。

在平面模型生成步骤S120中，可以将所述三维点云中的地面点作为种子点集，基于奇异值分解法生成所述车辆路径的平面模型。

在本示例的实施例中，所述方法的平面模型生成步骤还包括：

将所述三维点云中的地面点作为种子点集，基于奇异值分解法生成所述车辆路径的平面模型，并迭代法对所述平面模型进行优化。

在坡度估计步骤S130中，可以分离并提取所述平面模型中的坡度点，基于所述坡度点完成坡度估计。

在本示例的实施例中，在进行粗分割后，地面点中还会存在斜坡路面的点云，为了进一步精确区分地面点和斜坡点云，采用奇异值分解的方法，把粗分割后的点云分为地面点和斜坡点云，步骤为：

1.把粗分割后的地面点云作为种子点集；

2.采用奇异值分解确定种子点集的平面模型，然后采用迭代优化平面模型；

3.通过平面模型，将带有坡度的点云从地面点中分离出来，再用奇异值分解求出坡度。

在本示例的实施例中，本公开首先采用射线法将预处理后的点云，进行地面分割，获取了比较精确的地面点云，减少了非地面点云对坡度检测的影响。在地面点中采用奇异值拟合平面，在在地面点中的斜坡点云分离出来，这样可以精确的求出斜坡的点云的法向量，从而更准确的估计出坡度。

需要说明的是，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，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步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

此外，在本示例实施例中，还提供了一种车前地形的坡度估计装置。参照图3所示，该一种车前地形的坡度估计装置300可以包括：地面点判定模块310、平面模型生成模块320以及坡度估计模块330。其中：

地面点判定模块310，用于对基于车辆探测模块采集的三维点云，基于射线法的预设坡度阈值，进行地面点判定；

平面模型生成模块320，用于将所述三维点云中的地面点作为种子点集，基于奇异值分解法生成所述车辆路径的平面模型；

坡度估计模块330，用于分离并提取所述平面模型中的坡度点，基于所述坡度点完成坡度估计。

上述中各一种车前地形的坡度估计装置模块的具体细节已经在对应的一种车前地形的坡度估计方法中进行了详细的描述，因此此处不再赘述。

应当注意，尽管在上文详细描述中提及了一种车前地形的坡度估计装置400的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施例、完全的软件实施例(包括固件、微代码等)，或硬件和软件方面结合的实施例，这里可以统称为“电路”、“模块”或“系统”。

下面参照图4来描述根据本发明的这种实施例的电子设备400。图4显示的电子设备400仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图4所示，电子设备400以通用计算设备的形式表现。电子设备400的组件可以包括但不限于：上述至少一个处理单元410、上述至少一个存储单元420、连接不同系统组件(包括存储单元420和处理单元410)的总线430、显示单元440。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元410执行，使得所述处理单元410执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。例如，所述处理单元410可以执行如图1中所示的步骤S110至步骤S130。

存储单元420可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)4201和/或高速缓存存储单元4202，还可以进一步包括只读存储单元(ROM)4203。

存储单元420还可以包括具有一组(至少一个)程序模块4203的程序/实用工具4204，这样的程序模块4205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线450可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备400也可以与一个或多个外部设备470(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备400交互的设备通信，和/或与使得该电子设备400能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口450进行。并且，电子设备400还可以通过网络适配器460与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器460通过总线450与电子设备400的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备400使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本发明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，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。

参考图5所示，描述了根据本发明的实施例的用于实现上述方法的程序产品500，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明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系统、装置或者器件使用或者与其结合使用。

所述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为但不限于电、磁、光、电磁、红外线、或半导体的系统、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。

计算机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系统、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发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—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)。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。