道路边界检测方法和电子设备与流程

1.本公开涉及自动驾驶技术领域，尤其涉及一种道路边界检测方法和电子设备。


背景技术：

2.高速公路上的自动驾驶汽车速度快，需要有足够远的感知能力才能保证自车的安全驾驶。而毫米波雷达拥有测距测速精度高、受天气干扰小、成本适中等优点，成为高速公路自动驾驶汽车的标配。
3.在车辆自动驾驶的过程中，可行驶区域的划分对于安全驾驶意义重大，因此需要一种快速且有效的方法来识别道路的边界。


技术实现要素：

4.本公开提供了一种道路边界检测方法和电子设备。
5.根据本公开的一方面，提供了一种道路边界检测方法，包括：
6.获取车辆周围的道路边缘点簇；
7.基于车辆行驶的第k+1周期内的道路边缘点簇，对车辆行驶的第k周期内的道路边界曲线进行预测更新，确定车辆行驶的第k+1周期内的道路边界曲线，其中k为大于0的整数。
8.根据本公开的另一方面，提供了一种用于道路边界检测的电子设备，包括：
9.至少一个处理器；以及
10.与该至少一个处理器通信连接的存储器；其中，
11.该存储器存储有可被该至少一个处理器执行的计算机程序，该计算机程序被该至少一个处理器执行，以使该至少一个处理器能够执行本公开任一实施例中的方法。
12.根据本公开的技术方案，可以基于当前周期的道路边缘点簇直接对上一周期的道路边界曲线进行预测更新，无需重新进行曲线拟合，快速、准确地获取当前周期的道路边界曲线，减少了计算成本，保障了驾驶安全。
13.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
14.附图用于更好地理解本方案，不构成对本公开的限定。其中：
15.图1是根据本公开一实施例的道路边缘检测方法的流程示意图一；
16.图2是根据本公开一实施例的道路边缘检测方法的流程示意图二；
17.图3是根据本公开一实施例的道路边缘检测方法的流程示意图三；
18.图4是根据本公开一实施例的道路边缘检测方法的流程示意图四；
19.图5是根据本公开一实施例的道路边缘检测方法的流程示意图五；
20.图6是根据本公开一实施例的根据静止点云获取候选点簇流程示意图；
21.图7是用来实现本公开实施例的道路边缘检测方法的电子设备的框图。
具体实施方式
22.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
23.图1是根据本公开一实施例的道路边界检测方法的流程示意图，包括：
24.s110，获取车辆周围的道路边缘点簇；
25.s120，基于车辆行驶的第k+1周期内的道路边缘点簇，对车辆行驶的第k周期内的道路边界曲线进行预测更新，确定车辆行驶的第k+1周期内的道路边界曲线，其中k为大于0的整数。
26.示例性地，道路边缘点簇即为车辆传感器采集后，经车辆处理识别出的代表道路边界的点数据。步骤s120中，在k等于1的情况下，车辆行驶的第k周期内的道路边界曲线也即车辆的初始道路边界曲线，需要根据获取的道路边缘点簇进行曲线拟合，以获取此周期内的道路边界曲线，以便于车辆安全行驶。其中，在k等于1的情况下，车辆的初始道路边界曲线不仅限于车辆运行的初始阶段的道路边界曲线，也可以代表车辆传感器此前无法检测到道路边界后，重新检测到道路边界的情况下的道路边界曲线。
27.在本实施例中，可以采用robust fitting(稳健估计)算法对车辆行驶的第1周期内的道路边缘点簇中的点进行曲线拟合，以确定车辆的初始道路边界曲线，拟合的道路边界曲线为三次多项式，曲线方程如下所示：
28.y(x)＝c0+c1x+c2x2+c3x329.其中，c0、c1、c2、c3为曲线方程的参数，x是自变量，对应于自车坐标系下x轴方向上的位置，定义为目标质心的x轴坐标与自车质心x轴坐标的差值；y是因变量，对应于自车坐标系下y轴方向上的位置，定义为目标质心的y轴坐标与自车质心的y轴坐标的差值。
30.可以理解的是，车辆传感器的探测周期往往较短，对于行驶的车辆而言，第k+1周期内的道路边界与第k周期内的道路边界变化也往往较小，若每个周期都重新进行道路边界曲线的拟合计算，显然增加了计算成本，为车辆增加了负担。因此，可以基于第k+1周期内的道路边缘点簇，对此前确定的车辆行驶的第k周期内的道路边界曲线进行滤波追踪，便捷快速地确定车辆行驶的第k+1周期的道路边界曲线。
31.示例性地，步骤s120中对车辆行驶的第k周期内的道路边界曲线进行预测更新获取车辆行驶的第k+1周期内的道路边界曲线的具体方式，可以采用序贯卡尔曼滤波算法，基于车辆行驶的第k+1周期内的道路边缘点簇，对车辆行驶的第k周期内的道路边界曲线进行滤波追踪，求得车辆行驶的第k+1周期内的道路边界曲线。卡尔曼滤波是一种递推式滤波算法，其特点为不需要保存过去的历史信息，新数据结合前一帧(或前一时刻)已求得的估计值(预测阶段)及系统本身的状态方程按一定方式求得新的估计值(更新阶段)，具体的滤波追踪方式如下：
32.假设道路边界的跟踪状态向量为：[y0(k),ε(k),γ(k),γ'(k)]
t
；初始值为[c0,c1,2c2,6c3]
t
；
[0033]
状态转移矩阵为：
[0034]
控制矩阵为：
[0035]
控制向量为：
[0036]
量测输入数据点坐标为(x,y)；
[0037]
量测矩阵为：
[0038]
其中，y0表示横向偏移量；ε表示道路曲线在自车坐标系下的倾斜角；γ表示曲线的曲率；γ'表示曲率变化率；c0、c1、c2、c3为曲线方程的参数；t代表向量的转置；k即代表车辆行驶的第k周期；
△
t是连续运行周期之间(也即第k周期和第k+1周期之间)的时间差，
△
d是在
△
t时间内，自车的位移；(x,y)是量测点，用于内部计算，以更新状态向量。
[0039]
从而本实施例通过滤波追踪，基于车辆行驶的第k+1周期内的道路边缘点簇，实现对车辆行驶的第k周期内的道路边界曲线的更新，获取车辆行驶的第k+1周期内的道路边界曲线。
[0040]
采用上述实施例的方法，可以在缺乏车辆行驶的上一周期的道路边界曲线的情况下，根据车辆探测处理得到的当前周期的道路边缘点簇进行曲线拟合，确定当前周期的道路边界曲线，并可以在具备车辆行驶的上一周期的道路边界曲线的情况下，基于当前周期的道路边缘点簇直接对上一周期的道路边界曲线进行预测更新，无需重新进行曲线拟合，快速、准确地获取当前周期的道路边界曲线，减少了计算成本，保障了驾驶安全。
[0041]
示例性地，如图2所示，上述步骤s110中，道路边缘点簇的获取方式包括：
[0042]
s211，从车辆周围的点云数据中确定出静止点云；
[0043]
s212，对静止点云中的多个静止点进行聚类，得到多个候选点簇；
[0044]
s213，确定多个候选点簇中每个候选点簇与车辆的距离；
[0045]
s214，根据每个候选点簇与车辆的距离，从多个候选点簇中确定出道路边缘点簇。
[0046]
示例性地，点云数据可以由车载的雷达传感器采集，具体可以为车载毫米波雷达等。
[0047]
可以理解的是，采集到的车辆周围的点云数据中除代表道路边界的点外，还包括移动状态的障碍物(如其他车辆)，静止状态的非道路边界物体(例如路沿外侧的树木、石块等)。在本实施例中首先在点云数据中确定出静止点云，过滤掉移动状态的障碍物，而后对静止点云中的静止点进行聚类，并确定聚类后的多个点簇分别与车辆的距离，根据距离再
次过滤静止状态的非道路边界物体，获取可以表征道路边界的道路边缘点簇。
[0048]
示例性地，如图3所示，上述步骤s213中确定多个候选点簇中每个候选点簇与车辆的距离，包括针对任一候选点簇：
[0049]
s31，确定候选点簇中各候选点与车辆的距离；
[0050]
s32，基于各候选点与车辆的距离，计算平均距离；
[0051]
s33，将平均距离确定为候选点簇与车辆的距离。
[0052]
可以理解的是，点簇中包含多个点，也即点簇与车辆的距离实则需要获取点簇中各点分别与车辆的距离，并将平均距离(点簇中各点与车辆的距离的平均值)确定为点簇与车辆的距离。
[0053]
示例性地，在步骤s31中，对于各候选点与车辆的距离的确定方式如下：
[0054]
计算候选点簇中第m个候选点与车辆的两个候选距离；其中，两个候选距离包括第m个候选点与车辆左侧的距离以及第m个候选点与车辆右侧的距离；其中，m为大于0的整数；
[0055]
将两个候选距离中的最小候选距离确定为第m个候选点与车辆的距离。
[0056]
可以理解的是，车辆的可行驶区域分为车辆左右两侧的道路边界，候选点簇中候选点与车辆的距离应当取其与车辆两侧距离中的最短距离。
[0057]
在一种实施方式中，如图4所示，上述步骤s211包括：
[0058]
s41，基于车载毫米波雷达获取点云数据中各点与车辆的相对速度；
[0059]
s42，基于相对速度以及车辆的当前速度，确定点云数据中各点的绝对速度；
[0060]
s43，根据各点的绝对速度，从点云数据中确定出静止点云。
[0061]
示例性地，步骤s42中绝对速度的计算方式如下：
[0062]vabs
＝v
veh
+v
location
[0063]
其中，v
abs
为车载毫米波雷达获取的点云数据中点的绝对速度，v
veh
为车辆的速度，v
location
为点与车辆的相对速度，在计算获得的v
abs
小于预设速度阈值的情况下，即可认为该点为静止点，以此从点云数据中确定出静止点云。
[0064]
在一种实施方式中，如图5所示，上述步骤s212包括：
[0065]
s51，基于dbscan密度聚类对静止点云中的多个静止点进行聚类，得到多个聚类点簇；
[0066]
s52，基于多个聚类点簇中点的数量对多个聚类点簇进行筛选，得到多个候选点簇。
[0067]
可以理解的是，若聚类得到的聚类点簇中点的数量过少，则表明该点簇可以是由于探测误差等导致的不可信数据，可以预设数量阈值对聚类后的多个聚类点簇进行筛选，以得到候选点簇。
[0068]
示例性地，图6示出了根据静止点云获取候选点簇的具体步骤：
[0069]
s61：在静止点云中，选择任意点p；
[0070]
s62：计算p到任意点的dx和dy，将满足|dx|《x_threshold&&|dy|《y_threshold(同时满足与点p的横向距离小于横向门限值和与点p的纵向距离小于纵向门限值)的点标记为p的邻点；
[0071]
s63：在点p的邻点数量大于0的情况下，将点p标记为核心点；
[0072]
s64：判断是否存在未计算的点，若是，返回步骤s61，若否，进入步骤s65；
[0073]
s65：在核心点中任选一个未被访问的点，建立点簇，并将该点标记为已访问；
[0074]
s66：判断该已访问点邻点数量是否大于0，若是，进入步骤s67，若否，返回步骤s65；
[0075]
s67：遍历该访问点邻点的邻点，依次循环，直至所有可达的邻点加入点簇中；
[0076]
s68：判断点簇中点的数量是否大于预设阈值，若是，则将其确定为候选点簇，若否，舍弃该点簇；
[0077]
s69：判断是否存在未计算点，若是，返回步骤s65，若否，结束。
[0078]
可以理解的是，根据上述实施例的方法，首先根据静止点云中各静止点的邻点数量进行了初步筛选，过滤掉置信度较低的点数据，在建立完点簇后，根据点簇中点的数量进一步对点簇进行过滤，以得到候选点簇，最后所获取的点簇可以准确反映道路边界特征，利于后续道路边界曲线的获取，充分保障了驾驶安全。
[0079]
以上从不同角度描述了本技术实施例的具体设置和实现方式。利用上述实施例提供的方法，可以在天气恶劣无法通过图像来识别道路边界的情况下，利用雷达传感器等获取车辆周围的点云数据，进一步处理获得道路边缘点簇。并可以在缺乏车辆行驶的上一周期的道路边界曲线的情况下，根据车辆探测处理得到的当前周期的道路边缘点簇进行曲线拟合，确定当前周期的道路边界曲线，并可以在具备车辆行驶的上一周期的道路边界曲线的情况下，基于当前周期的道路边缘点簇直接对上一周期的道路边界曲线进行预测更新，无需重新进行曲线拟合，快速、准确地获取当前周期的道路边界曲线，减少了计算成本，保障了驾驶安全。
[0080]
作为上述各方法的实现，本公开实施例还提供了一种道路边界检测装置，该装置可以应用于车辆，该装置可以包括：
[0081]
点簇获取模块，用于获取车辆周围的道路边缘点簇；
[0082]
曲线确定模块，用于基于车辆行驶的第k+1周期内的道路边缘点簇，对车辆行驶的第k周期内的道路边界曲线进行预测更新，确定车辆行驶的第k+1周期内的道路边界曲线，其中k为大于0的整数。
[0083]
示例性地，点簇获取模块包括：
[0084]
第一确定单元，用于从车辆周围的点云数据中确定出静止点云；
[0085]
聚类单元，用于对静止点云中的多个静止点进行聚类，得到多个候选点簇；
[0086]
第二确定单元，用于确定多个候选点簇中每个候选点簇与车辆的距离；
[0087]
第三确定单元，用于根据每个候选点簇与车辆的距离，从多个候选点簇中确定出道路边缘点簇。
[0088]
其中，上述第二确定单元，包括针对任一候选点簇：
[0089]
确定候选点簇中各候选点与车辆的距离；
[0090]
基于各候选点与车辆的距离，计算平均距离；
[0091]
将平均距离确定为候选点簇与车辆的距离。
[0092]
上述第二确定单元还用于：
[0093]
计算候选点簇中第m个候选点与车辆的两个候选距离；其中，两个候选距离包括第m个候选点与车辆左侧的距离以及第m个候选点与车辆右侧的距离；其中，m为大于0的整数；
[0094]
将两个候选距离中的最小候选距离确定为第m个候选点与车辆的距离。
[0095]
示例性地，上述第一确定单元具体用于：
[0096]
基于车载毫米波雷达获取点云数据中各点与车辆的相对速度；
[0097]
基于相对速度以及车辆的当前速度，确定点云数据中各点的绝对速度；
[0098]
根据各点的绝对速度，从点云数据中确定出静止点云。
[0099]
示例性地，上述聚类单元还用于：
[0100]
基于dbscan密度聚类对静止点云中的多个静止点进行聚类，得到多个聚类点簇；
[0101]
基于多个聚类点簇中点的数量对多个聚类点簇进行筛选，得到多个候选点簇。
[0102]
本公开实施例各装置中的各单元、模块或子模块的功能可以参见上述方法实施例中的对应描述，具备相应的有益效果，在此不再赘述
[0103]
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
[0104]
根据本公开的实施例，本公开还提供了一种电子设备和一种计算机程序产品。
[0105]
图7示出根据本技术一实施例的电子设备的结构框图。如图7所示，该电子设备包括：存储器710和处理器720，存储器710内存储有可在处理器720上运行的计算机程序。处理器720执行该计算机程序时实现上述实施例中的识别车道边沿的方法。存储器710和处理器720的数量可以为一个或多个。该电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本技术的实现。
[0106]
该电子设备还可以包括通信接口730，用于与外界设备进行通信，进行数据交互传输。各个设备利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器720可以对在电子设备内执行的计算机程序进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示gui的图形信息的计算机程序。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图7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。
[0107]
可选的，在具体实现上，如果存储器710、处理器720及通信接口730集成在一块芯片上，则存储器710、处理器720及通信接口730可以通过内部接口完成相互间的通信。
[0108]
应理解的是，上述处理器可以是中央处理器(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processing，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)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者是任何常规的处理器等。值得说明的是，处理器可以是支持进阶精简指令集机器(advanced risc machines，arm)架构的处理器。
[0109]
本技术实施例提供了一种计算机可读存储介质(如上述的存储器710)，其存储有计算机计算机程序，该程序被处理器执行时实现本技术实施例中提供的方法。
[0110]
可选的，存储器710可以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系统、至少一个功能所需要的应用程序；存储数据区可存储根据识别车道边沿的电子设备的使用所创建的数据等。此外，存储器710可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器710可选包括相对于处理器720远程生成的存储器，这些远程存储器可以通过网络连接至识别车道边沿的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0111]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读计算机程序、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他实体类别的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁待，磁待磁磁盘存储或其他磁性存储介质或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0112]
示例性地，控制器或电子设备中的处理器可以包括自动驾驶域控制模块(automated-driving domain control module，adcm)。
[0113]
示例性地，本实施例中的车辆可以燃油车、电动车、太阳能车等任何动力驱动的车辆。示例性地，本实施例中的车辆可以为自动驾驶车辆。
[0114]
本实施例的车辆的其他构成，如车架和车轮的具体结构以及连接紧固部件等，可以采用于本领域普通技术人员现在和未来知悉的各种技术方案，这里不再详细描述。
[0115]
在本说明书的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0116]
以上所述，仅为本技术的具体实施方式，但本技术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技术揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。