一种适用于自动驾驶车辆的挡土墙检测方法及系统与流程

1.本发明涉及一种适用于自动驾驶车辆的挡土墙检测方法及系统，属于工程机械技术领域。


背景技术：

2.伴随着大数据，5g以及人工智能等新兴技术的兴起，采矿行业也迎来了全面智能化的转型升级机遇。车辆在现场施工时，可能会碰到以下三个问题：
3.其一，车辆在卸载区进行倒车卸载过程中，如何实现针对挡土墙的位置与形状的精确感知，从而保证车辆在将物料倾倒至卸载区之外的同时不会跨越区域边界；
4.其二，车辆在倒车行驶过程中，由于车辆的后侧感知系统存在一定范围的盲区，如何避免车辆与后侧小尺度地面障碍物之间的碰撞，从而保证行车安全；
5.其三，车辆在正常行驶过程中，由于车辆的前侧感知系统存在一定范围的盲区，如何避免车辆与前侧小尺度地面障碍物之间的碰撞，从而保证行车安全。
6.虽然目前基于图像的一些目标检测或目标分割算法——不管是采用传统方法还是涉及深度学习方法——都已较为广泛地应用于城市道路障碍物的检测，然而，迄今为止，针对矿区车辆后侧挡土墙及地面障碍物检测的相关研究还很少。
7.对激光点云而言，由于城市道路场景较为复杂，神经网络或深度学习是无人驾驶乘用车较为常见的感知方案。然而，相比之下，矿区卸载区场景较为简单，障碍物数量较少，适用于该场景的还是一些基于传统规则的算法。常见算法有基于栅格和基于极图两种：基于栅格的方法往往是通过简单的固定高度差阈值实现障碍物点与地面点的区分；而基于极图的方法依赖所拟合的距离与地面期望高度关系，通过得到的期望地面高度进行区分。
8.现有的挡土墙及后侧障碍物检测方法仍存在一些问题和局限性：
9.(1)基于图像的算法，考虑到图像对光照条件比较敏感，且在矿区沙尘较多，能见度较差，图像质量也大大降低，从而影响其检测效果，另外当前也缺乏矿区相关的大规模图像数据，很难采用基于深度学习的图像检测。同时，感知的任务之一是需要获取相关障碍物的位置信息，而从图像上难以直接计算得到障碍物的空间距离信息，因此仅依靠图像数据难以满足在矿区的感知目标。
10.(2)基于激光点云的算法，用于点云的深度学习算法尽管检测性能被证明普遍优于传统规则算法，但其在数据标注及模型训练上时间及经济成本都比较高，相对而言应用在矿区这类场景则十分不划算。而规则算法，如基于栅格的，由于矿区地面高度往往不一致，所以使用简单高度差阈值很容易出现误检和漏检，而基于极图的算法则对于漂浮的噪点无法进行排除。


技术实现要素：

11.本发明所要解决的技术问题是克服现有技术的缺陷，提供一种适用于自动驾驶车辆的挡土墙检测方法及系统，在倒退行驶过程中，该系统可以实时检测并输出车辆后端与
挡土墙(小尺度地面障碍物)之间的距离信息以及挡土墙的完整性信息：从而保证车辆倒退行驶过程的安全性。
12.为解决上述技术问题，本发明提供一种适用于自动驾驶车辆的挡土墙检测方法，其特征在于，包括：
13.获取车辆倒退行驶过程中采集到的用于检测挡土墙的原始数据，并对原始数据依次进行过滤、伸缩、坐标变换、裁剪以及噪点滤除处理，得到挡土墙最终处理数据；
14.获取车辆倒退行驶过程中的地面数据，并对地面数据依次进行地面判定、地面去除处理，得到非地面点云数据；
15.根据挡土墙最终处理数据和非地面点云数据计算得到车辆后端与挡土墙之间的距离信息以及挡土墙的完整性信息。
16.进一步的，所述原始数据为车辆传感器系统采集的数据，所述车辆传感器系统包括组合导航单元以及单线激光雷达单元，所述组合导航单元用于采集并输出车辆的位姿信息与运动状态信息，所述单线激光雷达单元用于采集并输出与自动驾驶车辆后方挡土墙相关的点云数据。
17.进一步的，所述对原始数据依次进行过滤、伸缩、坐标变换、裁剪以及噪点滤除处理，得到挡土墙最终处理数据，包括：
18.根据原始数据判断来自激光雷达点云中某点的坐标到坐标原点的距离是否小于预先设置的距离，若是则该坐标所代表的点为无效点，需要被滤除，否则，该点为有效点，需要被保留；
19.对滤除点云中位于原点附近的无效点后的数据的坐标值进行伸缩变换；
20.对伸缩变换后的数据进行正交变换，将伸缩变换后的数据的参考系由传感器坐标系变换为车体坐标系；
21.依据车辆自身的尺寸参数判断正交变换后的某点的坐标是否属于车辆本体，若是则该坐标所代表的点为无效点，需要被滤除，否则，该点为有效点，需要被保留；
22.依据滤除属于车辆本体的无效点中某点属性值的变化，判断该点是否为噪点，若是则滤除该噪点，得到挡土墙最终处理数据。
23.进一步的，所述对地面数据依次进行地面判定、地面去除处理，得到非地面点云数据，包括：
24.依据地面数据，依次求取点云中的点在地面投影所在区域的几何特征，依据所求区域的几何特征，判断该点是否为地面点，若是则需要被滤除，否则，需要被保留，最后得到非地面点信息的点云数据；
25.依据非地面点信息的点云数据构造并输出非地面点云数据。
26.进一步的，所述根据挡土墙最终处理数据和非地面点云数据计算得到车辆后端与挡土墙之间的距离信息以及挡土墙的完整性信息，包括：
27.通过预先设置的良序关系，将非地面点云数据转化为良序集；依据挡土墙最终处理数据和车辆自身的尺寸参数创建必要几何元素；
28.根据良序集和必要几何元素计算车辆后端与挡土墙之间的距离信息；
29.根据良序集、必要几何元素和计算得到的车辆后端与挡土墙之间的距离信息判断车辆后方的挡土墙的完整性信息。
30.进一步的，所述良序关系表示如下：
[0031][0032]
其中，
[0033][0034]
式中，表示点云中任意两个点的坐标所对应的位置矢量，z表示z坐标轴、分别表示零向量，x为自变量，
[0035]
进一步的，所述必要几何元素包括：
[0036]
位于车辆后端且垂直于车辆底盘的平面α；
[0037]
位于车辆左后轮中心且垂直于车辆后轴的平面β1；
[0038]
位于车辆右后轮中心且垂直于车辆后轴的平面β2；
[0039]
位于车辆左后轮内侧且垂直于车辆后轴的平面γ
11
；
[0040]
位于车辆左后轮外侧且垂直于车辆后轴的平面γ
12
；
[0041]
位于车辆右后轮内侧且垂直于车辆后轴的平面γ
21
；
[0042]
位于车辆右后轮外侧且垂直于车辆后轴的平面γ
22
。
[0043]
进一步的，所述根据良序集和必要几何元素计算车辆后端与挡土墙之间的距离信息，包括：
[0044]
从良序集中搜索与平面β2距离最近的点，计算该点与平面α之间的距离，得到车辆右后轮与挡土墙的距离；
[0045]
从良序集中截取位于平面γ
21
与平面γ
22
之间的点，然后从截取所得点列中搜索与平面α之间距离最近的点，计算该点与平面α之间的距离，得到车辆右后轮与挡土墙的最近距离；
[0046]
从良序集中搜索与平面α之间距离最近的点，并计算该点与平面α之间的距离，得到车辆后端与挡土墙的最近距离；
[0047]
从良序集中截取位于平面γ
11
与平面γ
12
之间的点，然后从截取所得点列中搜索与平面α之间距离最近的点，并计算该点与平面α之间的距离，得到车辆左后轮与挡土墙的最近距离；
[0048]
从良序集中搜索与平面β1距离最近的点，然后计算该点与平面α之间的距离，得到车辆左后轮与挡土墙的距离。
[0049]
进一步的，所述根据良序集、必要几何元素和计算得到的车辆后端与挡土墙之间的距离信息判断车辆后方的挡土墙的完整性信息，包括：
[0050]
确定良序集中到平面α的距离超出预设阈值一的点为异常点，计算异常点在良序集中所有点中所占比重，进行判据一的判定，所述判据一为：若比重大于预设值的比重阈值，则判定挡墙不完整，若比重不大于预设值的比重阈值，则排除良序集中的异常点；
[0051]
排除异常点后，分别进行判据二、判据三和判据四的判定；
[0052]
所述判据二为：判断良序集中相邻两点在平面α上投影距离的均方根是否在预设阈值二范围内；
[0053]
所述判据三为：判断良序集中各点到平面α距离的标准差是否在预设阈值三范围之内；
[0054]
所述判据四为：判断在平面β1以及平面β2两侧是否均存在距离在预设阈值四范围内的点；
[0055]
只有在异常点的比重不大于预设值的比重阈值，且满足判据二、判据三和判据四的判定时判定挡墙完整。
[0056]
一种适用于自动驾驶车辆的挡土墙检测系统，其特征在于，包括：
[0057]
数据采集模块，用于获取车辆倒退行驶过程中采集到的用于检测挡土墙的原始数据，并对原始数据依次进行过滤、伸缩、坐标变换、裁剪以及噪点滤除处理，得到挡土墙最终处理数据；
[0058]
数据筛选模块，用于获取车辆倒退行驶过程中的地面数据，并对地面数据依次进行地面判定、地面去除处理，得到非地面点云数据；
[0059]
特征提取模块，用于根据挡土墙最终处理数据和非地面点云数据计算得到车辆后端与挡土墙之间的距离信息以及挡土墙的完整性信息。
[0060]
本发明所达到的有益效果：
[0061]
其一，车辆在卸载区进行倒车卸载过程中，可以精确检测车辆与后侧挡土墙之间的距离信息，同时感知后侧挡土墙的完整性信息，从而保证车辆在将物料倾倒至卸载区之外的同时不会跨越区域边界；
[0062]
其二，车辆在倒车行驶过程中，可以精确检测车辆与后侧小尺度地面障碍物之间的距离，实现后侧防撞，从而保证行车安全；
[0063]
其三，车辆在正常行驶过程中，将本发明所涉及的技术方案运用到车辆的前侧感知系统中，便可以精确检测车辆与前侧小尺度地面障碍物之间的距离，实现前侧防撞，保证行车安全。
附图说明
[0064]
图1是本发明的整体流程示意图；
[0065]
图2是本发明的整体系统示意图；
[0066]
图3是数据采集模块示意图；
[0067]
图4是数据筛选模块示意图；
[0068]
图5是特征提取模块；
[0069]
图6a和6b是数据处理子模块所定义良序关系的解释示意图；
[0070]
图7是数据处理子模块所建立必要几何元素的分布示意图；
[0071]
图8是所求取的车辆后端与挡土墙之间距离信息的分布示意图；
[0072]
图9a为挡墙完整性判据一所对应的工况示意图；
[0073]
图9b为挡墙完整性判据二所对应的工况示意图；
[0074]
图9c为挡墙完整性判据三所对应的工况示意图；
[0075]
图9d为挡墙完整性判据四所对应的工况示意图。
具体实施方式
[0076]
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0077]
如图1所示，本发明提供一种适用于自动驾驶车辆的挡土墙检测方法，包括：获取车辆倒退行驶过程中采集到的用于检测挡土墙的原始数据，并对原始数据依次进行过滤、伸缩、坐标变换、裁剪以及噪点滤除处理，得到挡土墙最终处理数据；
[0078]
获取车辆倒退行驶过程中的地面数据，并对地面数据依次进行地面判定、地面去除处理，得到非地面点云数据；
[0079]
根据挡土墙最终处理数据和非地面点云数据计算得到车辆后端与挡土墙之间的距离信息以及挡土墙的完整性信息。
[0080]
进一步的，所述原始数据为车辆传感器系统采集的数据，所述车辆传感器系统包括组合导航单元以及单线激光雷达单元，所述组合导航单元用于采集并输出车辆的位姿信息与运动状态信息，所述单线激光雷达单元用于采集并输出与自动驾驶车辆后方挡土墙相关的点云数据。
[0081]
进一步的，所述对原始数据依次进行过滤、伸缩、坐标变换、裁剪以及噪点滤除处理，得到挡土墙最终处理数据，包括：
[0082]
根据原始数据判断来自激光雷达点云中某点的坐标到坐标原点的距离是否小于预先设置的距离，若是则该坐标所代表的点为无效点，需要被滤除，否则，该点为有效点，需要被保留；
[0083]
对滤除点云中位于原点附近的无效点后的数据的坐标值进行伸缩变换；
[0084]
对伸缩变换后的数据进行正交变换，将伸缩变换后的数据的参考系由传感器坐标系变换为车体坐标系；
[0085]
依据车辆自身的尺寸参数判断正交变换后的某点的坐标是否属于车辆本体，若是则该坐标所代表的点为无效点，需要被滤除，否则，该点为有效点，需要被保留；
[0086]
依据滤除属于车辆本体的无效点中某点属性值的变化，判断该点是否为噪点，若是则滤除该噪点，得到挡土墙最终处理数据。
[0087]
进一步的，所述对地面数据依次进行地面判定、地面去除处理，得到非地面点云数据，包括：
[0088]
依据地面数据，依次求取点云中的点在地面投影所在区域的几何特征，依据所求区域的几何特征，判断该点是否为地面点，若是则需要被滤除，否则，需要被保留，最后得到非地面点信息的点云数据；
[0089]
依据非地面点信息的点云数据构造并输出非地面点云数据。
[0090]
进一步的，所述根据挡土墙最终处理数据和非地面点云数据计算得到车辆后端与挡土墙之间的距离信息以及挡土墙的完整性信息，包括：
[0091]
通过预先设置的良序关系，将非地面点云数据转化为良序集；依据挡土墙最终处理数据和车辆自身的尺寸参数创建必要几何元素；
[0092]
根据良序集和必要几何元素计算车辆后端与挡土墙之间的距离信息；
[0093]
根据良序集、必要几何元素和计算得到的车辆后端与挡土墙之间的距离信息判断车辆后方的挡土墙的完整性信息。
[0094]
进一步的，所述良序关系表示如下：
[0095][0096]
其中，
[0097][0098]
式中，表示点云中任意两个点的坐标所对应的位置矢量，z表示z坐标轴、分别表示零向量，x为自变量，
[0099]
进一步的，所述必要几何元素包括：
[0100]
位于车辆后端且垂直于车辆底盘的平面α；
[0101]
位于车辆左后轮中心且垂直于车辆后轴的平面β1；
[0102]
位于车辆右后轮中心且垂直于车辆后轴的平面β2；
[0103]
位于车辆左后轮内侧且垂直于车辆后轴的平面γ
11
；
[0104]
位于车辆左后轮外侧且垂直于车辆后轴的平面γ
12
；
[0105]
位于车辆右后轮内侧且垂直于车辆后轴的平面γ
21
；
[0106]
位于车辆右后轮外侧且垂直于车辆后轴的平面γ
22
。
[0107]
进一步的，所述根据良序集和必要几何元素计算车辆后端与挡土墙之间的距离信息，包括：
[0108]
从良序集中搜索与平面β2距离最近的点，计算该点与平面α之间的距离，得到车辆右后轮与挡土墙的距离；
[0109]
从良序集中截取位于平面γ
21
与平面γ
22
之间的点，然后从截取所得点列中搜索与平面α之间距离最近的点，计算该点与平面α之间的距离，得到车辆右后轮与挡土墙的最近距离；
[0110]
从良序集中搜索与平面α之间距离最近的点，并计算该点与平面α之间的距离，得到车辆后端与挡土墙的最近距离；
[0111]
从良序集中截取位于平面γ
11
与平面γ
12
之间的点，然后从截取所得点列中搜索与平面α之间距离最近的点，并计算该点与平面α之间的距离，得到车辆左后轮与挡土墙的最近距离；
[0112]
从良序集中搜索与平面β1距离最近的点，然后计算该点与平面α之间的距离，得到车辆左后轮与挡土墙的距离。
[0113]
进一步的，所述根据良序集、必要几何元素和计算得到的车辆后端与挡土墙之间的距离信息判断车辆后方的挡土墙的完整性信息，包括：
[0114]
确定良序集中到平面α的距离超出预设阈值一的点为异常点，计算异常点在良序集中所有点中所占比重，进行判据一的判定，所述判据一为：若比重大于预设值的比重阈值，则判定挡墙不完整，若比重不大于预设值的比重阈值，则排除良序集中的异常点；
[0115]
排除异常点后，分别进行判据二、判据三和判据四的判定；
[0116]
所述判据二为：判断良序集中相邻两点在平面α上投影距离的均方根是否在预设阈值二范围内；
[0117]
所述判据三为：判断良序集中各点到平面α距离的标准差是否在预设阈值三范围之内；
[0118]
所述判据四为：判断在平面β1以及平面β2两侧是否均存在距离在预设阈值四范围内的点；
[0119]
只有在异常点的比重不大于预设值的比重阈值，且满足判据二、判据三和判据四的判定时判定挡墙完整。
[0120]
如图2所示，相应的本发明还提供一种适用于自动驾驶车辆的挡土墙检测系统，包括数据采集模块、数据筛选模块与特征提取模块。
[0121]
所述数据采集模块，用于在车辆倒退行驶过程中采集并处理用于检测挡土墙的原始数据。
[0122]
所述数据筛选模块，用于在车辆倒退行驶过程中判定来自数据采集模块的点云中是否存在位于地面的点，依据判定结果构造并输出非地面点云。
[0123]
所述特征提取模块，用于在车辆倒退行驶过程中依据来自数据筛选模块的数据信息，计算得到车辆后端与挡土墙之间的距离信息以及挡土墙的完整性信息。
[0124]
如图3所示，在本发明的一个实施样例中，数据采集模块中可以包含数据获取子模块、数据过滤子模块、数据伸缩子模块、坐标变换子模块、数据裁剪子模块以及噪点滤除子模块。
[0125]
所述数据获取子模块，在车辆倒退行驶过程中，它可以及时读取并解析来自车辆传感器系统的原始数据。
[0126]
所述数据过滤子模块，在车辆倒退行驶过程中，它可以判断来自激光雷达点云中某点的坐标值是否位于坐标原点附近，从而滤除点云中位于原点附近的无效点。
[0127]
所述数据伸缩子模块，在车辆倒退行驶过程中，它可以依据激光雷达的内参，针对数据过滤子模块输出结果的坐标值进行伸缩变换。
[0128]
所述坐标变换子模块，在车辆倒退行驶过程中，它可以针对数据伸缩子模块的输出结果进行正交变换，从而将数据伸缩子模块的输出结果的参考系由传感器坐标系变换为车体坐标系。
[0129]
所述数据裁剪子模块，在车辆倒退行驶过程中，它可以依据车辆自身的尺寸参数判断坐标变换子模块输出结果中的某点是否属于车辆本体，从而滤除属于车辆本体的无效点。
[0130]
所述噪点滤除子模块，在车辆倒退行驶过程中，它可以依据数据裁剪子模块输出结果中某点属性值(可能是反射强度)的变化，判断该点是否为噪点，从而实现噪点滤除。
[0131]
如图4所示，在本发明的一个实施样例中，数据筛选模块可以包含地面获取子模块、地面判定子模块以及地面去除子模块。
[0132]
所述地面获取子模块，在车辆倒退行驶过程中，它可以获取地面数据，在本发明的一个实施样例中，地面数据可以用这样一个集合来表示，其中的元素是可以表示地面某一特定区域几何特征的直线或平面。
[0133]
所述地面判定子模块，在车辆倒退行驶过程中，它具备两个功能：其一，依据地面数据，依次求取点云中的点在地面投影所在区域的几何特征；其二，依据所求地面区域的几何特征，判断该点是否为地面点。
[0134]
所述地面去除子模块，在车辆倒退行驶过程中，它可以依据地面判定子模块的判断结果构造并输出非地面点云。
[0135]
如图5所示，在本发明的一个实施样例中，特征提取模块可以包含数据处理子模块、距离计算子模块与完整性判定子模块。
[0136]
所述数据处理子模块，在车辆倒退行驶过程中，它具备如下两个功能：其一，通过定义一种良序关系，将来自数据筛选模块的点云转化为良序集，不妨设此集合为a；其二，依据车辆自身的尺寸参数创建必要的几何元素。
[0137]
所述距离计算子模块，在车辆倒退行驶过程中，它可以依据数据处理子模块运算所得的结果计算得到车辆后端与挡土墙之间的距离信息。
[0138]
所述完整性判定子模块，在车辆倒退行驶过程中，它可以依据数据处理子模块运算所得的结果判断车辆后方挡土墙是否完整。
[0139]
如图5、图6a、图6b所示，在本发明的一个实施样例中，所述数据处理子模块可采用如下方法定义一种良序关系，将来自数据筛选模块的点云转化为良序集。
[0140]
不妨设此时对而言，需分以下两种情况进行讨论：
[0141]
其一，如图6a所示，若此时，
[0142][0143]
其二，如图6b所示，若此时，
[0144]
综上所述，所定义的良序关系可如下表述：
[0145][0145][0147]
其中，
[0148][0149]
图7、图8与图9(a)、9(b)、9(c)、9(d)中以俯视角度描绘了车辆后端与挡土墙之间距离信息的计算方法以及车辆后侧挡土墙完整性的判断方法：车体坐标系是通过右手法则创建的，其x轴指向车辆前方，y轴指向车辆右侧；白色框表示车身，灰色框表示车轮、黑色虚线表示数据处理子模块所所创建的必要几何元素(平面)，黑色曲线表示由数据处理子模块所创建的良序集a。
[0150]
如图5、图7、图8所示，在本发明的一个实施样例中，所述数据处理子模块依据车辆自身的尺寸参数所创建如下几个平面：
[0151]
其一，位于车辆后端且垂直于车辆底盘的平面α；
[0152]
其二，位于车辆左后轮中心且垂直于车辆后轴的平面β1；
[0153]
其三，位于车辆右后轮中心且垂直于车辆后轴的平面β2；
[0154]
其四，位于车辆左后轮内侧且垂直于车辆后轴的平面γ
11
；
[0155]
其五，位于车辆左后轮外侧且垂直于车辆后轴的平面γ
12
；
[0156]
其六，位于车辆右后轮内侧且垂直于车辆后轴的平面γ
21
；
[0157]
其七，位于车辆右后轮外侧且垂直于车辆后轴的平面γ
22
。
[0158]
如图5、图9(a)、9(b)、9(c)、9(d)所示，在本发明的一个实施样例中，所述距离计算子模块计算得到的车辆后端与挡土墙之间的距离信息可包含以下五个方面：。
[0159]
其一，车辆右后轮与挡土墙的距离；
[0160]
其二，车辆右后轮与挡土墙的最近距离；
[0161]
其三，车辆后端与挡土墙的最近距离；
[0162]
其四，车辆左后轮与挡土墙的最近距离；
[0163]
其五，车辆左后轮与挡土墙的距离。
[0164]
进一步地，所述距离计算子模块可采用如下方法完成针对车辆后端与挡土墙之间距离信息的计算：
[0165]
其一，在本发明的一个实施样例中，在计算车辆右后轮与挡土墙的距离时，可采用如下方法：首先求取a
20
＝β2∩a(从a中搜索与平面β2距离最近的点，即得a
20
)；然后计算a
20
与平面α之间的距离。
[0166]
其二，在本发明的一个实施样例中，在计算车辆右后轮与挡土墙的最近距离时，可采用如下方法：首先求取a
21
＝γ
21
∩a(从a中搜索与平面γ
21
距离最近的点，即得a
21
)以及a
22
＝γ
22
∩a(从a中搜索与平面γ
22
距离最近的点，即得a
22
)；然后从a中截取位于a
21
与a
22
之间的点，得到点列a0；最后从a0中搜索与平面α之间距离最近的点，并计算该点与平面α之间的距离。
[0167]
其三，在本发明的一个实施样例中，在计算车辆后端与挡土墙的最近距离时，可采用如下方法：从a中搜索与平面α之间距离最近的点，并计算该点与平面α之间的距离。
[0168]
其四，在本发明的一个实施样例中，在计算车辆左后轮与挡土墙的最近距离时，可采用如下方法：首先求取a
11
＝γ
11
∩a(从a中搜索与平面γ
11
距离最近的点，即得a
11
)以及a
12
＝γ
12
∩a(从a中搜索与平面γ
12
距离最近的点，即得a
12
)；然后从a中截取位于a
11
与a
12
之间的点，得到点列a0；最后从a0中搜索与平面α之间距离最近的点，并计算该点与平面α之间的距离。
[0169]
其五，在本发明的一个实施样例中，在计算车辆左后轮与挡土墙的距离时，可采用如下方法：首先求取a
10
＝β1∩a(从a中搜索与平面β1距离最近的点，即得a
10
)；然后计算a
10
与平面α之间的距离。
[0170]
在本发明的一个实施样例中，所完整性判定子模块在判断车辆后侧挡土墙是否完整时，可以依据以下方法完成判断：
[0171]
其一，a中可能存在这样的点，它到平面α的距离超出了一定范围，这样的点称为异常点，如图9a所示，尽管a中仅包含四个异常点，但是所占比重不太大，因此，仍可判定挡土墙是完整的；(判据1)
[0172]
其二，a中排除异常点后得到有序集a1，然后在车体坐标系xoy平面内对a1进行曲线拟合，得到曲线方程为x＝f(y)(y∈df)，然后将a1投影到平面α上，得到有序集a2，其中，df表示曲线方程x＝f(y)所对应函数的定义域，下文同；
[0173]
其三，如图9b所示，此时，a2中相邻两点之间距离的均方根有可能会超出所设定的阈值范围，因此，可能会判定挡土墙是不完整的；(判据2)
[0174]
其四，如图9c所示，其中，y0表示df中特定的代表元素，此时，虽然a2满足判据2，但是，由于跳跃间断点的存在，a1中各点到平面α距离的标准差有可能会超出所设定的阈值范围，因此，可能会判定挡土墙是不完整的；(判据3)
[0175]
其五，如图9d所示，a2有可能满足判据2，但是有有可能满足判据2，但是有成立，其中，ε1(ε2)表示为车辆左(右)后轮设置的阈值范围，表示点到某平面的距离，这表明a1中不存在这样的点，它到平面β1(β2)之间的距离保持在一定的阈值范围之内，此时，挡土墙仍是不完整的。(判据4)
[0176]
相应的本发明还提供一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行所述的方法中的任一方法。
[0177]
相应的本发明还提供一种计算设备，其特征在于，包括，
[0178]
一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行所述的方法中的任一方法的指令。
[0179]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术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，本技术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。
[0180]
本技术是参照根据本技术实施例的方法、设备(系统)、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数据处理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数据处理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。
[0181]
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数据处理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。
[0182]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，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。
[0183]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形
也应视为本发明的保护范围。