本技术涉及雷达领域,具体而言,涉及一种点云的筛选方法和装置、存储介质及电子装置。
背景技术:
1、道路边缘检测是智能驾驶系统环境感知的重要一环,该技术能够辅助自动驾驶车辆实现定位,路径预测和路径规划等功能。用于道路边缘检测的传感器主要有摄像头、激光雷达和毫米波雷达等,因此道路边缘检测方法主要分为基于图像的道路边缘检测方法和基于信号特征的道路边缘检测方法。基于信号特征的道路边缘检测方法通常应用于激光雷达或者毫米波雷达,主要是利用雷达信号处理后的点云进行道路边缘检测,当前常用的方式是对单帧点云进行聚类,从而根据聚类后的点云进行曲线拟合的方式,实现对道路边缘的检测,这种方式对较为简单的道路场景有效,比如道路干扰较小,并且待识别区域为自车较近的区域,一旦遇到复杂的道路场景,该检测方式检测到的道路边缘与实际道路边缘的差别较大,检测精度较低。
2、针对相关技术中道路边界检测的准确率较低等问题,尚未提出有效的解决方案。
技术实现思路
1、本技术实施例提供了一种点云的筛选方法和装置、存储介质及电子装置,以至少解决相关技术中道路边界检测的准确率较低等问题。
2、根据本技术实施例的一个实施例,提供了一种点云的筛选方法,包括:在为目标车辆检测待行驶道路的道路边界的情况下,根据目标曲率信息对所述目标车辆当前的点云信号采集区域进行区域分割,得到多个栅格区域,其中,所述目标曲率信息用于表征所述待行驶道路的道路弯曲情况,任意两个所述栅格区域内采集到的点云数量的差值小于或者等于目标阈值;
3、确定所述点云信号采集区域中的参考点云在所述多个栅格区域中的位置信息,其中,所述参考点云用于表征所述待行驶道路的道路环境;
4、根据所述位置信息从落在每个所述栅格区域内的点云中筛选出第一点云,其中,所述第一点云用于表征目标车辆在对应的扇形区域内的行驶边界;
5、根据所述第一点云之间的位置关系从多个所述栅格区域对应的所述第一点云中筛选出目标点云,其中,所述目标点云用于表征所述待行驶道路的道路边界。
6、可选的,所述根据所述目标曲率信息对所述目标车辆当前的点云信号采集区域进行区域分割,得到多个栅格区域,包括:
7、从具有对应关系的曲率信息和角度比例中确定与所述目标曲率信息对应的目标角度比例,其中,所述目标角度比例用于表征分割后的所述栅格区域的区域角度情况;
8、按照所述目标角度比例对所述点云信号采集区进行区域分割,得到所述多个栅格区域,其中,所述栅格区域为以所述目标车辆当前所处位置为中心的扇形栅格区域。
9、可选的,所述根据所述第一点云之间的位置关系从多个所述栅格区域对应的所述第一点云中筛选出目标点云,包括:
10、依次计算相邻两个所述栅格区域对应的所述第一点云的横向位置差值;
11、根据所述横向位置差值对所述第一点云进行聚类,得到多个点云类簇;
12、根据类簇特征从所述多个点云类簇中筛选出目标点云类簇,其中,所述类簇特征用于表征属于对应的所述点云类簇中的点云的空间分布情况;
13、将属于所述目标点云类簇的点云确定为所述目标点云。
14、可选的,所述根据类簇特征从所述多个点云类簇中筛选出目标点云类簇,包括:
15、构建所述点云类簇中包括的多个点云之间的连接轨迹;
16、在所述连接轨迹的轨迹长度大于或者等于目标长度的情况下,对所述多个点云进行二次曲线拟合,得到候选点云类簇;
17、在所述候选点云类簇中第二点云所占比例大于或者等于目标比例的情况下,将所述候选点云类簇确定为所述目标点云类簇,其中,所述第二点云为所述候选点云类簇中残差值小于或者等于目标残差值的点云。
18、可选的,所述根据所述横向位置差值对所述第一点云进行聚类,得到多个点云类簇,包括:
19、在所述横向位置差值小于或者等于目标差值的情况下,将两个所述第一点云划分到相同的所述点云类簇中;
20、在所述横向位置差值大于目标差值的情况下,获取两个所述第一点云之间的位置梯度关系;在所述位置梯度关系满足目标梯度关系的情况下,将两个所述第一点云划分到相同的所述点云类簇中。
21、可选的,所述根据所述位置信息从落在每个所述栅格区域内的点云中筛选出第一点云,包括:
22、从落在每个所述栅格区域内的点云中筛选出静止点云;
23、使用所述位置信息计算所述静止点云和所述目标车辆的相对距离;
24、将所述相对距离小于或者等于目标距离的点云确定为所述第一点云。
25、可选的,在所述根据所述第一点云之间的位置关系从多个所述栅格区域对应的所述第一点云中筛选出目标点云之后,所述方法还包括:
26、根据所述目标点云的位置关系构建所述待行驶道路的道路边界轨迹;
27、在所述道路边界轨迹的长度大于或者等于目标长度的情况下,对所述栅格区域内的第三点云进行点云标记,其中,所述第三点云为所述参考点云中点云位置位于所述待行驶道路的边界区域位置之外的点云;
28、在所述道路边界轨迹的长度小于目标长度的情况下,对所述栅格区域内的第四点云进行点云标记,其中,所述第四点云为所述参考点云中点云位置位于所述待行驶道路的区域位置之外的参考区域内的点云,所述参考区域为所述道路边界轨迹对应的区域。
29、可选的,在所述根据所述位置信息从落在每个所述栅格区域内的点云中筛选出第一点云之前,所述方法还包括:
30、获取第五点云以及第六点云,其中,所述第五点云用于表征当前时刻之前的参考时刻所述目标车辆的行驶道路的道路环境,所述第六点云为所述目标车辆上部署的雷达设备在当前时刻采集到的点云;
31、预测所述第五点云在当前时刻所处的点云位置,得到第七点云;
32、将所述第六点云和所述第七点云进行合并,得到所述参考点云。
33、根据本技术实施例的另一个实施例,还提供了一种点云的筛选装置,包括:分割模块,用于在为目标车辆检测待行驶道路的道路边界的情况下,根据目标曲率信息对所述目标车辆当前的点云信号采集区域进行区域分割,得到多个栅格区域,其中,所述目标曲率信息用于表征所述待行驶道路的道路弯曲情况,任意两个所述栅格区域内采集到的点云数量的差值小于或者等于目标阈值;
34、确定模块,用于确定所述点云信号采集区域中的参考点云在所述多个栅格区域中的位置信息,其中,所述参考点云用于表征所述待行驶道路的道路环境;
35、第一筛选模块,用于根据所述位置信息从落在每个所述栅格区域内的点云中筛选出第一点云,其中,所述第一点云用于表征目标车辆在对应的扇形区域内的行驶边界;
36、第二筛选模块,用于根据所述第一点云之间的位置关系从多个所述栅格区域对应的所述第一点云中筛选出目标点云,其中,所述目标点云用于表征所述待行驶道路的道路边界。
37、根据本技术实施例的又一方面,还提供了一种计算机可读的存储介质,该计算机可读的存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述点云的筛选方法。
38、根据本技术实施例的又一方面,还提供了一种电子装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,上述处理器通过计算机程序执行上述点云的筛选方法。
39、在本技术实施例中,在为目标车辆检测待行驶道路的道路边界的情况下,根据目标曲率信息对所述目标车辆当前的点云信号采集区域进行区域分割,得到多个栅格区域,其中,所述目标曲率信息用于表征所述待行驶道路的道路弯曲情况,任意两个所述栅格区域内采集到的点云数量的差值小于或者等于目标阈值;确定所述点云信号采集区域中的参考点云在所述多个栅格区域中的位置信息,其中,所述参考点云用于表征所述待行驶道路的道路环境;根据所述位置信息从落在每个所述栅格区域内的点云中筛选出第一点云,其中,所述第一点云用于表征目标车辆在对应的扇形区域内的行驶边界;根据所述第一点云之间的位置关系从多个所述栅格区域对应的所述第一点云中筛选出目标点云,其中,所述目标点云用于表征所述待行驶道路的道路边界,即在需要检测道路边界时,根据道路曲率对目标车辆当前的点云信号采集区域进行区域分割,从而保证各个栅格区域内采集到的点云数量是均匀的,避免复杂道路环境中点云分布不均对道路边界识别造成的影响,进而在识别道路边界时先根据参考点云在栅格的位置信息识别出表征目标车辆行驶边界的第一点云,再根据第一点云之间的位置关系进行再次筛选,从而得到用于表征道路边界的目标点云。采用上述技术方案,解决了相关技术中道路边界检测的准确率较低等问题,实现了提高了道路边界检测的准确率的技术效果。