路面积水检测方法及装置与流程

本发明涉及数据处理领域，尤其涉及一种路面积水检测方法及装置。

背景技术：

近年来，自动驾驶车辆在智能交通出行、物流配送、清洁作业等多场景中，构建了智慧城市生活的应用示范。然而自动驾驶车辆在实现全天候操作之前仍然需要面对许多挑战，例如大雨雪等气候条件，积水积雪等路面情况都会对车辆的安全行驶造成影响。因此，自动驾驶车辆的感知系统在具备障碍物检测功能的基础上还需要具备路面积水等道路状况的检测。

目前路面水面检测方案有基于特殊的光学设备的检测方法，或者近场雷达手段的检测方法，也有基于深度学习的图像处理方法。

基于车载激光雷达的水面检测方案公开的较少，且未发现相关的成熟技术。基于特殊光学设备或者近场雷达设备的检测技术，在实际应用中往往价格昂贵，且容易受到外界环境的影响。基于深度学习的视觉解决方案，虽然对环境的变化有一定的适应性，但是深度学习模型的训练需要使用大量的标注数据集，成本相对较高。

技术实现要素：

本发明实施例的目的是提供一种路面积水检测方法及装置，以解决现有技术中在进行路面积水检测时，成本较高，且易受外界影响的问题。

为解决上述问题，第一方面，本发明提供了一种路面积水检测方法，所述方法包括：

获取多帧激光点云信息；

对每帧所述激光点云信息进行处理，获取第一坐标系下，当前帧点云的点云空洞所占据的第一栅格地图；所述点云空洞为激光雷达点云在积水路面无回波或者回波异常时所表现出的图形；

获取车辆的定位信息；

根据车辆的定位信息和所述第一栅格地图，确定第二坐标系下，当前帧点云的点云空洞所占据的第二栅格地图；

对所述第二栅格地图进行分解，得到多个栅格单元；

对每个所述栅格单元进行跟踪处理，并在跟踪处理后进行坐标转换，得到第一坐标系下的第三栅格地图；

将所述第三栅格地图转换为二值图像；所述二值图像包括一个或多个连通区域；

获取所述二值图像的每个连通区域的轮廓；每个所述连通区域对应一个轮廓；

计算每个所述轮廓对应的第一水面面积；

当所述第一水面面积不大于预设的第一阈值时，滤除对应的轮廓；

根据滤除对应的轮廓后的剩余轮廓，确定路面积水在第一坐标系下的位置。

在一种可能的实现方式中，所述对每个所述栅格单元进行跟踪处理，具体包括：

将所述栅格单元，在当前帧的置信度和前一帧的置信度进行叠加，当叠加后的置信度不小于预设的置信度阈值时，保留所述栅格单元；当叠加后的置信度小于预设的置信度阈值时，删除所述栅格单元。

在一种可能的实现方式中，所述对所述激光点云信息进行处理，获取第一坐标系下，当前帧点云的点云空洞所占据的第一栅格地图，具体包括：

提取激光点云的第一数量条环在车辆第一方向的点云信息；

提取所述第一数量条环中每一条环的点云信息中的无效点或者异常点；

根据所述无效点或者异常点，得到第一坐标系下，每一条环中点云空洞的第一空洞线段的起点和终点，得到每一条环的第一空洞线段；

计算过第一坐标系的原点的多条等分射线与每一条环的第一空洞线段的交点；

当存在交点时，提取相邻距离最大的两个交点，并将该相邻距离最大的两个交点对应的线段作为等分射线上的第二空洞线段；

根据所述第二空洞线段，确定第一栅格地图。

在一种可能的实现方式中，所述获取车辆的定位信息，具体包括：

通过车辆上的全球卫星导航系统，获取车辆的定位信息。

在一种可能的实现方式中，所述根据车辆的定位信息和所述第一栅格地图，确定第二坐标系下，当前帧点云所占据的第二栅格地图，具体包括：

根据车辆的定位信息，将所述第一坐标系下的第一栅格地图进行坐标转换，得到第二坐标系下，当前帧点云所占据的一个或多个第二栅格地图；其中，第一坐标系为车辆坐标系，第二坐标系为全局坐标系。

在一种可能的实现方式中，所述方法之后还包括：

当车辆上设置有至少两个激光雷达时，对多个激光雷达对应的路面积水的栅格地图进行融合处理，得到目标路面积水的位置信息。

第二方面，本发明提供了一种路面积水检测装置，所述装置包括：

预处理模块，所述预处理模块用于获取多帧激光点云信息；对每帧所述激光点云信息进行处理，获取第一坐标系下，当前帧点云的点云空洞所占据的第一栅格地图；所述点云空洞为激光雷达点云在积水路面无回波或者回波异常时所表现出的图形；

跟踪模块，所述跟踪模块用于获取车辆的定位信息；根据车辆的定位信息和所述第一栅格地图，确定第二坐标系下，当前帧点云的点云空洞所占据的第二栅格地图；对所述第二栅格地图进行分解，得到多个栅格单元；对每个所述栅格单元进行跟踪处理，并在跟踪处理后进行坐标转换，得到第一坐标系下的第三栅格地图；

后处理模块，所述后处理模块用于将所述第三栅格地图转换为二值图像；所述二值图像包括一个或多个连通区域；获取所述二值图像的一个或多个轮廓；每个所述连通区域对应一个轮廓；计算每个所述轮廓对应的第一水面面积；当所述第一水面面积不大于预设的第一阈值时，滤除对应的轮廓；根据滤除对应的轮廓后的剩余轮廓，确定路面积水在第一坐标系下的位置。

第三方面，本发明提供了一种设备，所述设备包括存储器和处理器，所述存储器用于存储程序，所述处理器用于执行如第一方面任一所述的方法。

第四方面，本发明提供了一种包含指令的计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行如第一方面任一所述的方法。

第五方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质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如第一方面任一所述的方法。

通过应用本发明实施例提供的路面积水检测方法及装置，直接利用现有自动驾驶车辆的感知传感器即可实现对路面积水的检测，且不需要大量的人工标注工作，此外，该装置的原理简明易于工程实现，成本低效率高。

附图说明

图1为本发明实施例一提供的路面积水检测方法流程示意图；

图2为本发明实施例一提供的积水路面造成激光雷达点云空洞的示意图；

图3为本发明实施例一提供的第一空洞线段、第二空洞线段示意图；

图4为本发明实施例一提供的第二空洞线段转换至第一栅格地图的示意图；

图5a为本发明实施例一提供的路面积水实际场景图；

图5b为本发明实施例一提供的路面积水检测效果图；

图6为本发明实施例二提供的路面积水检测装置结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1为本发明实施例一提供的路面积水检测方法流程示意图。该方法的应用场景为自动驾驶车辆，该方法的执行主体是车辆的自动驾驶车辆控制单元(automatedvehiclecontrolunit，avcu),avcu为自动驾驶车辆的处理器。如图1所示，该方法包括以下步骤：

步骤101，获取多帧激光点云信息。

具体的，自动驾驶车辆上设置有激光雷达，积水路面对激光雷达的线束形成镜面反射，从而造成激光雷达点云的无返回值或返回值异常的情况-即形成点云空洞的现象。图2为本发明实施例一提供的积水路面造成激光雷达点云空洞的示意图。

步骤102，对每帧激光点云信息进行处理，获取第一坐标系下，当前帧点云的点云空洞所占据的第一栅格地图；点云空洞为激光雷达点云在积水路面无回波或者回波异常时所表现出的图形。

具体的，步骤102包括以下步骤：

首先，取激光点云的第一数量条环在车辆第一方向的点云信息；然后，提取第一数量条环中每一条环的点云信息中的无效点或者异常点；接着，根据无效点或者异常点，得到第一坐标系下，每一条环中点云空洞的第一空洞线段的起点和终点，得到每一条环的第一空洞线段；；接着，计算过第一坐标系的原点的多条等分射线与每一条环的第一空洞线段的交点；接着，当存在交点时，提取相邻距离最大的两个交点，并将该相邻距离最大的两个交点对应的线段作为等分射线上的第二空洞线段；最后，根据第二空洞线段，确定第一栅格地图。

其中，第一坐标系下具有栅格地图，栅格地图，包括按照预设的间隔划分的多个栅格，比如，可以按照0.1米的间隔，进行划分。第一数量可以是4，第一方向为车辆前方。每一条环的第一空洞线段的数量可以是0个，也可以是多个，本申请对此并不限定。

下面，结合附图3和4对该步骤进行具体的说明。

该步骤的执行主体可以是预处理模块，该模块首先提取激光雷达竖向排列线束中的最下端(距离地面最近)的4条线束在车辆前向上的点云信息，对每一条点云线束中的无效点或者异常点进行提取，获得最长空洞线段，即第一空洞线段的起点和终点的位置，示例而非限定，第一空洞线段参见图3中的3条实线段。然后，计算过车辆坐标原点的多条等分射线与多条第一空洞线段的交点，如图4中所示的交点a、b和c点。最后，对于每条等分射线，若存在交点则提取出相邻距离最大的两个交点，并将其作为该等分射线上的第二空洞线段，如图4中所示的a、c点所构成的线段为第二空洞线段。

如图4中所示，将所有等分射线上满足条件的第二空洞线段转换为积水水面占据的第一栅格地图。

其中，在第一坐标系中，将车辆前方区域等分为多个相邻栅格区域，然后计算被线段ac所占据的栅格单元。最终输出当前帧积水水面所占据的第一栅格地图。

步骤103，获取车辆的定位信息。

具体的，可以通过车辆上的全球卫星导航系统(globalnavigationsatellitesystem，gnss)，获取车辆的定位信息。该定位信息包括车辆在全局坐标系下的位置信息，该位置信息包括经纬度信息。

步骤104，根据车辆的定位信息和第一栅格地图，确定第二坐标系下，当前帧点云的点云空洞所占据的第二栅格地图。

该步骤的执行主体可以是跟踪模块，由于预处理模块输出的第一栅格是基于第一坐标系，即自车坐标系的，而该坐标系为动坐标系，无法实现静态栅格的跟踪。因此，在完成单帧点云信息的积水水面占据栅格的检测之后，由跟踪模块执行，在进行坐标系转换，将第一坐标系转换至第二坐标系，通过对第二坐标系下的第二栅格地图中的每个栅格单元进行跟踪，从而实现部分检测噪声的滤除并保证所输出的第一栅格的稳定性。该跟踪模块主要是利用车辆的定位信息，将自车坐标系下检测到的水面占据第一栅格转换到全局坐标系下，然后在该静态的坐标系下面实现静态栅格的跟踪任务。

具体的，根据车辆的定位信息，将第一坐标系下的第一栅格地图进行坐标转换，得到第二坐标系下，当前帧积水水面所占据的一个或多个第二栅格地图。其中，第一坐标系为车辆坐标系，第二坐标系为全局坐标系。

步骤105，对第二栅格地图进行分解，得到多个栅格单元。

具体的，此处的栅格单元，可以是最小栅格单元。

步骤106，对每个栅格单元进行跟踪处理，并在跟踪处理后进行坐标系转换，得到第一坐标系下的第三栅格地图。

其中，跟踪处理主要包括新栅格单元的生成、已跟踪栅格单元的状态更新和失效栅格单元的删除。

具体的，在一个示例中，将栅格单元，在当前帧的置信度和上一帧的置信度进行叠加，当叠加后的置信度不小于预设的置信度阈值时，保留栅格单元；当叠加后的置信度小于预设的置信度阈值时，删除栅格单元。

其中，置信度可以是根据栅格单元是否存在回波数据或者回波数据是否异常来设定。对于异常和没有存在回波数据，对应的置信度低，反之亦然。

在进行跟踪处理后，得到新的栅格地图，将该新的栅格地图进行坐标转换后，得到第一坐标系下的第三栅格地图。

步骤107，将第三栅格地图转换为二值图像。

其中，该步骤的执行主体可以是后处理模块，该后处理模块可以利用相关算法，将第三栅格地图转换为二值图像。二值图像是指:每个像素不是黑就是白，其灰度值没有中间过渡的图像。二值图像一般用来描述文字或者图形，其优点是占用空间少，能描述轮廓，不能描述细节。转换成的二值图像，包括一个或多个连通区域。连通区域即图像中具有相同像素值且位置相邻的前景像素点组成的图像区域。

步骤108，获取所述二值图像的每个连通区域的轮廓。

其中，每一个连通区域对应一个轮廓。本领域技术人员可以利用现有技术，提取二值图像的轮廓，本申请对此并不限定。

步骤109，计算每个轮廓对应的第一水面面积。

步骤110，当第一水面面积不大于预设的第一阈值时，滤除对应的轮廓。

步骤111，根据滤除对应的轮廓后的剩余轮廓，确定路面积水在第一坐标系下的位置。

具体的，根据自动驾驶车辆的可通行能力，当检测出的第一水面面积大于一定数值时(例如4m²)，该方法才会输出相应的积水水面检测结果。

在将第一水面面积不大于预设的第一阈值的轮廓滤除后，将剩余的轮廓作为目标轮廓，确定该目标轮廓所占据的栅格地图，并将所占据的栅格地图作为路面积水对应的位置。图5a和图5b分别为实际路面积水图像和路面积水检测图像。

进一步的，当车辆上设置有不少于两个激光雷达时，两个激光雷达都检测到了路面积水的检测图像，可以对两个路面积水的检测栅格地图进行融合，得到最终的路面积水位置信息。

可以理解的是，本申请中，对激光雷达的类型不作限制；本申请中选取了车辆前向下方的4条激光点云线束进行积水检测，本发明包括但不限于该种配置方式。本申请包括但不限于采用过原点的等分射线，也可以采用非等分射线，仅要求射线经过自车坐标系的原点。

通过应用本发明实施例一提供的路面积水检测方法，直接利用现有自动驾驶车辆的感知传感器即可实现，且该方法不需要大量的人工标注工作即可实现有效的积水检测功能，此外，该方法的原理简明易于工程实现，成本低效率高。

图6为本发明实施例二提供的路面积水检测装置结构示意图。该路面积水检测装置可以应用在路面积水检测方法中，如图6所示，该路面积水检测装置包括：预处理模块601，跟踪模块602和后处理模块603。

预处理模块601用于获取多帧激光点云信息；对每帧激光点云信息进行处理，获取第一坐标系下，当前帧点云的点云空洞所占据的第一栅格地图；点云空洞为激光雷达点云在积水路面无回波或者回波异常时所表现出的图形；

跟踪模块602用于获取车辆的定位信息；根据车辆的定位信息和第一栅格地图，确定第二坐标系下，当前帧点云的点云空洞所占据的第二栅格地图；对第二栅格地图进行分解，得到多个栅格单元；对每个栅格单元进行跟踪处理，并在跟踪处理后进行坐标转换，得到第一坐标系下的第三栅格地图；

后处理模块603用于将第三栅格地图转换为二值图像；二值图像包括一个或多个连通区域；获取二值图像的一个或多个轮廓；每个连通区域对应一个轮廓；计算每个轮廓对应的第一水面面积；当第一水面面积不大于预设的第一阈值时，滤除对应的轮廓；根据滤除对应的轮廓后的剩余轮廓，确定路面积水在第一坐标系下的位置。

各个模块的具体作用于实施例一中描述的相同，此处不再赘述。

通过应用本发明实施例二提供的路面积水检测装置，直接利用现有自动驾驶车辆的感知传感器即可实现，且该装置不需要大量的人工标注工作即可实现有效的积水检测功能，此外，该装置的原理简明易于工程实现，成本低效率高。

本发明实施例三提供了一种设备，包括存储器和处理器，存储器用于存储程序，存储器可通过总线与处理器连接。存储器可以是非易失存储器，例如硬盘驱动器和闪存，存储器中存储有软件程序和设备驱动程序。软件程序能够执行本发明实施例提供的上述方法的各种功能；设备驱动程序可以是网络和接口驱动程序。处理器用于执行软件程序，该软件程序被执行时，能够实现本发明实施例一提供的方法。

本发明实施例四提供了一种包含指令的计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行本发明实施例一提供的方法。

本发明实施例五提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现本发明实施例一提供的方法。

专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。

以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。