[发明专利]道路边沿的识别方法和装置

说明书

本发明公开了一种道路边沿的识别方法和装置，涉及计算机技术领域。其中，该方法包括：对待处理点云数据进行网格分割，以得到第一网格集合；根据网格的坡度特征从所述第一网格集合中选取候选网格，并根据所述候选网格构建道路边沿模拟点集合；对所述道路边沿模拟点集合中的点进行密度聚类处理，以得到至少一个模拟点子集；根据所述模拟点子集拟合道路边沿分段矢量线。通过以上步骤，能够自动从点云数据中识别出道路边沿(比如马路牙子)，提高道路边沿的识别效率和识别精度，降低识别所耗费的人力成本。

技术领域

本发明涉及计算机技术领域，尤其涉及一种道路边沿的识别方法和装置。

背景技术

随着无人送货车在实际配送中的应用，越来越多的点云数据被采集。同时，为了更好更快地构建无人车的导航地图，需要快速、准确地识别出点云数据中的道路边沿(比如马路牙子或马路隔离带)。

现有的道路边沿识别方案为：人工采集视频或图像，并根据视频或图像对道路边沿进行人工识别、绘制。在实现本发明过程中，发明人发现现有技术中至少存在如下问题：现有识别方式的识别效率低、耗费的人力成本高，并且，现有识别方式的识别精度低，难以还原真实世界的道路边沿。

发明内容

有鉴于此，本发明提供一种道路边沿的识别方法和装置，能够提高识别效率和识别精度，降低识别所耗费的人力成本。

为实现上述目的，根据本发明的一个方面，提供了一种道路边沿的识别方法。

本发明的道路边沿的识别方法包括：对待处理点云数据进行网格分割，以得到第一网格集合；根据网格的坡度特征从所述第一网格集合中选取候选网格，并根据所述候选网格构建道路边沿模拟点集合；对所述道路边沿模拟点集合中的点进行密度聚类处理，以得到至少一个模拟点子集；根据所述模拟点子集拟合道路边沿分段矢量线。

可选地，所述方法还包括：对点云数据进行抽稀处理，以得到所述待处理点云数据。

可选地，所述对点云数据进行抽稀处理的步骤包括：对点云数据进行网格分割，以得到第二网格集合；遍历第二网格集合中每个网格对应的点云点，以从该网格对应的点云点中筛选出z坐标位于[z_min,z_min+h₁]区间内的点云点，并将从所有网格筛选出的点云点作为待处理点云数据；其中，z_min是指所述待处理点云数据中的最小z值，h₁为预设高度值。

可选地，所述根据网格的坡度特征从所述第一网格集合中选取候选网格的步骤包括：计算第一网格集合中每个网格的坡度值；按照由近及远的顺序，对第一网格集合中位于车辆行驶轨迹左侧或右侧的网格进行逐列检索，并将每列网格中检索到的第一个坡度值大于等于预设坡度阈值的网格作为候选网格。

可选地，所述根据所述候选网格构建道路边沿模拟点集合的步骤包括：确定候选网格的高度和候选网格的中心点坐标(x_center,y_center)；然后，将x_center作为道路边沿模拟点的x轴坐标分量，将y_center作为道路边沿模拟点的y轴坐标分量，将候选网格的高度作为道路边沿模拟点的z轴坐标分量，以得到道路边沿模拟点的坐标。

可选地，所述对所述道路边沿模拟点集合中的点进行密度聚类处理，以得到至少一个模拟点子集的步骤包括：基于DBSCAN算法对所述道路边沿模拟点集合中的点进行指定距离的密度聚类处理，以得到至少一个模拟点子集。

可选地，所述根据所述模拟点子集拟合道路边沿分段矢量线的步骤包括：基于随机抽样一致性算法对所述模拟点子集中的点进行采样处理，然后根据该模拟点子集的采样点拟合得到对应的特征矢量线；计算所述采样点到所述对应的特征矢量线的垂足，然后根据所述垂足到所述特征矢量线中心点的距离对该模拟点子集的采样点进行排序；根据排序后的采样点序列构建道路边沿分段矢量线。