[发明专利]一种道路边界分类方法及其装置、计算机设备、移动工具

说明书

本发明公开了一种道路边界分类方法，包括：步骤S1，采集车辆附近道路边界的点云特征及车辆附近道路边界的图像；步骤S2，根据车辆附近道路边界的点云特征对车辆附近道路边界分类，获得点云道路边界类型；步骤S3，根据辆附近道路边界的图像具有的图像特征对车辆附近道路边界分类，获得图像道路边界类型；步骤S4，将同一时刻或时间戳的单帧点云特征和单帧图像同步记为同一帧点云和图像；步骤S5，根据同一帧点云和图像中的点云特征和图像的道路边界分类结果，获得最终的道路边界类型。本发明还公开了道路边界分类装置、计算机设备及移动工具。本发明通过激光雷达点云和相机图像进行道路边界分类并融合，实现自动道路边界分类。

技术领域

本发明涉及无人驾驶技术领域，特别是涉及一种道路边界分类方法，一种道路边界分装置，一种计算机设备，一种移动工具。

背景技术

无人驾驶技术中地图的采集，常常需要对道路边界类型进行分类，用于决策车辆是否可以通行或穿越。由于地图采集工作量巨大，道路边界信息丰富，因此，如果能够快速、准确地区分道路边界类型，可以大大提高地图采集效率，降低成本。

目前，在无人驾驶的地图采集工作中，对道路边界类型的区分，多采用人工分类，即通过肉眼观察图像中道路边界特征，人工对道路类型进行区分并在地图中进行相应标注。

这种人工分类的方式，由于通过肉眼观察图像中道路边界特征，人工对地图中边界类型进行区分和标注，效率较低，需要大量的人力成本，且速度较慢。

此外，人工肉眼观察道路边界特征，来进行道路类型区分并标注，不可避免地存在分类的错误和误标注的问题，而且道路边界场景特征复杂，各种类型的道路特征存在模糊情况，不同人理解道路类型情况也会存在差别，最终导致人工标注出的道路类型准确度会下降，从而在一定程度上会影响到自动驾驶车辆在路面上的安全可靠运行。

发明内容

本发明的目的是针对现有技术存在的技术缺陷，提供一种道路边界分类方法，一种道路边界分装置，一种计算机设备，一种移动工具。

为此，本发明第一方面，提供了一种道路边界分类方法，包括以下步骤：

步骤S1，通过激光雷达，实时采集车辆附近道路边界的点云特征，以及通过相机，实时采集车辆附近道路边界的图像；

步骤S2，根据步骤S1获得的车辆附近道路边界的点云特征，对车辆附近道路边界进行分类，获得对应的点云道路边界类型；

步骤S3，对于步骤S1获得的车辆附近道路边界的图像，根据该图像具有的图像特征，对车辆附近道路边界进行分类，获得对应的图像道路边界类型；

步骤S4，将同一时刻或时间戳的单帧点云特征和单帧图像同步到一起，记为同一帧点云和图像；

步骤S5，对于步骤S4获得的同一帧点云和图像，根据同一帧点云和图像中的点云特征和图像的道路边界分类结果，按照预设的融合规则进行融合，获得最终的道路边界类型。

优选地，在步骤S1中，激光雷达朝向车辆的前方，通过激光雷达采集车辆前方道路边界的点云特征，以及相机朝向车辆的前方，通过相机采集车辆前方道路边界的图像。

优选地，在步骤S2中，当步骤S1获得的车辆附近道路边界的点云信息具有的点云特征是预设明显的高路沿点云特征时，将车辆附近道路边界的类型划分为点云B类道路边界；

预设明显的高路沿点云特征，即对于激光雷达所采集的车辆附近道路边界的点云特征，其包括一条路沿分界线；

对于路沿分界线，路沿分界线两侧点云的高度差在预设差值区间内；

点云B类道路边界为高路沿类的点云道路边界。