[发明专利]基于地图的静态障碍物过滤方法和地图过滤器

权利要求书

1.一种基于地图的静态障碍物过滤方法，包括：

获取矿区的地图数据，并基于所述地图数据构建掩模图，所述掩模图包括用于标识可行驶区域的第一掩模图层和用于标识不可行驶区域的第二掩模图层，其中，构建所述掩模图包括：获取所述矿区的矢量地图数据，筛选出所述矿区内的可行驶区域的边界的节点信息并按顺序连接，以形成包含原始边界的栅格地图作为所述掩模图的底图；以及将所述底图内的不可行驶区域的格栅灰度值设置为第一预定值, 并将所述底图内的可行驶区域的格栅灰度值设置为与第一预定值不同的第二预定值；

采集所述矿区的非地面数据，并对所述非地面数据进行初步分割，以获取非地面点云；

将所述非地面点云投影到所述掩模图；如果所述非地面点云投影到不可行驶区域上，则判定该非地面点云为静态障碍物，并将该非地面点云直接滤除；如果所述非地面点云投影到可行驶区域上，则判定该非地面点云为动态障碍物,并将该非地面点云交由无人驾驶车辆的感知处理模块进行进一步处理，

其中，在所述掩模图构建完成后，保留建图的起始原点经纬度坐标和栅格尺寸，然后将所述无人驾驶车辆的感知采集模块采集的非地面数据进行初步分割后获得的非地面点云从车身坐标系按照下列公式映射到所述掩模图的地图坐标系：

Xm = Xv + cos(Yaw) ×(Xf + Xo) + sin(Yaw) ×(Yf + Yo);

Ym = Yv + cos(Yaw) × (Yf + Yo) - sin(Yaw) × (Xf + Xo);

其中，Xm和Ym为非地面点云在所述掩模图的地图坐标系中的x，y轴坐标；

Xv、Yv和Yaw分别为当前无人驾驶车辆在所述掩模图的地图坐标系中的x，y坐标及航向角；

Xo和Yo是利用雷达获得的非地面点云的x，y坐标；

Xf和Yf则是所述雷达到所述无人驾驶车辆的定位中心的x、y修正值。

2.根据权利要求1所述的静态障碍物过滤方法，其中，所述第一预定值为0，所述第二预定值为255。

3.根据权利要求2所述的静态障碍物过滤方法，其中，将所述底图内的不可行驶区域的格栅灰度值设置为第一预定值包括：

将所述底图的外围边界基于原始外围边界的经纬度极值往外拓展一定距离；

在所扩展出的区域内选取一点作为起始种子点并利用种子填充算法对不可行驶区域进行染色填充。

4.根据权利要求3所述的静态障碍物过滤方法，其中，所述点为拓展后的所述底图的左上角顶点、右上角顶点、左下角顶点、右下角顶点。

5.根据权利要求3所述的静态障碍物过滤方法，其中，在染色填充时，将种子点的栅格灰度值设置为0，标记所述起始种子点周围八连通域的栅格为新种子点，然后以新种子点为基点再次进行迭代，直至填充完毕不再产生新种子点，如果新种子点为地图边界或可行驶区域的边界，则取消成为新种子点，否则将新种子点的栅格灰度值设置为0。

6.根据权利要求5所述的静态障碍物过滤方法，其中，选取所述可行驶区域内任意一点作为起始种子点并利用种子填充算法对所述可行驶区域进行染色填充，在染色填充时，将种子点的栅格灰度值设置为255，标记该起始种子点周围八连通域的栅格为新种子点，然后以新种子点为基点再次进行迭代，直至填充完毕不再产生新种子点，如果新种子点为可行驶区域的边界，则将新种子点的栅格灰度值设置为255。

7.根据权利要求1所述的静态障碍物过滤方法，其中，当将非地面点云映射到所述掩模图的地图坐标系中后，直接访问当前栅格点的灰度值，如返回值大于0，则判定该非地面点云在可行驶区域内，并将该非地面点云标记为动态障碍物；如返回值为0，则判定该非地面点云在不可行驶区域内，并将该非地面点云标记为静态障碍物。

8.根据权利要求1所述的静态障碍物过滤方法，其中，所述边界包括车道线的边界、装载区的边界和/或卸载区的边界。