一种基于地图三维数据的道路通过性检测方法与流程

一种基于地图三维数据的道路通过性检测方法
1.技术领域：本发明涉及基于地图三维数据的道路通过性检测方法，属于道路检测技术领域。
2.

背景技术：
随着特大件设备运输市场在逐年递增，然而因为特种车辆的外观以及转弯半径，所以对行驶道路有一定的需求，因此急需一种可以为驾驶员规划行车路线以及实时提示道路能够通行的方法。通过性检测方法在原有的二维地图基础上标注了道路的宽度、净空高度、转弯半径，在规划行车路线时，根据车辆属性，提前规划好可以通行的路线，并且在行车过程中，通过雷达等传感器实时检测道路中的障碍物，并提示驾驶员能否通过。
3.目前常用地图导航，只能根据目的地和出发地规划出行车路线，当车辆通过时，可能会发现，行车路线中的某路段限高或者转弯半径不够，导致车辆无法正常通过，使得车辆不能按时准确到达目的地。因此在基于地图三维数据的道路通过性检测法，在二维地图上标注了道路的高度、宽度、转弯半径的三维数据，在规划导航路线时，提前根据车辆的基本信息，规划出了车辆能够正确通行的行车路线，并且车辆实时通行过程中，根据多传感器，实时检测道路中的障碍物，提示驾驶员能否正确的通行。


技术实现要素：

4.为了克服上述问题，本发明提出了一种基于地图三维数据的道路通过性检测方法，实现在二维地图的基础上，标注出道路高度、宽度、转弯半径三维数据，根据车辆的基本信息，规划出可以通行的行车路线；在行车过程中通过多传感器判断道路中的障碍物，提示驾驶员能否正确通行。
5.解决技术问题所采取的技术方案：一种基于地图三维数据的道路通过性检测方法，所述检测方法包括以下步骤：步骤一，基于地图数据叠加技术，得到二维地图标注图；步骤二，根据地图标注原始数据，规划出车辆通行路线；步骤三，基于所述二维地图标注图以及规划出的车辆通行路线，结合实时测量数据得出车辆通过性判断。
6.进一步，所述步骤一具体为：采集车通过激光雷达、惯导传感器采集车辆信息，按同步时间采集道路详细数据，对数据进行降噪处理，生成las文件；再通过点云数据，计算出道路属性信息；在现有的二维地图基础上，将采集到的道路属性信息，根据定位标注到地图中的道路上。
7.进一步，所述步骤二具体为：将特种车辆数学模型，带入到二维地图中的三维数据模型中，计算并判断出车辆可以通行的道路，再根据最优路径算法，规划出车辆通行路线。
8.进一步，所述步骤三具体为：通过道路检测、目标检测、场景构建算法建立局部道路场景模型，将特种车辆模型的数学模型带入所述局部道路场景模型中，结合激光雷达实时点云信息融合惯导姿态信息判断当前车辆所处道路状态，判断出道路中的障碍物是否会阻碍特种车辆通行，提示驾驶员谨慎驾驶。
9.更进一步，所述步骤一具体包含以下内容：步骤1.1，采用多传感器融合入技术，按照同步时间采集激光雷达点云信息，惯性导航设备车辆姿态信息、里程计车辆轮速及路程信息、底盘车辆状态信息；步骤1.2，首先通过点云滤波方法过滤噪声点，再采用双边滤波，通过特征值分析描述点云特征，生成las文件；步骤1.3，将点云数据进行处理，得出道路属性信息，通过摄像头的视觉数据，结合点云数据判断出是否存有障碍物，将所有信息标注到二维地图上。
10.更进一步，所述步骤三具体包含以下内容：步骤3.1，宽度判断：对环境模型的横向宽度进行测量，保证在环境范围内每一处的道路宽度大于后车车身宽度；步骤3.2，高度判断：在经过隧道、涵洞时，对于高度的判断结合车队车身的高度和宽度，假设车队的车身高度为h，计算最高车所处位置处隧道的长度l，若l长度大于车身宽度，则后车能够通过；步骤3.3，转弯半径可通行性判：对弯曲道路的曲率半径和汽车转弯半径进行比较，利用激光雷达实时输出的道路环境点数据，利用算法曲线拟合的方式实时计算得到道路内外沿的表达式，进而计算出道路的内外沿的曲率与道路宽度，将弯曲道路视为弧线段，计算其曲率半径，然后与汽车的最小转弯半径比较，当弯曲道路的曲率半径大于后车的转弯半径时，视为能够通过。
11.更进一步，所述步骤3.1中，对宽度通过性的判断采用以下两种方式：在全局坐标系中，设定x 方向为车辆宽度方向、y 为车辆前行方向、z 为车辆垂直向上的方向，在y坐标相等的情况下，直接求二者x坐标的差值，最小差值大于车身可通过范围时，视为可以通过；在道路建模部分，已对路边进行曲线拟合，即路边的多项式表示，可以直接对两个多项式做差，通过求导找出最小值，进而判断是否可以通过。
12.作为本技术的一种优选实施方案，所述道路属性包含道路的宽度、高度、曲率信息。
13.作为本技术的一种优选实施方案，所述特种车辆数学模型包含车辆的高度、宽度、转弯半径。
14.有益效果：通过上述地图数据叠加技术、路线规划技术和通过性检测方法，本系统能够实现特种车辆的可通过性路线规划，以及实时对行驶路线中的障碍物进行标注，并判断车辆是否可以通行。
15.附图说明：为了更清楚地说明本发明中的技术方案，下面将对本发明中所需要使用的附图进行简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其它附图；图1为本技术中二维地图三维数据标注流程图；图2为地图发布的流程图；
图3为申请中可通行判断过程的流程图；图4为高度和宽度可通行判断流程图；图5为转弯半径可通行判断流程图；图6为特种车辆的数学模型图。
16.具体实施方案:为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域的技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
17.实施例1本实施例提供一种基于地图三维数据的道路通过性检测方法，所述检测方法包括以下步骤：步骤一，基于地图数据叠加技术，得到二维地图标注图；步骤二，根据地图标注原始数据，规划出车辆通行路线；步骤三，基于所述二维地图标注图以及规划出的车辆通行路线，结合实时测量数据得出车辆通过性判断。
18.进一步，所述步骤一具体为：采集车通过激光雷达、惯导传感器采集车辆信息，按同步时间采集道路详细数据，对数据进行降噪处理，生成las文件；再通过点云数据，计算出道路属性信息；在现有的二维地图基础上，将采集到的道路属性信息，根据定位标注到地图中的道路上。
19.进一步，所述步骤二具体为：将特种车辆数学模型，带入到二维地图中的三维数据模型中，计算并判断出车辆可以通行的道路，再根据最优路径算法，规划出车辆通行路线。
20.进一步，所述步骤三具体为：通过道路检测、目标检测、场景构建算法建立局部道路场景模型，将特种车辆模型的数学模型带入所述局部道路场景模型中，结合激光雷达实时点云信息融合惯导姿态信息判断当前车辆所处道路状态，判断出道路中的障碍物是否会阻碍特种车辆通行，提示驾驶员谨慎驾驶。
21.更进一步，所述步骤一具体包含以下内容：步骤1.1，采用多传感器融合入技术，按照同步时间采集激光雷达点云信息，惯性导航设备车辆姿态信息、里程计车辆轮速及路程信息、底盘车辆状态信息；步骤1.2，首先通过点云滤波方法过滤噪声点，再采用双边滤波，通过特征值分析描述点云特征，生成las文件；步骤1.3，将点云数据进行处理，得出道路属性信息，通过摄像头的视觉数据，结合点云数据判断出是否存有障碍物，将所有信息标注到二维地图上。
22.图1二维地图三维数据标注流程图为提取道路三维数据标注到二维地图中技术，采取的主要措施包括：a)采用多传感器融合入技术，按照同步时间采集；b)数据处理，首先通过点云滤波，滤掉噪声点，采用双边滤波，通过特征值分析描述点云特征，生成las文件。
23.c)将点云数据进行处理，得出道路属性信息，如宽度、高度、曲率等；通过摄像头的
视觉数据，结合点云数据判断出是否存有障碍物；将所有信息标注到二维地图上。
24.图2地图发布将标注数据转化生成分幅二维路网数据，将相同图幅多批次路网数据融合更新，编辑道路形状点和节点，修改融合结果，路网数据图幅自动接边优化，最后发布地图。
25.图3是可通行判断流程图，为攻克可通行区域提取技术，采取的主要措施包括：a)采用特征点匹配方法，提高了点云地图栅格化的精细程度，解决了结构化及非结构化道路自动匹配的问题，该特征点匹配方法具体为：在地面栅格与未知状态栅格之间进行可通行区域的扩展只适用于同一角度方向栅格；a.以原点为起点，沿径向方向遍历同一扇形块内的栅格，如果当前栅格为地面栅格，前一个地面栅格为，则把栅格与栅格之间的未知状态栅格扩展为地面栅格，如果当前栅格为障碍栅格，则不扩展栅格与栅格之间的未知状态栅格，继续搜索该扇形块其他栅格，直到扇形块最远处栅格；b.车辆邻域栅格，即距极坐标原点距离为的栅格扩展为地面栅格；c.将栅格地图中地面栅格标记为可通行状态。
26.b)采用多帧同步处理，有效提高数据冗余度，提高了对障碍物等特征物体的描述能力。
27.作为本技术的一种优选实施方案，所述道路属性包含道路的宽度、高度、曲率信息。
28.作为本技术的一种优选实施方案，所述特种车辆数学模型包含车辆的高度、宽度、转弯半径。
29.更进一步，所述步骤三具体包含以下内容：步骤3.1，宽度判断：对环境模型的横向宽度进行测量，保证在环境范围内每一处的道路宽度大于后车车身宽度，对宽度通过性的判断采用以下两种方式：在全局坐标系中，设定x 方向为车辆宽度方向、y 为车辆前行方向、z 为车辆垂直向上的方向，在y坐标相等的情况下，直接求二者x坐标的差值，最小差值大于车身可通过范围时，视为可以通过；在道路建模部分，已对路边进行曲线拟合，即路边的多项式表示，可以直接对两个多项式做差，通过求导找出最小值，进而判断是否可以通过。
30.步骤3.2，高度判断：在经过隧道、涵洞时，对于高度的判断结合车队车身的高度和宽度，假设车队的车身高度为h，计算最高车所处位置处隧道的长度l，若l长度大于车身宽度，则后车能够通过；步骤3.3，转弯半径可通行性判：对弯曲道路的曲率半径和汽车转弯半径进行比较，利用激光雷达实时输出的道路环境点数据，利用算法曲线拟合的方式实时计算得到道路内外沿的表达式，进而计算出道路的内外沿的曲率与道路宽度，将弯曲道路视为弧线段，计算其曲率半径，然后与汽车的最小转弯半径比较，当弯曲道路的曲率半径大于后车的转弯半径时，视为能够通过。
31.图4是高度和宽度可通行判断流程图
通过建立道路环境模型，可以计算出后车通过道路时所需的几个指标，确定道路可通过性。主要包括以下几个方面。
32.a)宽度判断主要是对环境模型的横向宽度进行测量，保证在环境范围内每一处的道路宽度（z轴大于等于0的空间上的垂直宽度）大于后车车身宽度。在此提供两种方法：在全局坐标系中，在y坐标相等的情况下，直接求二者x坐标的差值，最小差值大于车身可通过范围时，视为可以通过；在道路建模部分，已对路边进行曲线拟合，即路边的多项式表示，可以直接对两个多项式做差，通过求导找出最小值，进而判断是否可以通过。
33.b)高度判断该项判断主要针对隧道、涵洞等道路类型。
34.如图6所示，为车辆的数学模型示意图，在经过隧道、涵洞时，对于高度的判断需要结合后车车身的高度和宽度来看。假设后车的车身高度为h，对于隧道、涵洞等地形，一般情况下，可以直接计算ab的长度，只要ab长度大于车身宽度，则后车可以通过。
35.ab长度的计算与地面宽度计算方法相似：计算地面宽度时，路边在全局坐标系中的z坐标为0；计算隧道可通过范围时，隧道弯曲边缘在全局坐标系中的z坐标为h。
36.图5是转弯半径可通行判断流程图，由于车身长度较长，所需转弯半径较大，因此需要对道路弯度进行计算。
37.转弯时需要对弯曲道路的曲率半径和汽车转弯半径进行比较。利用激光雷达实时输出的单帧道路环境点数据，提取道路边内外沿候选点，利用算法曲线拟合的方式实时提取出道路内外沿的表达式，进而计算出道路的内外沿的曲率与道路宽度，将弯曲道路视为弧线段，计算其曲率半径，然后与汽车的最小转弯半径比较，当弯曲道路的曲率半径大于后车的转弯半径时，视为可以通过。
38.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外，本技术实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。
39.对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。