基于激光雷达的路沿检测方法、装置、设备及存储介质与流程

1.本发明涉及车辆检测技术领域，特别是涉及一种基于激光雷达的路沿检测方法、一种基于激光雷达的路沿检测装置、一种电子设备、以及一种存储介质。


背景技术：

2.随着城市汽车保有量的增加以及汽车高级辅助驾驶技术的飞速发展，高级辅助驾驶技术（advanced assisted driving system）应用越来越广泛。依靠高精的距离测量及环境适用广的特性，激光雷达在环境感知的应用越来越广。其中路沿检测不仅能提供精准的可行驶边界，辅助定位及后续决策，同时在降低激光感知误检及环境噪声干扰发挥极大作用。
3.在现有技术中，一般采用多线机械旋转雷达扫描线束在高度或者线束角度方向突变，人为提取特征进行识别，或者在多视图（鸟瞰图或前视图）对路沿引起的多突变特征，进行手动设计实现检测。其缺点在于对计算能力要求较高，且随着点云点数增加，对计算的要求也越来越高，路沿识别慢。


技术实现要素：

4.鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于激光雷达的路沿检测方法、相应的一种基于激光雷达的路沿检测装置、一种电子设备、以及一种存储介质。
5.为了解决上述问题，本发明实施例公开了一种基于激光雷达的路沿检测方法，所述方法包括：获取车辆上多个激光雷达检测的点云数据，并对所述多个激光雷达的点云数据进行筛选，得到以车辆为中心的目标区域内的目标点云数据；对所述目标点云数据进行分割，得到分割结果；根据所述分割结果确定左、右路沿曲线和道路中心参考线；根据所述左、右路沿曲线和所述道路中心参考线确定关键点集合；对所述关键点集合进行多次曲线拟合，得到目标路沿曲线。
6.可选地，所述分割结果包括物体类别，所述根据所述分割结果确定左、右路沿曲线和道路中心参考线，包括：根据所述物体类别，确定所述目标区域内的左、右路沿曲线；确定所述左、右路沿曲线的中心线并作为道路中心参考线。
7.可选地，所述根据所述左、右路沿曲线和所述道路中心参考线确定关键点集合，包括：沿所述道路中心参考线的方向，在所述左、右路沿曲线的两端分别向前、向后的预设距离处确定关键点；在以所述关键点为中心的预设区域内，确定是否有障碍物；
若所述左、右路沿曲线同一端的两个关键点对应的预设区域内无障碍物，则确定所述两个关键点的中心点，并根据所述中心点将所述道路中心参考线延长；循环地执行以上操作，直至在以所述关键点为中心的预设区域内具有障碍物；将确定的各个关键点确定为关键点集合。
8.可选地，所述对所述关键点集合进行多次曲线拟合，得到目标路沿曲线，包括：根据关键点的位置将所述关键点集合划分为多个子集；分别对每个所述子集中的所述关键点进行曲线拟合；根据每个所述子集对应的曲线，确定目标路沿曲线。
9.可选地，在所述对所述目标点云数据进行分割，得到分割结果之前，还包括：对所述目标点云数据进行预处理，以对所述目标点云数据进行调平；将预处理后的所述目标点云数据投影到划分好的2d网格中；所述对所述目标点云数据进行分割，得到分割结果，包括：确定所述目标点云数据中的物体类别；在所述2d网格中根据所述物体类别对所述目标点云数据进行分割，得到分割结果。
10.可选地，所述确定所述目标点云数据中的物体类别，包括：提取所述目标点云数据的高维特征；对所述高维特征进行提优，得到所述目标点云数据中的物体类别。
11.可选地，所述获取车辆上多个激光雷达检测的点云数据，并对所述多个激光雷达的点云数据进行筛选，得到以车辆为中心的目标区域内的目标点云数据，包括：将获取的所述点云数据转换到车辆坐标系中，得到初始点云数据；在以车辆为中心的目标区域内对所述初始点云数据进行筛选，得到目标点云数据。
12.相应的，本发明实施例公开了一种基于激光雷达的路沿检测装置，所述装置包括：数据获取模块，用于获取车辆上多个激光雷达检测的点云数据，并对所述多个激光雷达的点云数据进行筛选，得到以车辆为中心的目标区域内的目标点云数据；数据分割模块，用于对所述目标点云数据进行分割，得到分割结果；结果确定模块，用于根据所述分割结果确定左、右路沿曲线和道路中心参考线；集合确定模块，用于根据所述左、右路沿曲线和所述道路中心参考线确定关键点集合；曲线确定模块，用于对所述关键点集合进行多次曲线拟合，得到目标路沿曲线。
13.可选地，所述分割结果包括物体类别，所述结果确定模块包括：左、右路沿曲线确定子模块，用于根据所述物体类别，确定所述目标区域内的左、右路沿曲线；道路中心参考线确定子模块，用于确定所述左、右路沿曲线的中心线并作为道路中心参考线。
14.可选地，所述集合确定模块包括：关键点确定子模块，用于沿所述道路中心参考线的方向，在所述左、右路沿曲线的两端分别向前、向后的预设距离处确定关键点；
判断子模块，用于在以所述关键点为中心的预设区域内，确定是否有障碍物；中心点确定子模块，用于若所述左、右路沿曲线同一端的两个关键点对应的预设区域内无障碍物，则确定所述两个关键点的中心点，并根据所述中心点将所述道路中心参考线延长；循环子模块，用于循环地执行以上操作，直至在以所述关键点为中心的预设区域内具有障碍物；关键点集合确定子模块，用于将确定的各个关键点确定为关键点集合。
15.可选地，所述曲线确定模块包括：子集划分子模块，用于根据关键点的位置将所述关键点集合划分为多个子集；曲线拟合子模块，用于分别对每个所述子集中的所述关键点进行曲线拟合；目标路沿曲线子模块，用于根据每个所述子集对应的曲线，确定目标路沿曲线。
16.可选地，所述装置还包括：调平模块，用于对所述目标点云数据进行预处理，以对所述目标点云数据进行调平；投影模块，用于将预处理后的所述目标点云数据投影到划分好的2d网格中；所述数据分割模块包括：类别确定子模块，用于确定所述目标点云数据中的物体类别；分割子模块，用于在所述2d网格中根据所述物体类别对所述目标点云数据进行分割，得到分割结果。
17.可选地，所述类别确定子模块包括：高维特征提取单元，用于提取所述目标点云数据的高维特征；提优单元，用于对所述高维特征进行提优，得到所述目标点云数据中的物体类别。
18.可选地，所述数据获取模块包括：外参标定子模块，用于将获取的所述点云数据转换到车辆坐标系中，得到初始点云数据；数据筛选子模块，用于在以车辆为中心的目标区域内对所述初始点云数据进行筛选，得到目标点云数据。
19.本发明实施例包括以下优点：通过获取车辆上多个激光雷达检测的点云数据，并对多个激光雷达的点云数据进行筛选，得到以车辆为中心的目标区域内的目标点云数据；对目标点云数据进行分割，得到分割结果；根据分割结果确定左、右路沿曲线和道路中心参考线；根据左、右路沿曲线和道路中心参考线确定关键点集合；对根据关键点集合进行多次曲线拟合，得到目标路沿曲线。本发明实施例中，根据分割结果确定的左、右路沿曲线和道路中心参考线，实现快速对路沿进行检测，得到关键点集合，再根据关键点集合进行曲线拟合，提高了识别准确率，为后续精准、快速感知提供支撑。
附图说明
20.图1是本发明实施例提供的一种基于激光雷达的路沿检测方法的步骤流程图；图2是本发明实施例提供的目标区域检测图；图3是本发明实施例提供的路沿检测原理图；
图4是本发明实施例提供的一种基于激光雷达的路沿检测装置的结构框图。
具体实施方式
21.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
22.目前一般采用多线机械旋转雷达扫描线束在高度或者线束角度方向突变，人为提取特征进行识别，或者在多视图（鸟瞰图或前视图）对路沿引起的多突变特征，进行手动设计实现检测。但是随着点云点数增加，计算过程增加，使人工成本增加，并且，在路口转弯等多变路沿情况识别率不高。
23.本发明实施例的核心构思之一在于，提出了激光雷达的路沿检测方法，利用模型对点云数据的维度进行提升，再进行提优，分割之后利用点与线的结合，快速确定路沿曲线，以解决路沿情况识别率不高、计算过程复杂的问题。
24.参照图1，示出了本发明实施例提供的一种基于激光雷达的路沿检测方法的步骤流程图，所述方法具体可以包括如下步骤：步骤101，获取车辆上多个激光雷达检测的点云数据，并对所述多个激光雷达的点云数据进行筛选，得到以车辆为中心的目标区域内的目标点云数据。
25.在车辆上获取包含位置信息的激光雷达检测点云数据，点云数据包含一系列离散数据点，并在激光雷达坐标系中显示所有的点云数据，然后对点云数据进行筛选，得到以车辆为中心的目标区域内的目标点云数据。点云是一个数据集，数据集中的每个点代表一组x、y、z几何坐标和一个强度值，这个强度值根据物体表面反射率记录返回信号的强度。当这些点组合在一起时，就会形成一个点云，即空间中代表3d形状或对象的数据点集合。
26.在本发明实施例中，所述获取车辆上多个激光雷达检测的点云数据，并对所述多个激光雷达的点云数据进行筛选，得到以车辆为中心的目标区域内的目标点云数据的步骤可以包括以下子步骤：子步骤s1011，将获取的所述点云数据转换到车辆坐标系中，得到初始点云数据；子步骤s1012，在以车辆为中心的目标区域内对所述初始点云数据进行筛选，得到目标点云数据。
27.激光雷达的车载三维重建系统和感知系统工作时需要对激光雷达的外参数（三个旋转参数和三个平移参数）进行标定，激光雷达外参数的标定是指激光雷达测量坐标系相对于其他传感器测量坐标系的相对变换关系，即旋转平移变换矩阵。在本发明实施例中，可以将获取的点云数据从激光雷达坐标系转换到车辆坐标系中，从而对点云数据进行外参标定，得到初始点云数据，然后，根据roi（region of intrest，感兴趣区域）确定目标区域，将不属于目标区域范围内初始点云数据进行剔除，将属于目标区域范围内初始点云数据确定为目标点云数据。
28.例如，参考图2如果预设的roi半径为20米，则以车辆为中心，半径r1为20米画圆，圆内就是目标区域，将圆外的点云数据进行剔除，只保留圆内的点云数据，还可以预设roi的直径或者面积等其他获取范围的方法，本发明实施例在此不做限定。
29.步骤102，对所述目标点云数据进行分割，得到分割结果。
30.对确定的目标点云数据进行分割，得到分割结果。其中，根据目标点云数据的物体
类别进行分割。
31.在本发明实施例中，在所述对所述目标点云数据进行分割，得到分割结果的步骤之前还可以包括以下子步骤：子步骤s1021，对所述目标点云数据进行预处理，以对所述目标点云数据进行调平；子步骤s1022，将预处理后的所述目标点云数据投影到划分好的2d网格中；在本发明实施例中，所述对所述目标点云数据进行分割，得到分割结果的步骤可以包括以下子步骤：子步骤s1023，确定所述目标点云数据中的物体类别；子步骤s1024，在所述2d网格中根据所述物体类别对所述目标点云数据进行分割，得到分割结果。
32.利用网络模型对目标点云数据进行预处理，以对目标点云数据进行调平。其中，网络模型预处理是指对坐标系与物体进行调平，获取三维空间物体的姿态，之后对姿态翻转，使其与坐标轴重合。本领域技术人员可知，具体的调平方式有很多种，本发明实施例在此不做限定。将经过预处理的目标点云数据投影到划分好的2d网格中，其中，2d网格为预先设置好大小的网格，网格大小可根据实际需求进行设置，本发明实施例在此不做限定。本发明实施例是将三维空间物体的目标点云数据投影到二维的2d网格中，起到降维的作用，在2d网格中，利用点和线的结合，可以快速的对物体进行分割，得到分割结果。
33.在本发明实施例中，所述确定所述目标点云数据中的物体类别的步骤可以包括以下子步骤：子步骤s10231，提取所述目标点云数据的高维特征；子步骤s10232，对所述高维特征进行提优，得到所述目标点云数据中的物体类别。
34.可以采用point net模型提取目标点云数据的高维特征，可以再采用point模型对高维特征进行提优，得到目标点云数据中所有的物体类别，例如，花坛、行人、车辆、房子等物体类别。其中，point net模型是用输入的点云信息来做3d物体分类和分割的网络模型，point模型是基于深度学习的方法以点云的形式进行三维重建，增强点云的精度。例如，当前的目标点云数据为3维，可以通过point net模型提升到10维，然后将提升之后的高维特征利用point模型进行提优，提优的过程是为了使物体类别更加清楚，方便分割。本发明实施例对获取的点云数据进行维度的提升和提优，是为了得到维度更高，物体类别更加清晰的目标点云数据；提取高维特征的维度可根据实际需求进行设置，本发明实施例在此不做限定。
35.在本发明实施例中，可以利用网络模型对目标点云数据进行预处理，以对目标点云数据进行调平，然后将三维空间物体的目标点云数据投影到二维的2d网格中；再采用point net模型提取目标点云数据的高维特征，采用point模型对高维特征进行提优，这样可以得到维度更高，物体类别更加清晰的目标点云数据，可以确定目标点云数据中的物体类别；最后在2d网格中，利用点和线的结合，根据物体类别对目标点云数据进行分割，得到物体对应的目标点云数据。例如，在2d网格沿着花坛进行分割，得到花坛对应的目标点云数据。
36.步骤103，根据所述分割结果确定左、右路沿曲线和道路中心参考线。
37.根据分割结果确定左、右路沿曲线和道路中心参考线，其中，左、右路沿曲线包括左路路沿曲线和右路路沿曲线，左路路沿曲线和右路路沿曲线可以分别为线段；左路路沿曲线可以为道路与道路左边边沿的交界线，右路路沿曲线可以为道路与道路右边边沿的交界线；可以根据分割结果，得到道路与道路边沿的交界线；例如，参考图2，如果道路两边为花坛，则获取目标区域内的花坛与道路的交界线，则在确定花坛对应的目标点云数据之后，将道路对应的目标点云数据与左边花坛对应的目标点云数据的交界线为左路路沿曲线，将道路对应的目标点云数据与右边花坛对应的目标点云数据的交界线为右路路沿曲线。
38.在本发明实施例中，所述分割结果包括物体类别，所述根据所述分割结果确定左、右路沿曲线和道路中心参考线的步骤可以包括以下子步骤：子步骤s1031，根据所述物体类别，确定所述目标区域内的左、右路沿曲线；子步骤s1032，确定所述左、右路沿曲线的中心线并作为道路中心参考线。
39.根据分割结果的物体类别，确定目标区域内的左、右路沿曲线，其中，分割结果包括物体类别，确定左、右路沿曲线的中心线并作为道路中心参考线。例如，参考图2，确定物体类别之后，对物体类别进行判断，确定为道路边沿的物体，比如花坛、台阶等物体；如果道路两边为花坛，则获取目标区域内的花坛与道路的交界线，确定左路路沿曲线和右路路沿曲线，再获取左路路沿曲线和右路路沿曲线的中心线，将中心线确定为道路中心参考线。步骤104，根据所述左、右路沿曲线和所述道路中心参考线确定关键点集合。
40.根据确定的左、右路沿曲线和道路中心参考线，确定关键点集合，其中，关键点不在目标区域内。
41.在本发明实施例中，所述根据所述左、右路沿曲线和所述道路中心参考线确定关键点集合的步骤可以包括以下子步骤：子步骤s1041，沿所述道路中心参考线的方向，在所述左、右路沿曲线的两端分别向前、向后的预设距离处确定关键点；子步骤s1042，在以所述关键点为中心的预设区域内，确定是否有障碍物；子步骤s1043，若所述左、右路沿曲线同一端的两个关键点对应的预设区域内无障碍物，则确定所述两个关键点的中心点，并根据所述中心点将所述道路中心参考线延长；子步骤s1044，循环地执行以上操作，直至在以所述关键点为中心的预设区域内具有障碍物；子步骤s1045，将确定的各个关键点确定为关键点集合。
42.根据确定的道路中心参考线，沿道路中心参考线前后的方向，在左、右路沿曲线的两端分别向前、向后的预设距离处确定关键点，再以关键点为中心预设距离为半径的预设区域内，确定是否有障碍物，若左、右路沿曲线同一端的两个关键点对应的预设区域内无障碍物则确定两个关键点的中心点，并根据所述中心点将道路中心参考线延长，循环地执行以上操作，直至在以关键点为中心的预设区域内具有障碍物。其中，道路中心参考线用于约束获取关键点的方向，获取关键点的预设距离可以根据实际需求进行设置的。
43.例如，参考图3，在确定道路中心参考线之后，左路路沿曲线的上方沿道路中心参考线上方的方向，在预设距离r2处确定左上关键点，再以左上关键点为中心，r2为半径的预设区域内进行检索。右路路沿曲线同理，在右路路沿曲线的上方沿道路中心参考线上方的
方向，在预设距离r2处确定右上关键点，再以右上关键点为中心，r2为半径的预设区域内进行检索，判断左上关键点的预设区域内和右上关键点的预设区域内是否有障碍物，如果没有障碍物，则获取左上关键点和右上关键点之间的中心点，利用中心点将道路中心参考线进行延长，再以左上关键点和右上关键点为起点，中心参考线约束方向，预设距离r2处再次获取关键点，循环地执行以上操作，直至在以关键点为中心的预设区域内具有障碍物。同理，左路路沿曲线的左下关键点和右路路沿曲线的右下关键点采取同样的方法进行处理，因为是根据上一个关键点确定下一个关键点，并且是利用道路中心参考线约束关键点确定的方向，所以对直路、弯路等多种路沿情况都可以适用，解决在路口转弯等多变路沿情况识别率不高的情况。
44.每一个关键点都有属于它的位置和方向，可以根据关键点的位置和方向，将确定的各个关键点确定为关键点集合；例如，有的关键点在左路路沿曲线的上方，有的关键点在左路路沿曲线的下方，有的关键点在右路路沿曲线的上方，有的关键点在右路路沿曲线的下方，可以将这些关键点全部确定为关键点集合。
45.步骤105，对所述关键点集合进行多次曲线拟合，得到目标路沿曲线。
46.对关键点集合进行多次曲线拟合，得到目标路沿曲线，其中，曲线拟合根据关键点的位置和方向确定多个关键点，并且获取的关键点都是相邻的点。例如，从关键点集合中得到左路路沿曲线上方和下方的多个关键点，这些关键点一个接着一个的与左路路沿曲线连接在一起，进行曲线拟合，并且，为避免误差，曲线拟合可以多次进行。
47.在本发明实施例中，所述对所述关键点集合进行多次曲线拟合，得到目标路沿曲线的步骤可以包括以下子步骤：子步骤s1051，根据关键点的位置将所述关键点集合划分为多个子集；子步骤s1052，分别对每个所述子集中的所述关键点进行曲线拟合；子步骤s1053，根据每个所述子集对应的曲线，确定目标路沿曲线。
48.根据关键点的位置和方向将关键点集合划分为多个子集，分别对每个子集中的关键点进行曲线拟合，根据每个子集对应的曲线，确定目标路沿曲线。例如，关键点集合中的有400个关键点，根据关键点的位置和方向，可以确定左路路沿曲线上方有100个，左路路沿曲线下方有100个，右路路沿曲线上方有100个，右路路沿曲线下方有100个；可以将左路路沿曲线上方的100个关键点按照相邻的前后顺序分为5个子集，每个子集20个关键点，将这20个关键点按照位置进行曲线拟合，得到这个子集的曲线；其他3个100个关键点同理，可以分别得到对应子集的曲线，曲线拟合可以根据实际需求设置为多次曲线拟合，增加曲线拟合的准确性，本发明实施例在此不做限定，并且，具体的在关键点集合中怎样划分为多个子集可以根据实际需求进行设置，本发明实施例在此不做限定。将左路路沿曲线上方的5个子集的曲线进行拟合，确定左路路沿曲线上方的路沿曲线，同理得到左路路沿曲线下方、右路路沿曲线上方、右路路沿曲线下方的路沿曲线，再将左路路沿曲线上方的路沿曲线、左路路沿曲线下方的路沿曲线进行曲线拟合，得到道路左边的目标路沿曲线，将右路路沿曲线上方的路沿曲线、右路路沿曲线下方的路沿曲线进行曲线拟合，得到道路右边的目标路沿曲线，其中，目标路沿曲线可以为线段。
49.本发明实施例包括以下优点：通过获取车辆上多个激光雷达检测的点云数据，并对多个激光雷达的点云数据进行筛选，得到以车辆为中心的目标区域内的目标点云数据；
对目标点云数据进行预处理，以对目标点云数据进行调平；将预处理后的目标点云数据投影到划分好的2d网格中；提取目标点云数据的高维特征；对高维特征进行提优，得到目标点云数据中的物体类别；在2d网格中根据物体类别对目标点云数据进行分割，得到分割结果；根据分割结果确定左、右路沿曲线和道路中心参考线；根据左、右路沿曲线和道路中心参考线确定关键点集合；对根据关键点集合进行多次曲线拟合，得到目标路沿曲线。本发明实施例中，可以提取目标点云数据的高维特征，提高目标点云数据的维度，得到更加准确的物体类别，还可以将目标点云数据在2d网格中进行分割，降低目标点云数据的维度，减少后面步骤的计算量，还可以根据分割结果确定的左、右路沿曲线和道路中心参考线，实现快速对路沿进行检测，得到关键点集合，再根据关键点集合进行曲线拟合，提高了识别准确率，为后续精准、快速感知提供支撑。
50.需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
51.参照图4，示出了本发明实施例提供的一种基于激光雷达的路沿检测装置的结构框图，具体可以包括如下模块：数据获取模块201，用于获取车辆上多个激光雷达检测的点云数据，并对所述多个激光雷达的点云数据进行筛选，得到以车辆为中心的目标区域内的目标点云数据；数据分割模块202，用于对所述目标点云数据进行分割，得到分割结果；结果确定模块203，用于根据所述分割结果确定左、右路沿曲线和道路中心参考线；集合确定模块204，用于根据所述左、右路沿曲线和所述道路中心参考线确定关键点集合；曲线确定模块205，用于对所述关键点集合进行多次曲线拟合，得到目标路沿曲线。
52.可选地，所述分割结果包括物体类别，所述结果确定模块包括：左、右路沿曲线确定子模块，用于根据所述物体类别，确定所述目标区域内的左、右路沿曲线；道路中心参考线确定子模块，用于确定所述左、右路沿曲线的中心线并作为道路中心参考线。
53.可选地，所述集合确定模块包括：关键点确定子模块，用于沿所述道路中心参考线的方向，在所述左、右路沿曲线的两端分别向前、向后的预设距离处确定关键点；判断子模块，用于在以所述关键点为中心的预设区域内，确定是否有障碍物；中心点确定子模块，用于若所述左、右路沿曲线同一端的两个关键点对应的预设区域内无障碍物，则确定所述两个关键点的中心点，并根据所述中心点将所述道路中心参考线延长；循环子模块，用于循环地执行以上操作，直至在以所述关键点为中心的预设区域
内具有障碍物；关键点集合确定子模块，用于将确定的各个关键点确定为关键点集合。
54.可选地，所述曲线确定模块包括：子集划分子模块，用于根据关键点的位置将所述关键点集合划分为多个子集；曲线拟合子模块，用于分别对每个所述子集中的所述关键点进行曲线拟合；目标路沿曲线子模块，用于根据每个所述子集对应的曲线，确定目标路沿曲线。
55.可选地，所述装置还包括：调平模块，用于对所述目标点云数据进行预处理，以对所述目标点云数据进行调平；投影模块，用于将预处理后的所述目标点云数据投影到划分好的2d网格中；所述数据分割模块包括：类别确定子模块，用于确定所述目标点云数据中的物体类别；分割子模块，用于在所述2d网格中根据所述物体类别对所述目标点云数据进行分割，得到分割结果。
56.可选地，所述类别确定子模块包括：高维特征提取单元，用于提取所述目标点云数据的高维特征；提优单元，用于对所述高维特征进行提优，得到所述目标点云数据中的物体类别。
57.可选地，所述数据获取模块包括：外参标定子模块，用于将获取的所述点云数据转换到车辆坐标系中，得到初始点云数据；数据筛选子模块，用于在以车辆为中心的目标区域内对所述初始点云数据进行筛选，得到目标点云数据。
58.对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
59.本发明实施例还提供了一种电子设备，包括：包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，该计算机程序被处理器执行时实现上述基于激光雷达的路沿检测方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
60.本发明实施例还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计算机程序，计算机程序被处理器执行时实现上述基于激光雷达的路沿检测方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
61.本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
62.本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
63.本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序
产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
64.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
65.这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
66.尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
67.最后，还需要说明的是，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、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
68.以上对本发明所提供的一种基于激光雷达的路沿检测方法和一种基于激光雷达的路沿检测装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。