基于非重复扫描式激光雷达的路沿检测方法及装置与流程

1.本发明涉及数据处理技术领域，具体提供一种基于非重复扫描式激光雷达的路沿检测方法及装置。


背景技术：

2.路沿检测是自动驾驶车辆感知环境的一项重要功能，其可为车辆提供道路边界信息，以便于根据道路边界信息约束车辆的行驶区域。其中，激光雷达作为自动驾驶车辆的重要传感器，相关技术中通常采用激光雷达进行路沿检测。但现有的路沿检测方法，主要是基于机械旋转式的激光雷达进行的。随着技术的演进，非重复扫描式激光雷达也进入人们的视野，而针对这类激光雷达，对应的路沿检测方法较少。另外，非重复扫描式激光雷达没有固定数量和角度的扫描线束，扫描路径不会重复，现有基于机械旋转式雷达的路沿检测算法无法简单适用于基于非重复扫描式激光雷达的路沿检测方法上。同时，非重复扫描式激光雷达线束分布不均匀，间隙较大，对基于非重复扫描式激光雷达的路沿检测方法在保证鲁棒性和稳定性方面增加了难度。
3.因此，需要提供一种非重复扫描式激光雷达适用的路沿检测方法。


技术实现要素：

4.本发明旨在解决上述技术问题，即，解决现有基于非重复扫描式激光雷达的路沿检测方法鲁棒性和稳定性较差的问题。
5.在第一方面，本发明提供了一种基于非重复扫描式激光雷达的路沿检测方法，其包括：
6.获取以行驶装置为原点的三维坐标系下的非重复扫描式激光雷达初始点云数据；
7.基于动态滑窗算法，根据每个滑动窗口内所述非重复扫描式激光雷达初始点云数据在高度方向上的高度最大值、高度最小值和相邻两个所述非重复扫描式激光雷达初始点云数据的最大间距从所述非重复扫描式激光雷达初始点云数据中筛选出多条候选路沿线段，所述高度方向为所述三维坐标系中垂直于地面向上的方向；
8.确定出每条所述候选路沿线段中每个候选点云数据的高程特征和梯度特征；
9.基于所述高程特征和所述梯度特征确定每条所述候选路沿线段中每个所述候选点云数据的最终输出特征；
10.根据所述最终输出特征筛选每条所述候选路沿线段的第一拐角点云数据和第二拐角点云数据；
11.基于所述第一拐角点云数据和所述第二拐角点云数据在所述高度方向上分别对应的高度的差值确定路沿点；
12.基于所述路沿点确定出路沿线。
13.在一些实施例中，所述基于所述第一拐角点云数据和所述第二拐角点云数据在所述高度方向上分别对应的高度的差值确定路沿点，包括：
14.获取所述第一拐角点云数据和所述第二拐角点云数据在所述高度方向上分别对应的高度的差值；
15.如果所述差值在第一高度差值阈值范围内，将所述第一拐角点云数据、所述第二拐角点云数据以及对应所述候选路沿线段上位于所述第一拐角点云数据和所述第二拐角点云数据之间的所述候选点云数据确定为所述路沿点。
16.在一些实施例中，基于动态滑窗算法，根据每个滑动窗口内所述非重复扫描式激光雷达初始点云数据在高度方向上的高度最大值、高度最小值和相邻两个所述非重复扫描式激光雷达初始点云数据的最大间距从所述非重复扫描式激光雷达初始点云数据中筛选出多条候选路沿线段包括：
17.分别确定每个所述滑动窗口内所述非重复扫描式激光雷达初始点云数据在所述高度方向上的高度最大值、高度最小值、所述非重复扫描式激光雷达初始点云数据在所述高度方向上的高度最大值和高度最小值的高度差值以及相邻两个所述非重复扫描式激光雷达初始点云数据之间的最大间距；
18.当所述滑动窗口内所述非重复扫描式激光雷达初始点云数据在所述高度方向上的高度最大值在高度阈值范围内，所述初始点云数据在所述高度方向上的高度最大值和高度最小值的高度差值在第二高度差阈值范围内，且相邻两个所述非重复扫描式激光雷达初始点云数据之间的最大间距在间距阈值范围内时，将所述滑动窗口内的所述非重复扫描式激光雷达初始点云数据确定为所述候选点云数据；
19.根据所述候选点云数据确定多条所述候选路沿线段。
20.在一些实施例中，所述基于所述高程特征和所述梯度特征确定每条所述候选路沿线段中每个所述候选点云数据的最终输出特征，包括：
21.将所述高程特征和所述梯度特征进行加权求和，确定所述候选点云数据的所述最终输出特征；
22.或者，
23.对所述高程特征和所述梯度特征分别进行滑窗滤波；
24.基于进行滑窗滤波后的所述高程特征和所述梯度特征进行加权求和，确定所述候选点云数据的所述最终输出特征；
25.或者，
26.计算所述梯度特征相对于滑动窗口长度的一阶导；
27.将所述梯度特征相对于滑动窗口长度的一阶导和所述高程特征进行加权求和，确定所述候选点云数据的所述最终输出特征；
28.或者，
29.对所述高程特征和所述梯度特征分别进行第一次滑窗滤波；
30.计算进行所述第一次滑窗滤波后的所述梯度特征相对于滑动窗口长度的一阶导并对求导结果进行第二次滑窗滤波；
31.将进行第二次滑窗滤波后的所述梯度特征相对于滑动窗口长度的一阶导和进行第一次滑窗滤波后的所述高程特征进行加权求和，确定所述候选点云数据的所述最终输出特征。
32.在一些实施例中，所述三维坐标系以平行于地面且由所述原点指向所述行驶装置
前进的方向为y轴方向，以过所述原点且垂直于地面向上的方向为z轴方向，以垂直于y轴和z轴所在平面且满足右手定则的方向为x轴方向；所述确定出每条所述候选路沿线段中每个候选点云数据的高程特征和梯度特征包括：
33.采用动态滑窗算法，通过以下表达式确定出每条所述候选路沿线段中每个所述候选点云数据的所述高程特征：
[0034][0035]
其中，其中hi为高程特征，z
j 1
对应第j 1个点的z轴坐标，w为滑动窗口长度；
[0036]
和，
[0037]
采用动态滑窗算法，通过以下表达式确定出每条所述候选路沿线段中每个所述候选点云数据的所述梯度特征：
[0038][0039]
其中gi为梯度特征，z
j 1
为第j 1个点的z轴坐标，x
j 1
为第j 1个点的x轴坐标，y
j 1
为第j 1个点的y轴坐标，w为滑动窗口长度。
[0040]
在一些实施例中，所述基于动态滑窗算法，根据每个滑动窗口内所述非重复扫描式激光雷达初始点云数据在高度方向上的高度最大值、高度最小值和相邻两个所述非重复扫描式激光雷达初始点云数据的最大间距从所述非重复扫描式激光雷达初始点云数据中筛选出多条候选路沿线段之后，所述方法还包括：
[0041]
根据每条所述候选路沿线段的候选路沿点集重心分布，判断所述候选路沿线段属于左侧路沿或者右侧路沿；
[0042]
根据判断结果将所述候选路沿线段划分为左侧候选路沿线段和右侧候选路沿线段，以分别基于所述左侧候选路沿线段确定出左侧路沿点以及基于所述右侧候选路沿线段确定出右侧路沿点；所述基于所述路沿点确定出路沿线，包括：
[0043]
采用随机采样一致性算法分别对所述左侧路沿点和所述右侧路沿点进行拟合，以确定出所述路沿线。
[0044]
在一些实施例中，所述基于所述路沿点确定出路沿线之前，所述方法还包括：
[0045]
对属于同一侧路沿的每条所述候选路沿线段中的所述路沿点进行栅格划分；
[0046]
确定每条所述候选路沿线段中所述路沿点进行栅格划分后对应的有效栅格数量以及由属于同一侧路沿的所有所述候选路沿线段确定出的有效栅格的总有效栅格范围，其中所述路沿点的投影落入栅格的区域时，所述栅格为有效栅格；
[0047]
当所述有效栅格数量满足预设数量条件且所述总有效栅格范围满足预设栅格范围阈值时，确定属于同一侧路沿的每条所述候选路沿线段中的所述路沿点有效。
[0048]
在第二方面，本发明提供了一种基于非重复扫描式激光雷达的路沿检测装置，其包括：
[0049]
获取模块，其用于获取以行驶装置为原点的三维坐标系下的非重复扫描式激光雷达初始点云数据；
[0050]
筛选模块，其用于基于动态滑窗算法，根据每个滑动窗口内所述非重复扫描式激光雷达初始点云数据在高度方向上的高度最大值、高度最小值和相邻两个所述非重复扫描式激光雷达初始点云数据的最大间距从所述非重复扫描式激光雷达初始点云数据中筛选出多条候选路沿线段，所述高度方向为所述三维坐标系中垂直于地面向上的方向；
[0051]
分析模块，其用于确定出每条所述候选路沿线段中每个候选点云数据的高程特征和梯度特征；以及，基于所述高程特征和所述梯度特征确定每条所述候选路沿线段中每个所述候选点云数据的最终输出特征；
[0052]
提取模块，其用于根据所述最终输出特征筛选每条所述候选路沿线段的第一拐角点云数据和第二拐角点云数据；以及，基于所述第一拐角点云数据和所述第二拐角点云数据在所述高度方向上分别对应的高度的差值确定路沿点；
[0053]
检测模块，其用于基于所述路沿点确定出路沿线。
[0054]
在第三方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的基于非重复扫描式激光雷达的路沿检测方法。
[0055]
在第四方面，本发明提供了一种电子设备，其包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时实现上述任意一项所述的基于非重复扫描式激光雷达的路沿检测方法。
[0056]
在采用上述技术方案的情况下，本发明能够通过获取非重复扫描式激光雷达初始点云数据；通过从非重复扫描式激光雷达初始点云数据中筛选出多条候选路沿线段；由每条候选路沿线段中每个候选点云数据的高程特征和梯度特征确定候选点云数据的最终输出特征，并基于候选点云数据的最终输出特征从候选点云数据中确定出第一拐角点云数据和第二拐角点云数据，进而可根据第一拐角点云数据和第二拐角点云数据在三维坐标系中垂直于地面向上的方向上对应的高度的差值确定出路沿点；最后基于路沿点确定出路沿线。该方法先从非重复扫描式激光雷达初始点云图像中筛选出候选路沿线段，便于后续进行路沿点的提取且可以过滤掉非路沿障碍物的干扰，再通过每个候选点云数据的高程特征和梯度特征确定候选点云数据的最终输出特征，基于该最终输出特征确定第一拐角点云数据和第二拐角点云数据，进一步基于第一拐角点云数据和第二拐角点云数据的高度的差值从候选路沿线段的候选点云数据中提取路沿点，有利于提高确定出的路沿点的有效性以及提高路沿检测方法的鲁棒性和稳定性。
[0057]
在另一方面，本发明还可以在基于路沿点确定路沿线之前，对属于同一侧路沿的每条候选路沿线段中的路沿点进行栅格划分，以基于栅格划分后的有效栅格数量和总有效栅格范围是否满足预设条件，确定路沿点的有效性，从而能够进一步提高路沿点检测的准确度以及路沿检测的鲁棒性和稳定性。
附图说明
[0058]
下面结合附图来描述本发明的优选实施方式，附图中：
[0059]
图1是本发明实施例提供的一种基于非重复扫描式激光雷达的路沿检测方法的流程示意图；
[0060]
图2是本发明提供的初始点云图像的局部示意图；
[0061]
图3是本发明实施例提供的筛选候选路沿线段的方法流程示意图；
[0062]
图4是本发明提供的筛选出候选路沿线段后的点云图像；
[0063]
图5是本发明实施例提供的确定候选路沿线段中路沿点的方法流程示意图；
[0064]
图6是本发明提供的确定出路沿点后的点云图像；
[0065]
图7是本发明提供的路沿线示意图；
[0066]
图8是本发明另一实施例提供的基于非重复扫描式激光雷达的路沿检测方法的流程示意图；
[0067]
图9是本发明实施例提供的基于非重复扫描式激光雷达的路沿检测装置的结构示意图；
[0068]
图10是本发明实施例提供的电子设备的结构示意图。
具体实施方式
[0069]
下面参照附图来描述本发明的一些实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。
[0070]
路沿检测是自动驾驶车辆感知环境的一项重要功能，其可为车辆提供道路边界信息，以便于根据道路边界信息约束车辆的行驶区域。其中，激光雷达作为自动驾驶车辆的重要传感器，相关技术中通常采用激光雷达进行路沿检测。但现有的路沿检测方法，主要是基于机械旋转式的激光雷达进行的。随着技术的演进，非重复扫描式激光雷达也进入人们的视野，而针对这类激光雷达，对应的路沿检测方法较少。另外，非重复扫描式激光雷达没有固定数量和角度的扫描线束，扫描路径不会重复，现有基于机械旋转式雷达的路沿检测算法无法简单适用于基于非重复扫描式激光雷达的路沿检测方法上。同时，非重复扫描式激光雷达线束分布不均匀，间隙较大，对基于非重复扫描式激光雷达的路沿检测方法在保证鲁棒性和稳定性方面增加了难度。
[0071]
有鉴于此，本发明提供的基于非重复扫描式激光雷达的路沿检测方法，能够通过获取非重复扫描式激光雷达初始点云数据；通过从非重复扫描式激光雷达初始点云数据中筛选出多条候选路沿线段；由每条候选路沿线段中每个候选点云数据的高程特征和梯度特征确定候选点云数据的最终输出特征，并基于候选点云数据的最终输出特征从候选点云数据中确定出第一拐角点云数据和第二拐角点云数据，进而可根据第一拐角点云数据和第二拐角点云数据在三维坐标系中垂直于地面向上的方向上对应的高度的差值确定出路沿点；最后基于路沿点确定出路沿线。该方法先从非重复扫描式激光雷达初始点云图像中筛选出候选路沿线段，便于后续进行路沿点的提取且可以过滤掉非路沿障碍物的干扰，再通过每个候选点云数据的高程特征和梯度特征确定候选点云数据的最终输出特征，基于该最终输出特征确定第一拐角点云数据和第二拐角点云数据，进一步基于第一拐角点云数据和第二拐角点云数据的高度的差值从候选路沿线段的候选点云数据中提取路沿点，有利于提高确定出的路沿点的有效性以及提高路沿检测方法的鲁棒性和稳定性。
[0072]
参见图1所示，图1是本发明实施例提供的一种基于非重复扫描式激光雷达的路沿检测方法的流程示意图，其可以包括：
[0073]
步骤s11：获取以行驶装置为原点的三维坐标系下的非重复扫描式激光雷达初始点云数据；
[0074]
步骤s12：基于动态滑窗算法，根据每个滑动窗口内非重复扫描式激光雷达初始点云数据在高度方向上的高度最大值、高度最小值和相邻两个非重复扫描式激光雷达初始点云数据的最大间距从非重复扫描式激光雷达初始点云数据中筛选出多条候选路沿线段，高度方向为三维坐标系中垂直于地面向上的方向；
[0075]
步骤s13：确定出每条候选路沿线段中每个候选点云数据的高程特征和梯度特征；
[0076]
步骤s14：基于高程特征和梯度特征确定每条候选路沿线段中每个候选点云数据的最终输出特征；
[0077]
步骤s15：根据最终输出特征筛选每条候选路沿线段的第一拐角点云数据和第二拐角点云数据；
[0078]
步骤s16：基于第一拐角点云数据和第二拐角点云数据在高度方向上分别对应的高度的差值确定路沿点；
[0079]
步骤s17：基于路沿点确定出路沿线。
[0080]
在一些实施例中，步骤s11可以具体为采用非重复扫描式激光雷达对道路进行扫描得到非重复扫描式激光雷达初始点云数据，采集到的非重复扫描式激光雷达初始点云数据可以投影在以行驶装置为原点建立的三维坐标系中。
[0081]
在一些实施例中，行驶装置可以设置有多台非重复扫描式激光雷达，步骤s11可以具体为获取多台非重复扫描式激光雷达采集到的在以行驶装置为原点的三维坐标系下的非重复扫描式激光雷达初始点云数据。另外，还可以将由多台非重复扫描式激光雷达采集的非重复扫描式激光雷达初始点云数据拼接得到初始点云图像，每台非重复扫描式激光雷达可以对应一条呈花瓣状的连续扫描线，具体可参见图2所示，图2示出了多台非重复扫描式激光雷达采集的非重复扫描式激光雷达初始点云数据拼接得到初始点云图像的局部示意图。
[0082]
作为示例，可以通过以下方式建立三维坐标系：以行驶装置为原点，以平行于地面且由原点指向行驶装置前进的方向为y轴方向，以过原点且垂直于地面向上的方向为z轴方向，以垂直于y轴和z轴所在平面且满足右手定则的方向为x轴方向。在其他实施例中，也可以采用其他方式建立三维坐标系。
[0083]
在一些实施例中，参见图3所示，步骤s12可以具体为：
[0084]
步骤s121：分别确定每个滑动窗口内非重复扫描式激光雷达初始点云数据在高度方向上的高度最大值、高度最小值、非重复扫描式激光雷达初始点云数据在高度方向上的高度最大值和高度最小值的高度差值以及相邻两个非重复扫描式激光雷达初始点云数据之间的最大间距；
[0085]
步骤s122：当滑动窗口内非重复扫描式激光雷达初始点云数据在高度方向上的高度最大值在高度阈值范围内，初始点云数据在高度方向上的高度最大值和高度最小值的高度差值在第二高度差阈值范围内，且相邻两个非重复扫描式激光雷达初始点云数据之间的最大间距在间距阈值范围内时，将滑动窗口内的非重复扫描式激光雷达初始点云数据确定为候选点云数据；
[0086]
步骤s123：根据候选点云数据确定多条候选路沿线段。
[0087]
以上述步骤s11中构建的三维坐标系为例，高度方向即为三维坐标系中的z轴方向。步骤s121中滑动窗口内的非重复扫描式激光雷达初始点云数据的高度最大值可以表示
为z_max，高度最小值可以表示为z_min，非重复扫描式激光雷达初始点云数据在z轴方向上的高度最大值和高度最小值的高度差值z_diff＝|z_max-z_min|，相邻两个非重复扫描式激光雷达初始点云数据之间的最大间距可以表示为dis_max。分别确定z_max是否在高度阈值范围内，z_diff是否在第二高度差值阈值范围内，以及dis_max是否在间距阈值范围内，来确定滑动窗口内的非重复扫描式激光雷达初始点云数据是否为候选点云数据。在z_max在高度阈值范围内，z_diff在第二高度差值阈值范围内，且dis_max在间距阈值范围内时，可将滑动窗口内的非重复扫描式激光雷达初始点云数据确定为候选点云数据。根据每个滑动窗口确定出的候选点云数据构建候选路沿点集即可确定出多条候选路沿线段，参见图4所示，矩形框中白色的线段即为确定出的多条候选路沿线段。根据路沿具有一定的高度，采用z_max是否在高度阈值范围内以及z_diff是否在第二高度差值阈值范围内来确定候选路沿线段，可以排除障碍物点干扰。另外，由于非重复扫描式激光雷达的扫描特性，获取到的非重复扫描式激光雷达初始点云数据具有有序性，基于此通过结合dis_max是否在间距阈值范围内来确定候选路沿线段，可以排除掉一些非连续点集。
[0088]
在本发明实施例中，通过步骤s12可以将由非重复扫描式激光雷达采集的一条呈花瓣状的连续扫描线分割成多条候选路沿线段，以过滤掉非路沿障碍物干扰，便于后续路沿点的确定。
[0089]
在一些实施例中，基于步骤s11中建立的三维坐标系，步骤s13可以具体为：
[0090]
采用动态滑窗算法，通过以下表达式确定出每条候选路沿线段中每个候选点云数据的所述高程特征：
[0091][0092]
其中，其中hi为高程特征，z
j 1
对应第j 1个点的z轴坐标，w为滑动窗口长度；
[0093]
和，
[0094]
采用动态滑窗算法，通过以下表达式确定出每条候选路沿线段中每个候选点云数据的梯度特征：
[0095][0096]
其中gi为梯度特征，z
j 1
为第j 1个点的z轴坐标，x
j 1
为第j 1个点的x轴坐标，y
j 1
为第j 1个点的y轴坐标，w为滑动窗口长度。
[0097]
在一些实施例中，步骤s14可以具体为：将高程特征和梯度特征进行加权求和，确定候选点云数据的最终输出特征。最终输出特征可以表示为ti＝αhi βgi，其中，α为高程特征对应的权重，β梯度特征对应的权重。
[0098]
在一些实施例中，为了去除量测中的噪声，步骤s14还可以包括：对高程特征和梯度特征分别进行滑窗滤波；基于进行滑窗滤波后的高程特征和梯度特征进行加权求和，确定候选点云数据的最终输出特征。
[0099]
在另一些实施例中，步骤s14还可以包括：
[0100]
计算梯度特征相对于滑动窗口长度的一阶导；
[0101]
将梯度特征相对于滑动窗口长度的一阶导和高程特征进行加权求和，确定候选点云数据的最终输出特征。
[0102]
在另一些实施例中，步骤s14还可以包括：
[0103]
对高程特征和梯度特征分别进行第一次滑窗滤波；
[0104]
计算进行第一次滑窗滤波后的梯度特征相对于滑动窗口长度的一阶导并对求导结果进行第二次滑窗滤波；
[0105]
将进行第二次滑窗滤波后的梯度特征相对于滑动窗口长度的一阶导和进行第一次滑窗滤波后的高程特征进行加权求和，确定候选点云数据的最终输出特征。
[0106]
在一些实施例中，步骤s15可以具体为：针对每条候选路沿线段分别从候选路沿线段的头部和候选路沿线段的尾部开始遍历，在从候选路沿线段的头部开始遍历时，将每个候选点云数据对应的最终输出特征与特征阈值进行对比，将确定出的最终输出特征大于特征阈值的候选点云数据作为第一拐角点云数据；在从候选路沿线段的尾部开始遍历时，将每个候选点云数据对应的最终输出特征与特征阈值进行对比，将确定出的最终输出特征大于特征阈值的候选点云数据作为第二拐角点云数据。
[0107]
在一些实施例中，参见图5所示，步骤s16可以具体为：
[0108]
步骤s161：获取第一拐角点云数据和第二拐角点云数据在高度方向上分别对应的高度的差值；
[0109]
步骤s162：如果差值在第一高度差值阈值范围内，将第一拐角点云数据、第二拐角点云数据以及对应候选路沿线段上位于第一拐角点云数据和第二拐角点云数据之间的候选点云数据确定为路沿点。
[0110]
基于以上步骤s11中建立的三维坐标系，高度方向可以为z轴方向，第一拐角点云数据在z轴方向上对应的高度可以表示为z
head
，第二拐角点云数据在z轴方向上对应的高度可以表示为z
tail
。
[0111]
在步骤s161中可以通过以下表达式获取第一拐角点云数据和第二拐角点云数据在z轴方向上分别对应的高度的差值：z
diff
＝|z
tail-z
head
|。
[0112]
在一些实施例中，步骤s162可以具体为当z
diff
在第一高度差阈值范围内时，将第一拐角点云数据、第二拐角点云数据以及对应候选路沿线段上位于第一拐角点云数据和第二拐角点云数据之间的候选点云数据确定为路沿点，参见图6所示，椭圆形框中深灰色的点即为确定出的多个路沿点。通过将确定出的多个路沿点进行集合，可以得到路沿点集。
[0113]
在一些实施例中，步骤s17可以具体为：
[0114]
根据路沿点集的重心分布，将路沿点划分为左侧路沿点和右侧路沿点；
[0115]
采用随机采样一致性算法分别对左侧路沿点和右侧路沿点进行拟合，以确定出路沿线，参见图7所示。
[0116]
在本发明实施例中，通过采用随机采样一致性算法可以平衡点云密度，提高拟合的准确度，避免确定出的路沿点分布不均导致的拟合曲线偏向分布密集区域的问题。
[0117]
在一些实施例中，从非重复扫描式激光雷达初始点云数据中筛选出多条候选路沿线段之后，还可以包括：
[0118]
根据每条候选路沿线段的候选路沿点集重心分布，判断候选路沿线段属于左侧路沿或者右侧路沿；
[0119]
根据判断结果将候选路沿线段划分为左侧候选路沿线段和右侧候选路沿线段，以分别基于左侧候选路沿线段确定出左侧路沿点以及基于右侧候选路沿线段确定出右侧路沿点。
[0120]
基于此，在步骤s17中可以直接对左侧路沿点和右侧路沿点进行拟合，以确定出路沿线。
[0121]
需要说明的是，在其他实施例中，也可以在步骤s11中获取到非重复扫描式激光雷达初始点云图像后，即根据非重复扫描式激光雷达初始点云数据在三维坐标系下的坐标将初始点云数据划分为左侧路沿对应的非重复扫描式激光雷达初始点云数据和右侧路沿对应的非重复扫描式激光雷达初始点云数据，并基于划分后的每一侧数据分别执行步骤s12-s16，得到左侧路沿点和右侧路沿点，而在步骤s17中可以不用再进行路沿点划分，可直接基于得到的左侧路沿点和右侧路沿点分别进行拟合。
[0122]
以上为本发明提供的基于非重复扫描式激光雷达的路沿检测方法，能够通过获取非重复扫描式激光雷达初始点云数据；通过从非重复扫描式激光雷达初始点云数据中筛选出多条候选路沿线段；由每条候选路沿线段中每个候选点云数据的高程特征和梯度特征确定候选点云数据的最终输出特征，并基于候选点云数据的最终输出特征从候选点云数据中确定出第一拐角点云数据和第二拐角点云数据，进而可根据第一拐角点云数据和第二拐角点云数据在三维坐标系中垂直于地面向上的方向上对应的高度的差值确定出路沿点；最后基于路沿点确定出路沿线。该方法先从非重复扫描式激光雷达初始点云图像中筛选出候选路沿线段，便于后续进行路沿点的提取且可以过滤掉非路沿障碍物的干扰，再通过每个候选点云数据的高程特征和梯度特征确定候选点云数据的最终输出特征，基于该最终输出特征确定第一拐角点云数据和第二拐角点云数据，进一步基于第一拐角点云数据和第二拐角点云数据的高度的差值从候选路沿线段的候选点云数据中提取路沿点，有利于提高确定出的路沿点的有效性以及提高路沿检测方法的鲁棒性和稳定性。
[0123]
参见图8所示，图8是本发明另一实施例提供的基于非重复扫描式激光雷达的路沿检测方法的流程示意图，其可以包括：
[0124]
步骤s21：获取以行驶装置为原点的三维坐标系下的非重复扫描式初始点云数据；
[0125]
步骤s22：基于动态滑窗算法，根据每个滑动窗口内非重复扫描式激光雷达初始点云数据在高度方向上的高度最大值、高度最小值和相邻两个非重复扫描式激光雷达初始点云数据的最大间距从非重复扫描式激光雷达初始点云数据中筛选出多条候选路沿线段，高度方向为三维坐标系中垂直于地面向上的方向；
[0126]
步骤s23：确定出每条候选路沿线段中每个候选点云数据的高程特征和梯度特征；
[0127]
步骤s24：基于高程特征和梯度特征确定每条候选路沿线段中每个候选点云数据的最终输出特征；
[0128]
步骤s25：根据最终输出特征筛选每条候选路沿线段的第一拐角点云数据和第二拐角点云数据；
[0129]
步骤s26：基于第一拐角点云数据和第二拐角点云数据在高度方向上分别对应的高度的差值确定路沿点；
[0130]
步骤s27：对属于同一侧路沿的每条候选路沿线段中的路沿点进行栅格划分；
[0131]
步骤s28：确定每条候选路沿线段中路沿点进行栅格划分后对应的有效栅格数量
以及由属于同一侧路沿的所述候选路沿线段确定出的有效栅格的总有效栅格范围，其中路沿点的投影落入栅格的区域时，栅格为有效栅格；
[0132]
步骤s29：当有效栅格数量满足预设数量条件且总有效栅格范围满足预设栅格范围阈值时，确定属于同一侧路沿的每条候选路沿线段中的路沿点有效；
[0133]
步骤s30：基于路沿点确定出路沿线。
[0134]
在一些实施例中，当有效栅格数量不满足预设数量条件和/或总有效栅格范围不满足预设栅格范围阈值时，确定路沿点无效，不再基于路沿点进行后续的路沿线拟合。
[0135]
其中，步骤s21-s26以及步骤s30可以相应采用和上述实施例中步骤s11-s17相同的方式实现，为了简要起见在此不再赘述，具体可参见上文中的描述。
[0136]
在一些实施例中，在步骤s22中筛选出候选路沿线段后，即可以根据候选路沿线段中候选路沿点云数据的坐标将其划分为：左侧路沿对应的候选路沿线段和右侧路沿对应的候选路沿线段。
[0137]
在一些实施例中，对于属于同一侧路沿的每条候选路沿线，步骤s27可以具体为设置每个栅格区域的长度，将感兴趣空间，例如可以为候选路沿线段中路沿点对应的空间，进行栅格划分。针对每个路沿点利用以下公式计算该路沿点投影至栅格后的对应坐标：
[0138]
bini＝[(y
i-y
min
)/l]，其中bini代表第i个路沿点投影至栅格后的对应坐标，yi为第i个路沿点在基于上述步骤s21建立的三维坐标系中y轴方向上的坐标，l代表栅格区域的长度。
[0139]
在一些实施例中，可以根据路沿点投影至栅格后的对应坐标，判断相应栅格中是否有路沿点的投影点，如果有，确定该栅格为有效栅格。
[0140]
在一些实施例中，可以判断有效栅格数量是否大于预设数量以及总有效栅格范围是否在预设栅格范围阈值内，如果是，则确定属于同一侧路沿的每条候选路沿线段中的路沿点有效，可以基于有效的路沿点确定路沿线。
[0141]
该方法结合了路沿长度和路沿分布特征进行路沿点有效性的判断，能够提高路沿点检测的准确度以及路沿检测的鲁棒性和稳定性。
[0142]
本发明的另一方面，提供了一种基于非重复扫描式激光雷达的路沿检测装置，参见图9所示，图9是本发明实施例提供的基于非重复扫描式激光雷达的路沿检测装置的结构示意图，其可以包括：
[0143]
获取模块41，其用于获取以行驶装置为原点的三维坐标系下的非重复扫描式初始点云数据；
[0144]
筛选模块42，其用于基于动态滑窗算法，根据每个滑动窗口内非重复扫描式激光雷达初始点云数据在高度方向上的高度最大值、高度最小值和相邻两个非重复扫描式激光雷达初始点云数据的最大间距从非重复扫描式激光雷达初始点云数据中筛选出多条候选路沿线段，高度方向为三维坐标系中垂直于地面向上的方向；
[0145]
分析模块43，其用于确定出每条候选路沿线段中每个候选点云数据的高程特征和梯度特征；以及，基于高程特征和梯度特征确定每条候选路沿线段中每个候选点云数据的最终输出特征；
[0146]
提取模块44，其用于根据最终输出特征筛选每条候选路沿线段的第一拐角点云数据和第二拐角点云数据；以及，基于第一拐角点云数据和第二拐角点云数据在高度方向上
分别对应的高度的差值确定路沿点；
[0147]
检测模块45，其用于基于路沿点确定出路沿线。
[0148]
本发明提供的基于非重复扫描式激光雷达的路沿检测装置可用于执行上述基于非重复扫描式激光雷达的路沿检测方法，达到与上述实施例中基于非重复扫描式激光雷达的路沿检测方法相同的有益效果。进一步，应该理解的是，由于各个模块的设定仅仅是为了说明本发明的装置的功能单元，这些模块对应的物理器件可以是处理器本身，或者处理器中软件的一部分，硬件的一部分，或者软件和硬件结合的一部分。因此，图9中的各个模块的数量仅仅是示意性的。本领域技术人员能够理解的是，可以对装置中的各个模块进行适应性地拆分或合并。对具体模块的这种拆分或合并并不会导致技术方案偏离本发明的原理，因此，拆分或合并之后的技术方案都将落入本发明的保护范围内。
[0149]
本领域技术人员能够理解的是，本发明实现上述一实施例的方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。
[0150]
本发明的另一方面还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时能够实现上述任一实施例中的基于非重复扫描式激光雷达的路沿检测方法。该计算机可读存储介质可以是包括各种电子设备形成的存储装置设备，可选的，本发明实施例中计算机可读存储介质是非暂时性的计算机可读存储介质。
[0151]
参见图10所示，图10是本发明实施例提供的电子设备的结构示意图，其可以包括存储器51和处理器52，存储器51中存储有计算机程序，该计算机程序包括但不限于执行上述方法实施例的方法的程序。该计算机程序被处理器52执行时能够实现上述任一实施例中的基于非重复扫描式激光雷达的路沿检测方法。
[0152]
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。