一种基于激光点云的路沿识别方法和装置与流程

本发明涉及地理信息技术领域，特别涉及一种基于激光点云的路沿识别方法和装置。

背景技术：

随着信息技术的不断发展，电子地图、电子导航等逐渐在人们的日常生活中普及，为用户提供更准确的道路信息成为各服务商的重要关注点。

目前激光雷达的测距精度已经达到厘米级，且捕获的点云具有数据量大、反馈信息丰富等优点而被广泛用于高精度地图数据采集作业。基于激光点云的路沿识别是高精度数据处理的第一步，基于激光点云进行路沿识别的重点是如何从点云中提取路沿点。目前有多种提取路沿点的方法，但都存在一定的缺陷。例如：

第一种，根据激光扫描点的反射强度判断是否为路沿点。道路的建筑材料不同，反射强度就不同，因此该类方法不适用规模化数据采集。

第二种，根据路沿反射点在同一扫描层表现出稳定的序号连续性且具有相同的斜率，判断这些连续的点为路沿点。该类方案只适用路沿石为条状块物体的道路。

如上所述，现有技术路沿点的求取其适用范围都受到某种因素的限制，适用性差。且计算相对复杂，计算量大，获得的路沿点障碍物点多，从而导致最终求取的路沿线准确度低。

技术实现要素：

鉴于上述问题，提出了本发明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点云的路沿识别方法和装置。

第一方面，本发明实施例提供一种基于激光点云的路沿识别方法，包括：

从激光点云中的每条扫描线中提取出对应的路沿点；

根据提取出来的所述路沿点生成有效路沿线。

在一些可选的实施例中，所述从激光点云中的每条扫描线中提取出对应的路沿点，包括：

针对每条扫描线，提取所述扫描线的扫描中心点；

以所述扫描线的扫描中心点为中心，将所述扫描线分成左右两侧，得到所述扫描线的左侧扫描激光点序列和右侧扫描激光点序列；

从所述左侧扫描激光点序列和所述右侧扫描激光点序列中分别提取出所述扫描线的左侧路沿点和右侧路沿点。

在一些可选的实施例中，提取扫描线的扫描中心点，包括：

提取每条扫描线上距离采集所述激光点云的激光扫描仪的水平距离最近的扫描点，作为该条扫描线的扫描中心点。

在一些可选的实施例中，在得到左侧扫描激光点序列和右侧扫描激光点序列后，还包括：

对所述左侧扫描激光点序列和所述右侧扫描激光点序列分别进行去噪处理，得到去噪后的左侧扫描激光点序列和去噪后的右侧扫描激光点序列。

在一些可选的实施例中，从所述左侧扫描激光点序列和右侧扫描激光点序列中分别提取出所述扫描线的左侧路沿点和右侧路沿点，包括：

对所述左侧扫描激光点序列和所述右侧扫描激光点序列分别执行下述操作：

将所有扫描点按照反射距离的大小进行排序，其中反射距离相等的扫描点再按照高度值的大小进行排序，形成扫描点的队列；

按照反射距离从小到大的顺序，依次比较所述队列中两两相邻扫描点，查找出高度差大于设定的高度差阈值的第一对相邻扫描点；

从查找出来的所述第一对相邻扫描点中提取其中高度值较大的扫描点作为该条扫描线在该侧的路沿点。

在一些可选的实施例中，所述根据提取出来的所述路沿点，生成有效路沿线，包括：

对所有扫描线的左侧路沿点和所有扫描线的右侧路沿点分别执行下述操作：

进行聚类分析得到路沿簇；

将所述路沿簇进行回归拟合，得到散列的路沿线；

将散列的路沿线进行合并，得到对应侧的有效路沿线。

在一些可选的实施例中，在得到散列的路沿线之后，还包括：

将所述激光点云中的每条扫描线的扫描中心点，作为该条扫描线的采集车轨迹点；

对所有所述采集车轨迹点进行回归拟合，获得采集车轨迹线；

根据所述散列的路沿线与所述采集车轨迹线间的距离，对所述散列的路沿线进行筛选；

将所述散列的路沿线进行合并，具体包括：

将筛选后的散列的路沿线进行合并。

在一些可选的实施例中，所述对散列的路沿线进行筛选，包括：

计算所述散列的路沿线到所述采集车轨迹线的最大概率距离l；

判断每条散列的路沿线到所述采集车轨迹线的距离是否大于l×(1-n％)且小于l×(1+n％)，所述n％小于1；

若是，则该路沿线有效，保留该路沿线；

若否，则该路沿线为障碍物线，删除该路沿线。

第二方面，本发明实施例提供一种基于激光点云的路沿识别装置，包括：

提取模块，用于从激光点云中的每条扫描线中提取出对应的路沿点；生成模块，用于根据所述提取模块提取出来的所述路沿点生成有效路沿线。

在一些可选的实施例中，所述提取模块，包括：

第一提取子模块，用于针对每条扫描线，提取所述扫描线的扫描中心点；

划分子模块，用于以由所述第一提取子模块提取的所述扫描线的扫描中心点为中心，将所述扫描线分成左右两侧，得到所述扫描线的左侧扫描激光点序列和右侧扫描激光点序列；

第二提取子模块，用于从所述划分子模块得到的所述左侧扫描激光点序列和所述右侧扫描激光点序列中分别提取出所述扫描线的左侧路沿点和右侧路沿点。

在一些可选的实施例中，所述提取模块，还包括：

去噪子模块，用于对所述划分子模块得到的所述左侧扫描激光点序列和所述右侧扫描激光点序列分别进行去噪处理，得到去噪后的左侧扫描激光点序列和去噪后的右侧扫描激光点序列。

在一些可选的实施例中，所述第二提取子模块，具体用于：对所述左侧扫描激光点序列和所述右侧扫描激光点序列分别执行下述操作：将所有扫描点按照反射距离的大小进行排序，其中反射距离相等的扫描点再按照高度值的大小进行排序，形成扫描点的队列；按照反射距离从小到大的顺序，依次比较所述队列中两两相邻扫描点，查找出高度差大于设定的高度差阈值的第一对相邻扫描点；从查找出来的所述第一对相邻扫描点中提取其中高度值较大的扫描点作为该条扫描线该侧的路沿点。

在一些可选的实施例中，所述生成模块，具体用于：对所述第二提取子模块提取的所有扫描线的左侧路沿点和所有扫描线的右侧路沿点分别执行下述操作：进行聚类分析得到路沿簇；将所述路沿簇进行回归拟合，得到散列的路沿线；将散列的路沿线进行合并，得到对应侧的有效路沿线。

在一些可选的实施例中，所述生成模块，还用于：在得到所述散列的路沿线之后，将所述激光点云中的每条扫描线的扫描中心点，作为该条扫描线的采集车轨迹点；对所有所述采集车轨迹点进行回归拟合，获得采集车轨迹线；根据所述散列的路沿线与所述采集车轨迹线间的距离，对所述散列的路沿线进行筛选；将筛选后的散列的路沿线进行合并。

在一些可选的实施例中，所述生成模块，具体用于：计算所述散列的路沿线到所述采集车轨迹线的最大概率距离l；判断每条散列的路沿线到所述采集车轨迹线的距离是否大于l×(1-n％)且小于l×(1+n％)，所述n％小于1；若是，则该路沿线有效，保留该路沿线；若否，则该路沿线为障碍物线，删除该路沿线。

第三方面，本发明实施例提供一种数据地图采集制作设备，包括：

点云获取模块，用于获取所述激光点云数据；

路沿提取模块，用于从所述点云获取模块获取的所述激光点云中的每条扫描线中提取出对应的路沿点；根据所述路沿点生成有效路沿线；

道路设施提取模块，用于按照所述路沿提取模块提取的所述有效路沿线分割所述点云获取模块获取的所述激光点云数据，提取路面地表信息和道路两侧的道路设施信息；

地图数据制作与建模模块，用于根据所述路沿提取模块提取的所述有效路沿线和所述道路设施提取模块提取的所述路面地表信息和道路两侧的道路设施信息，进行地图数据制作和三维模型建立。

第四方面，本发明实施例提供一种非临时性计算机可读存储介质，其上存储有计算机指令，当该指令被处理器执行时实现以下步骤：

从激光点云中的每条扫描线中提取出对应的路沿点；

根据提取出来的所述路沿点生成有效路沿线。

本发明实施例提供的上述技术方案的有益效果至少包括：

1、本方案从激光点云中的每条扫描线中提取出对应的路沿点，根据提取出来的路沿点生成有效路沿线。路沿点的提取以单条扫描线为计算单元，计算复杂度低，计算量小，能够适用于规模化高精度数据采集作业；且障碍物点引入少，计算准确度高。

2、将单条扫描线单侧的所有扫描点按照反射距离的大小进行排序，其中反射距离相等的扫描点再按照高度值的大小进行排序，形成扫描点的队列；按照反射距离从小到大的顺序，依次比较上述队列中两两相邻扫描点，查找出高度差大于设定的高度差阈值的第一对相邻扫描点，从查找出来的第一对高度差大于设定的高度差阈值的相邻扫描点中，提取高度值较大的扫描点作为该条扫描线在该侧的路沿点。只考虑单条扫描线单侧扫描点的数据，不需要读取当前处理点的周围环绕点，计算简单，计算量小，且计算结果包含的噪声点非常少，不需要后续复杂的过滤处理；计算到一个路沿点后便结束当前扫描线当前侧的判断，大大降低了计算量，且减少了路沿点中障碍物点的引入，提高了精确度；只需考虑扫描点的反射距离和高度值，不用考虑扫描点的反射强度属性，因而本方案不依赖路沿材质，适用于任何材质的路沿；适用于任意路沿形状，因为不需要考虑路沿反射点的排列规律；能够处理斜面道路，因为不处理连续点，避免误判。本方案计算简单，引入误差少，适用范围广。

3、在得到所有扫描线的左侧和右侧路沿点之后，分别计算所有扫描线的左侧路沿点和所有扫描线的右侧路沿点，得到道路两侧的路沿线，简化了计算过程，减小了计算量，提高了计算精确度。

4、路沿线的求取并不是由路沿点直接获得，而是先由路沿点生成路沿簇；再由路沿簇生成散列的路沿线；进而以采集车轨迹线为基准线，计算散列的路沿线到采集车轨迹线的最大概率距离，对散列的路沿线进行筛选；最后由筛选后的散列的路沿线合并成有效路沿线。所述方法的每一步都是路沿线求取、障碍物点和线剔除的过程，层层保证了最终计算结果的精度和准确度。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例所述基于激光点云的路沿识别方法的流程图；

图2为本发明实施例所述激光点分布示意图；

图3为图1所示步骤s100的具体流程图；

图4为图3所示步骤s140的具体流程图；

图5为本发明实施例所述水平路面路沿点识别示意图；

图6为本发明实施例所述倾斜路面路沿点识别示意图；

图7为本发明实施例所述形状不规则路沿的路沿点识别示意图；

图8为图1所示步骤s200的具体流程图；

图9为本发明实施例所述道路两侧路沿点、路沿簇、散列的路沿线及障碍物线示意图；

图10为图8所示步骤s230的具体流程图；

图11为本发明实施例所述采集车轨迹点回归拟合得到采集车轨迹线示意图；

图12为本发明实施例所述基于激光点云的路沿识别装置的结构示意图；

图13为图12所示提取模块m100的结构示意图；

图14为本发明实施例所述数据地图采集制作设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

为了解决现有技术中存在的路沿识别依赖于路沿材质、路沿形状、道路水平程度、激光采集仪精度等，且计算量大、误差率高、精确度低的问题，本发明实施例提供一种基于激光点云的路沿识别方法，能够准确的识别路沿线，且计算简单，计算量小，能够适用于任意建筑材料路沿、任意形状路沿、水平道路及斜面道路等，适用于规模化高精度数据采集作业。

实施例

本发明实施例提供一种基于激光点云的路沿识别方法，其流程如图1所示，包括如下步骤：

步骤s100：从激光点云中的每条扫描线中提取出对应的路沿点。

如图2所示，激光点云由大量的激光扫描点组成，存储时是按照一条一条的激光扫描线组织的。以单条扫描线为计算单元，从激光点云包含的每条扫描线中提取出对应的路沿点。

步骤s200：根据提取出来的路沿点生成有效路沿线。

本实施例路沿点的提取以单条扫描线为计算单元，计算复杂度低，计算量小，能够适用于规模化高精度数据采集作业；且障碍物点引入少，不需要后续复杂的过滤处理，计算准确度高。

具体地，如图3所示，上述步骤s100还可以通过如下流程实现：

步骤s110：针对每条扫描线，提取该条扫描线的扫描中心点。

提取每条扫描线上距离采集激光点云的激光扫描仪的水平距离最近的扫描点，作为该条扫描线的扫描中心点。

根据激光扫描点的横向距离属性，每条扫描线上距离采集所述激光点云的激光扫描仪的水平距离最近的扫描点，是最接近于该条扫描线的扫描中心点的扫描点，提取每条扫描线上距离所述激光扫描仪的水平距离最近的扫描点，作为该条扫描线的扫描中心点。

步骤s120：以每条扫描线的扫描中心点为中心，将该条扫描线分成左右两侧，得到该条扫描线的左侧扫描激光点序列和右侧扫描激光点序列。

如图2所示，以图中的一条扫描线的扫描中心点为x轴和y轴的坐标原点，其中x轴代表扫描点到扫描中心点的横向距离，y轴代表扫描点的高度值。图2中所示的扫描线以该条线的扫描中心点为中心将其扫描点分成左右两侧。以每条扫描线的扫描中心点为中心，将每条扫描线上的扫描点分成左右两侧，得到该条扫描线的左侧扫描激光点序列和右侧扫描激光点序列。

步骤s130：对每条扫描线的左侧扫描激光点序列和右侧扫描激光点序列分别进行去噪处理，得到去噪后的左侧扫描激光点序列和去噪后的右侧扫描激光点序列。

上述步骤得到的每条扫描线的左侧扫描激光点序列和右侧扫描激光点序列，包含有大量的噪声扫描点，为了降低计算量并减少路沿点误判率，在路沿点识别之前，首先要进行去噪处理。例如，将横向反射距离小于采集所述激光点云的采集车的宽度一半的激光点去除掉，比如采集车的宽度是2米，则左侧扫描激光点云和右侧扫描激光点云中分别去除掉横向反射距离小于1米的激光点，这样可以降低计算量；另外，读取激光扫描点的高度值即y值，将y值大于高度阈值的激光点去掉，比如将高度阈值设为2米，y值大于2米的激光点可能是道路上方的电线引起的，去除掉y值大于高度阈值的激光点在降低了计算量的同时还避免了将所述激光点误判为路沿点，减少了路沿点误判率。

还可以根据实际情况去除可能存在的其他类型噪声点，不限于上述两种类型，经过该条扫描线去噪处理得到去噪后的左侧扫描激光点序列和去噪后的右侧扫描激光点序列。

步骤s140：从左侧扫描激光点序列和右侧扫描激光点序列中分别提取出该条扫描线的的左侧路沿点和右侧路沿点。

本实施例以每条扫描线的扫描中心点为中心，将激光点云分成左右两侧，以单条扫描线单侧为计算单元；在路沿点提取之前先对扫描点进行去噪处理。简化了计算步骤，减小了计算量，且障碍物点引入少，不需要后续复杂的过滤处理，计算准确度高。

具体地，上述步骤s140中该条扫描线的左侧路沿点和右侧路沿点的提取，可以通过将该条扫描线的去噪后的左侧扫描激光点序列和去噪后的右侧扫描激光点序列，如图4所示，分别进行如下操作：

步骤s141：将所有扫描点按照反射距离的大小进行排序，其中反射距离相等的扫描点再按照高度值的大小进行排序，形成扫描点的队列。

例如可以将该条扫描线的该侧扫描点按照反射距离由小到大顺序排列，如果扫描点的反射距离相等，再按照其高度值由小到大的顺序排列，得到扫描点的队列。可选的，也可以将该条扫描线的该侧扫描点按照反射距离由大到小顺序排列，如果扫描点的反射距离相等，再按照其高度值由大到小的顺序排列，得到扫描点的队列。

步骤s142：按照反射距离从小到大的顺序，依次比较扫描点队列中两两相邻扫描点，查找出高度差大于设定的高度差阈值的第一对相邻扫描点。

所述高度差阈值是预先设定的，可以按照经验值来设定即可，例如可以设置为20cm，也可以根据实际情况设置其他的数值，此处不做限定。

步骤s143：提取高度值较大的扫描点作为该条扫描线的路沿点。

从上述步骤查找出来的第一对相邻扫描点中提取其中高度值较大的扫描点作为该条扫描线该侧的路沿点。

图5、图6和图7分别为道路水平、道路倾斜和路沿形状不规则时路沿点的识别示意图。可见本实施例路沿点的识别不受道路倾斜、路沿形状差异的影响，适用范围广。

现有技术中路沿点的求取有的采用下述方法：比较激光扫描点高度与采集车位置的路面高度，二者的高度差超过一定阀值后，则判定为路沿点。该类方法无法处理斜面道路，比如高速道路的转弯部分，外侧道路要比内侧道路高，外侧道路路面点会被错误识别为路沿点。而本实施例的上述方法，如图6所示，可以很好的判断倾斜路面的路沿点。

现有技术中路沿点的求取有的还采用下述方法：根据路沿反射点在同一扫描层表现出稳定的序号连续性且具有相同的斜率，判断这些连续的点为路沿点。该类方案只适用路沿石为条状块物体的道路。而本实施例的上述方法，如图7所示，适用于任何形状的路沿。

在一条扫描线的一侧识别到一个路沿点后，便结束该条扫描线该侧扫描点序列中路沿点的判断。

按上述方法分别求得该条扫描线的左侧路沿点和右侧路沿点。左侧路沿点和右侧路沿点的提取步骤相互独立，没有先后顺序，可以先提取左侧路沿点，也可以先提取右侧路沿点，也可以左侧路沿点和右侧路沿点同时提取，此处不做限定。

将所有扫描线分别进行上述操作，得到所有扫描线的左侧路沿点和右侧路沿点。

本实施例计算到一个路沿点后便结束当前扫描线当前侧的判断，大大降低了计算量，且减少了路沿点中障碍物点的引入，提高了精确度；路沿点的提取只需考虑扫描点的反射距离和高度值，不用考虑扫描点的反射强度属性，因而本方案不依赖路沿材质，适用于任何材质的路沿；适用于任意路沿形状，因为不需要考虑路沿反射点的排列规律；能够处理斜面道路，因为不处理连续点，避免误判。故本方案计算简单，引入误差少，适用范围广。

具体地，上述步骤s200还可以通过如下方式实现，如图8所示，将所有扫描线的左侧路沿点和所有扫描线的右侧路沿点分别进行下述操作：

步骤s210：进行聚类分析得到路沿簇。

因为障碍物、车辆等的原因，上述步骤得到的路沿点不是连续的，因此需要进行聚类分析。选定一种聚类方法，将路沿点进行聚类分析，得到路沿簇。

选定一种聚类方法，将路沿点进行聚类分析，得到路沿簇。例如可以选用kd-tree聚类方法，以距离为主要判断依据，设定距离阈值，例如可以设定距离阈值为5cm，若两个路沿点间的距离小于5cm，则判断这两个路沿点属于同一路沿簇。所述距离可以选用欧几里得距离，也可以选用其他距离。

当一个聚类完成后，即获得完一个路沿簇后，判断其包含的路沿点个数是否大于设定的数量阈值，若是，则保留该路沿簇；若否，则判断该路沿簇为无效路沿簇，进行删除。直至获取到所有的路沿簇。

步骤s220：将路沿簇进行回归拟合，得到散列的路沿线。

将上述方法得到的路沿簇进行回归拟合，得到多条散列的路沿线。

如图9所示，左侧靠近采集车，提取的路沿点连续性好、包含的障碍物点少；右侧离采集车较远，路沿点及其聚类分析得到的路沿簇连续性差、包含的障碍物点多。

步骤s230：对散列的路沿线进行筛选。

步骤s240：将散列的路沿线进行合并，得到有效路沿线。

将筛选后的散列的路沿线进行回归拟合，最终得到有效的路沿线。

本实施例的上述方法中，路沿线的求取并不是由路沿点直接获得，而是先由路沿点生成路沿簇，再由路沿簇生成散列的路沿线，进而对所述散列的路沿线进行筛选，最后由筛选后的散列的路沿线合并成有效路沿线，所述方法的每一步都是路沿线求取、障碍物点和线剔除的过程，层层保证了最终计算结果的精度和准确度。

具体地，如图10所示，上述步骤s230还可以通过如下流程实现：

步骤s231：获得采集车轨迹线。

将所述激光点云中的每条扫描线上的扫描中心点，作为该条扫描线上的采集车轨迹点；如图11所示，对所有所述采集车轨迹点的有序点列进行回归拟合，获得采集车轨迹线。

步骤s232：计算散列的路沿线到采集车轨迹线的最大概率距离l。

将步骤s220获得的散列的路沿线，通过路沿线长度以及路沿线到采集车轨迹线的距离这两个参数，来计算路沿线到采集车轨迹线的平均距离，即为最大概率的距离l。

步骤s233：判断每条散列的路沿线到所述采集车轨迹线的距离是否大于l×(1-n％)且小于l×(1+n％)。

最大概率距离的比例n％是预先设定的，按照经验可以设置为15％，也可以根据实际情况的差异设置为不同的数值。判断每条散列的路沿线到所述采集车轨迹线的距离是否大于l×(1-n％)且小于l×(1+n％)。

例如，计算得到最大概率距离为5米，按照经验可以设置n％为15％，判断每条散列的路沿线到所述采集车轨迹线的距离是否大于5米×(1-15％)且小于5米×(1+15％)，即是否大于4.25米且小于5.75米。

若是，执行步骤s234；若否，步骤s235。

步骤s234：保留该路沿线。

若散列的路沿线到所述采集车轨迹线的距离大于l×(1-n％)且小于l×(1+n％)，则该路沿线有效，保留该路沿线。

步骤s235：删除该路沿线。

若散列的路沿线到所述采集车轨迹线的距离不小于l×(1+n％)或不大于l×(1-n％)，则该路沿线为障碍物线，删除该路沿线。

本实施例上述方法以采集车轨迹线为基准线，计算散列的路沿线到采集车轨迹线的最大概率距离，进而对散列的路沿线进行筛选，删减了障碍物线，简化了后续计算，使的最终求得的有效路沿线准确率更高。

基于同一发明构思，本发明实施例还提供一种基于激光点云的路沿识别装置，能够实现上述基于激光点云的路沿识别方法。该装置可以设置在电子导航、电子地图、高精度数据地图采集制作等设备中，该装置的结构如图12所示，包括：

提取模块m100，用于从激光点云中的每条扫描线中提取出对应的路沿点；生成模块m200，用于根据所述提取模块m100提取出来的所述路沿点生成有效路沿线。

优选的，如图13所示，上述提取模块m100，包括：

第一提取子模块m110，用于针对每条扫描线，提取所述扫描线的扫描中心点；划分子模块m120，用于以由所述第一提取子模块m110提取的所述扫描线的扫描中心点为中心，将所述扫描线分成左右两侧，得到所述扫描线的左侧扫描激光点序列和右侧扫描激光点序列；去噪子模块m130，用于对所述划分子模块m120得到的所述左侧扫描激光点序列和所述右侧扫描激光点序列分别进行去噪处理，得到去噪后的左侧扫描激光点序列和去噪后的右侧扫描激光点序列；第二提取子模块m140，用于从所述去噪子模块m130得到的去噪后的左侧扫描激光点序列和去噪后的右侧扫描激光点序列中分别提取出对应的左侧路沿点和右侧路沿点。

优选的，上述第一提取子模块m110，具体用于，提取每条扫描线上距离采集所述激光点云的激光扫描仪的水平距离最近的扫描点，作为该条扫描线的扫描中心点。

优选的，上述第二提取子模块m140，具体用于：

对所述去噪子模块m130得到的所述去噪后的左侧扫描激光点序列和所述去噪后的右侧扫描激光点序列分别执行下述操作：

将所有扫描点按照反射距离的大小进行排序，其中反射距离相等的扫描点再按照高度值的大小进行排序，形成扫描点的队列；

按照反射距离从小到大的顺序，依次比较所述队列中两两相邻扫描点，查找出高度差大于设定的高度差阈值的第一对相邻扫描点；

从查找出来的所述第一对相邻扫描点中提取其中高度值较大的扫描点作为该条扫描线该侧的路沿点。

优选的，上述生成模块m200，具体用于：

对所述第二提取子模块m140提取的所有扫描线的左侧路沿点和所有扫描线的右侧路沿点分别执行下述操作：

进行聚类分析得到路沿簇；

将所述路沿簇进行回归拟合，得到散列的路沿线；

将散列的路沿线进行合并，得到对应侧的有效路沿线。

优选的，上述生成模块m200，还用于：在得到所述散列的路沿线之后，将所述激光点云中的每条扫描线的扫描中心点，作为该条扫描线的采集车轨迹点；对所有所述采集车轨迹点进行回归拟合，获得采集车轨迹线；根据所述散列的路沿线与所述采集车轨迹线间的距离，对所述散列的路沿线进行筛选；将筛选后的散列的路沿线进行合并。

优选的，所述生成模块m200，具体用于：

计算所述散列的路沿线到所述采集车轨迹线的最大概率距离l；

判断每条散列的路沿线到所述采集车轨迹线的距离是否大于l×(1-n％)且小于l×(1+n％)，所述n％小于1；

若是，则该路沿线有效，保留该路沿线；

若否，则该路沿线为障碍物线，删除该路沿线。

基于同一发明构思，本发明实施例还提供一种数据地图采集制作设备，该设备的结构如图14所示，包括：

点云获取模块t100，用于获取所述激光点云数据；路沿提取模块t200，用于从所述点云获取模块t100获取的所述激光点云中的每条扫描线中提取出对应的路沿点；根据所述路沿点生成有效路沿线；道路设施提取模块t300，用于按照所述路沿提取模块t200提取的所述有效路沿线分割所述点云获取模块t100获取的所述激光点云数据，提取路面地表信息和道路两侧的道路设施信息；地图数据制作与建模模块t400，用于根据所述路沿提取模块t200提取的所述有效路沿线和所述道路设施提取模块t300提取的所述路面地表信息和道路两侧的道路设施信息，进行地图数据制作和三维模型建立。

在一些可选的实施例中，所述道路设施提取模块t300提取的所述地表信息可以包括车道转向箭头、地表文字、停车线等；所述道路设施信息可以包括公路情报板、警告牌、隔离护栏、灯杆等。

关于上述实施例中的装置和设备，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

基于同一发明构思，本发明实施例还提供了一种非临时性计算机可读存储介质，其上存储有计算机指令，当该指令被处理器执行时实现以下步骤：

从激光点云中的每条扫描线中提取出对应的路沿点；

根据提取出来的所述路沿点生成有效路沿线。

本发明实施例的上述方法和装置，能够准确的识别路沿线，适用于任意建筑材料路沿、任意形状路沿、水平道路及斜面道路等；且计算量小，适用于规模化高精度数据采集作业。

除非另外具体陈述，术语比如处理、计算、运算、确定、显示等等可以指一个或更多个处理或者计算系统、或类似设备的动作和/或过程，所述动作和/或过程将表示为处理系统的寄存器或存储器内的物理(如电子)量的数据操作和转换成为类似地表示为处理系统的存储器、寄存器或者其他此类信息存储、发射或者显示设备内的物理量的其他数据。信息和信号可以使用多种不同的技术和方法中的任何一种来表示。例如，在贯穿上面的描述中提及的数据、指令、命令、信息、信号、比特、符号和码片可以用电压、电流、电磁波、磁场或粒子、光场或粒子或者其任意组合来表示。

应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。

在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。

本领域技术人员还应当理解，结合本文的实施例描述的各种说明性的逻辑框、模块、电路和算法步骤均可以实现成电子硬件、计算机软件或其组合。为了清楚地说明硬件和软件之间的可交换性，上面对各种说明性的部件、框、模块、电路和步骤均围绕其功能进行了一般地描述。至于这种功能是实现成硬件还是实现成软件，取决于特定的应用和对整个系统所施加的设计约束条件。熟练的技术人员可以针对每个特定应用，以变通的方式实现所描述的功能，但是，这种实现决策不应解释为背离本公开的保护范围。

结合本文的实施例所描述的方法或者算法的步骤可直接体现为硬件、由处理器执行的软件模块或其组合。软件模块可以位于ram存储器、闪存、rom存储器、eprom存储器、eeprom存储器、寄存器、硬盘、移动磁盘、cd-rom或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质连接至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于asic中。该asic可以位于用户终端中。当然，处理器和存储介质也可以作为分立组件存在于用户终端中。

对于软件实现，本申请中描述的技术可用执行本申请所述功能的模块(例如，过程、函数等)来实现。这些软件代码可以存储在存储器单元并由处理器执行。存储器单元可以实现在处理器内，也可以实现在处理器外，在后一种情况下，它经由各种手段以通信方式耦合到处理器，这些都是本领域中所公知的。

上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。