一种基于激光点云的城市道路识别方法及装置的制造方法
【技术领域】
[0001]本发明实施例属于智能交通技术领域，涉及一种基于激光点云的城市道路识别方法及装置。
【背景技术】
[0002]通过移动载体(如车辆)中安装的激光传感器进行周围环境感知并对传感信息进行处理，得到移动载体所在环境诸如所在车道、道路范围、障碍物位置等信息，即为激光点云技术。
[0003]现有技术中，对道路信息的提取主要通过根据激光点云构建路沿模型，并通过随机设置回归算法的初始输入阀值来构建激光点云对应的路面模型；随后，获得激光点云对应的激光点云簇并通过点云分割及点云识别获得激光点云簇对应的物体。
[0004]上述方案中，通过随机设置的初始输入阀值构建激光点云对应的路面模型，导致路面模型的构建效率较低、误差较大，从而导致物体的识别效率较低、误差较大。
【发明内容】
[0005]本发明实施例的目的是提出一种基于激光点云的城市道路识别方法及装置，以提高道路识别的效率和准确度。
[0006]—方面，本发明实施例提供了一种基于激光点云的城市道路识别方法，包括:
[0007]根据激光传感器采集的激光点云构建对应的路沿模型；
[0008]确定设置有所述激光传感器的移动载体的高度，并根据所述高度和激光点云构建对应的路面模型；
[0009]根据所述路沿模型和所述路面模型，消除所述激光点云中的路面点云以及路沿点云，采用点云分割算法对剩余的激光点云进行分割，并识别分割结果对应的物体。
[0010]另一方面，本发明实施例提供了一种基于激光点云的城市道路识别装置，包括:
[0011]路沿模型单元，用于根据激光传感器采集的激光点云构建对应的路沿模型；
[0012]路面模型单元，用于确定设置有所述激光传感器的移动载体的高度，并根据所述高度和激光点云构建对应的路面模型；
[0013]点云消除单元，用于根据所述路沿模型和所述路面模型，消除所述激光点云中的路面点云以及路沿点云；
[0014]点云分割单元，用于采用点云分割算法对剩余的激光点云进行分割；
[0015]物体识别单元，用于识别所述点云分割单元的分割结果对应的物体。
[0016]本发明实施例提供的基于激光点云的城市道路识别方法及装置，通过依据激光点云估算移动载体的高度，并利用所述高度构建对应的路面模型，提高了路面模型的构建效率和准确度，从而提高了物体的识别效率和准确度。
【附图说明】
[0017]图1为本发明实施例一提供的一种基于激光点云的城市道路识别方法的流程示意图；
[0018]图2为本发明实施例二提供的一种基于激光点云的城市道路识别方法的流程示意图；
[0019]图3为本发明实施例三提供的一种基于激光点云的城市道路识别方法的流程示意图；
[0020]图4为本发明实施例四提供的一种基于激光点云的城市道路识别装置的结构示意图。
【具体实施方式】
[0021]下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
[0022]实施例一
[0023]图1为本发明实施例一提供的一种基于激光点云的城市道路识别方法的流程示意图。本实施例可适用于基于激光点云识别城市道路包含的物体的情况。参见图1，本实施例提供的基于激光点云的城市道路识别方法具体包括如下:
[0024]SI 1、根据激光传感器采集的激光点云构建对应的路沿模型。
[0025]在本实施例中，激光传感器可以是设置于移动载体上的激光雷达，移动载体通常可以是车辆，激光点云可以是移动载体所在环境的特征点集，包括各特征点的坐标以及反射率，该反射率可以是一个0-255的整数。
[0026]示例性的，激光雷达采集激光点云，可以通过GPS (Global Posit1ning System，全球定位系统)/IMU(Inertial measurement unit，惯性测量单元)将采集的激光点云转换到世界坐标系，并将世界坐标系下的激光点云拼接成稠密点云，具体的可以通过动态粒子树(Simultaneous Localizat1n And Mapping，SLAM)算法提高稠密点云的拼接精度，至此得到两种用于点云分类的原始数据，其中一种是世界坐标系下经拼接形成的稠密点云，一种是以一帧为单位的稀疏有序点Ζ5Γ。
[0027]在本实施例中，路沿指的是道路边沿。示例性的，在获得稠密点云和多帧稀疏有序点云后，对多帧稀疏有序点云进行处理得到可能的路沿点，并对可能的路沿点进行三维样本(spline)曲线拟合以根据多帧稀疏有序点云构建激光点云对应的路沿模型。
[0028]S12、确定设置有所述激光传感器的移动载体的高度，并根据所述高度和激光点云构建对应的路面模型。
[0029]在本实施例中，路面指的是道路表面，用于供车辆在其上行驶。示例性的，对稀疏有序点云进行回归处理获得移动载体的高度，再将移动载体的高度作为回归算法的初始输入阀值，对每一帧稀疏有序点云做回归处理得到每一帧稀疏有序点云对应的候选路面点云，并将连续多帧稀疏有序点云对应的候选路面点云进行合并，且沿移动载体行驶轨迹的垂直方向做一维样本曲线拟合，存储拟合得到的样本方程参数，得到激光点云对应的路面模型。
[0030]S13、根据所述路沿模型和所述路面模型，消除所述激光点云中的路面点云以及路沿点云，采用点云分割算法对剩余的激光点云进行分割，并识别分割结果对应的物体。
[0031 ] 在本实施例中，激光点云对应的物体可以是行人、车辆、树木、建筑物等障碍物，也可以是路牌，地标等。示例性的，根据路沿模型和路面模型去除Sll中得到的稠密点云中的路沿点云和路面点云，对剩余的激光点云做聚类得到大致分离的激光点云簇，并采用点云分割算法将激光点云簇分割成子激光点云簇。在得到分割后的子激光点云簇后，使用预先训练好的支持向量机对每个子激光点云簇进行识别，识别子激光点云簇对应的物体。
[0032]本实施例提供的基于激光点云的城市道路识别方法，通过根据激光点云估算移动载体的高度，并利用所述高度构建对应的路面模型，提高了路面模型的构建效率和准确度，从而提高了激光点云对应的物体的识别效率和准确度。
[0033]实施例二
[0034]本实施例在上述实施例的基础上提供了一种新的基于激光点云的城市道路识别方法，该方法对路沿模型、路面模型的构建方式作进一步限定。图2为本发明实施例二提供的一种基于激光点云的城市道路识别方法的流程示意图。参见图2，本实施例提供的基于激光点云的城市道路识别方法具体包括如下:
[0035]S21、根据激光传感器采集的激光点云构建对应的路沿模型。
[0036]可选的，根据激光传感器采集的激光点云构建对应的路沿模型具体可以包括:采用角点检测算法对所述激光点云进行识别，获得所激光点云对应的路沿角点；根据获得的路沿角点构建所述路沿模型。
[0037]示例性的，对每一帧稀疏有序点云进行处理得到候选路沿点。具体的，每一帧稀疏有序点云中可以包括32条线，针对每一帧稀疏有序点云，对该帧的每一线的数据进行滑动窗口的处理，通过激光点云的坡度、密度、反射率这三个特性检测出有可能包含路沿的候选窗口，再使用角点检测算法从候选窗口中得到候选路沿角点，根据车高等先验知识滤除错误的候选角点，再将该帧中所有线得到的候选角点投影到垂直于移动载体行使方向的轴上，对投影点做聚类，并通过加权高斯卷积的投票算法得到该帧稀疏点云对应的路沿角点。重复上述操作获得每一帧稀疏点云对应的路沿角点后，将所有的稀疏点云对应的路沿角点转换到世界坐标系下，融合在