车辆的环境信息生成方法、装置、电子设备及存储介质与流程

1.本技术涉及车辆技术领域，特别涉及一种车辆的环境信息生成方法、装置、电子设备及存储介质。


背景技术：

2.环境感知是自动驾驶的首要环节，激光雷达作为重要的自动驾驶汽车环境感知传感器，一直是环境感知方案的首选硬件。由于激光雷达点云信息丰富但数据量大，因此如何在确保不影响原始点云包含的环境信息的前提下完成对点云的高效处理显得尤为重要。
3.相关技术中，激光雷达在数据获取与环境适应性方面的优势日渐凸显，有许多基于激光雷达的环境感知方案，例如，利用局部凹凸性准则实现对三维激光雷达数据进行地面和障碍物分割，可获得较好的效果。
4.然而，对激光雷达的数据处理，存在冗余点云数据、有效区域提取效率不高以及计算时间较长实时性不高等问题。


技术实现要素：

5.本技术提供一种车辆的环境信息生成方法、装置、电子设备及存储介质，以解决对于激光雷达的数据处理存在冗余点云数据、有效区域提取效率不高以及实时性较差等问题，能够满足在有效去除冗余点云信息的同时完整保留障碍物等关键空间结构信息，能够在实际驾驶场景下实时准确地得到环境信息，为决策规划提供及时有效的输入。
6.本技术第一方面实施例提供一种车辆的环境信息生成方法，包括以下步骤：基于激光雷达扫描目标环境位置，并根据扫描结果得到原始点云信息；对所述原始点云信息进行下采样处理，得到过滤点云信息；以及结合道路结构尺寸信息对所述过滤点云信息进行裁剪，得到目标点云信息，并根据所述目标点云信息生成实时环境信息。
7.根据上述技术手段，本技术可以解决对于激光雷达的数据处理存在冗余点云数据、有效区域提取效率不高以及实时性较差等问题，能够满足在有效去除冗余点云信息的同时完整保留障碍物等关键空间结构信息，能够在实际驾驶场景下实时准确地得到环境信息，为决策规划提供及时有效的输入。
8.可选地，在一些实施例中，所述结合道路结构尺寸信息对所述过滤点云信息进行裁剪，得到目标点云信息，包括：判断所述过滤点云信息中点云数据的坐标信息是否满足预设条件；若所述坐标信息满足所述预设条件，则根据满足所述预设条件的点云数据得到所述目标点云信息。
9.根据上述技术手段，本技术可以基于体素化网格方法对原始点云下采样，结合道路结构尺寸进行点云裁剪，减少了数据量，提高算法效率。
10.可选地，在一些实施例中，所述判断所述过滤点云信息中点云数据的坐标信息是否满足预设条件，包括：判断所述过滤点云信息中点云数据的横坐标是否满足横向阈值条件；判断所述过滤点云信息中点云数据的纵坐标是否满足纵向阈值条件判断所述过滤点云
信息中点云数据的高度值是否满足高度阈值条件；如果所述横坐标满足所述横向阈值条件、所述纵坐标满足所述纵向阈值条件和所述高度值满足所述高度阈值条件，则判定所述过滤点云信息中点云数据的坐标信息满足所述预设条件。
11.根据上述技术手段，本技术可以在保证原始点云包含的形状特征与空间结构信息的同时减少冗余的点云数据，提高计算效率，对提高自动驾驶车辆的环境感知环节的效率以及为驾驶行为决策提供关键信息具有重要意义。
12.可选地，在一些实施例中，上述的车辆的环境信息生成方法，还包括：如果所述横坐标不满足所述横向阈值条件，或者所述纵坐标不满足所述纵向阈值条件，或者所述高度值不满足所述高度阈值条件，则判定所述过滤点云信息中点云数据的坐标信息不满足所述预设条件。
13.根据上述技术手段，本技术可以通过预设阈值减少冗余的点云数据，提高计算效率，对提高自动驾驶车辆的环境感知环节的效率以及为驾驶行为决策提供关键信息具有重要意义。
14.可选地，在一些实施例中，所述对所述原始点云信息进行下采样处理，包括：通过预设的三维体素栅格对所述原始点云信息进行过滤，得到所述过滤点云信息。
15.根据上述技术手段，本技术可以基于体素化网格方法对原始点云下采样，结合道路结构尺寸进行点云裁剪，减少了数据量，提高算法效率。
16.本技术第二方面实施例提供一种车辆的环境信息生成装置，包括：获取模块，基于激光雷达扫描目标环境位置，并根据扫描结果得到原始点云信息；处理模块，用于对所述原始点云信息进行下采样处理，得到过滤点云信息；以及生成模块，用于结合道路结构尺寸信息对所述过滤点云信息进行裁剪，得到目标点云信息，并根据所述目标点云信息生成实时环境信息。
17.可选地，在一些实施例中，所述生成模块，还包括：判断模块，用于判断所述过滤点云信息中点云数据的坐标信息是否满足预设条件；判定模块，用于判定若所述坐标信息满足所述预设条件，则根据满足所述预设条件的点云数据得到所述目标点云信息。
18.可选地，在一些实施例中，所述判断模块，还包括：第一判断单元，用于判断所述过滤点云信息中点云数据的横坐标是否满足横向阈值条件；第二判断单元，用于判断所述过滤点云信息中点云数据的纵坐标是否满足纵向阈值条件；第三判断单元，用于判断所述过滤点云信息中点云数据的高度值是否满足高度阈值条件；第一判定单元，用于如果所述横坐标满足所述横向阈值条件、所述纵坐标满足所述纵向阈值条件和所述高度值满足所述高度阈值条件，则判定所述过滤点云信息中点云数据的坐标信息满足所述预设条件。
19.可选地，在一些实施例中，上述的车辆的环境信息生成装置，还包括：
20.第二判定单元，用于如果所述横坐标不满足所述横向阈值条件，或者所述纵坐标不满足所述纵向阈值条件，或者所述高度值不满足所述高度阈值条件，则判定所述过滤点云信息中点云数据的坐标信息不满足所述预设条件。
21.可选地，在一些实施例中，所述处理模块，包括：过滤单元，用于通过预设的三维体素栅格对所述原始点云信息进行过滤，得到所述过滤点云信息。
22.本技术第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述
实施例所述的车辆的环境信息生成方法。
23.本技术第四方面实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以用于实现如上述实施例所述的车辆的环境信息生成方法。
24.由此，通过基于对环境感知目标的分析，先通过体素化网格方法对原始点云数据进行下采样，随后以一般道路结构尺寸为基准进行点云裁剪得到感兴趣区域，去除与关注目标无关的点云信息，进一步减少点云信息，最后通过随机采样一致性算法(random sample consensus，ransac)对雷达采集到的下采样与剪裁过后的数据进行分割，实现路面点云信息与具有高程信息的标志物与障碍物进行分离，在为车辆的自主驾驶行为决策规划提供准确感知信息的前提下进一步提高算法性能，降低计算时长。由此，解决了对于激光雷达的数据处理存在冗余点云数据、有效区域提取效率不高以及实时性较差等问题，能够满足在有效去除冗余点云信息的同时完整保留障碍物等关键空间结构信息，能够在实际驾驶场景下实时准确地得到环境信息，为决策规划提供及时有效的输入。
25.本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
26.本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
27.图1为根据本技术实施例提供的车辆的环境信息生成方法的流程图；
28.图2为根据本技术一个实施例提供的车辆的环境信息生成方法总体架构示意图；
29.图3为根据本技术一个实施例提供的车辆的环境信息生成方法的流程图；
30.图4为根据本技术实施例提供的车辆的环境信息生成装置的方框示意图；
31.图5根据本技术实施例提供的电子设备的示意图。
32.其中，10-车辆的环境信息生成装置、100-获取模块、200-处理模块、300-生成模块。
具体实施方式
33.下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。
34.下面参考附图描述本技术实施例的车辆的环境信息生成方法、装置、电子设备及存储介质。针对上述背景技术中提到的对于激光雷达的数据处理存在冗余点云数据、有效区域提取效率不高以及实时性较差等问题，本技术提供了一种车辆的环境信息生成方法，在该方法中，通过基于对环境感知目标的分析，先通过体素化网格方法对原始点云数据进行下采样，随后以一般道路结构尺寸为基准进行点云裁剪得到感兴趣区域，去除与关注目标无关的点云信息，进一步减少点云信息，最后通过随机采样一致性算法对雷达采集到的下采样与剪裁过后的数据进行分割，实现路面点云信息与具有高程信息的标志物与障碍物进行分离，在为车辆的自主驾驶行为决策规划提供准确感知信息的前提下进一步提高算法性能，降低计算时长。由此，解决了对于激光雷达的数据处理存在冗余点云数据、有效区域
提取效率不高以及实时性较差等问题，能够满足在有效去除冗余点云信息的同时完整保留障碍物等关键空间结构信息，能够在实际驾驶场景下实时准确地得到环境信息，为决策规划提供及时有效的输入。
35.具体而言，图1为本技术实施例所提供的一种车辆的环境信息生成方法的流程示意图。
36.如图1所示，该车辆的环境信息生成方法包括以下步骤：
37.在步骤s101中，基于激光雷达扫描目标环境位置，并根据扫描结果得到原始点云信息。
38.其中，激光雷达可以为多线激光雷达，用于采集实际驾驶场景下的原始点云信息。
39.具体地，激光雷达安装标定好后可以进行扫描，并根据扫描结果得到点云信息。
40.在步骤s102中，对原始点云信息进行下采样处理，得到过滤点云信息。
41.可选地，在一些实施例中，对原始点云信息进行下采样处理，包括：通过预设的三维体素栅格对原始点云信息进行过滤，得到过滤点云信息。
42.其中，下采样处理可以根究激光雷达采集的原始点云数据基于体素化网格处理方法进行过滤。
43.具体地，在通过激光雷达扫描获取原始点云信息后，对原始点云信息进行体素下采样，即通过三维体素栅格对原始点云信息进行过滤，得到过滤后的点云信息，降低点云密度。
44.在步骤s103中，结合道路结构尺寸信息对过滤点云信息进行裁剪，得到目标点云信息，并根据目标点云信息生成实时环境信息。
45.可以理解的是，结合一般道路结构尺寸信息对降低密度后的点云信息进行裁剪，只保留有参考价值的感兴趣区域内点云信息，删除道路两旁多余的点云数据，可以减小计算量，提高算法效率。
46.可选地，在一些实施例中，结合道路结构尺寸信息对过滤点云信息进行裁剪，得到目标点云信息，包括：判断过滤点云信息中点云数据的坐标信息是否满足预设条件；若坐标信息满足预设条件，则根据满足预设条件的点云数据得到目标点云信息。
47.可选地，在一些实施例中，判断过滤点云信息中点云数据的坐标信息是否满足预设条件，包括：判断过滤点云信息中点云数据的横坐标是否满足横向阈值条件；判断过滤点云信息中点云数据的纵坐标是否满足纵向阈值条件判断过滤点云信息中点云数据的高度值是否满足高度阈值条件；如果横坐标满足横向阈值条件、纵坐标满足纵向阈值条件和高度值满足高度阈值条件，则判定过滤点云信息中点云数据的坐标信息满足预设条件。
48.可选地，在一些实施例中，上述的车辆的环境信息生成方法，还包括：如果横坐标不满足横向阈值条件，或者纵坐标不满足纵向阈值条件，或者高度值不满足高度阈值条件，则判定过滤点云信息中点云数据的坐标信息不满足预设条件。
49.具体地，在本技术实施例中，结合道路结构尺寸信息，判断过滤点云信息所包含具体点的横坐标、纵坐标、高度值是否在规定的感兴趣区域的横向阈值范围、纵向阈值范围、高度值阈值范围内，若在范围内，则保留目标点云信息，否则，剔除点云信息，由此，得到裁剪后的点云信息，并通过随机采样一致性算法(ransac)在给出的点云信息的基础上对路面点云进行识别，实现对路面信息的分割，只保留车道内具有高度的障碍物信息。
50.为使本领域技术人员进一步了解本技术实施例的车辆的环境信息生成方法，下面结合具体实施例进行详细阐述。
51.如图2所示，图2为根据本技术实施例提出的车辆的环境信息生成方法的总体架构图，包括：激光雷达(1)、下采样模块(2)、点云裁剪模块(3)、路面点云分割模块(4)。
52.下采样模块(2)将激光雷达(1)获取的原始点云信息进行体素下采样，同时点云裁剪模块(3)在下采样模块(2)的处理结果上进一步根据道路结构尺寸进行点云裁剪，得到计算量减少的有效点云数据，随后路面点云分割模块(4)基于与处理得到的点云信息进一步去除不参与障碍物聚类的路面点云，将进一步精简后的点云数据作为目标识别的输入。
53.图3为根据本技术实施例提出的车辆的环境信息生成方法的流程图。
54.s301，激光雷达安装标定好后进行扫描得到原始点云信息。
55.s302，下采样模块将采集到的点云信息进行体素下采样，三维体素栅格处理得到过滤后的点云，降低点云密度。
56.s303，点云裁剪模块结合一般道路结构尺寸信息对降低密度后的点云信息进行裁剪，只保留有参考价值的感兴趣区域内点云信息，删除道路两旁多余的点云数据，减小计算量，提高算法效率。
57.s304，判断横向坐标是否在感兴趣区域横向阈值范围内，如果是，执行步骤s305，否则跳转执行步骤s308。
58.s305，判断纵向坐标是否在感兴趣区域纵向阈值范围内，如果是，执行步骤s306，否则跳转执行步骤s308。
59.s306，判断高度值是否在感兴趣区域高度值阈值范围内，如果是，执行步骤s307，否则跳转执行步骤s308。
60.s307，路面分割模块通过随机采样一致性算法在点云裁剪模块给出的点云信息的基础上对路面点云进行识别，实现对路面信息的分割，只保留车道内具有高度的障碍物信息。
61.根据本技术实施例提出的车辆的环境信息生成方法，通过基于对环境感知目标的分析，先通过体素化网格方法对原始点云数据进行下采样，随后以一般道路结构尺寸为基准进行点云裁剪得到感兴趣区域，去除与关注目标无关的点云信息，进一步减少点云信息，最后通过随机采样一致性算法对雷达采集到的下采样与剪裁过后的数据进行分割，实现路面点云信息与具有高程信息的标志物与障碍物进行分离，在为车辆的自主驾驶行为决策规划提供准确感知信息的前提下进一步提高算法性能，降低计算时长。由此，解决了对于激光雷达的数据处理存在冗余点云数据、有效区域提取效率不高以及实时性较差等问题，能够满足在有效去除冗余点云信息的同时完整保留障碍物等关键空间结构信息，能够在实际驾驶场景下实时准确地得到环境信息，为决策规划提供及时有效的输入。
62.其次参照附图描述根据本技术实施例提出的车辆的环境信息生成装置。
63.图4是本技术实施例的车辆的环境信息生成装置的方框示意图。
64.如图4所示，该车辆的环境信息生成装置10包括：获取模块100、处理模块200和生成模块300。
65.其中，获取模块100，基于激光雷达扫描目标环境位置，并根据扫描结果得到原始点云信息；处理模块200，用于对原始点云信息进行下采样处理，得到过滤点云信息；以及生
成模块300，用于结合道路结构尺寸信息对过滤点云信息进行裁剪，得到目标点云信息，并根据目标点云信息生成实时环境信息。
66.可选地，在一些实施例中，生成模块300，还包括：判断模块，用于判断过滤点云信息中点云数据的坐标信息是否满足预设条件；判定模块，用于判定若坐标信息满足预设条件，则根据满足预设条件的点云数据得到目标点云信息。
67.可选地，在一些实施例中，判断模块，还包括：第一判断单元，用于判断过滤点云信息中点云数据的横坐标是否满足横向阈值条件；第二判断单元，用于判断过滤点云信息中点云数据的纵坐标是否满足纵向阈值条件；第三判断单元，用于判断过滤点云信息中点云数据的高度值是否满足高度阈值条件；第一判定单元，用于如果横坐标满足横向阈值条件、纵坐标满足纵向阈值条件和高度值满足高度阈值条件，则判定过滤点云信息中点云数据的坐标信息满足预设条件。
68.可选地，在一些实施例中，上述的车辆的环境信息生成装置10，还包括：
69.第二判定单元，用于如果横坐标不满足横向阈值条件，或者纵坐标不满足纵向阈值条件，或者高度值不满足高度阈值条件，则判定过滤点云信息中点云数据的坐标信息不满足预设条件。
70.可选地，在一些实施例中，处理模块200，包括：过滤单元，用于通过预设的三维体素栅格对原始点云信息进行过滤，得到过滤点云信息。
71.需要说明的是，前述对车辆的环境信息生成方法实施例的解释说明也适用于该实施例的车辆的环境信息生成装置，此处不再赘述。
72.根据本技术实施例提出的车辆的环境信息生成装置，通过基于对环境感知目标的分析，先通过体素化网格方法对原始点云数据进行下采样，随后以一般道路结构尺寸为基准进行点云裁剪得到感兴趣区域，去除与关注目标无关的点云信息，进一步减少点云信息，最后通过随机采样一致性算法对雷达采集到的下采样与剪裁过后的数据进行分割，实现路面点云信息与具有高程信息的标志物与障碍物进行分离，在为车辆的自主驾驶行为决策规划提供准确感知信息的前提下进一步提高算法性能，降低计算时长。由此，解决了对于激光雷达的数据处理存在冗余点云数据、有效区域提取效率不高以及实时性较差等问题，能够满足在有效去除冗余点云信息的同时完整保留障碍物等关键空间结构信息，能够在实际驾驶场景下实时准确地得到环境信息，为决策规划提供及时有效的输入。
73.图5为本技术实施例提供的电子设备的结构示意图。该电子设备可以包括：
74.存储器501、处理器502及存储在存储器501上并可在处理器502上运行的计算机程序。
75.处理器502执行程序时实现上述实施例中提供的车辆的环境信息生成方法。
76.进一步地，电子设备还包括：
77.通信接口503，用于存储器501和处理器502之间的通信。
78.存储器501，用于存放可在处理器502上运行的计算机程序。
79.存储器501可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
80.如果存储器501、处理器502和通信接口503独立实现，则通信接口503、存储器501和处理器502可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构
(industry standard architecture，简称为isa)总线、外部设备互连(peripheral component，简称为pci)总线或扩展工业标准体系结构(extended industry standard architecture，简称为eisa)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
81.可选的，在具体实现上，如果存储器501、处理器502及通信接口503，集成在一块芯片上实现，则存储器501、处理器502及通信接口503可以通过内部接口完成相互间的通信。
82.处理器502可能是一个中央处理器(central processing unit，简称为cpu)，或者是特定集成电路(application specific integrated circuit，简称为asic)，或者是被配置成实施本技术实施例的一个或多个集成电路。
83.本技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上的车辆的环境信息生成方法。
84.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或n个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
85.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本技术的描述中，“n个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
86.流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更n个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
87.在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或n个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
88.应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，n个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
89.本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
90.此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
91.上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。