[發明專利]道路邊緣檢測方法、裝置、電子設備及車輛

在審

• 申請號: 202210033492.9
• 申請日: 2022-01-12
• 公開（公告）號: CN114387293A
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 陳頡顥;嚴征;胡小波;馮洪亮
• 申請（專利權）人: 深圳市鐳神智能系統有限公司
• 主分類號: G06T7/136
• 分類號: G06T7/136;G06T7/13;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 王新哲

1.一種道路邊緣檢測方法，其特征在于，所述方法包括：

根據預設分割閾值對激光雷達采集的原始點云數據進行分割，得到局部點云數據；

根據預設立體體素網格尺寸對所述局部點云數據進行采樣處理，得到采樣點云數據；

通過點云卷積神經網絡模型對所述采樣點云數據中的各三維點進行分類，確定得到路緣三維點；

根據所述路緣三維點獲取路緣標志物立面；

根據所述路緣標志物立面確定路緣位置信息。

2.根據權利要求1所述的方法，其特征在于，所述預設分割閾值包括第一方向預設閾值及第三方向預設閾值，所述根據預設分割閾值對激光雷達采集的原始點云數據進行分割，得到局部點云數據，包括：

確定所述原始點云數據中第一方向數值的絕對值小于或等于所述第一方向預設閾值的第一目標三維點；

確定所述原始點云數據中第三方向數值大于或等于所述第三方向預設閾值的第二目標三維點；

在所述原始點云數據中刪除所述第一目標三維點和所述第二目標三維點，得到所述局部點云數據。

3.根據權利要求2所述的方法，其特征在于，所述第一方向預設閾值根據道路最大車道數量、道路最大寬度、預設檢測范圍安全系數確定得到；所述第三方向預設閾值根據所述激光雷達與地面的距離、所述激光雷達的最遠掃描距離、道路最大縱向坡度確定得到。

4.根據權利要求1所述的方法，其特征在于，所述根據預設立體體素網格尺寸對所述局部點云數據進行采樣處理，得到采樣點云數據，包括：

根據預設立體體素網格尺寸對所述局部點云數據進行分割，以得到多個立體體素網格；

從各立體體素網格的所有三維點中隨機采樣預設數量的采樣三維點，將多個所述立體體素網格的采樣三維點作為所述采樣點云數據。

5.根據權利要求1所述的方法，其特征在于，所述通過點云卷積神經網絡模型對采樣點云數據中的各三維點進行分類，確定得到路緣三維點，包括：

通過所述點云卷積神經網絡模型確定所述采樣點云數據的各三維點的路緣點概率、路面點概率、其他點概率；

確定各三維點中路面點概率、路緣點概率和其他點概率的最大概率值，將最大概率值為路緣點概率的三維點確定為路緣三維點。

6.根據權利要求5所述的方法，其特征在于，所述通過所述點云卷積神經網絡模型確定所述采樣點云數據的各三維點的路緣點概率、路面點概率、其他點概率，包括：

在所述點云卷積神經網絡模型為單幀檢測模式時，將單幀采樣點云數據轉換為第一矩陣，所述第一矩陣包括N行，所述第一矩陣各行表示所述采樣點云數據的每一三維點的坐標信息；

將所述第一矩陣輸入所述點云卷積神經網絡模型，通過所述點云卷積神經網絡模型對所述第一矩陣進行計算，得到第二矩陣，所述第二矩陣包括N行，所述第二矩陣各行表示所述采樣點云數據的每一三維點的類別概率，所述類別概率包括路面點概率、路緣點概率和其他點概率。

7.根據權利要求5所述的方法，其特征在于，所述通過所述點云卷積神經網絡模型確定所述采樣點云數據的各三維點的路緣點概率、路面點概率、其他點概率，包括：

在所述點云卷積神經網絡模型為多幀檢測模式時，將多幀采樣點云數據轉換為第三矩陣，所述第三矩陣包括多個子矩陣，所述第三矩陣的各子矩陣的各行表示每幀采樣點云數據的每一三維點的坐標信息；

將所述第三矩陣輸入所述點云卷積神經網絡模型，通過所述點云卷積神經網絡模型對所述第三矩陣進行計算，得到第四矩陣，所述第四矩陣包括多個子矩陣，所述第四矩陣的各子矩陣的各行表示每幀采樣點云數據的每一三維點的類別概率，所述類別概率包括路面點概率、路緣點概率和其他點概率。

8.根據權利要求1所述的方法，其特征在于，根據所述路緣三維點獲取路緣標志物立面，包括：

根據所述路緣三維點生成至少一個幾何平面；

在至少一個所述幾何平面中存在形態與預設標志物立面匹配的目標幾何平面時，確定所述目標幾何平面為所述路緣標志物立面。