[發(fā)明專利]無(wú)人駕駛清掃車的路沿識(shí)別方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202310892486.3
• 申請(qǐng)日: 2023-07-20
• 公開（公告）號(hào): CN116612451B
• 公開（公告）日: 2023-09-29
• 發(fā)明（設(shè)計(jì)）人: 歐科君;張?jiān)?/a>;李大川;王金龍;蔡逸超
• 申請(qǐng)（專利權(quán)）人: 城市之光（深圳）無(wú)人駕駛有限公司
• 主分類號(hào): G06V20/56
• 分類號(hào): G06V20/56;G06V10/26;G06V10/774;G06V10/44;G06V10/34;G06V20/70
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種無(wú)人駕駛清掃車的路沿識(shí)別方法，其特征在于，所述方法包括：

采集路沿的待檢測(cè)圖像，并將所述待檢測(cè)圖像輸入至預(yù)訓(xùn)練的道路可行區(qū)域分割模型當(dāng)中，以獲取所述待檢測(cè)圖像對(duì)應(yīng)的道路可行區(qū)域的掩膜圖像；

將所述掩膜圖像輸入至路沿?cái)M合后處理算法當(dāng)中，以獲取用于擬合路沿曲線的初始點(diǎn)集，并完成路沿曲線的擬合；

將得到的所述擬合路沿曲線進(jìn)行離散化，以獲取擬合后的路沿點(diǎn)集，并將路沿點(diǎn)集通過(guò)外參標(biāo)定信息映射至車體坐標(biāo)系供無(wú)人駕駛清掃車的規(guī)控模塊使用。

2.根據(jù)權(quán)利要求1所述的無(wú)人駕駛清掃車的路沿識(shí)別方法，其特征在于，所述道路可行區(qū)域分割模型的訓(xùn)練過(guò)程包括：

采集所述無(wú)人駕駛清掃車的工作路段的圖像以構(gòu)建所述道路可行區(qū)域分割模型的訓(xùn)練集以及驗(yàn)證集；

基于深度學(xué)習(xí)技術(shù)構(gòu)建語(yǔ)義分割算法，根據(jù)所述訓(xùn)練集以及驗(yàn)證集利用所述語(yǔ)義分割算法訓(xùn)練所述道路可行區(qū)域分割模型；

根據(jù)預(yù)設(shè)評(píng)估指標(biāo)在所述訓(xùn)練過(guò)程保存的所有模型權(quán)重中挑選最優(yōu)的目標(biāo)模型權(quán)重，以確定最終用于道路可行區(qū)域識(shí)別的分割模型。

3.根據(jù)權(quán)利要求1所述的無(wú)人駕駛清掃車的路沿識(shí)別方法，其特征在于，所述路沿曲線的擬合后處理算法具體包含以下步驟：

針對(duì)所述掩膜圖像進(jìn)行連通域分析，過(guò)濾掉像素面積小于給定閾值的連通域，并保留面積最大的若干連通域，作為道路可行區(qū)域；

沿著所述掩膜圖像的高度方向從上至下搜索，獲取路沿在所有寬度索引的位置的圖像點(diǎn)集，并將所述圖像點(diǎn)集的坐標(biāo)映射回所述待檢測(cè)圖像的原圖坐標(biāo)系，作為初始點(diǎn)集；

采用距離加權(quán)的平滑算法對(duì)所述初始點(diǎn)集進(jìn)行平滑處理，并將平滑后的初始點(diǎn)集輸入基于局部窗的估計(jì)方法并計(jì)算每個(gè)局部區(qū)間的估計(jì)點(diǎn)集；

通過(guò)統(tǒng)計(jì)區(qū)間內(nèi)的初始點(diǎn)集的分布信息來(lái)過(guò)濾掉異常的局部估計(jì)點(diǎn)集，將所述局部區(qū)間的估計(jì)點(diǎn)集劃分為3個(gè)類別，即異常點(diǎn)集、疑似點(diǎn)集和正常點(diǎn)集；

將所述正常點(diǎn)集用作候選點(diǎn)集，所述正常點(diǎn)集和所述疑似點(diǎn)集的并集用作判斷內(nèi)外點(diǎn)的點(diǎn)集，即判斷點(diǎn)集，并將所述候選點(diǎn)集、判斷點(diǎn)集輸入至考慮外點(diǎn)誤差的RANSAC擬合算法，以獲取路沿曲線。

4.根據(jù)權(quán)利要求3所述的無(wú)人駕駛清掃車的路沿識(shí)別方法，其特征在于，所述距離加權(quán)的平滑算法計(jì)算公式如下：

，

其中，為初始點(diǎn)集中索引值i對(duì)應(yīng)的橫坐標(biāo)值，r為局部平滑窗的半徑，和分別為索引值i對(duì)應(yīng)的平滑窗內(nèi)j位置的橫坐標(biāo)和縱坐標(biāo)值，為平滑后索引值i對(duì)應(yīng)的縱坐標(biāo)值，N為輸入點(diǎn)集的數(shù)量。

5.根據(jù)權(quán)利要求3所述的無(wú)人駕駛清掃車的路沿識(shí)別方法，其特征在于，所述基于局部窗的估計(jì)方法計(jì)算公式如下：

，

其中，和為經(jīng)過(guò)平滑后點(diǎn)集中索引i的橫縱坐標(biāo)，W為原始圖像的寬度，w為局部窗的寬度,“[?]”表示向下取整操作，為估計(jì)后得到的第n個(gè)局部窗的估計(jì)點(diǎn)。

6.根據(jù)權(quán)利要求3所述的無(wú)人駕駛清掃車的路沿識(shí)別方法，其特征在于，所述考慮外點(diǎn)誤差的RANSAC擬合算法步驟如下所述:

計(jì)算輸入所述候選點(diǎn)集的縱坐標(biāo)的最大差值并設(shè)定第一閾值，當(dāng)該差值小于所述第一閾值時(shí)，采用1階多項(xiàng)式擬合；當(dāng)該差值大于所述第一閾值時(shí)，分別進(jìn)行1階、3階、5階多項(xiàng)式擬合；

設(shè)置每個(gè)階次的迭代次數(shù)為K次，并設(shè)置內(nèi)點(diǎn)誤差閾值，設(shè)置每個(gè)階次迭代的提前終止條件為內(nèi)點(diǎn)數(shù)量占所述判斷點(diǎn)集的比例；

逐階次進(jìn)行迭代，記當(dāng)前迭代的曲線階次為o；單次迭代內(nèi)，從候選點(diǎn)集中隨機(jī)選取o+1個(gè)點(diǎn)計(jì)算多項(xiàng)式的解析解；

通過(guò)解析解計(jì)算所述判斷點(diǎn)集內(nèi)各個(gè)點(diǎn)的縱坐標(biāo)的擬合數(shù)值，與其實(shí)際的觀測(cè)值進(jìn)行比較，計(jì)算兩者差值；若所述差值小于所述內(nèi)點(diǎn)誤差閾值，則記該點(diǎn)為內(nèi)點(diǎn)，否則記為外點(diǎn)；記錄內(nèi)點(diǎn)數(shù)量，并累計(jì)外點(diǎn)的差值。