一種基于激光點(diǎn)云的車道邊線自動(dòng)提取方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種基于激光點(diǎn)云的車道邊線自動(dòng)提取方法及系統(tǒng)，屬于導(dǎo)航和電子 地圖的交叉領(lǐng)域。
【背景技術(shù)】
[0002] 隨著汽車的快速普及，每年的交通事故也越來越多，汽車的駕駛安全問題成為一 個(gè)非常迫切的問題，而在汽車的主動(dòng)安全技術(shù)中，有效利用高精度的空間地圖的先驗(yàn)信息， 提前避免一些潛在風(fēng)險(xiǎn)，是一個(gè)非常重要的主動(dòng)安全研究和應(yīng)用方向。同時(shí)，面向下一代自 動(dòng)駕駛技術(shù)的研究也正在如火如茶的展開，在無人駕駛技術(shù)中，引入并應(yīng)用高精度的地圖 信息，利用高精度空間地圖的先驗(yàn)信息，和其他傳感器的信息進(jìn)行有效融合、互相補(bǔ)充，從 而獲得更佳的感知能力和路徑規(guī)劃、引導(dǎo)能力，是現(xiàn)在非常重要的一個(gè)研究方向。
[0003] 在上述運(yùn)些研究中，都非常迫切的需要一種高精度的電子地圖信息。在精度上，相 比傳統(tǒng)電子導(dǎo)航地圖的數(shù)據(jù)精度普遍在1米至10米的精度，運(yùn)種高精度的電子地圖信息在 精度上至少要達(dá)到分米級(jí)。而在模型上，相比傳統(tǒng)電子導(dǎo)航地圖W道路實(shí)體為抽象對(duì)象，W 描述和表達(dá)道路之間的相互關(guān)系為主的數(shù)據(jù)模型，高精度電子地圖信息至少要W車道實(shí)體 為抽象對(duì)象，能夠描述W車道為主體的各個(gè)數(shù)據(jù)元素之間的關(guān)系。
[0004] 因此，高精度電子導(dǎo)航地圖不僅僅表達(dá)精度更高，同時(shí)，表達(dá)的粒度也更細(xì)更豐 富，所W高精度電子導(dǎo)航地圖表達(dá)的信息量相比傳統(tǒng)電子導(dǎo)航地圖會(huì)呈現(xiàn)幾何級(jí)數(shù)的增 長。在運(yùn)種情況下，數(shù)據(jù)采集的難度也會(huì)成幾何級(jí)數(shù)的增長。因此，對(duì)像車道邊線等數(shù)據(jù)元 素的自動(dòng)提取，就成為一項(xiàng)非常重要的問題。

【發(fā)明內(nèi)容】

[0005] 有鑒于此，本發(fā)明提供一種能夠?qū)嚨肋吘€進(jìn)行自動(dòng)提取，使高精度電子導(dǎo)航地 圖的精度更高的基于激光點(diǎn)云的車道邊線自動(dòng)提取方法。
[0006] -種基于激光點(diǎn)云的車道邊線自動(dòng)提取方法，所述基于激光點(diǎn)云的車道邊線自動(dòng) 提取方法包括W下步驟：
[0007] S1、通過移動(dòng)測量車采集路面信息的Ξ維激光點(diǎn)云，并對(duì)激光點(diǎn)云數(shù)據(jù)進(jìn)行讀取； [000引S2、根據(jù)反射強(qiáng)度將所述激光點(diǎn)云分為不同強(qiáng)度的集合，將對(duì)點(diǎn)數(shù)小于闊值點(diǎn)數(shù) 的集合進(jìn)行過濾，并對(duì)集合進(jìn)行聚類分析，得到有效強(qiáng)度集合；
[0009] S3、對(duì)有效強(qiáng)度集合中的激光點(diǎn)云點(diǎn)進(jìn)行連通性識(shí)別，找到呈現(xiàn)線狀特征的激光 點(diǎn)云點(diǎn)的線狀連通子集；
[0010] S4、判斷各個(gè)線狀連通子集是否為相同線狀元素，并將具有相同線狀元素的線狀 連通子集進(jìn)行融合；
[0011] S5、結(jié)合相同位置的移動(dòng)測量車行駛軌跡，對(duì)融合后的線狀連通子集進(jìn)行車道線 識(shí)別。
[0012] -種基于激光點(diǎn)云的車道邊線自動(dòng)提取系統(tǒng)，所述基于激光點(diǎn)云的車道邊線自動(dòng) 提取系統(tǒng)包括w下功能模塊：
[0013] 點(diǎn)云數(shù)據(jù)讀取模塊、用于通過移動(dòng)測量車采集路面信息的Ξ維激光點(diǎn)云，并對(duì)激 光點(diǎn)云數(shù)據(jù)進(jìn)行讀?。?br>[0014] 有效合集獲取模塊、用于根據(jù)反射強(qiáng)度將所述激光點(diǎn)云分為不同強(qiáng)度的集合，將 對(duì)點(diǎn)數(shù)小于闊值點(diǎn)數(shù)的集合進(jìn)行過濾，并對(duì)集合進(jìn)行聚類分析，得到有效強(qiáng)度集合；
[0015] 線狀子集獲取模塊、用于對(duì)有效強(qiáng)度集合中的激光點(diǎn)云點(diǎn)進(jìn)行連通性識(shí)別，找到 呈現(xiàn)線狀特征的激光點(diǎn)云點(diǎn)的線狀連通子集；
[0016] 線狀子集融合模塊、用于判斷各個(gè)線狀連通子集是否為相同線狀元素，并將具有 相同線狀元素的線狀連通子集進(jìn)行融合；
[0017] 車道線識(shí)別模塊、用于結(jié)合相同位置的移動(dòng)測量車行駛軌跡，對(duì)融合后的線狀連 通子集進(jìn)行車道線識(shí)別。
[0018] 本發(fā)明所述基于激光點(diǎn)云的車道邊線自動(dòng)提取方法及其系統(tǒng)，通過在基于移動(dòng)測 量車采集的激光點(diǎn)云進(jìn)行高精度電子導(dǎo)航地圖數(shù)據(jù)元素生產(chǎn)過程中，根據(jù)各個(gè)激光點(diǎn)的反 射強(qiáng)度，對(duì)于無人駕駛非常重要的車道線數(shù)據(jù)元素 W-定的準(zhǔn)確度進(jìn)行自動(dòng)提取，為后續(xù) 車道級(jí)高精度地圖的生產(chǎn)提供基礎(chǔ)車道形狀數(shù)據(jù)，從而提升了車道邊線數(shù)據(jù)元素采集和生 產(chǎn)的效率和準(zhǔn)確度，同時(shí)也極大的提升了車道級(jí)高精度地圖生產(chǎn)的效率。
【附圖說明】
[0019] 圖1是本發(fā)明所述基于激光點(diǎn)云的車道邊線自動(dòng)提取方法的流程框圖；
[0020] 圖2是圖1中步驟S2的流程框圖；
[0021] 圖3是圖2中步驟S23的流程框圖；
[0022] 圖4是圖1中步驟S3的流程框圖；
[0023] 圖5是圖4中步驟S31的流程框圖；
[0024] 圖6是圖4中步驟S32的流程框圖；
[0025] 圖7是圖1中步驟S4的流程框圖；
[0026] 圖8是圖1中步驟S5的流程框圖；
[0027] 圖9是本發(fā)明所述基于激光點(diǎn)云的車道邊線自動(dòng)提取系統(tǒng)的模塊框圖。
【具體實(shí)施方式】
[0028] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，W下結(jié)合附圖及實(shí)施例，對(duì) 本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明，應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用W解釋本發(fā)明，并 不用于限定本發(fā)明。
[0029] 如圖1所示，本發(fā)明實(shí)施例提供一種基于激光點(diǎn)云的車道邊線自動(dòng)提取方法，所述 基于激光點(diǎn)云的車道邊線自動(dòng)提取方法包括W下步驟：
[0030] S1、通過移動(dòng)測量車采集路面信息的Ξ維激光點(diǎn)云，并對(duì)激光點(diǎn)云數(shù)據(jù)進(jìn)行讀??；
[0031] S2、根據(jù)反射強(qiáng)度將所述激光點(diǎn)云分為不同強(qiáng)度的集合，將對(duì)點(diǎn)數(shù)小于闊值點(diǎn)數(shù) 的集合進(jìn)行過濾，并對(duì)集合進(jìn)行聚類分析，得到有效強(qiáng)度集合；
[0032] S3、對(duì)有效強(qiáng)度集合中的激光點(diǎn)云點(diǎn)進(jìn)行連通性識(shí)別，找到呈現(xiàn)線狀特征的激光 點(diǎn)云點(diǎn)的線狀連通子集；
[0033] S4、判斷各個(gè)線狀連通子集是否為相同線狀元素，并將具有相同線狀元素的線狀 連通子集進(jìn)行融合；
[0034] S5、結(jié)合相同位置的移動(dòng)測量車行駛軌跡，對(duì)融合后的線狀連通子集進(jìn)行車道線 識(shí)別。
[0035] 所述聚類分析主要是根據(jù)激光點(diǎn)的反射強(qiáng)度對(duì)點(diǎn)云中的點(diǎn)進(jìn)行聚類并過濾，從而 將不可能存在線性元素的點(diǎn)云作為噪聲去除，并為后續(xù)車道線的識(shí)別提供待選強(qiáng)度類型， 具體步驟如圖2所示：
[0036] 所述步驟S2包括W下分步驟；
[0037] S21、根據(jù)反射強(qiáng)度將所述激光點(diǎn)云分成多個(gè)不同強(qiáng)度集合；
[0038] S22、設(shè)置闊值點(diǎn)數(shù)，將各個(gè)強(qiáng)度集合的點(diǎn)數(shù)與闊值點(diǎn)數(shù)進(jìn)行比較，如果強(qiáng)度集合 的點(diǎn)數(shù)小于闊值點(diǎn)數(shù)，則刪除該強(qiáng)度集合，剩余的強(qiáng)度集合為有效強(qiáng)度集合；
[0039] S23、設(shè)置聚類強(qiáng)度闊值，根據(jù)聚類強(qiáng)度闊值對(duì)所有有效強(qiáng)度集合進(jìn)行聚類分析， 直至每一個(gè)有效強(qiáng)度集合中激光點(diǎn)云的反射強(qiáng)度均小于聚類強(qiáng)度闊值.
[0040] S24、設(shè)置聚類闊值點(diǎn)數(shù)，將進(jìn)行聚類分析后的有效強(qiáng)度集合中，點(diǎn)數(shù)小于聚類闊 值點(diǎn)數(shù)的有效強(qiáng)度集合刪除。
[0041] 其中，如圖3所示，所述步驟S13包括W下分步驟；
[0042] S231、設(shè)置聚類強(qiáng)度闊值，將所有有效強(qiáng)度集合作為一個(gè)待判別子類，計(jì)算待判別 子類的平均反射強(qiáng)度和反射強(qiáng)度均方差。
[0043] S232、如果待判別子類的反射強(qiáng)度均方差大于聚類強(qiáng)度闊值，則將待判別子類中 的點(diǎn)按照W反射強(qiáng)度距離中屯、，和與反射強(qiáng)度距離中屯、左、右間隔一個(gè)反射強(qiáng)度均方差的 Ξ個(gè)點(diǎn)遠(yuǎn)近的規(guī)則，將待識(shí)別子類分為Ξ個(gè)子類；
[0044] S233、如果待判別子類的反射強(qiáng)度的均方差小于聚類強(qiáng)度闊值，則該待判別子類 完成聚類；
[0045] S234、直至所有待判別子類的反射強(qiáng)度均小于聚類強(qiáng)度闊值。
[0046] 具體的，根據(jù)步驟S1得到的激光點(diǎn)云數(shù)據(jù)中，依次遍歷所有點(diǎn)，并根據(jù)點(diǎn)的反射強(qiáng) 度值對(duì)點(diǎn)云中的點(diǎn)進(jìn)行分類，記為?(：1，1 = 1，2，一，11，其中，反射強(qiáng)度類口(：1中所有點(diǎn)的反射 強(qiáng)度相同。記反射強(qiáng)度類PCi中的點(diǎn)數(shù)為Wwww,,激光點(diǎn)云中全部點(diǎn)數(shù)為Numo。
[0047] 遍歷反射強(qiáng)度類PCi，i = 1，2，…，η，如果PCi中的點(diǎn)數(shù)滿巧小于闊值點(diǎn)數(shù)MIN_ PT_NUM(MIN_PT_NUM用來描述不能構(gòu)成道路元素表達(dá)的噪聲反射點(diǎn)數(shù)目，為較小的一個(gè)數(shù) 值闊值，例如但不限于100)，則刪除該P(yáng)Ci中的所有點(diǎn)，并調(diào)整待處理點(diǎn)云總點(diǎn)數(shù)