【技術實現步驟摘要】
本申請涉及無人駕駛，具體而言，涉及一種路沿標注方法、車載設備、存儲介質及車輛。
技術介紹
1、在無人駕駛領域中，路沿檢測是一個重要的技術，其目的是識別無人駕駛車輛所在車道的邊緣，以確保路徑規劃的準確性。在實際應用中，由于各種原因，如車道線模糊或不存在，以及環境光照、路面條件等因素的影響，路沿檢測成為了一種新的檢測范式，提高了無人駕駛車輛的能力邊界。
2、在路沿檢測模型中，數據尤為重要，如何產生大量的高精路沿數據成為路沿檢測中的關鍵點。當前路沿數據主要是通過點云拼接和地圖標注員進行手動標注的方式產生，這種標注方式不僅標注效率低，且標注成本高，在標注的過程中也可能會出現人為的錯誤和不準確，從而導致訓練出來的路沿檢測模型存在場景泛化性低的問題。
技術實現思路
1、本申請主要提供一種路沿標注方法、車載設備、存儲介質及車輛，以解決通過人工標注路沿，所帶來的標注成本高，標注速度慢，且訓練得到的模型的場景泛化性低的問題。
2、為解決上述技術問題，本申請采用的一個技術方案是：提供一種路沿標注方法。該方法包括：持續獲取同一場景下預設時長內車輛行駛過程中采集的多幀目標點云數據；將該目標點云數據拼接到全局坐標系下，以得到全局點云數據；對該全局點云數據進行篩選，得到與路沿對應的非地面點；將所有非地面點在全局坐標系下進行堆疊，并基于車輛移動軌跡，生成車輛對應兩側的路沿。
3、在上述實現過程中，通過持續獲取車輛在同一場景下采集的目標點云數據，解決了由于路邊障礙物遮擋導致的路
4、在一些實施例中，所述將所有所述非地面點在全局坐標系下進行堆疊，并基于車輛移動軌跡，生成車輛對應兩側的路沿，包括：根據所述車輛的移動軌跡，從堆疊的所述非地面點中選取路沿連接點；基于所述路沿連接點，生成車輛對應兩側的路沿。
5、在上述實現過程中，通過車輛的移動軌跡，從車輛兩側堆疊在一起的非地面點中選取出路沿連接點，并根據路沿連接點，生成車輛對應兩側的路沿；這樣做，可以從非地面點中選取出最符合車輛行駛軌跡的路沿連接點，提高了路沿生成的準確性。
6、在一些實施例中，所述根據所述車輛的移動軌跡，從堆疊的所述非地面點中選取路沿連接點，包括：獲取車輛在預設時長內不同時刻的位姿信息，根據所述位姿信息，生成車輛移動軌跡線；計算所述非地面點到所述車輛移動軌跡線的垂直距離，將所述垂直距離小于預設偏差范圍內的所述非地面點劃分至同一路沿點集；根據所述車輛在預設時長內不同時刻的所述位姿信息，對所述車輛兩側的路沿點集進行聚類，生成路沿連接點。
7、在上述實現過程中，通過獲取車輛在預設時長內不同時刻的位姿信息，得到車輛移動軌跡線；計算各非地面點到該車輛移動軌跡線的垂直距離，得到路沿點集；對車輛兩側的路沿點集進行聚類，得到車輛對應兩側的路沿，實現了對路沿連接點的自動標注，降低了標注成本，同時提高了標注效率。
8、在一些實施例中，所述將所述目標點云數據拼接到全局坐標系下，以得到全局點云數據，包括：獲取與各所述目標點云數據對應的車輛位姿信息，基于所述車輛位姿信息將各所述目標點云數據進行坐標系變換，以對齊到全局坐標系下，得到全局點云數據。
9、在上述實現過程中，通過目標點云數據對應的車輛位姿信息，將不同幀采集的點云數據轉化到同一個全局坐標系下，得到全局點云數據；這樣做可以確保數據的統一性和規范性，避免因坐標系不同而導致的數據混亂，也有利于后續對非地面點的選取。
10、在一些實施例中，所述對所述全局點云數據進行篩選，得到非地面點，包括：濾除所述全局點云數據中處于預設范圍之外的點云數據，以得到標準點云數據；將所述標準點云數據輸入至點云分割模型，以去除其中屬于動態障礙物類別的點云點，得到當前點云數據；采用地面擬合算法計算出所述當前點云數據的地平面，并基于所述地平面得到非地面點。
11、在上述實現過程中，通過過濾處于預設范圍之外的點云數據，得到標準點云數據，可以降低后續處理的復雜性和計算量；通過點云分割模型去除標準點數據中為動態障礙物類別的點云點，有利于后續對非地面點的篩選處理；通過地面擬合算法計算出當前點云數據中的地平面，可以提取出當前點云數據中的非地面點，提高了后續生成路沿線的準確性。
12、在一些實施例中，所述將所述標準點云數據輸入至點云分割模型，以去除其中屬于動態障礙物類別的點云點，得到當前點云數據，包括：獲取所述標準點云數據中點云點的類別，并去除其中為動態障礙物類別的所述點云點；其中所述點云分割模型由點云分割數據集訓練而成，所述點云分割數據集包含多個動態障礙物類別的點云數據。
13、在上述實現過程中，通過點云分割模型可以快速地分割出標準點云數據中屬于動態障礙物類別的點云點，減少了后續篩選非地面點的計算復雜性，提高了點云數據的處理效率。
14、在一些實施例中，所述采用地面擬合算法計算出所述當前點云數據的非地面點，包括：選取所述當前點云數據中z坐標值小于第一預設高度閾值的點云數據作為第一點云數據；在所述第一點云數據中隨機選取三個點，進行平面擬合，得到第一地平面；計算所述第一點云數據中點云點到所述第一地平面的高度距離，將所述高度距離不大于第二預設高度閾值的點云點作為內點，其中所述第一預設高度閾值大于所述第二預設高度閾值；在預設迭代次數下，重復執行獲取第一地平面和內點的步驟，并從中選取包含內點數量最多的所述第一地平面；采用最小二乘法對所述第一地平面中對應的內點進行平面擬合，得到第二地平面；計算所述第一點云數據到所述第二地平面的高度距離，將所述高度距離大于所述第二預設高度閾值的點云點作為非地面點。
15、在上述實現過程中，首先對離地面過遠的點云點進行過濾，減少了計算的復雜程度和計算時間，同時采用隨機抽樣一致算法計算得到第一地平面和對應的內點，對其中對應數量最多的內點進行最小二乘，得到第二地平面，并計算當前點云數據中所有點云點到第二地平面的高度距離，將大于預設高度閾值的點云點作為非地面點；這樣做，提高了地平面擬合的精度，從而可以更準確地篩選出非地面點。
16、為解決上述技術問題，本申請采用的另一個技術方案是：提供一種存儲介質，該存儲介質上存儲有程序數據，其特征在于，所述程序數據被處理器執行時實現如上述路沿標注方法的步驟。
17、該存儲介質的有益效果可以參考上述路沿標注方法的介紹，在此不再贅述。
18、為解決上述技術本文檔來自技高網...
【技術保護點】
1.一種路沿標注方法，其特征在于，包括：
2.根據權利要求1所述的路沿標注方法，其特征在于，所述將所有所述非地面點在全局坐標系下進行堆疊，并基于車輛移動軌跡，生成車輛對應兩側的路沿，包括：
3.根據權利要求2所述的路沿標注方法，其特征在于，所述根據所述車輛的移動軌跡，從堆疊的所述非地面點中選取路沿連接點，包括：
4.根據權利要求1所述的路沿標注方法，其特征在于，所述將所述目標點云數據拼接到全局坐標系下，以得到全局點云數據，包括：
5.根據權利要求1所述的路沿標注方法，其特征在于，所述對所述全局點云數據進行篩選，得到非地面點，包括：
6.根據權利要求5所述的路沿標注方法，其特征在于，所述將所述標準點云數據輸入至點云分割模型，以去除其中屬于動態障礙物類別的點云點，得到當前點云數據，包括：
7.根據權利要求5所述的路沿標注方法，其特征在于，所述采用地面擬合算法計算出所述當前點云數據的非地面點，包括：
8.一種存儲介質，其上存儲有程序數據，其特征在于，所述程序數據被處理器執行時實現如權利要求1-7中任一項
9.一種車載設備，其特征在于，包括處理器以及與所述處理器耦接的存儲器，所述存儲器用于存儲計算機程序，所述處理器用于執行所述計算機程序，以實現如權利要求1-7中任一項所述路沿標注方法的步驟。
10.一種車輛，其特征在于，所述車輛包括如權利要求8所述的存儲介質或如權利要求9所述的車載設備。
...【技術特征摘要】
1.一種路沿標注方法，其特征在于，包括：
2.根據權利要求1所述的路沿標注方法，其特征在于，所述將所有所述非地面點在全局坐標系下進行堆疊，并基于車輛移動軌跡，生成車輛對應兩側的路沿，包括：
3.根據權利要求2所述的路沿標注方法，其特征在于，所述根據所述車輛的移動軌跡，從堆疊的所述非地面點中選取路沿連接點，包括：
4.根據權利要求1所述的路沿標注方法，其特征在于，所述將所述目標點云數據拼接到全局坐標系下，以得到全局點云數據，包括：
5.根據權利要求1所述的路沿標注方法，其特征在于，所述對所述全局點云數據進行篩選，得到非地面點，包括：
6.根據權利要求5所述的路沿標注方法，其特征在于，所述將所述標準點云...
【專利技術屬性】
技術研發人員：程宏寬，
申請(專利權)人：深圳元戎啟行科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。