基于激光点云进行车道线识别的方法和系统
阅读说明：本技术 基于激光点云进行车道线识别的方法和系统 (Method and system for recognizing lane lines based on laser point cloud ) 是由 何弢 廖文龙 尤鑫 于 2019-08-23 设计创作，主要内容包括：本发明提供一种基于激光点云进行车道线识别的方法和系统,根据方位角生成能够唯一识别每个激光点云点的点云时间戳；根据位姿时间戳、激光与世界坐标系的相对位置关系,变换到世界坐标系下；遍历世界坐标系下的激光点云,根据行车轨迹和航向对激光点云进行筛选后,得到感兴趣区域点云；根据感兴趣区域点云的点坐标、激光点云的反射强度,生成栅格地图。本发明将点云进行分组,每一组点云都会具有一个对应的位姿,而不是笼统的每一帧点云给定一个位姿,提高了在较高速行车时的精度。根据实际需求过滤筛选掉很大一部分点云数据,并且经过栅格化,车道线信息明显,降低了存储空间和成本,同时大大降低了非感兴趣区域中进行车道误识别的几率。(The invention provides a method and a system for recognizing lane lines based on laser point clouds, wherein a point cloud timestamp capable of uniquely recognizing each laser point cloud point is generated according to an azimuth angle; transforming to a world coordinate system according to the relative position relation of the pose timestamp and the laser and the world coordinate system; traversing laser point clouds under a world coordinate system, and screening the laser point clouds according to the driving track and the course to obtain point clouds of an area of interest; and generating a grid map according to the point coordinates of the point cloud of the region of interest and the reflection intensity of the laser point cloud. The invention groups the point clouds, each group of point clouds has a corresponding pose instead of giving a pose to each frame of point clouds in a general way, thereby improving the precision in high-speed driving. A large part of point cloud data is filtered and screened according to actual requirements, and through rasterization, lane line information is obvious, storage space and cost are reduced, and the probability of lane error recognition in a non-interest area is greatly reduced.)
技术领域
本发明涉及车道识别技术领域，具体地，涉及一种基于激光点云进行车道线识别的方法。
背景技术
现有技术在激光点云提取车道线时，一般需要车速相对较低，让激光雷达能够发射尽量多的点云点分布在地面以及车道线上，然后再从这些点的反射强度差异去识别车道线。同时，由于激光点云的转速不是特别高(一般10～20Hz左右)，在车体有较快速度时，一圈数据内的激光点云的时间如果使用同一个时间则难以满足动态需要。
与本申请相关的现有技术是专利文献CN105488498A，公开了一种基于激光点云的车道边线自动提取方法及其系统，通过在基于移动测量车采集的激光点云进行高精度电子导航地图数据元素生产过程中，根据各个激光点的反射强度，对于无人驾驶非常重要的车道线数据元素以一定的准确度进行自动提取，为后续车道级高精度地图的生产提供基础车道形状数据，从而提升了车道边线数据元素采集和生产的效率和准确度，同时也极大的提升了车道级高精度地图生产的效率。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种基于激光点云进行高速运动车道线识别的方法和系统。
根据本发明提供的一种基于激光点云进行车道线识别的方法，包括：
时间戳对应步骤：采集激光点云，计算每个激光点云点的方位角，根据方位角生成能够唯一识别每个激光点云点的点云时间戳；
点云转换步骤：根据点云时间戳识别得到对应的位姿时间戳，根据位姿时间戳、激光与世界坐标系的相对位置关系，将激光点云变换到世界坐标系下；
点云筛选步骤：遍历世界坐标系下的激光点云，根据行车轨迹和航向对激光点云进行筛选后，得到感兴趣区域点云；
点云栅格步骤：根据感兴趣区域点云的点坐标、激光点云的反射强度，生成栅格地图。
优选地，所述时间戳对应步骤包括：
采集步骤：通过激光雷达的扫描获取原始点云数据，将原始点云数据中点云值为无限值且与激光雷达的距离超出设定距离的点记为无效点，去除无效点，得到激光点云；
分组步骤：计算激光点云中每个点的方位角，将方位角进行排序，将最大方位角和最小方位角的差值作为帧扫描范围，按照帧扫描范围进行分组，设置初始时间戳，将初始时间戳加上分组的组号对应的时间间隔，记为所述分组的点云时间戳。
优选地，所述点云转换步骤包括：
位姿匹配步骤：遍历点云时间戳，根据各分组的点云时间戳寻找对应的两个位姿时间戳，并将两个位子时间戳取插值后记为所述点云时间戳对应的位姿时间戳；
坐标变换步骤：根据设定的激光雷达与世界坐标系的相对位置关系，结合位姿时间戳，将激光点云变换到世界坐标系下。
优选地，所述点云筛选步骤包括：
位置筛选步骤：对于世界坐标系下的激光点云，去除Y轴正向距离小于第一设定宽度且Y轴负向距离小于第二设定宽度的激光点云；
高度筛选步骤：对于世界坐标系下的激光点云，去除距离地面高度大于设定高度的激光点云。
优选地，所述点云栅格步骤包括：
确定尺寸步骤：遍历感兴趣区域点云，预制栅格地图的长宽尺寸；
确定分辨率步骤：根据长宽尺寸、栅格分辨率，确定栅格地图的分辨率；
确定位置步骤：确定感兴趣区域点云中的点在栅格地图中的位置，将所述点的强度值记为该点的对应值，并将一个栅格中包含的所有点中强度值的最大值作为所述栅格的栅格点云值；
生成地图步骤：根据每个栅格的栅格点云值，生成栅格地图。
根据本发明提供的一种基于激光点云进行车道线识别的系统，包括：
时间戳对应模块：采集激光点云，计算每个激光点云点的方位角，根据方位角生成能够唯一识别每个激光点云点的点云时间戳；
点云转换模块：根据点云时间戳识别得到对应的位姿时间戳，根据位姿时间戳、激光与世界坐标系的相对位置关系，将激光点云变换到世界坐标系下；
点云筛选模块：遍历世界坐标系下的激光点云，根据行车轨迹和航向对激光点云进行筛选后，得到感兴趣区域点云；
点云栅格模块：根据感兴趣区域点云的点坐标、激光点云的反射强度，生成栅格地图。
优选地，所述时间戳对应模块包括：
采集模块：通过激光雷达的扫描获取原始点云数据，将原始点云数据中点云值为无限值且与激光雷达的距离超出设定距离的点记为无效点，去除无效点，得到激光点云；
分组模块：计算激光点云中每个点的方位角，将方位角进行排序，将最大方位角和最小方位角的差值作为帧扫描范围，按照帧扫描范围进行分组，设置初始时间戳，将初始时间戳加上分组的组号对应的时间间隔，记为所述分组的点云时间戳。
优选地，所述点云转换模块包括：
位姿匹配模块：遍历点云时间戳，根据各分组的点云时间戳寻找对应的两个位姿时间戳，并将两个位子时间戳取插值后记为所述点云时间戳对应的位姿时间戳；
坐标变换模块：根据设定的激光雷达与世界坐标系的相对位置关系，结合位姿时间戳，将激光点云变换到世界坐标系下。
优选地，所述点云筛选模块包括：
位置筛选模块：对于世界坐标系下的激光点云，去除Y轴正向距离小于第一设定宽度且Y轴负向距离小于第二设定宽度的激光点云；
高度筛选模块：对于世界坐标系下的激光点云，去除距离地面高度大于设定高度的激光点云。
优选地，所述点云栅格模块包括：
确定尺寸模块：遍历感兴趣区域点云，预制栅格地图的长宽尺寸；
确定分辨率模块：根据长宽尺寸、栅格分辨率，确定栅格地图的分辨率；
确定位置模块：确定感兴趣区域点云中的点在栅格地图中的位置，将所述点的强度值记为该点的对应值，并将一个栅格中包含的所有点中强度值的最大值作为所述栅格的栅格点云值；
生成地图模块：根据每个栅格的栅格点云值，生成栅格地图。
与现有技术相比，本发明具有如下的有益效果：
1、本发明将点云进行分组，每一组点云都会具有一个对应的位姿，而不是笼统的每一帧点云给定一个位姿，提高了在较高速行车时的精度。
2、根据实际需求过滤筛选掉很大一部分点云数据，并且经过栅格化，车道线信息明显，降低了存储空间和成本，同时大大降低了非感兴趣区域中进行车道误识别的几率。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明的整体流程示意图；
图2为本发明的点云时间戳对应的流程示意图；
图3为本发明的点云时间戳和姿态时间戳对应以及点云转换流程图
图4为本发明的点云筛选流程图；
图5为本发明的生成栅格地图流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
现有技术中针对需要针对车速较低，让激光尽可能获得更多的关于车道线的信息，然后根据反射强度信息通过一系列判断(包括聚类等方法)是否为车道线。同时，激光雷达的频率一般较低(10-20HZ)，在车速较快时，点云本身就会产生运动畸变，这在高速行驶的车辆上经常出现，如果不做运动畸变处理，车道线的信息很可能不准确。而且包括聚类一类的方法，还是比较耗时的，很难达到实时检测的标准，况且有一些高速运动，更加难以实现实时。但是本发明根据激光雷达扫描的特性，按照扫描顺序(时间)将点云分割为若干小组，针对高速运动产生的运动畸变有较好的效果，也并且并没有采用较多帧信息，因为激光雷达的数据经过处理可靠性更高。同时，不需要聚类的方法来识别车道线，提升了实时性。
本发明适用在高速车载设备上，利用了激光点云数据的环形特点，计算每个点的方位角并折算成扫描时间，同时每一次扫描的数据都会对应不同的位姿信息，利用每个点的时间戳差值得到对应时刻的位姿，然后将点云坐标变换到世界坐标系下；由于最后得到的点云在较高速度运动场景下比较稀疏，对应到车道线上的点也相对较稀疏，因此本发明再次对点云进行栅格化来提高车道线内点的可用性：将点云信息按照平面二维投影到预定栅格分辨率的栅格中，并取栅格内所有点的最大反射强度为此栅格的反射强度；另外，在识别车道线过程中，大量点云数据中含有很多非感兴趣点，如建筑物，汽车行人等，本发明利用车的运动轨迹和方向信息过筛选无效点，大量减少数据存储量，以提高识别的有效性，大大减小了误识别非感兴趣区域的概率。
根据本发明提供的一种基于激光点云进行车道线识别的方法，包括：
时间戳对应步骤：采集激光点云，计算每个激光点云点的方位角，根据方位角生成能够唯一识别每个激光点云点的点云时间戳；
点云转换步骤：根据点云时间戳识别得到对应的位姿时间戳，根据位姿时间戳、激光与世界坐标系的相对位置关系，将激光点云变换到世界坐标系下；
点云筛选步骤：遍历世界坐标系下的激光点云，根据行车轨迹和航向对激光点云进行筛选后，得到感兴趣区域点云；
点云栅格步骤：根据感兴趣区域点云的点坐标、激光点云的反射强度，生成栅格地图。
具体地，所述时间戳对应步骤包括：
采集步骤：通过激光雷达的扫描获取原始点云数据，将原始点云数据中点云值为五限值且与激光雷达的距离超出设定距离的点记为无效点，去除无效点，得到激光点云；
分组步骤：计算激光点云中每个点的方位角，将方位角进行排序，将最大方位角和最小方位角的差值作为帧扫描范围，按照帧扫描范围进行分组，设置初始时间戳，将初始时间戳加上分组的组号对应的时间间隔，记为所述分组的点云时间戳。
具体地，所述点云转换步骤包括：
位姿匹配步骤：遍历点云时间戳，根据各分组的点云时间戳寻找对应的两个位姿时间戳，并将两个位子时间戳取插值后记为所述点云时间戳对应的位姿时间戳；
坐标变换步骤：根据设定的激光雷达与世界坐标系的相对位置关系，结合位姿时间戳，将激光点云变换到世界坐标系下。
具体地，所述点云筛选步骤包括：
位置筛选步骤：对于世界坐标系下的激光点云，去除Y轴正向距离小于第一设定宽度且Y轴负向距离小于第二设定宽度的激光点云；
高度筛选步骤：对于世界坐标系下的激光点云，去除距离地面高度大于设定高度的激光点云。
具体地，所述点云栅格步骤包括：
确定尺寸步骤：遍历感兴趣区域点云，预制栅格地图的长宽尺寸；
确定分辨率步骤：根据长宽尺寸、栅格分辨率，确定栅格地图的分辨率；
确定位置步骤：确定感兴趣区域点云中的点在栅格地图中的位置，将所述点的强度值记为该点的对应值，并将一个栅格中包含的所有点中强度值的最大值作为所述栅格的栅格点云值；
生成地图步骤：根据每个栅格的栅格点云值，生成栅格地图。
如图1所示，根据本发明提供的一种基于激光点云进行车道线识别的系统，包括：
时间戳对应模块：采集激光点云，计算每个激光点云点的方位角，根据方位角生成能够唯一识别每个激光点云点的点云时间戳；因为位姿系统提供的位姿频率较高，而激光雷达扫描频率较低，所以对于每一帧点云数据，对应的应该是多个不同的位姿。这里就将点云数据平均划分为一定数量的小组数据，每一组对应一个时间戳。
点云转换模块：根据点云时间戳识别得到对应的位姿时间戳，根据位姿时间戳、激光与世界坐标系的相对位置关系，将激光点云变换到世界坐标系下；
点云筛选模块：遍历世界坐标系下的激光点云，根据行车轨迹和航向对激光点云进行筛选后，得到感兴趣区域点云；
点云栅格模块：根据感兴趣区域点云的点坐标、激光点云的反射强度，生成栅格地图。
具体地，所述时间戳对应模块包括：
采集模块：通过激光雷达的扫描获取原始点云数据，将原始点云数据中点云值为五限值且与激光雷达的距离超出设定距离的点记为无效点，去除无效点，得到激光点云；
分组模块：计算激光点云中每个点的方位角，将方位角进行排序，将最大方位角和最小方位角的差值作为帧扫描范围，按照帧扫描范围进行分组，设置初始时间戳，将初始时间戳加上分组的组号对应的时间间隔，记为所述分组的点云时间戳。
具体地，所述点云转换模块包括：
位姿匹配模块：遍历点云时间戳，根据各分组的点云时间戳寻找对应的两个位姿时间戳，并将两个位子时间戳取插值后记为所述点云时间戳对应的位姿时间戳；
坐标变换模块：根据设定的激光雷达与世界坐标系的相对位置关系，结合位姿时间戳，将激光点云变换到世界坐标系下。
具体地，所述点云筛选模块包括：
位置筛选模块：对于世界坐标系下的激光点云，去除Y轴正向距离小于第一设定宽度且Y轴负向距离小于第二设定宽度的激光点云；
高度筛选模块：对于世界坐标系下的激光点云，去除距离地面高度大于设定高度的激光点云。
由于车道线一般都在马路上，因此将点云数据投影到世界坐标系下之后，利用车子轨迹和航向对点云进行了筛选，只保留了马路附近的一小段点云。强度低于某阈值，高度高于某阈值，车左侧某阈值外右侧某阈值外的点都无效，可以更好的聚焦于感兴趣区域，大大降低非感兴趣区域的误识别概率。
具体地，所述点云栅格模块包括：
确定尺寸模块：遍历感兴趣区域点云，预制栅格地图的长宽尺寸；
确定分辨率模块：根据长宽尺寸、栅格分辨率，确定栅格地图的分辨率；
确定位置模块：确定感兴趣区域点云中的点在栅格地图中的位置，将所述点的强度值记为该点的对应值，并将一个栅格中包含的所有点中强度值的最大值作为所述栅格的栅格点云值；
生成地图模块：根据每个栅格的栅格点云值，生成栅格地图。
本发明提供的基于激光点云进行车道线识别的系统，可以通过基于激光点云进行车道线识别的方法的步骤流程实现。本领域技术人员可以将基于激光点云进行车道线识别的方法理解为所述基于激光点云进行车道线识别的系统的优选例。
如图2所示，点云中值为无限的点代表无效点，设置距离区间也能有效去除无效点。每个点计算方位角，并按照顺序排列好，角度最小最大分别为开始和末尾两个元素，差值即为该帧点云扫描的角度范围。将该帧点云平均分为一定数目的小组。激光扫描一圈是近似匀速，所以每组对应的时间间隔近似相等，用初始时间戳加上组号对应的时间间隔得到每组的时间戳。点的方位角确定所在组号，根据组号确定每个点的时间戳。
如图3所示，由于点云时间戳一般不会存在与之严格对应的位姿，所以一般情况下根据时间戳找到与之相近的两个位姿时间戳，用差值法获取对应的位姿。最后根据已经标定好的外参即激光与世界坐标系的相对位置关系将点云变换到世界坐标系下。
车道线都会在马路上，且车道线的反射强度会偏高，所以大于一定阈值的强度且左右两侧均在一定阈值范围内且大于地面高度一定阈值内的点才是有效点，其余均忽略即可。如图4所示，当点云已经转换到了世界坐标系即位姿系统下，世界坐标系坐标系x向前，y向左，z向上。地面的高度可以通过直接测量得到：直接测量激光雷达到地面的高度并在此高度上减小一部分得到高度方向的阈值，当前时刻下点云在世界坐标系下的投影高度高于此阈值的点被忽略。
如图5所示，遍历点云确定长宽，需要判断长宽值的有效性。根据栅格分辨率确定栅格地图的分辨率，对于点云中的点，首先确定其在栅格地图中的位置，并根据该点的强度值确定该点对应的值，最后栅格对应的值取该栅格包含的所有点中的最大值。利用点云所有点的坐标确定栅格地图的尺寸，再根据栅格分辨率确定栅格地图分辨率。根据点的坐标确定所在栅格地图中的位置，每个栅格对应的值由其中所有点的反射强度的最大值决定。
本发明将点云进行分组，每一组点云都会具有一个对应的位姿，而不是笼统的每一帧点云给定一个位姿，提高了在较高速行车时的精度。根据实际需求过滤筛选掉很大一部分点云数据，并且经过栅格化，车道线信息明显，降低了存储空间和成本，同时大大降低了非感兴趣区域中进行车道误识别的几率。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。