CN112204568B 路面标识识别方法及装置 （深圳市卓驭科技有限公司）

2020.11.20PCT/CN2019/1092902019.09.30WO2021/062581ZH2021.04.08道科技园社区科苑路8号讯美科技广A,2016.05.04A,2017.07.28A,2018.08.31A,2019.06.18一种路面标识识别方法及装置，该方法包述三维点云数据包含路面标识区域的反射数据(401)；将所述三组点云数据压缩成二维点云特标识识别结果(403)。该方法使得路面标识识别2获得激光雷达探测得到的三维点云数据，所述三维点云数据包含将所述三维点云数据压缩成二维点云特征图；其中，所述二维点云根据聚类处理的结果对所述二维点云特征图进行像素级比对，根据目标方向压缩所述三维点云数据，得到包含特征信息标方向为能够保留用于识别路面标识的特征信息5.根据权利要求4所述的方法，其特征在于若满足所述预设环境条件，则获得图像采集模块采集得到根据融合策略，融合通过处理所述二维点云特征图得到的第一路3对于距离大于距离阈值的视野范围，将所述第一路面标识识别结对于距离小于距离阈值的视野范围，将所述第二路面标识识别结根据所述路面标识识别结果在目标图像中标注路面标识，得到标注18.根据权利要求17所述的方法，其特征在于，所述目标图像包括下述中的一种或多20.根据权利要求19所述的方法，其特征在于，所获得激光雷达探测得到的三维点云数据，所述三维点云数据包含将所述三维点云数据压缩成二维点云特征图；其中，所述二维点云根据聚类处理的结果对所述二维点云特征图进行像素级比对，4根据目标方向压缩所述三维点云数据，得到包含特征信息标方向为能够保留用于识别路面标识的特征信息24.根据权利要求21-23任一项所述的装置，其25.根据权利要求24所述的装置，其特征在于，所26.根据权利要求21-23任一项所述的装置，其特若满足所述预设环境条件，则获得图像采集模块采集得到根据融合策略，融合通过处理所述二维点云特征图得到的第一路对于距离大于距离阈值的视野范围，将所述第一路面标识识别结对于距离小于距离阈值的视野范围，将所述第二路面标识识别结533.根据权利要求27所述的装置，其特征在于根据所述路面标识识别结果在目标图像中标注路面标识，得到标注38.根据权利要求37所述的装置，其特征在于，所述目标图像包括下述中的一种或多39.根据权利要求21-23任一项所述的装置，其40.根据权利要求39所述的装置，其特征在于，所述移动平台67[0032]本申请实施例提供的路面标识识别方法可以应用于任何需要进行路面标识识别8面标识识别装置的处理器可以对接收到的三维点云数据采用本申请实施例提供的路面标者，激光雷达也可以通过其他技术来探测探测物到激光雷达的距离，例如基于相位移动(phaseshift)测量的测距方法，或者基于频率移动(frequencyshift)测量的测距方法，[0035]为了便于理解，以下将结合图1C所示的激光雷达100对测距的工作流程进行举例于将发射电路出射的至少一路激光脉冲序列改变传播方向出射后，经探测物反射回来的激光脉冲序列经过扫描模块后入射至接收电激光雷达内分别沿不同的光路传输。图2示出了本申请的激光雷达采用同轴光路的一种实[0042]激光雷达200包括测距模块201，测距模块210包括发射器203(可以包括上述的发9直元件204可以是准直透镜或者是其他能够准直光束采用小反射镜的情况中小反射镜的支架会对回[0046]激光雷达200还包括扫描模块202。扫描模块202放置于测距模块201的出射光路上，扫描模块102用于改变经准直元件204出射的准直光束219的传输方向并投射至外界环以绕共同的轴209旋转或振动，每个旋转或振动的光学元件用于不断改变入射光束的传播[0048]在一个实施例中，扫描模块202包括第一光学元件214和与第一光学元件214连接例中，准直光束219经第一光学元件改变后的方向与转动轴109的夹角随着第一光学元件元件215可以由相同或不同的驱动器驱动，使第一光学元件214和第二光学元件215的转速学元件215。第一光学元件214和第二光学元件215的转速可以根据实际应用中预期扫描的[0051]一个实施例中，扫描模块102还包括第三光学元件(图未示)和用于驱动第三光学[0052]扫描模块202中的各光学元件旋转可以将光投射至不同的方向，例如方向211和的光211相反的方向反射至激光雷达200。探测物201反射的回光212经过扫描模块202后入[0056]一个实施例中，激光雷达中位于光束传播路径上的一个[0062]图4为本申请一实施例提供的路面标识识别方法的流程示意图，本实施例的执行[0064]本步骤中，激光雷达(LaserRadar)也可以称为激光探测及测距系统(Light像环境下基于激光雷达获得的三维点云数据也能够获得准确性较高的路面标识识别结果，[0077]其中，相对高度信息可以是指物体在目标方向上相对于[0078]反射率信息可以是指激光雷达采集到的回波能量占激光雷达的发射能量的百分基于一个路面标识的所有路面标识区域确定该路面标识的类别，有利于提高识别的准确可以用于识别出一个路面标识类别，该路面标识类别可以表示特定的一种路面标识类别，述多个地表对象类别分别的置信度特征图中同一像素位置像素值最大的置信度特征图对图1中像素位置(100,80)的像素值是20，置信度特征图2中像素位置(100,80)的像素值是30，置信度特征图3中像素位置(100,80)的像素值是20，置信度[0107]由于置信度特征图中的像素位置与二维点云特征图中的因此上述像素位置的地表对象类别可以表征二[0110]示例性的，所述预设神经网络模型具体可以为卷积神经网络(Convolutional一化(BatchNormalization，BN)以及激活函数ReLU，计算节点之间可以采用跳跃连接将所述筛选后的三维点云数据压缩成二维点云特征图。通过在处理二维点云特征图之前，述路面标识识别装置可以不包括所述图像采集模块，步骤D中获取图像信息具体可以包括[0119]预设环境条件可以是指采用基于图像信息获得路面标识识别结果的方式需要满[0123]示例性的，可以将通过处理二维点云特征图得到的路面标识识别结果(以下记为第一路面标识识别结果)以及通过处理图像信息得到的路面标识识别结果(以下记为第二避免将第二路面标识识别结果作为距离大于距离阈值的视野范围的路面标识识别结果所别结果的方式，在成像环境较差时选择采用三维点云数据获得路面标识识别结果的方式。压缩过的三维点云数据(即二维点云特征图)获得的激光雷达与路面标识之间的路面距离，在路面平坦时可以确保获得的路面标识与激光雷达之与路面标识A2之间的路面距离L2，小于激光雷达O与路面标识A2之间的实际路面距离L3+直方向时也存在上述激光雷达与路面标识的路面距离与路面标识A2之间的路面距离L3+L4，即为激光雷达与路面标识之间的实际路面距离。同[0146]本实施例提供的路面标识识别装置，可以用于执行前述