[发明专利]可行驶区域的获取方法、装置和车辆

说明书

本发明提供了一种可行驶区域的获取方法、装置和车辆。可行驶区域的获取方法，包括获取周围环境的第一点云数据和第一图像数据；对第一点云数据和第一图像数据进行数据处理，得到处理后的第二点云数据和第二图像数据；基于第二点云数据和第二图像数据，通过至少一个神经网络模型进行预测，输出障碍物信息和路面区域信息；对障碍物信息和路面区域信息进行结果融合，得到融合后的障碍物信息和路面区域信息；基于融合后的障碍物信息和路面区域信息，获取可行驶区域。本发明的技术方案通过神经网络模型可以识别路面上的障碍物，进一步提升可行驶区域检测结果的准确性，保证车辆行驶安全。

技术领域

本发明涉及驾驶技术领域，具体而言，涉及一种可行驶区域的获取方法、装置和车辆。

背景技术

无人驾驶系统一般包括感知、定位、规划、控制等模块，感知模块的任务就是检测车辆周围环境中的障碍物如车辆、行人等，输出可通行区域，为路径规划等后续任务提供依据。对于城市道路，道路结构变化频率低，依靠高精度地图，只要实时检测路面上的障碍物，就能输出车辆可通行区域。相反，矿区道路大多为非结构化道路，路面经常出现变化，高精度地图可能更新不及时，除了需要识别路面上的障碍物之外，还要提取道路区域，两者结合才能输出车辆可通行区域。另外，矿区道路上很可能存在落石，矿区车辆作业时还会面临粉尘大等恶劣工况，这些都是矿区场景区别于城市道路场景的特点。现有主流的基于激光或摄像头的感知方案，在遇到粉尘工况时，点云数据、图像数据的质量都会受很大影响，很可能导致感知算法失效，无法输出可靠的可通行区域检测结果。

发明内容

本发明旨在解决上述技术问题的至少之一。

为此，本发明的第一目的在于提供一种可行驶区域的获取方法。

本发明的第二目的在于提供一种可行驶区域的获取装置。

本发明的第三目的在于提供一种车辆。

为实现本发明的第一目的，本发明的技术方案提供了一种可行驶区域的获取方法，包括：获取周围环境的第一点云数据和第一图像数据；对第一点云数据和第一图像数据进行数据处理，得到处理后的第二点云数据和第二图像数据；基于第二点云数据和第二图像数据，通过至少一个神经网络模型进行预测，输出障碍物信息和路面区域信息；对障碍物信息和路面区域信息进行结果融合，得到融合后的障碍物信息和路面区域信息；基于融合后的障碍物信息和路面区域信息，获取可行驶区域。

本技术方案通过神经网络模型进可以预识别路面上的障碍物，进一步提升可行驶区域检测结果的准确性，保证车辆行驶安全。

另外，本发明提供的技术方案还可以具有如下附加技术特征：

上述技术方案中，获取周围环境的第一点云数据和第一图像数据，具体包括：获取激光雷达采集的周围环境的第一点云数据；获取摄像头采集的周围环境的第一图像数据。

本技术方案中，摄像头可以为红外摄像头，采用激光雷达和红外摄像头，进行矿区道路可行驶区域检测方法，可适用于矿区粉尘等恶劣工况下无人驾驶系统对车辆周围环境感知的需求，提升无人驾驶系统的鲁棒性和安全性。

上述任一技术方案中，在获取激光雷达采集的周围环境的第一点云数据之前，还包括：标定摄像头的内参；标定摄像头到车身坐标系的外参；标定激光雷达到车身坐标系的外参；通过车身坐标系转换得到激光雷达与摄像头之间的外参。

本技术方案中，在应用激光雷达和摄像头之前，分别对其进行标定，通过标定，提高激光雷达和摄像头获取数据的准确性，进而提高得到的可行驶区域的精度。

上述任一技术方案中，对第一点云数据和第一图像数据进行数据处理，得到处理后的第二点云数据和第二图像数据，具体包括：对第一点云数据进行无效值滤除、去掉感兴趣距离范围内数值、异常值滤波和/或数据降采样，得到处理后的第二点云数据；对第二图像数据进行零均值归一化和/或尺寸缩放，得到处理后的第二图像数据。