[发明专利]车端实时检测识别高精度地图边界方法和系统

说明书

本发明提供一种车端实时检测识别高精度地图边界方法、系统、存储介质和电子设备，涉及信息处理技术领域。本发明根据车载传感器采集LiDAR数据，完成点云建图并优化建图质量，针对点云盲区进行插值处理，并分割地面点云和非地面点云，最终识别提取地面边界和坡面停车线。本发明开创性的提出了应用于露天矿山无人驾驶的车端实时检测识别高精度地图边界算法；基于矿山无人驾驶业务和数据特征，分解高精度地图边界变化检测识别的数据处理流程，优化过程数据及算法，保证边界更新的准确性，有效提升矿山无人驾驶作业安全性；充分考虑了高精度地图更新效率需求和车端算力水平，优化车端数据采集和处理过程，极大提升了地图更新的效率。

技术领域

本发明涉及信息处理技术领域，具体涉及一种车端实时检测识别高精度地图边界方法、系统、存储介质和电子设备。

背景技术

露天矿山因其相对封闭的作业环境是自动驾驶技术落地的最佳场景之一，自动驾驶的关键技术涉及到环境感知、高精定位、决策规划、执行控制等，其中高精度地图因其高精度、高粒度、实时性等特点，在自动驾驶中起到高精度定位，辅助感知、规划和决策等功能，保证了高效精准的路径规划和安全驾驶。

露天采掘场和排土场因为采掘、排土频繁，地图边界变化极快，而无人驾驶作业必须保证矿卡每趟装载和卸载都精确停靠在地图边缘，因此矿区作业的安全和效率依赖于地图边界更新的准确性和实时性，需要基于无人驾驶采场作业条件和传感器数据特性设计开发一套高效率、高精度的地图边界实时检测识别算法。

但是，现有地图边界实时检测识别技术多应用于乘用车检测城市道路的高精度地图更新，难以适用于更新频率达到分钟级甚至秒级的矿区采掘场和排土场；且已有技术方案对多数基于视觉传感器，对于激光雷达、毫米波雷达等传感器数据开发利用效率有限，识别精度不高；尤其是车端实时边界检测识别技术的精度和效率均有待提高。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种车端实时检测识别高精度地图边界方法、系统、存储介质和电子设备，解决了车端实时边界检测识别技术的精度和效率低的技术问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

第一方面，本发明提供一种车端实时检测识别高精度地图边界方法，包括：

作业完成后，通过车载传感器采集LiDAR数据；

根据所述LiDAR数据，完成点云建图并优化建图质量；

根据建图得到的点云数据，针对点云盲区进行插值处理；

根据插值后的点云数据，获取地面分割点云和非地面分割点云；

根据所述地面分割点云和非地面分割点云，识别提取地面边界和坡面停车线。

优选的，所述根据所述LiDAR数据，完成点云建图并优化建图质量具体包括：

根据所述LiDAR数据，计算每一帧点云数据在传感器坐标系下的投影坐标；将所述每一帧点云数据对应的投影坐标转换到统一的车辆坐标系下融合配准，采用单源数据帧间配准及多源数据联合配准算法优化建图质量；根据优化后的点云数据，基于车辆轨迹精确裁剪变化区域内点云。

优选的，所述根据建图得到的点云数据，针对点云盲区进行插值处理具体包括：

根据建图得到的点云数据，基于车辆轨迹插值点云盲区，获取点云凸包，格栅化所述点云凸包范围，针对无点云栅格通过邻近点搜索方式对栅格点进行反距离权重插值，获取完整的凸包内点云数据。

优选的，根据所述插值后的点云数据，采用RANSAC算法获取所述地面分割点云和非地面分割点云。