[发明专利]可行驶区域检测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种可行驶区域检测方法、装置、计算机设备和存储介质。所述方法包括：获取智能行驶设备的激光雷达环视360°所采集的三维点云数据，根据三维点云数据，确定各点所属的扇形分区；扇形分区通过对激光雷达360°的扫描区域进行划分得到，根据三维点云数据，确定各扇形分区的可行驶点，根据各扇形分区的所有可行驶点，拟合得到可行驶平面，根据可行驶平面、各扇形分区内最近障碍物与车身之间的距离确定各扇形分区的可行驶区域，合并各扇形分区的可行驶区域，得到智能行驶设备的可行驶区域。该方法能够快速地确定可行驶区域。

技术领域

本申请涉及自动驾驶技术领域，特别是涉及一种可行驶区域检测方法、装置、计算机设备和存储介质。

背景技术

在自动驾驶中，车辆的可行驶区域检测是无人驾驶技术中的关键技术之一，结合高精度地图可以给车辆的安全行驶多一道冗余保障。具体地，激光雷达（lidar）点云数据能检测到道路上的地面点，以及周边的障碍物，根据点云信息能够确定出自动驾驶车辆的可行驶区域。

目前，基于激光雷达的可行驶区域检测通常是先提取特征，再拟合直线，利用直线约束与车身宽度来确定可行驶区域的范围。由于依赖拟合的直线来划分，该方法在交叉路口以及路边停有车辆的路段可行驶区域检测准确率低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高检测准确率的可行驶区域检测方法、装置、计算机设备和存储介质。

一种可行驶区域检测方法，所述方法包括：

获取智能行驶设备的激光雷达环视360°所采集的三维点云数据；

根据所述三维点云数据，确定各点所属的扇形分区；所述扇形分区通过对激光雷达360°的扫描区域进行划分得到；

根据所述三维点云数据，确定各扇形分区的可行驶点；

根据各所述扇形分区的所有可行驶点，拟合得到可行驶平面；

根据所述可行驶平面、各所述扇形分区内最近障碍物与车身之间的距离确定各所述扇形分区的可行驶区域；

合并各所述扇形分区的可行驶区域，得到智能行驶设备的可行驶区域。

在其中一个实施例中，所述根据所述三维点云数据，确定各扇形分区的可行驶点的步骤，包括：

根据所述三维点云数据，获取各所述扇形分区的最低点的高度；

当所述最低点的高度小于有效地面高度阈值时，根据各扇形分区内与最低点的高度差符合预设要求的点，得到所述扇形分区的可行驶点。

在其中一个实施例中，根据各所述扇形分区的所有可行驶点，拟合得到可行驶平面的步骤，包括：

利用列文伯格－马夸特算法，对各所述扇形分区的所有可行驶点拟合平面，得到可行驶平面。

在其中一个实施例中，所述根据所述可行驶平面、各所述扇形分区内最近障碍物与车身之间的距离确定各所述扇形分区的可行驶区域的步骤，包括：

根据各扇形分区内各点的高度与该点在所述可行驶平面的投影高度的高度差，确定各扇形分区内距离车身最近的障碍物，得到最近障碍物；

以所述最近障碍物与所述车身之间的距离为半径，得到所述扇形分区的可行驶区域。

在其中一个实施例中，所述根据各扇形分区内各点的高度与该点在所述可行驶平面的投影高度的高度差，确定各扇形分区内距离车身最近的障碍物，得到最近障碍物的步骤，包括：

将各所述扇形分区内所有点在二维平面按到所述车身的距离进行排序；

获取到车身距离最近的点；