(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210297136.8 (22)申请日 2022.03.24 (71)申请人 重庆长安汽车股份有限公司 地址 400023 重庆市江北区建新 东路260号 (72)发明人 王月强　贺勇　孔周维　丁可　 闫新庆　 (74)专利代理 机构 重庆华科专利事务所 5 0123 专利代理师 谭小琴 (51)Int.Cl. G06V 20/58(2022.01) G06T 7/246(2017.01) G06K 9/62(2022.01) G06V 10/44(2022.01) G01S 17/931(2020.01) G01S 17/86(2020.01)G01C 21/34(2006.01) G06V 10/762(2022.01) (54)发明名称 自动驾驶道路边界构建方法、 系统、 车辆及 存储介质 (57)摘要 本发明公开的一种自动驾驶道路边界构建 方法、 系统、 汽车及存储介质， 包括： 步骤1.车辆 处于点火状态， 传感器信号正常输出， 车辆行驶 在结构化道路上； 步骤2.可用点云筛选； 步骤3. 点云跟踪； 步骤4.点云聚类； 步骤5.边界曲线拟 合； 步骤6.边界曲线滤波； 步骤7.边界曲线跟踪， 并输出边界曲线。 本发明通过对毫米波雷达点 云， 摄像头可行驶区域点云， 或者激光雷达点云 进行处理， 从中提取 出道路边界。 权利要求书1页 说明书4页 附图1页 CN 114743175 A 2022.07.12 CN 114743175 A 1.一种自动驾驶道路边界构建方法， 其特 征在于， 包括以下步骤： 步骤1.车辆处于点火状态， 传感器信号 正常输出， 车辆行驶在结构化道路上； 步骤2.可用点云筛选： 对毫米波雷达点云， 摄像头可行驶区域点云， 或者激光雷达点云 进行筛选， 筛选出预设范围内的可用点云； 步骤3.点云跟踪： 对步骤2中筛选出的不同时刻检测到的可用点云进行跟踪， 将其坐标 转换为同一 坐标系下； 步骤4.点云聚类： 对步骤3 中多个周期的可用点云进行聚类， 筛选出具有道路边界特征 的点云， 并分类为左侧边界点、 右侧边界点， 以及非边界点； 步骤5.边界曲线拟合： 对步骤4中聚类出的左侧边界点、 右侧边界点分别进行拟合， 给 出道路边界的系数和长度； 步骤6.边界曲线滤波： 对步骤5中拟合出的边界曲线 进行滤波； 步骤7.边界曲线跟踪： 对步骤6滤波好的边界曲线进行跟踪， 转换到车辆坐标系下， 并 输出边界曲线。 2.根据权利要求1所述的自动驾驶道路边界构建方法， 其特征在于： 所述步骤7中， 将边 界曲线输入给步骤4中， 辅助点云聚类。 3.根据权利要求1或2所述的自动驾驶道路边界构建方法， 其特征在于： 所述步骤4中， 聚类算法采用K ‑Means、 DBSCAN和GM M中的任一种。 4.根据权利要求3所述的自动驾驶道路边界构建方法， 其特征在于： 所述步骤5 中， 拟合 算法采用最小二乘法， 或采用多 项式插值法。 5.根据权利要求1或2或4所述的自动驾驶道路边界构建方法， 其特征在于： 所述步骤6 中， 采用卡尔曼 滤波、 均值滤波和低通滤波中的任一种对曲线 进行滤波。 6.一种自动驾驶道路边界构建系统， 其特征在于： 包括存储器和控制器， 所述存储器 内 存储有计算机可读程序， 所述计算机可读程序被控制器调用时能执行如权利要求1至5任一 所述的自动驾驶道路边界构建方法的步骤。 7.一种汽车， 其特 征在于： 采用如权利要求6所述的自动驾驶道路边界构建系统。 8.一种存储介质， 其特征在于： 其内存储有计算机可读程序， 所述计算机可读程序被调 用时， 能执 行如权利要求1至 5任一所述的自动驾驶道路边界构建方法的步骤。权　利　要　求　书 1/1 页 2 CN 114743175 A 2自动驾驶道路边界构建 方法、 系统、 车辆及存 储介质 技术领域 [0001]本发明涉及自动驾驶技术领域， 具体涉及一种自动驾驶道路边界构建方法、 系统、 车辆及存 储介质。 背景技术 [0002]随着科技的进步， 人民生活水平的提高， 能显著降低驾驶疲劳， 提升交通安全性的 自动驾驶技术得到蓬勃的发展， 越来越多的汽车开始搭载能够自主控制车辆横向、 纵向运 动的先进辅助驾驶系统或者自动驾驶系统。 汽车在结构化道路上自动驾驶过程中， 识别出 道路边界， 保证车辆在道路内行驶， 避免冲出道路边界或者与道路边界碰撞， 对于自动 驾驶 的安全性尤为重要。 [0003]然而， 与车辆,行人， 车道线等可以直接通过传感器识别的目标不同， 结构化道路 的道路边界往往 是多种多样的， 可能是金属护栏， 水泥护栏， 路沿， 水马围栏， 锥桶等不同形 式， 使得传感器无法直接给出道路边界信息。 基于机器视觉的语义分割与机器学习等人工 智能技术虽然可以提取出一定的突出物边界作为可行驶区域， 用于辅助判断道路边界， 但 是， 现实驾驶环境中无尽的道路边界场景， 人工智能的训练， 受限于训练数据集的有限性， 无法保证给出的可行驶区域可以覆盖全部驾驶场景。 另外， 由单一传感器获取道路边界， 本 身就会有功能安全风险， 违背自动驾驶系统设计原则。 [0004]因此， 有必要开发一种自动驾驶道路边界构建方法、 系统、 车辆及存 储介质。 发明内容 [0005]本发明的目的是提供一种自动驾驶道 路边界构建方法、 系统、 车辆及存储介质， 通 过对毫米波 雷达点云， 摄像头可行驶区域点云， 或者激光雷达点云进 行处理， 从 中提取出道 路边界。 [0006]第一方面， 本发明所述的一种自动驾驶道路边界构建方法， 包括以下步骤： [0007]步骤1.车辆处于点火状态， 传感器信号 正常输出， 车辆行驶在结构化道路上； [0008]步骤2.可用点云筛选： 对毫米波雷达点云， 摄像头可行驶区域点云， 或者激光雷达 点云进行筛 选， 筛选出预设范围内的点云； [0009]步骤3.点云跟踪： 对步骤2中筛选出的不同时刻 检测到的可用点云进行跟踪， 将其 坐标转换为同一 坐标系下； [0010]步骤4.点云聚类： 对步骤3中多个周期的可用点云进行聚类， 筛选出具有道路边界 特征的点云， 并分类为左侧边界点、 右侧边界点， 以及非边界点； [0011]步骤5.边界曲线拟合： 对步骤4中聚类出的左侧边界点、 右侧边界点分别进行拟 合， 给出道路边界的系数和长度； [0012]步骤6.边界曲线滤波： 对步骤5中拟合出的边界曲线 进行滤波； [0013]步骤7.边界曲线跟踪： 对步骤6滤波好的边界曲线进行跟踪， 转换到车辆坐标系 下， 并输出边界曲线。说　明　书 1/4 页 3 CN 114743175 A 3