(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 202210613551.X (22)申请日 2022.05.31 (71)申请人 吉林大学 地址 130022 吉林省长 春市人民大街598 8 号吉林大 学南岭校区 (72)发明人 李超群　曲婷　王锦坤　高炳钊　 (74)专利代理 机构 北京慕达星云知识产权代理 事务所 (特殊普通合伙) 11465 专利代理师 符继超 (51)Int.Cl. G06V 20/56(2022.01) G06V 10/762(2022.01) G01S 19/46(2010.01) G01S 17/931(2020.01)G01S 17/89(2020.01) (54)发明名称 一种基于激光雷达点云信息的车道线检测 方法 (57)摘要 本发明公开了一种基于激光雷达点云信息 的车道线检测方法， 该方法包括： 获取车辆激光 雷达点云信息， 从点云中提取地面附近区域点 云， 从中提取出地面； 对地面点进行多帧累积； 根 据多帧累积后的地面点生 成强度分布 直方图， 基 于强度分布直方图求取提取车道线点云的强度 阈值， 确定车道线候选点； 利用直方图滤波去除 车道线候选点中 噪声点； 使用DBSCAN算法将位置 上接近的多个点云点进行聚类生 成多个点云簇； 使用并查集算法将位于同一条车道线上的点云 簇聚为一类； 使用最小二乘拟合的方法对每类中 的车道线点进行拟合， 获取车道线方程， 实现车 道线检测； 该车道线检测方法实时性高、 精度高， 有效地滤除了噪声点， 减少了漏检和误检的情 况。 权利要求书2页 说明书6页 附图3页 CN 115100613 A 2022.09.23 CN 115100613 A 1.一种基于 激光雷达点云信息的车道线检测方法， 其特 征在于， 包括： S1、 获取车辆的激光雷达点云信息， 从所述 点云中提取地 面附近区域 点云； S2、 从所述 地面附近区域 点云中提取地 面区域作为目标区域； S3、 对所述目标区域内的地 面点进行多帧累积； S4、 根据多帧累积后的地面点生成强度分布直方图， 基于所述强度分布直方图求取提 取车道线点云的强度阈值， 根据所述强度阈值确定车道线候选点； S5、 利用直方图滤波方法去除所述车道线候选点中的噪声点； S6、 使用DBSCAN 算法将位置上接 近的多个点云点进行聚类生成多个点云簇； S7、 使用并查集算法对所述多个点云簇进行聚类， 将位于同一条车道线上的点云簇聚 为一类； S8、 使用最小二乘拟合的方法对每类车道线点进行拟合， 获取车道线方程， 基于所述车 道线方程实现车道线检测。 2.如权利要求1所述的一种基于激光雷达点云信 息的车道线检测方法， 其特征在于， 所 述步骤S1具体包括： 获取车辆的激光雷达点云信息， 利用PCL库中的长方体滤波， 从所述点 云信息中提取地 面附近长方体区域内的点云。 3.如权利要求2所述的一种基于激光雷达点云信 息的车道线检测方法， 其特征在于， 所 述步骤S3中， 对所述目标区域内的地 面点进行多帧累积， 包括： 通过所述地面点的两帧之间GPS数据的变化量， 变换点云坐标， 将当前帧附近的多帧点 云都转换到当前帧坐标系下， 多帧之间进行相互补充。 4.如权利要求3所述的一种基于激光雷达点云信 息的车道线检测方法， 其特征在于， 所 述步骤S4中， 基于所述强度分布直方图求取提取车道线点云的强度阈值， 根据所述强度阈 值确定车道线候选点， 包括： 在所述强度分布直方图上对点云的强度由小到大进行遍历， 对点数、 梯度、 强度分别设 定筛选条件， 找到同时符合点数小于点数阈值、 梯度小于梯度阈值、 强度大于强度阈值三个 条件的第一个强度值， 作为 求取的分离阈值； 针对每一帧， 重复求取该分离阈值， 将强度大于所述分离阈值的点云提取出来作为车 道线候选点。 5.如权利要求4所述的一种基于激光雷达点云信 息的车道线检测方法， 其特征在于， 所 述步骤S5中， 所述利用直方图滤波方法去除所述车道线候选点中的噪声点， 包括： 对当前帧车道线候选点， 沿着垂直于主行驶方向的方向平均划分多个区间， 分别统计 所述区间内的所述车道线候选点点数， 生成点数直方图， 点数少的区间内的点视作噪声点； 选取一个点数阈值， 过 滤掉点数低于所述 点数阈值的区间。 6.如权利要求5所述的一种基于激光雷达点云信 息的车道线检测方法， 其特征在于， 所 述步骤S6中， 所述使用DBSCAN算法将位置上接近的多个点云点进行聚类生成多个点云簇， 包括： 设定主行驶方向、 核心半径、 半径内搜索点数阈值和每类点数阈值上下限， 利用所述 DBSCAN算法进行聚类求 解生成多个点云簇； 具体流 程为： 定义C为簇集、 N为候选集， 如果某点在半径邻域内含有的点数超过阈值， 则认为该点是 核心点； 选取未被处理过的点p， 若所述点p为所述核心 点， 建立簇集C， 并将其邻域点加入 所权　利　要　求　书 1/2 页 2 CN 115100613 A 2述候选集N， 对所述候选集N中选取点q， 若所述点q未被处理且为所述核心点， 则将所述点q 的邻域点加入 所述候选集N， 若 所述点q未被归类， 则将所述点q加入所述簇集C， 重复选取点 q， 直到所述候选集N中的所有点都被处理， 重复选取点p， 直到所有对象都被归簇或归为噪 声。 7.如权利要求6所述的一种基于激光雷达点云信 息的车道线检测方法， 其特征在于， 所 述步骤S6中， 所述使用DBSCAN算法将位置上接近的多个点云点进行聚类生成多个点云簇， 还包括： 对所述DBSCAN算法中的距离求算方法进行改写， 利用车道线细、 长的特征， 求解点之间 距离的方向分为沿主行驶方向和垂直于主行驶方向； 在所述沿主行驶方向和所述垂直于主行驶方向这两个方向上的距离分别设定低权重 和高权重， 在选取 可以聚为 一类的点时， 滤除所述垂直于主行驶方向上的噪声点。 8.如权利要求7所述的一种基于激光雷达点云信 息的车道线检测方法， 其特征在于， 所 述步骤S7中， 所述使用并查集算法对所述多个点云簇进行聚类， 将位于同一条车道线上 的 点云簇聚为 一类， 包括： 对两簇点云分别求解中心点， 若两中心点构 成的向量与当前行驶方向对应向量的锐角 夹角小于预设阈值， 则建立两者联系关系， 然后使用所述并查集算法， 将所有存在联系关系 的点云簇分别聚类， 最终得到位于同一条 车道线上的多个点云簇大类。 9.如权利要求8所述的一种基于激光雷达点云信 息的车道线检测方法， 其特征在于， 所 述步骤S8中， 在使用最小二乘拟合的方法对每类车道线点进 行拟合时， 当点数、 拟合直线后 与主方向差距和拟合均方误差RMSE中任一 不满足预设条件的不做拟合。 10.如权利要求9所述的一种基于激光雷达点云信息的车道线检测方法， 其特征在于， 所述步骤S8中， 所述拟合完成后， 加入一个补充预测处 理； 利用追踪方法， 通过GPS信息得到两帧位置变化量， 将前一帧检出的所有车道线投影至 当前帧， 在所述车道线附近设定候选区域， 若所述候选区域内没有车道线生成却存在一定 数量的点云点， 用上一帧的检测结果进行补充预测。权　利　要　求　书 2/2 页 3 CN 115100613 A 3