(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 202210466833.1 (22)申请日 2022.04.29 (71)申请人 北京智行者科技有限公司 地址 100000 北京市大兴区北京经济技 术 开发区文化园西路8号院4号楼22层 2602 (72)发明人 李慧慧　 (74)专利代理 机构 天津市三利专利商标代理有 限公司 12107 专利代理师 徐金生 (51)Int.Cl. G06V 20/56(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) (54)发明名称 一种道路边界分类方法及其装置、 计算机设 备、 移动工具 (57)摘要 本发明公开了一种道路边界分类方法， 包 括： 步骤S1， 采集车辆附近道路边界的点云特征 及车辆附近道路边界的图像； 步骤S2， 根据车辆 附近道路边界的点云特征对车辆附近道路边界 分类， 获得点云道路边界类型； 步骤S3， 根据辆附 近道路边界的图像具有的图像特征对车辆附近 道路边界分类， 获得图像道路边界类型； 步骤S4， 将同一时刻或时间戳的单帧点云特征和单帧图 像同步记为同一帧点云和图像； 步骤S5， 根据同 一帧点云和图像中的点云特征和图像的道路边 界分类结果， 获得最终的道路边界类型。 本发明 还公开了道路边界分类装置、 计算机设备及移动 工具。 本发 明通过激光雷达点云和相机图像进行 道路边界分类并融合， 实现自动道路边界分类 。 权利要求书2页 说明书9页 附图5页 CN 114821501 A 2022.07.29 CN 114821501 A 1.一种道路边界分类方法， 其特 征在于， 包括： 步骤S1， 通过激光雷达， 实时采集车辆附近道路边界的点云特征， 以及通过相机， 实时 采集车辆附近道路边界的图像； 步骤S2， 根据步骤S1获得的车辆附近道路边界的点云特征， 对车辆附近道路边界进行 分类， 获得对应的点云道路边界类型； 步骤S3， 对于步骤S1获得的车辆附近道路边界的图像， 根据该图像具有的图像特征， 对 车辆附近道路边界进行分类， 获得对应的图像道路边界类型； 步骤S4， 将同一时刻或时间戳的单帧点云特征和单帧图像同步到一起， 记为同一帧点 云和图像； 步骤S5， 对于步骤S4获得的同一帧点云和图像， 根据同一帧点云和图像中的点云特征 和图像的道路边界分类结果， 按照预设的融合 规则进行融合， 获得最终的道路边界类型。 2.如权利要求1所述的道路边界分类方法， 其特征在于， 在步骤S1中， 激光雷达朝向车 辆的前方， 通过激光雷达采集车辆前方道路边界的点云特征， 以及相机朝向车辆的前方， 通 过相机采集车辆前 方道路边界的图像。 3.如权利要求1所述的道路边界分类方法， 其特征在于， 在步骤S2中， 当步骤S1获得的 车辆附近道路边界的点云信息具有的点云特征是预设明显的高路沿点云特征时， 将车辆附 近道路边界的类型划分为 点云B类道路边界； 预设明显的高路沿点云特征， 即对于激光雷达所采集的车辆附近道路边界的点云特 征， 其包括 一条路沿分界线； 对于路沿分界线， 路沿分界线两侧点云的高度差在预设差值区间内； 点云B类道路边界为高路沿类的点云道路边界。 4.如权利要求1所述的道路边界分类方法， 其特征在于， 在步骤S2中， 当步骤S1获得的 车辆附近道路边界的点云信息具有的点云特征不是预设明显的高路沿点云特征时， 将车辆 附近道路边界划分为 点云AC混合类道路边界； 预设明显的高路沿点云特征， 即对于激光雷达所采集的车辆附近道路边界的点云特 征， 其包括 一条路沿分界线； 对于路沿分界线， 路沿分界线两侧点云的高度差在预设差值区间内； 点云AC混合类道路边界， 是涵盖点云A类道路边界和点云C类道路边界两种类型的点云 道路边界。 5.如权利要求1所述的道路边界分类方法， 其特征在于， 在步骤S3中， 图像道路边界类 型， 包括图像A类道路边界、 图像B类道路边界和图像C类道路边界； 其中， 图像A类道路边界， 是低矮灌木丛类的图像道路边界； 图像B类道路边界， 是高路沿类的图像道路边界； 图像C类道路边界， 是平整草 坪类的图像道路边界。 6.如权利要求1所述的道路边界分类方法， 其特征在于， 在步骤S5中， 具体的预设的融 合规则如下： 对于同一帧点云和图像中的点云特征和图像， 当点云特征的道路边界分类结果为点云 B类道路边界， 并且， 图像的道路边界分类结果是图像A类道路边界、 图像B类道路边界和图 像C类道路边界中的任意一种时， 融合后获得的最 终的道路边界类型为： B类最 终道路边界，权　利　要　求　书 1/2 页 2 CN 114821501 A 2即为高路沿类的最终道路边界； 当点云特征的道路边界分类结果为点云AC混合类道路边界， 并且， 图像的道路边界分 类结果是图像A类道路边界时， 融合后获得的最 终的道路边界类型为： A类最 终道路边界， 即 为低矮灌木丛类的最终道路边界； 当点云特征的道路边界分类结果为点云AC混合类道路边界， 并且， 图像的道路边界分 类结果是图像B类道路边界时， 融合后获得的最终的道路边界类型为： 不确定类道路边界； 当点云特征的道路边界分类结果为点云AC混合类道路边界， 并且， 图像的道路边界分 类结果是图像C类道路边界时， 融合后获得的最 终的道路边界类型为： C类最 终道路边界， 即 为平整草 坪类的道路边界。 7.如权利要求1所述的道路边界分类方法， 其特 征在于， 在步骤S5中， 还 包括以下步骤： 当融合后获得的最终的道路边界类型为不确定类道路边界时， 输出对应的同一帧点云 和图像， 进行 人工分类。 8.一种道路边界分类装置， 其特 征在于， 包括以下模块： 激光雷达， 用于实时采集车辆附近道路边界的点云特征， 然后发送给第一道路边界分 类模块和数据同步模块； 相机， 用于实时采集车辆附近道路边界的图像， 然后发送给第二道路边界分类模块和 数据同步模块； 第一道路边界分类模块， 与激光雷达相连接， 用于根据激光雷达发来的车辆附近道路 边界的点云特 征， 对车辆附近道路边界进行分类， 获得对应的点云道路边界类型； 第二道路边界分类模块， 与相机相连接， 用于对相机发来的车辆附近道路边界的图像， 根据该图像具有的图像特征， 对车辆附近道路边界进行分类， 获得对应的图像道路边界类 型； 数据同步模块， 分别与激光雷达和相机相连接， 用于将激光雷达和相机发来的同一时 刻或时间戳的单帧点云信息和单帧图像信息同步到一起， 记为同一帧点云和图像， 然后将 同一帧点云和图像发送给分类结果融合模块； 分类结果融合模块， 分别与第一道路边界分类模块和第二道路边界分类模块相连接， 用于接收所述数据同步模块 获得的同一帧点云和图像， 根据同一帧点云和图像中的点云特 征和图像的道路边界分类结果， 按照预设的融合 规则进行融合， 获得最终的道路边界类型。 9.一种计算机设备， 包括存储器、 处理器及存储在存储器上的计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序以实现权利要求1 ‑7任一所述方法的步骤。 10.一种移动工具， 其特 征在于， 包括权利要求9所述的计算机设备。权　利　要　求　书 2/2 页 3 CN 114821501 A 3