(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211058800.X (22)申请日 2022.08.31 (65)同一申请的已公布的文献号 申请公布号 CN 115131761 A (43)申请公布日 2022.09.30 (73)专利权人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 耿铭金　刘春发　王春萍　张通滨　 杨建忠　吴彬　赵松　曹哲　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 专利代理师 马姣琴　臧建明 (51)Int.Cl. G06V 20/56(2022.01)G06V 20/58(2022.01) G06V 10/44(2022.01) G06V 10/771(2022.01) G06V 10/762(2022.01) G06F 16/29(2019.01) G01C 21/00(2006.01) (56)对比文件 CN 114842442 A,202 2.08.02 审查员 王妍 (54)发明名称 道路边界的识别方法、 绘制方法及装置 (57)摘要 本公开提供了一种道路边界的识别方法、 绘 制方法及装置， 涉及数据处理和人工智能中的高 精地图的数据处理， 可以应用于自动驾驶、 自主 泊车， 具体可以应用导航系统， 具体实现方案为： 获取多种数据来源的数据， 其中， 不同的数据来 源的数据表征预设道路区域的形式不同， 对各种 数据来源的数据分别进行识别处理， 得到各种数 据来源的数据各自对应的道路边界轮廓线， 基于 预设道路区域的预设地图数据， 从各道路边界轮 廓线中筛选得到预设道路区域的道路边界， 避免 了基于人工的方式造成的识别效率低和准确性 低的弊端， 提高了识别的准确性和可靠性的技术 效果。 权利要求书5页 说明书16页 附图5页 CN 115131761 B 2022.12.06 CN 115131761 B 1.一种道路边界的识别方法， 所述道路边界是道路的可行驶路面的边缘， 其特征在于， 所述方法包括： 获取多种数据来源的数据， 其中， 不同的数据来源的数据表征预设道路区域的形式不 同； 对各种数据来源的数据分别进行识别处理， 得到各种数据来源的数据 各自对应的道路 边界轮廓线； 基于所述预设道路区域的预设地图数据， 从各道路边界轮廓线中筛选得到所述预设道 路区域的道路边界； 所述预设地图数据中包括车道线， 所述基于所述预设道路区域的预设地图数据， 从各 道路边界轮廓线中筛 选得到所述预设道路区域的道路边界， 包括： 根据所述车道线确定所述道路边界的所属区域； 将所述所属区域之外的道路边界轮廓线进行剔除处理， 得到筛选后的道路边界轮廓 线； 根据所述筛 选后的道路边界轮廓线， 确定所述道路边界。 2.根据权利要求1所述的方法， 其特征在于， 所述多种数据来源的数据中包括点云数据 和图像。 3.根据权利要求2所述的方法， 其特征在于， 所述多种数据来源的数据中包括点云数 据； 所述对各种数据来源的数据分别进行识别处理， 得到各种 数据来源的数据各自对应的 道路边界轮廓线， 包括： 对所述点云数据进行 过滤处理， 得到过 滤后的点云数据； 将所述过滤后的点云数据投影至地面平面， 生成所述点云数据的道路边界轮廓线， 其 中， 所述地面平面是基于所述 点云数据确定的所述预设道路区域的地 面平面。 4.根据权利要求3所述的方法， 其特征在于， 所述对所述点云数据进行过滤处理， 得到 过滤后的点云数据， 包括： 采用下述方式中的至少一种， 对所述点云数据进行过滤处理， 得到所述过滤后的点云 数据： 根据所述 地面平面对所述 点云数据进行 过滤处理， 得到所述过 滤后的点云数据； 所述点云数据具有垂直性特征， 根据所述垂直性特征对所述点云数据进行过滤处理， 得到所述过 滤后的点云数据； 对所述点云数据进行聚类处 理， 得到所述过 滤后的点云数据。 5.根据权利要求4所述的方法， 其特征在于， 所述根据所述地面平面对所述点云数据进 行过滤处理， 得到所述过 滤后的点云数据， 包括： 计算所述 点云数据中的每一个点与所述 地面平面之间的第一距离； 从所述点云数据中， 剔除与所述地面平面之间的第一距离小于预设第一阈值的点， 得 到所述过 滤后的点云数据。 6.根据权利要求2所述的方法， 其特征在于， 所述图像包括前视 图像， 所述前视 图像以 车辆行驶于所述预设道路区域的行驶方向为基准； 所述对各种数据来源的数据分别进 行识 别处理， 得到各种数据来源的数据各自对应的道路边界轮廓线， 包括： 获取所述预设道路区域在实际道路场景中的边界， 在所述前视图像中的图像坐标；权　利　要　求　书 1/5 页 2 CN 115131761 B 2根据所述图像坐标确定所述前视图像对应的道路边界轮廓线。 7.根据权利要求6所述的方法， 其特征在于， 所述点云数据包括深度信息； 根据所述图 像坐标确定所述前视图像对应的道路边界轮廓线， 包括： 根据所述图像坐标、 所述深度信息、 以及预设的图像坐标系与点云坐标系之间的坐标 转换关系， 确定所述前视图像对应的道路边界轮廓线。 8.根据权利要求2所述的方法， 其特征在于， 所述图像包括俯视 图像； 所述对各种数据 来源的数据分别进行识别处理， 得到各种 数据来源的数据各自对应的道路边界轮廓线， 包 括： 获取所述俯视图像中的路面连通 域， 其中， 所述路面连通 域具有外轮廓； 根据所述外轮廓生成所述俯视图像对应的道路边界轮廓线。 9.根据权利要求1 ‑8中任一项所述的方法， 其特征在于， 所述根据 所述筛选后的道路边 界轮廓线， 确定所述道路边界， 包括： 将所述筛 选后的道路边界轮廓线划分为多段边界轮廓线； 计算每一段边界轮廓线中的多个点分别与 所述车道线的第 二距离， 并对多个第 二距离 进行聚类处 理， 得到所述多段边界轮廓线的多个簇中的最大簇； 根据所述 最大簇对应的段边界轮廓线， 生成所述道路边界。 10.根据权利要求1所述的方法， 其特征在于， 所述车道线具有属性信 息， 所述属性信 息 用于表征所述车道线在位置、 长度、 方向维度中的至少一种的特征； 将所述所属区域之外的 道路边界轮廓线 进行剔除处 理， 得到所述筛 选后的道路边界轮廓线， 包括： 将所述所属区域之外的道路边界轮廓线进行剔除处理， 得到剔除后的道路边界轮廓 线； 根据所述属性信 息， 从所述剔除后的道路边界轮廓线筛选得到所述筛选后的道路边界 轮廓线。 11.根据权利要求1所述的方法， 其特征在于， 将所述所属区域之外的道路边界轮廓线 进行剔除处 理， 得到所述筛 选后的道路边界轮廓线， 包括： 将所述所属区域之外的道路边界轮廓线进行剔除处理， 得到剔除后的道路边界轮廓 线； 获取所述剔除后的道路边界轮廓线的类型属性， 其中， 不同的类型属性用于区分不同 种类的道路边界轮廓线， 其中， 所述类型属性是基于获取到的前视图像确定的； 根据所述类型属性， 从所述剔除后的道路边界轮廓线筛选得到所述筛选后的道路边界 轮廓线。 12.根据权利要求9所述的方法， 其特征在于， 所述根据所述最大簇对应的段边界轮廓 线， 生成所述道路边界， 包括： 计算所述最大簇对应的段边界轮廓线中， 每一个点与所述车道线之间的第三距离， 并 计算各第三距离的平均距离； 以实际道路场景中所述车道线的外侧方向为基准， 在所述车道线的基础上增加所述平 均距离， 得到所述道路边界。 13.一种高精地图的绘制方法， 其特 征在于， 所述方法包括： 分别获取预设道路区域的预设地图数据和道路边界， 其中， 所述道路边界为基于如权权　利　要　求　书 2/5 页 3 CN 115131761 B 3