本公开的实施例公开了三维车道线生成方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取点云数据组，从预设的定位信息序列中选出与上述点云数据组中每个点云数据中的点云时间戳相对应的定位信息以生成定位信息组，得到定位信息组集合；基于上述定位信息组集合，生成插值定位信息组；基于上述插值定位信息组和上述点云数据组，生成矫正旋转矩阵组；利用上述矫正旋转矩阵组对上述点云数据组中每个点云数据的点云坐标值进行优化，得到优化点云坐标值组；对上述优化点云坐标值组中的各个优化点云坐标值进行车道线提取处理，得到三维车道线方程组。该实施方式可以提高从的三维车道线方程的准确度。
获取点云数据组，其中，所述点云数据组中的每个点云数据包括点云坐标值和点云时间戳；
从预设的定位信息序列中选出与所述点云数据组中每个点云数据中的点云时间戳相对应的定位信息以生成定位信息组，得到定位信息组集合，其中，所述定位信息序列中的定位信息包括位姿矩阵；
基于所述定位信息组集合，生成插值定位信息组，其中，所述插值定位信息组中的插值定位信息与所述点云数据组中的每个点云数据相对应；
基于所述插值定位信息组和所述点云数据组，生成矫正旋转矩阵组；
利用所述矫正旋转矩阵组对所述点云数据组中每个点云数据的点云坐标值进行优化，得到优化点云坐标值组；
对所述优化点云坐标值组中的各个优化点云坐标值进行车道线提取处理，得到三维车道线方程组；
其中，所述基于所述插值定位信息组和所述点云数据组，生成矫正旋转矩阵组，包括：
基于所述点云数据组、所述矫正参数和所述插值定位信息组，对预设的初始旋转矩阵组中的各个初始旋转矩阵进行矫正处理，得到矫正旋转矩阵组，其中，所述初始旋转矩阵组中的每个初始旋转矩阵与所述点云数据组中的每个点云数据相对应，构建二次曲面方程，用于表征当前车辆附近的地面，通过以下公式生成矫正旋转矩阵组中的各个矫正旋转矩阵：其中，i表示序号，ΔR′表示所述矫正旋转矩阵组中的矫正旋转矩阵，ΔR′i表示所述矫正旋转矩阵组中的第i个矫正旋转矩阵，n表示所述点云数据组中点云数据的数量，等于所述矫正旋转矩阵组中矫正旋转矩阵的数量，ΔR表示所述初始旋转矩阵组中的初始旋转矩阵，ΔRi表示所述初始旋转矩阵组中的第i个初始旋转矩阵，R表示所述插值定位信息组中插值定位信息中插值位姿矩阵中的插值旋转矩阵，Ri表示所述插值定位信息组中第i个插值定位信息中插值位姿矩阵中的插值旋转矩阵，P表示所述点云数据组中点云数据中的点云坐标值的横坐标值、纵坐标值和竖坐标值所组成的3×1的矩阵，Pi表示所述点云数据组中第i个点云数据中的点云坐标值的横坐标值、纵坐标值和竖坐标值所组成的3×1的矩阵，Y表示所述插值定位信息组中插值定位信息中插值位姿矩阵中的插值平移向量，Yi表示所述插值定位信息组中第i个插值定位信息中插值位姿矩阵中的插值平移向量，L表示所述插值定位信息组中插值定位信息中插值位姿矩阵，Li表示所述插值定位信息组中第i个插值定位信息中插值位姿矩阵， 表示所述插值定位信息组中第i个插值定位信息中插值位姿矩阵的转置矩阵，Q表示所述二次曲面方程中二次项的系数，是数据随机的3×3的对称矩阵，d表示所述二次曲面方程中的常数项，λ表示所述矫正参数，arccos()表示反余弦函数，tr()表示矩阵的迹，ΔRi+1表示与所述插值定位信息组中第i个插值定位信息对应的时间戳相邻的后一个定位信息中插值位姿矩阵中的插值旋转矩阵，||·||2表示2范式，X表示所T述二次曲面方程中的坐标中的横坐标值、纵坐标值和竖坐标值所组成的3×1的矩阵，X 表示所述二次曲面方程中的坐标中的横坐标值、纵坐标值和竖坐标值所组成的3×1的矩阵的T转置矩阵，S表示所述二次曲面方程中一次项的系数，是一行三列的向量，S表示所述二次曲面方程中一次项的系数，是一行三列的向量的转置，A表示替换矩阵，B表示正则化矩阵，其中，正则化矩阵用于在平缓路段限定相邻时间戳对应的插值旋转矩阵之间的变化量；
其中，将所述插值定位信息组中每个插值定位信息中插值位姿矩阵中的旋转矩阵缩减为1个自由度：其中，Δθ表示所述插值定位信息对应的俯仰角，俯仰角是所述当前车辆在所述插值定位信息的时间戳对应的时间点时的俯仰角。
2.根据权利要求1所述的方法，其中，所述方法还包括：
将所述三维车道线方程组发送至显示终端以进行三维车道线显示。
3.根据权利要求1所述的方法，其中，所述基于所述定位信息组集合，生成插值定位信息组，包括：对所述定位信息组集合中每个定位信息组中各个定位信息包括的位姿矩阵进行插值处理以生成插值位姿矩阵，得到插值位姿矩阵组；
4.根据权利要求1所述的方法，其中，所述从预设的定位信息序列中选出与所述点云数据组中每个点云数据中的点云时间戳相对应的定位信息以生成定位信息组，得到定位信息组集合，包括：从所述点云数据组中选出点云坐标值处于预设坐标范围内的点云数据，得到目标点云数据组；
从预设的定位信息序列中选出与所述目标点云数据组中每个目标点云数据中的点云时间戳相对应的定位信息以生成定位信息组，得到定位信息组集合。
5.根据权利要求1所述的方法，其中，所述利用所述矫正旋转矩阵组对所述点云数据组中每个点云数据的点云坐标值进行优化，得到优化点云坐标值组，包括：基于所述矫正旋转矩阵组和所述插值定位信息组，生成目标旋转矩阵组；
基于所述目标旋转矩阵组，确定所述点云数据组中每个点云数据的优化点云坐标值，得到优化点云坐标值组。
6.根据权利要求1所述的方法，其中，所述对所述优化点云坐标值组中的各个优化点云坐标值进行车道线提取处理，得到三维车道线方程组，包括：从所述优化点云坐标值组中选出满足预设筛选条件的优化点云坐标值作为目标坐标值组，得到目标坐标值组；
对所述目标坐标值组进行车道线识别处理，得到三维车道线方程组。
获取单元，被配置成获取点云数据组，其中，所述点云数据组中的每个点云数据包括点云坐标值和点云时间戳；
选取单元，被配置成从预设的定位信息序列中选出与所述点云数据组中每个点云数据中的点云时间戳相对应的定位信息以生成定位信息组，得到定位信息组集合，其中，所述定位信息序列中的定位信息包括位姿矩阵；
第一生成单元，被配置成基于所述定位信息组集合，生成插值定位信息组，其中，所述插值定位信息组中的插值定位信息与所述点云数据组中的每个点云数据相对应；
第二生成单元，被配置成基于所述插值定位信息组和所述点云数据组，生成矫正旋转矩阵组；
优化单元，被配置成利用所述矫正旋转矩阵组对所述点云数据组中每个点云数据的点云坐标值进行优化，得到优化点云坐标值组；
提取单元，被配置成对所述优化点云坐标值组中的各个优化点云坐标值进行车道线提取处理，得到三维车道线方程组；
其中，所述基于所述插值定位信息组和所述点云数据组，生成矫正旋转矩阵组，包括：
基于所述点云数据组、所述矫正参数和所述插值定位信息组，对预设的初始旋转矩阵组中的各个初始旋转矩阵进行矫正处理，得到矫正旋转矩阵组，其中，所述初始旋转矩阵组中的每个初始旋转矩阵与所述点云数据组中的每个点云数据相对应，构建二次曲面方程，用于表征当前车辆附近的地面，通过以下公式生成矫正旋转矩阵组中的各个矫正旋转矩阵：其中，i表示序号，ΔR′表示所述矫正旋转矩阵组中的矫正旋转矩阵，ΔR′i表示所述矫正旋转矩阵组中的第i个矫正旋转矩阵，n表示所述点云数据组中点云数据的数量，等于所述矫正旋转矩阵组中矫正旋转矩阵的数量，ΔR表示所述初始旋转矩阵组中的初始旋转矩阵，ΔRi表示所述初始旋转矩阵组中的第i个初始旋转矩阵，R表示所述插值定位信息组中插值定位信息中插值位姿矩阵中的插值旋转矩阵，Ri表示所述插值定位信息组中第i个插值定位信息中插值位姿矩阵中的插值旋转矩阵，P表示所述点云数据组中点云数据中的点云坐标值的横坐标值、纵坐标值和竖坐标值所组成的3×1的矩阵，Pi表示所述点云数据组中第i个点云数据中的点云坐标值的横坐标值、纵坐标值和竖坐标值所组成的3×1的矩阵，Y表示所述插值定位信息组中插值定位信息中插值位姿矩阵中的插值平移向量，Yi表示所述插值定位信息组中第i个插值定位信息中插值位姿矩阵中的插值平移向量，L表示所述插值定位信息组中插值定位信息中插值位姿矩阵，Li表示所述插值定位信息组中第i个插值定位信息中插值位姿矩阵， 表示所述插值定位信息组中第i个插值定位信息中插值位姿矩阵的转置矩阵，Q表示所述二次曲面方程中二次项的系数，是数据随机的3×3的对称矩阵，d表示所述二次曲面方程中的常数项，λ表示所述矫正参数，arccos()表示反余弦函数，tr()表示矩阵的迹，ΔRi+1表示与所述插值定位信息组中第i个插值定位信息对应的时间戳相邻的后一个定位信息中插值位姿矩阵中的插值旋转矩阵，||·||2表示2范式，X表示所T述二次曲面方程中的坐标中的横坐标值、纵坐标值和竖坐标值所组成的3×1的矩阵，X 表示所述二次曲面方程中的坐标中的横坐标值、纵坐标值和竖坐标值所组成的3×1的矩阵的T转置矩阵，S表示所述二次曲面方程中一次项的系数，是一行三列的向量，S表示所述二次曲面方程中一次项的系数，是一行三列的向量的转置，A表示替换矩阵，B表示正则化矩阵，其中，正则化矩阵用于在平缓路段限定相邻时间戳对应的插值旋转矩阵之间的变化量；
其中，将所述插值定位信息组中每个插值定位信息中插值位姿矩阵中的旋转矩阵缩减为1个自由度：其中，Δθ表示所述插值定位信息对应的俯仰角，俯仰角是所述当前车辆在所述插值定位信息的时间戳对应的时间点时的俯仰角。
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1‑6中任一所述的方法。
9.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1‑6中任一所述的方法。
三维车道线生成方法、装置、电子设备和计算机可读介质
技术领域
[0001] 本公开的实施例涉及计算机技术领域，具体涉及三维车道线生成方法、装置、电子设备和计算机可读介质。
背景技术
[0002] 三维车道线的生成对自动驾驶车辆的稳定安全行驶具有重要意义。目前，在生成三维车道线时，通常采用的方式为：首先，通过车辆上预先安装的激光雷达和高精度定位设备生成点云数据集，然后，从点云数据集中提取出三维车道线。
[0003] 然而，当采用上述方式进行三维车道线生成时，经常会存在如下技术问题：
[0004] 车辆在运动过程中的颠簸会对激光雷达和高精度定位设备之间的位姿造成影响，但三维车道线的生成，对姿态变化相对敏感，虽然两者之间的位移往往可认为保持不变，但两者之间的位姿变化相对较大，因此，会导致生成的点云数据的准确度降低，从而，导致生成的三维车道线的准确度降低，进而，降低驾驶安全。
发明内容
[0005] 本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0006] 本公开的一些实施例提出了三维车道线生成方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题。
[0007] 第一方面，本公开的一些实施例提供了一种三维车道线生成方法，该方法包括：获取点云数据组，其中，上述点云数据组中的每个点云数据包括点云坐标值和点云时间戳；从预设的定位信息序列中选出与上述点云数据组中每个点云数据中的点云时间戳相对应的定位信息以生成定位信息组，得到定位信息组集合，其中，上述定位信息序列中的定位信息包括位姿矩阵；基于上述定位信息组集合，生成插值定位信息组，其中，上述插值定位信息组中的插值定位信息与上述点云数据组中的每个点云数据相对应；基于上述插值定位信息组和上述点云数据组，生成矫正旋转矩阵组；利用上述矫正旋转矩阵组对上述点云数据组中每个点云数据的点云坐标值进行优化，得到优化点云坐标值组；对上述优化点云坐标值组中的各个优化点云坐标值进行车道线提取处理，得到三维车道线方程组。
[0008] 第二方面，本公开的一些实施例提供了一种三维车道线生成装置，该装置包括：获取单元，被配置成获取点云数据组，其中，上述点云数据组中的每个点云数据包括点云坐标值和点云时间戳；选取单元，被配置成从预设的定位信息序列中选出与上述点云数据组中每个点云数据中的点云时间戳相对应的定位信息以生成定位信息组，得到定位信息组集合，其中，上述定位信息序列中的定位信息包括位姿矩阵；第一生成单元，被配置成基于上述定位信息组集合，生成插值定位信息组，其中，上述插值定位信息组中的插值定位信息与上述点云数据组中的每个点云数据相对应；第二生成单元，被配置成基于上述插值定位信息组和上述点云数据组，生成矫正旋转矩阵组；优化单元，被配置成利用上述矫正旋转矩阵组对上述点云数据组中每个点云数据的点云坐标值进行优化，得到优化点云坐标值组；提取单元，被配置成对上述优化点云坐标值组中的各个优化点云坐标值进行车道线提取处理，得到三维车道线方程组。
[0009] 第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
[0010] 第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
[0011] 本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的三维车道线生成方法，可以提高生成三维车道线的准确度。具体来说，造成生成的三维车道线方程的准确度降低的原因在于：车辆在运动过程中的颠簸会对激光雷达和高精度定位设备之间的位姿造成影响，且三维车道线的生成，对姿态变化相对敏感，虽然两者之间的位移往往可认为保持不变，但两者之间的位姿变化相对较大。基于此，本公开的一些实施例的三维车道线生成方法，首先，获取点云数据组，其中，上述点云数据组中的每个点云数据包括点云坐标值和点云时间戳。然后，从预设的定位信息序列中选出与上述点云数据组中每个点云数据中的点云时间戳相对应的定位信息以生成定位信息组，得到定位信息组集合，其中，上述定位信息序列中的定位信息包括位姿矩阵。之后，基于上述定位信息组集合，生成插值定位信息组，其中，上述插值定位信息组中的插值定位信息与上述点云数据组中的每个点云数据相对应。通过生成差值定位信息组，可以对应同一时间的点云数据与定位信息，便于生成三维车道线。而后，基于上述插值定位信息组和上述点云数据组，生成矫正旋转矩阵组。通过生成矫正旋转矩阵组，可以用于确定每个点云数据对应的激光雷达与高精度定位设备之间的位姿误差。使得可以确定因车辆运动颠簸对激光雷达与高精度定位设备之间位姿的变化量。接着，利用上述矫正旋转矩阵组对上述点云数据组中每个点云数据的点云坐标值进行优化，得到优化点云坐标值组。通过矫正旋转矩阵组可以优化点云数据，以减少点云数据的误差。最后，对上述优化点云坐标值组中的各个优化点云坐标值进行车道线提取处理，得到三维车道线方程组。从而，相比于未优化之前点云数据。通过优化点云数据，提取的三维车道线方程可以更加准确。进而，可以提高驾驶安全。
附图说明
[0012] 结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
[0013] 图1是本公开的一些实施例的三维车道线生成方法的一个应用场景的示意图；
[0014] 图2是根据本公开的三维车道线生成方法的一些实施例的流程图；
[0015] 图3是根据本公开的三维车道线生成方法的另一些实施例的流程图；
[0016] 图4是根据本公开的三维车道线生成装置的一些实施例的结构示意图；
[0017] 图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
[0018] 下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0019] 另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
[0020] 需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0021] 需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0022] 本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
[0023] 下面将参考附图并结合实施例来详细说明本公开。
[0024] 图1是本公开的一些实施例的三维车道线生成方法的一个应用场景的示意图。
[0025] 在图1的应用场景中，首先，计算设备101可以获取点云数据组102，其中，上述点云数据组102中的每个点云数据包括点云坐标值和点云时间戳。接着，计算设备101可以从预设的定位信息序列103中选出与上述点云数据组102中每个点云数据中的点云时间戳相对应的定位信息以生成定位信息组，得到定位信息组集合104。然后，计算设备101可以基于上述定位信息组集合104，生成插值定位信息组105，其中，上述插值定位信息组中的插值定位信息与上述点云数据组中的每个点云数据相对应。之后，计算设备101可以基于上述插值定位信息组105和上述点云数据组102，生成矫正旋转矩阵组106。而后，计算设备101可以利用上述矫正旋转矩阵组106对上述点云数据组中每个点云数据的点云坐标值进行优化，得到优化点云坐标值组107。最后，计算设备101可以对上述优化点云坐标值组107中的各个优化点云坐标值进行车道线提取处理，得到三维车道线方程组108。
[0026] 需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
[0027] 应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。
[0028] 继续参考图2，示出了根据本公开的三维车道线生成方法的一些实施例的流程200。该三维车道线生成方法的流程200，包括以下步骤：
[0029] 步骤201，获取点云数据组。
[0030] 在一些实施例中，三维车道线生成方法的执行主体(如图1所示的计算设备101)可以通过有线的方式或者无线的方式获取点云数据组。其中，上述点云数据组中的每个点云数据可以包括点云坐标值和点云时间戳。上述点云数据组中的各个点云数据可以是当前车辆上的激光雷达扫描到的点云数据。由于每个点云数据包括点云时间戳。因此，点云数据组中的各个点云数据也可以以时间戳的顺序排列。另外每个点云数据还可以包括激光反射强度值。
[0031] 步骤202，从预设的定位信息序列中选出与点云数据组中每个点云数据中的点云时间戳相对应的定位信息以生成定位信息组，得到定位信息组集合。
[0032] 在一些实施例中，上述执行主体可以从预设的定位信息序列中选出与上述点云数据组中每个点云数据中的点云时间戳相对应的定位信息以生成定位信息组，得到定位信息组集合。其中，上述定位信息序列中的定位信息可以包括位姿矩阵。位姿矩阵可以是某一时间点当前车辆的位姿矩阵，用于表征当前车辆的位置姿态。上述预设的定位信息序列可以是当前车辆上的高精度定位设备测得的当前车辆的定位信息。高精度定位设备可以包括但不限于：全球定位系统或惯性测量单元等。上述定位信息序列中的各个定位信息对应不同的时间戳。对于上述点云数据组中的每个点云数据，可以从上述定位信息序列中选出时间戳与上述点云数据中时间戳相邻的两个定位信息，作为定位信息组。其中，两个定位信息中一个定位信息的时间戳对应的时间点在上述点云数据中时间戳之前，另一个定位信息的时间戳对应的时间点在上述点云数据中时间戳之后。由此可以得到定位信息组集合。
[0033] 步骤203，基于定位信息组集合，生成插值定位信息组。
[0034] 在一些实施例中，上述执行主体可以基于上述定位信息组集合，生成插值定位信息组。其中，上述插值定位信息组中的插值定位信息可以与上述点云数据组中的每个点云数据相对应。对于每个定位信息组，可以利用插值算法对定位信息组中各个定位信息包括的位姿矩阵进行插值，得到与目标时间戳对应的位姿矩阵，作为插值定位信息。该目标时间戳可以是与该定位信息组对应的点云数据中的时间戳。上述插值算法可以包括但不限于以下至少一项：线性插值算法、双线性插值算法等。由此，可以得到插值定位信息组。
[0035] 具体的，由于点云数据的时间戳与定位信息对应的时间戳不相同。且需要确定与点云数据对应的定位信息，即位姿矩阵。因此，对每个定位信息组中的各个定位信息中的位姿矩阵进行插值。以此，可以确定与点云数据的时间戳对应的位姿矩阵，得到插值定位信息组。从而，可以避免由于时间点不对应所造成的误差。进而，可以用于提高三维车道线生成的准确度。
[0036] 在一些实施例的一些可选的实现方式中，上述执行主体基于定位信息组集合，生成插值定位信息组，可以包括以下步骤：
[0037] 第一步，对上述定位信息组集合中每个定位信息组中各个定位信息包括的位姿矩阵进行插值处理以生成插值位姿矩阵，得到插值位姿矩阵组。其中，上述定位信息组集合中的每个定位信息包括的位姿矩阵可以是由旋转矩阵和位移向量组成的。对于每个定位信息组，上述插值处理可以是：首先，可以通过球面线性插值算法，对上述定位信息组中的两个定位信息包括的位姿矩阵中的旋转矩阵进行插值，得到插值旋转矩阵。然后，可以通过上述线性插值或双线性插值等算法，对上述定位信息组中的两个定位信息包括的平移向量进行插值，得到插值平移向量。最后，可以将插值旋转矩阵和插值平移向量组合成插值位姿矩阵。由此，可以得到插值位姿矩阵组。
[0038] 第二步，将上述插值位姿矩阵组确定为插值定位信息组。
[0039] 步骤204，基于插值定位信息组和点云数据组，生成矫正旋转矩阵组。
[0040] 在一些实施例中，上述执行主体可以基于上述插值定位信息组和上述点云数据组，通过任何方式生成矫正旋转矩阵组。
[0041] 在一些实施例的一些可选的实现方式中，上述执行主体基于上述插值定位信息组和上述点云数据组，生成矫正旋转矩阵组，可以包括以下步骤：
[0042] 第一步，确定当前车辆的角速度值变化量。其中，可以通过惯性测量单元获取当前车辆的角速度变化量。
[0043] 第二步，基于上述角速度变化量，生成矫正参数。其中，可以将上述角速度变化量输入至预设的转换方程，得到矫正参数。转换方程可以是直线方程也可以是曲线方程。该转换方程因变量的取值范围可以是[0，1]。另外，角速度变化量与上述矫正参数成反比。角速度变化量可以用于表征当前车辆的颠簸程度。
[0044] 第三步，基于上述点云数据组、上述矫正参数和上述插值定位信息组，对预设的初始旋转矩阵组中的各个初始旋转矩阵进行矫正处理，得到矫正旋转矩阵组。其中，上述初始旋转矩阵组中的每个初始旋转矩阵可以与上述点云数据组中的每个点云数据相对应。首先，构建二次曲面方程，可以用于表征当前车辆附近的地面。然后可以通过以下公式生成矫正旋转矩阵组中的各个矫正旋转矩阵：
[0045]
[0046] 其中，i表示序号。ΔR′表示上述矫正旋转矩阵组中的矫正旋转矩阵。ΔR′i表示上述矫正旋转矩阵组中的第i个矫正旋转矩阵。n表示上述点云数据组中点云数据的数量，等于上述矫正旋转矩阵组中矫正旋转矩阵的数量。ΔR表示上述初始旋转矩阵组中的初始旋转矩阵。ΔRi表示上述初始旋转矩阵组中的第i个初始旋转矩阵。R表示上述插值定位信息组中插值定位信息中插值位姿矩阵中的插值旋转矩阵。Ri表示上述插值定位信息组中第i个插值定位信息中插值位姿矩阵中的插值旋转矩阵。P表示上述点云数据组中点云数据中的点云坐标值的横坐标值、纵坐标值和竖坐标值所组成的3×1的矩阵。Pi表示上述点云数据组中第i个点云数据中的点云坐标值的横坐标值、纵坐标值和竖坐标值所组成的3×1的矩阵。Y表示上述插值定位信息组中插值定位信息中插值位姿矩阵中的插值平移向量。Yi表示上述插值定位信息组中第i个插值定位信息中插值位姿矩阵中的插值平移向量。L表示上述插值定位信息组中插值定位信息中插值位姿矩阵。Li表示上述插值定位信息组中第i个插值定位信息中插值位姿矩阵。 表示上述插值定位信息组中第i个插值定位信息中插值位姿矩阵的转置矩阵。Q表示上述二次曲面方程中二次项的系数，可以是数据随机的3×3的对称矩阵。d表示上述二次曲面方程中的常数项。λ表示上述矫正参数。arccos()表示反余弦函数。tr()表示矩阵的迹。ΔRi+1表示与上述插值定位信息组中第i个插值定位信息对应的时间戳相邻的后一个定位信息中插值位姿矩阵中的插值旋转矩阵。||·||2表示2范式。X表示上述二次曲面方程中的坐标中的横坐标值、纵坐标值和竖坐标值所组成的3×1的矩T阵。X 表示上述二次曲面方程中的坐标中的横坐标值、纵坐标值和竖坐标值所组成的3×1T
的矩阵的转置矩阵。S表示上述二次曲面方程中一次项的系数，可以是一行三列的向量。S表示上述二次曲面方程中一次项的系数，可以是一行三列的向量的转置。A表示替换矩阵(用于公式换行)。B表示正则化矩阵。
[0047] 实践中，正则化矩阵可以用于在平缓路段限定相邻时间戳对应的插值旋转矩阵之间的变化量，以降低矫正旋转矩阵与插值旋转矩阵之间的变化幅度若在颠簸路段，矫正参数取值越小，则对矫正旋转矩阵与插值旋转矩阵之间变化幅度的限定越低。上述公式可以利用非线性方法进行求解。考虑到车辆颠簸产生的姿态变化影响的主要是俯仰角。因此，可将上述插值定位信息组中每个插值定位信息中插值位姿矩阵中的旋转矩阵缩减为1个自由度：
[0048]
[0049] 其中，Δθ表示上述插值定位信息对应的俯仰角，该俯仰角可以是上述当前车辆在上述插值定位信息的时间戳对应的时间点时的俯仰角。
[0050] 步骤205，利用矫正旋转矩阵组对点云数据组中每个点云数据的点云坐标值进行优化，得到优化点云坐标值组。
[0051] 在一些实施例中，上述执行主体可以利用上述矫正旋转矩阵组对上述点云数据组中每个点云数据的点云坐标值进行优化，可以通过任何方式得到优化点云坐标值组。
[0052] 在一些实施例的一些可选的实现方式中，上述执行主体利用上述矫正旋转矩阵组对上述点云数据组中每个点云数据的点云坐标值进行优化，可以包括以下步骤：
[0053] 第一步，基于上述矫正旋转矩阵组和上述插值定位信息组，生成目标旋转矩阵组。其中，对于每个矫正旋转矩阵和对应的插值定位信息，可以将矫正旋转矩阵与上述插值定位信息中的插值旋转矩阵的乘积确定为目标旋转矩阵。由此，可以生成目标旋转矩阵组。
[0054] 第二步，基于上述目标旋转矩阵组，确定上述点云数据组中每个点云数据的优化点云坐标值，得到优化点云坐标值组。其中，对于上述点云数据，可以通过以下公式生成优化点云坐标值：
[0055]
[0056] 其中， 表示优化点云坐标值的横坐标值、纵坐标值和竖坐标值所组成的3×1的* *矩阵。ΔR表示上述目标旋转矩阵组中与上述点云数据对应的目标旋转矩阵。R 表示上述插值定位信息组中与上述点云数据对应的插值定位信息中插值位姿矩阵中的插值旋转矩阵。
*
P表示上述点云数据中的点云坐标值的横坐标值、纵坐标值和竖坐标值所组成的3×1的矩阵。Y′表示上述插值定位信息组中与上述点云数据对应的插值定位信息中插值位姿矩阵中的插值平移向量。
[0057] 上述三个公式及其相关内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题“车辆在运动过程中的颠簸会对激光雷达和高精度定位设备之间的位姿造成影响，且三维车道线的生成，对姿态变化相对敏感，虽然两者之间的位移往往可认为保持不变，但两者之间的位姿变化相对较大，因此，会导致生成的点云数据的准确度降低，从而，导致生成的三维车道线的准确度降低，进而，降低驾驶安全”。导致生成的三维车道线的准确度降低的因素往往如下：车辆在运动过程中的颠簸会对激光雷达和高精度定位设备之间的位姿造成影响，且三维车道线的生成，对姿态变化相对敏感，虽然两者之间的位移往往可认为保持不变，但两者之间的位姿变化相对较大。如果解决了上述因素，就能提高生成的三维车道线的准确度。为了达到这一效果，首先，通过引入第一个公式，可以检测出由于车辆颠簸所导致的激光雷达与高精度定位设备之间的误差。从而，得到每个点云数据对应的矫正旋转矩阵。另外，通过考虑到车辆颠簸产生的姿态变化影响的主要是俯仰角。因此，通过上述第二个公式可将上述插值定位信息组中每个插值定位信息中插值位姿矩阵中的旋转矩阵缩减为1个自由度。由此，可以减少优化目标，提高矫正旋转矩阵的生成效率。以及避免数据过多，导致求解不准确或求解失败的情况。最后，通过第三个公式，可以代入矫正旋转矩阵，对点云坐标值进行优化。从而，可以得到每个点云坐标值对应的优化点云坐标值。达到了对点云数据组中各个点云数据进行优化的目的。
[0058] 步骤206，对优化点云坐标值组中的各个优化点云坐标值进行车道线提取处理，得到三维车道线方程组。
[0059] 在一些实施例中，上述执行主体可以通过车道线提取算法，对上述优化点云坐标值组中的各个优化点云坐标值进行车道线提取处理，得到三维车道线方程组。其中，上述车道线提取算法可以包括但不限于：UFLD(Ultra Fast Structure‑aware Deep Lane Detection，车道线快速检测算法)，LaneNet(多分支车道线检测网络)等。
[0060] 在一些实施例的一些可选的实现方式中，上述执行主体对上述优化点云坐标值组中的各个优化点云坐标值进行车道线提取处理，得到三维车道线方程组，可以包括以下步骤：
[0061] 第一步，从上述优化坐标值组中选出满足预设筛选条件的优化坐标值作为目标坐标值组，得到目标坐标值组。其中，由于点云坐标值对应激光反射强度值。因此，每个优化坐标值也可以对应激光反射强度值。上述预设筛选条件可以是选出激光反射强度值处于预设强度区间(例如，[8，50])的优化坐标值，作为目标坐标值。由此，可以得到目标坐标值组。
[0062] 第二步，对上述目标坐标值组进行车道线识别处理，得到三维车道线方程组。其中，可以通过随机抽样一致算法对上述目标坐标值组进行车道线识别处理，得到三维车道线方程组。
[0063] 可选的，上述执行主体还可以将上述三维车道线方程组发送至显示终端以进行三维车道线显示。
[0064] 本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的三维车道线生成方法，可以提高生成三维车道线的准确度。具体来说，造成生成的三维车道线方程的准确度降低的原因在于：车辆在运动过程中的颠簸会对激光雷达和高精度定位设备之间的位姿造成影响，且三维车道线的生成，对姿态变化相对敏感，虽然两者之间的位移往往可认为保持不变，但两者之间的位姿变化相对较大。基于此，本公开的一些实施例的三维车道线生成方法，首先，获取点云数据组，其中，上述点云数据组中的每个点云数据包括点云坐标值和点云时间戳。然后，从预设的定位信息序列中选出与上述点云数据组中每个点云数据中的点云时间戳相对应的定位信息以生成定位信息组，得到定位信息组集合，其中，上述定位信息序列中的定位信息包括位姿矩阵。之后，基于上述定位信息组集合，生成插值定位信息组，其中，上述插值定位信息组中的插值定位信息与上述点云数据组中的每个点云数据相对应。通过生成差值定位信息组，可以对应同一时间的点云数据与定位信息，便于生成三维车道线。而后，基于上述插值定位信息组和上述点云数据组，生成矫正旋转矩阵组。通过生成矫正旋转矩阵组，可以用于确定每个点云数据对应的激光雷达与高精度定位设备之间的位姿误差。使得可以确定因车辆运动颠簸对激光雷达与高精度定位设备之间位姿的变化量。接着，利用上述矫正旋转矩阵组对上述点云数据组中每个点云数据的点云坐标值进行优化，得到优化点云坐标值组。通过矫正旋转矩阵组可以优化点云数据，以减少点云数据的误差。最后，对上述优化点云坐标值组中的各个优化点云坐标值进行车道线提取处理，得到三维车道线方程组。从而，相比于未优化之前点云数据。通过优化点云数据，提取的三维车道线方程可以更加准确。进而，可以提高驾驶安全。
[0065] 进一步参考图3，其示出了三维车道线生成方法的另一些实施例的流程300。该三维车道线生成方法的流程300，包括以下步骤：
[0066] 步骤301，获取点云数据组。
[0067] 在一些实施例中，步骤301的具体实现方式及所带来的技术效果可以参考图2对应的那些实施例中的步骤201，在此不再赘述。
[0068] 步骤302，从点云数据组中选出点云坐标值处于预设坐标范围内的点云数据，得到目标点云数据组。
[0069] 在一些实施例中，三维车道线生成方法的执行主体(如图1所示的计算设备101)可以从上述点云数据组中选出点云坐标值处于预设坐标范围内的点云数据，得到目标点云数据组。其中，选出点云坐标值处于预设坐标范围内的点云数据可以减少其它点云的干预，便于三维车道线的提取。
[0070] 步骤303，从预设的定位信息序列中选出与目标点云数据组中每个目标点云数据中的点云时间戳相对应的定位信息以生成定位信息组，得到定位信息组集合。
[0071] 步骤304，基于定位信息组集合，生成插值定位信息组。
[0072] 步骤305，基于插值定位信息组和点云数据组，生成矫正旋转矩阵组。
[0073] 步骤306，利用矫正旋转矩阵组对点云数据组中每个点云数据的点云坐标值进行优化，得到优化点云坐标值组。
[0074] 步骤307，对优化点云坐标值组中的各个优化点云坐标值进行车道线提取处理，得到三维车道线方程组。
[0075] 在一些实施例中，步骤303‑307的具体实现方式及所带来的技术效果可以参考图2对应的那些实施例中的步骤202‑206，在此不再赘述。
[0076] 从图3中可以看出，与图2对应的一些实施例的描述相比，图3对应的一些实施例中的三维车道线生成方法的流程300体现了得到目标点云数据组的步骤。由此，可以进一步减少其它点云的干预，便于三维车道线的提取。使得可以提高生成的三维车道线方程的准确度。
[0077] 进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种三维车道线生成装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
[0078] 如图4所示，一些实施例的三维车道线生成装置400包括：获取单元401、选取单元402、第一生成单元403、第二生成单元404、优化单元405和提取单元406。其中，获取单元
401，被配置成获取点云数据组，其中，上述点云数据组中的每个点云数据包括点云坐标值和点云时间戳；选取单元402，被配置成从预设的定位信息序列中选出与上述点云数据组中每个点云数据中的点云时间戳相对应的定位信息以生成定位信息组，得到定位信息组集合，其中，上述定位信息序列中的定位信息包括位姿矩阵；第一生成单元403，被配置成基于上述定位信息组集合，生成插值定位信息组，其中，上述插值定位信息组中的插值定位信息与上述点云数据组中的每个点云数据相对应；第二生成单元404，被配置成基于上述插值定位信息组和上述点云数据组，生成矫正旋转矩阵组；优化单元405，被配置成利用上述矫正旋转矩阵组对上述点云数据组中每个点云数据的点云坐标值进行优化，得到优化点云坐标值组；提取单元406，被配置成对上述优化点云坐标值组中的各个优化点云坐标值进行车道线提取处理，得到三维车道线方程组。
[0079] 可以理解的是，该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元，在此不再赘述。
[0080] 下面参考图5，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)500的结构示意图。图5示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
[0081] 如图5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备
500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM503通过总线504彼此相连。
输入/输出(I/O)接口505也连接至总线504。
[0082] 通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
[0083] 特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开的一些实施例的方法中限定的上述功能。
[0084] 需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD‑ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
[0085] 在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText Transfer Protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
[0086] 上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取点云数据组，其中，上述点云数据组中的每个点云数据包括点云坐标值和点云时间戳；从预设的定位信息序列中选出与上述点云数据组中每个点云数据中的点云时间戳相对应的定位信息以生成定位信息组，得到定位信息组集合，其中，上述定位信息序列中的定位信息包括位姿矩阵；基于上述定位信息组集合，生成插值定位信息组，其中，上述插值定位信息组中的插值定位信息与上述点云数据组中的每个点云数据相对应；基于上述插值定位信息组和上述点云数据组，生成矫正旋转矩阵组；利用上述矫正旋转矩阵组对上述点云数据组中每个点云数据的点云坐标值进行优化，得到优化点云坐标值组；对上述优化点云坐标值组中的各个优化点云坐标值进行车道线提取处理，得到三维车道线方程组。
[0087] 可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0088] 附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0089] 描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、选取单元、第一生成单元、第二生成单元、优化单元和提取单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取点云数据组的单元”。
[0090] 本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
[0091] 以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
