[0001] 本申请涉及车辆控制技术领域，尤其涉及一种楼梯的坡度角度确定方法、装置、电子设备及存储介质。

[0002] 坡度预测是先进汽车技术中的关键技术之一，是智能汽车和自动驾驶技术中重要的组成部分，例如防抱死制动系统(ABS)、电子自动变速箱技术(AMT)、自适应巡航控制系统(ACC)、直接换挡变速器技术(DSG)、上坡辅助系统(HAC)以及陡坡缓降系统(HDC)中都需要准确的坡度信息。

[0003] 楼梯作为坡度中的一种，目前相关技术中楼梯坡度角度确定技术，主要存在以下几种技术路线：

[0004] (1)使用毫米波雷达来检测楼梯参数。毫米波雷达点云较稀疏，且只能提供距离、方位和速度三个维度的信息，高度信息十分有限，无法获取完整的环境信息，对于楼梯宽度可以识别，但无法获取准确的高度信息，因此无法处理获取得到楼梯坡度信息；(2)使用惯性测量单元来检测楼梯参数。单纯使用惯性测量单元，获取Pitch俯仰角来推算目前楼梯的坡度角度，但针对楼梯环境，车辆在运行过程中，车身会存在较大震动，导致I MU测量结果存在较大噪声的情况，其测量精度和准确性较低；(3)使用立体视觉相机来检测楼梯参数。立体视觉相机虽然可以获取三维的环境信息，但对控制模块算力要求高，且在光线较暗或者有遮挡的情况下，可能会出现检测不准确的问题，导致对楼梯场景无法正确检测识别。

[0005] 因此，如何确定楼梯的坡度角度，实现为智能驾驶车辆提供楼梯攀爬基础，成了继续亟需解决的问题。

[0027] 以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

[0028] 下面将结合附图详细说明根据本申请实施例的一种楼梯的坡度角度确定方法和装置。

[0029] 图1是本申请实施例提供的一种楼梯的坡度角度确定方法，如图1所示，该方法包括：

[0030] S101、获取楼梯对应的多个点云数据，并根据楼梯所在平面建立投影平面，投影平面与楼梯所在平面垂直；

[0031] S102、将多个点云数据映射到投影平面，并获取每一点云数据映射到投影平面后的二维点云坐标；

[0032] S103、对多个二维点云坐标进行斜率拟合处理，得到楼梯对应的楼梯斜率，根据楼梯斜率确定楼梯的坡度角度。

[0033] 能够理解的是，本示例提供的楼梯的坡度角度确定方法应用于设置有激光雷达的车辆，上述车辆为采用混合动力的新能源车辆，且上述车辆包括具备自动驾驶或智能驾驶的车辆(包括载人功能车辆(例如轿车、公共汽车、大巴车、小巴车等)、载货功能车辆(例如普通货车、厢式货车、甩挂车、封闭货车、罐式货车、平板货车、集装厢车、自卸货车、特殊结构货车)、特殊车辆(例如物流配送车、自动导引运输车AGV、巡逻车、起重机、吊车、挖掘机、推土机、铲车、压路机、装载机、越野工程车、装甲工程车、污水处理车、环卫车、吸尘车、洗地车、洒水车、扫地机器人、送餐机器人、导购机器人、割草机、高尔夫球车等)、娱乐功能的车辆(如娱乐车、游乐场自动驾驶装置、平衡车等)、救援车(例如消防车、救护车、电力抢修车、工程抢险车等))等。能够理解的是，本示例提供的楼梯的坡度角度确定方法还应用于设置有激光雷达的功能无人车及轮式/履带式/足式机器人。

[0034] 为了更好的说明，本示例后续以上述楼梯的坡度角度确定方法应用于设置有激光雷达的车辆为例进行说明。示例性地，激光雷达安装在车辆车顶处，该激光雷达与智驾域片上系统((System on Chip，SOC)连接，智驾域SOC在通过激光雷达采集到楼梯的点云数据后，基于上述步骤S101和步骤S103确定楼梯的坡度角度。

[0035] 本示例提供的方法首先会通过激光雷达对楼梯进行点云识别，实现获取楼梯对应的多个点云数据，该点云数据为三维数据，每个点云数据都有(x,y,z)坐标。在一些示例中，上述激光雷达为机械旋转式多线激光雷达，机械旋转式多线激光雷达的特点是通过电机带动光机结构整体旋转，发射系统和接收系统在宏观意义上进行转动。通过不断旋转发射头，激光从“线”变成“面”，并在竖直方向上排布多束激光，形成多个面，达到动态扫描并动态接收信息的目的。采用机械结构进行360°的旋转扫描，在垂直方向采用定向分布式扫描，发射器和接收器都跟随扫描部件一同旋转，从而实现对楼梯的全方位的环境感知，获取到分布在楼梯表面上的点云数据。

[0036] 在一些示例中，本示例还会根据楼梯所在平面建立投影平面，该投影平面与楼梯所在平面垂直；具体地，一个平面在三维空间中可以用一个方程表示，通常形式为Ax+By+Cz+D＝0，其中，A、B、C是平面的法向量(即垂直于该平面的向量)的分量，D是一个常数，用于调整平面的位置。本示例通过激光雷达获取分布在楼梯表面上的点云数据，每个点云数据都有(x,y,z)坐标，然后根据上述(x,y,z)坐标确定出楼梯所在平面。

[0037] 具体地，以激光雷达正对楼梯，且激光雷达以激光雷达自身中心为圆心，按右手法则建立雷达坐标系为例，设楼梯所在平面为(Ax+By+Cz+D＝0)，对每个点云数据(xi,yi,zi)进行调整，使得每个点云数据的x值相同,然后每个点云数据(xi,yi,zi)计算到平面(Ax+By+Cz+D＝0)的距离，并求出这些距离的平方和。最小化这个和，得到A、B、C和D值，进而实现出确定楼梯所在平面。

[0038] 在确定投影平面后，本示例确定出楼梯所在平面后，根据楼梯所在平面建立投影平面，该投影平面与楼梯所在平面垂直；示例性的，如图2所示，图2所示中，激光雷达正对楼梯时(激光雷达对应的三维坐标系中X坐标轴和Z坐标轴所成的投影平面与楼梯所在平面垂直，且Y坐标轴与楼梯所在平面平行时，确定激光雷达正对楼梯)，识别楼梯的各级台阶，并在台阶里面上生成一些列点云数据，可以通过PCL点云库算法获取任意点云数据的坐标Porigin(x,y,z)。由于激光雷达正对楼梯，所以激光雷达的X坐标轴和X坐标轴所成的投影平面与楼梯所在平面垂直，因此，本示例以激光雷达X坐标轴和Z坐标轴为基准轴建立投影平面。

[0039] 在建立投影平面后，本示例会将多个点云数据映射到投影平面，能够得到每个点云数据对应的二维点云坐标，在该投影平面内，每个二维点云坐标对应一点云数据，将多个点云数据映射到投影平面后的示意图如图3所示，虽然由于激光雷达测量误差和干扰物的存在，会出现点云噪声，但是通过将多个点云数据映射到投影平面后，最终在投影平面上呈现的点云数据会向某条直线收敛，即可以将点云数据拟合为一条直线，其中，该投影平面以水平方向为X方向，垂直方向为Y方向，显然拟合直线可以表示为y＝kx+b,其中x坐标代表激光雷达点云数据Porigin(x,y,z)的x数据分量，y坐标代表激光雷达点云数据Porigin(x,y,z)的z数据分量。参数k表示拟合直线的斜率，实际意义表示楼梯的斜率，根据该斜率即可准确确定出楼梯的坡度角度。

[0040] 基于上述原理，本示例对多个二维点云坐标进行斜率拟合处理，得到多个二维点云坐标拟合而成的直线对应的斜率，最后再根据楼梯斜率确定楼梯的坡度角度。

[0041] 根据本申请实施例提供的技术方案，获取楼梯对应的多个点云数据，并根据楼梯所在平面建立投影平面，投影平面与楼梯所在平面垂直；将多个点云数据映射到投影平面，并获取每一点云数据映射到投影平面后的二维点云坐标；对多个二维点云坐标进行斜率拟合处理，得到楼梯对应的楼梯斜率，根据楼梯斜率确定楼梯的坡度角度，其中，通过将多个三维的点云数据映射到与楼梯所在平面垂直的投影平面上，实现将三维的点云数据转换为二维点云坐标，由于多个二维点云坐标能够表达出楼梯对应的拟合直线，因此，本示例通过对多个二维点云坐标进行斜率拟合处理，能够得到多个二维点云坐标拟合而成的直线对应的斜率，后续根据该楼梯斜率准确确定楼梯的坡度角度，避免了相关技术中，无法准确确定楼梯的坡度角度的问题。

[0042] 在一些实施例中,如图4所示，根据楼梯所在平面建立投影平面，包括：

[0043] S401、获取激光雷达的初始坐标系，激光雷达用于对楼梯进行点云识别；

[0044] S402、从初始坐标系中确定标定轴和基准轴，并获取标定轴与楼梯所在平面的位置关系；

[0045] S403、若标定轴和楼梯所在平面相交，则根据楼梯平面调整激光雷达的位置，使得标定轴与楼梯所在平面平行；

[0046] S404、根据调整后的激光雷达的基准轴构建投影平面。

[0047] 具体地，以激光雷达正对楼梯，且激光雷达以激光雷达自身中心为圆心，按右手法则建立雷达坐标系为例，此时激光雷达的X坐标轴和Z坐标轴所成的投影平面与楼梯所在平面垂直，因此，可以直接以激光雷达X坐标轴和Z坐标轴为基准轴建立投影平面。然而，在车辆在日常使用过程中，激光雷达与楼梯的位置关系常常不为正对关系，此时，激光雷达的X坐标轴和X坐标轴所成的投影平面与楼梯所在平面不垂直，因此，不能直接以激光雷达X坐标轴和Z坐标轴为基准轴建立投影平面。

[0048] 基于上述原因，在激光雷达与楼梯的位置关系不为正对时(也即，激光雷达的X坐标轴和Z坐标轴所成的投影平面与楼梯所在平面不垂直时)，本示例会获取激光雷达的初始坐标系。示例性的，激光雷达以自身的中心为圆心，按右手法则建立初始坐标系，如图5所示。

[0049] 能够理解的是，本示例并不限制激光雷达仅通过上述方式建立初始坐标系，相关人员可以根据实际需求灵活设置激光雷达建立初始坐标系的方式。

[0050] 在获取到初始坐标系后，本示例从初始坐标系中确定标定轴和基准轴，具体地，初始坐标系中包含X、Y、Z三个坐标轴，其中，一坐标轴为标定轴，另外两个坐标轴为基准轴，其中，初始坐标系中Z坐标轴必定为一基准轴，X、Y坐标轴中，面向楼梯的坐标轴为另一基准轴，X、Y坐标轴中，另一坐标轴为另标定轴。示例性的，以激光雷达以自身的中心为圆心，按右手法则建立初始坐标系为例，则此时将Y坐标轴作为标定轴，X坐标轴和Z坐标轴作为基准轴。

[0051] 能够理解的是，在激光雷达正对楼梯时，标定轴与楼梯所在平面平行；因此若标定轴和楼梯所在平面相交，激光雷达与楼梯的位置关系不为正对，此时，本示例会根据楼梯平面调整激光雷达的位置(此时，该调整为虚拟调整，进而使得虚拟调整后的激光雷达正对该楼梯)，进而使得虚拟调整后的激光雷达对应的初始坐标系中的标定轴与楼梯所在平面平行，且虚拟调整后的激光雷达对应的初始坐标系中两个基准轴形成的平面垂直与楼梯所在平面(达到激光雷达正对楼梯的效果)。

[0052] 最后，本示例会根据调整后的激光雷达的基准轴构建投影平面，进而使得投影平面垂直于楼梯所在平面。

[0053] 根据本申请实施例提供的技术方案，获取激光雷达的初始坐标系，激光雷达用于对楼梯进行点云识别；从初始坐标系中确定标定轴和基准轴，并获取标定轴与楼梯所在平面的位置关系；若标定轴和楼梯所在平面相交，则根据楼梯平面调整激光雷达的位置，使得标定轴与楼梯所在平面平行；根据调整后的激光雷达的基准轴构建投影平面；本示例通过标定轴与楼梯所在平面的位置关系来确定是否可以直接基于基准轴构建投影平面，在标定轴和楼梯所在平面相交时，对激光雷达进行调整，进而使得基于基准轴构建投影平面的能够与楼梯所在平面平行。

[0054] 在一些实施例中,如图6所示，获取每一点云数据映射到投影平面后的二维点云坐标，包括：

[0055] S601、确定每一点云数据在调整后的初始坐标系内的三维坐标；

[0056] S602、对每一点云数据对应的三维坐标进行标定轴坐标移除，得到每一点云数据对应的二维点云坐标。

[0057] 具体地，在对初始坐标系进行调整后，本示例会根据对初始坐标系的调整来调整每一点云数据的坐标，实现确定每一点云数据在调整后的初始坐标系内的三维坐标。

[0058] 由于投影平面是基于两个基准轴所共同构建的，将三维的点云数据投影到该投影平面后，则该三维的点云数据不在具有标定轴对应的坐标，因此，本示例对对每一点云数据对应的三维坐标进行标定轴坐标移除，即可得到每一点云数据对应的二维点云坐标。

[0059] 首先选取激光雷达前向FOV范围为(‑β°，β°)，作为感兴趣区域ROI，该感兴趣区域ROI中包含楼梯，并获取该ROI区域内楼梯的所有点云数据三维坐标为Proi(x,y,z),将其投影到激光雷达XZ平面，得到XZ平面上的二维点云坐标为PCZ(x,y),其中PXZ的分量x等于Proi的分量x,PXz的分量y等于Proi的分量z。

[0060] 在一些示例中，还可以是先获取一初始投影平面，然后将点云数据映射到初始投影平面，并获取每一点云数据映射到投影平面后的初始二维点云坐标，然后对该初始投影平面进行调整，使得该初始投影平面与楼梯所在平面垂直，最后根据对初始投影平面的调整对初始二维点云坐标进行调整，得到该二维点云坐标。

[0061] 根据本申请实施例提供的技术方案，确定每一点云数据在调整后的初始坐标系内的三维坐标；对每一点云数据对应的三维坐标进行标定轴坐标移除，得到每一点云数据对应的二维点云坐标，其中，本方法在将点云数据映射到投影平面后，通过确定该点云数据在投影平面中的坐标关系，并基于该坐标关系对点云数据对应的三维坐标进行标定轴坐标移除，实现了准确获取每一点云数据对应的二维点云坐标。

[0062] 在一些实施例中，如图7所示，对多个二维点云坐标进行斜率拟合处理，得到楼梯对应的楼梯斜率，包括：

[0063] S701、获取预先设置的斜率拟合公式，斜率拟合公式是对直线拟合公式对应的目标函数进行斜率偏导所得到的；

[0064] S702、将多个二维点云坐标带入斜率拟合公式进行斜率拟合处理，得到楼梯斜率。

[0065] 具体地，该预设的斜率拟合公式如下：

[0066]

[0067] 其中，K为楼梯斜率，n为二维点云坐标的数量，xi为第i个二维点云坐标对应的横坐标，yi为第i个二维点云坐标对应的纵坐标。

[0068] 在获取到上述斜率拟合公式后，本示例将多个二维点云坐标带入斜率拟合公式进行斜率拟合处理，即可得到楼梯斜率。

[0069] 能够理解的是，上述斜率拟合公式是对直线拟合公式对应的目标函数进行斜率偏导所得到的；具体地，对于投影之后的点云数据对应的二维点云坐标PXZ(xi,yi),(i＝1,2,…n),基于该二维点云坐标进行直线拟合后的直线拟合公式为f(xi)＝yi＝kxi+b，其中，k为直线的斜率(该直线的斜率同样为楼梯斜率)，b为直线的截距(该直线的截距能够表征楼梯截距)。目标是求解参数k和参数b,使得yi＝kxi+b成立，基于上述直线拟合公式，构建目标函数，该目标函数如下：

[0070]

[0071] 对该目标函数变形，即可得到：

[0072]

[0073] 通过对上述方程求偏导数，并令其等于零，即如下

[0074]

[0075] 便可求得斜率拟合公式为：

[0076]

[0077] 根据本申请实施例提供的技术方案，获取预先设置的斜率拟合公式，斜率拟合公式是对直线拟合公式对应的目标函数进行斜率偏导所得到的；将多个二维点云坐标带入斜率拟合公式进行斜率拟合处理，得到楼梯斜率，其中，通过上述方式将求取楼梯的坡度角度转换为求取直线的斜率，且该方式能够准确快速的获取直线的斜率，进而提升了楼梯的坡度角度计算效率。

[0078] 在一些实施例中，如图8所示，根据楼梯斜率确定楼梯的坡度角度，包括：

[0079] S801、获取预先设置的斜率与角度的转换函数；

[0080] S802、通过转换函数对楼梯斜率进行转换，得到坡度角度。

[0081] 能够理解的是，斜率是直线上升(或下降)的垂直距离与水平距离的比值，而角度是直线与坐标系中x轴正方向之间的夹角，根据上述记载可知，斜率和角度具有关联关系。本示例基于该关联关系设置有斜率与角度的转换函数，该转换函数如下：α＝arctan(k)，其中，α为角度，k为斜率。

[0082] 在获取到楼梯斜率后，本示例将楼梯斜率带入该转换函数，得到对应的坡度角度，具体如下：坡度角度＝arctan(楼梯斜率)。

[0083] 根据本申请实施例提供的技术方案，获取预先设置的斜率与角度的转换函数；通过转换函数对楼梯斜率进行转换，得到坡度角度，其中，该转换函数能够反映斜率与角度的关联关系，因此，本示例通过该转换函数准确将楼梯斜率转换为坡度角度。

[0084] 在一些实施例中，如图9所示，方法还包括：

[0085] S901、获取预先设置的截距拟合公式，截距拟合公式是对直线拟合公式对应的目标函数进行截距偏导所得到的；

[0086] S902、将多个二维点云坐标带入截距拟合公式进行截距拟合处理，得到楼梯截距，楼梯截距表征楼梯与二维点云坐标对应原点的距离。

[0087] 具体地，该预设的截距拟合公式如下：

[0088]

[0089] 其中，b为楼梯截距，n为二维点云坐标的数量，xi为第i个二维点云坐标对应的横坐标，yi为第i个二维点云坐标对应的纵坐标。

[0090] 在获取到上述截距拟合公式后，本示例将多个二维点云坐标带入截距拟合公式进行截距拟合处理，即可得到楼梯截距。

[0091] 能够理解的是，上述截距拟合公式是对直线拟合公式对应的目标函数进行截距偏导所得到的；具体地，对于投影之后的点云数据对应的二维点云坐标PXZ(xi,yi),(i＝1,2,…n),基于该二维点云坐标进行直线拟合后的直线拟合公式为f(xi)＝yi＝kxi+b，其中，k为直线的斜率(该直线的斜率同样为楼梯斜率)，b为直线的截距(该直线的截距能够表征楼梯截距)。目标是求解参数k和参数b,使得yi＝kxi+b成立，基于上述直线拟合公式，构建目标函数，该目标函数如下：

[0092]

[0093] 对该目标函数变形，即可得到：

[0094]

[0095] 通过对上述方程求偏导数，并令其等于零，即如下

[0096]

[0097] 便可求得斜率拟合公式为：

[0098]

[0099] 根据本申请实施例提供的技术方案，获取预先设置的截距拟合公式，截距拟合公式是对直线拟合公式对应的目标函数进行截距偏导所得到的；将多个二维点云坐标带入截距拟合公式进行截距拟合处理，得到楼梯截距，楼梯截距表征楼梯与二维点云坐标对应原点的距离，实现了准确确定楼梯截距，为后续车辆控制提供了基础。

[0100] 在一些实施例中，如图10所示，方法还包括：

[0101] S1001、根据坡度角度确定动力分配策略，根据楼梯截距确定楼梯的起点；

[0102] S1002、根据坡度角度和楼梯的起点生成车辆控制策略，根据车辆控制策略控制车辆。

[0103] 具体地，不同的坡度角度对应不同的动力分配策略，示例性地，坡度角度越高，则需要的动力输出越高；坡度角度越低，则需要的动力输出越低；且坡度角度越高，速度越慢，以确保车辆能够保持足够的牵引力而不打滑。相关人员可以基于上述原理灵活设置坡度角度对应的动力分配策略，在此不再赘述。

[0104] 在一些示例中，车辆还能够根据上述楼梯截距确定楼梯的起点，该起点能够使得车辆确定开始攀登楼梯的位置，因此，本示例会根据坡度角度和楼梯的起点生成车辆控制策略，根据车辆控制策略控制车辆。

[0105] 为了更好的理解本方法，本实施例提供一种更为具体的示例进行说明：

[0106] 车辆包括激光雷达、智驾域片上系统(System on Chip,SOC)、智驾域微控制器(Microcontroller Unit，MCU)、座舱域四部分组成。智能驾驶车辆配置有多线激光雷达(如Robosense Ruby plus128线激光雷达)，如图11所示，激光雷达通过ETH网络连接在智驾域SOC上，SOC能够执行上述步骤101至步骤S103。当车辆需要执行楼梯坡度识别时，多线激光雷达将原始点云数据输入给智驾域控SOC，SOC能够输出坡度角度，该坡度角度可直接输出给座舱域中的楼梯坡度UI显示模块和楼梯坡度语音播报模块，直接和驾驶员进行交互，驾驶员基于楼梯的坡度角度可以从客观上知道前方道路楼梯坡度角度(一些示例中，还可以输出楼梯截距)，为是否可以执行越野爬楼提供决策依据；另一方面，楼梯坡度识别结果还可输入到智驾SOC决策规划模块，进一步输入到控制执行模块，为未来智能驾驶车辆自主楼梯攀爬提供感知结果信息。

[0107] 承接上例，SOC基于点云数据计算坡度角度的方法如下：如图12所示，本示例首先通过车辆上设置的激光雷达获取点云数据，每一点云数据均具有三维坐标，然后通过点云RO I截取算法获取楼梯对应的点云数据，然后生成一个投影平面，将截取的点云数据映射到投影平面中，并获取投影平面中每一点云数据对应的二维点云坐标，然后对二维点云坐标进行拟合(可以采用基于Ceres拟合算法进行拟合)，并通过设定合适的拟合代价值cost获取最终的拟合结果，得到最后的楼梯斜率，并基于该楼梯斜率确定坡度角度，最后输出楼梯对应的坡度角度；该方法中激光雷达提供高精度的三维点云数据，使得楼梯坡度的检测更加准确；且本方法适用于各种室内外环境，能够应对光线较暗的复杂环境，减少外部因素对检测准确性的影响。且本方法适用于功能无人车、轮式/履带式机器人以及智能驾驶乘用车，扩展了无人车辆的应用范围。且本方法中坡度角度、楼梯截距可以直接输出给显示模块和语音播报模块，辅助驾驶员做出决策；也可以输入到智能驾驶控制器，为未来智能驾驶车辆自主楼梯攀爬提供感知信息。本方法采用单项式拟合算法和基于ceres库的优化，提高了计算效率和拟合精度；本方法随着激光雷达硬件成本的降低，使得该技术更加经济实用；本方法简单可靠，大大节省结算资源和开发成本，便于落地实践。

[0108] 根据本申请实施例提供的技术方案，根据坡度角度确定动力分配策略，根据楼梯截距确定楼梯的起点；根据坡度角度和楼梯的起点生成车辆控制策略，根据车辆控制策略控制车辆，本示例中的坡度角度和楼梯截距提供了确定动力分配策略的依据，使得确定的车辆控制策略更加符合实际情况，进而提升了车辆攀爬楼梯的体验。

[0109] 上述所有可选技术方案，可以采用任意结合形成本申请的可选实施例，在此不再一一赘述。

[0110] 下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。

[0111] 本实施例还提供一种楼梯的坡度角度确定装置，如图13所示，该装置包括：

[0112] 获取模块1301，用于获取楼梯对应的多个点云数据，并根据楼梯所在平面建立投影平面，投影平面与楼梯所在平面垂直；

[0113] 映射模块1302，用于将多个点云数据映射到投影平面，并获取每一点云数据映射到投影平面后的二维点云坐标；

[0114] 计算模块1303，用于对多个二维点云坐标进行斜率拟合处理，得到楼梯对应的楼梯斜率，根据楼梯斜率确定楼梯的坡度角度。

[0115] 在一些示例中，获取模块1301还用于获取激光雷达的初始坐标系，激光雷达用于对楼梯进行点云识别；从初始坐标系中确定标定轴和基准轴，并获取标定轴与楼梯所在平面的位置关系；若标定轴和楼梯所在平面相交，则根据楼梯平面调整激光雷达的位置，使得标定轴与楼梯所在平面平行；根据调整后的激光雷达的基准轴构建投影平面。

[0116] 在一些示例中，映射模块1302还用于确定每一点云数据在调整后的初始坐标系内的三维坐标；对每一点云数据对应的三维坐标进行标定轴坐标移除，得到每一点云数据对应的二维点云坐标。

[0117] 在一些示例中，计算模块1303还用于获取预先设置的斜率拟合公式，斜率拟合公式是对直线拟合公式对应的目标函数进行斜率偏导所得到的；将多个二维点云坐标带入斜率拟合公式进行斜率拟合处理，得到楼梯斜率。

[0118] 在一些示例中，计算模块1303还用于获取预先设置的斜率与角度的转换函数；通过转换函数对楼梯斜率进行转换，得到坡度角度。

[0119] 在一些示例中，计算模块1303还用于获取预先设置的截距拟合公式，截距拟合公式是对直线拟合公式对应的目标函数进行截距偏导所得到的；将多个二维点云坐标带入截距拟合公式进行截距拟合处理，得到楼梯截距，楼梯截距表征楼梯与二维点云坐标对应原点的距离。

[0120] 在一些示例中，计算模块1303还用于根据坡度角度确定动力分配策略，根据楼梯截距确定楼梯的起点；根据坡度角度和楼梯的起点生成车辆控制策略，根据车辆控制策略控制车辆。

[0121] 根据本申请实施例提供的技术方案，本实施例提供的楼梯的坡度角度确定装置获取楼梯对应的多个点云数据，并根据楼梯所在平面建立投影平面，投影平面与楼梯所在平面垂直；将多个点云数据映射到投影平面，并获取每一点云数据映射到投影平面后的二维点云坐标；对多个二维点云坐标进行斜率拟合处理，得到楼梯对应的楼梯斜率，根据楼梯斜率确定楼梯的坡度角度，其中，通过将多个三维的点云数据映射到与楼梯所在平面垂直的投影平面上，实现将三维的点云数据转换为二维点云坐标，由于多个二维点云坐标能够表达出楼梯对应的拟合直线，因此，本示例通过对多个二维点云坐标进行斜率拟合处理，能够得到多个二维点云坐标拟合而成的直线对应的斜率，后续根据该楼梯斜率准确确定楼梯的坡度角度，避免了相关技术中，无法准确确定楼梯的坡度角度的问题。

[0122] 图14是本申请实施例提供的电子设备14的示意图。如图14所示，该实施例的电子设备14包括：处理器1401、存储器1402以及存储在该存储器1402中并且可在处理器1401上运行的计算机程序1403。处理器1401执行计算机程序1403时实现上述各个方法实施例中的步骤。或者，处理器1401执行计算机程序1403时实现上述各装置实施例中各模块/单元的功能。

[0123] 电子设备14可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备14可以包括但不仅限于处理器1401和存储器1402。本领域技术人员可以理解，图14仅仅是电子设备14的示例，并不构成对电子设备14的限定，可以包括比图示更多或更少的部件，或者不同的部件。

[0124] 处理器1401可以是中央处理单元(Central Processing Unit，CPU)，也可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field‑Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。

[0125] 存储器1402可以是电子设备14的内部存储单元，例如，电子设备14的硬盘或内存。存储器1402也可以是电子设备14的外部存储设备，例如，电子设备14上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。存储器1402还可以既包括电子设备14的内部存储单元也包括外部存储设备。存储器1402用于存储计算机程序以及电子设备所需的其它程序和数据。

[0126] 所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

[0127] 集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可以存储在计算机可读存储介质中，该计算机程序在被处理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read‑On ly Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据区域要求和专利实践的要求进行适当的增减，例如，在某些区域内，根据区域要求和专利实践，计算机可读介质不包括电载波信号和电信信号。

[0128] 以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。