基于三维激光雷达的障碍检测和路面分割算法制造技术

本发明专利技术公开了一种基于三维激光雷达的障碍检测和路面分割算法，包括步骤：(1)三维激光雷达扫描周围环境，获取周围环境点云信息，并将点云信息从激光雷达的坐标系转化到本地直角坐标系下；(2)提取三维激光雷达兴趣数据点；(3)利用雷达探测角度聚类的方法提取激光雷达扫描单线；(4)使用基于AIC准则的邻域模糊聚类分割雷达扫描单线；(5)采用角点检测准确定位路沿和路面线段端点。与现有技术相比，本发明专利技术可以实时有效地提取路面可通行区域，精度高可靠性强，识别过程中判断误差率小，可以广泛的用于基于三维激光雷达的结构化道路可行域提取的实际场合中。

【技术实现步骤摘要】
基于三维激光雷达的障碍检测和路面分割算法
本专利技术涉及无人驾驶
，尤其涉及一种基于三维激光雷达的障碍检测和路面分割方法。
技术介绍
感知三维环境是无人驾驶车辆研究过程中一项重要工作。按照检测方法，可分为基于激光雷达的障碍检测、基于彩色机器视觉的障碍检测、基于立体视觉的障碍检测以及基于毫米波或超声波雷达的障碍检测[1]。由于采用激光雷达作为传感器，具有检测精度高和响应速度快的优点，本专利技术采用Velodyne16线激光雷达检测障碍物，提取可通行区域。Kammel等[2]提出一种利用网格中点云中最大高度差检测道路的方法，但是该方法检测精度和栅格大小有关，与三维点云数据精度(0.2cm)相比，栅格精度(20cm*20cm)较小，而且受限于运行速度，栅格地图范围较小，大量数据丢失。Moosmann等[3]基于区域增长法分割点云图像，提取道路区域，这种基于图的分割算法精度较高，并且能处理全部雷达数据，但特征单一，容易受到噪点干扰，算法鲁棒性较差。
技术实现思路
为了提高算法的鲁棒性，减少噪点的干扰，本专利技术提出以下技术方案予以解决：提供一种基于三维激光雷达的障碍检测和路面分割算法，包括以下步骤：步骤1：三维激光雷达扫描周围环境，获取周围环境点云数据，并将点云数据从激光雷达的坐标系经过修正转化到本地直角坐标系下；步骤2：从点云数据中提取三维激光雷达兴趣数据点，所述兴趣数据点是指车辆前方的点云数据，具体为车辆周围一定空间范围内的数据点；步骤3：利用雷达探测角度聚类的方法,从获得的点云数据中提取三维激光雷达每条扫描单线的数据；步骤4：采用基于AIC准则的邻域模糊聚类算法分割扫描单线的数据，获得相应的数据区间；步骤5：对数据区间采用角点检测的方法，准确定位路沿和路面线段端点，将路面数据点提取出来；步骤6：根据最小二乘法对路面数据点进行多项式曲线拟合，得到道路前方可行域。接上述技术方案，所述的步骤1中具体包括：1-1激光雷达的坐标系是以激光雷达安放位置为原点，车辆前进方向作为激光雷达坐标系中的x轴方向，车辆的左右方向作为激光雷达坐标系中的y轴方向，车辆的上下作为激光雷达坐标系中的z轴方向。1-2本地直角坐标系是以车身的纵向中轴线与车头的交点为原点，车辆前进方向作为本地直角坐标系中的x轴方向，车辆的左右方向作为本地直角坐标系中的y轴方向，车辆的上下作为本地直角坐标系中的z轴方向。1-3由于安装激光雷达不能保证绝对水平，扫描倾角会产生一定的误差，对该扫描倾角进行修正，使得点投影角度和原始数据扫描角度达到统一。接上述技术方案，车辆周围一定空间范围内的数据点具体为车辆前方20米，左右10米，上方30米以内的空间范围内的数据点。接上述技术方案，所述的步骤3中利用雷达探测角度聚类的方法提取激光雷达扫描单线具体包括：3-1采用的三维激光雷达是Velodyne16线激光雷达，雷达在垂直扫描范围内发射16根激光线，在水平方向上扫描360°获取周边环境信息，具体采用先提取扫描单线的方法；3-2三维激光雷达在扫描过程中将点云数据在笛卡尔坐标系中表示出来，将这些点云数据转化到球坐标系中，利用公式得出点云数据中每个点与z轴的夹角。3-3在得出每个点的仰角后，将具有相同仰角值的数据点筛选出来，得到激光雷达每根扫描单线的数据点。接上述技术方案，所述的步骤4中采用基于AIC准则的邻域模糊聚类算法分割扫描单线数据，获得相应的数据区间具体包括：4-1设获得的雷达扫描单线数据是数据集χ＝{x1,...,xn}，通过利用AIC准则获取最优聚类数目，公式为其中k为聚类数目，n为观察数，SSR为数据集的残差平方和，取使AIC最小的k值；4-2对于某一扫描单线数据集，通过数据间欧式距离计算每个数据的密度，并根据密度值将数据从大到小排列；4-3从排列好的扫描单线数据集中选取k个密度较大的点做为初始聚类中心C＝{C1,C2,...,Ck}；4-4用0到1之间的随机数初始化隶属矩阵U，使其满足4-5针对数据集中每个样本xi，计算价值函数得到，每个数据点的隶属度；4-6用公式更新隶属矩阵；4-7再次计算价值函数，如果得到的值小于设定的阈值或相对上次价值函数值的改变量小于另一阈值，则算法停止，不满足，则重复步骤4-5和4-6。接上述技术方案，所述的步骤5中对于所述数据区间采用角点检测的方法，准确定位路沿和路面线段端点，然后将路面数据点提取出来具体包括：5-1利用水平和竖直差分算子对图像每个像素进行滤波求得图像水平和垂直方向上的导数Ix与Iz，进而得到5-2对m中四个元素进行高斯平滑滤波，得到新的m；5-3计算每个像素的角点量R；5-4在矩阵R大于某一阈值并且R是某邻域内的局部极大值时，认定检测的点为角点，阈值取经验值0.05。接上述技术方案，所述的步骤6中根据最小二乘法对提取出的路面数据点进行多项式曲线拟合，最终得到道路前方可行域具体包括：6-1对于扫描单线中已经剔除了障碍物和路沿的单线点集，利用最小二乘法将剩余点集进行拟合；6-2重复上述过程，得出所有单线剩余点集中的可通行区域拟合曲线。本专利技术还提供了一种基于三维激光雷达的障碍检测和路面分割系统，包括：点云数据获取模块，用于通过三维激光雷达扫描周围环境，获取周围环境点云数据，并将点云数据从激光雷达的坐标系经过修正转化到本地直角坐标系下；兴趣数据点提取模块，用于从点云数据中提取三维激光雷达兴趣数据点，所述兴趣数据点是指车辆前方的点云数据，具体为车辆周围一定空间范围内的数据点；扫描单线数据提取模块，用于利用雷达探测角度聚类的方法,从获得的点云数据中提取三维激光雷达每条扫描单线的数据；数据区间获取模块，用于采用基于AIC准则的邻域模糊聚类算法分割扫描单线的数据，获得相应的数据区间；路面数据点提取模块，用于对数据区间采用角点检测的方法，准确定位路沿和路面线段端点，将路面数据点提取出来；道路可行域获取模块，用于根据最小二乘法对路面数据点进行多项式曲线拟合，得到道路前方可行域。本专利技术还提供了一种计算机可读存储介质，包括可被处理器执行的计算机程序，该计算机程序具体执行上述技术方案的基于三维激光雷达的障碍检测和路面分割算法。以上技术方案和现有技术相比具有以下技术效果：1、对于城市道路，路况复杂，只适用标准化路面算法不能正确识别道路信息，但改进算法能更好地适应复杂路面的的识别；2、本专利技术在处理三维激光雷达数据时，采用仰角来将数据分类，提取出三维激光雷达每条单线的数据，这样的处理能够时数据处理更加简单有效。3、本专利技术在对每一条单线点集进行聚类时，采用了基于AIC准则的邻域模糊聚类，该算法通过AIC准则能够根据点集中点的信息自动选取最优聚类数目，通过领域模糊聚类建立起了样本对于类别的不确定性描述，更能客观的反映实际事物。因此聚类的准确性比传统的模糊聚类算法有所提高。4、本专利技术采用了角点检测的方法定位路沿和数据端点，对于这种有起伏的路面体现在雷达扫描单线图像中为断点或凸起，运用角点检测的准确性大大提高。5、本专利技术在通过基于AIC准则的邻域模糊聚类分离了雷达扫描单线数据，为角点检测提供了检测区间。这两种方法的结合，使得路面的分割更加清晰，提高了传统的路面分割技术的精度。6、本专利技术在进行实地测试时，道路提取算法平均每帧耗时65ms，单帧最大耗本文档来自技高网...

【技术保护点】
1.一种基于三维激光雷达的障碍检测和路面分割算法，其特征在于，包括以下步骤：步骤1：三维激光雷达扫描周围环境，获取周围环境点云数据，并将点云数据从激光雷达的坐标系经过修正转化到本地直角坐标系下；步骤2：从点云数据中提取三维激光雷达兴趣数据点，所述兴趣数据点是指车辆前方的点云数据，具体为车辆周围一定空间范围内的数据点；步骤3：利用雷达探测角度聚类的方法,从获得的点云数据中提取三维激光雷达每条扫描单线的数据；步骤4：采用基于AIC准则的邻域模糊聚类算法分割扫描单线的数据，获得相应的数据区间；步骤5：对数据区间采用角点检测的方法，准确定位路沿和路面线段端点，将路面数据点提取出来；步骤6：根据最小二乘法对路面数据点进行多项式曲线拟合，得到道路前方可行域。

【技术特征摘要】
1.一种基于三维激光雷达的障碍检测和路面分割算法，其特征在于，包括以下步骤：步骤1：三维激光雷达扫描周围环境，获取周围环境点云数据，并将点云数据从激光雷达的坐标系经过修正转化到本地直角坐标系下；步骤2：从点云数据中提取三维激光雷达兴趣数据点，所述兴趣数据点是指车辆前方的点云数据，具体为车辆周围一定空间范围内的数据点；步骤3：利用雷达探测角度聚类的方法,从获得的点云数据中提取三维激光雷达每条扫描单线的数据；步骤4：采用基于AIC准则的邻域模糊聚类算法分割扫描单线的数据，获得相应的数据区间；步骤5：对数据区间采用角点检测的方法，准确定位路沿和路面线段端点，将路面数据点提取出来；步骤6：根据最小二乘法对路面数据点进行多项式曲线拟合，得到道路前方可行域。2.如权利要求1所述的基于三维激光雷达的障碍检测和路面分割算法，其特征在于，所述的步骤1中具体包括：1-1激光雷达的坐标系是以激光雷达安放位置为原点，车辆前进方向作为激光雷达坐标系中的x轴方向，车辆的左右方向作为激光雷达坐标系中的y轴方向，车辆的上下作为激光雷达坐标系中的z轴方向。1-2本地直角坐标系是以车身的纵向中轴线与车头的交点为原点，车辆前进方向作为本地直角坐标系中的x轴方向，车辆的左右方向作为本地直角坐标系中的y轴方向，车辆的上下作为本地直角坐标系中的z轴方向。1-3由于安装激光雷达不能保证绝对水平，扫描倾角会产生一定的误差，对该扫描倾角进行修正，使得点投影角度和原始数据扫描角度达到统一。3.如权利要求1所述的基于三维激光雷达的障碍检测和路面分割算法，其特征在于，车辆周围一定空间范围内的数据点具体为车辆前方20米，左右10米，上方30米以内的空间范围内的数据点。4.如权利要求1所述的基于三维激光雷达的障碍检测和路面分割算法，其特征在于，所述的步骤3中利用雷达探测角度聚类的方法提取激光雷达扫描单线具体包括：3-1采用的三维激光雷达是Velodyne16线激光雷达，雷达在垂直扫描范围内发射16根激光线，在水平方向上扫描360°获取周边环境信息，具体采用先提取扫描单线的方法；3-2三维激光雷达在扫描过程中将点云数据在笛卡尔坐标系中表示出来，将这些点云数据转化到球坐标系中，利用公式得出点云数据中每个点与z轴的夹角。3-3在得出每个点的仰角后，将具有相同仰角值的数据点筛选出来，得到激光雷达每根扫描单线的数据点。5.如权利要求1所述的基于三维激光雷达的障碍检测和路面分割算法，其特征在于，所述的步骤4中采用基于AIC准则的邻域模糊聚类算法分割扫描单线数据，获得相应的数据区间具体包括：4-1设获得的雷达扫描单线数据是数据集χ＝{x1,...,xn}，通过利用AIC准则获取最优聚类数目，公式为其中k为聚类数目，n为观察数，SSR为数据集的残差平...

【专利技术属性】
技术研发人员：邹斌，王磊，董富，颜伏伍，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北,42