基于三维激光雷达的道路边界检测方法技术

本发明专利技术公开了基于三维激光雷达的道路边界检测方法。在智能车辆行驶过程中，由车载三维激光雷达采集的点云数据经过栅格化处理，生成二值栅格图；将二值栅格图进行距离变换操作得到距离灰度图，填充距离小于一定阈值的障碍点之间的狭小空间，且保持障碍点的整体轮廓不变，得到障碍区域轮廓图；使用区域生长法，以智能车的位置作为起点向前进行区域生长，获得道路的可通行区域轮廓图，再结合最初的二值栅格图，可以得到路面区域轮廓图；提取路面区域轮廓图两侧的轮廓，进行二次函数拟合，即可得到道路边界。本发明专利技术适用于城市道路、乡村道路等多种路况；检测效果受障碍物影响小；时间复杂度低，能实时处理；可以昼夜工作，算法鲁棒性较好。

【技术实现步骤摘要】

： 本专利技术主要涉及智能车环境感知领域，尤其涉及一种应用于智能车自主行驶或辅 助行驶的基于三维激光雷达的道路边界实时检测方法。
技术介绍
： 智能车自主驾驶或辅助驾驶的前提之一就是要快速有效地检测出道路区域。当前 关于道路检测的研宄大部分是基于图像或雷达来进行的。图像展现的是最直接的色彩与纹 理信息，且像素间有较好的连贯性，因此基于图像的道路边界检测的研宄，大多是根据道路 边界的特征来进行的。但图像的缺点也很明显，检测效果受光强、路面材质等因素的干扰较 大，且相机的视野有限。雷达的数据反映的是周边障碍物的密集程度，对检测障碍物具有较 高的精度，它的缺点也很明显，只有距离信息，并且是一种离散信息，容易受到干扰物的影 响。 由CN201110002490"基于红外图像的道路边界检测方法"，可知一种检测道路边界 的方法，对采集的红外图像，融合阈值穷举法与二阶微分算子法获得的直线段，完成边界线 段的提取，最后能准确的找出红外图像中的道路边界。 由CN201110150818"一种SVM与激光雷达结合检测非结构化道路边界的方法"，可 知一种检测道路边界的方法，将三维激光雷达的数据处理成栅格图，然后通过聚类算法将 道路两边的障碍物分为两类，再使用SVM训练得到超平面，从而确定道路的方向，最终求取 道路边界的直线方程。 上述两个专利中提及的方法都只适用于道路上没有车辆等障碍物的情况，而且 CN201110002490只针对结构化道路，对于非结构化道路，这种方法受到了 一定的限制； CN201110150818要求栅格图的数据能明显分为两类，因此无法适用于较窄的乡村道路。
技术实现思路
： 针对道路上存在障碍和非结构化道路等难点，本专利技术提供一种基于三维激光雷达 的道路边界检测方法，能快速准确的检测出道路边界，以用于智能车辆的自主行驶或辅助 行驶。 本专利技术是通过以下技术方案实现的： ，其特征在于，包括有以下步骤： 步骤1，将三维激光雷达采集的点云数据利用最大最小值法投影生成二值栅格 图； 步骤2,对二值栅格图进行距离变换操作，填充距离小于一定阈值的障碍点之间的 狭小空间，得到障碍区域轮廓图； 步骤3,对障碍区域轮廓图使用区域生长法，获得道路路面区域轮廓图； 步骤4,提取道路路面区域轮廓图两侧的轮廓，进行二次函数拟合，得到最终的道 路边界图。 ，其特征在于，所述步骤1中，通过投影生 成二值栅格图的具体方法为： 步骤1. 1，将三维激光雷达采集的点云数据在水平面内划分成边长为0. 2m的一系 列正方形，并将这些正方形一一映射到二值栅格图中，保持正方形在点云数据中的位置关 系与在二值栅格图中的位置关系一致，并设定总栅格数的范围； 步骤1.2,用最大最小值法投影生成二值栅格图。计算二值栅格图中的每个栅格所 对应的点云数据的最大高度值和最小高度值之差，如果这个差值大于设定的阈值，就设置 该栅格为障碍点，标记为1，否则为非障碍点，标记为〇,得到二值栅格图，黑色点是障碍点， 白色点是非障碍点。 ，其特征在于，所述步骤2包括以下步骤： 步骤2. 1，生成距离灰度图：利用距离变换法求出二值栅格图中非障碍点到离它 最近的障碍点之间的距离，作为该点在距离灰度图中对应点的灰度值，并记障碍点在距离 灰度图中对应点的灰度值为〇,获得二值栅格图对应的距离灰度图； 步骤2. 2,将距离灰度图中灰度值小于一定阈值T的点作为障碍点，其他的点作为 非障碍点，得到障碍区域轮廓图。障碍区域轮廓图填充了距离小于阈值T的障碍物数据之 间的狭小空间。 ，其特征在于，所述步骤2. 1中，距离灰度 图的获取包括如下步骤： 步骤2. 1. 1，选取模板：根据智能车的车长与车宽的比近似为2:1，选取3*3的模 板，其中模板的中心为〇，模板中心的上边与下边为2，模板中心的左边与右边为1，四个角 为 1〇〇 ; 步骤2. 1. 2,初始化距离灰度图：距离灰度图的大小和二值栅格图一致，对于距离 灰度图中的每个像素，如果该像素在二值栅格图中对应的栅格的值为1，则设置该像素的像 素值为〇,否则设置该像素的像素值为100 ; 步骤2. 1.3,更新距离灰度图：用选取的模板与初始化后的距离灰度图中的每一 个像素进行运算，得到最终的距离灰度图。 ，其特征在于，所述步骤3进一步包括以 下步骤： 步骤3. 1，以智能车的位置作为区域生长的起点，以障碍点作为生长分支的终点， 采用自下而上、从中间往两边生长的方式，获得道路的可通行区域； 步骤3. 2,求取此可通行区域的外轮廓，将轮廓以链码形式保存下来，形成一个封 闭的空间； 步骤3. 3,在最初的二值栅格图中提取此封闭空间内的障碍点进行聚类，获得的每 个障碍物类即为道路上的实际障碍物； 步骤3. 4,道路的可通行区域与道路上的所有障碍物类，组成了道路的路面区域， 并最终得到道路路面区域轮廓图。 ，其特征在于，所述步骤4进一步包括以 下步骤： 步骤4. 1，选定需要检测的道路边界的范围，在此范围内从道路路面区域轮廓图中 求取左右边界，并将左右边界进行修正，左边界左移阈值T，右边界右移阈值T，阈值T由步 骤2. 2定义； 步骤4. 2,分别对左右边界进行二次函数拟合，获得光滑的道路边界图。 本专利技术的优点是： 本专利技术与现有技术相比，其显著优点为：（1)本方法适用于城市道路、乡村道路、 越野路等多种路况；（2)能有效过滤道路上的车辆等障碍物，检测效果受障碍物影响小； (3)时间复杂度低，能实时处理，算法只用一次距离变换和一次区域生长就检测出道路边 界；(4)可以昼夜工作，算法鲁棒性较好。【附图说明】： 图1是本专利技术的的流程图。 图2是本专利技术的二值栅格例图。 图3是本专利技术的经距离变换处理后得到的障碍区域轮廓例图。 图4是本专利技术的经区域生长法处理后得到的可通行区域轮廓例图。 图5是本专利技术的提取的道路上的障碍物轮廓例图。 图6是本专利技术的道路路面区域轮廓例图当前第1页1 2 本文档来自技高网...

【技术保护点】
基于三维激光雷达的道路边界检测方法，其特征在于，包括有以下步骤：步骤1，将三维激光雷达采集的点云数据利用最大最小值法投影生成二值栅格图；步骤2，对二值栅格图进行距离变换操作，填充距离小于一定阈值的障碍点之间的狭小空间，得到障碍区域轮廓图；步骤3，对障碍区域轮廓图使用区域生长法，获得道路路面区域轮廓图；步骤4，提取道路路面区域轮廓图两侧的轮廓，进行二次函数拟合，得到最终的道路边界图。

【技术特征摘要】

【专利技术属性】
技术研发人员：梁华为，陈涛，王智灵，
申请(专利权)人：中国科学院合肥物质科学研究院，
类型：发明
国别省市：安徽;34