一种激光雷达点云数据障碍检测算法制造技术

本发明专利技术涉及一种激光雷达点云数据障碍检测算法，其步骤为：获取原始数据并解析、栅格地图投射算法、一级格栅提取、二级格栅建立及信息提取、障碍物判定采用分块领域膨胀便历算法、得出障碍物坐标。通过获取激光点云数据，建立两级栅格地图，首先对悬挂物进行剔除再通过对二级栅格进行八邻域膨胀，遍历一级栅格，分区计算高度差的算法对障碍物进行判定，本发明专利技术既保留了栅格法快速稳定的特点，又解决了多个障碍物之间遮挡,断裂以及远处栅格因缺失部分三维点云而出现漏检的问题。

An obstacle detection algorithm for lidar cloud point data

The invention relates to a laser radar obstacle detection data cloud point algorithm, which comprises the following steps: raw data acquisition and analysis, grid map projection algorithm, a grid extraction, two level grid establishment and information extraction, obstacle judgment using block domain expansion algorithm, then the calendar obstacle that coordinates. By acquiring the laser point cloud data, the establishment of two level grid map, the suspension was removed through the two grid eight neighborhood expansion, a grid traversal, partition calculation height difference algorithm for obstacle judgment, the invention not only retains the characteristics of grid method is rapid and stable, and solves the problem of occlusion among many obstacles, fracture and distant grid due to lack of part of the 3D point cloud and some problems.

【技术实现步骤摘要】
一种激光雷达点云数据障碍检测算法
本专利技术涉及一种激光雷达点云数据障碍检测算法。
技术介绍
激光雷达作为一种主动传感器，具有对物体的感知信息来源于自身，受外界环境影响很小，在深度信息的获取上，其可靠性和精确性要高于被动传感器的特点，因而其被广泛应用于环境感知系统。无人车为高速移动机器人,实时性要求极高。而三维激光雷达的原始数据量过于庞大,如直接在原始数据上进行后续处理,难以达到实时性的要求。故需要一种高效快速的激光雷达点云数据处理算法。基于栅格地图的表示是目前最常用的一种三维数据的表示方法，这一类方法对于每个栅格都只是保存了部分数据信息。使得需要处理的数据量变小。栅格障碍检测虽然处理数据的效率比较高，但主要缺点有:由于多个障碍物之间遮挡,断裂以及远处栅格因缺失部分三维点云而出现漏检的问题。
技术实现思路
针对以上现有技术问题，一种新的激光雷达点云数据障碍检测算法，保证障碍物检测准确性的同时实现高速处理。具体技术方案如下：一种激光雷达点云数据障碍检测算法，其步骤为：(1)获取原始数据并解析；(2)栅格地图投射算法；(3)一级栅格信息提取；(4)二级栅格建立及信息提取；(5)障碍物判定：采用分块邻域膨胀历便算法；(6)得出障碍物坐标；进一步地：障碍物判定分块领域膨胀历便算法的具体步骤为：(1)建立一级栅格；(2)将一级栅格投射到二级栅格；(3)二级栅格进行八邻域膨胀；(4)计算膨胀后二级格栅的最小高度；(5)遍及一级栅格，计算一级栅格与所属膨胀二级栅格的高度差；(6)超过高度阈值的一级栅格属性设为障碍物；(7)障碍物栅格计算直角坐标系坐标；进一步地，获取原始数据并解析中：通过实时的数据包，获得多维激光雷达原始数据，每个数据包都包含有每一激光束返回的距离信息和角度信息，定义激光雷达旋转一周输出的数据为一帧数据，经过对原始数据的解析，每个激光雷达点数据包含三维空间位置坐标、垂直角度、水平角度、强度、以及激光线束；进一步地，一级栅格信息提取包括：建立一级栅格地图grid[(M+1),(N+1)]，栅格大小为G，将直角坐标系下的三维点投射到(M,N)栅格平面上，每个栅格都只是保存了最大高度zmax，最小高度zmin，计算三维点的栅格坐标(i，j)数据信息；进一步地，计算三维点的栅格坐标(i，j)数据信息的示例性投射算法为：i＝x/G+sign(x)/2+M/2；j＝y/G+sign(y)/2+N/3，此算法表示装载激光雷达的移动载体处于一级栅格中的位置为x方向的中心，y方向的1/3处；进一步地，统计落在一级栅格内的雷达三维点,对于最小高度zmin超过2.5m的障碍点,视为悬挂障碍物进行剔除。进一步地，二级栅格建立及信息提取包括：根据一级栅格建立二级栅格地图secgrid[M/3,N/3]，横坐标ii[0,M/3],纵坐标jj[0,N/3]，设置高度阀值T1，遍历一级栅格，对一级栅格所属的二级栅格进行八邻域膨胀，计算膨胀后二级栅格中的最小高度；进一步地，计算一级栅格的最大高度zmaxi，j及所属膨胀二级栅格最小高度templow之间高度差，若zmaxi，j－templow≥T1，则一级栅格属性设为障碍物；进一步地，栅格属性为障碍物的栅格转化为直角坐标系坐标的算法为：floatx＝(i-M/2)*G–sign(i-M/2)*G/2floaty＝(j-N/3)*G–sign(j-N/3)*G/2。本专利技术与现有技术相比，具有如下优点和效果：通过获取激光点云数据，建立两级栅格地图，首先对悬挂物进行剔除再通过对二级栅格进行八邻域膨胀，遍历一级栅格，分区计算高度差的算法对障碍物进行判定。本专利技术既保留了栅格法快速稳定的特点，又解决了多个障碍物之间遮挡,断裂以及远处栅格因缺失部分三维点云而出现漏检的问题。附图说明图1为本专利技术处理流程示意图图2为分块邻域膨胀遍历算法处理流程示意图图3为八邻域膨胀模板图4为普通栅格算法得出的障碍物示意图(白色1为障碍物属性)图5为本专利技术算法得出的障碍物示意图(白色1为障碍物属性)具体实施方式以下结合实施例，对本专利技术进行进一步的详细说明。通过实时的UDP数据包，获得多维激光雷达原始数据。每个数据包都包含有每一激光束返回的距离信息和角度信息。我们定义激光雷达旋转一周输出的数据为一帧数据。经过对原始数据的解析，每个激光雷达点数据包含三维空间位置坐标(x,y,z)，垂直角度verAngle，水平角度horAngle，强度intensity，以及激光线束ID。建立一级栅格地图grid[(M+1),(N+1)]，栅格大小为G。将直角坐标系下的三维点投射到(M,N)栅格平面上。每个栅格都只是保存了最大高度zmax，最小高度zmin。计算三维点的栅格坐标(i，j)(0≤i≤M；0≤j≤N)数据信息，使得需要处理的数据量变小。示例性投射算法：i＝x/G+sign(x)/2+M/2；j＝y/G+sign(y)/2+N/3。此算法表示装载激光雷达的移动载体处于一级栅格中的位置为x方向的中心，y方向的1/3处。统计落在一级栅格内的雷达三维点(x,y,z),对于最小高度zmin超过2.5m的障碍点,视为悬挂障碍物进行剔除。根据一级栅格建立二级栅格地图secgrid[M/3,N/3]，横坐标ii[0,M/3],纵坐标jj[0,N/3]。设置高度阀值T1，遍历一级栅格，对一级栅格所属的二级栅格进行八邻域膨胀，计算膨胀后二级栅格中的最小高度。计算一级栅格的最大高度zmaxi，j及所属膨胀二级栅格最小高度templow之间高度差。若zmaxi，j-templow≥T1，则一级栅格属性设为障碍物。分块邻域膨胀遍历算法伪代码为把栅格属性为障碍物的栅格转化为直角坐标系坐标(floatx，floaty)。算法为：floatx＝(i-M/2)*G–sign(i-M/2)*G/2floaty＝(j-N/3)*G–sign(j-N/3)*G/2上面结合附图对本专利技术进行了示例性描述，显然本专利技术具体实现并不受上述方式的限制，只要采用了本专利技术的方法构思和技术方案进行的各种改进，或未经改进直接应用于其它场合的，均在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
一种激光雷达点云数据障碍检测算法，其特征在于：其步骤为：(1)获取原始数据并解析；(2)栅格地图投射算法；(3)一级栅格信息提取；(4)二级栅格建立及信息提取；(5)障碍物判定：采用分块邻域膨胀历便算法；(6)得出障碍物坐标。

【技术特征摘要】
1.一种激光雷达点云数据障碍检测算法，其特征在于：其步骤为：(1)获取原始数据并解析；(2)栅格地图投射算法；(3)一级栅格信息提取；(4)二级栅格建立及信息提取；(5)障碍物判定：采用分块邻域膨胀历便算法；(6)得出障碍物坐标。2.如权利要求1所述的一种激光雷达点云数据障碍检测算法，所述的障碍物判定分块领域膨胀历便算法的具体步骤为：(1)建立一级栅格；(2)将一级栅格投射到二级栅格；(3)二级栅格进行八邻域膨胀；(4)计算膨胀后二级格栅的最小高度；(5)遍及一级栅格，计算一级栅格与所属膨胀二级栅格的高度差；(6)超过高度阈值的一级栅格属性设为障碍物；(7)障碍物栅格计算直角坐标系坐标。3.如权利要求1所述的一种激光雷达点云数据障碍检测算法，所述的步骤(1)中：通过实时的数据包，获得多维激光雷达原始数据，每个数据包都包含有每一激光束返回的距离信息和角度信息，定义激光雷达旋转一周输出的数据为一帧数据，经过对原始数据的解析，每个激光雷达点数据包含三维空间位置坐标、垂直角度、水平角度、强度、以及激光线束ID。4.如权利要求2所述的一种激光雷达点云数据障碍检测算法，所述一级栅格信息提取包括：建立一级栅格地图grid[(M+1),(N+1)]，栅格大小为G，将直角坐标系下的三维点投射到(M,N)栅格平面上，每个栅格都只是保存了最大高度zmax，最小高度zmin，计算三维点的栅格坐标(i，j)数据信息。5.如权利...

【专利技术属性】
技术研发人员：周倪青，曾庆喜，徐达学，
申请(专利权)人：奇瑞汽车股份有限公司，
类型：发明
国别省市：安徽,34