一种用于快速计算无人驾驶车感兴趣区域内车辆速度的方法技术

三维激光雷达可以为无人驾驶车的环境感知提供可靠的感知数据源，本发明专利技术公开了一种基于三维激光雷达实时计算无人驾驶车感兴趣区域内周围车辆绝对速度的方法。其中包括：利用三维激光雷达采集无人车周围环境的海量空间点云数据；自适应距离提取表征车辆特征的某一层点云数据，并将其投影到xoy平面上；运用聚类合并及最小包围矩形的方法，辨识无人驾驶车感兴趣区域内的运动车辆；利用车辆间相对运动时投影到xoy平面上最前层与最后层第一点的距离信息，计算周围车辆的相对速度；与无人车的速度合成得到周围车辆的绝对速度。本发明专利技术的算法简单可靠，时效性较强，可以为无人车在道路上的路径规划及跟驰、换道等行驶策略提供依据。

【技术实现步骤摘要】
一种用于快速计算无人驾驶车感兴趣区域内车辆速度的方法
本专利技术涉及无人驾驶车环境感知领域，具体而言，涉及一种基于三维激光雷达的运动目标检测及测速的方法。
技术介绍
无人车系统一般利用多种传感器的组合实现对本车所处周边环境的数据采集，通过多源信息融合以获取道路环境信息，再处理所得数据，可以得到本车和周围障碍物所处的位置、距离及速度等信息，进而为路径规划及各种控制决策提供依据。环境感知是整个无人车系统中较为基础和关键的环节，感知的环境信息主要为行驶的道路环境，其中运动障碍物的检测尤为关键。根据数据来源的不同，运动目标检测主要分为基于图像的方法和基于雷达数据的方法。现有的基于图像的运动目标检测算法主要有背景差分法、图像帧间差分法和光流法，但是基于图像处理的运动目标检测法存在着图像处理的数据量大、算法的实时性差、受天气影响等的问题。而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、获取深度信息的可靠性和精确性要高于被动传感器的特点，因而被广泛应用于自主车导航。目前激光雷达在无人车领域主要应用于障碍物检测、动态障碍物跟踪、环境建图等方面。通常对无人驾驶车感兴趣区域内周围目标的识别及运动目标的速度计算，更多依赖于摄像机与激光雷达等传感器所采集信息的融合，但是速度计算及识别算法精确度的提高会导致算法复杂度的提高和实时性的下降，如何在二者之间取得平衡，实现一种实时性和识别精度都可以接受的算法成为该领域研究的难点。
技术实现思路
为了解决上述问题，本专利技术公开了一种立足于处理三维激光雷达所获得的单源全景点云数据以快速获得周围车辆等障碍物速度的计算方法，通过障碍物识别及速度计算，为无人车的路径规划及其在道路上的跟驰、换道决策提供依据，从而避免多源信息冗余、融合及处理等算法的复杂性，满足无人车系统在环境感知、路径规划及决策控制方面的实时性和有效性。附图说明图1是本专利技术实施技术的流程图。图2是本专利技术计算周围车辆速度的原理图（以无人车的左前车为例进行说明）。图3是本专利技术具体实施例的效果图。具体实施方式本专利技术提出了一种基于三维激光雷达点云数据快速计算无人驾驶车感兴趣区域内周围车辆绝对速度的方法，它包括：选取激光雷达所扫描的某一层有效数据，并将其投影到xoy平面上；运用聚类合并及最小包围矩形的方法辨识无人驾驶车感兴趣区域内的周围车辆；提取周围车辆的运动信息并计算其绝对速度。完整的技术流程如图1所示，具体如下：步骤一、根据三维激光雷达所扫描的海量点云信息，选取其所扫描的某一层（一定高度范围）数据，并将其投影到xoy平面上。多线激光雷达安装在无人驾驶车的车顶，可以采集到无人驾驶车所在道路环境的全景点云信息，其中包括周围运动车辆、绿化带、隔离带、车道线等信息。通过数据的处理可以探测无人车的可行驶区域，由于无人车的路径规划及跟驰、换道决策等需要考虑周围障碍物间即车辆间的可插车间隙及速度等，故在处理所采集到的道路环境数据时，可以在不丢失周围车辆数据及不影响车辆特征辨识的情况下选取无人驾驶车感兴趣区域内激光雷达所扫描的一层（一定高度范围内）数据，并投影到xoy平面上，以此来直观表征无人车周围运动的车辆信息。此方法既可以提高计算机对数据的处理速度，又不影响车辆特征的辨识。步骤二、用聚类合并及最小包围矩形的方法辨识无人车周围的运动车辆。激光雷达获取的是一个个数据点，但是属于同一物体的空间点云之间存在着一定的关系，可以根据点云密度即点的个数与其最小外接包围矩形面积的比（），将属于同一个物体的空间点聚类到一起。物体的形状特征可以作为无人驾驶车感兴趣区域内周围障碍物辨识的依据，车辆的形状特征尤其可以作为车辆区别于其他障碍物辨识的主要特征，但是由于遮挡或物体某部分的反射率太低，可能会将同一个物体分割为几个不同的聚类，因此需要根据车辆的外形、轮廓特征进行聚类的合并处理，进而提高车辆辨识的准确率。步骤三、无人驾驶车感兴趣区域内周围车辆运动信息提取及速度计算。由于车辆在实际道路上行驶时，不仅存在着纵向（运动方向）和横向位移，还会由于道路的颠簸等产生竖直方向的位移，但因横向和竖直方向的位移相对于其运动方向即纵向的位移都很小，故本专利技术仅以车辆的纵向速度近似代表其运动的绝对速度。将无人驾驶车感兴趣区域内所选定的那层激光雷达扫描数据投影到xoy平面上后，运用聚类合并及最小包围矩形的方法，可以清晰的辨识无人车周围的运动车辆。进行相关参数设置后，激光雷达会以固定的帧速率运转，当安装激光雷达的无人车与其周围的车辆均静止或相对静止时，激光雷达在旋转一周的时间内（即秒内）只会扫描到一次周围车辆信息，此时周围车辆的速度为零或者等于无人车的速度。但是道路上运行的车辆之间总是存在相对运动的（相对静止时相对运动的一种特殊情况），故激光雷达在旋转一周的时间内会多次扫描到周围运动的车辆，即该时间内投影到xoy平面上的层数会增加，层数的变化包含着车辆的相对运动信息。秒内提取的车辆运动距离信息如图2所示，由于车辆的运动，激光雷达所在的车体坐标系相对于大地绝对坐标系在时时的旋转和平移，为了消除此对速度计算的影响，选用点之间的距离表征车辆的运动信息。周围车辆的速度计算方法具体如下：根据投影到xoy平面上的车辆信息，以timestamp记录的时间为准，选取该时间内激光雷达所扫描到的最前层第一个点与最后层第一个点，计算其距离与时间的比值，可以得到周围车辆相对于无人驾驶车的速度，即相对速度，再与该时刻无人驾驶车的速度合成（无人驾驶车的速度可以通过本车上安装的GPS接收器得到），即可得到周围车辆的绝对速度。本专利技术的具体实施例如图3所示：左图是对激光雷达采集的空间点云数据应用特征提取、聚类合并及最小包围矩形等方法提取出来的无人驾驶车及其右后车在xoy平面上的投影，其中虚线框代表无人驾驶车，红线框所包围的L型代表无人车的右后车；右图是表征右后车运动信息的放大图。该右后车速度的计算如下：最前层与最后层第一个点的坐标分别为与，故右后车相对于无人驾驶车移动的距离为米；实验所设置的激光雷达帧速率为10Hz，故激光雷达旋转一周的时间秒，则右后车的相对速度为：；根据无人驾驶车安装的GPS可知该时刻车辆的速度为，则该右后车的绝对速度为。以上说明对基于三维激光雷达采集的单源道路环境信息计算无人车感兴趣区域内周围车辆速度的方法进行了详细描述，但本领域的技术人员都能够意识到，在本专利技术范围和精神内的各种改进、添加和替换都是可能的，并且都在本专利技术的权利要求所限定的保护范围内。本文档来自技高网...

【技术保护点】
本专利技术公开了一种基于三维激光雷达实时计算无人驾驶车感兴趣区域内车辆绝对速度的方法，其特征在于它可以根据激光雷达采集到的单源环境信息快速计算无人驾驶车感兴趣区域内车辆的绝对速度。

【技术特征摘要】
1.本发明公开了一种基于三维激光雷达实时计算无人驾驶车感兴趣区域内车辆绝对速度的方法，其特征在于它可以根据激光雷达采集到的单源环境信息快速计算无人驾驶车感兴趣区域内车辆的绝对速度。2.根据权利要求1所述的计算无人驾驶车感兴趣区域内周围车辆速度的方法，其特征在于包含以下三个步骤：步骤一，根据三维激光雷达所扫描的海量点云信息，选取其所扫描的某一层数据，并投影到xoy平面上：三维激光雷达可以扫描得到海量的空间点云数据，包括在道路上行驶的周围车辆数据及不妨碍无人驾驶车跟驰、换道行驶的绿化带等的噪声信息，在保证不丢失周围车辆信息、不影响车辆特征的情况下，选取无人车感兴趣区域范围内某一层（一定高度范围）的激光雷达扫描数据，并将其投影到xoy平面上，此方法既可以提高数据的处理速度，又不影响车辆特征的辨识；步骤二，运用聚类合并及最小包围矩形的方法辨识车辆：属于同一物体的空间点云之间存在着一定的关系，根据点云密度（点的个数与其最小外接包围矩形面积的比即），运用聚类合并及最小外...

【专利技术属性】
技术研发人员：王晓原，王方，谭德荣，高松，孙亮，邵金菊，孔栋，孙一帆，刘丽萍，
申请(专利权)人：山东理工大学，
类型：发明
国别省市：山东,37