用于自动车辆的激光雷达对象检测系统技术方案

一种适用于自动车辆的对象检测系统(10)包括激光雷达(20)和控制器(26)。所述激光雷达(20)用于检测被组织成多条扫描线(24)的点云(22)。所述控制器(26)与所述激光雷达(20)通信。所述控制器(26)被配置用于：将所述点云(22)中的每个所检测到的点(10)分类为接地点(28)或非接地点(30)；限定非接地点(30)的行程(32)，其中，每个行程(32)的特征在于与一个或多个非接地点(30)的后续行程(32)分离开接地点(28)的至少一个实例的扫描线(24)中的相邻非接地点(30)的一个或多个实例；限定与所述对象(14)相关联的非接地点(30)的集群(34)。所述集群(34)的特征在于：当来自第一行程(32A)的第一点(22A)被移位小于距来自第二行程(32B)的第二点(22B)的距离阈值(36)时，来自第一扫描线(24A)的所述第一行程(32A)与来自第二扫描线(24B)的所述第二行程(32B)相关联。

A laser radar object detection system for automatic vehicles

【技术实现步骤摘要】
用于自动车辆的激光雷达对象检测系统
本公开总体上涉及处理激光雷达点云，并且更具体地涉及将来自激光雷达点云的非接地点聚类成集群。点云聚类(clustering)是处理激光雷达点云时更高级别的处理(比如对象的分类和跟踪)通常所使用的重要步骤。
技术介绍
自主车辆或自动车辆操作领域中的近期活动已经引发了轰动汽车行业的一系列反应。期望融合来自多个传感器的数据或信息以增强主自主车辆的感测能力。一种传感器是激光雷达，其利用多个激光束将障碍物定位在其周围并且因其能够在密集的三维(3D)点云中描绘此信息而闻名。激光雷达已经因其长距离和令人满意的准确度而在学术研究团队中普及，同时可能提供更好性能、更低成本以及更小规模的传感器的最新硬件进步似乎已经吸引了所述行业的兴趣。通常，激光雷达被安装在主自主车辆上以提供用于获取周围环境的3D表示的装置。挑战是对其进行分析并且提取有意义的信息，比如对象的数量、对象相对于车辆的位置和速度、以及每个对象(比如汽车、行人、杆等)的分类。类似于图像处理，所述分析的第一步是将输入数据分割或分离成有意义的集群。与自主车辆应用的点云分割问题有关的现有技术用两个步骤来完成。一个似乎是有规律地利用首先移除接地平面并且连续地对剩余点进行聚类的概念。对于第一步，Himmelsbach等人在[M.Himmelsbach、F.v.Hundelshausen和H.J.Wuensche的“Fastsegmentationof3dpoint-cloudsforgroundvehicles(用于地面车辆的3d点云的快速分割)”，《2010年IEEE智能车辆研讨会(IV)》，2010年6月，第560至565页]中在柱面坐标中处理点云并且利用点的分布以便将线段拟合到点云。所述线段基于某个斜率阈值被认为捕获接地表面。在试图识别接地表面时，Moosmann等人在[F.Moosmann、O.Pink和C.Stiller的“Segmentationof3dlidardatainnon-flaturbanenvironmentsusingalocalconvexitycriterion(使用局部凸性标准分割非平坦城市环境中的3d激光雷达数据)”，《2009年IEEE智能车辆研讨会》，2009年6月，第215至220页]中创建了无向图并且比较了平面法线的局部变化以便表征斜率的变化。连续地，对剩余的很好的分离开的非接地点的分组通常被视为聚类问题，其中，采用了适当的公知的聚类算法。示例包括：其实施方式可以在点云图书馆(PCL)中找到的[R.B.Rusu的“Semantic3dobjectmapsforeverydaymanipulationinhumanlivingenvironments(在人类居住环境中用于每日操纵的语义3d对象图)”，博士论文，计算机科学系，慕尼黑工业大学，德国，2009年10月]中的欧几里得集群提取、[M.Ester、H.-P.Kriegel、J.Sander、X.Xu等人的“Adensity-basedalgorithmfordiscoveringclustersinlargespatialdatabaseswithnoise(用于利用噪声发现大型空间数据库中的集群的基于密度的算法)”，KDD，第96卷，第34期，1996年，第226至231页]中的DBSCAN、以及[D.Comaniciu和P.Meer的“Meanshift:Arobustapproachtowardfeaturespaceanalysis(均值偏移：用于特征空间分析的稳健方法)”，《IEEE图案分析和机器智能汇刊》，第24卷，第5期，第603至619页，2002年]中的均值偏移。这些算法以不规则的方式遍历点云并且在找到未标记的点时，所述算法指配新的标签，然后，所述新的标签基于一些规则被传播至相邻的未标记的点。在三维空间内，对点的这种不规则访问可能导致对减慢整个过程的邻点的穷举搜索。尽管这对未被组织的点云来说是必要的，但是，在目标应用中，并未运用对点云进行基于层的组织。
技术实现思路
在此描述的是降低复杂度的同时关注计算速度的方法。一种快速且低复杂度分割过程成功减轻了对继续进行计算要求高的过程(比如对象分类)的性能约束。在具有捕获360度信息的能力的激光雷达传感器的情况下，数据被表示为3D点集(被称为点云，所述点云被组织成层)。每个层中的点还以椭圆的方式被组织，并且所有椭圆层的起始点被认为共享相同的取向。在此描述的方法依赖点云中的这种类型的组织并且利用智能索引来执行高效分割。类似于同一域中的先前工作，我们的方法提出分割过程以在两个步骤中结束：(i)提取属于地的点，以及(ii)将剩余点聚类成有意义的集合。根据一个实施例，公开了一种用于对来自扫描激光雷达的非接地点云进行聚类的方法。所产生的集群限定场景中的潜在对象并且进一步由边界框封闭。通常，边界框并不紧紧地封闭对象。在本公开中，边界框被视为兴趣区域并且使用根据相机和激光雷达定义的[MeasuringtheObjectnessofImageWindows(测量图像窗口的对象)(IEEE图案分析和机器智能汇刊，第34卷，发行编号：11，2012年11月，第2189页至2202页]的对象测量来得到进一步改善。根据另一个实施例，提供了一种适用于自动车辆的对象检测系统。所述系统包括激光雷达和控制器。所述激光雷达用于检测指示接近主车辆的对象的点云。所述点云被组织成多条扫描线。所述控制器与所述激光雷达通信。所述控制器被配置用于：将所述点云中的每个所检测到的点分类为接地点或非接地点；并且限定非接地点的行程，其中，每个行程的特征在于与一个或多个非接地点的后续行程分离开接地点的至少一个实例的扫描线中的相邻非接地点的一个或多个实例。所述控制器进一步被配置用于限定与所述对象相关联的非接地点的集群。所述集群的特征在于：当来自第一行程的第一点被移位小于距来自第二行程的第二点的距离阈值时，来自第一扫描线的所述第一行程与来自第二扫描线的所述第二行程相关联。在阅读以下仅通过非限制性示例的方式并参照附图给出的优选实施例的详细描述之后，可以清楚地了解另外的特征和优点。附图说明现在将通过举例并且参考以下附图来描述本专利技术，在附图中：图1A、图1B、图1C和图1D是根据一个实施例的例证扫描行程线(SLR)聚类算法的过程的四个阶段，其中，圆圈表示点并且三角上报集群标签；图2A、图2B和图2C合作地形成根据一个实施例的基于图1的标签冲突解决技术的示例；图3A和图3B是根据一个实施例的桥接圆形扫描线的两端的示例；并且图4A和图4B是智能索引的示例：图4A是当两条扫描线在点数上具有显著差异(N外部几乎是N内部的两倍)的情况，并且图4B是根据一个实施例的当两条线中的点由于传感器的噪声和物理限制而丢失的情况；并且图5是根据一个实施例的对象检测系统的简图。具体实施方式以下段落详细描述了用于分割360°覆盖激光雷达传感器接收到的点云的完整方法。首先，呈现被命名为接地平面拟合(GPF)的确定性迭代多平面拟合技术以用于快速提取接地点。接下来是被命名为扫描线行程(SLR)的点云聚类方法，所述点云聚类方法涉及用于在来自激光雷达的二进制图像中进行标记的连本文档来自技高网...

【技术保护点】
一种适用于自动车辆的对象检测系统(10)，所述系统(10)包括：激光雷达(20)，所述激光雷达用于检测指示接近主车辆(12)的对象(14)的点云(22)，所述点云(22)被组织成多条扫描线(24)；控制器(26)，与所述激光雷达(20)通信，所述控制器(26)被配置用于将所述点云(22)中的每个所检测到的点(10)分类为接地点(28)或非接地点(30)，限定非接地点(30)的行程(32)，每个行程(32)的特征在于与一个或多个非接地点(30)的后续行程(32)分离开接地点(28)的至少一个实例的扫描线(24)中的相邻非接地点(30)的一个或多个实例，限定与所述对象(14)相关联的非接地点(30)的集群(34)，所述集群(34)的特征在于：当来自第一行程(32A)的第一点(22A)被移位小于距来自第二行程(32B)的第二点(22B)的距离阈值(36)时，来自第一扫描线(24A)的所述第一行程(32A)与来自第二扫描线(24B)的所述第二行程(32B)相关联。

【技术特征摘要】
2016.09.12 US 15/262,4671.一种适用于自动车辆的对象检测系统(10)，所述系统(10)包括：激光雷达(20)，所述激光雷达用于检测指示接近主车辆(12)的对象(14)的点云(22)，所述点云(22)被组织成多条扫描线(24)；控制器(26)，与所述激光雷达(20)通信，所述控制器(26)被配置用于将所述点云(22)中的每个所检测到的点(10)分类为接地点(28)或非接地点(30)，限定非接地点(30)的行程(...

【专利技术属性】
技术研发人员：D·泽马斯，I·H·伊扎特，A·曼高尔吉利，
申请(专利权)人：德尔福技术有限公司，
类型：发明
国别省市：美国,US