一种障碍物识别方法和装置制造方法及图纸

本发明专利技术涉及一种障碍物识别方法和装置，其中障碍物识别方法，包括如下步骤：(1)获取点云；(2)将点云粗栅格化，得到点云的初始聚类，计算出各初始聚类的几何中心；(3)将点云细栅格化，根据各点云的位置和各初始聚类的几何中心位置，得到点云的新聚类，将各新聚类作为相应的障碍物；所述细栅格化的间隔长度小于粗栅格化的栅格间隔长度。本发明专利技术所提供的一种障碍物识别方法和装置，在识别障碍物的过程中，处理的数据较少，算法也比较简单，所以不会花费大量的时间，能够保证对障碍物识别的实时性。

An obstacle identification method and device

The invention relates to an obstacle recognition method and device, in which an obstacle identification method includes the following steps: (1) obtaining point clouds; (2) the point cloud is roughed, the initial clustering of point clouds is obtained, and the geometric centers of the initial clusters are calculated. (3) the point cloud is gratings, according to the location of each point cloud and the several initial clustering Where the center is located, a new cluster of point clouds is obtained, and the new clustering is used as a corresponding obstacle; the interval length of the fine raster is less than the grid spacing length of the roughage. An obstacle identification method and device provided by the invention has less data and simple algorithm in the process of identifying obstacles, so it will not spend a lot of time and can ensure the real-time performance of obstacle recognition.

【技术实现步骤摘要】
一种障碍物识别方法和装置
本专利技术属于车辆环境感知
，具体涉及一种障碍物识别方法和装置。
技术介绍
随着科学技术的发展，人们对车辆的智能化需求也越来越高，其中提高车辆的环境感知能力是提高车辆智能化的重要发展方向。提高车辆的环境感知能力，首先需要提高车辆的障碍物识别能力。障碍物识别包括对原始数据进行分类、障碍物类型识别和障碍物速度识别。由于激光雷达检测精度高，数据输出频率高，且近年来激光雷达在汽车领域的发展趋于产业化，成本逐渐降低，因此被越来越多的应用到汽车自动驾驶中。如公布号为CN104931977A的专利文件所公开的一种用于智能车辆的障碍物识别方法，就是采用激光雷达获取障碍物的障碍点，即采用激光雷达获取障碍物的点云数据，然后对障碍物进行判断。这种方法虽然能够提高对障碍物类型识别的准确率，但是点云数据量巨大，算法也比较复杂，运算过程需要花费大量的时间，不能保证对障碍物识别的实时性。
技术实现思路
本专利技术涉及一种障碍物识别方法和装置，用于解决现有技术中对障碍物识别时算法复杂，运算过程需要花费大量时间的问题。一种障碍物识别方法，包括如下步骤：(1)获取点云；(2)将点云粗栅格化，得到点云的初始聚类，计算出各初始聚类的几何中心；(3)将点云细栅格化，根据各点云的位置和各初始聚类的几何中心位置，得到点云的新聚类，将各新聚类作为相应的障碍物；所述细栅格化的间隔长度小于粗栅格化的栅格间隔长度。本专利技术所提供的一种障碍物识别方法，首先将获取的点云粗栅格化，得到初始聚类，然后再将点云细栅格化，得到点云的新聚类，新聚类即为障碍物。本专利技术所提供的一种障碍物识别方法和装置，在识别障碍物的过程中，处理的数据较少，算法也比较简单，所以不会花费大量的时间，能够保证对障碍物识别的实时性。进一步的，如果步骤(1)中获取的是三维点云，则将其映射到平面中，得到平面内的点云。如果只需检测障碍物的位置，不需要确定障碍物的形状，将点云数据映射到平面中，在二维的平面中计算，能够进一步的减少算法的复杂程度，提高运算的速度。进一步的，将点云粗栅格化后，采用区域增长法对点云进行初始聚类：选中某个存在平面点云的栅格作为一个窗口，判断该窗口各相邻的栅格内是否存在平面点云，如果存在，则将其划分到该窗口内，将该窗口内的平面点云归为同一初始聚类。进一步的，将点云细栅格化后，计算各点云与各初始聚类几何中心之间的距离，作为该点云与相应初始聚类之间的距离；将各点云归于与其距离最近的初始聚类，得到新聚类。进一步的，所述粗栅格化选取的间隔长度在1-2m之间取值，细栅格化选取的间隔长度在0.1-0.5m之间取值。一种障碍物识别装置，包括如下模块：获取点云的模块；将点云粗栅格化，得到点云的初始聚类，计算出各初始聚类的几何中心的模块；将点云细栅格化，根据各点云的位置和各初始聚类的几何中心位置，得到点云的新聚类，将各新聚类作为相应的障碍物；所述细栅格化的间隔长度小于粗栅格化的栅格间隔长度的模块。进一步的，如果获取点云的模块获取的是三维点云，则将其映射到平面中，得到平面内的点云。进一步的，将点云粗栅格化后，采用区域增长法对点云进行初始聚类：选中某个存在平面点云的栅格作为一个窗口，判断该窗口各相邻的栅格内是否存在平面点云，如果存在，则将其划分到该窗口内，将该窗口内的平面点云归为同一初始聚类。进一步的，将点云细栅格化后，计算各点云与各初始聚类几何中心之间的距离，作为该点云与相应初始聚类之间的距离；将各点云归于与其距离最近的初始聚类，得到新聚类。进一步的，所述粗栅格化选取的间隔长度在1-2m之间取值，细栅格化选取的间隔长度在0.1-0.5m之间取值。附图说明图1为实施例提供的障碍物识别方法的流程图。具体实施方式本专利技术涉及一种障碍物识别方法和装置，用于解决现有技术中对障碍物识别时算法复杂，运算过程需要花费大量时间的问题。一种障碍物识别方法，包括如下步骤：(1)获取点云；(2)将点云粗栅格化，得到点云的初始聚类，计算出各初始聚类的几何中心；(3)将点云细栅格化，根据各点云的位置和各初始聚类的几何中心位置，得到点云的新聚类，将各新聚类作为相应的障碍物；所述细栅格化的间隔长度小于粗栅格化的栅格间隔长度。本专利技术所提供的一种障碍物识别方法，首先将获取的点云粗栅格化，得到初始聚类，然后再将点云细栅格化，得到点云的新聚类，新聚类即为障碍物。本专利技术所提供的一种障碍物识别方法，在识别障碍物的过程中，处理的数据较少，算法也比较简单，所以不会花费大量的时间，能够保证对障碍物识别的实时性。下面结合附图对本专利技术进行详细说明。方法实施例：本实施例提供一种障碍物识别方法，其流程如图1所示，具体步骤如下：(1)采用激光雷达获取障碍物的三维点云；(2)将三维点云映射到二维平面中，得到平面点云；(3)对平面点云粗栅格化，采用区域增长算法获取平面点云的初始聚类；粗栅格化时选取的间隔长度一般在1-2m之间取值；区域增长算法是指先选中某个存在平面点云的栅格作为一个窗口，判断该窗口各相邻的栅格内是否存在平面点云，如果存在，则将其划分到该窗口内；依次对该窗口进行扩展，直到与该窗口相邻的栅格内不存在平面点云为止；将该窗口内的平面点云归为同一初始聚类，以此得到平面点云的所有初始聚类；(4)计算各初始聚类的几何中心；设某个初始聚类的上下左右四个边界的栅格坐标分别为(xup，yup)、(xbuttom，ybuttom)、(xleft，yleft)、(xright，yright),则该初始聚类几何中心的横轴坐标为xcenter＝(xleft+xright)/2,纵轴坐标为ycenter＝(yleft+yright)/2；依次计算出各初始聚类的几何中心坐标；(5)将平面点云细栅格化，计算出各平面点云与各初始聚类几何中心的距离，各平面点云与各初始聚类几何中心之间的距离即为各平面点云与相应初始聚类之间的距离；将各平面点云归入与其距离最近的初始聚类，得到新聚类；细栅格化时选取的间隔长度一般在0.1-0.5m之间取值；设某个点云的栅格坐标为(xpoint_cloud，ypoint_cloud)，某个初始聚类的几何中心为(xcenter，ycenter)，则该点云与该初始聚类之间的距离为(6)按照上述计算初始聚类几何中心的方法计算出各新聚类的几何中心；为了保证对各新聚类几何中心计算的准确性，对同一个新聚类进行多次计算，当某个新聚类连续两次计算出的几何中心之间距离小于设定值时，判断为该新聚类的几何中心收敛平衡，选取该两次计算出的几何中心中任意一个，或者两个几何中心的中点作为该新聚类的几何中心；上述设定值一般在0.5-1m之间取值；此时得到的各新聚类即为相应的障碍物，各新聚类的几何中心即为相应障碍物的位置。本实施例所提供的一种障碍物识别方法，为了计算方便，采用激光雷达获取障碍物的三维点云后将其映射到二维平面中，得到平面点云；作为其他实施方式，可以直接对三维点云进行计算，将上述平面点云的计算方法转化为三维点云的计算方法即可。在本实施例中，采用区域增长算法划分初始聚类；作为其他实施方法，可以采用其他方法划分初始聚类，如根据图像中物体的轮廓得到初始聚类等。在本实施例中，根据各点云与各初始聚类几何中心之间的距离得到新聚类；作为其他实施方式，可以采用其他方本文档来自技高网...

【技术保护点】
1.一种障碍物识别方法，其特征在于，包括如下步骤：(1)获取点云；(2)将点云粗栅格化，得到点云的初始聚类，计算出各初始聚类的几何中心；(3)将点云细栅格化，根据各点云的位置和各初始聚类的几何中心位置，得到点云的新聚类，将各新聚类作为相应的障碍物；所述细栅格化的间隔长度小于粗栅格化的栅格间隔长度。

【技术特征摘要】
1.一种障碍物识别方法，其特征在于，包括如下步骤：(1)获取点云；(2)将点云粗栅格化，得到点云的初始聚类，计算出各初始聚类的几何中心；(3)将点云细栅格化，根据各点云的位置和各初始聚类的几何中心位置，得到点云的新聚类，将各新聚类作为相应的障碍物；所述细栅格化的间隔长度小于粗栅格化的栅格间隔长度。2.根据权利要求1所述的一种障碍物识别方法，其特征在于，如果步骤(1)中获取的是三维点云，则将其映射到平面中，得到平面内的点云。3.根据权利要求1所述的一种障碍物识别方法，其特征在于，将点云粗栅格化后，采用区域增长法对点云进行初始聚类：选中某个存在平面点云的栅格作为一个窗口，判断该窗口各相邻的栅格内是否存在平面点云，如果存在，则将其划分到该窗口内，将该窗口内的平面点云归为同一初始聚类。4.根据权利要求1所述的一种障碍物识别方法，其特征在于，将点云细栅格化后，计算各点云与各初始聚类几何中心之间的距离，作为该点云与相应初始聚类之间的距离；将各点云归于与其距离最近的初始聚类，得到新聚类。5.根据权利要求1所述的一种障碍物识别方法，其特征在于，所述粗栅格化选取的间隔长度在1-2m之间取值，细栅格化选取的间隔长度在0.1-0.5m之间取值。6...

【专利技术属性】
技术研发人员：张磊，路晓静，李飞，李雅雷，
申请(专利权)人：郑州宇通客车股份有限公司，
类型：发明
国别省市：河南,41