The invention discloses a subway track obstacle detection method which combines visual and lidar data characteristics, including the following steps: S1, assembling a lidar and a camera for the subway; S2, using a subway equipped with a lidar and a camera to go back and forth along the running line at least once, collecting image data of the camera along the way. And LIDAR point cloud data; S3, using LIDAR point cloud data to map the construction; for the cross-track and bend position, using camera image data to calibrate one by one; S4, for camera image data and LIDAR point cloud data can not determine the road conditions, using manual annotation; The map data of the subway line in S2. The invention integrates the visual and lidar data features to realize the obstacle detection of subway track, mainly uses the lidar data and assists by the visual features to mine the data features of the two, and detects the obstacle.
【技术实现步骤摘要】
融合视觉与激光雷达数据特征的地铁轨道障碍物检测方法
本专利技术涉及自动驾驶
,具体涉及一种融合视觉与激光雷达数据特征的地铁轨道障碍物检测方法。
技术介绍
近年来汽车自动驾驶技术如火如荼的发展,却受限于城市路况的诸多随机性而屡屡碰壁,虽然可以通过配备激光雷达、毫米波雷达等传感器增强自动驾驶的可行性,确又受到传感器高价的困扰而无法实施,比如一个64线激光雷达造价达到8000多美元,接近一辆汽车的价格。而城市中主要的公共交通工具——地铁,因其具有固定的行驶路线及其昂贵的价格,以及地铁司机训练的长周期性,将最迫切以及最容易实现自动驾驶。而地铁自动驾驶中,最关注的一个主要问题就是障碍物的检测。
技术实现思路
基于以上
技术介绍
,本专利技术提供一种融合视觉与激光雷达数据特征的地铁轨道障碍物检测方法。以激光雷达数据为主,以视觉特征为辅,对两者数据特征进行挖掘,检测障碍物。为了实现以上目的,本专利技术采用以下技术方案:一种融合视觉与激光雷达数据特征的地铁轨道障碍物检测方法,包括以下步骤:S1、为地铁装配激光雷达和摄像头;S2、利用装配有激光雷达和摄像头的地铁沿着行驶线路往返至少一次,采集沿途的摄像头图像数据和激光雷达点云数据;S3、利用激光雷达点云数据进行地图的构建;对于交叉轨道处和弯道位置,利用摄像头图像数据进行逐一标定;S4、对于摄像头图像数据和激光雷达点云数据都无法确定的路况,利用人工进行手动标注;形成S2中的行驶线路的地铁地图数据。优选地,所述地铁地图数据中的摄像头图像数据的集合构成视觉特征数据库,所述检测方法还包括视觉特征数据库的不断完善。更优选地,所述视觉特征 ...
【技术保护点】
1.一种融合视觉与激光雷达数据特征的地铁轨道障碍物检测方法,其特征在于,包括以下步骤:S1、为地铁装配激光雷达和摄像头;S2、利用装配有激光雷达和摄像头的地铁沿着行驶线路往返至少一次,采集沿途的摄像头图像数据和激光雷达点云数据;S3、利用激光雷达点云数据进行地图的构建;对于交叉轨道处和弯道位置,利用摄像头图像数据进行逐一标定;S4、对于摄像头图像数据和激光雷达点云数据都无法确定的路况,利用人工进行手动标注;形成S2中的行驶线路的地铁地图数据。
【技术特征摘要】
1.一种融合视觉与激光雷达数据特征的地铁轨道障碍物检测方法,其特征在于,包括以下步骤:S1、为地铁装配激光雷达和摄像头;S2、利用装配有激光雷达和摄像头的地铁沿着行驶线路往返至少一次,采集沿途的摄像头图像数据和激光雷达点云数据;S3、利用激光雷达点云数据进行地图的构建;对于交叉轨道处和弯道位置,利用摄像头图像数据进行逐一标定;S4、对于摄像头图像数据和激光雷达点云数据都无法确定的路况,利用人工进行手动标注;形成S2中的行驶线路的地铁地图数据。2.根据权利要求1所述的检测方法,其特征在于...
【专利技术属性】
技术研发人员:林春雨,王保华,翟国锐,尹航,郝志强,彭少武,
申请(专利权)人:北京交通大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。