一种轨道和道路障碍物检测方法技术

本发明专利技术公开了一种轨道和道路障碍物检测方法，包括步骤：A.通过单目或多目照相机获得车辆前方的图像；B.通过毫米波装置和激光装置发射光信号并接收光信号以得到2D点云图和2D频谱图；C.对图像进行多视处理，再以视频系统为媒介，通过焦平面阵列分析匹配激光雷达和视频系统；针对毫米波雷达，通过数据预处理、边缘匹配方法匹配视频系统和毫米波雷达系统，完成激光雷达、毫米波雷达、视频系统三个系统的像素级融合；将获取到的图像进行实施序列分析，对多雷达系统及视频系统进行滤波处理，将毫米波雷达和激光雷达采集的图像与原始图像进行匹配；D.标记障碍物。本发明专利技术能够较为准确的识别障碍物，具备一定的预警功能，能够同时保证准确性和预警功能。

【技术实现步骤摘要】
一种轨道和道路障碍物检测方法
本专利技术属于交通领域，特别涉及一种轨道和道路障碍物检测方法。
技术介绍
国内主流障碍物探测技术尚处在萌芽阶段，现在主要的轨道交通障碍物探测技术还停留在通过在轨道车辆前端设置接触式障碍物检测装置，这项技术是通过触碰的机械方式进行探测，探测距离短，并不具备预警能力。而目前雷达探测技术还不够成熟，特别是在转弯处和坡道行驶时，其检测精度和准确度都不能满足道路交通的障碍物检测要求。再加上激光扫描点的数量是有限的，而且扫描点不均匀且稀疏，容易导致车辆无法容易在点云较为稀少的地方识别出障碍物，对于障碍物的大小也无法定性估计。同时，毫米波雷达并不成熟，且在远距离探测的精度，准确度难以满足自动驾驶系统的要求，提升单一雷达系统的周期较长。随着无人驾驶技术和人工智能技术的发展，势必要求车辆具备预警功能和自动障碍物检测技术，并在可以预见的未来迅速在整个城市轨道交通和无轨交通领域蔓延。所以综合运用多雷达系统探测障碍物也将成为自动驾驶技术和人工智能时代一个迫切的需求。
技术实现思路
本专利技术的目的在于，针对上述现有技术的不足，提供一种基于激光雷达、毫米波雷达和图像识别的轨道和道路障碍物检测方法，能够判断障碍物是否存在，检测障碍物的距离，为控制中心判断是否实施制动或紧急制动提供依据。为解决上述技术问题，本专利技术所采用的技术方案是：一种轨道和道路障碍物检测方法，其特点是包括以下步骤：步骤A.通过安装在轨道车辆车头的单目或多目相机获得车辆前方的图像；步骤B.通过毫米波装置和激光装置发射光信号并通过光子探测器接收光信号以得到2D点云图和2D频谱图；步骤C.对图像进行多视处理，再以视频系统为媒介，通过焦平面阵列分析匹配激光雷达和视频系统；针对毫米波雷达，通过数据预处理、边缘匹配方法匹配视频系统和毫米波雷达系统，完成激光雷达、毫米波雷达、视频系统三个系统的像素级融合；将获取到的图像进行实施序列分析，对多雷达系统及视频系统进行滤波处理，将毫米波雷达和激光雷达采集的图像与原始图像进行匹配；步骤D.针对毫米波雷达、激光雷达各自具有的特征分析前向障碍物，根据天气情况，通过机器学习计算出权值并调整参数，在极端恶劣天气下(大暴雨(1d(或24h)降雨量100～250mm)，7级以上大风，能见度不超过150米的大雾，强沙尘暴，PM2.0在500以上的雾霾)，以毫米波雷达识别的精度为准；在非极端天气条件下，通过机器学习根据形状对物体进行分割，并通过机器学习设置阈值，强化激光雷达的识别权值；运用毫米波雷达的穿透能力，探测一些可能存在的被遮挡的物体；设置距离模块来分析车辆前方可能存在的障碍物，并根据距离模块点的特征标记障碍物。进一步地，还包括步骤E.针对类直道、弯道、坡道，通过距离模块标记出参数，显示障碍物距离车辆的距离。进一步地，还包括步骤F.在照相机所拍摄图像上，根据对应障碍物以及障碍物的距离，并通过障碍物在图像上的大小和障碍物的距离得到障碍物的实际大小；当障碍物的实际大小超过30cm*30cm*30cm时，对轨道车辆进行减速；当障碍物的实际大小超过60cm*60cm*60cm时，对轨道车辆采取紧急制动。本专利技术采取多雷达系统和图像识别的综合技术，综合运用了图像识别，毫米波雷达和激光雷达的优势，通过安装在轨道车辆上的车载设备来实现测距和障碍物判断，并识别障碍物，通过发射和接受光束，判断障碍物距离，通过将扫描出的结果同步到图像上，用框图。最后在控制中心，通过距离和障碍物的大小来判断是否实施制动或紧急制动，从而实现轨道车辆的提前预警和安全性提升的要求，提升无人驾驶的安全性。本专利技术能够较为准确的识别障碍物，并且具备一定的预警功能，与现行的检测方法相比，能够同时保证准确性和预警功能。附图说明图1为本专利技术方法中激光雷达系统、相机系统、毫米波雷达系统和车载系统安装示意图。图2为本专利技术方法中激光雷达系统、相机系统、毫米波雷达系统探测范围示意图。图3为通过光扫描激光雷达示意图。具体实施方式本专利技术的原理准备如下：在轨道车辆上，将激光雷达系统1、相机系统2、毫米波雷达系统3和车载系统4按照图1安装在车辆端部位置。激光雷达系统1、相机系统2、毫米波雷达系统3探测范围如图2所示。毫米波探测技术毫米波雷达传感器使用毫米波(millimeterwave)。通常毫米波是指30～300GHz频域(波长为1～10mm)的。毫米波的波长介于厘米波和光波之间，因此毫米波兼有微波制导和光电制导的优点。同厘米波雷达相比，毫米波雷达具有体积小、易集成和空间分辨率高的特点。测距原理跟一般雷达一样，也就是把无线电波(雷达波)发出去，然后接收回波，根据收发之间的时间差测得目标的位置数据。毫米波雷达可以对摄像头和激光雷达进行补充，将在车身前部远距离上的车辆、路面金属/石块/混凝土障碍物转换为目标信息发送给决策规划模块，尤其在天气环境恶劣、能见度不高的情况下，可以弥补视觉传感器的不足。激光束探测技术：激光雷达，是以发射激光束探测目标的位置、速度等特征量的雷达系统。其工作原理是向目标发射探测信号(激光束)，然后将接收到的从目标反射回来的信号(目标回波)与发射信号进行比较，通过匹配发射信号和回收信号，并计算时间得到△t，就可以根据速度得到s＝v*△t，同时将各个发射出的激光点匹配到图像上，根据点云的数量及在图像上的位置，就可获得诸如方位，高度，姿态及形状等信息，同时根据车身的速度以及两次探测的距离差，就可以获得前车的速度参数，因此，综上所述，激光雷达可获得目标的有关信息，如目标距离、方位、高度、速度、姿态、甚至形状等参数。而用于雷达系统的激光波长一般只有微米的量级，因而它能够探测非常微小的目标，测量的距离也远远高于毫米波雷达及其他车载标准雷达。然而其精度受雨雪，雾，阳光等天气的影响较大，所以在雨雪天气的性能有待提升。一个完整激光装置要包括三个部分，旋转镜，修正镜，镭射发射接收装置。镭射发射接收装置包含一个发射单元和一个接收单元。通过二极管发射出laser，经过修正镜面将激光反射给旋转镜面，然后再把反射回来的激光反射给修正镜面，最后反射给接受装置。因为旋转镜面具备旋转和设计完备的结构，可以接收最大可达180度范围的光。考虑到镜面是其中唯一的运动机构，其运动可通过简单的上下移动，形成高度方向上的点云。除此之外，光扫描激光雷达也是非常常见的一项技术，通过发出激光来照射大块面积形成2D焦平面阵列，如图3所示。而探测原理则是基于返回的时间，在二级管附近安装光子探测器，即可通过发射和探测的时间差来计算目标物的距离。同时脉冲测量系统在激活后也能收集大量的点云，通过点云也可以生成2D图像。雷达图像同步技术：考虑到雷达图像的视角和测试范围不同，同时多雷达系统也存在雷达回波信号相干叠加，导致强度信息存在噪声，因而需要雷达系统和图像系统进行匹配。1.多雷达系统雷达系统具备回波信号叠加，存在信号波相关叠加，因而需要多视处理，即利用DeGrandi，Non-linearDiffusion滤波，从而避免多雷达系统的干涉。2.图像与激光雷达系统匹配通过安装在车辆前端的摄像头捕捉到车辆前端的信息，激光发射多点脉冲光束，形成2D焦平面阵列，选取感兴趣的区域图像识别范围，和焦平面阵列范围，运用中央处理器对平面和摄像头本文档来自技高网...

【技术保护点】
1.一种轨道和道路障碍物检测方法，其特征在于，包括以下步骤：步骤A.通过安装在轨道车辆车头的单目或多目相机获得车辆前方的图像；步骤B.通过毫米波装置和激光装置发射光信号并通过光子探测器接收光信号以得到2D点云图和2D频谱图；步骤C.对图像进行多视处理，再以视频系统为媒介，通过焦平面阵列分析匹配激光雷达和视频系统；针对毫米波雷达，通过数据预处理、边缘匹配方法匹配视频系统和毫米波雷达系统，完成激光雷达、毫米波雷达、视频系统三个系统的像素级融合；将获取到的图像进行实施序列分析，对多雷达系统及视频系统进行滤波处理，将毫米波雷达和激光雷达采集的图像与原始图像进行匹配；步骤D.针对毫米波雷达、激光雷达各自具有的特征分析前向障碍物，根据天气情况，通过机器学习计算出权值并调整参数，在极端恶劣天气下，以毫米波雷达识别的精度为准；在非极端天气条件下，通过机器学习根据形状对物体进行分割，并通过机器学习设置阈值，强化激光雷达的识别权值；运用毫米波雷达的穿透能力，探测一些可能存在的被遮挡的物体；设置距离模块来分析车辆前方可能存在的障碍物，并根据距离模块点的特征标记障碍物。

【技术特征摘要】
1.一种轨道和道路障碍物检测方法，其特征在于，包括以下步骤：步骤A.通过安装在轨道车辆车头的单目或多目相机获得车辆前方的图像；步骤B.通过毫米波装置和激光装置发射光信号并通过光子探测器接收光信号以得到2D点云图和2D频谱图；步骤C.对图像进行多视处理，再以视频系统为媒介，通过焦平面阵列分析匹配激光雷达和视频系统；针对毫米波雷达，通过数据预处理、边缘匹配方法匹配视频系统和毫米波雷达系统，完成激光雷达、毫米波雷达、视频系统三个系统的像素级融合；将获取到的图像进行实施序列分析，对多雷达系统及视频系统进行滤波处理，将毫米波雷达和激光雷达采集的图像与原始图像进行匹配；步骤D.针对毫米波雷达、激光雷达各自具有的特征分析前向障碍物，根据天气情况，通过机器学习计算出权值并调整参数，在极端恶劣天气下，以毫米波雷达识别的精度为准；在非极...

【专利技术属性】
技术研发人员：王睿，王虎高，屈海洋，陈勇，李希宁，
申请(专利权)人：中车株洲电力机车有限公司，
类型：发明
国别省市：湖南,43