一种多个障碍物三维激光雷达数据的处理方法技术

本发明专利技术公开了一种多个障碍物三维激光雷达数据的处理方法，包括建立栅格地图、栅格滤波、确定适应阈值和网格连通标记聚类四个步骤进行数据处理。有益效果：本发明专利技术提出的处理方法，实现了对噪声点和零散点的去噪和精简处理；能对不同的距离下栅格图进行聚类，远处障碍物离散的部分也能较好的聚类在一起，得到车辆前方比较完整的障碍物轮廓点和相对位置信息；为激光雷达和相机的数据融合做铺垫，从而为主动避撞系统的自动避撞提供必要的依据。

A Data Processing Method for Three-Dimensional Lidar with Multiple Obstacles

【技术实现步骤摘要】
一种多个障碍物三维激光雷达数据的处理方法
本专利技术涉及一种激光雷达数据的处理方法，特别涉及一种多个障碍物三维激光雷达数据的处理方法，属于空间信息数据处理领域。
技术介绍
随着人工智能、传感器技术的不断发展，智能驾驶汽车取得了很大的进步。环境感知作为智能驾驶的基础，其性能的优劣直接关系到能否达到安全驾驶的需求。环境感知常用的传感器有视觉传感器、激光传感器、惯性导航、GPS定位系统等。激光雷达由于其精度高，受环境影响较小，在无人驾驶汽车中得到了广泛应用。激光雷达扫描得到的三维点云数据可以对障碍物进行检测和识别，但由于点云的数据规模庞大，会给后续算法增加复杂度，所以需要先对点云数据进行处理。激光雷达数据聚类是其点云数据后续处理的基础，目前激光雷达的聚类方法有基于K均值的聚类、基于分层的聚类、基于密度的聚类、基于网格的聚类、最邻近聚类、基于神经网络的聚类、基于统计学的聚类和高维可视化数据聚类等。基于密度的聚类方法优点是能够发现任意形状的聚类；最邻近聚类的方法计算简单，但是很大程度依赖于第一个聚类中心的位置选择；基于网格的聚类方法虽然减少了计算量，提升了实时性，但距激光雷达较远的障碍物，由于其点云数据比较稀疏，降低了聚类精度。中国专利号CN201810047754.0公开了一种基于多线激光雷达的障碍物聚类方法，采用网格滤波和自适应邻域参数，结合密度聚类算法DBSCAN，提高了障碍物聚类识别准确性和实时性，但该方法在数据密度不均匀、聚类间距差相差很大时，聚类质量较差。中国专利号CN201710318029.8公开了一种图像提取分类区域的方法、物体识别及汽车，采用了网格连通区域标记的算法进行聚类，减少了计算量，提升了实时性，但是该方法对于远距离的数据聚类精度较低，易产生较多离散点。
技术实现思路
专利技术目的：针对现有技术中存在的不足，本专利技术提供了一种能够实现对噪声点和零散数据点进行去除和精简处理的多个障碍物三维激光雷达数据的处理方法。技术方案：一种多个障碍物三维激光雷达数据的处理方法，包括以下步骤：步骤1、建立栅格地图：以激光雷达前方和左右方向建立栅格坐标；选取激光雷达某一时刻下的一帧点云数据和同一时刻角度的相机图像；将上述点云数据投影到栅格坐标中，剔除路面点后，点云数据向栅格投影，统计每个栅格内是否包含点云投影；若栅格内存在点云投影则该栅格为占用状态，表示该栅格中存在障碍物；反之为非占用状态，表示此栅格不存在障碍物；占用状态的栅格形成构成原始栅格地图，用相机图像进行复核；步骤2、栅格滤波：将环境感知环节中的悬空小障碍物排除；将激光雷达点云数据在同一栅格内最大高度值与最小高度值之间的差值与设定的高度阈值进行比较，差值小于高度阈值判定为小障碍物，该栅格标定为非占用状态；过滤后占用状态的栅格构成明显障碍物的栅格地图，用相机图像进行复核；步骤3、确定适应阈值：选取与步骤1中同一个雷达和角度的另一帧点云数据和该时刻角度的相机图像，对于该帧数据投影到步骤1的栅格坐标中，并进行步骤2的滤波；利用该数据，进行自适应阈值聚类；通过对比试验，选择不同距离下的阈值进行聚类，将聚类结果与同一时刻的图像进行对比，获得不同阈值下聚类数目和障碍物实际数量最为相近或者相等的阈值即为适应阈值；步骤4、网格连通标记聚类：对步骤2的栅格地图进行初步聚类；将连通区域进行扩展并且进行二次聚类；用相机图像进行复核。进一步，根据实现雷达探测的精度和范围确定建立的栅格坐标的单元尺寸和栅格的数量，所述步骤1中栅格坐标是以激光雷达为原点，以水平面为坐标平面，建立尺寸相同的正方形栅格坐标，单个栅格的尺寸为数据处理的精度，栅格的尺寸和栅格的个数决定数据范围。进一步，所述步骤2中根据实现精度要求设定高度阈值。根据激光雷达所安装的目的车辆的通过性能设定高度阈值，能够进一步过滤噪声数据达到精简数据的目的。进一步，所述步骤3中所述的自适应阈值聚类采用最邻近聚类算法，将第一个数据点作为第一个物体边缘的初始点，作为第一类，从第二个数据点开始，依次将每个数据点与它前一个点进行比较，计算两点之间的距离；若两点间的距离小于等于步骤3中的适应阈值，则认为该点与前一点属于同一类，将该点加到当前类中；若两点间的距离大于步骤3中的适应阈值，则认为该点不属于当前类，创建一个新的类，并将该点作为这个新类的起点，对所有的数据点按此方法进行判断，将采集的该帧数据划分为若干个聚类点集。采用最邻近聚类算法能够快速确定适应阈值，为后面步骤中的区域扩展的提供依据。进一步，为了进一步将远处障碍物离散的部分也能较好的聚类在一起，得到前方比较完整的障碍物轮廓和相对位置信息，所述步骤4中的初步聚类为八连通区域标记法；所述连通区域扩展是在八连通区域基本上，根据步骤3的适应阀值，通过公式换算得到栅格阈值，进而得到扩展后的连通区域；若障碍物栅格对应扩展区域范围存在其余离散的障碍物栅格点，则将离散点与该栅格聚类为同一个障碍物。有益效果：本专利技术提出的处理方法，实现了对噪声点和零散点的去噪和精简处理；能对不同的距离下栅格图进行聚类，远处障碍物离散的部分也能较好的聚类在一起，得到车辆前方比较完整的障碍物轮廓点和相对位置信息；为激光雷达和相机的数据融合做铺垫，从而为主动避撞系统的自动避撞提供必要的依据。附图说明图1为本专利技术的数据处理的流程图；图2为本专利技术自适应的最邻近聚类算法流程图；图3为本专利技术连通区域扩展的示意图。具体实施方式下面将参照附图详细地描述实施例。图1所示，一种多个障碍物三维激光雷达数据的处理方法，包括以下步骤：步骤1、建立栅格地图：以激光雷达前方和左右方向建立栅格坐标；选取激光雷达某一时刻下的一帧点云数据和同一时刻角度的相机图像；将上述点云数据投影到栅格坐标中，剔除路面点后，点云数据向栅格投影，统计每个栅格内是否包含点云投影；若栅格内存在点云投影则该栅格为占用状态，表示该栅格中存在障碍物；反之为非占用状态，表示此栅格不存在障碍物；占用状态的栅格形成构成原始栅格地图，用相机图像进行复核；步骤2、栅格滤波：将环境感知环节中的悬空小障碍物排除；将激光雷达点云数据在同一栅格内最大高度值与最小高度值之间的差值与设定的高度阈值进行比较，差值小于高度阈值判定为小障碍物，该栅格标定为非占用状态；过滤后占用状态的栅格构成明显障碍物的栅格地图，用相机图像进行复核；步骤3、确定适应阈值：选取与步骤1中同一个雷达和角度的另一帧点云数据和该时刻角度的相机图像，对于该帧数据投影到步骤1的栅格坐标中，并进行步骤2的滤波；利用该数据，进行自适应阈值聚类；通过对比试验，选择不同距离下的阈值进行聚类，将聚类结果与同一时刻的图像进行对比，获得不同阈值下聚类数目和障碍物实际数量最为相近或者相等的阈值即为适应阈值；步骤4、网格连通标记聚类：对步骤2的栅格地图进行初步聚类；将连通区域进行扩展并且进行二次聚类；用相机图像进行复核。本专利技术使用的语言环境为python语言。本专利技术建立的栅格地图是以激光雷达为原点，以x方向为车辆前进方向，y方向为车辆左方，大小为400×400格，单个栅格大小为10cm×10cm，即包含车辆前方40m以内以及左右各20m以内的范围。若栅格内包含点云投影，此栅格置为1，表示栅格中存在障碍物；若栅格内不包含点云投影，此栅格置为0，表示此本文档来自技高网...

【技术保护点】
1.一种多个障碍物三维激光雷达数据的处理方法，其特征在于，包括以下步骤：步骤1、建立栅格地图：以激光雷达前方和左右方向建立栅格坐标；选取激光雷达某一时刻下的一帧点云数据和同一时刻角度的相机图像；将上述点云数据投影到栅格坐标中，剔除路面点后，点云数据向栅格投影，统计每个栅格内是否包含点云投影；若栅格内存在点云投影则该栅格为占用状态，表示该栅格中存在障碍物；反之为非占用状态，表示此栅格不存在障碍物；占用状态的栅格形成构成原始栅格地图，用相机图像进行复核；步骤2、栅格滤波：将环境感知环节中的悬空小障碍物排除；将激光雷达点云数据在同一栅格内最大高度值与最小高度值之间的差值与设定的高度阈值进行比较，差值小于高度阈值判定为小障碍物，该栅格标定为非占用状态；过滤后占用状态的栅格构成明显障碍物的栅格地图，用相机图像进行复核；步骤3、确定适应阈值：选取与步骤1中同一个雷达和角度的另一帧点云数据和该时刻角度的相机图像，对于该帧数据投影到步骤1的栅格坐标中，并进行步骤2的滤波；利用该数据，进行自适应阈值聚类；通过对比试验，选择不同距离下的阈值进行聚类，将聚类结果与同一时刻的图像进行对比，获得不同阈值下聚类数目和障碍物实际数量最为相近或者相等的阈值即为适应阈值；步骤4、网格连通标记聚类：对步骤2的栅格地图进行初步聚类；将连通区域进行扩展并且进行二次聚类；用相机图像进行复核。...

【技术特征摘要】
1.一种多个障碍物三维激光雷达数据的处理方法，其特征在于，包括以下步骤：步骤1、建立栅格地图：以激光雷达前方和左右方向建立栅格坐标；选取激光雷达某一时刻下的一帧点云数据和同一时刻角度的相机图像；将上述点云数据投影到栅格坐标中，剔除路面点后，点云数据向栅格投影，统计每个栅格内是否包含点云投影；若栅格内存在点云投影则该栅格为占用状态，表示该栅格中存在障碍物；反之为非占用状态，表示此栅格不存在障碍物；占用状态的栅格形成构成原始栅格地图，用相机图像进行复核；步骤2、栅格滤波：将环境感知环节中的悬空小障碍物排除；将激光雷达点云数据在同一栅格内最大高度值与最小高度值之间的差值与设定的高度阈值进行比较，差值小于高度阈值判定为小障碍物，该栅格标定为非占用状态；过滤后占用状态的栅格构成明显障碍物的栅格地图，用相机图像进行复核；步骤3、确定适应阈值：选取与步骤1中同一个雷达和角度的另一帧点云数据和该时刻角度的相机图像，对于该帧数据投影到步骤1的栅格坐标中，并进行步骤2的滤波；利用该数据，进行自适应阈值聚类；通过对比试验，选择不同距离下的阈值进行聚类，将聚类结果与同一时刻的图像进行对比，获得不同阈值下聚类数目和障碍物实际数量最为相近或者相等的阈值即为适应阈值；步骤4、网格连通标记聚类：对步骤2的栅格地图进行初步聚类；将连通区域进行扩展并且进行二次聚类；用相机图像进行复核。2.根据权利要...

【专利技术属性】
技术研发人员：江浩斌，羊杰，吕朝萍，钱进优，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏,32