一种障碍物检测方法及系统技术方案

本发明专利技术公开一种障碍物检测方法及系统。该方法包括：获取激光雷达点云数据；所述激光雷达点云数据由安装在列车上的单线激光雷达探测得到；按照雷达点的序号顺序，结合设定的最大搜索范围对所述激光雷达点云数据进行聚类，得到多个聚类集合；根据所述聚类集合，提取当前帧每个聚类集合对应的目标的特征参数；所述特征参数包括雷达点的数量、平均方位角、平均距离、质心位置、平均反射强度和反射强度方差；根据前一帧每个聚类集合对应的目标的特征参数，对当前帧所有的目标进行匹配；当匹配成功时，将当前帧的目标确定为障碍物目标。本发明专利技术可以提高障碍物检测的准确度。

An obstacle detection method and system

The invention discloses an obstacle detection method and system. The method includes: acquiring the LIDAR point cloud data; the LIDAR point cloud data is detected by the single line lidar installed on the train; clustering the LIDAR point cloud data according to the sequence number of the radar points and the set maximum search range to obtain multiple clustering sets; extracting the corresponding of each clustering set of the current frame according to the clustering set Characteristic parameters of the target; the characteristic parameters include the number of radar points, average azimuth, average distance, centroid position, average reflection intensity and reflection intensity variance; all targets of the current frame are matched according to the characteristic parameters of the target corresponding to each clustering set of the previous frame; when the matching is successful, the target of the current frame is determined as the obstacle target. The invention can improve the accuracy of obstacle detection.

【技术实现步骤摘要】
一种障碍物检测方法及系统
本专利技术涉及轨道障碍物检测领域，特别是涉及一种障碍物检测方法及系统。
技术介绍
在城市轨道的正常行驶中，需要实时检测障碍物目标。目前，通常采用激光雷达负责中等距离环境物体的感知，并提供环境物体准确距离信息。传统的激光雷达目标检测主要依靠经典聚类算法，首先确定聚类半径M，然后在激光雷达点云图中，选中一个随机的种子点pi，计算pi和其他所有雷达点pi,pi+1…pn间的距离，将其他雷达点中与pi的距离小于聚类半径的点加入集合V1{pi…pm}，再在集合V1中挑选下一个种子点，与点云图中其他不在V1中的点计算距离，如距离小于聚类半径M则将这些点也加入集合V1,重复此步骤直V1中的所有点都作过种子点，此时集合V1聚类结束。再在点云图中挑选集合V1之外的种子点，并重复此步骤得到集合V2，以此类推直至点云图中所有点都在某一集合{V1,V2…Vn}中，进而根据聚类后的点云数据确定障碍物的位置。现有技术中，由于车速较快，无法对背景进行建模，因此，采用经典聚类算法检测障碍物的方法不易将障碍物与背景区分，因此，检测的准确度不高。
技术实现思路
本专利技术的目的是提供一种障碍物检测方法及系统，以提高障碍物检测的准确度。为实现上述目的，本专利技术提供了如下方案：一种障碍物检测方法，包括：获取激光雷达点云数据；所述激光雷达点云数据由安装在列车上的单线激光雷达探测得到；按照雷达点的序号顺序，结合设定的最大搜索范围对所述激光雷达点云数据进行聚类，得到多个聚类集合；根据所述聚类集合，提取当前帧每个聚类集合对应的目标的特征参数；所述特征参数包括雷达点的数量、平均方位角、平均距离、质心位置、平均反射强度和反射强度方差；根据前一帧每个聚类集合对应的目标的特征参数，对当前帧所有的目标进行匹配；当匹配成功时，将当前帧的目标确定为障碍物目标。可选的，所述获取激光雷达点云数据，之后还包括：采用中值滤波算法对所述激光雷达点云数据进行平滑处理，去除孤立的噪点，得到预处理后的激光雷达点云数据。可选的，所述按照雷达点的序号顺序，结合设定的最大搜索范围对所述激光雷达点云数据进行聚类，得到多个聚类集合，具体包括：对于雷达点rk，依次判断雷达点rk序号之后设定的最大搜索范围内的每一个雷达点rk+n是否满足设定条件，得到第一判断结果；所述设定条件为其中，rk,k+n为两个激光雷达点的距离，C0为激光雷达的最大误差，K为最大搜索范围，n为两个激光点间的序号差，n≤K，rmin＝{rk,rk+n}，θ为激光雷达角分辨率，当所述第一判断结果表示雷达点rk+n满足设定条件时，将雷达点rk+n加入雷达点rk所在的聚类集合；当所述第一判断结果表示雷达点rk+n不满足设定条件时，构建雷达点rk+n的聚类集合。可选的，所述根据所述聚类集合，提取当前帧每个聚类集合对应的目标的特征参数，具体包括：利用公式计算第i个聚类集合的反射强度方差M2；其中，S为第i个聚类集合中雷达点的数量，Fi为第i个聚类集合中第i个雷达点的反射强度，为第i个聚类集合的平均反射强度；判断第i个聚类集合的反射强度方差M2是否大于反射强度方差阈值，得到第二判断结果；当所述第二判断结果表示第i个聚类集合的反射强度方差M2大于反射强度方差阈值时，确定所述第i个聚类集合对应的目标不存在；当所述第二判断结果表示第i个聚类集合的反射强度方差M2不大于反射强度方差阈值时，确定所述第i个聚类集合对应的目标存在，提取第i个聚类集合对应的目标的特征参数。可选的，所述根据前一帧每个聚类集合对应的目标的特征参数，对当前帧所有的目标进行匹配，具体包括：对于前一帧第i个聚类集合对应的目标Ti和当前帧第j个聚类集合对应的目标Tj，计算目标Ti与目标Tj之间的质心距离；判断目标Ti与目标Tj之间的质心距离是否小于列车最大时速，得到第三判断结果；当所述第三判断结果表示目标Ti与目标Tj之间的质心距离小于列车最大时速时，计算目标Ti到目标Tj的雷达点数量的增加幅度、平均反射强度的增加幅度和反射强度方差的增加幅度；判断目标Ti到目标Tj的雷达点数量的增加幅度、平均反射强度的增加幅度和反射强度方差的增加幅度是否均大于设定比例，得到第四判断结果；当所述第四判断结果表示目标Ti到目标Tj的雷达点数量的增加幅度、平均反射强度的增加幅度和反射强度方差的增加幅度均大于设定比例时，确定目标Tj与目标Ti是同一目标，匹配成功；当所述第三判断结果表示目标Ti与目标Tj之间的质心距离不小于列车最大时速时，或者当所述第四判断结果表示目标Ti到目标Tj的雷达点数量的增加幅度、平均反射强度的增加幅度或反射强度方差的增加幅度不大于设定比例时，确定目标Tj与目标Ti不是同一目标，匹配失败。本专利技术还提供一种障碍物检测系统，包括：激光雷达点云数据获取模块，用于获取激光雷达点云数据；所述激光雷达点云数据由安装在列车上的单线激光雷达探测得到；聚类模块，用于按照雷达点的序号顺序，结合设定的最大搜索范围对所述激光雷达点云数据进行聚类，得到多个聚类集合；特征参数提取模块，用于根据所述聚类集合，提取当前帧每个聚类集合对应的目标的特征参数；所述特征参数包括雷达点的数量、平均方位角、平均距离、质心位置、平均反射强度和反射强度方差；匹配模块，用于根据前一帧每个聚类集合对应的目标的特征参数，对当前帧所有的目标进行匹配；障碍物目标确定模块，用于当匹配成功时，将当前帧的目标确定为障碍物目标。可选的，还包括：预处理模块，用于获取激光雷达点云数据之后，采用中值滤波算法对所述激光雷达点云数据进行平滑处理，去除孤立的噪点，得到预处理后的激光雷达点云数据。可选的，所述聚类模块具体包括：第一判断单元，用于对于雷达点rk，依次判断雷达点rk序号之后设定的最大搜索范围内的每一个雷达点rk+n是否满足设定条件，得到第一判断结果；所述设定条件为其中，rk,k+n为两个激光雷达点的距离，C0为激光雷达的最大误差，K为最大搜索范围，n为两个激光点间的序号差，n≤K，rmin＝{rk,rk+n}，θ为激光雷达角分辨率，聚类集合更新单元，用于当所述第一判断结果表示雷达点rk+n满足设定条件时，将雷达点rk+n加入雷达点rk所在的聚类集合；聚类集合构建单元，用于当所述第一判断结果表示雷达点rk+n不满足设定条件时，构建雷达点rk+n的聚类集合。可选的，所述特征参数提取模块具体包括：反射强度方差计算单元，用于利用公式计算第i个聚类集合的反射强度方差M2；其中，S为第i个聚类集合中雷达点的数量，Fi为第i个聚类集合中第i个雷达点的反射强度，为第i个聚类集合的平均反射强度；第二判断单元，用于判断第i个聚类集合的反射强度方差M2是否大于反射强度方差阈值，得到第二判断结果；目标确定单元，用于当所述第二判断结果表示第i本文档来自技高网...

【技术保护点】
1.一种障碍物检测方法，其特征在于，包括：/n获取激光雷达点云数据；所述激光雷达点云数据由安装在列车上的单线激光雷达探测得到；/n按照雷达点的序号顺序，结合设定的最大搜索范围对所述激光雷达点云数据进行聚类，得到多个聚类集合；/n根据所述聚类集合，提取当前帧每个聚类集合对应的目标的特征参数；所述特征参数包括雷达点的数量、平均方位角、平均距离、质心位置、平均反射强度和反射强度方差；/n根据前一帧每个聚类集合对应的目标的特征参数，对当前帧所有的目标进行匹配；/n当匹配成功时，将当前帧的目标确定为障碍物目标。/n

【技术特征摘要】
1.一种障碍物检测方法，其特征在于，包括：
获取激光雷达点云数据；所述激光雷达点云数据由安装在列车上的单线激光雷达探测得到；
按照雷达点的序号顺序，结合设定的最大搜索范围对所述激光雷达点云数据进行聚类，得到多个聚类集合；
根据所述聚类集合，提取当前帧每个聚类集合对应的目标的特征参数；所述特征参数包括雷达点的数量、平均方位角、平均距离、质心位置、平均反射强度和反射强度方差；
根据前一帧每个聚类集合对应的目标的特征参数，对当前帧所有的目标进行匹配；
当匹配成功时，将当前帧的目标确定为障碍物目标。


2.根据权利要求1所述的障碍物检测方法，其特征在于，所述获取激光雷达点云数据，之后还包括：
采用中值滤波算法对所述激光雷达点云数据进行平滑处理，去除孤立的噪点，得到预处理后的激光雷达点云数据。


3.根据权利要求1所述的障碍物检测方法，其特征在于，所述按照雷达点的序号顺序，结合设定的最大搜索范围对所述激光雷达点云数据进行聚类，得到多个聚类集合，具体包括：
对于雷达点rk，依次判断雷达点rk序号之后设定的最大搜索范围内的每一个雷达点rk+n是否满足设定条件，得到第一判断结果；所述设定条件为其中，rk,k+n为两个激光雷达点的距离，C0为激光雷达的最大误差，K为最大搜索范围，n为两个激光点间的序号差，n≤K，rmin＝{rk,rk+n}，θ为激光雷达角分辨率，
当所述第一判断结果表示雷达点rk+n满足设定条件时，将雷达点rk+n加入雷达点rk所在的聚类集合；
当所述第一判断结果表示雷达点rk+n不满足设定条件时，构建雷达点rk+n的聚类集合。


4.根据权利要求1所述的障碍物检测方法，其特征在于，所述根据所述聚类集合，提取当前帧每个聚类集合对应的目标的特征参数，具体包括：
利用公式计算第i个聚类集合的反射强度方差M2；其中，S为第i个聚类集合中雷达点的数量，Fi为第i个聚类集合中第i个雷达点的反射强度，为第i个聚类集合的平均反射强度；
判断第i个聚类集合的反射强度方差M2是否大于反射强度方差阈值，得到第二判断结果；
当所述第二判断结果表示第i个聚类集合的反射强度方差M2大于反射强度方差阈值时，确定所述第i个聚类集合对应的目标不存在；
当所述第二判断结果表示第i个聚类集合的反射强度方差M2不大于反射强度方差阈值时，确定所述第i个聚类集合对应的目标存在，提取第i个聚类集合对应的目标的特征参数。


5.根据权利要求1所述的障碍物检测方法，其特征在于，所述根据前一帧每个聚类集合对应的目标的特征参数，对当前帧所有的目标进行匹配，具体包括：
对于前一帧第i个聚类集合对应的目标Ti和当前帧第j个聚类集合对应的目标Tj，计算目标Ti与目标Tj之间的质心距离；
判断目标Ti与目标Tj之间的质心距离是否小于列车最大时速，得到第三判断结果；
当所述第三判断结果表示目标Ti与目标Tj之间的质心距离小于列车最大时速时，计算目标Ti到目标Tj的雷达点数量的增加幅度、平均反射强度的增加幅度和反射强度方差的增加幅度；
判断目标Ti到目标Tj的雷达点数量的增加幅度、平均反射强度的增加幅度和反射强度方差的增加幅度是否均大于设定比例，得到第四判断结果；
当所述第四判断结果表示目标Ti到目标Tj的雷达点数量的增加幅度、平均反射强度的增加幅度和反射强度方差的增加幅度均大于设定比例时，确定目标Tj与目标Ti是同一目标，匹配成功；
当所述第三判断结果表示目标Ti与目标Tj之间的质心距离不小于列车最大时速时，或者当所述第四判断结果表示目标Ti到目标Tj的雷达点数量的增加幅度、平均反射强度的增加幅度或反射强度方差的增加幅度不大于设定比例时，确定目标Tj与目标Ti不是同一目标，匹配失败。


6.一种障碍物检测系统，其特征在于，包括：
激光雷达点云数据获取模块，用于获...

【专利技术属性】
技术研发人员：蒋怡亮，张奔宇，顾青松，姚伟宇，陈皓晞，张道，
申请(专利权)人：江苏必得科技股份有限公司，
类型：发明
国别省市：江苏;32