一种基于三维激光雷达的空间移动目标检测方法技术

本发明专利技术公开了一种基于三维激光雷达的空间移动目标检测方法，步骤：周期读取k时刻激光雷达点云S

A space moving target detection method based on 3D lidar

【技术实现步骤摘要】
一种基于三维激光雷达的空间移动目标检测方法
本专利技术属于环境感知领域，特别涉及了一种空间移动目标检测方法。
技术介绍
自主感知是机器人智能化和自主导航的核心技术之一，自主机器人对目标的检测水平的提高是其自主感知能力提高的关键因素。激光雷达不依赖于外接的光照条件，是一种主动式探测传感器，且具备高精度的测距信息。基于激光雷达目标检测方法是目标检测中应用最广泛的方法之一。目前大多数的激光雷达目标检测都基于聚类分割的方法，但由于激光雷达点云稀疏，较视觉传感器来说，不具备纹理信息，往往无法进行有效的障碍物分割和轮廓的提取。仅采用基于聚类分割障碍物检测方法无法通过框选获得准确的分割结果和目标的轮廓、深度信息。
技术实现思路
为了解决上述
技术介绍
提到的技术问题，本专利技术提出了一种基于三维激光雷达的空间移动目标检测方法。为了实现上述技术目的，本专利技术的技术方案为：一种基于三维激光雷达的空间移动目标检测方法，包括以下步骤：(1)周期读取k时刻激光雷达点云Sk，进行点云划分；(2)根据划分后的点云分本文档来自技高网...

【技术保护点】
1.一种基于三维激光雷达的空间移动目标检测方法，其特征在于，包括以下步骤：/n(1)周期读取k时刻激光雷达点云S

【技术特征摘要】
1.一种基于三维激光雷达的空间移动目标检测方法，其特征在于，包括以下步骤：
(1)周期读取k时刻激光雷达点云Sk，进行点云划分；
(2)根据划分后的点云分布情况进行优化的Ransac地面分离，获取地面上的障碍物；记分离后点云信息为
(3)将基于距离图像的点云分割方法应用于以进行障碍物分割，并映射为灰度图像Ik；
(4)利用自适应形态学滤波以进行灰度图像Ik的空洞填充和噪声滤除，获得处理后的图像
(5)在图像上框选障碍物，获取其中心，并计算障碍物相对于激光雷达的相对距离和相对偏航角。


2.根据权利要求1所述基于三维激光雷达的空间移动目标检测方法，其特征在于，在步骤(1)中，所述点云划分的过程如下：
(1-1)定义传感器坐标系的X，Y，Z轴分别为激光雷达的前向，右向，下向；
(1-2)周期读取k时刻三维激光雷达点云Sk＝{si}，i＝1，2，…,Na，i按照激光雷达线与传感器Z轴方向夹角从小到大依次递增，Na为激光雷达线数；si＝{pij}，j＝1，2，…,Nb，Nb为单线激光点云的激光点个数，pij表示第i线激光点云的第j个激光点；
(1-3)将si平均分为Nc段，Sk将被划分为Na×Nc段，记Bk,l为k时刻激光雷达点云Sk的第l段激光点云，l＝1,2,…,Na×Nc。


3.根据权利要求2所述基于三维激光雷达的空间移动目标检测方法，其特征在于，在步骤(2)中，所述优化的Ransac地面分离的过程如下：
(2-1)设置参数并进行初始化：
记Ks为最大迭代次数，K为迭代次数；记为候选地面点集，为的候选地面点个数，为Bk,l中的候选地面点个数；记Tbetter为候选地面点集满足最优地面点集的激光点数量比重阈值，det(Cbest)为候选地面点集满足最优地面点集的激光点分布权重协方差矩阵Cbest的行列式；记为最优地面点集，为的最优地面点个数，为Bk,l中的最优地面点个数；定义候选地面点集为与拟合的地面平面之间满足距离阈值的激光雷达点集，最优地面点集为数量比重满足激光点数量比重阈值且激光点分布权重协方差矩阵行列式最大的激光雷达点集；
初始化Ks＝∞，K＝0，Tbetter＝0，det(Cbest)，
(2-2)筛选k时刻雷达点云采样先验数据集：
当k＝0时，由于地面点仅存在于激光雷达下半视场仅选取激光雷达点云根据如下公式求k＝0时刻的每一个B0,l的质心，记为xk,l，质心的集合记为先验数据集D0：



其中，ml为B0,l中激光点个数；为xk,l的三维坐标，(xi,yi,zi)为B0,l中第i个激光点的三维坐标；
当k≠0时，根据k-1时刻的数据计算得到相应的先验数据集Dk；
(2-3)根据采样点拟合k时刻的地面模型：
在先验数据集Dk中迭代随机抽样3个样本，利用克莱姆法则计算k时刻模型参数，设拟合平面Pk:ax+by+cz+d＝0，3个样本分别为(x1,y1,z1)，(x2,y2,z2)，(x3,y3,z3)，则：






(2-4)根据激光点与模型的欧式距离筛选候选地面点集
设置距离阈值为L1＝2δ，δ为点云到k时刻模型距离的标准差；计算激光点pij到平面Pk的欧式距离



其中，(xij,yij,zij)为pij的三维坐标；
若将pij加入并更新
(2-5)根据候选地面点的比重与分布筛选最优地面点集：
记k时刻的候选地面点所占比重为Tcount，当Tcount＞Tbetter时，比较候选地面点的分布权重协方差矩阵C，当det(C)＞Cbest更新最优地面点集Tcount和C计算式如下：






其中，Nk为k时刻激光雷达点总个数，定义为激光雷达点云的权重中心，为Bk,l中候选地面点比重，nk,l为Bk,l中激光点个数，上标T表示转置；
(2-6)更新迭代次数并判断是否满足终止条件：
不断更新迭代次数K，如果K≤Ks，则跳转至步骤(2-2)，直到满足终止条件，如果K＞Ks，将直接停止迭代；Ks的计算式如下：



其中，μ为采样Ks次都至少包含一个非地面点的概率；pk,l为k时刻从Bk,l中采样构成数据集的概率，k＝0时，k≠0时，pk,l为k-1时刻得到的先验采样概率；为k时刻Bk,l中的最优地面点的比率，其计算式如下：



(2-7)利用最优地面点集根据整体最小二乘法更新拟合平面；
(...

【专利技术属性】
技术研发人员：赖际舟，邱佳月，李志敏，岑益挺，吕品，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32