【技术实现步骤摘要】
无人驾驶车载传感器数据采集与处理系统与方法
本专利技术属于无人驾驶车载传感器数据处理领域,特别是无人驾驶车载传感器数据采集与处理系统与方法。
技术介绍
无人驾驶汽车是一种智能汽车,也称轮式移动机器人,以车内计算机系统作为计算单元,通过激光雷达、摄像头及惯性导航系统等车载传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,规划一条安全无碰撞的路径,控制车辆的速度与转向,从而使车辆能够安全、可靠地在道路上自动驾驶。无人驾驶车载传感器作为车辆行驶的“眼睛”,其数据准确性会直接影响无人驾驶系统感知结果与路径规划的准确度,从而影响车辆行驶安全性。在无人驾驶车载激光雷达点云数据处理领域,网格化的滤波算法被广泛研究、应用。Desbrun等人提出一种基于平均曲率流的方法,它是用平均曲率的变化来表达目标的几何轮廓的变化,平均曲率是正常曲率在2π范围内的代数平均,这种方式使得目标特征发生不可避免的弯曲;Fleishman等将图像滤波领域的双边带滤波运用到三维网格模型滤波中,这类方式运行速度快,但是处理后的点云数据在保持目标原始特征方面效果不好;Johes等提出具有良好鲁棒性的非循环两部算法,但是该类滤波算法运行速度较慢,实时性不足。在低照度环境下摄像头图像数据处理领域方法较多,应用最广泛的有直方图均衡化方法、Retinex图像增强方法等。直方图均衡化方法在提高图像对比度、减少运行时间等方面有较大优势,但容易出现过增强及增强不均等现象。Retinex图像增强方法颜色保真度较好,更加适用于低照度环 ...
【技术保护点】
1.一种无人驾驶车载传感器数据采集与处理系统,包括:/n传感器模块,用于获取车辆行驶过程中的道路信息;/nI/O检测模块,用于检测接口模块中数据类型,启动数据处理模块中相应的传感器数据处理节点;/n所述数据处理模块包括雷达数据处理单元、摄像头数据处理单元;其特征在于,/n所述摄像头图像数据处理单元,用于对原始图像数据基于多尺度Retinex图像增强算法,通过两次一维高斯函数卷积代替二维高斯函数卷积,得到多尺度增强后的图片,并在此基础上结合双边滤波,得到增强后的图像;/n所述雷达数据处理单元,用于将输入的激光雷达三维点云数据求解出最小三维立方体包围盒,把三维立方体包围盒分解为若干小立方体,然后将所有的点云数据划分于栅格之中,再根据最小二乘平面法估计各个点的法向量,最后在此基础上选择距离栅格重心的最近点代表栅格中其他点,得到各栅格点云集重心集合;/n时空配准模块,用于将处理后的传感器数据以激光雷达工作频率为基准进行时间配准,并将经过点云滤波后的激光雷达点云数据与低照度环境下摄像头图像增强数据处理进行像素级融合,实现空间配准,输入具有时空一致性的融合数据,最后将融合后的时空配准节点发布,作为 ...
【技术特征摘要】 【专利技术属性】
1.一种无人驾驶车载传感器数据采集与处理系统,包括:
传感器模块,用于获取车辆行驶过程中的道路信息;
I/O检测模块,用于检测接口模块中数据类型,启动数据处理模块中相应的传感器数据处理节点;
所述数据处理模块包括雷达数据处理单元、摄像头数据处理单元;其特征在于,
所述摄像头图像数据处理单元,用于对原始图像数据基于多尺度Retinex图像增强算法,通过两次一维高斯函数卷积代替二维高斯函数卷积,得到多尺度增强后的图片,并在此基础上结合双边滤波,得到增强后的图像;
所述雷达数据处理单元,用于将输入的激光雷达三维点云数据求解出最小三维立方体包围盒,把三维立方体包围盒分解为若干小立方体,然后将所有的点云数据划分于栅格之中,再根据最小二乘平面法估计各个点的法向量,最后在此基础上选择距离栅格重心的最近点代表栅格中其他点,得到各栅格点云集重心集合;
时空配准模块,用于将处理后的传感器数据以激光雷达工作频率为基准进行时间配准,并将经过点云滤波后的激光雷达点云数据与低照度环境下摄像头图像增强数据处理进行像素级融合,实现空间配准,输入具有时空一致性的融合数据,最后将融合后的时空配准节点发布,作为无人驾驶系统下游模块提供输入数据。
2.根据权利要求1所述的无人驾驶车载传感器数据采集与处理系统,其特征在于,所述摄像头图像数据处理单元得到增强图像的具体过程如下:
(1)建立图像、外界环境相关的入射分量以及与外界环境无关的反射分量的关系,并转化为对数关系;
(2)通过将多尺度Retinex增强算法中二维高斯函数改进为两步一维高斯函数卷积,先对原始图像数据按照行像素点进行一维高斯卷积,再对所得结果进行列像素点进行一维高斯卷积;
(3)卷积处理后的反射分量的对数域进行量化处理得到多尺度增强后的图片;
(4)增强后的图片采用双边滤波进行保边去噪处理,得到最后的增强后的图像。
3.根据权利要求2所述的无人驾驶车载传感器数据采集与处理系统,其特征在于,保边去噪处理,采用双边滤波器模板w(i,j,k,l):
其中,r(i,j,k,l)为值域核,d(i,j,k,l)为空间域核;f(k,l)表示图像在模板窗口中心坐标(k,l)处的像素值;f(i,j)表示图像在模板窗口其他系数坐标(i,j)处的像素值;σr为高斯函数标准差,σd为高斯函数标准差。
4.根据权利要求1所述的无人驾驶车载传感器数据采集与处理系统,其特征在于,所述激光雷达数据处理单元处理得到各栅格点云集重心集合,具体过程如下:
(1)根据三维点云坐标,计算出在三轴三个方向的最大及最小坐标值,并得到三维立方体包围盒体积;
(2)确定分解后的立方体栅格边长;
(3)点云数据本身所在的小立方体栅格和相邻栅格中的数据点,与任一数据点之间的距离选取g个最近的数据点;
(4)估计点云法向量:对于三维立方体包围盒中每个点云数据中任一数据点pi,获取其最相近的g个近邻点,然后求解出一个局部最小二乘平面;对应于协方差矩阵M的最小特征值的特征向量即质心的法向量;
(5)选取栅格点云集重心,激光雷达点云滤波后的数据即各栅格点云集重心集合。
5.根据权利要求4所述的无人驾驶车载传感器数据采集与处理系统,其特征在于,栅格点云重心(Xc,Yc,Zc)求解公式可表示为:
技术研发人员:朱红赛,孙敏杰,苏岩,
申请(专利权)人:南京理工大学,
类型:发明
国别省市:江苏;32
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。