一种道路边界检测方法技术

本发明专利技术公开了一种基于少线束激光雷达的矿区道路边界检测方法，包括输入激光雷达的点云，经预处理和地面检测后，获得障碍物点云中包括道路边界和其他障碍物；通过获得障碍物点云和规划的前方路径点，进行道路边界检测；通过检测获得道路边界与障碍物。通过本发明专利技术的技术方案，能够检测形状不规则、高度不统一、长度不连续的道路边界，并且可以滤除道路中车辆、行人等干扰。本发明专利技术的检测方法具有检测准确度高、实时性好、鲁棒性强等优点。鲁棒性强等优点。鲁棒性强等优点。

【技术实现步骤摘要】
一种道路边界检测方法


[0001]本专利技术属于道路边界检测
，尤其涉及一种适用于矿区非结构化道路的激光雷达道路边界检测方法。

技术介绍

[0002]道路边界检测是自动驾驶车辆环境感知重要内容，它将感知的环境分为可行驶区域道路、道路边界和道路边界以外环境，可以辅助车辆定位，并且可以识别道路区域，减少感知范围，提高环境感知后续处理效率与精度。
[0003]道路边界检测常用传感器有毫米波雷达、摄像头和激光雷达，毫米波雷达可以检测目标的位置和速度，但是测距误差较大；摄像头具有丰富的纹理信息，但是受光照影响较大；激光雷达可以精确测量距离，并且不受光照因素影响，在自动驾驶车辆环境感知中一般作为主传感器使用。
[0004]结构化道路在道路两边有规则的道路边界，边界高度、与地面的角度等特征明显，便于检测和识别。矿区道路环境复杂，道路起伏不平，并且没有规则的道路边界。矿区道路边界是山体边界或是用土堆成的挡墙，挡墙高度在0.8～1.5m之间，形状不规则，并且有杂草、凸起的土堆、石块的干扰，因此矿区道路边界检测较为复杂。
[0005]现有方案主要针对城市结构化道路，以道路边界的高度、与地面的角度、连续性等为规则，对道路边界进行检测，并且大部分方案不能处理路上有车辆、行人等干扰情况。

技术实现思路

[0006]针对现有道路边界检测算法大部分面向道路边界较为明显的结构化道路、不能滤除道路中的车辆干扰等问题，本专利技术提出一种适用于矿区非结构化道路的激光雷达道路边界检测方法，本专利技术的检测方法能够检测形状不规则、高度不统一、长度不连续的道路边界，并且可以滤除道路中车辆、行人等干扰。本专利技术的具体技术方案如下：
[0007]一种道路边界检测方法，在自动驾驶矿车上安装激光雷达，用于实时检测道路边界，所述方法包括以下步骤：
[0008]S1：通过激光雷达获取路面数据；
[0009]S2：将步骤S1中激光雷达的点云进行预处理和地面检测，获得障碍物点云；
[0010]S3：通过获得的障碍物点云和输入的前方规划路径点，进行道路边界检测，得到道路边界点云；
[0011]S4：对左右道路边界点云进行曲线拟合，得到左右道路边界。
[0012]优选地，所述步骤S3包括如下步骤：
[0013]S3
‑
1：根据输入的前方规划路径点搜索左右道路边界点云或道路上其他目标点云，直到检测完所有的前方规划路径点为止；
[0014]S3
‑
2：依次计算同一个路径点上搜索到的左右点云间距，即为该路段的测量路宽RW
j
，其中，j＝1,2,
…
,m，RW0RW1RW2...RW
m RW，RW为路宽度集合；
[0015]S3
‑
3：根据道路宽度RW的统计信息，滤除异常宽度值即滤除道路上车辆、行人干扰；
[0016]S3
‑
4：对于异常宽度值，用其前后的正常宽度值进行插值，得到对应的道路边界点；
[0017]S3
‑
5：所有正常的道路边界点云或经插值后的道路边界点云即为检测到的道路边界点云。
[0018]优选地，所述步骤S3
‑
1的具体方法为：
[0019]S31：根据输入的前方规划路径点P0，P1，...，P
n
，其中，P0，P1，...，P
n P，P为前方规划路径点集合，直线P0P1、直线P1P2，...，直线P
n
‑1P
n
分别构成相邻路径点直线L
i
，i＝0,1,
…
，n
‑
1，各直线长度均为N，分别计算直线L0～L
n
‑1的正交直线，所述正交直线为道路宽度方向直线，表示为LW0～LW
n
‑1；
[0020]S32：设定最大搜索距离为L
max
，以相邻两个前方规划路径点为起点即依次以P0P1，P1P2，
…
，P
n
‑1P
n
为起点，沿着道路宽度方向分别向两侧按L
max
/2构建搜索矩形区域；
[0021]S33：搜索矩形区域内距离相邻路径点直线L
i
两侧最近的非地面点云，该点云为左右道路边界点云或道路上其他目标点云；
[0022]S34：依次执行步骤S32和步骤S33，直到检测到P
n
点即所有的前方规划路径点为止。
[0023]优选地，所述步骤S3
‑
3中，如果某个点对应道路宽度小于0.7*道路宽度集合RW的均值或大于1.3*道路宽度集合RW的均值，则该宽度为异常宽度值即有其他目标遮挡或无有效道路边界，滤除异常宽度值；
[0024]计算相邻道路宽度差值，ΔRW＝RW
j+1
‑
RW
j
，如果ΔRW大于设定阈值，则该段道路宽度值RW
j
为异常宽度值，滤除异常宽度值。
[0025]优选地，所述步骤S1中的障碍物点云中包括道路边界和其他障碍物。
[0026]优选地，所述步骤S4中对左右道路边界点云分别通过二次或三次曲线拟合，得到左右道路边界。
[0027]本专利技术的有益效果在于：
[0028]1.本专利技术的检测方法适用于不规则道路边界检测：以地面检测后的障碍物点云为道路边界输入点，不以道路边界高度、与地面的夹角为规则判断，检测鲁棒性强，适用于矿区等不规则道路边界检测。
[0029]2.本专利技术的检测方法适用于直道和弯道的道路边界检测：以规划的路径点为参考点，可以不受前方道路情况干扰，满足直道和弯道的道路边界检测。
[0030]3.本专利技术的检测方法不受路面车辆和行人干扰：以前方路径规划点和搜索的所有道路边界候选点为输入，根据左右候选点宽度分布和路宽先验知识，滤除道路中车辆和行人干扰，提高道路边界检测稳定性。
附图说明
[0031]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，通过参考附图会更加清楚的理解本专利技术的特征和优点，附图是示意性的而不应理解为对本专利技术进行任何限制，对于本领域普通技术人员来讲，在不
付出创造性劳动的前提下，可以根据这些附图获得其他的附图。其中：
[0032]图1是本专利技术方法的输入和输出流程图；
[0033]图2是本专利技术的道路边界检测流程图；
[0034]图3是本专利技术的根据规划路径信息确定道路宽度方向直线；
[0035]图4是本专利技术的以相邻规划路径点和路宽方向直线确定矩形搜索区域；
[0036]图5是本专利技术的矩形区域搜索道路边界候选点；
[0037]图6是本专利技术的路宽分布图；
[0038]图7是本专利技术的道路边界滤波与插值；
[0039]图8是本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种道路边界检测方法，其特征在于，在自动驾驶矿车上安装激光雷达，用于实时检测道路边界，所述方法包括以下步骤：S1：通过激光雷达获取路面数据；S2：将步骤S1中激光雷达的点云进行预处理和地面检测，获得障碍物点云；S3：通过获得的障碍物点云和输入的前方规划路径点，进行道路边界检测，得到道路边界点云；S4：对左右道路边界点云进行曲线拟合，得到左右道路边界。2.根据权利要求1所述的一种道路边界检测方法，其特征在于，所述步骤S3包括如下步骤：S3
‑
1：根据输入的前方规划路径点搜索左右道路边界点云或道路上其他目标点云，直到检测完所有的前方规划路径点为止；S3
‑
2：依次计算同一个路径点上搜索到的左右点云间距，即为该路段的测量路宽RW
j
，其中，j＝1,2,
…
,m，RW0RW1RW2...RW
m RW，RW为路宽度集合；S3
‑
3：根据道路宽度RW的统计信息，滤除异常宽度值即滤除道路上车辆、行人干扰；S3
‑
4：对于异常宽度值，用其前后的正常宽度值进行插值，得到对应的道路边界点；S3
‑
5：所有正常的道路边界点云或经插值后的道路边界点云即为检测到的道路边界点云。3.根据权利要求2所述的一种道路边界检测方法，其特征在于，所述步骤S3
‑
1的具体方法为：S31：根据输入的前方规划路径点P0，P1，...，P
n
，其中，P0，P1，...，P
n P，P为前方规划路径点集合，直线P0P1、直线P1P2，...，直线P
n
‑1P
n
分别构成相邻路径点直线L
i...

【专利技术属性】
技术研发人员：李华志，黄立明，张娜，余贵珍，
申请(专利权)人：北京踏歌智行科技有限公司，
类型：发明
国别省市：