一种障碍物识别方法、装置和车辆控制系统制造方法及图纸

本申请提供一种障碍物识别方法、装置和车辆控制系统，方案通过采用训练好的分类器对障碍物点云簇进行类型区分，计算得到所述障碍物点云簇的初始包围盒，在计算得到所述初始包围盒后，确定所述初始包围盒的主方向，然后再对所述始包围盒的主方向进行校正，将主方向校正后的包围盒作为目标包围盒，确定所述目标包围盒的主方向，根据目标包围盒以及所述分类器的分类结果计算障碍物的航向角，解决了计算得到的包围盒航向角抖动和与障碍物的真实航向角相差90度的问题。相差90度的问题。相差90度的问题。

【技术实现步骤摘要】
一种障碍物识别方法、装置和车辆控制系统


[0001]本专利技术涉及智能驾驶
，具体涉及一种障碍物识别方法、装置和 车辆控制系统。

技术介绍

[0002]在自动驾驶车辆对障碍物的识别方法中，主要是基于点云簇提取外围凸 包点，基于检测到的凸包点计算出有向包围盒，选取有向包围盒的最长边方 向作为障碍物航向角。
[0003]传统的基于凸包点计算港口场景下的障碍物主要有如下问题：一是由于 港口场景下的车辆大多为卡车，挂车的形状不规则，相邻两帧之间凸包点变 化较大，从而导致有向包围盒的跳动较大，输出的障碍物位置和尺寸信息会 存在一定的抖动，影响自动驾驶卡车的决策规划；二是在障碍物离本车距离 较远的情况下，扫描到的障碍物点云较稀疏，从而使根据凸包点计算出的包 围盒可信度很低；三是在跟车工况下根据正前方车尾得到的有向包围盒长边 航向角与障碍物车辆的真实航向角相差90度，因此，提供一种能够适应港口 场景下的航向角的可靠计算方法称为本领域技术人员亟待解决的技术问题之 一。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供一种障碍物识别方法、装置和系统，以实 现港口场景下的航向角的可靠计算。
[0005]为实现上述目的，本专利技术实施例提供如下技术方案：
[0006]一种障碍物识别方法，包括：
[0007]通过点云采集设备获取所述点云采集设备视场内的点云数据；
[0008]对所述点云数据进行聚类，得到障碍物点云簇；
[0009]采用分类器对所述障碍物点云簇进行形状分类；
[0010]计算所述障碍物点云簇的凸包点集合；
[0011]计算所述障碍物点云簇的凸包点集合以及所述凸包点集合的最小外接矩 形，并将所述最小外接矩形作为所述凸包点集合的初始包围盒；
[0012]对所述初始包围盒的方向进行校正，将校正后的初始包围盒作为目标包 围盒；
[0013]根据目标包围盒以及所述分类器的分类结果计算障碍物的航向角。
[0014]可选的，上述障碍物识别方法中，对所述初始包围盒的方向进行校正， 包括：
[0015]确定所述凸包点集合的参考点；
[0016]基于所述参考点确定所述初始包围盒的方向向量集合，其中，方向向量 集合包括多个方向向量；
[0017]计算所述凸包点集合的二维中值点；
[0018]将所述二维中值点作为参考点计算初始包围盒的主向量；
[0019]基于所述主向量以及所述初始包围盒的航向角计算旋转角度；
[0020]基于所述旋转角度对所述初始包围盒的角度进行校正，得到目标包围盒。
[0021]可选的，上述障碍物识别方法中，所述参考点包括：极大值点和极小值 点，所述极大值点和极小值点为所述凸包点集合中两个距离最大的两点，其 中，两点中距离点云采集设备较远的点为极大值点，两点中距离点云采集设 备较近的点为极小值点。
[0022]可选的，上述障碍物识别方法中，所述参考点还包括角点，角点p3基于 公式计算得到；
[0023]其中，所述上d(l
pl，ph
，p)为凸包点集合中的任意一个凸包点p到极大值点 p
h
与极小值点p
l
点连成的直线的距离，foot
pl，ph
(p)为凸包点集合中的任意凸包 点p投影在所述极大值点p
h
与极小值点p
l
点连成的直线上的垂足点，λ为预设 系数，所述||foot
pl，ph
(p)
‑
P
e
||2＝min(foot
pl，ph
(p)
‑
p
h
，foot
pl，ph
(p)
‑
p
l
)，所述 CH(p)表示凸包点集合，所述p∈CH(p)表示凸包点集合中的任意一个凸包点。
[0024]可选的，上述障碍物识别方法中，计算所述凸包点集合的二维中值点， 包括：
[0025]基于公式计算得到p
median
＝median(ω
·
p)p
median
；
[0026]判断i的值是否大于1；
[0027]如果i的值小于1，基于公式ω
k
＝||p
median
‑
p
k
||，k＝1,2,3
……
n，计算ω
k
；
[0028]将计算得到的ω
k
代入公式p
median
＝median(ω
·
p)，更新p
median
，并控制i的值 增加预设步长，并继续执行动作：判断i的值是否大于1；
[0029]当i的值大于1时，输出p
median
作为所述凸包点集合的二维中值点；
[0030]其中，所述ω为各个凸包点对应的权重系数，所述p
k
，＝1,2,3
……
n表示所 述凸包点集合中的各个凸包点。
[0031]可选的，上述障碍物识别方法中，基于所述参考点确定所述初始包围盒 的方向向量集合，包括：
[0032]基于公式计算得到初始包围盒的主向量l。
[0033]可选的，上述障碍物识别方法中，基于所述主向量以及所述初始包围盒 的航向角计算旋转角度，包括：
[0034]基于公式计算旋转角度Δα，其中，所述β为所述初始包 围盒的航向角，其中，所述l
y
表示主向量l在坐标系中的y轴上的投影长度， l
x
表示主向量l在坐标系中的x轴上的投影长度，所述坐标系为以障碍物点云 簇的质心点为原点建立的坐标系。
[0035]可选的，上述障碍物识别方法中，根据目标包围盒以及所述分类器的分 类结果计算障碍物的航向角，包括：
[0036]当所述分类器的分类结果表示所述点云簇的类型为L型时，将计算出的 目标包围盒长边的航向角直接作为障碍物的航向角；
[0037]当所述分类器的分类结果表示所述点云簇的类型为I型时，选取计算出的 目标包围盒短边方向作为障碍物的航向角。
[0038]一种障碍物识别装置，包括：
[0039]采集单元，用于通过点云采集设备获取所述点云采集设备视场内的点云 数据；
[0040]分类单元，用于对所述点云数据进行聚类，得到障碍物点云簇；
[0041]分类器，用于对所述障碍物点云簇进行形状分类；
[0042]航向角识别单元，用于计算所述障碍物点云簇的凸包点集合以及所述凸 包点集合的最小外接矩形，并将所述最小外接矩形作为所述凸包点集合的初 始包围盒；对所述初始包围盒的方向进行校正，将校正后的初始包围盒作为 目标包围盒；根据目标包围盒以及所述分类器的分类结果计算障碍物的航向 角。
[0043]一种车辆控制本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种障碍物识别方法，其特征在于，包括：通过点云采集设备获取所述点云采集设备视场内的点云数据；对所述点云数据进行聚类，得到障碍物点云簇；采用分类器对所述障碍物点云簇进行形状分类；计算所述障碍物点云簇的凸包点集合以及所述凸包点集合的最小外接矩形，并将所述最小外接矩形作为所述凸包点集合的初始包围盒；对所述初始包围盒的方向进行校正，将校正后的初始包围盒作为目标包围盒；根据目标包围盒以及所述分类器的分类结果计算障碍物的航向角。2.根据权利要求1所述的障碍物识别方法，其特征在于，对所述初始包围盒的方向进行校正，包括：确定所述凸包点集合的参考点；基于所述参考点确定所述初始包围盒的方向向量集合，其中，方向向量集合包括多个方向向量；计算所述凸包点集合的二维中值点；将所述二维中值点作为参考点计算初始包围盒的主向量；基于所述主向量以及所述初始包围盒的航向角计算旋转角度；基于所述旋转角度对所述初始包围盒的角度进行校正，得到目标包围盒。3.根据权利要求2所述的障碍物识别方法，其特征在于，所述参考点包括：极大值点和极小值点，所述极大值点和极小值点为所述凸包点集合中两个距离最大的两点，其中，两点中距离点云采集设备较远的点为极大值点，两点中距离点云采集设备较近的点为极小值点。4.根据权利要求3所述的障碍物识别方法，其特征在于，所述参考点还包括角点，角点p3基于公式计算得到；其中，所述上d(l
pl，ph
，p)为凸包点集合中的任意一个凸包点p到极大值点p
h
与极小值点p
l
点连成的直线的距离，foot
pl，ph
(p)为凸包点集合中的任意凸包点p投影在所述极大值点p
h
与极小值点p
l
点连成的直线上的垂足点，λ为预设系数，所述||foot
pl，ph
(p)
‑
P
e
||2＝min(foot
pl，ph
(p)
‑
p
h
，foot
pl，ph
(p)
‑
p
l
)，所述CH(p)表示凸包点集合，所述p∈CH(p)表示凸包点集合中的任意一个凸包点。5.根据权利要求4所述的障碍物识别方法，其特征在于，计算所述凸包点集合的二维中值点，包括：基于公式计算得到p
median
＝median(ω
·
p)p
m...

【专利技术属性】
技术研发人员：郭旭东，万国强，吴劲松，
申请(专利权)人：北京经纬恒润科技股份有限公司，
类型：发明
国别省市：