一种基于激光雷达的可通行区域检测方法技术

本申请提供一种基于激光雷达的可通行区域检测方法，其特征在于，所述方法包括，获取激光雷达单帧点云数据；提取所述单帧点云数据中的直线特征，根据所述直线特征获取道路边界点云数据及道路边界直线拟合信息；根据所述道路边界点云数据及道路边界直线拟合信息，对所述单帧点云数据进行分割，得到第一可通行区域；根据相邻点角度信息提取障碍物点云数据，根据所述第一可通行区域和障碍物点云数据，得到第二可通行区域。使用本申请提供的方案，能够实现在结构化场景与半结构化场景下稳定检测可行区域。行区域。

【技术实现步骤摘要】
一种基于激光雷达的可通行区域检测方法


[0001]本申请涉及检测领域，尤其涉及一种基于激光雷达的可通行区域检测方法。

技术介绍

[0002]近年来，随着无人驾驶技术的逐步发展，自动驾驶出租车(Robotaxi)也从测试研发逐步走向试运营阶段。可通行区域检测是自动驾驶领域的一项关键技术，在Robotaxi中有着重要的应用，目前较为成熟的算法和应用主要针对标志标线清晰的平坦道路环境，但Robotaxi的实际运营环境中，不可避免要进入光照环境不佳、标志标线不清晰等道路边界存在模糊区域、或存在一定斜坡与颠簸的场景。能够在结构化场景与半结构化场景下进行鲁棒性可行区域检测的方法对于提升Robotaxi运行的可靠性至关重要。
[0003]用于可行区域检测的主流传感器包括激光雷达和摄像头。基于摄像头的可行区域检测方法主要通过提取车道线、道路边线以及路面纹理等特征获取可行区域，这类方法要求场景具有良好的特征信息，且由于传感器的特性限制，这类方法受到光照、气候条件变化影响较大，对不同环境场景的适应性较差。
[0004]近年来，基于激光雷达的自动驾驶车辆可通行区域检测技术发展迅速，可分为两个技术方向，一类为基于规则的检测方法，例如基于网格的方法以及基于点位置分布特征的方法等。第二类为基于深度学习的方法，第一类方法中，对于路面的提取主要依赖高度信息，对具有起伏的路面环境适应性不高；且这类方法对于多帧数据间的时间关联性考虑不足；而基于深度学习的方法对计算资源的要求较高，且需要耗费大量标注训练样本的人力成本。
[0005]以往对于可行区域检测的算法研究中，主要关注两类场景，一类为结构化道路场景，在该场景下的可行区域检测问题重点关注道路边界提取、路面分割以及动静态障碍物检测；第二类为非结构化场景，该场景下的可行区域检测问题重点关注正负障碍物的检测与识别。半结构化环境中的路面起伏性与颠簸性弱于越野场景等非结构化环境，因此在技术路线上与结构化场景下的可行区域检测更为类似。
[0006]基于规则的可通行区域检测如《可行驶区域路面提取方式和装置》(202011139074.5)，这项专利公开了一种可行驶区域路面提取方法和装置，主要步骤包括通过激光雷达获取车体坐标系下的路面点云，并通过高精地图获取车体坐标系下的路面边缘点；根据路面边缘点将路面划分为N个矩形，获取路面点云中高度大于预设高度阈值，且处于N个矩形中的点云，并根据点云进行路面拟合，获取拟合路面的横滚角和俯仰角；当拟合路面的横滚角小于第一预设角度，且拟合路面的俯仰角小于第二预设角度时，将拟合路面作为当前路面。该专利解决算法鲁棒性的方法是加入高精地图为路面分割提供路面边缘点，因此路面分割的结果对地图的精确性依赖较高，且对于道路的可通行性分析时，没有考虑多帧点云数据之间的关联性。
[0007]基于深度学习的可通行区域检测如《一种面向复杂环境的可通行区域检测方法及系统》(202011164865.3)，这项专利公开了一种面向复杂环境的可通行区域检测方法，主要
步骤如下：1.构建可通行区域点云深度学习检测子系统，包含道路类型识别网络和可通行区域检测网络；2.构建可通行区域传统方法检测子系统，包含道路类型识别模块和可通行区域检测模块；3.点云深度学习检测子系统和传统方法检测子系统通过深度学习框架底层接口直接连接；4.车载激光雷达新采集点云数据优先输入点云深度学习检测子系统。该方法通过将深度学习算法与传统检测算法结合的方式，提高了检测算法对不同环境的适应性，但由于该专利对于两类方法的融合方式较为简单，融合所带来的优势互补效果不明显。且并没有缓解深度学习检测算法对样本的依赖性，也没有提高传统检测算法对不同环境的自适应性。

技术实现思路

[0008]有鉴于此，本申请提供一种基于激光雷达的可通行区域检测方法，能够实现在结构化场景与半结构化场景下稳定检测可行区域。
[0009]具体地，本申请是通过如下技术方案实现的：
[0010]根据本申请的第一方面，提供一种基于激光雷达的可通行区域检测方法，所述方法包括：
[0011]获取激光雷达单帧点云数据；
[0012]提取所述单帧点云数据中的直线特征，根据所述直线特征获取道路边界点云数据及道路边界直线拟合信息；
[0013]根据所述道路边界点云数据及道路边界直线拟合信息，对所述单帧点云数据进行分割，得到第一可通行区域；
[0014]根据相邻点角度信息提取障碍物点云数据，根据所述第一可通行区域和障碍物点云数据，得到第二可通行区域。
[0015]可选的，所述提取所述单帧点云数据中的直线特征，根据所述直线特征获取道路边界点云数据及道路边界直线拟合信息包括，
[0016]将无序点云数据基于雷达垂直角分辨率以及水平角分辨率组织为有序点云数据，所述激光雷达单帧点云数据包括所有返回的激光点的三维坐标信息。
[0017]可选的，所述提取所述单帧点云数据中的直线特征，根据所述直线特征获取道路边界点云数据及道路边界直线拟合信息包括，
[0018]基于模糊线段法，逐线提取所述单帧点云数据中的直线特征，并基于线段长度、斜率、截距及宽度信息，对直线特征进行筛选与聚类。
[0019]可选的，所述提取所述单帧点云数据中的直线特征，根据所述直线特征获取道路边界点云数据及道路边界直线拟合信息包括，
[0020]提取有序点云数据中某一线序的数据，将其投影至平面，从起始扫描点开始，依次计算该点与前后n个点的位置平方差，选取位置方差大于第一阈值的点作为分割点，将单线序的点云数据分为若干段离散曲线点云，对每一段离散曲线点云，基于模糊线段法进行拟合，并记录该段离散曲线的模糊线段拟合数据作为特征值。
[0021]可选的，所述对每一段离散曲线点云，基于模糊线段法进行拟合包括，
[0022]若离散曲线点云的离散点集(x，y)对于预设离散直线L(a，b，u)满足，
[0023]u≤ax
‑
by＜u+w，且离散曲线长度大于第二阈值，则将该段离散曲线点云加入道路
边界线候选点云，并记录该段离散曲线的模糊线段拟合数据作为特征值；所述特征值包括，起止点、斜率、截距及宽度，所述宽度为候选点云与拟合直线的最大直线距离；其中，a，b为离散直线L的斜率参数，u为离散直线L的截距，w为第三阈值。
[0024]可选的，对所有线序的数据基于模糊线段法进行拟合，分割得到单帧点云数据中所有具备直线特征的点云，以及其拟合线段的特征值，设定线段斜率与截距的阈值，若不同线序点云中所含直线特征的斜率与截距差异在设定阈值范围内，则将直线特征合并，更新起止点信息；对合并后的直线特征进行分析，选取斜率近似相等且与车辆行驶朝向差异满足阈值要求的线段作为车道边界线，提取车道边界线对应的离散曲线点云作为车道边界点云。
[0025]可选的，根据所述道路边界点云数据及道路边界直线拟合信息，对所述单帧点云数据进行分割，得到第一可通行区域包括，
[0026]根据提取的车道边界点云及车本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于激光雷达的可通行区域检测方法，其特征在于，所述方法包括：获取激光雷达单帧点云数据；提取所述单帧点云数据中的直线特征，根据所述直线特征获取道路边界点云数据及道路边界直线拟合信息；根据所述道路边界点云数据及道路边界直线拟合信息，对所述单帧点云数据进行分割，得到第一可通行区域；根据相邻点角度信息提取障碍物点云数据，根据所述第一可通行区域和障碍物点云数据，得到第二可通行区域。2.根据权利要求1所述的方法，其特征在于，所述提取所述单帧点云数据中的直线特征，根据所述直线特征获取道路边界点云数据及道路边界直线拟合信息包括，将无序点云数据基于雷达垂直角分辨率以及水平角分辨率组织为有序点云数据，所述激光雷达单帧点云数据包括所有返回的激光点的三维坐标信息。3.根据权利要求1所述的方法，其特征在于，所述提取所述单帧点云数据中的直线特征，根据所述直线特征获取道路边界点云数据及道路边界直线拟合信息包括，基于模糊线段法，逐线提取所述单帧点云数据中的直线特征，并基于线段长度、斜率、截距及宽度信息，对直线特征进行筛选与聚类。4.根据权利要求2所述的方法，其特征在于，所述提取所述单帧点云数据中的直线特征，根据所述直线特征获取道路边界点云数据及道路边界直线拟合信息包括，提取有序点云数据中某一线序的数据，将其投影至平面，从起始扫描点开始，依次计算该点与前后n个点的位置平方差，选取位置方差大于第一阈值的点作为分割点，将单线序的点云数据分为若干段离散曲线点云，对每一段离散曲线点云，基于模糊线段法进行拟合，并记录该段离散曲线的模糊线段拟合数据作为特征值。5.根据权利要求4所述的方法，其特征在于，所述对每一段离散曲线点云，基于模糊线段法进行拟合包括，若离散曲线点云的离散点集(x，y)对于预设离散直线L(a，b，u)满足，u≤ax
‑
by＜u+w，且离散曲线长度大于第二阈值，则将该段离散曲线点云加入道路边界线候选点云，并记录该段离散曲线的模糊线段拟合数据作为特征值；所述特征值包括，起止点、斜率、截距及宽度，所述宽度为候选点云与拟合直线的最大直线距离；其中，a，b为离散直线L的斜率参数，u为离散直线L的截距，w为第三阈值。6.根据权利要求1至5任一项所述的方法，其特征在于，对所有线序的数据基于模糊线段法进行拟合，分割得到单帧点云数据中所有具备直线特征的点云，以及其拟合线段的特征值，设定线段斜率与截距的阈值，若不...

【专利技术属性】
技术研发人员：李必军，曹永兴，别韦苇，
申请(专利权)人：东风汽车集团股份有限公司，
类型：发明
国别省市：