一种基于三维相机组网的S型公路模拟障碍物预警方法技术

本发明专利技术公开了一种基于三维相机组网的S型公路模拟障碍物预警方法，属于智能汽车路障检测与预警技术领域；首先，利用三维相机组网与汽车控制系统通信；然后，利用三维相机在俯视视角下对S型公路模拟障碍物和模拟汽车拍摄得到视场点云数据；进一步建立以三维相机为原点的系统坐标系；利用随机抽样一致算法估计、直通和体素滤波方式去除参考面和噪声；利用欧式聚类和边界框估计得到独立模拟障碍物点云数据，然后计算模拟障碍物点云数据的路况状态信息，然后发送到汽车控制系统预警；本发明专利技术利用三维相机拍摄S型公路模拟障碍物，无需外界光源，得到深度信息，克服了现有技术中智能汽车受光源和天气影响而无法获得障碍物深度信息的缺点。的缺点。

【技术实现步骤摘要】
一种基于三维相机组网的S型公路模拟障碍物预警方法


[0001]本专利技术属于智能汽车障碍物预警领域，具体涉及一种基于三维相机组网的S型公路模拟障碍物预警方法。

技术介绍

[0002]随着人工智能技术的兴起，以自动驾驶车辆为研究对象的运动路径规划问题越来越受到重视，而预警避障规划是自动驾驶车辆的关键部分，对自动驾驶车辆的研究具有重大意义。国内现有的公路模拟障碍物预警技术存在受无光源及可见度低下的环境干扰，不能准确向汽车发送及时预警的缺点；复杂场景下无法获取二维图像进行道路预警，不能够保证自动驾驶车辆成功预警避障的缺点。

技术实现思路

[0003]专利技术目的：本专利技术针对现有技术中的不足，提供一种基于三维相机组网的S型公路模拟障碍物预警方法。
[0004]技术方案：为实现上述目的，本专利技术采用以下技术方案一种基于三维相机组网的S型公路模拟障碍物预警方法，其特征在于，包括如下步骤：
[0005]步骤一、在S型公路的每个弯道上方均设置三维相机，三维相机的镜头向下设置；
[0006]步骤二、建立以每个三维相机为原点的三维坐标系，然后利用三维相机拍摄S型公路场景内的模拟障碍物和模拟汽车，得到视场点云数据；
[0007]步骤三、对视场点云数据进行随机抽样一致估计算法得到去除参考面的视场点云数据，对去除参考面的视场点云数据进行直通滤波和体素滤波，得到滤波视场点云数据；
[0008]步骤四、对滤波视场点云数据进行欧式聚类，得到模拟汽车点云数据、独立模拟障碍物点云数据和独立模拟障碍物数量i；
[0009]步骤五、对独立模拟障碍物点云数据和模拟汽车点云数据分别进行边界框估计，得到独立模拟障碍物点云数据的质心坐标P
i
(x
i
，y
i
，z
i
)、模拟汽车点云数据的质心坐标R(x0，y0，z0)和独立模拟障碍物的形状，其中，x
i
、y
i
和z
i
分别表示独立模拟障碍物点云数据的质心坐标的X轴坐标、Y轴坐标和Z轴坐标，x0、y0和z0分别表示模拟汽车点云数据的质心坐标的X轴坐标、Y轴坐标和Z轴坐标；
[0010]步骤六、利用每个独立模拟障碍物点云数据的质心坐标和模拟汽车点云数据的质心坐标计算每个独立模拟障碍物点云数据和模拟汽车点云数据的欧氏距离D
i
；
[0011]步骤七、按照由小到大的顺序对D
i
进行排序操作，得到每个独立模拟障碍物点云数据和模拟汽车点云数据的最小欧氏距离D
min
和最大欧氏距离D
max
；
[0012]步骤八、对每个独立模拟障碍物点云数据的质心坐标和模拟汽车点云数据的质心坐标去除Z轴坐标值，得到只包含有X轴坐标值和Y轴坐标值的每个独立模拟障碍物点云数据的质心坐标B
i
(x
i
，y
i
)和模拟汽车点云数据的质心坐标A(x0，y0)；
[0013]步骤九、利用只包含有X轴坐标值和Y轴坐标值的每个独立模拟障碍物点云数据的
质心坐标和模拟汽车点云数据的质心坐标，计算得到每个独立模拟障碍物点云数据相对于模拟汽车点云数据在XOY平面的欧氏距离d
i
；
[0014]步骤十、利用只包含有X轴坐标值和Y轴坐标值的每个独立模拟障碍物点云数据的质心坐标和模拟汽车点云数据的质心坐标和反正切函数，计算得到每个独立模拟障碍物点云数据相对于模拟汽车点云数据的方位角；
[0015]步骤十一、通过模拟汽车的汽车控制系统读取模拟汽车行驶速度V，并根据汽车行驶速度V计算模拟汽车点云数据到每个独立模拟障碍物点云数据的行驶时间T
i
；
[0016]步骤十二、将独立模拟障碍物数量i、独立模拟障碍物的形状、每个独立障碍物点云数据和模拟汽车点云数据的最小欧氏距离D
min
和最大欧氏距离D
max
、每个独立模拟障碍物点云数据相对于模拟汽车点云数据在XOY平面的欧氏距离d
i
、每个独立模拟障碍物点云数据相对于模拟汽车点云数据的方位角和模拟汽车点云数据到每个独立模拟障碍物点云数据的行驶时间T
i
传输给模拟汽车控制系统，对汽车在S型公路行驶时提前进行预警。
[0017]对上述技术方案的进一步设计为：所述的步骤三具体包括如下步骤：
[0018]301)选取估计模型为参考面模型；
[0019]302)随机选取视场点云数据中部分点云为初始值，然后用此部分点云拟合估计模型，并利用部分点云与参考面模型的误差判断部分点云是否是参考面模型内部点云；
[0020]303)当部分点云是参考面模型内部点云时，则用参考面模型去测试所有其它的视场点云数据，如果某个点云适用于参考面模型，则将该点云扩充到初始值的部分点云中；当部分点云不是参考面模型内部点云时，则重新随机选取视场点云数据中部分点云为初始值；
[0021]304)当有至少85％的点云被归类为参考面模型内部点云时，那么估计模型为合理估计模型；
[0022]305)保存最终合理估计模型为只包含参考面的视场点云数据；
[0023]306)用视场点云数据减去只包含参考面的视场点云数据可以得到去除参考面的视场点云数据；
[0024]307)输入直通滤波笛卡尔坐标系内三个坐标轴方向的限定范围，然后对去除参考面的视场点云数据进行直通滤波得到直通滤波后的视场点云数据；
[0025]308)对直通滤波后的视场点云数据创建一个三维体素栅格，然后将每个体素栅格内所有的点都用该体素栅格内点集的重心来替换，得到滤波视场点云数据。
[0026]所述的步骤四具体包括如下步骤：
[0027]401)选取滤波视场点云数据的某个点作为当前点；
[0028]402)通过高维树近邻搜索算法找到k个离当前点最近的点；
[0029]403)将当前点最近的点中满足设定阈值数量范围的点聚类到集合Q中，并扩充集合Q，直到集合Q中点的数量不再增加，得到模拟汽车点云数据或独立模拟障碍物点云数据；
[0030]404)将点的个数小于二十万的集合视为模拟汽车点云数据，将点的个数大于等于二十万的集合视为独立模拟障碍物点云数据，并统计得到独立模拟障碍物的数量。
[0031]所述的步骤五具体包括如下步骤：
[0032]501)对模拟汽车点云数据和独立模拟障碍物点云数据分别计算惯性矩和偏心率；
[0033]502)再对模拟汽车点云数据和独立模拟障碍物点云数据分别计算特征值以及对
应的特征向量，得到模拟汽车点云数据的质心坐标R(x0，y0，z0)和独立障碍物点云数据的质心坐标P
i
(x
i
，y
i
，z
i
)，建立以独立模拟障碍物点云数据的质心坐标为原点，以特征向本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于三维相机组网的S型公路模拟障碍物预警方法，其特征在于，包括如下步骤：步骤一、在S型公路的每个弯道上方均设置三维相机，三维相机的镜头向下设置；步骤二、建立以每个三维相机为原点的三维坐标系，然后利用三维相机拍摄S型公路场景内的模拟障碍物和模拟汽车，得到视场点云数据；步骤三、对视场点云数据进行随机抽样一致估计算法得到去除参考面的视场点云数据，对去除参考面的视场点云数据进行直通滤波和体素滤波，得到滤波视场点云数据；步骤四、对滤波视场点云数据进行欧式聚类，得到模拟汽车点云数据、独立模拟障碍物点云数据和独立模拟障碍物数量i；步骤五、对独立模拟障碍物点云数据和模拟汽车点云数据分别进行边界框估计，得到独立模拟障碍物点云数据的质心坐标P
i
(x
i
，y
i
，z
i
)、模拟汽车点云数据的质心坐标R(x0，y0，z0)和独立模拟障碍物的形状，其中，x
i
、y
i
和z
i
分别表示独立模拟障碍物点云数据的质心坐标的X轴坐标、Y轴坐标和Z轴坐标，x0、y0和z0分别表示模拟汽车点云数据的质心坐标的X轴坐标、Y轴坐标和Z轴坐标；步骤六、利用每个独立模拟障碍物点云数据的质心坐标和模拟汽车点云数据的质心坐标计算每个独立模拟障碍物点云数据和模拟汽车点云数据的欧氏距离D
i
；步骤七、按照由小到大的顺序对D
i
进行排序操作，得到每个独立模拟障碍物点云数据和模拟汽车点云数据的最小欧氏距离D
min
和最大欧氏距离D
max
；步骤八、对每个独立模拟障碍物点云数据的质心坐标和模拟汽车点云数据的质心坐标去除Z轴坐标值，得到只包含有X轴坐标值和Y轴坐标值的每个独立模拟障碍物点云数据的质心坐标B
i
(x
i
，y
i
)和模拟汽车点云数据的质心坐标A(x0，y0)；步骤九、利用只包含有X轴坐标值和Y轴坐标值的每个独立模拟障碍物点云数据的质心坐标和模拟汽车点云数据的质心坐标，计算得到每个独立模拟障碍物点云数据相对于模拟汽车点云数据在XOY平面的欧氏距离d
i
；步骤十、利用只包含有X轴坐标值和Y轴坐标值的每个独立模拟障碍物点云数据的质心坐标和模拟汽车点云数据的质心坐标和反正切函数，计算得到每个独立模拟障碍物点云数据相对于模拟汽车点云数据的方位角；步骤十一、通过模拟汽车的汽车控制系统读取模拟汽车行驶速度V，并根据汽车行驶速度V计算模拟汽车点云数据到每个独立模拟障碍物点云数据的行驶时间T
i
；步骤十二、将独立模拟障碍物数量i、独立模拟障碍物的形状、每个独立障碍物点云数据和模拟汽车点云数据的最小欧氏距离D
min
和最大欧氏距离D
max
、每个独立模拟障碍物点云数据相对于模拟汽车点云数据在XOY平面的欧氏距离d
i
、每个独立模拟障碍物点云数据相对于模拟汽车点云数据的方位角和模拟汽车点云数据到每个独立模拟障碍物点云数据的行驶时间T
i
传输给模拟汽车控制系统，对汽车在S型公路行驶时提前进行预警。2.根据权利要求1所述的一种基于三维相机组网的S型公路模拟障碍物预警方法，其特征在于，所述的步骤三具体包括如下步骤：1)选取估计模型为参考面模型；2)随机选取视场点云数据中部分点云为初始值，然后用此部分点云拟合估计模型，并利用部分点云与参考面模型的误差判断部分点云是否是参考面模型内部点云；
3)当部分点云是参考面模型内部点云时，则用参考面模型去测试所有其它的视场点云数据，如果某个点云适用于参考面模型，则将该点云扩充到初始值的部分点云中；当部分点云不是参考面模型内部点云时，则重新随机选取视场点云数据中部分点云为初始值；4)当有至少85％的点云被归类为参考面模型内部点云时，那么估计模型为合理估计模型；5)保存最终合理估计模型为只包含参考面的视场点云数据；6)用视场点云数据减去只包含参考面的视场点云数据可以得到去除参考面的视场点云数据；7)输入直通滤波笛卡尔坐标系内三个坐标轴方向的限定范围，然后对去除参考面的视场点云数据进行直通滤波得...

【专利技术属性】
技术研发人员：赵东，王中杰，王宇杰，曹毓铧，王青，陶旭，张见，杨成东，李晨，汪磊，王新蕾，苏琳琳，
申请(专利权)人：无锡学院，
类型：发明
国别省市：