一种智能驾驶可行驶区域检测方法和装置制造方法及图纸

本申请提供了智能驾驶可行驶区域检测方法和装置，方法包括：获取多个激光雷达同一时间戳下的点云数据；对多帧点云数据进行融合处理，得到融合点云集；根据融合点云集包含的融合点云数据的z向坐标值，从融合点云集中确定非地面点云数据，以得到由确定出的非地面点云数据组成的非地面点云集；将非地面点云集映射到预先建立的目标极坐标系下，以根据目标极坐标系下的非地面点云集，确定车辆周围全角度下的障碍物分别与车辆的最近距离；根据车辆周围全角度下的障碍物分别与车辆的最近距离，确定车辆的可行驶区域。本申请采用多个激光雷达采集点云数据，检测距离大大提升，环境适应性更好，由于无需高精地图、结构化道路等条件辅助，自主检测性能高。自主检测性能高。自主检测性能高。

【技术实现步骤摘要】
一种智能驾驶可行驶区域检测方法和装置


[0001]本申请涉及智能驾驶
，特别是涉及一种智能驾驶可行驶区域检测方法和装置。

技术介绍

[0002]智能驾驶可行驶区域检测是一种为智能驾驶提供安全边界的技术，通过车辆周围环境检测车辆可行驶的区域。
[0003]现有的智能驾驶可行驶区域检测方法主要包括两种，一种是利用摄像头作道路类型的目标检测，识别出道路，以确定可行驶区域，另一种是利用激光雷达和高精地图获取边界点以求解出可行驶区域。
[0004]但是，针对摄像头作道路类型的目标检测的方法，检测距离有限，对光线要求高，一般适用于结构化场景，环境适应性较差；针对激光雷达和高精地图的可行驶区域检测，需要定期地维护和更新高精地图。

技术实现思路

[0005]有鉴于此，本申请提供了一种智能驾驶可行驶区域检测方法和装置，用于解决针对摄像头做道路类型的目标检测的方法中存在的环境适应性差的问题，以及针对激光雷达和高精地图的可行驶区域检测的方法中存在的需定期维护和更新高精地图的问题，其技术方案如下：
[0006]一种智能驾驶可行驶区域检测方法，包括：
[0007]获取多个激光雷达同一时间戳下的点云数据，其中，点云数据由安装在车辆上的激光雷达采集得到，点云数据均为变换到车辆坐标系下的点云数据；点云数据包括多帧点云数据；
[0008]对多帧点云数据进行融合处理，得到融合点云集；
[0009]根据融合点云集包含的融合点云数据的z向坐标值，从融合点云集中确定非地面点云数据，以得到由确定出的非地面点云数据组成的非地面点云集；
[0010]将非地面点云集映射到预先建立的目标目标极坐标系下，以根据目标目标极坐标系下的非地面点云集，确定车辆周围全角度下的障碍物分别与车辆的最近距离，其中，目标目标极坐标系为以车辆坐标系的原点为极点建立的目标极坐标系；
[0011]根据车辆周围全角度下的障碍物分别与车辆的最近距离，确定车辆的可行驶区域。
[0012]可选的，对多帧点云数据进行融合处理，得到融合点云集，包括：
[0013]将多帧点云数据按照预设的激光雷达顺序拼接为一帧点云数据，以得到融合点云集；
[0014]或，
[0015]针对多帧点云数据包含的每个点云数据，计算该点云数据对应的水平角度和垂直
角度，并根据该点云数据对应的水平角度和垂直角度，将该点云数据填充至对应点云栅格中；以将多帧点云数据包含的每个点云数据均填充至对应点云栅格中；
[0016]对于每个点云栅格，若该点云栅格内包含多个点云数据，则将多个点云数据的重心作为该点云栅格下的融合点云数据；以得到由所有点云栅格下的融合点云数据组成的融合点云集。
[0017]可选的，根据融合点云集包含的融合点云数据的z向坐标值，从融合点云集中确定非地面点云数据，包括：
[0018]将融合点云集中异常的z向坐标值所在的融合点云数据剔除，将剔除异常数据后的融合点云集作为目标融合点云集；
[0019]根据目标融合点云集包含的融合点云数据的z向坐标值，从目标融合点云集中确定地面点云数据，以得到由确定出的地面点云数据组成的待更新地面点云集；
[0020]根据待更新地面点云集确定拟合平面方程；
[0021]计算目标融合点云集中的每个融合点云数据与拟合平面方程的距离，将计算出的距离小于预设的第一距离阈值的融合点云数据确定为地面点云数据，由确定出的地面点云数据作为更新后地面点云集；
[0022]将更新迭代次数加1，并判断加1后的更新迭代次数是否达到预设的迭代总次数，若否，则将更新后地面点云集作为待更新地面点云数据，返回执行根据待更新地面点云集确定拟合平面方程，直至更新迭代次数达到迭代总次数时，将目标融合点云集中除更新后地面点云集外的其他点云数据作为非地面点云数据，其中，初始的更新迭代次数为0。
[0023]可选的，根据目标融合点云集包含的融合点云数据的z向坐标值，从目标融合点云集中确定地面点云数据，包括：
[0024]根据目标融合点云集包含的融合点云数据的z向坐标值，从目标融合点云集中选取预设数目的融合点云数据，并计算预设数目的融合点云数据的z向平均值；
[0025]针对目标融合点云集中的每个融合点云数据，若该融合点云数据的z向坐标值与z向平均值的差值小于预设的差值阈值，则确定该融合点云数据为地面点云数据。
[0026]可选的，根据待更新地面点云集确定拟合平面方程，包括：
[0027]计算待更新地面点云集的x向平均值、y向平均值和z向平均值；
[0028]根据待更新地面点云集的x向平均值、y向平均值和z向平均值，确定协方差矩阵，并求解协方差矩阵的若干特征值和特征向量；
[0029]从若干特征值中确定最小的特征值，将最小的特征值对应的特征向量作为拟合平面的法向量；
[0030]根据待更新地面点云集和拟合平面的法向量，求解出拟合平面方程。
[0031]可选的，目标极坐标系中包括多个角度栅格，每个角度栅格中包括多个径向栅格；
[0032]将所述非地面点云集映射到预先建立的目标极坐标系下，以根据目标极坐标系下的非地面点云集，确定车辆周围全角度下的障碍物分别与车辆的最近距离，包括：
[0033]根据非地面点云集中的每个非地面点云数据的x向坐标值和y向坐标值，求解每个非地面点云数据对应的水平角度和二维投影距离；
[0034]根据非地面点云集中的每个非地面点云数据对应的水平角度和二维投影距离，将每个非地面点云数据映射到目标极坐标系中，以得到目标极坐标系下的非地面点云集；
[0035]对于目标极坐标系包含的每个角度栅格，从该角度栅格中确定距离极点最近的非空径向栅格，计算非空径向栅格包含的非地面点云数据与极点的距离均值，作为该角度栅格对应角度下的障碍物与车辆的最近距离；以得到车辆周围全角度下的障碍物分别与车辆的最近距离。
[0036]可选的，根据车辆周围全角度下的障碍物分别与车辆的最近距离，确定车辆的可行驶区域，包括：
[0037]根据非地面点云集和最近距离，确定预设的栅格地图中每个栅格包含障碍物的概率；
[0038]根据栅格地图中每个栅格包含障碍物的概率，确定车辆的可行驶区域。
[0039]可选的，根据非地面点云集和最近距离，确定预设的栅格地图中每个栅格包含障碍物的概率，包括：
[0040]根据非地面点云集中的每个非地面点云数据的x向坐标值和y向坐标值以及预设的栅格分辨率，将每个非地面点云数据映射到栅格地图包含的对应栅格中，其中，栅格分辨率用于将栅格地图划分为若干个栅格；
[0041]根据目标拟合平面方程和预设的第二距离阈值，将栅格地图包含的非地面点云数据确定为低点数据或者高点数据，其中，目标拟合平面方程为最后一次迭代确定的拟合平面方程；
[0042]根据栅格地图中每个栅格包含的低点数据和高点数据，以及相邻栅格包含的低点数据、预设栅格占据概率和目标拟本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能驾驶可行驶区域检测方法，其特征在于，包括：获取多个激光雷达同一时间戳下的点云数据，其中，所述点云数据由安装在车辆上的激光雷达采集得到，所述点云数据均为变换到车辆坐标系下的点云数据；所述点云数据包括多帧点云数据；对所述多帧点云数据进行融合处理，得到融合点云集；根据所述融合点云集包含的融合点云数据的z向坐标值，从所述融合点云集中确定非地面点云数据，以得到由确定出的非地面点云数据组成的非地面点云集；将所述非地面点云集映射到预先建立的目标极坐标系下，以根据所述目标极坐标系下的非地面点云集，确定所述车辆周围全角度下的障碍物分别与所述车辆的最近距离，其中，所述目标极坐标系为以所述车辆坐标系的原点为极点建立的极坐标系；根据所述车辆周围全角度下的障碍物分别与所述车辆的最近距离，确定所述车辆的可行驶区域。2.根据权利要求1所述的智能驾驶可行驶区域检测方法，其特征在于，所述对所述多帧点云数据进行融合处理，得到融合点云集，包括：将所述多帧点云数据按照预设的激光雷达顺序拼接为一帧点云数据，以得到所述融合点云集；或，针对所述多帧点云数据包含的每个点云数据，计算该点云数据对应的水平角度和垂直角度，并根据该点云数据对应的水平角度和垂直角度，将该点云数据填充至对应点云栅格中；以将多帧点云数据包含的每个点云数据均填充至对应点云栅格中；对于每个点云栅格，若该点云栅格内包含多个点云数据，则将所述多个点云数据的重心作为该点云栅格下的融合点云数据；以得到由所有点云栅格下的融合点云数据组成的融合点云集。3.根据权利要求1所述的智能驾驶可行驶区域检测方法，其特征在于，所述根据所述融合点云集包含的融合点云数据的z向坐标值，从所述融合点云集中确定非地面点云数据，包括：将所述融合点云集中异常的z向坐标值所在的融合点云数据剔除，将剔除异常数据后的融合点云集作为目标融合点云集；根据所述目标融合点云集包含的融合点云数据的z向坐标值，从所述目标融合点云集中确定地面点云数据，以得到由确定出的地面点云数据组成的待更新地面点云集；根据所述待更新地面点云集确定拟合平面方程；计算所述目标融合点云集中的每个融合点云数据与所述拟合平面方程的距离，将计算出的距离小于预设的第一距离阈值的融合点云数据确定为地面点云数据，由确定出的地面点云数据作为更新后地面点云集；将更新迭代次数加1，并判断加1后的更新迭代次数是否达到预设的迭代总次数，若否，则将所述更新后地面点云集作为所述待更新地面点云数据，返回执行所述根据所述待更新地面点云集确定拟合平面方程，直至所述更新迭代次数达到所述迭代总次数时，将所述目标融合点云集中除更新后地面点云集外的其他点云数据作为非地面点云数据，其中，初始的更新迭代次数为0。
4.根据权利要求1所述的智能驾驶可行驶区域检测方法，其特征在于，所述根据所述目标融合点云集包含的融合点云数据的z向坐标值，从所述目标融合点云集中确定地面点云数据，包括：根据所述目标融合点云集包含的融合点云数据的z向坐标值，从所述目标融合点云集中选取预设数目的融合点云数据，并计算所述预设数目的融合点云数据的z向平均值；针对所述目标融合点云集中的每个融合点云数据，若该融合点云数据的z向坐标值与所述z向平均值的差值小于预设的差值阈值，则确定该融合点云数据为地面点云数据。5.根据权利要求3所述的智能驾驶可行驶区域检测方法，其特征在于，根据所述待更新地面点云集确定拟合平面方程，包括：计算所述待更新地面点云集的x向平均值、y向平均值和z向平均值；根据所述待更新地面点云集的x向平均值、y向平均值和z向平均值，确定协方差矩阵，并求解所述协方差矩阵的若干特征值和特征向量；从所述若干特征值中确定最小的特征值，将所述最小的特征值对应的特征向量作为拟合平面的法向量；根据所述待更新地面点云集和所述拟合平面的法向量，求解出所述拟合平面方程。6.根据权利要求3所述的智能驾驶可行驶区域检测方法，其特征在于，所述目标极坐标系中包括多个角度栅格，每个角度栅格中包括多个径向栅格；所述将所述非地面点云集映射到预先建立的目标极坐标...

【专利技术属性】
技术研发人员：黄文锦，
申请(专利权)人：上海涵润汽车电子有限公司，
类型：发明
国别省市：