一种车辆前方障碍物检测方法技术

本发明专利技术属于自动驾驶环境感知技术领域，具体涉及一种车辆前方障碍物检测方法。该方法将激光雷达采集的点云数据和视觉传感器采集的图像数据进行融合，以解决单一使用视觉传感器造成的检测速度慢且受光线影响难以有效估计障碍物位置、以及单一使用激光雷达造成的识别能力不强导致误检漏检的问题。在具体融合处理时，先对点云数据进行聚类以得到各个聚类结果，再在各个聚类结果下确定感兴趣区域的关键点，并映射至图像数据，从而确定图像数据中的各个感兴趣区域，进而结合边缘检测算法和信息熵值实现车辆的有效检测，整个检测方法简单，计算量比较少，可以在保证检测精度的情况下有效提高障碍物检测的实时性、快速性以及鲁棒性。性。性。

【技术实现步骤摘要】
一种车辆前方障碍物检测方法


[0001]本专利技术属于自动驾驶环境感知
，具体涉及一种车辆前方障碍物检测方法。

技术介绍

[0002]自动驾驶车辆在道路上行驶离不开对车辆状态及行驶环境的感知，车辆感知技术是智能车技术发展中的关键问题，其感知能力的进步都将促进车辆智能化技术的飞跃。环境感知系统的任务是利用摄像头、毫米波雷达、激光雷达、超声波等主要车载传感器以及V2X通信系统感知周围环境，通过提取路况信息、检测障碍物，为智能网联汽车提供决策依据。因此能否快速准确的检测出道路区域的障碍物，是避免交通事故发生的重要前提。
[0003]目前在道路车辆检测方面常用的方法是摄像头和激光雷达检测。比如，申请公布号为CN106529530A的中国专利技术专利申请公开了一种基于单目视觉的前方车辆检测方法，该方法首先利用摄像头图像信息，融合车辆形态特征和HAAR特征，提取车辆阴影作为感兴趣区域并用Adaboost分类器进行筛选，最后根据对称性和信息熵函数进行验证。该种方式中所使用的摄像头响应速度慢且易受光线影响，夜间检测效果较差。又比如，申请公布号为CN105866782A的中国专利技术专利申请公开了一种基于激光雷达的运动目标检测系统技方法，该方法首先通过获取测距和位姿数据帧，将数据点聚类后提取特征点，与前帧特征点匹配，随后计算和修正运动信息，最后输出检测结果。该种方式存在识别能力不强和在恶劣天气情况下测量精度降低等问题。
[0004]从上述分析可知，各种传感器均具有不同的优缺点，多传感器信息融合成了必然选择。申请公布号为CN111291714A的中国专利技术专利申请公开了一种基于单目视觉和激光雷达融合的车辆检测方法，该方法融合了摄像头和激光雷达，提取并融合点云和图像特征向量，根据融合特征得到并筛选车辆的3D包围盒，完成车辆检测。由于融合了两种类型的传感器可以达到互补的作用，提高检测精度，但是该方法步骤繁琐，计算量较大，以至于实时性和鲁棒性不高。

技术实现思路

[0005]本专利技术的目的在于提供一种车辆前方障碍物检测方法，用以解决现有技术的检测方法复杂的问题。
[0006]为解决上述技术问题，本专利技术提供了一种车辆前方障碍物检测方法，包括如下步骤：
[0007]1)获取本车周围的点云数据和图像数据；其中，采集点云数据的激光雷达和采集图像数据的视觉传感器已进行联合空间标定和联合时间标定；
[0008]2)对获取的点云数据进行聚类处理，得到多个聚类结果；
[0009]3)依据聚类结果获取感兴趣区域的关键点，根据联合标定结果，将感兴趣区域的关键点投影至图像数据上，以得到图像数据中的各个感兴趣区域；
[0010]4)在图像数据中的各个感兴趣区域内，采用边缘检测算法识别出潜在障碍物区域；
[0011]5)计算各个潜在障碍物区域的信息熵，若潜在障碍物区域的信息熵大于设定信息熵阈值，则判定该潜在障碍物区域内存在障碍物。
[0012]其有益效果为：本专利技术使用两种类型传感器数据对本车周围障碍物进行检测，具体为将激光雷达采集的点云数据和视觉传感器采集的图像数据进行融合，以解决单一使用视觉传感器造成的检测速度慢且受光线影响难以有效估计障碍物位置、以及单一使用激光雷达造成的识别能力不强导致误检漏检的问题。而且，在具体融合处理时，先对点云数据进行聚类以得到各个聚类结果，再在各个聚类结果下确定感兴趣区域的关键点，并映射至图像数据，从而确定图像数据中的各个感兴趣区域，进而结合边缘检测算法和信息熵值实现车辆的有效检测，整个检测方法简单，计算量比较少，可以在保证检测精度的情况下有效提高障碍物检测的实时性、快速性以及鲁棒性。
[0013]进一步地，步骤1)中，进行空间联合标定得到的激光雷达和视觉传感器共用的世界坐标系与图像像素坐标系之间的变换关系为：
[0014][0015]式中，(u,v,1)
T
为图像像素坐标系坐标；(x
w
,y
w
,z
w
)
T
为世界坐标系坐标；R
t
为3
×
3正交旋转矩阵；T
t
为摄像机外部参数的平移向量；f为摄像机焦距，d
x
、d
z
为一个像素在x轴上与z轴的成像平面内的物理尺寸，(u
o
,v0)为摄像机光轴与成像平面内的交点坐标。
[0016]进一步地，步骤1)中，实现所述联合时间标定的手段为：在激光雷达扫描的同时触发视觉传感器的扫描。
[0017]其有益效果为：在激光雷达扫描同时触发视觉传感器的扫描，方法简单但能保证两个传感器时间上的同步。
[0018]进一步地，步骤2)中采用最邻近距离法进行聚类处理。
[0019]进一步地，步骤2)中在进行聚类处理前，还需将获取的点云数据进行去噪处理，所述去噪处理的手段包括：将高度小于设定高度阈值的点云数据进行剔除，并将车辆后方的点云数据进行剔除。
[0020]其有益效果为：对点云数据进行去噪处理可以抑制噪声干扰，保证检测的准确性。
[0021]进一步地，还需将获取的图像数据进行图像预处理，所述图像预处理的手段为：将获取的图像数据进行灰度化处理，灰度化处理后采用直方图均衡化方法进行灰度增强处理，灰度增强处理后进行滤波以去除噪声。
[0022]其有益效果为：对图像进行灰度化处理可以降低视觉传感器采集的数据信息受到光照等因素的影响，提高成像质量，同时可以减少计算量；而且，对灰度增强处理后进行滤波可以对灰度处理后的图像中存在的噪声进行抑制。
[0023]进一步地，步骤3)中所述感兴趣区域的关键点包括：对于每个聚类结果，其类别类宽的最左侧的点向上移动设定距离后的点以及最右侧的点向下移动设定距离后的点；相应
地，得到的图像数据中的各个感兴趣区域为：将一个聚类结果所对应的两个关键点投影至图像数据后，将图像数据中最左侧的关键点的左上方的一个点和最右侧的关键点的右下方的一个点作为对角线的起始点所确定的矩形作为感兴趣区域；按照该种方式对每个聚类结果进行处理以得到多个感兴趣区域。
[0024]其有益效果为：并非将聚类结果直接映射，而是在聚类结果的周围设置了一些余量，以防聚类不准的情况，保证找到的感兴趣区域的准确性。
[0025]进一步地，最左侧的关键点的左上方的一个点为所述最左侧的关键点依次左移k个像素、上移k个像素后的点，最右侧的关键点的右下方的一个点为所述最右侧的关键点依次右移k个像素、下移k个像素后的点，k＞1。
[0026]进一步地，步骤4)中识别出潜在障碍物区域的过程包括：利用Canny边缘检测算法识别得到各个边缘点；计算感兴趣区域内各点像素灰度值的平均值；在感兴趣区域内进行搜索，如果某一垂直方向上灰度值大于平均值的点数超过感兴趣区域高度一半，则认为是障碍物的垂直边缘，如果某一水平方向上灰度值大于平均值的点数超过感兴趣区域宽度的一半，则认为是障碍物的水平边缘；按照该种方式检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆前方障碍物检测方法，其特征在于，包括如下步骤：1)获取本车周围的点云数据和图像数据；其中，采集点云数据的激光雷达和采集图像数据的视觉传感器已进行联合空间标定和联合时间标定；2)对获取的点云数据进行聚类处理，得到多个聚类结果；3)依据聚类结果获取感兴趣区域的关键点，根据联合标定结果，将感兴趣区域的关键点投影至图像数据上，以得到图像数据中的各个感兴趣区域；4)在图像数据中的各个感兴趣区域内，采用边缘检测算法识别出潜在障碍物区域；5)计算各个潜在障碍物区域的信息熵，若潜在障碍物区域的信息熵大于设定信息熵阈值，则判定该潜在障碍物区域内存在障碍物。2.根据权利要求1所述的车辆前方障碍物检测方法，其特征在于，步骤1)中，进行空间联合标定得到的激光雷达和视觉传感器共用的世界坐标系与图像像素坐标系之间的变换关系为：式中，(u,v,1)
T
为图像像素坐标系坐标；(x
w
,y
w
,z
w
)
T
为世界坐标系坐标；R
t
为3
×
3正交旋转矩阵；T
t
为摄像机外部参数的平移向量；f为摄像机焦距，d
x
、d
z
为一个像素在x轴上与z轴的成像平面内的物理尺寸，(u
o
,v0)为摄像机光轴与成像平面内的交点坐标。3.根据权利要求1所述的车辆前方障碍物检测方法，其特征在于，步骤1)中，实现所述联合时间标定的手段为：在激光雷达扫描的同时触发视觉传感器的扫描。4.根据权利要求1所述的车辆前方障碍物检测方法，其特征在于，步骤2)中采用最邻近距离法进行聚类处理。5.根据权利要求1所述的车辆前方障碍物检测方法，其特征在于，步骤2)中在进行聚类处理前，还需将获取的点云数据进行去噪处理，所述去噪处理的手段包括：将高度小于设定高度阈值的点云数据进行剔除，并将车辆后方的点云数据进行剔除。6.根据权利要求1所述的车辆前方障碍物检测方法，其特征在于，还需将获取的...

【专利技术属性】
技术研发人员：高建平，金佳男，吴延峰，李敖，李炫，姚晨豪，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：