一种用于矿卡自动驾驶的路面障碍物检测方法技术

本发明专利技术提供一种用于矿卡自动驾驶的路面障碍物检测，对激光雷达扫描的点云进行栅格化，并计算每个栅格的特征，其中包括计算纵向和横向方向上的点云平均倾斜度，基于每个栅格的特征进行聚类，将属于同一类特征的栅格聚类成簇，计算每个点云簇的特征，送入分类模型，获得各个点云簇的类别，为每个栅格分配标签，提取点云索引，计算障碍物位置信息，为车辆避障绕行提供依据。本发明专利技术提供的矿区非结构化道路的路面障碍物检测方法，鲁棒性好，不需要特殊的硬件设备要求，可有效维护和提高智能矿卡在运输作业过程中的安全性和经济性，具有一定的参考意义和工程价值。参考意义和工程价值。参考意义和工程价值。

【技术实现步骤摘要】
一种用于矿卡自动驾驶的路面障碍物检测方法


[0001]本专利技术属于矿区自动驾驶
，尤其涉及一种用于矿卡自动驾驶的路面障碍物检测方法。

技术介绍

[0002]矿山作业中由于矿车的载重量大和作业强度高，矿区路面通过矿车的反复碾压和雨天冲刷的影响，导致路面产生坑洼、沟壑、隆包等路面病害。另外，由于矿车经常满载甚至超载行驶，以及重载上坡时车体重心后移，再加上道路颠簸不平、转弯处离心力较大等因素的作用，矿车在重载上坡运输物料过程中经常会掉落碎石等物料，影响后续车辆通行。而掉落的碎石会增加矿车爆胎的风险，不仅影响整个道路运输作业，还增加了矿车更换轮胎的成本，同时，矿卡的高强度的胎压还具有一定的安全危害。
[0003]在矿山传统作业流程中，坑洼、沟壑、隆包等路面病害和路面碎石需要依赖司机的驾驶经验和感觉来完成避让，这对司机的驾驶水平提出了较高的要求，同时也降低了司机的驾驶体验和工作效率。在自动驾驶的智能矿卡上，解决这一问题需要依赖传感器和算法来解决。由于矿区路面是土路，颜色区分度不大，同时矿区需要夜间作业，因此，摄像头不是解决该问题的最佳方案本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于矿卡自动驾驶的路面障碍物检测方法，其特征在于，包含以下步骤：步骤一：对激光雷达扫描的点云进行栅格化，并投影到栅格中，对栅格进行特征计算；步骤二：遍历计算栅格内所有点云的横向倾斜度和纵向倾斜度，并计算整个栅格内的横向和纵向的平均倾斜度，将其作为栅格特征；步骤三：基于栅格特征进行聚类，将属于同一类特征的栅格聚类成簇；计算每个点云簇的特征，送入分类模型进行分类识别，获得类别标签，提取障碍物点云，计算障碍物信息。2.根据权利要求1所述的用于矿卡自动驾驶的路面障碍物检测方法，其特征在于，步骤一中，使用扇形切割的方式进行点云栅格化处理，且每个栅格表示如下：第i行第j列的栅格C
ij
，其特征包含栅格内点云在z轴方向上的最小值z
min
、栅格内点云在z轴方向上的最大值z
max
、栅格的深度Δz＝z
max
‑
z
min
、栅格点云的纵向平均倾斜度λ
average
、横向平均倾斜度θ
average
；倾斜度特征在步骤二中进行计算填充，栅格的点云数量number、待确定的栅格类别label，label有五种类别：
‑
2表示沟壑，
‑
1表示坑洼，0表示地面，1表示路面碎石，2表示路面隆包。3.根据权利要求1所述的用于矿卡自动驾驶的路面障碍物检测方法，其特征在于，步骤二中，设点云P
g
为当前x值处纵向方向上的地面点云，即点云打在地平面上，其坐标值为(X
g
,Y
g
,Z
g
)；设P
i
为当前x值处沿着x轴正方向逐点计算的第i个点云，坐标值为(X
i
,Y
i
,Z
i
)，计算当前点云P
i
到地面点云P
g
的倾斜度λ
ix
，如式(2)所示：，如式(2)所示：，如式(2)所示：，如式(2)所示：其中，sign()为符号函数，α
λ
和β
λ
为与障碍物纵向特征相关的阈值常数，且α
λ
<0，β
λ
>0。4.根据权利要求3所述的用于矿卡自动驾驶的路面障碍物检测方法，其特征在于，当点云P
i
满足式(4)时，认为其属于地面点云；当式(4)不满足时即认为当前点云为障碍物点云。5.根据权利要求4所述的用于矿卡自动驾驶的路面障碍物检测方...

【专利技术属性】
技术研发人员：赵承辉，田磊，赵玉超，杨孟，
申请(专利权)人：中国重汽集团济南动力有限公司，
类型：发明
国别省市：