一种基于激光雷达的智能车辆可通行区域检测方法技术

本发明专利技术公开了智能驾驶领域内的一种基于激光雷达的智能车辆可通行区域检测方法，包括以下：1）在智能车辆上安装激光雷达，取道路区域内环境信息的原始点云数据；2）利用栅格高度差滤波法对原始点云数据进行处理，得到地面种子点的候选点；3）通过GPF算法将全部候选点进行高度排序、提取初始种子点；4）采用自适应区域增长平面拟合的方法；5）从提取的地面点云中分离出道路边界，确定可通行区域；6）使用正态分布变换算法对多帧激光雷达数据进行配准，确定当前所在位置；7）采用随机采样一致性算法对道路边界拟合，完成道路边界曲线的建立，本发明专利技术为智能驾驶提供更加精确的道路信息，提高驾驶的安全。驶的安全。驶的安全。

【技术实现步骤摘要】
一种基于激光雷达的智能车辆可通行区域检测方法


[0001]本专利技术涉及智能驾驶
，特别涉及一种车辆可通行区域检测方法。

技术介绍

[0002]道路环境感知是智能车辆的关键技术，通过各种传感器收集道路环境信息，为智能车辆的安全行驶，为智能车辆安全行驶提供及时准确的决策依据。
[0003]目前，智能驾驶车辆多数选用摄像头作为环境感知技术的主要传感器，其经济实用、成本低以及功能齐全，然而摄像头也存在着一些不足，例如图像质量受光线和天气等因素的影响比较大，并且处理的数据量较大而导致实时性交叉。而激光雷达可以在在恶劣天气、低光照等情况下工作，具有较强的鲁棒性。
[0004]激光雷达探测精度高、抗干扰能力强，具有极高的距离分辨率、角分辨率，能够获取三维信息，通过获得被检测目标的三维点坐标以及对应的反射强度信息，生成三维点云图，不仅能够检测车辆的可行驶区域边界，而且能够快速复现出障碍物的形状、位置以及大小，使智能车辆能在可通行区域内行驶。

技术实现思路

[0005]针对现有技术中存在的不足，本专利技术提供了一种基于激光雷达的智能车辆可通行区域检测方法，为智能驾驶提供更加精确的道路信息，提高驾驶的安全形。
[0006]本专利技术的目的是这样实现的：一种基于激光雷达的智能车辆可通行区域检测方法，包括以下步骤：
[0007]步骤1)在智能车辆上安装多线激光雷达，通过激光雷获取道路区域内环境信息的原始点云数据，并建立三维坐标系，坐标系与车体固连；
[0008]步骤2)利用栅格高度差滤波法对原始点云数据进行粗略处理，优化点云的数量以及排除非地面点云的干扰，建立2.5维栅格地图，使每个二维栅格中都包含高度信息，设定栅格高度差的阈值，当栅格高度差小于阈值时，保留该栅格点作为初始点，这些点作为地面种子点的候选点；
[0009]步骤3)通过GPF算法将全部候选点进行高度排序、提取初始种子点，将栅格内的候选点按高度进行升序排列，得到这些点的平均值，小于设定的高度阈值的点作为平面模型估计的初始种子点；
[0010]步骤4)采用自适应区域增长平面拟合的方法对地面初始种子点进行处理；
[0011]步骤5)从提取的地面点云中分离出道路边界，确定可通行区域，对地面点云进行高度差特征、法向量差特征和切向领域半径比值特征分析，根据这些关键特征提取道路边界点，只有当地面点同时满足高度差特征、法向量差特征和切向邻域半径比值特征时，该点才会被认为是道路边界点；
[0012]步骤6)使用正态分布变换算法对多帧激光雷达数据进行配准，通过当前帧的点云与地图之间的匹配关系确定当前所在位置；
[0013]步骤7)采用随机采样一致性算法对道路边界拟合，完成道路边界曲线的建立。
[0014]作为本专利技术所述一种基于激光雷达的智能车辆可通行区域检测方法的优选技术方案，步骤2)具体包括：
[0015]将车辆设定范围内的雷达数据垂直投影到X
‑
Y平面上，再计算出所有投影到同一栅格中点云的最大Z值和最小Z值，栅格地图坐标系以激光雷达的中心为坐标原点，经过标定，使其Y轴指向车身正前方，垂直Y轴向右为X轴，构建M
×
N的极坐标栅格地图，超过此栅格地图范围的点云数据将被滤除，点云数据分布在极坐标栅格地图上，在相同栅格内的点云具有不同的Z值，表示地面和不同高度的障碍物；对于栅格单元C，落入其中的点所构成的集和可表示为ξ
c
＝{P
i
＝(x
i
,y
i
,z
i
)}，x
i
,y
i
,z
i
为三维点云坐标，则此栅格的栅格高度差HD
c
＝max(z
i
)
‑
min(z
J
)P
i
,P
J
∈ξ
c
，设定栅格高度差的阈值为T
HD
，当HD
c
<T
HD
时，保留栅格中的点作为初始点，所有栅格中的初始点均作为地面初始种子点的候选点。
[0016]作为本专利技术所述一种基于激光雷达的智能车辆可通行区域检测方法的优选技术方案，步骤3)GPF算法通过将全部候选点进行高度排序提取初始种子点具体包括：
[0017]步骤3
‑
1)将整个点云P中的点按高度从小到大排列；
[0018]步骤3
‑
2)取出若干个最低高度值点，数量为N
LPR
，求这些点的平均值LPR；
[0019]步骤3
‑
3)计算出LPR后，将其作为点云P的最低高度值点，小于高度阈值Th
seeds
的点将作为平面模型估计的初始种子点Pg，对于平面估计，已知三维点云坐标(x
i
,y
i
,z
i
)，平面方程为：ax+by+cz+d＝0，a,b,c为拟合平面待求参数，d是要求的值，约束条件：a2+b2+c2＝1，求得a,b,c使得点到改平面的距离最小，通过构造求得a,b,c使得点到改平面的距离最小，通过构造计算ΜΜ
T
，对ΜΜ
T
进行奇异值分解，取最小特征值所对应的特征向量作为平面方程的a,b,c值，即可求出d。
[0020]作为本专利技术所述一种基于激光雷达的智能车辆可通行区域检测方法的优选技术方案，步骤4)具体包括：
[0021]把坡度路面看成有多个朝向不同的平面A、B、C组成，采用增量平面拟合的方法，通过计算两个栅格拟合平面的夹角判断地形的局部变化，设平面α和β为：α：A1x+B1y+C1z+D＝0；β：A2x+B2y+C2z+D＝0，α和β的法向量分别为n1＝(A1,B1,C1)、n2＝(A2,B2,C2)，记平面α和β之间的夹角θ，规定θ为锐角，则公式：如果相邻两个平面的夹角小于角度阈值，则表示栅格内地形变化不大，认为是同一个平面，把该栅格内的种子点并入之前的种子点集合重新进行平面拟合；反之，则认为从该栅格开始地形局部信息发生变化，前后两个栅格不属于同一平面，并从该栅格开始进行新的平面估计，依次循环遍历整个栅格地图即可获取自适应地形变化的地面点。
[0022]作为本专利技术所述一种基于激光雷达的智能车辆可通行区域检测方法的优选技术方案，步骤5)中高度差特征分析具体包括：将地面点云进行栅格化处理，根据栅格最大最小高度差算法，如果栅格内点云的最大最小高度差满足Th1<Z
max
‑
Z
min
<Th2，则认为该点为道路边界点。
[0023]作为本专利技术所述一种基于激光雷达的智能车辆可通行区域检测方法的优选技术
方案，步骤5)中法向量差特征分析具体包括：地面点p表示扫描线中的某一点，n(p,r1)、n(p,r2)表示不同半径r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智能车辆可通行区域检测方法，其特征在于，包括以下步骤：步骤1)在智能车辆上安装多线激光雷达，通过激光雷获取道路区域内环境信息的原始点云数据，并建立三维坐标系，坐标系与车体固连；步骤2)利用栅格高度差滤波法对原始点云数据进行粗略处理，优化点云的数量以及排除非地面点云的干扰，建立2.5维栅格地图，使每个二维栅格中都包含高度信息，设定栅格高度差的阈值，当栅格高度差小于阈值时，保留该栅格点作为初始点，这些点作为地面种子点的候选点；步骤3)通过GPF算法将全部候选点进行高度排序、提取初始种子点，将栅格内的候选点按高度进行升序排列，得到这些点的平均值，小于设定的高度阈值的点作为平面模型估计的初始种子点；步骤4)采用自适应区域增长平面拟合的方法对地面初始种子点进行处理；步骤5)从提取的地面点云中分离出道路边界，确定可通行区域，对地面点云进行高度差特征、法向量差特征和切向领域半径比值特征分析，根据这些关键特征提取道路边界点，只有当地面点同时满足高度差特征、法向量差特征和切向邻域半径比值特征时，该点才会被认为是道路边界点；步骤6)使用正态分布变换算法对多帧激光雷达数据进行配准，通过当前帧的点云与地图之间的匹配关系确定当前所在位置；步骤7)采用随机采样一致性算法对道路边界拟合，完成道路边界曲线的建立。2.根据权利要求1所述的一种基于激光雷达的智能车辆可通行区域检测方法，其特征在于，步骤2)具体包括：将车辆设定范围内的雷达数据垂直投影到X
‑
Y平面上，再计算出所有投影到同一栅格中点云的最大Z值和最小Z值，栅格地图坐标系以激光雷达的中心为坐标原点，经过标定，使其Y轴指向车身正前方，垂直Y轴向右为X轴，构建M
×
N的极坐标栅格地图，超过此栅格地图范围的点云数据将被滤除，点云数据分布在极坐标栅格地图上，在相同栅格内的点云具有不同的Z值，表示地面和不同高度的障碍物；对于栅格单元C，落入其中的点所构成的集和可表示为ξ
c
＝{P
i
＝(x
i
,y
i
,z
i
)}，x
i
,y
i
,z
i
为三维点云坐标，则此栅格的栅格高度差HD
c
＝max(z
i
)
‑
min(z
J
)P
i
,P
J
∈ξ
c
，设定栅格高度差的阈值为T
HD
，当HD
c
<T
HD
时，保留栅格中的点作为初始点，所有栅格中的初始点均作为地面初始种子点的候选点。3.根据权利要求1或2所述的一种基于激光雷达的智能车辆可通行区域检测方法，其特征在于，步骤3)GPF算法通过将全部候选点进行高度排序提取初始种子点具体包括：步骤3
‑
1)将整个点云P中的点按高度从小到大排列；步骤3
‑
2)取出若干个最低高度值点，数量为N
LPR
，求这些点的平均值LPR；步骤3
‑
3)计算出LPR后，将其作为点云P的最低高度值点，小于高度阈值Th
seeds
的点将作为平面模型估计的初始种子点Pg，对于平面估计，已知三维点云坐标(x
i
,y
i

【专利技术属性】
技术研发人员：张媛，施卫，封功源，秦忆南，陈程，张驰皓，
申请(专利权)人：江苏理工学院，
类型：发明
国别省市：