本发明专利技术提出一种自动驾驶车辆及其目标感知方法和系统，属于自动驾驶车辆车辆目标感知技术领域。首先获取车辆周边环境的原始点云数据，并对其进行预处理；再对预处理后的点云数据进行聚类实现目标分割，并生成目标多边形；对每个目标多边形进行化简，包括短边化简、可靠边化简和无效边化简，本发明专利技术最大程度地保留了目标物的形状特征，由于保留的可靠边是距离雷达较近的边，更能准确表示目标物的形状特征，更加保证了对目标物描述的准确性，相比现有技术中采用凸边形进行目标描述，本发明专利技术减少了数据存储量，同时也减少了后续碰撞检测或轨迹规划中的计算量，兼顾了目标物形状特征和数据量运算的问题，为自动驾驶路径规划和控制提供了准确可靠的数据。供了准确可靠的数据。供了准确可靠的数据。
【技术实现步骤摘要】
一种自动驾驶车辆及其目标感知方法和系统
[0001]本专利技术涉及一种自动驾驶车辆及其目标感知方法和系统，属于自动驾驶车辆车辆目标感知
技术介绍
[0002]随着人工智能技术和计算机技术的发展，无人驾驶技术日渐成熟。环境感知是无人驾驶的眼睛，是自动驾驶发展的基础，能够实现对驾驶车辆周围环境的精确感知，为下游模块系统决策提供丰富的信息。激光雷达能够捕获丰富的三维空间信息，得到目标的轮廓等特征，但数据原始且数量庞大，如何通过相关技术快速又准确地提取检测目标是一个问题。现有技术中主要有两种目标表述方式，一种是采用凸多边形进行目标描述，通过原始点云聚类分割出不同目标点云，然后对目标点云进行凸包点检测生成目标的凸多边形；另一种是使用四边形方框进行目标描述。
[0003]其中，采用凸多边形进行目标描述，可以准确描述目标物的形状特征，但凸多边形的边较多，数据存储量大，使得后续自动驾驶车辆碰撞检测或轨迹规划中的计算量过大；而采用四边形进行目标描述，数据存储量小且后续计算量也小，但采用四边形对目标的描述不够准确，无法提供准确的目标形状特征，会影响后续系统决策的判断，影响无人驾驶车辆行驶的安全性。
技术实现思路
[0004]本专利技术的目的是提供一种自动驾驶车辆及其目标感知方法和系统，以解决现有技术无法兼顾目标物形状特征和数据存储量、运算量的问题。
[0005]本专利技术提出一种自动驾驶车辆的目标感知方法，该方法包括以下步骤：
[0006]1)通过雷达获取车辆周边环境的原始点云数据，并对原始点云数据进行预处理；所述预处理包括对所有原始点云数据空间坐标系和时间进行统一；
[0007]2)对预处理后的点云数据进行聚类实现目标分割，得到各目标点云数据，并基于各目标的点云数据生成目标多边形；
[0008]3)对每一个目标多边形，根据雷达坐标和多边形顶点位置确定每个目标的可靠边，可靠边是指靠近雷达的边；
[0009]4)对每个目标多边形的可靠边进行化简：统计目标多边形中可靠边的个数和各可靠边的长度，找到可靠边边长最大的设定个数的边；根据设定间隔个数按照设定顺序对可靠边进行提取，将所提取出的可靠边和设定个数的最长边作为初始化简边；根据初始化简边进行合理性验证，将初始化简边和不满足合理性验证的其余边作为目标多边形可靠边的化简结果；
[0010]所述合理性验证过程为：计算初始化简边中两两相邻边交点的偏离程度，当所述相邻边交点的偏离程度大于设定的偏离阈值时，保留两相邻边之间的可靠边；当相邻边交点的偏离程度小于设定的偏离阈值，删除两相邻边之间的可靠边。
[0011]本专利技术还提出一种自动驾驶车辆的目标感知系统，该系统包括处理器与存储器，所述处理器用于处理所述存储器存储的计算机程序，以实现如上所述的自动驾驶车辆的目标感知方法。
[0012]本专利技术还提出一种自动驾驶车辆，该车辆包括设置在车身的雷达和惯性导航系统，所述雷达和惯性导航系统均与控制器相连，以实现如上所述的自动驾驶车辆的目标感知方法。
[0013]本专利技术首先对预处理后的点云数据进行聚类，实现目标分割，并生成目标多边形，然后根据雷达坐标和各多边形顶点坐标确定可靠边，根据每个目标的可靠边对该目标多边形进行化简，保留了一定个数长度最长的可靠边，并按照一定间隔个数提取可靠边，还对其进行合理性验证，判断是否删除其余可靠边；本专利技术最大程度地保留了目标物的形状特征，由于保留的可靠边是距离雷达较近的边，这些可靠边的准确性更高，更能准确表示目标物的形状特征，更加保证了对目标物描述的准确性，相比现有技术中采用凸边形进行目标描述，本专利技术根据可靠边对目标多边形进行适当删减，减少了数据存储量，同时也减少了后续碰撞检测或轨迹规划中的计算量，兼顾了目标物形状特征和数据量运算的问题，为自动驾驶路径规划和控制提供了准确可靠的数据。
[0014]进一步地，所述目标多边形化简还包括无效边的化简，统计无效边个数及边长，保留无效边中最长的设定个数的边；其中，无效边是指远离雷达的边。
[0015]本专利技术在化简过程中还对无效边进行化简，由于无效边是距雷达较远的边，这些无效边的准确性相比于有效边并不高，其对目标物描述的也准确性要低于有效边，选取其中边长最长的设定个数的无效边，对其他无效边直接删除，并不会对整体目标多边形有特别大的影响，进一步保证了对目标物描述的准确性。
[0016]进一步地，在进行可靠边化简之前需要先对短边进行化简，首先将边长小于设定长度阈值的边作为短边，判断短边两侧相邻边的延长线交点偏离程度是否满足设定的短边偏离阈值，当所述交点偏离程度小于设定短边偏离阈值时，确定删除该短边；当所述交点偏离程度大于设定短边偏离阈值时，仍保留该短边；其中，所述偏离程度是指短边两侧相邻边的延长线交点至该短边的距离占该交点至多边形中心点的距离的比例。
[0017]通过上述过程中，对多边形中的短边进行化简，根据短边两侧相邻边的延长线交点偏离程度判断该短边是否可以删除，在保证目标形状准确描述的前提下，删除不必要短边，减少数据存储量和后续计算量。
[0018]进一步地，所述可靠边的判断方法为：找到目标多边形中角度最大顶点和角度最小顶点，将角度最大顶点至角度最小顶点之间的连线作为第一向量，将目标多边形各顶点至角度最小顶点之间的连线作为第二向量，将第一向量与第二向量进行叉乘，当叉乘结果大于0时，所对应的多边形顶点为可靠顶点，当叉乘结果小于0时，所对应的多边形顶点为不可靠顶点，将可靠顶点之间的边作为可靠边；其中，角度最大顶点是指雷达在扫描该目标多边形过程中最后扫描到的点，角度最小顶点是指雷达在扫描该目标多边形过程中最先扫描到的点。
[0019]通过向量叉乘的方式确定目标多边形中的可靠顶点，将可靠顶点所构成的边作为可靠边，更好地保证了可靠边的准确性。
[0020]进一步地，在进行多边形化简之前，判断目标多边形与车身方框是否存在交点，如
果存在交点，则统计目标多边形在第一区域、第二区域、第三区域的点云个数，若其中任一区域中点云个数小于设定的化简边个数，则将该区域内的点云合并指该区域的相邻区域中，并在不同区域内形成该目标的新多边形；其中，第一、第二、第三区域分别是指以车辆行驶方向为主方向下，车辆的左部、中部、右部区域。
[0021]当目标物多边形与车身存在覆盖区域时，这与实际情况不符，因此通过上述过程进行区域划分，统计不同区域内的点云个数，当某一区域的点云个数无法满足设定的化简边个数时，将其合并至相邻区域内，最终形成不同区域内该目标的新多边形，保证目标描述的准确性。
[0022]进一步地，所述步骤2)中点云聚类采用分段聚类，至少将点云分为两段，每一段根据对应设定的聚类阈值进行聚类；其中，设定的聚类阈值与点云距离雷达的距离有关，当点云距雷达越近时，聚类阈值设定越小。
[0023]由于点云距离车辆的远近不同，会形成近处密集远处稀疏的特性，因此采用上述方式对不同距离处的点云进行聚类，以使目标分割更准确；同时考虑距离越近的目标对车身的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种自动驾驶车辆的目标感知方法，其特征在于，该方法包括以下步骤：1)通过雷达获取车辆周边环境的原始点云数据，并对原始点云数据进行预处理；所述预处理包括对所有原始点云数据空间坐标系和时间进行统一；2)对预处理后的点云数据进行聚类实现目标分割，得到各目标点云数据，并基于各目标的点云数据生成目标多边形；3)对每一个目标多边形，根据雷达坐标和多边形顶点坐标确定每个目标多边形的可靠边，可靠边是指靠近雷达的边；4)对每个目标多边形的可靠边进行化简：统计目标多边形中可靠边的个数和各可靠边的长度，找到可靠边边长最大的设定个数的边；根据设定间隔个数按照设定顺序对可靠边进行提取，将所提取出的可靠边和设定个数的最长边作为初始化简边；根据初始化简边进行合理性验证，将初始化简边和不满足合理性验证的其余边作为目标多边形可靠边的化简结果；所述合理性验证过程为：计算初始化简边中两两相邻边交点的偏离程度，当所述相邻边交点的偏离程度大于设定的偏离阈值时，保留两相邻边之间的可靠边；当相邻边交点的偏离程度小于设定的偏离阈值，删除两相邻边之间的可靠边。2.根据权利要求1所述的自动驾驶车辆的目标感知方法，其特征在于，该方法还包括对无效边的化简，统计无效边个数及边长，保留无效边中最长的设定个数的边；其中，无效边是指远离雷达的边。3.根据权利要求1所述的自动驾驶车辆的目标感知方法，其特征在于，在确定可靠边之前对目标多边形进行短边化简，首先将目标多边形中边长小于设定长度阈值的边作为短边，判断短边两侧相邻边的延长线交点偏离程度是否满足设定的短边偏离阈值，当所述交点偏离程度小于设定短边偏离阈值时，确定删除该短边；当所述交点偏离程度大于设定短边偏离阈值时，仍保留该短边；其中，所述偏离程度是指短边两侧相邻边的延长线交点至该短边的距离占该交点至多边形中心点的距离的比例。4.根据权利要求1所述的自动驾驶车辆的目标感知方法，其特征在于，所述可靠边的判断方法为：找到目标多边形中角度最大顶点和角度最小顶点，将角度最大顶点至角度最小顶点之间的连线作为第一向量，将目标多边形各顶点至角度最小顶点之间的连线作为第二向量，将第一向量与第二向量进行叉乘，当叉乘结果大于0时，所对应的多...
【专利技术属性】
技术研发人员：刘国荣，曹鹭萌，王小娟，黄琨，李涛，
申请(专利权)人：宇通客车股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。