自动驾驶中基于4D毫米波雷达点云的环境freespace识别方法技术

本发明专利技术提供了一种自动驾驶中基于4D毫米波雷达点云的环境free space识别方法，方法包括，根据自车高度对点云数据进行空间切割；点云数据向地面坐标系进行分层投影；将每一层点云的二值图像切割成特定尺寸大小的若干子区域；定义点云密度变化率计算公式计算得到点云空间密度变化率矩阵M

【技术实现步骤摘要】
自动驾驶中基于4D毫米波雷达点云的环境free space识别方法


[0001]本专利技术涉及自动驾驶中机器感知
，具体而言，涉及一种自动驾驶中基于4D毫米波雷达点云的环境free space识别方法、设备和计算机可读存储介质。

技术介绍

[0002]本专利技术对于
技术介绍
的描述属于与本专利技术相关的相关技术，仅仅是用于说明和便于理解本专利技术的
技术实现思路
，不应理解为申请人明确认为或推定申请人认为是本专利技术在首次提出申请的申请日的现有技术。
[0003]环境感知是自动驾驶领域机器感知的重要任务之一，而对于环境中可行驶区域的识别是这项任务的核心组成部分。随着汽车4D毫米波雷达点云技术的兴起，在增加点云数量、提高点云质量两个主要课题基础上，赋能自动驾驶车辆对于行驶环境的感知是毫米波雷达点云技术面临的又一重要任务。当前，基于深度学习的卷积神经网络(CNN)、基于概率图的方法(PGM)、激光雷达数据驱动的实时3D地图构建、支持向量机(SVM)、基于聚类的方法(Clustering
‑
based)、自适应阈值法(Adaptive Threshold)等都在帮助车辆实现行驶区域识别功能。但是此类方法对于4D毫米波雷达点云而言仍有改进空间，主要原因在于毫米波雷达点云质量不及激光雷达点云，其质量和数量都直接影响了上述算法的应用效果。
[0004]为了解决上述技术问题，本专利技术提出了一种自动驾驶中基于4D毫米波雷达点云的环境free space识别方法、设备和计算机可读存储介质，实现环境中目标识别的同时，对free space进行识别。

技术实现思路

[0005]本专利技术提供了一种自动驾驶中基于4D毫米波雷达点云的环境free space识别方法、设备和计算机可读存储介质，实现环境中目标识别的同时，对free space进行识别。
[0006]本专利技术第一方面的实施例提供了一种自动驾驶中基于4D毫米波雷达点云的环境free space识别方法，包括如下步骤：根据自车高度，对点云数据进行空间切割；点云数据向地面坐标系进行分层投影；将每一层点云的二值图像切割成特定尺寸大小的若干子区域；定义点云密度变化率计算公式，根据点云密度变化率计算公式计算得到点云空间密度变化率矩阵M
delta
‑
density
；对点云空间密度变化率矩阵M
delta
‑
density
按照变化率门限r进行噪声点筛选；对点云空间密度变化率矩阵M
delta
‑
density
上的每个位置进行赋值，得到点云空间鸟瞰图的二值图像；对得到的点云空间鸟瞰图的二值图像，以自车坐标原点为圆心，以所需视野半径为半径绘制黑色圆，从黑色圆中每间隔1度提取0至360度距离坐标系中心最近度像素点坐标，得到包含360个坐标的free space轮廓。
[0007]优选地，点云数据向地面坐标系进行分层投影的步骤中，将点云数据按照空间高度分割成若干层，每一层点云以一定尺寸绘制在特定尺寸画布上，得到二值图像。
[0008]优选地，绘制在特定尺寸画布上所得到二值图像中，图上的点云为黑色，空白区域
为白色。
[0009]优选地，将每一层点云的二值图像切割成特定尺寸大小的若干子区域的步骤具体包括，建立字典，将每一层所有子区域作为元素填充进该字典，每个元素的值包含该子区域的位置信息、黑色像素占比信息；其中，位置信息用于确定子区域间位置关系，黑色像素占比信息是指各层二值图像同一位置子区域中黑色像素数量综合，用于表征点云密度。
[0010]优选地，点云密度变化率计算公式为：
[0011][0012]其中，ρ
i
代表非全白色子区域位置i处的点云密度，ρ
j
代表与位置i相邻的位置j处的点云密度。
[0013]优选地，对点云空间密度变化率矩阵M
delta
‑
density
按照变化率门限r进行噪声点筛选步骤具体包括，矩阵中密度变化率小于r设为1，矩阵中密度变化率大于或等于r设为0。
[0014]优选地，对点云空间密度变化率矩阵M
delta
‑
density
上的每个位置进行赋值步骤中，若点云空间密度变化率矩阵M
delta
‑
density
对应位置上值为0，则该数值设为0；若对应位置上的值不为0，则不作处理。
[0015]优选地，方法还包括步骤，在时序数据中，获得每一帧点云数据的free space轮廓，在迭代中，根据坐标转换公式获得上一帧轮廓坐标更新后的free space轮廓数据，将其与新一帧轮廓数据进行比较并更新各方向轮廓点坐标后，即得当前帧free space轮廓，随之进行free space绘制。
[0016]本专利技术第二方面的实施例还提供了一种自动驾驶中基于4D毫米波雷达点云的环境free space识别设备，其包括存储器和处理器；其中，存储器用于存储可执行程序代码；处理器用于读取存储器中存储的可执行程序代码以执行自动驾驶中基于4D毫米波雷达点云的环境free space识别方法。
[0017]本专利技术第三方面的实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现自动驾驶中基于4D毫米波雷达点云的环境free space识别方法。
[0018]本专利技术提供的自动驾驶中基于4D毫米波雷达点云的环境free space识别方法、设备和计算机可读存储介质，实现环境中目标识别的同时，对free space进行识别。
[0019]本专利技术的附加方面和优点将在下面的描述部分中变得明显，或通过本专利技术的实践了解到。
附图说明
[0020]本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
[0021]图1示出根据本专利技术实施例的自动驾驶中基于4D毫米波雷达点云的环境free space识别方法的流程图；
[0022]图2是本说明书自动驾驶中基于4D毫米波雷达点云的环境free space识别设备的一个实施例的结构图；
[0023]图3是本说明书自动驾驶中基于4D毫米波雷达点云的环境free space识别方法的
计算机可读存储介质的一个实施例的结构图。
具体实施方式
[0024]为了能够更清楚地理解本专利技术的上述目的、特征和优点，下面结合附图和具体实施方式对本专利技术进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
[0025]在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，但是，本专利技术还可以采用其他不同于在此描述的其他方式来实施，因此，本专利技术的保护范围并不受下面公开的具体实施例的限制。
[0026]下述讨论提供了本专利技术的多个实施例。虽然每个实施例代表了专利技术的本文档来自技高网...

【技术保护点】

【技术特征摘要】
space识别方法，其特征在于，方法还包括步骤，在时序数据中，获得每一帧点云数据的free space轮廓，在迭代中，根据坐标转换公式获得上一帧轮廓坐标更新后的free space轮廓数据，将其与新一帧轮廓数据进行比较并更新各方向轮廓点坐标后，即得当前帧free space轮廓，随之进行free space绘制。9.一种自动驾驶中基于4D毫米波雷达点云的环境free space识别设备，其包括存储器和处理器；其中，所述存储器用于存储可执行程...

【专利技术属性】
技术研发人员：李银宝，
申请(专利权)人：北京川速微波科技有限公司，
类型：发明
国别省市：