一种基于路侧激光雷达的车辆排队长度检测方法技术

本发明专利技术公开了一种基于路侧激光雷达的车辆排队长度检测方法，该方法包括以下步骤：1)利用路侧激光雷达获取道路空间中车辆扫描点，采集到待处理的三维点云数据；2)对点云数据依次进行数据预处理，通过空间坐标截取对兴趣区域选择；3)对兴趣区域内的点云数据进行地面点滤除；4)车辆目标检测；5)对聚类后的车辆目标进行连续追踪；6)对检测的车辆目标进行车道识别；7)基于相邻帧的激光雷达点云数据，计算每一辆车辆的速度信息；8)通过道路空间中每一辆车辆的速度和坐标信息，确定每个车道的队尾车辆信息，从而计算出每条车道的实时排队长度信息。本发明专利技术可以准确把握信号交叉口的拥堵程度，有利于进行路径决策，有效提高整体的车辆通行效率，减少拥堵。减少拥堵。减少拥堵。

【技术实现步骤摘要】
一种基于路侧激光雷达的车辆排队长度检测方法


[0001]本专利技术涉及激光雷达技术和智能交通领域，尤其涉及基于路侧激光雷达的车辆排队长度检测方法。

技术介绍

[0002]排队长度信息的检测是交通领域研究方法中很重要的研究方面，它应用在一些如最优信号控制、最优路径规划和自适应匝道计量等方面。同时通过实时监测各车道排队长度信息，可以准确把握各车道交通拥堵情况，系统可根据道路实时情况进行调整，对可变车道的应用具有重大意义，可有效减少拥堵，缓解交通压力。现有排队长度研究方法可归纳为两类：一类是基于固定传感器的排队长度估计方法，另一类是基于路侧激光雷达和视频图像的排队长度检测方法。基于固定传感器的排队长度估计方法是使用输入输出模型和冲击波理论模型等交通流理论知识来估计排队长度，但这些方法只能适用于一定场景下或指定位置，且检测精度不高。尽管基于视频图像的排队长度检测方法能准确的测量排队长度，但因其在夜间受光照条件影响很大，成为此种方法的最大缺点。
[0003]针对以上现有技术缺点，基于路侧激光雷达的排队长度检测方法以精准度高、环境适应性强等优点成为排队长度检测的新的解决方案。

技术实现思路

[0004]为了解决现有技术缺点，本专利技术的目的在于提供了一种基于路侧激光雷达的车辆排队长度检测方法。通过对交叉路口实时排队长度的检测，可精准评估当前道路的交通状况，为系统调整信号配时和出行规划提供实时状况信息，提高交通网整体通行效率，有效减少拥堵问题。
[0005]针对以上目的，本专利技术提出了一种基于路侧激光雷达的车辆排队长度检测方法，具体包括以下步骤：
[0006]S1：基于路侧激光雷达的车辆点云数据采集。将激光雷达部署于道路一侧，并且与停车线同一水平线，采集道路空间中每条车道上的车辆目标点云数据。
[0007]S2：基于采集的车辆目标点云数据，通过空间坐标截取方法进行兴趣区域选择。根据激光雷达的部署位置和道路空间中车道线的位置，根据距离计算，确定当前道路场景下道路空间在激光雷达三维点云数据的坐标系下的坐标，通过空间坐标截取的方法实现噪声点滤除，保留了道路空间中车辆目标点云数据。
[0008]S3：采用背景差分法对地面点滤除。针对兴趣区域选择后，保留了车辆目标点云数据的同时也会留有一部分地面点的噪声点云问题，考虑激光雷达固定部署于路边，地面点相对于激光雷达是几乎不会发生变化，而车辆目标处于运动过程中，激光雷达扫描到的车辆目标点云是发生变化的，因此选择背景差分法对地面点滤除。
[0009]S4：基于DBSCAN算法的车辆目标检测。由于激光雷达扫描点都是无序的，且激光雷达每一帧数据检测到的车辆数是完全随机的，对于一辆车而言，它们的点云数据在密度上
是紧密相关的，因此采用不需要规定聚类数的DBSCAN聚类算法，将道路空间中离散无序的点云聚类为不同的车辆目标，实现车辆目标检测。
[0010]S5：基于激光雷达点云数据的车辆目标追踪。通过计算当前帧所有车辆与前一帧所有车辆的距离作为关联矩阵，用于判断相邻帧车辆是否关联成功。
[0011]S6：基于空间坐标比较的车道识别。通过比较道路空间中每一辆车的特征点的空间坐标与以先验知识获取的车道坐标，将检测到的每一辆车辆所处车道进行识别，从而获取每一条车道内车辆的排队信息。
[0012]S7：基于相邻帧特征点坐标距离的车速检测。采用相邻帧的激光雷达点云数据，检测出每一辆车的点云数据，并计算前一帧每一辆车与后一帧每一辆车的关联矩阵，实现相邻帧的车辆关联，最后通过计算相邻帧关联车辆特征点坐标的移动距离，并且相邻帧时间间隔为0.1s，从而检测出每一辆车的速度信息。
[0013]S8：根据速度和特征点坐标信息，确定队尾车辆信息，从而计算出每条车道的实时排队长度。步骤S7检测出每一辆车的速度和特征点坐标，根据特征点坐标的大小确定处于队尾的车辆，再判断当前车辆的速度是否满足排队状态条件，若满足条件，则确定其为队尾车辆，否则继续判断前一辆车是否满足条件，直到确定一辆队尾车辆，最后根据队尾车辆的特征点坐标到停车线之间的距离，计算出每条车道的实时排队长度信息。
[0014]进一步地，所述S1中基于路侧激光雷达的车辆点云数据采集包含激光雷达传感器、笔记本电脑和移动电源三个模块。激光雷达置于三脚架上固定部署于道路一侧用于采集实时车辆排队长度信息，笔记本电脑用于实时存储激光雷达传感器采集的数据，移动电源用于为激光雷达提供电量。
[0015]进一步地，所述S2中兴趣区域选择是选择当前采集实时车辆排队长度所在的道路空间。在当前场景下，除道路空间中的车辆目标点云外，还有一些其他区域的车辆目标点云和道路空间以外的噪声点云(包含建筑物、植被、非机动车、交通标志等)，兴趣区域选择后可滤除大部分噪声点云，保留道路空间中的车辆目标点云。空间坐标截取的依据是根据排队长度的最大值和停车线处的坐标作为X坐标的最大值和最小值，当前车辆行驶车道的最远处和最近处车道线的坐标作为Y坐标的最大值和最小值，车辆的最高值和地面点作为Z坐标的最大值和最小值。
[0016]进一步地，所述S3中地面点滤除方法是基于运动车辆点到激光雷达原点的距离波动大，地面点到激光雷达原点的距离波动小的特性，实现地面点滤除的效果，保留完整的车辆目标点云。
[0017]进一步地，所述S3包括三个步骤：(1)采用扇形分割方法，以θ角度将一帧数据分成n个扇区，以grid长度划分栅格形成m个栅格区域，形成n
×
m个栅格区域。(2)选择N帧无车数据帧作为背景帧，然后计算每个栅格中所有点云与原点的平均距离D
ij
，同时统计任意一数据帧每个栅格中点云到原点的平均距离B
ij
。(3)通过比较B
ij
与D
ij
的波动性与阈值T的大小，确定当前栅格内是否为车辆点，如果是车辆点，则应该保留，否则滤除掉。
[0018]进一步地，所述S5中关联矩阵的计算。首先经步骤S4将道路空间中离散无序的点云聚类为不同的车辆目标，实现车辆目标检测，接着根据聚类的标签属性将同一车辆的点云以车辆盒子模型代替，然后因为激光雷达部署于路侧排队长度队首处，激光雷达的激光线束直线传播，导致部分车辆车身点云被遮挡，而车辆的车头信息是准确的，所以选择车头
处的坐标点作为计算关联矩阵的特征点。通过计算当前帧所有车辆与前一帧所有车辆的距离得到关联矩阵。
[0019]进一步地，所述S8中队尾车辆的确定。根据步骤S5和S7获取当前道路空间中每一辆车的特征点坐标和速度信息，关于排队车辆，德国VISSIM手册规定队尾车辆速度低于10km/h即为排队车辆，通过统计当前车道车辆的速度小于10km/h的车辆数与当前车道所有车辆的比例与预设阈值vsp进行比较，进行判断当前车道是否是排队状态。然后队尾排队车辆，如果速度大于10km/h则确定其不是排队队尾车辆，则判断前一辆车的速度信息，直到确定当前车道排队状态时的队尾车辆。
[0020]相比现有技术，本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于路侧激光雷达的车辆排队长度检测方法，其特征在于，所述方法包括步骤：S1：利用路侧激光雷达采集道路空间中车辆点云数据；S2：基于采集的车辆点云数据，通过空间坐标截取方法进行兴趣区域选择，保留道路空间范围中的车辆点云数据；S3：采用背景差分法对兴趣区域内的地面点进行滤除；S4：利用DBSCAN算法对地面点滤除后的点云数据进行聚类处理，将属于同一车辆的点云聚为一类；S5：根据聚类后的车辆点云数据计算相邻帧中每一辆车的车头之间的距离矩阵，对聚类后的车辆目标进行连续追踪；S6：通过比较检测到的车辆的空间坐标和以先验知识得到的车道坐标，对检测的车辆目标所处车道进行车道识别；S7：基于相邻帧的激光雷达点云数据，计算每一辆车辆的速度信息；S8：检测道路空间中每一辆车的速度和坐标信息，进而确定每个车道的队尾车辆信息，并计算出每条车道的实时排队长度信息。2.根据权利要求1所述的一种基于路侧激光雷达的车辆排队长度检测方法，其特征在于，步骤S2中，进一步包括：道路空间坐标获取，所述道路空间坐标的范围是通过计算激光雷达部署位置与车道线位置的距离得到的。3.根据权利要求1所述的一种基于路侧激光雷达的车辆排队长度检测方法，其特征在于，步骤S3中，兴趣区域选择后的点云包括车辆目标点云和地面点噪声点云。4.根据权利要求1所述的一种基于路侧激光雷达的车辆排队长度检测方法，其特征在于，步骤S5所述车辆目标的连续追踪之前，进一步包括：车辆车头坐标获取，包括：首先将车辆目标点云投影至XOY平面，接着将步骤S4聚类得到的每一类点云簇的x最大值和最小值、y最大值和最小值作为盒子模型的边界，进一步以最小面积法构建车辆盒子模型，最后每一个车辆盒子模型的x最大值和y最小值即为车辆车头坐标。5.根据权利要求1所述的一种基于路侧激光雷达的车辆排队长度检测方法，其特征在于，步骤S5中，通过相邻帧车辆之间最小距离的判断，对聚类后的车辆目标进行连续追踪。6.根据权利要求4所述的一种基于路侧激光雷达的车辆排队长度检测方法，其特征在于，步骤S6中，所...

【专利技术属性】
技术研发人员：杜恩年，姜皓，朱天杭，郑建颖，
申请(专利权)人：苏州大学，
类型：发明
国别省市：