【技术实现步骤摘要】
本专利技术属于道路测量，具体涉及一种基于激光雷达的路面检测方法。
技术介绍
1、众所周知，路面质量对社会的发展起着至关重要的作用。广义而言，它影响着交通运输的效率，而交通运输属于影响国家经济命脉的行业之一；狭义而言，路面质量影响着行车安全性与行车舒适性。随着国民经济的快速发展，公路建设的发展速度也是惊人之快，建设规模惊人之大。在这样的发展速度及发展规模下，对路面质量的要求也越来越高。
2、道路的质量参数一般包括路面平整度、倾斜度和道路硬度等。相对而言，路面平整度的测量更为重要，路面平整度已成为当今社会评价路面质量的一个应用广泛的指标。路面平整度指标不能达到规范值的路面会使得汽车油耗增加，同时降低车辆行驶速度，而且也会延长出行时间。目前，路面平整度测量存在误差高、重复性差等问题。
技术实现思路
1、为了解决现有技术中存在的上述问题，本专利技术提供一种基于激光雷达的路面检测方法。
2、为了实现上述目的，本专利技术采用以下技术方案。
3、一种基于激光雷达的路面检测方法，包括检测车在待测路段内行驶时执行的以下步骤：
4、基于实时获取的坡度传感器输出的坡度数据，计算待测路段的路面坡度；
5、获取第一激光雷达输出的纵向扫描点云数据，求解与路面相切的纵向直线，通过计算纵向扫描点云数据与所述纵向直线的距离的标准差得到路面平整度p1；其中，纵向为车身方向；
6、获取第二激光雷达输出的多帧横向扫描点云数据，从每帧横向扫描点云数据中
7、基于路面平整度p1、p2的融合，计算待测路段的路面平整度p。
8、进一步地，所述方法还包括：对纵向扫描点云数据进行抽样，得到数据集合d1，基于数据集合d1计算与路面相切的纵向直线。
9、更进一步地，对纵向扫描点云数据进行抽样的方法包括：
10、计算纵向扫描点云数据中的第一个数据点即扫描起点和最后一个数据点即扫描终点的距离 r；
11、根据每个数据点与扫描起点的距离，将纵向扫描点云数据分为 n组，第 i组数据点与扫描起点的距离 r i满足： r×( i-1)/ n≤ r i< r× i/ n， i=1,2,......, n-1，第 n组数据点与扫描起点的距离 r n满足： r×( n-1)/ n≤ r n≤ r；
12、计算每组数据点的坐标均值，并求出与所述坐标均值对应的点距离最近的数据点，得到每个组的抽样点。
13、更进一步地，基于数据集合d1求解与路面相切的纵向直线的方法包括：
14、s1、求解过数据集合d1中的第1个数据点 x1和第 n个数据点 x n的直线l1，其中， n为数据集合d1中的数据点的个数；
15、s2、若数据集合d1中的其它数据点均位于直线l1上或直线l1的下方，则直线l1即为与路面相切的纵向直线，求解完毕；否则，转s3；
16、s3、作平行于直线l1的直线l2，通过向直线l1上方平移直线l2，使数据集合d1中至少有一个数据点位于直线l2上，其它数据点均位于直线l2的下方，直线l2即为与路面相切的纵向直线。
17、进一步地，从每帧横向扫描点云数据中提取一个具有相同位置特征的数据点的方法包括：
18、计算每帧横向扫描点云数据的中点坐标；
19、求解每帧横向扫描点云数据中与对应中点距离最近的数据点，得到具有相同位置特征的数据点。
20、进一步地，所述方法还包括：
21、获取安装在第二激光雷达附近的振动传感器输出的路面垂直方向的振动量；
22、基于所述振动量对所述高程数据进行校正；
23、基于校正后的高程数据的标准差计算路面平整度p2。
24、更进一步地，基于所述振动量对所述高程数据进行校正的方法包括：
25、基于时间对正从所述振动量中提取与每帧横向扫描点云数据对应的振动量；
26、按下式对所述高程数据进行校正：
27、 h i= h i -d i
28、式中， h i、 h i分别为第 i帧横向扫描点云数据的高程数据校正前后的高程数据， d i为与第 i帧横向扫描点云数据对应的振动量，其中， i=1,2,......, m， m为横向扫描点云数据的帧数。
29、进一步地，所述方法还包括：对纵向扫描点云数据和横向扫描点云数据进行奇异数据识别，基于剔除所述奇异数据后的数据进行路面平整度计算；所述奇异数据是指明显大于正常数据的异常数据。
30、更进一步地，对纵向扫描点云数据或横向扫描点云数据进行奇异数据识别的方法包括：
31、确定聚类簇数k；
32、对纵向扫描点云数据或横向扫描点云数据进行k-means聚类处理，将纵向扫描点云数据或横向扫描点云数据分成k个数据簇；
33、统计每个数据簇的数据个数，所述数据个数小于设定阈值的数据簇中的数据为奇异数据。
34、进一步地，计算待测路段的路面平整度p的公式为：
35、 p= 本文档来自技高网...
【技术保护点】
1.一种基于激光雷达的路面检测方法，其特征在于，包括检测车在待测路段内行驶时执行的以下步骤：
2.根据权利要求1所述的基于激光雷达的路面检测方法，其特征在于，所述方法还包括：对纵向扫描点云数据进行抽样，得到数据集合D1，基于数据集合D1计算与路面相切的纵向直线。
3.根据权利要求2所述的基于激光雷达的路面检测方法，其特征在于，对纵向扫描点云数据进行抽样的方法包括：
4.根据权利要求2所述的基于激光雷达的路面检测方法，其特征在于，基于数据集合D1求解与路面相切的纵向直线的方法包括：
5.根据权利要求1所述的基于激光雷达的路面检测方法，其特征在于，从每帧横向扫描点云数据中提取一个具有相同位置特征的数据点的方法包括：
6.根据权利要求1所述的基于激光雷达的路面检测方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的基于激光雷达的路面检测方法，其特征在于，基于所述振动量对所述高程数据进行校正的方法包括：
8.根据权利要求1所述的基于激光雷达的路面检测方法，其特征在于，所述方法还包括：对纵向扫描点云
9.根据权利要求8所述的基于激光雷达的路面检测方法，其特征在于，对纵向扫描点云数据或横向扫描点云数据进行奇异数据识别的方法包括：
10.根据权利要求1所述的基于激光雷达的路面检测方法，其特征在于，计算待测路段的路面平整度P的公式为：
...【技术特征摘要】
1.一种基于激光雷达的路面检测方法，其特征在于，包括检测车在待测路段内行驶时执行的以下步骤：
2.根据权利要求1所述的基于激光雷达的路面检测方法，其特征在于，所述方法还包括：对纵向扫描点云数据进行抽样，得到数据集合d1，基于数据集合d1计算与路面相切的纵向直线。
3.根据权利要求2所述的基于激光雷达的路面检测方法，其特征在于，对纵向扫描点云数据进行抽样的方法包括：
4.根据权利要求2所述的基于激光雷达的路面检测方法，其特征在于，基于数据集合d1求解与路面相切的纵向直线的方法包括：
5.根据权利要求1所述的基于激光雷达的路面检测方法，其特征在于，从每帧横向扫描点云数据中提取一个具有相同位置特征的数据点的方法包括：
6.根据权利...
【专利技术属性】
技术研发人员：胡守春，任杰东，李林佳，张茜，王伟，张璐丹，路丽，窦卫肖，杨学燕，代维君，何海杰，
申请(专利权)人：台州安奇灵智能科技有限公司，
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。