[发明专利]一种基于三维激光雷达的道路边界检测与跟踪方法

说明书

本发明是一种基于三维激光雷达的道路边界检测与跟踪方法。包括：将激光雷达扫描点的极坐标数据转换成直角坐标数据；利用随机采样一致性平面拟合方法和主成分分析法提取地面点；采用一种多特征、宽阈值、分层次的特征点提取方法粗提取道路边界特征点；借鉴线性判别分析的思想，采用基于投影的方法，将粗提取的道路边界特征点划分为左右道路边界特征点两类；利用随机采样一致性方法分别对上述左右道路边界点进行滤波得到最终的道路边界点；采用二次多项式随机采样一致性方法分别对左右道路边界线进行拟合；采用基于幅值滤波的卡尔曼滤波方法对道路边界线进行跟踪。本发明能够处理多种复杂场景和工况，可以广泛应用于无人驾驶。

技术领域

本发明属于无人驾驶车辆环境感知技术领域，具体的说是一种基于三维激光雷达的道路边界检测与跟踪方法。

背景技术

自动无人驾驶诞生以来，基于多种传感器的环境感知技术就吸引了众多学者和研究机构的目光。其中道路边界检测是无人驾驶环境感知中的重要研究内容。道路边界可以将道路区域和非道路区域分开，从而为无人驾驶车辆决策规划提供重要的依据；通过道路边界可以将道路边界范围之的无效传感器数据滤除，提高后续障碍物检测的效率；由于城市环境中树木、天桥和隧道等对GPS信号的遮挡，道路边界特征也可以用来估计无人车的位置。此外在没有车道线的道路环境下，可以依赖可靠的道路边界检测实现无人驾驶的车道保持和跟踪。

根据采用传感器不同，出现了很多不同的道路边界检测与跟踪技术，主要有基于相机(单目和立体)和激光雷达的(2D和3D)。

相机体积小，价格低能提供丰富的纹理颜色信息，但是容易受到光照天气的影响，而且单目相机没有深度信息。立体相机虽然具有深度信息，但是视场角小且需要计算视差，实时性较差。2D激光雷达虽然不受外界光照变化影响，可以直接获取深度信息，但是只能在一个固定角度扫描，数据量小，很容易受到观测噪声的影响。而3D激光雷达探测范围广，数据量大，精度高，可以准确的检测道路边界信息同时抑制噪声的干扰。

三维激光雷达虽然获取数据速度快，精度高，但是数据量庞大且具有无序性，这对处理三维激光雷达数据的算法提出了很高的要求。孙朋朋等人通过三个特征粗提取道路边界特征点，然后直接采用K最近邻算法对边界点聚类分割提取道路边界点。该方法复杂且在边界特征点不连续或者道路弯曲的情况下很容易将有效的边界特征点滤除，且容易受到道路内的障碍物干扰。Kunlei Hu等人通过曲率特征和高度差特征提取特征点，然后直接通过RANSAC直线拟合道路边界，该方法容易受到道路内外与道路边界有相同特征的障碍物影响，例如周围存在与道路同向的铁路轨道就会产生严重干扰。

发明内容

本发明提供了一种基于三维激光雷达的道路边界检测与跟踪方法，该方法可以处理弯曲道路，不受道路内动态障碍物的影响，同时不受道路外与道路边界有相似特征的障碍物影响，具有很好的鲁棒性，由于采幅值滤波的卡尔曼滤波跟踪方法，本方法可以很好的处理误检、漏检等状况，解决了现有自动无人驾驶中道路边界检测存在的上述不足。

本发明技术方案结合附图说明如下：

一种基于三维激光雷达的道路边界检测与跟踪方法，该方法包括以下步骤：

步骤一、获取激光雷达扫描数据并转换到激光雷达直角坐标系下；

步骤二、根据GPS/IMU提供的位姿变化信息，对点云数据进行畸变矫正；

步骤三、采用随机采样一致性和主成分分析法提取地面点；

步骤四、采用多特征、宽阈值、分层次的特征点提取方法对边界特征点进行粗提取；

步骤五、将粗提取的边界特征点分成左右边界点并进行精提取；

步骤六、采用随机采样一致性方法对精提取的边界点进行曲线拟合；

步骤七、采用幅值滤波的卡尔曼滤波方法对边界线进行跟踪。