[发明专利]一种基于激光雷达的航迹管理方法及系统

说明书

本发明涉及一种基于激光雷达的航迹管理方法及系统，所述方法包括以下步骤：通过设置移动平台顶部的多线束旋转式激光雷达获取原始点云数据；将获取的原始点云数据经过点云数据预处理后输出目标信息，将经过点云数据预处理后的目标信息发送至航迹管理器；当航迹管理器接收到新的目标信息后，根据存储的序列索引将存储的历史目标信息推进至下一序列索引位置，而将接收的新的目标信息填充至第一序列索引位置，并判断是否需要进行状态转移；若需要，则航迹管理器将当前状态转移至相应的状态，所述航迹管理器的状态包括空闲状态、拟启动状态、启动状态、拟终结状态及终结状态。为航迹管理制定了有效的算法框架，解决现有激光雷达反馈目标位置的缺点。

技术领域

本发明涉及航迹管理技术领域，特别涉及一种基于激光雷达的航迹管理方法及系统。

背景技术

如今，自动驾驶技术已然成为了汽车行业发展的一大热点，无论是整车制造厂商还是零部件供应厂商都将大量的精力投至其中。就目前的发展状态而言，无人驾驶车辆主要依靠“感知系统”获取外界环境信息数据，并通过“决策系统”进行分析规划路径，最后形成控制信号输入“控制系统”，从而对自车位姿进行控制，最终形成“感知-决策-控制-感知”的闭环系统。自动驾驶按照机器介入程度可分为五大阶段(L.1～L.5)。其中L.1～L.3等级属于“辅助驾驶”阶段(ADAS-Advanced Driving Assistant System)，该阶段技术的发展较为成熟，甚至在某些地区已将ADAS部分功能列入“强制安装”的法规中。而L.4/L.5属于高等级自动驾驶阶段，该阶段落地产品主要集中于“特种车辆”领域，包括自动物流车、自动清扫车、自动巡逻车、空气质量分析移动装置等。主要原因是该类车辆的工况相对固定，并且对行驶速度不做要求。而在传感器架构部署方面，辅助驾驶更倾向于采用毫米波雷达、视觉传感器等低成本方案。但是自动驾驶的感知系统还是高于依赖于激光雷达。因此，基于激光雷达的后端应用算法对于自动驾驶系统就显得尤为重要。

就目前激光雷达相关算法发展状况而言，虽然激光雷达数据精度高于其他类型传感器，但仍然存在以下局限性：

1、激光雷达原始输出数据为激光点云，其包含的物理信息主要为位置信息，内容较为单一，无法直接反馈目标速度/加速度信息。部分研发厂商采用激光雷达/毫米波雷达融合的方式，补全相应缺失信息，但该方案无疑增加产品成本；

2、就激光雷达航迹管理算法层面而言，在帧间目标数据匹配环节存在各类成熟算法，例如GNN(最邻近匹配)、JPDA(联合概率密度关联)、MHT(多假设跟踪)等。但是完整的激光雷达目标管理方案较少，特别是在航迹起始与航迹消亡部分的算法，几乎尚属缺失；

3、激光雷达原始数据为大量点云，需要进行前/背景点云分割、点云聚类等操作才能生成相应真实物理目标信息。该环节操作可能存在点云误分割，将背景点云或其他目标点云数据分至本目标，进而导致聚类结果位置存在误差。

发明内容

为此，需要提供一种基于激光雷达的航迹管理方法及系统，解决现有激光雷达原始数据包含内容单一，而无法直接反馈目标速度/加速度信息，以及缺失完整的激光雷达目标管理的问题。

为实现上述目的，发明人提供了一种基于激光雷达的航迹管理方法，包括以下步骤：

通过设置移动平台顶部的多线束旋转式激光雷达获取原始点云数据；

将获取的原始点云数据经过点云数据预处理后输出目标信息，所述点云数据预处理包括前/背景点云分割处理及目标聚类处理；

将经过点云数据预处理后的目标信息发送至航迹管理器；

当航迹管理器接收到新的目标信息后，根据存储的序列索引将存储的历史目标信息推进至下一序列索引位置，而将接收的新的目标信息填充至第一序列索引位置，并判断是否需要进行状态转移；

若需要，则航迹管理器将当前状态转移至相应的状态，所述航迹管理器的状态包括空闲状态、拟启动状态、启动状态、拟终结状态及终结状态；