[发明专利]一种融合概率和高度信息的栅格地图障碍物检测方法

说明书

本发明公开了一种融合概率和高度信息的栅格地图障碍物检测方法，属于图像处理和计算机视觉领域。利用GPU构建高性能运算平台，并构建高性能求解算法以获得地图中障碍物信息。系统容易构建，程序简单，易于实现；利用融合概率和高度信息在多层栅格地图中获取障碍物的位置，鲁棒性强精度高。

技术领域

本发明属于图像处理和计算机视觉领域。在使用测距传感器生成场景的栅格地图后，利用融合概率和高度信息在多层栅格地图中获取障碍物的位置。

背景技术

近年伴随着人工智能的发展移动机器人和汽车自动驾驶越来越受到人们的关注，而其中一个需要解决主要的问题就是障碍物检测。栅格地图是在无人导航中最为常见的一种地图，因而如何利用栅格地图完成障碍物检测也就成为一个十分重要的问题。利用栅格地图的障碍物检测方法主要利用贝叶斯推断算法和证据理论框架中的经典Dempster组合规则，这样方法普遍使用于概率栅格地图。但是概率栅格地图是一种二维地图，在其中检测的障碍物只具有平面信息。如果要完成更准确的障碍物检测需要在三维空间中进行。在栅格地图模型中有一种栅格地图包含了障碍物的高度信息称为高程图。如何融合两种信息获得准确的信息成为研究的难点。本发明提出使用概率栅格地图和高程图在三维空间中完成障碍物检测，并且在算法中融合了概率栅格地图和高程图障碍物检测的方法。相比于传统的算法本算融合概率和高度信息能够检测出更准确的障碍物位置。

发明内容

本发明提供了一种融合概率和高度信息的栅格地图障碍物检测方法。栅格地图是对空间的一种表示，在空间中某一平面上表示当前场景信息。为了说明具体算法在本发明中有如下设定，设存在空间直角坐标系XYZ，X轴水平向右，Y轴竖直向上，Z轴向前，设栅格地图建立在XOZ平面上，并且XOZ反应当前的水平面。用P表示概率栅格地图，H表示高程图。

本发明的具体技术方案的步骤如下：

1)贝叶斯推断

在P图中栅格含有是否被占据的概率信息，即栅格的状态。在已知栅格已有的状态和本次测量的栅格状态，用贝叶斯推断的方式可得出本次测量后的栅格状态，如果栅格的概率大于P_min，则使用H图恢复该栅格的虚拟点。

2)恢复三维边界

H图中含有栅格的高度信息，即Y坐标。根据栅格所在的位置计算出栅格在X和Z坐标。根据H图恢复出所有的栅格最高点C，因为这些点在实际测量时可能并不存在，所以算法中称之为虚拟点。虚拟点描述的是场景中上边界情况。如果栅格对应的概率小于P_min或Y坐标小于h_min则不恢复。

3)虚拟点聚类

3-1)选取初始值

对虚拟点进行聚类，如KMeans聚类。KMeans的初值选取采用空间划分的形式，使用滑动窗口进行采样。首先将当前视场角划分为f份，f是不为0的整数，在每一份中分别进行采样，如果滑动窗口的中存在虚拟点的栅格数量N_w大于N_min则选取滑窗中概率最大栅格虚拟点为备选初值C_i。然后对备选初值进行合并，将加权距离在d₁以内的初始值C_i和C_j设为同一类k。如果在一类中的一部分虚拟点概率明显大于其他的点即ε为小于1且大于0的常数，则使用计算类别中心C_k，否则使用全部。计算类别中心时将虚拟点的概率作为权重，类别中心为所选虚拟点的加权平均数，类别中心的概率为参与计算的虚拟点概率平均值。当选取了K个中心后停止。

3-2)聚类并提取包围框

选取了K的初值之后，对全部的虚拟点进行聚类，计算到聚类中心的距离时，距离利用当前聚类中心的概率进行加权。在更新聚类中心时计算类别中所有样本的加权平均值作为新的聚类中心，中心的概率为类内虚拟点概率平均值。聚类完成之后提取每个类别的包围框。