[发明专利]一种摄像机和三维激光雷达数据融合的路沿检测方法

说明书

本发明公开了一种摄像机和三维激光雷达数据融合的路沿检测方法，其步骤包括：1)以三维激光雷达为原点建立栅格地图；2)采用现有方法通过摄像机提取车道线特征点，并测量特征点在实际道路上相对于摄像机原点的横纵向距离；3)使用基于相邻点高度差特征的方法获取路沿候选点；4)依据摄像机与激光雷达的位置关系，将车道线特征点投影到栅格地图上，并使用二次曲线模型进行拟合；5)将离车道线曲线固定距离阈值内的路沿候选点判断为路沿点；6)对路沿点使用RANSAC算法进行过滤，并结合二次曲线模型对路沿点进行拟合。本发明能提高路沿的检测准确率，从而为无人车提供准确可靠的道路边界信息，并降低道路交通的事故的发生率。

技术领域

本发明属于智能交通道路环境感知领域，特别涉及一种摄像机和三维激光雷达数据融合的路沿检测方法。

背景技术

近年来，我国的汽车保有量以及驾驶人员数量逐年上升，交通事业持续发展，同时伴随着交通事故总量连年攀升。汽车已与人们的生活紧密地联系在一起，为了降低因交通事故导致的死亡率，无人车的研究越来越受人们的关注。在智能交通中，无人车实时准确地对环境进行感知，为驾驶员提供更多环境信息，从而降低交通事故发生的频率。

道路边界检测作为环境感知中重要的一环，道路颜色、路面纹理、道路边界以及交通标记是道路可行使区域的重要线索。作为道路边界的明确性标志，路沿是结构化道路的重要表达信息，通过获取路沿的位置和形状，为无人车提供准确的搜索范围以及对自车进行辅助定位。

通常情况下，结构化道路两侧铺设有路沿石，路沿石侧面与路面垂直，一般比路面高出10～30厘米左右。目前使用较多的方法是基于摄像头或者基于激光雷达对路沿进行检测。摄像头具有高信息量但无法提供准确的三维信息，激光雷达虽可以获取准确的三维信息但点云具有离散性，由于道路环境中的障碍物影响，使检测出较多的假阳性路沿点。

发明内容

本发明是为了解决上述现有技术存在的不足之处，提出一种摄像机和三维激光雷达数据融合的路沿检测方法，以期能提高路沿的检测准确率，从而为无人车提供准确可靠的道路边界信息，并降低道路交通的事故的发生率。

本发明为达到上述发明目的，采用如下技术方案：

本发明一种摄像机和三维激光雷达数据融合的路沿检测方法的特点在于，包括以下步骤：

步骤1：以三维激光雷达为原点建立激光雷达坐标系，再利用所述三维激光雷达采集道路点云数据集合，并将所述道路点云数据集合中的每个点云数据从三维空间转换到二维栅格地图上；

步骤2：利用摄像机采集道路图像数据并进行逆透视式变换，从而得到逆透视图；在所述逆透视图上寻找像素横纵向距离与实际道路横纵向距离之间的比例关系，再对所述逆透视图提取所有车道线特征点，并根据所提取的车道线特征点在所述逆透视图上的像素坐标以及所述比例关系计算所有车道线特征点在实际道路中对应的横纵向距离直角坐标；

步骤3：将所有车道线特征点在实际道路下对应的横纵向距离直角坐标转换到栅格地图上，并在所述栅格地图上对车道线曲线进行拟合，得到车道线曲线模型；

步骤4：采用基于相邻点高度差特征方法为每层激光雷达扫描线提取路沿候选点集合；

步骤5：计算路沿候选点集合中的每个沿候选点分别与所述车道线曲线模型的距离，并将每个距离分别与固定距离阈值进行比较，如果任一距离小于所述固定距离阈值，则将相应路沿候选点判定为路沿点，否则，将相应路沿候选点判定为非路沿点并舍弃；

步骤6：运用RANSA算法对所有判断为路沿点的数据进行离散路沿点的过滤，并结合二次曲线模型进行拟合，从而得到路沿曲线。

本发明所述的路沿检测方法的特点也在于，所述步骤1中是利用式(1)将任意第p个点云数据从三维空间转换到二维栅格地图上：