[发明专利]使用点云的分辨率自适应融合的障碍物检测的方法和系统

说明书

公开了使用点云的分辨率自适应融合的障碍物检测的方法和系统。一种使用分辨率自适应融合进行障碍物检测和交通工具导航的方法，包括由处理器执行至少第一三维(3D)点云和第二3D点云的分辨率自适应融合以产生融合的、经过降噪的和分辨率优化的3D点云，其代表与交通工具相关的环境。第一3D点云由第一类型的3D扫描传感器生成，第二3D点云由第二类型的3D扫描传感器生成。相对于第一类型的3D扫描传感器，第二类型3D扫描传感器在多个不同的测量维度的每一个维度中具有不同的分辨率。该方法还包括使用融合的、经过降噪的和分辨率优化的3D点云检测障碍物并为交通工具导航。

技术领域

本公开涉及障碍物检测和交通工具导航，并且更具体地涉及使用点云的分辨率自适应融合进行障碍物检测和交通工具导航。

背景技术

自主交通工具可使用三维(3D)扫描装置，例如光检测和测距(LIDAR)传感器、视觉传感器、雷达或其他3D传感装置，以用于障碍物检测和交通工具导航。这样的传感器能够产生可使用传感器融合方法或过程进行组合的点云。一些现有的传感器融合方法分别并独立地处理来自每个传感器的原始点云数据，然后通过组合来自不同传感器的对象轨迹来执行融合。其他传感器融合方法在点云层级执行融合，但是仅通过在公共坐标系中配准并对齐点云，然后将网眼或表面拟合到复合点云来进行融合。这些现有的点云融合方法没有考虑传感器的分辨率差异，并且不能补偿特定类型传感器在一个或多个维度上的低劣分辨率。因此，需要处理来自不同类型传感器的点云，其考虑传感器分辨率并自动补偿传感器的低劣分辨率，以检测障碍物，从而用于交通工具的导航。

发明内容

根据实施方式，一种用于使用分辨率自适应融合进行障碍物检测和交通工具导航的方法包括：由处理器执行至少第一三维(3D)点云和第二3D点云的分辨率自适应融合，以生成融合的、经过降噪的和分辨率优化的3D点云，其代表与所述交通工具关联的环境。所述第一3D点云由第一类型的3D扫描传感器生成和并且所述第二3D点云由第二类型的3D扫描传感器生成。相对于所述第一类型的3D扫描传感器，所述第二类型的3D扫描传感器在多个不同的测量维度的每一个维度中包括不同的分辨率。该方法还包括使用融合的、经过降噪的和分辨率优化的3D点云检测障碍物并为所述交通工具导航。

根据实施方式，一种用于使用分辨率自适应融合来进行障碍物检测和交通工具导航的系统包括处理器和与所述处理器相关联的存储器。所述存储器包括计算机可读程序指令，该指令在由所述处理器执行时使所述处理器执行一组功能。该组功能包括：执行至少第一三维(3D)点云和第二3D点云的分辨率自适应融合，以生成融合的、经过降噪的和分辨率优化的3D点云，其代表与所述交通工具相关的环境。所述第一3D点云由第一类型3D扫描传感器生成，并且所述第二3D点云由第二类型3D扫描传感器生成。相对于所述第一类型的3D扫描传感器，所述第二类型3D扫描传感器在多个不同的测量维度中的每个维度中都具有不同的分辨率。该组功能还包括：使用融合的、经过降噪的和分辨率优化的3D点云检测障碍物并为所述交通工具导航。

根据实施方式和前述实施方式中的任何一个，其中，执行所述分辨率自适应融合包括通过以下方式生成第一体积表面函数：将所述第一3D点云的多个测量点中的每个测量点与用于表示每个测量点空间位置的不确定性的第一类型的3D扫描传感器的关联3D点扩展函数进行3D卷积。所述第一体积表面函数结合了所述第一类型的3D扫描传感器的分辨率。执行所述分辨率自适应融合还包括通过以下方式生成第二体积表面函数：将所述第二3D点云的多个测量点中的每个测量点与用于表示每个测量点空间位置的不确定性的第二类型的3D扫描传感器的关联3D点扩展函数进行3D卷积。所述第二体积表面函数结合了所述第二类型的3D扫描传感器的分辨率。

根据实施方式和前述实施方式中的任何一个，其中，执行所述分辨率自适应融合还包括：通过将用于所述第一类型3D扫描传感器的第一体积表面函数和用于所述第二类型的3D扫描传感器的第二体积表面函数相乘或相加来形成3D复合体积表面函数。通过形成所述3D复合体积表面函数，使得来自一种类型的3D扫描传感器的不精确点云数据将由来自所述另一种类型的扫描传感器的精确点云数据来补偿。