[发明专利]基于多传感器融合可驾驶区域的检测方法、系统和车辆

说明书

本发明公开一种基于多传感器融合可驾驶区域的检测方法、系统和车辆，通过对各车道的数据点进行最近距离求解，数据关联计算以及将关联结果进行比较分析，将存在概率最高的数据点作为各车道的截止点并最终输出。通过本发明的方法，能够实时探测可驾驶区域，连续输出各车道可通行的最大范围，有效改善了由于单一目标检测模块漏检造成的不足，提高了整车的安全性，为无人驾驶系统的规划和决策提供有效的判断依据。

技术领域

本发明涉及车辆自动驾驶技术领域，尤其涉及一种基于多传感器融合可驾驶区域的检测方法、系统和车辆。

背景技术

自动驾驶系统是一种主动安全系统，该系统能够自动控制车辆运行，包括行驶、换道、泊车等，提升驾驶体验与舒适感，同时确保驾驶的安全性。感知系统是自动驾驶系统的关键组成，通过使用安装在车辆的传感器，如摄像头、毫米波雷达、激光雷达、超声波等实现环境的感知，通过识别车道线，车辆行人目标、交通标志以及计算可行使区域等，在保证遵守交通规则的前提下高效安全地自动行驶。在无人驾驶系统中，周围车辆、行人以及障碍物的检测是无人驾驶感知系统重要的子系统，直接影响无人驾驶的规划、决策和控制。而近年来，业界对可行使区域的使用开始形成一些趋势和倾向性，形成了主感知系统+安全感知系统的架构。具体来说，主感知系统就是常见的目标级别场景感知，目标状态可以用长宽高、速度、类别等描述，并进行意图或轨迹的预测，特别是场景中的障碍物以显性的结果表示。安全感知系统(等同于可行驶区域)不再强调目标级别感知，尤其是对于动态目标，采用的是隐形的结果表示。两种感知系统，可在融合模块中进行相互校验。

目前，对于可驾驶区域的检测主要使用摄像头和激光雷达等，表征的方式主要有两种，一种是矢量包络表征，在极坐标或者直角坐标系下一定数量的点，优点是数据量小，缺点是难以表达障碍物后面的可通行情况，视觉使用此种表达方式较多；另外一种是栅格表征，栅格可使用固定栅格或者可变栅格表征等，优点是可以表达障碍物后的通行情况，缺点是数据量大，激光雷达使用此种表达方式较多。在无人驾驶系统中，基于视觉的目标级别的检测存在横向车辆漏检或尺寸误差大、静态矮小物体漏检等不足，而目标检测的类似缺陷对规划决策系统产生重大的负面影响，并进一步影响到整车的安全性。

发明内容

本发明的目的是提供一种基于多传感器融合可驾驶区域的检测方法、系统和车辆，能实时探测可驾驶区域，连续输出各车道可通行的最大范围，能有效改善由于单一目标检测模块漏检造成的不足，提高整车的安全性，为无人驾驶系统的规划和决策提供有效的判断依据。

为实现上述目的，本发明提供了一种基于多传感器融合可驾驶区域的检测方法，步骤包括：

实时获取车载视觉传感器采集的视觉数据点以及车载雷达采集的目标数据点；其中，视觉数据点包括障碍物的类型和位置坐标，所述障碍物的类型包括车辆、行人和路沿，目标数据点包括目标的类型、位置和速度，所述目标的类型包括车辆和行人；

筛选出在各车道内的视觉数据并生成对应车道的视觉数据点集Camera_lane_i_dataset；以及筛选出各车道内的目标点数据并生成对应车道的目标数据点集Mmw_lane_i_dataset；其中，i＝当前车道、左车道和右车道；或者，i＝当前车道和左车道；或者，i＝当前车道和右车道；

计算每个车道的视觉数据点集中的最小视觉数据点P_C_i_min和各车道对应的目标点数据点集中的最小目标数据点P_M_i_min，其中，最小视觉数据点表示视觉数据点集内距离本车最近的坐标点，最小目标数据点表示目标点数据点集内距离本车最近的坐标点；