[发明专利]一种基于TegraX1雷达数据的无人车障碍物检测方法

说明书

本发明公开一种基于Tegra X1雷达数据的无人车障碍物检测方法，包括：步骤1、采用velodyne激光雷达作为传感器采集环境信息，通过NVIDIA Tegra X1移动处理器进行三维雷达数据转换；步骤2、基于栅格的障碍物检测，采用GPU处理栅格数据,包括三个步骤：将三维数据点投影到栅格地图上；将所有栅格相对高度大于某个阈值的栅格设定为障碍物点；滤去所有因栅格内存在悬空点而导致属性为障碍物的栅格。采用本发明的技术方案，采用velodyne激光雷达作为传感器采集环境信息，基于NVIDIA Tegra X1移动处理器GPU优化，实现无人车障碍物检测加速。

技术领域

本发明属于无人驾驶领域，尤其涉及一种基于Tegra X1雷达数据的无人车障碍物检测方法。

背景技术

近年来，随着传感器技术、控制系统、人工智能的不断发展，地面移动机器人取得了很大的进步。在现实动态环境中，自主机器人在环境感知中能够稳定准确的检测障碍物和识别障碍物类型，对于路径规划建立运动模型可以起到很大帮助，从而做出智能决策行为。通常自主机器人在环境中主要有两大类动态物体：车辆和行人。对于车辆，在交通中是主要的交互对象，速度比较快，需要保持一定的安全距离，在交通规则允许的情况下需要选择是跟车还是超车.对于行人，由于行人的运动具有很大的随意性，需要保持较大的横向距离，以确保行人安全。

利用安装在智能车上的多传感器系统，比如摄像机、激光、毫米波雷达、GPS、惯导等获取车辆前方的障碍物信息及本车的位置和姿态信息，然后在车载计算机上根据己建立的驾驶行为专家系统对这些信息进行处理，当本车与前方障碍物的相对距离小于安全距离时，有碰撞危险发生，则计算机会直接发出相应指令控制汽车减速甚至是刹车等动作。同时，通过传感器系统，智能车也能够识别道路中的各种交通标志牌，车道边缘线等，并利用决策层的指令实现超车，汇入车流等本车动作。因此，智能车大大提高了交通系统的安全性和效率。在可使用的传感器中，Velodyne激光雷达由于其高精度测距、探测范围大、抗干扰能力强等优点，近年来在移动机器人上的应用越来越广泛。但由于该雷达数据过大，处理算法的运算量极大，所以实时性较差，因此在复杂环境下，并不能及时将障碍物信息发送到决策。

发明内容

针对激光雷达工程应用中实时性需求问题，本发明提供一种基于Tegra X1雷达数据的无人车障碍物检测加速方法。

本发明的基本思想为根据Tegra X1计算平台的特点，采用CPU+GPU协调工作的方法来进行雷达数据的加速处理。本发明结合激光雷达在智能车实际应用情况，将道路环境分为简单道路环境和复杂道路环境。并在此基础上，针对不同情况，对相应的算法进行优化，实现雷达数据处理加速，提高了智能车雷达数据处理的实时性。

为现实上述目的，本发明采用如下的技术方案：

一种基于Tegra X1雷达数据的无人车障碍物检测方法，包括以下步骤：

步骤1、采用velodyne激光雷达作为传感器采集环境信息，通过NVIDIA Tegra X1移动处理器进行三维雷达数据转换；

步骤2、基于栅格的障碍物检测，采用GPU处理栅格数据,包括三个步骤：

将三维数据点投影到栅格地图上；

将所有栅格相对高度大于某个阈值的栅格设定为障碍物点；

滤去所有因栅格内存在悬空点而导致属性为障碍物的栅格。

作为优选，采用向量化的方法将雷达点云数据投影到栅格地图上，通过三维雷达数据转换过程中，将转换后的点云数据以float4的数据格式保存，以warp为处理单位并行获取障碍信息。

本发明的方法与现有技术相比，有效的提高无人车障碍物检测的实时性，有如下特点：