[发明专利]基于三维激光雷达的障碍检测和路面分割算法

权利要求书

1.一种基于三维激光雷达的障碍检测和路面分割算法，其特征在于，包括以下步骤：

步骤1：三维激光雷达扫描周围环境，获取周围环境点云数据，并将点云数据从激光雷达的坐标系经过修正转化到本地直角坐标系下；

步骤2：从点云数据中提取三维激光雷达兴趣数据点，所述兴趣数据点是指车辆前方的点云数据，具体为车辆周围一定空间范围内的数据点；

步骤3：利用雷达探测角度聚类的方法,从获得的点云数据中提取三维激光雷达每条扫描单线的数据；

步骤4：采用基于AIC准则的邻域模糊聚类算法分割扫描单线的数据，获得相应的数据区间；

步骤5：对数据区间采用角点检测的方法，准确定位路沿和路面线段端点，将路面数据点提取出来；

步骤6：根据最小二乘法对路面数据点进行多项式曲线拟合，得到道路前方可行域。

2.如权利要求1所述的基于三维激光雷达的障碍检测和路面分割算法，其特征在于，所述的步骤1中具体包括：

1-1 激光雷达的坐标系是以激光雷达安放位置为原点，车辆前进方向作为激光雷达坐标系中的x轴方向，车辆的左右方向作为激光雷达坐标系中的y轴方向，车辆的上下作为激光雷达坐标系中的z轴方向。

1-2 本地直角坐标系是以车身的纵向中轴线与车头的交点为原点，车辆前进方向作为本地直角坐标系中的x轴方向，车辆的左右方向作为本地直角坐标系中的y轴方向，车辆的上下作为本地直角坐标系中的z轴方向。

1-3 由于安装激光雷达不能保证绝对水平，扫描倾角会产生一定的误差，对该扫描倾角进行修正，使得点投影角度和原始数据扫描角度达到统一。

3.如权利要求1所述的基于三维激光雷达的障碍检测和路面分割算法，其特征在于，车辆周围一定空间范围内的数据点具体为车辆前方20米，左右10米，上方30米以内的空间范围内的数据点。

4.如权利要求1所述的基于三维激光雷达的障碍检测和路面分割算法，其特征在于，所述的步骤3中利用雷达探测角度聚类的方法提取激光雷达扫描单线具体包括：

3-1 采用的三维激光雷达是Velodyne16线激光雷达，雷达在垂直扫描范围内发射16根激光线，在水平方向上扫描360°获取周边环境信息，具体采用先提取扫描单线的方法；

3-2 三维激光雷达在扫描过程中将点云数据在笛卡尔坐标系中表示出来，将这些点云数据转化到球坐标系中，利用公式得出点云数据中每个点与z轴的夹角。

3-3 在得出每个点的仰角后，将具有相同仰角值的数据点筛选出来，得到激光雷达每根扫描单线的数据点。

5.如权利要求1所述的基于三维激光雷达的障碍检测和路面分割算法，其特征在于，所述的步骤4中采用基于AIC准则的邻域模糊聚类算法分割扫描单线数据，获得相应的数据区间具体包括：

4-1 设获得的雷达扫描单线数据是数据集χ＝{x₁,...,x_n}，通过利用AIC准则获取最优聚类数目，公式为其中k为聚类数目，n为观察数，SSR为数据集的残差平方和，取使AIC最小的k值；

4-2 对于某一扫描单线数据集，通过数据间欧式距离计算每个数据的密度，并根据密度值将数据从大到小排列；

4-3 从排列好的扫描单线数据集中选取k个超过一定密度的点做为初始聚类中心C＝{C₁,C₂,...,C_k}；

4-4 用0到1之间的随机数初始化隶属矩阵U，使其满足

4-5 针对数据集中每个样本x_i，计算价值函数得到，每个数据点的隶属度；

4-6 用公式更新隶属矩阵,其中d_ij指的是第i个与第j个点之间的距离，d_kj指的是第j个点和第k个聚类中心之间的距离；

4-7 再次计算价值函数，如果得到的值小于设定的阈值或相对上次价值函数值的改变量小于另一阈值，则算法停止，不满足，则重复步骤4-5和4-6。