[发明专利]基于三维激光雷达的障碍检测和路面分割算法

说明书

本发明公开了一种基于三维激光雷达的障碍检测和路面分割算法，包括步骤：(1)三维激光雷达扫描周围环境，获取周围环境点云信息，并将点云信息从激光雷达的坐标系转化到本地直角坐标系下；(2)提取三维激光雷达兴趣数据点；(3)利用雷达探测角度聚类的方法提取激光雷达扫描单线；(4)使用基于AIC准则的邻域模糊聚类分割雷达扫描单线；(5)采用角点检测准确定位路沿和路面线段端点。与现有技术相比，本发明可以实时有效地提取路面可通行区域，精度高可靠性强，识别过程中判断误差率小，可以广泛的用于基于三维激光雷达的结构化道路可行域提取的实际场合中。

技术领域

本发明涉及无人驾驶技术领域，尤其涉及一种基于三维激光雷达的障碍检测和路面分割方法。

背景技术

感知三维环境是无人驾驶车辆研究过程中一项重要工作。按照检测方法，可分为基于激光雷达的障碍检测、基于彩色机器视觉的障碍检测、基于立体视觉的障碍检测以及基于毫米波或超声波雷达的障碍检测^[1]。由于采用激光雷达作为传感器，具有检测精度高和响应速度快的优点，本发明采用Velodyne16线激光雷达检测障碍物，提取可通行区域。

Kammel等[2]提出一种利用网格中点云中最大高度差检测道路的方法，但是该方法检测精度和栅格大小有关，与三维点云数据精度(0.2cm)相比，栅格精度(20cm*20cm)较小，而且受限于运行速度，栅格地图范围较小，大量数据丢失。Moosmann等[3]基于区域增长法分割点云图像，提取道路区域，这种基于图的分割算法精度较高，并且能处理全部雷达数据，但特征单一，容易受到噪点干扰，算法鲁棒性较差。

发明内容

为了提高算法的鲁棒性，减少噪点的干扰，本发明提出以下技术方案予以解决：

提供一种基于三维激光雷达的障碍检测和路面分割算法，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。

接上述技术方案，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。

接上述技术方案，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。

接上述技术方案，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：