[发明专利]一种基于TegraX1雷达数据的无人车障碍物检测方法

摘要

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。

主权项

1.一种基于Tegra X1雷达数据的无人车障碍物检测方法，通过CPU与GPU的协同工作实现雷达数据在NVIDIA Tegra TX1移动处理器上的加速处理，道路环境分为简单道路环境和复杂道路环境，其特征在于，包括以下步骤：/n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移动处理器的CPU进行三维雷达数据转换；/n步骤2、基于栅格的障碍物检测，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；/n采用栅格处理方法来处理雷达点云数据；/n基于栅格的障碍物检测分为栅格投影、栅格属性判断和栅格滤波；/n栅格投影是将三维数据点投影到栅格地图上；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；从而通过单指令多数据的方法将雷达点云数据投影到栅格地图上，采用GPU处理栅格数据；/n结合Tegra X1的特性，将栅格地图建立在pinned memory上，降低传输消耗；/n在完成栅格投影之后，需要进行的是栅格属性判断、栅格滤波两个步骤；栅格属性判断是将所有栅格现对高度大于某个阈值的栅格设定为障碍物点；栅格滤波是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；/nGPU采用SIMT编程模型，调度和执行的基本单位是warp；最终执行时间由执行时间最长的线程决定；因此将道路环境分为两种即简单道路环境和复杂道路环境；/n在简单的道路环境中，由于道路障碍物数量少，所以三维点投影在栅格地图的个数比较均衡；所以当采用一个线程处理一个栅格的方法来处理栅格数据，warp内线程的负载较为均衡，处理性能较高；在求极值的过程中，通过减少条件分支，来减少动态指令，从而提高处理性能；使用？:语句代替if...else...语句减少动态指令；/n在复杂的道路环境中，由于障碍物数量多，所以三维点投影在栅格地图的个数极度不均衡，因此当采用一个线程处理一个栅格的方法来处理栅格数据，warp内线程的负载极度不均衡，处理性能不高；采用了粗粒度并行的方法，选择warp作为基本并行执行单元和任务分配单位即一个warp处理一个栅格；warp内的所有线程将协同完成分配给warp的计算任务；在求栅格的极值时，通过使用Shuffle技术，取代一个线程处理一个栅格所需的单指令序列，增加有效带宽和减少延迟；其次将处理完的数据放入共享内存中，用一个warp来存放结果，减少对全局内存的访问。/n