[发明专利]一种基于激光传感器的交通信息提取方法

权利要求书

1.一种基于激光传感器的交通信息提取方法，其特征在于，包括以下步骤：

S1、通过激光传感器获取激光传感器周围场景的激光点云；

S2、基于激光点云，构建激光传感器周围场景的障碍物地图；

S3、基于障碍物地图进行障碍物目标点云分割，获得候选动目标点云；

S4、对候选动目标点云进行动目标识别，该步骤进一步包括以下子步骤：

S4-1提取候选动目标点云的特征；

S4-2利用SVM分类器、根据提取的候选动目标点云特征将候选动目标点云分为行人、车辆或其他，从而实现候选动目标点云的动目标识别。

2.根据权利要求1所述的基于激光传感器的交通信息提取方法，其特征在于：

所述的激光传感器为三维激光扫描仪。

3.根据权利要求2所述的交通信息提取方法，其特征在于：

所述的三维激光扫描仪为激光雷达。

4.根据权利要求1所述的交通信息提取方法，其特征在于：

所述的步骤S2进一步包括以下子步骤：

S2-1建立空间坐标系；

S2-2解算激光点云到所建立的空间坐标系；

S2-3将激光点云投影到预先设计的地面网格地图；

S2-4根据地面网格地图中各网格内所有激光点在高度上的方差，对所有网格逐一进行障碍物网格识别；

S2-5根据障碍物网格识别结果构建障碍物地图。

5.根据权利要求1所述的交通信息提取方法，其特征在于：

所述的步骤S3具体为：

对障碍物地图上的每一障碍物网格g_i逐一执行以下步骤：

S3-1标识障碍物网格g_i；

S3-2搜索障碍物网格g_i邻域内的其他网格，并判断搜索到的其他网格是否为障碍物网格，若搜索到的其他网格均不为障碍物网格，则结束搜索，此时，障碍物网格g_i及对障碍物网格g_i搜索出的所有障碍物网格即为一个候选动目标点云；否则，执行步骤S3-3;

S3-3判断搜索到的障碍物网格是否被标识，若搜索到的障碍物网格均被标识，则结束搜索；否则，执行步骤S3-4；

S3-4对未被标识的障碍物网格进行标识，并对未标识的障碍物网格分别执行步骤S3-2。

6.根据权利要求1所述的交通信息提取方法，其特征在于：

在步骤S3和S4之间还有以下步骤：

对候选动目标点云进行筛选，仅保留尺寸符合以下条件的候选动目标点云：

0.2m＜l＜3.0m

0.5m＜w＜1.8m

0.8m＜h＜2.0m

其中，l为候选动目标点云的长度，w为候选动目标点云的宽度，h为候选动目标点云的高度。

7.根据权利要求1所述的交通信息提取方法，其特征在于：

步骤S4-1中所述的候选动目标点云特征为点特征直方图或快速点特征直方图。

8.根据权利要求1所述的交通信息提取方法，其特征在于：

在提取候选动目标点云特征之前对候选动目标点云进行滤波处理。

9.根据权利要求8所述的交通信息提取方法，其特征在于：

所述的滤波处理具体为：

分别计算候选动目标点云中各激光点1、2、…n到其邻域内各激光点的平均距离d_m1、d_m2、…d_mn，其中，n为候选动目标点云中激光点的数量，并判断各激光点的平均距离是否服从均值和方差的高斯分布，所述的均值和方差为平均距离d_m1、d_m2、…d_mn的均值和方差，将平均距离不服从上述高斯分布的激光点当作噪声点滤除。

10.根据权利要求1所述的交通信息提取方法，其特征在于：

所述的步骤S4-2具体为：

首先，对收集到的激光点云动目标识别样本进行样本训练，并提取各样本特征，整理样本并对整理后的样本进行SVM训练，产生模型文件；然后，以候选动目标点云特征为目标特征输入SVM分类器，SVM分类器根据模型文件将候选动目标点云分为行人、车辆或其他，所述的样本特征和候选动目标点云特征同时为点特征直方图或快速点特征直方图中的一种。