[发明专利]一种基于激光传感器的交通信息提取方法

说明书

技术领域

本发明属于智能交通技术领域，尤其涉及一种基于激光传感器的交通信息提取方法。

背景技术

无人驾驶车辆利用车载传感器，如摄像头，激光雷达等，进行周围环境感知，通过对传感器信息进行处理，得出本车所在环境诸如所在车道、道路范围、障碍物位置等信息，并根据环境信息进行规划，得出本车下一时刻要进行的动作，如前进，换道，停止等，同时对车辆状态进行调整，如加速、减速等。无人驾驶车辆的行驶策略、安全性等除了自身因素起作用外，很大程度由车载传感器对环境感知所得的信息决定。车载传感器对周围环境的感知内容主要包括：无人驾驶车辆可通行区域的范围、障碍物位置、动目标的识别等。车载传感器的环境感知是无人驾驶车平台的一项重要研究内容，其作用相当于无人车的“眼睛”，能给无人驾驶车辆提供安全保障。

现有技术中，对道路信息的提取，基本采用路侧固定装置，如激光测速仪等，该方法将传感器固定在道路边，受位置约束，不适于用于无人驾驶车辆的移动场景的环境感知。在无人驾驶平台上，SICK单线激光雷达由于其价格的合理，数据获取速度快（能达到75Hz）的原因，被一些无人驾驶车辆平台使用，但由于其为单线雷达，不足以提供足够的环境信息，难以准确感知周围大范围内的环境状况，是无人驾驶平台发展的一个瓶颈，要想得到足够大的信息量，则需要安装数个雷达，或者同时使用其他传感器。然而数据的同步性、各传感器之间的信息融合策略的选择困难都是难以解决的。

发明内容

本发明的主要目的是提供一种用于无人驾驶车辆、基于激光传感器的交通信息提取方法，该方法能实时提供准确、有效的道路环境信息，实现了对无人车周围场景的实时感知，为无人驾驶车辆行驶提供有力的安全保障。

为达到上述目的，本发明采用如下技术方案：

一种基于激光传感器的交通信息提取方法，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，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；

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。

上述的激光传感器为三维激光扫描仪，所述的三维激光扫描仪为激光雷达。

上述步骤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。

上述步骤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。

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。

在步骤S4-1前还可以对候选动目标点云进行滤波处理，以保证提取效果，所述的滤波处理具体为：