[发明专利]一种基于激光雷达的可行驶区域检测方法

说明书

技术领域

本发明属于无人驾驶汽车技术中的交通场景感知领域，具体涉及一种使用激光雷达作为数据来源完成实际交通场景中可行驶区域感知的方法。

背景技术

近年来随着汽车产业的高速发展，交通事故已经成为全球性的问题，全世界每年交通事故的死伤人数估计超过50多万人，因此集自动控制、人工智能、模式识别等技术于一体的无人驾驶应用而生。为了实时可靠的感知环境信息，无人驾驶汽车上装备了各种主动传感器与被动传感器，包括相机、激光雷达、毫米波雷达和GPS，可行驶区域检测是无人驾驶技术中的关键部分之一。一直以来，视觉技术通常是研究人员首选的研究方向，这是因为它信息含量大、成本低、运行功率低、扫描时间短。但是，视觉技术一个最主要的不足就是对于外界环境的要求比较严格。对于环境中出现阴影、驾驶环境较为复杂、路边标记（或标志）丢失、光照不佳、能见度低或天气恶劣等情况，视觉技术（摄像机）获取的图像信息往往信噪比很低，使得特征提取的方法很难处理数据。从而难以将图像中的各个区域进行准确的分割，也就无法准确的检测到可行驶区域。

发明内容

本发明的目的在于提供一种高效、实时、鲁棒的基于激光雷达的可行驶区域检测方法。

为达到上述目的，本发明采用了以下技术方案。

该可行驶区域检测方法包括以下步骤：

首先标定激光雷达，然后将采集到的激光雷达数据进行坐标转换；然后根据激光雷达的工作原理分割激光雷达数据为若干片段；对片段内的数据做杂点消除以及滤波处理以估计数据的真值；然后进行激光雷达数据的特征提取；然后根据可行驶区域约束以及车身宽度约束条件从提取的特征中确定可行驶区域。

所述可行驶区域检测方法具体包括以下步骤：

1）为了完成对于可行驶区域的描述，首先确定激光雷达在车辆上安装的高度，同时计算出激光雷达向下倾斜的角度，然后将采集到的激光雷达数据从2维极坐标系转化到局部3维直角坐标系；

2）激光雷达数据分割：如果相邻激光数据扫描到同一物体上，两个数据点间的高度差较小；相反相邻激光数据扫描到不同物体上，两个数据点间的高度差则较大，所以当用激光雷达倾斜向下扫描路面得到激光雷达数据后，采用相邻两点间的高度差值作为数据分割的标准，将激光雷达数据分割成若干个片段；

3）杂点消除及数据滤波：激光雷达数据中会存在一些与相邻两侧高度差都较大的数据点，本发明中将这类数据点称为杂点，其不反映真实空间位置的坐标，所以经过步骤2）后，将仅包含单个激光雷达数据点的片段去除，然后对剩余的激光雷达数据片段进行滤波处理去除噪声得到用于特征提取的数据片段，由于受到系统噪声和随机噪声的影响，激光雷达数据反映的空间位置与实际对应的空间位置存在偏差，因此需要对激光雷达数据进行滤波处理，以便获得对实际空间位置更加准确的描述；

4）特征提取：经过步骤3）后，采用迭代的直线拟合算法从用于特征提取的数据片段中提取出对应的直线特征，使激光雷达数据变成对应实际场景中的平面；

5）确定可行驶区域：从步骤4）提取到的直线特征中选择满足可行驶区域平坦约束、可行驶区域连续性约束以及车身宽度约束的直线特征作为可行驶区域。

所述步骤1）包括以下具体步骤：

1.1）以激光雷达安装位置为参考点定义局部3维直角坐标系，然后测量激光雷达距离水平面的安装高度H，并计算激光雷达倾斜向下扫描面相对于垂直方向的夹角α；

1.2）建立激光雷达扫描极坐标到局部3维直角坐标系中坐标的转换关系，根据转换关系获得激光雷达数据点P_i对应的3维直角坐标值，每一个激光雷达扫描极坐标数据点包括发射角度β_i与扫描距离d_i两个参数，则P_i=(d_i,β_i)对应局部3维直角坐标系的坐标值为P_i=(x_i,y_i,z_i)，转化方程如下：

x_i=sinα·cosβ_i·d_i

y_i=sinβ_i·d_i

z_i=H-cosα·cosβ_i·d_i

所述步骤2）包括以下具体步骤：