[发明专利]一种基于三维激光雷达的目标车辆航向角计算方法

说明书

技术领域

本发明涉及现代交通智能车辆环境感知技术领域，特别是关于一种基于三维激光雷达的目标车辆航向角计算方法。

背景技术

三维激光雷达能够捕获目标物基本形状特征及丰富局部细节，具有可靠性及测量精度高等优点，目前被广泛应用在智能车辆环境感知中。作为感知的重要内容，车辆目标航向角在判断目标换道意图等行为中具有重要作用，是智能车辆路径规划及决策算法的基础。但是由于三维激光雷达的固有特性，车辆目标点云分布受到观测点位置及自遮挡等因素的影响，使得目标航向角难以精确计算。

当前研究中车辆目标主要使用轴平行包围体(Aixe Align Bounding Box，AABB)来表示，即无论目标处于何种姿态，其矩形包围体边界一直平行于雷达坐标轴。这种方法忽略了车辆的航向角属性，显然不利于分析车辆的横向行为，对感知而言也是不完整的。针对这种情况，部分研究采用主成分分析方法计算航向角：首先将原始三维点云俯视投影降维，而后采用主成分分析来计算二维点云特性向量，选用对应特征值较大的特征向量方向作为包围体航向角方向。在此基础上，一些研究先采用统计分析方法去除异值点云，考虑目标自遮挡特性，主成分分析方法往往不能获取到目标真实运动方向，因此采用随机抽样一致性算法来计算车辆航向角，但是实际应用中难以去除异值点云，因此限制了该方法的应用。

发明内容

针对上述问题，本发明的目的是提供一种检测精度较高、可靠性较强的基于三维激光雷达的目标车辆航向角计算方法。

为实现上述目的，本发明采取以下技术方案：一种基于三维激光雷达的目标车辆航向角计算方法，其特征在于包括以下步骤：1)采用安装在自车顶部的三维激光雷达采集目标车辆，得到目标车辆的点云数据；2)在雷达坐标系中建立目标车辆某时刻所对应的航向角参数模型；3)根据目标车辆的点云数据计算目标车辆的分布类型；4)根据目标车辆的分布类型分别对目标车辆点云进行聚类，获得感兴趣区域，其中，感兴趣区域指的是表征航向角的主要部分；5)根据聚类结果按照目标车辆的分布类型分别将两类点云成分进行直线拟合；6)结合目标车辆的分布类型及相应的两类点云成分直线拟合结果计算目标车辆的航向角。

进一步，对获取的目标车辆的航向角采用线性卡尔曼滤波器进行滤波。

进一步，步骤3)根据目标车辆的点云数据计算目标车辆的分布类型，具体过程为：目标车辆的形状类型采用如下概率模型进行描述：

式中，M_t为目标车辆的分布类型，X_t为t时刻目标车辆的位姿；基于目标车辆的目标位置与航向角独立性假设，可得：

由于此时刻目标方位未知，因此采用点云分布方差之比τ_t来近似替代，其计算方法为：视点云为二维高斯分布，则有：

式中，σ_max，σ_min分别为最大、最小正态方差，则可得：

p(M_t|X_t)＝p(M_t|x_t,y_t)p(M_t|τ_t)

对于p(M_t|x_t,y_t)，采用如下离散概率经验值：

式中，A_i＝1,2,3,4区域包围体为自遮挡区，A₁₂,A₃₄A₁₄,A₂₃区域为半自遮挡区；R1＝A₁₄∪A₂₃，R2为剩余区域A₁,A₁₂,A₂,A₃,A₃₄,A₄的并集；

对于p(M|τ_t)采用如下经验值：

最终采用下式计算两种目标类型的概率：

如果p(M＝"L")>p(M＝"I")则认为目标车辆的分布类型为"L"，反之则认为目标车辆的分布类型为"I"。