[发明专利]一种基于激光雷达的目标识别方法、装置及系统

说明书

本发明提供了一种基于激光雷达的目标识别方法、装置及系统，方法包括：获取车辆上激光雷达的反射激光并进行处理，获得目标场景的3D点云，将所述目标场景的3D点云做平面投影，获得预设高度范围内的点云；建立坐标系，计算所述预设高度范围内的点云中运动目标的速度和航向，获得移动速度在预设速度范围内的点云；对所述移动速度在预设速度范围内的点云抽取几何特色，获得方向梯度直方图数据；根据所述方向梯度直方图数据对支持向量机分类器进行训练并识别目标；该方法能够有效减少目标识别的运算量，达到快速识别目标的目的。

技术领域

本发明属于目标识别技术领域，尤其涉及一种基于激光雷达的目标识别方法、装置及系统。

背景技术

我国经济的快速发展，人民生活水平的不断提高，交通运输业和汽车工业的高速发展，都促使了我国机动车辆保有量的不断攀升。随着车辆的急剧增多，车辆碰撞事故也频繁发生。在复杂的交通环境下，如何在车辆行驶过程中保证行人以及车辆和驾驶员的安全，显得尤为重要。但是，当驾驶员疲劳驾驶或者一时疏忽，甚至有的驾驶员身处危险状况下，因心理承受压力大而不能冷静判断，短时间内难以做出正确决策而错失了最佳避让目标物的时机。因此，需要一种能够自动且精确检测并识别前方行人的装置和方法，辅助驾驶员安全驾驶汽车。

目前识别行人按传感器可以分为视觉、毫米波雷达和激光雷达三大类。毫米波雷达角分辨率低，用毫米波雷达识别行人准确度很低，基本没人使用。视觉作为主流传感器，识别方法可以分为浅度学习和深度学习。视觉方法的缺陷很明显，第一是对光线很敏感，低照度情况下无法使用，光亮度快速变化也会有影响；第二是对缓慢移动的或静止的物体识别需要比较多的时间甚至无法识别。因为视觉为了避免误报，通常只识别动态目标，确定动态目标需要多帧图像对比，目前常用的二帧法或三帧法对缓慢移动的或静止的物体敏感度很低，需要比较长的时间才能确定，进而进行识别。第三，视觉系统的有效距离比较短。

激光雷达没有视觉系统的缺陷，但识别行人时对深度学习的运算资源消耗比较大，前期需要高成本的数据训练，通过激光雷达和视觉系统的数据融合来识别行人，这样需要将激光雷达和视觉系统的坐标系统合为一个坐标。这个过程复杂，消耗比较多的运算资源，并且两者的互补性并不强，在低照度情况下，视觉系统提供的数据几乎无用。融合算法消耗了比较多的运算资源，但效果并不理想。

发明内容

本发明为解决现有的激光雷达识别算法运算量大、过程复杂的技术问题，提供一种基于激光雷达的目标识别方法、装置及系统。

本发明第一个目的是提供一种基于激光雷达的目标识别方法，包括：

获取车辆上激光雷达的反射激光并进行处理，获得目标场景的3D点云，将所述目标场景的3D点云做平面投影，获得预设高度范围内的点云；

建立坐标系，计算所述预设高度范围内的点云运动目标的速度和航向，获得移动速度在预设速度范围内的点云数据；

对所述移动速度在预设速度范围内的点云数据抽取几何特色，获得方向梯度直方图数据；

根据所述方向梯度直方图数据，采用支持向量机分类器进行样本训练并识别目标。

根据本发明的一个实施例，所述预设高度范围为0.5m至2.5m。

根据本发明的一个实施例，建立坐标系，计算所述预设高度范围内的点云中运动目标的速度，包括：

以激光雷达为坐标原点，车辆的运动方向为Y轴坐标，垂直移动方向的方向为X轴坐标，建立XOY直角坐标系；

采集车辆移动过程中的偏转角度、采样周期内车辆移动的距离、当前时刻目标的圆心坐标，车辆局部坐标，并通过以下公式计算运动目标的速度：