[发明专利]一种无人驾驶的道路特征参数估计方法

权利要求书

1.一种无人驾驶的道路特征参数估计方法，其特征在于，包括以下步骤：

1)获取六自由度惯导信息，包括纵向加速度、侧向加速度、垂向加速度、横摆角速度、俯仰角速度和侧倾角速度；

2)获取三维激光点云数据，包括x、y、z轴向位置和反射强度四个维度的信息；

3)通过六自由度惯导信息对x、y、z轴向位置信息进行运动补偿；

4)采用6sigma准则，按照高程提取高程路面候选点；

5)采用3sigma准则，按照高差提取高差坡面候选点；

6)基于高程路面候选点，采用主成分分析法对路面进行平面拟合；

7)根据拟合获得的路面，对路面候选点采用1sigma准则进行路面点提取；

8)基于高差坡面候选点，采用主成分分析法对坡面进行平面拟合；

9)根据拟合获得的坡面，对坡面候选点采用1sigma准则进行坡面点提取；

10)采用期望最大法对路面点和坡面点的激光雷达点云的反射强度进行特征分解；

11)基于高程路面候选点、高差坡面候选点、路面点和坡面点，采用主成分分析法提取路沿边界点；

12)基于概率估计模型对路面附着系数进行估计；

13)基于样条曲线模型对路沿进行拟合估计，采用三次B样条曲线对路沿边界点进行分段拟合，得到曲率连续的路沿曲线；

14)基于支持向量机估计模型对道路曲率进行估计：对路沿曲线进行离散后采用支持向量机进行中心点分类提取，采用三次B样条曲线对中心点进行曲线拟合，利用曲率公式获取道路曲率；

15)基于法向量夹角估计模型对坡度进行估计：获取路面平面和坡面平面的法向量的反正切值，即为坡度值；

16)将道路特征信息，包括路面附着系数、道路曲率、道路坡度和路沿曲线统一到栅格地图中并显示。

2.根据权利要求1所述的一种无人驾驶的道路特征参数估计方法，其特征在于，所述的步骤4)中，将满足高程条件z_ego-6sigma≤z≤z_ego-6sigma的点云作为高程路面候选点，其中，z_ego为激光雷达固定在无人车的离地高度，即地面点高程的期望值，sigma为均方差，即传感器车辆误差，z为点云高程。

3.根据权利要求1所述的一种无人驾驶的道路特征参数估计方法，其特征在于，所述的步骤5)中，将满足高差条件-3sigma≤Δz≤3sigma的点云作为高差坡面候选点，其中，Δz为点云高差，sigma为均方差，即传感器车辆误差。

4.根据权利要求1所述的一种无人驾驶的道路特征参数估计方法，其特征在于，所述的步骤6)具体为：

将当前车辆所在路面作为三维空间的平面，则有平面方程A₁x+B₁x+C₁z+D₁＝0，其平面法向量n_plane＝[A₁,B₁,C₁,D₁]，将地面候选激光点代入平面方程，得到平面方程组，采用主成分分析法求出方程的特征向量与特征值，则最小特征值所对应的特征向量为平面的法向量。

5.根据权利要求4所述的一种无人驾驶的道路特征参数估计方法，其特征在于，所述的步骤7)具体为：

将地面候选点代入平面方程A₁x+B₁x+C₁z+D₁＝0，将距离满足z_ego-sigma≤D₁≤z_ego+sigma的地面候选点作为地面点，其中，z_ego为激光雷达固定在无人车的离地高度，sigma为均方差。