[发明专利]一种基于高精度点云地图的地面过滤方法

说明书

本发明公开一种基于高精度点云地图的地面过滤方法。该方法包括：(1)采集道路的三维点云信息，并制作高精度点云地图；(2)在高精度点云地图中进行可行驶区域的标注与记录；(3)将可行驶区域划分成若干小块，对每一个小块进行平面模型提取，用该平面模型来代表该小块所覆盖的地面；(4)根据步骤(3)得到的地面模型过滤实时点云中的路面点。本方案实现了平面、坡道等各种路况下的可行驶区域中的路面点精准过滤。

技术领域

本发明涉及无人驾驶高精度地图处理技术，尤其涉及一种基于点云地图的地面过滤方法。

背景技术

以深度学习为突破的“人工智能时代”大风口下，无人驾驶被给予了前所未有的关注。无人驾驶技术已经成为整个汽车产业的最新发展方向。科研院校、汽车制造厂商、科技公司、无人驾驶汽车创业公司以及汽车零部件供应商在无人驾驶技术领域进行不断地探索。与美、欧等发达国家相比，我国在无人驾驶汽车方面的研究起步稍晚，从20世纪80年代底才开始。

激光雷达作为一种稳定可靠的传感器，可以得到汽车周围环境的3D模型以及目标的位置，同时还可用于车辆的定位，在智能驾驶中扮演着重要的角色。

激光雷达得到的数据是点云数据，扫描范围是360°。原始的点云数据中的大部分点位于可行驶区域外，这些高密度点通常分布复杂，又不会对智能驾驶产生具有足够高的帮助作用。如果在自动驾驶的过程中，只考虑可行驶区域内的点，那么驾驶的环境将会得到很大的简化。

可行驶区域中的点包含有大量的地面点，如果能够将可行驶区域中的地面点过滤掉，将对后续的可行驶区域中的障碍物点云聚类、分类和追踪带来极大的便利：“一方面可以提高聚类、分类和追踪的精度，另一方面可以缩减点的数量，降低计算时间”。

传统的路面过滤算法大都假设整个路面是一个平面，这些算法无法应对有坡道的场景。如果有一种可以应对坡道等复杂场景的地面过滤算法，智能驾驶的可靠性和鲁棒性将得到有效保证。

发明内容

本发明提供了一种基于高精度点云地图的地面过滤方法，可用于水平路面、坡道等场景的地面点精准过滤，有效的保证了智能驾驶的可靠性和鲁棒性。包括：

采集道路的三维点云信息，并制作高精度点云地图；

采用计算机程序脚本或者人工手工的方式标注出道路边界线，道路边界线之间的区域即为可行驶区域；

道路边界线由一系列的关键三维坐标点组成，将道路边界线保存在文件中，一次制作多次使用。

将可行驶区域划分成若干小块，对每一个小块使用RANSAC算法提取出其中的平面模型，用该平面模型来代表该小块所覆盖的地面；

根据上一步得到的地面模型过滤实时点云中的可行驶区域中的路面点，包括：

Step1：在激光雷达坐标系中画一个M*N的栅格地图，栅格地图中每个格子的边长为a米。

Step2：根据车辆在地图中的位姿以及存放在文件中的道路边界线，在栅格地图中画出可行驶区域。

Step3：将每一帧中位于可行驶区域中的点抽取出来，构成点集P1。

Step4：遍历step1得到的点集P1,对于其中任意一个点p，获得p的三维坐标(x,y,z),根据x和y找到点 p对应的平面模型，并根据模型计算出z₀，即竖直方向上的坐标。

Step5：将z₀和z的差的绝对值|z₀–z|与阈值th_z比较，若|z₀–z|小于阈值th_z，则认为点p是路面上的点，应当被过滤。反之，则认为p不是路面上的点，不应当被过滤。

附图说明

图1为本发明提供的高精度点云地图示意图。