[发明专利]一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法

权利要求书

1.一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法, 其特征在于，包括以下步骤：

1）在ROS机器人操作系统下读取激光雷达点云数据；

2）采用直通滤波器，根据不同赛道场景对激光雷达点云数据进行直通滤波；

3）采用随机抽样一致算法，排除地面点云数据对锥桶检测的干扰；

4）采用欧几里得聚类提取算法，初步筛选出锥桶的点云簇；

5）采用最大标准差阈值的方法，对聚类得到的点云簇进行统计分析，根据锥桶实际尺寸的特征，设置X、Y、Z方向的最大标准差阈值，筛选出符合条件的点云簇认为是锥桶；

6）对检测出来的锥桶进行统计分析，找到距离激光雷达最近的左右两侧锥桶各一个，并获取其点云簇中心点坐标；

7）对激光雷达左右两侧的锥桶中心点坐标进行计算平均值，得到激光雷达两侧最近锥桶的中心点为当前状态下的最近目标点，控制小车朝该目标点前进；

8）循环步骤1）至步骤7），不断获取并追踪最新目标点。

2.根据权利要求1所述的一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法,其特征在于，步骤1）具体包括，在装配有ubuntu16.04操作系统的计算平台上，安装ROS（Robot Operating System）机器人操作系统，并配置激光雷达驱动包，启动激光雷达运行节点进行点云数据实时采集，根据赛道特征，所需检测的锥桶尺寸为a*a*b，为了使激光雷达能最大程度地扫描在锥桶上，所述激光雷达安装位置位于赛车最前方车鼻下方，安装高度离地间隙为b/2。

3.根据权利要求1所述的一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法,其特征在于：步骤2）包括，在开始检测之前，预先设置所要检测的赛道场景，包括75米直线加速赛道、8字绕环赛道、高速循迹赛道；针对不同的赛道设置激光雷达的检测范围，滤除该范围外的点云数据。

4.根据权利要求1所述的一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法,其特征在于：步骤3）包括，利用随机抽样一致算法设置平面滤波阈值为a/5，判断经过该算法提取的点云簇的法线方向的点的最大偏差距离，将最大偏差距离大于a/5的点云簇认为不是平面，将在点云簇法线方向将最大偏差距离不大于a/5范围内的点云簇认为是同一个平面，在当前点云中将属于平面的点云簇去除，以达到过滤地面点云数据的目的。

5.根据权利要求1所述的一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法,其特征在于：步骤4）具体为通过分析预先采集的点云数据，采用激光雷达采集在赛道不同锥桶上的点数目，最近的锥桶点数为R，最远处能扫到的锥桶点数为有r;因此，根据若干次采集数据的统计规律，设置聚类最小点数为r个点，聚类最大点数为R个点，设置聚类过程中搜索两点的最大距离为L，采用KD树进行点云搜索，将符合聚类条件即点数在（r，R）范围内的点云分为若干个点云簇；统计每个点云簇的点数目，并对每一个点云簇分别求X、Y、Z坐标的平均值，作为该点云簇的点云重心点，用于替代该点云簇相对激光雷达的位置。

6.根据权利要求1所述的一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法,其特征在于：步骤5）具体包括，根据锥桶的形状尺寸特征，由于锥桶为绕竖直方向中心轴的旋转体，在X、Y方向上宽度均为a，因此将X、Y方向的最大标准差阈值设置为Q，在Z轴上锥桶高度为b，将Z轴上的最大标准差阈值设置为q，当统计到聚类得到的点云簇中的所有点的X、Y、Z三个方向坐标值的标准差小于对应的阈值时，即当计算得到点云簇的X和Y方向标准差小于Q且Z方向标准差小于q时，将该点云簇认为是符合条件的锥桶。

7.根据权利要求1所述的一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法,其特征在于：步骤6）具体包括，对步骤5）检测出来的锥桶进行点数统计，并计算每一个锥桶中所有点的平均Y坐标；遍历所有检测到的锥桶，找到平均Y坐标大于0的锥桶中点数最多的锥桶认为是激光雷达左侧最近的锥桶，同理，找到平均Y坐标小于0的锥桶中点数最多的锥桶认为是激光雷达右侧最近的锥桶。