[发明专利]一种基于激光雷达与扇状空间分割的路沿检测系统及其方法

说明书

本发明涉及一种基于激光雷达与扇状空间分割的路沿检测系统及其方法。方法包括：1.激光雷达扫描车辆周围环境，获取反射点云信息并转换到本地构建的三维坐标系中；2.对点云数据进行预处理，把每一帧点云中的地面数据分离并提取出来；3.根据激光雷达与点云的数据特征，将坐标系中的空间分割为扇状的结构体，根据地面信息和扇状结构体，识别道路延伸方向；4.使用并行的路沿检索算法，提取点云中的路沿候选点；5.对路沿候选点进行聚类，根据扇状空间特征，排除干扰点集合；6.对最后确定的路沿点做B样条曲线拟合，得到路沿检测结果。本发明适应性强，能适应各种形状的道路，能减少障碍物的影响，精度和还原度高，可靠性强，误差率低。

技术领域

本发明属于自动驾驶技术领域，更具体地，涉及一种基于激光雷达与扇状空间分割的路沿检测系统及其方法。

背景技术

随着无人驾驶行业技术的发展，激光雷达的感知算法成为了研究的热点。激光雷达作为无人驾驶车辆的传感器，具有数据维度高、深度信息准确、响应频率快和检测精度高的优点。

现有技术曾提出利用梯度滤波获取路沿候选点的方法，但该方法在应对有障碍物遮挡路沿、路沿形状变化和坡度变化的情况下效果不佳，因为多线雷达发射线的扫描半径并不相同，而离车不同距离的路沿反射点特征也不相同，因此对路沿进行再次扫描、结合障碍物识别结果进行分析、聚类是更为稳定的选择；另有基于欧式聚类分割点云，按离车距离提取路沿点集的方法，但该方法只是将离车最近的坡度变化点找出来，聚类特征单一，难以处理雷达线数较多、点云信息丰富的大型数据，鲁棒性较差；另有根据路沿的线性特征采用一种基于距离的算法来提取候选路沿特征点的方法，但提取结果容易被道路上的障碍物所影响，即难以分辨出识别的路沿点到底属于障碍物还是路沿，因为障碍物也能被认作是一种短距离的“路沿”，而道路上的障碍物往往会遮挡激光雷达对路沿的探测，只能在比较理想化的情况下完成检测；而近两年比较的路沿检测研究有基于栅格网的方法，将点云降维至二维的栅格网上，获取栅格网单元像素的信息，但这种方法降低了点云的维度丰富性，且正方形栅格网破坏了激光雷达的数据特性，容易造成人为的特征。

提取出路沿的信息对无人驾驶系统非常重要，路沿规定了道路的边界，限制了车辆的可行范围，能给路径规划或其他感知系统提供大量信息。但是路沿的稳定性是非常重要的，能在连续时间内稳定存在又能检测到微小变化的路沿是非常可取的，因此需要有效地降低道路上的障碍物、路边的树木、植被、行人和路标等噪声的干扰。

发明内容

本发明为克服上述现有技术中的缺陷，提供一种基于激光雷达与扇状空间分割的路沿检测系统及其方法，能克服障碍物的干扰，可以更好地还原不同形态的路沿信息，可以适用在多种自动驾驶场景下。

为解决上述技术问题，本发明采用的技术方案是：一种基于激光雷达与扇状空间分割的路沿检测系统，包括：

点云采集模块，用于通过32/64线激光雷达扫描车辆周围环境，采集周围环境的点云数据并进行处理，将带有空间坐标、反射亮度和雷达环数的点云数据转换给本地坐标系中，将每一帧数据输出给地面分离模块；

地面分离模块：用于从一帧点云数据中提取出当前点云集的道路路面，所述道路路面指的是点云空间中所有物体最贴近地面的点所组成的曲面，地面点云集合输出给路沿检测模块；

扇状空间分割模块：用于根据激光雷达反射点云的特性，将三维坐标内的空间分成不同的扇状区域，扇状区域的特性由点云的数据特性所决定，能匹配点云的分布特征，根据地面检测结果，将扇状结构输出给道路延伸识别模块和路沿检测模块；

道路延伸识别模块：用于接收地面点云集合和扇状空间结构，结合两者特征，检测出车辆的可行驶区域，以此判断自动驾驶场景中道路的延伸方向，并将结果输出给路沿检测模块；