[发明专利]一种基于稀疏激光雷达数据的动态障碍物追踪方法

权利要求书

1.一种基于稀疏激光雷达数据的动态障碍物追踪方法，其特征在于，包括以下步骤：

S1：消除静态背景

确定可行驶区域，删除可行驶区域的地面点云和超过指定高度的点云，剩余点云即为障碍物点云；

S2：动态点云聚类

对步骤S1中的障碍物点云进行聚类，将属于不同动态障碍物的点云分为不同的簇；

S3：凸包提取

经过步骤S2的聚类后，提取聚类点云的凸包；

S4：特征提取

利用凸包的角度信息进行模糊分类，再对这些点云拟合获得障碍物位置信息；

S5：数据关联

根据不同帧中障碍物的位置信息关联属于同一障碍物的不同时刻的位置，并拟合为轨迹，将已经追踪到的轨迹与当前数据帧检测到的聚类点云关联，更新动态障碍物的运动轨迹；

S6：预测轨迹

利用轨迹函数预测动态障碍物的位置：使用最小二乘法拟合轨迹点得到轨迹函数，根据轨迹函数在最后一个轨迹点的横坐标基础增加适当增量x得到x_p，带入公式求得y_p坐标，(x_p,y_p)即为预测轨迹点，直线预测时带入的最小二乘法公式如下：

其中，(x_i,y_i)是拟合直线的轨迹点，a₁是拟合直线的斜率，a₀是拟合直线的截距,R²为轨迹点与拟合直线的距离差的和，多项式曲线预测时带入的公式如下：

其中，(x_i,y_i)是拟合三次多项式的轨迹点，a₀、a₁、a₂、a₃为拟合三次多项式的系数,R²为轨迹点与拟合曲线的距离差的和；

轨迹函数包括直线预测和多项式曲线预测函数，直线预测函数如下：

x_p＝x[n]+(len)/(t*n)

其中，X[n]是当前轨迹点，len为已有轨迹点的x坐标的增量绝对值的和，t为可调参数，n为已有轨迹点个数，在直线预测中根据已有轨迹点之间的x增量的平均值估计当前时刻的x增量；其多项式曲线预测函数如下：

xp＝x[n]+len/(t*n)*k

其中，X[n]是当前轨迹点，t为可调参数，n为已有轨迹点个数，len为已有轨迹点的欧式距离的和，k为当前轨迹的斜率，在多项式曲线预测中根据已有轨迹点之间的x增量的平均值估计当前时刻的x增量。

2.根据权利要求1所述的一种基于稀疏激光雷达数据的动态障碍物追踪方法，其特征在于：点云只包含坐标信息，坐标形式为二维坐标(x,y)。

3.根据权利要求1所述的一种基于稀疏激光雷达数据的动态障碍物追踪方法，其特征在于，所述步骤S1中的具体处理过程包括以下步骤：

S11：确定采集平面

根据主要障碍物的高度设置采集平面的高度为0.8米～1.0米；

S12：生成模板

构建栅格地图或者转换已经存在矿井地图为栅格地图，栅格地图分为障碍层、膨胀层、可行驶层；

S13：预处理

加载步骤S12中已经建好的栅格地图，设置膨胀层厚度为0.05米，接收激光雷达的原始数据，然后处理点云，删除点云中的非法值；

S14：过滤点云

用点坐标和栅格地图做比较判断是否处于可行驶层，如果在可行驶层则保留否则删除此点。