[发明专利]一种颠簸路况下的传感器融合目标检测方法

权利要求书

1.一种颠簸路况下的传感器融合目标检测方法，其特征在于，步骤如下：

步骤1)：对激光雷达和两个全局快门相机所检测的数据进行处理校正；

步骤2)：对上述步骤1)中校正后的激光雷达和两个全局快门相机数据进行特征提取；

步骤3)：利用空间同步，将特征提取后的激光雷达点云数据从激光雷达坐标系转移变换到图像的像素坐标系中；

步骤4)：利用时间同步，得到相同时刻特征提取后的激光雷达点云数据和全局快门相机数据；

步骤5)由当前时刻激光雷达与全局快门相机检测结果、惯性测量单元检测颠簸程度和前n个时刻所检测结果对当前时刻的预测结果共同作用得到障碍物信息输出结果。

2.根据权利要求1所述的颠簸路况下的传感器融合目标检测方法，其特征在于，所述激光雷达布置于车辆顶部中心位置，所述两个全局快门相机分别布置与车辆前档底端两侧。

3.根据权利要求1所述的颠簸路况下的传感器融合目标检测方法，其特征在于，所述步骤1)具体包括：

步骤11)：利用惯性测量单元和全球定位系统对激光雷达进行数据校正，利用全球定位系统的时间同步为单帧内的每个激光点提供时间戳；利用高频惯性测量单元提供航向角、横摆角、俯仰角、车速和加速度信息；对单帧点云内包含的多帧连续加速度与车速数据插值求出随时间变化函数，并通过时间戳与加速度、车速数据进行逆运算对点云进行坐标变换，以避免单帧点云离散变形；

步骤12)：结合步骤11)中的修正点云信息和全局快门相机采集的图像信息，以前一帧数据为基础，利用惯性测量单元所得数据对两帧的图像数据和点云数据进行修正和匹配。

4.根据权利要求3所述的颠簸路况下的传感器融合目标检测方法，其特征在于，所述步骤11)中所述的逆运算过程具体为：利用当前点云的坐标位置和初始点云时间戳到当前点云时间戳车辆本身的姿态差异进行校正，车辆姿态变化体现在航向角、横摆角、俯仰角和纵向位移；设高频惯性测量单元扫描检测一次的周期为T_imu，初始点云时间戳到当前点云时间戳经过的时间为t_lidar，高频惯性测量单元测量数据经过插值后得的航向角、横摆角、俯仰角速度为纵向位移加速度为δ_zi则姿态变换矩阵[Δα Δβ Δγ]与纵向位移为ΔZ：

根据姿态变换矩阵求得点云的坐标修正方程R：

修正后坐标为：

[x' y' z']^T＝R[x y z]^T+[0 0 ΔZ]^T

式中，[x' y' z']^T为修正后点云坐标，R为点云的坐标修正方程，[x y z]^T为修正前点云坐标，[0 0 ΔZ]^T为纵向修正矩阵。

5.根据权利要求3所述的颠簸路况下的传感器融合目标检测方法，其特征在于，所述步骤12)中帧间修正，即记录高频惯性测量单元所测得的实时数据，并对两帧激光雷达和图像中间的多组加速度与车速数据进行插值，利用积分运算求解角度变化和纵向位移变化；然后利用矩阵计算对两帧进行联合修正并标定对应关系。

6.根据权利要求1所述的颠簸路况下的传感器融合目标检测方法，其特征在于，所述步骤2)具体包括：

步骤21)：利用多特征多层栅格地图对修正后的点云数据进行划分，并利用基于深度值的聚类方法对栅格地图进行聚类，得到障碍物边缘信息，并保留障碍物中心点信息和距离信息；

步骤22)：利用立体视觉视差法和基于深度学习的yolo3算法对图像数据进行处理，输出障碍物距离信息和障碍物中心在图像的位置。

7.根据权利要求6所述的颠簸路况下的传感器融合目标检测方法，其特征在于，所述步骤21)中提到的栅格划分即利用高度特征和强度特征将栅格分为地面栅格、障碍物栅格和悬挂物栅格三类；所提到的基于深度值的聚类方式，即将聚类的距离阈值随深度值的改变而改变，改善远处物体难以聚类，近处物体过分割问题。