[发明专利]一种融合多线激光雷达与超声波数据的障碍物检测方法

权利要求书

1.一种融合多线激光雷达与超声波数据的障碍物检测方法，其特征在于，包括以下步骤：

S1、对多线激光雷达获取的数据进行处理得到点云障碍物，以及对超声波数据进行处理得到点状超声波障碍物；

S2、对所述点状超声波障碍物进行邻域搜索，若邻域内存在点云障碍物，则使用点云障碍物作为最终障碍物检测结果；若邻域内不存在点云障碍物，则根据所述超声波数据与所述点云障碍物的几何位姿关系，在结果层面进行数据融合，得到融合点云障碍物与超声波障碍物的最终结果，作为最终障碍物检测结果；其中，

S1中所述对多线激光雷达获取的数据进行处理得到点云障碍物的步骤包括：

S111、获取激光雷达点云数据；

S112、将地面从所述点云数据中剔除；

S113、对剔除地面后的点云数据进行分割聚类，得到点云障碍物；

S1中所述对超声波数据进行处理得到点状超声波障碍物的步骤包括：

S121、将原始超声波数据构建成时序超声波数据列表，包括：获取当前帧超声波原始数据，判断超声波数据有效性，以及判断时序超声波数据列表是否初始化，并根据判断结果进行清空时序超声波数据列表操作和/或将当前帧有效数据加入到时序超声波数据列表中，其中，所述清空时序超声波数据列表的依据为，将其时间戳Time_this与所述时序超声波数据列表中最新数据的时间戳Time_latest进行比较，若其差值大于等于设定的时间阈值，即fabs(Time_this-Time_latest)≥Time_threshold，则清空时序超声波数据列表；步骤S121还包括对无效计数invalid_count的判断，若所述无效计数小于设定阈值，即invalid_count＜invalid_threshold，所述无效计数自增，进入下一帧数据；否则清空所述时序超声波数据列表，并将其状态设置为未初始化；

S122、对所述时序超声波数据列表进行多权重滤波处理，以剔除噪点和/或异常值；

S123、对所述时序超声波数据列表中的每个数据分配一定权重，计算出滤波后的距离值，即其中，d_final为滤波后的超声波距离值，n为时序超声波数据列表的长度且∑p_i＝1，d_i为时序超声波数据列表中的第i个超声波距离值，p_i为分配给第i个超声波距离值的权重值；以d_final为当前帧的超声波距离值，根据超声波内参、外参构建线状超声波障碍物，其中，所述超声波内参为水平竖直视场角θ，所述外参为三位坐标系中的x，y，z，以及超声波探头与x正半轴的夹角roll、超声波探头与y正半轴的夹角pitch、超声波探头与z正半轴的夹yaw；

S124、根据散点距离split_d对所述线状超声波障碍物进行散点操作，得到点状超声波障碍物，包括：计算所述线状超声波障碍物方向向量v＝(P₂.x-P₁.x,P₂.y-P₁.y)，并对v单位化，之后将P₂加入散点列表，得到完整的点状超声波障碍物；第i个散点的坐标可表示为：SplitPt_i＝P₁+i*v，其中，SplitPt_i为第i个散点的坐标，P₁为所述线状超声波障碍物的起点，v为所述线状超声波障碍物方向向量，i∈[0,split_num]，其中，split_num为散点数量且所述散点数量由|P₁P₂|/split_d向下取整。

2.根据权利要求1所述的障碍物检测方法，其特征在于，步骤S112包括仅对Z值较低的点云数据进行平面拟合，得到地面参数并将其剔除；

步骤S113中使用欧几里得增长算法对剔除地面后的点云数据进行点云分割聚类。

3.根据权利要求2所述的障碍物检测方法，其特征在于，步骤S113还包括对使用过欧几里得增长算法后的点云数据，再使用体素化网格滤波算法，得到最终的点云障碍物。