[发明专利]一种基于三维激光雷达的路面异常检测方法

说明书

本发明涉及一种基于三维激光雷达的路面异常检测方法，包括以下步骤：(1)选定用于异常区域检测的三维激光雷达扫描线；(2)提取选定的三维激光雷达扫描线的连续帧数据；(3)对三维激光雷达数据滤波；(4)检测并剔除地面区域点云数据；(5)基于邻域点高度特征和距离比特征提取路面异常区域的点云；(6)获取路面异常区域的外接三维方框。本发明利用三维激光雷达单线连续帧，能有效检测体积较小的低矮障碍物和坑洼等异常区域，为自主移动平台导航避障提供参考。

技术领域

本发明属于智能驾驶领域，具体涉及一种基于三维激光雷达的路面异常检测方法。

背景技术

路面异常可使车辆损坏，甚至可能威胁乘客的安全，尽早发现路面异常情况可以避免机动车事故。

无人驾驶车辆是利用车载传感系统来感知车辆周围环境、自行规划路线控制车辆成功抵达目的地的自主移动平台，其一般装有激光雷达和摄像头等车载传感器，用于检测可通行区域和不可通行区域。

尽管摄像头能提供丰富的信息内容，具有高分辨率、价格低等优点，但容易受到天气和强光的影响，并且普通的单目相机无法获取图像深度信息，需要双目相机通过深度学习或者基于特征点检测和匹配的方法获取深度信息，该功能的算法实现复杂，实时性较差，并且无法提供准确的深度信息。RGB-D相机通过结构光或者ToF(Time of Fly)的物理方法测量物体深度信息，但是由于其测量范围窄、视野小、易受日光干扰的缺点，较难应用到室外场景。单线激光雷达获取的是二维的环境信息，无法适应于智能驾驶领域。三维激光雷达能够实时提供丰富准确的环境三维数据，已在智能驾驶领域中得到了广泛的应用，目前三维激光雷达处理算法主要是基于栅格地图的分割算法和基于图的地面检测两大类，相比栅格类的算法，基于图的分割算法精度更高，但容易受到噪点的干扰、算法鲁棒性差。

申请号为201910284464.2的专利公开了一种基于群智感知传感数据的路面异常检测方法，通过获取异常路面的传感数据序列，根据传感数据序列的尺度不变特征检测路面异常；车载和随身携带的智能终端以群智感知的方法产生大量的传感数据用于检测路面异常，其依据的基本原理是车辆经过路面异常区域的加速度数据序列隐含着路面异常的信息，该方法根据垂直加速度数据的波动距离与平均波动距离的差值识别道路异常点。这种方法会由于乘客的坐姿调整、握手和刹车导致加速度数据的波动，对路面异常检测造成干扰，并且在没有车辆通行过的区域，就无法获取路面异常的信息，需要在收集到传感器数据之后，在地图中更新路面异常区域信息。

申请号为202011021879.X的专利公开了一种基于Yolo-V4与ToF算法相结合的避障方法；该方法采用Yolo-V4进行障碍物目标的检测，通过先验框中心坐标计算障碍物在水平方向相对于摄像头中心的相对角度，采用激光雷达采集的点云数据获取各点相对于激光雷达的距离和角度，通过匹配激光雷达获取的角度和障碍物相对于摄像头中心的相对角度，确定障碍物目标的距离和角度信息。该方法虽然能够获取障碍物的位置、类别和颜色等多维信息，但是Yolo-V4在检测路面异常时，无法针对各种各样的路面散落物、坑洼进行检测，仅能检测出经过训练的路面异常场景，并且激光雷达数据与相机数据的融合算法复杂，且容易受到遮挡、光照等因素影响；此外，三维激光雷达线数少，随着距离增加，线层之间的距离越远，不利于小障碍物的检测。

发明内容

针对以上技术存在的局限性，为了使自主移动平台能够快速、准确的感知路面异常区域，本发明提出了一种基于三维激光雷达的路面异常检测方法，通过获取三维激光雷达扫描单线连续帧实现异常区域的检测，有利于检测较小体积的低矮障碍物和位于路平面之下的坑洼区域。

本发明所采用的技术方案是，一种基于三维激光雷达的路面异常检测方法，所述方法配合自主移动平台实现，三维激光雷达和自主移动平台按照刚体连接方式安装，包括如下步骤：

步骤1：根据自主移动平台的有效避障距离和三维激光雷达的每条扫描线的俯仰角，选定用于异常区域检测的三维激光雷达扫描线L_S，L_S的俯仰角度为