[发明专利]一种基于摄像机和激光雷达的可行区域检测方法

说明书

本发明公开了一种基于摄像机和激光雷达的可行区域检测方法，属于智能交通领域。该方法为：采用激光雷达获取道路环境点云数据，采用双目摄像机获取道路环境图像数据；对双目摄像机和激光雷达进行联合标定到车辆坐标系；对双目摄像机获取的左右图像进行预处理，采用半全局匹配算法进行立体匹配，获取视差图，并采用PCL进行三维重建，获取像素的三维信息；对激光雷达每帧数据进行预处理，并根据阈值除去一定高度的点云，获取大致可行区域点集；对于处理后的雷达点云和三维重建后的像素点，采用一种基于距离的方法融合，提取可行区域，得到可行区域检测结果。本发明可以充分利用摄像机和激光雷达的优点精确地、稳定地检测可行区域。

技术领域

本发明属于智能交通领域，涉及可行区域检测技术领域，具体涉及一种基于摄像机和激光雷达的可行区域检测方法。

背景技术

随着社会和科技技术的发展，车辆的需求剧增带来一系列问题，智能交通系统成为解决诸多问题的重要途径，无人驾驶车是智能交通系统的重要组成部分，而可靠的环境感知能力对自主巡航控制、碰撞预警和路径规划起到至关重要的作用。路面可行驶区域的检测，对于车辆的路径规划和局部感知能够提供更丰富的信息。

采用单一摄像机图像处理的方法检测可行区域，无法提供距离信息且三维信息测量精度较低，双目相机由于成本低廉，信息量大的优势在机器人构图、定位导航等应用中获得广泛应用。而图像的光照鲁棒性较差，得到的点云存在噪声大、精度不高等问题，同样也制约了实际应用。

附图说明

图1为本发明所述方法的主流程图；

图2为从融合数据中提取可行区域流程图。

名词解释：PCL：Point Cloud Library，是指点云库。

发明内容

有鉴于此，本发明的目的在于提供基于摄像机和激光雷达的可行区域检测方法，充分发挥多传感器融合的优点，提高可行区域的检测精度、稳定性及鲁棒性，并能实时的检测可行区域，克服单一传感器在环境感知应用中存在的诸多问题。为达到上述目的，本发明提供如下技术方案一种基于摄像机和激光雷达的可行区域检测方法包括如下步骤：

步骤1：采用激光雷达获取道路环境点云数据，采用双目摄像机获取道路环境图像数据；所述激光雷达点云数据包括多个包含三维坐标信息的扫描点；所述图像数据包含道路可行区域的左右图像；

步骤2：对双目摄像机和激光雷达进行联合标定到车辆坐标系；

步骤3：对双目摄像机获取的左右图像进行预处理，采用半全局匹配算法进行立体匹配，获取视差图，并采用PCL进行三维重建，获取像素的三维信息；

步骤4：对激光雷达每帧数据进行预处理，并根据阈值除去一定高度的点云，获取大致可行区域点集；

步骤5：对于处理后的雷达点云和三维重建后的像素点，采用一种基于距离的方法融合，提取可行区域。

进一步，所述激光雷达为16线雷达，所述摄像机为双目摄像机。

进一步，步骤2所述的双目摄像机和激光雷达进行联合标定到车辆坐标系，方法包括：

S201首先，设置传感器坐标系和车辆坐标系，统一以车前方为Y轴，向左为X轴，向上为Z轴，原点分别为传感器的中心和车辆中心；

S202先标定双目相机，根据张正友标定法，求得相机内外参数，按照式(1)将像素坐标数据转换到相机坐标系下，然后采用多个标定物，手动测量其在车辆坐标系O_V-X_VY_VZ_V下的坐标，以及在左右相机坐标系中的位置，按照式(2)求得旋转矩阵R_C和平移向量T_C；