[发明专利]一种基于点云数据的环境感知方法及装置

说明书

本发明提供了一种基于点云数据的环境感知方法及装置，其方法包括：获取环境的三维点云数据；对所述三维点云数据进行体素栅格化处理，获得精简点云数据；将所述精简点云数据进行有序化处理，获得有序点云数据，并确定所述有序点云数据中的地面点云数据和非地面点云数据，删除所述地面点云数据；基于均值漂移聚类算法对所述非地面点云数据进行聚类，以确定环境中的障碍物。本发明对三维点云数据进行体素栅格化处理，在降低点云密度的同时，保持点云数据的基本尺寸特征，从而可降低基于点云数据对环境感知的耗时。并且，通过对精简点云数据进行有序化处理以及通过均值漂移算法对非地面点云数据进行聚类，提高了环境感知的鲁棒性。

技术领域

本发明涉及点云数据处理技术领域，具体涉及一种基于点云数据的环境感知方法及装置。

背景技术

自动驾驶作为解决未来交通出行的一项重要技术，其主要分为感知、决策、规划和控制四大领域；而环境感知就是自动驾驶车辆的智慧之眼，是自动驾驶车辆与外界环境交互的重要纽带。

在自动驾驶感知层面，多线激光雷达应用广泛，特别是通过与相机和毫米波雷达等实现感知信息融合之后，适用于复杂交通环境感知，可以检测交通环境中的不同目标，包括道路、可行驶区域、行驶环境中行人和车辆、交通信号灯和交通标志等交通要素。大力应用的同时，对多线激光雷达的数据处理要求也来越高，尤其涉及车辆所在的地面点云数据和非地面点云，如何快速划分出非地面点云数据，并基于非地面点云数据对环境进行感知是一个非常重要且有意义的问题。

目前已有的划分地面点云和非地面点云的方法主要有基于极坐标网格线性拟合及三维点云图像化处理方法。基于极坐标网格线性拟合方法，由于激光点云排列的无序性且稀疏性，其效果鲁棒性不高，导致环境感知可靠性不高。对于三维点云图像化处理方法，往往直接将三维点云转化到二维深度图上。虽然一定程度上是对数据进行了降维处理，但是激光点云数据量大，降维过程及后续搜索过程依然耗费时间，导致环境感知耗时较长。

发明内容

有鉴于此，有必要提供一种基于点云数据的环境感知方法及装置，用以解决现有技术中存在的环境感知可靠性不高以及耗时较长的技术问题。

为了解决上述技术问题，本发明提供了一种基于点云数据的环境感知方法，包括：

获取环境的三维点云数据；

对所述三维点云数据进行体素栅格化处理，获得精简点云数据；

将所述精简点云数据进行有序化处理，获得有序点云数据，并确定所述有序点云数据中的地面点云数据和非地面点云数据，删除所述地面点云数据；

基于均值漂移聚类算法对所述非地面点云数据进行聚类，以确定环境中的障碍物。

在一些可能的实现方式中，所述对所述三维点云数据进行体素栅格化处理，获得精简点云数据，包括：

确定所述三维点云数据的最小包围盒；

根据预设的体素栅格边长，将所述最小包围盒划分为多个体素栅格；

确定所述点云数据中各点数据所属的体素栅格；

确定所述体素栅格的重心，并以所述重心对应的点数据作为所述体素栅格内的所有点数据，或以距离所述重心最近的点数据作为所述体素栅格内的所有点数据，获得所述精简点云数据。

在一些可能的实现方式中，所述多个体素栅格的个数为：

sum＝M*N*L