[发明专利]一种多线激光雷达道路边界线提取方法

说明书

本发明针对现有技术的局限性，提出了一种多线激光雷达道路边界线提取方法。本发明在保证准确度的情况下，大大减少了硬件系统的成本，便于推广普及和高精度地图的更新；本发明有更准确地空间信息，可以达到实际应用精度；本发明不基于转折点特征，而是通过地面特征、距离特征和直线特征提取边界点，排除了路内噪声点和路侧建筑物、树木和草丛等造成的干扰，精确提取道路边界线；本发明直接对点处理，不受点云分辨率的影响。另外，本发明通过多帧融合和ROI调整，拟合弯道区域，能够对弯道区域进行准确的道路边界提取；同时多帧融合可以补充道路边界信息，可以对各种类型道路边界进行准确完整的提取。

技术领域

本发明涉及自动驾驶与高精度地图自动构建技术领域，具体涉及多线雷达在上述技术领域的应用，更具体，涉及一种多线激光雷达道路边界线提取方法。

背景技术

道路边界线是高精度地图的基本元素，如何准确而完整的提取道路边界线是自动构建高精度地图的关键。同时，道路边界线也是自动驾驶汽车在失去定位信号以后，进行自动驾驶时的重要局部信息，依靠道路边界线信息，避免行驶出车道。多线雷达具有准确的空间信息，但是由于低点云密度，检测技术的发展还不够完善。目前使用多线激光雷达提取道路边界线面临的主要问题包括以下几点：第一，路内有干扰，车辆在道路上行驶时通常有其他车辆在道路上，即使道路上只有少量车辆，车辆依然容易被识别成道路边界，而且车辆会遮挡道路边界，除了车辆点云以外，道路路面点云也影响着道路边界线的提取；第二，路侧有很多干扰，路面和路侧建筑、树木和行人间的连接处点云特征和道路边界特征相似，容易被识别成道路边界。

基于多线雷达的方法根据处理点云的方法可以分为分线方法和不分线的方法。不分线的方法主要是体素化后通过密度进行处理，分线的方法主要包括基于转折点特征的方法、基于高程差的方法和基于线拟合的方法等等。

具体的，基于体素的方法有处理速度快、分类准确的优点，但是由于点云的稀疏性，很难达到令人满意的结果：栅格太小会导致空栅格数量的增加，减慢处理速度；栅格太大会导致边界栅格包含道路点云，影响道路边界线提取精度。而如公开时间为2019.05.14的中国发明申请：一种基于激光点云的道路边沿检测方法所示，其属于基于转折点特征的方法；分线后基于转折点特征的方法因为特征清晰和计算快速是现在的主流方法，但是这方面的现有技术容易被路侧转折点和噪声点干扰：第一，路内有干扰，车辆在道路上行驶时通常有其他车辆在道路上，即使道路上只有少量车辆，车辆依然容易被识别成道路边界，而且车辆会遮挡道路边界，除了车辆点云以外，道路路面点云也影响着道路边界线的提取；第二，路侧有很多干扰，路面和路侧建筑、树木和行人间的连接处点云特征和道路边界特征相似，容易被识别成道路边界。因此，现有技术仍有一定的局限性。

发明内容

针对现有技术的局限，本发明提出一种多线激光雷达道路边界线提取方法，本发明采用的技术方案是：

一种多线激光雷达道路边界线提取方法，包括以下步骤：

S1，获取输入的雷达数据，识别、去除所述雷达数据中的障碍物；

S2，以预设的车辆局部坐标系，设置感兴趣区域；

S3，根据所述感兴趣区域，以预设的拟合平面阈值距离，从所述雷达数据中提取出带有路肩内容与地面内容的道路点云；

S4，通过下调所述拟合平面阈值距离，对所述道路点云进行过滤，去除所述道路点云中的地面内容；

S5，从所述步骤S4过滤后的结果中提取候选边界点；根据所述候选边界点进行边界线拟合，提取出当前帧的道路边界线；

S6，判断是否已提取到预设帧数的道路边界线；若否，则执行步骤S7；若是，则执行步骤S8；

S7，通过所述雷达数据中的里程计信息计算出当前帧的车辆速度；以当前帧的车辆速度，返回所述步骤S2对所述对感兴趣区域进行调整，进行下一帧道路边界线的提取过程；