[发明专利]一种用于矿卡自动驾驶的路面障碍物检测方法

权利要求书

1.一种用于矿卡自动驾驶的路面障碍物检测方法，其特征在于，包含以下步骤：

步骤一：对激光雷达扫描的点云进行栅格化，并投影到栅格中，对栅格进行特征计算；

步骤二：遍历计算栅格内所有点云的横向倾斜度和纵向倾斜度，并计算整个栅格内的横向和纵向的平均倾斜度，将其作为栅格特征；

步骤三：基于栅格特征进行聚类，将属于同一类特征的栅格聚类成簇；计算每个点云簇的特征，送入分类模型进行分类识别，获得类别标签，提取障碍物点云，计算障碍物信息。

2.根据权利要求1所述的用于矿卡自动驾驶的路面障碍物检测方法，其特征在于，步骤一中，使用扇形切割的方式进行点云栅格化处理，且每个栅格表示如下：

第i行第j列的栅格C_ij，其特征包含栅格内点云在z轴方向上的最小值z_min、栅格内点云在z轴方向上的最大值z_max、栅格的深度Δz＝z_max-z_min、栅格点云的纵向平均倾斜度λ_average、横向平均倾斜度θ_average；

倾斜度特征在步骤二中进行计算填充，栅格的点云数量number、待确定的栅格类别label，label有五种类别：-2表示沟壑，-1表示坑洼，0表示地面，1表示路面碎石，2表示路面隆包。

3.根据权利要求1所述的用于矿卡自动驾驶的路面障碍物检测方法，其特征在于，步骤二中，设点云P_g为当前x值处纵向方向上的地面点云，即点云打在地平面上，其坐标值为(X_g,Y_g,Z_g)；

设P_i为当前x值处沿着x轴正方向逐点计算的第i个点云，坐标值为(X_i,Y_i,Z_i)，计算当前点云P_i到地面点云P_g的倾斜度λ_i^x，如式(2)所示：

其中，sign()为符号函数，α_λ和β_λ为与障碍物纵向特征相关的阈值常数，且α_λ0，β_λ0。

4.根据权利要求3所述的用于矿卡自动驾驶的路面障碍物检测方法，其特征在于，当点云P_i满足式(4)时，认为其属于地面点云；

当式(4)不满足时即认为当前点云为障碍物点云。

5.根据权利要求4所述的用于矿卡自动驾驶的路面障碍物检测方法，其特征在于，

如果P_i为地面点云，则更新地面点云，即更新当前地面点云(P_g＝P_i)用于下一点P_i+1的倾斜度计算；

如果P_i属于障碍物点云，则地面点云不更新，仍然使用P_g并且继续完成与P_i+1、P_i+2、…的点云倾斜度的计算；

按照式(2)遍历计算所有点云，并在每个点云倾斜度计算完成后判断是否需要更新地面点云P_g；

当遍历计算完栅格内所有点云的纵向倾斜度之后，按照式(5)计算当前栅格的平均纵向倾斜度λ_average。