[发明专利]一种基于参考线的障碍物检测方法及系统

说明书

本发明涉及一种基于参考线的障碍物检测方法及系统，属于障碍物检测技术领域，能准确判断出障碍物信息，几乎不会出现漏检的情况，适用于封闭或半封闭的低速场景，对于对象来车和后方超车这种风险大的情景都能做到准确的跟踪预测，结合决策规划，用较小的算力和低成本硬件实现了车辆避障功能。不需要得到很准确的障碍物信息，只需要获取每条路线离车最近的点，结合历史数据，从而实现了对每条路线的障碍物跟踪预测，采用低分辨率激光雷达和简单的算法即可实现，降低了算力需求，解决了封闭、半封闭的低速场景下低成本的无人驾驶障碍物识别问题，有利于无人驾驶汽车的推广应用。

技术领域

本发明属于障碍物检测技术领域，具体涉及一种基于参考线的障碍物检测方法及系统。

背景技术

现有的无人驾驶感知方法，以高规格的感知传感器和强算力的计算平台，通过障碍物识别算法将障碍物分类，跟踪，预测，尽可能多的感知周边环境，从而更准备地表达障碍物信息，适用于各种场景。但这种普适性方案，对算法要求高，对感知设备和计算机计算能力要求高，成本高，制约着无人驾驶汽车产品的应用推广。

如今封闭、半封闭的特定场景下的无人驾驶汽车的应用越来越多，结合园区，景区等低速场景的特点，车辆可允许的反应时间较长，不需要特别快速全面的获取障碍物信息。若还是采用上述普适性方案，则存在感知设备和计算机计算能力要求高、成本高的问题，无法更贴切地适用于一些特定场景。

因此，现阶段需设计一种基于参考线的障碍物检测方法及系统，来解决以上问题。

发明内容

本发明目的在于提供一种基于参考线的障碍物检测方法及系统，用于解决上述现有技术中存在的技术问题，在封闭或半封闭的低速场景下，靠普通算力的计算机和低分辨率的激光雷达获取障碍物信息，实现车辆避障功能。

为实现上述目的，本发明的技术方案是：

一种基于参考线的障碍物检测方法，包括以下步骤：

S1、加载参考路线，提前将需要行驶的路线采集并记录下来，在使用时加载；

S2、将参考线按一定间距离散化，按法向量左右平移生成多条备选路线，备选路线间距数量可通过参数调整，按照道路的实际情况生成可覆盖道路宽度的所有备选路线；

S3、激光雷达对周边环境探测，并返回点云信息，通过聚类算法将障碍物划分出来，并以包络线上的点表示障碍物；

S4、遍历所有路线和障碍物，得到每条路线前方和后方离车最近障碍物的纵向距离，并记录下来；

S5、将记录的历史数据与当前车速结合，求出每条道路车辆与障碍物的相对速度，用来预测每条道路上障碍物的运动情况，根据运动情况得出障碍物信息；

障碍物信息包括障碍物离车的距离、高低速障碍物、障碍物的远离和靠近；其中，高低速区分标准通过参数设置，低速障碍物作为静态障碍物处理。

进一步的，步骤S3中激光雷达对周边环境探测时，采用无人机探测系统的周边环境探测结果对激光雷达的周边环境探测结果进行精确化检验；

所述无人机探测系统包括位置检测装置、可见度检测装置、影响因素分类装置、飞行状态调节装置、照明强度调节装置、图像采集装置、主控装置；所述主控装置分别与所述位置检测装置、可见度检测装置、影响因素分类装置、飞行状态调节装置、照明强度调节装置、图像采集装置连接；

所述位置检测装置用于检测探测无人机是否到达指定位置；

所述可见度检测装置用于检测指定位置的可见度信息，并判断可见度信息是否支持探测无人机正常动作；

所述影响因素分类装置用于分析判断可见度信息的种类，即，是否为照明强度不足；

所述飞行状态调节装置用于调低探测无人机在指定位置处的垂直高度；