CN102837658A

CN102837658A - 一种智能车辆中多激光雷达数据融合系统和方法

Info

Publication number: CN102837658A
Application number: CN2012103095150A
Authority: CN
Inventors: 杨光祖; 段建民; 周俊静; 史丽晓
Original assignee: Beijing University of Technology
Current assignee: Beijing University of Technology
Priority date: 2012-08-27
Filing date: 2012-08-27
Publication date: 2012-12-26
Anticipated expiration: 2032-08-27
Also published as: CN102837658B

Abstract

一种智能车辆中多激光雷达数据融合系统和方法，是利用安装在智能车辆车身上前后左右的UTM-30LX激光雷达采集周围的信息发送给负责数据融合的上位机得出周围的障碍物信息；利用安装在智能车辆前方LMS291和IBEO LUX 采集的数据传递给负责数据融合的上位机得出前方80m范围内障碍物信息。经过上位机将以上的数据按照一定的算法进行融合之后得出准确的、最终的障碍物信息地图，并把以上障碍物网格地图打包之后，通过路由器搭建的局域网传给规划决策上位机，规划决策计算机解析上述信息，判断决策，下达相应的执行指令。通过使用本发明的系统和方法可以有效地提高无人驾驶的智能车辆的蔽障能力和安全行驶性能。

Description

一种智能车辆中多激光雷达数据融合系统和方法

技术领域：

本发明属于汽车领域，涉及一种智能车辆上多种数个激光雷达的数据融合的系统。

背景技术：

智能车辆是智能交通的系统的重要组成部分，智能车辆是实现无人驾驶和辅助驾驶的重要载体。为了能实现智能车辆的无人驾驶，需要知道智能车辆周围所处的环境信息。把这些环境信息实时的传递给规划决策部分，决策规划部分通过一定的算法为智能车辆选择一条最优无碰撞路线。可以看出智能车辆周围的环境信息及其准确度对于后续的路径规划，安全行驶具有及其重要的作用。

基于机器视觉的车辆检测系统一般采用CCD摄像头，硬件成本较低，能够感知到丰富的环境信息，但受环境变化影响大。晴天时树木的阴影，光滑表面的反光，阴雨道路上的积水以及夜间光照不足等都会对图像信息的识别造成很大影响。大大的降低了智能车辆的环境适应性。

激光雷达具有不受天气、光照等条件影响，不依靠纹路和颜色来辨别，对于阴影噪声不敏感等优良特性。激光雷达测量时扫描频率高数据量丰富，返回的是距离值便于快速的处理。因而采用激光雷达来感知智能车辆周围的环境信息具有较好地适应性、快速性，但是单个的激光雷达由于安装位置和方向的不同会对测量效果产生影响和变化。为了提升智能车辆周围的全方位、多角度、远距离的环境信息感知能力，可以选用不同的测量能力的雷达，利用多种激光雷达之间的配合和数据融合算法来准确、及时的感知车身周围的障碍物信息。

本发明旨在利用多种激光雷达的数据融合来解决智能车辆周围的环境感知能力的准确性、及时性，使得智能车辆能够在多种复杂环境状态下准确的感知到障碍物的距离和形状，并向规划决策计算机发出障碍物信息、预警和报警信息。

发明内容：

本发明主要针对智能车辆周围环境中障碍物的检测、障碍物信息转发、预警和报警等问题，提出一种利用多种激光雷达之间数据融合的系统和方法来解决无人驾驶和辅助驾驶中车辆与障碍物发生碰撞的问题，提高车辆行驶的安全便捷性。为智能车辆的无人驾驶提供了有效地保障。

为了实现上述目的本发明采用的技术方案为：

一种智能车辆中多激光雷达数据融合系统，包括规划决策上位机1、多激光雷达融合的上位机 2、IBEO LUX四线雷达 3、LMS291雷达 4、UTM-30LX车辆左侧雷达UTM-L 5、UTM-30LX车辆右侧雷达UTM-R 6、UTM-30LX车辆前方雷达UTM-F 7、UTM-30LX车辆后方雷达UTM-B8、路由器9。IBEO LUX四线雷达3和LMS291雷达4采集智能车辆前方80m范围内的障碍物信息分别通过网口和串口传输到多激光雷达融合的上位机；UTM-30LX车辆左侧雷达UTM-L5和UTM-30LX车辆右侧雷达UTM-R6采集智能车辆周围左侧和右侧5m范围的障碍物信息通过USB传输方式到多激光雷达融合的上位机；UTM-30LX车辆前方雷达UTM-F7和UTM-30LX车辆后方雷达UTM-B8采集智能车辆前方和后方10m范围的障碍物信息通过USB传输方式到多激光雷达融合的上位机，多激光雷达融合的上位机2通过数据处理算法得出前方80m范围内的障碍物信息和车辆左右5m、前后10m的障碍物防碰撞安全距离。根据上述的数据信息绘制出车辆周围的障碍物信息数据地图并打包，在由路由器9搭建的局域网中利用UDP协议转发给规划决策上位机1供其决策规划时使用。规划决策上位机解析上述信息，然后得出控制命令控制底层的执行机构。

一种智能车辆中多激光雷达数据融合方法，包括以下步骤：

UTM-30LX车辆左侧雷达UTM-L5和UTM-30LX车辆右侧雷达UTM-R6采集智能车辆周围左侧和右侧5m范围的障碍物信息通过USB传输方式到多激光雷达融合的上位机(2)，并进行一定的滤波，聚类和网格化处理；UTM-30LX车辆前方雷达UTM-F7和UTM-30LX车辆后方雷达UTM-B8采集智能车辆前方和后方10m范围的障碍物信息通过USB传输方式到多激光雷达融合的上位机2，并进行一定的滤波，聚类和网格化处理；这样智能车辆的前后10m左右5m就形成了障碍物网格图。依据一定的算法来判别周围障碍物的距离进行提示、报警、发出紧急停车请求。规划决策上位机1在接收到这些信息后发出指令控制对应的执行机构发出蜂鸣、抬起油门和踩刹车等动作。

IBEO LUX四线雷达3和LMS291雷达4采集智能车辆前方80m范围内的障碍物信息分别通过网口和串口传输到多激光雷达融合的上位机2，在多激光雷达融合的上位机2上把实时采集的数据进行滤波、聚类、识别、跟踪并网格化处理。然后在搭建的局域网络上通过UDP协议实时的传递给规划决策上位机1，供其使用。

有益效果：

通过实时的采集车辆周围环境的障碍物的距离、高度信息可以有效地检测出来智能车辆左右5m前后10m障碍物信息，并根据一定的算法将来判定周围障碍物的距离进行提示、报警、发出紧急停车请求。还可以获取前方未行使区域的80m范围的障碍物信息传给规划决策部分，有效地提高无人驾驶的智能车辆的蔽障能力和安全行驶性能。

附图说明

图1 为智能车辆中多激光雷达数据融合系统的组成框图

图2 为多激光雷达的数据融合方法框图

图3 为智能车辆中多激光雷达数据融合系统的运行过程图

图4 为LMS291数据帧采集和解析流程图

图5 为智能车辆上雷达安装架构示意图

图6 为前方四线雷达IBEO LUX和单线LMS291探测区域示意图

具体实施方式：

一种智能车辆中多激光雷达数据融合系统，是由两台安装有VS2008程序的笔记本电脑构成的上位机、一个四线雷达IBEO LUX 、一个LMS291雷达、四个UTM-30LX雷达、网络路由器组成的。

其算法和工作流程如下：

1、通过在上位机采用VS2008开发环境编写的采集程序，从UTM-L、UTM-R采集的数据并显示，当障碍物在智能车辆的左右两侧5m范围内开始关注，当小于1m之后开始预警，小于0.5m之后产生报警请求发送给规划决策计算机，规划决策计算机发出相应的指令控制各个执行机构来改变行驶方向。从UTM-F和UTM-B采集的数据并显示，当障碍物在智能车辆的前后10m范围内开始关注，当小于5m之后开始预警，3m时报警请求发送给规划决策计算机，规划决策计算机发出相应的指令控制各个执行机构来加速或者制动、急停。

2、通过在上位机采用VS2008开发环境编写的采集程序，从四线雷达IBEO LUX 采集数据并显示，当障碍物在50---80m的范围内的障碍物进行识别和跟踪，在50m范围内，利用网格化聚类算法来获取前方50m*20m范围的一个障碍物网格化分布图。

3、网格图在是由0.2m*0.2m的小正方形组成，这样50*20m的范围内就有250*100个小网格组成。我们把每个障碍物的返回的障碍物距离值投射到网格中。如果一个网格中有5个或5个以上的点就认为这一网格为障碍物网格，为不可通行区域，反之小于5个的就为无障碍物的可通行区域。

4、在上述的网格所表示通行区域的地图中，确认有障碍物的标记为1，没有障碍物的网格标记为0，把这25000个0和1组成的数据串，每8个划分一组后等价于8位二进制数字，这样再转化为两位十六进制的数据，把这些系列十六进制的数据打包后在局域网上通过UDP协议传输给规划决策部分。

如图1所示的系统框图为智能车辆的多激光雷达数据融合系统的组成框图，介绍了系统组成部件及其连接关系。

如图2所示为多激光雷达的数据融合方法的框图：在UTM-30LX的四个雷达采集数据后，首先对每一帧的数据进行预处理，丢弃所关注的范围外的数据，滤波去掉无关的数据点和明显的噪声点，接着利用这些处理后的数据来显示，根据车辆前后左右的具体的要求采用决策级的数据融合方式，直接得出面向周围障碍物的预警和报警信息。打包好这些数据。由于LMS291和IBEO LUX 数据量较为丰富，对其单独进行采集和预处理，通过分析这些数据的中障碍物的特征信息，识别、聚类、网格化处理然后跟踪，得出并发送前方的50*20m的障碍物网格地图，再次对上述的信息进行融合得出准确、及时、丰富的周围环境障碍物信息。

如图3所示为智能车辆中多激光雷达数据融合系统的运行过程图；描述了融合系统运行的过程为，依据雷达的数据传输方式连接数据传输线（串口线、USB线、网线），连接符合要求的电源线并上电为其供电。以雷达出厂时的默认的配置参数来启动雷达，接着可以根据每个雷达的使用场合来设置雷达的工作模式（例如LMS291波特率，分辨率…），设置完成后就可以启动来连续的测量输出数据到上位机，在上位机上把这些数据进行预处理（滤波、去噪）、聚类、识别等算法来获取智能车辆周围障碍物信息，经过融合并打包好后的数据通过UDP协议在局域网上传输给规划决策计算机。完成了实验之后，就可以修改工作模式或对系统进行维护，断开电源线和数据传输线。

如图4 所示为LMS291数据帧采集和解析流程图：以LMS291雷达为例说明对于每一帧雷达数据采集和解析过程，另外两种雷达与之类似。首先启动LMS291并打开PC串口，建立数据接收缓冲区，设置LMS291的工作模式，启动LMS291连续输出数据，分析到来的数据流并与STX比较，如果不是一帧数据的帧头，则继续分析和比较；如果是数据的帧头，就接收这一帧数据并进行CRC校验。如果校验不正确则丢弃该帧，如果校验正确则将有效数据存入缓冲区。置位DataReady标志来告知可以做进一步的处理。利用OpenCV的一些绘图函数来绘图显示。保存相应的采集数据。一帧数据接收显示保存完成后，继续返回循环地判断是否有另外一帧数据的到来，并根据情况判别后来接收、显示、保存是否执行。

如图5为智能车辆上激光雷达安装的架构示意图，较为直观的展示了各个激光雷达的安装位置，和测量监控区域。

如图6为前方四线雷达IBEO LUX和单线雷达区域示意图，半圆形区域表示LMS291可以的测量区域，扇形区域表示四线雷达IBEO LUX可以的测量区域，它们的公共区域表示重叠的探测区域。在重叠区域可以利用两个激光雷达数据来判定障碍物。

表1

如表1为多种激光雷达性能对比表格，激光雷达的这些性能可以作为选择激光雷达指标，也可以作为综合的利用这些性能来取长补短进行融合。

Claims

1.一种智能车辆中多激光雷达数据融合系统，其特征在于：包括规划决策上位机（1）、多激光雷达融合的上位机(2)、四线雷达（3）、LMS291雷达（4）、车辆左侧雷达UTM-L（5）、车辆右侧雷达UTM-R（6）、车辆前方雷达UTM-F（7）、车辆后方雷达UTM-B（8）、路由器（9）；四线雷达（3）和LMS291雷达（4）采集智能车辆前方80m范围内的障碍物信息分别通过网口和串口传输到多激光雷达融合的上位机(2)；车辆左侧雷达UTM-L（5）和车辆右侧雷达UTM-R（6）采集智能车辆周围左侧和右侧5m范围的障碍物信息通过USB传输方式到多激光雷达融合的上位机(2)；车辆前方雷达UTM-F（7）和车辆后方雷达UTM-B（8）采集智能车辆前方和后方10m范围的障碍物信息传输到多激光雷达融合的上位机(2)，多激光雷达融合的上位机(2)通过数据处理算法得出前方80m范围内的障碍物信息和车辆左右5m、前后10m的障碍物防碰撞安全距离。

2.一种智能车辆中多激光雷达数据融合方法，包括以下步骤：

车辆左侧雷达UTM-L（5）和车辆右侧雷达UTM-R（6）采集智能车辆周围左侧和右侧5m范围的障碍物信息传输到多激光雷达融合的上位机(2)，并进行滤波，聚类和网格化处理；车辆前方雷达UTM-F（7）和车辆后方雷达UTM-B（8）采集智能车辆前方和后方10m范围的障碍物信息通过USB传输方式到多激光雷达融合的上位机(2)，并进行滤波，聚类和网格化处理；这样智能车辆的前后10m左右5m就形成了障碍物网格图；将障碍物网格图由路由器（9）搭建的局域网中利用UDP协议转发给规划决策上位机（1）供其决策规划时使用；规划决策上位机解析上述信息然后得出控制命令控制底层的执行机构；判别周围障碍物的距离进行提示、报警、发出紧急停车请求；规划决策上位机（1）在接收到这些信息后发出指令控制对应的执行机构发出蜂鸣、抬起油门或踩刹车动作；

四线雷达（3）和LMS291雷达（4）采集智能车辆前方80m范围内的障碍物信息分别通过网口和串口传输到多激光雷达融合的上位机(2)，在多激光雷达融合的上位机(2)上把实时采集的数据进行滤波、聚类、识别、跟踪并网格化处理；然后在搭建的局域网络上通过UDP协议实时的传递给规划决策上位机（1）。