CN106918819B - 一种激光雷达点云数据障碍检测算法 - Google Patents

一种激光雷达点云数据障碍检测算法 Download PDF

Info

Publication number
CN106918819B
CN106918819B CN201710190925.0A CN201710190925A CN106918819B CN 106918819 B CN106918819 B CN 106918819B CN 201710190925 A CN201710190925 A CN 201710190925A CN 106918819 B CN106918819 B CN 106918819B
Authority
CN
China
Prior art keywords
grid
level
laser radar
point cloud
algorithm
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710190925.0A
Other languages
English (en)
Other versions
CN106918819A (zh
Inventor
周倪青
曾庆喜
徐达学
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dazhuo Intelligent Technology Co ltd
Dazhuo Quxing Intelligent Technology Shanghai Co ltd
Original Assignee
SAIC Chery Automobile Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by SAIC Chery Automobile Co Ltd filed Critical SAIC Chery Automobile Co Ltd
Priority to CN201710190925.0A priority Critical patent/CN106918819B/zh
Publication of CN106918819A publication Critical patent/CN106918819A/zh
Application granted granted Critical
Publication of CN106918819B publication Critical patent/CN106918819B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种激光雷达点云数据障碍检测算法，其步骤为：获取原始数据并解析、栅格地图投射算法、一级格栅提取、二级格栅建立及信息提取、障碍物判定采用分块领域膨胀便历算法、得出障碍物坐标。通过获取激光点云数据，建立两级栅格地图，首先对悬挂物进行剔除再通过对二级栅格进行八邻域膨胀，遍历一级栅格，分区计算高度差的算法对障碍物进行判定，本发明既保留了栅格法快速稳定的特点，又解决了多个障碍物之间遮挡,断裂以及远处栅格因缺失部分三维点云而出现漏检的问题。

Description

一种激光雷达点云数据障碍检测算法
技术领域
本发明涉及一种激光雷达点云数据障碍检测算法。
背景技术
激光雷达作为一种主动传感器，具有对物体的感知信息来源于自身，受外界环境影响很小，在深度信息的获取上，其可靠性和精确性要高于被动传感器的特点，因而其被广泛应用于环境感知系统。
无人车为高速移动机器人,实时性要求极高。而三维激光雷达的原始数据量过于庞大,如直接在原始数据上进行后续处理,难以达到实时性的要求。故需要一种高效快速的激光雷达点云数据处理算法。
基于栅格地图的表示是目前最常用的一种三维数据的表示方法，这一类方法对于每个栅格都只是保存了部分数据信息。使得需要处理的数据量变小。
栅格障碍检测虽然处理数据的效率比较高，但主要缺点有:由于多个障碍物之间遮挡,断裂以及远处栅格因缺失部分三维点云而出现漏检的问题。
发明内容
针对以上现有技术问题，一种新的激光雷达点云数据障碍检测算法，保证障碍物检测准确性的同时实现高速处理。
具体技术方案如下：
一种激光雷达点云数据障碍检测算法，其步骤为：
(1)获取原始数据并解析；
(2)栅格地图投射算法；
(3)一级栅格信息提取；
(4)二级栅格建立及信息提取；
(5)障碍物判定：采用分块邻域膨胀历便算法；
(6)得出障碍物坐标；
进一步地：障碍物判定分块领域膨胀历便算法的具体步骤为：
(1)建立一级栅格；
(2)将一级栅格投射到二级栅格；
(3)二级栅格进行八邻域膨胀；
(4)计算膨胀后二级格栅的最小高度；
(5)遍及一级栅格，计算一级栅格与所属膨胀二级栅格的高度差；
(6)超过高度阈值的一级栅格属性设为障碍物；
(7)障碍物栅格计算直角坐标系坐标；
进一步地，获取原始数据并解析中：通过实时的数据包，获得多维激光雷达原始数据，每个数据包都包含有每一激光束返回的距离信息和角度信息，定义激光雷达旋转一周输出的数据为一帧数据，经过对原始数据的解析，每个激光雷达点数据包含三维空间位置坐标、垂直角度、水平角度、强度、以及激光线束；
进一步地，一级栅格信息提取包括：建立一级栅格地图grid[(M+1),(N+1)]，栅格大小为G，将直角坐标系下的三维点投射到(M,N)栅格平面上，每个栅格都只是保存了最大高度zmax，最小高度zmin，计算三维点的栅格坐标(i，j)数据信息；
进一步地，计算三维点的栅格坐标(i，j)数据信息的示例性投射算法为：i＝x/G+sign(x)/2+M/2；j＝y/G+sign(y)/2+N/3，此算法表示装载激光雷达的移动载体处于一级栅格中的位置为x方向的中心，y方向的1/3处；
进一步地，统计落在一级栅格内的雷达三维点,对于最小高度zmin超过2.5m的障碍点,视为悬挂障碍物进行剔除。
进一步地，二级栅格建立及信息提取包括：根据一级栅格建立二级栅格地图secgrid[M/3,N/3]，横坐标ii[0,M/3],纵坐标jj[0,N/3]，设置高度阀值T1，遍历一级栅格，对一级栅格所属的二级栅格进行八邻域膨胀，计算膨胀后二级栅格中的最小高度；
进一步地，计算一级栅格的最大高度zmax i，j及所属膨胀二级栅格最小高度templow之间高度差，若zmax i，j－temp low≥T1，则一级栅格属性设为障碍物；
进一步地，栅格属性为障碍物的栅格转化为直角坐标系坐标的算法为：
floatx＝(i-M/2)*G–sign(i-M/2)*G/2
floaty＝(j-N/3)*G–sign(j-N/3)*G/2。
本发明与现有技术相比，具有如下优点和效果：
通过获取激光点云数据，建立两级栅格地图，首先对悬挂物进行剔除再通过对二级栅格进行八邻域膨胀，遍历一级栅格，分区计算高度差的算法对障碍物进行判定。本发明既保留了栅格法快速稳定的特点，又解决了多个障碍物之间遮挡,断裂以及远处栅格因缺失部分三维点云而出现漏检的问题。
附图说明
图1为本发明处理流程示意图
图2为分块邻域膨胀遍历算法处理流程示意图
图3为八邻域膨胀模板
图4为普通栅格算法得出的障碍物示意图(白色1为障碍物属性)
图5为本发明算法得出的障碍物示意图(白色1为障碍物属性)
具体实施方式
以下结合实施例，对本发明进行进一步的详细说明。
通过实时的UDP数据包，获得多维激光雷达原始数据。每个数据包都包含有每一激光束返回的距离信息和角度信息。我们定义激光雷达旋转一周输出的数据为一帧数据。
经过对原始数据的解析，每个激光雷达点数据包含三维空间位置坐标(x,y,z)，垂直角度verAngle，水平角度horAngle，强度intensity，以及激光线束ID。
建立一级栅格地图grid[(M+1),(N+1)]，栅格大小为G。将直角坐标系下的三维点投射到(M,N)栅格平面上。每个栅格都只是保存了最大高度zmax，最小高度zmin。计算三维点的栅格坐标(i，j)(0≤i≤M；0≤j≤N)数据信息，使得需要处理的数据量变小。示例性投射算法：i＝x/G+sign(x)/2+M/2；j＝y/G+sign(y)/2+N/3。
此算法表示装载激光雷达的移动载体处于一级栅格中的位置为x方向的中心，y方向的1/3处。
统计落在一级栅格内的雷达三维点(x,y,z),对于最小高度zmin超过2.5m的障碍点,视为悬挂障碍物进行剔除。
根据一级栅格建立二级栅格地图secgrid[M/3,N/3]，横坐标ii[0,M/3],纵坐标jj[0,N/3]。
设置高度阀值T1，遍历一级栅格，对一级栅格所属的二级栅格进行八邻域膨胀，计算膨胀后二级栅格中的最小高度。计算一级栅格的最大高度zmaxi，j及所属膨胀二级栅格最小高度templow之间高度差。若zmaxi，j-templow≥T1，则一级栅格属性设为障碍物。
分块邻域膨胀遍历算法伪代码为
把栅格属性为障碍物的栅格转化为直角坐标系坐标(floatx，floaty)。算法为：
floatx＝(i-M/2)*G–sign(i-M/2)*G/2
floaty＝(j-N/3)*G–sign(j-N/3)*G/2
上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种改进，或未经改进直接应用于其它场合的，均在本发明的保护范围之内。

Claims (8)

1.一种激光雷达点云数据障碍检测算法，其特征在于：其步骤为：
(1)获取原始数据并解析；
(2)栅格地图投射算法包括：一级栅格信息提取；二级栅格建立及信息提取；
(3)障碍物判定：采用分块邻域膨胀遍历算法；
(4)得出障碍物坐标；
所述的障碍物判定分块邻域膨胀遍历算法的具体步骤为：
(3.1)二级栅格进行八邻域膨胀；
(3.2)计算膨胀后二级格栅的最小高度；
(3.3)遍及一级栅格，计算一级栅格与所属膨胀二级栅格的高度差；
(3.4)超过高度阈值的一级栅格属性设为障碍物；
(3.5)障碍物栅格计算直角坐标系坐标。
2.如权利要求1所述的一种激光雷达点云数据障碍检测算法，所述的步骤(1)具体包括：通过实时的数据包，获得多维激光雷达原始数据，每个数据包都包含有每一激光束返回的距离信息和角度信息，定义激光雷达旋转一周输出的数据为一帧数据，经过对原始数据的解析，每个激光雷达点数据包含三维空间位置坐标、垂直角度、水平角度、强度、以及激光线束ID。
3.如权利要求1所述的一种激光雷达点云数据障碍检测算法，所述一级栅格信息提取包括：
建立一级栅格地图grid[(M+1),(N+1)]，栅格大小为G，将直角坐标系下的三维点(x,y,z)投射到(M,N)栅格平面上，每个栅格都只是保存了最大高度zmax，最小高度zmin，计算三维点的栅格坐标(i，j)数据信息。
4.如权利要求3所述的一种激光雷达点云数据障碍检测算法，所述计算三维点的栅格坐标(i，j)数据信息的投射算法为：i＝x/G+sign(x)/2+M/2；j＝y/G+sign(y)/2+N/3，此算法表示装载激光雷达的移动载体处于一级栅格中的位置为x方向的中心，y方向的1/3处。
5.如权利要求3所述的一种激光雷达点云数据障碍检测算法，统计落在一级栅格内的雷达三维点,对于最小高度zmin超过2.5m的障碍点,视为悬挂障碍物进行剔除。
6.如权利要求1所述的一种激光雷达点云数据障碍检测算法，所述二级栅格建立及信息提取包括：根据一级栅格建立二级栅格地图secgrid[M/3,N/3]，横坐标ii[0,M/3],纵坐标jj[0,N/3]，设置高度阀值T1。
7.如权利要求1所述的一种激光雷达点云数据障碍检测算法，所述的步骤(3.4)具体包括：计算一级栅格的最大高度zmax i，j及所属膨胀二级栅格最小高度templow之间高度差，若zmax i，j-templow≥T1，则一级栅格属性设为障碍物。
8.如权利要求7所述的一种激光雷达点云数据障碍检测算法，其特征在于：把所述的栅格属性为障碍物的栅格转化为直角坐标系坐标的算法为：
x＝(i-M/2)*G–sign(i-M/2)*G/2
y＝(j-N/3)*G–sign(j-N/3)*G/2。
CN201710190925.0A 2017-03-28 2017-03-28 一种激光雷达点云数据障碍检测算法 Active CN106918819B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710190925.0A CN106918819B (zh) 2017-03-28 2017-03-28 一种激光雷达点云数据障碍检测算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710190925.0A CN106918819B (zh) 2017-03-28 2017-03-28 一种激光雷达点云数据障碍检测算法

Publications (2)

Publication Number Publication Date
CN106918819A CN106918819A (zh) 2017-07-04
CN106918819B true CN106918819B (zh) 2019-12-03

Family

ID=59460483

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710190925.0A Active CN106918819B (zh) 2017-03-28 2017-03-28 一种激光雷达点云数据障碍检测算法

Country Status (1)

Country Link
CN (1) CN106918819B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107480638B (zh) * 2017-08-16 2020-06-30 北京京东尚科信息技术有限公司 车辆避障方法、控制器、装置和车辆
CN107748376B (zh) * 2017-09-26 2021-02-02 南京航空航天大学 无人驾驶车辆卫星定位接收机自适应带宽跟踪环设计方法
CN109753982B (zh) * 2017-11-07 2021-09-03 北京京东乾石科技有限公司 障碍点检测方法、装置和计算机可读存储介质
CN108334080B (zh) * 2018-01-18 2021-01-05 大连理工大学 一种针对机器人导航的虚拟墙自动生成方法
CN109001756A (zh) * 2018-05-04 2018-12-14 上海交通大学 基于嵌入式设备的多线激光雷达障碍物检测系统及方法
CN108873013B (zh) * 2018-06-27 2022-07-22 江苏大学 一种采用多线激光雷达的道路可通行区域获取方法
CN109085838A (zh) * 2018-09-05 2018-12-25 南京理工大学 一种基于激光定位的动态障碍物剔除算法
CN109190573B (zh) * 2018-09-12 2021-11-12 阿波罗智能技术(北京)有限公司 应用于无人驾驶车辆的地面检测方法、电子设备、车辆
CN111481109B (zh) * 2019-01-28 2022-08-26 北京奇虎科技有限公司 基于扫地机的地图噪点消除方法及装置
CN110569749B (zh) * 2019-08-22 2021-11-30 江苏徐工工程机械研究院有限公司 一种矿山道路的边界线及可行驶区域检测方法及系统
CN110530368B (zh) * 2019-08-22 2021-06-15 浙江华睿科技有限公司 一种机器人定位方法及设备
CN110503040B (zh) * 2019-08-23 2022-05-27 斯坦德机器人（深圳）有限公司 障碍物检测方法及装置
CN110889831B (zh) * 2019-11-18 2023-08-01 南京和光智能制造研究院有限公司 三维激光集装箱码头轮胎吊障碍物检测和定位方法及系统
CN110889362B (zh) * 2019-11-21 2022-12-20 大连理工大学 一种利用栅格地图高度信息的障碍物检测方法
CN113313803B (zh) * 2021-06-11 2024-04-19 梅卡曼德（北京）机器人科技有限公司 垛型分析方法、装置、计算设备及计算机存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102855322A (zh) * 2012-09-11 2013-01-02 哈尔滨工程大学 一种基于空间探索技术的地图数据存储方法
CN104614729A (zh) * 2014-11-20 2015-05-13 中国林业科学研究院资源信息研究所 一种激光雷达航带高程匹配质量分析方法
CN105404844A (zh) * 2014-09-12 2016-03-16 广州汽车集团股份有限公司 一种基于多线激光雷达的道路边界检测方法
CN106199558A (zh) * 2016-08-18 2016-12-07 宁波傲视智绘光电科技有限公司 障碍物快速检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102855322A (zh) * 2012-09-11 2013-01-02 哈尔滨工程大学 一种基于空间探索技术的地图数据存储方法
CN105404844A (zh) * 2014-09-12 2016-03-16 广州汽车集团股份有限公司 一种基于多线激光雷达的道路边界检测方法
CN104614729A (zh) * 2014-11-20 2015-05-13 中国林业科学研究院资源信息研究所 一种激光雷达航带高程匹配质量分析方法
CN106199558A (zh) * 2016-08-18 2016-12-07 宁波傲视智绘光电科技有限公司 障碍物快速检测方法

Also Published As

Publication number Publication date
CN106918819A (zh) 2017-07-04

Similar Documents

Publication Publication Date Title
CN106918819B (zh) 一种激光雷达点云数据障碍检测算法
WO2021223368A1 (zh) 基于视觉、激光雷达和毫米波雷达的目标检测方法
CN107064955A (zh) 障碍物聚类方法及装置
CN105223583B (zh) 一种基于三维激光雷达的目标车辆航向角计算方法
KR101404655B1 (ko) 레이저 레이더의 3차원 원시 데이터의 고유값 비율을 이용한 송전선 추출 방법
CN103984037B (zh) 基于视觉的移动机器人障碍物检测方法和装置
WO2021016751A1 (zh) 一种点云特征点提取方法、点云传感系统及可移动平台
CN102998679B (zh) 一种应用于无人车的gis数据获取方法
CN106918813B (zh) 一种基于距离统计的三维声纳点云图像增强方法
JP2014067406A (ja) 連続型道路分割体検知方法及び検知装置
JP6524529B2 (ja) 建築限界判定装置
CN104240251A (zh) 一种基于密度分析的多尺度点云噪声检测方法
RU2016145126A (ru) Способ и система обнаружения и сопровождения движущихся объектов на основе данных трехмерного датчика
WO2015098222A1 (ja) 情報処理装置及び情報処理方法及びプログラム
CN105069751A (zh) 一种深度图像缺失数据的插值方法
CN105606123B (zh) 一种低空航空摄影测量自动纠正数字地面高程模型的方法
KR20180059188A (ko) 딥 러닝을 이용한 동적 장애물이 없는 배경 위주의 3차원 지도 생성 방법
CN105913488A (zh) 一种基于三维映射表的三维点云快速重建方法
WO2022213218A8 (en) System and method for vegetation detection from aerial photogrammetric multispectral data
Chu et al. Fast point cloud segmentation based on flood-fill algorithm
CN114660568A (zh) 一种激光雷达障碍物检测方法及装置
CN109101892A (zh) 基于栅格和密度聚类算法的激光雷达目标物检测方法
CN114676789A (zh) 一种点云融合方法、装置、计算机设备和存储介质
CN107657621B (zh) 基于线性区域生长的二维激光点云序列实时分割方法
CN111273316B (zh) 一种基于剖面展开融合的多激光雷达多视点对象检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220215

Address after: 241009 Wuhu economic and Technological Development Zone, Anshan, Wuhu, Anhui

Patentee after: Wuhu Sambalion auto technology Co.,Ltd.

Address before: 241009 No. 8, Changchun Road, Wuhu economic and Technological Development Zone, Anhui, China

Patentee before: CHERY AUTOMOBILE Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240409

Address after: 241000 10th Floor, Block B1, Wanjiang Wealth Plaza, Guandou Street, Jiujiang District, Wuhu City, Anhui Province

Patentee after: Dazhuo Intelligent Technology Co.,Ltd.

Country or region after: China

Patentee after: Dazhuo Quxing Intelligent Technology (Shanghai) Co.,Ltd.

Address before: 241009 Wuhu economic and Technological Development Zone, Anshan, Wuhu, Anhui

Patentee before: Wuhu Sambalion auto technology Co.,Ltd.

Country or region before: China