CN108873013B - 一种采用多线激光雷达的道路可通行区域获取方法 - Google Patents
一种采用多线激光雷达的道路可通行区域获取方法 Download PDFInfo
- Publication number
- CN108873013B CN108873013B CN201810674683.7A CN201810674683A CN108873013B CN 108873013 B CN108873013 B CN 108873013B CN 201810674683 A CN201810674683 A CN 201810674683A CN 108873013 B CN108873013 B CN 108873013B
- Authority
- CN
- China
- Prior art keywords
- height
- plane
- grid
- intensity
- plane block
- 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
Links
Images
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
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)
- Traffic Control Systems (AREA)
- Navigation (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种采用多线激光雷达的道路可通行区域获取方法,将单个栅格中点云按照高度进行排序,分割平面块,得到平面块高度特征以及强度特征,求解最底层表面块高度均值,由高度均值及平面强度判断将平面块分为地面或障碍物,最终获取道路可通行区域。本发明可解决激光雷达道路环境感知中障碍物、非障碍物、路面等道路环境元素感知判断不准确的问题,具有计算量小、实时性高的优点。
Description
技术领域
本发明属于电子信息、自动化领域,面向行业为无人驾驶车辆、智能交通系统、智能农机等行业。
背景技术
自动驾驶车辆又称无人驾驶汽车、电脑驾驶汽车或轮式移动机器人,是一种通过电脑系统实现无人驾驶的智能汽车。在20世纪已有数十年的历史,21世纪初呈现出接近实用化的趋势。自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,让电脑可以在没有任何人类主动的操作下,自动安全地操作机动车辆。
准确的道路环境感知是自动驾驶车辆功能得以实现的基础。目前,多线激光雷达已经越来越普遍的用于自动驾驶汽车,成为必不可少的环境感知传感器之一。多线激光雷达发射多线激光束,激光束遇到地面、障碍物等反射物体产生反射,通过对反射回的激光点云进行处理,获取反射物的空间信息,即可对周边道路环境进行感知。将多线激光雷达安装于自动驾驶车辆上,并对采用多线激光雷达返回的点云数据进行处理,准确的获得车辆前后及周边可通行区域,一直以来是激光雷达感知的重要任务之一。
目前,面向多线激光雷达数据,采用栅格投影的方法因为其计算量小,实时性好的原因,最为主流。但是,现有方法也存在易受悬挂障碍物干扰、地面区域误检较多的缺点。
发明内容
针对现有技术中存在的问题,本发明提出了一种采用多线激光雷达的道路可通行区域获取方法,可解决激光雷达道路环境感知中障碍物、非障碍物、路面等道路环境元素感知判断不准确的问题,且具有计算量小、实时性高的优点。
一种采用多线激光雷达的道路可通行区域获取方法,包括以下步骤:
步骤1),设置栅格
将激光雷达接收到的点云,根据x、y轴坐标向栅格平面进行投影,使得栅格的单元格内包含一系列点云数据,点云中的每一个激光返射点均包含有三维坐标及强度信息(xp,yp,zp,Ip),其中,xp、yp、zp是单个激光返射点的世界坐标系下坐标,Ip是返射点的反射强度。
步骤2),栅格点云分割
首先将位于同一个栅格内的激光反射点按照高度从小到大进行排序,得到了同一个栅格内的数据点列表ListP ij,ij为栅格坐标;以排序后相邻两数据点在垂直高度间隔的大小为判据,判断两点是否属于同一个障碍物;以两点间隔高度阈值HT为依据判断两点分属不同的平面块,遍历整个栅格,分割所有的平面块;
步骤3),地面层检测
对于每个栅格ij,提取最下层的平面块P1,计算高度差ΔH,根据高度差ΔH及平面强度判断该平面块为障碍物或是地面:当ΔH>b时,认为此平面块为障碍物;a<ΔH<b时,单纯依靠高度特征难以判定该平面块为障碍物或是地面,需要引入强度特征,强度特征包括强度均值MeanIk、强度方差σk,强度均值在阈值MeanIa、MeanIb之间且强度方差小于方差阈值VarIt时,判定此平面块为地面平面块,否则是障碍物或悬挂物平面块;ΔH<a时,认为此平面块为地面,a、b分别是高度阈值;栅格ij中的每个平面块Pk,都包含有如下特征:点云最大高度MaxHk、最小高度MinHk、高度均值MeanHk、强度均值MeanIk、强度方差σk,最大高度MaxHk、最小高度MinHk、高度均值MeanHk表征了平面块内点云的几何特征,强度均值MeanIk、强度方差σk表征了点云的反射强度特征。
步骤4),障碍物层及悬挂层检测
在判断并得到所有地面层平面块后,计算其中所有激光反射点高度的平均值获取地面层的高度HG,由公式HF=HG+HV+HS计算悬挂物体层高度HF,判定高度均值在HG至HF之间的平面块为障碍物层,而大于HF的平面块为悬挂层;HV为无人驾驶车辆高度,包括了车辆本体高度以及车顶激光雷达的高度,HS为设定的车辆行驶中障碍物离车顶的安全高度。
步骤5),道路可通行区域获取
所有不含有障碍物层平面块的栅格即为可通行区域。
本发明的有益效果为:
本发明提出了一种多特征多分层的道路可通行区域获取方法,通过栅格地图多特征提取,多阈值判断,将道路环境准确的分类为地面层、障碍物层和悬挂层;可解决激光雷达道路环境感知中障碍物、非障碍物、路面等道路环境元素感知判断不准确的问题,具有计算量小、实时性高的优点。
附图说明
图1为点云分层示意图;
图2为可通行区域栅格示意图;
图3为本发明总流程图。
具体实施方式
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
如图3所示,本发明的具体步骤如下:
1)设置栅格
令栅格地图大小为320x 160,单个栅格大小为20cm x 20cm,整个地图包含了车前方48米以内、左右各16米以内、后方16米以内的矩形范围;将激光雷达接收到的点云根据x、y轴坐标向栅格平面进行投影,使得栅格的单元格内包含有一系列的点云数据;点云中的每一个激光返射点都包含有三维坐标及强度信息(xp,yp,zp,Ip),其中,xp、yp、zp是单个激光返回点的世界坐标系下坐标,Ip是返射点的反射强度。
2)栅格点云分割
首先将位于同一个栅格内的激光反射点按照z轴高度从小到大进行排序,得到了同一个栅格内的数据点列表ListP ij,ij为栅格坐标;以排序后相邻两数据点在垂直高度间隔的大小为判据,判断两点是否属于同一个障碍物;设定两点间隔高度阈值HT,当上点与下点的间隔大于间隔高度阈值HT时,这两点分属不同的平面块;遍历整个栅格图,分割所有的平面块,并设所分割出的平面块从低到高依次为P1,P2,…,Pk,Pk+1,如图1所示;本实施例中,HT的大小按照激光雷达线束多少设置,以64线激光雷达为例,HT设为20厘米。
对于栅格ij中的每个平面块Pk,都包含有如下特征:点云最大高度MaxHk、最小高度MinHk、高度均值MeanHk、强度均值MeanIk、强度方差σk五个特征,其中最大高度MaxHk、最小高度MinHk、高度均值MeanHk表征了平面块内点云的几何特征,强度均值MeanIk、强度方差σk表征了点云的反射强度特征。
3)地面层检测
对于每个栅格ij,提取最下层的平面块P1,计算最大、最小高度差ΔH=MaxHk-MinHk,当ΔH>b时,认为此平面块为障碍物;a<ΔH<b时,单纯依靠高度特征难以判定该平面块为障碍物或是地面,需要引入强度特征;ΔH<a时,认为此平面块为地面。a的取值较小,同时b的取值较大,这是因为当高度差在a与b之间时,比较有可能出现的是坡度较大的路面或是垂直高度较小的物体,本实施例中,a、b取值分别为3厘米和10厘米。
通过统计发现,无论是车辆还是行人,由于物体表面材料及颜色不统一,障碍物表面强度分布比较散乱,导致强度方差比较大;路面属性比较单一,强度分布比较规律,方差较小,所以通过强度均值以及强度方差来判定平面块,有较高的准确性。平面块强度均值在强度均值阈值MeanIa、MeanIb之间,强度方差小于方差阈值VarIt时,判定此平面块为路面平面块。本实施例中,强度均值阈值MeanIa、MeanIb设为50和130,强度方差阈值设为VarIt设为300。
4)障碍物层及悬挂层检测
在判断并得到所有地面层平面块后,对其中所有激光反射点的高度进行平均值计算,即得到地面层的高度HG;
在得到地面层的高度HG之后,接着通过地面层高度来计算悬挂物体层高度HF,
HF=HG+HV+HS
其中:HV为无人驾驶车辆高度,包括了车辆本体高度以及车顶激光雷达的高度,HS为设定的车辆行驶中障碍物离车顶的安全高度。本实施例中,取无人驾驶车辆高度HV为1.73米,安全高度HS为0.3米。判定在高度HG至HF中的平面块为障碍物层,也就是车辆行驶区域中障碍物区域的高度范围,而大于HF的平面块为悬挂层。
5)道路可通行区域获取
对于步骤1)中的320x 160栅格地图,所有不含有障碍物层平面块的栅格即为可通行区域。可通行区域栅格示意图如图2所示。
以上实施例仅用于说明本发明的设计思想和特点,其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施,本发明的保护范围不限于上述实施例。所以,凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰,均在本发明的保护范围之内。
Claims (5)
1.一种采用多线激光雷达的道路可通行区域获取方法,其特征在于,包括以下步骤:
步骤1),设置栅格;
步骤2),栅格点云分割
首先将位于同一个栅格内的激光反射点按照高度从小到大进行排序,得到了同一个栅格内的数据点列表ListP ij,ij为栅格坐标;以排序后相邻两数据点在垂直高度间隔的大小为判据,判断两点是否属于同一个障碍物;以两点间隔高度阈值HT为依据判断两点分属不同的平面块,遍历整个栅格,分割所有的平面块;
步骤3),地面层检测
对于每个栅格ij,提取最下层的平面块P1,计算高度差ΔH,根据高度差ΔH及平面强度判断该平面块为障碍物或是地面;
对于栅格ij中的每个平面块Pk,都包含有如下特征:点云最大高度MaxHk、最小高度MinHk、高度均值MeanHk、强度均值MeanIk、强度方差σk,最大高度MaxHk、最小高度MinHk、高度均值MeanHk表征了平面块内点云的几何特征,强度均值MeanIk、强度方差σk表征了点云的反射强度特征;强度均值在阈值MeanIa、MeanIb之间且强度方差小于方差阈值VarIt时,判定此平面块为地面平面块;否则是障碍物或悬挂物平面块;
步骤4),障碍物层及悬挂层检测
获取地面层的高度HG、悬挂物体层高度HF,判定高度均值在HG至HF之间的平面块为障碍物层,而大于HF的平面块为悬挂层;
步骤5),道路可通行区域获取
所有不含有障碍物层平面块的栅格即为可通行区域。
2.如权利要求1所述的一种采用多线激光雷达的道路可通行区域获取方法,其特征在于,所述步骤1)具体为:将激光雷达接收到的点云,根据x、y轴坐标向栅格平面进行投影,使得栅格的单元格内包含一系列点云数据,点云中的每一个激光返射点均包含有三维坐标及强度信息(xp,yp,zp,Ip),其中,xp、yp、zp是单个激光返射点的世界坐标系下坐标,Ip是返射点的反射强度。
3.如权利要求1所述的一种采用多线激光雷达的道路可通行区域获取方法,其特征在于,所述步骤3)中判断平面块为障碍物或地面的具体过程为:当ΔH>b时,认为此平面块为障碍物;a<ΔH<b时,单纯依靠高度特征难以判定该平面块为障碍物或是地面,需要引入强度特征;ΔH<a时,认为此平面块为地面,a、b分别是高度阈值。
4.如权利要求1所述的一种采用多线激光雷达的道路可通行区域获取方法,其特征在于,所述地面层的高度HG的获取方法为:在判断并得到所有地面层平面块后,计算其中所有激光反射点高度的平均值。
5.如权利要求4所述的一种采用多线激光雷达的道路可通行区域获取方法,其特征在于,所述悬挂物体层高度HF=HG+HV+HS,其中:HV为无人驾驶车辆高度,包括了车辆本体高度以及车顶激光雷达的高度,HS为设定的车辆行驶中障碍物离车顶的安全高度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810674683.7A CN108873013B (zh) | 2018-06-27 | 2018-06-27 | 一种采用多线激光雷达的道路可通行区域获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810674683.7A CN108873013B (zh) | 2018-06-27 | 2018-06-27 | 一种采用多线激光雷达的道路可通行区域获取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108873013A CN108873013A (zh) | 2018-11-23 |
CN108873013B true CN108873013B (zh) | 2022-07-22 |
Family
ID=64295877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810674683.7A Active CN108873013B (zh) | 2018-06-27 | 2018-06-27 | 一种采用多线激光雷达的道路可通行区域获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108873013B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109635700B (zh) * | 2018-12-05 | 2023-08-08 | 深圳市易成自动驾驶技术有限公司 | 障碍物识别方法、设备、系统及存储介质 |
CN111767761A (zh) * | 2019-04-01 | 2020-10-13 | 北京地平线机器人技术研发有限公司 | 可移动设备的行驶区域的确定方法、确定装置及电子设备 |
CN110045376B (zh) * | 2019-04-28 | 2021-06-01 | 森思泰克河北科技有限公司 | 可行驶区域获取方法、计算机可读存储介质及终端设备 |
CN112433198B (zh) * | 2019-08-24 | 2022-04-12 | 苏州寻迹智行机器人技术有限公司 | 一种从激光雷达的三维点云数据中提取平面的方法 |
CN110865394A (zh) * | 2019-09-24 | 2020-03-06 | 中国船舶重工集团公司第七0七研究所 | 一种基于激光雷达数据的目标分类系统及其数据处理方法 |
CN113366532B (zh) * | 2019-12-30 | 2023-03-21 | 深圳元戎启行科技有限公司 | 基于点云的分割处理方法、装置、计算机设备和存储介质 |
CN111208530B (zh) * | 2020-01-15 | 2022-06-17 | 北京四维图新科技股份有限公司 | 定位图层生成方法、装置、高精度地图及设备 |
CN115151954A (zh) * | 2020-02-29 | 2022-10-04 | 华为技术有限公司 | 可行驶区域检测的方法和装置 |
CN111427059B (zh) * | 2020-03-20 | 2022-02-11 | 燕山大学 | 一种车前地形检测方法及系统 |
CN111652060B (zh) * | 2020-04-27 | 2024-04-19 | 宁波吉利汽车研究开发有限公司 | 一种基于激光雷达的限高预警方法、装置、电子设备及存储介质 |
CN112578405B (zh) * | 2020-10-29 | 2023-03-10 | 上汽大众汽车有限公司 | 一种基于激光雷达点云数据去除地面的方法及系统 |
CN114387585B (zh) * | 2022-03-22 | 2022-07-05 | 新石器慧通(北京)科技有限公司 | 障碍物检测方法、检测装置及行驶装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102564431A (zh) * | 2011-11-14 | 2012-07-11 | 南京理工大学 | 基于多传感器融合的非结构化环境理解方法 |
CN104931977A (zh) * | 2015-06-11 | 2015-09-23 | 同济大学 | 一种用于智能车辆的障碍物识别方法 |
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 |
CN106681318A (zh) * | 2016-12-09 | 2017-05-17 | 重庆长安汽车股份有限公司 | 自动驾驶中车道线检测短暂丢失的车辆安全控制系统及方法 |
CN106918819A (zh) * | 2017-03-28 | 2017-07-04 | 奇瑞汽车股份有限公司 | 一种激光雷达点云数据障碍检测算法 |
CN107161141A (zh) * | 2017-03-08 | 2017-09-15 | 深圳市速腾聚创科技有限公司 | 无人驾驶汽车系统及汽车 |
CN109858460A (zh) * | 2019-02-20 | 2019-06-07 | 重庆邮电大学 | 一种基于三维激光雷达的车道线检测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105224908A (zh) * | 2014-07-01 | 2016-01-06 | 北京四维图新科技股份有限公司 | 一种基于正射投影的道路标线采集方法及装置 |
CN105404844B (zh) * | 2014-09-12 | 2019-05-31 | 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 |
US11247522B2 (en) * | 2016-10-27 | 2022-02-15 | Robotic Research Opco, Llc | Vehicle capable of multiple varieties of locomotion |
CN106650640B (zh) * | 2016-12-05 | 2020-03-03 | 浙江大学 | 一种基于激光雷达点云局部结构特征的负障碍物检测方法 |
-
2018
- 2018-06-27 CN CN201810674683.7A patent/CN108873013B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102564431A (zh) * | 2011-11-14 | 2012-07-11 | 南京理工大学 | 基于多传感器融合的非结构化环境理解方法 |
CN104931977A (zh) * | 2015-06-11 | 2015-09-23 | 同济大学 | 一种用于智能车辆的障碍物识别方法 |
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 |
CN106681318A (zh) * | 2016-12-09 | 2017-05-17 | 重庆长安汽车股份有限公司 | 自动驾驶中车道线检测短暂丢失的车辆安全控制系统及方法 |
CN107161141A (zh) * | 2017-03-08 | 2017-09-15 | 深圳市速腾聚创科技有限公司 | 无人驾驶汽车系统及汽车 |
CN106918819A (zh) * | 2017-03-28 | 2017-07-04 | 奇瑞汽车股份有限公司 | 一种激光雷达点云数据障碍检测算法 |
CN109858460A (zh) * | 2019-02-20 | 2019-06-07 | 重庆邮电大学 | 一种基于三维激光雷达的车道线检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108873013A (zh) | 2018-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108873013B (zh) | 一种采用多线激光雷达的道路可通行区域获取方法 | |
CN110320504B (zh) | 一种基于激光雷达点云统计几何模型的非结构化道路检测方法 | |
CN109858460B (zh) | 一种基于三维激光雷达的车道线检测方法 | |
CN105184852B (zh) | 一种基于激光点云的城市道路识别方法及装置 | |
CN110674705B (zh) | 基于多线激光雷达的小型障碍物检测方法及装置 | |
CN110705458B (zh) | 边界检测方法及装置 | |
CN111551958A (zh) | 一种面向矿区无人驾驶的高精地图制作方法 | |
CN110780305A (zh) | 一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法 | |
CN109031346A (zh) | 一种基于3d激光雷达的周边泊车位辅助检测方法 | |
Guo et al. | Graph-based 2D road representation of 3D point clouds for intelligent vehicles | |
US20140297092A1 (en) | Intensity map-based localization with adaptive thresholding | |
CN111325138B (zh) | 一种基于点云局部凹凸特征的道路边界实时检测方法 | |
US10286901B2 (en) | Map of the surroundings for driving areas with random altitude profile | |
CN111537994A (zh) | 一种无人矿卡障碍物检测方法 | |
JP7046218B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN109597097A (zh) | 基于多线激光的扫描式障碍物检测方法 | |
CN115342821A (zh) | 一种复杂未知环境下的无人车导航代价地图构建方法 | |
CN114821526A (zh) | 基于4d毫米波雷达点云的障碍物三维边框检测方法 | |
CN110554409A (zh) | 一种凹障碍物检测方法及系统 | |
CN113734176A (zh) | 智能驾驶车辆的环境感知系统、方法、车辆及存储介质 | |
CN114419573A (zh) | 动态占据栅格估计方法及装置 | |
CN115373402A (zh) | 一种装载机行驶控制方法、装置、设备及存储介质 | |
CN115421160A (zh) | 路沿检测方法、装置、设备、车辆及存储介质 | |
CN115880946B (zh) | 一种跟车警报方法、装置、设备及存储介质 | |
CN111414848B (zh) | 一种全类别3d障碍物检测方法、系统和介质 |
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 |