CN109471130A - 一种用于野外环境无人驾驶的正负障碍物检测方法 - Google Patents
一种用于野外环境无人驾驶的正负障碍物检测方法 Download PDFInfo
- Publication number
- CN109471130A CN109471130A CN201811400586.5A CN201811400586A CN109471130A CN 109471130 A CN109471130 A CN 109471130A CN 201811400586 A CN201811400586 A CN 201811400586A CN 109471130 A CN109471130 A CN 109471130A
- Authority
- CN
- China
- Prior art keywords
- positive
- negative
- obstacle
- radar
- barrier
- 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.)
- Pending
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
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)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
一种用于野外环境无人驾驶的正负障碍物检测方法,其步骤为把多线激光雷达安装在无人驾驶汽车的车头;对雷达进行标定,计算出雷达坐标系与车体坐标系之间的矩阵关系R;建立在侧向安装雷达每条扫描线下的正负障碍物模型;建立正负障碍物全局地图;根据正负障碍物模型对雷达扫描线进行模型匹配,获得每条扫描线上正负障碍物位置,然后根据权重更新正负障碍物全局地图;根据位姿关系把全局地图分别投影到车体坐标系下,得到当前时刻正障碍局部图PLM和负障碍局部图NLM;对PLM和NLM分别寻找峰值,通过阈值分割得到对应的正负障碍物位置;输出正负障碍物信息。本发明克服多个激光雷达不能同步的问题,实现正负障碍物的同时检测。
Description
技术领域
本发明主要涉及到无人驾驶汽车障碍检测技术领域,具体的说是一种利用侧向安装在车辆前方的多线激光雷达实现野外环境下的正负障碍物实时检测方法。
背景技术
无人驾驶汽车是一种智能汽车,主要通过车载传感器检测出车辆前方的障碍物,规划出安全的行驶路线,控制车辆绕开危险区域进行自主驾驶。结构化环境下的障碍物检测算法被广泛研究,也相对比较成熟,一般都是首先假设了大地平面,然后利用相机或者雷达检测出高于地面的物体。野外环境往往地势起伏不平,因此不能假设大地平面,而且高低起伏的路面导致传感器对障碍物的视角会发生变化,所以其障碍物检测远比在结构化环境下的障碍物检测困难很多。另外,对于在野外环境下自主驾驶的无人汽车而言,威胁其安全的不仅有高出地面的正障碍物,还有低于地面的负障碍物,如壕沟、水坑、土坑等,负障碍更加隐蔽,更加不容易被发现,对无人汽车造成的威胁也更大。
检测出正负障碍物是工作在野外环境下的无人驾驶汽车必须具备的能力,如何更加准确、更远距离、更快速度发现车辆前方的正负障碍物,对无人驾驶汽车的性能和无人驾驶汽车的应用推广具有决定性意义。
正障碍检测方法一直被广泛而深入的研究,如专利申请号为CN102756730A的专利提出了一种基于雷达传感器的正障碍检测方法,而专利申请号为CN102682455A的专利提出了一种基于单目相机的正障碍检测方法等。一般而言,目前的研究者都是利用不同类型的传感器,相机或者雷达,或者他们的组合来实现正障碍物的检测。
由于负障碍具有较高的隐蔽性,目前对其检测的方法并不多,文献《基于双多线激光雷达的非结构化环境负障碍感知技术》利用双多线激光雷达进行同步采集与实时处理,从点云数据提取负障碍几何特征,将特征点对聚类并过滤,然后识别出负障碍。该方法中多线激光雷达在越野环境车辆颠簸情况下的同步采集本身就是一个工程领域内的技术难题,并不能很好的在工程中实现。
另外,现有的方法主要用于野外环境下的正障碍检测,或者负障碍检测,目前还没有一种公开的方法,能够同时实现野外环境下的正负障碍物检测。因此,基于同样的框架同时实现野外环境下的正负障碍物检测,必然能够为无人驾驶汽车在越野环境下的应用推广带来重大的经济利益。
发明内容
本发明要解决的技术问题是针对现有技术不能很好同时检测野外环境下的正负障碍的技术问题,通过一个检测算法框架,克服多个激光雷达不能同步的问题,实现正负障碍物的同时检测。为解决上述技术问题,本发明采用以下技术方案:
一种用于野外环境无人驾驶的正负障碍物检测方法,其特征在于步骤为:
(1)把M个多线激光雷达侧向安装在无人驾驶汽车的车头,M≥1;
(2)对安装好的多线激光雷达进行标定,计算出雷达坐标系与车体坐标系之间的变换矩阵R;
(3)建立侧向安装激光雷达每条扫描线下的正负障碍物模型;
(4)建立正负障碍物全局地图PGM和NGM;
(5)根据步骤(3)建立的模型,对第i台,即i∈{1,M},雷达的第j条,即j∈{1,N}N表示N线激光雷达,扫描线进行特征匹配,得到潜在的正障碍PLij和负障碍NLij;
(6)根据该时刻记录的车体位姿信息,把检测到的正障碍PLij和负障碍NLij分别投影到全局地图PGM和NGM,根据权重更新全局地图PGM和NGM;
(7)根据当前车体位姿关系把全局地图PGM和NGM分别投影到当前车体坐标系下,得到正障碍局部图PLM和负障碍局部图NLM;
(8)对正障碍局部图PLM和和负障碍局部图NLM中分别寻找峰值,通过阈值分割得到对应的正负障碍物位置;
(9)输出正负障碍物信息。
作为本发明的进一步改进:
本方法中的所述步骤四,在投影的同时更新全局障碍物地图PGM和NGM,更新过程采用衰减法,衰减系数δ=0.05;
本方法对于每条激光雷达扫描线检测出的潜在障碍物结果分别根据该时刻车体位姿关系投影到全局地图PGM和NGM中进行累积,因此不存在多台雷达之间的时间同步匹配问题,也对每台多线激光雷达的线数没有约束,所以本方法理论上对激光雷达的数量和扫描线数都没有约束,根据需要,可以安装一个或多个多线雷达。
与现有技术相比,本发明的优点在于:
本发明的正负障碍物检测方法,基于同一个算法框架下能够同时检测正障碍物和负障碍物;由于没有假设大地平面,因此不仅能够在结构化道路使用,更是从原理上决定了其能够在颠簸不平的野外环境中使用;同时理论上对雷达的线数和雷达的个数都没有约束。
附图说明
图1是本发明的流程示意图;
图2是单条扫描线下的正负障碍物特征模板示意图;
图3是不同数量的激光雷达安装及视野示意图。
具体实施方式
以下将结合说明书附图和具体实施例对本发明做进一步详细说明。
以两台激光雷达为例进行说明。两台激光雷达被侧向安装于车辆前方的两侧,每条激光侧向进行扫描,附图2(a)显示了多线激光雷达竖直安装(左侧图示)和侧向安装(右侧图示)情况下每条扫描线的扫描效果示意图。
步骤1:首先需要对侧向安装的雷达进行标定,建立雷达坐标系与车体坐标系之间的
变换矩阵R;
步骤2:建立正负障碍物在该侧向安装激光雷达的每条扫描线下的障碍物模型;其模型的建立如附图2所示。附图2(b)是雷达的一条扫描线扫在车辆前方正障碍物上时的特征,附图2(c)是雷达的一条扫描线扫在车辆前方负障碍物上时的特征。由于总所周知的工艺制作原因,目前市面上所有的多线激光雷达,都是线与线之间的角度比较大,而同一条扫描线上两点之间的角度比较小,是线与线之间角度的十分之一左右;因此,雷达扫描在同一个障碍物上的P1,P2,P3,P4四个点,如附图2(b)和附图2(c)所示,对于侧向安装的雷达,实际上是由同一条扫描线产生,而对于竖直安装的雷达,却由相邻四条扫描线产生。该差异之处导致了侧向安装的雷达检测障碍物的精度比竖直安装时高一个数量级。
通过上述分析,已经明确本发明中的正负障碍物检测都是由每条扫描线获得,因此,对每条扫描线下的正负障碍物特征进行分析。车辆前方存在典型的正障碍和负障碍时,雷达扫描线的特征现象如附图2(d)—附图2(g)所示。附图2(d)和附图2(e)分别显示了车辆前方存在正障碍和负障碍时一条扫描线下所有扫描点的分布情况,附图2(f)和附图2(g)分别显示了对应的障碍物宽度特征和高度特征,本发明通过对这些不同尺寸、不同距离下的障碍物特征进行统计,建立障碍物特征模板,供后续障碍物检测使用;
步骤3:建立正障碍物全局地图PGM和负障碍物全局地图NGM,该图可以以车辆启动点为原点,也可以以方便计算的点为原点,该图用于累积所有潜在的障碍物信息;
步骤4:在任意时刻t,得到第i台,i∈{1,M},激光雷达第j条,j∈{1,N},N表示N线激光雷达,扫描线的数据,根据事先生成的正负障碍物特征模板,对数据进行匹配,得到该条扫描线下潜在的障碍物位置,即正障碍PLij和负障碍NLij;
步骤5:在该时刻t得到雷达的扫描数据的同时,通过车上的位姿传感器获得该时刻车体位姿信息,从而把步骤4中得到的第j条扫描线检测出的潜在障碍物投影到对应的全局障碍物地图PGM和NGM中,在投影的同时更新全局障碍物地图PGM和NGM,更新过程采用衰减法,衰减系数δ=0.05;
步骤6:对于任意时刻k,通过车上的位姿传感器获得该时刻车体位姿信息,从而可以把全局障碍物地图PGM和NGM投影到当前车体坐标系下,得到车辆前方的局部障碍物图PLM和NLM;
步骤7:在正障碍局部图PLM和负障碍局部图NLM中分别寻找峰值,通过阈值分割得到对应的正负障碍物位置;
通过以上步骤,就能够利用两台侧向安装的多线激光雷达在一个算法框架下同时实现正负障碍物检测。该方法既可应用于一台多线激光雷达,也适用于多台多线激光雷达。
由上可知,本发明正是根据多线激光雷达侧向安装、雷达扫描线的正负障碍物特征模板、全局地图维护和局部地图检测等一系列特点,提出了一种用于野外环境无人驾驶领域的正负障碍物检测方法,该方法能够同时检测正负障碍检测,且能够同时适用于结构化环境和野外颠簸起伏的环境;该方法对雷达的数量没有限制,既可以应用于一台雷达,也可以应用于多台雷达,其安装和视野范围如附图3所示,附图3(a)为一台激光雷达测向安装及其视野范围示意图,附图3(b)为两台激光雷达测向安装及其视野范围示意图,附图3(c)为三台激光雷达测向安装及其视野范围示意图;该方法对雷达侧向安装的角度也没有限制,对雷达的扫描线数也没有限制,因此使用非常灵活,应用场景也比较广泛。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种用于野外环境无人驾驶领域的正负障碍物检测方法,其特征在于步骤为:
(1)把M个多线激光雷达侧向安装在无人驾驶汽车的车头,M≥1个;
(2)对安装好的多线激光雷达进行标定,计算出雷达坐标系与车体坐标系之间的变换矩阵R;
(3)建立在侧向安装激光雷达每条扫描线下的正负障碍物模型;
(4)建立正负障碍物全局地图PGM和NGM;
(5)根据步骤(3)建立的模型,对第i台,即i∈{1,M},雷达的第j条,即j∈{1,N},N表示N线激光雷达,扫描线进行特征匹配,得到潜在的正障碍PLij和负障碍NLij;
(6)根据该时刻记录的雷达位姿信息,把正障碍PLij和负障碍NLij分别投影到全局地图PGM和NGM,根据权重更新全局地图PGM和NGM;
(7)根据位姿关系把全局地图PGM和NGM分别投影到当前车体坐标系下,得到正障碍局部图PLM和负障碍局部图NLM;
(8)对正障碍局部图PLM和和负障碍局部图NLM中分别寻找峰值,通过阈值分割得到对应的正负障碍物位置;
(9)输出正负障碍物信息。
2.如权利要求1所述的用于野外环境无人驾驶领域的正负障碍物检测方法,其特征在于步骤四所述障碍物全局地图PGM和NGM,更新过程采用衰减法,衰减系数δ=0.05。
3.如权利要求1-2中任意一项所述的用于野外环境无人驾驶领域的正负障碍物检测方法,其特征在于将一个或多个多线雷达安装在无人驾驶汽车的车头上。
4.如权利要求1-3中任意一项所述的用于野外环境无人驾驶领域的正负障碍物检测方法,其特征在于在同一个算法框架下同时实现正负障碍物检测功能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811400586.5A CN109471130A (zh) | 2018-11-22 | 2018-11-22 | 一种用于野外环境无人驾驶的正负障碍物检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811400586.5A CN109471130A (zh) | 2018-11-22 | 2018-11-22 | 一种用于野外环境无人驾驶的正负障碍物检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109471130A true CN109471130A (zh) | 2019-03-15 |
Family
ID=65673230
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811400586.5A Pending CN109471130A (zh) | 2018-11-22 | 2018-11-22 | 一种用于野外环境无人驾驶的正负障碍物检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109471130A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110554409A (zh) * | 2019-08-30 | 2019-12-10 | 江苏徐工工程机械研究院有限公司 | 一种凹障碍物检测方法及系统 |
CN111708033A (zh) * | 2020-06-17 | 2020-09-25 | 北京百度网讯科技有限公司 | 坐标系标定方法、装置、电子设备及存储介质 |
CN113589324A (zh) * | 2021-07-26 | 2021-11-02 | 北京理工大学 | 基于激光雷达的无人车坡度识别方法、系统及存储介质 |
WO2021226981A1 (en) * | 2020-05-15 | 2021-11-18 | Baidu.Com Times Technology (Beijing) Co., Ltd. | A detector for point cloud fusion |
JP2022546791A (ja) * | 2020-09-16 | 2022-11-09 | シャンハイ センスタイム リンガン インテリジェント テクノロジー カンパニー リミテッド | レーダーを設定する方法、装置、電子機器及び記憶媒体 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682455A (zh) * | 2012-05-10 | 2012-09-19 | 天津工业大学 | 一种基于单目视觉的前方车辆检测方法 |
CN105517664A (zh) * | 2014-05-30 | 2016-04-20 | 深圳市大疆创新科技有限公司 | 无人飞行器对接系统及方法 |
CN107966700A (zh) * | 2017-11-20 | 2018-04-27 | 天津大学 | 一种用于无人驾驶汽车的前方障碍物检测系统及方法 |
CN108073168A (zh) * | 2016-11-09 | 2018-05-25 | 百度(美国)有限责任公司 | 对自主驾驶车辆进行决策的评估体系 |
CN108139799A (zh) * | 2016-04-22 | 2018-06-08 | 深圳市大疆创新科技有限公司 | 基于用户的兴趣区(roi)处理图像数据的系统和方法 |
-
2018
- 2018-11-22 CN CN201811400586.5A patent/CN109471130A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682455A (zh) * | 2012-05-10 | 2012-09-19 | 天津工业大学 | 一种基于单目视觉的前方车辆检测方法 |
CN105517664A (zh) * | 2014-05-30 | 2016-04-20 | 深圳市大疆创新科技有限公司 | 无人飞行器对接系统及方法 |
CN108139799A (zh) * | 2016-04-22 | 2018-06-08 | 深圳市大疆创新科技有限公司 | 基于用户的兴趣区(roi)处理图像数据的系统和方法 |
CN108073168A (zh) * | 2016-11-09 | 2018-05-25 | 百度(美国)有限责任公司 | 对自主驾驶车辆进行决策的评估体系 |
CN107966700A (zh) * | 2017-11-20 | 2018-04-27 | 天津大学 | 一种用于无人驾驶汽车的前方障碍物检测系统及方法 |
Non-Patent Citations (2)
Title |
---|
ERKE SHANG ET.AL: "《LiDAR based negative obstacle detection for field autonomous land vehicles》", 《JOURNAL OF FIELD ROBOTICS》 * |
蔡云飞 等: "《基于双多线激光雷达的非结构化环境负障碍感知技术》", 《自动化学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110554409A (zh) * | 2019-08-30 | 2019-12-10 | 江苏徐工工程机械研究院有限公司 | 一种凹障碍物检测方法及系统 |
CN110554409B (zh) * | 2019-08-30 | 2021-06-04 | 江苏徐工工程机械研究院有限公司 | 一种凹障碍物检测方法及系统 |
WO2021226981A1 (en) * | 2020-05-15 | 2021-11-18 | Baidu.Com Times Technology (Beijing) Co., Ltd. | A detector for point cloud fusion |
CN111708033A (zh) * | 2020-06-17 | 2020-09-25 | 北京百度网讯科技有限公司 | 坐标系标定方法、装置、电子设备及存储介质 |
CN111708033B (zh) * | 2020-06-17 | 2023-06-23 | 北京百度网讯科技有限公司 | 坐标系标定方法、装置、电子设备及存储介质 |
JP2022546791A (ja) * | 2020-09-16 | 2022-11-09 | シャンハイ センスタイム リンガン インテリジェント テクノロジー カンパニー リミテッド | レーダーを設定する方法、装置、電子機器及び記憶媒体 |
CN113589324A (zh) * | 2021-07-26 | 2021-11-02 | 北京理工大学 | 基于激光雷达的无人车坡度识别方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109471130A (zh) | 一种用于野外环境无人驾驶的正负障碍物检测方法 | |
CN106908775B (zh) | 一种基于激光反射强度的无人车实时定位方法 | |
CN109298415B (zh) | 一种轨道和道路障碍物检测方法 | |
Kang et al. | Pothole detection system using 2D LiDAR and camera | |
CN105866790B (zh) | 一种考虑激光发射强度的激光雷达障碍物识别方法及系统 | |
Guan et al. | Automated road information extraction from mobile laser scanning data | |
US8233660B2 (en) | System and method for object motion detection based on multiple 3D warping and vehicle equipped with such system | |
Wu et al. | Applying a functional neurofuzzy network to real-time lane detection and front-vehicle distance measurement | |
CN103760569B (zh) | 一种基于激光雷达的可行驶区域检测方法 | |
CN109738910A (zh) | 一种基于三维激光雷达的路沿检测方法 | |
US20030002713A1 (en) | Vision-based highway overhead structure detection system | |
CN114442101B (zh) | 基于成像毫米波雷达的车辆导航方法、装置、设备及介质 | |
CN108398672A (zh) | 基于前倾2d激光雷达移动扫描的路面与障碍检测方法 | |
CN102222236A (zh) | 图像处理系统及位置测量系统 | |
CN112674646B (zh) | 基于多算法融合的自适应贴边作业方法及机器人 | |
CN114898296A (zh) | 基于毫米波雷达与视觉融合的公交车道占用检测方法 | |
CN114415171A (zh) | 一种基于4d毫米波雷达的汽车可行驶区域检测方法 | |
CN102201054A (zh) | 一种基于鲁棒统计的行道线检测方法 | |
DE102021132199A1 (de) | Bestimmen von Objektmobilitätsparametern unter Verwendung einer Objektsequenz | |
CN109241855B (zh) | 基于立体视觉的智能车辆可行驶区域探测方法 | |
Moras et al. | Drivable space characterization using automotive lidar and georeferenced map information | |
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 | |
Li et al. | Real-time 3D-Lidar, MMW Radar and GPS/IMU fusion based vehicle detection and tracking in unstructured environment | |
Yoneda et al. | Simultaneous state recognition for multiple traffic signals on urban road | |
Xie et al. | Obstacle detection based on depth fusion of lidar and radar in challenging conditions |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190315 |
|
RJ01 | Rejection of invention patent application after publication |