CN110244321B - 一种基于三维激光雷达的道路可通行区域检测方法 - Google Patents

Abstract

本发明提供一种基于三维激光雷达的道路可通行区域检测方法，利用三维激光雷达获取车辆周围环境信息，采集点云数据；结合车辆的里程计信息消除点云的运动畸变；根据消除运动畸变后的点云数据，提取激光点云兴趣点；这里提取激光点云兴趣点主要是剔除激光雷达上方一定高度以外的数据点；利用提取出的激光点云兴趣点的高度信息，并结合RANSAC算法，进行地面分割，区分出地面点云与障碍物点云；对区分出的障碍物点云进行栅格化，提取出每个栅格中距离车辆最近的数据点，这些数据点结合起来即是可通行区域的边界点。本发明通过消除点云在运动时产生的运动畸变问题，使得点云表达的周边环境信息更加精确。

Description

一种基于三维激光雷达的道路可通行区域检测方法

技术领域

本发明属于无人驾驶环境感知技术，具体涉及一种基于三维激光雷达的道路可通行区域检测方法。

背景技术

无人驾驶技术主要包括环境感知、路径规划及路径跟踪等内容，其中环境感知是利用车载传感器如毫米波雷达、摄像头和激光雷达等感知车辆周边信息，从而为路径规划、路径跟踪做准备。在传感器中，毫米波雷达无法识别出物体细节，摄像头在暗光或逆光条件下识别效果会受到明显影响，而激光雷达可测得物体的细节并且不受环境光照影响，因而激光雷达在环境感知中受到广泛的应用，与其他传感器起到相辅相成的效果。

目前基于激光雷达的可通行区域检测方法通常分为两类，基于栅格的方法和基于原始点云的方法。基于栅格的方法主要是将点云栅格化，利用该栅格中点云的Z坐标的大小进行地面分割，Himmelsbach利用栅格内点云Z坐标的高度差来提取可通行区域，缺点是丢失了Z的绝对数值，有可能会提取到高空点云；肖强在栅格中提取最低点点云作为地面参考点，进行直线拟合算出参考地面高度，选出地面栅格，再利用区域增长得到可通行区域。

基于原始点云的方法中，专利号为CN201810169285.X的发明专利“一种基于三维激光雷达的结构化道路可行域提取方法”，以及专利号为CN201810027774.1的发明专利“一种基于三维激光雷达的道路实时分割方法”，均是将多线激光雷达提取出单线点云，以单线点云为研究对象，前者用K-means聚类优化提取障碍物，并结合DBSCAN聚类算法提取路沿得到可行域，后者运用改进模糊线段发会线段图，识别路面及障碍物得到可通行区域，这种适应于结构化的道路，在野外等其他路况下不具有普遍性。

发明内容

本发明要解决的技术问题是：提供一种基于三维激光雷达的道路可通行区域检测方法，使得点云表达的周边环境信息更加精确。

本发明为解决上述技术问题所采取的技术方案为：一种基于三维激光雷达的道路可通行区域检测方法，其特征在于：包括以下步骤：

S1、利用三维激光雷达获取车辆周围环境信息，并将采集到的点云数据从激光雷达坐标系转换到车辆坐标系下；

S2、在点云采集的过程中，车辆处于运动状态，得到的单帧点云数据存在运动畸变问题，结合车辆的里程计信息消除点云的运动畸变；

S3、根据消除运动畸变后的点云数据，提取激光点云兴趣点；这里提取激光点云兴趣点主要是剔除激光雷达上方一定高度以外的数据点；

S4、利用提取出的激光点云兴趣点的高度信息，并结合RANSAC算法，进行地面分割，区分出地面点云与障碍物点云；

S5、对区分出的障碍物点云进行栅格化，提取出每个栅格中距离车辆最近的数据点，这些数据点结合起来即是可通行区域的边界点。

按上述方法，所述的S2具体包括：

2.1，设某一帧点云数据从开始到结束的时间分别为t_s、t_e，利用线性插值得到t_s、t_e时刻的里程计位姿信息p_s、p_e；其中t_s时刻里程计所在的时间戳在p_m、p_n之间，则p_s=（p_n-p_m）*（s-m）/（n-m），p_s、p_m、p_n分别为t_s、t_m、t_n时刻对应的里程计位姿，s、m、n分别为t_s、t_m、t_n时刻的时间点；p_e同理可得；

2.2，将p_s-p_e时间段均分三段，取p_s+1、p_s+2两个时刻的位姿，这两个时刻的位姿根据p_s、p_e时刻的位姿线性插值得到，p_s到p_s+1时间段的点云数据由这一时间段的点云乘上p_s+1时刻的位姿转换得到，同理得到P_s+1到p_s+2、p_s+2到p_e时间段的点云数据；

2.3，将2.2中得到的p_s到p_s+1、P_s+1到p_s+2、p_s+2到p_e时间段的点云数据作为该帧点云数据消除运动畸变后的点云数据。

按上述方法，所述的S4具体为：

4.1，根据提取出的激光点云兴趣点的高度Z坐标信息，以高于激光雷达水平面0.5m为基准面，选取此基准面以下的所有激光点为兴趣点；

4.2，通过4.1选取出的激光点云兴趣点，利用RANSAC算法中的平面模型，提取一个平面，这个平面内的激光点云兴趣点即是地面点云；

4.3，从S3提取出的所有激光点云兴趣点中，剔除4.2得到的地面点云，即是障碍物点云。

按上述方法，所述的S5具体为：

5.1，障碍物点云栅格化：根据点云的（X,Y）坐标，建立一个极坐标系栅格，以车辆坐标系为原点，将XOY平面以0.5度的分辨率均分成720份，将障碍物点云分别放入这720个栅格中；

5.2，计算每个栅格内的障碍物点云到车辆坐标系原点的距离r，提取出r最小的障碍物点云；

5.3，将每个栅格提取出的r最小的障碍物点云，投影到XOY平面，利用最小二乘法进行拟合，得出车辆的可通行区域。

本发明的有益效果为：

1、通过消除点云在运动时产生的运动畸变问题，使得点云表达的周边环境信息更加精确。

2、在进行地面分割时，利用点云的高度信息滤除大量点云，在利用RANSAC算法中的平面模型选取地面点云时，大大减少了计算量，提高了运算效率。

3、在提取可通行区域时，直接在栅格化的点云中选取每个栅格内距离车辆最近的点，没有对障碍物点云进行多余的分析，计算量小，具有很好的实时性。

附图说明

图1为本发明一实施例的方法流程图。

图2为本发明一实施例的消除运动畸变后的点云图。

图3为本发明一实施例的地面分割后得到的地面点云。

图4为本发明一实施例的地面分割后得到的障碍物点云。

图5为本发明一实施例的可通行区域提取结果。

具体实施方式

下面结合具体实例和附图对本发明做进一步说明。

本发明提供一种基于三维激光雷达的道路可通行区域检测方法，如图1所示，包括以下步骤：

S1、利用三维激光雷达获取车辆周围环境信息，并将采集到的点云数据从激光雷达坐标系转换到车辆坐标系下。

激光雷达安装于车辆顶部，采集到的激光点云的坐标信息是以激光雷达安装位置为坐标原点O建立的坐标系，以车辆的前进方向作为激光雷达坐标系X轴方向，平行于激光雷达水平面垂直于X轴方向为激光雷达坐标系Y轴方向，垂直于激光雷达水平面向上的方向为激光雷达坐标系Z轴方向；车辆坐标系的坐标原点与激光雷达坐标系原点相同，假设车辆坐标系与水平地面平齐，车辆正前方为车辆坐标系X轴，平行于水平面与X轴垂直的方向为车辆坐标系Y轴方法，车辆坐标系Z轴竖直向上。坐标转换可避免激光雷达在车辆上的安装误差。

S2、在点云采集的过程中，车辆处于运动状态，激光点数据不是瞬间获得的，得到的单帧点云数据存在运动畸变问题，结合车辆的里程计信息消除点云的运动畸变，具体包括：

2.1，设某一帧点云数据从开始到结束的时间分别为t_s、t_e，利用线性插值得到t_s、t_e时刻的里程计位姿信息p_s、p_e；其中t_s时刻里程计所在的时间戳在p_m、p_n之间，则p_s=（p_n-p_m）*（s-m）/（n-m），p_s、p_m、p_n分别为t_s、t_m、t_n时刻对应的里程计位姿，s、m、n分别为t_s、t_m、t_n时刻的时间点；p_e同理可得。

2.2，将p_s-p_e时间段均分三段，取p_s+1、p_s+2两个时刻的位姿，这两个时刻的位姿根据p_s、p_e时刻的位姿线性插值得到，p_s到p_s+1时间段的点云数据由这一时间段的点云乘上p_s+1时刻的位姿转换得到，同理得到P_s+1到p_s+2、p_s+2到p_e时间段的点云数据。

2.3，将2.2中得到的p_s到p_s+1、P_s+1到p_s+2、p_s+2到p_e时间段的点云数据作为该帧点云数据消除运动畸变后的点云数据。图2为本发明一实施例的消除运动畸变后的点云图。

S3、根据消除运动畸变后的点云数据，提取激光点云兴趣点；这里提取激光点云兴趣点主要是剔除激光雷达上方一定高度（本实施例为5米）以外的数据点。

S4、利用提取出的激光点云兴趣点的高度信息，并结合RANSAC算法，进行地面分割，区分出地面点云与障碍物点云，具体为：

4.1，根据提取出的激光点云兴趣点的高度Z坐标信息，以高于激光雷达水平面0.5m为基准面，选取此基准面以下的所有激光点为兴趣点。

4.2，通过4.1选取出的激光点云兴趣点，利用RANSAC算法中的平面模型，即ax+by+cz+d=0，提取一个平面，这个平面内的激光点云兴趣点即是地面点云。

4.3，从S3提取出的所有激光点云兴趣点中，剔除4.2得到的地面点云，即是障碍物点云。

本实施例利用图2的点云得到的地面点云与障碍物点云分别如图2和图3所示。

S5、对区分出的障碍物点云进行栅格化，提取出每个栅格中距离车辆最近的数据点，这些数据点结合起来即是可通行区域的边界点，具体为：

5.1，障碍物点云栅格化：根据点云的（X,Y）坐标，建立一个极坐标系栅格，以车辆坐标系为原点，将XOY平面以0.5度的分辨率均分成720份，将障碍物点云分别放入这720个栅格中。

5.2，计算每个栅格内的障碍物点云到车辆坐标系原点的距离r，提取出r最小的障碍物点云。

5.3，将每个栅格提取出的r最小的障碍物点云，投影到XOY平面，利用最小二乘法进行拟合，得出车辆的可通行区域，结果如图5所示。

本发明消除了点云在运动时产生的运动畸变问题，使得点云表达的周边环境信息更加精确，在地面分割时利用点云的高度信息与采样一致性算法相结合的方式，可适应各种路况，同时在可通行区域提取时没有对障碍物信息进行聚类识别，直接提取距离车辆最近的障碍物点云得出可通行区域，计算量小，具有较高的准确性与实时性。

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 (1)

1.一种基于三维激光雷达的道路可通行区域检测方法，其特征在于：包括以下步骤：

S1、利用三维激光雷达获取车辆周围环境信息，并将采集到的点云数据从激光雷达坐标系转换到车辆坐标系下；

S2、在点云采集的过程中，车辆处于运动状态，得到的单帧点云数据存在运动畸变问题，结合车辆的里程计信息消除点云的运动畸变；

S3、根据消除运动畸变后的点云数据，提取激光点云兴趣点；这里提取激光点云兴趣点主要是剔除激光雷达上方一定高度以外的数据点；

S4、利用提取出的激光点云兴趣点的高度信息，并结合RANSAC算法，进行地面分割，区分出地面点云与障碍物点云；

S5、对区分出的障碍物点云进行栅格化，提取出每个栅格中距离车辆最近的数据点，这些数据点结合起来即是可通行区域的边界点；

所述的S2具体包括：

2.1，设某一帧点云数据从开始到结束的时间分别为t_s、t_e，利用线性插值得到t_s、t_e时刻的里程计位姿信息p_s、p_e；其中t_s时刻里程计所在的时间戳在p_m、p_n之间，则p_s＝(p_n-p_m)*(s-m)/(n-m)，p_s、p_m、p_n分别为t_s、t_m、t_n时刻对应的里程计位姿，s、m、n分别为t_s、t_m、t_n时刻的时间点；p_e同理可得；

2.2，将p_s-p_e时间段均分三段，取p_s+1、p_s+2两个时刻的位姿，这两个时刻的位姿根据p_s、p_e时刻的位姿线性插值得到，p_s到p_s+1时间段的点云数据由这一时间段的点云乘上p_s+1时刻的位姿转换得到，同理得到P_s+1到p_s+2、p_s+2到p_e时间段的点云数据；

2.3，将2.2中得到的p_s到p_s+1、P_s+1到p_s+2、p_s+2到p_e时间段的点云数据作为该帧点云数据消除运动畸变后的点云数据；

所述的S4具体为：

4.1，根据提取出的激光点云兴趣点的高度Z坐标信息，以高于激光雷达水平面0.5m为基准面，选取此基准面以下的所有激光点为兴趣点；

4.2，通过4.1选取出的激光点云兴趣点，利用RANSAC算法中的平面模型，提取一个平面，这个平面内的激光点云兴趣点即是地面点云；

4.3，从S3提取出的所有激光点云兴趣点中，剔除4.2得到的地面点云，即是障碍物点云；

所述的S5具体为：

5.1，障碍物点云栅格化：根据点云的(X,Y)坐标，建立一个极坐标系栅格，以车辆坐标系为原点，将XOY平面以0.5度的分辨率均分成720份，将障碍物点云分别放入这720个栅格中；

5.2，计算每个栅格内的障碍物点云到车辆坐标系原点的距离r，提取出r最小的障碍物点云；

5.3，将每个栅格提取出的r最小的障碍物点云，投影到XOY平面，利用最小二乘法进行拟合，得出车辆的可通行区域。