CN110286389B - 一种用于障碍物识别的栅格管理方法 - Google Patents

Abstract

本发明实施例涉及一种用于障碍物识别的栅格管理方法，所述方法包括：对激光雷达数据进行解析，确定动态障碍物的点数据；根据动态障碍物的点云数据确定待处理栅格数据；根据待处理栅格数据的观测状态参数和车辆感知盲区模型；当待处理栅格数据的观测概率参数为第一参数时，确定是否存在与待处理栅格数据相对应的雷达监测点云数据；当存在与待处理栅格数据相对应的雷达监测点云数据时，增加待处理栅格数据的占据概率；当不存在与待处理栅格数据相对应的雷达监测栅格数据时，减小待处理栅格数据的占据概率；确定待处理栅格数据的占据概率是否大于预设值；当待处理栅格数据的占据概率大于预设值时，输出待处理栅格数据的所对应的点云数据。

Description

一种用于障碍物识别的栅格管理方法

技术领域

本发明涉及自动驾驶领域，尤其涉及一种用于障碍物识别的栅格管理方法。

背景技术

激光雷达是自动驾驶汽车感知环境的重要传感器，具有精度高、抗干扰等特点。从激光雷达点云中识别出目标的主要步骤为：将点云投影到2D栅格中进行分割聚类得到障碍物，再利用算法求得障碍物的运动状态。自动驾驶感知方案最重要的目标就是正确检测出环境中的障碍物并得到其运动状态。

基于深度学习的方法一般用来识别车辆、行人、交通标等目标，而对于路边出现的非特定目标无法提供准确的学习数据，所以难以处理复杂场景中的非特定障碍物；并且基于深度学习的方法需要消耗大量并行计算资源，对运行平台的性能要求较高。

而现有传统激光雷达的处理流程往往不考虑对稀疏激光雷达的盲区进行建模。这种仅考虑当前检测结果和运动估计的方案，在盲区较大的低成本的传感器配置中显示出了较大的局限性。也就是说，传统激光雷达的处理流程中的记忆算法难以控制记忆时间，记忆过长则容易误检，过短则目标消失过快，所以无法从根源上解决问题。例如，当车速较低甚至静止时，静态目标长时间处于盲区内，对车辆行驶安全造成一定影响。并且，针对一些部分进入盲区不可观测，剩余部分可观测的异形障碍物，如金字塔形障碍物近距离时底座无法观测，也会对车辆行驶安全造成一定影响。

发明内容

本发明的目的是针对现有技术的缺陷，提供一种用于障碍物识别的栅格管理方法，通过确定栅格在理论上和实际上是否能够被观测，确定栅格的占据概率，根据栅格占据概率的更新确定是否需要输出栅格所对应的障碍物，避免了对进入车辆感知盲区内的静态目标的漏检，保障了行车安全。

为了实现上述目的，本发明实施例提供了一种用于障碍物识别的栅格管理方法，包括：

获取激光雷达数据；

对所述激光雷达数据进行解析，确定动态障碍物的点云数据；

根据所述动态障碍物的点云数据确定待处理栅格数据；

获取所述待处理栅格数据的观测状态参数；

根据所述待处理栅格数据的观测状态参数和车辆感知盲区模型，确定所述待处理栅格数据的观测概率参数是否为第一参数；

当所述待处理栅格数据的观测概率参数为所述第一参数时，确定是否存在与所述待处理栅格数据相对应的雷达监测点云数据；

当存在与所述待处理栅格数据相对应的雷达监测点云数据时，增加所述待处理栅格数据的栅格占据概率；

当不存在与所述待处理栅格数据相对应的雷达监测栅格数据时，减小所述待处理栅格数据的栅格占据概率；

确定所述待处理栅格数据的栅格占据概率是否大于预设值；

当所述待处理栅格数据的栅格占据概率大于所述预设值时，输出所述待处理栅格数据的所对应的点云数据。

优选的，所述对所述激光雷达数据进行解析，确定动态障碍物的点云数据具体为：

根据所述激光雷达数据得到障碍物的速度数据；

根据所述障碍物的速度数据得到动态障碍物，并确定所述动态障碍物的点云数据。

进一步优选的，所述根据所述激光雷达数据得到障碍物的速度数据具体为：

对所述激光雷达数据进行卡尔曼滤波，计算得到所述障碍物的速度数据。

优选的，所述待处理栅格数据的观测状态参数包括所述待处理栅格的相对位置和高度。

进一步优选的，所述增加当前待处理栅格数据的栅格占据概率具体为：

根据所述待处理栅格的相对位置和高度，以及预设的传感器布局模型增加当前待处理栅格数据的栅格占据概率。

优选的，在所述根据所述动态障碍物的点云数据确定待处理栅格数据之后，所述方法还包括：

确定所述待处理栅格数据的相对坐标；

根据所述待处理栅格数据的相对坐标得到所述待处理栅格与车辆的距离；

当所述待处理栅格与车辆的距离大于预设距离时，删除当前待处理栅格数据。

进一步优选的，所述确定所述待处理栅格数据的相对坐标具体为：

获取当前车辆定位数据；

根据所述当前车辆定位数据确定所述待处理栅格数据的第一绝对坐标；

并根据下一个车辆定位数据确定所述待处理栅格数据的第二绝对坐标；

根据所述待处理栅格数据的第一绝对坐标和所述待处理栅格数据的的第二绝对坐标确定所述待处理栅格数据的相对坐标。

进一步优选的，所述车辆定位数据携带有时间戳，所述在所述获取当前车辆定位数据后，所述方法还包括：

对比所述当前车辆定位数据所对应的时间戳与上一个车辆定位数据所对应的时间戳；

如果所述当前车辆定位数据所对应的时间戳早于上一个车辆定位数据所对应的时间戳，则删除当前车辆定位数据所对应待处理栅格数据。

进一步优选的，所述方法还包括：

如果在预设时间内获取到的下一个车辆定位数据均为空；

则删除当前车辆定位数据所对应待处理栅格数据。

进一步优选的，在所述输出所述待处理栅格数据的所对应的点云数据之后，所述方法还包括：

根据所述待处理栅格数据的所对应的点云数据控制车辆避障。

本发明实施例提供的一种用于障碍物识别的栅格管理方法，通过确定栅格在理论上和实际上是否能够被观测，确定栅格的占据概率，根据栅格占据概率的更新确定是否需要输出栅格所对应的障碍物，避免了对进入车辆感知盲区内的静态目标的漏检，保障了行车安全。

附图说明

图1为本发明实施例提供的用于障碍物识别的栅格管理方法的流程图；

图2为本发明实施例提供的待处理栅格数据更新方法的方法流程图。

具体实施方式

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

本发明实施例提供的一种用于障碍物识别的栅格管理方法，实现于自动驾驶车辆中，用于自动驾驶车辆利用激光雷达识别前方障碍物，并对障碍物进行管理的方法，其方法流程图如图1所示，包括如下步骤：

步骤101，获取激光雷达数据；

具体的，在自动驾驶车辆(以下简称为车辆)中，通常包括摄像设备、红外设备和激光雷达设备等用于对车辆周围行驶环境进行实时监控的监控设备，以确保车辆安全实行，同时自动驾驶车辆中还包括处理模块，用以对各种获取到的数据进行处理，使得车辆可按处理模块的计算结果行驶。本实施例中，车辆的处理模块包括栅格数据处理子模块和避障控制子模块。栅格数据处理子模块可以理解为用于处理栅格数据的模块，避障控制子模块可以理解为根据栅格数据控制车辆避障的模块。

其中，激光雷达设备对车辆车身的附近障碍物进行探测，生成激光雷达数据，车辆的栅格数据处理子模块获取激光雷达数据。

步骤102，对激光雷达数据进行解析，确定动态障碍物的点云数据；

具体的，车辆中的栅格数据处理子模块在获取到激光雷达数据后，对激光雷达数据进行卡尔曼滤波，计算得到障碍物的速度数据，然后根据根据目标障碍物的速度数据确定是否存在动态障碍物。如果存在动态障碍物，则确定该动态障碍物的点云数据。动态障碍物的点云数据可以理解为动态障碍物投射在激光雷达监测得到的投影中的点。

进一步具体的，卡尔曼滤波是一种利用线性系统状态方程，通过输入观测数据，例如物体的位置，从包含噪声的观察序列中预测物体的坐标位置及速度的算法。在雷达探测中，所能探测到障碍物的位置、速度、加速度的测量值往往携带有噪声，而卡尔曼滤波可以利用目标的动态信息,去掉噪声的影响，得到一个关于目标值的好的估计。因此，本申请中经卡尔曼滤波得到的障碍物的速度数据是更为精准的数据。如果计算的到的障碍物的速度数据大于预设速度数据，则可确定当前障碍物为动态障碍物；如果计算的到的障碍物的速度数据不大于预设速度数据，则可确定当前障碍物为静态障碍物。

步骤103，根据动态障碍物的点云数据确定待处理栅格数据；

具体的，在得到了动态障碍物的点云数据后，栅格数据处理子模块首先根据动态障碍物的点云数据确定除该动态障碍物的点云数据的之外点云数据，并确定除动态障碍物的点云数据的之外点云数据所占据的栅格数据，将这些栅格数据设置为待处理栅格数据。

进一步具体的，本申请中的栅格数据可以理解为将激光雷达所探测到的空间分割成有规律的网格，每一个网格称为一个单元，并在各单元上赋予相应的属性值来表示实体的一种数据形式。如果激光雷达监测到有障碍物，则该障碍物一定会投影到网格中的某一格或多格。

步骤104，获取待处理栅格数据的观测状态参数；

具体的，待处理栅格数据的观测状态参数包括待处理栅格的相对位置和高度。其中，待处理栅格的相对位置可以理解为当前栅格相对于车辆的位置数据；待处理栅格的高度可以理解为在二维空间下的高度信息。这里，二维空间可以理解为将空间投影到地平面，再划分为水平栅格后所映射出的空间。栅格数据处理子模块获取当前待处理栅格数据所对应的待处理栅格的相对位置和高度。

步骤105，确定待处理栅格数据的观测概率参数是否为第一参数；

具体的，待处理栅格数据的观测概率参数可以理解为当前栅格在预设的车辆感知模型中能否被观测到的概率。如果当前栅格在预设的车辆感知模型中被观测到的概率为1，也就是可以在预设的车辆感知模型中被观测，则待处理栅格数据的观测概率参数为第一参数；如果当前栅格在预设的车辆感知模型中被观测到的概率为0，也就是可以在预设的车辆感知模型中不可被观测，则待处理栅格数据的观测概率参数为第二参数。

进一步具体的，栅格数据处理子模块根据当前待处理栅格数据所对应的待处理栅格的相对位置和高度以及预设的车辆感知盲区模型，确定当前栅格在预设的车辆感知模型中能否被观测到。如果当前栅格在预设的车辆感知模型中能被观测到，说明当前栅格在“理论上”可以被车辆的激光雷达观测到，也就是待处理栅格数据的观测概率参数为第一参数，则执行步骤106。如果当前栅格在预设的车辆感知模型中不能被观测到，说明当前栅格在“理论上”不能被车辆的激光雷达观测到，也就无需后续再对该栅格进行管理，待处理栅格数据的观测概率参数为第二参数，则本流程结束。

在一些优选的实施例中，栅格数据处理子模块不仅根据当前待处理栅格数据所对应的待处理栅格的相对位置和高度以及预设的车辆感知盲区模型，确定当前栅格在预设的车辆感知模型中能否被观测到，还需要确定其他障碍物是否会遮挡当前栅格。如果当前栅格被当前观测到的点云数据遮挡，则待处理栅格数据的观测概率参数亦为第二参数，即当前栅格在“理论上”不能被车辆的激光雷达观测到。

步骤106，当待处理栅格数据的观测概率参数为第一参数时，确定是否存在与待处理栅格数据相对应的雷达监测点云数据；

具体的，确定待处理栅格数据的观测概率参数是否为第一参数的过程可以理解为确定当前栅格在“理论上”是否可以被车辆的激光雷达观测到的过程，而确定是否存在与所述待处理栅格数据相对应的雷达监测点云数据的过程，则可以理解为确定当前栅格在“实际上”是否可以被车辆的激光雷达观测到的过程。在确定了当前栅格在“理论上”可以被车辆的激光雷达观测到后，还需要进一步确定当前栅格在“实际上”是否可以被车辆的激光雷达观测到，用以进一步确定栅格占据概率。栅格占据概率为正时，其值越高代表该栅格内存在障碍物的可能性越大；相反，栅格占据概率为负时，其绝对值越大代表栅格内有障碍物的可能性越小；栅格占据概率为0代表完全不确定是否存在障碍物，一般是未经过观测的栅格。。

进一步具体的，如果存在与待处理栅格数据相对应的雷达监测点云数据，则说明当前栅格在“实际上”也是可以被车辆的激光雷达观测到的，则执行步骤107。如果不存在与待处理栅格数据相对应的雷达监测点云数据，则说明当前栅格在“实际上”是不可被车辆的激光雷达观测到的，则执行步骤108。

步骤107，增加待处理栅格数据的栅格占据概率；

具体的，当存在与待处理栅格数据相对应的雷达监测点云数据时，代表了当前栅格在“理论上”是可以被车辆的激光雷达观测到，“实际上”也是被车辆的激光雷达观测到了，则栅格数据处理子模块根据待处理栅格的相对位置和高度，以及预设的传感器布局模型增加当前待处理栅格数据的栅格占据概率。

在一个具体的例子中，如果待处理栅格的相对位置和高度与传感器布局模型中传感器所能观测到的位置和高度相匹配，则根据匹配程度增加当前待处理栅格数据的栅格占据概率。这里传感器包括但不限于车辆中的激光雷达。

步骤108，减小待处理栅格数据的栅格占据概率；

具体的，当不存在与待处理栅格数据相对应的雷达监测点云数据时，代表了虽然当前栅格在“理论上”是可以被车辆的激光雷达观测到，但“实际上”并没有被车辆的激光雷达观测到，则栅格数据处理子模块减小该待处理栅格数据的栅格占据概率。

步骤109，确定待处理栅格数据的栅格占据概率是否大于预设值；

具体的，如果待处理栅格数据的栅格占据概率大于预设值，则执行下述步骤110；如果待处理栅格数据的栅格占据概率尚未大于预设值，则返回执行下述步骤101，继续获取激光雷达数据，根据下一个观测结果并继续确定栅格占据概率是否大于预设值。

步骤110，输出待处理栅格数据的所对应的点云数据；

具体的，当所述待处理栅格数据的栅格占据概率大于所述预设值时，说明该栅格内如果存在障碍物，车辆需要对该障碍物进行相应处理，则栅格数据处理子模块向避障控制子模块输出待处理栅格数据的所对应的点云数据，用以避障控制子模块根据待处理栅格数据的所对应的点云数据控制车辆避障。

在一些优选的实施例中，待处理栅格数据的所对应的点云数据具有栅格高度值的点云数据，也就是在横纵坐标的基础上，增加栅格高度信息。

在一些更有的实施例中，本申请中的用于障碍物识别的栅格管理方法还会对待处理栅格数据进行栅格时间域和空间域更新，以进一步确保待处理栅格数据的准确性，同时减少输入冗余。

具体的，在执行了步骤103之后，也就是在根据动态障碍物的点云数据确定待处理栅格数据会后，还需对待处理栅格数据进行栅格时间域和空间域更新，其方法流程图如图2所示，包括如下步骤：

步骤201，确定待处理栅格数据的相对坐标；

具体的，栅格数据处理子模块通过设置在车辆中的定位装置获取当前车辆定位数据。并根据车辆当前定位数据确定待处理栅格数据的第一绝对坐标。可以理解的是，本申请中的车辆定位数据携带有时间戳。而本申请中相对于下一个车辆定位数据所对应的待处理栅格数据的绝对坐标，当前车辆定位数据对应的待处理栅格数据的绝对坐标均表示为待处理栅格数据的第一绝对坐标，相对于下一个车辆定位数据所对应的待处理栅格数据的绝对坐标，当前车辆定位数据所对应的待处理栅格数据的绝对坐标均表示为待处理栅格数据的第二绝对坐标。待处理栅格数据的绝对坐标可以理解为该栅格在地图坐标体系下的坐标。

在得到了待处理栅格数据的第一绝对坐标后，栅格数据处理子模块获取下一个车辆定位数据，并根据下一个车辆定位数据确定待处理栅格数据的第二绝对坐标，然后根据待处理栅格数据的第一绝对坐标和待处理栅格数据的第二绝对坐标确定当前栅格与车辆的相对坐标，也就是待处理栅格数据的相对坐标。

步骤202，根据待处理栅格数据的相对坐标得到待处理栅格与车辆的距离；

具体的，栅格数据处理子模块根据待处理栅格数据的相对坐标，以及车辆定位数据所得到的车辆本身的绝对坐标，可以计算得到待处理栅格与车辆的距离。

步骤203，当待处理栅格与车辆的距离大于预设距离时，删除当前待处理栅格数据；

具体的，在得到了待处理栅格与车辆的距离后，需要确定该栅格是否移出了本车辆所需处理的范围外。当待处理栅格与车辆的距离大于预设距离时，说明该栅格已移出了本车辆所需处理的范围，也就是待处理栅格与车辆的距离足够大，以至于无论该栅格中是否存在障碍物，车辆都可以不考虑对该障碍物进行避障等处理，则栅格数据处理子模块删除删除当前待处理栅格数据，释放存储空间，减轻系统运行压力。

在一些更优的实施例中，为避免因输出数据时间倒序或者定位异常带来或者定位丢失等情况的数据异常，每当栅格数据处理子模块获取到下一个车辆定位数据后，需要先对比当前车辆定位数据所对应的时间戳与上一个车辆定位数据所对应的时间戳。如果当前车辆定位数据所对应的时间戳早于上一个车辆定位数据所对应的时间戳，则说明数据异常，需要删除当前车辆定位数据所对应待处理栅格数据。并且，如果在预设时间内获取到的下一个车辆定位数据均为空，说明栅格数据处理子模块长时间获取不到定位数据，车辆定位丢失，则同样删除当前车辆定位数据所对应的待处理栅格数据。

本发明实施例提供的一种用于障碍物识别的栅格管理方法，通过确定栅格在理论上和实际上是否能够被观测，确定栅格的占据概率，根据栅格占据概率的更新确定是否需要输出栅格所对应的障碍物，避免了对进入车辆感知盲区内的静态目标的漏检，保障了行车安全。

专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM动力系统控制方法、或技术领域内所公知的任意其它形式的存储介质中。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种用于障碍物识别的栅格管理方法，其特征在于，所述方法包括：

获取激光雷达数据；

对所述激光雷达数据进行解析，确定动态障碍物的点云数据；

根据所述动态障碍物的点云数据确定待处理栅格数据；

获取所述待处理栅格数据的观测状态参数；

根据所述待处理栅格数据的观测状态参数和车辆感知盲区模型，确定所述待处理栅格数据的观测概率参数是否为第一参数；

当所述待处理栅格数据的观测概率参数为所述第一参数时，确定是否存在与所述待处理栅格数据相对应的雷达监测点云数据；

当存在与所述待处理栅格数据相对应的雷达监测点云数据时，增加所述待处理栅格数据的栅格占据概率；

当不存在与所述待处理栅格数据相对应的雷达监测栅格数据时，减小所述待处理栅格数据的栅格占据概率；

确定所述待处理栅格数据的栅格占据概率是否大于预设值；

当所述待处理栅格数据的栅格占据概率大于所述预设值时，输出所述待处理栅格数据的所对应的点云数据；

其中，所述根据所述动态障碍物的点云数据确定待处理栅格数据具体为：根据所述动态障碍物的点云数据确定除该动态障碍物的点云数据的之外点云数据，并确定除动态障碍物的点云数据的之外点云数据所占据的栅格数据，将所述除动态障碍物的点云数据的之外点云数据所占据的栅格数据设置为待处理栅格数据。

2.根据权利要求1所述的用于障碍物识别的栅格管理方法，其特征在于，所述对所述激光雷达数据进行解析，确定动态障碍物的点云数据具体为：

根据所述激光雷达数据得到障碍物的速度数据；

根据所述障碍物的速度数据得到动态障碍物，并确定所述动态障碍物的点云数据。

3.根据权利要求2所述的用于障碍物识别的栅格管理方法，其特征在于，所述根据所述激光雷达数据得到障碍物的速度数据具体为：

对所述激光雷达数据进行卡尔曼滤波，计算得到所述障碍物的速度数据。

4.根据权利要求1所述的用于障碍物识别的栅格管理方法，其特征在于，所述待处理栅格数据的观测状态参数包括所述待处理栅格的相对位置和高度。

5.根据权利要求4所述的用于障碍物识别的栅格管理方法，其特征在于，所述增加当前待处理栅格数据的栅格占据概率具体为：

根据所述待处理栅格的相对位置和高度，以及预设的传感器布局模型增加当前待处理栅格数据的栅格占据概率。

6.根据权利要求1所述的用于障碍物识别的栅格管理方法，其特征在于，在所述根据所述动态障碍物的点云数据确定待处理栅格数据之后，所述方法还包括：

确定所述待处理栅格数据的相对坐标；

根据所述待处理栅格数据的相对坐标得到所述待处理栅格与车辆的距离；

当所述待处理栅格与车辆的距离大于预设距离时，删除当前待处理栅格数据。

7.根据权利要求6所述的用于障碍物识别的栅格管理方法，其特征在于，所述确定所述待处理栅格数据的相对坐标具体为：

获取当前车辆定位数据；

根据所述当前车辆定位数据确定所述待处理栅格数据的第一绝对坐标；

并根据下一个车辆定位数据确定所述待处理栅格数据的第二绝对坐标；

根据所述待处理栅格数据的第一绝对坐标和所述待处理栅格数据的的第二绝对坐标确定所述待处理栅格数据的相对坐标。

8.根据权利要求7所述的用于障碍物识别的栅格管理方法，其特征在于，所述车辆定位数据携带有时间戳，所述在所述获取当前车辆定位数据后，所述方法还包括：

对比所述当前车辆定位数据所对应的时间戳与上一个车辆定位数据所对应的时间戳；

如果所述当前车辆定位数据所对应的时间戳早于上一个车辆定位数据所对应的时间戳，则删除当前车辆定位数据所对应待处理栅格数据。

9.根据权利要求7所述的用于障碍物识别的栅格管理方法，其特征在于，所述方法还包括：

如果在预设时间内获取到的下一个车辆定位数据均为空；

则删除当前车辆定位数据所对应待处理栅格数据。

10.根据权利要求1所述的用于障碍物识别的栅格管理方法，其特征在于，在所述输出所述待处理栅格数据的所对应的点云数据之后，所述方法还包括：

根据所述待处理栅格数据的所对应的点云数据控制车辆避障。

Images