CN111401176B - 一种基于多线激光雷达的路沿检测方法 - Google Patents

一种基于多线激光雷达的路沿检测方法 Download PDF

Info

Publication number
CN111401176B
CN111401176B CN202010157047.4A CN202010157047A CN111401176B CN 111401176 B CN111401176 B CN 111401176B CN 202010157047 A CN202010157047 A CN 202010157047A CN 111401176 B CN111401176 B CN 111401176B
Authority
CN
China
Prior art keywords
road edge
points
laser radar
road
point
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
CN202010157047.4A
Other languages
English (en)
Other versions
CN111401176A (zh
Inventor
徐昆源
桂坡坡
胡建平
张涛
陆新民
赵懿
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.)
Zhongzhen Tongfu Jiangsu Robot Co ltd
Original Assignee
Zhongzhen Tongfu Jiangsu Robot 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 Zhongzhen Tongfu Jiangsu Robot Co ltd filed Critical Zhongzhen Tongfu Jiangsu Robot Co ltd
Priority to CN202010157047.4A priority Critical patent/CN111401176B/zh
Publication of CN111401176A publication Critical patent/CN111401176A/zh
Application granted granted Critical
Publication of CN111401176B publication Critical patent/CN111401176B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于多线激光雷达的路沿检测方法，包括以下步骤：(1)通过多线激光雷达采集激光点云数据；(2)使用随机抽样一致性算法从激光点云数据中拟合路面信息，并得出包含路沿的地面数据；(3)通过计算每个点的垂直角将地面数据分割成多条单线数据；(4)依次对每一条单线数据中的所有点进行排序，并计算每个点与前后n个点之间的第一夹角来判断其是否为路沿点；(5)将位于激光雷达坐标系下的路沿点变换为车辆坐标系下的路沿点；(6)对所有转换后的路沿点的(X,Y)坐标进行二次样条曲线拟合，得出路沿点的参数方程式，即可得出路沿点在车辆坐标系下的位置。本发明方法能够实现路沿的高精度检测，以获取路沿相对车辆的精确位置。

Description

一种基于多线激光雷达的路沿检测方法
技术领域
本发明涉及一种基于多线激光雷达的路沿检测方法。
背景技术
在智能驾驶领域，车辆在道路上行驶时需要多种技术手段辅助其确定自己的位置，以确保车辆行驶在正确的路线上。一般情况下，智能驾驶车辆可通过RTK或SLAM等技术进行定位，在一些道路两边存在路沿的情况下，车辆还可通过测定自己与路沿的距离，进一步确定自己所处的位置。
现有的的通过相机视觉技术与深度学习技术检测路沿的方式准确率低，且难以克服光照变化的影响，并且其检测出来的路沿只是像素坐标，难以转化为相对于车辆的真实位置，难以应用在智能驾驶领域。
发明内容
本发明的目的是提供一种基于多线激光雷达的路沿检测方法，能够实现道路路沿的高精度检测，获取路沿相对车辆的精确位置。
为达到上述目的，本发明采用的技术方案是：
一种基于多线激光雷达的路沿检测方法，包括以下步骤：
(1)通过多线激光雷达对路面采集激光点云数据；
(2)使用随机抽样一致性算法从所述激光点云数据中拟合路面信息，确定路面的方程参数以及满足所述方程参数的地面数据点，并从所述地面数据点中截取一定范围内([XminXmax]、[YminYmax])的点云数据，得出包含路沿的地面数据；
(3)通过计算每个点的垂直角将所述地面数据分割成多条单线数据，其中每个点P(x,y,z)的垂直角计算公式为：
Figure BDA0002404441120000011
(4)依次对每一条所述单线数据中的所有点进行排序，并计算每个点与前后n个点之间的第一夹角来判断其是否为路沿点；
(5)通过事先标定好的从激光雷达坐标系到车辆坐标系的转换参数，将所有位于所述激光雷达坐标系下的路沿点变换为所述车辆坐标系下的路沿点；
(6)对所有转换后的路沿点的(X,Y)坐标进行二次样条曲线拟合，得出所述路沿点的参数方程式：
y＝ax2bx+c (2)
通过式(2)即可得出所述路沿点在所述车辆坐标系下的位置。
优选地，在步骤(4)中，在每一条所述单线数据中，计算所有点与激光雷达坐标系中坐标原点形成的向量和X轴之间的第二夹角，对所述第二夹角从小到大排序即可对所有点进行排序；所述第二夹角的计算公式为：
Figure BDA0002404441120000021
优选地，在步骤(4)中，所述第一夹角的计算公式为：
Figure BDA0002404441120000022
其中Pi为当前点。
更优选地，n＝20。
优选地，在步骤(6)中，拟合方法为最小二乘法。
由于上述技术方案的运用，本发明与现有技术相比具有下列优点：本发明一种基于多线激光雷达的路沿检测方法，能够实现道路路沿的高精度检测，获取路沿相对车辆的精确位置；辅助智能驾驶车辆进行定位，提高智能驾驶的安全性。
附图说明
附图1为实施例中通过多线激光雷采集的激光点云数据；
附图2为实施例中截取的包含路沿的地面数据；
附图3为公式(1)计算原理图；
附图4为公式(3)计算原理图；
附图5为公式(4)计算原理图；
附图6为其中一条单线数据图；
附图7为附图6中每个点与前后20个点之间的第一夹角图；
附图8为附图6对应的单线数据中计算得到的路沿点图；
附图9为对所有条单线数据计算得到的路沿点图。
其中：A、路沿点。
具体实施方式
下面结合附图来对本发明的技术方案作进一步的阐述。
上述一种基于多线激光雷达的路沿检测方法，包括以下步骤：
(1)通过多线激光雷达对路面采集激光点云数据，如图1所示。
(2)使用随机抽样一致性算法(Ransac算法)从激光点云数据中拟合路面信息，确定路面的方程参数以及满足该方程参数的地面数据点，并从地面数据点中截取一定范围内([XminXmax]、[YminYmax])的点云数据，得出包含路沿的地面数据，如图2所示。
(3)由于多线激光雷达的数据获取方式是分线扫描的，因此能够通过计算每个点的垂直角将地面数据分割成多条单线数据，其中每个点P(x,y,z)的垂直角计算公式为：
Figure BDA0002404441120000031
参见图3所示，为垂直角α的计算公式原理示意图。
(4)依次对每一条单线数据中的所有点进行排序，并计算每个点与前后n个点之间的第一夹角来判断其是否为路沿点；
在每一条单线数据中，计算所有点与激光雷达坐标系中坐标原点形成的向量和X轴之间的第二夹角，对第二夹角从小到大排序即可对所有点进行排序；第二夹角的计算公式为：
Figure BDA0002404441120000041
参见图4所示，为第二夹角θ的计算公式原理示意图。
第一夹角的计算公式为：
Figure BDA0002404441120000042
其中Pi为当前点，参见图5所示，为第一夹角β的计算公式原理示意图。在本实施例中，n＝20，通过这个设置，能够避免通过相邻点相近点计算第一夹角带来的较大误差。
参见图6所示，为其中一条单线数据图，图7中，作为峰值的两个点处即为该单线数据中的路沿点，该两个路沿点的具体位置参见图8所示。
依次对所有条单线数据的路沿点进行计算，结果参照图9，其中的黑色点即为路沿点。
(5)通过事先标定好的从激光雷达坐标系到车辆坐标系的转换参数，将所有位于激光雷达坐标系下的路沿点变换为车辆坐标系下的路沿点。
(6)对所有转换后的路沿点的(X,Y)坐标进行二次样条曲线拟合，得出路沿点的参数方程式：
y＝ax2+bx+c (2)；
通过式(2)即可得出路沿点在车辆坐标系下的位置。在本实施例中，拟合方法为最小二乘法。
上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并加以实施，并不能以此限制本发明的保护范围，凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围内。

Claims (4)

1.一种基于多线激光雷达的路沿检测方法，其特征在于：包括以下步骤：
(1)通过多线激光雷达对路面采集激光点云数据；
(2)使用随机抽样一致性算法从所述激光点云数据中拟合路面信息，确定路面的方程参数以及满足所述方程参数的地面数据点，并从所述地面数据点中截取一定范围内([XminXmax]、[YminYmax])的点云数据，得出包含路沿的地面数据；
(3)通过计算每个点的垂直角将所述地面数据分割成多条单线数据，其中每个点P(x,y,z)的垂直角计算公式为：
Figure FDA0003369385410000011
(4)依次对每一条所述单线数据中的所有点进行排序，设向量
Figure FDA0003369385410000012
为当前点Pi与前n个点Pi-n之间的空间向量，向量
Figure FDA0003369385410000013
为后n个点Pi+n与当前点Pi之间的空间向量，通过计算向量
Figure FDA0003369385410000014
和向量
Figure FDA0003369385410000015
之间的第一夹角来判断当前点Pi是否为路沿点；
所述第一夹角的计算公式为：
Figure FDA0003369385410000016
(5)通过事先标定好的从激光雷达坐标系到车辆坐标系的转换参数，将所有位于所述激光雷达坐标系下的路沿点变换为所述车辆坐标系下的路沿点；
(6)对所有转换后的路沿点的(X,Y)坐标进行二次样条曲线拟合，得出所述路沿点的参数方程式：
y＝ax2+bx+c (2)
通过式(2)即可得出所述路沿点在所述车辆坐标系下的位置。
2.根据权利要求1所述的一种基于多线激光雷达的路沿检测方法，其特征在于：在步骤(4)中，在每一条所述单线数据中，计算所有点与激光雷达坐标系中坐标原点形成的向量和X轴之间的第二夹角，对所述第二夹角从小到大排序即可对所有点进行排序；所述第二夹角的计算公式为：
Figure FDA0003369385410000017
3.根据权利要求1所述的一种基于多线激光雷达的路沿检测方法，其特征在于：n＝20。
4.根据权利要求1所述的一种基于多线激光雷达的路沿检测方法，其特征在于：在步骤(6)中，拟合方法为最小二乘法。
CN202010157047.4A 2020-03-09 2020-03-09 一种基于多线激光雷达的路沿检测方法 Active CN111401176B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010157047.4A CN111401176B (zh) 2020-03-09 2020-03-09 一种基于多线激光雷达的路沿检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010157047.4A CN111401176B (zh) 2020-03-09 2020-03-09 一种基于多线激光雷达的路沿检测方法

Publications (2)

Publication Number Publication Date
CN111401176A CN111401176A (zh) 2020-07-10
CN111401176B true CN111401176B (zh) 2022-04-26

Family

ID=71436142

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010157047.4A Active CN111401176B (zh) 2020-03-09 2020-03-09 一种基于多线激光雷达的路沿检测方法

Country Status (1)

Country Link
CN (1) CN111401176B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115248447B (zh) * 2021-09-29 2023-06-02 上海仙途智能科技有限公司 一种基于激光点云的路沿识别方法及系统
CN115015964A (zh) * 2022-05-13 2022-09-06 深圳优地科技有限公司 一种路沿检测方法、装置、终端设备和存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN106546996A (zh) * 2016-10-15 2017-03-29 北海益生源农贸有限责任公司 基于四线激光雷达的道路检测与跟踪方法
CN108280840B (zh) * 2018-01-11 2021-09-03 武汉理工大学 一种基于三维激光雷达的道路实时分割方法
US10769840B2 (en) * 2018-02-27 2020-09-08 Nvidia Corporation Analysis of point cloud data using polar depth maps and planarization techniques
CN109738910A (zh) * 2019-01-28 2019-05-10 重庆邮电大学 一种基于三维激光雷达的路沿检测方法

Also Published As

Publication number Publication date
CN111401176A (zh) 2020-07-10

Similar Documents

Publication Publication Date Title
CN109752701B (zh) 一种基于激光点云的道路边沿检测方法
CN103065151B (zh) 一种基于深度信息的车辆识别方法
CN101750049B (zh) 基于道路和车辆自身信息的单目视觉车距测量方法
CN105404844B (zh) 一种基于多线激光雷达的道路边界检测方法
CN103487034B (zh) 一种基于立式标靶的车载单目摄像头测距测高方法
US11321950B2 (en) Apparatus and method for detecting lane information, and computer-readable recording medium storing computer program programmed to execute same method
CN103499343B (zh) 基于三维激光反射强度的道路标线点云自动分类识别方法
CN108280840B (zh) 一种基于三维激光雷达的道路实时分割方法
CN104637059A (zh) 基于毫米波雷达和机器视觉的夜间前方车辆检测方法
CN111308499A (zh) 一种基于多线激光雷达的障碍物检测方法
CN103499337B (zh) 一种基于立式标靶的车载单目摄像头测距测高装置
CN103196418A (zh) 一种弯道车距测量方法
CN108345008A (zh) 一种目标物检测方法、点云数据提取方法及装置
CN104700414A (zh) 一种基于车载双目相机的前方道路行人快速测距方法
CN111401176B (zh) 一种基于多线激光雷达的路沿检测方法
CN102207389A (zh) 车辆位置识别系统
CN104008377A (zh) 基于时空关联的地面交通标志实时检测识别方法
CN101776438A (zh) 道路标线测量装置及其测量方法
CN110197173B (zh) 一种基于双目视觉的路沿检测方法
CN106127787A (zh) 一种基于逆投影变换的相机标定方法
CN111717244A (zh) 一种列车自动驾驶感知方法和系统
CN109613544B (zh) 一种基于激光雷达的高速公路视距检测方法
CN109241855B (zh) 基于立体视觉的智能车辆可行驶区域探测方法
CN111694011A (zh) 一种摄像机和三维激光雷达数据融合的路沿检测方法
CN109839634A (zh) 一种车载摄像头与雷达的目标融合方法

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