CN112068155A - 一种基于多个多线激光雷达分区障碍物检测方法 - Google Patents

一种基于多个多线激光雷达分区障碍物检测方法 Download PDF

Info

Publication number
CN112068155A
CN112068155A CN202010815034.1A CN202010815034A CN112068155A CN 112068155 A CN112068155 A CN 112068155A CN 202010815034 A CN202010815034 A CN 202010815034A CN 112068155 A CN112068155 A CN 112068155A
Authority
CN
China
Prior art keywords
obstacle
ground
points
meters
laser radar
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.)
Granted
Application number
CN202010815034.1A
Other languages
English (en)
Other versions
CN112068155B (zh
Inventor
张婉蒙
张林灿
宋罡
刘树全
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.)
Wohang Technology Nanjing Co ltd
Original Assignee
Wohang Technology Nanjing 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 Wohang Technology Nanjing Co ltd filed Critical Wohang Technology Nanjing Co ltd
Priority to CN202010815034.1A priority Critical patent/CN112068155B/zh
Publication of CN112068155A publication Critical patent/CN112068155A/zh
Application granted granted Critical
Publication of CN112068155B publication Critical patent/CN112068155B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01S17/87—Combinations of systems using electromagnetic waves other than radio waves

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开一种基于多个多线激光雷达分区障碍物检测方法，流程如下：接收三路激光雷达数据缓存和拼接，过滤无效点和畸变的点；分区体素下采样，根据不同的检测区域设置不同的像素；下采样完后进行数据集合并；基于渐进式形态学滤波算法进行地面拟合，检测出地面点；进行地面分割，分割出非地面点和地面点；基于欧几里得算法对非地面点云集合进行聚类，根据扫描距离的远近，设置不同的k‑维树近邻搜索的搜索半径，进行障碍物检测；输出障碍物信息给融合层或者动态障碍物跟踪模块，包含障碍物的长度、宽度、高度和中心点信息。本发明实现目标物的高精度识别，保障每一帧障碍物检出时延小于40ms，检出率为98％。

Description

一种基于多个多线激光雷达分区障碍物检测方法
技术领域：
本发明涉及一种基于多个多线激光雷达分区障碍物检测方法，其属于电动汽车智能驾驶技术领域。
背景技术：
近两年，国产激光雷达技术迅猛发展，多线激光雷达技术日渐成熟，业内128线激光雷达层出不穷。鉴于其高密度、高精度、高性价比、性能稳定可靠的特点，为自动驾驶发展创造了很好的机遇，加速了自动驾驶的落地和商用。基于激光雷达的感知方案也越来越受到业内人士的认可和推崇，激光雷达的高密度、高精度来源于大量的点云数据，在硬件平台算力有限的前提下保障障碍物检测的时延较小以及较高检出率，鉴于此，我们提出一种基于多个多线激光雷达分区障碍物检测方法。
发明内容：
本发明是为了解决上述现有技术存在的问题而提供一种基于多个多线激光雷达分区障碍物检测方法，其能够有效地解决多个多线激光雷达识别障碍物的检测率，同时保证较小的检测时延，保证在下一帧数据到来前，上一帧数据完全处理结束，不会导致数据丢失，从而保证障碍物高精度检测。
本发明所采用的技术方案有：一种基于多个多线激光雷达分区障碍物检测方法，具体流程如下：
步骤一：接收三路激光雷达数据缓存和拼接，过滤无效点和畸变的点；
步骤二：分区体素下采样，分为车辆正前方30米-100米定义为A区，后左方-30米--4米定义为B区，后中方-4米-4米定义为C区，4米-30米定义为D区，根据不同的检测区域设置不同的像素；
步骤三：下采样完后进行数据集合并；
步骤四：基于渐进式形态学滤波算法进行地面拟合，检测出地面点；
步骤五：进行地面分割，分割出非地面点和地面点；
步骤六：基于欧几里得算法对非地面点云集合进行聚类，根据扫描距离的远近，设置不同的k-维树近邻搜索的搜索半径，进行障碍物检测；
步骤七：输出障碍物信息给融合层或者动态障碍物跟踪模块，包含障碍物的长度、宽度、高度和中心点信息。
进一步地，多线激光雷达为三路激光雷达，三路激光雷达为一路128线主激光雷达和两路32线补盲侧向激光雷达。
进一步地，三路雷达进行PPS时钟同步校准，数据时钟一致。
本发明具有如下有益效果：
(1).本发明采用一路128线主激光雷达和两路32线补盲侧向激光雷达同时叠加，一路补盲侧向激光雷达出点数58万/秒，两路即出点数116万/秒，主激光雷达出点数60万/秒，合计176万/秒，基于庞大的出点数，实现目标物的高精度识别，保障每一帧障碍物检出时延小于40ms，检出率为98％。
(2).本发明将多路多线激光雷达的数据充分利用，在平台算力有限的条件下保障障碍物很高的检出率和较小的检出时延，保证对智能驾驶车辆周围环境精准的识别，为后续的障碍物跟踪、融合和决策提供准确的数据依据。
附图说明：
图1为分区体素下采样图。
具体实施方式：
下面结合附图对本发明作进一步的说明。
本发明基于多个多线激光雷达分区障碍物检测方法通过三路激光雷达实现，三路激光雷达为一路128线主激光雷达和两路32线补盲侧向激光雷达，其中128线主激光雷达安装在车辆的正前方，两路32线补盲侧向激光雷达分别安装车辆左前方和车辆右前方。三路激光雷达已经做过外参标定，保证三路激光雷达坐标系全部转换为车身坐标系，保证坐标系一致，防止出现公共扫描区域同一个目标物被识别为多个物体。三路激光雷达做过PPS时钟同步校准，保证数据时钟一致。本发明中平台算力参数16g内存，6核i5-9400。
本发明基于多个多线激光雷达分区障碍物检测方法，具体流程如下：
步骤一：接收三路激光雷达数据缓存和拼接，过滤无效点和畸变的点，保障点云的有效性；
步骤二：分区体素下采样，分为车辆正前方30米-100米(A区)，后左方-30米--4米(B区)，后中方-4米-4米(C区)，4米-30米(D区)，分区的主要目的是根据不同的检测区域设置不同的像素，保证重点关注区域下采样后点云的密集度，具体分区见图1；
步骤三：下采样完后进行数据集合并；
步骤四：基于渐进式形态学滤波算法进行地面拟合，此算法对于高低起伏地面，特别是矿区地面拟合效果特别好，能比较准确的检测出地面点，对于下一步的地面分割有很好的数据支撑；
步骤五：进行地面分割，分割出非地面点和地面点；
步骤六：基于欧几里得算法对非地面点云集合进行聚类，根据扫描距离的远近，设置不同的k-维树(三维树)近邻搜索的搜索半径，进行障碍物检测，从而保障越近的障碍物的识别精度越高；
步骤七：输出障碍物信息给融合层或者动态障碍物跟踪模块，包含障碍物的长度、宽度、高度和中心点信息。
本发明基于多个多线激光雷达分区障碍物检测方法采用一路128线主激光雷达和两路32线补盲侧向激光雷达同时叠加，一路补盲侧向激光雷达出点数58万/秒，两路即出点数116万/秒，主激光雷达出点数60万/秒，合计176万/秒，基于庞大的出点数，实现目标物的高精度识别，保障每一帧障碍物检出时延小于40ms，检出率为98％。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下还可以作出若干改进，这些改进也应视为本发明的保护范围。

Claims (3)

1.一种基于多个多线激光雷达分区障碍物检测方法，其特征在于：具体流程如下：
步骤一：接收三路激光雷达数据缓存和拼接，过滤无效点和畸变的点；
步骤二：分区体素下采样，分为车辆正前方30米-100米定义为A区，后左方-30米--4米定义为B区，后中方-4米-4米定义为C区，4米-30米定义为D区，根据不同的检测区域设置不同的像素；
步骤三：下采样完后进行数据集合并；
步骤四：基于渐进式形态学滤波算法进行地面拟合，检测出地面点；
步骤五：进行地面分割，分割出非地面点和地面点；
步骤六：基于欧几里得算法对非地面点云集合进行聚类，根据扫描距离的远近，设置不同的k-维树近邻搜索的搜索半径，进行障碍物检测；
步骤七：输出障碍物信息给融合层或者动态障碍物跟踪模块，包含障碍物的长度、宽度、高度和中心点信息。
2.如权利要求1所述的基于多个多线激光雷达分区障碍物检测方法，其特征在于：多线激光雷达为三路激光雷达，三路激光雷达为一路128线主激光雷达和两路32线补盲侧向激光雷达。
3.如权利要求2所述的基于多个多线激光雷达分区障碍物检测方法，其特征在于：三路雷达进行PPS时钟同步校准，数据时钟一致。
CN202010815034.1A 2020-08-13 2020-08-13 一种基于多个多线激光雷达分区障碍物检测方法 Active CN112068155B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010815034.1A CN112068155B (zh) 2020-08-13 2020-08-13 一种基于多个多线激光雷达分区障碍物检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010815034.1A CN112068155B (zh) 2020-08-13 2020-08-13 一种基于多个多线激光雷达分区障碍物检测方法

Publications (2)

Publication Number Publication Date
CN112068155A true CN112068155A (zh) 2020-12-11
CN112068155B CN112068155B (zh) 2024-04-02

Family

ID=73661329

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010815034.1A Active CN112068155B (zh) 2020-08-13 2020-08-13 一种基于多个多线激光雷达分区障碍物检测方法

Country Status (1)

Country Link
CN (1) CN112068155B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112731338A (zh) * 2020-12-30 2021-04-30 潍柴动力股份有限公司 仓储物流agv小车障碍物检测方法、装置、设备及介质
CN113111905A (zh) * 2021-02-25 2021-07-13 上海水齐机器人有限公司 一种融合多线激光雷达与超声波数据的障碍物检测方法
CN114966604A (zh) * 2022-05-26 2022-08-30 苏州轻棹科技有限公司 一种分区点云的目标检测处理方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109271944A (zh) * 2018-09-27 2019-01-25 百度在线网络技术（北京）有限公司 障碍物检测方法、装置、电子设备、车辆及存储介质
CN110168559A (zh) * 2017-12-11 2019-08-23 北京嘀嘀无限科技发展有限公司 用于识别和定位车辆周围物体的系统和方法
CN110501719A (zh) * 2019-08-27 2019-11-26 王玉娇 一种基于激光雷达的列车障碍物探测方法
CN110879401A (zh) * 2019-12-06 2020-03-13 南京理工大学 基于相机和激光雷达的无人驾驶平台实时目标3d检测方法
US20200132845A1 (en) * 2018-10-29 2020-04-30 Lawrence Livermore National Security, Llc System and method for adaptive object-oriented sensor fusion for environmental mapping
CN111308499A (zh) * 2020-03-09 2020-06-19 中振同辂(江苏)机器人有限公司 一种基于多线激光雷达的障碍物检测方法
CN111413689A (zh) * 2020-05-07 2020-07-14 沃行科技(南京)有限公司 一种基于rviz实现多激光雷达点云对齐的高效静态标定方法
CN111492265A (zh) * 2017-09-13 2020-08-04 威力登激光雷达有限公司 基于3d激光雷达测量的多分辨率、同时定位和地图绘制

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111492265A (zh) * 2017-09-13 2020-08-04 威力登激光雷达有限公司 基于3d激光雷达测量的多分辨率、同时定位和地图绘制
CN110168559A (zh) * 2017-12-11 2019-08-23 北京嘀嘀无限科技发展有限公司 用于识别和定位车辆周围物体的系统和方法
CN109271944A (zh) * 2018-09-27 2019-01-25 百度在线网络技术（北京）有限公司 障碍物检测方法、装置、电子设备、车辆及存储介质
US20200132845A1 (en) * 2018-10-29 2020-04-30 Lawrence Livermore National Security, Llc System and method for adaptive object-oriented sensor fusion for environmental mapping
CN110501719A (zh) * 2019-08-27 2019-11-26 王玉娇 一种基于激光雷达的列车障碍物探测方法
CN110879401A (zh) * 2019-12-06 2020-03-13 南京理工大学 基于相机和激光雷达的无人驾驶平台实时目标3d检测方法
CN111308499A (zh) * 2020-03-09 2020-06-19 中振同辂(江苏)机器人有限公司 一种基于多线激光雷达的障碍物检测方法
CN111413689A (zh) * 2020-05-07 2020-07-14 沃行科技(南京)有限公司 一种基于rviz实现多激光雷达点云对齐的高效静态标定方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
邹斌;刘康;王科未;: "基于三维激光雷达的动态障碍物检测和追踪方法", 汽车技术, no. 08, pages 19 - 25 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112731338A (zh) * 2020-12-30 2021-04-30 潍柴动力股份有限公司 仓储物流agv小车障碍物检测方法、装置、设备及介质
CN113111905A (zh) * 2021-02-25 2021-07-13 上海水齐机器人有限公司 一种融合多线激光雷达与超声波数据的障碍物检测方法
CN114966604A (zh) * 2022-05-26 2022-08-30 苏州轻棹科技有限公司 一种分区点云的目标检测处理方法
CN114966604B (zh) * 2022-05-26 2024-05-03 苏州轻棹科技有限公司 一种分区点云的目标检测处理方法

Also Published As

Publication number Publication date
CN112068155B (zh) 2024-04-02

Similar Documents

Publication Publication Date Title
CN112068155A (zh) 一种基于多个多线激光雷达分区障碍物检测方法
CN101996410B (zh) 动态背景下的运动目标检测方法及系统
CN109858460A (zh) 一种基于三维激光雷达的车道线检测方法
CN112731339A (zh) 一种基于激光点云的三维目标检测系统及其检测方法
Nguyen et al. A fast evolutionary algorithm for real-time vehicle detection
CN112964264B (zh) 道路边沿检测方法、装置、高精度地图、车辆及存储介质
CN103268609A (zh) 一种有序提取地面的点云分割方法
CN110246183A (zh) 车轮接地点检测方法、装置及存储介质
CN110850394B (zh) 一种自动驾驶激光雷达强度标定方法
CN111308499A (zh) 一种基于多线激光雷达的障碍物检测方法
CN103206957B (zh) 车辆自主导航的车道线检测与跟踪方法
WO2024060771A1 (zh) 一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法
CN110599497A (zh) 一种基于深度神经网络的可行驶区域分割方法
CN115861951B (zh) 一种基于双特征提取网络的复杂环境车道线精准检测方法
CN113325389A (zh) 一种无人车激光雷达定位方法、系统及存储介质
CN116665003B (zh) 一种基于特征交互与融合的点云三维目标检测方法和装置
Li et al. Judgment and optimization of video image recognition in obstacle detection in intelligent vehicle
CN112132013A (zh) 一种车辆关键点检测方法
CN111611900A (zh) 一种目标点云识别方法、装置、电子设备和存储介质
CN110969647A (zh) 一种整合车辆的识别跟踪与车灯检测的方法
Xu et al. Road lane modeling based on RANSAC algorithm and hyperbolic model
CN114494617A (zh) 一种车道线自动提取方法
CN114638934B (zh) 一种3D激光slam建图中动态障碍物的后处理方法
CN114821508A (zh) 基于隐式上下文学习的道路三维目标检测方法
CN115236673A (zh) 一种大型车辆多雷达融合感知系统和方法

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