一種用于智能車輛的障礙物識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種車輛環(huán)境感知技術(shù)，尤其是涉及一種用于智能車輛的障礙物識別 方法。
【背景技術(shù)】
[0002] 智能車輛是集環(huán)境感知、路徑規(guī)劃決策、控制等功能于一體的綜合智能系統(tǒng)，能夠 極大提高交通安全、提高現(xiàn)有道路的車輛通行效率、減少污染。其中環(huán)境感知系統(tǒng)是智能車 輛體系結(jié)構(gòu)中的基礎(chǔ)和核心，為規(guī)劃決策和控制執(zhí)行提供必要的基礎(chǔ)信息。環(huán)境感知系統(tǒng) 的主要功能是通過傳感器獲取車輛以及環(huán)境信息，具體為車輛的位姿及狀態(tài)信息獲取、結(jié) 構(gòu)化道路中車道線及車道邊沿的識別與跟蹤、交通標(biāo)志及交通信號的識別與跟蹤、車輛周 圍障礙物的識別與跟蹤等。
[0003] 通常用于環(huán)境感知的傳感器包括攝像機、激光、毫米波雷達、GPS、慣導(dǎo)等。其中攝 像機視覺數(shù)據(jù)無法提供障礙物準(zhǔn)確的距離信息或即便提供了距離信息，但其計算量巨大， 難以滿足智能車輛的實時性要求，而激光雷達測距精度高、掃描頻率高、數(shù)據(jù)量豐富，并且 具有不受天氣、光照等因素影響，不依靠紋路和顏色來辨別，對于陰影噪聲不敏感等優(yōu)良特 性，近年來在智能車輛的環(huán)境感知中受到極大關(guān)注。
[0004] 激光雷達包括：單線、四線、32線或64線三維激光雷達。由于單線激光雷達只能 得到物體的一個橫截面，不能得到較完整的立體信息。多線三維激光雷達提供了更大的探 測范圍和分辨率，可以提供障礙物的高度等輪廓信息，極大的提高了環(huán)境感知能力。本專利 對基于三維激光雷達的障礙物識別進行分析，新方法不只適用于某一款傳感器，但為了具 體描述三維激光雷達這類傳感器的工作方式及數(shù)據(jù)格式，我們以智能車輛上常用的32線 激光雷達傳感器Velodyne HDL 32E為例，對新方法進行分析。
[0005] 已有的障礙物識別方法大都是基于掃描點的笛卡爾坐標(biāo)，而32線或64線激光雷 達掃描是旋轉(zhuǎn)式的，掃描方式和數(shù)據(jù)格式與球坐標(biāo)系更契合和統(tǒng)一，本方法采用掃描點的 球坐標(biāo)。
[0006] 已有的方法大都是將原始數(shù)據(jù)點劃分為柵格，然后再基于柵格對障礙物進行識 另IJ，普遍存在欠分割問題，而在球坐標(biāo)系下三維點云原始數(shù)據(jù)能夠更準(zhǔn)確的表示障礙物信 息，本方法直接對點云的原始數(shù)據(jù)進行分析，不需進行柵格劃分，可以避免欠分割問題并且 提尚運算效率。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種用于智能車輛 的障礙物識別方法，該方法基于三維激光雷達和球坐標(biāo)系實現(xiàn)。
[0008] 本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn)：
[0009] 一種用于智能車輛的障礙物識別方法，包括步驟：
[0010] 1)獲取車輛周圍環(huán)境的三維激光雷達原始掃描點云在球坐標(biāo)系下的數(shù)據(jù)點，并在 所有數(shù)據(jù)點中篩選出障礙點；
[0011] 2)根據(jù)各障礙點的水平方位角及其關(guān)于三維激光雷達傳感器的徑向距離對障礙 點進行分組；
[0012] 3)將每一組障礙點對應(yīng)一個障礙物，并根據(jù)組內(nèi)各障礙點的相對位置關(guān)系得到各 障礙物的類別。
[0013] 2.根據(jù)權(quán)利要求1所述的一種用于智能車輛的障礙物識別方法，其特征在于，所 述三維激光雷達設(shè)于車輛的車頂。
[0014] 3.根據(jù)權(quán)利要求1所述的一種用于智能車輛的障礙物識別方法，其特征在于，所 述球坐標(biāo)系的原點為三維激光雷達的傳感器。
[0015] 所述步驟2)具體包括步驟：
[0016] 21)將所有障礙點按照方位角區(qū)域劃分；
[0017] 22)將每一個區(qū)域內(nèi)的障礙點按照徑向距離分組。
[0018] 所述步驟21)具體為：比較相鄰障礙點方位角的差值與方位角差值閾值的大小， 若差值小于閾值，則將兩個方位角歸入同一區(qū)域，反之則歸入不同區(qū)域；
[0019] 所述步驟22)中對一個區(qū)域內(nèi)的障礙點的分組過程包括步驟：
[0020] 221)將區(qū)域內(nèi)的所有障礙點進行隨機排序；
[0021] 222)將第一個障礙點歸入第一組障礙點，并將其徑向距離作為第一組障礙點的徑 向距離加權(quán)值；
[0022] 223)判斷是否存在一組障礙點的徑向距離加權(quán)值與下一個障礙點的徑向距離 巧之間的差值小于距離差值閾值，若為是，則執(zhí)行步驟224)，若為否，則執(zhí)行步驟225);
[0023] 224)將該障礙點歸入徑向距離加權(quán)值與其差值最小的一組障礙點，并根據(jù)該障礙 點的徑向距離更新該組障礙點的徑向距離加權(quán)值，執(zhí)行步驟226);
[0024] 225)將該障礙點歸入新的一組障礙點，并將其徑向距離作為該組障礙點的徑向距 離加權(quán)值，并執(zhí)行步驟226);
[0025] 226)判斷是否還有障礙點未分組，若為是，則執(zhí)行步驟223)，若為否，則分組結(jié) 束。
[0026] 所述步驟224)中徑向距離加權(quán)值更新式為：
[0027] C/ = (1-a )Cj+a ri
[0028] 其中：(^_為更新前的徑向距離加權(quán)值，C/為更新后的徑向距離加權(quán)值，a為更新 系數(shù)。
[0029] 所述步驟3)具體包括步驟：
[0030]31)將每一組障礙點對應(yīng)一個障礙物，并將組內(nèi)各障礙點定義為各障礙物的掃描 占.
[0031] 32)根據(jù)組內(nèi)各障礙點的方位角及其徑向距離得到各障礙物的水平尺寸，具體 為：
[0032] 1 ^ a d/57. 7
[0033] 其中；1為障礙物的水平尺寸，a為各障礙點方位角差值的最大值，d為各障礙點 徑向距離的最小值；
[0034]33)將水平尺寸小于0. 6米的障礙物識別為行人，將水平尺寸介于1. 5米至6米的 障礙物識別為車輛。
[0035] 與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點：
[0036] 1)本發(fā)明利用三維激光雷達測量原理與點云數(shù)據(jù)球坐標(biāo)表示方法的內(nèi)在統(tǒng)一性， 基于球坐標(biāo)對點云數(shù)據(jù)進行分析，而不是對點云數(shù)據(jù)的笛卡爾坐標(biāo)進行分析，更高效，同時 由于直接對點云的原始數(shù)據(jù)進行分析，不需要對點云進行柵格劃分，從而提高了處理效率。
[0037] 2)本發(fā)明根據(jù)方位角及徑向距離對點云進行分割，避免了傳統(tǒng)借助于柵格劃分的 方法的欠分割問題。
[0038] 3)本發(fā)明直接根據(jù)障礙物所占的方位角范圍對尺寸不同的障礙物進行識別，運算 成本低，并且可提高障礙物識別效率。
【附圖說明】
[0039] 圖1為本發(fā)明的主要步驟流程示意圖；
[0040] 圖2為激光雷達的一幀掃描束在球坐標(biāo)系和笛卡爾坐標(biāo)系的表不；
[0041] 圖3為障礙物的水平方位角數(shù)據(jù)可視化圖；
[0042] 圖4為障礙物與掃描線垂直面的幾何特征圖；
[0043] 圖5為障礙物與掃描線垂直面的簡化近似幾何特征圖。
【具體實施方式】
[0044] 下面結(jié)合附圖和具體實施例對本發(fā)明進行詳細說明。本實施例以本發(fā)明技術(shù)方案 為前提進行實施，給出了詳細的實施方式和具體的操作過程，但本發(fā)明的保護范圍不限于 下述的實施例。
[0045] 一種用于智能車輛的障礙物識別方法，該方法為了滿足智能駕駛障礙物識別的實 時性，基于三維激光雷達點云的球坐標(biāo)，首先對智能車輛行駛環(huán)境中的障礙物進行分割，使 障礙物之間彼此分開；然后對障礙物進行目標(biāo)分類，判斷障礙物屬于行人、車輛的哪一類。
[0046] 如圖1所示，本障礙物識別方法包括步驟：
[0047] 1)獲取車輛周圍環(huán)境的三維激光雷達掃描得到原始掃描點云在球坐標(biāo)系下的數(shù) 據(jù)點，并在所有數(shù)據(jù)點中篩選出障礙點，激光雷達在智能車輛上的安裝位置決定了傳感器 障礙檢測的感知范圍和能力，為了盡可能的減少遮擋、增大激光雷達的探測范圍，我們將其 安裝在自主車的車頂上方，球坐標(biāo)系的原點為三維激光雷達的傳感器；
[0048] 獲取激光雷達傳感器原始點云數(shù)據(jù)。以HDL-32E為例，如圖2,傳感器在垂直視 場角為+10.67°到-30.67°的范圍內(nèi)發(fā)送32條激光，相應(yīng)角分辨率為1.33° ;同時傳 感器的旋轉(zhuǎn)頭在水平360°視場角內(nèi)持續(xù)旋轉(zhuǎn)，其分辨率為0.18°。在實際測量中，從0° 到360°的測量為一幀，這樣理論上一幀就有條掃描束，但是只有反射回來的點才可能被 傳感器接收并保存為數(shù)據(jù)點，接收到的每個數(shù)據(jù)點包含8個參數(shù)值{Points :0, Points : 1，Points :2，intensity，laser_id，azimuth，distance_m，timestamp} 〇 其中前三個參數(shù) Points :0, 1，2依次表示笛卡爾直角坐標(biāo)點，laser_id為32條激光的標(biāo)識號，每條激光對應(yīng) 其各自的俯仰角，由該參數(shù)直接得到點的俯仰角，azimuth表示點的水平方位角，distance_ m表示點到傳感器的距離，即點的球坐標(biāo)徑向距離，可由原始點云數(shù)據(jù)直接得到掃描點在球 坐標(biāo)系下的數(shù)據(jù)點。
[0049] 從數(shù)據(jù)點中篩選出障礙點，具體的，理想平坦地面上的數(shù)據(jù)點形成同一水平面上 的同心圓，每個圓與一條激光相對應(yīng)，同一圓上的點的徑向距離是相等的。若存在障礙物， 激光線就會在途中被反射，其徑向距離發(fā)生變化。因此徑向距離的變化反映了地面的起伏 或障礙物的存在，根據(jù)同一俯仰角下各數(shù)據(jù)點關(guān)于傳感器的徑向距離確定車輛通過路線， 即將同一俯仰角下與相鄰數(shù)據(jù)點之間徑向距離的差值大于自適應(yīng)閾值1?_的數(shù)據(jù)點設(shè)定為 障礙點，其中，自適應(yīng)閾值R max具體為：
[0050] Rmax=入min (r〇Th) + e
[0051] 其中：入為距離比例系數(shù)，e為誤差補償量，巧為數(shù)據(jù)點i關(guān)于傳感器的徑向距 離，巧^為數(shù)據(jù)點i相鄰數(shù)據(jù)點關(guān)于傳感器的徑向距離。
[0052] 自適應(yīng)閾值由兩部分構(gòu)成，第一部分與掃描點徑向距離有關(guān)，第二部分與激光束 俯仰角有關(guān)，距離比例系數(shù)和誤差補償量通過預(yù)先離線實驗得到。
[0053] 2)根據(jù)各障礙點的水平方