[發(fā)明專(zhuān)利]一種基于無(wú)人駕駛車(chē)的道路與障礙物檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410740640.6
• 申請(qǐng)日: 2014-12-01
• 公開(kāi)（公告）號(hào): CN104636763B
• 公開(kāi)（公告）日: 2018-10-09
• 發(fā)明（設(shè)計(jì)）人: 段建民;鄭凱華
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類(lèi)號(hào): G06K9/66
• 分類(lèi)號(hào): G06K9/66;G06T7/00
• 代理公司: 北京思海天達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11203
• 代理人: 沈波

1.一種基于無(wú)人駕駛車(chē)的道路與障礙物檢測(cè)方法，其特征在于，所述方法包括以下步驟：

步驟1，根據(jù)路沿?cái)?shù)據(jù)點(diǎn)特征從眾多的激光雷達(dá)數(shù)據(jù)中提取路沿?cái)?shù)據(jù)集；

步驟2，應(yīng)用基于歐氏距離改進(jìn)的COBWEB算法對(duì)路沿?cái)?shù)據(jù)集進(jìn)行聚類(lèi)分析；

步驟3，提出多層融合規(guī)則，并應(yīng)用最小二乘法擬合出左右路沿，將前方道路分割為可行駛區(qū)域和不可行駛區(qū)域；

步驟4，在可行駛區(qū)域中計(jì)算道路的坡度信息；

步驟5，應(yīng)用DST證據(jù)理論建立柵格地圖，并利用沖突系數(shù)檢測(cè)動(dòng)態(tài)障礙物；

步驟6，改進(jìn)八鄰域區(qū)域標(biāo)記算法并對(duì)動(dòng)態(tài)障礙物進(jìn)行聚類(lèi)和信息提取；

所述激光雷達(dá)為四線激光雷達(dá)；

所述路沿?cái)?shù)據(jù)點(diǎn)的特征為：激光雷達(dá)掃到路沿上，返回的數(shù)據(jù)點(diǎn)在同一掃描層表現(xiàn)出穩(wěn)定的序號(hào)連續(xù)性；用直線函數(shù)y＝kx+b描述這些連續(xù)的路沿?cái)?shù)據(jù)點(diǎn)，其中k為斜率，b為截距，在傳感器坐標(biāo)系中連續(xù)的路沿掃描點(diǎn)之間形成的斜率相等；

步驟2所述應(yīng)用基于歐氏距離改進(jìn)的COBWEB算法對(duì)路沿?cái)?shù)據(jù)集進(jìn)行聚類(lèi)分析的方法包括如下內(nèi)容：

(1)為每個(gè)路沿點(diǎn)數(shù)據(jù)都創(chuàng)建四個(gè)屬性：與下一個(gè)路沿點(diǎn)之間的斜率k_n和截距b_n，與上一個(gè)路沿點(diǎn)之間的斜率k_l和截距b_l，n、l為聚類(lèi)個(gè)數(shù)；

(2)計(jì)算兩個(gè)路沿點(diǎn)間的歐氏距離；距離越大，兩個(gè)路沿點(diǎn)的相似度越低；距離越小，兩個(gè)路沿點(diǎn)的相似度越高；路沿點(diǎn)P_i和P_j之間的歐氏距離d的計(jì)算公式如下：

應(yīng)用歐氏距離對(duì)COBWEB算法進(jìn)行改進(jìn)，改進(jìn)的分類(lèi)效用CU_e定義如下：

式中：C_k表示第k個(gè)聚類(lèi)，ζ為歐氏距離閾值；

步驟3所述按照多層融合規(guī)則并應(yīng)用最小二乘法擬合出左右路沿的方法包括如下內(nèi)容：

將聚類(lèi)后的路沿類(lèi)分為左側(cè)路沿和右側(cè)路沿并剔除干擾路沿類(lèi)；按照多層融合規(guī)則分別對(duì)四個(gè)掃描層進(jìn)行處理，每一層數(shù)據(jù)都將提取出一個(gè)左路沿類(lèi)和一個(gè)右路沿類(lèi)，最后應(yīng)用最小二乘法對(duì)四個(gè)掃描層的左路沿類(lèi)和右路沿類(lèi)進(jìn)行直線擬合，得到一條左側(cè)路沿線和一條右側(cè)路沿線；然后利用路沿將前方道路分割為可行駛區(qū)域和不可行駛區(qū)域；

步驟4所述在可行駛區(qū)域中計(jì)算道路坡度信息的方法包括如下內(nèi)容：

激光雷達(dá)的四個(gè)掃描層從下到上分別用紅、藍(lán)、綠、黃表示，規(guī)定藍(lán)層的車(chē)輛行駛方向?yàn)閄軸，車(chē)輛左側(cè)為Y軸，根據(jù)右手定則確定Z軸；根據(jù)激光雷達(dá)不同掃描層上的路面數(shù)據(jù)點(diǎn)的相對(duì)位置關(guān)系，在可行駛區(qū)域中計(jì)算并得出道路的坡度信息，公式如下：

紅藍(lán)兩層間道路的坡度值：

藍(lán)綠兩層間道路的坡度值：

式中，α表示激光雷達(dá)的X軸與地面夾角；d₀、d₁、d₂分別為紅、藍(lán)、綠層路面數(shù)據(jù)點(diǎn)到傳感器的距離值；d₁₀、d₂₁分別為紅藍(lán)層、藍(lán)綠層路面數(shù)據(jù)點(diǎn)間的距離值；

步驟5所述應(yīng)用DST證據(jù)理論建立柵格地圖并利用沖突系數(shù)檢測(cè)障礙物的方法包括如下內(nèi)容：

(1)建立掃描柵格地圖

在柵格地圖中，每個(gè)柵格單元的狀態(tài)為無(wú)障礙狀態(tài)F和有障礙狀態(tài)O，定義柵格的未知狀態(tài)為Ω＝{F,O}，柵格的識(shí)別框架為2^Ω＝{F,O,Ω,Φ}，對(duì)應(yīng)的基本概率函數(shù)為[m(F)m(O)m(Ω)m(Φ)]，分別表示某一柵格無(wú)障礙、有障礙、未知和沖突這四個(gè)狀態(tài)；四個(gè)基本概率函數(shù)需滿足根據(jù)傳感器模型建立掃描地圖，并為每個(gè)柵格的基本概率函數(shù)賦值；

(2)融合t幀掃描柵格地圖與t-1幀的全局地圖

首先對(duì)柵格地圖進(jìn)行位置估計(jì)，然后應(yīng)用DST規(guī)則融合t幀掃描柵格地圖與t-1幀的全局地圖，得到最終的柵格地圖；

假定t時(shí)刻的掃描地圖各柵格的基本概率函數(shù)為m₁，t-1時(shí)刻的全局地圖各柵格的基本概率函數(shù)為m₂時(shí)，DST融合公式如下：

式中，沖突系數(shù)K＝m₁(F)m₂(O)+m₁(O)m₂(F)；

(3)檢測(cè)動(dòng)態(tài)障礙物

利用融合規(guī)則中沖突系數(shù)K去檢測(cè)動(dòng)態(tài)障礙物信息；將沖突系數(shù)拆分為兩個(gè)部分，K＝C₁+C₂＝m₁(F)m₂(O)+m₁(O)m₂(F)，其中C₁＝m₁(F)m₂(O)代表某一柵格從t-1時(shí)刻的無(wú)障礙物狀態(tài)變?yōu)閠時(shí)刻的有障礙物狀態(tài)，即一動(dòng)態(tài)障礙物進(jìn)入此柵格，當(dāng)C₁大于閾值時(shí)，認(rèn)為此柵格中出現(xiàn)動(dòng)態(tài)障礙物。

2.根據(jù)權(quán)利要求1所述的一種基于無(wú)人駕駛車(chē)的道路與障礙物檢測(cè)方法，其特征在于，步驟6所述改進(jìn)八鄰域區(qū)域標(biāo)記算法并對(duì)動(dòng)態(tài)障礙物進(jìn)行聚類(lèi)和信息提取的方法包括如下內(nèi)容：

(1)采用先詢(xún)問(wèn)柵格是否已經(jīng)標(biāo)記，后掃描其鄰域的方法對(duì)八鄰域區(qū)域標(biāo)記算法進(jìn)行改進(jìn)；

(2)對(duì)障礙物進(jìn)行聚類(lèi)，提取出障礙物的長(zhǎng)、寬，障礙物與自主車(chē)距離信息。