[發明專利]一種用于快速計算無人駕駛車感興趣區域內車輛速度的方法

在審

• 申請號: 201610145460.2
• 申請日: 2016-03-15
• 公開（公告）號: CN107193011A
• 公開（公告）日: 2017-09-22
• 發明（設計）人: 王曉原;王方;譚德榮;高松;孫亮;邵金菊;孔棟;孫一帆;劉麗萍
• 申請（專利權）人: 山東理工大學
• 主分類號: G01S17/58
• 分類號: G01S17/58;G01S17/93
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及無人駕駛車環境感知領域，具體而言，涉及一種基于三維激光雷達的運動目標檢測及測速的方法。

背景技術

無人車系統一般利用多種傳感器的組合實現對本車所處周邊環境的數據采集，通過多源信息融合以獲取道路環境信息，再處理所得數據，可以得到本車和周圍障礙物所處的位置、距離及速度等信息，進而為路徑規劃及各種控制決策提供依據。

環境感知是整個無人車系統中較為基礎和關鍵的環節，感知的環境信息主要為行駛的道路環境，其中運動障礙物的檢測尤為關鍵。根據數據來源的不同，運動目標檢測主要分為基于圖像的方法和基于雷達數據的方法。現有的基于圖像的運動目標檢測算法主要有背景差分法、圖像幀間差分法和光流法，但是基于圖像處理的運動目標檢測法存在著圖像處理的數據量大、算法的實時性差、受天氣影響等的問題。而激光雷達作為一種主動傳感器，具有對物體的感知信息來源于自身、受外界環境影響很小、獲取深度信息的可靠性和精確性要高于被動傳感器的特點，因而被廣泛應用于自主車導航。目前激光雷達在無人車領域主要應用于障礙物檢測、動態障礙物跟蹤、環境建圖等方面。

通常對無人駕駛車感興趣區域內周圍目標的識別及運動目標的速度計算，更多依賴于攝像機與激光雷達等傳感器所采集信息的融合，但是速度計算及識別算法精確度的提高會導致算法復雜度的提高和實時性的下降，如何在二者之間取得平衡，實現一種實時性和識別精度都可以接受的算法成為該領域研究的難點。

發明內容

為了解決上述問題，本發明公開了一種立足于處理三維激光雷達所獲得的單源全景點云數據以快速獲得周圍車輛等障礙物速度的計算方法，通過障礙物識別及速度計算，為無人車的路徑規劃及其在道路上的跟馳、換道決策提供依據，從而避免多源信息冗余、融合及處理等算法的復雜性，滿足無人車系統在環境感知、路徑規劃及決策控制方面的實時性和有效性。

附圖說明

圖1是本發明實施技術的流程圖。

圖2是本發明計算周圍車輛速度的原理圖（以無人車的左前車為例進行說明）。

圖3是本發明具體實施例的效果圖。

具體實施方式

本發明提出了一種基于三維激光雷達點云數據快速計算無人駕駛車感興趣區域內周圍車輛絕對速度的方法，它包括：選取激光雷達所掃描的某一層有效數據，并將其投影到xoy平面上；運用聚類合并及最小包圍矩形的方法辨識無人駕駛車感興趣區域內的周圍車輛；提取周圍車輛的運動信息并計算其絕對速度。完整的技術流程如圖1所示，具體如下：

步驟一、根據三維激光雷達所掃描的海量點云信息，選取其所掃描的某一層（一定高度范圍）數據，并將其投影到xoy平面上。

多線激光雷達安裝在無人駕駛車的車頂，可以采集到無人駕駛車所在道路環境的全景點云信息，其中包括周圍運動車輛、綠化帶、隔離帶、車道線等信息。通過數據的處理可以探測無人車的可行駛區域，由于無人車的路徑規劃及跟馳、換道決策等需要考慮周圍障礙物間即車輛間的可插車間隙及速度等，故在處理所采集到的道路環境數據時，可以在不丟失周圍車輛數據及不影響車輛特征辨識的情況下選取無人駕駛車感興趣區域內激光雷達所掃描的一層（一定高度范圍內）數據，并投影到xoy平面上，以此來直觀表征無人車周圍運動的車輛信息。此方法既可以提高計算機對數據的處理速度，又不影響車輛特征的辨識。

步驟二、用聚類合并及最小包圍矩形的方法辨識無人車周圍的運動車輛。

激光雷達獲取的是一個個數據點，但是屬于同一物體的空間點云之間存在著一定的關系，可以根據點云密度即點的個數 與其最小外接包圍矩形面積的比（），將屬于同一個物體的空間點聚類到一起。物體的形狀特征可以作為無人駕駛車感興趣區域內周圍障礙物辨識的依據，車輛的形狀特征尤其可以作為車輛區別于其他障礙物辨識的主要特征，但是由于遮擋或物體某部分的反射率太低，可能會將同一個物體分割為幾個不同的聚類，因此需要根據車輛的外形、輪廓特征進行聚類的合并處理，進而提高車輛辨識的準確率。

步驟三、無人駕駛車感興趣區域內周圍車輛運動信息提取及速度計算。

由于車輛在實際道路上行駛時，不僅存在著縱向（運動方向）和橫向位移，還會由于道路的顛簸等產生豎直方向的位移，但因橫向和豎直方向的位移相對于其運動方向即縱向的位移都很小，故本發明僅以車輛的縱向速度近似代表其運動的絕對速度。