[發明專利]一種基于激光雷達和CCD攝像機信息融合的障礙檢測方法

在審

• 申請號: 201610924629.4
• 申請日: 2016-10-24
• 公開（公告）號: CN106774296A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 張春華;王鈐;張穗華;楊亮;雷巍;羅凌江;呂衛強;鄧博文;雷絲雨;高潔
• 申請（專利權）人: 中國兵器裝備集團自動化研究所
• 主分類號: G05D1/02
• 分類號: G05D1/02;G01S17/93;G01B11/02
• 代理公司: 中國工程物理研究院專利中心51210
• 代理人: 翟長明,韓志英

技術領域

本發明涉及激光雷達和CCD攝像機障礙檢測裝置，特別設計一種基于激光雷達和CCD攝像機信息融合的障礙檢測方法，該方法主要應用于無人化智能車輛中的環境感知領域，可在一些惡劣、高危的復雜環境中實現對障礙的精確檢測，從而保障車輛的正常安全運行。

背景技術

無人化智能車輛要在一些惡劣、高危的復雜環境下工作，離不開一個實時、準確的環境感知模塊，正確的理解周圍環境是保障車輛正常工作的根本前提，而障礙檢測作為環境感知模塊的一個重要環節，其檢測的精度不容忽視。

常規的檢測方法通常有兩種：采用基于視覺的方法，雖然憑借圖像高精度的像素分辨率可實現對障礙的精確檢測，但存在幾方面的不足：一方面攝像機受外界光照的影響較大，環境適應能力較低，當障礙與背景顏色、紋理接近時，不易實現障礙的分割，另一方面僅依靠單一攝像機采集的信息無法得到環境的距離信息；采用激光雷達來檢測障礙，它的優點是對環境的適應力較強，掃描范圍廣、實時性好、精度高，但隨著障礙距離的變遠，激光雷達獲得的掃描點數會變少，處理后得到的障礙尺寸誤差就會變大。顯示出單一傳感器難以同時滿足環境適應性和檢測精度的問題。

發明內容

本發明要解決的技術問題是無人化智能車輛領域中單一傳感器難以同時滿足環境適應性和檢測精度的要求，提供了將激光雷達的距離信息和CCD攝像機的顏色和紋理信息融合的障礙檢測方法，所述的方法依次包括以下步驟：

a. 信息處理計算機采用網絡通信方式接收激光雷達的點云數據，按照通信協議將所接收的點云數據；

b.構建空白柵格地圖，將接收的點云數據映射到對應的柵格中，并記錄落入柵格中數據點在z軸上的最大值和最小值，計算最大值和最小值之差，將計算的差值與設定的障礙高度閾值進行比較，大于高度閾值則判定該柵格為障礙，否則為非障礙，從而以柵格地圖的形式將待檢測區域進行表示，并按照激光雷達的掃描周期（100毫秒）對柵格地圖進行刷新；

c.根據點云數據之間的距離對障礙進行聚類分析，得到每個障礙的編號、數據點的數量以及障礙相對于激光雷達的相對位置坐標x，y，z；

d.將CCD攝像機的參數進行初始化，獲得圖像信息；

e.將激光雷達坐標系下的障礙坐標變換至CCD攝像機的圖像坐標系，再將障礙的坐標從圖像坐標系變換至像素坐標系；

f.將障礙在像素坐標系下的坐標設置為種子點，利用圖像的顏色和紋理特征，采用區域生長算法將障礙從圖像中進行分割；

g.求取分割后的障礙的外接矩形，并對其寬度和高度所占像素進行統計，將統計的像素與激光雷達所提供的障礙的坐標進行融合，最終得到障礙的寬度和高度尺寸并輸出。

本發明的基于激光雷達和CCD攝像機信息融合的障礙檢測方法，能夠克服單一傳感器障礙檢測時誤差較大，魯棒性不高的缺點，滿足無人化智能車輛在障礙檢測時環境適應性強且檢測精度高的要求。能適應絕大多數環境下障礙檢測的需求。

附圖說明

圖1是本發明的硬件框架圖；

圖2是本發明的程序流程圖。

具體實施方式

下面將結合附圖對本發明進行詳細說明。圖1 是本發明的硬件框架圖，如圖1所示，該方法所涉及的激光雷達和CCD攝像機障礙檢測裝置由激光雷達11、CCD攝像機12、網絡交換機13和信息處理計算機14組成。激光雷達11采集的點云數據和CCD攝像機12采集的圖像數據通過網絡交換機13傳輸至信息融合計算機14，信息融合計算機14將獲得的點云數據和圖像數據變換至同一坐標系之下，并將32激光雷達11的距離信息和CCD攝像機12的顏色和紋理信息進行融合，最終得到障礙的位置坐標和外形尺寸信息。

圖2 是本發明的程序流程圖，如圖2所示，步驟201為激光雷達的初始化動作，包括信息處理計算機14與激光雷達11建立網絡通信、查詢當前激光雷達的工作狀態以及點云數據存貯空間的開辟等等，步驟202對激光雷達是否正常初始化進行判斷，如果正常，則轉入步驟204，否則轉入步驟201繼續初始化動作。當初始化正常后，轉入步驟203獲取激光雷達的點云數據，并對接收的數據進行解析。由于待解析的點云數據為球面坐標，不利于后續的處理，因此步驟204將解析后的點云數據變換為直角坐標系下的三維數據。步驟205根據變換后的數據在直角坐標系中的坐標計算出該點所對應的柵格，并將該點映射至柵格地圖上。步驟206記錄落入每個柵格中數據點的最大值和最小值，并計算最大值和最小值之差與設定閾值之間的大小關系，若大于閾值則轉入步驟208，否則轉入步驟207。步驟207將最大值與最小值之差小于閾值的柵格設置為非障礙柵格。步驟208將最大值與最小值之差大于閾值的柵格設置為障礙柵格，并將落入柵格中的點進行記錄。步驟209將步驟208中所記錄的點根據距離進行聚類分析，將距離相距較小的點聚類為同一個障礙。步驟210根據步驟209的聚類結果，求取每個障礙的幾何中心坐標，障礙的寬度和高度尺寸，轉入步驟214。步驟211對CCD攝像機12進行初始化。步驟212獲取CCD攝像機12的圖像數據。步驟213對圖像處理算法的參數進行初始化。步驟214中CCD攝像機12接收來自激光雷達11處理后得到的障礙檢測信息，包括障礙的幾何中心坐標、寬度和高度信息。步驟215將接收的激光雷達11數據通過坐標變換的方式變換至CCD攝像機12的像素坐標系，將激光雷達11的坐標、寬度和高度信息變換為CCD攝像機12圖像中的像素坐標以及對應的感興趣區域。步驟216對CCD攝像機12的采集的圖像信息進行預處理主要是采用高斯低通濾波器進行平滑去噪。步驟217以激光雷達11檢測的障礙的幾何中心點坐標為種子點，并采用區域生長算法以種子點為中心向四周擴展。步驟218對步驟217區域生長過程中的連通域進行標記。步驟219利用步驟218得到的最終標記結果得到障礙的輪廓信息。步驟220將步驟219中得到的輪廓信息進行剔除與合并操作最終得到障礙在圖像中的外形尺寸，以像素進行表示。步驟221將步驟220中得到的以像素表示的障礙外形尺寸和步驟210中激光雷達11得到的障礙幾何中心坐標信息進行融合，得到障礙的準確外形尺寸。步驟222將得到的障礙外形尺寸信息通過疊加到視頻的方式進行輸出。