[發明專利]一種基于激光雷達的單線數據分析對物體空間封閉的聚類方法

有效

• 申請號: 201811544723.2
• 申請日: 2018-12-17
• 公開（公告）號: CN111325229B
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 周慶國;王金強;周睿;車云飛;申澤邦;漆昱濤
• 申請（專利權）人: 蘭州大學
• 主分類號: G06V10/26
• 分類號: G06V10/26;G06V10/762;G06V10/44;G06V20/56
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開一種基于激光雷達的單線數據分析對物體空間封閉的聚類方法，包括步驟S1：從激光雷達Velodyne中提取單線數據，并將每組單線數據映射到二維平面上；步驟S2：利用步驟S1中的二維平面數據，對每組數據使用切線的方法提取物體邊緣線，依次分割提取出單個物體的邊緣；步驟S3：對分割出的物體邊緣點集處理獲得物體的中心點，以及水平方向所占面積；步驟S4：組合所有二維平面單線數據，在三維空間中確定所有物體最終的精確位置及水平方向所占面積。本發明對距離過近的空間物體的分割聚類具有較好的魯棒性。

技術領域

本發明涉及車輛輔助駕駛技術領域，特別是一種基于激光雷達的單線數據分析對物體空間封閉的聚類方法。

背景技術

環境感知是無人駕駛的核心部分之一，其中對空間物體的定位和追蹤又是最重要的一部分。現如今廣泛使用的激光雷達對于目標位置、速度等特征量的探測具有相當高精度，相比于其他環境感知方式，激光雷達都有相當大的優勢。

激光雷達，是以發射激光束探測目標的位置、速度等特征量的雷達系統。其工作原理是向目標發射探測信號(激光束)，然后將接收到的從目標反射回來的信號(目標回波)與發射信號進行比較，作適當處理后，就可獲得目標的有關信息，如目標距離、方位、高度、速度、姿態、甚至形狀等參數；激光雷達有分辨率高、隱蔽性好、抗有源干擾能力強、低空探測性能好、體積小、質量輕等優點。

將物理空間中的激光雷達點云集合分成由類似的對象組成的多個類的過程被稱為點云聚類。由聚類所生成的簇是一組數據對象的集合，這些對象與同一個簇中的對象彼此相似，與其他簇中的對象相異，這個集合即被認為是一個單獨的個體。

一般的聚類算法，如K-Means、均值漂移、DBSCAN聚類算法，都是在一個維度上對三維空間的點進行聚類，并計算空間物體的中心點；且大部分算法都是著眼于點云密度的變化來追蹤空間物體的位置，當兩個物體相聚太近時，這些算法容易將兩個不同的物體誤分類為同一個物體；而且由于激光雷達的穿透效果很差，不能捕捉背向激光雷達一面的點，往往聚類效果只能是實際物體的一半，甚至會出現聚類輪廓出現偏差。以上因素容易影響聚類效果，效果非常不穩定。

發明內容

本發明的目的是要解決目前基于激光雷達點云聚類時，容易發生當兩個物體靠的太近時，點云過于密集，聚類算法會將兩個物體誤認為同一個物體，因此，本發明提出一種魯棒性較好的聚類方法。

為解決現有算法聚類的不足，本發明提出了一種基于激光雷達的單線數據分析對物體空間封閉的聚類方法，包括步驟如下：

步驟S1：從激光雷達Velodyne中提取單線點云集生成多組數據，然后將每組的單線數據映射到二維平面上，其關鍵在于解析多線激光雷達消息協議，將收集的多線激光雷達點云數據處理為單線點云集，然后將每組單線點云數據映射到二維平面；

步驟S2：利用步驟S1中的二維平面數據，對每組數據使用切線的方法提取所有物體的邊緣點集，每個物體的邊緣點集在二維平面上呈現圓弧狀，其中使用切線方法提取所有物體的邊緣點集，包括以下步驟：

步驟S2A:在激光雷達單線點集數據中首先選取兩個相近隨機散點對；

步驟S2B:連接點對產生一條直線，在這條直線兩個相對的方向上取兩個相對的，角度和寬度一定的扇形區域；

步驟S2C：在步驟S2B中的兩個扇形區域中尋找點，標記得到的新的激光雷達點，可以認為得到的新的激光雷達點和步驟S2A中的兩個點屬于同一個物體的邊緣點集；

步驟S2D：重復步驟S2B、S2C，直到無法在步驟S2B中描述的扇形區域中找到未被標記的點；

步驟S2E：最后判斷平面二維點集中是否還有未被標記的點，若有，重復步驟S2A、S2B、S2C、S2D；