[發明專利]一種礦區卸載區車后方擋土墻及障礙物的檢測方法

有效

• 申請號: 202011284831.8
• 申請日: 2020-11-17
• 公開（公告）號: CN112666573B
• 公開（公告）日: 2022-08-23
• 發明（設計）人: 游昌斌;郭翔宇;艾云峰
• 申請（專利權）人: 青島慧拓智能機器有限公司
• 主分類號: G01S17/931
• 分類號: G01S17/931
• 代理公司: 青島華慧澤專利代理事務所(普通合伙) 37247
• 代理人: 劉娜

本發明公開了一種礦區卸載區車后方擋土墻及障礙物的檢測方法，包括如下步驟：對激光雷達傳感器采集到的車后方環境三維點云進行基于連通域的噪點去除；對去除噪點后的三維點云進行高度上的區間劃分，基于點在高度方向上的離散度將僅有擋土墻點云的情況進行區分；基于三維點云在x方向的最大點和最小點之間的高度差和斜率角度，來判定是地面點云或地面加擋土墻點云；針對地面加擋土墻點云的情況，基于斜率的變化來進一步區分地面點云和擋土墻點云；針對步驟三和步驟四得到的地面點云，進行基于極圖的地面再過濾，來進一步區分純地面或障礙物。本發明所公開的方法能夠大大提高障礙物檢測的準確度，減少漏檢誤檢情況。

技術領域

本發明涉及智能交通技術領域，特別涉及一種礦區卸載區車后方擋土墻及障礙物的檢測方法。

背景技術

隨著新基建的全面發展，結合大數據，5G以及人工智能等關鍵技術，礦業也迎來了全面智能化的轉型升級機遇。作為智能化的關鍵一環，礦車配置多種傳感器來實現礦區環境的精確感知，并為行為決策提供重要信息以確保礦車安全運行。其中，卸載區是礦區最重要的區域之一，礦車在該區域進行倒車卸載過程中，不僅需要準確感知后方的地面障礙物進行避障，還需要基于終點標志物—擋土墻來判斷礦車位置距離信息，防止礦車越界，影響生產安全。因此，如何在卸載區準確地檢測出后方完整擋土墻及地面障礙物便成為礦區智能感知領域的難點之一。

然而至今為止，針對礦區的卸載區進行車后方擋土墻及地面障礙物檢測的相關研究還很少。目前基于圖像的一些目標檢測或目標分割算法，不管是采用傳統圖像處理還是深度學習相關方法，都已經較為廣泛地應用于城市道路上障礙物(行人車輛等)檢測，但是考慮到圖像對光照條件比較敏感，且在礦區沙塵較多，能見度較差，圖像質量也大大降低，從而影響其檢測效果，另外當前也缺乏礦區相關的大規模圖像數據，很難采用基于深度學習的圖像檢測。同時，感知的任務之一是需要獲取相關障礙物的位置信息，而從圖像上難以直接計算得到障礙物的空間距離信息，因此僅依靠圖像數據難以滿足在礦區的感知目標。所以目前，作為能夠提供精確位置的激光雷達掃描的點云數據，則被越來越多應用到了智能交通上。

基于激光點云數據，采用神經網絡進行大規模數據學習是目前較為常見的無人駕駛乘用車感知方案。盡管其檢測性能被證明普遍優于傳統規則算法，但是考慮到市區環境較為復雜，只有大規模的數據學習才能較好地檢測，而礦區卸載區的場景則較為單一，障礙物數量較少，依靠傳統規則算法就能很好地應對。另外深度學習算法在數據標注及模型訓練上時間及經濟成本都比較高，相對而言應用在礦區卸載區這類場景則十分不劃算。常見的用于點云障礙物檢測的規則算法有基于柵格和基于極圖兩種，其中基于柵格的方法往往是通過簡單的固定高度差閾值進行可能障礙物與地面點的區分，但卸載區地面高度不一致，則很容易出現誤檢和漏檢的情況，而基于極圖的方法依賴所擬合的距離與地面期望高度關系，通過得到的期望地面高度進行區分，這對于漂浮的噪點無法進行排除。另外，卸載區礦車后方的點云形態也比較多樣，包括了僅含擋土墻、僅含地面、擋土墻加地面這三種情況，例如僅含擋土墻的情況，若采用極圖方法進行地面候選點的選取及直線擬合，會導致擋土墻誤認為地面而過濾。所以，針對礦區卸載區這種場景，如何將不同情況進行區分后再采用具體方法進行擋土墻及地面障礙物檢測是具有價值和挑戰的研究議題。

發明內容

為解決上述技術問題，本發明提供了一種礦區卸載區車后方擋土墻及障礙物的檢測方法，以達到大大提高障礙物檢測的準確度，減少漏檢誤檢情況的目的。

為達到上述目的，本發明的技術方案如下：

一種礦區卸載區車后方擋土墻及障礙物的檢測方法，包括如下步驟：

步驟一，對激光雷達傳感器采集到的車后方環境三維點云進行基于連通域的噪點去除；

步驟二，對去除噪點后的三維點云進行高度上的區間劃分，基于點在高度方向上的離散度將僅有擋土墻點云的情況進行區分；

步驟三，基于三維點云在x方向的最大點和最小點之間的高度差和斜率角度，來判定是地面點云或地面加擋土墻點云；