[發明專利]基于三維雷達的障礙物檢測方法、裝置、介質和機器人

在審

• 申請號: 202011465018.0
• 申請日: 2020-12-14
• 公開（公告）號: CN112529874A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 文乃武
• 申請（專利權）人: 上海智蕙林醫療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/246;G06K9/62;G06T17/05
• 代理公司: 上海碩力知識產權代理事務所(普通合伙) 31251
• 代理人: 楊用玲

1.基于三維雷達的障礙物檢測方法，其特征在于，包括：

獲取三維激光雷達數據；

將所述三維激光雷達數據轉換為Map坐標系下的點云數據集；

根據所述點云數據集構建地面模型；

根據所述地面模型將所述點云數據集劃分為地面點云數據集與非地面點云數據集；

對所述非地面點云數據集進行濾波處理；

對經過所述濾波處理后的所述非地面點云數據集進行聚類處理，得到點云聚類處理結果；

根據所述點云聚類處理結果建立障礙物地圖及障礙物列表。

2.根據權利要求1所述的基于三維雷達的障礙物檢測方法，其特征在于，所述根據所述點云聚類處理結果建立障礙物地圖及障礙物列表前還包括：

對所述點云聚類處理結果進行障礙物擬合處理；

所述障礙物擬合處理具體包括：

提取所述點云聚類處理結果的聚類點云簇集；

提取所述聚類點云簇集中的每一個聚類點云簇，若所述聚類點云簇的規模小于預設值，使用圓形擬合所述聚類點云簇，否則，使用矩形擬合所述聚類點云簇。

3.根據權利要求1所述的基于三維雷達的障礙物檢測方法，其特征在于，對經過所述濾波處理后的所述非地面點云數據集進行聚類處理具體包括：

使用DBSCAN算法對所述非地面點云數據集進行聚類。

4.根據權利要求2所述的基于三維雷達的障礙物檢測方法，其特征在于，還包括：

動態追蹤所述障礙物列表中的障礙物；

所述動態追蹤所述障礙物列表中的障礙物具體包括：

構建前后兩幀動態障礙物之間的相似矩陣S_mxn；

其中：m為前一幀中動態障礙物的個數；n為當前幀中動態障礙物的個數；

前后兩幀間的任意兩個動態障礙物之間的相似度為s_ij；

當所述兩個動態障礙物均使用圓形或者均使用矩形擬合時，

當所述兩個動態障礙物其中一個使用是圓形擬合，另一個使用矩形擬合時，

其中w₁,w₂,w₃為權重系數，分別表示后一幀中障礙物i的重心位置和前一幀中障礙物j的重心位置。dt分別表示前一幀中障礙物j的速度和兩幀間隔的時間；分別表示后一幀中障礙物i的形狀和前一幀中障礙物j的形狀；c是一個常數。

5.根據權利要求4所述的基于三維雷達的障礙物檢測方法，其特征在于，還包括：

獲取所述障礙物列表中的障礙物的運動狀態；

所述運動狀態包括：所述障礙物的位姿、移動速度、移動角速度；

根據所述運動狀態產生運動狀態估計。

6.根據權利要求5所述的基于三維雷達的障礙物檢測方法，其特征在于，所述根據所述運動狀態產生運動狀態估計具體包括：

根據所述運動狀態，使用無邊際卡爾曼濾波產生所述運動狀態估計。

7.根據權利要求1所述的基于三維雷達的障礙物檢測方法，其特征在于，所述對所述非地面點云數據集進行濾波處理包括：

對比所述非地面點云數據集到二維柵格地圖的投影與所述二維柵格地圖，產生地圖比對結果；

根據所述比對結果去除所述非地面點云數據集中與所述二維柵格地圖中地圖點的近似數據。

8.根據權利要求1或者權利要求7所述的基于三維雷達的障礙物檢測方法，其特征在于，所述對所述非地面點云數據集進行濾波處理還包括：使用半徑濾波器處理所述非地面點云數據集。

9.根據權利要求8所述的基于三維雷達的障礙物檢測方法，其特征在于，所述對所述非地面點云數據集進行濾波處理還包括：對所述非地面點云數據集進行降采樣處理。