[發明專利]一種基于激光雷達的可通行區域檢測方法

在審

• 申請號: 202111000764.7
• 申請日: 2021-08-27
• 公開（公告）號: CN113759391A
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 李必軍;曹永興;別韋葦
• 申請（專利權）人: 武漢大學;東風汽車集團股份有限公司
• 主分類號: G01S17/931
• 分類號: G01S17/931;G01S17/86;G01S19/47;G01C21/16;G06K9/00;G06K9/34;G06K9/62
• 代理公司: 武漢智嘉聯合知識產權代理事務所(普通合伙) 42231
• 代理人: 周偉

本申請提供一種基于激光雷達的可通行區域檢測方法，其特征在于，所述方法包括，獲取激光雷達單幀點云數據；提取所述單幀點云數據中的直線特征，根據所述直線特征獲取道路邊界點云數據及道路邊界直線擬合信息；根據所述道路邊界點云數據及道路邊界直線擬合信息，對所述單幀點云數據進行分割，得到第一可通行區域；根據相鄰點角度信息提取障礙物點云數據，根據所述第一可通行區域和障礙物點云數據，得到第二可通行區域。使用本申請提供的方案，能夠實現在結構化場景與半結構化場景下穩定檢測可行區域。

技術領域

本申請涉及檢測領域，尤其涉及一種基于激光雷達的可通行區域檢測方法。

背景技術

近年來，隨著無人駕駛技術的逐步發展，自動駕駛出租車(Robotaxi)也從測試研發逐步走向試運營階段。可通行區域檢測是自動駕駛領域的一項關鍵技術，在Robotaxi中有著重要的應用，目前較為成熟的算法和應用主要針對標志標線清晰的平坦道路環境，但Robotaxi的實際運營環境中，不可避免要進入光照環境不佳、標志標線不清晰等道路邊界存在模糊區域、或存在一定斜坡與顛簸的場景。能夠在結構化場景與半結構化場景下進行魯棒性可行區域檢測的方法對于提升Robotaxi運行的可靠性至關重要。

用于可行區域檢測的主流傳感器包括激光雷達和攝像頭。基于攝像頭的可行區域檢測方法主要通過提取車道線、道路邊線以及路面紋理等特征獲取可行區域，這類方法要求場景具有良好的特征信息，且由于傳感器的特性限制，這類方法受到光照、氣候條件變化影響較大，對不同環境場景的適應性較差。

近年來，基于激光雷達的自動駕駛車輛可通行區域檢測技術發展迅速，可分為兩個技術方向，一類為基于規則的檢測方法，例如基于網格的方法以及基于點位置分布特征的方法等。第二類為基于深度學習的方法，第一類方法中，對于路面的提取主要依賴高度信息，對具有起伏的路面環境適應性不高；且這類方法對于多幀數據間的時間關聯性考慮不足；而基于深度學習的方法對計算資源的要求較高，且需要耗費大量標注訓練樣本的人力成本。

以往對于可行區域檢測的算法研究中，主要關注兩類場景，一類為結構化道路場景，在該場景下的可行區域檢測問題重點關注道路邊界提取、路面分割以及動靜態障礙物檢測；第二類為非結構化場景，該場景下的可行區域檢測問題重點關注正負障礙物的檢測與識別。半結構化環境中的路面起伏性與顛簸性弱于越野場景等非結構化環境，因此在技術路線上與結構化場景下的可行區域檢測更為類似。

基于規則的可通行區域檢測如《可行駛區域路面提取方式和裝置》(202011139074.5)，這項專利公開了一種可行駛區域路面提取方法和裝置，主要步驟包括通過激光雷達獲取車體坐標系下的路面點云，并通過高精地圖獲取車體坐標系下的路面邊緣點；根據路面邊緣點將路面劃分為N個矩形，獲取路面點云中高度大于預設高度閾值，且處于N個矩形中的點云，并根據點云進行路面擬合，獲取擬合路面的橫滾角和俯仰角；當擬合路面的橫滾角小于第一預設角度，且擬合路面的俯仰角小于第二預設角度時，將擬合路面作為當前路面。該專利解決算法魯棒性的方法是加入高精地圖為路面分割提供路面邊緣點，因此路面分割的結果對地圖的精確性依賴較高，且對于道路的可通行性分析時，沒有考慮多幀點云數據之間的關聯性。

基于深度學習的可通行區域檢測如《一種面向復雜環境的可通行區域檢測方法及系統》(202011164865.3)，這項專利公開了一種面向復雜環境的可通行區域檢測方法，主要步驟如下：1.構建可通行區域點云深度學習檢測子系統，包含道路類型識別網絡和可通行區域檢測網絡；2.構建可通行區域傳統方法檢測子系統，包含道路類型識別模塊和可通行區域檢測模塊；3.點云深度學習檢測子系統和傳統方法檢測子系統通過深度學習框架底層接口直接連接；4.車載激光雷達新采集點云數據優先輸入點云深度學習檢測子系統。該方法通過將深度學習算法與傳統檢測算法結合的方式，提高了檢測算法對不同環境的適應性，但由于該專利對于兩類方法的融合方式較為簡單，融合所帶來的優勢互補效果不明顯。且并沒有緩解深度學習檢測算法對樣本的依賴性，也沒有提高傳統檢測算法對不同環境的自適應性。

發明內容