分享
基于固态激光雷达的道路边沿与障碍物检测_王江.pdf
下载文档

ID:2253121

大小:1.83MB

页数:6页

格式:PDF

时间:2023-05-04

收藏 分享赚钱
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,汇文网负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。
网站客服:3074922707
基于 固态 激光雷达 道路 边沿 障碍物 检测 王江
国外电子测量技术北大中文核心期刊D O I:1 0.1 9 6 5 2/j.c n k i.f e m t.2 2 0 4 4 0 3基于固态激光雷达的道路边沿与障碍物检测*王 江 金 永 姚慧栋(中北大学信息与通信工程学院 太原 0 3 0 0 5 1)摘 要:为了有效获取前方道路信息,应用于低成本的固态激光雷达,提出一种道路边沿与障碍物检测方法。首先对原始点云数据进行地面滤波处理,提取地面与非地面点云数据;根据地面点云数据中路沿高度突变的特征,提出了一种动态滑动窗口的方法提取路沿特征点,后使用随机抽样一致算法(r a n d o m s a m p l e c o n s e n s u s,R AN S A C)进行路沿直线拟合;将路沿内障碍物点云作为感兴趣区域(r e g i o n o f i n t e r e s t,R O I),在z轴方向上对障碍物点云数据进行安全高度为H直通滤波处理,最后使用欧氏聚类算法完成了对路沿内障碍物的检测。通过在校园内实际采集数据与处理实验,验证了该方法的可行性。关键词:固态激光雷达;三维点云;路沿检测;障碍物检测中图分类号:T P 3 9 1文献标识码:A国家标准学科分类代码:5 1 0.2 0R o a d e d g e a n d o b s t a c l e d e t e c t i o n b a s e d o n s o l i d-s t a t e l i d a rW a n g J i a n g J i n Y o n g Y a o H u i d o n g(S c h o o l o f I n f o r m a t i o n a n d C o mm u n i c a t i o n E n g i n e e r i n g,N o r t h U n i v e r s i t y o f C h i n a,T a i y u a n 0 3 0 0 5 1,C h i n a)A b s t r a c t:I n o r d e r t o e f f e c t i v e l y o b t a i n t h e r o a d i n f o r m a t i o n a b o u t t h e r o a d a h e a d a n d a p p l y i t t o t h e l o w-c o s t s o l i d-s t a t e L i d a r,a r o a d e d g e a n d o b s t a c l e d e t e c t i o n m e t h o d i s p r o p o s e d i n t h i s p a p e r.F i r s t l y,g r o u n d f i l t e r i n g p r o c e s s e s t h e o r i g i n a l p o i n t c l o u d d a t a t o e x t r a c t t h e g r o u n d a n d n o n-g r o u n d p o i n t c l o u d d a t a.B a s e d o n t h e f e a t u r e s o f h i g h m u t a t i o n i n t h e p a s t r y c l o u d d a t a,t h i s p a p e r p r o p o s e s t o e x t r a c t t h e p a t h f e a t u r e p o i n t s b y d y n a m i c s l i d i n g w i n d o w,t h e n u s e s r a n d o m s a m p l i n g c o n s e n s u s a l g o r i t h m(R AN S A C)t o f i t t h e i n n e r o b s t a c l e p o i n t c l o u d a s t h e r e g i o n o f i n t e r e s t(RO I),t r e a t s t h e o b s t a c l e p o i n t c l o u d d a t a w i t h H s t r a i g h t p a s s f i l t e r i n t h e z-a x i s d i r e c t i o n,a n d f i n a l l y u s e s t h e E u r o p e a n c l u s t e r i n g a l g o r i t h m.T h i s p a p e r v e r i f i e s t h e f e a s i b i l i t y o f t h e m e t h o d b y c o n d u c t i n g p r a c t i c a l d a t a a c q u i s i t i o n a n d p r o c e s s i n g e x p e r i m e n t s o n c a m p u s.K e y w o r d s:s o l i d-s t a t e l i d a r;3 D p o i n t c l o u d;r o a d e d g e d e t e c t i o n;o b s t a c l e d e t e c t i o n 收稿日期:2 0 2 2-1 0-0 9*基金项目:山西省省筹资金资助回国留学人员科研项目(2 0 2 2-1 4 5)资助0 引 言准确完成对车道路沿信息与障碍物位置信息提取,对车辆的安全行驶具有重要意义1。目前,对汽车周围环境进行感知,主要是依靠被动视觉相机和主动传感器激光雷达两种方式来完成2。文献3 通过单目相机获取图像,对图像进行滤波、分割等处理实现对目标物体的定位,该方法的缺点在于相机获取的数据结果受光照的影响较大,复杂环境下的效果不够精确。三维激光雷达获取数据过程则受光照影响较小,具有探测范围广,距离分辨率高,抗干扰能力强等优点,其被广泛应用于各种外界环境检测系统之中4-5。为了获得密集的三维点云,当前主要是使用V e l o d y n e公司生产的3 2线和6 4线以及更高线束的激光雷达对进行周围环境感知,每台雷达的售价高达几十万人民币,使用多线束激光雷达的成本往往是不能承受的6。相较于传统机械式激光雷达,基于非重复性描方式的固态激光雷达具有明显的价格优势,每台售价不过万元,同时使用其扫描得到的点云更加密集,基于固态激光雷达的障碍物检测已成为热点研究方向7。文献8 提出了一种基于3 D激光雷达根据车道线反射强度特征提取车道点的方法,该方法局限性在于只适用831北大中文核心期刊国外电子测量技术 于车道线涂料反射特征较为明显的场景。文献9 提出了一种基于机械式3 2线激光雷达的路沿点提取算法,实现过程只需对激光雷达发射出的扫描线进行遍历,提取每条扫描线上符合特征的路沿点,其缺点在于无法适用于使用非重复性扫描技术的固态激光雷达获取到的点云数据。文献1 0 将点云数据投影到X O Y平面,通过构建高度地图来实现地面、障碍物、悬挂物的分离,之后对障碍物进行聚类,最后采用S VM分类器对障碍物进行检测与分类。实验过程中无法自适应调整栅格大小,结果容易出现过分割和欠分割的现象。文献1 1 利用了3 D稀疏卷积的方法构建了基于局部特征感知的深度学习点云车辆目标检测网络,利用网络提取特征点,使用3 D边界框来学习和估计准确的目标对象,其中对完成数据集的构建十分重要。以上研究大多都是采用传统机械式激光雷达获取点云数据,考虑成本原因,本文对使用非重复扫描技术的固态激光雷进行了研究。首先对原始点云数据进行地面分割,针对无法利用雷达扫描线特征提取路沿点的问题,本文提出了一种动态滑动窗口方法检测路沿特征点的方法,并进行直线拟合;通过先滤除掉大量无关点云去除干扰,后使用欧氏聚类算法完成了对目标障碍物的检测。1 点云数据处理1.1 地面滤波激光雷达产生的点云数据,由点云数据的高程信息,可以将其分为地面点数据和非地面点数据。其中障碍物的检测主要是针对非地面点云数据进行聚类处理,路沿的检测主要是对地面点云数据进行处理,有效的地面与非地面点云数据分割关系着后续路沿检测与障碍物检测的准确性1 2。实测场景道路情况较为复杂,使用普通的地面分割方法容易产生分割不彻底或者过分割的问题。本文采用文献1 3 提出的一种布料模拟滤波算法(c l o t h s i m u l a t i o n f i l t e r,C S F)实现对地面与非地面点云数据的分割,该方法通过在点云数据中实现模拟布料这一物理过程,完成对点云数据的地面与非地面的分离。1.2 路沿检测获取地面点云数据中道路前方路沿信息,可以将车辆前方道路区域划分为可行驶区域与非可行驶区域,完成对非地面点云数据中道路外不相关点云的滤除,获得感兴趣区域RO I,同时也可以减少检测目标障碍物的工作量1 4。结构化道路模型如图1所示,红色点为路沿点,蓝色点为路面点,可以看出路面点与路沿点之间存在明显的路沿高度差值。实验数据采集过程中,雷达距离路面有一定的高度,雷达坐标x轴沿着路沿方向向前,y轴与路沿直线线垂直,z轴竖直向上。传统机械式多线激光雷达扫描线特征如图2所示,提取路沿点过程只需对每条扫描线上符合特征的点进行筛图1 结构化道路模型图2 机械式激光雷达扫描线特征选。本文所使用的非重复性扫描技术的固态激光雷达并没有明显的扫描线特征,如图3所示,需设计新的方法提取路沿点。图3 固态激光雷达非重复扫描方式根据地面点云数据中的路沿高度特征,本文提出了一种动态滑动窗口的方法来实现对道路边界路沿的检测,帮助完成后续路沿外障碍物点云的滤除。方法主要由两步构成,分别为路沿特征点的提取和随机抽样一致性(r a n-d o m s a m p l e c o n s e n s u s,R AN S A C)算法拟合路沿直线。首先,将地面点云数据投影到X O Y平面,保留每个点的高度信息。在Y轴上将地面点云数据分割成m个宽度为y的点云数据子集 P1,P2,Pm,沿着X轴的正方向统计计算每个子集内的点云高度值,计算公式如下:Zm=ni=1zi(1)931 国外电子测量技术北大中文核心期刊式中:Zm为第m个子集内点的高度之和。以每个子集内的点云高度值Zm为纵坐标,y值为横坐标,构建高度曲线图,选取曲线图中左右两个峰值点(yp,zp)和(yq,zq),则车道宽度w可以估计为:w=|yp-yq|(2)将点(yp,x1)和点(yq,x2)作为滑动窗口中左右两条路沿检测的起点,点(yp,x1)和(yq,x2)分别为坐标系中yp、yq列上X轴正方向上最小的点。根据车道宽度w设置搜索窗口的大小和步长,令窗口沿着X轴正方向滑动。为了解决单一特征边界提取鲁棒性差的问题,本文通过分析两个路沿点的特征,实现对路沿点的判定。首先在窗口滑动过程中计算每个窗格内Z值最大点与Z值最小点之间的高度差H=zm a x-zm i n,判断是否符合条件Ht h2HHt h1,实测环境中路沿高度一般在1 02 0 c m,则Ht h1和Ht h2的取值一般为2 5和5 c m,提取符合条件的z值最大点作为路沿候选点。现实中路沿具有连续性,通过计算相邻路沿候选点之间的坡度特征,实现对提取到的错误路沿点的去除,坡度计算公式如下:Si=a r c t a n|zn-zm|(xn-xm)2+(yn-ym)2()(3)式中:(xn,yn,zn)和(xm,ym,zm)分别表示前后窗格中候选路沿点坐标,给定一个坡度阈值St h,则当满足给

此文档下载收益归作者所有

下载文档
你可能关注的文档
收起
展开