CN110458055B - 一种障碍物检测方法及*** - Google Patents

Abstract

本发明公开一种障碍物检测方法及***。该方法包括：获取激光雷达点云数据；所述激光雷达点云数据由安装在列车上的单线激光雷达探测得到；按照雷达点的序号顺序，结合设定的最大搜索范围对所述激光雷达点云数据进行聚类，得到多个聚类集合；根据所述聚类集合，提取当前帧每个聚类集合对应的目标的特征参数；所述特征参数包括雷达点的数量、平均方位角、平均距离、质心位置、平均反射强度和反射强度方差；根据前一帧每个聚类集合对应的目标的特征参数，对当前帧所有的目标进行匹配；当匹配成功时，将当前帧的目标确定为障碍物目标。本发明可以提高障碍物检测的准确度。

Description

一种障碍物检测方法及***

技术领域

本发明涉及轨道障碍物检测领域，特别是涉及一种障碍物检测方法及***。

背景技术

在城市轨道的正常行驶中，需要实时检测障碍物目标。目前，通常采用激光雷达负责中等距离环境物体的感知，并提供环境物体准确距离信息。传统的激光雷达目标检测主要依靠经典聚类算法，首先确定聚类半径M，然后在激光雷达点云图中，选中一个随机的种子点p_i，计算p_i和其他所有雷达点p_i,p_i+1…p_n间的距离，将其他雷达点中与p_i的距离小于聚类半径的点加入集合V₁{p_i…p_m}，再在集合V₁中挑选下一个种子点，与点云图中其他不在V₁中的点计算距离，如距离小于聚类半径M则将这些点也加入集合V₁,重复此步骤直V₁中的所有点都作过种子点，此时集合V₁聚类结束。再在点云图中挑选集合V₁之外的种子点，并重复此步骤得到集合V₂，以此类推直至点云图中所有点都在某一集合{V₁,V₂…V_n}中，进而根据聚类后的点云数据确定障碍物的位置。

现有技术中，由于车速较快，无法对背景进行建模，因此，采用经典聚类算法检测障碍物的方法不易将障碍物与背景区分，因此，检测的准确度不高。

发明内容

本发明的目的是提供一种障碍物检测方法及***，以提高障碍物检测的准确度。

为实现上述目的，本发明提供了如下方案：

一种障碍物检测方法，包括：

获取激光雷达点云数据；所述激光雷达点云数据由安装在列车上的单线激光雷达探测得到；

按照雷达点的序号顺序，结合设定的最大搜索范围对所述激光雷达点云数据进行聚类，得到多个聚类集合；

根据所述聚类集合，提取当前帧每个聚类集合对应的目标的特征参数；所述特征参数包括雷达点的数量、平均方位角、平均距离、质心位置、平均反射强度和反射强度方差；

根据前一帧每个聚类集合对应的目标的特征参数，对当前帧所有的目标进行匹配；

当匹配成功时，将当前帧的目标确定为障碍物目标。

可选的，所述获取激光雷达点云数据，之后还包括：

采用中值滤波算法对所述激光雷达点云数据进行平滑处理，去除孤立的噪点，得到预处理后的激光雷达点云数据。

可选的，所述按照雷达点的序号顺序，结合设定的最大搜索范围对所述激光雷达点云数据进行聚类，得到多个聚类集合，具体包括：

对于雷达点r_k，依次判断雷达点r_k序号之后设定的最大搜索范围内的每一个雷达点r_k+n是否满足设定条件，得到第一判断结果；所述设定条件为

其中，r_k,k+n为两个激光雷达点的距离，C₀为激光雷达的最大误差，K为最大搜索范围，n为两个激光点间的序号差，n≤K，r_min＝{r_k,r_k+n}，θ为激光雷达角分辨率，

当所述第一判断结果表示雷达点r_k+n满足设定条件时，将雷达点r_k+n加入雷达点r_k所在的聚类集合；

当所述第一判断结果表示雷达点r_k+n不满足设定条件时，构建雷达点r_k+n的聚类集合。

可选的，所述根据所述聚类集合，提取当前帧每个聚类集合对应的目标的特征参数，具体包括：

利用公式

计算第i个聚类集合的反射强度方差M²；其中，S为第i个聚类集合中雷达点的数量，F_i为第i个聚类集合中第i个雷达点的反射强度，

为第i个聚类集合的平均反射强度；

判断第i个聚类集合的反射强度方差M²是否大于反射强度方差阈值，得到第二判断结果；

当所述第二判断结果表示第i个聚类集合的反射强度方差M²大于反射强度方差阈值时，确定所述第i个聚类集合对应的目标不存在；

当所述第二判断结果表示第i个聚类集合的反射强度方差M²不大于反射强度方差阈值时，确定所述第i个聚类集合对应的目标存在，提取第i个聚类集合对应的目标的特征参数。

可选的，所述根据前一帧每个聚类集合对应的目标的特征参数，对当前帧所有的目标进行匹配，具体包括：

对于前一帧第i个聚类集合对应的目标T_i和当前帧第j个聚类集合对应的目标T_j，计算目标T_i与目标T_j之间的质心距离；

判断目标T_i与目标T_j之间的质心距离是否小于列车最大时速，得到第三判断结果；

当所述第三判断结果表示目标T_i与目标T_j之间的质心距离小于列车最大时速时，计算目标T_i到目标T_j的雷达点数量的增加幅度、平均反射强度的增加幅度和反射强度方差的增加幅度；

判断目标T_i到目标T_j的雷达点数量的增加幅度、平均反射强度的增加幅度和反射强度方差的增加幅度是否均大于设定比例，得到第四判断结果；

当所述第四判断结果表示目标T_i到目标T_j的雷达点数量的增加幅度、平均反射强度的增加幅度和反射强度方差的增加幅度均大于设定比例时，确定目标T_j与目标T_i是同一目标，匹配成功；

当所述第三判断结果表示目标T_i与目标T_j之间的质心距离不小于列车最大时速时，或者当所述第四判断结果表示目标T_i到目标T_j的雷达点数量的增加幅度、平均反射强度的增加幅度或反射强度方差的增加幅度不大于设定比例时，确定目标T_j与目标T_i不是同一目标，匹配失败。

本发明还提供一种障碍物检测***，包括：

激光雷达点云数据获取模块，用于获取激光雷达点云数据；所述激光雷达点云数据由安装在列车上的单线激光雷达探测得到；

聚类模块，用于按照雷达点的序号顺序，结合设定的最大搜索范围对所述激光雷达点云数据进行聚类，得到多个聚类集合；

特征参数提取模块，用于根据所述聚类集合，提取当前帧每个聚类集合对应的目标的特征参数；所述特征参数包括雷达点的数量、平均方位角、平均距离、质心位置、平均反射强度和反射强度方差；

匹配模块，用于根据前一帧每个聚类集合对应的目标的特征参数，对当前帧所有的目标进行匹配；

障碍物目标确定模块，用于当匹配成功时，将当前帧的目标确定为障碍物目标。

可选的，还包括：

预处理模块，用于获取激光雷达点云数据之后，采用中值滤波算法对所述激光雷达点云数据进行平滑处理，去除孤立的噪点，得到预处理后的激光雷达点云数据。

可选的，所述聚类模块具体包括：

第一判断单元，用于对于雷达点r_k，依次判断雷达点r_k序号之后设定的最大搜索范围内的每一个雷达点r_k+n是否满足设定条件，得到第一判断结果；所述设定条件为

其中，r_k,k+n为两个激光雷达点的距离，C₀为激光雷达的最大误差，K为最大搜索范围，n为两个激光点间的序号差，n≤K，r_min＝{r_k,r_k+n}，θ为激光雷达角分辨率，

聚类集合更新单元，用于当所述第一判断结果表示雷达点r_k+n满足设定条件时，将雷达点r_k+n加入雷达点r_k所在的聚类集合；

聚类集合构建单元，用于当所述第一判断结果表示雷达点r_k+n不满足设定条件时，构建雷达点r_k+n的聚类集合。

可选的，所述特征参数提取模块具体包括：

反射强度方差计算单元，用于利用公式

计算第i个聚类集合的反射强度方差M²；其中，S为第i个聚类集合中雷达点的数量，F_i为第i个聚类集合中第i个雷达点的反射强度，

为第i个聚类集合的平均反射强度；

第二判断单元，用于判断第i个聚类集合的反射强度方差M²是否大于反射强度方差阈值，得到第二判断结果；

目标确定单元，用于当所述第二判断结果表示第i个聚类集合的反射强度方差M²大于反射强度方差阈值时，确定所述第i个聚类集合对应的目标不存在；

特征提取单元，用于当所述第二判断结果表示第i个聚类集合的反射强度方差M²不大于反射强度方差阈值时，确定所述第i个聚类集合对应的目标存在，提取第i个聚类集合对应的目标的特征参数。

可选的，所述匹配模块具体包括：

质心距离计算单元，用于对于前一帧第i个聚类集合对应的目标T_i和当前帧第j个聚类集合对应的目标T_j，计算目标T_i与目标T_j之间的质心距离；

第三判断单元，用于判断目标T_i与目标T_j之间的质心距离是否小于列车最大时速，得到第三判断结果；

增加幅度计算单元，用于当所述第三判断结果表示目标T_i与目标T_j之间的质心距离小于列车最大时速时，计算目标T_i到目标T_j的雷达点数量的增加幅度、平均反射强度的增加幅度和反射强度方差的增加幅度；

第四判断单元，用于判断目标T_i到目标T_j的雷达点数量的增加幅度、平均反射强度的增加幅度和反射强度方差的增加幅度是否均大于设定比例，得到第四判断结果；

匹配成功确定单元，用于当所述第四判断结果表示目标T_i到目标T_j的雷达点数量的增加幅度、平均反射强度的增加幅度和反射强度方差的增加幅度均大于设定比例时，确定目标T_j与目标T_i是同一目标，匹配成功；

匹配失败确定单元，用于当所述第三判断结果表示目标T_i与目标T_j之间的质心距离不小于列车最大时速时，或者当所述第四判断结果表示目标T_i到目标T_j的雷达点数量的增加幅度、平均反射强度的增加幅度或反射强度方差的增加幅度不大于设定比例时，确定目标T_j与目标T_i不是同一目标，匹配失败。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明在经典聚类算法的基础上加入了最大搜索范围，这样可以保证在聚类时跳过单个断点，尽可能获得目标的完整数据，为下一步多帧跟踪做好基础，另由于在本设备中列车的姿态和速度都无法获取，所以采用了列车最大速度作为约束条件，以最快的速度缩小跟踪的匹配范围，并对目标尺寸了距离补偿操作。同时作为列车上的嵌入式设备，本方法采用距离数据作为单一变量，以雷达点序号为顺序的聚类方法，充分利用了激光雷达的线扫描的特点，对比传统依赖坐标数据的聚类方法，减少了大量计算，保证了***的实效性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明障碍物检测方法的流程示意图；

图2为本发明障碍物检测***的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明障碍物检测方法的流程示意图。如图1所示，所述障碍物检测方法包括以下步骤：

步骤100：获取激光雷达点云数据。所述激光雷达点云数据由安装在列车上的单线激光雷达探测得到。本发明采用单线TOF(time of flight:飞行时间)激光雷达进行数据探测。

在具体实施过程中，为了提高障碍物检测结果的准确度，可以在获取激光雷达点云数据之后，对激光雷达点云数据进行预处理，有效的滤除单个雷达点的杂波干扰。具体的，采用中值滤波对激光雷达点云数据进行平滑处理，去除孤立的噪点，由于TOF激光雷达数据中存在大量由于无法探测到回波而显示距离为0的点，所以在进行中值滤波时要将这些点去除，即：

y(i)＝Med[x(i-N)…x(i)…x(i+N)]，x(n)≠0

其中，Med为中值运算符，y(i)为第i个雷达点经过中值滤波后的距离数据，x(i)为第i个雷达点的距离数据，N为窗口尺寸，x(n)在0时即第n个点的距离数据不计入中值统计。

步骤200：按照雷达点的序号顺序，结合设定的最大搜索范围对激光雷达点云数据进行聚类，得到多个聚类集合。具体如下：

对于雷达点r_k，依次判断雷达点r_k序号之后设定的最大搜索范围内的雷达点集合{r_k+1,r_k+2,…r_k+n,…,r_k+K}的每一个雷达点r_k+n是否满足设定条件，得到第一判断结果；所述设定条件为

其中，r_k,k+n为两个激光雷达点的距离，C₀为激光雷达的最大误差，通常取0.03m，K为最大搜索范围，n为两个激光点间的序号差，n≤K，r_min＝{r_k,r_k+n}，θ为激光雷达角分辨率，

当所述第一判断结果表示雷达点r_k+n满足设定条件时，将雷达点r_k+n加入雷达点r_k所在的聚类集合；

当所述第一判断结果表示雷达点r_k+n不满足设定条件时，构建雷达点r_k+n的聚类集合；

依次得到所有的聚类集合，使得每一个雷达点都有所述的聚类集合。在后续的操作中，每一个聚类集合对应一个目标。

步骤300：根据聚类集合，提取当前帧每个聚类集合对应的目标的特征参数。所述特征参数包括雷达点的数量S、平均方位角γ、平均距离

质心位置(x,y)、平均反射强度

和反射强度方差M²。其中，第i个聚类集合的反射强度方差M²的计算方法为：

其中，S为第i个聚类集合中雷达点的数量，F_i为第i个聚类集合中第i个雷达点的反射强度，

为第i个聚类集合的平均反射强度。

当第i个聚类集合的反射强度方差M²大于反射强度方差阈值时，确定所述第i个聚类集合对应的目标不存在；当第i个聚类集合的反射强度方差M²不大于反射强度方差阈值时，确定所述第i个聚类集合对应的目标存在，进而提取第i个聚类集合对应的目标的特征参数。通常，反射强度方差阈值可以为3。

步骤400：根据前一帧每个聚类集合对应的目标的特征参数，对当前帧所有的目标进行匹配。为了排除虚警，需要对目标进行多帧跟踪以确认目标确实存在，由于在本设备的应用场景中设备和目标可能会同时移动，所以采取范围判断和反射强度匹配两种方法确认目标的持续存在。具体如下：

对于前一帧第i个聚类集合对应的目标T_i和当前帧第j个聚类集合对应的目标T_j，计算目标T_i与目标T_j之间的质心距离；

判断目标T_i与目标T_j之间的质心距离是否小于列车最大时速。当目标T_i与目标T_j之间的质心距离小于列车最大时速时，计算目标T_i到目标T_j的雷达点数量的增加幅度、平均反射强度的增加幅度和反射强度方差的增加幅度；其中，

和

为第i帧的一个目标和第i+1帧匹配目标的平均距离，S为目标T_i包含的雷达点的数量，S₁为目标T_j包含的雷达点数量，即雷达所能探测到的数量点应随目标的距离远近而变化。

判断目标T_i到目标T_j的雷达点数量的增加幅度、平均反射强度的增加幅度和反射强度方差的增加幅度是否均大于设定比例。当目标T_i到目标T_j的雷达点数量的增加幅度、平均反射强度的增加幅度和反射强度方差的增加幅度均大于设定比例时，确定目标T_j与目标T_i是同一目标，匹配成功；当目标T_i与目标T_j之间的质心距离不小于列车最大时速时，或者当目标T_i到目标T_j的雷达点数量的增加幅度、平均反射强度的增加幅度或反射强度方差的增加幅度不大于设定比例时，确定目标T_j与目标T_i不是同一目标，匹配失败。设定比例可以取20％。

步骤500：当匹配成功时，将当前帧的目标确定为障碍物目标。

本雷达目标检测方法可以有效的滤除单个雷达点的杂波干扰，并在经典聚类算法的基础上加入了最大搜索范围，这样可以保证在聚类时跳过单个断点，尽可能获得目标的完整数据，为下一步多帧跟踪做好基础，另由于在本设备中列车的姿态和速度都无法获取，所以采用了列车最大速度作为约束条件，以最快的速度缩小跟踪的匹配范围，并对目标尺寸了距离补偿操作，即

同时作为列车上的嵌入式设备，本方法采用距离数据作为单一变量，以雷达点序号为顺序的聚类方法，充分利用了激光雷达的线扫描的特点，对比传统依赖坐标数据的聚类方法，减少了大量计算，保证了***的实效性。

对应于图1所示的障碍物检测方法，本发明还提供一种障碍物检测***，

图2为本发明障碍物检测***的结构示意图。如图2所示，障碍物检测***包括以下结构：

激光雷达点云数据获取模块201，用于获取激光雷达点云数据；所述激光雷达点云数据由安装在列车上的单线激光雷达探测得到；

聚类模块202，用于按照雷达点的序号顺序，结合设定的最大搜索范围对所述激光雷达点云数据进行聚类，得到多个聚类集合；

特征参数提取模块203，用于根据所述聚类集合，提取当前帧每个聚类集合对应的目标的特征参数；所述特征参数包括雷达点的数量、平均方位角、平均距离、质心位置、平均反射强度和反射强度方差；

匹配模块204，用于根据前一帧每个聚类集合对应的目标的特征参数，对当前帧所有的目标进行匹配；

障碍物目标确定模块205，用于当匹配成功时，将当前帧的目标确定为障碍物目标。

作为另一实施例，所述***还包括：

预处理模块，用于获取激光雷达点云数据之后，采用中值滤波算法对所述激光雷达点云数据进行平滑处理，去除孤立的噪点，得到预处理后的激光雷达点云数据。

作为另一实施例，所述聚类模块202具体包括：

第一判断单元，用于对于雷达点r_k，依次判断雷达点r_k序号之后的每一个雷达点r_k+n是否满足设定条件，得到第一判断结果；所述设定条件为

其中，r_k,k+n为两个激光雷达点的距离，C₀为激光雷达的最大误差，K为最大搜索范围，n为两个激光点间的序号差，n≤K，r_min＝{r_k,r_k+n}，θ为激光雷达角分辨率，

聚类集合更新单元，用于当所述第一判断结果表示雷达点r_k+n满足设定条件时，将雷达点r_k+n加入雷达点r_k所在的聚类集合；

聚类集合构建单元，用于当所述第一判断结果表示雷达点r_k+n不满足设定条件时，构建雷达点r_k+n的聚类集合。

作为另一实施例，所述特征参数提取模块203具体包括：

反射强度方差计算单元，用于利用公式

计算第i个聚类集合的反射强度方差M²；其中，S为第i个聚类集合中雷达点的数量，F_i为第i个聚类集合中第i个雷达点的反射强度，

为第i个聚类集合的平均反射强度；

第二判断单元，用于判断第i个聚类集合的反射强度方差M²是否大于反射强度方差阈值，得到第二判断结果；

目标确定单元，用于当所述第二判断结果表示第i个聚类集合的反射强度方差M²大于反射强度方差阈值时，确定所述第i个聚类集合对应的目标不存在；

特征提取单元，用于当所述第二判断结果表示第i个聚类集合的反射强度方差M²不大于反射强度方差阈值时，确定所述第i个聚类集合对应的目标存在，提取第i个聚类集合对应的目标的特征参数。

作为另一实施例，所述匹配模块204具体包括：

质心距离计算单元，用于对于前一帧第i个聚类集合对应的目标T_i和当前帧第j个聚类集合对应的目标T_j，计算目标T_i与目标T_j之间的质心距离；

第三判断单元，用于判断目标T_i与目标T_j之间的质心距离是否小于列车最大时速，得到第三判断结果；

增加幅度计算单元，用于当所述第三判断结果表示目标T_i与目标T_j之间的质心距离小于列车最大时速时，计算目标T_i到目标T_j的雷达点数量的增加幅度、平均反射强度的增加幅度和反射强度方差的增加幅度；

第四判断单元，用于判断目标T_i到目标T_j的雷达点数量的增加幅度、平均反射强度的增加幅度和反射强度方差的增加幅度是否均大于设定比例，得到第四判断结果；

匹配成功确定单元，用于当所述第四判断结果表示目标T_i到目标T_j的雷达点数量的增加幅度、平均反射强度的增加幅度和反射强度方差的增加幅度均大于设定比例时，确定目标T_j与目标T_i是同一目标，匹配成功；

匹配失败确定单元，用于当所述第三判断结果表示目标T_i与目标T_j之间的质心距离不小于列车最大时速时，或者当所述第四判断结果表示目标T_i到目标T_j的雷达点数量的增加幅度、平均反射强度的增加幅度或反射强度方差的增加幅度不大于设定比例时，确定目标T_j与目标T_i不是同一目标，匹配失败。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种障碍物检测方法，其特征在于，包括：

获取激光雷达点云数据；所述激光雷达点云数据由安装在列车上的单线激光雷达探测得到；

按照雷达点的序号顺序，结合设定的最大搜索范围对所述激光雷达点云数据进行聚类，得到多个聚类集合；具体过程为：对于雷达点r_k，依次判断雷达点r_k序号之后设定的最大搜索范围内的每一个雷达点r_k+n是否满足设定条件，得到第一判断结果；所述设定条件为

其中，r_k,k+n为两个激光雷达点的距离，C₀为激光雷达的最大误差，K为最大搜索范围，n为两个激光点间的序号差，n≤K，r_min＝{r_k,r_k+n}，θ为激光雷达角分辨率，

当所述第一判断结果表示雷达点r_k+n满足设定条件时，将雷达点r_k+n加入雷达点r_k所在的聚类集合；当所述第一判断结果表示雷达点r_k+n不满足设定条件时，构建雷达点r_k+n的聚类集合；

根据所述聚类集合，提取当前帧每个聚类集合对应的目标的特征参数；所述特征参数包括雷达点的数量、平均方位角、平均距离、质心位置、平均反射强度和反射强度方差；

根据前一帧每个聚类集合对应的目标的特征参数，对当前帧所有的目标进行匹配；

当匹配成功时，将当前帧的目标确定为障碍物目标。

2.根据权利要求1所述的障碍物检测方法，其特征在于，所述获取激光雷达点云数据，之后还包括：

采用中值滤波算法对所述激光雷达点云数据进行平滑处理，去除孤立的噪点，得到预处理后的激光雷达点云数据。

3.根据权利要求1所述的障碍物检测方法，其特征在于，所述根据所述聚类集合，提取当前帧每个聚类集合对应的目标的特征参数，具体包括：

利用公式

计算第j个聚类集合的反射强度方差M²；其中，S为第j个聚类集合中雷达点的数量，F_i为第j个聚类集合中第i个雷达点的反射强度，

为第j个聚类集合的平均反射强度；

判断第j个聚类集合的反射强度方差M²是否大于反射强度方差阈值，得到第二判断结果；

当所述第二判断结果表示第j个聚类集合的反射强度方差M²大于反射强度方差阈值时，确定所述第j个聚类集合对应的目标不存在；

当所述第二判断结果表示第j个聚类集合的反射强度方差M²不大于反射强度方差阈值时，确定所述第j个聚类集合对应的目标存在，提取第j个聚类集合对应的目标的特征参数。

4.根据权利要求1所述的障碍物检测方法，其特征在于，所述根据前一帧每个聚类集合对应的目标的特征参数，对当前帧所有的目标进行匹配，具体包括：

对于前一帧第i个聚类集合对应的目标T_i和当前帧第j个聚类集合对应的目标T_j，计算目标T_i与目标T_j之间的质心距离；

判断目标T_i与目标T_j之间的质心距离是否小于列车最大时速，得到第三判断结果；

当所述第三判断结果表示目标T_i与目标T_j之间的质心距离小于列车最大时速时，计算目标T_i到目标T_j的雷达点数量的增加幅度、平均反射强度的增加幅度和反射强度方差的增加幅度；

判断目标T_i到目标T_j的雷达点数量的增加幅度、平均反射强度的增加幅度和反射强度方差的增加幅度是否均大于设定比例，得到第四判断结果；

当所述第四判断结果表示目标T_i到目标T_j的雷达点数量的增加幅度、平均反射强度的增加幅度和反射强度方差的增加幅度均大于设定比例时，确定目标T_j与目标T_i是同一目标，匹配成功；

当所述第三判断结果表示目标T_i与目标T_j之间的质心距离不小于列车最大时速时，或者当所述第四判断结果表示目标T_i到目标T_j的雷达点数量的增加幅度、平均反射强度的增加幅度或反射强度方差的增加幅度不大于设定比例时，确定目标T_j与目标T_i不是同一目标，匹配失败。

5.一种障碍物检测***，其特征在于，包括：

激光雷达点云数据获取模块，用于获取激光雷达点云数据；所述激光雷达点云数据由安装在列车上的单线激光雷达探测得到；

聚类模块，用于按照雷达点的序号顺序，结合设定的最大搜索范围对所述激光雷达点云数据进行聚类，得到多个聚类集合；所述聚类模块具体包括：第一判断单元，用于对于雷达点r_k，依次判断雷达点r_k序号之后设定的最大搜索范围内的每一个雷达点r_k+n是否满足设定条件，得到第一判断结果；所述设定条件为

其中，r_k,k+n为两个激光雷达点的距离，C₀为激光雷达的最大误差，K为最大搜索范围，n为两个激光点间的序号差，n≤K，r_min＝{r_k,r_k+n}，θ为激光雷达角分辨率，

聚类集合更新单元，用于当所述第一判断结果表示雷达点r_k+n满足设定条件时，将雷达点r_k+n加入雷达点r_k所在的聚类集合；聚类集合构建单元，用于当所述第一判断结果表示雷达点r_k+n不满足设定条件时，构建雷达点r_k+n的聚类集合；

特征参数提取模块，用于根据所述聚类集合，提取当前帧每个聚类集合对应的目标的特征参数；所述特征参数包括雷达点的数量、平均方位角、平均距离、质心位置、平均反射强度和反射强度方差；

匹配模块，用于根据前一帧每个聚类集合对应的目标的特征参数，对当前帧所有的目标进行匹配；

障碍物目标确定模块，用于当匹配成功时，将当前帧的目标确定为障碍物目标。

6.根据权利要求5所述的障碍物检测***，其特征在于，还包括：

预处理模块，用于获取激光雷达点云数据之后，采用中值滤波算法对所述激光雷达点云数据进行平滑处理，去除孤立的噪点，得到预处理后的激光雷达点云数据。

7.根据权利要求5所述的障碍物检测***，其特征在于，所述特征参数提取模块具体包括：

反射强度方差计算单元，用于利用公式

计算第j个聚类集合的反射强度方差M²；其中，S为第j个聚类集合中雷达点的数量，F_i为第j个聚类集合中第i个雷达点的反射强度，

为第j个聚类集合的平均反射强度；

第二判断单元，用于判断第j个聚类集合的反射强度方差M²是否大于反射强度方差阈值，得到第二判断结果；

目标确定单元，用于当所述第二判断结果表示第j个聚类集合的反射强度方差M²大于反射强度方差阈值时，确定所述第j个聚类集合对应的目标不存在；

特征提取单元，用于当所述第二判断结果表示第j个聚类集合的反射强度方差M²不大于反射强度方差阈值时，确定所述第j个聚类集合对应的目标存在，提取第j个聚类集合对应的目标的特征参数。

8.根据权利要求5所述的障碍物检测***，其特征在于，所述匹配模块具体包括：

质心距离计算单元，用于对于前一帧第i个聚类集合对应的目标T_i和当前帧第j个聚类集合对应的目标T_j，计算目标T_i与目标T_j之间的质心距离；

第三判断单元，用于判断目标T_i与目标T_j之间的质心距离是否小于列车最大时速，得到第三判断结果；

增加幅度计算单元，用于当所述第三判断结果表示目标T_i与目标T_j之间的质心距离小于列车最大时速时，计算目标T_i到目标T_j的雷达点数量的增加幅度、平均反射强度的增加幅度和反射强度方差的增加幅度；

第四判断单元，用于判断目标T_i到目标T_j的雷达点数量的增加幅度、平均反射强度的增加幅度和反射强度方差的增加幅度是否均大于设定比例，得到第四判断结果；

匹配成功确定单元，用于当所述第四判断结果表示目标T_i到目标T_j的雷达点数量的增加幅度、平均反射强度的增加幅度和反射强度方差的增加幅度均大于设定比例时，确定目标T_j与目标T_i是同一目标，匹配成功；

匹配失败确定单元，用于当所述第三判断结果表示目标T_i与目标T_j之间的质心距离不小于列车最大时速时，或者当所述第四判断结果表示目标T_i到目标T_j的雷达点数量的增加幅度、平均反射强度的增加幅度或反射强度方差的增加幅度不大于设定比例时，确定目标T_j与目标T_i不是同一目标，匹配失败。

Images