CN113496491A - 一种基于多线激光雷达的路面分割方法及装置 - Google Patents
一种基于多线激光雷达的路面分割方法及装置 Download PDFInfo
- Publication number
- CN113496491A CN113496491A CN202010193980.7A CN202010193980A CN113496491A CN 113496491 A CN113496491 A CN 113496491A CN 202010193980 A CN202010193980 A CN 202010193980A CN 113496491 A CN113496491 A CN 113496491A
- Authority
- CN
- China
- Prior art keywords
- laser radar
- point cloud
- cloud data
- road surface
- radar point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000011218 segmentation Effects 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 34
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 abstract description 4
- 238000012545 processing Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 102100026278 Cysteine sulfinic acid decarboxylase Human genes 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 3
- 108010064775 protein C activator peptide Proteins 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20128—Atlas-based segmentation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开一种基于多线激光雷达的路面分割方法及装置,其中,路面分割方法包括:步骤S1,利用多线激光雷达扫描车辆周围环境,获取激光雷达坐标系下的激光雷达点云数据,并将其转换为车辆坐标系下的激光雷达点云数据;步骤S2,将所述车辆坐标系下的激光雷达点云数据投影到二维栅格地图中;步骤S3,根据所述二维栅格地图,分别基于局部累计高度差和分区域激光线束分布阈值进行路面分割;步骤S4,将基于局部累计高度差和分区域激光线束分布阈值进行路面分割的结果进行叠加,获得完整的路面分割结果。本发明采用了局部特征融合的方法,有效解决了自动驾驶汽车在复杂环境工况下的路面分割问题,步骤简洁、易实现,具有很强的鲁棒性和实时性。
Description
技术领域
本发明属于汽车自动驾驶技术领域,具体涉及一种基于多线激光雷达的路面分割方法及装置。
背景技术
随着汽车技术的不断发展,车辆的智能化已成为趋势。自动驾驶技术是汽车智能化的重要表现,而环境感知技术是其中的重要环节。通过对多种传感器信息进行采集处理,实现对车道线、车辆、行人、障碍物、可通行区域等的识别,完成构建局部的数字环境地图,为自动驾驶行为决策提供依据。
应用多线激光雷达对智能汽车行驶的路面进行分割,可以实现路面可通行区域提取,保证自动驾驶汽车安全行驶。针对应用多线激光雷达对路面分割,通常采用激光雷达扫描到障碍物和地面所表现出的差异特征来提取。常见的特征有栅格内最大最小高度差特征、切向邻域半径比值特征等。栅格内最大最小高度差可通过计算障碍物栅格中最高点和最低点高度之差获得,若差值超过设定的阈值,则认为该位置为障碍物点,以此方法提取栅格中所有的障碍物点,实现路面分割。切向邻域半径比值则是通过比较某一个激光点云与其切向邻域点到原点距离的比值来判断该点是否为障碍物点,若比值小于某一阈值,则为障碍物点,遍历所有激光点云最终实现路面分割。
利用栅格内最大最小高度差进行路面分割的方法只能对近处的障碍物有比较好的效果,而对远处低矮的障碍物会失效。基于切向邻域半径比值的方法仍对远处低矮的障碍物会失效,且当车辆发生颠簸和振动时,会引起误检。此外,自动驾驶汽车的行驶环境具有复杂多变性,主要包括行驶道路、天气环境、车辆状态等。行驶道路主要包括结构化城市道路和非结构化乡村、野外道路,其中,非结构化道路不平滑会引入高次噪声;天气环境主要包含晴天、阴雨天等环境,相比于晴天,阴雨天使激光雷达线束由漫反射变为镜面反射,导致数据的丢失;自动驾驶汽车在行驶中有时会产生颠簸,从而导致局部坐标系震荡。以上诸多因素都会对以上采用多线激光雷达进行路面分割的技术方法产生较大影响。
发明内容
本发明实施例所要解决的技术问题在于,提供一种基于多线激光雷达的路面分割方法及装置,以提高复杂环境工况下路面分割的鲁棒性和实时性。
为解决上述技术问题,本发明提供一种基于多线激光雷达的路面分割方法,包括:
步骤S1,利用多线激光雷达扫描车辆周围环境,获取激光雷达坐标系下的激光雷达点云数据,并将其转换为车辆坐标系下的激光雷达点云数据;
步骤S2,将所述车辆坐标系下的激光雷达点云数据投影到二维栅格地图中;
步骤S3,根据所述二维栅格地图,分别基于局部累计高度差和分区域激光线束分布阈值进行路面分割;
步骤S4,将基于局部累计高度差和分区域激光线束分布阈值进行路面分割的结果进行叠加,获得完整的路面分割结果。
进一步地,所述步骤S1按照下述方式将激光雷达点云数据从激光雷达坐标系转换至车辆坐标系:
[Vx,Vy,Vz]=C[Hx,Hy,Hz]
其中,Hx、Hy、Hz分别为激光雷达点云在激光雷达坐标系下的横坐标、纵坐标和高度坐标,Vx、Vy、Vz分别为所述激光雷达点云在车辆坐标系下的横坐标、纵坐标和高度坐标,C为预先在车辆坐标系与激光雷达坐标系之间标定的矩阵。
进一步地,所述步骤S2将基于车辆坐标系的三维激光雷达点云数据通过以下方式投影到二维栅格地图中:
I[i,j]=MV[x,y,z]
其中,I[i,j]表示激光雷达点云在二维栅格地图中的坐标,i为纵坐标,表示二维栅格地图的行,j为横坐标,表示二维栅格地图的列;V[x,y,z]为所述激光雷达点云在车辆坐标系下的三维坐标,x为横坐标,y为纵坐标,z为高度坐标,M为将车辆坐标系下的激光雷达点云数据投影至二维栅格地图的转换矩阵。
进一步地,所述步骤S3中,基于局部累计高度差进行路面分割具体包括:
统计记录将一帧激光雷达点云数据投影到二维栅格地图后,各栅格中激光雷达点云数据的高度最小值;
计算某一激光雷达点云数据的高度与其所在栅格的激光雷达点云数据的高度最小值的差值;
如果所述差值大于高度差阈值,则以所述激光雷达点云数据对应的二维栅格地图像素为中心,在预定大小的区域中,分别计算所述激光雷达点云数据的高度与此区域内各栅格的激光雷达点云数据的高度最小值的差值;
如果所述差值大于高度差阈值,则计数一次,当计数值超过预设的累计阈值时,将所述激光雷达点云数据标记为非路面点;
遍历当前帧激光雷达点云数据,提取出该帧所有非路面点,并在二维栅格地图中做标记。
进一步地,所述步骤S3使用的一帧激光雷达点云数据,为根据安装在车顶的多线激光雷达的各激光线束在垂直方向上的角度分布,选取前P条激光线束扫描车辆周围环境获得的、并经所述步骤S1、S2处理后的激光雷达点云数据。
进一步地,所述高度差阈值设置在10cm~20cm,预定大小的区域为m×n,m和n设置在10~20,计数阈值的大小为0.25×m×n。
进一步地,所述步骤S3中,基于分区域激光线束分布阈值进行路面分割具体包括:
统计将一帧激光雷达点云数据投影到二维栅格地图后,激光雷达点云数据在二维栅格地图各个栅格位置的线束数量;
分区域遍历二维栅格地图,当某个栅格位置的激光线束数量超过所在区域的分布阈值,则将该栅格位置标记为非路面点。
进一步地,所述区域的划分方式为:在车辆坐标系下,在同一横坐标范围内,纵坐标按照自原点由近及远对称划分多个区域。
本发明还提供一种基于多线激光雷达的路面分割装置,包括:
坐标转换单元,用于将多线激光雷达扫描车辆周围环境获取的激光雷达坐标系下的激光雷达点云数据,转换为车辆坐标系下的激光雷达点云数据;
投影单元,用于将所述车辆坐标系下的激光雷达点云数据投影到二维栅格地图中;
路面分割单元,用于根据所述二维栅格地图,分别基于局部累计高度差和分区域激光线束分布阈值进行路面分割;
叠加单元,用于将基于局部累计高度差和分区域激光线束分布阈值进行路面分割的结果进行叠加,获得完整的路面分割结果。
进一步地,所述路面分割单元具体包括:
统计模块,用于统计记录将一帧激光雷达点云数据投影到二维栅格地图后,各栅格中激光点云的高度最小值;
第一计算模块,用于计算某一激光雷达点云数据的高度与其所在栅格的激光雷达点云数据的高度最小值的差值;
第二计算模块,用于在所述第一计算模块计算的差值大于高度差阈值时,以所述激光雷达点云数据对应的二维栅格地图像素为中心,在预定大小的区域中,分别计算所述激光雷达点云数据的高度与此区域内各栅格的激光雷达点云数据的高度最小值的差值;
计数模块,用于在所述第二计算模块计算的差值大于高度差阈值时,计数一次;
标记模块,用于当所述计数模块的计数值超过预设的累计阈值时,将所述激光雷达点云数据标记为非路面点。
进一步地,所述路面分割单元具体包括:
统计模块,用于统计将一帧激光雷达点云数据投影到二维栅格地图后,激光雷达点云数据在二维栅格地图各个栅格位置的线束数量;
标记模块,用于分区域遍历二维栅格地图,当某个栅格位置的激光线束数量超过所在区域的分布阈值,将该栅格位置标记为非路面点。
实施本发明实施例,具有如下有益效果:本发明采用了局部特征融合的方法,对不同行驶环境工况可以最大程度自适应地对路面进行分割,有效解决了自动驾驶汽车在非结构化道路、阴雨天、车辆颠簸振动等复杂环境工况下的路面分割问题,步骤简洁、易实现,具有很强的鲁棒性和实时性。
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,下面将对实施例或现有技术描述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为本发明实施例一一种基于多线激光雷达的路面分割方法的流程示意图。
图2为本发明实施例中二维栅格地图示意图。
图3为本发明实施例中基于局部累计高度差进行路面分割的具体流程示意图。
图4为本发明实施例中的基于分区域激光线束分布阈值进行路面分割的具体流程示意图。
具体实施方式
以下各实施例的说明是参考附图,用以示例本发明可以用以实施的特定实施例。
针对多线激光雷达路面分割的难点:自动驾驶汽车行驶环境的复杂性和车辆本身颠簸引起原始数据的不规则和丢失,本发明通过采用多线激光雷达,创新开发一种基于多线激光雷达的路面分割方法及装置,基于多特征融合,稳定实现多种环境工况下的路面分割。
请参照图1所示,本发明实施例一提供一种基于多线激光雷达的路面分割方法,包括:
步骤S1,利用多线激光雷达扫描车辆周围环境,获取激光雷达坐标系下的激光雷达点云数据,并将其转换为车辆坐标系下的激光雷达点云数据;
步骤S2,将所述基于车辆坐标系的激光雷达点云数据投影到二维栅格地图中;
步骤S3,根据所述二维栅格地图,分别基于局部累计高度差和分区域激光线束分布阈值进行路面分割;
步骤S4,将基于局部累计高度差和分区域激光线束分布阈值进行路面分割的结果进行叠加,获得完整的路面分割结果。
具体地,步骤S1首先进行激光雷达点云数据采集和解析。激光雷达安装在车辆顶部。本实施例采用的激光雷达是多线束的激光雷达,如超过16线的激光雷达(16线、32线、64线、128线等),优选采用Velodyne的64线激光雷达(HDL-64E S3),其利用UDP通讯,以PCAP包格式发送数据,通过解析PCAP包获取激光雷达点云数据。
解析PCAP包获取激光雷达点云数据后,需要对激光雷达点云数据进行预处理,包括进行激光雷达内部参数校正,构建无向图结构。之后,按照下述方式将激光雷达点云数据从激光雷达坐标系转换至车辆坐标系:
[Vx,Vy,Vz]=CHx ,Hy,Hz]
其中,Hx、Hy、Hz分别为某一激光雷达点云在激光雷达坐标系下的横坐标、纵坐标和高度坐标,Vx、Vy、Vz分别为前述激光雷达点云在车辆坐标系下的横坐标、纵坐标和高度坐标,C为预先在车辆坐标系与激光雷达坐标系之间标定的矩阵,包含旋转矩阵R和平移矩阵T。具体地,R为3×3的旋转矩阵,T为1×3平移矩阵。车辆坐标系的原点设定为车辆的车头中心点。
步骤S2将基于车辆坐标系的三维激光雷达点云数据通过以下方式投影到二维栅格地图中:
I[i,j]=MV[x,y,z]
其中,I[i,j]表示激光雷达点云数据在二维栅格地图中的坐标,i为纵坐标,表示栅格地图的行,j为横坐标,表示栅格地图的列;V[x,y,z]为激光雷达点云在车辆坐标系下的三维坐标,x为横坐标,y为纵坐标,z为高度坐标,M为车辆坐标系下的激光雷达点云数据投影至二维栅格地图的转换矩阵。
本实施例的二维栅格地图本身是一张图像,包含像素的坐标和该坐标下对应的像素值,通过步骤S2的投影变换得到的I[i,j]是二维栅格地图的像素的坐标,该坐标对应的像素值即为高度Zi。具体地,本实施例的二维栅格地图如图2所示,大小为512×512,原点为左上角(0,0)。二维栅格地图的坐标是根据激光雷达进行路面分割的范围定义的,在车辆坐标系中定为原点的车头中心点设置在二维栅格地图的像素点(256,411)处。设定二维栅格地图横向方向每一个像素所代表的实际几何距离为20cm;纵向方向上,车前每一个像素所代表的实际几何距离为20cm,车后每一个像素所代表的实际几何距离为50cm,因而本实施例的二维栅格地图显示了车前约80m,车后约50m,横向约100m(左右各50m)的范围。可以理解的是,根据激光雷达进行路面分割的范围,可以对二维栅格地图中每一像素代表的实际几何距离进行设定,前述设置仅为示例。
步骤S3将分别进行两种类型的路面分割:基于局部累计高度差的路面分割和基于分区域激光线束分布阈值的路面分割,以下分别说明。
A、基于局部累计高度差的路面分割
基于局部累计高度差的路面分割是根据安装在车顶的64线激光雷达的各激光线束在垂直方向上的角度分布,基于局部高度差的路面分割,选取前P条激光线束(车辆近距离位置)来处理,处理流程如图3所示。
将一帧激光雷达点云数据投影到二维栅格地图后,统计记录各栅格中激光雷达点云数据的高度最小值Zmin[i,j](i,j代表二维栅格地图中某个栅格的位置,即所在的栅格地图的行和列),之后遍历当前帧激光雷达点云数据,提取非路面点:
对于某个激光雷达点云数据,计算该激光雷达点云数据高度Zi与其所在栅格的激光雷达点云数据的高度最小值Zmin[i,j]的差值(Zi-Zmin[i,j]),然后判断该差值是否大于预设的高度差阈值Threshold1,若Zi-Zmin[i,j]>Threshold1,则以其对应位置的二维栅格地图像素为中心,在m×n的区域中,分别计算该激光雷达点云数据高度Zi与此区域内各栅格的激光雷达点云数据的高度最小值Zmin[i,j]的高度差,若Zi-Zmin[i,j]>Threshold1,则计数一次,如果计数值超过预设的累计阈值N,则该点云被标记为非路面点;完成遍历当前帧激光雷达点云数据,提取出该帧所有非路面点,并在二维栅格地图中做标记。
作为一种示例,P=50,高度差阈值Threshold1可定为10cm—20cm,设定m×n的区域的大小,m和n可取值10—20,计数阈值N=0.25×m×n。
传统的基于栅格内高度差的路面分割方法受单个噪声点影响较大,容易造成误分割;本实施例基于局部累计高度差的路面分割方法通过多次比较周围区域栅格内的激光点云,大大降低了噪声的干扰,具有较强的鲁棒性,且对远距离的(激光雷达扫描线束较为稀疏)路面分割也有一定提升。
B、基于分区域激光线束分布阈值的路面分割
在栅格地图的不同区域内,激光线束分布的疏密程度可反映障碍物点的分布,以此可以进行路面分割处理,处理流程如图4所示。
将一帧激光雷达点云数据投影到二维栅格地图后,统计激光雷达点云数据在二维栅格地图各个栅格位置的线束数量。然后,分区域遍历二维栅格地图,当某个栅格位置的激光线束数量超过分布阈值Threshold2,则该栅格位置被标记为非路面点。
栅格不同区域位置对应的分布阈值Threshold2如下表1所示:
表1栅格不同区域位置对应的分布阈值Threshold2
横坐标(m) | 纵坐标(m) | 分布阈值Threshold2 |
[-50,50] | [-3,3] | 10 |
[-50,50] | [-5,-3]&&[3,5] | 8 |
[-50,50] | [-10,-5]&&[5,10] | 6 |
[-50,50] | [-15,-10]&&[10,15] | 5 |
[-50,50] | [-20,-15]&&[15,20] | 4 |
[-50,50] | [-30,-20]&&[20,30] | 3 |
[-50,50] | [-50,-30]&&[30,80] | 2 |
其中,表1所示的坐标系为车辆坐标系,坐标原点为车辆的车头中心点,横坐标为负值代表车辆左方,正值代表车辆右方;纵坐标为负值代表车辆后方,正值代表前方。其区域的划分方式为:在车辆坐标系下,在同一横坐标范围内,纵坐标按照自原点由近及远对称划分多个区域。还可以看出,按离车辆前后距离越近,分布阈值越大,需要相对更多的激光线束数量(超过分布阈值)才能判定为非路面点。
步骤S4将步骤S3的两种路面分割结果进行叠加,作为基于64线激光雷达的完整路面分割结果。叠加是将两种路面分割方法在二维栅格地图中标记的非路面点整合到一起,在二维栅格地图上显示。可以理解的是,两种方法标记的非路面点可能会有重合,最后叠加在一起显示的是两个路面分割结果的并集,不会有重复的结果。
相应于本发明实施例一的基于多线激光雷达的路面分割方法,本发明实施例二提供一种基于多线激光雷达的路面分割装置,包括:
坐标转换单元,用于将多线激光雷达扫描车辆周围环境获取的激光雷达坐标系下的激光雷达点云数据,转换为车辆坐标系下的激光雷达点云数据;
投影单元,用于将所述车辆坐标系下的激光雷达点云数据投影到二维栅格地图中;
路面分割单元,用于根据所述二维栅格地图,分别基于局部累计高度差和分区域激光线束分布阈值进行路面分割;
叠加单元,用于将基于局部累计高度差和分区域激光线束分布阈值进行路面分割的结果进行叠加,获得完整的路面分割结果。
进一步地,所述路面分割单元具体包括:
统计模块,用于统计记录将一帧激光雷达点云数据投影到二维栅格地图后,各栅格中激光点云的高度最小值;
第一计算模块,用于计算某一激光雷达点云数据的高度与其所在栅格的激光雷达点云数据的高度最小值的差值;
第二计算模块,用于在所述第一计算模块计算的差值大于高度差阈值时,以所述激光雷达点云数据对应的二维栅格地图像素为中心,在预定大小的区域中,分别计算所述激光雷达点云数据的高度与此区域内各栅格的激光雷达点云数据的高度最小值的差值;
计数模块,用于在所述第二计算模块计算的差值大于高度差阈值时,计数一次;
标记模块,用于当所述计数模块的计数值超过预设的累计阈值时,将所述激光雷达点云数据标记为非路面点。
进一步地,所述路面分割单元具体包括:
统计模块,用于统计将一帧激光雷达点云数据投影到二维栅格地图后,激光雷达点云数据在二维栅格地图各个栅格位置的线束数量;
标记模块,用于分区域遍历二维栅格地图,当某个栅格位置的激光线束数量超过所在区域的分布阈值,将该栅格位置标记为非路面点。
有关本实施例基于多线激光雷达的路面分割装置的工作原理及过程,参照本发明实施例一的说明,此处不再赘述。
与现有技术相比,本发明的有益效果在于:本发明采用了局部特征融合的方法,对不同行驶环境工况可以最大程度自适应地对路面进行分割,有效解决了自动驾驶汽车在非结构化道路、阴雨天、车辆颠簸振动等复杂环境工况下的路面分割问题,具有很强的鲁棒性和实时性。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (12)
1.一种基于多线激光雷达的路面分割方法,其特征在于,包括:
步骤S1,利用多线激光雷达扫描车辆周围环境,获取激光雷达坐标系下的激光雷达点云数据,并将其转换为车辆坐标系下的激光雷达点云数据;
步骤S2,将所述车辆坐标系下的激光雷达点云数据投影到二维栅格地图中;
步骤S3,根据所述二维栅格地图,分别基于局部累计高度差和分区域激光线束分布阈值进行路面分割;
步骤S4,将基于局部累计高度差和分区域激光线束分布阈值进行路面分割的结果进行叠加,获得完整的路面分割结果。
2.根据权利要求1所述的路面分割方法,其特征在于,所述步骤S1按照下述方式将激光雷达点云数据从激光雷达坐标系转换至车辆坐标系:
[Vx,Vy,Vz]=C[Hx,Hy,Hz]
其中,Hx、Hy、Hz分别为激光雷达点云在激光雷达坐标系下的横坐标、纵坐标和高度坐标,Vx、Vy、Vz分别为所述激光雷达点云在车辆坐标系下的横坐标、纵坐标和高度坐标,C为预先在车辆坐标系与激光雷达坐标系之间标定的矩阵。
4.根据权利要求1所述的路面分割方法,其特征在于,所述步骤S2将基于车辆坐标系的三维激光雷达点云数据通过以下方式投影到二维栅格地图中:
I[i,j]=MV[x,y,z]
其中,I[i,j]表示激光雷达点云在二维栅格地图中的坐标,i为纵坐标,表示二维栅格地图的行,j为横坐标,表示二维栅格地图的列;V[x,y,z]为所述激光雷达点云在车辆坐标系下的三维坐标,x为横坐标,y为纵坐标,z为高度坐标,M为将车辆坐标系下的激光雷达点云数据投影至二维栅格地图的转换矩阵。
5.根据权利要求1所述的路面分割方法,其特征在于,所述步骤S3中,基于局部累计高度差进行路面分割具体包括:
统计记录将一帧激光雷达点云数据投影到二维栅格地图后,各栅格中激光雷达点云数据的高度最小值;
计算某一激光雷达点云数据的高度与其所在栅格的激光雷达点云数据的高度最小值的差值;
如果所述差值大于高度差阈值,则以所述激光雷达点云数据对应的二维栅格地图像素为中心,在预定大小的区域中,分别计算所述激光雷达点云数据的高度与此区域内各栅格的激光雷达点云数据的高度最小值的差值;
如果所述差值大于高度差阈值,则计数一次,当计数值超过预设的累计阈值时,将所述激光雷达点云数据标记为非路面点;
遍历当前帧激光雷达点云数据,提取出该帧所有非路面点,并在二维栅格地图中做标记。
6.根据权利要求5所述的路面分割方法,其特征在于,所述步骤S3使用的一帧激光雷达点云数据,为根据安装在车顶的多线激光雷达的各激光线束在垂直方向上的角度分布,选取前P条激光线束扫描车辆周围环境获得的、并经所述步骤S1、S2处理后的激光雷达点云数据。
7.根据权利要求5所述的路面分割方法,其特征在于,所述高度差阈值设置在10cm~20cm,预定大小的区域为m×n,m和n设置在10~20,计数阈值的大小为0.25×m×n。
8.根据权利要求1所述的路面分割方法,其特征在于,所述步骤S3中,基于分区域激光线束分布阈值进行路面分割具体包括:
统计将一帧激光雷达点云数据投影到二维栅格地图后,激光雷达点云数据在二维栅格地图各个栅格位置的线束数量;
分区域遍历二维栅格地图,当某个栅格位置的激光线束数量超过所在区域的分布阈值,则将该栅格位置标记为非路面点。
9.根据权利要求8所述的路面分割方法,其特征在于,所述区域的划分方式为:在车辆坐标系下,在同一横坐标范围内,纵坐标按照自原点由近及远对称划分多个区域。
10.一种基于多线激光雷达的路面分割装置,其特征在于,包括:
坐标转换单元,用于将多线激光雷达扫描车辆周围环境获取的激光雷达坐标系下的激光雷达点云数据,转换为车辆坐标系下的激光雷达点云数据;
投影单元,用于将所述车辆坐标系下的激光雷达点云数据投影到二维栅格地图中;
路面分割单元,用于根据所述二维栅格地图,分别基于局部累计高度差和分区域激光线束分布阈值进行路面分割;
叠加单元,用于将基于局部累计高度差和分区域激光线束分布阈值进行路面分割的结果进行叠加,获得完整的路面分割结果。
11.根据权利要求10所述的路面分割装置,其特征在于,所述路面分割单元具体包括:
统计模块,用于统计记录将一帧激光雷达点云数据投影到二维栅格地图后,各栅格中激光点云的高度最小值;
第一计算模块,用于计算某一激光雷达点云数据的高度与其所在栅格的激光雷达点云数据的高度最小值的差值;
第二计算模块,用于在所述第一计算模块计算的差值大于高度差阈值时,以所述激光雷达点云数据对应的二维栅格地图像素为中心,在预定大小的区域中,分别计算所述激光雷达点云数据的高度与此区域内各栅格的激光雷达点云数据的高度最小值的差值;
计数模块,用于在所述第二计算模块计算的差值大于高度差阈值时,计数一次;
标记模块,用于当所述计数模块的计数值超过预设的累计阈值时,将所述激光雷达点云数据标记为非路面点。
12.根据权利要求10所述的路面分割装置,其特征在于,所述路面分割单元具体包括:
统计模块,用于统计将一帧激光雷达点云数据投影到二维栅格地图后,激光雷达点云数据在二维栅格地图各个栅格位置的线束数量;
标记模块,用于分区域遍历二维栅格地图,当某个栅格位置的激光线束数量超过所在区域的分布阈值,将该栅格位置标记为非路面点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010193980.7A CN113496491B (zh) | 2020-03-19 | 2020-03-19 | 一种基于多线激光雷达的路面分割方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010193980.7A CN113496491B (zh) | 2020-03-19 | 2020-03-19 | 一种基于多线激光雷达的路面分割方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113496491A true CN113496491A (zh) | 2021-10-12 |
CN113496491B CN113496491B (zh) | 2023-12-15 |
Family
ID=77993289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010193980.7A Active CN113496491B (zh) | 2020-03-19 | 2020-03-19 | 一种基于多线激光雷达的路面分割方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113496491B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114322856A (zh) * | 2021-12-16 | 2022-04-12 | 青岛慧拓智能机器有限公司 | 矿区路面平整度的检测方法、装置、存储介质及设备 |
CN114387585A (zh) * | 2022-03-22 | 2022-04-22 | 新石器慧通(北京)科技有限公司 | 障碍物检测方法、检测装置及行驶装置 |
CN114415661A (zh) * | 2021-12-15 | 2022-04-29 | 中国农业大学 | 基于压缩三维空间点云的平面激光slam与导航方法 |
CN114627073A (zh) * | 2022-03-14 | 2022-06-14 | 一汽解放汽车有限公司 | 地形识别方法、装置、计算机设备和存储介质 |
CN114659513A (zh) * | 2022-03-11 | 2022-06-24 | 北京航空航天大学 | 一种面向非结构化道路的点云地图构建与维护方法 |
CN114755695A (zh) * | 2022-06-15 | 2022-07-15 | 北京海天瑞声科技股份有限公司 | 关于激光雷达点云数据的路面检测方法、装置及介质 |
CN114814796A (zh) * | 2022-07-01 | 2022-07-29 | 陕西欧卡电子智能科技有限公司 | 基于高精度地图的水面可行驶区域提取方法、装置及设备 |
WO2024040954A1 (zh) * | 2022-08-24 | 2024-02-29 | 北京京东乾石科技有限公司 | 点云语义分割网络训练方法、点云语义分割方法及装置 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1308752A2 (en) * | 2001-11-02 | 2003-05-07 | Fuji Jukogyo Kabushiki Kaisha | Monitoring system of the outside of a vehicle and method therefore |
US20130282208A1 (en) * | 2012-04-24 | 2013-10-24 | Exelis, Inc. | Point cloud visualization of acceptable helicopter landing zones based on 4d lidar |
US20140118716A1 (en) * | 2012-10-31 | 2014-05-01 | Raytheon Company | Video and lidar target detection and tracking system and method for segmenting moving targets |
KR101421128B1 (ko) * | 2014-04-30 | 2014-07-22 | 국방과학연구소 | 레이저 레이더 기반의 3차원 원시 데이터를 이용한 건물 영역 추출 방법 |
CN104005325A (zh) * | 2014-06-17 | 2014-08-27 | 武汉武大卓越科技有限责任公司 | 基于深度和灰度图像的路面裂缝检测装置和方法 |
CN105404898A (zh) * | 2015-11-26 | 2016-03-16 | 福州华鹰重工机械有限公司 | 一种松散型点云数据分割方法和设备 |
CN106204705A (zh) * | 2016-07-05 | 2016-12-07 | 长安大学 | 一种基于多线激光雷达的3d点云分割方法 |
WO2018205119A1 (zh) * | 2017-05-09 | 2018-11-15 | 深圳市速腾聚创科技有限公司 | 基于激光雷达扫描的路沿检测方法和*** |
CN108983248A (zh) * | 2018-06-26 | 2018-12-11 | 长安大学 | 一种基于3d激光雷达及v2x的网联车定位方法 |
CN110320504A (zh) * | 2019-07-29 | 2019-10-11 | 浙江大学 | 一种基于激光雷达点云统计几何模型的非结构化道路检测方法 |
WO2019242174A1 (zh) * | 2018-06-21 | 2019-12-26 | 华南理工大学 | 基于激光雷达的建筑结构自动测量及3d模型生成方法 |
WO2020020146A1 (zh) * | 2018-07-25 | 2020-01-30 | 深圳市商汤科技有限公司 | 激光雷达稀疏深度图的处理方法、装置、设备及介质 |
WO2020043041A1 (zh) * | 2018-08-27 | 2020-03-05 | 腾讯科技(深圳)有限公司 | 点云数据的分割方法和装置、存储介质、电子装置 |
-
2020
- 2020-03-19 CN CN202010193980.7A patent/CN113496491B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1308752A2 (en) * | 2001-11-02 | 2003-05-07 | Fuji Jukogyo Kabushiki Kaisha | Monitoring system of the outside of a vehicle and method therefore |
US20130282208A1 (en) * | 2012-04-24 | 2013-10-24 | Exelis, Inc. | Point cloud visualization of acceptable helicopter landing zones based on 4d lidar |
US20140118716A1 (en) * | 2012-10-31 | 2014-05-01 | Raytheon Company | Video and lidar target detection and tracking system and method for segmenting moving targets |
KR101421128B1 (ko) * | 2014-04-30 | 2014-07-22 | 국방과학연구소 | 레이저 레이더 기반의 3차원 원시 데이터를 이용한 건물 영역 추출 방법 |
CN104005325A (zh) * | 2014-06-17 | 2014-08-27 | 武汉武大卓越科技有限责任公司 | 基于深度和灰度图像的路面裂缝检测装置和方法 |
CN105404898A (zh) * | 2015-11-26 | 2016-03-16 | 福州华鹰重工机械有限公司 | 一种松散型点云数据分割方法和设备 |
CN106204705A (zh) * | 2016-07-05 | 2016-12-07 | 长安大学 | 一种基于多线激光雷达的3d点云分割方法 |
WO2018205119A1 (zh) * | 2017-05-09 | 2018-11-15 | 深圳市速腾聚创科技有限公司 | 基于激光雷达扫描的路沿检测方法和*** |
WO2019242174A1 (zh) * | 2018-06-21 | 2019-12-26 | 华南理工大学 | 基于激光雷达的建筑结构自动测量及3d模型生成方法 |
CN108983248A (zh) * | 2018-06-26 | 2018-12-11 | 长安大学 | 一种基于3d激光雷达及v2x的网联车定位方法 |
WO2020020146A1 (zh) * | 2018-07-25 | 2020-01-30 | 深圳市商汤科技有限公司 | 激光雷达稀疏深度图的处理方法、装置、设备及介质 |
WO2020043041A1 (zh) * | 2018-08-27 | 2020-03-05 | 腾讯科技(深圳)有限公司 | 点云数据的分割方法和装置、存储介质、电子装置 |
CN110320504A (zh) * | 2019-07-29 | 2019-10-11 | 浙江大学 | 一种基于激光雷达点云统计几何模型的非结构化道路检测方法 |
Non-Patent Citations (3)
Title |
---|
M. NIKOLOVA; A. HERO: "Segmentation of a road from a vehicle-mounted radar and accuracy of the estimation", 《PROCEEDINGS OF THE IEEE INTELLIGENT VEHICLES SYMPOSIUM 2000 (CAT. NO.00TH8511)》 * |
张达;李霖;李游;: "基于车载激光扫描的城市道路提取方法", 测绘通报, no. 07 * |
程子阳;任国全;张银: "扫描线段特征用于三维点云地面分割", 《光电工程》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114415661A (zh) * | 2021-12-15 | 2022-04-29 | 中国农业大学 | 基于压缩三维空间点云的平面激光slam与导航方法 |
CN114415661B (zh) * | 2021-12-15 | 2023-09-22 | 中国农业大学 | 基于压缩三维空间点云的平面激光slam与导航方法 |
CN114322856B (zh) * | 2021-12-16 | 2023-09-15 | 青岛慧拓智能机器有限公司 | 矿区路面平整度的检测方法、装置、存储介质及设备 |
CN114322856A (zh) * | 2021-12-16 | 2022-04-12 | 青岛慧拓智能机器有限公司 | 矿区路面平整度的检测方法、装置、存储介质及设备 |
CN114659513B (zh) * | 2022-03-11 | 2024-04-09 | 北京航空航天大学 | 一种面向非结构化道路的点云地图构建与维护方法 |
CN114659513A (zh) * | 2022-03-11 | 2022-06-24 | 北京航空航天大学 | 一种面向非结构化道路的点云地图构建与维护方法 |
CN114627073A (zh) * | 2022-03-14 | 2022-06-14 | 一汽解放汽车有限公司 | 地形识别方法、装置、计算机设备和存储介质 |
CN114627073B (zh) * | 2022-03-14 | 2024-06-04 | 一汽解放汽车有限公司 | 地形识别方法、装置、计算机设备和存储介质 |
CN114387585B (zh) * | 2022-03-22 | 2022-07-05 | 新石器慧通(北京)科技有限公司 | 障碍物检测方法、检测装置及行驶装置 |
CN114387585A (zh) * | 2022-03-22 | 2022-04-22 | 新石器慧通(北京)科技有限公司 | 障碍物检测方法、检测装置及行驶装置 |
CN114755695A (zh) * | 2022-06-15 | 2022-07-15 | 北京海天瑞声科技股份有限公司 | 关于激光雷达点云数据的路面检测方法、装置及介质 |
CN114814796A (zh) * | 2022-07-01 | 2022-07-29 | 陕西欧卡电子智能科技有限公司 | 基于高精度地图的水面可行驶区域提取方法、装置及设备 |
CN114814796B (zh) * | 2022-07-01 | 2022-09-30 | 陕西欧卡电子智能科技有限公司 | 基于高精度地图的水面可行驶区域提取方法、装置及设备 |
WO2024040954A1 (zh) * | 2022-08-24 | 2024-02-29 | 北京京东乾石科技有限公司 | 点云语义分割网络训练方法、点云语义分割方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113496491B (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113496491B (zh) | 一种基于多线激光雷达的路面分割方法及装置 | |
US10860870B2 (en) | Object detecting apparatus, object detecting method, and computer program product | |
EP3418943B1 (en) | Object detecting apparatus, object detecting method, and computer-readable medium | |
CN110210389B (zh) | 一种面向道路交通场景的多目标识别跟踪方法 | |
WO2021259344A1 (zh) | 车辆检测方法、装置、车辆和存储介质 | |
US8036424B2 (en) | Field recognition apparatus, method for field recognition and program for the same | |
US11373532B2 (en) | Pothole detection system | |
CN110705458B (zh) | 边界检测方法及装置 | |
CN107064955A (zh) | 障碍物聚类方法及装置 | |
CN110979313B (zh) | 一种基于空间地图的自动泊车定位方法及*** | |
CN111461048B (zh) | 基于视觉的停车场可行驶区域检测与局部地图构建方法 | |
CN113110451A (zh) | 一种深度相机与单线激光雷达融合的移动机器人避障方法 | |
CN112666535A (zh) | 一种基于多雷达数据融合的环境感知方法及*** | |
CN112487907B (zh) | 一种基于图分类的危险场景识别方法及*** | |
CN112213735A (zh) | 一种针对雨雪天气的激光点云降噪方法 | |
CN109241855B (zh) | 基于立体视觉的智能车辆可行驶区域探测方法 | |
CN105512641A (zh) | 一种采用激光雷达扫描法标定雨雪状态下视频中的动态行人及车辆的方法 | |
CN115775378A (zh) | 一种基于多传感器融合的车路协同目标检测方法 | |
CN114660568B (zh) | 一种激光雷达障碍物检测方法及装置 | |
CN113734176A (zh) | 智能驾驶车辆的环境感知***、方法、车辆及存储介质 | |
CN113838060A (zh) | 用于自主车辆的感知*** | |
US11373389B2 (en) | Partitioning images obtained from an autonomous vehicle camera | |
CN114743179A (zh) | 一种基于语义分割的周视可行驶区域检测方法 | |
CN114594767A (zh) | 一种基于空地协同的无人车路径重规划方法 | |
CN114495059A (zh) | 一种环卫清扫车路面识别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |