[发明专利]一种道路边界检测及跟踪方法

说明书

技术领域

本发明涉及智能车辆环境感知技术领域，尤其涉及一种道路边界检测及跟踪方法。

背景技术

自无人车诞生以来，自主导航技术就吸引了众多学者和研究机构的目光，但目前仍然是一个难度很大的课题，其中道路边界检测与跟踪是这个领域非常重要的研究内容，也是这个领域的核心技术之一。在复杂的城市环境中，道路边界可以限制车辆的可通行区域，为无人驾驶汽车的自主导航和路径规划提供了丰富的信息；在建筑物、树木等遮挡导致GPS信号接收受限的城市区域，道路的边界也可以作为一种非常好的特征用于车辆位置估计；此外，在目标检测系统中，道路边界可以限制搜索区域，减少了不必要的干扰，在降低计算量的同时也显著的提高的检测精度。此外，在没有车道线的道路环境下，可以依赖可靠道路边界检测与跟踪技术实现无人车的车道跟踪与保持。

根据采用传感器的不同，出现了很多不同的道路边界检测与跟踪技术，主要有基于相机(单目或立体视觉)、2D或3D激光雷达的。

因为相机获取的信息量大，视野较宽、成本低等优点，基于视觉的道路边界的检测与跟踪技术应用较广泛。Seibert等人利用单目相机检测道路边界，并利用道路的边界和纹理信息，结合机器学习的方法对道路边界进行检测；Siegemund等人利用深度视觉信息检测道路的直线边缘和曲线边缘，结合条件随机场的方法将数据分为道路部分和人行道部分。但是相机拍摄的图像极易受到外部环境的干扰，如光照、树荫、下雨等都可能造成相机拍摄失败，在背景条件比较复杂的环境下，道路边界很容易和其它目标混在一起，此外，利用立体视觉检测道路边界需要计算两幅图像的视差，这样会增大计算量，难以满足无人车对实时性的要求。

随着雷迖技术的发展，研究人员开始采用激光雷达来替代或辅助摄像机。雷达不受光照、阴影等外界影响，不仅能够在恶劣天气条件下正常工作，而且探测范围广、测量距离远，测量精度高，因此在道路边界检测领域得到了广泛的使用，Wijesoma等人利用2D雷达结合卡尔曼滤波实现对道路边缘的检测与跟踪。但是，2D激光雷达每次扫描只能获取一个扫描线，所以当道路结构比较复杂时，这些基于2D雷达检测算法很容易受到观测噪声的影响。较2D雷达，3D激光雷达探测的范围较广，数据密度大、精度高，可以检测到更准确的道路边界信息同时抑制噪声的干扰，保证智能车能够安全的行驶在道路上，不会发生碰撞路边的情况，近年来被广泛应用到无人驾驶车辆的环境感知系统中。

三维激光雷达虽然获取数据速度快、点云密集、场景目标丰富，但其获取的数据具有海量特征，这对处理车载三维雷达数据的算法提出了更高的要求。Moosmann.提出一种方法将3D雷达数据映射到2D障碍物地图上，然后通过图像处理的方法提取特征，利用马尔科夫随机场进一步提取道路边缘，该方法可以很好地用于路径规划，但是由于处理时间太长无法满足实时性的要求，并且当车道中有行人、车辆等障碍物时会造成道路边界误检，此外，仅仅依靠检测，难以保障检测结果的稳定性和可靠性。

发明内容

针对上述现有技术中存在的缺陷与不足，本发明的目的在于，提供了一种基于三维激光雷达的道路边界检测与跟踪方法，包括以下步骤：

步骤1，以三维激光雷达的中心为坐标原点，过原点o_s且以三维激光雷达的垂直轴线方向为z轴，过原点o_s且平行于所述三维激光雷达横向切面指向无人车前进的方向为y轴，过原点且垂直于y轴和z轴所构成的平面指向无人车前进方向右侧的方向为x轴，建立三维激光雷达的直角坐标系o_sxyz；

获取多个三维激光雷达扫描点的极坐标数据，并将三维激光雷达扫描点的极坐标数据转换到三维激光雷达的直角坐标系o_sxyz下；

步骤2，将转换到三维激光雷达的直角坐标系o_sxyz下的三维激光雷达扫描点映射到M*N的2.5维极坐标网格中，根据极坐标网格中延伸顶点的高度以及延伸顶点与网格中最低点的高度差提取所有的三维激光雷达扫描点中的地面点；

步骤3，对所述提取的地面点，分别提取地面点中道路两旁的边界点；

步骤4，对所述提取的道路两旁的边界点，采用随机采样一致性方法对道路两旁的边界点进行滤波得到滤波后的道路两旁的边界点，并采用最小二乘法对分别对滤波后的道路两旁的边界点进行拟合，即得到道路边界线；

步骤5，利用卡尔曼滤波算法对所述的道路边界线进行跟踪。

进一步地，通过式(1)将步骤1中所述的三维激光雷达扫描点的极坐标转换到无人车的雷达直角坐标系下：