[发明专利]智能驾驶中激光雷达点云数据与车辆信息融合的方法

权利要求书

1.一种智能驾驶中激光雷达点云数据与车辆信息融合的方法，其特征在于：包括以下步骤：

S1，获取当前帧的三维形式的激光雷达点云数据、当前帧的车辆速度和车辆航向角，对所述三维形式的激光雷达点云数据进行建模；所述对所述三维形式的激光雷达点云数据进行建模的方式为：将所述三维形式的激光雷达点云数据去除垂直方向的信息，投影到水平面上，转换成二维形式的信息并进行量化处理，生成具有宽和高的当前帧图像数据；

S2，定义参考帧索引图像；判断当前帧图像是否为系统采集的第一帧图像，若是，则利用当前帧图像数据对参考帧索引图像进行更新，得到当前参考帧索引图像并跳转至步骤S4，否则利用车速与航向角对上一参考帧索引图像和当前帧图像进行配准，得到当前参考帧索引图像；

S3，对当前参考帧索引图像进行热核扩散处理，减少配准误差并去掉雷达数据中不稳定的噪点，并根据当前帧图像更新当前参考帧索引图像；

S4，按照固定阈值，根据当前参考帧索引图像生成二值化的雷达点云数据图像并输出，同时更新计数器，并跳转至步骤S2进行下一帧点云数据的处理。

2.根据权利要求1所述的智能驾驶中激光雷达点云数据与车辆信息融合的方法，其特征在于：所述步骤S1具体包括以下子步骤：

S101，根据不同的雷达点云数据协议，将当前帧的三维形式的激光雷达点云数据图像存储为(x,y,z)形式的点云数据CurCloud，其中(0,0,0)表示雷达所在位置；

S102，根据下式

将点云数据CurCloud转化为图像数据CurM；其中，(MID_W,MID_H)表示当前雷达所在点在图像中的像素坐标，图像中值为0的点表示没有障碍物，255表示有障碍物。

3.根据权利要求2所述的智能驾驶中激光雷达点云数据与车辆信息融合的方法，其特征在于：考虑到雷达点云的精度，将点云数据CurCloud(x,y,z)转化为图像数据CurM(i,j)时，将0.1米的间距量化为一个像素。

4.根据权利要求2所述的智能驾驶中激光雷达点云数据与车辆信息融合的方法，其特征在于：所述步骤S2具体包括以下子步骤：

S201，定义参考帧索引图像Index并赋初值0；判断当前帧图像是否为第一帧，即判断当前帧图像的帧数索引CurFrame的值是否为0，若是则跳转至步骤S202，否则跳转至步骤S203；

S202，根据当前帧图像数据CurM_n，利用下式更新参考帧索引图像Index；

得到当前参考帧索引图像Index_n然后跳转至步骤S4；

S203，利用下式

对当前帧图像CurM_n与上一参考帧索引图像Index_n-1做配准，得到配准后的当前参考帧索引图像Index_n'；式中，Yaw为第n帧图像与第n-1帧图像中车辆的航向角的偏差，所述Yaw的计算公式为：

Yaw＝RefHeading-CurHeading

RefHeading为上一参考帧索引图像数据中车辆的航向角，亦即采集上一帧图像时车辆的航向角，CurHeading为采集当前帧图像时车辆的航向角；ShiftY为车辆在两帧之间前进方向行走的距离，

ShiftY＝10*((CurV+RefV)/2)/FPS

RefV表示上一参考帧的车速，亦即采集上一帧图像时的车速，CurV表示采集当前帧图像时的车速，FPS表示雷达数据的输入帧率。