[发明专利]一种基于多线激光雷达的坡道小障碍物识别方法

权利要求书

1.一种基于多线激光雷达的坡道小障碍物识别方法，其特征在于：包括以下步骤：

第一步，对原始点云进行道路边缘检测，基于霍夫变换将道路外侧的区域滤除，得到道路内与障碍物识别的相关点云；

将道路内外的区域分割，区域内的点云形成图像坐标空间，采用霍夫变换将图像坐标空间中共线的点云变换至参数空间中，这些点云在参数空间中均相交于同一点，通过霍夫变换排除与坡道路面边缘相交的直线，以此对道路外侧的区域进行滤除，得到道路内与障碍物识别的相关点云；如果查找到道路边缘，将路外侧的点云数据滤除，其中，滤除点云的方法是，以道路边缘为分界线，靠近中线，直线“x=0”为道路内侧的点云，反之为道路外侧的点云，将点云的x,y,z坐标值设为INF，坐标为INF的点在后面的运算中都会被忽略，即被滤除掉，道路内侧点云不作处理；

第二步，基于投影降维方法，将坡道路面上与障碍物识别的相关点云投影到与路面垂直的竖直平面XOZ上，对坡道道路进行识别并将坡道路面进行滤除，再利用霍夫直线变换进行检测，从而准确求出所有属于路面扫描点的相关点云，然后在属于路面扫描点的相关点云中对所有路面点再次进行滤除，以提高信噪比；

第三步，对坡道路面上十米以内的范围进行离群值滤除，根据离群值滤除路面零散的点云，使滤除后的点云均属于障碍物扫描点；具体的，在输入数据中对点云到临近点云的距离分布的计算，对每个点，本文计算它到它的所有临近点云的平均距离；假设得到的结果是一个高斯分布，其形状由均值和标准差决定，平均距离在标准范围之外的点，可被定义为离群点并可从数据集中去除掉；

第四步，利用基于密度的DBSCAN聚类算法对离群值滤除后的障碍物扫描点进行进一步滤除噪声点，实现障碍物聚类；

有效避免了传统障碍物识别方法在即将下坡路段障碍物的漏检以及上坡路段把路面识别为障碍物的弊端，提高了智能驾驶汽车的行车安全性和对复杂路况的适应性。

2.根据权利要求1所述的基于多线激光雷达的坡道小障碍物识别方法，其特征在于：若没有查找到道路边缘，即选用车辆车身两侧距离各五米内区域作为分割区域。

3.根据权利要求1所述的基于多线激光雷达的坡道小障碍物识别方法，其特征在于：基于投影降维方法，将坡道路面上与障碍物识别的相关点云投影到与路面垂直的竖直平面XOZ上，形成相关点云的投影平面，在投影平面上离雷达最近的一段路面形成一条连续的直线，中间一段坡道为分段的直线，剩余的一段路面在投影平面上不做显示；针对前述所有投影后的点云数进行霍夫变换，找出形成长度大于0.5米的直线，从而找到为路面的直线，从而准确求出所有属于路面扫描点的相关点云。

4.根据权利要求1所述的基于多线激光雷达的坡道小障碍物识别方法，其特征在于：对坡道路面上十米以内的范围内，在输入数据中对点云到临近点云的距离分布进行计算，得出点云对其临近点云的平均距离，处于这个平均距离的平均值范围内的点云即为障碍物扫描点，不符合的点云进行剔除。

5.根据权利要求1所述的基于多线激光雷达的坡道小障碍物识别方法，其特征在于：通过雷达的每条线扫描出的区域为圆锥面，采用DBSCAN聚类算法，通过计算各个点之间的欧式距离及其所在扫描半径内的密度值来判断这些点是属于核心点、边界点或者是噪声点。