[发明专利]一种基于三维激光雷达的路沿检测方法

权利要求书

1.一种基于三维激光雷达的路沿检测方法，所述方法包括以下步骤：

S1、通过三维激光雷达对道路环境进行扫描，获取原始点云数据，并以三维激光雷达为原点建立出检测车辆的三维坐标系；

S2、对所述原始点云数据采用随机采样一致性算法进行地面分割，提取出路面的点云数据；

S3、将所述路面的点云数据根据路沿数据点的多个特征，进行阈值判断，提取出路沿候选点；

其特征在于，在同一扫描层，根据其相邻扫描点之间的坡度差特征、高度差特征以及到激光雷达距离比特征，将符合坡度差阈值、高度差阈值以及距离比阈值的扫描点作为路沿候选点；

坡度差计算方式为：

到激光雷达距离比的计算方式为：

高度差的计算公式为：ΔZ＝|z_i-z_i+1|；

其中，S_i表示为第i个扫描点p_i的坡度差，p_i＝(x_i，y_i，z_i)；x_i，y_i，z_i分别代表各扫描点p_i对应的x轴数值、y轴数值和z轴数值；p_i的相邻扫描点分别为p_i-1＝(x_i-1，y_i-1，z_i-1)和p_i+1＝(x_i+1，y_i+1，z_i+1)；threshold₁为预设的坡度差阈值，所述threshold₂为预设的距离比阈值，所述threshold₃为预设的高度差阈值，即满足以下三个条件：条件一：S_i＞threshold₁；条件二：D_i＞threshold₂；条件三：ΔZ＞threshold₃；则将扫描点p_i作为路沿候选点；

S4、根据所述路沿候选点的密度特征，对每一扫描层的路沿候选点采用基于密度的算法进行聚类去噪；

S5、根据道路方向上具有连续性的特征，将聚类去噪后具有连续性的路沿候选点再进行聚类；

S6、对再聚类后的路沿候选点进行加权最小二乘法拟合；获取道路路沿的检测结果。

2.根据权利要求1所述的一种基于三维激光雷达的路沿检测方法，其特征在于，所述步骤S1中包括由三维激光雷达发射的激光扫描到物体表面被反射回来的点，用于形成原始点云数据；其中原始点云数据包括多个物体的三维坐标、反射强度、扫描层、距离以及方位角等；将三维激光雷达水平安装在检测车辆顶部，以三维激光雷达中心为原点o，y轴与地面平行且方向指向检测车辆的车头，x轴与地面平行且方向指向车辆车头的右手方向，z轴垂直于地面向上。

3.根据权利要求1所述的一种基于三维激光雷达的路沿检测方法，其特征在于，所述路面的点云数据的提取方式包括只考虑角度向下辐射的激光雷达扫描线，并根据雷达的检测精度和距离的关系，设置研究区域范围；采用随机采样一致性算法分割路面，从而提取出路面点云数据。

4.根据权利要求1所述的一种基于三维激光雷达的路沿检测方法，其特征在于，步骤S4中的密度聚类去噪过程包括应用基于密度的算法对提取的每一个扫描层路沿候选点进行聚类去噪，若在邻域半径ε内，核心点MinPts的数量大于设定的阈值，并且该邻域半径内的密度小于k个扫描点，则将其中密度大的扫描点和孤立扫描点作为噪声去除；在对每一扫描层进行密度聚类后，将不同的扫描层的路沿候选点聚成不同的类；k＝2或3。

5.根据权利要求4所述的一种基于三维激光雷达的路沿检测方法，其特征在于，所述根据路沿在道路方向上具有连续性的特征，将聚类去噪后具有连续性的路沿候选点再进行聚类包括根据密度聚类的结果，计算任意两个相邻类分别到其他类的余弦相似度，将相似度较高的两个相邻类重新归为一类，计算归为一类中各类出现的次数，去除出现次数较少的类，并将重新归类后有交集的类再归为一类，去除在道路方向上不连续的伪路沿点，从而将连续的路沿候选点聚成一类。