[发明专利]一种多个障碍物三维激光雷达数据的处理方法

说明书

本发明公开了一种多个障碍物三维激光雷达数据的处理方法，包括建立栅格地图、栅格滤波、确定适应阈值和网格连通标记聚类四个步骤进行数据处理。有益效果：本发明提出的处理方法，实现了对噪声点和零散点的去噪和精简处理；能对不同的距离下栅格图进行聚类，远处障碍物离散的部分也能较好的聚类在一起，得到车辆前方比较完整的障碍物轮廓点和相对位置信息；为激光雷达和相机的数据融合做铺垫，从而为主动避撞系统的自动避撞提供必要的依据。

技术领域

本发明涉及一种激光雷达数据的处理方法，特别涉及一种多个障碍物三维激光雷达数据的处理方法，属于空间信息数据处理领域。

背景技术

随着人工智能、传感器技术的不断发展，智能驾驶汽车取得了很大的进步。环境感知作为智能驾驶的基础，其性能的优劣直接关系到能否达到安全驾驶的需求。环境感知常用的传感器有视觉传感器、激光传感器、惯性导航、GPS 定位系统等。激光雷达由于其精度高，受环境影响较小，在无人驾驶汽车中得到了广泛应用。

激光雷达扫描得到的三维点云数据可以对障碍物进行检测和识别，但由于点云的数据规模庞大，会给后续算法增加复杂度，所以需要先对点云数据进行处理。激光雷达数据聚类是其点云数据后续处理的基础，目前激光雷达的聚类方法有基于K均值的聚类、基于分层的聚类、基于密度的聚类、基于网格的聚类、最邻近聚类、基于神经网络的聚类、基于统计学的聚类和高维可视化数据聚类等。基于密度的聚类方法优点是能够发现任意形状的聚类；最邻近聚类的方法计算简单，但是很大程度依赖于第一个聚类中心的位置选择；基于网格的聚类方法虽然减少了计算量，提升了实时性，但距激光雷达较远的障碍物，由于其点云数据比较稀疏，降低了聚类精度。

中国专利号CN201810047754.0公开了一种基于多线激光雷达的障碍物聚类方法，采用网格滤波和自适应邻域参数，结合密度聚类算法DBSCAN，提高了障碍物聚类识别准确性和实时性，但该方法在数据密度不均匀、聚类间距差相差很大时，聚类质量较差。

中国专利号CN201710318029.8公开了一种图像提取分类区域的方法、物体识别及汽车，采用了网格连通区域标记的算法进行聚类，减少了计算量，提升了实时性，但是该方法对于远距离的数据聚类精度较低，易产生较多离散点。

发明内容

发明目的：针对现有技术中存在的不足，本发明提供了一种能够实现对噪声点和零散数据点进行去除和精简处理的多个障碍物三维激光雷达数据的处理方法。

技术方案：一种多个障碍物三维激光雷达数据的处理方法，包括以下步骤：

步骤1、建立栅格地图：以激光雷达前方和左右方向建立栅格坐标；选取激光雷达某一时刻下的一帧点云数据和同一时刻角度的相机图像；将上述点云数据投影到栅格坐标中，剔除路面点后，点云数据向栅格投影，统计每个栅格内是否包含点云投影；若栅格内存在点云投影则该栅格为占用状态，表示该栅格中存在障碍物；反之为非占用状态，表示此栅格不存在障碍物；占用状态的栅格形成构成原始栅格地图，用相机图像进行复核；

步骤2、栅格滤波：将环境感知环节中的悬空小障碍物排除；将激光雷达点云数据在同一栅格内最大高度值与最小高度值之间的差值与设定的高度阈值进行比较，差值小于高度阈值判定为小障碍物，该栅格标定为非占用状态；过滤后占用状态的栅格构成明显障碍物的栅格地图，用相机图像进行复核；

步骤3、确定适应阈值：选取与步骤1中同一个雷达和角度的另一帧点云数据和该时刻角度的相机图像，对于该帧数据投影到步骤1的栅格坐标中，并进行步骤2的滤波；利用该数据，进行自适应阈值聚类；通过对比试验，选择不同距离下的阈值进行聚类，将聚类结果与同一时刻的图像进行对比，获得不同阈值下聚类数目和障碍物实际数量最为相近或者相等的阈值即为适应阈值；

步骤4、网格连通标记聚类：对步骤2的栅格地图进行初步聚类；将连通区域进行扩展并且进行二次聚类；用相机图像进行复核。