[发明专利]一种障碍物识别方法及系统

权利要求书

1.一种障碍物识别方法，其特征在于，所述方法包括步骤：

S1、获取行驶路线中周围环境的第一深度图像；

S2、对所述第一深度图像进行切割处理，得到行驶车道对应的第二深度图像；

S3、基于所述第二深度图像进行地面拟和，确定地面直线，并根据所述地面直线去除地面部分，获取没有地面部分的第三深度图像；

S4、对所述第三深度图像进行聚类分析，获取多个障碍物聚类点集，并确定每一个障碍物的位置信息；

所述步骤S3包括：

S301、将所述第二深度图像转换为伪灰度图；

S302、将所述伪灰度图在图像的x轴方向进行灰度投影，生成对应的V伪灰度图；

S303、利用M-估计直线拟合方法，在将所述V伪灰度图上进行直线拟合，得到地面直线；

S304、以所述地面直线为地面点，将地面直线附近区域以及直线以下部分作为地面部分；

S305、在所述第二深度图像中，将所述地面部分去除，得到没有地面部分的第三深度图像。

2.如权利要求1所述的障碍物识别方法，其特征在于，所述步骤S1还包括对所述第一深度图像的预处理步骤，所述预处理步骤包括：

根据双边滤波算法，对所述第一深度图像进行滤波处理，得到滤波后的第一深度图像；

从所述滤波后的第一深度图像的左上角的像素点开始逐行向右下角开始遍历，以每一个遍历的像素点为中心像素点；

将所述中心像素点的一预设领域区域的各个像素点的深度值与该中心像素点的深度值做差值比较，若所述差值大于一预设差值阈值，则记录该像素点；

统计所述领域区域中所有的差值大于所述预设差值阈值的像素点的数量，并标记为所述中心像素点对应的像素点的数量；

若所述中心像素点对应的像素点的数量大于一预设数量时，所述中心像素点为飞行像素点，并将所述飞行像素点剔除。

3.如权利要求2所述的障碍物识别方法，其特征在于，所述步骤S2包括：

基于深度图转点云的计算方法，将所述第一深度图像转换为点云图；

对所述点云图分别进行x轴向行驶车道范围的切割、y轴向行驶高度范围的切割和z轴向检测范围的切割，得到切割后的点云图；

根据所述切割后的点云图，获取行驶车道对应的第二深度图像。

4.如权利要求3所述的障碍物识别方法，其特征在于，所述步骤S301具体包括：

将所述第二深度图像转换为伪灰度图，所述伪灰度图中每个像素点的伪灰度值disparity为；

其中，55为一经验值，depth为该像素点的深度值。

5.如权利要求4所述的障碍物识别方法，其特征在于，所述步骤S303包括：

设置一初始阈值，根据自适应阈值算法，将所述V伪灰度图中超过所述初始阈值的像素点作为检测地面点；

将所述检测地面点输入所述M-估计直线拟合算法中，得到地面直线公式为y＝kx+b，其中，k为直线斜率，b为截距。

6.如权利要求5所述的障碍物识别方法，其特征在于，所述步骤S304包括判断所述地面直线公式中的k参数和b参数的正确性步骤，具体为：

预设一k参数和b参数；

对所述地面直线公式中的k参数和b参数分别与一k参数范围和b参数范围进行比较，若所述k参数和b参数的其中一个不在所述参数范围内，则使用所述预设的k参数和b参数进行后续计算；

根据一预设的地面剔除阈值以及所述k参数和b参数，将所述V伪灰度图中处于所述地面直线下方的所有点作为地面部分。

7.如权利要求1所述的障碍物识别方法，其特征在于，所述步骤S4包括：

S401、根据区域生长算法，对所述第三深度图像进行聚类，得到多个障碍物聚类点集；

S402、分别对每一个障碍物聚类点集进行计算，获取每一个障碍物在所述第三深度图像中的深度最小值，得到每一个障碍物的最近距离。