[发明专利]一种基于点云局部凹凸特征的道路边界实时检测方法

权利要求书

1.一种基于点云局部凹凸特征的道路边界实时检测方法，其特征在于：

包括如下步骤：

步骤1：将原始点云数据预处理，转换为深度展开图像；所述深度展开图像是指将点云深度展开图像中的深度值映射到0～255的像素值，即将点云深度距离表示为深度图像像素值的形式，图像横向排布按点云的水平旋转角度展开，纵向按垂直角度由上向下排布，得到点云的深度展开图像，实际的深度值以米为单位，再使用双向滤波算法，双向滤波模板内，若有与邻域差值大于阈值的极大极小值杂点，除去该杂点，并根据结果补全该点；

步骤2：在预处理后的深度展开图像中，使用局部区域的三维凹凸特征检测算子，该局部凹特征检测算子能够得到中心点周围上下左右四个相邻面的法向量，计算相对平面法向量的夹角，得到有关于中心点在不同方向上的凹特征的度量值，提取出深度展开图像中深度值变化的凹区域，包括潜在的道路边缘、物体轮廓边缘区域；

步骤3：在已完成的凹凸特征边缘提取后的深度展开图像上，按照水平旋转角度的顺序，即列序号方向，从下至上检测最靠近传感器的边缘区域，将这些凹特征边缘作为潜在道路边缘点存储；

步骤4：计算潜在道路边缘之间的所对应的点云的邻域距离，若连续的水平角度的潜在道路边缘的垂直距离小于一定阈值，则将其归为一类，将同一类的潜在道路边缘点投影到XY水平坐标系下，使用最小二乘法拟合二次曲线作为潜在道路边缘曲线；

步骤5：计算不同类的二次曲线的关联程度，若参数空间内相差小于阈值，则将两类合并为一类；计算所有的类别的二次曲线，若从传感器出发，在某一水平角度下，有两条曲线出现，则离传感器较近的曲线可能是道路内障碍物产生，将其剔除；最后留下的曲线便是最终的道路边缘。

2.根据权利要求1所述的一种基于点云局部凹凸特征的道路边界实时检测方法，其特征在于：

所述步骤1中进一步包括以步骤：

步骤1.1，将三维激光雷达得到的点云按照旋转角度作为深度展开图存储的列标号，按激光雷达的通道数从上到下作为行标号，每一个行列中存储以下信息：到传感器的距离、点云的x、y、z坐标值，其中距离值单位为米，存储为浮点型；

步骤1.2，由上至下，由左至右遍历深度展开图的所有元素，比较每个元素和周围八个元素之间的距离值，若该元素的距离值是周围元素中的最大值，且距离大于预定阈值或是周围元素中的最小值，且距离小于预定阈值，则将该元素中的距离值重新赋值为周围所有元素的距离值的中间值。

3.根据权利要求1所述的一种基于点云局部凹凸特征的道路边界实时检测方法，其特征在于：

所述步骤3中进一步包括以步骤：

步骤3.1，按行序列从左到右列序列由下而上地遍历深度图像，将当前点作为中心点，分别取中心点的八邻域点，按田字分别划分为四个区域，计算每个区域中对角线中心点的中间坐标，作为区域中心，得到四个区域中心，分别位于中心点的右上、右下、左上、左下；

步骤3.2，连接相邻的两个区域中心和中心点，构成四个三角形，产生中心点周围上下左右四个邻域平面，计算四个平面的法向量，若上下和左右两组法向量的夹角在预定阈值内，则该点为符合凹凸特征的潜在点；若找到潜在点，则该列后续的点不再遍历，一个列仅保存一个潜在点。

4.根据权利要求1所述的一种基于点云局部凹凸特征的道路边界实时检测方法，其特征在于：

所述步骤4中进一步包括以步骤：

步骤4.1，从深度展开图像的一侧按列序号计算每一个潜在道路边界点与邻近两个潜在点之间的行序号之差，若与某一侧邻近潜在点的行序号相差大于阈值，则将该邻近潜在点作为新的一类道路边界；

步骤4.2，将所有的潜在点分成若干类后，将同一类的所有的潜在点投影到XY水平面上，对该类所有的潜在点进行最小二乘拟合二次函数曲线，并投影在水平面栅格图上。

5.根据权利要求1所述的一种基于点云局部凹凸特征的道路边界实时检测方法，其特征在于：

在深度展开图像中，所用的凹凸特征算子需要对展开图最后一列与第一列视为相邻列，得到符合实际的点云360度的展开情况的深度展开图。