[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

说明书

本发明涉及一种基于点云局部凹凸特征的道路边界实时检测方法，是应用于智能车辆上的一种实时道路边界检测算法。本发明将激光雷达点云数据，展开为深度图像的形式；针对水平和垂直方向的点云密度差异，设计了双向不等密度的滤波算子预处理，滤除异常点；设计了点云局部凹凸特征的检测算子，检测水平旋转角度下最近的凹凸特征区域作为潜在点，计算相邻潜在点的垂直差异，将潜在点分成不同类别。使用最小二乘法计算不同道路边界在水平投影面曲线。筛去同一水平角度下较近处由道路内障碍物产生的曲线，得到最终的道路边界。本发明适用于城市道路边界检测；可检多条边界；不受道路中障碍物影响；计算复杂度低，实时好；不受光照环境影响。

技术领域

本发明涉及自动驾驶车辆环境感知领域，尤其一种在自动驾驶中利用三维激光雷达点云数据的道路边界检测方法。

背景技术

对于自动驾驶车辆的感知系统，其最基础的要求是能够快速检测到车辆周围的道路区域。目前道路边界的检测方法主要是通过图像和雷达点云数据进行处理的。使用图像提取道路边界的方法，利用了图像信息的丰富程度和信息的连续性及稠密性，通过检测明显特征的区域得到道路边界信息，但使用图像来检测道路边界会因为不同的光照条件，不同的道路边缘形式，导致检测算法不能确保在不同环境下能够准确地检测到道路边界。使用雷达点云数据来提取道路边界，虽然雷达能够得到实际中障碍物的距离信息，且不易受到光照条件的影响，但点云信息本身具有稀疏性，且容易受到道路上障碍物的遮挡影响。

现有的利用三维激光雷达进行道路边界检测的方法主要有：

公告号为CN104850834A的发明专利，公开了一种将三维激光雷达采集的点云数据生成二值栅格图进行提取道路边界的方法。此种方法将点云数据生成二值栅格图后再进行距离变换操作,填充狭小空间，使用区域生长法,获得道路路面区域轮廓图,提取道路轮廓拟合得到最终的道路边界图。此种方法通过将三维数据降维，精度会因栅格尺寸的选取不同程度的降低，无法满足高精度的要求，且需要进行区域生长，耗时较多。

公告号为CN106842231A的发明专利，公开了一种道路边界检测及跟踪方法，此种方法将雷达点映射到极坐标网格中,根据网格中延伸顶点的高度提取地面点；利用同一扫描线下近邻扫描点在道路边界处径向距离和高度突变的性质以及结合道路延伸方向提取道路边界点，再采用随机采样一致性方法进行滤波,采用最小二乘法对滤波后的道路边界点进行拟合，最后采用卡尔曼滤波器进行跟踪。此方法需要对于随机拟合时将进行多次迭代，会耗费大量的时间，影响道路边界提取的时间，对算法的实时性造成影响。

发明内容

为了克服现有方法中的精度较低或计算方法复杂，计算时间长等存在的难点，本发明提供一种采用从三维激光雷达原始数据结构本身出发，利用激光点云数据之间的邻域关系，引入基于深度值邻域关系的凹特征检测算子，提取出点云数据中变化较大的道路边界区域，选取距离车辆中心较近的边界区域，进行道路边界的拟合与判别。

本发明所采用的技术方案是：一种基于点云局部凹凸特征的道路边界实时检测方法，对三维激光雷达的原始数据按不同垂直角度的激光通道和水平旋转角度作为行和列保存每一帧的数据，对于特定行和列的数据存储该水平角度和垂直角度下点云的深度值，即到传感器的距离值。按此方法存储的三维点云数据的行列自带邻域关系，在本发明称其为点云深度展开图像，该点云深度展开图像是在雷达点云中是按360度展开得到的深度图像，所以在这里称为点云深度展开图像。在此存储结构上，首先进行预处理，专门针对有序点云的深度值设计了一种双向滤波器，去除杂点干扰点，其次设计局部凹凸特征提取算子提取三维空间中不同区域产生凹凸特征区域的点云。选取每个不同水平旋转角度下距离传感器最近的特征点云，作为道路边界种子点，对这些种子点按水平角度进行连续性判断，对连续的种子点进行曲线拟合作为道路边界备选区域，计算多个道路边界备选区域拟合程度，得到最终的道路边界。

本发明的一种基于点云局部凹凸特征的道路边界实时检测方法，具体包括如下步骤：