[发明专利]基于车载毫米波雷达的道路边界检测方法

说明书

本发明涉及一种基于车载毫米波雷达的道路边界检测方法。与现有技术相比，本发明具有以下的优点和积极效果：道路边界的检测主要依赖于道路两旁的静止目标来实现，不依赖于任何图像信息，因此在光照强度较低、恶劣天气等影响下具有更好的表现，可实现全天时、全天候的检测；并且，由于车载毫米波雷达的传输信号通常是目标级，最大检测目标数量通常不超过100个，相较于图像传感器的像素级信息处理，对实时性的提升较为明显，对硬件的要求也更低。

技术领域

本发明涉及一种道路边界识别与提取的方法。

背景技术

自动驾驶和高级辅助驾驶已经变成汽车智能化的重要发展方向。其中，车载毫米波雷达凭借其全天时、全天候、测速精度高以及实时性强等优点而被广泛应用于自动驾驶的感知系统中。在车辆自动驾驶的过程中，可行驶区域的划分对于安全驾驶意义重大，因此需要一种快速且有效的方法来识别道路的边界。

近年来，随着深度学习的快速发展，道路边界的识别与提取主要是通过对相机采集的道路图像使用像素级的分割算法来实现。然而这种方法至少存在以下一点或几点问题：

第一，当天气条件比较恶劣或者光照条件较差(如夜间和阴天)时，图像的质量会急剧下降，导致道路边界的识别精度下降甚至无法识别。

第二，图像在做像素级的语义分割时，所需处理的信息量较大，在满足自动驾驶实时性检测的前提下，对硬件提出了更高的要求。

第三，目前图像传感器的探测距离通常比较近，不超过120m，由此形成的道路边界的有效范围也会受到图像传感器性能的约束。

发明内容

本发明要解决的技术问题是：利用相机采集的道路图像进行道路边界识别与提取存在诸多限制。

为了解决上述技术问题，本发明的技术方案是提供了一种基于车载毫米波雷达的道路边界检测方法，其特征在于，包括以下步骤：

步骤1、利用安装于车辆正前方的车载毫米波雷达实时探测本车周围各个目标的状态信息，目标包括全部动态目标及静态目标；

步骤2、获得本车的车速，结合步骤1获得的各个目标的状态信息，采用下式(1)计算得到各个目标的绝对速度：

V_abs＝V_rel+V_ego (1)

式(1)中，V_abs表示目标的绝对速度；V_rel表示目标相对于本车的相对速度，通过步骤1得到状态信息获得；V_ego表示本车的车速；

滤除所有目标中绝对速度大于预先设定的阈值的目标，将过滤得到的目标定义为相对于地面静止的静止目标，将被过滤的目标定义相对地面运动的运动目标；或者从所有目标中筛选出绝对速度小于预先设定的阈值的目标，将筛选得到的目标定义为相对于地面静止的静止目标，将被过滤的目标定义为相对地面运动的运动目标；

步骤3、将通过步骤2获得的每个静止目标定义为一个点，对所有点进行基于加权距离的聚类算法，将道路两旁的障碍物形成的反射点进行聚类，得到道路边界候选点，其中，加权距离的定义如下式(2)所示：

d＝ω_x*dx+ω_y*dy (2)

式(2)中，d为任意两个点之间的加权距离；ω_x为X轴方向的权重，X轴方向为前后方向；ω_y为Y轴方向的权重，Y轴方向为左右方向；dx为两个点在X轴方向聚类的差值，即X轴坐标的差值；dy为两个点在Y轴方向聚类的差值，即Y轴坐标的差值；

步骤4、仅保留步骤3获得的道路边界候选点中与本车左右两侧距离最近的点作为实际左侧道路边界点以及实际右侧道路边界点；