[发明专利]一种快速三维栅格构建系统、方法、介质、设备、无人车

说明书

本发明属于无人驾驶技术领域，公开了一种快速三维栅格构建系统、方法、介质、设备、无人车，系统首先将多线激光雷达产生的三维点云投影生成一幅深度图像；将纵向连续排列的三维栅格组合成一个立柱，并以该立柱作为处理基元，对于任意一个立柱，其对应于深度图像中某一个矩形区域；最后，将立柱中每一个三维栅格的期望深度与其在深度图像某一个矩形区域中所对应像素的观测深度进行对比，即可对立柱中每一个三维栅格的状态属性进行更新。本发明选择使用三维栅格图中的立柱作为处理基元，并利用二维深度图像加速处理三维栅格图，实现对无人车周围三维栅格状态的实时更新。在公开数据集上的实验表明该方法能够很好地消除动态物体的影响。

技术领域

本发明属于无人驾驶技术领域，尤其涉及一种快速三维栅格构建系统、方法、介质、设备、无人车。

背景技术

目前，自主车辆的环境感知模块主要包括两个任务：对于环境中静态部分的建图(地形、静态障碍物等)和对于环境中运动目标的检测。这两个任务是互相交错的。执行这两项任务的先决条件是一种有效的环境表示模型。

在现有的环境表示方法中，占据栅格图由于其高效且简单的优点，是最受欢迎的一种。这种方法将环境离散化为了等距栅格，并且每个栅格单元都存储了其被占据的概率。

对于二维激光雷达、毫米波雷达等传感器，传感器的逆向模型通常用于生成占据栅格图。在这个模型中，光线被投射在传感器原点和传感器的每个光束读数之间。传感器光束读数附近的栅格状态属性将被更新为占据，而光线所穿过的栅状态属性将被更新为空闲。这种光线投射操作可以有效地利用Bresenham 所提出的光线投射算法实现。

现如今，虽然三维传感器如多线激光雷达已经在无人驾驶车辆中普遍存在，但二维占据栅格图仍然在普遍使用。很少有研究试图直接使用三维占据栅格图。这主要有三个方面的原因：首先，由于车辆大多数情况下在平面上行驶，因此二维占据栅格图在大多数情况下是够用的。其次，激光雷达数据在三维空间中非常稀疏，尤其是沿垂直方向。因此，某些三维栅格单元可能始终无法被更新。第三，三维占据栅格图的计算成本非常高，以至于许多工作必须利用GPU来进行实时计算。尽管计算复杂度较高，但是三维占据栅格图对于自动驾驶汽车而言是一个更理想的选择。这是因为实际上车辆是在三维空间中行驶，对环境进行三维表示之后，大多数环境信息将被保留。这将对于后续的环境感知模块，如地形建模或动态目标跟踪具有很大的帮助。

目前的无人驾驶汽车大多采用二维栅格图作为环境表示模型。而二维栅格图是对三维环境的一种简化处理，其难以反映车辆的俯仰和横滚变化，且在从三维环境投影至二维栅格时会产生大量的信息损失。与二维栅格图相比，三维栅格图是一种对环境的更精确的描述方法，但由于其计算量较大，因此鲜有研究将其应用于无人驾驶汽车中。

通过上述分析，现有技术存在的问题及缺陷为：现有无人驾驶汽车的环境表示模型采用二维栅格，难以反映车辆的俯仰和横滚变化，且在从三维环境投影至二维栅格时会产生大量的信息损失，缺少三维栅格对环境的描述方法。

解决以上问题及缺陷的难度为：三维栅格图的计算成本非常高，对于每一个三维栅格的状态属性进行更新的速度很慢，无法满足无人驾驶实时性的要求。

解决以上问题及缺陷的意义为：利用三维栅格图对环境进行三维表示之后，绝大多数传感器所获取的环境信息将被保留。这对于实现环境的精确建模以及对于后续的环境感知模块，如地形建模或动态目标跟踪均具有很大的帮助。

发明内容

针对现有技术存在的问题，本发明提供了一种快速三维栅格构建系统、方法、介质、设备、无人车。

本发明是这样实现的，一种快速三维栅格构建方法包括：

步骤一，将多线激光雷达产生的三维点云投影生成一幅深度图像；

步骤二，将纵向连续排列的三维栅格组合成一个立柱，并以该立柱作为处理基元，对于任意一个立柱，其对应于深度图像中的某一个矩形区域；