[发明专利]基于激光雷达的封闭道路路沿和可行驶区域检测方法

说明书

本发明提供一种基于激光雷达的封闭道路路沿和可行驶区域检测方法，包括：获取激光雷达检测点云数据；基于体素方格分组检测点云数据；体素方格是分割设定的检测空间得到的；组合体素方格在地表平面上投影形成的栅格作为栅格图，并根据体素方格内检测点云数据的高度分布，二值化标记栅格图；根据二值化标记的栅格图，确定路沿和可行驶区域。本发明通过体素方格分组检测点云数据，使得每个体素方格内的点云数据能够分别并行进行后续运算，提升了路沿和可行驶区域检测的运算效率；同时，基于体素方格内检测点云数据的高度分布进行二值化标记，并通过二值化标记的栅格图确定路沿和可行驶区域，进一步简化了运算步骤，降低了计算资源的需求。

技术领域

本发明涉及自动驾驶技术领域，尤其涉及一种基于激光雷达的封闭道路路沿和可行驶区域检测方法。

背景技术

一直以来，道路检测都被认为是自动驾驶领域的关键技术，并吸引了广大研究者的关注。然而，仅基于道路检测的自动驾驶决策可能仍无法处理一些紧急情况。事实上，在驾驶汽车时，人类驾驶员通过将障碍物与非障碍物分类来理解情景，而不仅仅是识别道路。对于自动驾驶而言，检测这种“平坦区域”而不是检测道路区域，可以为决策过程提供更全面的知识，使自动驾驶车辆行为更接近人类驾驶员。

目前，主流的可行驶区域检测方法是基于二维RGB图像进行可行驶区域的语义分割，三维可行驶区域的检测结果需要通过图像深度估计任务的结果，加由相机标定参数将2D的像素转换到3D点云，并做后处理得到。

3D可行驶区域相比2D可行驶区域对自动驾驶的规划控制更具实际意义。尽管现有方法对可行驶区域做2D语义分割技术成熟且准确率高，但要依赖深度估计和相机标定参数才能转换到真实世界的3D坐标系，其中积累的误差使得得到的3D可行驶区域并不准确。并且如要获得360度的可行驶区域可能需要多组相机结果进行后融合，后处理复杂，耗时高。

为了解决这些问题，现有技术提出了一些基于机械旋转式激光雷达点云的扫描线上的特征做筛选，并对点云做聚类处理，从而得到路沿检测结果的方法。

但随着低成本固态激光雷达的普及，现有的基于机械旋转式的激光雷达的路沿检测算法的效率面临着极大的挑战。固态激光雷达产生的点云比以往机械旋转式激光雷达更稠密，且没有环式扫描线的特征，从而导致现有的基于旋转扫描线的算法失效，且对稠密点云做聚类算法运算所需的运算资源高、运算速度慢。

因此，提供一种适应固态激光雷达稠密点云的、更快速高效的路沿和可行驶区域检测方法具有较高的必要性和实用价值。

发明内容

本发明提供一种基于激光雷达的封闭道路路沿和可行驶区域检测方法，用以解决现有技术中针对稠密点云聚类所需运算资源高、运算速度慢的缺陷，实现高效、准确的沿和可行驶区域检测。

本发明提供一种基于激光雷达的封闭道路路沿和可行驶区域检测方法，包括：

获取激光雷达检测点云数据；

基于体素方格分组所述检测点云数据；所述体素方格是分割设定的检测空间得到的；

组合所述体素方格在地表平面上投影形成的栅格作为栅格图，并根据所述体素方格内检测点云数据的高度分布，二值化标记所述栅格图；

根据二值化标记的所述栅格图，确定路沿和可行驶区域。

根据本发明提供的一种基于激光雷达的封闭道路路沿和可行驶区域检测方法，所述根据二值化标记的所述栅格图，确定路沿和可行驶区域的步骤包括：

根据所述栅格图中设定的端点区域，确定路沿端点；

自所述路沿端点起，移动在所述栅格图中建立的路沿滑窗，并根据所述路沿滑窗内栅格的二值化标记值确定路沿；

根据所述路沿确定可行驶区域。