[发明专利]一种矿区路面凹坑的识别方法、系统及无人驾驶货车

说明书

本发明公开了路面凹坑识别技术领域的一种矿区路面凹坑的识别方法、系统及无人驾驶货车，矿区路面凹坑的识别方法包括：获取道路的点云数据；对获取的点云数据进行下采样，得到第一数据集；对第一数据集进行聚类，得到聚类点云；从聚类点云中分割出地面点云；对地面点云进行平面拟合，得到拟合平面；计算各聚类点云的质心投影到拟合平面的高度值，并将高度值小于设定值的地面点云输出为凹坑。路面凹坑的识别方法能准确检测出道路上的凹坑，为合理规划行驶路径提供依据。

技术领域

本发明属于路面凹坑识别技术领域，具体涉及一种矿区路面凹坑的识别方法、系统及无人驾驶货车。

背景技术

随着无人驾驶技术不断的发展，采矿机械领域越来越多的开始采用无人驾驶技术的矿石运输车辆，既可以有效地减少人力成本，也可以提高矿区作业生产效率。在结构化道路中，障碍物检测算法比较多而且相对成熟，而对于矿区这种非结构化道路，由于重型矿车巨大的载荷，导致道路容易出现凹坑和鼓包等复杂路面，而且地势起伏不平，对于整个无人驾驶系统中，路况的好坏直接影响运输矿石车辆的平稳运行，因此需要依靠无人驾驶的感知系统去准确检测出矿区道路凹坑状况，运输矿石的车辆进入凹坑后，不准确的检测结果可能会造成矿车剧烈颠簸从而导致矿石或者岩土洒落到可行驶道路上，不仅影响其他车辆的正常行驶，埋下巨大的安全隐患，也会给运输矿石的车辆本身机械元件造成不可逆的损害，及时准确检测出道路上凹坑，使得决策系统给运输矿石的车辆设计出合理的行驶路径，从而提高无人驾驶系统整体的性能。

发明内容

为解决现有技术中的不足，本发明提供一种矿区路面凹坑的识别方法、系统及无人驾驶货车，能准确检测出道路上的凹坑，为合理规划行驶路径提供依据。

为达到上述目的，本发明所采用的技术方案是：

第一方面，提供一种矿区路面凹坑的识别方法，包括：获取道路的点云数据；对获取的点云数据进行下采样，得到第一数据集；对第一数据集进行聚类，得到聚类点云；从聚类点云中分割出地面点云；对地面点云进行平面拟合，得到拟合平面；计算各聚类点云的质心投影到拟合平面的高度值，并将高度值小于设定值的地面点云输出为凹坑。

进一步地，所述下采样的方法为：采用基于VoxelGrid体素滤波器的体素栅格法进行下采样，将输入的点云数据建立一个三维立体栅格，在每个体素栅格里，用重心表示栅格中其他点云。

进一步地，所述聚类，具体包括：采用欧式聚类法对第一数据集中的点云数据进行粗聚类；计算出粗聚类点云的轮廓、质心、质心与激光雷达的欧式距离；根据粗聚类的精度、调节比例、质心与激光雷达的欧式距离计算出精聚类所需的精度运算因数；根据所求的精度运算因数进行欧式精聚类，得到精聚类点云；遍历精聚类点云，更新精聚类点云的质心坐标和轮廓。

进一步地，所述精度运算因数，通过以下公式获得：

其中，W表示精度运算因数，D表示粗聚类精度，R表示聚类精度调节比例，L表示粗聚类距离。

进一步地，所述从聚类点云中分割出地面点云，具体为：采用cropBox滤波器对所有聚类点云进行直通滤波，将cropBox滤波器的包围盒内的聚类点云视为地面点云，包围盒外的聚类点云视为非地面点云。

进一步地，遍历所有聚类点云数据，筛除无效空点云数据，再通过建立KD-tree搜索k个最近邻域聚类点云数据，筛选出地面点云。

进一步地，采用最小二乘法对地面点云进行平面拟合，得到拟合平面。