[发明专利]一种激光雷达和摄像头融合的智能汽车道路边界检测方法

说明书

本发明提供一种激光雷达和摄像头融合的智能汽车道路边界检测方法，包括通过摄像头和激光雷达获取地面数据，激光雷达获取点云信息，摄像头获取RGB图像信息；获取道路区域和路面点云，再形成道路栅格地图；通过边缘检测算法获取道路边界点集合，最后采用RANSAC算法拟合得到左右边界的道路边界参数，形成道路边界模型。通过本发明方法能够获取鲁棒的、高精度的道路边界信息，能解决视觉方法对不平坦道路的适应性问题。

技术领域

本发明属于自动驾驶安全领域，特别涉及一种激光雷达和摄像头融合的智能汽车道路边界检测方法。

背景技术

道路边界是约束车辆行驶区域的重要因素，传统的基于视觉的方法往往采用路面的纹理和颜色特征设计特征提取算子获取相似区域，并采用区域生长的方法进行整个路面的提取，最后采用投影变换方法将图像空间中检测结果投影到车辆坐标系下，基于激光雷达的边界检测算法则通过道路边界处的高度突变来实现。基于视觉的道路检测算法在投影变换中采用了道路平坦假设，无法适应不平坦道路情况，激光雷达边界检测无法适用道路边界无明显高度变化的道路场景。因此，需要一种方法解决视觉方法对不平坦道路的适应性问题，解决道路边界无明显高度变化时激光雷达难以应用的问题。

发明内容

为实现上述目的，本发明提供一种激光雷达和摄像头融合的智能汽车道路边界检测方法，包括：

步骤一、通过摄像头和激光雷达获取地面数据，其中激光雷达获取点云信息，摄像头获取RGB图像信息；

步骤二、根据深度神经网络模型获取RGB图像中的道路区域，以道路区域掩码的形式表示，其中，RGB图像为道路区域掩码为M∈{0,1}^H×W，其中，H和W为图像的高和宽，掩码中0表示非道路，1表示道路；

步骤三、通过激光雷达获得的点云信息，获取路面点云；

步骤四、通过获取的路面点云，采用随机抽样一致算法(RANdom SAmpleConsensus,RANSAC)获取路面模型；通过获取的道路区域，构建等间距的栅格区域，分辨率为0.1m，每个单元格的属性为其x、y和z为单元格中心的坐标，z值由获取的路面模型计算获得；

步骤五、通过公式G∈{c_i|i＝1,...,N_g}获取道路栅格地图，其中N_g为道路栅格地图中单元格的个数；

其中，R_v2c和t_v2c分别是车辆坐标系到相机坐标系的旋转矩阵和平移向量，其中，u和v是该点在图像中相应像素的横、纵坐标；dx和dy是一个像素在相机X轴与Y轴方向上的物理尺寸；f为相机的焦距；

步骤六、在获取的道路栅格地图上，通过边缘检测算法获取候选的道路边界点P_edge＝{p_e|p_e＝(x_e,y_e)}，再聚类候选边界点，得到左右边界点的集合：

步骤七、由左右边界点的集合和采用RANSAC算法拟合得到左右边界的道路边界参数，形成道路边界模型。

作为优选，在步骤三中，根据激光雷达标定结果，将激光雷达点云信息转换到车辆坐标系下得到再通过点云分割算法获取路面点云

作为优选，在步骤四中，路面模型采用二次曲面方程z＝ax²+by²+cx+dy+e表示，其中z为高度值，x和y为横向和纵向坐标；