[发明专利]一种智能驾驶可行驶区域检测方法和装置

权利要求书

1.一种智能驾驶可行驶区域检测方法，其特征在于，包括：

获取多个激光雷达同一时间戳下的点云数据，其中，所述点云数据由安装在车辆上的激光雷达采集得到，所述点云数据均为变换到车辆坐标系下的点云数据；所述点云数据包括多帧点云数据；

对所述多帧点云数据进行融合处理，得到融合点云集；

根据所述融合点云集包含的融合点云数据的z向坐标值，从所述融合点云集中确定非地面点云数据，以得到由确定出的非地面点云数据组成的非地面点云集；

将所述非地面点云集映射到预先建立的目标极坐标系下，以根据所述目标极坐标系下的非地面点云集，确定所述车辆周围全角度下的障碍物分别与所述车辆的最近距离，其中，所述目标极坐标系为以所述车辆坐标系的原点为极点建立的极坐标系；

根据所述车辆周围全角度下的障碍物分别与所述车辆的最近距离，确定所述车辆的可行驶区域。

2.根据权利要求1所述的智能驾驶可行驶区域检测方法，其特征在于，所述对所述多帧点云数据进行融合处理，得到融合点云集，包括：

将所述多帧点云数据按照预设的激光雷达顺序拼接为一帧点云数据，以得到所述融合点云集；

或，

针对所述多帧点云数据包含的每个点云数据，计算该点云数据对应的水平角度和垂直角度，并根据该点云数据对应的水平角度和垂直角度，将该点云数据填充至对应点云栅格中；以将多帧点云数据包含的每个点云数据均填充至对应点云栅格中；

对于每个点云栅格，若该点云栅格内包含多个点云数据，则将所述多个点云数据的重心作为该点云栅格下的融合点云数据；以得到由所有点云栅格下的融合点云数据组成的融合点云集。

3.根据权利要求1所述的智能驾驶可行驶区域检测方法，其特征在于，所述根据所述融合点云集包含的融合点云数据的z向坐标值，从所述融合点云集中确定非地面点云数据，包括：

将所述融合点云集中异常的z向坐标值所在的融合点云数据剔除，将剔除异常数据后的融合点云集作为目标融合点云集；

根据所述目标融合点云集包含的融合点云数据的z向坐标值，从所述目标融合点云集中确定地面点云数据，以得到由确定出的地面点云数据组成的待更新地面点云集；

根据所述待更新地面点云集确定拟合平面方程；

计算所述目标融合点云集中的每个融合点云数据与所述拟合平面方程的距离，将计算出的距离小于预设的第一距离阈值的融合点云数据确定为地面点云数据，由确定出的地面点云数据作为更新后地面点云集；

将更新迭代次数加1，并判断加1后的更新迭代次数是否达到预设的迭代总次数，若否，则将所述更新后地面点云集作为所述待更新地面点云数据，返回执行所述根据所述待更新地面点云集确定拟合平面方程，直至所述更新迭代次数达到所述迭代总次数时，将所述目标融合点云集中除更新后地面点云集外的其他点云数据作为非地面点云数据，其中，初始的更新迭代次数为0。

4.根据权利要求1所述的智能驾驶可行驶区域检测方法，其特征在于，所述根据所述目标融合点云集包含的融合点云数据的z向坐标值，从所述目标融合点云集中确定地面点云数据，包括：

根据所述目标融合点云集包含的融合点云数据的z向坐标值，从所述目标融合点云集中选取预设数目的融合点云数据，并计算所述预设数目的融合点云数据的z向平均值；

针对所述目标融合点云集中的每个融合点云数据，若该融合点云数据的z向坐标值与所述z向平均值的差值小于预设的差值阈值，则确定该融合点云数据为地面点云数据。

5.根据权利要求3所述的智能驾驶可行驶区域检测方法，其特征在于，根据所述待更新地面点云集确定拟合平面方程，包括：

计算所述待更新地面点云集的x向平均值、y向平均值和z向平均值；

根据所述待更新地面点云集的x向平均值、y向平均值和z向平均值，确定协方差矩阵，并求解所述协方差矩阵的若干特征值和特征向量；

从所述若干特征值中确定最小的特征值，将所述最小的特征值对应的特征向量作为拟合平面的法向量；

根据所述待更新地面点云集和所述拟合平面的法向量，求解出所述拟合平面方程。