[发明专利]多雷达数据融合的扬尘场景下障碍物检测方法与系统

权利要求书

1.一种多雷达数据融合的障碍物检测方法，其特征在于，包括：

步骤S1，获取多雷达数据；

步骤S2，将所述多雷达数据中的激光雷达点云转换为矩阵化后的点云深度图；

步骤S3，计算所述点云深度图上点云坡度特征，并根据连通域搜索获得非地面特征点云聚类，将单个所述连通域内特征点云数量超过阈值的点云聚类作为障碍物点云聚类，计算所述非地面特征点云聚类离地高度、连通度和表面离散度；

步骤S4，将所述多雷达数据中的毫米波雷达障碍物检测数据的坐标转换到激光雷达坐标系下，并根据激光雷达目标与毫米波雷达目标之间的距离和/或交并比，计算单个激光雷达的关联特征值；

步骤S5，计算点云聚类为灰尘点云聚类的概率，并获得非扬尘障碍物的点云聚类位置；

步骤S4中根据激光雷达目标与毫米波雷达目标之间的距离和/或交并比，计算单个激光雷达的关联特征值的方法包括：

步骤S41，判断激光雷达目标与毫米波雷达目标是否关联，若是，则进入步骤S42；

步骤S42，采用式(16)或式(17)计算单个激光雷达的关联特征值：

式中，single_relevancy、obj_relevancy均表示单个激光雷达的关联特征值，rect_A表示激光雷达的目标矩形框，rect_B表示毫米波雷达的目标矩形框，∩表示交集，∪表示并集，rect_C表示能够将rect_A、rect_B包围的最小矩形框，num_{obj_rele}为与当前激光雷达目标成功关联的毫米波雷达目标数量，single_relevancy_n表示第n个激光雷达的关联特征值，max_single_relevancy表示当前激光雷达的最大关联特征值。

2.如权利要求1所述的多雷达数据融合的障碍物检测方法，其特征在于，所述步骤S3中的所述点云坡度特征α通过所述点云深度图中上、下相邻两障碍物特征点p₁、p₂形成的直线与激光雷达坐标系xy平面之间的角度获得，如式(3)所示：

式中，(x₁,y₁,z₁)、(x₂,y₂,z₂)分别为p₁、p₂点在激光雷达坐标系中的坐标，l_1，2为p₁、p₂在所述xy平面上的距离。

3.如权利要求1所述的多雷达数据融合的障碍物检测方法，其特征在于，所述步骤S3中连通域搜索包括对所述点云深度图的上下方向和左右方向的搜索，将p₁、p₂之间欧式空间几何距离阈值l2_thresh的计算公式设置为式(5)，将p₁、p₂之间的连通域聚类判断条件设置为式(6)和式(7)：

式中，k为距离阈值系数，β为p₁、p₂分别与激光雷达的几何中心连线形成的夹角，max_d为p₁、p₂中与激光雷达的几何中心距离较远的点与激光雷达原点之间的距离，b为预设的固定偏置系数，(row₁,col₁)、(row₂,col₂)分别为p₁、p₂在所述点云深度图中的坐标。

4.如权利要求1所述的多雷达数据融合的障碍物检测方法，其特征在于，步骤S41具体包括：

步骤S411，判断激光雷达目标与毫米波雷达目标是否产生重叠，若是，则可直接认为两者成功关联，若两目标未发生重叠，则进入步骤S412；

步骤S412，判断毫米波雷达目标与激光雷达目标之间的距离是否小于关联距离阈值connect_distance_thresh，若是，则认为该毫米波雷达目标与该激光雷达目标成功关联。