[发明专利]基于车载激光雷达的车道线识别方法

摘要

本发明属于自动驾驶的模式识别领域，涉及一种基于车载激光雷达的车道线识别方法，步骤如下：一、读取curb中间的道路点云数据，二、排序，三、均值滤波，四、寻找峰值，五、车道线高度信息筛选，六、多线束联合筛选峰值。将自车前方和后方的车道线识别出来。本方法解决了传统相机在夜晚、雾天等光照条件不好的情况下无法识别车道线的问题。

主权项

1.一种基于车载激光雷达的车道线识别方法，其特征在于：步骤如下：一、读取curb中间的道路点云数据：使用32线激光雷达传感器，将此传感器竖直的安装在自车的车顶，以获取道路及其周围的环境点云数据；(1)使用最小二乘算法分别拟合左、右curb的函数关系式yl＝alxl+bl和yr＝arxr+br，其中yl代表左边curb点云的纵坐标值，xl代表左边curb点云的横坐标值，al为左边curb函数式的系数，bl为左边curb函数式的截距，yr代表右边curb点云的纵坐标值，xr代表右边curb点云的横坐标值，ar为右边curb函数式的系数，br为右边curb函数式的截距；(2)根据左、右curb的函数关系式yl＝alxl+bl和yr＝arxr+br使用Visual Studio平台中的C++编程提取curb中间的道路点云数据(x1,y1),(x2,y2)...(xn,yn)，其中n代表提取的点云个数，为后续识别车道线做准备；(3)取由激光雷达的1‑22线束获取的点云数据；二、排序：首先对路面数据分开处理，以自车坐标为原点，分别将数据根据笛卡尔坐标系的纵坐标0点为基准，存成两类，分别为纵坐标值大于0和纵坐标值小于等于0，路面数据从小到大快速有序进行排列存储；三、均值滤波：使用均值滤波算法，对数据进行平滑操作；四、寻找峰值：对于通过激光雷达获取的点云数据的强度值，由同一个线束返回的多点云强度值就会出现局部峰值，此局部峰值点即为车道线的强度；因为实际的数据处理中有噪声的干扰，因此多点云强度值局部会出现很多的峰值点，然而并不是所有的峰值点都是车道线的数据点，根据车道线的强度值要比路面点的强度值大很多这一信息，设置峰值点要比其峰谷点至少大5，才认为是有意义的车道线数据点；五、车道线高度信息筛选：车道线是在路面刷了一层涂漆，那么这层涂漆就会高出其周围的路面，根据此信息，我们选取强度峰值周围的点，并在这些点中，找出高度较其他点高的点，这些点就是组成车道线标识的点，这里需要使用均值滤波进行平滑处理；六、多线束联合筛选峰值：因为车道线是具有线性特征的，那么每个线束提取的峰值如果是车道线标识点，那么其相对应的在其最邻近线束应该具有x轴方向横向距离不超过车道线标识宽度的峰值点；为了剔除噪声点的干扰，这个连续的峰值点还需大于一定数目，将此横向距离阈值设置为0.15m，连续的点数目阈值设置为10，即这个连续的点数目超过10，我们才认为它是组成车道线的峰值点；由第一线数的峰值点找到第二线束的峰值点，再由第二线束的峰值点找到第三线束的峰值点，以此类推直到搜索到最后一个线束；然后判断找到的峰值点总数是否满足我们设置的阈值，满足则保留，否则丢弃；然后从第一线数的其余峰值点继续按照上述方法往下找，直到遍历完所有峰值点，已经遍历过的点不再参与遍历操作；以上多线束联合，将基于自车坐标的y轴上、下部分分开操作；如此，为了减小计算量和无用信息的干扰，首先通过curb限制，提取了道路信息点，然后根据车道线的强度特征，使用峰值法粗筛选车道线点，最后根据车道线的线性特征，使用多线束联合法筛选掉干扰点，进而将自车前方和后方的车道线识别出来。