障碍物快速检测方法技术

本公开的实施例关于一种障碍物快速检测方法，包括基于三维雷达的点云数据建立二维栅格地图，计算每个栅格的属性以确定不可通行区域，将不可通行区域中扫描线梯度值超过预先确定的阈值的点确定为障碍物点，以及遍历栅格地图对障碍物点进行相关性聚类。

【技术实现步骤摘要】

本公开属于计算机视觉和激光雷达数据处理
，尤其是涉及一种障碍物快速检测方法。
技术介绍
交通场景中障碍物的检测对于无人驾驶车辆和/或机器人准确感知周围环境信息，做出安全驾驶决策具有重要意义。基于视觉信息的障碍物检测对环境依赖性较强。在光照不好或者天气不佳的情况下，拍摄得到的视频会对结果检测误差产生较大的影响。因此本公开选择采用基于16线激光雷达数据的方法进行检测。基于16线激光雷达的方式有诸多优势，一方面激光雷达获取的数据抗干扰能力强，对环境的依赖小。另一方面相比于其他型号的激光雷达，16线激光雷达价格更低，更有可能在面向大众的无人车市场中实现商业化部署。这些方法的研究流程如下：首先是将采集到的原始点云数据投影到栅格地图当中，每个栅格保留点云的距离、高度等信息，通过计算栅格内最高点和最低点高度的差值，计算栅格属性。通过属性不同，判定栅格内点是否属于障碍点。基于传统视觉方法的障碍物检测有Ren.S等人在文献“Ren.S,He.K,and Grishich.R,Faster R-CNN:Towards Real-Time Object Detection with Region Proposal Network,In Advances in Neural Information Processing Systems,pp.91-99,2015.”中提出的基于深度神经网络的检测方法，该方法通过使用区域候选框与卷积神经网络结合的框架，实现了快速的获取检测区域框，并最终实现物体检测的功能。基于激光雷达的障碍物检测方法有Zhang.J等人在文献“Zhang.J and Singh.S,LOAM:Lidar Odometry and mapping in Real-Time,In Robotics:Science and Systems Conference,pp.109-111,2014.”中提出来的基于问题分割的物体检测。是把复杂的定位问题分解成多个子问题进行解决。首先是对场景点云实现快速测距，但是这一过程存在保真率较低的缺陷。为了解决这个缺陷需要同时执行另一个算法，该算法使用快速的雷达线扫描来实现点云的精细配置和配准。国内的研究中，Gan.Z等人在文献“Gan.Z,Wang.C,and Yang.M,A Method for Vehicle Tracking and Recognition Based on Sacnning Laser Radar,Journal of Shanghai Jiaotong University,vol.43,no.6,pp.923-926,2009.”中的提出的采用聚类合并解决目标分割时的车辆识别问题，采用跟踪中心变换算法提高车辆检测的精度，并结合车辆的矩形投影及物体的速度特征来识别车辆。现有技术中也出现了采用激光雷达进行物体检测的技术，例如中国国家知识产权局专利局公开的CN105404844A号专利，给出了一种使用多线激光雷达进行道路边界检测的方法，它在处理中只将疑似道路边界点的三维坐标信息的点云数据转为成二维栅格地图，并在转化之前已对原始坐标信息进行预处理计算。这种处理方案计算中耗时较多，针对道路边界这种单一场景检测效率比较好，但对于道路中行人、车辆等多种障碍物进行检测，时间消耗非常大。这些方法都有局限性，基于视觉信息的检测在光照较弱的情况下，对于物体检测精度会下降，其他两种基于雷达的方法，处理速度较慢，对于大规模点云数据的处理耗费的时间较长。
技术实现思路
本公开的一些实施例关于一种障碍物快速检测方法，包括基于三维雷达的点云数据建立二维栅格地图，计算每个栅格的属性以确定不可通行区域，将不可通行区域中扫描线梯度值超过预先确定的阈值的点确定为障碍物点以及遍历栅格地图对障碍物点进行相关性聚类。在一些实施例中，三维雷达的点云数据由8线激光雷达、16线激光雷达和32线激光雷达之一获得。在一些实施例中，二维栅格地图中每个栅格的属性包括栅格内的相对高度差。在一些实施例中，在建立二维栅格地图之前将雷达坐标系的点云数据转化到车体坐标系以转化三维雷达数据的坐标。在一些实施例中，相对高度差正比于栅格内最高高度与最低高度的差值。在一些实施例中，在一个栅格的相对高度差大于预先确定的相对高度差阈值时确定其为不可通行区域。在一些实施例中，在一个栅格的相对高度差小于或等于预先确定的相对高度差阈值时确定其不是不可通行区域。在一些实施例中，扫描线梯度由在同一个扫描方向中相邻环上扫描线的两个点的值来计算。在一些实施例中，遍历栅格地图包括如果遇到栅格非障碍物点，则使用邻域聚类算子在该点的上下左右四个方向搜索。在一些实施例中，通过计算模板与聚类的障碍物点之间的相关系数，确定障碍物的类型。本公开的实施例有助于解决至少一些上述现有技术中的问题。可以克服传统解决方案中数据处理速度慢，分类效率较低的缺陷。同时基于扫描线梯度方法进行数据分割，保证分类精度。本公开实施例的一些优点包括在光照条件不好或者天气状况不佳的情况下，检测精度不会下降。处理速度较快，可以实现实时性。检测障碍物种类多，根据所配置的模板可以对于道路中多种障碍物同时实现有效检测。在基于栅格地图的检测基础上进一步执行聚类检测，避免漏检和误检。附图说明本公开提供了附图以便于所公开内容的进一步理解，附图构成本申请的一部分，但仅仅是用于图示出体现专利技术概念的一些专利技术的非限制性示例，而不是用于做出任何限制。图1是根据本公开一些实施例的障碍物快速检测方法的流程图。图2是根据本公开一些实施例的室内原始点云数据三维图。图3是根据本公开一些实施例的交通场景原始点云数据三维图。图4是根据本公开一些实施例将室内原始点云数据投影所得的二维图。图5是根据本公开一些实施例的障碍物快速检测方法所检测的室内障碍物示意图。图6是根据本公开一些实施例的障碍物快速检测方法所检测的交通场景障碍物示意图。图7是根据本公开一些实施例的障碍物快速检测方法中使用的示例性相关性聚类算子的示意图。具体实施方式下文将使用本领域技术人员向本领域的其它技术人员传达他们工作的实质所通常使用的术语来描述本公开的专利技术概念。然而，这些专利技术概念可体现为许多不同的形式，因而不应视为限于本文中所述的实施例。提供这些实施例是为了使本公开内容更详尽和完整，并且向本领域的技术人员完整传达其包括的范围。也应注意这些实施例不相互排斥。来自一个实施例的组件、步骤或元素可假设成在另一实施例中可存在或使用。在不脱离本公开的实施例的范围的情况下，可以用多种多样的备选和/或等同实现方式替代所示出和描述的特定实施例。本申请旨在覆盖本文论述的实施例的任何修改或变型。对于本领域的技术人员而言明显可以仅使用所描述的方面中的一些方面来实践备选实施例。本文出于说明的目的，在实施例中描述了特定的数字、材料和配置，然而，领域的技术人员在没有这些特定细节的情况下，也可以实践备选的实施例。在其它情况下，可能省略或简化了众所周知的特征，以便不使说明性的实施例难于理解。此外，下文为有助于理解说明性的实施例，将各种操作依次描述为了多个离散的操作；然而，所描述的顺序不应当被认为是意味着这些操作必须依赖于该顺序执行。而是不必以所呈现的顺序来执行这些操作。下文本文档来自技高网...

【技术保护点】
一种障碍物快速检测方法，包括：基于三维雷达的点云数据建立二维栅格地图；计算每个栅格的属性以确定不可通行区域；将所述不可通行区域中扫描线梯度值超过预先确定的阈值的点确定为障碍物点；以及遍历所述栅格地图对所述障碍物点进行相关性聚类。

【技术特征摘要】
1.一种障碍物快速检测方法，包括：基于三维雷达的点云数据建立二维栅格地图；计算每个栅格的属性以确定不可通行区域；将所述不可通行区域中扫描线梯度值超过预先确定的阈值的点确定为障碍物点；以及遍历所述栅格地图对所述障碍物点进行相关性聚类。2.如权利要求1所述的方法，其中所述三维雷达的点云数据由8线激光雷达、16线激光雷达和32线激光雷达之一获得。3.如权利要求1所述的方法，其中所述二维栅格地图中每个栅格的属性包括栅格内的相对高度差。4.如权利要求1所述的方法，还包括在建立所述二维栅格地图之前将雷达坐标系的点云数据转化到车体坐标系以转化所述三维雷达数据的坐标。5.如权利要求3所述的方法，其中所述相对高度...

【专利技术属性】
技术研发人员：朱少岚，
申请(专利权)人：宁波傲视智绘光电科技有限公司，
类型：发明
国别省市：浙江;33