多线点云数据机器学习的车辆目标识别方法及防撞装置制造方法及图纸

本发明专利技术实施例提供了一种多线点云数据机器学习的车辆目标识别方法及防撞装置，该方法包括：获取多线激光雷达的探测数据；将至少两个扫描层的若干点云的坐标数据投影至栅格平面以建立栅格地图，确定栅格地图中包括有点云的坐标数据的栅格为障碍栅格；对障碍栅格进行聚类处理，将其分为至少一个探测物体；基于预设条件对任一个探测物体的进行筛选；针对筛选后剩下的所有探测物体，将组成任一个探测物体的、每个扫描层的点云的坐标数据拟合为线段；以及，提取探测物体和拟合得到的线段的特征；基于提取到的特征通过机器学习方法识别该探测物体是否是车辆，若是，发出警报信息。避免车内及车外人身财产的伤害和损失。

Vehicle target recognition method and device for multi line point cloud data machine learning

The embodiment of the invention provides a multi line point cloud data of machine learning methods for vehicle target identification and anti-collision device, the method includes: detecting data acquisition of multi line laser radar; at least two scanning layer several point cloud data to raster projection coordinate plane to establish the grid map, determine the grid map including the grid coordinate of point cloud data for obstacle grid; of obstacle grid clustering, which is divided into at least one object detection; based on preset conditions on any object detection for screening; for all the rest of the screening to detect objects, will form a coordinate point cloud data fitting any object detection each layer is a scanning line; and feature extraction, object detection and line fitting; feature extraction based on the machine learning method through the identification of the detected object If the body is a vehicle, if the alarm information. To avoid injury and damage to the property of the vehicle and the vehicle.

【技术实现步骤摘要】

本专利技术实施例涉及智能汽车
，尤其涉及一种多线点云数据机器学习的车辆目标识别方法及防撞装置。
技术介绍
车辆在行驶过程中，探测和识别车辆周围的物体，对车辆安全行驶有着重要意义。通过对车辆周围物体的探测，可以及时提醒驾驶人员改变驾驶策略，例如，选择减速、转向、急停车等，从而降低车辆驾驶的危险性，减少交通事故。现有技术常常采用一种主动防装策略，具体而言，利用激光雷达、相机、红外光探测或者超声波探测等，对车辆周围的物体进行探测，例如，对车辆前方的障碍物进行探测，从而减少车辆撞击障碍物，以及减少意外交通事故的发生。专利技术人的实现本专利技术的过程中，发现现有技术存在如下缺陷：对于正在行驶的车辆来说，远距物体的类别可以决定驾驶员的驾驶策略，例如，如果前方物体是树木或人，则驾驶员应该以选择合适的速度和距离对车辆进行减速或避让，因为剧烈减速可能造成车内人员伤害；如果前方物体是另一车辆，需要根据对方车辆的行驶速度、与对方车辆的车距等选择一适当程度减速。总而言之，如果能够在车辆与周围物体发生碰撞或接触之前获知物体类型信息，则可以根据该类型信息等来确定驾驶策略和安全措施，例如确定是否需要弹出安全气囊以及束紧安全带，需要何种程度的刹车等等，从而有效减少或避免车内外人身财产伤害与损失。但是，现有技术虽然能够检测到车辆周围物体，但是对于一些运动物体，很难检测其运动速度，此外，无法检测车辆周围物体的形状、类别，从而不能提醒驾驶员快速地采取有效的驾驶策略和安全措施，以避免车内及车外人身财产的伤害和损失。
技术实现思路
本专利技术实施例提供一种基于多线点云数据机器学习的车辆目标识别方法及防撞装置，能够检测汽车附近的物体的形状，并根据物体的形状提醒汽车驾驶员采取有效的驾驶策略和安全措施。根据本专利技术一实施例，提供一种基于多线点云数据机器学习的车辆目标识别方法，所述方法包括：获取多线激光雷达的探测数据，所述探测数据包括至少两个扫描层的若干点云的坐标数据；将所述至少两个扫描层的若干点云的坐标数据投影至栅格平面以建立栅格地图，确定所述栅格地图中包括有点云的坐标数据的栅格为障碍栅格，其中，所述栅格平面包括若干个空白栅格；对障碍栅格进行聚类处理，将其分为至少一个探测物体；基于预设条件对任一个探测物体的进行筛选，当组成该探测物体的障碍栅格不符合所述预设条件时，将组成该探测物体的障碍栅格作为噪声栅格删除；针对筛选后剩下的所有探测物体，将组成任一个探测物体的、每个扫描层的点云的坐标数据拟合为最多两条线段；以及，当拟合为一条线段时，提取如下至少一个特征：组成该探测物体的所有点云的个数、组成该探测物体的所有点云所在的总的扫描层层数、组成该探测物体的所有点云到所述多线激光雷达的距离平均值；当拟合为两条线段时，提取如下至少一个特征：组成该探测物体的所有点云的个数、组成该探测物体的所有点云所在的总的扫描层层数、所述两条线段的中心高度的平均值、组成该探测物体的所有点云到所述多线激光雷达的距离平均值；基于提取到的特征通过机器学习方法识别该探测物体是否是车辆，若是，发出警报信息。另一方面，提供一种汽车的防撞装置，所述装置包括多线激光雷达、中央处理器及报警装置，其中，所述多线激光雷达安装在所述汽车的至少一个方向，用于检测其所在方向的物体，并输出探测数据，所述探测数据包括至少两个扫描层的若干点云的坐标数据；所述中央处理器，接收所述多线激光雷达的探测数据，所述探测数据包括至少两个扫描层的若干点云的坐标数据；将所述至少两个扫描层的若干点云的坐标数据投影至栅格平面以建立栅格地图，确定所述栅格地图中包括有点云的坐标数据的栅格为障碍栅格，其中，所述栅格平面包括若干个空白栅格；对障碍栅格进行聚类处理，将其分为至少一个探测物体；基于预设条件对任一个探测物体的进行筛选，当组成该探测物体的障碍栅格不符合所述预设条件时，将组成该探测物体的障碍栅格作为噪声栅格删除；针对筛选后剩下的所有探测物体，将组成任一个探测物体的、每个扫描层的点云的坐标数据拟合为最多两条线段；以及，当拟合为一条线段时，提取如下至少一个特征：组成该探测物体的所有点云的个数、组成该探测物体的所有点云所在的总的扫描层层数、组成该探测物体的所有点云到所述多线激光雷达的距离平均值；当拟合为两条线段时，提取如下至少一个特征：组成该探测物体的所有点云的个数、组成该探测物体的所有点云所在的总的扫描层层数、所述两条线段的中心高度的平均值、组成该探测物体的所有点云到所述多线激光雷达的距离平均值；基于提取到的特征通过机器学习方法识别该探测物体是否是车辆，若是，向所述警报装置发出控制指令；所述警报装置，用于在接收到所述中央处理器发出的所述控制指令时，向所述汽车的驾驶员发出警报信息。本专利技术实施例的一种多线点云数据机器学习的车辆目标识别方法及防撞装置，通过多线激光雷达的探测数据，确定车辆附近物体的形状、类别，并根据车辆附近物体的形状等，示例性地当确定探测到的物体是车辆时，采取有效的驾驶策略和安全措施，以避免车内及车外人身财产的伤害和损失。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。附图说明图1示出了本专利技术实施例提供的一种汽车的结构示意图之一；图2示出了本专利技术实施例提供的一种汽车的结构示意图之二；图3示出了本专利技术实施例提供的一种多线点云数据机器学习的车辆目标识别方法的流程结构示意图之一；图4示出了本专利技术实施例提供的一种多线点云数据机器学习的车辆目标识别方法的流程结构示意图之二；图5示出了本专利技术实施例提供的一种多线点云数据机器学习的车辆目标识别方法的聚类示意图之一；图6示出了本专利技术实施例提供的一种多线点云数据机器学习的车辆目标识别方法的聚类示意图之二。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。激光雷达也叫激光扫描仪(LaserScanner)、激光测距仪(LaserRangeFinder)，它是基于计算飞行时间(TimeofFlight)的原理设计的，其可以包括激光发射端和激光接收端。激光发射端能够发出一束激光脉冲或激光束，当激光脉冲或者激光束照射至某一物体时会反射回波信号，激光接收端接收反射回波信息，从而精确测量出激光脉冲或激光束发出及返回的时间差，并以此计算出该物体与激光雷达(或者激光雷达所在设备或系统)之间的距离。激光雷达的测量数据是每一个被测量点相距激光发射端的距离和角度信息的极坐标数据。如果一个激光雷达具有多条激光扫描线同时进行扫描测量，此种激光雷达被称为多线激光雷达或者多层激光雷达。多线激光雷达具有水平及垂直方向上的扫描视场，在部分激光束扫描面被遮挡时仍能检测出多线激光雷达所在系统的周边的物体。此外，由于具备垂直方向视场，多线激光雷达能够获得被测目标的高度方向上的信息。实施例一本专利技术实施例提供一种汽车的防撞装置，其包括多线激光雷达。可以将多线激光雷达安装汽车上，且使多线激本文档来自技高网...

【技术保护点】
一种多线点云数据机器学习的车辆目标识别方法，其特征在于，所述方法包括：获取多线激光雷达的探测数据，所述探测数据包括至少两个扫描层的若干点云的坐标数据；将所述至少两个扫描层的若干点云的坐标数据投影至栅格平面以建立栅格地图，确定所述栅格地图中包括有点云的坐标数据的栅格为障碍栅格，其中，所述栅格平面包括若干个空白栅格；对障碍栅格进行聚类处理，将其分为至少一个探测物体；基于预设条件对任一个探测物体的进行筛选，当组成该探测物体的障碍栅格不符合所述预设条件时，将组成该探测物体的障碍栅格作为噪声栅格删除；针对筛选后剩下的所有探测物体，将组成任一个探测物体的、每个扫描层的点云的坐标数据拟合为最多两条线段；以及，当拟合为一条线段时，提取如下至少一个特征：组成该探测物体的所有点云的个数、组成该探测物体的所有点云所在的总的扫描层层数、组成该探测物体的所有点云到所述多线激光雷达的距离平均值；当拟合为两条线段时，提取如下至少一个特征：组成该探测物体的所有点云的个数、组成该探测物体的所有点云所在的总的扫描层层数、所述两条线段的中心高度的平均值、组成该探测物体的所有点云到所述多线激光雷达的距离平均值；基于提取到的特征通过机器学习方法识别该探测物体是否是车辆，若是，发出警报信息。...

【技术特征摘要】
1.一种多线点云数据机器学习的车辆目标识别方法，其特征在于，所述方法包括：获取多线激光雷达的探测数据，所述探测数据包括至少两个扫描层的若干点云的坐标数据；将所述至少两个扫描层的若干点云的坐标数据投影至栅格平面以建立栅格地图，确定所述栅格地图中包括有点云的坐标数据的栅格为障碍栅格，其中，所述栅格平面包括若干个空白栅格；对障碍栅格进行聚类处理，将其分为至少一个探测物体；基于预设条件对任一个探测物体的进行筛选，当组成该探测物体的障碍栅格不符合所述预设条件时，将组成该探测物体的障碍栅格作为噪声栅格删除；针对筛选后剩下的所有探测物体，将组成任一个探测物体的、每个扫描层的点云的坐标数据拟合为最多两条线段；以及，当拟合为一条线段时，提取如下至少一个特征：组成该探测物体的所有点云的个数、组成该探测物体的所有点云所在的总的扫描层层数、组成该探测物体的所有点云到所述多线激光雷达的距离平均值；当拟合为两条线段时，提取如下至少一个特征：组成该探测物体的所有点云的个数、组成该探测物体的所有点云所在的总的扫描层层数、所述两条线段的中心高度的平均值、组成该探测物体的所有点云到所述多线激光雷达的距离平均值；基于提取到的特征通过机器学习方法识别该探测物体是否是车辆，若是，发出警报信息。2.根据权利要求1所述的方法，其特征在于，所述基于预设条件对任一个探测物体的进行筛选，当组成该探测物体的障碍栅格不符合所述预设条件时，将组成该探测物体的障碍栅格作为噪声栅格删除包括：统计确定每个所述障碍栅格中的所有点云中的高度坐标最高的点云和高度坐标最低的点云；基于所述高度坐标最高的点云和高度坐标最低的点云确定对应障碍栅格的高度信息；判断每个所述障碍栅格的高度信息是否大于预设高度，以及该障碍栅格内是否包括至少两个非同一扫描层的点；若所述高度信息大于预设高度、且该障碍栅格内的非同一扫描层的点少于两个，则确定该障碍栅格为噪声栅格；删除所述噪声栅格。3.根据权利要求1所述的方法，其特征在于，所述基于预设条件对任一个探测物体的进行筛选，当组成该探测物体的障碍栅格不符合所述预设条件时，将组成该探测物体的障碍栅格作为噪声栅格删除包括：判断所述栅格地图中任一所述障碍栅格在预设范围内是否有其他障碍栅格；根据该障碍栅格中点云的坐标数据计算该障碍栅格到所述多线激光雷达的距离信息；当在所述预设范围内没有其他障碍栅格、且所述距离信息大于预设距离时，确定该障碍栅格为噪声栅格；删除所述噪声栅格。4.根据权利要求1所述的方法，其特征在于，所述基于预设条件对任一个探测物体的进行筛选，当组成该探测物体的障碍栅格不符合所述预设条件时，将组成该探测物体的障碍栅格作为噪声栅格删除包括：统计组成任一个探测物体的所述障碍栅格的个数；若组成该探测物体的所述障碍栅格的个数小于预设个数，则确定组成该探测物体的障碍栅格为噪声栅格；删除所述噪声栅格。5.根据权利要求1所述的方法，其特征在于，所述对障碍栅格进行聚类处理，将其分为至少一个探测物体包括：遍历所述栅格地图中所有栅格；当遇到任一个所述障碍栅格时，确定该障碍栅格为基准栅格，并判断该基准栅格的左侧、左上侧、正上侧及右上侧...

【专利技术属性】
技术研发人员：王世峰，孙健，王锐，戴祥，孟颖，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：吉林;22