一种基于车载设备的障碍物实时检测方法技术

本申请提供了一种基于车载设备的障碍物实时检测方法，解决结构循环往复缺少特征的隧道内环境中障碍位置判断精度低的技术问题。本申请提供基于车载设备的障碍物实时检测方法包括：获取轨道行进区域的激光点云数据和摄像头图像数据；其中，摄像头图像数据为多帧约束；融合激光点云数据和摄像头图像数据，得到融合点云数据；根据融合点云数据，绘制点云地图；标记点云地图上的安全限界，安全限界为轨道行进区域中车辆安全行驶空间的轮廓；获取车辆的第一位置，第一位置为车辆的实时位置和姿态信息在点云地图中对应的位置坐标；在点云地图上，标记第一位置，得到目标地图；滤除目标地图中安全界限外的点云数据。安全界限外的点云数据。安全界限外的点云数据。

【技术实现步骤摘要】
一种基于车载设备的障碍物实时检测方法


[0001]本申请涉及轨道交通检测
，尤其涉及一种基于车载设备的障碍物实时检测方法。

技术介绍

[0002]轨道车辆，尤其是地铁车辆的运行过程中的实时障碍物检测是现阶段的热门课题，也是一个有待完善的技术难题。此项技术是地铁实现自动驾驶，提高运营与调度效率，改善乘车体验，进而在未来更好地适应轨道车辆跨网调度，适应高铁、城际、城铁、地铁4网融合的技术基础。
[0003]目前，障碍物检测以视觉为主，通过装在车头的摄像头获取行车前方图像，通过图像分割与目标检测算法找到前方轨道区域，通过目标检测算法找到前方疑似异物与侵界，通过激光雷达的点云数据补充异物空间位置信息，进而判断是否有碰撞风险。
[0004]然而，结构循环往复缺少特征的隧道内环境中，以车为坐标参考系并且依靠图像分割来描绘轨道行进区域的方案，会导致位置判断精度很低，误差大；进而，对异物是否在行车区域，极易形成误判，造成误报和漏报。

技术实现思路

[0005]本申请提供了一种基于车载设备的障碍物实时检测方法，解决结构循环往复缺少特征的隧道内环境中障碍位置判断精度低的技术问题。
[0006]第一方面，本申请提供一种基于车载设备的障碍物实时检测方法，包括：获取轨道行进区域的激光点云数据和摄像头图像数据；其中，所述摄像头图像数据为多帧约束；融合所述激光点云数据和所述摄像头图像数据，得到融合点云数据；根据所述融合点云数据，绘制点云地图；标记所述点云地图上的安全限界，所述安全限界为所述轨道行进区域中车辆安全行驶空间的轮廓；获取车辆的第一位置，所述第一位置为所述车辆的实时位置和姿态信息在所述点云地图中对应的位置坐标；在所述点云地图上，标记所述第一位置，得到目标地图；滤除所述目标地图中所述安全界限外的点云数据。
[0007]在一些实施例中，所述获取车辆的第一位置，以及在所述点云地图上标记所述第一位置的步骤，包括：获取所述车辆的实时位置和姿态信息对应的点云数据，记作第一数据；根据所述点云地图，将所述第一数据进行坐标变换，得到第一坐标集；在所述点云地图上，累加所述第一坐标集中的坐标。
[0008]在一些实施例中，所述获取所述车辆的实时位置和姿态信息对应的点云数据，记作第一数据；根据所述点云地图，将所述第一数据进行坐标变换，得到第一坐标集；在所述点云地图上，累加所述第一坐标集中的坐标的步骤；包括：获取预设时间阈值内，所述车辆的实时位置和姿态信息对应的点云数据集合，根据所述点云地图，将所述点云数据集合进行坐标变换，得到第二坐标集；在所述点云地图上，累加所述第二坐标集中的坐标。
[0009]在一些实施例中，所述滤除所述目标地图中所述安全界限外的点云数据的步骤
中，包括：根据聚类阈值，对点云进行聚类处理，得到聚集点云；剔除孤立离群噪点，保留所述聚集点云的点云簇，用以确定障碍侵界风险。
[0010]在一些实施例中，基于车载设备的障碍物实时检测方法还包括：对所述点云簇进行体积估算和侵界深度测量，得到第一风险因素；对所述点云簇对应的图像进行分类，得到第二风险因素；根据所述第一风险因素和所述第二风险因素，确认风险等级。
[0011]第二方面，本申请提供一种基于车载设备的障碍物实时检测系统，所述障碍物实时检测系统包括：激光雷达，图像传感器、运算处理单元；所述激光雷达被配置为：获取轨道行进区域的激光点云数据；获取车辆的第一位置，所述第一位置为所述车辆的实时位置和姿态信息在所述点云地图中对应的位置坐标；所述图像传感器被配置为：获取轨道行进区域摄像头图像数据；其中，所述摄像头图像数据为多帧约束；所述运算处理单元被配置为：融合所述激光点云数据和所述摄像头图像数据，得到融合点云数据；根据所述融合点云数据，绘制点云地图；标记所述点云地图上的安全限界，所述安全限界为所述轨道行进区域中车辆安全行驶空间的轮廓；在所述点云地图上，标记所述第一位置，得到目标地图；滤除所述目标地图中所述安全界限外的点云数据。
[0012]在一些实施例中，所述获取车辆的第一位置，以及在所述点云地图上标记所述第一位置的步骤，所述运算处理单元进一步被配置为：获取所述车辆的实时位置和姿态信息对应的点云数据，记作第一数据；根据所述点云地图，将所述第一数据进行坐标变换，得到第一坐标集；在所述点云地图上，累加所述第一坐标集中的坐标。
[0013]在一些实施例中，所述获取所述车辆的实时位置和姿态信息对应的点云数据，记作第一数据；根据所述点云地图，将所述第一数据进行坐标变换，得到第一坐标集；在所述点云地图上，累加所述第一坐标集中的坐标的步骤；所述运算处理单元进一步被配置为：获取预设时间阈值内，所述车辆的实时位置和姿态信息对应的点云数据集合，根据所述点云地图，将所述点云数据集合进行坐标变换，得到第二坐标集；在所述点云地图上，累加所述第二坐标集中的坐标。
[0014]在一些实施例中，所述滤除所述目标地图中所述安全界限外的点云数据的步骤中，所述运算处理单元进一步被配置为：根据聚类阈值，对点云进行聚类处理，得到聚集点云；剔除孤立离群噪点，保留所述聚集点云的点云簇，用以确定障碍侵界风险。在一些实施例中，所述运算处理单元进一步被配置为：对所述点云簇进行体积估算和侵界深度测量，得到第一风险因素；对所述点云簇对应的图像进行分类，得到第二风险因素；根据所述第一风险因素和所述第二风险因素，确认风险等级。
[0015]由以上实施例可知，本申请通过将激光雷达的点云数据变换坐标系后实时在隧道地图坐标系下进行累加，实现高精度建图与定位，实现检测到的有碰撞风险的障碍物可以被高精度地投影在地图上，与安全行驶限界的相对位置关系准确度高，漏报和误报少。进一步，通过将预设时间阈值内的点云数据在地图中保留，作为点云累积，进而提高点云数据的空间密度，这样，可以不遗漏远距离物体与小物体这一类的障碍物。在无GPS信号且结构循环往复缺少特征的隧道内环境中实现基于车载设备的障碍物实时检测。
附图说明
[0016]为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简
单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0017]图1为本申请实施例提供的一种基于车载设备的障碍物实时检测系统的结构示意图；
[0018]图2为本申请实施例提供的一种基于车载设备的障碍物实时检测方法的流程示意图一；
[0019]图3为本申请实施例提供的一种基于车载设备的障碍物实时检测方法的流程示意图二。
具体实施方式
[0020]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行完整、清楚的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0021]需要说明的是，本申请中对于术语的简要说明，仅是为了方便理解接本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于车载设备的障碍物实时检测方法，其特征在于，包括：获取轨道行进区域的激光点云数据和摄像头图像数据；其中，所述摄像头图像数据为多帧约束；融合所述激光点云数据和所述摄像头图像数据，得到融合点云数据；根据所述融合点云数据，绘制点云地图；标记所述点云地图上的安全限界，所述安全限界为所述轨道行进区域中车辆安全行驶空间的轮廓；获取车辆的第一位置，所述第一位置为所述车辆的实时位置和姿态信息在所述点云地图中对应的位置坐标；在所述点云地图上，标记所述第一位置，得到目标地图；滤除所述目标地图中所述安全界限外的点云数据。2.根据权利要求1所述的基于车载设备的障碍物实时检测方法，其特征在于，所述获取车辆的第一位置，以及在所述点云地图上标记所述第一位置的步骤，包括：获取所述车辆的实时位置和姿态信息对应的点云数据，记作第一数据；根据所述点云地图，将所述第一数据进行坐标变换，得到第一坐标集；在所述点云地图上，累加所述第一坐标集中的坐标。3.根据权利要求2所述的基于车载设备的障碍物实时检测方法，其特征在于，所述获取所述车辆的实时位置和姿态信息对应的点云数据，记作第一数据；根据所述点云地图，将所述第一数据进行坐标变换，得到第一坐标集；在所述点云地图上，累加所述第一坐标集中的坐标的步骤；包括：获取预设时间阈值内，所述车辆的实时位置和姿态信息对应的点云数据集合，根据所述点云地图，将所述点云数据集合进行坐标变换，得到第二坐标集；在所述点云地图上，累加所述第二坐标集中的坐标。4.根据权利要求1所述的基于车载设备的障碍物实时检测方法，其特征在于，所述滤除所述目标地图中所述安全界限外的点云数据的步骤中，包括：根据聚类阈值，对点云进行聚类处理，得到聚集点云；剔除孤立离群噪点，保留所述聚集点云的点云簇，用以确定障碍侵界风险。5.根据权利要求4所述的基于车载设备的障碍物实时检测方法，其特征在于，还包括：对所述点云簇进行体积估算和侵界深度测量，得到第一风险因素；对所述点云簇对应的图像进行分类，得到第二风险因素；根据所述第一风险因素和所述第二风险因素，确认风险等级。6.一种基于车载设备的障碍物实时检测系统，其特征在于，所述障碍物实时检测系统包括：激光雷达，图像传感器、运算处理单元；所述激光雷达被配置为...

【专利技术属性】
技术研发人员：刘文佳，张勇，姚毅，杨艺，
申请(专利权)人：凌云光技术股份有限公司，
类型：发明
国别省市：