应用于结构化道路的负障碍检测方法、系统、介质及设备技术方案

本发明专利技术公开了一种应用于结构化道路的负障碍检测方法、系统、介质及设备，所述方法包括步骤：获取环境场景的原始点云信息；基于原始点云信息构建地面模型，通过地面模型提取地面信息；将提取的地面信息作为先验信息，逐线束对栅格化的邻近点云进行梯度特性分析和几何分布统计分析，将每条线束感知范围内的分析结果作为候选负障碍栅格；对所有线束的候选负障碍栅格进行汇总，并进行滤波，输出最终负障碍检测结果。本发明专利技术的系统、介质及设备均与方法相对应。本发明专利技术具有改善负障碍检测的稳定性和鲁棒性、提高检测精度等优点。提高检测精度等优点。提高检测精度等优点。

【技术实现步骤摘要】
应用于结构化道路的负障碍检测方法、系统、介质及设备


[0001]本专利技术主要涉及无人驾驶
，具体涉及一种应用于结构化道路的负障碍检测方法、系统、介质及设备。

技术介绍

[0002]负障碍感知是无人驾驶车辆环境感知领域的研究重点和难点。车辆在结构化道路行驶中常会遇到诸如临时施工而在道路上深挖形成的壕沟等负障碍，若不对其进行有效检测，将有坠落的风险。
[0003]传统的用于负障碍物检测的方法有基于热红外图像、基于彩色图像和基于双目视觉的检测方法。其中基于热红外图像的检测方法是根据环境和负障碍的温度差检测环境中的负障碍，这种方法容易受到环境温度影响；基于彩色图像的检测方法是根据色彩模块和几何模型检测环境中的负障碍，这种容易受到环境中光照影响；基于双目视觉的检测方法同样容易受到环境光照和天气变化的影响。
[0004]为解决传统的图像检测容易受到光照和环境影响，在无人驾驶车辆中通常使用激光雷达进行负障碍检测，它能够通过点云数据精准的描述周围环境，具有探测范围广，精度高，不受光照条件影响等优点。
[0005]公开号为CN112505724A，专利技术名称为《道路负障碍检测方法及系统》的专利技术专利申请，将单帧环境点云数据根据载车运动信息进行空间叠加，得到多帧融合后的点云数据；将多帧融合后的点云数据进行负边缘提取，获得负边缘曲线，进而判断负障碍及其具体位置，完成对道路负障碍的检测。在该方法中通过多帧融合得到高密度局部地图，进而通过遮挡关系确定负障碍物位置。该专利技术需要通过安装在车辆两侧的补盲激光雷达来获取道路两侧面的环境信息，加上顶雷达获取激光点云数据，利用多帧融合的思想消除传统意义上的感知盲区，达到逻辑上无盲区的设计目标，以进行负障碍提取。上述专利技术一方面由于在车辆两侧使用了两个多线补盲雷达对感知进行增强，因而提高了整体硬件采购成本；另一方面由于雷达测量本身存在一定的误差，通过融合方法进行负障碍提取前需要进行数据预处理以将单帧数据进行位置对齐，而数据的整体对齐仍是融合的一大难题，所以该专利技术所提出的方案存在处理繁琐，适用性不强的弊端。
[0006]公开号为CN106650640A，专利技术名称为《一种基于激光雷达点云局部结构特征的负障碍物检测方法》的专利技术专利申请。在两侧采用两个垂直安装的雷达感知前方环境，将采集的点云数据逐线检测局部点云距离跳变、局部点云分布密集和局部点云高度下降三个结构特征，依据三个结构特征在单线激光点云中提取筛选获得可能属于负障碍物的候选点对；由各线激光的激光点云获得的所有候选点对，依据点对长度一致性和空间位置一致性进行聚类，得到负障碍物候选区域，再经过面积过滤、点对数量过滤得到负障碍物区域。该专利技术完全基于扫描线变化特征进行候选负障碍提取，再利用长度和宽度等空间连续性信息校验等手段进行后处理阶段的判定，在运动目标(尤其是低矮类的运动目标)存在较多的场景下会出现误检率过高的问题，稳定性没有保证。

技术实现思路

[0007]本专利技术要解决的技术问题就在于：针对现有技术存在的问题，本专利技术提供一种改善负障碍检测的稳定性和鲁棒性、提高检测准确度和精度的应用于结构化道路的负障碍检测方法、系统、介质及设备。
[0008]为解决上述技术问题，本专利技术提出的技术方案为：
[0009]一种应用于结构化道路的负障碍检测方法，包括步骤：
[0010]获取环境场景的原始点云信息；
[0011]基于原始点云信息构建地面模型，通过地面模型提取地面信息；
[0012]将提取的地面信息作为先验信息，逐线束对栅格化的邻近点云进行梯度特性分析和几何分布统计分析，将每条线束感知范围内的分析结果作为候选负障碍栅格；
[0013]对所有线束的候选负障碍栅格进行汇总，并进行滤波，输出最终负障碍检测结果。
[0014]作为上述技术方案的进一步改进：
[0015]通过地面模型提取地面信息的具体过程为：
[0016]将栅格化的地图点云转换到极坐标系统；
[0017]从雷达前方区域选择一部分区域，所选择区域内所有点云的高度满足一定高度值；
[0018]采用选择区域的点云高度均值作为启发式地面高度经验值，得到地面高度经验值后，以角度为处理次序，估计每个角度方向点云的地面高度。
[0019]估计每个角度方向点云的地面高度的过程为：
[0020]首先计算地面经验阈值，法则为按径向距离每2m增加10cm的松弛量，地面经验阈值加上松弛量得到目标扇区的地面高度阈值；
[0021]提取该扇区内的点云高度不超过扇区地面高度阈值的作为有效地面点云，获得该角度方向的所有有效地面点云，最后在该角度方向用RANSAC应用多项式曲线拟合，得到该扇区的地面高度；
[0022]最终获得所有扇区的地面高度。
[0023]候选负障碍栅格的得到过程为：根据划分的栅格，逐线束依次计算出栅格内的点云与地面模型的参考地面高度差，如果高度差大于一定值且点数大于n个，并且这些点云在以栅格为统计单位的高度变化度数大于一定度数，则标记为候选负障碍栅格。
[0024]利用空间近邻关系进行栅格空域滤波；其中栅格空域滤波是通过检测局部栅格距离跳变特征选取栅格邻近点间距局部极大值为判定结果。
[0025]梯度特性分析和几何分布统计分析包括对该栅格内的原始点云高度差、高度变化趋势、高度方差、点云平滑点和点云密度进行分析。
[0026]通过水平安装的雷达，对前方道路进行无死角探测以获取环境场景的原始点云信息。
[0027]本专利技术还公开了一种应用于结构化道路的负障碍检测系统，包括：
[0028]激光雷达点云获取模块，用于获取环境场景的原始点云信息；
[0029]地面信息提取模块，用于基于原始点云信息构建地面模型，通过地面模型提取地面信息；
[0030]候选负障碍提取模块，用于将提取的地面信息作为先验信息，逐线束对栅格化的
邻近点云进行梯度特性分析和几何分布统计分析，将每条线束感知范围内的分析结果作为候选负障碍栅格；
[0031]负障碍区域鉴别及输出模块，用于对所有线束的候选负障碍栅格进行汇总，并进行滤波，输出最终负障碍检测结果。
[0032]本专利技术还公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器运行时执行如上所述方法的步骤。
[0033]本专利技术还公开了一种计算机设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序在被处理器运行时执行如上所述方法的步骤。
[0034]与现有技术相比，本专利技术的优点在于：
[0035](1)本专利技术的应用于结构化道路的负障碍检测方法，通过引入地面模型的地面信息，与通过直接扫描线特征或直接栅格划分统计的方法相比，通过提取地面高度作为先验知识，能够对抗地面非匀质材质的影响，消除点云局部耦合带来的统计跳变；地面中的负障碍一般拥有相对地平面向下陷的高度统计特性，故稳定的地面高度估计可以保证负障碍提取的稳定性和鲁棒性。
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于结构化道路的负障碍检测方法，其特征在于，包括步骤：获取环境场景的原始点云信息；基于原始点云信息构建地面模型，通过地面模型提取地面信息；将提取的地面信息作为先验信息，逐线束对栅格化的邻近点云进行梯度特性分析和几何分布统计分析，将每条线束感知范围内的分析结果作为候选负障碍栅格；对所有线束的候选负障碍栅格进行汇总，并进行滤波，输出最终负障碍检测结果。2.根据权利要求1所述的应用于结构化道路的负障碍检测方法，其特征在于，通过地面模型提取地面信息的具体过程为：将栅格化的地图点云转换到极坐标系统；从雷达前方区域选择一部分区域，所选择区域内所有点云的高度满足一定高度值；采用选择区域的点云高度均值作为启发式地面高度经验值，得到地面高度经验值后，以角度为处理次序，估计每个角度方向点云的地面高度。3.根据权利要求2所述的应用于结构化道路的负障碍检测方法，其特征在于，估计每个角度方向点云的地面高度的过程为：首先计算地面经验阈值，法则为按径向距离每2m增加10cm的松弛量，地面经验阈值加上松弛量得到目标扇区的地面高度阈值；提取该扇区内的点云高度不超过扇区地面高度阈值的作为有效地面点云，获得该角度方向的所有有效地面点云，最后在该角度方向用RANSAC应用多项式曲线拟合，得到该扇区的地面高度；最终获得所有扇区的地面高度。4.根据权利要求3所述的应用于结构化道路的负障碍检测方法，其特征在于，候选负障碍栅格的得到过程为：根据划分的栅格，逐线束依次计算出栅格内的点云与地面模型的参考地面高度差，如果高度差大于一定值且点数大于n个，并且这些点云在以栅格为统计单位的高度变化度数大于...

【专利技术属性】
技术研发人员：安向京，李思民，罗辉武，黄筠捷，
申请(专利权)人：长沙行深智能科技有限公司，
类型：发明
国别省市：