用于确定激光雷达传感器的最大作用范围的方法以及设备技术

根据本发明专利技术，提供一种用于确定激光雷达传感器的最大作用范围的方法，其包括下述步骤：借助激光雷达传感器提供激光雷达点云，所述激光雷达点云三维地映射在确定时刻在激光雷达传感器的预确定的视场内激光雷达传感器的环境。辨认激光雷达点云内的至少两个不同的点集，所述点集映射环境中的各一个面积，所述面积是分别被识别为配属于预定义的环境对象的。对分别通过点集来映射的那些面积进行计算，并且将映射面积的激光雷达点的数量除以分别相应被映射的面积，以便获得至少两个不同的点密度。由至少两个点密度计算商，使用商来求取激光雷达传感器的最大作用范围，为此使用事先保存的回归曲线。此外，本发明专利技术涉及一种相应的设备。备。备。

【技术实现步骤摘要】
用于确定激光雷达传感器的最大作用范围的方法以及设备


[0001]本专利技术涉及一种用于确定激光雷达传感器的最大作用范围的方法，所述方法包括借助激光雷达传感器提供激光雷达点云的步骤，其中，所述激光雷达点云三维地映射在确定的时刻在激光雷达传感器的预确定的视场内激光雷达传感器的环境。
[0002]此外，本专利技术涉及一种相应的设备。

技术介绍

[0003]使用激光雷达系统(缩写“LiDAR”代表“Light Detection and Ranging(光探测和测距)”或者“Light imaging,detection and ranging(光成像、探测和测距)”，德语：“Lichterkennung und Reichweitenmessung(光识别和作用范围测量)”)的方法是与雷达有关的方法，该方法用于光学间距测量和速度测量以及用于大气参数的远程测量。这种类型的系统和方法涉及三维激光扫描的形式。通常，术语“LiDAR”也包括一系列使用激光以用于测量与确定的目标的距离的技术。
[0004]这样的激光雷达系统在广泛的实际应用中使用，所述实际应用需要无接触的距离测量。通过使用适合的光学采样元件或者通过对目标的确定的区域进行照亮/闪光，可以获得具有该目标的深度信息和反向散射特性的3D图像。这样的系统提供3D点云或3D点云帧，该3D点云帧可以借助软件来处理，以便获得关于环境的附加信息。
[0005]因此，3D激光雷达成像提供用于在车辆、尤其是机动车中的不同应用的有吸引力的可能性，在所述车辆中使用激光雷达系统例如用于避免危险和碰撞。在现有技术中，激光雷达系统现在尤其在自主驾驶(在英语里也被称为Autonomous Driving，AD)领域中以及在先进驾驶辅助系统中使用，所述先进驾驶辅助系统在英语里也被称为ADAS(Advanced Driving Assistance Systems)。
[0006]在此，必须对所获得的数据——基于3D点云——再进行(进一步)处理，以便对环境对象进行识别、区分和分类，所述环境对象例如是车辆、行人、建筑物、道路表面或者别的障碍物。如果需要作出用于避免危险和自转向的决定，则这种类型的分类对于自主的且驾驶员支持的导航以及驾驶辅助而言具有最高相关性。为此目的，已提出用于对象识别和对象测绘的不同的技术和方法，所述技术和方法不仅适合用于陆地应用、还适合用于空中发射的应用。
[0007]在US8244026B2、US2016/0154999A1以及US9360554B2中公开相应的解决方案。另外的解决方案可在不同学术文章中找到，例如在：Matei等人的《Rapid and scalable 3D object recognition using LiDAR data》(Proc.SPIE6234,Automatic Target Recognition XVI,623401(2006))中或者在Himmelsbach等人的《LiDAR
‑
based 3D object perception》(Proceedings of 1st International Workshop on Cognition for Technical Systems(2008))中。
[0008]主要在那里提出的技术使用3D信息来确定在经照亮的场景中不同对象的几何形状和棱边，以便区分不同类型的目标。然而，仅基于纯粹几何形状的和维度的特性的对象识
别是困难的，尤其是当激光雷达传感器的或摄像机的分辨率不是非常高时并且当不同类型的目标具有相似的几何形状时。除了3D测绘之外，激光雷达传感器还提供关于经照亮的目标的反射特性的信息，其方式是，所述激光雷达传感器测量经反射的/经反向散射的光的强度。这种类型的解决方案例如在US9360554B2中提到。
[0009]因此，这些信息可以用于用于对象识别的附加的支持并且进一步改进对目标的区分和分类，例如也在如下学术文章中所阐明的那样：Takagi等，《Road Environment Recognition Using On
‑
vehicle LiDAR》，Intelligent Vehicles Symposium(2006)。除此之外，还可能的是，测量目标的速度，其方式是，测量在不同时刻的距离。
[0010]然而，为了估计和量化激光雷达传感器或系统的当前最大作用范围、即以米为单位的最大距离，在该最大距离内借助激光雷达传感器仍可以可靠地识别环境对象，目前在现有技术中还没有令人满意的解决方案。尤其是，在现有技术中目前不存在令人信服的解决方案，所述解决方案可以与特定的环境场景无关地实现对激光雷达传感器的最大作用范围的可靠确定。
[0011]然而，特别是对于在车辆(机动车)中的应用，这样的作用范围确定能够提供重要信息。因此，如果车辆在具有许多遮挡物和因建筑物等而受限的场景的城市地区中驾驶，则激光雷达传感器的最大作用范围(例如，300m)也应该是能够确定的。换言之，对在激光雷达系统中使用的激光雷达传感器的最大作用范围的估计是重要的关键参量，该关键参量应该是能够与激光雷达系统的当前的几何形状场景无关地识别的。

技术实现思路

[0012]根据本专利技术，提供一种用于确定激光雷达传感器的最大作用范围的方法，所述方法包括下述步骤：借助激光雷达传感器提供激光雷达点云，该激光雷达点云三维地映射在确定的时刻在该激光雷达传感器的预确定的视场内该激光雷达传感器的环境。辨认该激光雷达点云内的至少两个不同的点集，所述点集映射所述环境中的各一个面积，所述面积是分别被识别为配属于预定义的环境对象的。对分别通过所述点集来映射的那些面积进行计算，并且将映射所述面积的激光雷达点的数量除以分别相应被映射的面积，以便获得至少两个不同的点密度。由所述至少两个点密度计算商，使用所述商来求取所述激光雷达传感器的最大作用范围，为此使用事先保存的回归曲线。
[0013]这种类型的方法提供如下优点：即使在“不清晰的能见度”的情况下，即例如在使用映射有雾的环境的3D激光雷达点云的情况下，该方法也可靠地、稳定地且有效率地实现对激光雷达传感器的最大作用范围的识别。
[0014]优选地，预定义的环境对象是在激光雷达传感器的环境和视场中的如下对象：所述对象能够识别为借助激光雷达传感器检测的环境的一部分。尤其优选地，预定义的环境对象是在激光雷达传感器的环境和视场中的如下对象：所述对象在激光雷达传感器的环境和视场中的出现可以被认为是始终存在的，例如土地的或者地面的表面，所述激光雷达传感器在该表面上或者该表面上方运动。优选地，对多个面积或一个面积进行计算，其方式是，将位于点集的外围或边缘上的点(想像中地)直线地相互连接成周缘线并且计算被该周缘线包围的面积。
[0015]根据一种优选的实施方式，通过应用于激光雷达点云的分类算法不仅确定或者识
别预定义的环境对象的存在、还确定或者识别该预定义的环境对象在所述视场中的位置。在一种这种类型的实施方式中，对特定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于确定激光雷达传感器的最大作用范围的方法，其中，所述方法包括下述步骤：
‑
借助激光雷达传感器提供(S1)激光雷达点云，所述激光雷达点云三维映射在确定的时刻在所述激光雷达传感器的预确定的视场内所述激光雷达传感器的环境；
‑
辨认(S2)所述激光雷达点云内的至少两个不同的点集，所述点集映射所述环境中的各一个面积，所述面积分别被识别为配属于预定义的环境对象；
‑
对分别通过所述点集来映射的那些面积进行计算(S3)，并且将映射所述面积的激光雷达点的数量除以分别相应被映射的面积，以便获得至少两个不同的点密度；
‑
由至少两个点密度计算商(S4)，
‑
使用(S5)所述商来求取所述激光雷达传感器的最大作用范围，为此使用事先保存的回归曲线。2.根据权利要求1所述的方法，其中，通过应用于所述激光雷达点云的分类算法，不仅确定所述预定义的环境对象的存在，还确定所述预定义的环境对象在所述视场中的位置。3.根据权利要求2所述的方法，其中，所述分类算法是如下算法：借助所述算法能够将土地的和/或地面的表面识别为在所述激光雷达传感器的视场中的环境内的预定义的环境对象，所述激光雷达传感器在所述时刻位于所述土地和/或所述地面...

【专利技术属性】
技术研发人员：G，
申请(专利权)人：罗伯特，
类型：发明
国别省市：