一种融合距离和图像信息的野外环境障碍检测方法技术

本发明专利技术属于障碍检测技术领域，具体涉及一种融合距离和图像信息的野外环境障碍检测方法，本发明专利技术的目的是提供一种能够为无人驾驶车辆在野外行驶条件下对常见障碍进行检测，从而便于车辆规划行驶路径，提高无人驾驶车辆野外行驶的自主能力的方法。它包括如下步骤：建立数学模型、激光雷达距离数据障碍检测、摄像机图像处理和结果融合。本发明专利技术可以为无人驾驶车辆在野外行驶条件下常见到的障碍例如草地、道路、树木、灌木丛等进行检测识别，并对可行驶区域的色彩建模，进一步检测出可行驶区域的异常部分。可以将车辆周围环境划分出“不可行驶区域”、“可行驶区域”和“未知区域”等，有利于车辆规划行驶路径，提高无人驾驶车辆野外行驶的自主能力。

【技术实现步骤摘要】

本专利技术属于障碍检测
，具体涉及一种融合距离和图像信息的野外环境障 碍检测方法。
技术介绍
无人驾驶车辆在行驶道路上的障碍物检测是环境感知技术研究领域中的重要组 成部分。在障碍检测的应用中，常用的传感器有激光雷达、摄像机、毫米波雷达、超声波传感 器等。激光雷达通过测量发射光和从物体表面反射光之间的时间差来测量距离。它可以直 接获取距离数据，为车辆提供了便捷直观的环境描述信息。激光雷达的具体应用有很多形 式，例如物体的定位和跟踪，环境建模和避障，定位和地图构建(SLAM)，地形和地貌特征的 分类等，还可以利用激光雷达的回波强度信息进行障碍检测和跟踪。摄像机得到的周围环 境的物理信息丰富，且具有更高的隐蔽性，因此得到了广泛的应用。无论是单摄像机还是多 摄像机的应用，现有技术中都有很多研究。但是摄像机图像容易受到光照、烟雾、环境的影 响，多摄像机形成的立体视觉虽然能够得到实际距离，但是图像间的匹配复杂、耗时，影响 了实际应用效果。毫米波雷达体积小，重量轻，可测距离远，穿透雾、烟、灰尘的能力强，但是 分辨率和精度较低，主要用于汽车防撞以及基于车距检测功能的车辆追踪系统和追尾减轻 控制刹车系统等。超声波传感器通过检测超声波从发射器发射到遇到障碍反射回接收器的 时间来测距。超声波传感器体积小又廉价，应用较为普遍，但是由于精度低，只能用在对环 境感知精度要求不高的场合。而激光雷达扫描数据和光学图像对环境的描述具有很强的互补性，如激光扫描数 据可以快速准确地获取物体表面密集的三维坐标，而光学图像包含了丰富的色彩。因此， 融合激光扫描数据与光学图像可以获得无人驾驶车辆行驶环境更加全面的信息，提高了障 碍检测的快速性和对复杂环境的适应能力。关于距离和图像的信息融合问题，有不少学者 进行了研究。Peter在室内环境下，将单目摄像机图像和声纳测距的数据进行融合，建立了 室内环境模型，但是不适合在室外复杂野外环境下应用。马里兰大学的Tsai-hong Hong针 对美国Demo III计划中试验无人车在野外环境行驶的要求，提出了融合三维激光雷达数据 和摄像机图像的障碍检测算法，只针对三种典型路况即路标、池塘和道路进行识别，缺乏对 环境中其它常见障碍例如草地、树木进行识别的研究。Monteiro使用激光雷达和摄像机融 合后的信息，用于检测道路上移动的行人和车辆，没有对周围环境进行识别理解。项志宇提 出了一种融合激光雷达与摄像机信息的草丛中障碍物检测方法。该方法先将激光雷达数据 分组，判别出障碍点，然后映射到摄像机图像中，以此分割出摄像机图像中的不可行驶区域 和非不可行驶区域，降低了纯激光雷达判别时出现的误判，并改善了最终障碍物轮廓检测 的完整性。但是当障碍物和草丛的颜色很接近时，融合检测的效果会有所下降，而且没有根 据判定的不可行驶区域，划分出可行驶区域，缺乏对环境更具体的理解。综上，现有技术没 有能够为无人驾驶车辆在野外行驶条件下对常见障碍进行检测，从而便于车辆规划行驶路 径，提高无人驾驶车辆野外行驶的自主能力的障碍检测方法。权利要求，包括如下步骤第一步建立数学模型；第二步激光雷达距离数据障碍检测；第三步摄像机图像处理；第四步结果融合。2.根据权利要求1所述的，其特征 在于所述的建立数学模型步骤中，建立车体及激光雷达、摄像机和惯导坐标系，并将所述 坐标系相互关联，具体包括如下步骤(1)建立车体坐标系ObXbYbZb；原点Ob位于车体的某个固定点，原点为激光雷达光源在与地面重合的平面上的投影， Xb轴指向车体正右方，Yb轴指向车体正前方，Zb轴指向车体上方；车体坐标系原点到地面的 高度为ho ；(2)建立激光雷达坐标系O1X1Y1Z1；定义该坐标系原点O1位于激光雷达光源中心，X1轴竖直向上，Y1轴水平向右，Z1轴指 向车体前方；(3)建立摄像机坐标系0。X。YcZc；坐标系原点0。位于摄像机镜头的焦点，Xc轴和图像平面水平方向平行，方向向右；Y。轴 和图像平面的竖直方向平行，方向向下；Z。轴垂直于图像平面，指向正前方；(4)建立惯导坐标系O1X1Y1Z1；惯导坐标系和车体坐标系方向一致；(5)确定坐标系转换关系，具体包括如下步骤(a)从激光雷达坐标系O1X1Y1Z1转换到车体坐标系ObXbYbZb ；先绕Y1轴旋转90°，再绕Z1轴旋转90°，然后沿Z1轴方向向下平移hQ的距离；3.根据权利要求1所述的，其特征 在于所述的激光雷达距离数据障碍检测步骤，包括如下步骤(1)距离数据预处理；对激光雷达距离数据进行滤波；(2)区域分割；将激光雷达扫描环境得到的三维点云进行分割，得到多个区域；(3)区域识别；对草地、道路、树木、灌木丛进行分析识别。4.根据权利要求3所述的，其特征 在于所述的区域分割步骤，包括如下步骤(a)检索某三维空间点Pi周围领域中最近的k个点，计算由这k+Ι个点组成的点集Qi 的法线，作为该扫描点的法向量；(b)将三维空间点Pi的坐标|xg，;.ygJ zg ij和法线ny>i nz i\组成特征向量nx i nyJ nz i\ ；两个三维点的笛卡尔空间距离为P e(Pi，Pj)= IPi-PjII,其中，Pj的坐标h，/ ygJ ，」，Ρ」和其法线k，y nyj J组成特征向量 ny J nz j\ ；角度距离为 P a(ni; Iij) = 0. 5-0. 5Χ<η” >/1 nj | | Inj Il，其中，巧nyi nzl\,nj =[nXJ nyj z，7.j ；为空间距离和角度距离设置不同的阈值Pe, _、P ；当两个点之间的空间距离或者角度距离大于相应阈值时，认为这两个点不在同 一区域；(c)对所有相邻点计算相互之间的空间距离Pe和角度P a距离；如果P e彡P e,fflax且 Pa^ Pa,max，将这两个点聚类合并；(d)如果某一点无法和其它点聚类，新建一个区域；(e)将所有点聚类后，检验每类所拥有点的数量，如果数量少于某一阈值n。min，而且类内点的平均高度远远大于车辆跨越障碍的高度hmax，该类为噪声，将其删除。5.根据权利要求3所述的，其特征 在于所述的区域分割步骤中，k的取值范围是10 30。6.根据权利要求3所述的，其特征 在于所述的区域识别步骤具体包括如下步骤(a)计算区域特征；计算平均高度、奇异值、区域曲面法向量；计算方法如下平均高度7.根据权利要求6所述的，其特征 在于所述的识别步骤中，当奇异值0工与O2的比值01/02在内时，O1^ σ2;当 奇异值01与O2的比值O1/O2大于50时，奇异值0ι>> σ208.根据权利要求1所述的，其特征 在于所述的摄像机图像处理步骤，具体包括如下步骤(1)将划分出来的区域内的激光雷达数据，转换到摄像机的图像坐标系下；(2)对初步判断的可行驶区域进一步识别； 具体包括如下步骤(a)建立高斯混合模型；假设图像中像素点的序列为Ix1, Xf Xj，第i个像素点的值为Xi= ,该像 素点的概率为9.根据权利要求1所述的，其特征 在于所述的结果融合步骤，具体包括如下步骤将激光雷达和摄像机的判别结果进行融合，判断可行驶区域和不可行驶区域，构建环 境地图；综合激光雷达和摄像机的判别结果，将栅格地本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：付梦印，杨建，孟红，刘进，杨毅，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：11