本发明涉及自动驾驶技术领域，具体为一种基于激光雷达的灰尘和障碍物检测方法。
背景技术：
自动驾驶是未来新的出行方式，也是目前的热门研究领域。而安全性是人们考虑选择自动驾驶的首要条件。要达到可靠安全的自动驾驶，对周围环境的可靠感知就尤其重要，不能漏报，也不要误报。
用作自动驾驶感知的传感器，一般来说有摄像头，毫米波雷达，激光雷达。摄像头只能给出物体的颜色，不能给出距离，而且受环境光的影响也比较大。毫米波雷达对运动物体有比较好的感知效果，但对静止物体却很难感知到。而激光雷达不仅能给出物体的距离，而且受环境光影响小，能感知动态和静止物体，因此在自动驾驶中使用很广。
目前，尽管自动驾驶整体上还没有完全成熟，但在一些特定场景，已开始逐步落地。比如，城市物流车，在园区里面的自动扫地车，在采矿场里面的无人矿车等。物流车通常运行在城市里，空气中基本上没有漂浮的成团的灰尘。扫地车也是在城市里面工作，虽然扫盘可能会带起少量灰尘，但可以通过扫地车自身洒水设备进行抑制。而在矿场里面，大量灰尘漂浮在空中，还有一些露天矿场，在起风的时候，也同样会带起很多灰尘，这些灰尘通常会成团，从而在激光雷达点云中形成障碍物，引起误报。
激光雷达是目前自动驾驶中所用的主流传感器，它通过发射和接收激光脉冲并计算激光脉冲的飞行时间来感知前方障碍物的距离。所有感知到的障碍物表面点，在激光雷达数据里面形成了3维激光点云。常规的激光雷达，在每100ms的时间内，通常能得到几万个3维点。通过对三维点云的分析处理，能够识别出障碍物的大小和位置等信息。然而在灰尘或雾霾比较重的地方比如在矿场里面，漂浮在空中的灰尘也会反射激光脉冲，从而形成激光点云。而传统的激光雷达感知算法，无法区分灰尘形成的点云和真实障碍物的点云，因此对障碍物的误报比较严重。
技术实现要素：
针对现有技术的不足，本发明提供了一种基于激光雷达的灰尘和障碍物检测方法，检测精度高，灰尘误报可能性极小。
本发明的技术方案为：一种基于激光雷达的灰尘和障碍物检测方法，包括激光雷达，其方法如下：一、激光雷达设置成多回波模式，发射若干激光脉冲，激光脉冲返回形成点云，并将点云进行去背景化处理，形成非背景点云聚类；二、进行穿透性分析，获得灰尘可能性结论q1；三、进行点云厚度分布分析，获得灰尘可能性结论q2；四、点云法向量分析，获得灰尘可能性结论q3；五、判断灰尘可能性，分别对q1、q2、q3赋一个权重w1,w2,w3，并预设灰尘可能性阈值e，则非背景点云聚类为灰尘的最终可能性为：p=w1*q1+w2*q2+w3*q3，当p值大于等于预设阈值e时，即判定其为灰尘，当p值小于预设阈值e时，即判定其为非灰尘。
优选的，点云去背景方法为：以激光雷达光心为圆心，间隔θ角度，把激光雷达点云划分成360/θ个扇形，对扇形内的点，按离光心的距离，由近及远进行排序；设激光雷达垂直于背景的点为p0，扇形内的点依次为p1，p2，...,pn，已知p0为背景点，按下述方法依次判断p1,p2,...pn是否为背景点：计算pn和pn-1的水品距离d,设坡度最大值为s，如果这两点之间的高度差不超过d*tan(s)，则pn和pn-1具有相同的属性，即若pn-1为背景点，则pn为背景点，若pn-1非背景点，则pn为非背景点；如果这两点之间的高度差超过d*tan(s)，则为非背景点。
优选的，穿透性分析方法为：首先求出聚类的质心，其次以质心为中心，以雷达光心到质心拉一条射线oc，在垂直于oc轴的平面p上，以弧度θ划分360/θ个扇形，在每个扇形上找出离质心最远的点，即为聚类的边缘点，最后遍历激光雷达发出的每条射线得到的点云，若有不低于1个点云穿透了聚类，而且其在平面p上的交点，离质心的距离小于质心边缘点，即证明该聚类为非实心体，即判定为灰尘，形成结论q1。
优选的，点云厚度分布分析方法为：首先对聚类中的所有点云，以雷达光心到点云的距离分类，以距离间隔d进行分类，设共有m个距离分类；其次求出聚类的质心，以质心为中心，以雷达光心到质心拉一条射线oc，在垂直于oc轴的平面p上，以不同的半径划分n个同心圆；对每个同心圆，统计其中不同的距离分类，若所有的距离分类都包含了，则定义其散度为1，若只有一个距离分类，则散度定义为1/m，若没有距离分类，则散度定义为1/(n*m)；最后将n个同心圆的散度相乘获得，越接近1，说明点云在聚类中的厚度分布越均匀，为灰尘的可能性越大，形成结论q2。
优选的，点云法向量分析方法为：计算点云聚类中每一个点的法向量；对相邻法向量在空间中的朝向变化进行统计；如果相邻法向量的朝向普遍存在较大变化，则为灰尘的可能性较大，形成结论q3。
上述方法能解决当前自动驾驶领域中深度传感器比如激光雷达，常常把灰尘误检为障碍物的问题，精度很高，不存在误判的情况。
附图说明
图1为本发明穿透性分析的示意图；
图2为本发明点云厚度分布分析示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
参考图1、图2可知，一种基于激光雷达的灰尘和障碍物检测方法，包括激光雷达，其方法如下：一、激光雷达设置成多回波模式，发射若干激光脉冲，激光脉冲返回形成点云，并将点云进行去背景化处理，形成非背景点云聚类；二、进行穿透性分析，获得灰尘可能性结论q1；三、进行点云厚度分布分析，获得灰尘可能性结论q2；四、点云法向量分析，获得灰尘可能性结论q3；五、判断灰尘可能性，分别对q1、q2、q3赋一个权重w1,w2,w3，并预设灰尘可能性阈值e，则非背景点云聚类为灰尘的最终可能性为：p=w1*q1+w2*q2+w3*q3，当p值大于等于预设阈值e时，即判定其为灰尘，当p值小于预设阈值e时，即判定其为非灰尘，点云去背景方法为：以激光雷达光心为圆心，间隔θ角度，把激光雷达点云划分成360/θ个扇形，对扇形内的点，按离光心的距离，由近及远进行排序；设激光雷达垂直于背景的点为p0，扇形内的点依次为p1，p2，...,pn，已知p0为背景点，按下述方法依次判断p1,p2,...pn是否为背景点：计算pn和pn-1的水平距离d,设坡度最大值为s，如果这两点之间的高度差不超过d*tan(s)，则pn和pn-1具有相同的属性，即若pn-1为背景点，则pn为背景点，若pn-1非背景点，则pn为非背景点；如果这两点之间的高度差超过d*tan(s)，则为非背景点。
这里需要说明的是w1,w2,w3分别为q1、q2、q3的权重，在不同的场景中可以设置为不同的值。这个值是根据实际场景测试以后的经验值，w3一般设置为较低的权重，一般为0-0.2，w1和w2权重较高,可分别设置为0.4-0.5。最后为灰尘的可能性：w1*q1+w2*q2+w3*q3,q1、q2、q3的取值范围为[0,1],其中,q1随着穿透聚类的线束增多而升高,没有线束穿透q1取值为0，聚类范围内的线束如果有一半或1/3穿透聚类，q1即可取值为1，q2表示点云在聚类中的分布散度，分布的越散接近1，为灰尘的可能行越大，分布越集中在物体表面，q2越接近0，q3表示聚类中每个点的法向量，所有点的法向量越趋于一致，q3越趋近于0，法向量越分散，q3越趋近于1。所以，最后灰尘的判断阈值e，通常设置为>0.5的一个值，这个值可以根据实际测试结果进行调节。
穿透性分析方法为：首先求出聚类的质心，其次以质心为中心，以雷达光心到质心拉一条射线oc，在垂直于oc轴的平面p上，以弧度θ划分360/θ个扇形，在每个扇形上找出离质心最远的点，即为聚类的边缘点，最后遍历激光雷达发出的每条射线得到的点云，若有不低于1个点云穿透了聚类，而且其在平面p上的交点，离质心的距离小于质心边缘点，即证明该聚类为非实心体，即判定为灰尘，形成结论q1，点云厚度分布分析方法为：首先对聚类中的所有点云，以雷达光心到点云的距离分类，以距离间隔d进行分类，设共有m个距离分类；其次求出聚类的质心，以质心为中心，以雷达光心到质心拉一条射线oc，在垂直于oc轴的平面p上，以不同的半径划分n个同心圆；对每个同心圆，统计其中不同的距离分类，若所有的距离分类都包含了，则定义其散度为1，若只有一个距离分类，则散度定义为1/m，若没有距离分类，则散度定义为1/(n*m)；最后将n个同心圆的散度相乘获得，越接近1，说明点云在聚类中的厚度分布越均匀，为灰尘的可能性越大，形成结论q2，点云法向量分析方法为：计算点云聚类中每一个点的法向量；对相邻法向量在空间中的朝向变化进行统计；如果相邻法向量的朝向普遍存在较大变化，则为灰尘的可能性较大，形成结论q3。
对于非背景点云聚类，此背景在特定场合是指地面，
去掉背景以后，对非背景点云，采用欧式距离聚类算法进行聚类：
1）设聚类半径为r，任选一个点，找到所有离它的距离小于r的近邻点，加入集合q；
2）对q中的点，重复步凑1）；
3）当q中再也没有新点加入，则聚类完成。
参考图1可知，对于穿透性分析：
一个聚类，可以看成是一个物体。对实心物体，激光无法穿透，点云落在物体表面,而对灰尘，相邻的激光束，一部分打在灰尘上，一部分可以穿透，表现为部分点云在聚类中，部分点云在背景物体上（比如地面或墙面），如果没有背景，这些穿透的激光没有返回点，不会形成点云。统计相邻激光束产生的点云，判断是否有激光穿过聚类，如果穿过某个聚类的激光达到一定比例而且比较分散，可以认为该聚类为非实心物体，为灰尘的可能性较大。
参考图2可知，点云厚度分布分析：
实心物体上的点云都分布在物体表面，而灰尘上的点云在厚度上有一定的层次。对聚类进行“剥洋葱”操作，即把朝向光心最外面一层点云去掉，剩下的点云如果数量小于某个阈值，即可判定为实心物体，若剩下的点云数量超过设定的百分比，还可以继续再剥，为灰尘的可能性比较大。具体的过程是根据聚类的长宽高，以长度d为边长，将聚类分成l*w*h个小的体素voxel，在长宽高三个纬度上，将最外层的体素去掉，如果只能剥1次或2次，剩下的体素数量低于阈值，则该物体为实心物体，否则判定为灰尘。
对于灰尘的判别：
只要穿透性分析和厚度分析中任一项判定聚类为灰尘，在矿场这样的特定场景下，即可最终判定该点云聚类为灰尘，对于一些轻度灰尘环境，则要通过实施例的综合灰尘判断。
在本实施例中所述的阈值和参数是通过环境采集实验制定的，比如对于普通路面，需要对多条城市马路或环境的其中包括清洁路面、柏油路、水泥路、泥土路、建筑工地路况等，针对测试结果取均值获得w1，对于厚度分析的结论也是采用多次测试，对不同的灰尘、小颗粒实物进行多次测试，确定安全直径，采用均值确定w2；而对于法向量，对灰尘和实物进行多次分析，获取灰尘法向量的变化量，确定w3，确定三个参数后，计算获得阈值e，对阈值e进行合理设置。
但是对于矿区等灰尘或者雾霾严重地区，不需要进行综合分析判断，通过q1、q2的结论，只要满足其一即可获取最终判断结果。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。