一种基于四线激光雷达的道路边界检测方法与流程
本发明涉及无人驾驶车领域，具体而言，涉及一种基于四线激光雷达数据的非结构化可通行道路道边检测方法。
背景技术：
无人驾驶平台作为现代科学研究的重点方向，自上世纪以来就吸引了全世界研究者的目光。其中环境感知技术是无人平台的眼睛，是系统中基本的组成部分，是无人平台可靠运行的前提条件，直接决定了其智能化水平与自主能力等级。
目前在结构化道路上的可同性道路识别技术发展相对成熟，其传感器核心主要依靠可见光相机，这与使用环境时密不可分的。而非结构化复杂环境下，可通行区域的检测较为困难，缺少完整的解决方案。目前从已有的非结构化环境可通行道路检测方法的相关研究资料查明，目前应用的检测设备主要有摄像机与激光雷达两种。鉴于摄像机在非结构化道路上，受到颠簸、可见光条件等的影响而产生数据不稳定的现象，采用四线激光雷达作为最基础的三维激光雷达。相比单线激光雷达可以获得三维信息，相对32线、64线激光雷达，信息量较少，精度高，实时性高，体积小，成本较低，非常适合可通行道路检测任务，因此基于四线激光雷达的道路检测方法具有很高的研究应用价值。
现有检测方法中提取疑似道路边界点步骤中使用两个固定距离阈值作为判断依据，准确度容易受路面颠簸的影响，并且由于激光雷达的扫描特性，其后的自适应圆搜索也要求路面较为平整，并不能适用于非结构化的复杂环境中；只能用于存在明显路沿的环境中,当环境中路沿不明显时，误差较大。
技术实现要素：
本发明目的是为了克服现有技术的不足而提供一种可适用于非结构化复杂环境、数据实时采集、计算快速且结果更精准的基于四线激光雷达的道路边界检测方法。
为便于理解，下面关于后续技术方案表述中涉及的专业名词解释如下:
dbscan(density-basedspatialclusteringofapplicationswithnoise)是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。
霍夫变换是指检测直线或者圆的一种比较常见现有方法，霍夫变换检测直线是比较简单的，做完以后是一个二维平面上的许多曲线，通过统计平面上交点的个数，就可以得出哪些点事处于同一条直线上的。
腐蚀和膨胀是二值图像形态学操作的最基础的运算处理方法，形态学图像处理是在图像中移动一个结构元素,然后将结构元素与下面的二值图像进行交、并等集合运算；先腐蚀后膨胀的过程称为开运算，它具有消除细小物体,在纤细处分离物体和平滑较大物体边界的作用，先膨胀后腐蚀的过程称为闭运算，它具有填充物体内细小空洞,连接邻近物体和平滑边界的作用。
为达到上述目的，本发明采用了如下技术方案。
一种基于四线激光雷达的道路边界检测方法，具体包括以下步骤：
步骤s1：首先在车头中部安装四线激光雷达，调整激光雷达俯仰角，使激光雷达四条扫描线均可扫描到地面，并对激光雷达进行标定位置；
步骤s2：激光雷达位姿的标定，具体是数据所处坐标系的转换系数的标定，将激光雷达通过以太网与车辆内的计算机设备连接，计算机与激光雷达建立tcp连接获取激光扫描数据并实时处理，安装过程完成后，计算得到激光雷达坐标至车体坐标的旋转平移矩阵数据；
步骤s3：扫描数据预处理，针对每一条扫描线在同一条线上采集到的扫描点，剔除异常数据，并进行均值滤波处理，以降低噪声干扰；
步骤s4：对所述步骤s3滤波后的数据进行腐蚀、膨胀操作(开运算)，并进行按dbscan算法进行聚类处理提取地面点簇；
步骤s5：对聚类得到地面可通行区域点进行三维霍夫变换，提取可通行区域平面。
步骤s6：对所有点进行投票决定是否在可通行区域，根据设定投票机制依次决定后进而完成可通行区域边界的确定。
作为本发明的进一步改进，所述步骤s2将采集到的三维数据进行预处理，具体包括以下处理步骤：
步骤s21；将激光雷达每个测量点的坐标数据由标定得到的旋转平移矩阵转换到车体坐标，并设定为四线激光雷达坐标系下的三维数据点；
步骤s22：确定每一条扫描线上所有点的x,y,z三个方向数值的均值mk和标准差,对于每一个数据点若其任一方向的距离满足设定阀值，则认为该点为异常数据并从所有数据中剔除；
步骤s23：对清理后的数据，雷达扫描中每一条扫描线的z方向数据采用均值滤波的方法减少车体z方向上测量噪声干扰。
作为本发明的进一步改进，所述步骤s3对预处理后的z方向数据依次进行腐蚀、膨胀运算处理。
作为本发明的进一步改进，所述步骤s4用dbscan算法对开运算后的结果在车体z方向进行聚类，聚类后取平均高度最低的聚类簇，并还原到对应的原始扫描点得到在原始扫描点中的地面点。
作为本发明的进一步改进，所述步骤s5中采用霍夫变换拟合激光雷达在地面上的扫描线。
由于上述技术方案的运用，本发明的技术方案带来的有益技术效果：本技术方案具有使用的数据量少，算法简单，实时性好的有益技术效果；另外，本技术方案在非结构化环境中可靠性好，准确度高，可以适应绝大多数的非结构化环境；本技术方案还采用四线激光雷达，相比目前在非结构化环境中采用64线激光雷达的方案，极大地降低了设备成本，有利于降低检测所需制造硬件费用。
附图说明
图1为本发明中激光雷达的扫描线覆盖情况侧视示意图。
图2为本发明中激光雷达的扫描线覆盖情况俯视示意图。
图3为本发明的整体流程框架示意图。
图4为本发明处理过程中四线激光雷达扫描原始数据与腐蚀膨胀后的对比示意图。
图5为本发明的实施例中dbscan聚类处理后示意图。
图6为本发明的实施例边界检测结果示意图。
具体实施方式
下面结合具体实施例对本发明作进一步的详细说明。
如图1-6所示，一种基于四线激光雷达的道路边界检测方法，具体包括处理过程：
一、扫描设备安装及坐标
设车体坐标z轴正方向垂直水平地面向上，并满足右手坐标系，车体坐标原点位于其后轴中心处。则四线激光雷达安装应满足其x轴方向与车体坐标x轴方向相同，并保证其安装位置位于车体坐标x=0平面内。实际安装过程中将其安装于车头正中位置，考虑到非结构化环境复杂性，在保证车辆可通过性前提下，激光雷达高度至少应高于60cm。四线激光雷达可探测水平方向110°，垂直方向3.2°内的深度数据，在安装过程中应调节激光雷达俯仰角，使其四条扫描线均可扫描到水平地面上，考虑到远处点云数据稀疏，应调节激光雷达最远探测范围不超过50m，并调节激光雷达偏航角与横滚角均为0°。
二、激光雷达的标定
激光雷达通过以太网与车内计算机连接，计算机与激光雷达建立tcp连接获取扫描数据并实时处理。安装过程完成后，对激光雷达进行标准标定，计算得到激光雷达坐标至车体坐标的旋转平移矩阵，将采集到的数据进行预处理，即直通滤波与提速滤波去除大部分噪声点和离群点。
将激光雷达每个测量点的坐标数据由标定得到的旋转平移矩阵转换到车体坐标。设
三、数据预处理
计算每一条扫描线上所有点的x,y,z三个方向数值的均值mk和标准差
四、数据腐蚀膨胀及聚类运算处理
对预处理后的z方向数据进行腐蚀、膨胀，即将数据与不同形状的内核进行卷积操作（开运算为先腐蚀后膨胀）。设窗口尺度w,由于针对每一条扫描线分别计算，因此具体窗口大小为
在z方向上的腐蚀操作可表示为
在z方向上的膨胀操作可表示为
此操作可以减少地面扫描点噪声和低矮障碍对提取地面点的影响，地面噪声和可忽略的低矮小障碍在运算后统一为地面点，与此同时增大中间地面点与两侧非地面点高度差值，使道路两侧障碍物与地平面分隔更明显。结果如图4,横坐标为扫描数据的x坐标，纵坐标为扫描数据的z坐标，“o”表示四线激光雷达测量的原始数据，“*”表示经过开运算后的结果。如图4所示，地平面上的测量噪声点与低矮障碍物点在运算后消除，地面点高度与两侧障碍物出现明显分割。
用dbscan算法对开运算后的结果在车体z方向进行聚类。如图4所示，连续开运算操作后的扫描点在z方向上凝聚特征明显，使用dbscan算法依据点密度聚类可以取得良好的效果。聚类后取平均高度最低聚类簇，并还原到对应的原始扫描点得到在原始扫描点中的地面点。其中一条扫描线的聚类结果如图5所示，不同标记点表示不同的聚类簇，其中“o”表示聚类离群点，“*”表示聚类得到的地面点。
五、霍夫变换处理及边界结果
建立霍夫变换空间，其中点
对所有点以多个基准进行投票决定是否在可通行区域，找到可通行区域边界。具体投票规则如下：（1）该点是否在平面内或与平面距离小于给定阈值；（2）该点是否在可能前进方向上；（3）该点在概率栅格地图中的可信度是否达到给定阈值，实施例中拟合道路边界线如图6中直线所示。
工作过程包括：四线激光雷达的安装，四线激光雷达将被安装在无人平台的头部，并为确保四条扫描线均可扫描到地面，调整激光雷达俯仰角；激光雷达位姿的标定，具体是数据所处坐标系的转换系数的标定；数据预处理，针对每一条线上采集到的扫描点，滤波去除异常数据；地面点的聚类提取，对滤波后的数据进行腐蚀、膨胀操作(开运算)，以及dbscan聚类，提取地面点簇；对聚类得到地面可通行区域点进行三维霍夫变换，提取可通行区域平面；对所有点进行投票决定是否在可通行区域，找到可通行区域边界。
本发明针对无人平台非结构化道路检测问题难点，提供了一种基于四线激光雷达的可通行道路边界检测算法，可准确实时地检测当前的可通行道路边界，可提高无人平台的自主导航能力。
以上仅是本发明的具体应用范例，对本发明的保护范围不构成任何限制。凡采用等同变换或者等效替换而形成的技术方案，均落在本发明权利保护范围之内。
- 还没有人留言评论。精彩留言会获得点赞！