一种基于3D激光点云的障碍物识别方法及系统与流程

一种基于3d激光点云的障碍物识别方法及系统
技术领域
1.本公开涉及障碍物检测技术领域，特别涉及一种基于3d激光点云的障碍物识别方法及系统。


背景技术：

2.本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。
3.随着无人驾驶技术与3d激光slam(simultaneous localization and mapping，同步定位与建图)技术的快速发展，基于三维激光雷达的地图构建快速发展，载体利用激光雷达点云信息，获得障碍物的方位信息，实现载体的精准避障。基于激光点云的障碍物检测可分为两步：首先，将地面点云分割去除，使各障碍物点云脱离地面而存在；然后，利用聚类算法对相应障碍物进行标记，再利用可视化封装输出障碍物的长、宽、高及相对于雷达的几何中心坐标。
4.发明人发现，现有技术中，在地面分割及点云聚类时，都会遍历所有点云，或者采用不断迭代拟合地面，导致实时性较差，且精度随着距离越远会不断降低，导致障碍物误检率较高，不能满足室内外三维复杂环境的避障需求。


技术实现要素：

5.为了解决现有技术的不足，本公开提供了一种基于3d激光点云的障碍物识别方法及系统，有效地提高了地面分割与点云聚类的实时性，提高了较远距离的障碍物识别精度。
6.为了实现上述目的，本公开采用如下技术方案：
7.本公开第一方面提供了一种基于3d激光点云的障碍物识别方法。
8.一种基于3d激光点云的障碍物识别方法，包括以下过程：
9.获取三维环境激光点云数据；
10.对三维环境激光点云数据进行地面分割处理，获得非地面激光点云数据；
11.对非地面激光点云数据进行分区，利用二维欧式聚类进行各分区的障碍物标记；
12.利用长方体模型对聚类结果进行封装处理，得到障碍物的位置和大小。
13.本公开第二方面提供了一种基于3d激光点云的障碍物识别系统。
14.一种基于3d激光点云的障碍物识别系统，包括：
15.数据获取模块，被配置为：获取三维环境激光点云数据；
16.点云处理模块，被配置为：对三维环境激光点云数据进行地面分割处理，获得非地面激光点云数据；
17.点云聚类模块，被配置为：对非地面激光点云数据进行分区，利用二维欧式聚类进行各分区的障碍物标记；
18.障碍物识别模块，被配置为：利用长方体模型对聚类结果进行封装处理，得到障碍物的位置和大小。
19.本公开第三方面提供了一种计算机可读存储介质，其上存储有程序，该程序被处
理器执行时实现如本公开第一方面所述的基于3d激光点云的障碍物识别方法中的步骤。
20.本公开第四方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开第一方面所述的基于3d激光点云的障碍物识别方法中的步骤。
21.与现有技术相比，本公开的有益效果是：
22.1、本公开所述的方法、系统、介质或电子设备，基于雷达初始位置，通过体素滤波器对点云进行降采样预处理，有效提高了点云处理效率。
23.2、本公开所述的方法、系统、介质或电子设备，通过点云周向和径向的双重分区，减少地面分割时点云的搜索范围，有效提高了点云分割效率。
24.3、本公开所述的方法、系统、介质或电子设备，利用周向区域相邻两点的水平距离计算得到的相对高度阈值以及当前点相对于雷达全局高度阈值实现实时地面分割，获得完整的非地面激光点云信息。
25.4、本公开所述的方法、系统、介质或电子设备，通过对聚类点云进行径向不同距离段进行分割，每个区域设置不同的聚类参数阈值，减少点云聚类时的搜索范围，有效提高了聚类效率。
26.5、本公开所述的方法、系统、介质或电子设备，将聚类点云z值置为0，再将三维点云信息转化为水平面上的二维点云信息，创建二维kdtree，减少了两点之间的距离计算量，有效提高了点云计算速率。
27.6、本公开所述的方法、系统、介质或电子设备，利用聚类后的点云信息，获得与其相对应的最大和最小x、y和z值，通过每类点云x、y和z的平均值获得障碍物相对于雷达的位姿，采用长方体模型对障碍物进行可视化封装处理，实现障碍物的精准检测识别。
附图说明
28.构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
29.图1为本公开实施例1提供的基于3d激光点云的障碍物识别方法的流程示意图。
30.图2为本公开实施例1提供的点云数据处理示意简图。
31.图3为本公开实施例1提供的地面分割流程图。
32.图4为本公开实施例1提供的非地面激光点云聚类流程图。
33.图5为本公开实施例1提供的聚类可视化封装处理流程图。
具体实施方式
34.下面结合附图与实施例对本公开作进一步说明。
35.应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
36.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包
括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
37.在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
38.实施例1：
39.如图1所示，本公开实施例1提供了一种基于3d激光点云的障碍物识别方法，包括以下过程：
40.s1：获取三维环境激光点云数据，基于三维环境激光点云数据的预处理、周向和径向栅格化处理，实现高效的实时地面分割；
41.s2：通过处理分割后的非地面激光点云，利用二维欧式聚类实现各区的障碍物标记；
42.s3：通过长方体模型对聚类进行可视化封装处理，得到障碍物的位置及大小，实现障碍物的精准识别。
43.s1中，具体包括：
44.s1.1：利用多线激光雷达获取三维环境原始点云数据，由于点云数量非常庞大，因此，在不失环境信息情况下，采用合适参数的体素降采样对原始点云进行预处理，提高点云数据的后续处理效率；基于不同环境，设置与环境相适应的最大、最小点云高度阈值，去除高于雷达或者低于初始雷达底面一定距离的点云；设置与环境相适应的最大、最小点云半径阈值，去除雷达周围一定距离和较远距离的点云，降低后续步骤的计算量，保留有用区域的点云信息。
45.雷达点云数据处理示意简图，如图2所示，其中，r0‑
r3代表距离雷达的距离(呈递增趋势)，r为水平半径，θ为水平角度，θ
i
为周向区域序号，γ为点的仰角，p(x，y，z)为任意一点(属于n
i
区域)。
46.s1.2：利用雷达周向分辨率和径向分辨率将点云栅格化处理，分为n个区域，遍历所有点云，计算每个点云的水平半径、夹角、径向区域及周向区域，公式如下：
[0047][0048][0049]
其中，r_num为径向区域特征值，θ_num为周向区域特征值(结果向下取整)，m_pi为57.3
°
，θ_precision为周向分辨率(雷达内置)，r_precision为径向分辨率。
[0050]
将处理后的点云进行封装保存，并对每个周向区域的点云进行径向距离排序；
[0051]
遍历每一个周向区域的所有点云，在水平面内，计算当前点与上一点的距离值，利用相邻点之间的坡度阈值计算当前点的相对高度阈值，如果因两点距离较近导致该高度阈值很小，则将其设置为给定最小高度阈值，再利用当前点半径和距离雷达处地面的坡度阈值计算全局高度阈值；
[0052]
判断当前点竖直方向测量值是否在前一点相对高度阈值邻域范围内，如果在其范围内，再判断前一点是否为地面点，如果不是，并且当前点竖直测量值在相对于雷达所处地面的全局高度阈值邻域范围内，则当前点为地面点，否则，为非地面点；
[0053]
如果前一点是地面点，则当前点为地面点；如果当前点竖直方向测量值不在前一
点相对高度阈值邻域范围内，再判断当前点相对于上一点的距离值是否大于设定的最大距离阈值以及当前点竖直高度是否在当前点相对于初始地面的高度阈值邻域范围内，如果前者大于，后者在其邻域内，则判定该点为地面点，否则为非地面点。
[0054]
s1.3：将地面点和非地面点分别进行封装保存，保存其点云索引，供后续点云聚类使用。
[0055]
地面分割的流程图，如图3所示，其中，h_max、h_min为最大、最小高度阈值，r_max、r_min为最大、最小半径阈值，r_num为径向区域特征值，θ_num为周向区域特征值，distance为当前点相对于前一点的水平距离差，h_t为当前点相对于前一点的相对高度阈值，h_min_t为最小高度阈值，pre_z为前一点的竖直测量值(z坐标)，distance_max为相邻两点的最大距离阈值，hg_t为当前点相对于初始地面的全局高度阈值。
[0056]
s2中，具体包括：
[0057]
对非地面激光点云进行分区，提高聚类过程中的计算效率；
[0058]
先将大于设定最大距离阈值之外的点云去除，再利用距离雷达不同距离对剩余点云分区，根据环境和点云聚类效果，按照水平距离大小设置与之相适应的区域段，在每一区域段内设置相适应的聚类距离、最大及最小聚类点数阈值，并将各区域的点云保存到相应队列。
[0059]
通过将点云的z值都置为0，即对每个区域的点云进行降维，因此，点云只具有水平方向信息，大大减少了聚类时距离的计算量；接着，创建点云的二维kdtree，实现二维空间的最近邻搜索；最后，输入分割后的非地面激光点云，利用欧式聚类对点云进行最近邻搜索，实现物体点云的分类标记，最后，将聚类结果的每类点云降维前的索引保存到相应队列。
[0060]
非地面点聚类的流程图，如图4所示，其中，r为点的水平半径，cluster_r_max为聚类的最大半径，n为划分区域数量，r
i
为第i个区域的下限值，r
i+1
为第i个区域的上限值，r
j
为第j个点的水平半径值，index[i].index为第i个区域的点云索引队列，points_num为点云数量，c_threshold[i]为第i个区域聚类距离阈值，min_num[i]为第i个区域聚类最小数量，max_num[i]为第i个区域聚类最大数量。
[0061]
s3中，具体包括：
[0062]
获得聚类后的点云信息，在每一类中，分别对x、y和z值进行比较，筛选出每类中x、y和z的最大、最小值；然后，利用这六个值构建长方体模型，对聚类进行可视化封装处理，得到实时包含这类点云的空间长方体，并通过x、y和z的最大、最小值的差值获得障碍物的最大长、宽和高，再对该类点云分别求x、y及z的平均值作为该障碍物的位置，最后，利用该位置信息求得障碍物的位姿实现障碍物的精准识别。
[0063]
聚类的可视化封装处理流程，如图4所示，其中，cluster_num为聚类结果的类别数量，x_max[i]、x_max[i]为第i个聚类点的x方向的最大、最小值，y_max[i]、y_max[i]为第i个聚类点的y方向的最大、最小值，z_max[i]、z_max[i]为第i个聚类点的z方向的最大、最小值，l、w和h分别为长方体的长、宽和高。
[0064]
实施例2：
[0065]
本公开实施例2提供了一种基于3d激光点云的障碍物识别系统，包括：
[0066]
数据获取模块，被配置为：获取三维环境激光点云数据；
[0067]
点云处理模块，被配置为：对三维环境激光点云数据进行地面分割处理，获得非地面激光点云数据；
[0068]
点云聚类模块，被配置为：对非地面激光点云数据进行分区，利用二维欧式聚类进行各分区的障碍物标记；
[0069]
障碍物识别模块，被配置为：利用长方体模型对聚类结果进行封装处理，得到障碍物的位置和大小。
[0070]
所述系统的工作方法与实施例1提供的基于3d激光点云的障碍物识别方法相同，这里不再赘述。
[0071]
实施例3：
[0072]
本公开实施例3提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开实施例1所述的基于3d激光点云的障碍物识别方法中的步骤。
[0073]
实施例4：
[0074]
本公开实施例4提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开实施例1所述的基于3d激光点云的障碍物识别方法中的步骤。
[0075]
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
[0076]
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0077]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0078]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0079]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read
‑
only memory，rom)或随机存储记忆体(random accessmemory，ram)等。
[0080]
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技
术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。