一种基于激光点云数据的检测障碍物的方法和装置与流程

本发明涉及移动机器人技术领域，特别涉及一种基于激光点云数据的检测障碍物的方法和装置。

背景技术：

移动机器人是一类能够通过传感器感知环境和自身状态，实现在有障碍物的环境中面向目标的自主运动，从而完成一定作业功能的机器人系统。激光雷达作为一种主动传感器，具有对物体的感知信息来源于自身，受外界环境影响较小、对信息的获取可靠性和精确性较高的特点，因而被广泛用于环境感知系统。

如何从激光雷达获得的大量三维点云数据中稳定准确的检测出复杂环境中的障碍信息是一个很有难度的问题。基于激光雷达的障碍物检测这方面的研究比较多，一般是通过测量自主车前方的高度信息确定障碍物的分布。

在实现本发明的过程中，本发明人发现现有技术中至少存在以下问题：

通过测量自主车前方的高度信息，确定的障碍物的分布不准确，不能有效指导移动机器人的行驶。

技术实现要素：

有鉴于此，本发明提供一种基于激光点云数据的障碍物检测方法和装置，获取的障碍物的形状和位置比较准确。

具体而言，包括以下的技术方案：

一方面，本发明提供了一种基于激光点云数据的检测障碍物的方法，包括：

获取激光雷达探测到的物体的激光点云数据，所述激光雷达安装在移动载体上；

根据所述激光点云数据，得到移动载体坐标系下每个采样点的三维坐标；

建立栅格地图，根据所述移动载体坐标系下的每个采样点的三维坐标，将所述每个采样点投射到所述栅格地图的对应的栅格上；

根据所述栅格地图，确定障碍栅格，得到障碍栅格地图；

根据所述障碍物栅格地图，确定障碍物的位置和形状。

可选择地，在所述获取激光雷达探测到的物体的激光点云数据之后，所述方法还包括：

根据所述激光点云数据，拟合得到多条曲线，并对与所述激光雷达的距离大于预设距离的采样点对应的曲线进行二维线性插值，得到多个插值点，把所述多个插值点作为激光点云数据的一部分。

可选择地，所述根据所述激光点云数据，得到移动载体坐标系下每个采样点的三维坐标，包括：

根据所述激光点云数据，得到雷达坐标系下的每一个采样点的三维坐标，并进行刚性变换，得到移动载体坐标系下的每一个采样点的三维坐标。

可选择地，在所述建立栅格地图，根据所述移动载体坐标系下的每个采样点的三维坐标，将所述每个采样点投射到所述栅格地图的对应的栅格上之后，所述方法还包括：

滤除采样点中的悬空点和噪声点；其中，

所述悬空点是指与所述移动载体在竖直方向上的高度差大于预设高度值、且少于两条雷达线扫描到的采样点；

所述噪声点是指所在的栅格的预设范围内的其他栅格内没有采样点，且少于两条雷达线扫描到的采样点。

可选择地，所述根据所述栅格地图，确定障碍栅格，得到障碍栅格地图，包括：

计算所述栅格地图中的每一个采样点的梯度值，若某一采样点的梯度值大于第一预设阈值，则该采样点为障碍点，该采样点所在的栅格为第一障碍栅格；

计算所述栅格地图中的某一栅格内的所有采样点在竖直方向上的最大高度差，若该栅格的最大高度差大于第二预设阈值，则该栅格为第二障碍栅格；若某一栅格中只有一个采样点且梯度值大于所述第一预设阈值，则该栅格为第二障碍栅格；

选择所述栅格地图中同时为第一障碍栅格和第二障碍栅格的栅格作为第三障碍栅格；

若某一第三障碍栅格的上下左右四个方向的各两个栅格中的第三障碍栅格的数量大于预设数量，则将该第三障碍栅格标记为障碍栅格；

将所述栅格地图中的所有障碍栅格形成障碍栅格地图。

可选择地，所述方法还包括：

选取多个模板，计算每个模板与所述障碍栅格地图中的障碍栅格组成的障碍栅格块的相关系数，根据计算得到的相关系数及第三预设阈值确定障碍物的形状；

根据所述激光雷达采集的采样点的三维坐标的变化，确定所述障碍物的运动速度和方向。

另一方面，本发明还提供了一种基于激光点云数据的检测障碍物的装置，包括：

第一获取模块，用于获取激光雷达探测到的物体的激光点云数据，所述激光雷达安装在移动载体上；

第二获取模块，用于根据所述激光点云数据，得到移动载体坐标系下每个采样点的三维坐标；

建立模块，用于建立栅格地图，根据所述移动载体坐标系下的每个采样点的三维坐标将所述每个采样点投射到所述栅格地图的对应的栅格上；

第三获取模块，用于根据所述栅格地图，确定障碍栅格，得到障碍栅格地图；

第一确定模块，用于根据所述障碍物栅格地图，确定障碍物的位置和形状。

可选择地，所述装置还包括第一处理模块，用于在第一获取模块获取激光雷达探测到的物体的激光点云数据之后，

根据所述激光点云数据，拟合得到多条曲线，并对与所述激光雷达的距离大于预设距离的采样点对应的曲线进行二维线性插值，得到多个插值点，把所述多个插值点作为激光点云数据的一部分。

可选择地，所述第二获取模块具体用于：

根据所述激光点云数据，得到雷达坐标系下的每一个采样点的三维坐标，并进行刚性变换，得到移动载体坐标系下的每一个采样点的三维坐标。

可选择地，所述装置还包括第二处理模块，用于在所述建立模块建立栅格地图，根据所述移动载体坐标系下的每个采样点的三维坐标，将所述每个采样点投射到所述栅格地图的对应的栅格上之后，

滤除采样点中的悬空点和噪声点；其中，

所述悬空点是指与所述移动载体在竖直方向上的高度差大于预设高度值、且少于两条雷达线扫描到的采样点；

所述噪声点是指所在的栅格的预设范围内的其他栅格没有采样点，且少于两条雷达线扫描到的采样点。

可选择地，所述第三获取模块具体用于：

计算所述栅格地图中的每一个采样点的梯度值，若某一采样点的梯度值大于第一预设阈值，则该采样点为障碍点，该确定采样点所在的栅格为第一障碍栅格；

计算所述栅格地图中的某一栅格内的所有采样点在竖直方向上的最大高度差，若该栅格的最大高度差大于第二预设阈值，则确定该栅格为第二障碍栅格；若某一栅格中只有一个采样点且梯度值大于所述第一预设阈值，则确定该栅格为第二障碍栅格；

选择所述栅格地图中同时为第一障碍栅格和第二障碍栅格的栅格作为第三障碍栅格；

若某一第三障碍栅格的上下左右四个方向的各两个栅格中的第三障碍栅格的数量大于预设数量，则将该第三障碍栅格标记为障碍栅格；

将所述栅格地图中的所有障碍栅格形成障碍栅格地图。

可选择地，所述装置还包括第二确定模块，用于：

选取多个模板，计算每个模板与所述障碍栅格地图中的障碍栅格组成的障碍栅格块的相关系数，根据计算得到的相关系数及第三预设阈值确定障碍物的形状；

根据所述激光雷达采集的采样点的三维坐标的变化，确定所述障碍物的运动速度和方向。

本发明实施例提供的技术方案的有益效果：

本发明提供了一种基于激光点云数据的检测障碍物的方法及装置，通过获取的激光点云数据，得到移动载体坐标系下所有采样点的三维坐标，并将采样点投射到建立的栅格地图上，确定栅格地图中的障碍栅格，得到障碍栅格地图，并基于此确定障碍物的形状和位置。本发明提供的方法及装置，通过对安装在移动载体上的激光雷达获取的激光点云数据进行处理，获取的障碍物的形状和位置比较准确，可实现移动载体在有障碍物的环境中面向目标的自主运动。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例中一种基于激光点云数据的检测障碍物的方法的流程图；

图2为本发明一实施例中激光雷达坐标系的主视图；

图3为本发明一实施例中激光雷达坐标系的侧视图；

图4为本发明一实施例中激光雷达坐标系的俯视图；

图5为本发明一实施例中地球坐标系、移动载体坐标系和激光雷达坐标系的示意图；

图6为本发明一实施例中经过刚性变换之后的地球坐标系、移动载体坐标系和激光雷达坐标系的示意图；

图7为本发明一实施例中扫描线梯度图；

图8为本发明一实施例中相关领域算子示意图；

图9为本发明一实施例中盒子模型的示意图；

图10为本发明一实施例中时空障碍栅格示意图；

图11为本发明一实施例中一种基于激光点云数据的检测障碍物的装置的框图。

具体实施方式

为使本发明的技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

实施例一

本实施例提供了一种基于激光点云数据的检测障碍物的方法，如图1所示，包括步骤s101、s102、s103、s104和s105。下面将进行具体介绍。

步骤s101：获取激光雷达探测到的物体的激光点云数据。

在本实施例中，激光雷达安装在移动载体上。激光雷达发射激光束，激光束探测到物体之后，接收返回的信号并进行处理，得到激光点云数据。每一束激光返回的数据可通过网络协议数据包返回，数据包中包括物体表面的每个采样点与激光雷达的距离和角度信息，可定义激光雷达旋转一周输出的数据为一帧数据。

在距离激光雷达较远的地方，激光雷达的扫描线较稀疏，容易造成障碍物的漏检。根据激光点云数据，拟合得到多条曲线，并对与激光雷达的距离大于预设距离的采样点对应的曲线进行二维线性插值，得到多个插值点，把多个插值点作为激光点云数据的一部分。这样可避免障碍物漏检的情况。需要说明的是，预设距离可根据需要设定，本发明不对此进行限定。

步骤s102：根据激光点云数据，得到移动载体坐标系下每个采样点的三维坐标。

在步骤s101中获取的激光点云数据中包含的采样点的与激光雷达的距离和角度信息，可以转换为以激光雷达作为坐标原点的三维坐标，转换所用的公式如下：

px＝r*cos(ω)*sin(α)

py＝r*cos(ω)*cos(α)

pz＝r*sin(ω)

式中，

px——采样点p的x轴的坐标值；

py——采样点p的y轴的坐标值；

pz——采样点p的z轴的坐标值；

r——采样点p与激光雷达的距离；

ω——采样点p与xoy水平面的垂直夹角；

α——采样点p与x轴的夹角。

如图所示，图2为激光雷达坐标系的主视图，图3为激光雷达坐标系的侧视图，图4为激光雷达坐标系的俯视图。

通过激光雷达点云数据得到的采样点的三维坐标是以激光雷达为坐标原点的坐标系中的三维坐标，本实施例检测的障碍物是相对于移动载体来说的，所以需要将采样点的以激光雷达作为坐标原点的三维坐标转换为以移动载体作为坐标原点的坐标系中的三维坐标。可经过矩阵的旋转和平移变化，实现雷达坐标系到移动载体坐标系的刚性变换。另外，地球坐标系可反映移动载体所处的地理位置，也可进行移动载体坐标系到地球坐标系的刚性变换。

图5为地球坐标系、移动载体坐标系和激光雷达坐标系的示意图，图6为经过刚性变换之后的地球坐标系、移动载体坐标系和激光雷达坐标系的示意图。其中，ov1-xv1yv1zv1代表激光雷达坐标系，ov2-xv2yv2zv2代表移动载体坐标系，og-xgygzg、o-xgygzg代表地球坐标系，ov-xvyvzv代表进行刚性变换之后的移动载体坐标系，o-x,y,z,代表进行刚性变换之后的激光雷达坐标系，代表刚性变换之后激光雷达坐标系与地球坐标系的x轴的夹角，ψ代表刚性变换之后激光雷达坐标系与地球坐标系的z轴的夹角，γ代表刚性变换之后移动载体坐标系与激光雷达坐标系之后的y轴的夹角。

步骤s103：建立栅格地图，根据移动载体坐标系下的每个采样点的三维坐标，将每个采样点投射到栅格地图的对应的栅格上。

在本实施例中，可建立m*n栅格地图，m代表栅格地图的长为m个栅格，n代表栅格地图的宽为n个栅格。m、n的值及栅格大小可根据实际情况确定。根据移动载体坐标系下采样点的三维坐标将采样点投射到栅格地图对应的栅格上。

在本实施例中，为了提高检测障碍物的精度，可滤除采样点中的悬空点和噪声点，其中，悬空点是指与移动载体在垂直方向上的高度差大于预设高度值、且少于两条雷达线扫描到的采样点；噪声点是指所在的栅格的预设范围内的其他栅格没有采样点、且少于两条雷达线扫描到的采样点。可设置预设距离为2.5m，则投射到栅格地图中的与移动载体在垂直方向上的高度差大于2.5m的采样点且少于两条雷达线扫描到，则这些采样点可能是悬在比较高的地方的物体，不对移动载体的运动造成阻碍，因此将这些悬空点滤除。另外，噪声点可能是采集的时候的噪声造成的，属于测量误差，需要滤除。

步骤s104：根据栅格地图，确定障碍栅格，得到障碍栅格地图。

障碍栅格的判定方法可采用基于扫描线梯度法和最大最小值高度图两种方法。

基于扫描线梯度法判定障碍栅格的方法如下：

计算栅格地图中的每一个采样点的梯度值，若某一采样点的梯度值大于第一预设阈值，则该采样点为障碍点，则该采样点所在的栅格为第一障碍栅格。

激光雷达是旋转扫描探测障碍物的，扫描线在平整地面上呈现圆环形。在同一扫描角度上，获取某一采样点的相邻的两个环上的采样点的坐标值，计算该采样点的梯度值，计算公式如下：

式中，

tanθ——梯度值；

δz——相邻的两个环上的采样点在z轴上的坐标的差值；

d——相邻的两个环上的采样点在x-y平面上与原点的距离的差值。

若扫描线遇到障碍物，由于障碍物的遮挡，会使采样点的相邻的两个环的采样点在x-y平面上与原点的距离的差值d变小，同时相邻的两个环上的采样点在z轴上的坐标的差值变大，因此该采样点的梯度值变大。

如图7所示，为扫描线梯度图。

最大最小值高度图判定障碍栅格的方法如下：

将地面建模成为一系列的栅格，这些栅格包含三个数据：栅格的平面坐标及投射到同一栅格中的采样点的坐标值。对于栅格c，投射到其中的点的集合为：ξc＝{pi＝(xi,yi,zi)}。

计算栅格地图中的某一栅格内的所有采样点在竖直方向上的最大高度差，即在z轴上的坐标的最大差值。

高度差的计算公式为：

δh＝max(zi)-max(zj)

式中，

δh——栅格内的采样点在z轴上的坐标的最大差值；

max(zi)——栅格内的采样点在z轴上的坐标的最大值；

max(zj)——栅格内的采样点在z轴上的坐标的最小值。

若该栅格中的采样点在z轴上的坐标的最大差值大于第二预设阈值，则该栅格为第二障碍栅格；若某一栅格中只有一个采样点，则采用基于扫描线梯度法计算该采样点的梯度值，若梯度值大于第一预设阈值，则该栅格为第二障碍栅格。

之后，两种方法得到的障碍栅格进行互相验证，选择栅格地图中同时为第一障碍栅格何第二障碍栅格的栅格作为第三障碍栅格。

对栅格地图中的每一个栅格进行判定，确定所有的第三障碍栅格。

根据相关算子示意图，如图8所示，在图示范围内搜索，若某一第三障碍栅格的上下左右四个方向的两个栅格中第三障碍栅格的数量大于预设数量，则将该第三障碍栅格标记为障碍栅格；如果小于预设数量，则标记为聚类栅格。

将栅格地图中的所有障碍栅格形成障碍栅格地图。

步骤s105：根据障碍物栅格地图，确定障碍物的位置和形状。

根据障碍栅格地图中的障碍栅格中采样点的坐标，判断障碍物的位置，并采用模板匹配算法，确定障碍物的形状。

采用模板匹配算法确定障碍物的形状的具体流程为：选取多个模板，计算每个模板与障碍栅格地图中的障碍栅格组成的障碍栅格块的相关系数，根据相关系数最大的模块确定障碍物的形状。相关系数的计算公式如下：

式中，

r(i,j)——相关系数；

s^i,j(m,n)——模板t叠放在子图s上的坐标；

t(m,n)——模板所占横纵向栅格数；

m——在栅格地图的水平方向计算相关系数的最大范围；

n——在栅格地图的竖直方向计算相关系数的最大范围。

其中，模板覆盖被搜索图的那块区域叫子图s^ij。i，j为子图左上角在被搜索图s上的坐标。

若最大相关系数大于第三设定阈值，则障碍块与模板匹配成功，若小于设定阈值，则障碍块为其他类型。

根据障碍块的形状可分为u型、l型和i型。u型、l型和i型为道路上障碍物，障碍物可能为人、车或者路沿。根据距离的远近及障碍物大小，尺寸上会有差异。u型为激光雷达扫描到的障碍物的三个面，l型为激光雷达扫描到了障碍物的两个面，i型是激光雷达扫描到障碍物的一个面。其他类型，理想情况下，在激光雷达下障碍物会呈现明显的几何特征，但当被遮挡或者距离较远时无法辨别其几何特征。

本实施例中，可根据激光雷达采集的采样点的三维坐标的变化，确定障碍物是静止或移动，对移动的障碍物判断其运动速度和方向。可采用盒子模型，描述障碍物的大小、形状以及运动速度和方向。如图9所示，为盒子模型的示意图。图中，(x,y)代表障碍物的中心坐标，w代表障碍物的宽度，l代表障碍物的长度，φ代表障碍物的运动方向，v代表障碍物的运动速度。

在本实施例中，可建立时空障碍物栅格示意图，如图10所示，time＝0的横截面为移动载体当前时刻的障碍物栅格图，其中0为车辆所在位置。time轴无限向上延伸表示基于当前时刻对未来任意时刻障碍物分布情况的建模，由此可知栅格图在t时刻的横截面即为t时刻障碍物的分布情况。每个点对应的值p(xt,yt,t)均表示该点的占据情况。

对于静态障碍物p(xt,yt,t)＝p(xt,yt,0)；对于动态障碍物需判断其对于未来一段时间内时空分布的影响。对于动态障碍物，障碍物点集为{pi＝(xi,yi)}，障碍物速度为(vk,x，vk,y)，加速度为(ak,x，ak,y)，t时刻障碍物分布可表示为：

p(xt,yt,t)＝255

式中，

xt——t时刻障碍物x轴的坐标值；

yt——t时刻障碍物y轴的坐标值；

p(xt,yt,t)＝255表示t时刻(x,y,t)点被占据。

本实施例提供的基于激光点云数据的检测障碍物的方法，通过获取的激光点云数据，得到移动载体坐标系下所有采样点的三维坐标，并将采样点投射到建立的栅格地图上，确定栅格地图中的障碍栅格，得到障碍栅格地图，并基于此确定障碍物的形状和位置。本发明提供的方法，通过安装在移动载体上的激光雷达获取的激光点云数据，可获取障碍物的形状和位置，并且可根据激光点云数据的变化确定障碍物运动的运动速度和方向，对障碍物的运动轨迹进行跟踪，从而实现移动载体在有障碍物的环境中面向目标的自主运动。

实施例二

对应于实施例一，本实施例提供了一种基于激光点云数据的检测障碍物的装置，如图11所示，包括第一获取模块201、第二获取模块202、建立模块203、第三获取模块204和第一确定模块205。下面将进行具体介绍。

第一获取模块201，用于获取激光雷达探测到的物体的激光点云数据。

在本实施例中，激光雷达安装在移动载体上。激光雷达发射激光束，激光束探测到物体之后，接收返回的信号并进行处理，得到激光点云数据。每一束激光返回的数据可通过网络协议数据包返回，数据包中包括物体表面的每个采样点的与激光雷达的距离和角度信息，可定义激光雷达旋转一周输出的数据为一帧数据。

在本实施例中，基于激光点云数据的检测障碍物的装置还可包括第一处理模块。在距离激光雷达较远的地方，激光雷达的扫描线较稀疏，容易造成障碍物的漏检。第一处理模块用于根据激光点云数据，拟合得到多条曲线，并对与激光雷达的距离大于预设距离的采样点对应的曲线进行二维线性插值，得到多个插值点，把多个插值点作为激光点云数据的一部分。这样可避免障碍物漏检的情况。需要说明的是，预设距离可根据需要设定，本发明不对此进行限定。

第二获取模块202，用于根据激光点云数据，得到移动载体坐标系下每个采样点的三维坐标。

第一获取模块201获取的激光点云数据中包含的采样点的与激光雷达的距离和角度信息，可以转换为以激光雷达作为坐标原点的三维坐标，转换所用的公式如下：

px＝r*cos(ω)*sin(α)

py＝r*cos(ω)*cos(α)

pz＝r*sin(ω)

式中，

px——采样点p的x轴的坐标值；

py——采样点p的y轴的坐标值；

pz——采样点p的z轴的坐标值；

r——采样点p与激光雷达的距离；

ω——采样点p与xoy水平面的垂直夹角；

α——采样点p与x轴的夹角。

通过激光雷达点云数据得到的采样点的三维坐标是以激光雷达为坐标原点的坐标系中的三维坐标，本实施例检测的障碍物是相对于移动载体来说的，所以需要将采样点的以激光雷达作为坐标原点的三维坐标转换为以移动载体作为坐标原点的坐标系中的三维坐标。可经过矩阵的旋转和平移变化，实现雷达坐标系到移动载体坐标系的刚性变换。另外，地球坐标系可反映移动载体所处的地理位置，也可进行移动载体坐标系到地球坐标系的刚性变换。

建立模块203，用于建立栅格地图，根据移动载体坐标系下的每个采样点的三维坐标，将每个采样点投射到栅格地图的对应的栅格上。

在本实施例中，可建立m*n栅格地图，m代表栅格地图的长为m个栅格，n代表栅格地图的宽为n个栅格。m、n的值及栅格大小可根据实际情况确定。根据移动载体坐标系下采样点的三维坐标将采样点投射到栅格地图对应的栅格上。

在本实施例中，基于激光点云数据的检测障碍物的装置还可包括第二处理模块，用于滤除采样点中的悬空点和噪声点。其中，悬空点是指与移动载体在垂直方向上的高度差大于预设高度值、且少于两条雷达线扫描到的采样点；噪声点是指所在的栅格的预设范围内的其他栅格没有采样点，且少于两条雷达线扫描到的采样点。可设置预设距离为2.5m，则投射到栅格地图中的与移动载体在垂直方向上的高度差大于2.5m的采样点且少于两条雷达线扫描到，则这些采样点可能是悬在比较高的地方的物体，不对移动载体的运动造成阻碍，因此将这些悬空点滤除。另外，噪声点可能是采集的时候的噪声造成的，属于测量误差，需要滤除。

第三获取模块204，用于根据栅格地图，确定障碍栅格，得到障碍栅格地图。

障碍栅格的判定方法可采用基于扫描线梯度法和最大最小值高度图两种方法。

基于扫描线梯度法判定障碍栅格的方法如下：

计算栅格地图中的每一个采样点的梯度值，若某一采样点的梯度值大于第一预设阈值，则该采样点为障碍点，该采样点所在的栅格为第一障碍栅格。

激光雷达是旋转扫描探测障碍物的，扫描线在平整地面上呈现圆环形。在同一扫描角度上，获取某一采样点的相邻的两个环上的采样点的坐标值，计算该采样点的梯度值，计算公式如下：

式中，

tanθ——梯度值；

δz——相邻的两个环上的采样点在z轴上的坐标的差值；

d——相邻的两个环上的采样点在x-y平面上与原点的距离的差值。

若扫描线遇到障碍物，由于障碍物的遮挡，会使采样点的相邻的两个环的采样点在x-y平面上与原点的距离的差值d变小，同时相邻的两个环上的采样点在z轴上的坐标的差值变大，因此该采样点的梯度值变大。

最大最小值高度图判定障碍栅格的方法如下：

将地面建模成为一系列的栅格，这些栅格包含三个数据：栅格的平面坐标及投射到同一栅格中的采样点的坐标值。对于栅格c，投射到其中的点的集合为：ξc＝{pi＝(xi,yi,zi)}。

计算栅格地图中的某一栅格内的所有采样点在竖直方向上的最大高度差，即在z轴上的坐标的最大差值。

高度差的计算公式为：

δh＝max(zi)-max(zj)

式中，

δh——栅格内的采样点在z轴上的坐标的最大差值；

max(zi)——栅格内的采样点在z轴上的坐标的最大值；

max(zj)——栅格内的采样点在z轴上的坐标的最小值。

若该栅格中的采样点在z轴上的坐标的最大差值大于第二预设阈值，则该栅格为第二障碍栅格；若某一栅格中只有一个采样点，则采用基于扫描线梯度法计算该采样的梯度值，若梯度值大于第一预设阈值，则确定该栅格为第二障碍栅格。

之后，两种方法得到的障碍栅格进行互相验证，选择栅格地图中同时为第一障碍栅格和第二障碍栅格的栅格作为第三障碍栅格。

对栅格地图中的每一个栅格进行判定，确定所有的第三障碍栅格。

根据相关领域算子示意图，若某一第三障碍栅格的上下左右四个方向的两个栅格中第三障碍栅格的数量大于预设数量，则将该第三障碍栅格标记为障碍栅格；如果小于预设数量，则标记为聚类栅格。

将栅格地图中的所有障碍栅格形成障碍栅格地图。

第一确定模块205，用于根据障碍物栅格地图，确定障碍物的位置和形状。

根据障碍栅格地图中的障碍栅格中采样点的坐标，判断障碍物的位置，并采用模板匹配算法，确定障碍物的形状。

采用模板匹配算法确定障碍物的形状的具体流程为：选取多个模板，计算每个模板与障碍栅格地图中的障碍栅格组成的障碍栅格块的相关系数，根据相关系数最大的模块确定障碍物的形状。相关系数的计算公式如下：

式中，

r(i,j)——相关系数；

s^i,j(m,n)——模板t叠放在子图s上的坐标；

t(m,n)——模板所占横纵向栅格数；

m——在栅格地图的水平方向计算相关系数的最大范围；

n——在栅格地图的竖直方向计算相关系数的最大范围。

其中，模板覆盖被搜索图的那块区域叫子图s^ij。i，j为子图左上角在被搜索图s上的坐标。

若最大相关系数大于第三设定阈值，则障碍块与模板匹配成功，若小于设定阈值，则障碍块为其他类型。

根据障碍块的形状可分为u型、l型和i型。u型、l型和i型为道路上的障碍物，障碍物可能为人、车或者路沿。根据距离的远近及障碍物大小，尺寸上会有差异。u型为激光雷达扫描到的障碍物的三个面，l型为激光雷达扫描到了障碍物的两个面，i型是激光雷达扫描到障碍物的一个面。其他类型，理想情况下，在激光雷达下障碍物会呈现明显的几何特征，但当被遮挡或者距离较远时无法辨别其几何特征。

本实施例中，可根据激光雷达采集的采样点的三维坐标的变化，确定障碍物静止或移动，对移动的障碍物判断其运动速度和方向。可采用盒子模型，描述障碍物的大小、形状以及运动速度和方向。图中，(x,y)代表障碍物的中心坐标，w代表障碍物的宽度，l代表障碍物的长度，φ代表障碍物的运动方向，v代表障碍物的运动速度。

在本实施例中，可建立时空障碍物栅格示意图，如图10所示，time＝0的横截面为移动载体当前时刻的障碍物栅格图，其中0为车辆所在位置。time轴无限向上延伸表示基于当前时刻对未来任意时刻障碍物分布情况的建模，由此可知栅格图在t时刻的横截面即为t时刻障碍物的分布情况。每个(x,y,t)点对应的值p(xt,yt,t)均表示该点的占据情况。

对于静态障碍物p(xt,yt,t)＝p(xt,yt,0)；对于动态障碍物需判断其对于未来一段时间内时空分布的影响。对于动态障碍物，障碍物点集为{pi＝(xi,yi)}，障碍物速度为(vk,x，vk,y)，加速度为(ak,x，ak,y)，t时刻障碍物分布可表示为：

p(xt,yt,t)＝255

式中，

xt——t时刻障碍物x轴的坐标值；

yt——t时刻障碍物y轴的坐标值；

p(xt,yt,t)＝255表示t时刻(x,y,t)点被占据。

在本实施例中，基于激光点云数据的检测障碍物的装置还可包括第二确定模块，用于根据激光雷达采集的采样点的三维坐标的变化，确定动态障碍物的运动速度和方向。

由于实施例二与实施例一相互对应，所以能带来的有益效果相同，在此不再赘述。

在本申请所提供的实施例中，应该理解到，所提供的方法和装置，仅仅是示意性的，例如，所述步骤和模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。上述方法和装置可以通过计算机装置运行相应的软件和硬件来实现。术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。

以上所述仅是为了便于本领域的技术人员理解本发明的技术方案，并不用以限制本发明。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。