基于激光雷达的障碍物识别方法、地图创建方法及装置与流程

本发明涉及智能车辆的环境感知技术领域，特别是基于激光雷达的障碍物识别方法、地图创建方法及装置。

背景技术：

自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。自动驾驶系统主要有环境感知、决策规划、运动控制等几部分组成。其中环境感知部分是自动驾驶系统的重点和难点。自动驾驶汽车是通过车上配备的传感器来感知环境信息的，这些传感器主要包括摄像头、激光雷达、毫米波雷达、红外相机等。激光雷达由于其探测距离远，探测精度高、抗干扰能力强、不受白天黑夜限制等优点成为自动驾驶环境感知的重点研究内容。

有中国专利公布号为cn106997049a的专利文献公开了一种基于激光点云数据的检测障碍物的方法和装置，根据获取激光雷达探测到的物体的激光点云数据，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，并根据每个采样点的三维坐标将采样点投射到上述栅格地图对应的栅格上；根据栅格地图确定障碍栅格，得到障碍栅格地图，进而确定障碍物的位置和形状。

但是由于激光雷达数据量大，在实际应用中若对激光雷达检测到的所有的障碍物信息进行分析，会得到不必要的障碍物信息，比如距离较远的对车辆没有影响的障碍物，这种将所有信息都投射到栅格地图中的处理方法会严重占用处理装置资源，影响数据的处理效率，对激光雷达的实际应用带来不利的影响。

技术实现要素：

本发明的目的是提供基于激光雷达的障碍物识别方法、地图创建方法及装置，用以解决激光雷达数据量较大导致的处理资源占用大、处理效率较低的问题。

为了通过剔除不关心的障碍物信息，减少激光雷达的数据处理量，减少资源占用，提高处理效率，增加激光雷达的实用性，本发明提供一种基于激光雷达的障碍物识别方法，包括以下步骤：

1)获取当前车辆行驶的车道信息，计算得到车辆距离车道双黄线的第一距离和车辆距离车道围栏的第二距离；

2)获取并解析激光雷达检测的障碍物信息，提取点云数据距离车辆的横向距离；

3)剔除横向距离超出车辆左侧第一距离和车辆右侧第二距离的障碍物信息，得到剩余障碍物信息；

4)对剩余障碍物信息进行聚类处理并提取聚类后障碍物目标的轮廓点信息。

为了剔除更多的不关心的障碍物信息，更多的减少激光雷达的数据处理量，更好的减少资源占用，提高处理效率，增加激光雷达的实用性，步骤2)中还提取点云数据距离车辆的纵向距离，且步骤3)中还剔除前侧纵向距离大于第三距离的障碍物信息。

为了得到精确的、实时的前向的剔除距离，所述第三距离为根据车辆的行驶速度、制动性能和加速性能计算得出。

为了便于激光雷达的使用，减少激光雷达的数据处理量，从而得到清晰的激光雷达栅格地图，本发明还提供一种基于激光雷达的多属性栅格地图创建方法，包括以下步骤：

1)根据车辆的行驶速度、车道宽度、刹车距离和转弯半径信息创建包括位置信息、速度信息、高度信息和占用情况信息的多属性栅格地图；

2)获取当前车辆行驶的车道信息，计算得到车辆距离车道双黄线的第一距离和车辆距离车道围栏的第二距离；

3)获取并解析激光雷达检测的障碍物信息，提取点云数据距离车辆的横向距离；

4)剔除横向距离超出车辆左侧第一距离和车辆右侧第二距离的障碍物信息，得到剩余障碍物信息；

5)对剩余障碍物信息进行聚类处理，提取聚类后障碍物目标的轮廓点信息，并根据轮廓点信息更新栅格地图。

为了剔除前向的不关心的障碍物信息，更多的减少激光雷达的数据处理量，更好的减少资源占用，提高处理效率，步骤3)中还提取点云数据距离车辆的纵向距离，且步骤4)中还剔除前侧纵向距离大于第三距离的障碍物信息。

为了得到精确的、实时的前向的剔除距离，所述第三距离为根据车辆的行驶速度、制动性能和加速性能计算得出。

为了便于激光雷达能够以软件和硬件形式进行使用，减少激光雷达的数据处理量，从而得到清晰的激光雷达栅格地图，本发明提供一种基于激光雷达的多属性栅格地图创建装置，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：

1)根据车辆的行驶速度、车道宽度、刹车距离和转弯半径信息创建包括位置信息、速度信息、高度信息和占用情况信息的多属性栅格地图；

2)获取当前车辆行驶的车道信息，计算得到车辆距离车道双黄线的第一距离和车辆距离车道围栏的第二距离；

3)获取并解析激光雷达检测的障碍物信息，提取点云数据距离车辆的横向距离；

4)剔除横向距离超出车辆左侧第一距离和车辆右侧第二距离的障碍物信息，得到剩余障碍物信息；

5)对剩余障碍物信息进行聚类处理，提取聚类后障碍物目标的轮廓点信息，并根据轮廓点信息更新栅格地图。

为了剔除前向的不关心的障碍物信息，更多的减少激光雷达的数据处理量，更好的减少资源占用，提高处理效率，步骤3)中还提取点云数据距离车辆的纵向距离，且步骤4)中还剔除前侧纵向距离大于第三距离的障碍物信息。

为了得到精确的、实时的前向的剔除距离，所述第三距离为根据车辆的行驶速度、制动性能和加速性能计算得出。

附图说明

图1是实施例1的一种基于激光雷达的障碍物识别方法的流程图；

图2是实施例2的一种基于激光雷达的障碍物识别方法的流程图；

图3是实施例3的一种基于激光雷达的多属性栅格地图创建方法的流程图；

图4是实施例3的一种多属性栅格地图的示意图；

图5是实施例4的一种基于激光雷达的多属性栅格地图创建方法的流程图。

具体实施方式

下面结合附图对本发明做进一步详细的说明。

实施例1

本实施例1提供一种基于激光雷达的障碍物识别方法，如图1所示，包括以下步骤：

1)获取当前车辆行驶的车道信息，计算得到车辆距离车道双黄线的第一距离和车辆距离车道围栏的第二距离。

根据实际情况，在中国车辆靠右形式，因此，车道的双黄线或者单黄线在车辆的左侧，而车道的边缘的围栏设置在车辆的右侧，当以车身为坐标系时，根据获取的当前车辆行驶的车道信息，计算得到车道双黄线距离车辆左侧为第一距离，车道围栏或者根据地图得到的当前车道的电子围栏距离车辆右侧的第二距离。

2)获取并解析激光雷达检测的障碍物信息，提取点云数据距离车辆的横向距离。

若以车身为坐标系，根据障碍物信息的解析，提取的点云数据具有纵向坐标和横向坐标，横向坐标代表着距离车辆左侧或右侧的横向距离。

3)剔除横向距离超出车辆左侧第一距离和车辆右侧第二距离的障碍物信息，得到剩余障碍物信息。

当提取的点云数据距离车身的横向距离不在车身左侧第一距离和车身右侧第二距离之间，判定为不关心的点云数据，对应的障碍物信息即为需要剔除的信息，最终得到剩余的障碍物信息。

4)对剩余障碍物信息进行聚类处理并提取聚类后障碍物目标的轮廓点信息。

将剩余障碍物信息进行聚类处理，并提取聚类处理后的障碍物的轮廓点，若直接利用聚类后的障碍物大小信息，存在一定的不精准的问题，同时提取轮廓点更加能够减少激光雷达的数据处理量，提高处理效率。最终根据得到的轮廓点信息即可完成对障碍物的识别。

上述步骤1)与步骤2)之间不存在先后顺序，也可同时进行。

实施例2

为了剔除前向的不关心的障碍物信息，更多的减少激光雷达的数据处理量，更好的减少资源占用，提高处理效率，本实施例2在实施例1的基础上，提供一种基于激光雷达的障碍物识别方法，如图2所示，其中，在实施例1中未对车辆的前向的不关心的障碍物信息进行剔除，因此，实施例1中步骤2)中还提取点云数据距离车辆的纵向距离，且步骤3)中还剔除前侧纵向距离大于第三距离的障碍物信息。

最终将激光雷达检测的障碍物信息约束在一个四方区域内，其中，左侧线为车辆左侧第一距离，右侧线为车辆右侧第二距离，前侧线为车辆前侧第三距离，底线为车辆的前端。

实施例3

本实施例3提供一种基于激光雷达的多属性栅格地图创建装置，其中，该装置包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行程序时实现一种基于激光雷达的多属性栅格地图创建方法，该创建方法，如图3所示，包括以下步骤：

(1)根据车辆的行驶速度、车道宽度、刹车距离和转弯半径信息创建包括位置信息、速度信息、高度信息和占用情况信息的多属性栅格地图。

根据车辆运行的要求设置栅格的个数，同时根据车辆的行驶速度、车道宽度、刹车距离和转弯半径信息创建空白的多属性栅格地图，其中该多属性栅格地图包括位置信息、速度信息、高度信息和占用情况信息。

(2)获取当前车辆行驶的车道信息，计算得到车辆距离车道双黄线的第一距离和车辆距离车道围栏的第二距离。

(3)获取并解析激光雷达检测的障碍物信息，提取点云数据距离车辆的横向距离。

(4)剔除横向距离超出车辆左侧第一距离和车辆右侧第二距离的障碍物信息，得到剩余障碍物信息。

上述步骤(2)和步骤(3)之间不存在先后顺序，也可同时进行，且步骤(2)、步骤(3)和步骤(4)的处理方式与实施例1中步骤1)、步骤2)和步骤3)分别对应。

(5)对剩余障碍物信息进行聚类处理，提取聚类后障碍物目标的轮廓点信息，并根据轮廓点信息更新栅格地图。

根据设定，在车辆左侧第一距离处为车道线，例如车道双黄线1；在车辆的右侧第二距离处为电子围栏2，通过车道线的约束和电子围栏的约束，如图4所示，将该多属性栅格地图限制在车辆左侧横向距离为第一距离和右侧横向距离为第二距离之间，最终得到剩余在此区间内的障碍物信息。

在得到剩余障碍物信息后，对剩余障碍物点云数据进行聚类，聚类后给出障碍物位置大小信息，若直接使用位置大小信息更新栅格地图，则对于弧形障碍物容易出现障碍物大小出现膨胀的问题，因此，提取聚类后障碍物目标的轮廓点3信息，根据最终的轮廓点3信息更新栅格地图，以此减少聚类后的障碍物大小5出现膨胀区域4的问题，提高了对障碍物大小信息的精准度，更能够减少激光雷达的数据处理量。

通过上述剩余障碍物的轮廓点信息更新栅格地图，即可创建出通过车道线约束和电子围栏约束的栅格地图，使得激光雷的数据处理量减小，资源占用率减小，进而提高处理效率。

实施例4

本实施例4在实施例3的基础上，剔除更多的不关心的障碍物信息，在前向设置相应的限定，以更多的减少激光雷达的数据处理量，如图5所示。

如图4所示，在有车道线约束和电子围栏约束的基础上，还剔除车辆前向的第三距离以外的不关心的障碍物信息，其中该第三距离为根据车辆行驶速度、制动性能和加速性能计算得出，也还可以根据需求直接人为设定。

实施例3中步骤(3)中还提取点云数据距离车辆的纵向距离，且步骤(4)中还剔除前侧纵向距离大于第三距离的障碍物信息，并且将最终得到的剩余障碍物信息带入更新得到实际的栅格地图。

以上给出了本发明涉及的具体实施方式，但本发明不局限于所描述的实施方式。在本发明给出的思路下，采用对本领域技术人员而言容易想到的方式对上述实施例中的技术手段进行变换、替换、修改，并且起到的作用与本发明中的相应技术手段基本相同、实现的发明目的也基本相同，这样形成的技术方案是对上述实施例进行微调形成的，这种技术方案仍落入本发明的保护范围内。