基于激光雷达的路面类型识别方法及装置制造方法
【专利摘要】本发明提供了一种基于激光雷达的路面类型识别方法及装置，其中，所述路面类型识别方法包括：采集固定在车辆上的激光雷达输出的采样点的坐标数据和反射能量数据；根据所述坐标数据生成直角坐标形式的路面轮廓数据；对所述路面轮廓数据进行处理，生成横轴为空间频率、纵轴为空间频率分量的路面轮廓空间频率数据；对所述路面轮廓空间频率数据进行特征提取，生成路面轮廓特征数据；将所述路面轮廓特征数据和所述反射能量数据进行合并处理，生成分类器输入数据；将所述分类器输入数据输入至经过训练的分类器，从而得到路面分类结果。本发明基于激光雷达的路面类型识别方法与现有技术相比，提高了路面识别的范围和准确率。
【专利说明】基于激光雷达的路面类型识别方法及装置
【技术领域】
[0001] 本发明涉及路面类型识别技术，尤其涉及一种基于激光雷达的路面类型识别方法 及装置。
【背景技术】
[0002] 随着人们对汽车驾驶过程中安全性、舒适性要求的不断提高，路面识别技术凸显 出尤为重要的作用和意义。现有技术中，路面类型识别方法一般采用图像处理技术，首先采 集路面图像，其次利用图像处理技术对采集来的路面图像进行分析，从而得出路面类型的 判断结果。
[0003] 在实现上述发明的过程中，发明人发现现有技术中至少存在如下问题：在车速较 快时，路面图像经常由于产生拖影而变得模糊，另外，车辆的行驶环境（例如夜间行车路面 照明不足）也会影响路面图像的质量，从而导致识别的准确率不高。由于图像识别对象是 道路表面的成像，所以对一些特殊路面不能反映其真实的颠簸特性。例如，落叶覆盖的柏油 路（颠簸特性与无落叶的柏油路相同）；薄雪覆盖的碎石路（颠簸特性与无积雪的碎石路 相同）。因此该方法无法面对复杂的路面情况，识别范围有限。
【发明内容】
[0004] 本发明的实施例提供一种基于激光雷达的路面类型识别方法及装置，以提高路面 识别的范围和准确率。
[0005] 为达到上述目的，本发明提供了一种基于激光雷达的路面类型识别方法，包括：数 据采集步骤：采集固定在车辆上的激光雷达输出的采样点的坐标数据和反射能量数据；路 面轮廓数据生成步骤：根据所述坐标数据生成直角坐标形式的路面轮廓数据；路面轮廓空 间频率数据生成步骤：对所述路面轮廓数据进行处理，生成横轴为空间频率、纵轴为空间频 率分量的路面轮廓空间频率数据；路面轮廓特征数据生成步骤：对所述路面轮廓空间频率 数据进行特征提取，生成路面轮廓特征数据；分类器输入数据生成步骤：将所述路面轮廓 特征数据和所述反射能量数据进行合并处理，生成分类器输入数据；分类器处理步骤：将 所述分类器输入数据输入至经过训练的分类器，从而得到路面分类结果。
[0006] 本发明还提供了一种基于激光雷达的路面类型识别装置，包括：数据采集模块，用 于采集固定在车辆上的激光雷达输出的采样点的坐标数据和反射能量数据；路面轮廓数据 生成模块，用于根据所述坐标数据生成直角坐标形式的路面轮廓数据；路面轮廓空间频率 数据生成模块，用于对所述路面轮廓数据进行处理，生成横轴为空间频率、纵轴为空间频率 分量的路面轮廓空间频率数据；路面轮廓特征数据生成模块，用于对所述路面轮廓空间频 率数据进行特征提取，生成路面轮廓特征数据；分类器输入数据生成模块，用于将所述路面 轮廓特征数据和所述反射能量数据进行合并处理，生成分类器输入数据；分类器处理模块， 用于将所述分类器输入数据输入至经过训练的分类器，从而得到路面分类结果。
[0007] 本发明的基于激光雷达的路面类型识别方法及装置，通过激光雷达采集坐标数据 和反射能量数据，并对坐标数据进行处理生成路面轮廓特征数据，基于路面轮廓特征数据 和反射能量数据，就能够对路面类型进行识别，从而提高了路面识别的范围和准确率。
【专利附图】
【附图说明】
[0008] 图1为本发明实施例的激光雷达的工作原理示意图；
[0009] 图2为本发明实施例一的基于激光雷达的路面类型识别方法的流程示意图；
[0010] 图3为激光雷达输出的采样点的坐标数据的转换原理示意图；
[0011] 图4为本发明实施例二的基于激光雷达的路面类型识别装置的结构示意图。
[0012] 标号说明：
[0013] 1 :激光雷达；2 :激光扫描光束；3 :支撑架。
【具体实施方式】
[0014] 下面结合附图对本发明实施例基于激光雷达的路面类型识别方法及装置进行详 细描述，但所举实施例不作为本发明的限定。
[0015] 本发明的基于激光雷达的路面类型识别方法的技术原理是利用激光雷达对待识 别路面进行扫描，采集激光雷达输出的采样点的坐标数据和反射能量数据，进而进行路面 类型识别。
[0016] 实施例一
[0017] 如图1所示，其为本发明实施例的激光雷达的工作原理示意图，激光雷达1通过支 撑架3固定在车辆上，但不限于图1中示出的安装方式，还可以有很多安装方式，例如激光 雷达可以安装于车辆前方，使激光光束扫描车辆前方的路面。其工作原理如下：激光雷达沿 z轴方向垂直与x-y的平面扫描，能够在x-z平面内得到一个扫描面，该扫描面中包含多条 激光扫描光束2,或者说能够在X轴方向上得到连续测距的点。例如车辆沿y轴方向行驶， 则激光雷达能够以固定的扫描频率对待识别路面进行扫描，从而得到大量具有空间坐标信 息的离散的采样点，这些采样点即可还原道路表面的空间信息。在实际应用中，激光雷达能 够给出采样点的采样间隔角度以及距离值，即极坐标数据，也可以直接给出采样点的经换 算后的直角坐标数据。
[0018] 基于图1的工作原理，并参阅图2,本发明实施例一的基于激光雷达的路面类型识 别方法包括：
[0019] 数据采集步骤201 :采集固定在车辆上的激光雷达输出的采样点的坐标数据和反 射能量数据。具体地，根据激光雷达的工作原理可以获知激光雷达可输出采样点的坐标数 据，另外，根据激光雷达的型号不同，其输出的数据中除包含每个采样点的坐标数据外，还 可以包含有每个采样点对应的反射能量数据。因为对于不同的被测物体表面，不同材料对 激光光束的漫反射能力是不同的，所以激光雷达所能测量到的反射能量大小也是不一样 的。因此，采样点的反射能量数据可以作为待识别路面的另一种特征值的来源。
[0020] 路面轮廓数据生成步骤202 :根据坐标数据生成直角坐标形式的路面轮廓数据。 具体地，如果激光雷达输出的采样点的坐标数据为极坐标形式，就需要将采样点的坐标数 据由极坐标形式转化成直角坐标形式，进而生成直角坐标形式的路面轮廓数据。
[0021] 路面轮廓空间频率数据生成步骤203 :对路面轮廓数据进行处理，生成横轴为空 间频率、纵轴为空间频率分量的路面轮廓空间频率数据。
[0022] 路面轮廓特征数据生成步骤204 :对路面轮廓空间频率数据进行特征提取，生成 路面轮廓特征数据。
[0023] 分类器输入数据生成步骤205 :将路面轮廓特征数据和反射能量数据进行合并处 理，生成分类器输入数据。
[0024] 分类器处理步骤206 :将分类器输入数据输入至经过训练的分类器，从而得到路 面分类结果。
[0025] 本发明的基于激光雷达的路面识别方法，通过激光雷达采集坐标数据和反射能量 数据，并对坐标数据进行处理生成路面轮廓特征数据，基于路面轮廓特征数据和反射能量 数据，就能够对路面类型进行识别，与现有技术相比，本发明的路面识别方法的路面识别范 围和准确率更高。
[0026] 进一步地，该方法还可以包括数据校正步骤：采集与激光雷达联动的加速度传感 器输出的加速度数据，利用该加速度数据计算激光雷达在竖直方向上的振动位移，利用该 振动位移对路面轮廓数据或者坐标数据进行校正。
[0027] 具体的，可在车辆上同时安装加速度传感器，用来测量激光雷达在竖直方向上的 加速度数据，从而解算（两次积分）出激光雷达的振动位移。将采样点的坐标数据或者路 面轮廓数据与该振动位移进行加法或减法运算，能够去除掉激光雷达在车辆行驶过程中上 下振动所产生的测量误差，获得更加准确的数据，从而使得路面识别的准确率更高。
[0028] 进一步地，激光雷达输出的采样点的坐标数据可以是极坐标形式，如图3所示，其 为激光雷达输出的采样点的坐标数据的转换原理示意图，结合图3所示的原理，路面轮廓 数据生成步骤202可以具体包括：将采样点的坐标数据由极坐标形式转化成直角坐标形 式，可以采用下式（1)和式（2)计算采样点在直角坐标系下的横向坐标值X i和纵向坐标值 zi:
[0029] Xi=Ti Sin(Qi)..............................................................................式 (1)
[0030] Zi=H-ITi cos (Si)........................................................................式⑵
[0031] 其中，i为激光雷达的采样点的序号，1^为激光雷达的采样点的极坐标数据，Θ 激光光束与激光雷达垂直于地面方向的夹角，H为激光雷达相对于平整地面的绝对安装高 度，所述直角坐标系的圆心位于激光雷达的激光发射点，\为采样点相对于激光发射点的 横向坐标，Z i为采样点相对于激光发射点的纵向坐标。通过对采样点的坐标数据的处理生 成路面轮廓数据，更直接地体现了路面表面的状况。
[0032] 进一步地，路面轮廓空间频率数据生成步骤203可以具体包括：以水平位移间隔S 为单位，将路面轮廓数据进行分段，生成η个路面轮廓数据样本；使用Lomb算法分别对η个 路面轮廓数据样本进行处理，生成包含η个横轴为空间频率、纵轴为空间频率分量的子路 面轮廓空间频率数据的路面轮廓空间频率数据。
[0033] 其中，由于激光雷达的采样点在X轴上是不等距的，这是由于激光雷达扫描连续 点的极坐标角是相等的，经几何换算这些点在X轴上间距则一定不是等距的。使用Lomb算 法是为了将每条扫描线（相当于路面轮廓数据样本）在X轴上的采样点等距分布。因此， Lomb算法实际上是一种针对非均匀采样数据的功率谱估计方法。具体地，在本发明实施 例中引入了空间频率的概念，其实质上就是针对横轴为采样点相对于激光发射点的横向坐 标、纵轴为采样点相对于激光发射点的纵向坐标的路面轮廓数据进行傅里叶变换的操作。 因此，对η个路面轮廓数据样本进行Lomb算法处理后，便生成了路面轮廓空间频率数据，从 而为路面轮廓特征数据的生成提供数据基础。
[0034] 进一步地，路面轮廓特征数据生成步骤204可以具体包括：根据预先设定的起始 频率、步距频率和终止频率，计算每个子路面轮廓空间频率数据内，从起始频率开始、到终 止频率为止，每段步距频率内对应的空间频率分量的和。例如，预先设定起始频率为OHz，步 距频率为1Hz，终止频率为150Hz，使用起始频率、步距频率和终止频率这3个参数对获得的 曲线进行分段积分，亦即计算从OHz到IHz (X轴从数值从0至I)、IHz到2Hz......的y轴空 间频率分量进行分段积分。从而生成η个子路面轮廓空间频率特征数据，子路面轮廓空间 频率特征数据包含m个空间频率分量的和。
[0035] 将η个子路面轮廓空间频率特征数据进行组合，生成第一路面轮廓特征矩阵Yl :
[0036]
【权利要求】
1. 一种基于激光雷达的路面类型识别方法，其特征在于，所述方法包括： 数据采集步骤：采集固定在车辆上的激光雷达输出的采样点的坐标数据和反射能量数 据； 路面轮廓数据生成步骤：根据所述坐标数据生成直角坐标形式的路面轮廓数据； 路面轮廓空间频率数据生成步骤：对所述路面轮廓数据进行处理，生成横轴为空间频 率、纵轴为空间频率分量的路面轮廓空间频率数据； 路面轮廓特征数据生成步骤：对所述路面轮廓空间频率数据进行特征提取，生成路面 轮廓特征数据； 分类器输入数据生成步骤：将所述路面轮廓特征数据和所述反射能量数据进行合并处 理，生成分类器输入数据； 分类器处理步骤：将所述分类器输入数据输入至经过训练的分类器，从而得到路面分 类结果。
2. 根据权利要求1所述的方法，其特征在于，所述激光雷达输出的采样点的坐标数据 为极坐标形式，在所述路面轮廓数据生成步骤中，所述根据所述坐标数据生成直角坐标形 式的路面轮廓数据具体为： 将所述采样点的坐标数据由极坐标形式转化成直角坐标形式，利用下式实现： Xi =rJSin(Qi)^zi=H-ricos(Si) 其中，i为激光雷达的采样点的序号，^为激光雷达的采样点的极坐标数据，Θi为激光 光束与激光雷达垂直于地面方向的夹角，H为激光雷达相对于平整地面的绝对安装高度，所 述直角坐标系的圆心位于激光雷达的激光发射点，\为采样点相对于激光发射点的横向坐 标，Zi为采样点相对于激光发射点的纵向坐标。
3. 根据权利要求1所述的方法，其特征在于，所述路面轮廓空间频率数据生成步骤具 体为： 以水平位移间隔S为单位，将所述路面轮廓数据进行分段，生成η个路面轮廓数据样 本； 使用Lomb算法分别对所述η个路面轮廓数据样本进行处理，生成包含η个横轴为空间 频率、纵轴为空间频率分量的子路面轮廓空间频率数据的路面轮廓空间频率数据。
4. 根据权利要求3所述的方法，其特征在于，所述路面轮廓特征数据生成步骤具体为： 根据预先设定的起始频率、步距频率和终止频率，计算每个子路面轮廓空间频率数据 内，从所述起始频率开始、到所述终止频率为止，每段步距频率内对应的空间频率分量的 和，从而生成η个子路面轮廓空间频率特征数据，所述子路面轮廓空间频率特征数据包含m 个空间频率分量的和； 将所述η个子路面轮廓空间频率特征数据进行组合，生成所述第一路面轮廓特征矩阵Yl：
其中，所述第一路面轮廓特征矩阵Yl中的每一列对应于一个所述子路面轮廓空间频 率特征数据，所述第一路面轮廓特征矩阵Yi中的每一个元素3^,对应于一个所述空间频 率分量的和。
5. 根据权利要求4所述的方法，其特征在于，所述反射能量数据具体为第一反射能量 特征矩阵Y2 :
其中，所述路面轮廓特征矩阵Y2中的每一列对应于一个路面轮廓数据样本，所述第一 反射能量特征矩阵Y2中的每一个元素^^.对应于激光雷达的采样点的反射能量数值。
6. 根据权利要求5所述的方法，其特征在于，所述方法还包括： 数据归一化步骤：对所述第一路面轮廓特征矩阵Yl和所述第一反射能量特征矩阵Y2 进行归一化处理。
7. 根据权利要求6所述的方法，其特征在于，所述数据归一化步骤具体为： 将所述第一路面轮廓特征矩阵Yl中数值最大的元素设定为1，数值最小的元素设定为 〇,介于数值最大和数值最小之间的元素成比例设定为〇和1之间的数值，从而得到所述第 二路面轮廓特征矩阵Yl'; 将所述第一反射能量特征矩阵Y2中数值最大的元素设定为1，数值最小的元素设定为 〇,介于数值最大和数值最小之间的元素成比例设定为〇和1之间的数值，从而得到所述第 二反射能量特征矩阵Y2 '。
8. 根据权利要求7所述的方法，其特征在于，所述分类器输入数据生成步骤具体为： 将所述第二路面轮廓特征矩阵Yl'和所述第二反射能量特征矩阵Y2'在垂直方向上 拼接在一起，生成分类器输入特征矩阵Y3 :
9. 一种基于激光雷达的路面类型识别装置，其特征在于，所述装置包括： 数据采集模块，用于采集固定在车辆上的激光雷达输出的采样点的坐标数据和反射能 量数据； 路面轮廓数据生成模块，用于根据所述坐标数据生成直角坐标形式的路面轮廓数据； 路面轮廓空间频率数据生成模块，用于对所述路面轮廓数据进行处理，生成横轴为空 间频率、纵轴为空间频率分量的路面轮廓空间频率数据； 路面轮廓特征数据生成模块，用于对所述路面轮廓空间频率数据进行特征提取，生成 路面轮廓特征数据； 分类器输入数据生成模块，用于将所述路面轮廓特征数据和所述反射能量数据进行合 并处理，生成分类器输入数据； 分类器处理模块，用于将所述分类器输入数据输入至经过训练的分类器，从而得到路 面分类结果。
10.根据权利要求9所述的装置，其特征在于，所述路面轮廓空间频率数据生成模块包 括： 路面轮廓数据样本分割单元，用于以水平位移间隔S为单位，将所述路面轮廓数据进 行分段，生成η个路面轮廓数据样本； Lomb算法处理单元，用于使用Lomb算法分别对所述η个路面轮廓数据样本进行处理， 生成包含η个横轴为空间频率、纵轴为空间频率分量的子路面轮廓空间频率数据的路面轮 廓空间频率数据。
【文档编号】G06K9/62GK104463217SQ201410777090
【公开日】2015年3月25日 申请日期:2014年12月15日 优先权日:2014年12月15日
【发明者】王世峰, 孟颖, 马浩, 刘伟 申请人:长春理工大学