一种基于激光雷达侦测障碍物运动方向的方法及系统与流程

本发明涉及激光雷达识别技术领域，尤其涉及一种基于激光雷达侦测障碍物运动方向的系统。

背景技术：

激光雷达通过扫描测距获取周围环境的点云信息，其精度高，距离远、速度快，不受光照影响等有点。在无人驾驶车辆和机器人领域有广泛的应用前景。

目前基于点云数据的障碍物检测方法多用于基于高精度uan地图的检测方法和基于机器学习训练模型的检测方法。

其中基于高精度环境地图的检测方法是先通过对离线采集的点云数据进行拼接，获得高精度的环境地图，再以获得的环境地图为背景，对比在线点云数据与环境地图差异，获得动静态障碍物信息。但是该方法，需要激光雷达和离线数据进行结合计算，不适用于具有大量物体运动的环境，其计算数据量较大，处理较慢。

其中基于及其学习训练模型的检测方法是通过计算提取点云的关键点和特征，采用大量的训练样本，通过各种学习方法获取各类障碍物的模型，通过模型预测识别障碍物的类型，但是需要使用大量优质样本进行训练，对于训练集中未出现的障碍物类型及障碍物运动方向无法检测。

技术实现要素：

为了解决上述问题，本发明提供了一种无需分析大量数据，即可快速识别障碍物运动方向的基于激光雷达侦测障碍物运动方向的方法及系统。

为了达到上述目的，本发明采用以下技术方案：

一种基于激光雷达侦测障碍物运动方向的方法，包括步骤：

s1：通过激光雷达按照预设扫描时间间隔对预设扫描范围进行扫描，获取预设扫描范围内障碍物对应的点云数据信息以及障碍物对应的点云相对于激光雷达的距离信息，记录并保存；

s2：按照预设处理算法，对预设范围内障碍物对应的点云数据信息进行处理，获取当前障碍物对应的轮廓信息，记录并保存；

s3：按照预设拟合对比算法，判断两个相邻预设扫描时间间隔点时获取的障碍物轮廓信息是否重合；

s4：当两个相邻预设扫描时间间隔点获取的障碍物轮廓信息重合时，通过比较两个相邻预设扫描时间间隔点该障碍物相对于激光雷达的距离，判断障碍物相对于激光雷达运动的方向。

进一步地，步骤s1包括：

s11：通过激光雷达，按照预设扫描时间间隔对预设扫描范围进行扫描，获取预设扫描范围内的点云数据；

s12：在获取的点云中选取多个初始点云对象；

s13：按照预设聚类算法，获取每个初始点云对象预设距离范围内的点云；

s14：结合每个初始点云对象和每个初始点云对象预设距离范围内的点云，形成障碍物对应的点云数据信息；

s15：通过激光雷达获取到障碍物对应的初始点云对象的距离，记录并保存。

进一步地，步骤s2包括：

s21：将障碍物的点云数据信息放在预设三维坐标系中；

s22：选取障碍物的点云数据在预设三维坐标系中横坐标的最小值和最大值分别为轮廓左限值和轮廓右限值；

s23：取障碍物的点云数据在预设三维坐标系中纵坐标的最小值和最大值分别为轮廓前限值和轮廓后限值；

s24：取障碍物的点云数据在预设三维坐标系中竖坐标的最小值和最大值分别为轮廓上限值和轮廓下限值；

s25：结合轮廓左限值、轮廓右限值、轮廓前限值、轮廓后限值、轮廓上限值、轮廓下限值获得当前障碍物的轮廓信息数据。

进一步地，步骤s3包括：

s31：获取当前时间点，相邻预设扫描时间间隔点时激光雷达获取的预设扫描范围内的障碍物的轮廓信息；

s32：按照预设拟合对比算法，判断当前时间点内障碍物的轮廓信息和相邻预设扫描时间间隔点时障碍物的轮廓信息是否重合；

进一步地，步骤s4包括：

s41：当若两个相邻预设扫描时间间隔点获取的障碍物轮廓信息重合时，确定当前预设扫描范围内存在同一障碍物；

s42：判断两个相邻预设扫描时间间隔点，该障碍物相对于激光雷达的距离信息是否减小；

s43：若减小，则确定当前障碍物的运动方向为靠近激光雷达；若不减小，则确定当前障碍物的运动方向为远离激光雷达。

一种基于激光雷达侦测障碍物运动方向的系统，包括：

获取数据信息模块，用于通过激光雷达按照预设扫描时间间隔对预设扫描范围进行扫描，获取预设扫描范围内障碍物对应的点云数据信息以及障碍物对应的点云相对于激光雷达的距离信息，记录并保存；

计算轮廓信息模块，用于按照预设处理算法，对预设范围内障碍物对应的点云数据信息进行处理，获取当前障碍物对应的轮廓信息，记录并保存；

轮廓重合比对模块，用于按照预设拟合对比算法，判断两个相邻预设扫描时间间隔点时获取的障碍物轮廓信息是否重合；

判断运动方向模块，用于当两个相邻预设扫描时间间隔点获取的障碍物轮廓信息重合时，通过比较两个相邻预设扫描时间间隔点该障碍物相对于激光雷达的距离，判断障碍物相对于激光雷达运动的方向。

进一步地，获取数据信息模块包括：

获取点云数据单元，用于通过激光雷达，按照预设扫描时间间隔对预设扫描范围进行扫描，获取预设扫描范围内的点云数据；

选取初始对象单元，用于在获取的点云中选取多个初始点云对象；

聚类分类点云单元，用于按照预设聚类算法，获取每个初始点云对象预设距离范围内的点云；

结合点云数据单元，用于结合每个初始点云对象和每个初始点云对象预设距离范围内的点云，形成障碍物对应的点云数据信息；

获取距离数据单元，用于通过激光雷达获取到障碍物对应的初始点云对象的距离，记录并保存。

进一步地，计算轮廓信息模块包括：

建立三维坐标单元，用于将障碍物的点云数据信息放在预设三维坐标系中；

左右限值获取单元，用于选取障碍物的点云数据在预设三维坐标系中横坐标的最小值和最大值分别为轮廓左限值和轮廓右限值；

前后限值获取单元，用于取障碍物的点云数据在预设三维坐标系中纵坐标的最小值和最大值分别为轮廓前限值和轮廓后限值；

上下限值获取单元，用于取障碍物的点云数据在预设三维坐标系中竖坐标的最小值和最大值分别为轮廓上限值和轮廓下限值；

组合轮廓信息单元，用于结合轮廓左限值、轮廓右限值、轮廓前限值、轮廓后限值、轮廓上限值、轮廓下限值获得当前障碍物的轮廓信息数据。

进一步地，轮廓重合比对模块包括：

获取相邻时间数据单元，用于获取当前时间点，相邻预设扫描时间间隔点时激光雷达获取的预设扫描范围内的障碍物的轮廓信息；

拟合对比轮廓信息单元，用于按照预设拟合对比算法，判断当前时间点内障碍物的轮廓信息和相邻预设扫描时间间隔点时障碍物的轮廓信息是否重合；

进一步地，判断运动方向模块包括：

确定轮廓重合单元，用于当若两个相邻预设扫描时间间隔点获取的障碍物轮廓信息重合时，确定当前预设扫描范围内存在同一障碍物；

判断距离变化单元，用于判断两个相邻预设扫描时间间隔点，该障碍物相对于激光雷达的距离信息是否减小；

确定运动方向单元，用于当障碍物相对于激光雷达的距离信息减小时，则确定当前障碍物的运动方向为靠近激光雷达；当障碍物相对于激光雷达的距离信息不减小时，则确定当前障碍物的运动方向为远离激光雷达。

本发明的有益效果为：

(1)通过激光雷达持续按照预设扫描间隔时间对预设扫描范围内进行扫描，获取预设扫描范围内的物体的点云数据信息，能够获取不同时间点，预设扫描范围内的障碍物的点云数据信息以及障碍物距离激光雷达的距离信息。

(2)本申请提供的基于激光雷达侦测障碍物运动方向，无需通过大量数据的处理和计算；只需要判断激光雷达的预设扫描范围内在相邻两个预设扫描间隔时间点是否有同一障碍物出现，当判断有同一障碍物出现时，判断该障碍物到激光雷达的距离变化，即可实现障碍物运动方向的侦测，能够适用于各种障碍物识别的场景，适用范围较广。

附图说明

图1为本基于激光雷达侦测障碍物运动方向的方法流程图一；

图2为本基于激光雷达侦测障碍物运动方向的方法流程图二；

图3为激光雷达测距原理图；

图4为实施例一中障碍物轮廓示意图；

图5为本基于激光雷达侦测障碍物运动方向的系统结构图一；

图6为本基于激光雷达侦测障碍物运动方向的系统结构图二。

具体实施方式

以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。

实施例一

本实施例提供了一种基于激光雷达侦测障碍物运动方向的方法，如图1至图4所示，本方法包括步骤：

一种基于激光雷达侦测障碍物运动方向的方法，包括步骤：

s1：通过激光雷达按照预设扫描时间间隔对预设扫描范围进行扫描，获取预设扫描范围内障碍物对应的点云数据信息以及障碍物对应的点云相对于激光雷达的距离信息，记录并保存；

s2：按照预设处理算法，对预设范围内障碍物对应的点云数据信息进行处理，获取当前障碍物对应的轮廓信息，记录并保存；

s3：按照预设拟合对比算法，判断两个相邻预设扫描时间间隔点时获取的障碍物轮廓信息是否重合；

s4：当两个相邻预设扫描时间间隔点获取的障碍物轮廓信息重合时，通过比较两个相邻预设扫描时间间隔点该障碍物相对于激光雷达的距离，判断障碍物相对于激光雷达运动的方向。

激光雷达在识别预设扫描范围内的障碍物时，不仅可以识别障碍物的点云数据信息，还可以识别障碍物的点云到达激光雷达的距离信息，其中激光雷达在识别预设扫描范围内的障碍物时，不同时刻的障碍物可能是不同的，因此在判断障碍物运动方向时，需要首先确认不同时刻，激光雷达的预设扫描范围内扫描到的障碍物的点云数据对应的障碍物是否为同一障碍物，当确认是同一障碍物时，判断同一障碍物在不同时段相对于激光雷达的距离或者位置，即可判断当前障碍物的运动方向。

进一步地，步骤s1包括：

s11：通过激光雷达，按照预设扫描时间间隔对预设扫描范围进行扫描，获取预设扫描范围内的点云数据；

s12：在获取的点云中选取多个初始点云对象；

s13：按照预设聚类算法，获取每个初始点云对象预设距离范围内的点云；

s14：结合每个初始点云对象和每个初始点云对象预设距离范围内的点云，形成障碍物对应的点云数据信息；

s15：通过激光雷达获取到障碍物对应的初始点云对象的距离，记录并保存。

首先激光雷达在预设扫描范围内获取的点云数据是所有障碍物的点云数据，因此首先需要对预设扫描范围内的点云数据进行识别和分类。本实施例中提供的点云分类方法为预设聚类分类，即：在获取的点云中选取多个初始点云对象；每一个初始点云对象代表一个簇中心，即代表一个障碍物，对簇中心的初始点云对象按照预设聚类算法，获取每个初始点云对象预设距离范围内的点云；结合每个初始点云对象和每个初始点云对象预设距离范围内的点云，形成代表障碍物的一类点云，即障碍物对应的点云数据信息；通过激光雷达获取到障碍物对应的初始点云对象的距离，记录并保存。

进一步地，步骤s2包括：

s21：将障碍物的点云数据信息放在预设三维坐标系中；

s22：选取障碍物的点云数据在预设三维坐标系中横坐标的最小值和最大值分别为轮廓左限值和轮廓右限值；

s23：取障碍物的点云数据在预设三维坐标系中纵坐标的最小值和最大值分别为轮廓前限值和轮廓后限值；

s24：取障碍物的点云数据在预设三维坐标系中竖坐标的最小值和最大值分别为轮廓上限值和轮廓下限值；

s25：结合轮廓左限值、轮廓右限值、轮廓前限值、轮廓后限值、轮廓上限值、轮廓下限值获得当前障碍物的轮廓信息数据。

如图4所示，本是实力中提供的其中获取障碍物点云对应的障碍物轮廓信息的方法为：

首先把障碍物的点云数据防止在预设三维坐标系中，其中横坐标最大和最小的两个点p1和pn为障碍物的物体轮廓的左限值和右限值，其中纵坐标距离p1pn直线最远的点pmax1和pmax2为障碍物的物体轮廓的前限值和后限值，x轴和y轴形成的面xoy，把点云分成两个部分，获取上部分距离xoy面最远的距离的点，和下部分距离面xoy最远距离的点即为障碍物的物体轮廓的上限值和下限值，结合三维坐标中上下左右和前后轮廓限值，可以获得当前障碍物的轮廓信息。记录并保存。

进一步地，步骤s3包括：

s31：获取当前时间点，相邻预设扫描时间间隔点时激光雷达获取的预设扫描范围内的障碍物的轮廓信息；

s32：按照预设拟合对比算法，判断当前时间点内障碍物的轮廓信息和相邻预设扫描时间间隔点时障碍物的轮廓信息是否重合；

在获取每个时间点，激光雷达在预设扫描范围的障碍物对应的轮廓信息以及障碍物相对于障碍物的距离，即可进行不同时间点障碍物状态信息，判断不同时间点的预设扫描范围内，障碍物是否为同一障碍物，即获取的轮廓信息是否重合。若重合，则为同一障碍物；若不重合，则为不同障碍物，不同障碍物可不进行距离比对，节省数据运算和处理。

进一步地，步骤s4包括：

s41：当若两个相邻预设扫描时间间隔点获取的障碍物轮廓信息重合时，确定当前预设扫描范围内存在同一障碍物；

s42：判断两个相邻预设扫描时间间隔点，该障碍物相对于激光雷达的距离信息是否减小；

s43：若减小，则确定当前障碍物的运动方向为靠近激光雷达；若不减小，则确定当前障碍物的运动方向为远离激光雷达。

进一步地，通过对比不同时间点，同一障碍物对应的位置信息，可以判断出障碍物相对于激光雷达的运动方向，当确定当前障碍物的运动方向为靠近激光雷达时，可以采用预设避障方法，进行避障，当确定当前障碍物的运动方向为远离激光雷达，可以不做反应，继续扫描预设扫描范围内的点云数据信息。

综上所述，本实施例提供的基于激光雷达侦测障碍物运动方向的方法，能够通过预设聚类算法，对预设扫描范围内的物体进行识别和分类，进一步地，判断预设扫描范围内的障碍物是否为同一障碍物，从而判断不同时刻同一障碍物相对于激光雷达的距离信息，进一步地，可以判断障碍物运动方向，实现主动避障的目的，并且本实施例提供的基于激光雷达侦测障碍物运动方向的方法，对于数据的处理简单，快速，能够很快的响应障碍物的运动方向，适合应用于多种场景。

实施例二

本实施例提供了一种基于激光雷达侦测障碍物运动方向的系统，如图5至图6所示，本系统包括：

一种基于激光雷达侦测障碍物运动方向的系统，包括：

获取数据信息模块，用于通过激光雷达按照预设扫描时间间隔对预设扫描范围进行扫描，获取预设扫描范围内障碍物对应的点云数据信息以及障碍物对应的点云相对于激光雷达的距离信息，记录并保存；

计算轮廓信息模块，用于按照预设处理算法，对预设范围内障碍物对应的点云数据信息进行处理，获取当前障碍物对应的轮廓信息，记录并保存；

轮廓重合比对模块，用于按照预设拟合对比算法，判断两个相邻预设扫描时间间隔点时获取的障碍物轮廓信息是否重合；

判断运动方向模块，用于当两个相邻预设扫描时间间隔点获取的障碍物轮廓信息重合时，通过比较两个相邻预设扫描时间间隔点该障碍物相对于激光雷达的距离，判断障碍物相对于激光雷达运动的方向。

进一步地，获取数据信息模块包括：

获取点云数据单元，用于通过激光雷达，按照预设扫描时间间隔对预设扫描范围进行扫描，获取预设扫描范围内的点云数据；

选取初始对象单元，用于在获取的点云中选取多个初始点云对象；

聚类分类点云单元，用于按照预设聚类算法，获取每个初始点云对象预设距离范围内的点云；

结合点云数据单元，用于结合每个初始点云对象和每个初始点云对象预设距离范围内的点云，形成障碍物对应的点云数据信息；

获取距离数据单元，用于通过激光雷达获取到障碍物对应的初始点云对象的距离，记录并保存。

进一步地，计算轮廓信息模块包括：

建立三维坐标单元，用于将障碍物的点云数据信息放在预设三维坐标系中；

左右限值获取单元，用于选取障碍物的点云数据在预设三维坐标系中横坐标的最小值和最大值分别为轮廓左限值和轮廓右限值；

前后限值获取单元，用于取障碍物的点云数据在预设三维坐标系中纵坐标的最小值和最大值分别为轮廓前限值和轮廓后限值；

上下限值获取单元，用于取障碍物的点云数据在预设三维坐标系中竖坐标的最小值和最大值分别为轮廓上限值和轮廓下限值；

组合轮廓信息单元，用于结合轮廓左限值、轮廓右限值、轮廓前限值、轮廓后限值、轮廓上限值、轮廓下限值获得当前障碍物的轮廓信息数据。

进一步地，轮廓重合比对模块包括：

获取相邻时间数据单元，用于获取当前时间点，相邻预设扫描时间间隔点时激光雷达获取的预设扫描范围内的障碍物的轮廓信息；

拟合对比轮廓信息单元，用于按照预设拟合对比算法，判断当前时间点内障碍物的轮廓信息和相邻预设扫描时间间隔点时障碍物的轮廓信息是否重合；

进一步地，判断运动方向模块包括：

确定轮廓重合单元，用于当若两个相邻预设扫描时间间隔点获取的障碍物轮廓信息重合时，确定当前预设扫描范围内存在同一障碍物；

判断距离变化单元，用于判断两个相邻预设扫描时间间隔点，该障碍物相对于激光雷达的距离信息是否减小；

确定运动方向单元，用于当障碍物相对于激光雷达的距离信息减小时，则确定当前障碍物的运动方向为靠近激光雷达；当障碍物相对于激光雷达的距离信息不减小时，则确定当前障碍物的运动方向为远离激光雷达。

本实施例提供的基于激光雷达侦测障碍物运动方向的系统，通过激光雷达持续按照预设扫描间隔时间对预设扫描范围内进行扫描，获取预设扫描范围内的物体的点云数据信息，能够获取不同时间点，预设扫描范围内的障碍物的点云数据信息以及障碍物距离激光雷达的距离信息；无需通过大量数据的处理和计算；只需要判断激光雷达的预设扫描范围内在相邻两个预设扫描间隔时间点是否有同一障碍物出现，当判断有同一障碍物出现时，判断该障碍物到激光雷达的距离变化，即可实现障碍物运动方向的侦测，能够适用于各种障碍物识别的场景，适用范围较广。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。