一種動(dòng)態(tài)障礙物檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及機(jī)動(dòng)車(chē)自動(dòng)駕駛過(guò)程中的動(dòng)態(tài)障礙物檢測(cè)技術(shù)領(lǐng)域，尤其涉及一種動(dòng) 態(tài)障礙物檢測(cè)方法。
【背景技術(shù)】
[0002] 動(dòng)態(tài)障礙物即為：一切在正運(yùn)動(dòng)，或者即將要運(yùn)動(dòng)的，并且當(dāng)前位置或者預(yù)測(cè)的未 來(lái)位置在機(jī)動(dòng)車(chē)行駛范圍之內(nèi)的物體。例如，馬路上或者馬路附近的人，各種四輪以上機(jī)動(dòng) 車(chē)輛，摩托車(chē)，自行車(chē)，板車(chē)等。
[0003] 動(dòng)態(tài)障礙物檢測(cè)就是要從障礙物地圖的原始信息中，尋找、跟蹤和預(yù)測(cè)動(dòng)態(tài)障礙 物。檢測(cè)到的動(dòng)態(tài)障礙物信息可直接運(yùn)用于a.障礙物識(shí)別模塊；b.機(jī)動(dòng)車(chē)行為決策模塊； c.機(jī)動(dòng)車(chē)動(dòng)作控制模塊。動(dòng)態(tài)障礙物的檢測(cè)對(duì)機(jī)動(dòng)車(chē)的駕駛至關(guān)重要。

【發(fā)明內(nèi)容】

[0004] 為此，需要提供一種動(dòng)態(tài)障礙物檢測(cè)方案，解決機(jī)動(dòng)車(chē)動(dòng)態(tài)障礙物的識(shí)別和預(yù)測(cè) 問(wèn)題。
[0005] 為實(shí)現(xiàn)上述目的，發(fā)明人提供了一種動(dòng)態(tài)障礙物檢測(cè)方法，包括如下步驟：
[0006] 獲取組成動(dòng)態(tài)障礙物特征的原始數(shù)據(jù)點(diǎn)；
[0007] 根據(jù)獲取到的原始數(shù)據(jù)點(diǎn)進(jìn)行動(dòng)態(tài)障礙物模型匹配；
[0008] 根據(jù)動(dòng)態(tài)障礙物匹配的模型和動(dòng)態(tài)障礙物所處的區(qū)域，預(yù)測(cè)動(dòng)態(tài)障礙物的運(yùn)動(dòng)軌 跡。
[0009] 進(jìn)一步地，使用卡爾曼濾波器或粒子濾波器進(jìn)行動(dòng)態(tài)障礙物模型匹配。
[0010] 進(jìn)一步地，通過(guò)計(jì)算前后時(shí)刻障礙物地圖的變化區(qū)域，獲得原始數(shù)據(jù)點(diǎn)。
[0011] 進(jìn)一步地，所述動(dòng)態(tài)障礙物模型包括點(diǎn)模型和矩形模型。
[0012] 進(jìn)一步地，所述匹配步驟包括初步匹配步驟和進(jìn)一步匹配步驟。
[0013] 進(jìn)一步地，所述初步匹配步驟包括：
[0014] 計(jì)算動(dòng)態(tài)障礙物模型和原始數(shù)據(jù)點(diǎn)特征的相關(guān)性值和距離值；
[0015] 如果相關(guān)性值和距離值小于一定范圍，則初步匹配成功，否則嘗試下一個(gè)動(dòng)態(tài)障 礙物模型。
[0016] 進(jìn)一步地，如果原始數(shù)據(jù)點(diǎn)特征成功地初步匹配到一個(gè)動(dòng)態(tài)障礙物模型，所述進(jìn) 一步匹配步驟包括：
[0017] 尋找和原始數(shù)據(jù)點(diǎn)特征吻合的一個(gè)i全釋?zhuān)?br>[0018] 對(duì)比動(dòng)態(tài)障礙物模型的預(yù)測(cè)狀態(tài)和詮釋的狀態(tài)；
[0019] 如果兩者狀態(tài)相近，則配對(duì)成功，否則這個(gè)詮釋被排除，重新尋找詮釋。
[0020] 進(jìn)一步地，如果原始數(shù)據(jù)點(diǎn)特征沒(méi)有成功地初步匹配到一個(gè)動(dòng)態(tài)障礙物模型，所 述進(jìn)一步匹配步驟包括：
[0021] 尋找所有和原始數(shù)據(jù)點(diǎn)特征吻合的詮釋?zhuān)脤ふ业降脑忈寗?chuàng)建一組新的動(dòng)態(tài)障礙 物模型。
[0022] 進(jìn)一步地，根據(jù)動(dòng)態(tài)障礙物匹配的模型和動(dòng)態(tài)障礙物所處的區(qū)域，預(yù)測(cè)動(dòng)態(tài)障礙 物的運(yùn)動(dòng)軌跡具體包括：
[0023] 如果動(dòng)態(tài)障礙物所處區(qū)域?yàn)榻Y(jié)構(gòu)化區(qū)域，則動(dòng)態(tài)障礙物的運(yùn)動(dòng)軌跡為沿著車(chē)道方 向；
[0024] 如果動(dòng)態(tài)障礙物所處區(qū)域?yàn)榉墙Y(jié)構(gòu)化區(qū)域，則利用過(guò)去幾個(gè)時(shí)刻的動(dòng)態(tài)障礙物的 狀態(tài)推算運(yùn)動(dòng)軌跡。
[0025] 進(jìn)一步地，還包括狀態(tài)分類(lèi)步驟：對(duì)已經(jīng)匹配到模型的動(dòng)態(tài)障礙物歸為當(dāng)前運(yùn)動(dòng) 狀態(tài)或者過(guò)去運(yùn)動(dòng)狀態(tài)。
[0026] 區(qū)別于現(xiàn)有技術(shù)，上述技術(shù)方案可實(shí)現(xiàn)對(duì)動(dòng)態(tài)障礙物的識(shí)別，從而可用于機(jī)動(dòng)車(chē) 的自動(dòng)駕駛，避免機(jī)動(dòng)車(chē)與動(dòng)態(tài)障礙物的碰撞。
【附圖說(shuō)明】
[0027] 圖1為本方法定義的兩種不同的物體運(yùn)動(dòng)模型。
【具體實(shí)施方式】
[0028] 為詳細(xì)說(shuō)明技術(shù)方案的技術(shù)內(nèi)容、構(gòu)造特征、所實(shí)現(xiàn)目的及效果，以下結(jié)合具體實(shí) 施例并配合附圖詳予說(shuō)明。
[0029] 請(qǐng)參閱圖1，本實(shí)施例提供了一種動(dòng)態(tài)障礙物檢測(cè)方法，本方法可以應(yīng)用在機(jī)動(dòng)車(chē) 的控制模塊上，用于實(shí)現(xiàn)對(duì)動(dòng)態(tài)障礙物的檢測(cè)?？刂颇K連接有傳感器，如環(huán)視激光雷達(dá)， 環(huán)視激光雷達(dá)一般安裝在機(jī)動(dòng)車(chē)車(chē)頂，環(huán)視激光雷達(dá)可以進(jìn)行360°的激光掃描，可以獲取 到機(jī)動(dòng)車(chē)所處的環(huán)境信息，包括路面信息。
[0030] 本方法在進(jìn)行動(dòng)態(tài)障礙物檢測(cè)時(shí)，包括如下步驟：獲取組成動(dòng)態(tài)障礙物特征的原 始數(shù)據(jù)點(diǎn)；根據(jù)獲取到的原始數(shù)據(jù)點(diǎn)進(jìn)行動(dòng)態(tài)障礙物模型匹配；根據(jù)動(dòng)態(tài)障礙物匹配的模 型和動(dòng)態(tài)障礙物所處的區(qū)域，預(yù)測(cè)動(dòng)態(tài)障礙物的運(yùn)動(dòng)軌跡。
[0031] 其中第一步，原始數(shù)據(jù)點(diǎn)可以從障礙物地圖中提取動(dòng)態(tài)障礙物原始特征獲得。如 果將間隔很短的兩個(gè)時(shí)刻的障礙物地圖進(jìn)行對(duì)比，會(huì)發(fā)現(xiàn)一些單元格在一個(gè)時(shí)刻是障礙 物，而在另一個(gè)時(shí)刻則不是。這很可能是由于障礙物運(yùn)動(dòng)引起的。因此，可以通過(guò)計(jì)算兩個(gè) 時(shí)刻障礙物地圖的變化區(qū)域，可以初步得出一些數(shù)據(jù)點(diǎn)。障礙物地圖是通過(guò)傳感器采集構(gòu) 建的路面信息的地圖，可以是個(gè)網(wǎng)格地圖，每個(gè)格子都為正方形，大小一致，稱(chēng)為單元格。每 個(gè)單元格只有兩種可能的狀態(tài)，有障礙物和無(wú)障礙物。
[0032] 然后，根據(jù)激光雷達(dá)數(shù)據(jù)的特點(diǎn)，從這些數(shù)據(jù)點(diǎn)通過(guò)一定的方法提取障礙物的邊 緣特征。邊緣特征通常為一條線(xiàn)段、一個(gè)點(diǎn)或者L型，反映了從某個(gè)角度激光雷達(dá)所觀察到 的車(chē)輛物體的一個(gè)面。對(duì)于距離遠(yuǎn)的物體提取的邊緣特征有可能是單一的點(diǎn)，因?yàn)榉直媛?和角度的限制遠(yuǎn)處的物體的信息相對(duì)貧乏。
[0033] 在獲得了原始的特征后，還需要對(duì)比測(cè)速雷達(dá)所測(cè)量的與該特征相關(guān)的速度信 息。這樣能夠過(guò)濾掉一些假陽(yáng)性。
[0034] 而后第二步，將原始特征與跟蹤模型（即動(dòng)態(tài)障礙物模型）配對(duì)，并更新跟蹤模型 的狀態(tài)信息。
[0035]每個(gè)跟蹤模型包括了一個(gè)物體運(yùn)動(dòng)模型和一個(gè)記錄了物體運(yùn)動(dòng)模型狀態(tài)的卡爾 曼濾波器。其中，物體運(yùn)動(dòng)模型是跟蹤運(yùn)動(dòng)物體的基礎(chǔ)，其對(duì)運(yùn)動(dòng)物體變化的模擬的仿真度 直接影響到卡爾曼濾波器的效能。
[0036]本方法使用兩種物體運(yùn)動(dòng)模型，點(diǎn)模型和矩形模型。如圖1所示，左邊a圖和右邊 的b圖分別代表了矩陣模型和點(diǎn)模型。其中矩陣模型有8個(gè)參數(shù)，其中長(zhǎng)和寬（w，l)不是 狀態(tài)參數(shù)。矩陣模型提供4中不同的長(zhǎng)、寬組合，分別模擬大型車(chē)輛（如卡車(chē)和公共汽車(chē)）、 轎車(chē)、摩托車(chē)和行人。狀態(tài)參數(shù)包括矩陣的中心位置（x，y)，偏轉(zhuǎn)角度識(shí)，偏轉(zhuǎn)角速度必，速 度v和加速度a。其中速度的加速度的方向?yàn)殚L(zhǎng)1的方向。而點(diǎn)模型有6個(gè)狀態(tài)參數(shù)，位置 (X，y)，每個(gè)方向上的速度(之y)，每個(gè)方向上的加速度(元夕）。
[0037]使用兩類(lèi)物體運(yùn)動(dòng)模型主要是出于對(duì)于激光雷達(dá)性能局限的一種優(yōu)化：激光雷達(dá) 的數(shù)據(jù)中，在遠(yuǎn)處的物體數(shù)據(jù)點(diǎn)稀疏，很難判斷形態(tài)特征，此時(shí)采用點(diǎn)模型。當(dāng)運(yùn)動(dòng)物體移 近后，數(shù)據(jù)點(diǎn)變得密集，這時(shí)候就有條件采用矩陣運(yùn)動(dòng)模型，且其信息更豐富。根據(jù)實(shí)際情 況，本方法能夠自動(dòng)在跟蹤一個(gè)運(yùn)動(dòng)物體的時(shí)候在兩類(lèi)物體運(yùn)動(dòng)模型之間切換。
[0038]卡爾曼濾波器是一種高效率的遞歸濾波器，能夠從一系列不完全及包含雜訊的測(cè) 量中，估計(jì)動(dòng)態(tài)系統(tǒng)的狀態(tài)。它只要獲知上一時(shí)刻對(duì)下一時(shí)刻狀態(tài)的預(yù)測(cè)值（以下簡(jiǎn)稱(chēng)預(yù) 測(cè)值）以及當(dāng)前狀態(tài)的觀測(cè)值就可以計(jì)算出當(dāng)前狀態(tài)的估計(jì)值。
[0039]利用卡爾曼濾波器的這些功能，本方法將不同時(shí)刻提取的、本無(wú)關(guān)聯(lián)的動(dòng)態(tài)障礙 物特征歸因于不同的運(yùn)動(dòng)物體，從而有效地鑒別動(dòng)態(tài)和非動(dòng)態(tài)障礙物，同時(shí)能夠預(yù)測(cè)這些 運(yùn)動(dòng)物體未來(lái)短時(shí)間內(nèi)的走向。
[0040]根據(jù)實(shí)際情況的需要，卡爾曼濾波器可以更換為其它功能相似的濾波器（如粒子 濾波器）。
[0041]而后可以根據(jù)動(dòng)態(tài)障礙物的類(lèi)別和當(dāng)前所在的區(qū)域，對(duì)軌跡進(jìn)行預(yù)測(cè)。預(yù)測(cè)使用 不同的方法：
[0042]道路/結(jié)構(gòu)化區(qū)域：利用卡爾曼過(guò)濾器預(yù)測(cè)未來(lái)幾秒內(nèi)的軌跡，但可能的軌跡被 限制在車(chē)道之內(nèi)。未來(lái)幾秒之外，則假定物體繼續(xù)沿車(chē)道行駛。
[0043] 停車(chē)場(chǎng)/非結(jié)構(gòu)化區(qū)域：利用插值法，利用過(guò)去幾個(gè)時(shí)刻的狀態(tài)直接推算未來(lái)運(yùn) 動(dòng)軌跡。預(yù)測(cè)出的運(yùn)動(dòng)軌跡可以用于機(jī)動(dòng)車(chē)自動(dòng)駕駛過(guò)程中的判斷和對(duì)機(jī)動(dòng)車(chē)的控制。
[0044]上述實(shí)施例中的匹配步驟包括初步匹配步驟和進(jìn)一步匹配步驟，初步匹配即是匹 配出一個(gè)接近動(dòng)態(tài)障礙物的模型，進(jìn)一步匹配即是對(duì)動(dòng)態(tài)障礙物的狀態(tài)和模型的狀態(tài)進(jìn)行 匹配。
[0045]動(dòng)態(tài)障礙物跟蹤的關(guān)鍵是把觀測(cè)到的特征信息歸因于某個(gè)運(yùn)動(dòng)物體。這個(gè)過(guò)程稱(chēng) 作特征和跟蹤模型的配對(duì)。然而特征在形態(tài)上大多數(shù)情況下只反應(yīng)了物體運(yùn)動(dòng)模型的一個(gè) 方面（比如由于遮擋的原因，機(jī)動(dòng)車(chē)只看得見(jiàn)一部汽車(chē)車(chē)頭的左面），因此可以用概率的方 法，初步地嘗試將特征和跟蹤模型配對(duì)。用概率方法配對(duì)時(shí)，錯(cuò)誤容許范圍較大，以便進(jìn)一 步配對(duì)的時(shí)候，特征有機(jī)會(huì)拋棄已初步配對(duì)的跟蹤模型。
[0046]初步配對(duì)的具體方法為：
[0047]對(duì)于每一個(gè)特征：
[0048] 1.對(duì)于每一個(gè)已有的跟蹤模型：
[0049]a.計(jì)算跟蹤模型中卡爾曼濾波器的預(yù)測(cè)值，即模型對(duì)于當(dāng)前時(shí)刻物體狀態(tài)的推 測(cè)。
[0050] b.計(jì)算狀態(tài)的預(yù)測(cè)值和特征的相關(guān)性值和距離值。
[0051] c.如果相關(guān)性值和距離值小于一定范圍，則配對(duì)成功，否則嘗試下一個(gè)跟蹤模型。
[0052] 在進(jìn)一步配對(duì)和跟蹤步驟中，對(duì)于一個(gè)原始特征，特征詮釋的定義為和這個(gè)特征 吻合的某一特定的物體運(yùn)動(dòng)模型的某一特定的狀態(tài)（位置、角度）。原始特征的一個(gè)物體運(yùn) 動(dòng)模型狀態(tài)。每一個(gè)原始特征，都存在若干種不同的詮釋。比如，若一個(gè)L型特征用矩陣模 型詮釋?zhuān)瑒t任何一種詮釋必須使得L