本發(fā)明屬于車輛自動(dòng)駕駛技術(shù)領(lǐng)域，具體涉及一種智能駕駛中激光雷達(dá)云點(diǎn)數(shù)據(jù)與車輛信息融合的方法。

背景技術(shù)：

自動(dòng)駕駛系統(tǒng)在運(yùn)行過(guò)程中，需要實(shí)時(shí)地獲取車輛周圍的障礙物信息，這些障礙物包括路面上的車輛、行人、動(dòng)物、建筑物、樹(shù)木等，不應(yīng)該包含地面、雨水、霧、霾、雪花、灰塵、煙等。當(dāng)車輛遇到障礙物時(shí)，應(yīng)該繞過(guò)障礙物或者停止自動(dòng)駕駛；當(dāng)?shù)缆飞蠜](méi)有障礙物時(shí)，車輛應(yīng)該沿著車道正常行駛。

目前檢測(cè)障礙物的一種常用的方法是使用激光雷達(dá)進(jìn)行檢測(cè)。激光雷達(dá)是一種檢測(cè)精度很高的雷達(dá)，可以對(duì)障礙物進(jìn)行厘米級(jí)的定位。常用的激光雷達(dá)有ibeo激光雷達(dá)、velodyne激光雷達(dá)等。

激光雷達(dá)通過(guò)發(fā)射激光，獲取障礙物的輪廓，并以點(diǎn)云數(shù)據(jù)的形式發(fā)給自動(dòng)駕駛系統(tǒng)別的子系統(tǒng)使用。原始的激光點(diǎn)云數(shù)據(jù)除了會(huì)包含車輛、行人等障礙物外，還會(huì)包含地面、雨水、塵埃等自動(dòng)駕駛系統(tǒng)不希望檢測(cè)到的障礙物。

除了雷達(dá)獲取障礙物的原理之外，地面等干擾點(diǎn)云數(shù)據(jù)形成的原因可能還包含雷達(dá)的安裝角度、車輛在行駛時(shí)的顛簸、地面上的細(xì)小顆粒、拐彎時(shí)車輛的四個(gè)輪子所在平面與地面不平行等，而且這些干擾因素并不容易消除。

正常情況下，自動(dòng)駕駛系統(tǒng)在運(yùn)行時(shí)，遇到車輛等障礙物時(shí)，應(yīng)該從其旁邊繞行過(guò)去，當(dāng)不能繞行通過(guò)時(shí)，應(yīng)該停車。遇到下雨的天氣，且地面上沒(méi)有障礙物時(shí)，應(yīng)該順著車道向前行駛。若有時(shí)將雨水和地面當(dāng)做障礙物，則自動(dòng)駕駛系統(tǒng)在行駛時(shí)，會(huì)突然拐彎或停車，給人一種突兀的感覺(jué)，應(yīng)該盡量避免此種情況的發(fā)生。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明要解決的技術(shù)問(wèn)題是提供一種在智能駕駛中激光雷達(dá)點(diǎn)云數(shù)據(jù)與車輛信息融合的方法，以去除車輛在運(yùn)行的過(guò)程中，激光雷達(dá)點(diǎn)云中包含的地面、塵埃等信息對(duì)自動(dòng)駕駛的障礙物判斷造成的影響。

本發(fā)明所采用的技術(shù)方案具體包括以下步驟：

s1，獲取當(dāng)前幀的點(diǎn)云數(shù)據(jù)、當(dāng)前幀的車輛速度curv和車輛航向角curheading，對(duì)激光雷達(dá)數(shù)據(jù)進(jìn)行建模，將三維形式的點(diǎn)云數(shù)據(jù)，去除垂直方向的信息，投影到水平面上，轉(zhuǎn)換成二維形式的信息并進(jìn)行量化處理，生成具有寬和高的當(dāng)前幀圖像數(shù)據(jù)；

s2，定義參考幀索引圖像；判斷當(dāng)前幀圖像是否為系統(tǒng)采集的第一幀圖像，若是，則利用當(dāng)前幀圖像數(shù)據(jù)對(duì)參考幀索引圖像進(jìn)行更新，得到當(dāng)前參考幀索引圖像并跳轉(zhuǎn)至步驟s4，否則利用車速與航向角對(duì)上一幀圖像對(duì)應(yīng)的參考幀索引圖像和當(dāng)前幀圖像進(jìn)行配準(zhǔn)，得到當(dāng)前參考幀索引圖像；

s3，對(duì)當(dāng)前參考幀索引圖像進(jìn)行熱核擴(kuò)散處理，減少配準(zhǔn)誤差并去掉雷達(dá)數(shù)據(jù)中不穩(wěn)定的噪點(diǎn)，并根據(jù)處理后的圖像以及當(dāng)前幀圖像更新當(dāng)前參考幀索引圖像；

s4，按照固定閾值，根據(jù)當(dāng)前參考幀索引圖像生成二值化的雷達(dá)點(diǎn)云數(shù)據(jù)圖像并輸出，同時(shí)更新計(jì)數(shù)器，并跳轉(zhuǎn)至步驟s2進(jìn)行下一幀點(diǎn)云數(shù)據(jù)的處理。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)：

以往的算法依賴gnss定位經(jīng)緯度位置的精度。當(dāng)車輛行駛到隧道、高大建筑物中間時(shí)，gnss信號(hào)會(huì)受到很大的影響，造成gnss定位精度嚴(yán)重下降，致使建筑物等道路兩旁的障礙物信息在融合后，會(huì)顯示在道路上。

此算法只依賴于激光雷達(dá)獲取的點(diǎn)云數(shù)據(jù)、車輛行駛速度和偏航角，魯棒性更好，適用范圍更大。車輛行駛速度和偏航角可以從組合慣導(dǎo)獲取，也可以從車輛can總線獲取，或者從imu慣性測(cè)量單元獲取。

附圖說(shuō)明

圖1為本發(fā)明方法流程圖；

具體實(shí)施方式

為了使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更加明顯易懂，下面結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式做詳細(xì)的說(shuō)明。

智能駕駛中激光雷達(dá)點(diǎn)云數(shù)據(jù)與車輛信息融合的方法，包括以下步驟：

s1，參數(shù)初始化，對(duì)參考幀索引圖像index賦初值為0，幀數(shù)索引curframe賦初值0，參考幀的車速refv賦初值0，參考幀的航向角refheading賦初值0，雷達(dá)數(shù)據(jù)的輸入幀率fps，雷達(dá)點(diǎn)云數(shù)據(jù)量化為圖像后的像素寬w、像素高h(yuǎn)，雷達(dá)所在點(diǎn)在圖像中的像素坐標(biāo)(mid_w,mid_h)。

s2，獲取當(dāng)前幀的輸入數(shù)據(jù)

獲取當(dāng)前幀的點(diǎn)云數(shù)據(jù)，當(dāng)前幀的車輛速度curv和車輛航向角curheading，根據(jù)不同的雷達(dá)點(diǎn)云數(shù)據(jù)協(xié)議，將當(dāng)前幀的點(diǎn)云數(shù)據(jù)圖像存儲(chǔ)為(x,y,z)形式的點(diǎn)云數(shù)據(jù)，該坐標(biāo)中各個(gè)分量的單位均為米，其中(0,0,0)表示雷達(dá)所在的位置。

s3，根據(jù)下式將當(dāng)前幀的三維點(diǎn)云數(shù)據(jù)curcloud轉(zhuǎn)換為離散的二維圖像數(shù)據(jù)curm。點(diǎn)云數(shù)據(jù)轉(zhuǎn)化為圖像時(shí)，考慮到雷達(dá)點(diǎn)云的精度，0.1米的間距量化為1個(gè)像素。

其中，0≤i＜w，0≤j＜h，(x,y,z)為當(dāng)前幀的點(diǎn)云數(shù)據(jù)curcloud中的三維點(diǎn)。這一步是為了將(x,y,z)格式的三維點(diǎn)列表轉(zhuǎn)換為一幅二值圖像。其中x,y,z是三維空間坐標(biāo)系中三個(gè)數(shù)軸的坐標(biāo)，取值范圍是實(shí)數(shù)。(mid_w,mid_h)為車輛在圖像中的坐標(biāo)位置。圖像中值為0的點(diǎn)表示沒(méi)有障礙物，255表示有障礙物。轉(zhuǎn)換為圖像之后，提供了后面處理步驟的基礎(chǔ)。

s4，當(dāng)curframe為0時(shí)，跳轉(zhuǎn)到步驟s5，否則跳轉(zhuǎn)到步驟s6；

s5，根據(jù)curm的值，對(duì)index進(jìn)行初始化，

然后跳轉(zhuǎn)至步驟s8；該步驟是為了對(duì)上一幀參考幀索引圖像進(jìn)行初始化，將有障礙物的點(diǎn)的索引值設(shè)置為一個(gè)合理的值。此步驟中的數(shù)值8為一個(gè)經(jīng)驗(yàn)值，也可以設(shè)置為別的比0大的整數(shù)值。

s6，對(duì)上一幀的參考幀索引圖像進(jìn)行配準(zhǔn)

利用下式

對(duì)當(dāng)前幀圖像curmn與上一參考幀索引圖像indexn-1做配準(zhǔn)，得到配準(zhǔn)后的當(dāng)前參考幀索引圖像indexn'；式中，yaw為第n幀圖像與第n-1幀圖像中車輛的偏航角，

yaw＝refheading-curheading

refheading為上一參考幀索引圖像數(shù)據(jù)中車輛的航向角，亦即采集上一幀圖像時(shí)車輛的航向角，curheading為采集當(dāng)前幀圖像時(shí)車輛的航向角，refheading，curheading和yaw的單位均為弧度；shifty為車輛在兩幀之間前進(jìn)方向行走的距離，單位是像素，1個(gè)像素代表的物理意義是0.1米。

shifty＝10*((curv+refv)/2)/fps

refv表示上一參考幀的車速，亦即采集上一幀圖像時(shí)的車速，curv表示采集當(dāng)前幀圖像時(shí)的車速，fps表示雷達(dá)數(shù)據(jù)的輸入幀率。

找到上一幀圖像中點(diǎn)(i,j)到當(dāng)前幀圖像(i',j')的對(duì)應(yīng)關(guān)系后，將上一幀的參考幀索引圖像indexn-1轉(zhuǎn)換為對(duì)應(yīng)到當(dāng)前時(shí)刻的索引圖像，也即indexn'。物理意義上講，當(dāng)在上一時(shí)刻時(shí)，一個(gè)障礙物位于點(diǎn)(i,j)時(shí)，則在當(dāng)前時(shí)刻，這個(gè)障礙物會(huì)處在點(diǎn)(i',j')處。車輛在運(yùn)動(dòng)時(shí)，(i,j)和(i',j')是不相同的；當(dāng)車輛靜止時(shí)，(i,j)和(i',j')是相同的。

s7，對(duì)配準(zhǔn)后的參考幀索引圖像indexn'進(jìn)行熱核擴(kuò)散，得到擴(kuò)散之后的圖像indexheat'；如下式所示：

模擬物理中熱向周圍擴(kuò)散的思想，對(duì)配準(zhǔn)后的索引圖像中每一點(diǎn)進(jìn)行操作，針對(duì)點(diǎn)p，對(duì)于其周圍上下左右四個(gè)位置的點(diǎn)，值增大為p點(diǎn)值的一半，小于該點(diǎn)值一半的點(diǎn)保持值不變；對(duì)于周圍左上角、右上角、左下角、右下角四個(gè)角上的點(diǎn)，值增大為p點(diǎn)值的三分之一，小于p點(diǎn)值三分之一的點(diǎn)保持值不變；p點(diǎn)本身的值減少1。進(jìn)行熱擴(kuò)散的目的是為了減少配準(zhǔn)時(shí)產(chǎn)生的誤差，以及去掉雷達(dá)數(shù)據(jù)中不穩(wěn)定的噪點(diǎn)。

根據(jù)當(dāng)前幀的圖像，以及配準(zhǔn)后的參考幀索引圖像，更新參考幀索引圖像；

將當(dāng)前幀中出現(xiàn)的新的障礙物看做新的熱源，并在其對(duì)應(yīng)位置在熱擴(kuò)散后的圖像上累加一個(gè)數(shù)值，例如4，達(dá)到信息增強(qiáng)的目的；當(dāng)前幀中沒(méi)有障礙物的位置維持熱擴(kuò)散的結(jié)果不變。這樣得到更新后的參考幀圖像index。

更新后的參考幀圖像中，每個(gè)點(diǎn)的值為0到10之間的整數(shù)。計(jì)算過(guò)程中，計(jì)算結(jié)果是分?jǐn)?shù)時(shí)，對(duì)值進(jìn)行取整，舍棄小數(shù)部分；是負(fù)數(shù)時(shí)修改為0；大于10時(shí)修改為10。

s8，獲取當(dāng)前幀的輸出圖像，根據(jù)更新后的參考幀索引圖像，按照一個(gè)固定的閾值，生成二值化后的雷達(dá)點(diǎn)云數(shù)據(jù)圖像obstacle。

雷達(dá)點(diǎn)云數(shù)據(jù)圖像obstacle即為融合后的結(jié)果，該圖像輸出給自動(dòng)駕駛系統(tǒng)別的功能模塊使用。

s9，更新計(jì)數(shù)器，繼續(xù)下一幀點(diǎn)云數(shù)據(jù)的處理，跳轉(zhuǎn)至步驟s2。

在本說(shuō)明書(shū)的描述中，術(shù)語(yǔ)“一個(gè)實(shí)施例”等的描述意指結(jié)合該實(shí)施例或示例描述的具體特征、結(jié)構(gòu)、材料或特點(diǎn)包含于本發(fā)明的至少一個(gè)實(shí)施例或示例中。在本說(shuō)明書(shū)中，對(duì)上述術(shù)語(yǔ)的示意性表述不一定指的是相同的實(shí)施例或?qū)嵗６?，描述的具體特征、結(jié)構(gòu)、材料或特點(diǎn)可以在任何的一個(gè)或多個(gè)實(shí)施例或示例中以合適的方式結(jié)合。

說(shuō)明書(shū)中未闡述的部分均為現(xiàn)有技術(shù)或公知常識(shí)。本實(shí)施例僅用于說(shuō)明該發(fā)明，而不用于限制本發(fā)明的范圍，本領(lǐng)域技術(shù)人員對(duì)于本發(fā)明所做的等價(jià)置換等修改均認(rèn)為是落入該發(fā)明權(quán)利要求書(shū)所保護(hù)范圍內(nèi)。