一种基于高精度地图的障碍物检测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115861966A(43)申请公布日2023.03.28(21)申请号202211569462.6(22)申请日2022.12.08(71)申请人北京踏歌智行科技有限公司地址100176北京市大兴区北京经济技术开发区科谷一街10号院2号楼9层901(72)发明人邬海杰栾小飞席鹏李德志徐杨(74)专利代理机构北京天汇航智知识产权代理事务所(普通合伙)11987专利代理师黄川(51)Int.Cl.G06V20/58(2022.01)G06V10/762(2022.01)权利要求书2页说明书7页附图1页(54)发明名称一种基于高精度地图的障碍物检测方法(57)摘要本发明属于自动驾驶的障碍物检测技术领域，具体公开了一种基于高精度地图的障碍物检测方法，包括：构建地图的原始点云；点云预处理；对地图点云与实时点云进行降采样，并将局部特征点云作为参考点进行局部重叠点云匹配；利用背景差分算法，参考地图点云为地面点云，根据地图点云与实时点云的差异，提取实时点云中的地面点云与非地面点云；根据最近三帧的非地面点云在栅格地图中的分布自适应调整邻域参数，再结合密度聚类算法输出各个障碍物的边界框；排除了大量冗余点的干扰，有效地缩短了配准算法的运行时间；排除了矿区中地面和挡墙的点云干扰，有助于提高障碍物检测的准确度；滤除了矿区中噪声干扰，有助于提高障碍物检测的准确度。CN115861966ACN115861966A权利要求书1/2页1.一种基于高精度地图的障碍物检测方法，其特征在于，包括如下步骤：S1，构建地图的原始点云：采集激光雷达的激光点云和组合导航的定位数据，采用SLAM技术构建原始地图点云；S2，点云预处理：根据定位计算车辆附近的地图点云，根据边界信息计算道路区域内的实时点云；S3，点云配准：对所述地图点云与所述实时点云进行降采样，以获得包括地图稀疏点云和实时稀疏点云的局部特征点云，将局部特征点云作为参考点进行局部重叠点云匹配；S4，背景差分：利用背景差分算法，参考地图点云为地面点云，根据地图点云与实时点云的差异，提取实时点云中的地面点云与非地面点云；S5，障碍物聚类：根据最近三帧的非地面点云在栅格地图中的分布自适应调整邻域参数，再结合密度聚类算法输出各个障碍物的边界框。2.根据权利要求1所述的一种基于高精度地图的障碍物检测方法，其特征在于，所述S2的步骤，具体为：S201，对地图点云和边界点地理信息的坐标转换：将WGS84坐标系进行UTM投影到以车辆初始位置为原点的世界坐标系下，再将地图点云转换到以车辆实时位置为原点的局部坐标系下；S202，使用最近邻搜索算法搜索车辆附近50米的地图点云和边界点；S203，创建栅格图像的画布，使用改进漫水填充算法和轮廓检测算法获取带有多边形顺序的边界点的位置信息；S204，根据有序多边形边界点获取在道路区域内部的实时点云。3.根据权利要求1所述的一种基于高精度地图的障碍物检测方法，其特征在于，所述S3的步骤，具体包括：S301，对搜索的地图点云和检测的实时点云进行降采样，以获得对应的地图稀疏点云和实时稀疏点云；S302，在地图稀疏点云和实时稀疏点云中挑选参考点，并选择其在所述原始点云中对应的最近点和最远点，以最近点、参考点和最远点构成的夹角作为特征；S303，以所述参考点在其对应的原始点云的L个邻域中，根据参考点与邻域内点的数据相关性得到局部法向量的夹角约束；S304，对地图稀疏点云中每个参考点的夹角特征建立kd‑tree，在kd‑tree中搜索实时稀疏点云中每个夹角特征对应的最近邻的特征，记为种子点；S305，计算地图稀疏点云中除种子点外的其他参考点与种子点的法向量之间的夹角，在种子点的邻域中以所述夹角约束找到其他匹配点，并根据匹配点完成粗配准；S306，对粗配准的结果使用部分重叠算法进行优化。4.根据权利要求3所述的一种基于高精度地图的障碍物检测方法，其特征在于，所述S302的步骤，具体为：S3021，将稀疏点云中前10％高的点和前10％低的点作为参考点，在参考点对应的原始点云的邻域中找到最近和最远的k个点；S3022，将k个点按照距参考点的远近进行排序，按照距离从小到大进行排列；S3023，在排列后的k个点中，选择出最近点和最远点；2CN115861966A权利要求书2/2页S3023，分别以最近点、参考点和最远点构成的夹角作为特征。5.根据权利要求3所述的一种基于高精度地图的障碍物检测方法，其特征在于，所述局部法向量描述为：N＝(n1，...，nL)；其中n1至nL分别对应各个尺度的局部法向量的夹角约束。6.根据权利要求3所述的一种基于高精度地图的障碍物检测方法，其特征在于，所述S306的步骤，具体为：S3061，使用最近邻搜索在经过粗配准的