基于无人车自车感知的三维可通行空间检测方法及车辆与流程

本发明属于智能驾驶，涉及车辆通行空间检测，具体涉及到一种基于无人车自车感知的三维可通行空间检测方法及车辆。

背景技术：

1、无人车通过传感器等设备对周围环境进行感知。可通行区域指的是无人车可达到的区域，通常指结构化道路，半结构化道路或者非结构化道路的无障碍空间。可通行区域检测功能可以辅助无人车系统进行路径规划和障碍物躲避。

2、常见的智驾系统中采用视觉传感器、激光雷达，或者结合这两种传感器进行可通行区域的检测。基于视觉传感器的方法主要是通过检测路面特征，将路面区域分割出来。基于激光雷达的方法是通过对地面进行检测或者分割，将周围环境划分为地面(可通行区域)和障碍物(不可通行区域)，并对障碍物的点云进行二维降采样，用占据栅格的方式进行表征，无人车系统根据占据栅格的位置进行实时局部路径规划。

3、上述通过栅格地图表征可通行区域的方法，会将点云进行降采样处理，以及二维栅格化的操作，都会使最终表征的障碍物边界存在精度损失。而精度损失的程度取决于降采样和栅格化的尺度，因此算法设计时需要平衡边界精度和算法的实时性问题。此外，二维的栅格化处理，需要将三维的点云信息压缩到二维平面上，通过牺牲高度信息提升算法的实时性。但是，二维栅格地图缺失了真实空间内障碍物的高度信息，大大降低了狭窄空间下的无人车的可通行性能。

技术实现思路

1、针对上述问题，本发明的主要目的在于设计一种基于无人车自车感知的三维可通行空间检测方法及车辆，通过将自车高度分层，并结合点云处理，解决无人车在狭窄空间的通行问题。

2、为了实现上述目的本发明采用如下技术方案：

3、一种基于无人车自车感知的三维可通行空间检测方法，包括如下步骤：

4、步骤1：基于自车的传感器获取原始点云，对原始点云进行筛选得到筛选后的点云；

5、步骤2：针对步骤1筛选后的点云，进行地面点云滤除，得到滤除后的点云；

6、步骤3：基于自车的外部结构进行设计多层栅格地图，所述多层栅格地图包括若干层级；

7、步骤4：基于设计的多层栅格地图进行每一层栅格地图的构建，并将滤除后的点云映射到对应的栅格内，完成点云的栅格化，输出栅格地图；

8、步骤5：通过栅格聚类，根据步骤4得到的栅格地图，得到每一层栅格地图不可通行区域的点云集合；

9、步骤6：通过步骤5求得的不可通行区域点云集合得到表征聚类体的多边形边界；

10、步骤7：将多边形边界信息按照层级输出，得到自车在每个层级的不可通行区域。作为本发明进一步的描述，所述步骤1中，根据需求设定感知范围r0为：

11、xmin<x<xmax，

12、ymin<y<ymax，

13、zmin<z<zmax，

14、其中，x，y，z为车体坐标系下的坐标，xmax，xmin分别为车体坐标系中x轴方向上感知范围的最大值和最小值，ymax，ymin分别为车体坐标系中y轴方向上感知范围的最大值和最小值，zmax，zmin分别为车体坐标系中z轴方向上感知范围的最大值和最小值；

15、根据自车尺寸设定自车范围r1为：

16、-l/2<x<l/2，

17、-w/2<y<w/2，

18、0<z<h，

19、其中，x，y，z为车体坐标系下的坐标，l，w，h分别为自车车体最大包络体的长度，宽度和高度；

20、对原始点云进行筛选，剔除r0范围外和r1范围内的点云，得到筛选后的点云。

21、作为本发明进一步的描述，所述步骤2中，针对步骤1筛选后的点云识别为地面点云集和非地面点云集，将地面点云集滤除，得到滤除后的点云。

22、作为本发明进一步的描述，所述步骤3中，根据自车的宽度不同，将自车在高度方向分为多层，形成多层栅格地图；

23、则多层栅格地图的每层高度为：h1-σ，h2+σ，h3+σ……hn+σ；

24、其中，h1，h2，h3……hn分别为自车的不同宽度距离地面的高度，n为层数，σ为偏差。

25、作为本发明进一步的描述，所述步骤4中，根据滤除后的点云输出栅格地图，包括如下步骤：

26、s401：每一层栅格地图的构建为：

27、row_num＝[lmap/l]，

28、col_num＝[wmap/l]，

29、其中，lmap，wmap分别为每一层栅格地图的长和宽，l为栅格尺寸，row_num，col_num分别为每一层栅格地图的总行数和总列数；

30、s402：遍历滤除后的点云，根据点云p(x’，y’，z’)的高度z’，确认该点云对应栅格地图的层数，表达式为：

31、

32、其中，gp为栅格地图，g1为高度为h1的栅格地图，g2为高度为h2的栅格地图，g3为高度为h3的栅格地图；h1、h2、h3分别为自车的不同宽度距离地面的高度；

33、s403：根据点云p(x’，y’，z’)的坐标值，得到该点云在其对应层数的栅格地图中对应的行数与列数，表达式为：

34、row＝[(x’+lmap/2)/l+0.5，

35、col＝[(wmap/2-y’)/l+0.5，

36、其中，row，col分别为该点云在栅格地图中的行数与列数，则点云p则对应栅格g(row,col)；

37、s404：将点云p的信息更新到对应的栅格g(row,col)中，每一个栅格需要更新的信息有：栅格内的点云集合、栅格内的总点云数num、栅格内聚类栅格边距离最近的四个点云pp1、pp2、pp3、pp4；针对每个栅格内保留的点云数设置上限nmax，栅格内点云数量达到上限，该栅格内不再计入点云信息；

38、s405：遍历所有的点云后，输出g1，g2，g3的栅格地图。

39、作为本发明进一步的描述，所述步骤5中，对每层栅格地图中的占据栅格进行邻域聚类，得到不可通行区域的点云集合，包括如下步骤：

40、s501：分别遍历g1，g2，g3栅格地图中的占据栅格，基于占据栅格新建聚类体，将占据栅格合入聚类体中；

41、s502：设置邻域搜索算法的搜索步长为s，对占据栅格进行邻域搜索，得到占据栅格的周围栅格gb，其中0<b<(s*2+1)^2-1；

42、s503：判断栅格gb内是否存在点云集合，如果存在，则gb为占据栅格，将gb合入聚类体中；

43、s504：以步骤s503中的栅格g为中心进行邻域搜索，重复步骤s502-s504，直到邻域搜索不到占据栅格结束，聚类体完成聚类；

44、s505：将遍历过的栅格记为已处理，完成遍历；

45、遍历完成后，每层栅格地图生成栅格聚类体集合，聚类体集合内的点云为不可通行区域的点云集合。

46、作为本发明进一步的描述，所述步骤7中，多边形边界信息按照层级输出，即：

47、vpi(i＝1,2,3)＝{polyline1,polyline2,...,polylinej}，

48、其中，i为栅格地图的层数，j为第i层栅格地图中不可通行区域的多边形边界个数，polylinej为构成单个不可通行区域的多边形边界的点云集合。

49、一种车辆，执行上述的检测方法，实现自车在三维可通行空间的通行。

50、相对于现有技术，本发明的技术效果为：

51、本发明提供了一种基于无人车自车感知的三维可通行空间检测方法及车辆，基于自车装备的激光雷达传感器，获取自车周围的三维空间点云信息，结合自车的车辆尺寸信息，设计多层栅格地图，将激光雷达点云按照高度分别投影到对应层级的栅格地图中，通过对点云进行地面分割、聚类和多边形边界计算等处理，得到多层的可通行空间边界信息，该方法能够在高度方向上保留空间的高度信息，并且全部保留了关键点云信息，能够更加准确的表征悬空障碍物、异型车等异型障碍物的不可通行区域的边界精度，同时极大提升了无人车的窄道通行性能，同时，该方法也能够满足算法实时性。