欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021104010356
申请人: 浙江工业大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于三维激光雷达的路面异常检测方法,其特征在于:所述方法配合自主移动平台实现,三维激光雷达和自主移动平台按照刚体连接方式安装,包括如下步骤:步骤1:根据自主移动平台的有效避障距离和三维激光雷达的每条扫描线的俯仰角,计算三维激光雷达每条扫描线扫描到地面时,扫描点距离三维激光雷达的水平距离Dh,根据自主移动平台的有效避障距离Da和每条扫描线的Dh,满足Dh≥Da的最小Dh记为Dmin,选定Dmin对应的扫描线为用于路面异常区域检测的三维激光雷达扫描线LS,记LS的俯仰角度为步骤2:提取选定的三维激光雷达扫描线LS的连续帧数据,筛选得到点云PA,包括以下步骤:步骤2.1:以三维激光雷达安装位置为坐标原点,三维激光雷达坐标系采用右手坐标系,X和Y轴在水平面上成90度,X轴朝向正前方向,Z轴与水平面垂直;

步骤2.2:设定感兴趣区域为三维激光雷达正前方LX×LY的区域,LX为沿X轴方向的长度,LY为沿Y轴方向的长度;LX∈[10,30],LY∈[10,20],单位为m;

步骤2.3:提取感兴趣区域内的扫描点构成点集P,

(x,y,z)为点云点在三维激光雷达坐标系中的坐标,记录下每帧点云获取的时刻t;

步骤2.4:对点集P中的每个点,进一步按式(2)求解三维激光雷达扫描点的角度若扫描点满足 则该点被选为LS的感兴趣区域数据,保留在点集P中,否则该点将从点集P中剔除;θth为角度阈值,θth∈[0.2,1],单位为度, 为LS的俯仰角度;

步骤2.5:重复步骤2.1至步骤2.4,完成获取包括当前帧在内的最近连续N帧的点云数据,N∈[10,100];将点云从三维激光雷达坐标系转换到世界坐标系,对每帧点云点增加相同的时间维度值t,记ti为第i帧点云的获取时刻,再将它们组合成点云PA;

步骤3:对PA中所有点滤波之后得到点云PF;

步骤4:检测并剔除地面区域点云数据,得到点云PE;

步骤5:基于邻域点高度特征和距离比特征提取路面异常区域的候选点云PU;

步骤6:获取路面异常区域的外接三维方框。

2.根据权利要求1所述的一种基于三维激光雷达的路面异常检测方法,其特征在于:所述步骤1中,根据三维激光雷达每条扫描线的俯仰角度 按式(1)计算出三维激光雷达每条扫描线扫描到地面时,扫描点距离三维激光雷达的水平距离Dh:其中,H为激光雷达的安装高度,为三维激光雷达扫描线俯仰角度。

3.根据权利要求1所述的一种基于三维激光雷达的路面异常检测方法,其特征在于:所述步骤3中,设定R为邻域半径,j为点云点的索引,集合Pj为以点云点pj(xj,yj,zj)为中心、R

2 2 2

为半径的球体范围内的点构成的点集,Pj={(x,y,z)|(x‑xj) +(y‑yj) ≤R},R的取值范围为[2,10],单位为厘米;按式(3)求取点pj(xj,yj,zj)所有邻域点Z轴坐标值的中值zm,以zm替代pj(xj,yj,zj)的zj坐标值,

2 2 2

zm=mid{z|(x‑xj) +(y‑yj) ≤R}    (3)其中,mid{}中值滤波函数,R为邻域半径;PA中所有点滤波之后得到点云PF。

4.根据权利要求1所述的一种基于三维激光雷达的路面异常检测方法,其特征在于:所述步骤4包括以下步骤:步骤4.1:在点云PF中随机选择三个点作为初始平面子集点,构建平面s;

步骤4.2:根据其余点与平面s之间的距离,确定其余点是否属于平面s;

步骤4.3:若平面s所包含的点数大于阈值Tnum时,则定义该平面为所需的地面点云平面,否则重新随机选择三个不同的点,构建新的平面s,执行步骤4.2;Tnum∈[800,1400];

步骤4.4:重复执行步骤(4‑1)至步骤(4‑3),迭代c次;c∈[10,80];

步骤4.5:从点云PF中剔除拟合的地面点云平面所包含的点,得到点云PE。

5.根据权利要求1所述的一种基于三维激光雷达的路面异常检测方法,其特征在于:所述步骤5包括以下步骤:步骤5.1:根据相邻点之间的高度差和高度方差特征,提取路面异常区域候选点;

步骤5.2:根据三维激光雷达在平面上扫描一圈会形成一个圆环,而投影到坑洼区域和障碍物上时会偏离同心圆环的特征,获取路面异常区域数据,得到路面异常区域候选点;

步骤5.3:取步骤5.1和步骤5.2检测到的路面异常区域候选点的交集,记为点云PU。

6.根据权利要求5所述的一种基于三维激光雷达的路面异常检测方法,其特征在于:所述步骤5.1包括以下步骤:步骤5.1.1:根据相同的第i帧点云的获取时刻ti,从点云PE中获取相同时刻的点云PEi;

取PEi中一点pk(xk,yk,zk),取PEi中其余点的Y坐标值yr;

获得其余点中满足yr<yk的点,取其中yr最大的点,将其记为pk‑1,pk‑1的坐标记为(xk‑1,yk‑1,zk‑1);

获得其余点中满足yr>yk的点,取其中yr最小的点,将其记为pk+1,pk+1的坐标记为(xk+1,yk+1,zk+1);

按式(4)计算相邻点pk‑1(xk‑1,yk‑1,zk‑1)、pk+1(xk+1,yk+1,zk+1)的高度差:步骤5.1.2:根据相同的第i帧点云的获取时刻ti,从点云PE中获取相同时刻的点云PEi;

取PEi中一点pk(xk,yk,zk),取PEi中其余点的Y坐标值yr;

从其余点中找出满足yr<yk的点,取其中yr最大的n个值对应的点,记为pk‑n,...pk‑1,将这n个点的Y坐标值分别记为yk‑n、...yk‑1,将这n个点的X坐标值分别记为xk‑n、...xk‑1,将这n个点的Z坐标值分别记为zk‑n、...zk‑1;

从其余点中找出满足yr>yk的点,取其中yr最小的n个值对应的点,记为pk+1,...pk+n,将这n个点的Y坐标值分别记为yk+1、...yk+n,将这n个点的X坐标值分别记为xk+1、...xk+n,将这n个点的Z坐标值分别记为zk+1、...zk+n;

选定连续相邻点集合S={pk‑n,...pk‑i,...pk,...pk+i,...pk+n),按式(5)计算高度均值Mz,按式(6)计算点pk高度方差Vz:步骤5.1.3:若pk点的高度差ΔZ大于给定的阈值TΔz,且高度方差Vz大于给定的阈值则点pk被选为路面异常区域候选点;TΔz∈[0.5,1.0],单位为厘米, 单位为平方厘米;

步骤5.1.4:返回步骤5.1.1,直至对PE中所有时刻的点云点进行异常区域候选点检测。

7.根据权利要求6所述的一种基于三维激光雷达的路面异常检测方法,其特征在于:所述步骤5.2包括以下步骤:步骤5.2.1:根据相同的第i帧点云的获取时刻ti,从点云PE中获取相同时刻的点云PEi;

取PEi中一点pk(xk,yk,zk),取PEi中其余点的Y坐标值yr;

获得其余点中满足yr<yk的点,取其中yr最大的点,将其记为pk‑1,pk‑1的坐标记为(xk‑1,yk‑1,zk‑1);

获得其余点中满足yr>yk的点,取其中yr最小的点,将其记为pk+1,pk+1的坐标记为(xk+1,yk+1,zk+1);

步骤5.2.2:选定相邻点pk‑1(xk‑1,yk‑1,zk‑1)、pk+1(xk+1,yk+1,zk+1),按式(7)计算pk与相邻点的距离比值:Δd=max(|1‑dk‑1/dk|,|1‑dk/dk+1|)    (7)其中,三个点的扫描距离分别为dk、dk‑1、dk+1;

步骤5.2.3:若点pk与相邻点的距离比值大于给定的阈值TΔd,则判定该点为路面异常区域候选点,TΔd∈[0.3,0.6],单位为厘米;

步骤5.2.4:返回步骤5.2.1,直至对PE中所有时刻的点云点按偏离同心圆环的特征进行异常区域候选点检测。

8.根据权利要求1所述的一种基于三维激光雷达的路面异常检测方法,其特征在于:所述步骤6包括以下步骤:步骤6.1:建立路面异常区域点云数据的K‑D树,叶子结点包含的点数为Np;

步骤6.2:设定搜索距离ds、最小聚类点数Csmin和最大聚类点数Csmax,使用欧几里得聚类算法实现路面异常区域点云的聚类,ds∈[5,50],单位为厘米,Csmin∈[10,50],Csmax∈[2000,20000];

步骤6.3:当聚类点数小于Csmin时,不输出该类点云簇,当聚类点数大于Csmax时,只输出包含Csmax个点的点云簇,不继续扩大该类点云簇;

步骤6.4:使用经典的OBB算法计算各个点云簇的外接三维方框。