基于3D激光雷達(dá)道路邊緣實(shí)時(shí)檢測算法的研究與實(shí)現(xiàn)

李 強(qiáng) 杜 煜

(北京聯(lián)合大學(xué)信息學(xué)院 北京 100101)

基于3D激光雷達(dá)道路邊緣實(shí)時(shí)檢測算法的研究與實(shí)現(xiàn)

李 強(qiáng) 杜 煜*

(北京聯(lián)合大學(xué)信息學(xué)院 北京 100101)

針對自然環(huán)境下無人駕駛車輛的道路邊緣檢測問題,提出一種基于3D激光雷達(dá)的實(shí)時(shí)道路邊緣檢測算法。對激光雷達(dá)的點(diǎn)云數(shù)據(jù)進(jìn)行網(wǎng)格化處理，求出每個(gè)網(wǎng)格中的高度差，并針對道路邊緣的高度特征，對網(wǎng)格數(shù)據(jù)進(jìn)行閾值處理；再由近及遠(yuǎn)逐個(gè)提取左右道路邊緣，利用最小二乘法對左右道路邊緣網(wǎng)格進(jìn)行曲線擬合平滑處理，得到左右道路邊緣。實(shí)驗(yàn)結(jié)果表明，該道路邊緣檢測算法可靠性高，穩(wěn)定性強(qiáng)，能夠準(zhǔn)確完成道路邊緣檢測，滿足實(shí)時(shí)系統(tǒng)的要求。

無人駕駛 激光雷達(dá) 道路邊緣 最小二乘法

0 引 言

環(huán)境感知是無人駕駛車(Unmanned ground vehicle)的重要研究內(nèi)容[1-3]，通過感知無人車所處環(huán)境的各種交通元素和障礙物信息，實(shí)現(xiàn)車輛的決策與控制。道路邊緣檢測是環(huán)境感知研究領(lǐng)域中的重要組成部分，道路邊緣的確定為無人駕駛車隔離了可行駛道路區(qū)域和其他周邊非可行駛道路區(qū)域。所以針對道路邊緣檢測算法的研究越來越受重視，但大部分的檢測算法是基于視覺傳感器[4-8]。由于視覺傳感器的檢測效果易受光照條件變化的影響，同時(shí)道路的復(fù)雜性也會影響視覺傳感器的檢測效果，例如道路邊緣的多樣性、道路邊緣附近水跡、裂縫等，都會影響視覺傳感器檢測算法的穩(wěn)定性。

激光雷達(dá)是一種高精度主動式環(huán)境探測傳感器，在其有效探測范圍內(nèi)能夠精確地探測環(huán)境中的物體位置信息。在可行駛道路和非可行駛道路之間會有明顯的隔離區(qū)域，例如柵欄、墻體、花草、樹木等，都可以作為道路邊緣信息。因此，不少研究人員利用激光雷達(dá)的高精度和環(huán)境干擾性小的特點(diǎn)，對道路邊緣特征進(jìn)行提取，但是這些研究都是基于理論研究或者在理想道路上的直線道路邊緣提取[9-10],或者是提取的道路邊緣難以滿足無人車的實(shí)時(shí)性要求[11-14]。本文提出的方法是在實(shí)際環(huán)境中采集的道路邊緣，并在實(shí)際的無人車測試中取得較好的效果。

1 道路邊緣提取

1.1 激光雷達(dá)

本文采用美國Velodyne公司HDL-64E激光雷達(dá)。假設(shè)建立一個(gè)球面坐標(biāo)系以激光雷達(dá)為原點(diǎn)，激光雷達(dá)光束的俯仰角為球面坐標(biāo)的仰角，激光雷達(dá)的旋轉(zhuǎn)方向確定球面坐標(biāo)的方位角。HDL-64E會產(chǎn)生64條激光線，每條光束都能夠返回物體的距離信息r，而且每條光線的俯仰角θ是一個(gè)定值，激光雷達(dá)發(fā)射的光束打在物體表面的水平旋轉(zhuǎn)角α可根據(jù)雷達(dá)的頻率返回。根據(jù)球面坐標(biāo)系，每個(gè)在探測范圍內(nèi)的物體的球面坐標(biāo)都可以求出來，然后根據(jù)球坐標(biāo)(r,θ,α)與直角坐標(biāo)(x,y,z)之間的轉(zhuǎn)換關(guān)系，可獲得物體的直角坐標(biāo)系。

1.2 道路模型

為了確保算法的通用性，本文選取了一段如圖1所示的道路模型，而直線道路屬于曲線道路的特殊情況。

圖1 道路模型圖

1.3 提取激光雷達(dá)原始數(shù)據(jù)

從激光雷達(dá)獲取原始數(shù)據(jù)為(r,θ,α),根據(jù)需要將球面坐標(biāo)轉(zhuǎn)換為直角坐標(biāo)(x,y,z)，轉(zhuǎn)換關(guān)系如下：

x=r×sin(θ)×cos(α)

(1)

y=r×sin(θ)×sin(α)

(2)

z=r×cos(θ)

(3)

為了提高算法的效率，對原始數(shù)據(jù)進(jìn)行感興趣區(qū)域提取。本文限定感興趣區(qū)域?yàn)檐嚽?0米，左右限定各10米，即0 m

1.4 網(wǎng)格化原始數(shù)據(jù)

障礙物都有一定的高度差，表現(xiàn)在原始數(shù)據(jù)中即為在xoy平面的一定區(qū)域內(nèi)，z的數(shù)據(jù)會有較大的變化。根據(jù)這個(gè)特點(diǎn)對原始數(shù)據(jù)進(jìn)行平面化處理，即將數(shù)據(jù)垂直投影到xoy平面，對該平面的原始數(shù)據(jù)進(jìn)行20 cm×20 cm的網(wǎng)格化處理。以落在同一個(gè)網(wǎng)格的數(shù)據(jù)點(diǎn)作為一個(gè)處理單位，比較同一個(gè)網(wǎng)格內(nèi)的所有數(shù)據(jù)點(diǎn)，找出其中最大Zmax和最小Zmin的數(shù)據(jù)點(diǎn)。這樣每個(gè)網(wǎng)格都有一個(gè)高度屬性Z=Zmax-Zmin。一般可行駛區(qū)域和非行駛區(qū)域都有一定的高度差，所以道路邊緣的網(wǎng)格高度屬性都會大于一定的值。設(shè)定道路邊緣大于20 cm，這樣可以對獲取的數(shù)據(jù)進(jìn)行Z方向的閾值濾波，減小了道路旁邊低矮石子、小雜草等影響。

1.5 提取障礙物邊緣點(diǎn)

激光雷達(dá)每一幀數(shù)據(jù)都會返回周邊環(huán)境的障礙物分布情況，所以只需要對每一幀數(shù)據(jù)進(jìn)行數(shù)據(jù)提取即可，即激光雷達(dá)實(shí)時(shí)的掃描障礙物，算法則實(shí)時(shí)對道路邊緣進(jìn)行提取。假設(shè)無人駕駛車輛在道路中間，如果簡單對x軸做一個(gè)正負(fù)方向的取值，然后判定它是左邊道路邊緣還是右邊道路邊緣，會誤將左邊道路邊緣數(shù)據(jù)劃分到右邊道路邊緣，也可能會將右邊道路邊緣數(shù)據(jù)劃分到左側(cè)道路邊緣。因?yàn)樵谇€道路情況下，兩側(cè)道路邊緣都有可能同時(shí)出現(xiàn)x軸方向的數(shù)據(jù)為正和負(fù)的情況。所以需要針對曲線道路邊緣進(jìn)行合理的邊緣點(diǎn)提取。

現(xiàn)在以提取左側(cè)道路邊緣為例進(jìn)行說明，如圖2所示。首先以車頭(x0,y0)為起點(diǎn)，搜索起點(diǎn)前方一個(gè)網(wǎng)格(x0,y0+1)在x軸上左側(cè)的最近點(diǎn)(x1,y1)。如果沒有找到最近點(diǎn)，則繼續(xù)在下一個(gè)網(wǎng)格(x0,y0+2)上面尋找左側(cè)最近點(diǎn)，如果還沒有找到，繼續(xù)上一步操作。因?yàn)榈缆愤吘壱欢ù嬖?，所以必然會找到最近點(diǎn)(x1,y1)，將該點(diǎn)在x軸上平移k，其中k>0，得到點(diǎn)(x1-k,y1)。然后將起點(diǎn)改為(x1-k,y1)，繼續(xù)重復(fù)上一步驟，以此類推，將獲取一系列點(diǎn)：(x1-k,y1)，(x2-k,y2)，(x3-k,y3)，…，(xn-k,yn)。對這些點(diǎn)x軸上進(jìn)行加k操作，即獲得道路邊緣特征點(diǎn)的數(shù)據(jù)點(diǎn)：

(x1,y1)，(x2,y2)，(x3,y3)，…，(xn,yn)

(4)

圖2 提取邊緣特征點(diǎn)圖

1.6 曲線擬合道路邊緣

最小二乘法通過最小化誤差的平方和尋找數(shù)據(jù)的最佳函數(shù)匹配，是一種常用的曲線擬合方法。假定待擬合數(shù)據(jù)點(diǎn)為(xi，yi)，在確定的函數(shù)類Φ中，求p(x)Φ,使ri=p(xi)-yi(i=0,1,…,m)的平方和最小，即：

(5)

在曲線擬合的過程中Φ可有不同的選取方法，根據(jù)給定的道路邊緣模型，選取二次函數(shù)作為最佳擬合曲線。如果道路比較曲折，可以選取三次函數(shù)或更高次函數(shù)作為最佳擬合曲線，在這里以一般性道路邊緣模型來闡述方法。假設(shè)二次最佳擬合曲線為：

(6)

用矩陣表示最小二乘法的關(guān)系為：

(7)

其中(xi,yi)為上述求得的曲線道路邊緣特征點(diǎn)，m為特征點(diǎn)數(shù)據(jù)個(gè)數(shù)，a、b、c為曲線函數(shù)待解系數(shù)?？梢宰C明，式(7)中的三階矩陣為對稱正定矩陣，故存在唯一解，即可以解出a、b、c。當(dāng)a=0時(shí)，即為直線道路邊緣的情況。

2 實(shí)驗(yàn)平臺

實(shí)驗(yàn)無人車平臺如圖3所示，本測試無人車型號為北汽C70。兩次代表北京聯(lián)合大學(xué)參加“智能車未來挑戰(zhàn)賽”，在2014年參賽時(shí)獲得綜合成績排名第三。HDL-64E在無人駕駛車輛上的安裝如圖3所示，激光雷達(dá)安裝距離車頭2.67 m處，并且雷達(dá)要求處于水平狀態(tài)。本文選取直角坐標(biāo)系對數(shù)據(jù)進(jìn)行處理，其中原點(diǎn)o為激光雷達(dá)的位置，y軸為車向前行駛方向，x軸為平行于地面，方向?yàn)閺鸟{駛位到副駕駛位。z為垂直于地面向上的方向。

圖3 實(shí)驗(yàn)平臺

3 實(shí)驗(yàn)結(jié)果與分析

3.1 實(shí)驗(yàn)一

實(shí)驗(yàn)場景一如圖4所示。該場景為一段曲率較大、邊緣平滑的道路，部分道路邊緣被遮擋。由于之前對數(shù)據(jù)進(jìn)行了感興趣區(qū)域提取，該場景下的右側(cè)道路邊緣距離自身車道較遠(yuǎn)，所以不予考慮。

圖4 實(shí)驗(yàn)場景一

實(shí)驗(yàn)場景一的激光雷達(dá)點(diǎn)云數(shù)據(jù)如圖5(a)所示，圖中白點(diǎn)為實(shí)驗(yàn)車車頭位置。對點(diǎn)云數(shù)據(jù)提取邊緣特征點(diǎn)，如(b)所示。用最小二乘法對點(diǎn)云數(shù)據(jù)進(jìn)行擬合如(c)所示。擬合效果和障礙物分布圖如(d)所示。該場景下的右側(cè)道路邊緣在本文提取的感興趣區(qū)域之外，所以不予考慮?？梢钥闯鎏崛〉鸟R路邊緣和實(shí)際馬路邊緣是相符合的。

圖5 實(shí)驗(yàn)情況一(單位：米)

3.2 實(shí)驗(yàn)二

實(shí)驗(yàn)二選取的場景如圖6所示，該場景為一段近似直線路段，該路段馬路邊緣旁有樹木和花草。

圖6 實(shí)驗(yàn)場景二

實(shí)驗(yàn)場景二的激光雷達(dá)點(diǎn)云數(shù)據(jù)如圖7(a)所示，圖中白點(diǎn)為試驗(yàn)車車頭位置。對點(diǎn)云數(shù)據(jù)提取邊緣特征點(diǎn)，如(b)所示。用最小二乘法對點(diǎn)云數(shù)據(jù)進(jìn)行擬合如(c)所示。擬合效果圖和障礙物分布圖如(d)所示。左右邊緣都在感興趣區(qū)域內(nèi)，所以左右邊緣都在無人車的感知范圍內(nèi)，提取到的馬路邊緣也與實(shí)際情況相符。

圖7 實(shí)驗(yàn)情況二

4 結(jié) 語

文中通過馬路邊緣的特征，提出了一種基于激光雷達(dá)的馬路邊緣提取擬合的方法。首先對激光雷達(dá)掃描區(qū)域進(jìn)行感興趣區(qū)域提取，然后利用障礙物和地面有一定高度差的特點(diǎn)，提取感興趣區(qū)域內(nèi)的障礙物。針對提取到的障礙物分布情況，利用本文方法提取馬路邊緣特征點(diǎn)，最后對特征點(diǎn)進(jìn)行擬合處理。通過上述兩個(gè)實(shí)驗(yàn)結(jié)果顯示，在馬路邊緣為有規(guī)律的曲線，并且沒有被大面積遮擋的情況下，本文方法可以很好地對馬路邊緣進(jìn)行檢測。

[1] 黃武陵.無人駕駛汽車帶來的交通便利[J].單片機(jī)與嵌入式系統(tǒng)應(yīng)用,2016,16(6):6-8.

[2] 馮學(xué)強(qiáng),張良旭,劉志宗.無人駕駛汽車的發(fā)展綜述[J].山東工業(yè)技術(shù),2015(5):51-51.

[3] 王俊.無人駕駛車輛環(huán)境感知系統(tǒng)關(guān)鍵技術(shù)研究[D].中國科學(xué)技術(shù)大學(xué),2016.

[4] Bar-Shalom Y,Li X R,Kirubarajan T.Estimation with Applications to Tacking and Navigation[M]//Theory,Algorithms,and Software.Wiley,New York,2001.

[5] Nationnal Semiconductor Corporation.RSDS “Intra-Panel” Interface Specification[Z].2003.

[6] Zhang W,Sadekar V.Road-edge detection:US,US 8099213 B2[P].2012.

[7] Wang H,Gong Y,Hou Y,et al.Road Detection Based on Image Boundary Prior[M]//Image and Graphics.Springer International Publishing,2015:212-222.

[8] Chow J.Versatile RSDS-LVDS-miniLVDS-BLVDS differential signal interface circuit:US,US6836149[P].2004.

[9] Yu C H.Road Curbs Detection Based on Laser Radar[J].Chinese Jorunal of Electon Devices,2008,31(3):757-762.

[10] Han J Y,Kim D C,Minchae L,et al.Enhanced road boundary and obstale detection using a downward-looking lidar sensor[J].IEEE Transactions on Vehicular Technology,2012,61(3):971-985.

[11] Duan J,Valentyna A.Road edge detection based on LIDAR laser[C]//International Conference on Control,Automation and Information Sciences.IEEE,2015.

[12] Wang X,Cai Y,Shi T.Road edge detection based on improved RANSAC and 2D LIDAR Data[C]//International Conference on Control,Automation and Information Sciences.IEEE,2015.

[13] Drage T,Churack T,Braunl T.LIDAR Road Edge Detection by Heuristic Evaluation of Many Linear Regressions[C]//IEEE,International Conference on Intelligent Transportation Systems.IEEE,2015.

[14] Jaafari I E,Ansari M E,Koutti L.Fast edge-based stereo matching approach for road applications[J].Signal Image & Video Processing,2017,11(2):267-274.

RESEARCHANDIMPLEMENTATIONOFREAL-TIMEROADEDGEDETECTIONALGORITHMBASEDON3DLIDAR

Li Qiang Du Yu*

(InstituteofInformation,BeijingUnionUniversity,Beijing100101,China)

Aiming at the road edge detection problem of unmanned vehicle in natural environment, this paper proposes a real-time road edge detection algorithm based on 3D lidar. The point cloud data of lidar are meshed to get the height difference of each grid, and the threshold is processed according to the height characteristic of the road edge. Then one by one from the near to the far to extract the left and right road edge, and we use the least square method to curve fitting the left and right road edge mesh, and get the right and left edge of the road. The experimental results show that the algorithm has high reliability and stability, and can finish the road edge detection accurately. It can meet the requirements of real-time system.

Unmanned driving Lidar Road edge Least square method

TP3

A

10.3969/j.issn.1000-386x.2017.10.038

2016-12-06。國家自然科學(xué)基金重大研究計(jì)劃項(xiàng)目(91420202)。李強(qiáng)，碩士，主研領(lǐng)域：基于激光雷達(dá)的路徑規(guī)劃算法，基于激光雷達(dá)的slam研究。杜煜，教授。