一種新的非結(jié)構(gòu)化環(huán)境可通行區(qū)域檢測算法?

閆 明 蔡云飛 陳 盟

（南京理工大學(xué)模式識(shí)別與人工智能實(shí)驗(yàn)室 南京 210094）

1 引言

地面無人平臺(tái)技術(shù)作為國家“十三五”重點(diǎn)研究方向，目前正得到廣泛的研究。技術(shù)包括環(huán)境感知與理解、定位定向、自主規(guī)劃、決策控制和多機(jī)協(xié)同等關(guān)鍵技術(shù)，其中環(huán)境感知與理解是目前研究的重點(diǎn)和難點(diǎn)。對(duì)環(huán)境信息的獲取，是無人平臺(tái)技術(shù)實(shí)現(xiàn)的基礎(chǔ)，目前地面無人平臺(tái)主要的環(huán)境感知手段分為圖像和距離兩大部分，圖像感知包括可見光圖像和紅外圖像兩種，主要用來對(duì)環(huán)境中的顏色、紋理、邊緣、外形、符號(hào)等進(jìn)行感知識(shí)別，對(duì)視野目標(biāo)距離不敏感。距離感知借助于激光雷達(dá)、毫米波雷達(dá)、聲吶等傳感手段實(shí)現(xiàn)，其屬于“盲人摸象”。其中激光雷達(dá)憑借其探測距離遠(yuǎn)、精度高等優(yōu)點(diǎn)，得到廣泛使用，激光雷達(dá)主要是利用光的收發(fā)時(shí)間差來獲得被反射物體的相對(duì)方位角和距離，根據(jù)激光束發(fā)射扇面的數(shù)量，分為單線（SICK LMS511、LMS111、Hokuyo 10L 等）、4/8 線（IBEO 4L、8L）和16/32/40/64 線（Velodyne、禾賽等）等種類。水平方向每個(gè)掃描扇面由不同角度的掃描點(diǎn)組成，通常稱為一根線。

目前用于可通行道路識(shí)別的傳感器主要有攝像頭和激光雷達(dá)。攝像頭具有成本低，數(shù)據(jù)（圖像）直觀的優(yōu)點(diǎn)，但極易受到光照、天氣等外界環(huán)境條件的影響，穩(wěn)定性差。激光雷達(dá)具有探測距離遠(yuǎn)，精度高和不受光照條件影響等優(yōu)點(diǎn)。

早期采用的單線激光雷達(dá)采用單平面掃描模式，獲得的環(huán)境輪廓信息極為有限，而且受地形和顛簸影響，容易“看天看地”，不適用于非結(jié)構(gòu)化環(huán)境。近年來，隨著多線激光雷達(dá)的發(fā)展，通過三維空間的密集點(diǎn)云，可獲得較為豐富的環(huán)境信息，對(duì)環(huán)境的輪廓具有較好的描述特性。

地面無人平臺(tái)通行環(huán)境通常分為結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化道路三種。

圖1 三種典型環(huán)境示意圖

結(jié)構(gòu)化道路是指邊緣規(guī)則，路面平坦，有明顯車道線及其他人工標(biāo)記的行車道路，例如高速公路、市區(qū)道路、國道、省道等。半結(jié)構(gòu)化道路是指無明顯道路邊緣特征和交通標(biāo)示特征的平坦道路環(huán)境，如鄉(xiāng)間水泥路、柏油路等；非結(jié)構(gòu)道路是泛指無明顯道路邊緣特征，非平坦路面的野外環(huán)境。在結(jié)構(gòu)化、半結(jié)構(gòu)化道路中，無人平臺(tái)所處路面較為平整，道路邊緣較為清晰，道路中的人、牲畜和車等障礙較容易檢測，可通行區(qū)域識(shí)別難道較小。在非結(jié)構(gòu)化環(huán)境（越野環(huán)境）中，沒有普通道路特征，而且地形起伏較大，車輛顛簸厲害。此時(shí)采用基于地平面絕對(duì)坐標(biāo)的普通道路邊界檢測方法不具有可行性，漏檢和誤檢率都很高，無法正常使用。目前，基于相對(duì)參照系的密集3D點(diǎn)云特征可以較好地解決該問題。

目前流行的32/64線雷達(dá)通常安裝于平臺(tái)頂部前側(cè)，受垂直掃描角度的限制，會(huì)在車輛正前方留下一片較大的盲區(qū)，而且盲區(qū)范圍隨著車體積和安裝高度的增加而增加，不利于體積龐大的軍用無人平臺(tái)。項(xiàng)目組通過對(duì)4 線激光雷達(dá)的使用研究，安裝車頭部位，可較好地提供近場環(huán)境描述功能，可有效彌補(bǔ)盲區(qū)，甚至在一些特定場景中，可以完全取代車頂雷達(dá)。

基于以上的認(rèn)識(shí)，開展非結(jié)構(gòu)化環(huán)境越野自主車輛前方可通行區(qū)域檢測問題的研究。首先通過點(diǎn)云分布和排列特征查找具有相對(duì)平面掃描特性的較規(guī)則的分布點(diǎn)云帶，提取并擬合近似平行線段集，對(duì)區(qū)域邊界進(jìn)行道路假設(shè)和擬合，根據(jù)車輛連續(xù)運(yùn)行時(shí)間軸的上下文關(guān)系對(duì)邊界進(jìn)行濾波平滑和修補(bǔ)，利用點(diǎn)云聚類特征檢測區(qū)域內(nèi)障礙物，將區(qū)域邊界與障礙物邊界進(jìn)行融合，最終得到安全的可通行區(qū)域。使用效果驗(yàn)證了算法具有較的高魯棒性，并滿足實(shí)時(shí)性要求。

2 相關(guān)工作

可通行區(qū)域檢測問題一直是非結(jié)構(gòu)化環(huán)境無人平臺(tái)研究的難點(diǎn)問題，也是基礎(chǔ)問題。目前基于激光雷達(dá)的可通行區(qū)域檢測研究主要分為兩類。

1）提取道路邊沿的障礙物（如馬路路牙等）上的掃描點(diǎn)作為道路邊界點(diǎn)，使用直線擬合道路邊沿，得到道路范圍，并檢測道路內(nèi)的障礙物確定可通行區(qū)域。文獻(xiàn)［1］提出了一種基于DBSCAN（Density Based Spatial Clustering of Applications with Noise）的可通行區(qū)域檢測算法，通過聚類得到道路邊沿與障礙物，并使用最小二乘擬合道路邊沿直線［2］。文獻(xiàn)［3～4］使用點(diǎn)到直線的閾值擬合線段分割掃描點(diǎn)，然后在線段范圍內(nèi)使用RANSAC（Random Sample Consensus）擬合地平面。文獻(xiàn)［5～7］利用設(shè)定邊緣高度閾值的方法尋找道路邊緣點(diǎn)，并使用最小二乘法擬合道路邊緣直線。使用該類方法的優(yōu)點(diǎn)在于計(jì)算簡單，實(shí)時(shí)性高。但在非結(jié)構(gòu)化環(huán)境下，道路兩側(cè)邊沿障礙物不連續(xù)或沒有障礙物，使用該方法極易造成誤檢。

2）基于點(diǎn)云平面分割的方法。文獻(xiàn)［8］中提出了一種基于AMN（Associative Markov Network）的三維點(diǎn)云分割算法。算法提取點(diǎn)云相關(guān)特征［9］使用SVM 分類器訓(xùn)練后構(gòu)造AMN 實(shí)現(xiàn)點(diǎn)云分割，檢測可通行區(qū)域。文獻(xiàn)［10～11］采用構(gòu)建點(diǎn)云圖，使用局部凸準(zhǔn)則的方法實(shí)現(xiàn)圖分割，得到道路與障礙物位置信息。文獻(xiàn)［12～13］中使用極坐標(biāo)柵格圖表示點(diǎn)云位置，并使用高斯過程回歸實(shí)現(xiàn)道路分割，得到道路區(qū)域與障礙物區(qū)域。文獻(xiàn)［14］中使用檢測點(diǎn)云在地面與障礙物之間粗糙度的差異實(shí)現(xiàn)道路分割。該類方法的優(yōu)點(diǎn)在于最大限度利用了點(diǎn)云分布信息，檢測結(jié)果相對(duì)準(zhǔn)確。但是其中涉及復(fù)雜的迭代計(jì)算，并且為準(zhǔn)確得到分割結(jié)果需使用大量點(diǎn)云數(shù)據(jù)，難以滿足實(shí)時(shí)性要求。

兩類方法均涉及基于地平面的絕對(duì)高度計(jì)算，由于車輛在非結(jié)構(gòu)化環(huán)境中行駛過程中存在高頻率、大幅度震動(dòng)，對(duì)高度計(jì)算影響較大，因此上述方法并不適用于非結(jié)構(gòu)化道路。

3 架構(gòu)分析與設(shè)計(jì)

3.1 安裝分析

根據(jù)項(xiàng)目組經(jīng)驗(yàn)，四線激光雷達(dá)根據(jù)具體任務(wù)的不同，安裝方式以俯仰角區(qū)分主要分為兩種:俯仰角為0°的水平安裝方式與俯仰角大于1.6°的俯視安裝方式。

雷達(dá)水平安裝方法［15］如圖2（a）所示，四條掃描線其中兩條垂直方向掃描角度大于0°，用來檢測前方障礙物信息，另外兩條掃描線垂直掃描角度小于0°，用來獲取近距離障礙物及道路邊界信息。此方法的優(yōu)勢(shì)在于可以同時(shí)兼顧雷達(dá)探測距離遠(yuǎn)和近距離高分辨檢測的優(yōu)點(diǎn)?？紤]檢測的實(shí)際障礙物高度并結(jié)合實(shí)際車輛高度，垂直地面高度不宜超過50cm，否則會(huì)產(chǎn)生較大近距離障礙物檢測盲區(qū)。由于僅有兩條掃描線獲取道路邊界信息，信息量較少，復(fù)雜地形中可靠性較差。在非結(jié)構(gòu)化環(huán)境中，地面環(huán)境非常復(fù)雜，地勢(shì)起伏較大，顛簸厲害，極小的幅度就會(huì)引起激光波速“上天入地”，無法掃描到地面獲取道路信息。因此水平安裝方式僅適合在結(jié)構(gòu)化道路環(huán)境中使用［3，16］。

圖2 雷達(dá)安裝分析

雷達(dá)俯視安裝方法，如圖2（b）所示，高位安裝，四條掃描線全部掃向近距離地面，獲取盡可能多的地面信息?？紤]到非結(jié)構(gòu)化環(huán)境中車輛通行速度的制約，系統(tǒng)反應(yīng)時(shí)間比較充裕，雷達(dá)探測距離可調(diào)小。通過增加安裝高度，增加視野；增大俯仰角，提高魯棒性。俯視安裝方式時(shí)安裝高度一般大于60cm。俯視安裝方式優(yōu)點(diǎn)在于相比水平安裝方式，得到的道路信息更加豐富，并且受車輛顛簸的影響小，適合在非結(jié)構(gòu)化環(huán)境中使用。俯視安裝方式探測距離受限于雷達(dá)安裝高度和俯仰角，對(duì)于高度較小的障礙物會(huì)存在一定范圍的盲區(qū)。

本文采用俯視安裝方式。右手車體坐標(biāo)系為以車輛后軸中心為原點(diǎn)，Zc方向垂直地面向上，Yc方向?yàn)檐囕v前進(jìn)方向，Xc方向?yàn)樗较蛴曳较?。四線激光雷達(dá)安裝在車頭，設(shè)其在車體坐標(biāo)系下的位置為(xc,yc,zc)，則安裝位置滿足 xc=0，理想情況下激光雷達(dá)相對(duì)車體坐標(biāo)系的橫滾角與偏航角均為0。h 表示四線激光雷達(dá)相對(duì)地面安裝高度，α 表示雷達(dá)安裝俯仰角，αi表示第i 條掃描線相對(duì)水平面的俯仰角，di表示第i 條掃描線到雷達(dá)的水平距離。雷達(dá)垂直方向角分辨率為0.8°，各參數(shù)滿足如下關(guān)系式:

其中激光雷達(dá)最上層掃描線為第1 層，從上到下序號(hào)依次遞增。

3.2 姿態(tài)標(biāo)定

定義雷達(dá)坐標(biāo)系為以四條掃描線中間平面為xoy 平面，水平向前為Yl方向，水平向右為 Xl方向。Zl方向垂直xoy 平面向上，滿足右手坐標(biāo)系。從上到下四條掃描線相對(duì)xoy 平面的俯仰角滿足:

αi=(1.2°,0.4°,-0.4°,-1.2°)i=1,2,3,4 （3）

設(shè)水平方向掃描角度為θ ，掃描點(diǎn)距離為 ρ，則掃描點(diǎn)在雷達(dá)坐標(biāo)系下的位置可用下式表示:

掃描點(diǎn)從雷達(dá)坐標(biāo)系到車體坐標(biāo)系的轉(zhuǎn)換關(guān)系可表示為

其中R3×3表示雷達(dá)坐標(biāo)系到車體坐標(biāo)系的旋轉(zhuǎn)矩陣，T3×1為平移向量。

4 可通行區(qū)域檢測算法

可通行區(qū)域定義:平臺(tái)在周邊360°視野范圍內(nèi)，根據(jù)自身的控制特性和外輪廓限制，在無破壞性碰擦的情況下，運(yùn)動(dòng)可達(dá)并可安全通過的區(qū)域。

4.1 算法概述

四線激光雷達(dá)在路面上的掃描點(diǎn)近似四條與車體坐標(biāo)系X 軸平行的線段，通過檢測點(diǎn)云中的直線段的方式得到當(dāng)前行駛區(qū)域范圍。在掃描范圍內(nèi)激光雷達(dá)不同掃描線在障礙物上的相鄰掃描點(diǎn)之間距離與在地面上的距離存在明顯差異，可采用基于歐式距離聚類算法檢測行駛區(qū)域范圍內(nèi)的障礙物。

可通行區(qū)域檢測算法分為以下五個(gè)步驟:

1）撕裂點(diǎn)檢測:將三維雷達(dá)點(diǎn)云投影到XY 二維平面，使用霍夫變換檢測激光雷達(dá)點(diǎn)云圖中的直線，并根據(jù)撕裂點(diǎn)位置提取掃描在路面上的點(diǎn)云線段，得到線段兩端點(diǎn)假設(shè)為區(qū)域邊界點(diǎn)。

2）邊界描述:采用卡爾曼濾波算法對(duì)區(qū)域邊界點(diǎn)位置進(jìn)行濾波估計(jì)，然后使用最小二乘法擬合可通行區(qū)域邊界線，估計(jì)當(dāng)前可通行區(qū)域范圍。

3）障礙物檢測:采用基于歐式距離聚類的算法實(shí)現(xiàn)行駛區(qū)域范圍內(nèi)的障礙物檢測。

4）區(qū)域融合:融合估測范圍邊界與障礙物區(qū)域。

5）可達(dá)性評(píng)估:根據(jù)車輛運(yùn)動(dòng)模型，評(píng)估車輛的可達(dá)性，得到最終的可通行區(qū)域。

4.2 撕裂點(diǎn)檢測

將三維點(diǎn)云投影到XOY平面上，投影后的二維掃描點(diǎn)坐標(biāo)可表示為(xij,yij),i=1,2,3,4, j=1,…,Ni，Ni表示每條掃描線上的點(diǎn)云數(shù)量。使用霍夫變換獲得每條掃描線上的直線方程。

由于非結(jié)構(gòu)化環(huán)境復(fù)雜性，對(duì)于在直線上的掃描點(diǎn)，檢測其在直線段上的端點(diǎn)。采用點(diǎn)云分割方法，設(shè)置相鄰點(diǎn)之間距離閾值，計(jì)算相鄰點(diǎn)的距離，大于閾值的相鄰點(diǎn)為點(diǎn)云的撕裂點(diǎn)。如圖3 所示，從線段兩側(cè)分別檢測，若從某一點(diǎn)開始連續(xù)n 個(gè)點(diǎn)不存在撕裂點(diǎn)，則該點(diǎn)為需提取的線段端點(diǎn)，并標(biāo)記為區(qū)域邊界點(diǎn)，在理想情況下兩側(cè)分別有4 個(gè)邊界點(diǎn)。但是在非結(jié)構(gòu)化環(huán)境中，由于地面環(huán)境復(fù)雜和車輛顛簸等因素，最上層掃描線得到的掃描結(jié)果與實(shí)際的道路環(huán)境差異較大，本文取下三層掃描線檢測結(jié)果進(jìn)行區(qū)域邊界擬合。

圖3 撕裂點(diǎn)檢測結(jié)果示意圖

4.3 邊界描述

在理想情況下，車輛行進(jìn)過程中通過相鄰兩幀點(diǎn)云數(shù)據(jù)檢測到每條掃描線的邊界點(diǎn)位置基本不變或差異很小。而在非結(jié)構(gòu)化環(huán)境中，由于車輛顛簸等因素的影響，激光雷達(dá)獲取的相鄰幀點(diǎn)云數(shù)據(jù)之間可能存在較大差異，造成前后幀邊界點(diǎn)位置提取差異較大。假設(shè)車輛為直線行進(jìn)，邊界點(diǎn)位置變化為線性變化，使用卡爾曼濾波器對(duì)邊界點(diǎn)位置進(jìn)行估計(jì)、觀測和校正，減小波動(dòng)性和誤差。

卡爾曼濾波是一種高效遞歸濾波器，可以根據(jù)目標(biāo)的動(dòng)態(tài)信息，減小測量中噪聲的影響，得到相對(duì)精確的當(dāng)前目標(biāo)位置狀態(tài)?？柭鼮V波過程包含預(yù)測與更新兩個(gè)階段?？柭鼮V波遞歸計(jì)算方程如下。

預(yù)測階段:

更新階段:

其中 x?k-1|k-1表示 k-1 時(shí)刻的目標(biāo)狀態(tài)，x?k|k-1表示由k-1時(shí)刻的狀態(tài)對(duì)k時(shí)刻狀態(tài)的預(yù)測值，F(xiàn)k為k時(shí)刻的狀態(tài)轉(zhuǎn)移矩陣，Bk為k 時(shí)刻的輸入轉(zhuǎn)移矩陣，uk為k 時(shí)刻的輸入向量，R 為k 時(shí)刻的測量噪聲方差，Q 為k時(shí)刻過程激勵(lì)噪聲協(xié)方差。 Kk為k時(shí)刻的卡爾曼增益，Hk為k 時(shí)刻的測量轉(zhuǎn)移矩陣，zk為該時(shí)刻目標(biāo)測量值。

在本文中，對(duì)于邊界點(diǎn)坐標(biāo)(x,y)中任一狀態(tài)x 或y，問題可化簡為一維卡爾曼濾波，狀態(tài)轉(zhuǎn)移矩陣Fk，測量轉(zhuǎn)移矩陣Hk均為單位矩陣。在本系統(tǒng)中，由于沒有外界輸入因素，輸入向量uk為0。測量噪聲方差R 為一維常量，可通過激光雷達(dá)對(duì)同一物體多次掃描得到的觀測值計(jì)算得到。對(duì)過程激勵(lì)噪聲協(xié)方差Q ，本文在多種不同場景多次實(shí)驗(yàn)的基礎(chǔ)上求取經(jīng)驗(yàn)值。本文卡爾曼遞歸計(jì)算方程如下所示。

預(yù)測階段:

更新階段:

考慮到算法的實(shí)時(shí)性，方法采用最小二乘法擬合邊界。設(shè)直線方程為 y=bx+k ，則最小二乘法計(jì)算如下所示:

將左右兩側(cè)濾波后得到的邊界點(diǎn)帶入可得到左右兩側(cè)的直線方程，該直線即為當(dāng)前可通行區(qū)域邊界。

4.4 障礙物檢測

雷達(dá)在俯視安裝狀態(tài)下，障礙物檢測如圖4（a）所示:

圖4 障礙物檢測

在前方有障礙物的情況下，do表示掃描到障礙物上的相鄰兩條掃描線之間的距離，dg表示如果沒有障礙物遮擋的情況下，相鄰兩條掃描線之間的距離。α0,α1分別為第一層與第二層掃描線相對(duì)水平面的俯仰角，d 表示障礙物與雷達(dá)的水平距離。圖中距離關(guān)系可由下式表示:

在本文雷達(dá)安裝方式下，距離關(guān)系滿足do? dg。

設(shè)不同掃描線之間的相鄰水平掃描角度的掃描點(diǎn)之間的距離閾值為dT1，遍歷中間兩條掃描線，如圖5 所示，計(jì)算點(diǎn)與相鄰掃描線鄰近水平方向掃描角度點(diǎn)的距離dn，若dn＜dT1，則將該點(diǎn)加入障礙物點(diǎn)云隊(duì)列Q。設(shè)置距離閾值dT2，從隊(duì)列Q 中依次取出點(diǎn)云數(shù)據(jù)，計(jì)算點(diǎn)云數(shù)據(jù)到點(diǎn)云集合Ck幾何中心的距離dc，若滿足dc＜dT2，則將該點(diǎn)加入點(diǎn)云集合中，否則取當(dāng)前點(diǎn)云集合Ck為一個(gè)聚類簇。遍歷直到隊(duì)列Q 為空，得到聚類簇劃分C={C1,C2,…,Ck} 。具體實(shí)現(xiàn)如下。

圖5 不同掃描線相鄰點(diǎn)之間的距離關(guān)系

Di中的點(diǎn)pij的相鄰掃描點(diǎn)

計(jì)算pij與相鄰掃描點(diǎn)之間的距離dn= ||pij-

if dn＜dT1then

將 pij與加入隊(duì)列Q

end if

end for

end for

初始化k=0

設(shè)置聚類點(diǎn)集合S=?

while Q ≠?

從隊(duì)列Q中取出一個(gè)掃描點(diǎn)q

if S ≠? then 計(jì)算q與S幾何中心sc距離dc

if dc＜dT2then

S=S ∪q

update sc

else

得到一個(gè)聚類簇Ck=S

K=k+1

end if

else

S=S ∪q

S幾何中心sc=q

end if

end while

4.5 區(qū)域融合

本文將區(qū)域邊界與障礙物區(qū)域融合得到當(dāng)前車輛行駛的可通行區(qū)域。如圖6 所示，點(diǎn)O 為雷達(dá)坐標(biāo)系原點(diǎn)，對(duì)于左側(cè)邊界，A1表示左側(cè)邊界與雷達(dá)坐標(biāo)系X 軸交點(diǎn)，A2,A3,A4表示激光雷達(dá)掃描到的障礙物邊界頂點(diǎn)，A5為線段OA4延長線與左側(cè)邊界的交點(diǎn)。由于激光雷達(dá)僅能得到障礙物在雷達(dá)一側(cè)的輪廓信息，如圖6 陰影區(qū)域所示，障礙物內(nèi)側(cè)區(qū)域?yàn)楫?dāng)前未知區(qū)域，須將其從可通行區(qū)域中去除。在之前得到邊界結(jié)果的基礎(chǔ)上，取A1～A5五個(gè)點(diǎn)圍成的相對(duì)障礙物輪廓的包絡(luò)線作為新的邊界線，同理可得到新的右側(cè)邊界。兩側(cè)邊界線圍成的內(nèi)部區(qū)域?yàn)楫?dāng)前車輛的可通行區(qū)域。

圖6 區(qū)域融合示意圖

4.6 可達(dá)性評(píng)估

對(duì)于車輛行駛位置 p(x,y)，其到區(qū)域邊界與m個(gè)障礙物中心 poj( )xoj,yoj,j=0,1,…,m 距離需滿足一定的空間關(guān)系，如式（12）所示，其中dc表示車寬，doj表示第 j 個(gè)障礙物寬度，ε 為車輛通行的安全余量。

圖7 車輛轉(zhuǎn)彎示意圖

在滿足空間要求的同時(shí)，車輛在通過彎道與避障情況下須考慮車輛實(shí)際轉(zhuǎn)彎角度與轉(zhuǎn)彎半徑。如圖7 示，其中l(wèi) 表示車輛軸距，d 表示車輛輪距，車輛后軸中點(diǎn)為車體坐標(biāo)系原點(diǎn)，φ 表示前輪轉(zhuǎn)向角度，ρr，ρf分別為車輛后輪與前輪的轉(zhuǎn)彎半徑，其與軸距、轉(zhuǎn)角關(guān)系滿足式（13）。在本文實(shí)驗(yàn)車輛實(shí)際行駛過程中，出于安全性考慮，車輛最大轉(zhuǎn)向角度 φ=35°。

如圖8 示，車輛前方檢測到兩個(gè)障礙物，車輛需繞過障礙物到達(dá)目標(biāo)點(diǎn)。障礙物A 左側(cè)滿足車輛空間限制，但不滿足車輛轉(zhuǎn)彎半徑限制，因此車輛無法到達(dá)障礙物A 左側(cè)區(qū)域。障礙物B 右側(cè)區(qū)域滿足車輛轉(zhuǎn)彎半徑限制，但區(qū)域?qū)挾刃∮谲噷?，因此無法通行。

圖8 車輛可達(dá)性示意圖

5 實(shí)驗(yàn)結(jié)果及分析

5.1 實(shí)驗(yàn)環(huán)境

為驗(yàn)證本文算法的檢測性能與實(shí)時(shí)性，該算法的實(shí)驗(yàn)環(huán)境如下:實(shí)驗(yàn)平臺(tái)為輪式無人自主車，采用四線激光雷達(dá)型號(hào)為IBEO LUX2010 4L.雷達(dá)安裝高度為65cm，前向俯仰角為5.03°。四線激光雷達(dá)型號(hào)為德國IBEO 公司生產(chǎn)的IBEO LUX2010 4L。該款激光雷達(dá)有四條掃描線，探測范圍可達(dá)200m，距離分辨率4cm，掃描精度10cm。垂直視場角為3.2°，垂直角分辨率為0.8°。在水平方向上，掃描中心視場角為85°，兩側(cè)可擴(kuò)展，最大視場角為110°。水平方向角分辨率為0.125°/0.25°/0.5°三擋可調(diào)，掃描頻率可調(diào)節(jié)12.5/25.0/50.0Hz。

圖9 實(shí)驗(yàn)平臺(tái)

本文在多種不同的場景下進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)場景為典型的非結(jié)構(gòu)化環(huán)境，包括無障礙物道路與存在車輛、行人等障礙物的區(qū)域場景。實(shí)驗(yàn)包括對(duì)于掃描線的直線檢測，邊界點(diǎn)檢測，邊界線擬合與邊界內(nèi)障礙物檢測。實(shí)驗(yàn)場景與結(jié)果如圖10～11所示。

圖10 通行區(qū)域邊界檢測

圖11 彎道邊界檢測結(jié)果

圖10 、圖11 為無障礙的非結(jié)構(gòu)化場景實(shí)驗(yàn)。其中圖10（a）為直線道路場景，中間高度略高于兩側(cè)，兩側(cè)存在土堆作為邊界。圖11（a）為彎道場景，左側(cè)為雜草，右側(cè)為土堆，為兩側(cè)行駛區(qū)域邊界。兩個(gè)場景下可行駛區(qū)域中間均不存在障礙物。圖10（b）與圖11（b）分別表示相應(yīng)場景下霍夫變換檢測直線、邊界點(diǎn)與邊界線檢測結(jié)果，均為XOY 平面表示。

圖12～14 表示存在障礙物的非結(jié)構(gòu)化場景實(shí)驗(yàn)。其中圖12 表示存在汽車的區(qū)域場景，圖（a1）表示汽車在遠(yuǎn)距離時(shí)的場景，圖（b1）表示汽車在近距離時(shí)的場景。兩側(cè)存在與路面高度存在明顯差異的連續(xù)障礙物邊界，路面較為平坦。圖13 表示存在摩托車區(qū)域場景，圖（a1）和圖（b1）分別表示遠(yuǎn)距離與近距離場景，場景中邊沿不連續(xù)且與路面沒有明顯高度差異，場景中路面起伏較大。圖14 表示存在行人的區(qū)域場景，其中圖（a1），圖（b1）分別為遠(yuǎn)距離與近距離場景示意圖，該路面較為平坦，兩側(cè)為斷崖，高度明顯低于路面高度，不存在常規(guī)意義上的道路邊沿。

圖12～14 中對(duì)應(yīng)的圖（a2），圖（b2）分別為對(duì)應(yīng)場景不同距離下的霍夫變換檢測直線、區(qū)域邊界點(diǎn)與區(qū)域邊界線檢測結(jié)果。圖（a3）和圖（b3）表示對(duì)應(yīng)場景不同距離下的邊界內(nèi)障礙物檢測結(jié)果，圖（a4）和圖（b4）表示區(qū)域融合后的結(jié)果。所有實(shí)驗(yàn)結(jié)果均在XOY平面表示。

5.2 結(jié)果分析

在圖10（a）的場景中，由于行駛區(qū)域中間高度略高于兩側(cè)，因此在圖10（b）中的點(diǎn)云圖中，掃描線中間存在一定程度的凹陷。在霍夫變換檢測結(jié)果可以看出，該程度的凹陷并未影響直線檢測結(jié)果，并成功提取出了下三層掃描線上的區(qū)域邊界點(diǎn)，擬合出符合實(shí)際的區(qū)域邊界線。對(duì)于圖11（a）的彎道場景，激光雷達(dá)在路面上的掃描線同樣近似于X 軸的平行線。本文方法可以成功地提取每條掃描線上的區(qū)域邊界點(diǎn)，擬合的區(qū)域邊界線向右側(cè)傾斜，符合右轉(zhuǎn)彎道路實(shí)際場景。

對(duì)于圖12（a1）場景，在圖12（b1）中可以看出，左側(cè)邊界檢測結(jié)果符合實(shí)際情況，右側(cè)由于路邊障礙物高度相對(duì)較低，存在相當(dāng)數(shù)量的邊界外掃描點(diǎn)，因此在點(diǎn)云圖中有兩條障礙物邊界，兩條邊界之間存在無掃描點(diǎn)的位置區(qū)域。本文方法檢測結(jié)果為內(nèi)側(cè)區(qū)域邊界，符合實(shí)際情況。在圖12（b2）中，對(duì)側(cè)來車車頭位置在第二條掃描線處，此時(shí)該位置存在相當(dāng)數(shù)量的不同掃描線上的掃描點(diǎn)，但由于車身上位置上只存在第一條掃描線上的掃描點(diǎn)，本文方法此時(shí)只能檢測到目前該車車頭的位置。場景圖12（b1）中，兩車之間距離相對(duì)圖12（a1）更近，對(duì)側(cè)來車車頭位置在第四條掃描線處，如圖12（b3）所示，此時(shí)在車身位置也存在一定數(shù)量的不同掃描線的掃描點(diǎn)，本文算法可以檢測車體大部分位置。但由于車身的遮擋，第一、二兩條掃描線左側(cè)一部分掃描點(diǎn)不能掃描到路面上，對(duì)邊界檢測結(jié)果產(chǎn)生了一定影響。如圖12（b2）所示，左側(cè)邊界點(diǎn)發(fā)生較為明顯的傾斜，原因在于第一、二兩條掃描線長度明顯較第三、四條掃描線短，對(duì)第二條掃描線檢測的最左側(cè)點(diǎn)并不是左側(cè)邊界點(diǎn)。本文中采用的卡爾曼濾波對(duì)邊界點(diǎn)進(jìn)行平滑，在一定程度上減小了掃描點(diǎn)與真實(shí)邊界點(diǎn)的偏差，圖中卡爾曼濾波后得到的區(qū)域邊界點(diǎn)相比實(shí)際直線中最左側(cè)掃描點(diǎn)更接近真實(shí)的邊界點(diǎn)，采用該方法最大程度減小了由于障礙物遮擋帶來的邊界檢測誤差。

圖12 障礙物場景1可通行區(qū)域檢測結(jié)果

圖13 障礙物場景2可通行區(qū)域檢測結(jié)果

圖14 障礙物場景3可通行區(qū)域檢測結(jié)果

在圖13（a1）的場景中，路面起伏較大，如圖13（a2）所示，路面上的掃描線產(chǎn)生傾斜，邊界檢測結(jié)果也產(chǎn)生了一定程度的傾斜。實(shí)際場景中右側(cè)存在不連續(xù)道路邊界，本文算法由于只處理掃描到路面上的邊界點(diǎn)，兩側(cè)障礙物邊沿點(diǎn)對(duì)于檢測結(jié)果沒有影響，因此可以較好地處理實(shí)際場景中存在不連續(xù)邊沿的情況。圖13（a3）中，本文算法成功檢測出了停靠在路邊的障礙物。圖13（b1）的場景中，車輛距離障礙物的距離更近，障礙物上的掃描點(diǎn)更密集，檢測結(jié)果如圖13（b3）所示。

在圖14（a1）中，兩側(cè)不存在障礙物作為邊沿，點(diǎn)云圖如圖14（a2）所示，兩側(cè)存在大片沒有掃描點(diǎn)的區(qū)域。本文方法可以成功提取出區(qū)域兩側(cè)的邊沿點(diǎn)以擬合邊界沿線，并未受到兩側(cè)斷崖的影響。在右側(cè)邊界附近存在行人，本文算法可以成功檢測，結(jié)果如圖14（a3）所示。圖14（b1）場景中，行人與車輛距離更近，檢測結(jié)果如圖14（b3）所示。由于行人寬度較小，激光雷達(dá)掃描在其上的掃描點(diǎn)較少，因此其檢測需要相對(duì)車輛更近的距離以保證有足夠數(shù)量的掃描點(diǎn)，如圖14（a3）所示，首次檢測到的距離為10m，已經(jīng)過第三條掃描線。

本文方法在 Cortex-A8 處理器，1GHz，256MB RAM 硬件環(huán)境下，單幀處理時(shí)間為25ms.IBEO-LUX-2010 4L 激光雷達(dá)掃描頻率為25Hz，即40ms 一幀數(shù)據(jù)，因此本文方法可以滿足實(shí)時(shí)性要求，并已成功應(yīng)用在無人自主車上，參加了陸軍裝備部“跨越險(xiǎn)阻2016”地面無人裝備挑戰(zhàn)賽。

6 結(jié)語

本文提出了一種基于四線激光雷達(dá)的非結(jié)構(gòu)化環(huán)境可通行區(qū)域檢測算法。通過點(diǎn)云分布和排列特征查找具有相對(duì)平面掃描特性的較規(guī)則分布點(diǎn)云帶，提取并擬合多條近似平行線段，對(duì)平行線段的端點(diǎn)點(diǎn)集進(jìn)行區(qū)域邊界假設(shè)和擬合，根據(jù)車輛連續(xù)運(yùn)行時(shí)間軸的上下文關(guān)系對(duì)邊界進(jìn)行濾波平滑和修補(bǔ)，利用點(diǎn)云聚類特征檢測區(qū)域內(nèi)障礙物，將邊界與障礙物區(qū)域進(jìn)行融合，最終得到安全的可通行區(qū)域。實(shí)驗(yàn)表明，該算法具有高可靠性與實(shí)時(shí)性，已成功運(yùn)用于無人自主車上，能夠滿足無人自主車的感知需求。