基于局部凸性的三維激光雷達(dá)點云分割算法

張心睿 潘新福

摘? 要：本文針對城市場景下的三維激光雷達(dá)點云分割問題，提出了一種基于局部凸性的點云分割方法。針對每個三維雷達(dá)點，利用其局部鄰域點來計算其凸性值，如果超出給定閾值，則將該點標(biāo)記為障礙物點，否則標(biāo)記為地面點。利用城市環(huán)境下采集三維激光雷達(dá)點云數(shù)據(jù)進(jìn)行實驗分析，結(jié)果表明，該方法在城市場景中點云分割表現(xiàn)良好，具有較高的實時性。

關(guān)鍵詞：三維激光雷達(dá);點云分割;局部凸性;城市場景

中圖分類號：TP399? ? ? 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-4706（2019）21-0165-03

Abstract：In this paper，in view of the problem of 3D lidar point cloud segmentation in unstructured off-road environment，a method based on local convex point cloud segmentation is proposed. For each 3D lidar point，its convex value is calculated using its local neighborhood point，and if a given threshold is exceeded，the point is marked as an obstacle point or otherwise marked as a ground point. The experimental analysis is made by collecting 3D lidar point cloud data in urban environment，and the results show that the proposed method performs well in point cloud segmentation in urban scenes and has high real-time performance

Keywords：3D lidar;point cloud segmentation;local convex;urban environment

0? 引? 言

智能汽車必須執(zhí)行的關(guān)鍵任務(wù)之一是它們對環(huán)境的可靠感知，即檢測障礙和可通行區(qū)域。尤其對于后者，三維激光雷達(dá)非常有效，因為它們的分辨率和檢測視場遠(yuǎn)超過毫米波雷達(dá)和超聲波雷達(dá)，并且它們可以提供直接測量的距離。目前很多學(xué)者對激光雷達(dá)進(jìn)行目標(biāo)檢測進(jìn)行了研究，其中使用最多的是2D激光雷達(dá)傳感器，即在有限的范圍內(nèi)沿著固定平面進(jìn)行掃描。當(dāng)雷達(dá)平行于地面安裝時，每次掃描獲得一維的測距與角度序列，這使得采用一維的信號處理方法檢測障礙物變得非常容易。然而，2D雷達(dá)卻無法檢測到掃描平面上或下的物體。有限的測量數(shù)據(jù)對于障礙物的分類和跟蹤也變得非常困難。此外，在丘陵地面，2D雷達(dá)可能無法檢測到障礙物或?qū)⑸闲械牡缆氛`檢為道路障礙物。在最近幾年，三維激光雷達(dá)被大量引入，不同于掃描一個平面，三維激光雷達(dá)通過選擇掃描可以產(chǎn)生大量的三維的點云數(shù)據(jù)，從而可以檢測各種類型的障礙物和可通行區(qū)域。而大量的數(shù)據(jù)對算法構(gòu)成了巨大的挑戰(zhàn)。

基于三維激光雷達(dá)的目標(biāo)檢測方法通常分為基于模型的和非模型的方法?；谀Ｐ偷姆椒ㄖ饕峭ㄟ^數(shù)據(jù)擬合的方式解決檢測和分類問題，然而該類方法計算復(fù)雜度高，很難滿足算法實時性的要求。另一種更靈活的方法是首先通過平面模型分離出地面點云，從而減少處理時間，達(dá)到降維的目的，然后對非地面點進(jìn)行聚類分割。最常見的情況是數(shù)據(jù)被投射到一個假設(shè)的或估計的地面平面，常與占用網(wǎng)格地圖相結(jié)合[1]。其優(yōu)點之一是幾個傳感器可以很容易融合（甚至以概率方式[2]），映射是直接的。許多團(tuán)隊成功應(yīng)用這種方法（如文獻(xiàn)[3]、文獻(xiàn)[4]）。然而，困難的是障礙和地面的區(qū)別仍然存在。一個簡單的解決方法是定義點的密度單元格作為占用值，這很容易標(biāo)記所有的單元格包含被占據(jù)的垂直結(jié)構(gòu)。另一種方法是將三維激光雷達(dá)點云數(shù)據(jù)投射到一個圓柱體上，其軸為掃描儀的旋轉(zhuǎn)軸。此投影生成深度圖像，其中深度圖像中的像素值對應(yīng)于距離測量[5]。本文使用兩維的圖結(jié)構(gòu)來組織三維激光雷達(dá)點云，圖中的每個節(jié)點表示一個激光雷達(dá)點，圖結(jié)構(gòu)中節(jié)點之間的連接權(quán)重表示近鄰點之間的相似性。

1? 基于局部凸性的三維激光雷達(dá)點云分割算法

在本文中，我們使用基于圖割的方法來組織三維點云，這樣就可以將無序的點云有序化，保留了點云中所有的信息。我們的方法是對環(huán)境進(jìn)行掃描分割，具體步驟包括：（1）三維激光雷達(dá)點云采集;（2）利用激光雷達(dá)點的局部鄰域構(gòu)建點的圖結(jié)構(gòu);（3）根據(jù)圖結(jié)構(gòu)計算每個點的凸屬性，最后基于凸性進(jìn)行點云分割。下面詳細(xì)介紹這些步驟。

1.1? 數(shù)據(jù)采集

對于掃描采集，我們使用Velodyne HDL-64高精度的激光雷達(dá)掃描儀，安裝在實驗車的頂部，它由64個激光發(fā)射和接收器構(gòu)成掃描陣列，覆蓋大約26度的垂直視場。它以10Hz的速度旋轉(zhuǎn)，每掃描一圈產(chǎn)生18萬個點。激光器的俯仰角是固定的，每一個較低的激光器在水平面上產(chǎn)生一個點測量環(huán)，采集的三維激光雷達(dá)點云圖如圖1所示。

1.2? 鄰域點圖構(gòu)建

這一步的目標(biāo)是將掃描的三維激光雷達(dá)點轉(zhuǎn)換到無向圖G={N，E}中。圖中的每個節(jié)點N={（xi，yi，zi）}表示一個三維激光雷達(dá)測量點，圖中點和點之間的連接邊界E={（Ni，Nj）}表示相鄰兩點之間的徑向距離，在這里選擇點的四鄰域構(gòu)成圖結(jié)構(gòu)。由于三維激光雷達(dá)在旋轉(zhuǎn)時是逆時針的，所以一個點的左邊雷達(dá)點對應(yīng)于同一掃描線獲得的下一個雷達(dá)點，右邊點對應(yīng)于前一個測量點。每個點的上鄰域和下鄰域點對應(yīng)于相鄰掃描線相同方位角的點。

1.3? 屬性計算

對于每個節(jié)點，計算所使用的屬性在下一步用于圖分割。由于距離傳感器只能點對點采樣，曲面幾何必須利用深度數(shù)據(jù)進(jìn)行差值。在這項工作中，為完成上述任務(wù)，利用一個平面或者曲面法向量近似點周圍的局部曲面代表整個曲面。一個健壯的方法會利用幾個相鄰點使用最小方差估計，然而這種方法的實時性比較差。在本文中，我們計算左下、右上位移向量之間的叉乘，然后平均計算的向量，得到估計的局部曲面法線。為了降低噪聲，采用了移動平均濾波器對計算的曲面法線場進(jìn)行濾波。

1.4? 三維激光雷達(dá)點云分割

通過對許多物體的外觀進(jìn)行觀察，可以發(fā)現(xiàn)一般凸輪廓和垂直結(jié)構(gòu)通常代表了一個單一的對象，基于此，我們提出了一個點云分割準(zhǔn)則，如果圖中兩個節(jié)點屬于同一個目標(biāo)，當(dāng)且僅當(dāng)在圖兩個點之間存在一條路徑，這個準(zhǔn)則獨立與兩個相鄰的表面特征。該判據(jù)依賴于兩個相鄰的面si和sj，分別用它們各自的點位置pi/j相對于任意但固定的坐標(biāo)系表示。如果si的中心點pi位于sj表面之下，兩個相鄰的表面si和sj成為局部凸的，反之亦然。根據(jù)點的凸性可以將地面點和非地面點分割。為了提高魯棒性，我們還考慮了如果它們的法向量近似且具有相同的方向，那么這兩個表面si和sj具有局部凸性。

如果兩個表面局部是凸的，或者兩個法向量近似垂直，它們就被合并成一個線段。這個定義有一個重要的性質(zhì)：如果grow（si，sj）成立，則grow（sj，si）也成立。這使得分割可以通過區(qū)域增長算法有效地解決。

2? 實驗結(jié)果與分析

本文對提出的算法，利用安裝在車頂上的VelodyneHDL- 64E傳感器采集城市場景下的三維激光雷達(dá)點云數(shù)據(jù)進(jìn)行實驗評估。由于沒有可以利用的真值基準(zhǔn)集信息，本文采用定性的方法對算法進(jìn)行分析。

城市場景下三維雷達(dá)點云分割結(jié)果示例如圖2所示，該場景地面略有起伏，道路上布滿了車輛，車輛和車輛之間保持較近的距離，給三維點云分割算法帶來了巨大的挑戰(zhàn)。圖2（a）是地面點分割結(jié)果，白色點表示地面點，背景色外的灰色點和黑色點點表示非地面點，從圖2（a）中可以看出提出的方法很好地將地面部分與非地面部分分開，即使對起伏的路面也獲得了很好的地面分割結(jié)果;圖2（b）是對非地面點進(jìn)一步分割，不同顏色表示不同的分割目標(biāo)，從圖2（b）中可以看出，即使車輛挨得很近，提出的分割方法也可以將每一個獨立目標(biāo)分割出來。

3? 結(jié)? 論

本文提出了一種新的三維激光雷達(dá)點云分割算法，即使在非平面的環(huán)境也能夠從地面點云中分割出物體。而三維激光雷達(dá)點云沿著維度映射，本身包含了松散的維度信息，本文提出的方法在將三維點云轉(zhuǎn)換到2D圖結(jié)構(gòu)中充分考慮了三維激光雷達(dá)的物理屬性，在提高數(shù)據(jù)效率的同時也沒有丟失重要信息。局部凸性準(zhǔn)則是本文算法的核心，它的引入作為一個新的特征可以用于分割非平坦地面和常見的障礙物。通過實驗證明，本文提出的方法在城市環(huán)境中獲得較好的分割結(jié)果。未來工作考慮在提出的點云分割方法的基礎(chǔ)上寬展到目標(biāo)的分類和跟蹤中。

參考文獻(xiàn)：

[1] 萬燕，譚亮，龍文錚，等.基于網(wǎng)格的三維彩色點云分割算法 [J].東華大學(xué)學(xué)報（自然科學(xué)版），2014，40（4）：481-485+496.

[2] TAY MK，MEKHNACHA K，CHEN C，et al. An efficient formulation of the Bayesian occupation filter for target tracking in dynamic environments [J].International Journal of Vehicle Autonomous Systems，2008，6（1/2）：155.

[3] 傅思勇，吳祿慎，陳華偉.空間柵格動態(tài)劃分的點云精簡方法 [J].光學(xué)學(xué)報，2017，37（11）：253-261.

[4] 王肖，王建強(qiáng)，李克強(qiáng)，等.智能車輛3-D點云快速分割方法 [J].清華大學(xué)學(xué)報（自然科學(xué)版），2014，54（11）：1440-1446.

[5] 范小輝，許國良，李萬林，等.基于深度圖的三維激光雷達(dá)點云目標(biāo)分割方法 [J].中國激光，2019，46（7）：292-299.

作者簡介：張心睿（1996.09-），男，漢族，陜西西安人，碩士研究生，研究方向：智能網(wǎng)聯(lián)汽車及其測試評價技術(shù);潘新福（1984.12-），男，漢族，江蘇鹽城人，工程師，工學(xué)碩士，研究方向：智能網(wǎng)聯(lián)汽車測試技術(shù)。