CN110542908B - 应用于智能驾驶车辆上的激光雷达动态物体感知方法 - Google Patents

应用于智能驾驶车辆上的激光雷达动态物体感知方法 Download PDF

Info

Publication number
CN110542908B
CN110542908B CN201910846945.8A CN201910846945A CN110542908B CN 110542908 B CN110542908 B CN 110542908B CN 201910846945 A CN201910846945 A CN 201910846945A CN 110542908 B CN110542908 B CN 110542908B
Authority
CN
China
Prior art keywords
point cloud
precision map
laser radar
map
environment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910846945.8A
Other languages
English (en)
Other versions
CN110542908A (zh
Inventor
伍绍冠
罗剑
李其付
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Haylion Technologies Co ltd
Original Assignee
Shenzhen Haylion Technologies Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Haylion Technologies Co ltd filed Critical Shenzhen Haylion Technologies Co ltd
Priority to CN201910846945.8A priority Critical patent/CN110542908B/zh
Publication of CN110542908A publication Critical patent/CN110542908A/zh
Application granted granted Critical
Publication of CN110542908B publication Critical patent/CN110542908B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Automation & Control Theory (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种应用于智能驾驶车辆上的激光雷达动态物体感知方法，具体包括以下步骤：构建高精地图，得到车辆运行路线的环境点云地图以及对应的地理坐标；在高精地图上进行粗略定位，并得到高精地图当前位置附近的环境点云；高精地图定位模块利用当前激光雷达扫描的点云与高精地图上的点云进行点云匹配，得到精确位置；利用高精地图定位模块匹配得到地图上对应位置得环境点云以及当前激光雷达扫描的点云；根据高斯分布自信度获取动态物体对应的点云。本发明基于高精地图提取激光雷达动态物体点云的方法，结合视觉识别与点云标定融合进行雷达点云分类，能够大幅减少聚类和追踪计算量，同时还能够提高准确度。

Description

应用于智能驾驶车辆上的激光雷达动态物体感知方法
技术领域
本发明涉及智能驾驶技术领域，特别是一种应用于自动驾驶车辆上的动态物体感知方法。
背景技术
智能驾驶或无人驾驶车辆是质量智能化发展的必然趋势，目前全国各地多个省市都有相关智能车辆测试、甚至落地运营的新闻。目前智能(无人)驾驶车辆主要利用激光雷达进行环境和障碍物的感知以及物体的追踪预判，同时结合3D高精度地图进行精确定位。
车用机械式激光雷达具有距离检测精度高、不受光照影响、可靠性高、覆盖范围广的特定，非常适合无人驾驶车辆需求。由于其距离检测精度高，通常用来结合3D高精度地图，在不依赖于GPS的情况下可实现厘米及的定位精度；同时，还可利用聚类算法对激光雷达点云进行聚类实现对周围环境物体的感知和追踪。但是由于激光雷达点云比较稀疏、分辨率较低，所以在聚类的过程中容易把距离较近的物体，比如人和车、人和树木以及周围环境聚类成同一个物体，这样就会造成后面的最终效果大打折扣。因此，有必要将运动的物体和周围环境中固定的物体进行区分，提高追踪和预测结果。
发明内容
本发明需要解决的技术问题是提供一种应用于智能车辆上的动态物体感知方法，能够区分动态物体和静态环境物体，进一步提升聚类和追踪预测效果。
为解决上述技术问题，本发明所采取的技术方案如下。
应用于智能驾驶车辆上的激光雷达动态物体感知方法，所述感知方法基于感知系统实现，感知系统包括用于定位车辆在地理坐标上全局位置的GNSS定位模块、对车辆行驶区域的环境进行静态建模的高精地图建图模块、用于车辆进行精确定位的高精地图定位模块以及用于提取属于动态物体部分点云的动态点云提取模块，所述感知方法具体包括以下步骤：
A.通过高精地图建图模块构建高精地图，得到车辆运行路线的环境点云地图以及对应的地理坐标；
B.启动GNSS定位模块，在高精地图上进行粗略定位，并得到高精地图当前位置附近的环境点云，
C.高精地图定位模块利用当前激光雷达扫描的点云与高精地图上的点云进行点云匹配，得到精确位置；
D.利用高精地图定位模块匹配得到地图上对应位置得环境点云P1以及当前激光雷达扫描的点云P2；根据高斯分布自信度获取动态物体对应的点云P4。
上述应用于智能驾驶车辆上的激光雷达动态物体感知方法，步骤D具体包括以下内容：
D1.将环境点云P1划分为边长为R的立方体网格；
D2.对激光雷达点云P2中的每个点，取其位置为三维高斯分布G(x,y,z)；
D3.分别以激光雷达点云P2中的每个点pt为中心，R为半径，计算球体内P1点云网格立方体的点高斯分布自信度总和C＝ΣG(x,y,z)；
D4.对于激光雷达点云P2中的每个点pt，如果对应自信度C>0.7,则加入点云集P3；
D5.求解激光雷达点云P2与自信度大于0.7的点云集P3之差获取动态物体对应的点云P4。
由于采用了以上技术方案，本发明所取得技术进步如下。
本发明基于高精地图提取激光雷达动态物体点云的方法，结合视觉识别与点云标定融合进行雷达点云分类，能够大幅减少聚类和追踪计算量，同时还能够提高准确度。
附图说明
图1为本发明的流程图；
图2为本发明所述高精地图建图模块建立的高精地图；
图3为本发明所述激光雷达扫描的点云图；
图4为本发明计算获得的动态物体的点云图。
具体实施方式
下面将结合附图和具体实施例对本发明进行进一步详细说明。
一种应用于智能驾驶车辆上的激光雷达动态物体感知方法，该感知方法基于感知系统实现。感知系统包括GNSS定位模块、高精地图建图模块、高精地图定位模块以及动态点云提取模块。
GNSS定位模块用于定位车辆在地理坐标上的全局位置，即获取全球地理坐标，检测精度＜5m，具有成本低、范围广、全天候工作的特点。但是由于精确度较低，只能用于初略定位、位置丢失重定位和位置初始化。
高精地图建图模块是基于激光点云的SLAM建图模块，对车辆行驶区域的环境进行静态建模，结合高精度RTKGPS可将高精度地图和全球地理坐标进行对应，建模精度<10cm。高精地图具有建模精度高、只收录静态环境物体的特点，可用于高精度定位和提取静态物体。
高精地图定位模块是基于激光雷达点云与高精地图匹配的高精度定位模块，用于车辆进行精确定位。定位时，结合GNSS定位模块，高精地图以及上一时刻位置，利用点云匹配算法得出车辆位置，精度<10cm。高精地图定位模块具有定位精度高、计算速度快等特点。
动态点云提取模块基于高精地图定位模块、高精地图点云以及当前激光雷达点云，提取属于动态物体部分的点云。提取动态物体点云，不单只提升点云聚类的计算量，并且能够使常见动态物体，比如人、车和周围环境物体区分，提升识别准确度，通过提取动态点云，使聚类模块和跟踪模块计算量减少80％，精确度提升70％。
基于上述感知系统的感知方法，其流程如图1所示，具体包括以下步骤。
A.通过高精地图建图模块构建高精地图，得到车辆运行路线的环境点云地图以及对应的地理坐标，如图2所示。
B.启动GNSS定位模块，在高精地图上进行粗略定位，并得到高精地图当前位置附近的环境点云。
C.高精地图定位模块利用当前激光雷达扫描的点云与高精地图上的点云进行点云匹配，得到精确位置。激光雷达点云如图3所示。
D.利用高精地图定位模块匹配得到地图上对应位置得环境点云P1以及当前激光雷达扫描的点云P2；根据高斯分布自信度获取动态物体对应的点云P4。
该步骤具体包括以下内容。
D1.将环境点云P1划分为边长为R的立方体网格；通常R不小于10cm。
D2.对激光雷达点云P2中的每个点，取其位置为三维高斯分布；三维高斯函数参数G(x,y,z)根据下式计算。
Figure BDA0002195577960000041
式中，
Figure BDA0002195577960000042
D3.分别以激光雷达点云P2中的每个点pt为中心，R为半径，计算球体内P1点云网格立方体的点高斯分布自信度总和C＝ΣG(x,y,z)。
D4.对于激光雷达点云P2中的每个点pt，如果对应自信度C>0.7,则加入点云集P3。
D5.求解激光雷达点云P2与自信度大于0.7的点云集P3之差获取动态物体对应的点云P4，如图4中笑脸中的连续环S所示。

Claims (1)

1.应用于智能驾驶车辆上的激光雷达动态物体感知方法，其特征在于，所述感知方法基于感知系统实现，感知系统包括用于定位车辆在地理坐标上全局位置的GNSS定位模块、对车辆行驶区域的环境进行静态建模的高精地图建图模块、用于车辆进行精确定位的高精地图定位模块以及用于提取属于动态物体部分点云的动态点云提取模块，所述感知方法具体包括以下步骤：
A.通过高精地图建图模块构建高精地图，得到车辆运行路线的环境点云地图以及对应的地理坐标；
B.启动GNSS定位模块，在高精地图上进行粗略定位，并得到高精地图当前位置附近的环境点云，
C.高精地图定位模块利用当前激光雷达扫描的点云与高精地图上的点云进行点云匹配，得到精确位置；
D.利用高精地图定位模块匹配得到地图上对应位置得环境点云P1以及当前激光雷达扫描的点云P2；根据高斯分布自信度获取动态物体对应的点云P4；
步骤D具体包括以下内容：
D1.将环境点云P1划分为边长为R的立方体网格；
D2.对激光雷达点云P2中的每个点，取其位置为三维高斯分布G(x,y,z)；三维高斯函数参数G(x,y,z)根据下式计算
Figure FDA0004041138950000011
式中，
Figure FDA0004041138950000012
D3.分别以激光雷达点云P2中的每个点pt为中心，R为半径，计算球体内P1点云网格立方体的点高斯分布自信度总和C＝ΣG(x,y,z)；
D4.对于激光雷达点云P2中的每个点pt，如果对应自信度C>0.7,则加入点云集P3；
D5.求解激光雷达点云P2与自信度大于0.7的点云集P3之差获取动态物体对应的点云P4。
CN201910846945.8A 2019-09-09 2019-09-09 应用于智能驾驶车辆上的激光雷达动态物体感知方法 Active CN110542908B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910846945.8A CN110542908B (zh) 2019-09-09 2019-09-09 应用于智能驾驶车辆上的激光雷达动态物体感知方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910846945.8A CN110542908B (zh) 2019-09-09 2019-09-09 应用于智能驾驶车辆上的激光雷达动态物体感知方法

Publications (2)

Publication Number Publication Date
CN110542908A CN110542908A (zh) 2019-12-06
CN110542908B true CN110542908B (zh) 2023-04-25

Family

ID=68712888

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910846945.8A Active CN110542908B (zh) 2019-09-09 2019-09-09 应用于智能驾驶车辆上的激光雷达动态物体感知方法

Country Status (1)

Country Link
CN (1) CN110542908B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111160420B (zh) * 2019-12-13 2023-10-10 北京三快在线科技有限公司 基于地图的故障诊断方法、装置、电子设备和存储介质
WO2021134357A1 (zh) * 2019-12-30 2021-07-08 深圳元戎启行科技有限公司 感知信息处理方法、装置、计算机设备和存储介质
CN111123949B (zh) * 2019-12-31 2023-07-07 达闼机器人股份有限公司 机器人的避障方法、装置、机器人及存储介质
CN111426326B (zh) * 2020-01-17 2022-03-08 深圳市镭神智能系统有限公司 一种导航方法、装置、设备、系统及存储介质
CN113377748B (zh) * 2020-03-09 2023-12-05 北京京东乾石科技有限公司 激光雷达点云数据的静态点去除方法和装置
CN111595357B (zh) * 2020-05-14 2022-05-20 广州文远知行科技有限公司 可视化界面的显示方法、装置、电子设备和存储介质
CN111983582A (zh) * 2020-08-14 2020-11-24 北京埃福瑞科技有限公司 列车的定位方法及系统
CN114252869B (zh) * 2020-09-24 2024-10-29 北京万集科技股份有限公司 多基站协同感知方法、装置、计算机设备和存储介质
CN112199459A (zh) * 2020-09-30 2021-01-08 深兰人工智能(深圳)有限公司 3d点云分割方法、分割装置
CN112415490A (zh) * 2021-01-25 2021-02-26 天津卡雷尔机器人技术有限公司 一种基于2d激光雷达3d点云扫描装置及配准算法
CN113267787A (zh) * 2021-02-26 2021-08-17 深圳易行机器人有限公司 基于激光导航agv精准定位系统及其控制方法
CN113468941B (zh) * 2021-03-11 2023-07-18 长沙智能驾驶研究院有限公司 障碍物检测方法、装置、设备及计算机存储介质
CN113310497A (zh) * 2021-06-24 2021-08-27 三一专用汽车有限责任公司 地图构建装置、方法、系统和车辆
CN113917450B (zh) * 2021-12-07 2022-03-11 深圳佑驾创新科技有限公司 一种多扩展目标雷达量测集划分方法和装置
CN115014377A (zh) * 2022-06-27 2022-09-06 中国第一汽车股份有限公司 一种导航方法、系统及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101226597A (zh) * 2007-01-18 2008-07-23 中国科学院自动化研究所 一种基于热红外步态的夜间行人识别方法及系统
CN102289948A (zh) * 2011-09-02 2011-12-21 浙江大学 高速公路场景下一种多特征融合的多车辆视频跟踪方法
CN105405153A (zh) * 2015-10-29 2016-03-16 宁波大学 智能移动终端抗噪声干扰运动目标提取方法
CN106291736A (zh) * 2016-08-16 2017-01-04 张家港长安大学汽车工程研究院 无人驾驶汽车车道动态障碍物检测方法
CN107527350A (zh) * 2017-07-11 2017-12-29 浙江工业大学 一种面向视觉特征退化图像的固废对象分割方法
CN108318895A (zh) * 2017-12-19 2018-07-24 深圳市海梁科技有限公司 用于无人驾驶车辆的障碍物识别方法、装置及终端设备
CN109949375A (zh) * 2019-02-02 2019-06-28 浙江工业大学 一种基于深度图感兴趣区域的移动机器人目标跟踪方法
CN110006444A (zh) * 2019-03-21 2019-07-12 南京师范大学 一种基于优化混合高斯模型的抗干扰视觉里程计构建方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100568237B1 (ko) * 2004-06-10 2006-04-07 삼성전자주식회사 비디오 영상으로부터 이동 물체를 추출하는 장치 및 방법
CN106897432B (zh) * 2017-02-27 2020-07-24 广州视源电子科技股份有限公司 一种在电子地图中爬取地标信息的系统和方法
CN107480638B (zh) * 2017-08-16 2020-06-30 北京京东尚科信息技术有限公司 车辆避障方法、控制器、装置和车辆
CN107967298A (zh) * 2017-11-03 2018-04-27 深圳辉锐天眼科技有限公司 基于视频分析的监控管理方法
US10739459B2 (en) * 2018-01-12 2020-08-11 Ford Global Technologies, Llc LIDAR localization
US10754032B2 (en) * 2018-06-21 2020-08-25 Intel Corporation Perception device
CN108958266A (zh) * 2018-08-09 2018-12-07 北京智行者科技有限公司 一种地图数据获取方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101226597A (zh) * 2007-01-18 2008-07-23 中国科学院自动化研究所 一种基于热红外步态的夜间行人识别方法及系统
CN102289948A (zh) * 2011-09-02 2011-12-21 浙江大学 高速公路场景下一种多特征融合的多车辆视频跟踪方法
CN105405153A (zh) * 2015-10-29 2016-03-16 宁波大学 智能移动终端抗噪声干扰运动目标提取方法
CN106291736A (zh) * 2016-08-16 2017-01-04 张家港长安大学汽车工程研究院 无人驾驶汽车车道动态障碍物检测方法
CN107527350A (zh) * 2017-07-11 2017-12-29 浙江工业大学 一种面向视觉特征退化图像的固废对象分割方法
CN108318895A (zh) * 2017-12-19 2018-07-24 深圳市海梁科技有限公司 用于无人驾驶车辆的障碍物识别方法、装置及终端设备
CN109949375A (zh) * 2019-02-02 2019-06-28 浙江工业大学 一种基于深度图感兴趣区域的移动机器人目标跟踪方法
CN110006444A (zh) * 2019-03-21 2019-07-12 南京师范大学 一种基于优化混合高斯模型的抗干扰视觉里程计构建方法

Also Published As

Publication number Publication date
CN110542908A (zh) 2019-12-06

Similar Documents

Publication Publication Date Title
CN110542908B (zh) 应用于智能驾驶车辆上的激光雷达动态物体感知方法
CN108152831B (zh) 一种激光雷达障碍物识别方法及系统
CN112740225B (zh) 一种路面要素确定方法及装置
CN115639570B (zh) 融合激光强度和点云几何特征的机器人定位和建图方法
Bai et al. Using Sky‐pointing fish‐eye camera and LiDAR to aid GNSS single‐point positioning in urban canyons
CN116679314B (zh) 融合点云强度的三维激光雷达同步建图与定位方法及系统
KR20190053217A (ko) 위치파악 참조 데이터를 생성 및 사용하기 위한 방법 및 시스템
JP2019527832A (ja) 正確な位置特定およびマッピングのためのシステムおよび方法
CN101952688A (zh) 用于与传感器检测到的对象进行地图匹配的方法
Abuhadrous et al. Digitizing and 3D modeling of urban environments and roads using vehicle-borne laser scanner system
Marinelli et al. Mobile mapping systems and spatial data collection strategies assessment in the identification of horizontal alignment of highways
CN112455502B (zh) 基于激光雷达的列车定位方法及装置
JP6322564B2 (ja) 点群解析処理装置、方法、及びプログラム
Kato et al. NLOS satellite detection using a fish-eye camera for improving GNSS positioning accuracy in urban area
El Natour et al. Radar and vision sensors calibration for outdoor 3D reconstruction
CN118818574A (zh) 一种基于北斗、蓝牙和pdr的融合定位系统
Lucks et al. Improving trajectory estimation using 3D city models and kinematic point clouds
Aggarwal GPS-based localization of autonomous vehicles
Bai et al. Real-time GNSS NLOS detection and correction aided by sky-pointing camera and 3D LiDAR
CN115930946A (zh) 室内外交变环境下动态障碍物多特征描述的方法
CN115728803A (zh) 一种城市驾驶车辆连续定位系统及方法
CN119354180A (zh) 基于异构多模态数据融合的同步定位与建图方法
Zeybek et al. 3D dense reconstruction of road surface from UAV images and comparison of SFM based software performance
Wang et al. Sky-view images aided NLOS detection and suppression for tightly coupled GNSS/INS system in urban canyon areas
CN114252859B (zh) 目标区域的确定方法、装置、计算机设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20200605

Address after: 518000 Huafeng mansion 2701, Bauhinia community, Shennan Road, Futian District, Shenzhen, Guangdong, China, 2701

Applicant after: SHENZHEN HAYLION TECHNOLOGIES Co.,Ltd.

Address before: 518000 room 6006, Huafeng building, 1806 Shennan Avenue, Lianhua street, Guangdong, Shenzhen, Futian District

Applicant before: Alfaba Artificial Intelligence (Shenzhen) Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant