鄒 斌 譚 亮 侯獻(xiàn)軍

(武漢理工大學(xué)現(xiàn)代汽車零部件技術(shù)湖北省重點(diǎn)實(shí)驗(yàn)室 武漢 430070)

基于激光雷達(dá)的道路可行區(qū)域檢測(cè)*

鄒 斌 譚 亮 侯獻(xiàn)軍

(武漢理工大學(xué)現(xiàn)代汽車零部件技術(shù)湖北省重點(diǎn)實(shí)驗(yàn)室 武漢 430070)

針對(duì)無人駕駛智能車道路檢測(cè)問題，基于單線激光雷達(dá)的路面可行區(qū)域提取方法．依據(jù)激光雷達(dá)掃描點(diǎn)在可行路面的連續(xù)性，首先用相鄰掃描點(diǎn)間的歐氏距離對(duì)點(diǎn)聚類，然后用加權(quán)移動(dòng)平均值對(duì)每類點(diǎn)平滑濾波，再利用斜率將數(shù)據(jù)點(diǎn)分割成多段近似直線段，用最小二乘法對(duì)線段進(jìn)行擬合．最后根據(jù)線段的斜率和長度、高程信息從多條線段中選取可行路面．實(shí)驗(yàn)結(jié)果證明，算法可以實(shí)時(shí)有效的從激光雷達(dá)掃描點(diǎn)中提取路面可行區(qū)域．

可行駛區(qū)域；激光雷達(dá)；聚類；平滑濾波；最小二乘擬合

0 引 言

道路檢測(cè)是智能汽車環(huán)境感知中的重要內(nèi)容，國內(nèi)外有不少機(jī)構(gòu)對(duì)道路特征提取進(jìn)行了研究．Zhang[1]將單線激光雷達(dá)的數(shù)據(jù)分解成高程信息和投射到水平面上的點(diǎn)，先用高程信息識(shí)別道路候選區(qū)域，并通過模式識(shí)別技術(shù)判斷候選區(qū)是不是道路段；然后將地面投射線和簡單道路俯視模型對(duì)比確定候選區(qū)是道路或者路邊．算法在2007年的DARPA城市挑戰(zhàn)賽中得到驗(yàn)證，但是其假設(shè)路邊比路面高的條件對(duì)很多場(chǎng)景并不適用．陳得寶等[2]的研究中利用單幀激光雷達(dá)的數(shù)據(jù)的模糊聚類并預(yù)測(cè)的方法檢測(cè)道路邊界，取得了一定的成效，需要精確的方向角和電子地圖道路寬度．處理過程復(fù)雜，并且受環(huán)境限制大．俞先國等[3]嘗試用單幀單線雷達(dá)數(shù)據(jù)的檢測(cè)結(jié)果對(duì)非閉合Snakes模型進(jìn)行初始化，提出了一中序貫路邊檢測(cè)模型，可以有效減少路邊檢測(cè)的錯(cuò)誤和誤差．

Alexandre等[4]利用局部點(diǎn)數(shù)據(jù)擬合平面的法線和地面法線的夾角作為特征對(duì)路邊進(jìn)行檢測(cè)，并利用卡爾曼濾波器模型進(jìn)行預(yù)測(cè)．在巴黎的道路網(wǎng)絡(luò)的大部分路段進(jìn)行了驗(yàn)證，可以有效的處理有障礙物的道路邊界檢測(cè)問題．Kumar等[5]對(duì)傳統(tǒng)主動(dòng)輪廓模型進(jìn)行改進(jìn)，將GVF主動(dòng)輪廓模型與氣球主動(dòng)輪廓模型結(jié)合，經(jīng)驗(yàn)選取模型參數(shù)，在多種不同的道路場(chǎng)景中處理三維激光雷達(dá)數(shù)據(jù)成功提取了道路邊界．但是Snake曲線收斂需要的時(shí)間很長，實(shí)時(shí)性差．劉梓等[6]利用三維激光雷達(dá)道路邊界進(jìn)行提?。鶕?jù)道路區(qū)域與非道路區(qū)域之間存在的高度跳變的特性，首先提取道路的可通行區(qū)域，然后把得到的障礙網(wǎng)格圖利用線性鑒別分析分類的思想劃分出最佳的左右非道路區(qū)域，進(jìn)而擬合得到道路的邊界信息．

許華榮等[7]對(duì)圖像處理，利用Canny 邊緣檢測(cè)算法提取道路邊緣，然后使用最小二乘法擬合道路標(biāo)識(shí)線，然后利用道路標(biāo)識(shí)線計(jì)算道路中心線．郭春釗等[8]基于立體視覺對(duì)道路可行區(qū)域進(jìn)行檢測(cè)，基于立體視覺平面單應(yīng)性，建立了1個(gè)隱馬爾科夫模型，應(yīng)用Viterbi 算法，并提出1種巧妙的狀態(tài)序列的觀測(cè)概率函數(shù)，尋找道路非道路邊界的最優(yōu)狀態(tài)序列．實(shí)現(xiàn)了穩(wěn)定的道路邊界檢測(cè)．

從上訴研究中可以看出，對(duì)道路特征檢測(cè)主要基于視覺傳感器和激光雷達(dá)傳感器．視覺傳感器容易受光照、陰影、紋理等特征的影響，并且處理的數(shù)據(jù)量較大而導(dǎo)致實(shí)時(shí)性較差．激光雷達(dá)精度相對(duì)較高，并且不易受到周圍環(huán)境因素的干擾，在智能車上的使用越來越廣泛．使用三維激光雷達(dá)可以準(zhǔn)確獲取車輛周圍環(huán)境信息，但是三維激光雷達(dá)在車輛附近存在較大的盲區(qū)．單線激光雷達(dá)數(shù)據(jù)量小，很難處理復(fù)雜環(huán)境下的道路環(huán)境理解，但是掃描頻率高，可以實(shí)時(shí)穩(wěn)定的對(duì)三維激光雷達(dá)盲區(qū)的道路信息進(jìn)行補(bǔ)償．

文中提出了一種結(jié)合線性擬合和高度閾值的路面點(diǎn)提取方法．首先在單線激光雷達(dá)掃描平面內(nèi)對(duì)點(diǎn)進(jìn)行一次距離聚類，用移動(dòng)加權(quán)平均值對(duì)聚類的數(shù)據(jù)分別進(jìn)行平滑處理，利用最小二乘法擬合點(diǎn)n-k到n+k得到斜率作為第n點(diǎn)的斜率，利用連續(xù)2點(diǎn)之間的斜率差值將數(shù)據(jù)點(diǎn)分割，對(duì)分割的結(jié)果進(jìn)行最小二乘法擬合得到多條直線，根據(jù)直線的斜率選取可能的路面點(diǎn)；然后將數(shù)據(jù)點(diǎn)轉(zhuǎn)換到三維坐標(biāo)系中，計(jì)算高度信息從可能的路面點(diǎn)中選取路面點(diǎn)，算法的結(jié)果在試驗(yàn)中的到驗(yàn)證．

1 路面點(diǎn)提取

算法旨在利用路面的連續(xù)性對(duì)激光類數(shù)據(jù)點(diǎn)進(jìn)行分割，需要利用連續(xù)幾個(gè)掃描點(diǎn)的擬合直線斜率，激光雷達(dá)的測(cè)量誤差相對(duì)與于較遠(yuǎn)的測(cè)量距離較小，但是在利用少數(shù)點(diǎn)進(jìn)行擬合時(shí)，誤差會(huì)對(duì)擬合結(jié)果有很大影響，必須進(jìn)行濾波．激光雷達(dá)數(shù)據(jù)點(diǎn)本身可能不連續(xù)，直接濾波，將不連續(xù)的點(diǎn)當(dāng)作連續(xù)點(diǎn)處理，會(huì)破環(huán)原始數(shù)據(jù)的特征．因此，文中采用先對(duì)數(shù)據(jù)聚類，然后平滑濾波，再利用斜率分割的方法，最后從分割結(jié)果中選擇路面點(diǎn)．

1.1 傳感器的選型和安裝

實(shí)驗(yàn)選用HOKUYO公司的UTM-30LX-EW二維激光雷達(dá)，測(cè)量距離范圍0.1～30 m，測(cè)距精度±30 mm，掃描角度范圍-45°～225°，角度分辨率0.25°，掃描頻率40 Hz，通信接口Ethernet 100BASE-TX，專用指令．

實(shí)驗(yàn)將激光雷達(dá)向前傾斜安裝，見圖1．傾角為θ，激光發(fā)射點(diǎn)距地面高度h，使用指令將掃描角度調(diào)整為0° ～180°，每幀掃描數(shù)據(jù)用時(shí)25 ms．

圖1 激光雷達(dá)安裝示意圖

1.2 掃描點(diǎn)聚類

激光雷達(dá)每一幀有N=721個(gè)數(shù)據(jù)點(diǎn)，每個(gè)掃描點(diǎn)Pn由角度ωn、距離rn和反射強(qiáng)度in三部分構(gòu)成．激光雷達(dá)的內(nèi)部算法中，沒有接收到反射光信號(hào)的點(diǎn)的反射強(qiáng)度返回值為0，距離返回值為60 m．在對(duì)點(diǎn)進(jìn)行聚類前，要從原始數(shù)據(jù)中剔除無效點(diǎn)，將點(diǎn)的距離信息大于30 m的點(diǎn)刪除．點(diǎn)聚類選取距離聚類的方法，相鄰掃描點(diǎn)間的空間距離d(n,n-1)見圖2．

圖2 相鄰掃描點(diǎn)的距離示意圖

距離d(n,n-1)的計(jì)算式為

式中：Δω為相鄰點(diǎn)的夾角，Δω=0.25°．

設(shè)置距離閾值Tn，距離閾值Tn的選取按照距離rn計(jì)算，即

(2)

式中：e為經(jīng)驗(yàn)選取．利用距離聚類的過程見圖3．

圖3 聚類程序流程圖

圖4為取e=10，對(duì)1幀數(shù)據(jù)的聚類結(jié)果，聚成36類，相鄰類分別用 “.”和“*”表示．

圖4 點(diǎn)聚類結(jié)果

1.3 平滑濾波

對(duì)聚類后的每類點(diǎn)分別平滑處理，空間域的平滑濾波一般采用簡單的平均濾波法進(jìn)行，對(duì)任意2k+1個(gè)連續(xù)的點(diǎn)，將它們最中間的點(diǎn)的值替換為其他點(diǎn)的平均值，鄰域的大小與平滑的效果直接相關(guān)，鄰域越大平滑的效果越好，但鄰域過大，平滑會(huì)使邊緣信息損失的越大．直接采用移動(dòng)平均法時(shí)，在數(shù)據(jù)波動(dòng)較大時(shí)會(huì)產(chǎn)生突變．可以通過使用加權(quán)移動(dòng)平均法來避免這個(gè)問題，越靠近平滑窗口邊緣的點(diǎn)權(quán)值越?。褂眉訖?quán)平均值，進(jìn)入平滑窗口的點(diǎn)都是逐漸地計(jì)入平均值中，在逐漸移除，其計(jì)算式為

(3)

圖5 平滑濾波局部放大圖

1.4 數(shù)據(jù)點(diǎn)分割

將數(shù)據(jù)點(diǎn)的位置信息由極坐標(biāo)系轉(zhuǎn)換到直角坐標(biāo)系中，以激光發(fā)射點(diǎn)作為直角坐標(biāo)系原點(diǎn)，0°方向作為X軸正方向，90°方向作為Y軸正方向，轉(zhuǎn)換過程為

(4)

對(duì)距離聚類結(jié)果中點(diǎn)的數(shù)目大于m的類Cj，計(jì)算Cj中點(diǎn)Pn處的曲線斜率，取點(diǎn)Pn及其前后各m個(gè)點(diǎn)(xn-m，yn-m)到(xn+m，yn+m)，用最小二乘法進(jìn)行直線擬合，設(shè)其直線方程為

(5)

記

(6)

求α1，α2使J達(dá)到最小．利用矩陣運(yùn)算，記

(7)

(8)

(9)

則有

(10)

使用矩陣運(yùn)算，算出α1，α2的值，其中α1即為點(diǎn)Pn的斜率kn，比較kn和kn-1，如果以kn和kn-1為斜率的直線夾角超過某一角度值α，則在Pn處將點(diǎn)分割；距離聚類中點(diǎn)的數(shù)目不大于m的類Cj，在數(shù)據(jù)分割時(shí)仍作為一段處理．圖6為以α=45°為閾值，對(duì)圖5中數(shù)據(jù)點(diǎn)進(jìn)行分割的結(jié)果，分割成63段，分割后的線段都為近似直線，相鄰兩段分別用 “.”和“*”表示．

圖6 數(shù)據(jù)點(diǎn)分割

1.5 可通行區(qū)域的選擇

對(duì)點(diǎn)分割后，每一段數(shù)據(jù)點(diǎn)都呈近似直線的連續(xù)分布．可以用最小二乘法對(duì)包含多于兩個(gè)數(shù)據(jù)點(diǎn)的數(shù)據(jù)段進(jìn)行直線擬合，擬合計(jì)算過程和點(diǎn)分割中的擬合方法相同，最終得到各段直線段的斜率k1．由激光雷達(dá)的安裝示意圖可以看出，以激光雷達(dá)激光投射點(diǎn)為原點(diǎn)的直角坐標(biāo)系，X軸與路面在理論上平行，即路面在該坐標(biāo)系中的理論斜率為零．利用該條件可以從多條近似直線段中選擇斜率在[-Δk1，Δk1]之間的可能路面線段．圖7為以斜率Δk1=0.259為閾值，從圖6中選擇的線段，選出的線段與X軸的夾角不超過15°．

圖7 可能路面點(diǎn)

多條可能路面線段中，再根據(jù)高度和線段長度信息進(jìn)行篩選．將激光雷達(dá)數(shù)據(jù)點(diǎn)轉(zhuǎn)換到三維坐標(biāo)系X1Y1Z1中，坐標(biāo)原點(diǎn)為激光投射點(diǎn)，激光雷達(dá)0°方向?yàn)閄軸正方向，激光雷達(dá)90°方向在水平面的投影為Y軸正方向，豎直向上為Z軸正方向，其轉(zhuǎn)換過程為

(11)

在三維直角坐標(biāo)系中計(jì)算線段的長度，選取長度大于1 m的線段中高度最低的1段L1作為路面；將其他線段的高度、斜率和選取的線段的高度信息對(duì)比，選出其他路面線段，在路面有凸起或凹陷障礙物時(shí)，該方法可以成功的將障礙物從路面中剔除，提取出多段可行路面點(diǎn)．圖8為通過線段的擬合斜率、長度和高度信息選取的3段最終路面點(diǎn)，可以直接得到車輛前方的可通行路面和邊界信息，融合多幀數(shù)據(jù)，即可得到可通行區(qū)域．

圖8 路面點(diǎn)選取

2 實(shí)驗(yàn)結(jié)果分析

為了驗(yàn)證所提的算法在路面可行區(qū)域檢測(cè)中的效果，將激光雷達(dá)安裝在智能小車平臺(tái)上，激光投射點(diǎn)距離地面h=670 mm，向前傾斜角度θ=7.5°，在Ubuntu系統(tǒng)安裝機(jī)器人操作系統(tǒng)(ROS)，編寫ROS程序：用C++編寫傳感器節(jié)點(diǎn)，向激光雷達(dá)發(fā)送命令，接收激光雷達(dá)原始數(shù)據(jù)，將原始數(shù)據(jù)解析為順序點(diǎn)距離數(shù)組發(fā)布；用Python編寫數(shù)據(jù)處理節(jié)點(diǎn)，訂閱傳感器節(jié)點(diǎn)發(fā)布的距離數(shù)組，用提取算法進(jìn)行處理．處理程序最大耗時(shí)0.015 s，低于激光雷達(dá)掃描1幀的時(shí)間0.025 s，可以實(shí)現(xiàn)實(shí)時(shí)提?。?/p>

在校園的一段結(jié)構(gòu)化道路中，路沿的高度為12 cm，算法可以穩(wěn)定分割路面和邊界，得到路面可行區(qū)域；在路邊有障礙物時(shí)，障礙物和路面接觸的地方會(huì)有突變，和處理路沿相同，將障礙物點(diǎn)從掃描點(diǎn)中去除；在道路中間有障礙物時(shí)，算法會(huì)將障礙物點(diǎn)去除，這種情況下聚類的時(shí)候道路會(huì)被分成幾段，在最終的選擇時(shí)，比閾值短的路面線段會(huì)被剔除掉；在道路兩邊為草叢的非結(jié)構(gòu)化道路上，激光雷達(dá)掃描點(diǎn)不連續(xù)，在聚類和分割后時(shí)分成很多單點(diǎn)或者幾個(gè)點(diǎn)組成的很短一段，在后面的選取過程中會(huì)被直接剔除．

在實(shí)驗(yàn)中，智能車會(huì)不可避免的發(fā)生傾斜，傳感器的姿態(tài)也會(huì)隨之變化，實(shí)驗(yàn)中將小車從Z1軸正方向往X1軸正方向傾斜10°時(shí)，算法可以仍然可以從激光雷達(dá)數(shù)據(jù)中提取出路面點(diǎn)，但是提取出的線段在X1Y1平面中的位置會(huì)發(fā)生傾斜，激光雷達(dá)向下傾斜一側(cè)點(diǎn)的y1n變小，另一側(cè)相反；側(cè)傾角超過15°時(shí)，由于角度超過線段選取的斜率閾值，不能提取出路面．小車在前后俯仰時(shí)，提取算法也可以從掃描數(shù)據(jù)中提取出路面點(diǎn)，但同樣提取的線段在X1Y1平面的位置會(huì)發(fā)生變化，小車前傾時(shí)，計(jì)算出的路面點(diǎn)與小車的距離比實(shí)際要小，小車后仰時(shí)則相反．出現(xiàn)該偏差的原因是坐標(biāo)轉(zhuǎn)換時(shí)沒有實(shí)時(shí)根據(jù)小車姿態(tài)的變化對(duì)傳感器的位姿進(jìn)行補(bǔ)償．

3 結(jié) 束 語

文中對(duì)單幀激光雷達(dá)數(shù)據(jù)，先采用距離聚類的方法將掃描點(diǎn)聚類，對(duì)聚類后的點(diǎn)用加權(quán)移動(dòng)平均值平滑濾波；然后利用最小二乘法擬合連續(xù)幾個(gè)點(diǎn)的斜率分割數(shù)據(jù)點(diǎn)，并擬合分割后的線段；最后通過線段的斜率、長度、高度信息從線段中選取路面區(qū)域．直接提取出路面，而不用通過道路邊界來確定．結(jié)果表明，本算法在結(jié)構(gòu)化道路和非結(jié)構(gòu)化道路上都可以完成路面提取，并且在道路中存在障礙物時(shí)，規(guī)避障礙物，提取出可通行路面區(qū)域，為局部實(shí)時(shí)路徑規(guī)劃提供有效的道路環(huán)境信息．算法簡單，運(yùn)行速度塊，可以用于實(shí)時(shí)檢測(cè)．

[1]ZHANG W D. Lidar-based road and road-edge detection[C]. IEEE Intelligent Vehicles Symposium, Piscataway, USA: IEEE,2010.

[2]陳得寶,趙春霞,張浩峰,等.基于2維激光測(cè)距儀的快速路邊檢測(cè)[J]．中國圖象圖形學(xué)報(bào),2007,12(9)：1604-1609.

[3]俞先國,劉大學(xué),戴斌.基于非閉合Snakes和單線激光雷達(dá)的路邊檢測(cè)與濾波[J].機(jī)器人,2013,35(4):425-431.

[4]HERVIEU A, SOHEILIAN B. Road side detection and reconstruction using LIDAR sensor[C].IEEE Intelligent Vehicles Symposium, Gold Coast, Australia IEEE,2013.

[5]PANKAJ K, CONOR P M, PAUL L, et al. An automated algorithm for extracting road edges from terrestrial mobile LiDAR data[J]．ISPRS Journal of Photogrammetry and Remote Sensing,2013,85:44-55.

[6]劉梓,唐振明,任明武.基于3D激光雷達(dá)的實(shí)時(shí)道路邊界檢測(cè)算法[J].華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2011,39(增刊2):351-354.

[7]許華榮,王曉棟,方遒.基于B樣條曲線模型的結(jié)構(gòu)化道路檢測(cè)算法[J].自動(dòng)化學(xué)報(bào)，2011，37(3)：270-275.

[8]郭春釗，山部尚孝，三田誠一．基于立體視覺平面單應(yīng)性的智能車輛可行駛道路邊界檢測(cè)[J].自動(dòng)化學(xué)報(bào),2013，39(4)：371-380.

Drivable Road Regions Detection Based on LiDAR

ZOU Bin TAN Liang HOU Xianjun

(HubeiKeyLaboratoryofAdvancedTechnologyofAutomotiveParts,WuhanUniversityofTechnology,Wuhan430070,China)

A drivable road regions detection method is proposed to identify the characteristics of the road for unmanned intelligent vehicles, which is mainly according to the continuity of LiDAR data on the road. First, the points are clustered by the distance between adjacent scanning points and using weighted moving average filter to smooth the points of each cluster. Then, the points are divided into several approximately straight line segments based on the slope from fitting a few consecutive points with the least square method, using the least square fitting line segments to obtain the slope of these line segments. Finally, the passable regions are selected from those line segments by means of their slope, length and elevation. Experimental results demonstrate that the proposed method provides real-time and reliable detection performance.

drivable road regions; LiDAR; cluster; least square fitting

2017-01-21

*國家自然科學(xué)基金項(xiàng)目資助(51405359)

TP242

10.3963/j.issn.2095-3844.2017.02.006

鄒斌(1977—)：男，博士，副教授，主要研究領(lǐng)域?yàn)橹悄芷囎詣?dòng)駕駛系統(tǒng)