朱建新, 唐升平, 辛 濤, 吳 鈧

(1.中南大學(xué) 高性能復(fù)雜制造國(guó)家重點(diǎn)試驗(yàn)室，湖南 長(zhǎng)沙 410083;2.山河智能裝備股份有限公司國(guó)家級(jí)企業(yè)技術(shù)中心，湖南 長(zhǎng)沙 410100;3.中國(guó)人民解放軍32181部隊(duì),陜西 西安 710032)

0 引 言

地面無(wú)人車輛(unmanned ground vehicle,UGV)是具有自主執(zhí)行運(yùn)輸任務(wù)的平臺(tái)，而環(huán)境識(shí)別是自主執(zhí)行運(yùn)輸任務(wù)的重要前提；在非結(jié)構(gòu)道路環(huán)境識(shí)別研究中，地形分類、路徑規(guī)劃及和道路分類已經(jīng)受到廣泛的關(guān)注[1]；障礙物檢測(cè)與識(shí)別是可行區(qū)域檢測(cè)及環(huán)境重建的基礎(chǔ)，在非結(jié)構(gòu)化道路自主行駛中最危險(xiǎn)的場(chǎng)景之一就是負(fù)障礙物[2]，探測(cè)負(fù)障礙物也是感知中最困難的問(wèn)題之一[3]。

早期負(fù)障礙物檢測(cè)大多基于相機(jī)，2001年,Witus G等人提出基于相機(jī)[4]的負(fù)障礙物檢測(cè)方法，依靠太陽(yáng)光投射在負(fù)障礙物上存在陰影和非陰影的特點(diǎn)來(lái)感知負(fù)障礙的方法，陰影增強(qiáng)了立體視覺感知能力。2003年,Matthies L與Rankin A等人發(fā)現(xiàn)夜晚時(shí)負(fù)障礙物底部溫度比周圍高，提出基于熱紅外相機(jī)[5]障礙物檢測(cè)方法，將顯著的強(qiáng)度區(qū)域標(biāo)記為潛在的負(fù)障礙物區(qū)域，然后通過(guò)核對(duì)多幀圖像數(shù)據(jù)來(lái)確認(rèn)負(fù)障礙物，但此法很容易受到天氣變化的影響。

由于激光雷達(dá)不會(huì)受到光照強(qiáng)弱影響，且測(cè)距精度高，國(guó)防科技大學(xué)Shang E等人在文獻(xiàn)[6,7]中,提出了一種新的使用雙HDL—32 LiDAR的安裝方法，有利于大幅縮小激光雷達(dá)檢測(cè)盲區(qū)，提高地面無(wú)人車輛前方點(diǎn)云密度；南京理工大學(xué)劉家銀等人[8]設(shè)計(jì)了一種具有互補(bǔ)能力的多激光雷達(dá)安裝方式，采用貝葉斯融合多特征。

本文提出的負(fù)障礙物檢測(cè)方法包括基于角度特征的廣度優(yōu)先搜索和負(fù)障礙物評(píng)價(jià)兩個(gè)過(guò)程，這兩個(gè)過(guò)程形成了級(jí)聯(lián)式負(fù)障礙物檢測(cè)系統(tǒng)；基于角度特征的廣度優(yōu)先搜索可快速獲得潛在負(fù)障礙物；結(jié)合激光雷達(dá)垂直水平角度分辨率差異、負(fù)障礙物處局部點(diǎn)云缺失、負(fù)障礙物后沿壁點(diǎn)云密集、環(huán)間距與高度特征之間的關(guān)系等幾何特征來(lái)最終確定負(fù)障礙物。

1 總體框架

本文提出的檢測(cè)方法的總體框架如圖1所示。

圖1 總體框架

2 負(fù)障礙物檢測(cè)原理

2.1 激光雷達(dá)配置

1)激光雷達(dá)參數(shù)

算法使用禾賽科技Pandar 64線機(jī)械式激光雷達(dá)來(lái)獲取點(diǎn)云數(shù)據(jù)，下面對(duì)該雷達(dá)的技術(shù)參數(shù)進(jìn)行簡(jiǎn)單的介紹。探測(cè)距離為0.3～200 m，水平視場(chǎng)角為360°，水平角分辨率為0.2°(10 Hz)，垂直視場(chǎng)角為40°(-25°～15°)，最小垂直角分辨為0.167°(-6°～+2°)[9]。

2)激光雷達(dá)配置對(duì)負(fù)障礙物檢測(cè)影響

至少有一束激光射入負(fù)障礙物內(nèi)時(shí)，負(fù)障礙物才可能被檢測(cè)到；假設(shè)激光雷達(dá)發(fā)射中心高度為H，第i束激光在水平面形成的環(huán)半徑為ri，相鄰環(huán)半徑差為Δr，第i束激光的俯仰角為φ，則有

(1)

由式(1)可知，在距離車體指定距離L處，可檢測(cè)的負(fù)障礙物的最小寬度wmin與安裝高度H及垂直角Δφ分辨率有關(guān)，如圖2所示，理論上在區(qū)間[5,40]m內(nèi)可檢測(cè)到2 m的負(fù)障礙物。

圖2 最小檢測(cè)寬度與距離的關(guān)系

2.2 基于激光雷達(dá)負(fù)障礙物檢測(cè)原理

2.2.1 激光雷達(dá)掃描模型

激光雷達(dá)傳感器數(shù)據(jù)格式為pi=(di,φi,θi)T，俯仰角φ和偏航角θ確定了激光束間的相互位置關(guān)系，如圖3所示，也即

θ0i=θ1i=θ2i=θ3i,φi0=φi1=φi2=φi3,i=0,1,2,3

(2)

由于點(diǎn)云集合具有無(wú)序性，單幀點(diǎn)云有18萬(wàn)個(gè)點(diǎn)，極大增加了數(shù)據(jù)處理復(fù)雜度。為充分利用激光束之間的相互位置關(guān)系，采用文獻(xiàn)[10]采取的方法，把64線雷達(dá)傳感器原始數(shù)據(jù)從雷達(dá)坐標(biāo)系映射到的矩陣數(shù)據(jù)結(jié)構(gòu)中，并統(tǒng)計(jì)元素處的點(diǎn)，記元素處的點(diǎn)集合為，具體如下

?pk=(dk,φk,θk)T∈P→mij

Sij+=pk，θstep=360°/cols

(3)

并以Sij中d值最大點(diǎn)作為元素mij處的代表點(diǎn)pr。

2.2.2 點(diǎn)云預(yù)處理

基于M(64×cols)數(shù)據(jù)結(jié)構(gòu)，結(jié)合負(fù)障礙物的幾何特征可快速定位潛在的負(fù)障礙物，算法基于負(fù)障礙物的必要條件初步篩選潛在負(fù)障礙物；在負(fù)障礙物處可發(fā)現(xiàn)如下必要條件：取出M(64×cols)數(shù)據(jù)結(jié)構(gòu)中每一列中的代表點(diǎn)，依次連線得線段pi,cpi+1,c，計(jì)算連線pi,cpi+1,c與水平方向的夾角得αi，在負(fù)障礙物處一系列相鄰點(diǎn)的角度α?xí)戎苓吀?，最大值?0°；如圖3所示，M(64×cols)數(shù)據(jù)結(jié)構(gòu)中連續(xù)相鄰的4束激光束形成的點(diǎn)云示意圖，連線得線段pi,cpi+1,c，pi+1,cpi+2，c，pi+2,cpi+3，c，計(jì)算角度分別得αi，αi+1，αi+2，其中角度最大值接近90°。

為方便后續(xù)描述，定義角度矩陣為

Mα=[αij]∈R63×cols

αij=arctan(Δzi,i+1/Δri,i+1)

(4)

其中

Δzi,i+1=|zi-zi+1|=|disinφi-di+1sinφi+1|

Δri,i+1=|ri-ri+1|=|dicosφi-di+1cosφi+1|

圖3 負(fù)障礙物必要條件示意

圖4為包含3個(gè)彈坑的角度矩陣子塊，對(duì)30幀連續(xù)點(diǎn)云的角度矩陣負(fù)障礙物處最大值統(tǒng)計(jì)得圖5，由圖可知，可通過(guò)負(fù)障礙物必要條件篩選潛在負(fù)障礙物。

圖4 負(fù)障礙物處角度統(tǒng)計(jì)

圖5 包含3個(gè)彈坑的角度

以角度矩陣Mα作為負(fù)障礙物檢測(cè)算法的輸入數(shù)據(jù)，避免直接處理無(wú)序的3D點(diǎn)云數(shù)據(jù)；使用廣度優(yōu)先搜索可快速提取潛在的負(fù)障礙物，此時(shí)負(fù)障礙物使用在Mα中的索引來(lái)描述，即使用集合s={(i,j)|0

2.2.3 基于角度的廣度優(yōu)先搜索[11]

算法中使用廣度優(yōu)先搜索算法是為了快速獲得負(fù)障礙物索引對(duì)集合，即圖4框選區(qū)域；算法關(guān)注重點(diǎn)是地面的負(fù)障礙物，地面點(diǎn)往往在M(64×cols)數(shù)據(jù)結(jié)構(gòu)中行索引更大的位置，所以執(zhí)行廣度優(yōu)先搜索算法時(shí)從(63,1)開始遍歷。

綜上所述，所設(shè)置的遙感因子包括：B1、B2、B3、B4、B5、B7、B5/7、KT1、KT2、KT3、B(5+7-2)/(5+7+2)、B4*5/7、B(4+5-2)/(4+5+2)、B5/4、B3/B(1+2+3+4+5+7)、B4*3/7共16個(gè)遙感因子。

由于使用負(fù)障礙物必要條件初步檢測(cè)，所以檢測(cè)后得到的集合Sneg_possible中包含非負(fù)障礙物，結(jié)合文獻(xiàn)[8]提及的后沿壁數(shù)據(jù)局部密集性、局部點(diǎn)云缺失及激光雷達(dá)水平垂直角分辨率差異對(duì)局部點(diǎn)云進(jìn)一步篩選，可濾除大量非負(fù)障礙物。

由于激光雷達(dá)水平角分辨率為0.2°(10 Hz)，垂直角分辨率最小為0.167°(-6°～+2°)，假設(shè)負(fù)障礙物為彈坑類型，即在半徑方向和圓周方向尺寸幾乎相等，則由圖2可知在任意距離處可檢測(cè)的負(fù)障礙物寬度w≥0.624 9 m，對(duì)于直徑為d的負(fù)障礙物至多有d/0.624 9環(huán)激光束落入負(fù)障物內(nèi)，即Mα數(shù)據(jù)結(jié)構(gòu)中至多有rows=d/0.624 9行相鄰數(shù)據(jù)是代表負(fù)障礙物；而在周向至多有

(5)

束激光落入負(fù)障礙物內(nèi)，算法中取cols=900，即在數(shù)據(jù)結(jié)構(gòu)中指至多有cols=143.239 4d/D列相鄰數(shù)據(jù)代表負(fù)障礙物，針對(duì)40 m范圍內(nèi)的負(fù)障礙物，綜上可知cols/rows=89.510 3/D>2;圖6為負(fù)障礙物在M(64×cols)數(shù)據(jù)結(jié)構(gòu)圖，灰色點(diǎn)表示在負(fù)障礙內(nèi)，黑色點(diǎn)表示在負(fù)障礙物外，其中rows=3,cols=14。

文獻(xiàn)[8]中提及到負(fù)障礙物后沿壁數(shù)據(jù)局部密集特征，即激光雷達(dá)掃描到負(fù)障礙物后壁前方區(qū)域的激光束全落在后壁上，造成點(diǎn)云密度較大，如圖6所示。

圖6 障礙物處點(diǎn)云示意

灰色點(diǎn)區(qū)域?yàn)槊芗瘏^(qū)域；算法采用局部點(diǎn)云柵格密度估計(jì)，把局部點(diǎn)云投影在水平面上并柵格化，負(fù)障礙物處局部點(diǎn)云缺失也是用柵格統(tǒng)計(jì)來(lái)表征，具體操作如下:

1)rect區(qū)域膨脹

2)柵格化點(diǎn)云密度估計(jì)

圖7 負(fù)障礙物柵格

由于激光雷達(dá)激光束發(fā)射方式的特殊性，激光束會(huì)在水平面形成圓環(huán)，圓環(huán)半徑差被稱為環(huán)間距Δr，環(huán)間距Δr與傳感器安裝高度及激光束俯仰角φi有關(guān)，當(dāng)存在負(fù)障礙物時(shí)，環(huán)間距會(huì)變大，然后急劇變?。划?dāng)環(huán)間距變小的同時(shí)也會(huì)出現(xiàn)局部最小高度值z(mì)min，如圖8所示，Δr′i,Δr′i+1,Δr′i+2為地面環(huán)間距，對(duì)比可知

(6)

設(shè)深度矩陣為D=[dij]64×cols，dij為M(64×cols)中代表值的距離信息。

圖8 負(fù)障礙物環(huán)間距與高度值關(guān)系

設(shè)環(huán)半徑矩陣為r=cos(φ)×D，高度值矩陣Z=sin(φ)×D，設(shè)各環(huán)俯仰角構(gòu)成對(duì)角矩陣為

φ=diag[φ,φ2,…,φ64]

(7)

故環(huán)間距矩陣為

Δr=r(1∶rows-1)-r(2∶rows)∈R63×cols

(8)

由于非結(jié)構(gòu)道路地面起伏更大，負(fù)障礙物處地面高度與車體處地面高度存在差異，在計(jì)算Δr′i時(shí)，取集合Sneg_possible中潛在負(fù)障礙物點(diǎn)云zmax作為負(fù)障礙物處地面高度，環(huán)間距公式計(jì)算如下

(9)

由于非結(jié)構(gòu)化道路處理時(shí)存在不確定性，無(wú)法保證任何角度處都滿足式(6)負(fù)障礙物評(píng)價(jià)規(guī)則，故按如下計(jì)算置信度：

1)提取局部環(huán)間距最大值索引

在集合Sneg_possible中獲取潛在負(fù)障礙物矩形區(qū)域rect′，并在環(huán)間距矩陣Δr與高度值矩陣Z獲取對(duì)應(yīng)局部環(huán)間距矩陣Δrlocal與局部高度值矩陣Zlocal，按式(9)計(jì)算最大環(huán)間距的索引。

2)統(tǒng)計(jì)滿足負(fù)障礙物的列

以最大值索引為起始遍歷點(diǎn)，判斷該列是否滿足式(6)，記c為滿足式(6)的列數(shù)，計(jì)算置信度

P(rect′)=c/clos(Δr′local)

(10)

當(dāng)P(rect′)>Pthres即可作為最終負(fù)障礙物，其中Pthres的設(shè)定與rect區(qū)域膨脹有關(guān)。

3 實(shí)驗(yàn)與分析

在非結(jié)構(gòu)化道路上進(jìn)行實(shí)驗(yàn)，非結(jié)構(gòu)化道路類型包括了土路負(fù)障礙物場(chǎng)景與草地負(fù)障礙物場(chǎng)景，分別標(biāo)記為U1和U2；激光雷達(dá)為禾賽Pandar 64，傳感器垂直安裝高度為2.24 m，有效掃描角度為360°，車體前進(jìn)方向?yàn)閄軸，水平向左為Y軸。

實(shí)驗(yàn)1 一組非結(jié)構(gòu)化道路土路負(fù)障礙物場(chǎng)景U1，如圖9左圖所示。包含3個(gè)圓形負(fù)障礙物，其直徑分別為1.8，1.8，2.0 m；方法針對(duì)圓形負(fù)障礙物，采用最小二乘法擬合圓形邊界；繪制連續(xù)幀負(fù)障礙物擬合圓如圖10所示，由圖可知，當(dāng)負(fù)障礙物與車體的距離在區(qū)間[20.35,37.91]m時(shí)，可穩(wěn)定檢測(cè)負(fù)障礙物，此時(shí)召回率為0.944 1。其中召回率計(jì)算公式為

Precall=TP/(TP+TN)

(11)

式中TP為正確檢測(cè)到的負(fù)障礙數(shù)量，TN為未檢測(cè)到的負(fù)障礙數(shù)量。

圖9 非結(jié)構(gòu)化道路場(chǎng)景

圖10 連續(xù)幀負(fù)障礙物檢測(cè)效果

實(shí)驗(yàn)2一組非結(jié)構(gòu)化道路草地負(fù)障礙物場(chǎng)景U2，如圖9右圖所示。包括了1個(gè)邊長(zhǎng)為1.8 m的方形負(fù)障礙物；圖11為車體接近負(fù)障礙物過(guò)程中4幀負(fù)障礙物檢測(cè)結(jié)果，距離區(qū)間在[20.35,37.91]m時(shí)，能夠檢測(cè)到明顯的負(fù)障礙物；由于激光雷達(dá)近距點(diǎn)云稀疏，車體近處的負(fù)障礙物未能被檢測(cè)到。

圖11 草地負(fù)障礙檢測(cè)效果

為進(jìn)一步提高方法的實(shí)時(shí)性能，從兩個(gè)方面縮短用時(shí)；一方面以激光雷達(dá)原始距離數(shù)據(jù)作為算法預(yù)處理輸入數(shù)據(jù)，而不是直接處理三維點(diǎn)云，將數(shù)據(jù)映射到柱面坐標(biāo)系；另一方面只檢測(cè)車體前方|y|≤6 m區(qū)域的數(shù)據(jù)，或以地面分割處理后的地面點(diǎn)作為輸入數(shù)據(jù)，這也可以極大地減少非結(jié)構(gòu)化道路負(fù)障礙物虛警現(xiàn)象。

4 結(jié) 論

1)本文提出了一種新的級(jí)聯(lián)式負(fù)障礙物檢測(cè)的方法。利用級(jí)聯(lián)短路效應(yīng)，可以在負(fù)障礙物提取前期淘汰非負(fù)障礙物，提高實(shí)時(shí)性；

2)負(fù)障礙物處角度特征顯著，故基于角度的廣度優(yōu)先搜索可快速獲得潛在負(fù)障礙物，同時(shí)完成了負(fù)障礙物的聚類工作；

3)對(duì)負(fù)障礙物建立確定性的描述，結(jié)合激光雷達(dá)垂直水平角度分辨率差異、局部點(diǎn)云缺失、后沿壁點(diǎn)云密集、環(huán)間距與高度特征關(guān)系等幾何特征來(lái)計(jì)算負(fù)障礙物置信度；

4)實(shí)驗(yàn)表明,在非結(jié)構(gòu)化道路中，當(dāng)距離在區(qū)間[20.35，37.91]m時(shí)，能可靠檢測(cè)到負(fù)障礙物。