姚蔚利

（中國中煤能源集團有限公司，北京 100120）

0 引言

采礦業(yè)是我國國民經(jīng)濟的基礎(chǔ)和支柱產(chǎn)業(yè)。近年來，隨著傳感器、人工智能、計算平臺等技術(shù)領(lǐng)域的突破，應(yīng)用自動駕駛技術(shù)是當(dāng)前采礦業(yè)發(fā)展的重要趨勢。由于礦山的作業(yè)環(huán)境惡劣、危險度高，采用自動駕駛技術(shù)可保護人員安全，且能大幅提升工作效率，更加經(jīng)濟、節(jié)能和環(huán)保［1］。應(yīng)用自動駕駛技術(shù)可對周圍環(huán)境進行實時感知，然后自主規(guī)劃路徑進行行駛或采礦作業(yè)。

自動駕駛技術(shù)通過相機、激光雷達、組合導(dǎo)航等傳感器對周圍環(huán)境進行實時感知，以獲得周圍環(huán)境的障礙物信息，這是保證自動駕駛車輛安全可靠行駛的前提。相較于相機，激光雷達具有感知精度高、不受光照影響的優(yōu)點，受到學(xué)者們的廣泛關(guān)注［2］。

國內(nèi)外學(xué)者對利用激光雷達的障礙物檢測技術(shù)進行了許多的研究工作。Vu等［3］利用柵格地圖的方法對運動目標(biāo)進行檢測，并通過貝葉斯公式推理由傳感器誤差造成的柵格狀態(tài)不一致性，來檢測運動目標(biāo)，但沒有對更新后的后驗概率進行修正。Azim等［4］基于八叉樹網(wǎng)格法來檢測運動物體，然后用密度聚類算法進行障礙物檢測，但其網(wǎng)格繪制過程復(fù)雜，導(dǎo)致難度加大。Frederik等［5］提出點云數(shù)據(jù)實時分割算法，利用激光雷達垂直于水平分辨角，將聚類的歐幾里得距離特性在保留三維測量信息的同時，利用圖像距離公式將數(shù)據(jù)縮小到二維，從而加快計算，并引入跳躍檢測法來改進過分割問題和部分遮擋問題。Yin等［6］提出VoxelNet檢測網(wǎng)絡(luò)，將特征提取和邊界框預(yù)測統(tǒng)一到單階段的端到端深度網(wǎng)絡(luò)中，其將點云劃分為等間距的3D體素，通過引入體素特征編碼，并將其連接到網(wǎng)絡(luò)，從而生成檢測算法。VoxelNet算法對行人及騎自行車的人具有較好的識別效果，但該算法對原始數(shù)據(jù)比較敏感，且實時性較差。此外，現(xiàn)有研究中障礙物檢測技術(shù)多是面向城市結(jié)構(gòu)化場景，對地下礦井場景的研究并不全面。

針對以上問題，本研究提出一種面向地下礦井環(huán)境的基于激光雷達的障礙物檢測方法。使用激光雷達時，先對點云進行地面分割，提取高程障礙物點云，再利用改進的DBSCAN算法對障礙物進行聚類，并對目標(biāo)的三維邊界框進行擬合。利用公開的數(shù)據(jù)集及地下礦井點云數(shù)據(jù)進行模擬試驗，從而驗證本研究所提出的算法能實現(xiàn)準(zhǔn)確、穩(wěn)定、實時的障礙物檢測。

1 地面分割

先進行點云地面分割，由于地下礦井環(huán)境多為比較平整的路面，且一般存在坡度。因此，本研究采用基于多平面擬合的地面分割算法來提取高程障礙物點云。

1.1 基于多平面擬合的地面分割

點云數(shù)據(jù)包括點空間坐標(biāo)( )x,y,z。算法先根據(jù)點云數(shù)據(jù)的距離分成三個區(qū)域，然后利用RANSAC算法分區(qū)域進行地面分割。RANSAC算法通過反復(fù)選擇數(shù)據(jù)中的一組隨機子集來完成目標(biāo)。算法的流程如下。①在設(shè)置的迭代次數(shù)內(nèi)，每次隨機選取3個點來確定一個平面方程。②將所有點依次代入該平面方程中，根據(jù)設(shè)定的距離閾值進行判定，若在閾值范圍內(nèi)，則認為該點屬于該平面的內(nèi)點，否則為外點。遍歷所有點后，統(tǒng)計內(nèi)點個數(shù)。③在迭代次數(shù)內(nèi)，內(nèi)點數(shù)量最多的平面方程即為地面方程，該地面方程下的內(nèi)點就是地面點云集，外點就是障礙物點云集。

迭代中對3個點進行平面擬合，采用的線性平面模型關(guān)系式見式（1）、式（2）。

式中：n=（a，b，c）T為平面的法向量；d為平面擬合模型常數(shù)；X=（x，y，z）T，通過代入3個點坐標(biāo)（x，y，z）求解n。

通過分區(qū)域多平面擬合地面分割，實現(xiàn)對地下礦井存在坡度的地面與高程障礙物點云分割，提高地面分割的準(zhǔn)確度。

2 障礙物檢測

2.1 目標(biāo)聚類

本研究采用DBSCAN［7］密度聚類算法，并根據(jù)點云密度隨距離變化的特征，采用自適應(yīng)閾值的改進方法。DBSCAN算法是一個具有代表性的基于密度的聚類算法，與劃分層次聚類方法不同的是，其將簇定義為密度相連的點的最大集臺，能把具有足夠高密度的區(qū)域劃分為簇，并在有噪聲的空間數(shù)據(jù)庫中發(fā)現(xiàn)任意形狀的聚類。DBSCAN算法是由密度可達關(guān)系導(dǎo)出的最大密度相連的樣本集合。按照距離選擇不同的鄰域閾值來搜索核心對象，以此來適應(yīng)點云的空間分布特點。

DBSCAN算法有兩個主要參數(shù)，即鄰域半徑ε、簇最小點數(shù)MinPts。算法的流程如下，在點云數(shù)據(jù)集中任選一點作為起始點，按照給定的ε和MinPts，查找所有從這一點密度可達的點。算法根據(jù)點云密度隨距離降低的特點，引入距離參數(shù)，在距離增大時，ε會隨之增大，而MinPts隨之減小，以此來保證在不同探測距離上，算法能自適應(yīng)找到合理的參數(shù)組合。

DBSCAN算法對數(shù)據(jù)集中的異常點不敏感，根據(jù)距離特征來選擇不同的鄰域閾值，從而有效解決其欠分割與過分割問題。參數(shù)的匹配對聚類的效果影響很大，本研究通過對鄰域閾值以及鄰域樣本數(shù)閾值進行聯(lián)合調(diào)參，在地下礦井場景中的夯道環(huán)境中，對近處及遠處的目標(biāo)均能獲得良好的聚類效果。

2.2 目標(biāo)三維邊界框擬合

在獲得障礙物的點云聚類簇后，為更準(zhǔn)確地描述目標(biāo)的特征信息，要對聚類簇進行三維邊界框擬合，從而獲得目標(biāo)的尺寸、位置、朝向等特征。由于地下礦井場景中目標(biāo)多為礦用車輛、礦工等，采用凸包矩形迭代擬合的方法來獲得目標(biāo)的三維邊界框。

凸包矩形迭代擬合方法的算法流程如下。①將點云聚類簇投影到二維平面，并獲得其凸包多邊形［8］。②對凸包多邊形的相鄰兩點進行矩形擬合，矩形的對邊通過距離相鄰兩點連線最遠的凸包點，并計算投影點云中的所有點到矩形四條邊的距離，比較得到四個距離的最小值，并求和。③對凸包所有的相鄰點進行矩形擬合，選擇最小距離和最小的矩形作為最終的矩形擬合框。④結(jié)合點云聚類簇的z方向高度值來獲得目標(biāo)最終的三維邊界擬合框。計算公式見式（3）、式（4）。

經(jīng)過凸包矩形迭代擬合，從而獲得障礙物的位置、尺寸、朝向等空間特征，實現(xiàn)了完整、準(zhǔn)確、可靠的障礙物檢測。

3 試驗結(jié)果

3.1 KITTI公開數(shù)據(jù)集

本研究采用KITTI的檢測數(shù)據(jù)集［9］，KITTI數(shù)據(jù)集是由德國卡爾斯魯厄理工學(xué)院和豐田美國技術(shù)研究院聯(lián)合創(chuàng)辦。KITTI數(shù)據(jù)集的數(shù)據(jù)采集平臺裝配有2個灰度攝像機、2個彩色攝像機、1個Velodyne 64線3D激光雷達、4個光學(xué)鏡頭以及1個GPS導(dǎo)航系統(tǒng)。本研究選擇激光雷達點云數(shù)據(jù)進行測試。

本研究所提出的算法的障礙物檢測效果鳥瞰可視化效果圖如圖1所示。其中，網(wǎng)格中心處為車輛原點位置（激光雷達位置），包圍框表示障礙物檢測結(jié)果。環(huán)境中運動目標(biāo)較多，場景多樣，運動復(fù)雜度較高，顯示了該算法障礙物檢測結(jié)果較為可靠，驗證了該算法的可行性與有效性。

圖1 障礙物檢測效果鳥瞰圖

3.2 地下礦井?dāng)?shù)據(jù)集試驗

經(jīng)過離線的仿真算法驗證，本研究再利用地下礦井?dāng)?shù)據(jù)集進行試驗驗證，數(shù)據(jù)集由搭載激光雷達和組合導(dǎo)航的礦用車輛在地下礦井進行錄制采集，具有與實車測試幾乎相同的試驗條件。

在地下礦井?dāng)?shù)據(jù)集試驗中，選擇典型場景對障礙物檢測的結(jié)果進行可視化展示，如圖2所示。在這兩個場景中，環(huán)境中的目標(biāo)均為礦用車輛。其中，網(wǎng)格中心處表示數(shù)據(jù)采集車輛原點，包圍框表示障礙物檢測結(jié)果。由圖2可以看出，障礙物檢測算法對地下礦井環(huán)境中目標(biāo)的擬合效果較好，對礦用車輛等進行了較為準(zhǔn)確的擬合。此外，本研究提出算法的實時性也得到了驗證，經(jīng)過仿真試驗與地下礦井?dāng)?shù)據(jù)集試驗驗證，本研究提出的地下礦井障礙物檢測算法滿足可行性與有效性，得出了較為準(zhǔn)確的障礙物檢測結(jié)果。

圖2 地下礦井?dāng)?shù)據(jù)集檢測結(jié)果

4 結(jié)語

本研究對基于激光雷達的地下礦井障礙物檢測算法進行了研究，重點研究多平面擬合地面分割算法對坡度路面有較高的魯棒性。同時，采用改進的自適應(yīng)閾值的DBSCAN聚類算法進行障礙物檢測，再利用凸包矩形迭代擬合方法進行三維邊界框擬合，完成對地下礦井障礙物檢測算法流程。經(jīng)過仿真及實車數(shù)據(jù)集試驗分析，本研究提出的算法滿足可行性與有效性，能實時準(zhǔn)確地實現(xiàn)對地下礦井環(huán)境中障礙物的檢測。