1.本发明涉及自动驾驶及机器人识别领域，具体涉及一种基于激光雷达的稀疏点云的障碍物分割方法。
背景技术：2.由于激光雷达能够获取精准的深度信息并且不受光照、天气变化等复杂环境的因素影响，在无人驾驶车的环境感知、三维重建等领域得到了广泛的应用。利用激光传感器对周围场景进行扫描得到的三维点云数据，包含了传感器周围环境中几乎所有物体的表面反射数据，是对周围环境物体表面的重建。通过对扫描得到的点云数据进行分割，就可以实现对周围环境的障碍物检测和识别。
3.目前,国内外对点云分割研究大致分为基于特征、基于地面投影及深度图三类方法。第一类方法直接在三维空间中构建复杂的特征,然后通过聚类算法对目标进行分割,这类基于特征的方法虽然可以取得较好的分割效果,但计算时间往往很长。第二类研究将点云投影至俯视平面,利用栅格地图进行处理,通过对单元格内测量值的最大高度差来判断单元格是否被占据,通过对占据的单元格进行聚类、特征提取来检测各种形状的障碍物,该类方法简单高效,但是栅格单元参数无法自适应调节,容易造成欠分割或者过分割。第三类研究基于三维激光雷达工作原理建立的深度图结构,将激光雷达旋转一周生成多条扫描线,利用扫描线构建二维深度图结构，方法简单，而且能够利用现有成熟的图像处理算法，来对深度图进行快速处理。
技术实现要素：4.本发明为了克服以上技术的不足，提供了一种实时性高且精确度高的稀疏激光雷达点云的障碍物分割方法。
5.本发明克服其技术问题所采用的技术方案是：
6.一种基于激光雷达的稀疏点云的障碍物分割方法，包括如下步骤：
7.a)获取激光雷达对周围环境扫描产生的点云，得到点云数据，激光雷达中两个相邻的激光器之间的垂直夹角为α；
8.b)将得到的点云数据根据激光雷达中垂直激光束个数及其360
°
旋转的范围读数，计算得到深度图像；
9.c)将激光雷达所在点定义为o点，激光雷达扫描到的a点与b点之间的距离为l，o点和a点之间的连线与a点和b点之间的连线的夹角为β；
10.d)当β大于阈值θ且小于l时，则判定a点与b点属于相同障碍物，为a点与b点添加相同标记信息，当β小于等于阈值θ且大于等于l时，则判定a点与b点属于不相同障碍物，为a点与b点添加不相同标记信息，阈值θ的取值为10
°
；
11.e)对标记不同类别的障碍物，通过一一对应映射回点云坐标。
12.进一步的，步骤a)中激光雷达为16线激光雷达，该激光雷达共有16个激光器，每个
激光器在垂直方向都有固定的俯仰角，没间隔时间δt，激光器发射一次。
13.进一步的，步骤b)中通过公式r＝[arctan(y/x)]/h计算得到深度图像的横坐标r，式中x为点云数据的三维直角坐标点的x轴坐标，y为点云数据的三维直角坐标点的y轴坐标，h为激光雷达水平角度分辨率，通过公式c＝[arctan(z/d)]/v计算得到深度图像的纵坐标c，式中z为点云数据的三维直角坐标点的z轴坐标，d＝(x2+y2)
1/2
，v为激光雷达垂直角度分辨率，得到深度图像二维坐标点(r,c)。进一步的，α为2
°
。
[0014]
进一步的，步骤c)中通过公式β＝arctan[(d1sinα)/(d1-d2cosα)]计算得到夹角β，d1为o点和a点之间的直线距离，d2为o点和b点之间的直线距离。本发明的有益效果是：基于衡量不同障碍物间表面变化的角度距离，使用阈值判断的方法结合欧式距离对物体进行分割识别，能够在小算力平台上得到较为迅速准确的识别结果。
附图说明
[0015]
图1为本发明的方法流程图；
[0016]
图2为本发明的角度计算机扫描相邻的两个障碍物的示意图。
具体实施方式
[0017]
下面结合附图1、附图2对本发明做进一步说明。
[0018]
一种基于激光雷达的稀疏点云的障碍物分割方法，包括如下步骤：
[0019]
a)获取激光雷达对周围环境扫描产生的点云，得到点云数据，激光雷达中两个相邻的激光器之间的垂直夹角为α。
[0020]
b)将得到的点云数据根据激光雷达中垂直激光束个数及其360
°
旋转的范围读数，计算得到深度图像。
[0021]
c)将激光雷达所在点定义为o点，激光雷达扫描到的a点与b点之间的距离为l，o点和a点之间的连线与a点和b点之间的连线的夹角为β。
[0022]
d)当β大于阈值θ且小于l时，则判定a点与b点属于相同障碍物，为a点与b点添加相同标记信息，当β小于等于阈值θ且大于等于l时，则判定a点与b点属于不相同障碍物，为a点与b点添加不相同标记信息，阈值θ的取值为10
°
。
[0023]
e)对标记不同类别的障碍物，通过一一对应映射回点云坐标。
[0024]
基于衡量不同障碍物间表面变化的角度距离，使用阈值判断的方法结合欧式距离对物体进行分割识别，能够在小算力平台上得到较为迅速准确的识别结果。激光雷达由若干组可以旋转的激光发射器和接收器组成,每个发射器发射一条激光束,称之为扫描线。目前主要有16线、32线和64线激光雷达。可以通过发射激光探测信号直接获得周围一圈准确的三维空间信息。激光雷达的成像原理比较简单:发射器和接收器连接在一个可以旋转的机械结构上,某时刻发射器将激光发射出去,之后接收器接收返回的激光,最后计算激光与物体碰撞点到雷达原点的距离。进一步的，步骤a)中激光雷达为美国velodyne公司的16线激光雷达，该激光雷达共有16个激光器，每个激光器在垂直方向都有固定的俯仰角，没间隔时间δt，激光器发射一次。雷达高速旋转一周,产生多条扫描线,称为一帧点云。
[0025]
本发明没有直接使用3d点云数据，而是将点云数据转化为深度图,将三维空间中的点投影到可以展开的圆柱形表面上,使其平面化。深度图的每个像素点存储了目标到激
光雷达的空间距离d，深度图行数r取决于激光器数目,深度图列数c取决于激光雷达水平角度分辨率。这样我们可以直接在范围2d图像中利用明确定义的邻域关系，这使得分割问题更容易。具体的，步骤b)中通过公式r＝[arctan(y/x)]/h计算得到深度图像的横坐标r，式中x为点云数据的三维直角坐标点的x轴坐标，y为点云数据的三维直角坐标点的y轴坐标，h为激光雷达水平角度分辨率，通过公式c＝[arctan(z/d)]/v计算得到深度图像的纵坐标c，式中z为点云数据的三维直角坐标点的z轴坐标，d＝(x2+y2)
1/2
，v为激光雷达垂直角度分辨率，得到深度图像二维坐标点(r,c)。
[0026]
优选的，α为2
°
。
[0027]
进一步的，步骤c)中通过公式β＝arctan[(d1sinα)/(d1-d2cosα)]计算得到夹角β，d1为o点和a点之间的直线距离，d2为o点和b点之间的直线距离。我们基于角度β做出是否为同一物体的判断。通过β与预设阈值θ进行比较，当β小于阈值θ时，视作两点深度变换较大，将两点判断为所属不同物体，当β大于θ时，视作该表面深度变换较为平缓，视作同一物体。由于激光雷达点云的数据密度会随着扫描的距离变化而变化,距离激光雷达越近的数据密度越高,距离激光雷达越远的数据密度越低,距离参数应随搜索点与激光雷达的距离变化而变化,不应是固定的参数,而应是自适应的参数,与扫描距离相关,距离越远参数应越大。使用了广度优先搜索将相似的点标记在一起，广度优先搜索(breadth-first search bfs)是一种流行的图搜索遍历算法，他从图给定的点开始遍历，并在移动到下一级邻居之前首先开始探索直接相邻的节点，在实验中使用了图像上的4领域值计算β，及两者的距离参数l。是否同一个障碍物对象的判断条件为β大于θ，并且需要满足他们的距离欧式距离小于上述自适应的距离参数l。最后，就可以标记出所有的障碍物。
[0028]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
技术特征：1.一种基于激光雷达的稀疏点云的障碍物分割方法，其特征在于，包括如下步骤：a)获取激光雷达对周围环境扫描产生的点云，得到点云数据，激光雷达中两个相邻的激光器之间的垂直夹角为α；b)将得到的点云数据根据激光雷达中垂直激光束个数及其360
°
旋转的范围读数，计算得到深度图像；c)将激光雷达所在点定义为o点，激光雷达扫描到的a点与b点之间的距离为l，o点和a点之间的连线与a点和b点之间的连线的夹角为β；d)当β大于阈值θ且小于l时，则判定a点与b点属于相同障碍物，为a点与b点添加相同标记信息，当β小于等于阈值θ且大于等于l时，则判定a点与b点属于不相同障碍物，为a点与b点添加不相同标记信息，阈值θ的取值为10
°
；e)对标记不同类别的障碍物，通过一一对应映射回点云坐标。2.根据权利要求1所述的基于激光雷达的稀疏点云的障碍物分割方法，其特征在于：步骤a)中激光雷达为16线激光雷达，该激光雷达共有16个激光器，每个激光器在垂直方向都有固定的俯仰角，没间隔时间δt，激光器发射一次。3.根据权利要求1所述的基于激光雷达的稀疏点云的障碍物分割方法，其特征在于：步骤b)中通过公式r＝[arctan(y/x)]/h计算得到深度图像的横坐标r，式中x为点云数据的三维直角坐标点的x轴坐标，y为点云数据的三维直角坐标点的y轴坐标，h为激光雷达水平角度分辨率，通过公式c＝[arctan(z/d)]/v计算得到深度图像的纵坐标c，式中z为点云数据的三维直角坐标点的z轴坐标，d＝(x2+y2)
1/2
，v为激光雷达垂直角度分辨率，得到深度图像二维坐标点(r,c)。4.根据权利要求1所述的基于激光雷达的稀疏点云的障碍物分割方法，其特征在于：α为2
°
。5.根据权利要求1所述的基于激光雷达的稀疏点云的障碍物分割方法，其特征在于：步骤c)中通过公式β＝arctan[(d1sinα)/(d1-d2cosα)]计算得到夹角β，d1为o点和a点之间的直线距离，d2为o点和b点之间的直线距离。
技术总结一种基于激光雷达的稀疏点云的障碍物分割方法，通过基于衡量不同障碍物间表面变化的角度距离，使用阈值判断的方法结合欧式距离对物体进行分割识别，能够在小算力平台上得到较为迅速准确的识别结果。为迅速准确的识别结果。为迅速准确的识别结果。
技术研发人员：王本强 尹青山 李志芸 谢超 高明 王建华
受保护的技术使用者：山东新一代信息产业技术研究院有限公司
技术研发日：2022.04.08
技术公布日：2022/7/5
