一种基于激光雷达测量数据的路况分析方法与流程

1.本专利涉及一种基于激光雷达测量数据的路况分析方法，属于传感器数据处理与人工智能技术领域。


背景技术：

2.激光雷达是基于激光测距原理，测量传感器与物体之间的距离，并且可以水平和竖直方向上旋转一定角度，实现3d探测，具有检测速度快，分辨率高，测距精度高的优点，因此进入汽车自动驾驶和机器人自主导航领域，成为障碍物检测以及避障不可或缺的检测手段。同时，随着社会的发展及生活水平的提高，具有视觉障碍的人非常迫切走出自己熟悉的生活空间，能够正常外出购物、散步及社会交往，但是由于视觉功能上的欠缺，视觉障碍人员非常容易在行进过程中发生摔倒，可能造成严重的伤害。


技术实现要素：

3.针对上述问题，本专利为了满足视觉障碍人员外出的意愿，提供一种基于激光雷达测量数据的路况分析方法，根据检测数据，分析道路状况，识别凹陷区域和凸起障碍物，并播报提醒，为视觉障碍人员出行提供安全保障。
4.本专利解决其技术问题所采用的技术方案是：
5.一种基于激光雷达测量数据的路况分析方法，所述的激光雷达安装在头盔的前上方，检测方向设置为前下方，所述的头盔两侧设置语音播报的喇叭，所述的头盔侧面设置充电接口和开关按键，所述的头盔内部设置控制器，所述的控制器包括进行集中控制的处理器，与所述的处理器连接的由扁平电机组成的振动器，还包括与所述的充电接口连接的充电电路，所述的充电电路输出连接充电电池，所述的充电电池输出连接电源电路，所述的电源电路输出所述的控制器及其他模块所需的电源，所述的激光雷达，开关按键和喇叭与所述的处理器连接；所述的激光雷达用于检测前方地面的状况，中心位置建立传感器坐标系xyz，x轴指向所述的激光雷达的检测中心方向，与水平方向成β夹角，y轴指向左侧，同时建立世界坐标系xyz，y轴与y轴重合，x轴指向正前方，z轴指向竖直向上，所述的激光雷达输出数据f
k
(i，j)＝{(d
kij
，α
i
，j
·
θ)}，其中k＝0，1，2...，为检测的序号，α
i
为所述的激光雷达在竖直方向上的检测角度，i为竖直方向上的数据序号，i＝0，1，2...n
‑
1，n为所述的激光雷达的线数，j为水平方向上的数据序号，j＝0，1，2...，θ为所述的激光雷达在水平方向上的检测角度增量，所述的处理器用于实现路况分析方法，所述的路况分析方法包括以下步骤：
6.(1)每隔固定周期δt，所述的处理器读取所述的激光雷达输出数据f
k
(i，j)＝{(d
kij
，α
i
，j
·
θ)}，转换为传感器坐标系下的点[x
ijk
，y
ijk
，z
ijk
]
‑1＝[d
ijk
·
cosα
i
·
sin(j
·
θ
‑
θ0)，d
ijk
·
cosα
i
·
cos(j
·
θ
‑
θ0)，d
ijk
·
sinα
i
]，其中θ0为j＝0的检测角度；采用坐标转换方法，将点[x
ijk
，y
ijk
，z
ijk
]
‑1转换为世界坐标系下的点
[0007]
(2)在点[x
ijk
，y
ijk
，z
ijk
]
‑1组成的集合中，搜索障碍物，并提取障碍物信息：距离d，方位δ，高度h，宽度w，具体步骤如下：
[0008]
(2a)、搜索点[x
ijk
，y
ijk
，z
ijk
]
‑1在x轴正方向上的邻近点[x
mnk
，y
mnk
，z
mnk
]
‑1，即x
mnk
＞x
ijk
，同时[(x
mnk
‑
x
ijk
)2 (y
mnk
‑
y
ijk
)2]
1/2
最小，其中m＝0，1，2...n
‑
1，n＝0，1，2...，计算δx
ijk
＝x
mnk
‑
x
ijk
，δz
ijk
＝z
mnk
‑
z
ijk
，以及梯度g
ijk
＝δz
ijk
/δx
ijk
；
[0009]
(2b)、当δx
ijk
＞t
x
，将点[x
ijk
，y
ijk
，δz
ijk
]
‑1存入数据链表l0，其中t
x
为凹陷区域x激增阈值；当g
ijk
＞tg，将点[x
ijk
，y
ijk
，z
ijk
]
‑1存入数据链表l1，t
g
为凸起障碍物梯度阈值；
[0010]
(2c)、遍历完所有的点以后，如果数据链表l0非空，则计算凹陷区域参数：距离d＝minx(l0)，方位δ＝arctan(avergey(l0)/avergex(l0))，高度h＝avergeδz(l0)，宽度w＝maxy(l0)
‑
miny(l0)；
[0011]
如果数据链表l1非空，则计算凸起障碍物参数：距离d＝minx(l1)，方位δ＝arctan(avergey(l1)/avergex(l1))，高度h＝maxz(l1)
‑
minz(l1)，宽度w＝maxy(l1)
‑
miny(l1)；
[0012]
其中minx，miny和minz分别为计算数据链表中的x坐标，y坐标和z坐标最小值的算式，maxy，maxz为计算数据链表中点的y坐标和z坐标最大值的算式，avergex，avergey和avergeδz为计算数据链表中的x坐标，y坐标和δz均值的算式。
[0013]
(3)如果发现障碍物，所述的处理器通过所述的振动器警示用户，并且通过所述的喇叭播报障碍物信息。
[0014]
本专利的有益效果主要表现在：1、基于激光雷达的检测数据，分析道路状况，识别凹陷区域和凸起障碍物，并进行语音及振动提示，保障视觉障碍人员出行安全2、计算方法简单，运算速度快，可满足实时性要求。
附图说明
[0015]
图1是本发明的外观和坐标系示意图；
[0016]
图2是本发明的凹陷区域检测示意图；
[0017]
图3是本发明的凸起障碍物检测示意图。
具体实施方式
[0018]
下面结合附图对本发明作进一步描述：
[0019]
参照图1
‑
3，为了帮助视觉障碍人员自主出行过程中的路况分析和识别，提供一种基于激光雷达测量数据的路况分析方法。所述的激光雷达2安装在头盔1的前上方，所述的头盔1一方面可以在意外情况下保护用户头部，另一方面也可以安装电子设备。所述的头盔1两侧设置语音播报的喇叭5，可以进行语音播报，进行危险警示；所述的头盔1侧面设置充电接口3和开关按键4，所述的充电接口3可以连接外部充电用的电源。
[0020]
所述的头盔1内部设置控制器，所述的控制器包括进行集中控制的处理器，与所述的处理器连接的振动器，所述的振动器由扁平电机组成，用于进行危险提示。还包括与所述的充电接口3连接的充电电路，所述的充电电路输出连接充电电池，所述的充电电池输出连
接电源电路，所述的电源电路输出所述的控制器及其他模块所需的电源。所述的激光雷达2，开关按键4和喇叭5与所述的处理器连接，实现集中控制。所述的开关按键4用于启动或者关闭所述的控制器。
[0021]
所述的激光雷达2的检测方向设置为前下方，检测前方地面的状况。为了进行数据计算，中心位置建立传感器坐标系xyz，x轴指向所述的激光雷达2的检测中心方向，与水平方向成β夹角，y轴指向左侧，同时建立世界坐标系xyz，y轴与y轴重合，x轴指向正前方，z轴指向竖直向上。所述的激光雷达2输出数据f
k
(i，j)＝{(d
kij
，α
i
，j
·
θ)}，其中k＝0，1，2...，为检测的序号，α
i
为所述的激光雷达2在竖直方向上的检测角度，i为竖直方向上的数据序号，i＝0，1，2...n
‑
1，n为所述的激光雷达2的线数，j为水平方向上的数据序号，j＝0，1，2...，θ为所述的激光雷达2在水平方向上的检测角度增量。优选的，所述的激光雷达4设置为velodyne vlp16激光雷达，n为16，α0至α
15
依次
‑
15
°
，1
°
，
‑
13
°
，3
°
，
‑
11
°
，5
°
，
‑9°
，7
°
，
‑7°
，9
°
，
‑5°
，11
°
，
‑3°
，13
°
，
‑1°
，15
°
，θ＝0.1
°
，由于vlp16水平方向上检测范围是360
°
，j的取值范围只取120
°
，即j＝0，1，2...1200。
[0022]
所述的处理器用于实现路况分析方法，所述的路况分析方法包括以下步骤：
[0023]
(1)每隔固定周期δt，所述的处理器读取所述的激光雷达2输出数据f
k
(i，j)＝{(d
kij
，α
i
，j
·
θ)}，转换为传感器坐标系下的点[x
ijk
，y
ijk
，z
ijk
]
‑1＝[d
ijk
·
cosα
i
·
sin(j
·
θ
‑
θ0)，d
ijk
·
cosα
i
·
cos(j
·
θ
‑
θ0)，d
ijk
·
sinα
i
]，其中θ0为j＝0的检测角度；采用坐标转换方法，将点[x
ijk
，y
ijk
，z
ijk
]
‑1转换为世界坐标系下的点
[0024]
所述的激光雷达2获取的是不同角度和方向上，物体反射点与所述的激光雷达2的距离，需要转换成传感器坐标系下的坐标，进一步转换为世界坐标系下的坐标，为后续数据处理提供便利。
[0025]
(2)在点[x
ijk
，y
ijk
，z
ijk
]
‑1组成的集合中，搜索障碍物，并提取障碍物信息：距离d，方位δ，高度h，宽度w，具体步骤如下：
[0026]
(2a)、搜索点[x
ijk
，y
ijk
，z
ijk
]
‑1在x轴正方向上的邻近点[x
mnk
，y
mnk
，z
mnk
]
‑1，即x
mnk
＞x
ijk
，同时[(x
mnk
‑
x
ijk
)2 (y
mnk
‑
y
ijk
)2]
1/2
最小，其中m＝0，1，2...n
‑
1，n＝0，1，2...，计算δx
ijk
＝x
mnk
‑
x
ijk
，δz
ijk
＝z
mnk
‑
z
ijk
，以及梯度g
ijk
＝δz
ijk
/δx
ijk
；
[0027]
因为用户的行走方向是朝向x轴的正方向，因此在进行特征计算的时候，选取了当前点[x
ijk
，y
ijk
，z
ijk
]
‑1与其在x轴正方向上的邻近点[x
mnk
，y
mnk
，z
mnk
]
‑1计算特征参数。
[0028]
(2b)、当δx
ijk
＞t
x
，将点[x
ijk
，y
ijk
，δz
ijk
]
‑1存入数据链表l0，其中t
x
为凹陷区域x激增阈值；当g
ijk
＞tg，将点[x
ijk
，y
ijk
，z
ijk
]
‑1存入数据链表l1，t
g
为凸起障碍物梯度阈值；
[0029]
如图2所示，遇到向下凹陷区域，比如向下的台阶，由于激光直线传播特性，导致凹陷区域边缘两侧的激光检测点，具有如下特征：第一，x坐标显著增加；第二，z坐标的绝对值增加。δz
ijk
与δx
ijk
成正比关系，因此采用δx
ijk
＞t
x
作为凹陷区域判据；如图3所示，遇到凸起的障碍物，比如直立的墙面，所述的激光雷达2投射的激光都会打在垂直方向的立面上，因此具有如下特征：第一，x坐标不增加或者增加细微；第二，z坐标变化显著，区别于平
整地面的z坐标不变化的情况。因此采用梯度g
ijk
＝δz
ijk
/δx
ijk
，将这种变化进行放大，作为凸起障碍物的判据。
[0030]
(2c)、遍历完所有的点以后，如果数据链表l0非空，则计算凹陷区域参数：距离d＝minx(l0)，方位δ＝arctan(avergey(l0)/avergex(l0))，高度h＝avergeδz(l0)，宽度w＝maxy(l0)
‑
miny(l0)；
[0031]
如果数据链表l1非空，则计算凸起障碍物参数：距离d＝minx(l1)，方位δ＝arctan(avergey(l1)/avergex(l1))，高度h＝maxz(l1)
‑
minz(l1)，宽度w＝maxy(l1)
‑
miny(l1)；
[0032]
其中minx，miny和minz分别为计算数据链表中的x坐标，y坐标和z坐标最小值的算式，maxy，maxz为计算数据链表中点的y坐标和z坐标最大值的算式，avergex，avergey和avergeδz为计算数据链表中的x坐标，y坐标和δz均值的算式。
[0033]
在高度h参数计算上，凹陷区域及凸起障碍物存在差异：凹陷区域的形态特征主要集中在凹陷区域的边缘，因此以边缘点的δz
ijk
作为凹陷区域的高度h参数；而凸起障碍物的形态特征分布在垂直立面上，因此以垂直立面上的检测点的z坐标分布范围作为凸起障碍物的高度h参数
[0034]
(3)如果发现障碍物，所述的处理器通过所述的振动器警示用户，并且通过所述的喇叭5播报障碍物信息。
[0035]
通过振动及声音提示和预警，可有效保障用户的出行安全。