一種激光雷達(dá)數(shù)據(jù)下三維停車視距的檢測方法技術(shù)

本發(fā)明專利技術(shù)公開了一種激光雷達(dá)數(shù)據(jù)下三維停車視距的檢測方法。因經(jīng)典視距檢驗(yàn)缺少自動化檢測方法，而且視距值較多來自規(guī)劃設(shè)計(jì)值。本方法基于實(shí)際道路場景采集的激光雷達(dá)點(diǎn)云數(shù)據(jù)，利用PointNet++將城市道路場景點(diǎn)云自動分類并賦予屬性標(biāo)簽。其次，創(chuàng)新延伸橫向范圍的橢球體視野模型框選目標(biāo)物點(diǎn)云，利用特征值計(jì)算與對比算法目的性抽稀點(diǎn)云，提升整體模型算法的運(yùn)行效率。隨后，納入速度和路面條件變化，按視點(diǎn)變化依次檢驗(yàn)停車視距是否滿足規(guī)范要求，并輸出三維停車視距檢驗(yàn)值與遮擋視線的點(diǎn)云，實(shí)現(xiàn)全路段三維停車視距檢測。本發(fā)明專利技術(shù)有效解決了實(shí)際道路場景中停車視距現(xiàn)狀不清楚的問題，實(shí)現(xiàn)了對城市道路視距現(xiàn)狀的定量化和精細(xì)化檢驗(yàn)。細(xì)化檢驗(yàn)。細(xì)化檢驗(yàn)。

【技術(shù)實(shí)現(xiàn)步驟摘要】
一種激光雷達(dá)數(shù)據(jù)下三維停車視距的檢測方法


[0001]本專利技術(shù)涉及一種激光雷達(dá)數(shù)據(jù)下三維停車視距的檢測方法，屬于交通運(yùn)輸工程領(lǐng)域。

技術(shù)介紹

[0002]停車視距是保障駕駛?cè)擞龅角胺秸系K物后，在短時(shí)間內(nèi)做出正確認(rèn)知和決策所需的最短行車距離，道路設(shè)計(jì)中停車視距較多依據(jù)平縱線形進(jìn)行二維檢驗(yàn)。隨著路側(cè)植被的枝條不斷向道路內(nèi)側(cè)生長、交通標(biāo)志等設(shè)施增加，作為空間實(shí)體的道路，其三維特性愈發(fā)重要。真實(shí)道路場景下，駕駛速度和路面條件(冰、雪等)的變化，均會導(dǎo)致有效視距不足。因此，開展常見的城市道路三維停車視距檢驗(yàn)與安全評估，對道路安全駕駛預(yù)警和智能維養(yǎng)有重要的理論及應(yīng)用價(jià)值。
[0003]采用移動掃描車和地面三維激光掃描儀獲取的激光雷達(dá)點(diǎn)云數(shù)據(jù)，為復(fù)現(xiàn)道路場景提供了厘米級密度和厘米級精度的點(diǎn)云數(shù)據(jù)，可用來檢驗(yàn)實(shí)際道路視距情況。早期的深度學(xué)習(xí)網(wǎng)絡(luò)需要通過三維體素或者二維柵格操作將無序點(diǎn)云轉(zhuǎn)化成規(guī)則表達(dá)方式，然后送入深度學(xué)習(xí)網(wǎng)絡(luò)。PointNet的提出，實(shí)現(xiàn)了端到端的點(diǎn)云數(shù)據(jù)分類和分割。然而其只考慮點(diǎn)云的全局特征而忽略局部特征，隨之提出的結(jié)合局部和全局特征的PointNet++網(wǎng)絡(luò)，能有效提高了其分類性能，并在道路信息分類提取中得到了較好驗(yàn)證，但在三維視距研究中較少采用深度學(xué)習(xí)網(wǎng)絡(luò)識別障礙物。隨后，基于點(diǎn)云場景建立三維視距檢驗(yàn)?zāi)Ｐ椭校杩蜻x合理的視野，全面捕獲前方車道和路側(cè)地物信息(樹木、標(biāo)志牌和建筑等)。其中有以圓錐的形式利用人眼為頂點(diǎn)構(gòu)建圓形視野范圍，但可能會忽視路側(cè)植被向內(nèi)側(cè)生長引起的遮擋。為提高視距測算與識別效率，利用均勻抽稀降低點(diǎn)云密度，易丟失重要地物特征點(diǎn)。利用內(nèi)部形狀描述子算法通過點(diǎn)云間鄰域關(guān)系、點(diǎn)云協(xié)方差矩陣及矩陣的特征值間關(guān)系，實(shí)現(xiàn)數(shù)據(jù)快速壓縮并保留場景內(nèi)主要特征點(diǎn)。JTG B05—2015《公路項(xiàng)目安全性評價(jià)規(guī)范》提出應(yīng)對實(shí)地駕駛情況下的停車視距開展評價(jià)。因此，本專利技術(shù)提出一種激光雷達(dá)點(diǎn)云環(huán)境下的停車視距自動檢測方法。
[0004]本專利技術(shù)對激光雷達(dá)點(diǎn)云環(huán)境下檢測停車視距方法進(jìn)行了詳細(xì)說明。利用PointNet++將道路場景點(diǎn)云自動分類并賦予屬性標(biāo)簽，解決因點(diǎn)云缺少直接地物屬性信息導(dǎo)致的視距障礙物類別未知的問題；創(chuàng)建橢球視域模型根據(jù)道路參數(shù)自動框選視域，通過點(diǎn)云特征值篩選主要地物設(shè)施的特征點(diǎn)，提升數(shù)據(jù)運(yùn)算效率；考慮速度和路面條件變化，按視點(diǎn)軌跡依次檢驗(yàn)停車視距，輸出三維視距檢測結(jié)果，判斷停車視距現(xiàn)狀是否滿足規(guī)范要求，為道路的安全性評價(jià)提供定量化檢測結(jié)果。

技術(shù)實(shí)現(xiàn)思路

[0005]本專利技術(shù)所采用的技術(shù)方案是提出一種激光雷達(dá)數(shù)據(jù)下三維停車視距的檢測方法，包括以下步驟：
[0006]步驟1：利用PointNet++自動分類道路場景點(diǎn)云。
PointNet++網(wǎng)絡(luò)結(jié)構(gòu)主要包括多層次特征學(xué)習(xí)模塊、分類與分割模塊。多層次特征學(xué)習(xí)由多個(gè)Set Abstraction模塊構(gòu)成，點(diǎn)云以N
×
(d+C)形式輸入(N為輸入點(diǎn)的個(gè)數(shù)，d為點(diǎn)的坐標(biāo)維度，C為特征維度)，其中每個(gè)模塊的采樣層主要通過迭代最遠(yuǎn)點(diǎn)采樣算法構(gòu)建質(zhì)心集，組合層根據(jù)質(zhì)心集將點(diǎn)云分類為多個(gè)局部點(diǎn)集，以質(zhì)心點(diǎn)為圓心采用球形采樣法后輸出局部點(diǎn)云。加入PointNet層學(xué)習(xí)每個(gè)局部區(qū)域點(diǎn)云的全局特征。最后將點(diǎn)集映射至初始結(jié)構(gòu)，并輸出地物類別標(biāo)簽，該結(jié)果用于后續(xù)障礙物類別的直接判定與可視化呈現(xiàn)。
[0007]步驟2：構(gòu)建實(shí)景道路下橫軸延伸的橢球視野度模型，在點(diǎn)云場景中自動模擬駕駛員視點(diǎn)范圍。
[0008]利用橢球體的數(shù)學(xué)幾何模型構(gòu)建出延申橫軸的視野，將視野中點(diǎn)云與視點(diǎn)連線構(gòu)建新型視錐體，以達(dá)到改進(jìn)原視錐的視野模型的目的，使視野框選既兼顧道路前方，又有路側(cè)環(huán)境即為對應(yīng)的觀察點(diǎn)應(yīng)該觀測到的目標(biāo)物點(diǎn)云具體模型創(chuàng)建方法如下：
[0009]參考《公路路線設(shè)計(jì)規(guī)范》中規(guī)定的視點(diǎn)位置，沿車道中心線固定橢球視域模型的中心點(diǎn)。模型內(nèi)含有的任一點(diǎn)坐標(biāo)(x
o
,y
o
,z
o
)為均滿足式橢球體的視野框選的數(shù)學(xué)模型公式：
[0010][0011]式中，a與b分別為沿x和y軸的橢球體赤道半徑，m；c為沿z軸的橢球體極半徑，m。所得到的視域點(diǎn)云數(shù)據(jù)集由地面點(diǎn)云與非地面點(diǎn)云組成。
[0012]步驟3：為了提高測算效率且不丟失主要特征點(diǎn)，對視野內(nèi)點(diǎn)云進(jìn)行抽稀，僅保留重要特征點(diǎn)。
[0013]具體流程為：首先對點(diǎn)云中的每個(gè)點(diǎn)m
t
建立局部坐標(biāo)系；利用KD樹確定每個(gè)以點(diǎn)m
t
為中心、通過鄰域半徑r搜索所有鄰域點(diǎn)m
u
，接著結(jié)合城市道路的特點(diǎn)，如下式計(jì)算權(quán)值ω
tu
：
[0014][0015]得到權(quán)值結(jié)果ω
tu
后計(jì)算m
t
的協(xié)方差矩陣cov(m
t
)：
[0016]其次，對每個(gè)點(diǎn)m
t
的協(xié)方差矩陣進(jìn)一步計(jì)算其對應(yīng)的的特征值，將特征值從大到小排列順序，取前三個(gè)特征值通過數(shù)量關(guān)系判定特征點(diǎn)，滿足公式的所有點(diǎn)組成視域內(nèi)關(guān)鍵地物特征點(diǎn)云集。
[0017]根據(jù)多次實(shí)驗(yàn)測試選定閾值ε1＝0.8、ε2＝0.4為最佳(通常不超過1)，
[0018]步驟4：沿行車軌跡，改變停車視距相關(guān)變量，依次測算每視點(diǎn)對應(yīng)路段的三維停車視距檢驗(yàn)值，判斷實(shí)際停車視距值是否滿足對應(yīng)規(guī)范要求。
[0019]參考《規(guī)范》中的停車視距S
v
計(jì)算公式：
[0020][0021]式中：V為運(yùn)行速度，km/h；T為駕駛員反應(yīng)時(shí)間，s；K為制動系數(shù)(一般取1.3)；f為路面與輪胎間的摩擦阻力系數(shù)(簡稱摩阻系數(shù))。隨路面條件不同而變化，選用干燥、潮濕、
泥濘和冰滑四種路面條件；i為路段縱坡度(％)；S
c
為安全距離，m；S
v
為停車視距規(guī)范值，m。
[0022]沿行車軌跡，依次測算每視點(diǎn)對應(yīng)路段的三維停車視距檢驗(yàn)值：
[0023](1)輸入視域內(nèi)關(guān)鍵地物特征點(diǎn)云集與視點(diǎn)坐標(biāo)；(2)視點(diǎn)到各視域特征點(diǎn)之間連線，并計(jì)算歐幾里得距離；(3)依次判斷是否有環(huán)境點(diǎn)云落于視點(diǎn)與特征點(diǎn)的連線上：a)若是，則視線受阻，輸出具有類別標(biāo)簽的遮擋點(diǎn)云、記錄最小視線距離為停車視距檢驗(yàn)值；b)若否，則視線通暢，記錄最大視距值為停車視距檢驗(yàn)值；(4)循環(huán)至下一個(gè)視點(diǎn)，依次重復(fù)以上步驟，直至全路段測試完成。對停車視距中行車速度與摩阻系數(shù)(干燥、潮濕、泥濘與冰滑)進(jìn)行改變，計(jì)算對應(yīng)的停車視距值，對比點(diǎn)云場景下檢驗(yàn)值判斷停車是否是否滿足規(guī)范要求。
[0024]本專利技術(shù)的有益成果：
[0025]本專利技術(shù)提出了一種激光雷達(dá)數(shù)據(jù)下三維停車視距檢測方法。利用城市道路場景的自動分類結(jié)果，搭建的橢球視域模型顧及了路側(cè)植被向內(nèi)側(cè)生長引起的遮擋，視域范圍內(nèi)特征點(diǎn)提取方法大大提高了運(yùn)算效率，在點(diǎn)云環(huán)境中實(shí)現(xiàn)了全路段三維停車視距的自動檢測和視距障礙的自動感知，有效解決了道路視距現(xiàn)狀不清楚及風(fēng)險(xiǎn)點(diǎn)位不明確的問題，精準(zhǔn)刻本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】

【技術(shù)特征摘要】
1.一種激光雷達(dá)數(shù)據(jù)下三維停車視距的檢測方法，其特征在于，包括以下步驟：步驟1：利用PointNet++網(wǎng)絡(luò)自動分類道路場景點(diǎn)云；PointNet++網(wǎng)絡(luò)結(jié)構(gòu)包括多層次特征學(xué)習(xí)模塊、分類與分割模塊；多層次特征學(xué)習(xí)由多個(gè)Set Abstraction模塊構(gòu)成，點(diǎn)云以N
×
(d+C)形式輸入，其中N為輸入點(diǎn)的個(gè)數(shù)，d為點(diǎn)的坐標(biāo)維度，C為特征維度；其中每個(gè)模塊的采樣層主要通過迭代最遠(yuǎn)點(diǎn)采樣算法構(gòu)建質(zhì)心集，組合層根據(jù)質(zhì)心集將點(diǎn)云分類為多個(gè)局部點(diǎn)集，以質(zhì)心點(diǎn)為圓心采用球形采樣法后輸出局部點(diǎn)云；加入PointNet層學(xué)習(xí)每個(gè)局部區(qū)域點(diǎn)云的全局特征；最后將點(diǎn)集映射至初始結(jié)構(gòu)，并輸出地物類別標(biāo)簽，該結(jié)果用于后續(xù)障礙物類別的直接判定與可視化呈現(xiàn)；步驟2：構(gòu)建實(shí)景道路下橫軸延伸的橢球視野度模型，在點(diǎn)云場景中自動模擬駕駛員視點(diǎn)范圍；沿車道中心線固定橢球視域模型的中心點(diǎn)；模型內(nèi)含有的任一點(diǎn)坐標(biāo)(x
o
,y
o
,z
o
)為均滿足式橢球體的視野框選的數(shù)學(xué)模型公式：式中，a與b分別為沿x和y軸的橢球體赤道半徑，m；c為沿z軸的橢球體極半徑，m；所得到的視域點(diǎn)云數(shù)據(jù)集由地面點(diǎn)云與非地面點(diǎn)云組成；步驟3：對視野內(nèi)點(diǎn)云進(jìn)行抽稀，僅保留重要特征點(diǎn)；具體流程為：首先對點(diǎn)云中的每個(gè)點(diǎn)m
t
建立局部坐標(biāo)系；利用KD樹確定每個(gè)以點(diǎn)m
t
為中心、通過鄰域半徑r搜索所有鄰域點(diǎn)m
u
，接著結(jié)合城市道路的特點(diǎn)，如下式...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：王金，張子宜，李浩，許牛琦，
申請(專利權(quán))人：北京工業(yè)大學(xué)，
類型：發(fā)明
國別省市：