李贵炎

(南京交通职业技术学院,江苏 南京 211188)

0 引言

近年来,随着移动技术和通信技术的发展[1],许多新型高端技术被应用到智能驾驶系统的研发中[2]。 其中,一种新型的车载激光雷达被广泛用于检测智能驾驶系统中的引导功能[3]。 该车载激光雷达对车辆周围的空间具有搜索范围广、信息范围广和单幅图像信息、精度高等优点,本文重点介绍基于车载激光雷达的线搜索技术[4]。

1 相关概念

1.1 激光雷达传感器

激光雷达扫描仪的众多优势,使其成为复杂交通环境中视觉检测的理想选择[5]。 视觉系统的主要功能是契合智能驾驶环境自动作出指令和判断,指导智能驾驶行为[6]。 本文提出的激光雷达多面组合检测算法流程,如图1 所示。

图1 基于激光雷达的障碍物检测算法流程

1.2 基于激光雷达的障碍物识别方法

1.2.1 地面分割

交通环境中会出现很多突发情况[7],驾驶员一般难以从容、整合处理。 对于车载激光雷达来说,处理复杂交通情况则相对容易。 地面分割是一种简单有效的预防方法,可以用于处理突发状况。 综合考虑,本项目采用RANSAC 算法(Random Sample Consensus, RANSAC)进行遗传分离[8],其第一个均衡模型可以定义为[9]:

在进行地表分割时[10],系统操作人员必须先将指标代入符号,计算误差,根据指定的阈值分析PROad 符号集中的第一个符号,然后对第一个内部基因应用RANSAC 算法设置PROad。

1.2.2 点云栅格化

激光雷达传感器的数据传输量非常大,Velodyne 64 线激光雷达在双响应模式下每秒产生3D 扫描。 信号数量可以达到220 万个,即使去除地面信号,云的数据大小也保持不变,并且还会留下标记供适当处理,光束可能不会被激光扫描,远处的格栅会产生隔音格栅,并降低能见度。……