基于激光雷達的無人駕駛障礙物檢測與辨識探析

文/陳鋼

（國家能源集團陜西神延煤炭有限責(zé)任公司西灣露天煤礦，陜西 榆林 719302）

礦用自卸車無人駕駛是當下露天煤礦開采發(fā)展的重點方向，尤其是在開采難度不斷增加、煤炭需求不斷增長的背景下。無人駕駛障礙物的檢測與辨識，是當下需要克服的難關(guān)之一，而利用激光雷達，可以對障礙物的形狀、與障礙物的距離進行有效測量，確保測量精準度。本文對基于激光雷達的無人駕駛障礙物檢測與辨識展開分析，希望在無人駕駛障礙物檢測與辨識方面為業(yè)界提供參考。

1.激光雷達的定義和關(guān)鍵技術(shù)

激光雷達是一項先進的光學(xué)遙感技術(shù)，能對物體距離、表面形狀等進行精準測量，滿足測量需求。給探測目標發(fā)射激光束是激光雷達的基本原理，它通過對目標位置、速度等不同特征量的探測，獲取相關(guān)信息。在激光束發(fā)出去之后，探測目標接收到反射回來的目標回波后，對發(fā)射信號與目標回波進行對比，處理之后可獲取目標信息數(shù)據(jù)，這樣就能對無人駕駛障礙物進行有效檢測與辨識。本研究中使用的激光雷達選用圖達通的300線激光雷達和Livox的64線激光雷達，采用穩(wěn)定性更好的混合固態(tài)激光雷達，實現(xiàn)圖像級點云覆蓋，對周圍的環(huán)境進行有效感知，可為無人駕駛的礦用自卸車提供位置、導(dǎo)航信息、避障等各項支持。激光雷達在無人駕駛領(lǐng)域的應(yīng)用，能夠極大地改善當下發(fā)展現(xiàn)狀，促進該行業(yè)的健康發(fā)展。

2.基于激光雷達的無人駕駛障礙物檢測與辨識

2.1 凸出障礙物的檢測

常見的凸出障礙物有石頭、陡坡等。在無人駕駛運行過程中，當遇到凸出障礙物時，礦用自卸車的正常運行將受到影響。這時，通過雷達檢測到位置、距離等信息，礦用自卸車無人駕駛系統(tǒng)將會進行動態(tài)繞障，提升運輸效率。激光雷達在工作過程中，會通過掃描激光圖像，采用檢測算法對障礙物進行有效檢測：假設(shè)激光圖像每列最下1行的點g在地平面上，任取其中一列數(shù)據(jù)，然后進行計算。在障礙物檢測中，激光雷達采取非接觸式檢測方式，將多次回波檢測技術(shù)加入其中，可保證檢測的精準性與可靠性。而且，激光雷達的掃描角度能達到270°，可在-45°至225°的范圍內(nèi)進行檢測。在彩色顯示屏幫助下，激光雷達還能在交互式軟件應(yīng)用后對現(xiàn)場情況進行顯示。進一步的闡述如下所示：

第一，設(shè)所選的第i個像素為Pi，該列的最下方的一像素點為P0，這樣就可以得到Pi的Cartesian坐標值為Xi、Yi、Zi。Xi、Yi、Xi分別為激光雷達原點的高度、激光雷達原點的距離、橫向距離。在地平面的點g與下一點Pk之間的傾斜度進行計算時，當滿足下式時就可將Pk記為障礙物點：

式中：∝為障礙物的最大傾斜度。

傾斜度檢測算法是關(guān)于距離的函數(shù)，激光傳感器進度無法在距離測量中進行增加或者減少，但有一小部分障礙物點可滿足式（1），所以會發(fā)生誤判的情況。在距離這類障礙物較遠時，為避免誤判，相鄰障礙物點的高度差或深度差應(yīng)小于某一閾值H，即|Xk-Xg|＜H。

2.2 環(huán)境感知

環(huán)境感知、精度定位等是無人駕駛的核心技術(shù)，其中，環(huán)境感知還是無人駕駛的先決和必要條件。研究發(fā)現(xiàn)，無人駕駛?cè)鐔渭兪褂靡曈X的環(huán)境感知，已經(jīng)無法滿足其實際需求。因而，裝置具有良好防護性能的、可在各類惡劣環(huán)境下正常使用的，尤其是在露天煤礦開采等野外作業(yè)中使用的系統(tǒng)已成當務(wù)之急。無人駕駛系統(tǒng)屬于多種傳感器的整合系統(tǒng)，而傳感器有屬于自己的坐標體系。周圍物體與車體之間的相對位置、速度關(guān)系可通過車載坐標系來獲取。激光雷達坐標系與車載坐標系之間的距離為三維激光雷達標定，也就是激光雷達與無人駕駛礦用自卸車的空間位置關(guān)聯(lián)。為獲取環(huán)境信息，無人駕駛可由三維激光雷達發(fā)射，激光雷達坐標系下的原始數(shù)據(jù)也可以輸出。圖像坐標系與車載坐標系之間的標定為視覺相機標定，相機參數(shù)求解過程是建立圖像像素與無人駕駛礦用自卸車之間空間位置關(guān)聯(lián)。車載坐標下的三維物體可在一個二維圖像平面上投影，其成像原理如圖1所示。

在圖1中，屬于三維空間的點W投影到像平面M點位置。其中C、f分別為光心、相機焦距。按照三角形相似原理可得到以下公式：

光心位置在制造過程中會發(fā)生偏移，存在偏移u0與v0，圖像并非正方形，所以x與y方向上存在兩個焦距，分別為fx、fy，其中。

目標數(shù)據(jù)預(yù)處理。每一束激光在激光雷達工作期間，都有對應(yīng)的目標物體三維立體坐標，但目標物體在實際運行期間形狀會發(fā)生變化。為確保模板數(shù)據(jù)的穩(wěn)定與可靠，就要將物體畸變值予以去除。目標數(shù)據(jù)由激光雷達原始，工作人員可有效獲取激光點距的絕對距離值和角度值，并可在去畸變后將數(shù)據(jù)轉(zhuǎn)換為新數(shù)據(jù)，然后重新發(fā)布。

3.柵格濾波

無人駕駛礦用自卸車在行駛期間，可能會遇前方大卡車上掉塊、車轍等障礙物，但這些障礙物在環(huán)境感知中并沒有被排除，會使得無人駕駛車出現(xiàn)判斷失誤導(dǎo)致停車的情況。這類障礙物有一些特征，具體表現(xiàn)為：無人駕駛車前方點云十分密集，單個障礙柵格為小障礙物；障礙物屬于懸空狀態(tài)，點云高度差在柵格內(nèi)較小。柵格狀態(tài)可利用貝葉斯推理推測，了解其具體狀態(tài)。為了避免在對靜態(tài)障礙物進行判斷期間出現(xiàn)錯誤，我們可采取斯坦福大學(xué)安娜·彼得羅夫斯卡亞（Anna Petrovskaya）等在研究中的方法，對車輛的動態(tài)特征進行提取，建立模型；利用貝葉斯濾波器對目標進行跟蹤與更新；而當大卡車被遮擋無法檢測時，就使用二維虛擬掃描模型進行處理。

在對障礙點進行篩選期間，障礙點的坐標變化較大；在提取外圍矩形輪廓時，障礙點過多就會影響其提取與篩選效果。DBSCAN算法能對密度進行聚類，并對空間聚類進行快速處理。激光雷達濾波處理中點云濾波處理需關(guān)注以下幾種情況：存在不規(guī)則的點云數(shù)據(jù)密度；在遮擋下出現(xiàn)離群點；大量數(shù)據(jù)需要進行采樣；需去除噪聲數(shù)據(jù)，在處理時，過濾去除點需按照一定規(guī)則進行；通過常用濾波算法修改點的部分屬性；按照雙邊濾波算法采樣。

4.結(jié)語

基于激光雷達的無人駕駛障礙物檢測與辨識，是當下研究的重點，也是無人駕駛技術(shù)創(chuàng)新與發(fā)展的基礎(chǔ)。障礙物檢測與辨識長期困擾著無人駕駛礦用自卸車的發(fā)展，但激光雷達技術(shù)的應(yīng)用，能有效檢測與識別出各種障礙物，確保無人駕駛礦用自卸車的安全行駛。未來，隨著激光雷達技術(shù)的不斷發(fā)展與完善，無人駕駛障礙物檢測與辨識的精準度和效率會得到極大提升，為無人駕駛礦用自卸車的發(fā)展奠定基礎(chǔ)。