專利名稱：一種svm與激光雷達結合檢測非結構化道路邊界的方法
技術領域：
本發明涉及一種對智能車輛正在行駛的非結構化道路邊界的檢測方法，特別是一種SVM (支持向量機)與激光雷達結合檢測非結構化道路邊界的方法。
背景技術：
智能車輛導航技術中對于行駛的道路的感知理解，大部分研究都是基于圖像來進行的。由安裝在智能車輛正上方的攝像頭采集前方道路的圖像，然后使用圖像處理的方法提取道路邊界信息。當智能車輛行駛在結構化道路上時，道路邊界信息非常明顯，易于提取，而在非結構化道路上，道路的環境十分復雜，主要表現在(1)道路表面覆蓋物多種多樣，可能是泥土、沙石、浙青和水泥；(2)道路寬度變化大，有些地方路面較寬，有些地方路面狹窄，只能允許一輛車通過；(3)道路邊界變化多樣，大多是人工鋪設路面與自然景物 (植物)相交形成的道路邊界，因此不能用簡單的直線表示，并且會隨著季節變化；(4)道路平整度較差，可能凸凹不平。基于以上原因，非結構化道路的邊界信息往往不明顯，使用圖像處理的手段受到了一定的限制。由CN1979524A可知一種道路邊界的檢測方法，對采集的圖像進行邊緣提取，利用連續幀對應區域內的特征點，獲得圖像的速度信息，然后檢測具有速度成分的像素沿縱向連續存在的區域中的最低點位置，連接這些最低點并判斷是否是道路邊界。由CN1016^820A可知一種道路邊界的檢測方法，通過車載LIDAR獲得測距數據， 然后生成海拔數據，接著基于海拔數據來選擇道路和道路側邊緣的候選區域，最后在地平面上的投影中檢查候選區域來確定道路和道路側邊緣的存在和位置。上述專利中提及的方法都只適用于結構化道路，不適合非結構化道路的邊界檢測。
發明內容
本發明的目的在于提供SVM與激光雷達結合檢測非結構化道路邊界的方法，來幫助智能車輛進行導航。本發明的技術解決方案為一種SVM與激光雷達結合檢測非結構化道路邊界的方法，包括以下步驟
步驟1、在車輛頂端安裝64線激光雷達，對該雷達進行標定并采集周圍障礙物的三維數據；
步驟2、將采集到的三維數據投影生成二值柵格數據； 步驟3、對二值柵格數據進行膨脹、腐蝕操作； 步驟4、將膨脹、腐蝕之后的數據進行K-means聚類；
步驟5、對數據使用SVM訓練獲得分類器，利用分類器求取道邊，從而完成非結構化道路邊界的檢測。本發明與現有技術相比，其有益效果為1)本方法盡量減少參與計算的數據，實時性好，求取的道路邊界正確率也比較高；2)能夠全天候工作，不受光照影響，算法魯棒性好； 3)本發明的方法能夠檢測各類非結構道路邊界，克服了基于視覺道路檢測的缺點。
下面結合附圖來對本發明做進一步的詳細描述。
圖1是本發明的SVM與激光雷達結合檢測非結構化道路邊界的方法流程圖。圖2是本發明所提及柵格數據例圖。圖3是本發明所提及柵格數據膨脹、腐蝕后的例圖。圖4是SVM原理示意圖。圖5是本發明結果示意圖。
具體實施方案本發明的一種SVM與激光雷達結合檢測非結構化道路邊界的方法，是在智能車輛行駛過程中，由車載64線激光雷達采集的數據分析處理，生成二值柵格數據；對二值柵格數據進行膨脹、腐蝕操作，使得障礙物的表示盡可能的連通；為了減少處理數據量，對障礙物目標求取輪廓，記錄下這些輪廓點以及計算出質心；接著使用K-means算法對障礙物質心進行分類，目標對象為兩類；用SVM訓練兩類目標的輪廓點，即可得到道路邊界。結合圖 1，具體包括以下步驟
步驟1、在車輛頂端安裝64線激光雷達，對該雷達進行標定并采集周圍障礙物的三維數據，標定采用K. P. Horn提出的四元組估算等算法進行標定；
步驟2、將采集到的三維數據投影生成二值柵格數據；具體是將障礙物投影到60*40的柵格中，每個柵格代表邊長為0. 5m的正方形區域，柵格中有障礙物則數據為1，柵格中無障礙物則數據為0。步驟3、對二值柵格數據進行膨脹、腐蝕操作；具體使用3*3大小的窗口，對二值柵格數據進行膨、腐蝕操作，填充細小縫隙。步驟4、將膨脹、腐蝕之后的數據進行K-means (K均值)聚類；具體包括以下步驟 步驟41、對每個障礙物目標求取其輪廓，將輪廓以鏈碼形式保存下來；
步驟42、利用輪廓計算每個障礙物目標的面積，然后進行一次判斷，將目標面積小于閾值T的刪除，這個T是經驗值，根據需要進行設定，其意義是認為面積小于T的障礙物目標可以忽略；
步驟43、計算上述目標的質心
權利要求
1.一種SVM與激光雷達結合檢測非結構化道路邊界的方法，其特征在于，包括以下步驟步驟1、在車輛頂端安裝64線激光雷達，對該雷達進行標定并采集周圍障礙物的三維數據；步驟2、將采集到的三維數據投影生成二值柵格數據； 步驟3、對二值柵格數據進行膨脹、腐蝕操作； 步驟4、將膨脹、腐蝕之后的數據進行K-means聚類；步驟5、對數據使用SVM訓練獲得分類器，利用分類器求取道邊，從而完成非結構化道路邊界的檢測。
2.根據權利要求1所述的SVM與激光雷達結合檢測非結構化道路邊界的方法，其特征在于，步驟2將采集到的三維數據投影生成二值柵格數據時，是將障礙物投影到60*40的柵格中，每個柵格代表邊長為0. 5m的正方形區域，柵格中有障礙物則數據為1，柵格中無障礙物則數據為0。
3.根據權利要求1所述的SVM與激光雷達結合檢測非結構化道路邊界的方法，其特征在于，步驟3對二值柵格數據進行膨脹、腐蝕操作時，使用3*3大小的窗口，對二值柵格數據進行膨、腐蝕操作，填充細小縫隙。
4.根據權利要求1所述的SVM與激光雷達結合檢測非結構化道路邊界的方法，其特征在于，步驟4將膨脹、腐蝕之后的數據進行K-means聚類具體包括以下步驟步驟41、對每個障礙物目標求取其輪廓，將輪廓以鏈碼形式保存下來； 步驟42、利用輪廓計算每個障礙物目標的面積，然后進行一次判斷，將目標面積小于閾值T的刪除；步驟43、計算上述目標的質心
5.根據權利要求1所述的SVM與激光雷達結合檢測非結構化道路邊界的方法，其特征在于，步驟5對數據使用SVM訓練獲得分類器，利用分類器求取道邊具體為步驟51、把K-means聚類之后的兩類目標的所有輪廓點作為訓練樣本，使用SVM進行訓練，得到超平面H以及N個支撐向量，這里超平面H為一條直線，其意義是訓練得到的一個分類器，該超平面H即為直線方程H ；步驟52、通過上述直線方程H確定道路邊界的方向，所述道路邊界與直線H相平行； 步驟53、對兩類支撐向量進行處理，分別求取其所在的直線方程，具體為判斷每類支撐向量的數量，若數量為一個則結合上述道路邊界的方向求取直線方程，若向量的數量大于等于2則直接利用任意兩個支撐向量求取直線方程；上述求取的兩類直線方程即為道路邊界的直線方程。
全文摘要
本發明公開了對智能車輛正在行駛的非結構化道路邊界檢測方法。本方法將車載64線激光雷達的一幀數據分析處理之后得到一幀二值柵格數據，將該幀二值柵格數據進行膨脹、腐蝕操作，填充了道路同一側的障礙物數據之間狹小空間且保持整體輪廓不變；求取每個障礙物目標的輪廓，以鏈碼形式保存，并求其質心；對障礙物目標使用K均值聚類，樣本使用求取的質心，目標類別數為兩類，分別為道路左側障礙物目標，道路右側障礙物目標；接著用SVM進行訓練，樣本使用分好類別的障礙物目標的輪廓點，獲得分類器，最后根據分類器、最大間隔條件以及柵格數據求取描述道路邊界的直線段。本方法盡量減少參與計算的數據，實時性好，求取的道路邊界正確率也比較高。
文檔編號G06K9/62GK102270301SQ201110150818
公開日2011年12月7日 申請日期2011年6月7日 優先權日2011年6月7日
發明者唐振民, 諸葛程晨, 陸建峰 申請人:南京理工大學