鄉(xiāng)間道路障礙物地圖檢測與重構(gòu)

1、野外道路環(huán)境下的自主駕駛環(huán)境感知與地圖重構(gòu)方法摘要：文章土工了一種在詳見野外道路環(huán)境下的自主駕駛環(huán)境感知與地圖重構(gòu)的方法,主要內(nèi)容包括兩方面：1.用攝像機感知道路,人行橫道,減速帶的方法；2用激光雷達檢測障礙物的方法.道路檢測得到的是道路的位置,使用的是攝像機和 VELD模塊,人行道跟減速 帶的檢測得到的是人行橫道和減速帶的位置.而障礙物的檢測方法是通過從激光雷達得到的數(shù)據(jù)形成一個障礙物地圖.該方法的實驗在一輛車上安裝了6個激光雷達,3個攝像機和一套實時設(shè)備,包括一臺 PC機.試車實驗已完成,并證實了該方法可以到達實際的需求.1 .引言：自主駕駛對于社會有很多好處,包括可以阻止人為錯誤引起的事

2、故,節(jié)約能源,便 捷性等.但要讓車子可以自主行駛到預(yù)定的目的地, 還有很多的困難需要解決, 首先必須知道車 子要去哪里,其次是檢測周圍的環(huán)境以預(yù)防碰撞, 最后需要檢測道路周圍的標(biāo)志, 例如道路 輪廓,人行橫道,減速帶等.近年來DARPA在這方面領(lǐng)先.視覺領(lǐng)域越來越重要, 視覺在80年代到90年代期間迎來了它的新生. 在此期間,他們 開始與平安系統(tǒng)交融,自動限制等.德國,歐盟,美國,日本等國家在這方面獲得了很大的 領(lǐng)先,視覺帶來了一些傳統(tǒng)雷達所不具備的一些感知特點.大多數(shù)障礙物地面檢測方法采用的是全局地圖的方法,采用的是GPS,陀螺儀,雷達,攝像機等,這些方法一般檢測汽車與障礙物的相對位置,然后

3、進展全局操作,使用全局地圖來判斷途徑.一些方法,尤其是那些需要考慮動態(tài)障礙物和人行道的方法,使用現(xiàn)場窗口來決定障礙物地圖,大多數(shù)的方法都是采用微元別離和使用置信度概念來生成全局地圖.在大多數(shù)的實驗中,雷達的數(shù)據(jù)密度,三軸轉(zhuǎn)換值,GPS和INSs的三軸轉(zhuǎn)角誤差以及電腦的內(nèi)存負載都是問題,尤其是在高速駕駛或者在鄉(xiāng)間小路上,或者遇到減速帶時. 為了抑制這些問題,使用了一些方法,例如平面濾波,把立體攝像機與激光雷達結(jié)合起來,把微深度和斜度結(jié)合起來作調(diào)整.為了減少在3-D點云中提取的點的姿態(tài)誤差,一些研究使用即時定位和地圖構(gòu)建,迭代最近點,以及匹配搜索等方法.這些方法重復(fù)檢測需要的地域, 重復(fù)地適配誤差

4、. 但是,這些對于野外駕駛是沒有用的,由于野外沒有足夠的需要的以上特征的點.因此,一些方法試圖客服來自于GPS和INS的概率性誤差.對于激光雷達局部,障礙物檢測方法是采用了風(fēng)險評估和基于模型濾波的方法.風(fēng)險評估方法包括兩局部：1.基于高度差的方法；2.分類的方法.這兩種方法結(jié)合于風(fēng)險.文章建議的方法的最重要特征是基于激光雷達檢測的魯棒性和可伸縮性.預(yù)測的方法設(shè)計成有一個開放的構(gòu)造,整合每一種基于風(fēng)險的方法來抑制平衡計算機內(nèi)存壓力和檢測的精 度問題.文章提到的構(gòu)造設(shè)計可以限制平衡計算機內(nèi)存壓力和檢測精度.主要是由一些可調(diào)整的參數(shù)和微小變化來決定的. 一種基于道路條件特征的新方法才可以適用于基于風(fēng)

5、險的構(gòu) 造.2 .車載系統(tǒng)的配置文章使用Grandeur TG作為無人車的測試車.該車具有一個傳統(tǒng)是六缸發(fā)動機和一套前 輪驅(qū)動系統(tǒng).為了安裝一些傳感器以保證他們不受事故的損害,該車在前面安裝了一個保險杠,在車頂安裝了一個車頂行李架.這套定制的設(shè)備可以由電阻和馬達直接驅(qū)動剎車.由一個橫向的限制器發(fā)送電子信號來限制油門.通過側(cè)面的限制器限制安裝于駕駛桿上的直流馬達,得到所需要的駕駛角度.2個SICK雷達和一個 舊EO雷達安裝在汽車的前保險杠上,3個SICK雷達安裝在車頂. 3個攝像頭安裝在汽車前擋風(fēng)玻璃上,2個攝像頭用來探測汽車前方的減速帶和人行橫道,一個有色攝像頭用來探測道路.這套裝置的電腦系統(tǒng)

6、安裝在汽車的后座.包括了3臺聯(lián)網(wǎng)的計算機.3 .視覺探測視頻系統(tǒng)的主要目的是為了探測道路和車道的標(biāo)志人行橫道,加速帶等,這些東西用雷達是不容易檢測出來的.3個攝像頭的用法,一個灰度攝像頭是用來檢測人行橫道的,一個彩色攝像頭是用來探 測減速帶,還有一個是用來探測車道. 減速帶和車道用不同的攝像頭是由于車道探測是基于 嵌入式模塊的,而減速帶探測是在個人電腦上處理的.人行橫道探測方法通常被用于比擬松懈平安的城市狀態(tài)下這種情況在意大利和韓國是不一樣的,這是由于不同的道路規(guī)那么決定的 ,其結(jié)果為：探測的 85%是正確的的實物. 車道的探測結(jié)果在前面的文獻中已經(jīng)被證實過.A.車道探測車道檢測在VELD這個

7、DSP模塊上進展處理的.攝像頭傳輸?shù)膱D像經(jīng)過 VELD的處理, 然后車道位置被返回到網(wǎng)絡(luò)節(jié)點上,進展濾波來除去噪聲, 假設(shè)它是除了十字路口之外沒有其他變化的普通路面.VELD : VELD模塊是基于 DLD準(zhǔn)確轉(zhuǎn)化反向透視地圖IPM.做IPM轉(zhuǎn)化可以允許 消除地圖上的透視物體,形成一個新的2D的區(qū)域地圖,在這上面同樣分配所有像素點.根據(jù)探測到的DLD的轉(zhuǎn)化量在IPM上搜尋車道的標(biāo)記,然后把它們根據(jù)臨近點聚集. 相近點集合是用分段線性函數(shù)來完成的.虛線和實線車道標(biāo)識的提取過程有一點不一樣：首先他們的建立都是分成三個步驟,產(chǎn)生,擴張和確定.產(chǎn)生的過程中,對于實線和虛線是不一樣的這是由于檢測到的點的

8、集群不一樣但是兩者都是利用基于區(qū)域的追蹤.擴張階段是連接各個檢測到的片段,當(dāng)然前提是它們的特征是相近的.確認的階段是根據(jù)它們各自間隔車前的間隔 跟自身的長度分配給每個車道點一個數(shù)值.車道數(shù)據(jù)濾波：視覺模塊獲得的數(shù)據(jù)通過濾波處理將檢測到的精度誤差影響減到最小. 車道數(shù)據(jù)測量時間k隨著車輛的運動變化.假設(shè)我們只考慮取樣時間T的變化,那么道路動態(tài)模型可以有以下公式表示：xk, predictcos(k)sin(k)xk 1Sxyk ,predictsin(k)cos(k)yk 1sy1這里s為取樣時間內(nèi)的縱向間隔 7Vsy為取樣時間內(nèi)的橫向間隔k取樣時間內(nèi)的旋轉(zhuǎn)角度X是以汽車作為挪動坐標(biāo)系的前方的車

9、道的位置,Y是以汽車作為挪動坐標(biāo)系的前方車道橫向位置坐標(biāo).縱向間隔 是取樣時間T與縱向速度的乘積.轉(zhuǎn)角是單位取樣時間T與角速度的乘積.可以由以下公式表示：xk ,predictcos(kT)sin(kT)x 1VxT.2yk,predictsin(kT)cos(kT)Yk 1VyT分辨人行橫道的方法是搜索它的特征,例如形狀,規(guī)那么性,或者顏色等.在間隔地面高度1.22米的地方安裝一個挪動灰度攝像頭.此方法的第一步是通過 IPM轉(zhuǎn)化得到一張高空俯瞰的地圖.第二步,對IPM圖像進展濾波處理,得到一個只有垂直邊界的新圖像.第三步是分析邊界圖像找到垂直的比調(diào)整的臨界值高的條紋.該過程是處理每一條白色或

10、者黑色的條紋,相當(dāng)于轉(zhuǎn)化顏色明-暗或者暗-明.所有的條紋都被標(biāo)記,它們的位置將被存儲.第四步是連接標(biāo)記, 一條白一條黑為一個單位. 當(dāng)要整合兩個垂直的標(biāo)記時,需要采用特殊的檢測：第一步檢測是檢測兩個極限邊界的間隔,第二部檢測是檢測兩個標(biāo)記的不同方向.當(dāng)然,兩種檢測的標(biāo)記必須都比極限值小.然后所有的障礙物都被檢測,并根據(jù)間隔的不同分類.一個特別的特征是針對定位消失的虛線也要包括進去.這一步檢測是當(dāng)在兩個白色的物體的時候,在兩個條紋之間有足夠的空間,并且消失的條紋的平均密度與周圍的相近,而且兩個物體的方向被檢測出來是相近的.對減速帶的檢測就有很大的不同了：減速帶的高度大概是0.05米,因此激光雷達

11、和立體視覺攝像頭不能用.而且減速帶經(jīng)常被污染和損傷,還可能出現(xiàn)大量一樣顏色的道路環(huán)境. 為理解決這最后一個問題,文章只分析圖像的中下局部,即道路路面.由于減速帶是高度很低,使用IPM轉(zhuǎn)化后得到的形狀會被扭曲和拉伸.減速帶是由黃色的斜對角線和白色的條紋組成的.因此建立一個新的只有黃色信息的二值化圖像,在 RGB通道中的比例為：高值的紅色和綠色通道,低值的藍色通道.然后互相 侵蝕可以改變圖像的質(zhì)量,消除噪聲點.黃色目的物通過整合就近的黃色像素點得到.接下來是劃分圖像中的程度方向上的條紋.兩個物體塊之間的最大空白,物體塊中央的間距,以及左右物體塊的間距都需要被計算.考慮到目前探測的物體塊數(shù)量和計算的

12、間隔,這樣探測減速帶是可行的.4 .激光雷達探測激光雷達是用來探測肉眼和攝像頭無法探測到的地方.5個SICK雷達和一個 舊EO雷達作為自主駕駛的根本障礙物探測傳感器.IBEO雷達提供了一種脈沖分類方法,這種方法對于生成障礙物地圖很有幫助.但是SICK雷達不含有這種地面探測方式；因此分類方法只能在PC上設(shè)計實行.基于高度差的方法適用于探測點集和標(biāo)記的用于評估風(fēng)險等級的點.在某些特定的情況下,一些假設(shè)可以被加進來,幫助濾掉一些無法識別的障礙物.假設(shè)平面地面條件上,障礙物可以由Z的值決定.這樣假設(shè)可以減少出現(xiàn)錯誤的可能性,延伸了檢測的長度,填充了 一些未知的區(qū)域.這樣汽車可以更快到達目的地.用風(fēng)險值

13、標(biāo)記的點集來生成障礙物地圖.一個基于模型濾波的方法來減少雷達噪聲.根據(jù)前一次的風(fēng)險地圖和汽車行進時刻,推斷下一次的風(fēng)險地圖.風(fēng)險標(biāo)記點集用于測量病推斷本次合成的風(fēng)險地圖,這個地圖就代表了障礙物地圖.因此,雷達探測過程包括 6個過程.第一步,雷達數(shù)據(jù)轉(zhuǎn)化成點集.第二步,調(diào)整分類 方法,標(biāo)記點集.第三步,用基于標(biāo)記和基于高度差的方法來評估每個點的風(fēng)險.第四步, 用權(quán)重分配的方法整合被評估的點.第五步,用風(fēng)險評估地圖作為度量來推斷本次風(fēng)險地圖.最后一步,根據(jù)風(fēng)險地圖形成障礙物地圖.A.分類算法SICK的分類算法是用于地面探測.該算法標(biāo)記探測到的每一個點為地面或者障礙物.分類算法使用的是高度 Z和側(cè)面

14、位置Y的誤差.假設(shè)隨著Y的變化探測到的 X和Z的位置 沒有變化,那么這些點可假設(shè)為地面.首先,在一個單獨的掃描平面內(nèi),線性擬合z=my+q可以計算出來.參數(shù) m和q計算的是同一個界面的掃面點. 而在一個界面內(nèi)的點的數(shù)量是由障礙物和道路的橫向長度所決定 的的.線性擬合的誤差可以這樣表示：NL,、2Ez(Zi (mzyi qz)iN142Ex(x (mxX qx)i15誤差值是地面探測的一個標(biāo)準(zhǔn).假設(shè)某個點滿足以下兩個條件,那么該點是屬于地面的.(1)線性擬合擁有比擬小的誤差：Ez TEz , Ex TE .(2)線性擬合擁有比擬小的斜率：mz Tm, mx Tm.相反的,假設(shè)線性擬合的誤差或者斜

15、率超過臨界值,那么分析的點是可能是障礙物.基于高度差的方法探測高度不同的點.假設(shè)給出的2個點小于或者等于預(yù)先定義的范圍,z的位置差超過臨界的垂直間隔,那么這兩個點是被假設(shè)為危險的.臨界垂直間隔決定于車輪半徑的一半.因此,特定的閾值范圍可以由這個垂直間隔和最大可上升角度決定.風(fēng)險整合應(yīng)該考慮雷達的安裝和每種方法的可靠性,環(huán)境特征等等.整合方法返回的是權(quán)重集合的風(fēng)險值.最終的風(fēng)險值表示如下：Rint WgdRgd Whd? WabRab.6Rint是整合的風(fēng)險值.Rgd是地面探測方法的風(fēng)險值.Rhd是高度差方法的風(fēng)險值.Rab是基于假設(shè)的風(fēng)險值. W是每種方法的權(quán)重. 這是由每個方法的可靠性和探測

16、點的x,y值所決定的的.障礙物地圖的形成是靠風(fēng)險地圖的.假設(shè)風(fēng)險值大于預(yù)定的閥值,那么應(yīng)該是一個障礙物.風(fēng)險地圖是由被標(biāo)記的風(fēng)險點集形成的.同時為了限制來自于雷達或者是外部環(huán)境的的噪聲,例如樹葉,沙土等,需要將本次的數(shù)據(jù)已前一次的數(shù)據(jù)進展比擬.這個過程是由濾波來試驗的.濾波整合先前的風(fēng)險值和本次的風(fēng)險值,形成風(fēng)險地圖.總體上,障礙物探測方法可以平衡計算內(nèi)存和測量精度的矛盾.方法的設(shè)計盡量簡單； 但是同時也需要保證方法的精度.本次試驗中使用基于風(fēng)險構(gòu)造,可以靈敏地提供一種可以基于道路條件修改參數(shù)的方法.例如,假設(shè)道路沒有高斜坡和障礙物,就像普通的鄉(xiāng)村道路那樣,那么風(fēng)險值的標(biāo)準(zhǔn)中的高度就應(yīng)該調(diào)整.

17、該方法中的參數(shù)可以根據(jù)道路條件來調(diào)整.對于鄉(xiāng)村道路或者比擬整潔的野外道路,來自于分類方法的比重就可以大一點.在此種條件下的大多數(shù)障礙物都高于1米.假設(shè)道路不是在寬闊地帶,高大的建筑物或者山脈會阻礙GPS的信號,更新可能不可靠,或者跳過.在復(fù)雜的道路條件和低速條件下,基于高度差的方法比分類的方法更有效.這些關(guān)系都可以分析,參數(shù)可以由道路特征來決定. 5.汽車試驗?zāi)康姆椒ㄔu估首先需要搜集數(shù)據(jù),在PC上用Labview處理,同時實時處理.數(shù)據(jù)是在野外和鄉(xiāng)村環(huán)境下搜集的,該方法對2種環(huán)境都進展調(diào)試和測試.A.野外環(huán)境測試在野外的測試中,把成捆的稻草仍在道路中間作為障礙物.道路的另一邊,蘆葦和雜草也能看

18、見.觀察和記錄橫向和縱向的運動.汽車在前方?jīng)]有任何障礙物的道路上以時速20-30碼的速度前進.但是高度的縱向誤差意味著測試點的z值估計錯誤了.在圖10中,基于高度差的方法合成的地圖有一些沒有識別出來的障礙物.另一方面,參加用目的方法合成的地圖,并且進展調(diào)整,包括使用分類的方法,地面幾乎都被錯認成障礙物.在鄉(xiāng)村環(huán)境,車道,人行橫道和減速帶都必須被檢測.對于這個目的,顯然視頻效果比雷達好得多.當(dāng)然這不包括十字路口和交通燈.這個測試的結(jié)果可以從圖 11a中看到.汽車駕駛檢測沿著車道一直到達人行橫道為止.障礙物地圖,行駛車道和人行橫道可以在圖11b中看到.駕駛車道和障礙物地圖可以提供途徑形成方法, 人

19、行橫道是用來限制速度的.自主駕駛沿著車道行進, 直到在人行橫道前停頓.自主駕駛實車實驗采用的就是文章提到的方法.車輛行進的道路是由障礙物的位置和想要到達的目的決定的.算法是基于潛在地域的方法,每一輪數(shù)據(jù)采完,途徑生成器都通過環(huán) 境地圖,汽車傳感器信息和 GPS數(shù)據(jù)計算候選途徑.途徑生成器選擇最便捷的途徑,包括 檢測到的障礙物長度和目前位置到目的地的間隔.障礙物檢測和途徑生成的計算方法是在PC上完成和測試的.第一步是提供一種雙途徑變化的情景,如圖12所示.圖13展示了合成生成途徑的方法.紅色虛線是理想的途徑, 黑色的實線是通過途徑生成方法生成的途徑.標(biāo)記的星星代表障礙物點.通過這種環(huán)境檢測方法,汽車成功的預(yù)防了障礙物.第二步,一個完好的檢測,包括野外道路和鄉(xiāng)村道路測試,它的測試的軌跡