一种SVM与激光雷达结合检测非结构化道路边界的方法

摘要

本发明公开了对智能车辆正在行驶的非结构化道路边界检测方法。本方法将车载64线激光雷达的一帧数据分析处理之后得到一帧二值栅格数据，将该帧二值栅格数据进行膨胀、腐蚀操作，填充了道路同一侧的障碍物数据之间狭小空间且保持整体轮廓不变；求取每个障碍物目标的轮廓，以链码形式保存，并求其质心；对障碍物目标使用K均值聚类，样本使用求取的质心，目标类别数为两类，分别为道路左侧障碍物目标，道路右侧障碍物目标；接着用SVM进行训练，样本使用分好类别的障碍物目标的轮廓点，获得分类器，最后根据分类器、最大间隔条件以及栅格数据求取描述道路边界的直线段。本方法尽量减少参与计算的数据，实时性好，求取的道路边界正确率也比较高。

主权项

1.一种SVM与激光雷达结合检测非结构化道路边界的方法，其特征在于，包括以下步骤：步骤1、在车辆顶端安装64线激光雷达，对该雷达进行标定并采集周围障碍物的三维数据；步骤2、将采集到的三维数据投影生成二值栅格数据；步骤3、对二值栅格数据进行膨胀、腐蚀操作；步骤4、将膨胀、腐蚀之后的数据进行K-means聚类；步骤5、对数据使用SVM训练获得分类器，利用分类器求取道边，从而完成非结构化道路边界的检测；所述步骤2将采集到的三维数据投影生成二值栅格数据时，是将障碍物投影到60*40的栅格中，每个栅格代表边长为0.5m的正方形区域，栅格中有障碍物则数据为1，栅格中无障碍物则数据为0；所述步骤3对二值栅格数据进行膨胀、腐蚀操作时，使用3*3大小的窗口，对二值栅格数据进行膨胀、腐蚀操作，填充细小缝隙；所述步骤4将膨胀、腐蚀之后的数据进行K-means聚类具体包括以下步骤：步骤41、对每个障碍物目标求取其轮廓，将轮廓以链码形式保存下来；步骤42、利用轮廓计算每个障碍物目标的面积，然后进行一次判断，将目标面积小于阈值T的删除；步骤43、计算上述目标的质心其中n为描述该目标轮廓的点的个数，(x_i,y_i)是当前计算质心的障碍物目标的第i个轮廓点；步骤44、用K-means聚类算法对障碍物目标质心进行聚类，目标类别数为道路左边障碍物和道路右边障碍物两类。