技術(shù)特征：

1.一種基于激光雷達(dá)點(diǎn)云局部結(jié)構(gòu)特征的負(fù)障礙物檢測(cè)方法，其特征在于包括如下步驟：

1)已采集的激光雷達(dá)點(diǎn)云數(shù)據(jù)，逐線檢測(cè)局部點(diǎn)云距離跳變、局部點(diǎn)云分布密集和局部點(diǎn)云高度下降的三個(gè)結(jié)構(gòu)特征，依據(jù)三個(gè)結(jié)構(gòu)特征在單線激光點(diǎn)云中提取篩選獲得可能屬于負(fù)障礙物的候選點(diǎn)對(duì)；

2)由各線激光的激光點(diǎn)云獲得的所有候選點(diǎn)對(duì)，依據(jù)點(diǎn)對(duì)長度一致性和空間位置一致性進(jìn)行聚類，得負(fù)障礙物候選區(qū)域，再經(jīng)過面積過濾得到負(fù)障礙物區(qū)域。

2.根據(jù)權(quán)利要求1所述的一種基于激光雷達(dá)點(diǎn)云局部結(jié)構(gòu)特征的負(fù)障礙物檢測(cè)方法，其特征在于：

所述步驟1)具體是針對(duì)單線激光點(diǎn)云，采用以下方式進(jìn)行處理：

1.1)逐激光點(diǎn)計(jì)算鄰近點(diǎn)間距與局部平滑度，并根據(jù)局部平滑度判斷獲得平滑點(diǎn)；

1.2)逐激光點(diǎn)通過檢測(cè)局部點(diǎn)云距離跳變特征選取鄰近點(diǎn)間距局部極大值的候選點(diǎn)對(duì)，作為初始候選點(diǎn)對(duì)；

1.3)在初始候選點(diǎn)對(duì)中，通過檢測(cè)局部點(diǎn)云分布密集特征選取初始候選點(diǎn)對(duì)中后沿點(diǎn)所在位置點(diǎn)云局部密集的點(diǎn)對(duì)，獲得篩選后的初始候選點(diǎn)對(duì)；

1.4)通過局部點(diǎn)云高度下降特征進(jìn)行進(jìn)一步篩選，獲得最終的候選點(diǎn)對(duì)。

3.根據(jù)權(quán)利要求2所述的一種基于激光雷達(dá)點(diǎn)云局部結(jié)構(gòu)特征的負(fù)障礙物檢測(cè)方法，其特征在于：

所述步驟1.1)具體為：

1.1.1)計(jì)算鄰近點(diǎn)間距

針對(duì)單線激光點(diǎn)云，采用以下公式計(jì)算每個(gè)激光點(diǎn)與其鄰近激光點(diǎn)之間的空間距離，激光點(diǎn)的坐標(biāo)為鄰近激光點(diǎn)的坐標(biāo)為

$d_{neighbor}^l=\sqrt{{(x_l-x_{l-1})}^2+{(y_l-y_{l-1})}^2+{(z_l-z_{l-1})}^2}$

其中，表示激光點(diǎn)及其鄰接點(diǎn)之間的鄰近點(diǎn)間距，l表示單線激光點(diǎn)云中的激光點(diǎn)序號(hào)；

1.1.2)計(jì)算局部平滑度

采用以下公式計(jì)算單線激光點(diǎn)云中每個(gè)激光點(diǎn)的局部平滑度s_l：

$s_l=\frac{1}{2N_{neighbor}}\left|\right|\underset{k\∈\[1-N_{neighbor},l+N_{neighbor}\],k\≠l}{\Σ}\frac{(\stackrel{\→}{p_l}-\stackrel{\→}{p_k})}{\left|\right|\stackrel{\→}{p_l}-\stackrel{\→}{p_k}\left|\right|}\left|\right|$

式中，N_neighbor表示預(yù)設(shè)的鄰近點(diǎn)個(gè)數(shù)，l表示單線激光點(diǎn)云中的激光點(diǎn)序號(hào)，k表示該激光點(diǎn)的鄰近點(diǎn)的序號(hào)；

預(yù)設(shè)平滑閾值Ths_smooth和非平滑閾值Ths_sharp，通過將激光點(diǎn)的局部平滑度S_l分別與平滑閾值Ths_smooth和非平滑閾值Ths_sharp進(jìn)行比較獲得激光點(diǎn)是否為平滑點(diǎn)的結(jié)果：若滿足s_l≤Ths_smooth，該激光點(diǎn)為平滑點(diǎn)；若滿足s_l≥Ths_sharp，該激光點(diǎn)為非平滑點(diǎn)。

4.根據(jù)權(quán)利要求2所述的一種基于激光雷達(dá)點(diǎn)云局部結(jié)構(gòu)特征的負(fù)障礙物檢測(cè)方法，其特征在于：所述步驟1.2)具體是：對(duì)于單線激光點(diǎn)云上的各激光點(diǎn)，按以下公式處理并提取獲得鄰近點(diǎn)間距跳變點(diǎn)集合P_jump：

$\begin{array}{c}{P}_{jump}=\left\{\stackrel{\→}{p_l}\right|d_{neighbor}^l-d_{neighbor}^k\>{\mathrm{Ths}}_{dis},\\ k\∈\[l-N_{jump\_nbr},l+N_{jump\_nbr}\],k\≠l\}\end{array}$

式中，N_{jump_nbr}表示預(yù)設(shè)的鄰近點(diǎn)個(gè)數(shù)，Ths_dis為鄰近點(diǎn)間距跳變閾值，l表示單線激光點(diǎn)云中的激光點(diǎn)序號(hào)，k表示該激光點(diǎn)的鄰近點(diǎn)的序號(hào)；

再取鄰近點(diǎn)間距跳變點(diǎn)集合P_jump中的每個(gè)激光點(diǎn)作為后沿點(diǎn)，其在單線激光點(diǎn)云中之前的一個(gè)激光點(diǎn)作為前沿點(diǎn)，形成鄰近點(diǎn)間距跳變點(diǎn)對(duì)并獲得鄰近點(diǎn)間距跳變點(diǎn)對(duì)集合P_{neg_pair}，具體是采用以下公式：

式中，l表示單線激光點(diǎn)云中的激光點(diǎn)序號(hào)。

以鄰近點(diǎn)間距跳變點(diǎn)對(duì)集合P_{neg_pair}中的鄰近點(diǎn)間距跳變點(diǎn)對(duì)作為初始候選點(diǎn)對(duì)。

5.根據(jù)權(quán)利要求2所述的一種基于激光雷達(dá)點(diǎn)云局部結(jié)構(gòu)特征的負(fù)障礙物檢測(cè)方法，其特征在于：所述的步驟1.3)具體為：將初始候選點(diǎn)對(duì)投影到激光雷達(dá)點(diǎn)云空間所對(duì)應(yīng)的柵格屬性地圖上，每個(gè)柵格統(tǒng)計(jì)落在該柵格內(nèi)激光點(diǎn)的數(shù)目，針對(duì)初始候選點(diǎn)對(duì)的后沿點(diǎn)判斷是否滿足以下公式：

PtNum_(k,l)-PtNum_(m,n)≥Ths_dense

m∈[k-N_grid,k+N_grid],m≠k

n∈[l-N_grid,l+N_grid],n≠l

式中，N_grid表示預(yù)設(shè)柵格鄰近距離，PtNum_(k,l)表示當(dāng)前柵格中包含的所有激光點(diǎn)總數(shù)，PtNum_(m,n)表示當(dāng)前柵格在預(yù)設(shè)柵格鄰近距離N_grid鄰域內(nèi)的一柵格內(nèi)包含的所有激光點(diǎn)總數(shù)，Ths_dense是預(yù)設(shè)的點(diǎn)云密集閾值，當(dāng)前柵格是指初始候選點(diǎn)對(duì)的后沿點(diǎn)所在的柵格，m、n分別表示當(dāng)前柵格在預(yù)設(shè)柵格鄰近距離N_grid鄰域內(nèi)的柵格行號(hào)與列號(hào)。

初始候選點(diǎn)對(duì)的后沿點(diǎn)滿足公式，則認(rèn)為滿足局部點(diǎn)云分布密集特征，將該初始候選點(diǎn)對(duì)保留，繼續(xù)下一步的處理；否則，將該初始候選點(diǎn)對(duì)舍棄，不繼續(xù)下一步的處理。

6.根據(jù)權(quán)利要求2所述的一種基于激光雷達(dá)點(diǎn)云局部結(jié)構(gòu)特征的負(fù)障礙物檢測(cè)方法，其特征在于：所述步驟1.4)具體為：

對(duì)于步驟1.3)篩選后的每個(gè)初始候選點(diǎn)對(duì)，選取后沿點(diǎn)前方的N_line個(gè)平滑點(diǎn)形成平滑點(diǎn)集P_{local_smooth}，將滑點(diǎn)集P_{local_smooth}中的所有平滑點(diǎn)通過最小二乘法進(jìn)行直線擬合獲得直線方程；

再將后沿點(diǎn)空間坐標(biāo)[x_l,y_l,z_l]中位于水平平面的x,y坐標(biāo)代入直線方程，并與后沿點(diǎn)的z坐標(biāo)相比較，具體是采用以下公式進(jìn)行判斷篩選：

$d_{zl}=\frac{1}{2}(\frac{x_l-x_0}{a}+\frac{y_l-y_0}{b})-z_l\≥{\mathrm{Ths}}_z$

式中，d_zl是篩選后的初始候選點(diǎn)對(duì)前方的平滑點(diǎn)擬合直線在后沿點(diǎn)處的估計(jì)高度與實(shí)際高度之差，Ths_z為預(yù)設(shè)的候選點(diǎn)對(duì)后沿點(diǎn)高度下降閾值，l表示候選點(diǎn)對(duì)序號(hào)；

若滿足上述公式，則表明該后沿點(diǎn)位于直線的下方，滿足局部點(diǎn)云高度下降特征，保留該后沿點(diǎn)所在的初始候選點(diǎn)對(duì)，繼續(xù)下一步的處理；否則，將該后沿點(diǎn)所在的初始候選點(diǎn)對(duì)舍棄，不繼續(xù)下一步的處理。

7.根據(jù)權(quán)利要求6所述的一種基于激光雷達(dá)點(diǎn)云局部結(jié)構(gòu)特征的負(fù)障礙物檢測(cè)方法，其特征在于：所述的直線方程采用以下方式擬合計(jì)算得到：

設(shè)空間直線經(jīng)過點(diǎn)[x₀,y₀,0]，方向向量為[a,b,1]，則空間直線方程表示為：

$\frac{x-x_0}{a}=\frac{y-y_0}{b}=\frac{z}{1}$

其中，a、b分別表示空間直線的歸一化的方向向量在x、y坐標(biāo)軸的兩個(gè)分量，x₀、y₀分別表示空間直線經(jīng)過點(diǎn)的坐標(biāo)的x、y坐標(biāo)軸的兩個(gè)分量。

上述方程寫成矩陣形式為：

$\left[\begin{array}{cc}a& x_0\\ b& y_0\end{array}\right]\left[\begin{array}{c}z\\ 1\end{array}\right]=\left[\begin{array}{c}x\\ y\end{array}\right]$

將這N_line個(gè)平滑點(diǎn)代入上述矩陣，得到：

其中，x₁到y₁到z₁到分別表示第1個(gè)到第N_line個(gè)平滑點(diǎn)的坐標(biāo)的x、y、z坐標(biāo)軸分量；

化簡得到：

$\left[\begin{array}{cc}a& x_0\\ b& y_0\end{array}\right]=\left[\begin{array}{cc}\Σx_l{z}_l& \Σx_l\\ \Σy_l{z}_l& \Σy_l\end{array}\right]{\left[\begin{array}{cc}\Σz_l^2& \Σz_l\\ \Σz_l& \Σb\end{array}\right]}^{-1}$

上式中，l是平滑點(diǎn)序號(hào)；

解出上述a、b、x₀、y₀即求出直線方程。

8.根據(jù)權(quán)利要求1所述的一種基于激光雷達(dá)點(diǎn)云局部結(jié)構(gòu)特征的負(fù)障礙物檢測(cè)方法，其特征在于：所述的步驟2)中聚類具體為：2.1)將步驟1)獲得各線激光點(diǎn)云中的候選點(diǎn)對(duì)進(jìn)行合并，然后采用以下方式進(jìn)行聚類，將候選點(diǎn)對(duì)投影到柵格屬性地圖上獲得對(duì)應(yīng)的柵格點(diǎn)對(duì)，柵格點(diǎn)對(duì)由前沿柵格點(diǎn)p_front和后沿柵格點(diǎn)p_back構(gòu)成；

2.2)每一對(duì)候選點(diǎn)對(duì)均使用向量表示；

取前沿柵格點(diǎn)p_front和后沿柵格點(diǎn)p_back之間的中點(diǎn)表示該候選點(diǎn)對(duì)在柵格屬性地圖上的空間位置：

$\left\{\begin{array}{c}u=\frac{(u_{front}+u_{back})}{2}\\ v=\frac{(v_{front}+v_{back})}{2}\end{array}\right.$

其中，u、v分別表示該候選點(diǎn)對(duì)在柵格屬性地圖上的行坐標(biāo)和列坐標(biāo)，u_front、v_front分別表示前沿柵格點(diǎn)p_front在柵格屬性地圖上的行坐標(biāo)和列坐標(biāo)，u_back、v_back分別表示后沿柵格點(diǎn)p_back在柵格屬性地圖上的行坐標(biāo)和列坐標(biāo)；

采用以下公式取前沿柵格點(diǎn)p_front和后沿柵格點(diǎn)p_back之間的距離表示候選點(diǎn)對(duì)的點(diǎn)對(duì)長度w：

$w=\sqrt{{(u_{front}-u_{back})}^2+{(v_{front}-v_{back})}^2}$

2.3)由所有候選點(diǎn)對(duì)的向量形成候選點(diǎn)對(duì)向量集合G_pars：

其中，N_pars表示步驟1)獲得所有線激光上的候選點(diǎn)對(duì)總數(shù)；

2.3)使用均值偏移的方法進(jìn)行聚類：

對(duì)每一個(gè)候選點(diǎn)對(duì)的向量均初始構(gòu)造一個(gè)質(zhì)心向量使得從而形成質(zhì)心向量集合G_centers：

對(duì)質(zhì)心向量集合G_centers中的每個(gè)質(zhì)心向量，采用公式遍歷計(jì)算其對(duì)應(yīng)的加權(quán)質(zhì)心向量

其中，為高斯核函數(shù)，l、k均為質(zhì)心向量的序號(hào)，h為預(yù)先設(shè)定的核函數(shù)帶寬；

從而得到加權(quán)質(zhì)心向量集合G_shfts：

2.4)對(duì)加權(quán)質(zhì)心向量集合G_shfts中的每個(gè)加權(quán)質(zhì)心向量，采用以下公式計(jì)算其與其對(duì)應(yīng)的質(zhì)心向量之間的歐氏距離Dshft_l：

式中，l表示加權(quán)質(zhì)心向量的序號(hào)。將歐氏距離Dshft_l與誤差閾值Epsilon采用以下公式相比較，判斷獲得質(zhì)心向量是否達(dá)到局部概率密度極大條件：

Dshft_l≤Epsilon

若滿足條件，則保持不變，否則采用以下方式更新

2.5)重復(fù)步驟2.2)-2.4)，直到所有候選點(diǎn)對(duì)的向量對(duì)應(yīng)的所有質(zhì)心向量均達(dá)到局部概率密度極大條件；

2.6)將相同質(zhì)心向量對(duì)應(yīng)的候選點(diǎn)對(duì)歸為同一類，完成候選點(diǎn)對(duì)集合的聚類。

9.根據(jù)權(quán)利要求5或8所述的一種基于激光雷達(dá)點(diǎn)云局部結(jié)構(gòu)特征的負(fù)障礙物檢測(cè)方法，其特征在于：所述步驟1.3)或者步驟2.1)中的柵格屬性地圖具體是：將激光雷達(dá)點(diǎn)云空間所在的水平平面分割成大小相等的柵格，每個(gè)柵格尺寸為gridsize×gridsize，激光雷達(dá)點(diǎn)云空間的三維激光點(diǎn)坐標(biāo)投影到柵格屬性地圖所在的柵格坐標(biāo)(row,col)為：

$row=\frac{y_l-Yoffset}{gridsize}$

$col=\frac{x_l-Xoffset}{gridsize}$

其中，row、col分別表示該三維激光點(diǎn)投影到柵格屬性地圖所在的柵格坐標(biāo)的行號(hào)與列號(hào)，Yoffset、Xoffset分別表示預(yù)設(shè)的偏移量；

并且每一個(gè)柵格包含車體區(qū)域標(biāo)志位isCar、負(fù)障礙物標(biāo)志位isNegObs和柵格內(nèi)點(diǎn)云數(shù)目PtNum_(row,col)的屬性。

10.根據(jù)權(quán)利要求1所述的一種基于激光雷達(dá)點(diǎn)云局部結(jié)構(gòu)特征的負(fù)障礙物檢測(cè)方法，其特征在于：所述的步驟2)中過濾具體為：由同一類的所有候選點(diǎn)對(duì)所形成的區(qū)域作為負(fù)障礙物候選區(qū)域，遍歷所有負(fù)障礙物候選區(qū)域，采用以下公式判斷是否滿足：

Num_par≥Ths_num

Area_neg≥Ths_area

式中，Num_par表示負(fù)障礙物候選區(qū)域中所有候選點(diǎn)對(duì)的總對(duì)數(shù)，Area_neg表示負(fù)障礙物候選區(qū)域中所有候選點(diǎn)對(duì)構(gòu)成多邊形的面積，多邊形為包圍在負(fù)障礙物候選區(qū)域中所有候選點(diǎn)對(duì)外的最小外接多邊形，Ths_num為區(qū)域候選點(diǎn)對(duì)數(shù)量閾值，Ths_area為負(fù)障礙物在柵格屬性地圖中形成多邊形的面積閾值；

若同時(shí)滿足以上兩個(gè)條件，則負(fù)障礙物候選區(qū)域保留，為最終的負(fù)障礙物區(qū)域；

若不同時(shí)滿足以上兩個(gè)條件，則負(fù)障礙物候選區(qū)域舍棄，不為最終的負(fù)障礙物區(qū)域。