(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210950117.0 (22)申请日 2022.08.09 (71)申请人 河南科技大 学 地址 471023 河南省洛阳市洛龙区开元 大 道263号 (72)发明人 高建平　金佳男　吴延峰　李敖　 李炫　姚晨豪　 (74)专利代理 机构 郑州睿信知识产权代理有限 公司 41119 专利代理师 史萌杨 (51)Int.Cl. G01S 17/931(2020.01) G01S 17/86(2020.01) G01S 7/497(2006.01) G01S 7/495(2006.01)G06V 10/20(2022.01) G06V 10/25(2022.01) G06V 10/44(2022.01) G06V 10/762(2022.01) G06V 10/80(2022.01) G06V 20/58(2022.01) (54)发明名称 一种车辆前方障碍物检测方法 (57)摘要 本发明属于自动驾驶环 境感知技术领域， 具 体涉及一种车辆前方障碍物检测方法。 该方法将 激光雷达采集的点云数据和视觉传感器采集的 图像数据进行融合， 以解决单一使用视觉传感器 造成的检测速度慢且受光线影响难以有效估计 障碍物位置、 以及单一使用激光雷达造成的识别 能力不强导致误检漏检的问题。 在具体融合处理 时， 先对点云数据进行聚类以得到各个聚类结 果， 再在各个聚类结果下确定感兴趣区域的关键 点， 并映射至图像数据， 从而确定图像数据中的 各个感兴趣区域， 进而结合边缘检测算法和 信息 熵值实现车辆的有效检测， 整个检测方法简单， 计算量比较少， 可以在保证检测精度的情况下有 效提高障碍物检测的实时性、 快速性以及鲁棒 性。 权利要求书2页 说明书7页 附图3页 CN 115327572 A 2022.11.11 CN 115327572 A 1.一种车辆前 方障碍物检测方法， 其特 征在于， 包括如下步骤： 1)获取本车周围的点云数据和图像数据； 其中， 采集点云数据的激光雷达和采集图像 数据的视 觉传感器已进行 联合空间标定和联合时间标定； 2)对获取的点云数据进行聚类处 理， 得到多个聚类结果； 3)依据聚类结果获取感兴趣区域的关键点， 根据联合标定结果， 将感兴趣区域的关键 点投影至图像数据上， 以得到图像数据中的各个感兴趣区域； 4)在图像数据中的各个感兴趣区域内， 采用边 缘检测算法识别出潜在障碍物区域； 5)计算各个潜在障碍物区域的信 息熵， 若潜在障碍物区域的信 息熵大于设定信 息熵阈 值， 则判定该潜在障碍物区域内存在障碍物。 2.根据权利要求1所述的车辆前方障碍物检测方法， 其特征在于， 步骤1)中， 进行空间 联合标定得到的激光雷达和视觉传感器共用的世界坐标系与图像像素坐标系之间的变换 关系为： 式中， (u,v,1)T为图像像素坐标系坐标； (xw,yw,zw)T为世界坐标系坐标； Rt为3×3正交 旋转矩阵； Tt为摄像机外部参数的平移向量； f为摄像机焦 距， dx、 dz为一个像素在x轴上与z轴的成像平面内的物理尺寸， (uo,v0)为摄像机光轴与成像 平面内的交点 坐标。 3.根据权利要求1所述的车辆前方障碍物检测方法， 其特征在于， 步骤1)中， 实现所述 联合时间标定的手段为： 在激光雷达扫描的同时触发视 觉传感器的扫描。 4.根据权利要求1所述的车辆前方障碍物检测方法， 其特征在于， 步骤2)中采用最邻 近 距离法进行聚类处 理。 5.根据权利要求1所述的车辆前方障碍物检测方法， 其特征在于， 步骤2)中在进行聚类 处理前， 还需将获取的点云数据进 行去噪处理， 所述去噪处理的手段包括： 将高度小于 设定 高度阈值的点云数据进行剔除， 并将车辆后方的点云数据进行剔除。 6.根据权利要求1所述的车辆前方障碍物检测方法， 其特征在于， 还需将 获取的图像数 据进行图像预 处理， 所述图像预 处理的手段为： 将获取的图像数据进 行灰度化处理， 灰度化 处理后采用直方图均衡化方法进行 灰度增强处 理， 灰度增强处 理后进行 滤波以去除噪声。 7.根据权利要求1所述的车辆前方障碍物检测方法， 其特征在于， 步骤3)中所述感兴趣 区域的关键点包括： 对于每个聚类结果， 其类别类宽的最左侧的点向上移动设定距离后的 点以及最右侧的点向下移动设定距离后的点； 相应地， 得到的图像数据中的各个感兴趣区域为： 将一个聚类结果所对应的两个关键 点投影至图像数据后， 将图像数据中最左侧的关键点的左上方的一个点和最右侧的关键点 的右下方的一个点作为对角线的起始点所确定的矩形作为感兴趣区域； 按照该种方式对每 个聚类结果进行处 理以得到多个感兴趣区域。 8.根据权利要求7所述的车辆前方障碍物检测方法， 其特征在于， 最左侧的关键点的左权　利　要　求　书 1/2 页 2 CN 115327572 A 2上方的一个点为所述最左侧的关键点依次左移k个像素、 上移k个像素后的点， 最右侧的关 键点的右下方的一个点为所述最右侧的关键点依次右移 k个像素、 下移 k个像素后的点， k＞ 1。 9.根据权利要求1所述的车辆前方障碍物检测方法， 其特征在于， 步骤4)中识别出潜在 障碍物区域的过程包括： 利用Canny边缘检测算法识别得到各个边 缘点； 计算感兴趣区域内各点像素 灰度值的平均值； 在感兴趣区域内进行搜索， 如果某一垂直方向上灰度值大于平均值的点数超过感兴趣 区域高度一半， 则认为是障碍物的垂直边缘， 如果某一水平方向上灰度值大于平均值的点 数超过感兴趣区域宽度的一半， 则认为是障碍物的水平边缘； 按照该种方式检测出两条垂 直边缘和两条 水平边缘， 两条垂直 边缘和两条 水平边缘围成的区域 为潜在障碍物区域。 10.根据权利要求1所述的车辆前方障碍物检测方法， 其特征在于， 步骤5)中潜在障碍 物区域的信息熵为： 式中， E(g)为潜在障碍物区域的信息熵， 为信息量的数学期望； gi为i对应的灰度级； lnp (gi)为信息量； p(gi)为gi出现的概 率， 且 式中， ni为i对应灰度级的像素个数； N 为图像中像素总个数。权　利　要　求　书 2/2 页 3 CN 115327572 A 3