技術特征：

1.一種基于激光雷達點云局部結構特征的負障礙物檢測方法，其特征在于包括如下步驟：

1)已采集的激光雷達點云數據，逐線檢測局部點云距離跳變、局部點云分布密集和局部點云高度下降的三個結構特征，依據三個結構特征在單線激光點云中提取篩選獲得可能屬于負障礙物的候選點對；

2)由各線激光的激光點云獲得的所有候選點對，依據點對長度一致性和空間位置一致性進行聚類，得負障礙物候選區域，再經過面積過濾得到負障礙物區域。

2.根據權利要求1所述的一種基于激光雷達點云局部結構特征的負障礙物檢測方法，其特征在于：

所述步驟1)具體是針對單線激光點云，采用以下方式進行處理：

1.1)逐激光點計算鄰近點間距與局部平滑度，并根據局部平滑度判斷獲得平滑點；

1.2)逐激光點通過檢測局部點云距離跳變特征選取鄰近點間距局部極大值的候選點對，作為初始候選點對；

1.3)在初始候選點對中，通過檢測局部點云分布密集特征選取初始候選點對中后沿點所在位置點云局部密集的點對，獲得篩選后的初始候選點對；

1.4)通過局部點云高度下降特征進行進一步篩選，獲得最終的候選點對。

3.根據權利要求2所述的一種基于激光雷達點云局部結構特征的負障礙物檢測方法，其特征在于：

所述步驟1.1)具體為：

1.1.1)計算鄰近點間距

針對單線激光點云，采用以下公式計算每個激光點與其鄰近激光點之間的空間距離，激光點的坐標為鄰近激光點的坐標為

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

其中，表示激光點及其鄰接點之間的鄰近點間距，l表示單線激光點云中的激光點序號；

1.1.2)計算局部平滑度

采用以下公式計算單線激光點云中每個激光點的局部平滑度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表示預設的鄰近點個數，l表示單線激光點云中的激光點序號，k表示該激光點的鄰近點的序號；

預設平滑閾值Ths_smooth和非平滑閾值Ths_sharp，通過將激光點的局部平滑度S_l分別與平滑閾值Ths_smooth和非平滑閾值Ths_sharp進行比較獲得激光點是否為平滑點的結果：若滿足s_l≤Ths_smooth，該激光點為平滑點；若滿足s_l≥Ths_sharp，該激光點為非平滑點。

4.根據權利要求2所述的一種基于激光雷達點云局部結構特征的負障礙物檢測方法，其特征在于：所述步驟1.2)具體是：對于單線激光點云上的各激光點，按以下公式處理并提取獲得鄰近點間距跳變點集合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}表示預設的鄰近點個數，Ths_dis為鄰近點間距跳變閾值，l表示單線激光點云中的激光點序號，k表示該激光點的鄰近點的序號；

再取鄰近點間距跳變點集合P_jump中的每個激光點作為后沿點，其在單線激光點云中之前的一個激光點作為前沿點，形成鄰近點間距跳變點對并獲得鄰近點間距跳變點對集合P_{neg_pair}，具體是采用以下公式：

式中，l表示單線激光點云中的激光點序號。

以鄰近點間距跳變點對集合P_{neg_pair}中的鄰近點間距跳變點對作為初始候選點對。

5.根據權利要求2所述的一種基于激光雷達點云局部結構特征的負障礙物檢測方法，其特征在于：所述的步驟1.3)具體為：將初始候選點對投影到激光雷達點云空間所對應的柵格屬性地圖上，每個柵格統計落在該柵格內激光點的數目，針對初始候選點對的后沿點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表示預設柵格鄰近距離，PtNum_(k,l)表示當前柵格中包含的所有激光點總數，PtNum_(m,n)表示當前柵格在預設柵格鄰近距離N_grid鄰域內的一柵格內包含的所有激光點總數，Ths_dense是預設的點云密集閾值，當前柵格是指初始候選點對的后沿點所在的柵格，m、n分別表示當前柵格在預設柵格鄰近距離N_grid鄰域內的柵格行號與列號。

初始候選點對的后沿點滿足公式，則認為滿足局部點云分布密集特征，將該初始候選點對保留，繼續下一步的處理；否則，將該初始候選點對舍棄，不繼續下一步的處理。

6.根據權利要求2所述的一種基于激光雷達點云局部結構特征的負障礙物檢測方法，其特征在于：所述步驟1.4)具體為：

對于步驟1.3)篩選后的每個初始候選點對，選取后沿點前方的N_line個平滑點形成平滑點集P_{local_smooth}，將滑點集P_{local_smooth}中的所有平滑點通過最小二乘法進行直線擬合獲得直線方程；

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

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

式中，d_zl是篩選后的初始候選點對前方的平滑點擬合直線在后沿點處的估計高度與實際高度之差，Ths_z為預設的候選點對后沿點高度下降閾值，l表示候選點對序號；

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

7.根據權利要求6所述的一種基于激光雷達點云局部結構特征的負障礙物檢測方法，其特征在于：所述的直線方程采用以下方式擬合計算得到：

設空間直線經過點[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坐標軸的兩個分量，x₀、y₀分別表示空間直線經過點的坐標的x、y坐標軸的兩個分量。

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個平滑點代入上述矩陣，得到：

其中，x₁到y₁到z₁到分別表示第1個到第N_line個平滑點的坐標的x、y、z坐標軸分量；

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是平滑點序號；

解出上述a、b、x₀、y₀即求出直線方程。

8.根據權利要求1所述的一種基于激光雷達點云局部結構特征的負障礙物檢測方法，其特征在于：所述的步驟2)中聚類具體為：2.1)將步驟1)獲得各線激光點云中的候選點對進行合并，然后采用以下方式進行聚類，將候選點對投影到柵格屬性地圖上獲得對應的柵格點對，柵格點對由前沿柵格點p_front和后沿柵格點p_back構成；

2.2)每一對候選點對均使用向量表示；

取前沿柵格點p_front和后沿柵格點p_back之間的中點表示該候選點對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分別表示該候選點對在柵格屬性地圖上的行坐標和列坐標，u_front、v_front分別表示前沿柵格點p_front在柵格屬性地圖上的行坐標和列坐標，u_back、v_back分別表示后沿柵格點p_back在柵格屬性地圖上的行坐標和列坐標；

采用以下公式取前沿柵格點p_front和后沿柵格點p_back之間的距離表示候選點對的點對長度w：

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

2.3)由所有候選點對的向量形成候選點對向量集合G_pars：

其中，N_pars表示步驟1)獲得所有線激光上的候選點對總數；

2.3)使用均值偏移的方法進行聚類：

對每一個候選點對的向量均初始構造一個質心向量使得從而形成質心向量集合G_centers：

對質心向量集合G_centers中的每個質心向量，采用公式遍歷計算其對應的加權質心向量

其中，為高斯核函數，l、k均為質心向量的序號，h為預先設定的核函數帶寬；

從而得到加權質心向量集合G_shfts：

2.4)對加權質心向量集合G_shfts中的每個加權質心向量，采用以下公式計算其與其對應的質心向量之間的歐氏距離Dshft_l：

式中，l表示加權質心向量的序號。將歐氏距離Dshft_l與誤差閾值Epsilon采用以下公式相比較，判斷獲得質心向量是否達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)重復步驟2.2)-2.4)，直到所有候選點對的向量對應的所有質心向量均達到局部概率密度極大條件；

2.6)將相同質心向量對應的候選點對歸為同一類，完成候選點對集合的聚類。

9.根據權利要求5或8所述的一種基于激光雷達點云局部結構特征的負障礙物檢測方法，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：將激光雷達點云空間所在的水平平面分割成大小相等的柵格，每個柵格尺寸為gridsize×gridsize，激光雷達點云空間的三維激光點坐標投影到柵格屬性地圖所在的柵格坐標(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投影到柵格屬性地圖所在的柵格坐標的行號與列號，Yoffset、Xoffset分別表示預設的偏移量；

并且每一個柵格包含車體區域標志位isCar、負障礙物標志位isNegObs和柵格內點云數目PtNum_(row,col)的屬性。

10.根據權利要求1所述的一種基于激光雷達點云局部結構特征的負障礙物檢測方法，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對所形成的區域作為負障礙物候選區域，遍歷所有負障礙物候選區域，采用以下公式判斷是否滿足：

Num_par≥Ths_num

Area_neg≥Ths_area

式中，Num_par表示負障礙物候選區域中所有候選點對的總對數，Area_neg表示負障礙物候選區域中所有候選點對構成多邊形的面積，多邊形為包圍在負障礙物候選區域中所有候選點對外的最小外接多邊形，Ths_num為區域候選點對數量閾值，Ths_area為負障礙物在柵格屬性地圖中形成多邊形的面積閾值；

若同時滿足以上兩個條件，則負障礙物候選區域保留，為最終的負障礙物區域；

若不同時滿足以上兩個條件，則負障礙物候選區域舍棄，不為最終的負障礙物區域。