MATLAB环境下车载激光雷达点云数据分析_张新敏.pdf

内燃机与配件 技术创新与应用 环境下车载激光雷达点云数据分析张新敏，悦中原，段卫洁，缑庆伟（北京交通运输职业学院，北京 ）摘要：人工智能、大数据等技术支撑了汽车产业的数字化转型和升级，自动驾驶技术得以发展迅速。激光雷达作为传感器具有明显的优势，能够准确的识别出障碍物具体轮廓、距离，有效探测距离也更远，对实现完全自动驾驶有着重要意义。利用 软件，对自动驾驶汽车用的 线激光雷达点云数据进行了处理，完成了点云分割，为进一步实现驾驶控制提供了基础。关键词：；激光雷达；点云中图分类号：文献标识码：文章编号：（），（，）：，：；作者简介：张新敏（）女，回族，山东省德州市人，硕士研究生，讲师，主要研究方向为机电系统智能控制。引言现阶段，世界主要大国纷纷在人工智能领域出台国家战略，抢占人工智能时代的制高点，而我国在人工智能领域密集出台了很多的法律法规及政策，包括 新一代人工智能发展规划 国家新一代人工智能标准体系建设指南 中华人民共和国数据数据安全法，可以看出我国政府把人工智能上升到国家战略的决心。人工智能、大数据等技术支撑了汽车产业的数字化转型和升级，自动驾驶技术得以发展迅速，根据美国汽车工程师协会将自动驾驶按照车辆行驶对于系统依赖程度分为 六个级别，自动驾驶汽车 级及以下驾驶辅助系统已经量产，级在特定场景下的一些应用也逐步开发，级会率先在封闭园区中的商用车平台上实现应用落地，更广泛的乘用车平台更高级别自动驾驶，需要伴随着技术、政策、基础设施建设的进一步完善，才会出现在一般道路上。自动驾驶汽车作为人工智能最有希望的落地应用场景，其发展离不开人工智能技术在汽车上的广泛应用，融合了计算机视觉、摄像头、激光雷达、毫米波雷达、车路协同、车联网、通信等多种先进技术和软硬件。未来，汽车电子系统将向着域控制器、多域控制器等集中化、软硬件解耦及平台化方向发展，汽车将会由统一的超算平台对传感器数据进行处理、融合、决策最终实现高级别的自动驾驶功能。激光雷达作为自动驾驶汽车用感知硬件，具有明显的优势，能够准确的识别出障碍物具体轮廓、距离，有效探测距离也更远，对实现完全自动驾驶有着重要意义。结合激光雷达在自动驾驶汽车上的应用场景要求，利用 软件，对自动驾驶汽车用的 线激光雷达的点云数据进行了数据解析和数据可视化，完成了点云分割，为进一步实现驾驶控制提供了基础。介绍 是由美国 公司开发的一款以数值计算为主的高级编程软件，提供了各种强大的数组运算功能，是一种面向矩阵的编程语言。用户可以进行矩阵操作、绘制函数和数据、算法实现、创建用户界面等；可以用于分析数据、开发算法、建立模型和应用程序；拥有多种内置命令、工具箱函数和数据可视化工具，便于用户创建自定义绘制的图形。利用 的强大功能，根据自动驾驶汽车的实际应用场景需求进行编程将激光雷达的点云数据 进 行 了 数 据 解 析 和 数 据 可 视 化，并 完 成 点 云分割。自动驾驶汽车用激光雷达介绍汽车产业快速向汽车电动化、智能化、网联化、共享化“新四化”方向转型，是技术发展、社会需求、国家战略等共同作用下的必然结果。根据新四化，汽车向网联化及智能化不断进阶，最终实现完全自动驾驶，给汽车未来的发展指明了方向。人工智能、大数据、云计算、新一代电子技术、工业互联网、自动驾驶、新型材料轻量化等支撑了汽车产业的数字化转型和升级，自动驾驶汽车蓬勃发展起来，系统在汽车上也得到了广泛的应用，这些应用离不开传感知系统的快速发展。目前汽车上应用到的传感DOI:10.19475/ki.issn1674-957x.2023.04.019 年第期器主要包括超声波雷达、毫米波雷达、激光雷达、摄像头等。这些感知硬件获取环境信息后通过车算法的智能决策，包括道路识别、车辆识别、行人识别、交通标志识别、交通信号识别、驾驶员疲劳识别，完成对车辆的驾驶控制和预警，实现自动驾驶。摄像头作为目前主流的自动驾驶汽车用感知硬件，与人眼看世界相似，视觉技术可以自动分析图像并找出其中的各种事物，但其识别准确率受逆光、能见度等环境因素影响颇大，而且视觉算法需要大量的数据进行训练；毫米波雷达能在恶劣天气下工作，能判断物体的速度，对金属敏感，在自动驾驶汽车上应用广泛，但其识别精度相对较低，很难获得障碍物的具体轮廓，目前大部分的毫米波雷达无法获取高度信息，对小尺寸障碍物的识别困难，对非金属障碍物的探测能力差。相比前两者，激光雷达可以准确的感知周边环境的三维信息，探测精度高，能够准确的识别出障碍物具体轮廓，识别准确率高，有效探测距离也更远。但是目前激光雷达的成本是三者中最高的，一个先进的具备高分辨率的激光雷达价格在千元以上，而更不用说高要求的车规级别的激光雷达了，其成本达到万元甚至更高。激光雷达是通过激光测距技术探测环境信息的主动传感器的统称。它利用激光束探测目标，获得数据并生成精确的环境的三维模型。激光雷达通过发射激光来测量周围事物的距离，发射的激光线束越多，感知的区域和细节就越多，而通过让反射的激光转动扫描，就可以得到环境的三维形态。目前，激光雷达的扫描方式主要包括机械式、类固态和纯固态三种类型。图形化显示激光雷达点云数据 型激光雷达介绍以镭神智能系统有限公司多线混合固态激光雷达 为例图形化展示点云数据。型雷达外壳内安装有 对固定在轴承上的激光发射与激光接收装置，通过内部的电机旋转以 转速下，进行 的全景扫描，测距方式为脉冲式，最大探测距离是 米，垂直可视范围是 ，水平可视范围为 ，垂直角度分辨率为。利用 线激光雷达及配套的 线激光雷达显示软件，可以实现实时接收雷达数据。点击 保存实时数据。实时数据表主要包含（、）。其中的 为点号，为空间、的坐标。为方位角、为距离、为反射强度、为雷达通道、为调节时间、为时间戳。为了显示空间中物体的位置，选择保留数据表中的、轴数据，即 为空间、的坐标。内完成数据解析图 内导入激光雷达数据打开 导入 中保存的 激光雷达点云数据，如图所示。选择输出类型数值矩阵，点击导入所选内容，进行数据解析。完成数据解析后，在 工作区生成了一个 行列的矩阵，矩阵名称为 ，如图所示。图 内完成数据解析生成对应矩阵 图形化显示点云数据 中的 工具 可以生成点云功能，类是 中新引入的一个类，主要用于 点云数据的存储与操作，其具有如下属性：点坐标，数据格式为矩阵或者矩阵；点的 颜色 信息，数据格式同上；点的法向量信息，数据格式同上；点的数量；坐标大小范围；坐标大小范围；坐标大小范围。三维坐标具有 属性，颜色信息具有 值三种属性，法向量则具有 三个方向的向量大小三种属性。根据解析完成的矩阵 ，在 命令行窗口，输入图形化代码，代码格式 （文件名），便可生成与点云数据匹配的点云图，如图所示。此时代码名称需要和数据矩阵名称 保持一致。（）；（）图 内生成的点云图自动驾驶场景下点云数据处理自动驾驶汽车不仅需要激光雷达能够获取周围环境的高精度的位置信息，还需要对其获取的点云数据进行处理，区分出地面、车辆自身、车辆附近测障碍物，并进行标记，为车辆实现自动驾驶提供数据基础。算法实现 的全称为 ，即表内燃机与配件 示随机抽样一致。算法的基本假设是可以实现从一组包含“正确数据（可以被模型描述的数据）”和“异常数据（偏离正常范围很远、无法适应数学模型的数据，即数据集中含有噪声）”的数据集中，给定一组正确的数据，存在通过迭代的方式计算出符合这些数据的模型参数的方法。文章选用 （随机采样一致）算法检测和匹配地面平面，对点云数据进行预处理后，只留下路面上障碍物的点云，其余的背景障碍物以及地面点云已被移除，减少对障碍物聚类的影响。算法流程：（）随机在数据集中选取几个数据假设为局内点，可根据模型特征确定点的个数，通常保留适应于模型的最小数据个数；（）计算符合这几个数据的数学模型；（）根据设定的阈值计算数据集中的其他点是否满足该数学模型，如果满足，记为该模型的局内点；（）记录下该模型的局内点数量；（）在完成一定的抽样次数后，若未找到一致集则算法失败，否则选取抽样后得到的最大一致集判断内外点；（）满足迭代退出条件，退出循环，得到整个迭代过程中最合理的解。点云分割过程障碍物分割主要检测和划分单独的障碍物，将单独的车辆、行人等障碍物分割出来。利用 的 文件编程实现对自动驾驶汽车上的 型激光雷达获取的点云数据进行处理，得到可视化三维点云图。图点云分割编程思路如下：首先进行数据预处理，将激光雷达显示软件上保存的数据进行处理，仅保留、轴的数据，其它数据删除，也即选择需要展示的点云数据。然后设置感兴趣的区域（如 ，单位），也就是保留指定范围内的点云；使用 算法检测和匹配地面平面，分割地平面和附近障碍物，找到地面平面并移除地面平面点；将颜色标签附加到点云中的每个点，例如使用绿色显示地面平面、红色为障碍，黑色可以是搭载激光雷达的车辆；标出地平面点；检索半径在 米以内的点，并将它们标记为障碍物。最后，图形化显示点云分割，如图所示。结语目前，人工智能、大数据等技术支撑了汽车产业的数字化转型和升级，自动驾驶技术得以迅速发展，激光雷达作为自动驾驶汽车用感知硬件，与毫米波雷达和摄像头相比具有明显优势，可以准确的感知周边环境的三维信息，探测精度在厘米级以内，能够准确的识别出障碍物具体轮廓、距离，且不会漏判、误判前方出现的障碍物，有效探测距离也更远。利用 软件，结合其强大的矩阵运算、算法实现、分析数据、可视化工具，根据自动驾驶汽车的实际应用场景需求，运用 编程语言将对自动驾驶汽车用的 线激光雷达的点云数据进行了数据解析和数据可视化，并完成点云分割，区分出了地面、障碍物等，为进一步实现驾驶控制提供了基础。但是目前激光雷达的成本较高，这限制了其在对成本较为敏感的自动驾驶汽车上的应用，未来随着新四化的发展，激光雷达的成本会进一步下降，有利于其在自动驾驶汽车上的推广应用。参考文献：王建强，黄荷叶，李克强，李骏迈向 级自动驾驶汽车的发展原则 ，（）：“新四化”战略：制胜汽车行业下半场中国工业和信息化，（）：蔡思，高丽洁自动驾驶汽车环境感知系统的研究汽车零部件，（）：李徐梅基于人工智能的计算机视觉技术研究信息与电脑（理论版），（）：崔卫星，尹忠，朱坤管，代晓林，王森林，石耀辉智能网联汽车中毫米波雷达的应用研究分析时代汽车，（）：薛媛媛 基于激光雷达扫描的密集城区建筑物自动检测 光学技术，（）：宋佳音，赵越，宋文龙，周宏威，马强，尹天瑞，池志祥，张晓鹏 应用车载双激光雷达系统构建的林分高度测算方法 森林工程，（）：