基于点云密度的结构化道路边界增强检测方法*

苏致远，徐友春，彭永胜，王任栋

(1.军事交通学院研究生管理大队，天津 300161； 2.军事交通学院军用车辆系，天津 300161)



基于点云密度的结构化道路边界增强检测方法*

苏致远1，徐友春2，彭永胜2，王任栋1

(1.军事交通学院研究生管理大队，天津 300161； 2.军事交通学院军用车辆系，天津 300161)

为快速鲁棒地检测结构化道路边界，提出一种基于HDL-64E激光雷达点云密度的道路边界增强检测方法。通过建立虚拟雷达模型，利用点云密度特征，实现前景与背景分离，并利用随机采样一致性算法得到20m内的道路边界。为解决20～100m内道路边界点云稀疏、检测准确性下降的问题，提出利用光线切割模型对道路边界进行增强检测。在校园道路和城市快速路进行实验，道路边界检测率达到95%以上，有效检测距离可达70m以上，检测周期小于32ms。

道路边界检测；虚拟扫描模型；点云密度；光线切割模型

前言

在智能车的环境感知中，道路边界检测用于确定行驶区域，缩小注意力分布范围，为智能车的路径规划、定位和导航提供约束条件和信息。在复杂的城市道路和高速公路环境中，确定道路边界显得尤为重要。

当前，结构化道路边界检测主要有两种方法：一种是基于道路几何特征的方法，另一种是基于图像分割的方法[1]。基于图像分割的方法可获取丰富的环境信息，并利用颜色、纹理等特征进行区域的生长和分割，但该方法对环境敏感，受光照等因素影响大。基于道路几何特征的方法能够克服外界环境的大部分干扰，检测精度高，是高级别智能驾驶应用中的主要检测方法。……