基于改进栅格图的道路和障碍物检测算法研究*

岳元琛 王东生

（南京理工大学计算机科学与工程学院 南京 210094）

1 引言

近年来，传感器和人工智能相关技术高速发展，无人驾驶技术作为人工智能的一个重要应用也成为了热门的研究内容。其中，高精度实时的环境感知是无人车进行有效路径规划和控制的重要前提。多线激光雷达作为一种重要的车载设备，是无人车进行环境感知任务中最重要传感器之一，可以直接得到周围环境的三维点云信息，同时可以很好地适应夜间、雨天等较复杂条件下的行驶任务。因此，多线激光雷达点云数据相关的研究工作具有重要的研究价值和应用前景。

点云数据最常见的处理方法主要分为直接对无序点云的处理［1～3］、体素化处理［4］、多视角图像［5～6］、栅格化［7～12］。栅格化处理是将原始点云数据投影到一个鸟瞰视角下2D栅格图中，简单而高效，在无人驾驶系统中应用广泛。基于高度差的栅格图［9］存在很多问题，无法正确区分悬浮障碍物和正障碍物，同时极易受到噪声点的影响。针对这一问题，本文提出一种改进的栅格图构建方法，通过统计栅格内点云高度分布的方法进行栅格分类，有效区分噪声点、悬浮障碍物点、正障碍点和地面点，同时通过膨胀处理得到紧密相连的占据栅格。

道路检测过程中，通常采用先确定地面点再进行道边点检测。地面点提取过程中使用线段分割的方法进行提取，线段分割方法主要有PDBS［13］、SEF［14］、LT［15］和IEPF［16］等。这些方法直接对原始点云进行处理，阈值控制比较困难，并且计算量较大难以满足实时性需求。……