用激光雷达探测地面和障碍物

打开脚本

这个例子展示了如何通过分割地平面和寻找附近的障碍物来处理安装在车辆上的传感器的3-D激光雷达数据。这有助于车辆导航的可行驶路径规划。该示例还展示了如何可视化流激光雷达数据。

创建一个Velodyne文件读取器

本例中使用的激光雷达数据是使用安装在车辆上的Velodyne®HDL32E传感器记录的。建立了一个velodyneFileReader对象读取记录的PCAP文件。

文件名=“lidarData_ConstructionRoad.pcap”；deviceModel =“HDL32E”；veloReader = velodyneFileReader(fileName, deviceModel);

读取激光雷达扫描

激光雷达的每次扫描数据都被存储为一个三维点云。使用快速索引和搜索有效地处理这些数据是传感器处理管道性能的关键。这种效率是通过使用pointCloud对象，该对象使用K-d树数据结构在内部组织数据。

的veloReader构建一个有组织的pointCloud用于每次激光雷达扫描。的位置财产的pointCloud是一个m × n × 3的矩阵，包含点的XYZ坐标，单位为米。点强度存储在强度．

读取激光雷达扫描数据ptCloud = readFrame (veloReader)% #好< NOPTS >

ptCloud = pointCloud with properties: Location: [32×1083×3 single] Count: 34656 XLimits: [-80.0444 87.1780] YLimits: [-85.6287 92.8721] ZLimits: [-21.6060 14.3558] Color: [] Normal: [] Intensity: [32×1083 uint8]

设置流点云显示

的pcplayer可用于可视化流点云数据。通过配置设置车辆周围要显示的区域pcplayer．

%指定点云显示的限制Xlimits = [-25 45];%米Ylimits = [-25 45];Zlimits = [-20 20];%创建一个播放器lidarViewer = pcplayer(xlimits, ylimits, zlimits);%自定义播放器轴标签包含(lidarViewer。轴,“X (m)”) ylabel (lidarViewer。轴,“Y (m)”) zlabel (lidarViewer。轴,“Z (m)”）%显示原始激光雷达扫描视图(lidarViewer ptCloud)

在这个例子中，我们将分割属于地平面、自我飞行器和附近障碍物的点。设置颜色图来标记这些点。

定义用于分段点的标签colorLabels = [．..0 0.4470 - 0.7410;．..%未标记点，指定为[R,G,B]0.4660 0.6740 0.1880;．..%地面点0.9290 0.6940 0.1250;．..%自我点0.6350 0.0780 0.1840);%的障碍点为每个标签定义索引颜色。无标号= 1;颜色。地面= 2;颜色。自我= 3;颜色。障碍= 4;%设置颜色映射colormap (lidarViewer。轴,colorLabels)

分割自我载体

激光雷达安装在车辆顶部，点云可能包含属于车辆本身的点，如车顶或引擎盖上。知道了车辆的尺寸，我们就可以分割出离车辆最近的点。

创建一个vehicleDimensions存放车辆尺寸的对象。

vehicleDims = vehicleDimensions ();%典型车辆4.7米× 1.8米× 1.4米

在车辆坐标系中指定激光雷达的安装位置。车辆坐标系以后轴中心为中心，在地面上，正X方向向前，正Y方向向左，正Z方向向上。在这个例子中，激光雷达安装在车辆的顶部中心，与地面平行。

mountLocation = [．..vehicleDims。/ 2 - vehicleDims长度。RearOverhang,．..% x0，．..y %vehicleDims.Height];% z

使用辅助功能分割自我载体helperSegmentEgoFromLidarData．这个函数将ego载具定义的长方体内的所有点分割。将分段的点存储在结构体中点．

点=结构();点。egpoints = helperSegmentEgoFromLidarData(ptCloud, vehicledimms, mountLocation);

可视化点云与分段自我车辆。使用helperUpdateViewhelper函数。

closePlayer = false;helperUpdateView(lidarViewer, ptCloud, points, colors, closePlayer);

分段地平面和附近障碍物

为了从激光雷达数据中识别障碍物，首先使用segmentGroundFromLidarData函数来完成此任务。这个函数从组织好的激光雷达数据中分割属于地面的点。

elevationDelta = 10;点。GroundPoints = segmentGroundFromLidarData (ptCloud,“ElevationAngleDelta”, elevationDelta);%可视化分割的地平面。helperUpdateView(lidarViewer, ptCloud, points, colors, closePlayer);

使用的方法移除属于ego车辆和地平面的点选择函数在点云上执行。指定“OutputSize”作为“全部”保留点云的组织性。

nonEgoGroundPoints = ~点。EgoPoints & ~ points.GroundPoints;ptcloudsegments = select(ptCloud, nonEgoGroundPoints，“OutputSize”，“全部”）;

接下来，分割附近的障碍物，在距离“自我”车辆半径内寻找所有不属于地面或“自我”车辆的点。这个半径可以根据激光雷达的距离和感兴趣的区域来确定，以供进一步处理。

传感器位置= [0,0,0];传感器位于坐标系统的中心半径= 40;%米点。ObstaclePoints = findNeighborsInRadius (ptCloudSegmented,．..sensorLocation,半径);想象分割的障碍helperUpdateView(lidarViewer, ptCloud, points, colors, closePlayer);

过程激光雷达序列

现在，单次激光雷达扫描的点云处理管道已经布置好了，把所有这些放在一起，从记录的数据序列中处理30秒。下面的代码被缩短了，因为在前面的步骤中定义了关键参数。这里只使用参数，不作进一步说明。

%倒带|veloReader|，从序列的开头开始重置(veloReader);30秒后停止处理stopTime = veloReader。开始时间+秒(30);isPlayerOpen = true;而hasFrame (veloReader) & & veloReader。CurrentTime < stopTime && isPlayerOpen获取下一次激光雷达扫描ptCloud = readFrame (veloReader);%属于自我车辆的部分点数点。egpoints = helperSegmentEgoFromLidarData(ptCloud, vehicledimms, mountLocation);属于接地面的线段点点。GroundPoints = segmentGroundFromLidarData (ptCloud,“ElevationAngleDelta”, elevationDelta);%移除属于自我战车和地平面的点nonEgoGroundPoints = ~点。EgoPoints & ~ points.GroundPoints;ptcloudsegments = select(ptCloud, nonEgoGroundPoints，“OutputSize”，“全部”）;%段障碍点。ObstaclePoints = findNeighborsInRadius(ptcloudsegments, sensorLocation, radius);closePlayer = ~ hasFrame (veloReader);更新激光雷达显示isPlayerOpen = helperUpdateView(lidarViewer, ptCloud, points, colors, closePlayer);结束snapnow

万博1manbetx支持功能

helperSegmentEgoFromLidarData给定车辆的尺寸和安装位置，属于自我车辆的部分点。

函数egpoints = helperSegmentEgoFromLidarData(ptCloud, vehicledimms, mountLocation)%helperSegmentEgoFromLidarData段自我车辆点从激光雷达数据% egpoints = helperSegmentEgoFromLidarData(ptCloud, vehicledimms,mountLocation)%分段分属于自我车辆的尺寸车辆的dimms%从激光雷达扫描ptCloud。激光雷达安装在指定的位置在车辆坐标系统中通过mountLocation的%。ptCloud是一个% pointCloud对象。vehicleDimensions是一个vehicleDimensions对象。% mountLocation是一个由3个元素组成的向量，指定XYZ位置%激光雷达在车辆坐标系中。％这个函数假设激光雷达与地面平行安装%平面，正X方向指向前方，正Y方向，指向车辆左侧%右撇子体系。%缓冲自我车辆周围bufferZone = [0.1, 0.1, 0.1];%在米在车辆坐标中定义自我车辆限制egoXMin = -vehicleDims。RearOverhang bufferZone (1);egoXMax = egoXMin + vehicledimms。长度+ bufferZone (1);egoYMin = -vehicleDims。宽/ 2 - bufferZone (2);egoYMax = egoYMin + vehicles。宽度+ bufferZone (2);egoZMin = 0 - bufferZone(3);egoZMax = egoZMin + vehicles。身高+ bufferZone (3);egoXLimits = [egoXMin, egoXMax];egoYLimits = [egoYMin, egoYMax]; egoZLimits = [egoZMin, egoZMax];转换到激光雷达坐标egoXLimits = egoXLimits -挂载位置(1);egoYLimits = egoYLimits -挂载位置(2);egoZLimits = egoZLimits -挂载位置(3);%使用逻辑索引来选择ego车辆立方体内的点egpoints = ptCloud.Location(:，:，1) > egoXLimits(1)．..& ptCloud.Location(:，:，1) < egoXLimits(2)．..& ptCloud.Location(:，: 2) > egoYLimits(1)．..& ptCloud.Location(:，:，2) < egoYLimits(2)．..& ptCloud.Location(:，:，3) > egoZLimits(1)．..& ptCloud.Location(:，:，3) < egoZLimits(2);结束

helperUpdateView用最新的点云和相关的颜色标签更新流点云显示。

函数isPlayerOpen = helperUpdateView(lidarViewer, ptCloud, points, colors, closePlayer)%helperUpdateView更新流点云显示% isPlayerOpen = helperUpdateView(lidarViewer, ptCloud, points, colors, closePlayers)%更新在lidarViewer中指定的pcplayer对象一个新点云ptCloud %。在结构点中指定的点是有颜色的%根据lidarViewer的颜色图使用指定的标签%结构的颜色。closePlayer是一个指示是否关闭的标志% lidarViewer。如果closePlayer隐藏(lidarViewer);isPlayerOpen = false;返回；结束scanSize =大小(ptCloud.Location);scanSize = scanSize (1:2);%初始化colormapcolormapValues = 1 (scanSize,“喜欢”* colors.Unlabeled;如果isfield(点,“GroundPoints”) colormapValues(points.GroundPoints) = colors.Ground;结束如果isfield(点,“EgoPoints”) colormapValues(points. egpoints) = colors.Ego;结束如果isfield(点,“ObstaclePoints”) colormapValues(points.ObstaclePoints) = colors.Obstacle;结束%更新视图视图(lidarViewer ptCloud。位置,colormapValues)%检查玩家是否打开isPlayerOpen = isOpen (lidarViewer);结束