本技术涉及激光雷达感知领域，具体涉及一种基于激光雷达的近处障碍物检测方法及装置。
背景技术：
1、随着自动驾驶技术的广泛应用，车载激光雷达技术也得以迅速发展。激光雷达能够感知周围障碍物，为自动驾驶系统提供可靠的环境信息。
2、相关技术中，激光雷达感知的目标检测主要包括两种方法，基于深度学习模型训练识别特定标注类别的障碍物方法、基于高度规则去除点云地面后聚类的常规目标检测方法。基于深度学习的模型训练方法以所有目标的表面点云信息作为输入，模型处理后直接输出障碍物的类别和位姿等信息；基于点云聚类的常规方法需要先划分二维空间网格，根据固定的网格高度阈值去除三维点云的地面点，对非地面点云聚类后计算障碍物信息。
3、但是，基于模型训练的方法只能识别已训练类别的障碍物，当障碍物距离传感器比较近时，由于激光传感器的垂直视角通常在25°左右，会导致障碍物扫描的点云只有障碍物表面局部部分，特征不明显，从而导致模型无法分类识别近处障碍物。基于固定高度规则的常规方法认为高度低于阈值的为地面点云，然而当障碍物距离传感器比较近时，其扫描的障碍物点云高度可能不超过高度阈值，导致障碍物漏检。
技术实现思路
1、本技术提供一种基于激光雷达的近处障碍物检测方法及装置，可以解决现有技术中存在的激光雷达探测难以识别近处障碍物的问题。
2、第一方面，本技术提供一种基于激光雷达的近处障碍物检测方法，所述方法，包括：
3、基于至少一个传感器的安装位置和参数，建立第一坐标系并划分网格，计算各网格对应的高度阈值；所述传感器为激光雷达传感器；
4、根据所述第一坐标系对原始点云中的各扫描点建立原始坐标；对原始点云中的各扫描点分别进行投影，得到投影坐标；
5、基于各扫描点的原始坐标和投影坐标，将各扫描点分类为地面点云和障碍物点云；
6、对所述障碍物点云进行聚类、包围框信息计算和匹配跟踪，得到障碍物信息。
7、结合第一方面，在一种实施方式中，当只存在一个所述传感器时，所述建立第一坐标系，包括：
8、以所述传感器中点在地面上的投射点为原点；
9、以所述原点指向传感器中点的向量为第一坐标系的z轴，确定包含所述原点且与z轴垂直相交的平面为xy平面；
10、在所述xy平面上，以所述原点为起点，以与传感器的水平扫描角的角平分线平行的向量为所述第一坐标系的x轴；
11、在所述xy平面上，以所述原点为起点，将所述x轴逆时针旋转90度所得到的向量作为所述第一坐标系的y轴。
12、结合第一方面，在一种实施方式中，当存在多个所述传感器时，所述建立第一坐标系，包括：
13、根据各传感器中点在地面上的投射点确定原点；
14、以任一传感器在地面上的投射点指向该传感器中点的向量作为第一向量；
15、以所述原点为起点、以与第一向量平行的向量为第一坐标系的z轴，确定包含所述原点且与z轴垂直相交的平面为xy平面；
16、在所述xy平面上，以所述原点为起点，以与任一传感器的水平扫描角的角平分线平行的向量为所述第一坐标系的x轴；
17、在所述xy平面上，以所述原点为起点，将所述x轴逆时针旋转90度所得到的向量作为所述第一坐标系的y轴。
18、结合第一方面，在一种实施方式中，所述划分网格，包括：
19、以预设的网格分辨率在第一坐标系的xy平面上划分出面积相同的正方形区域。
20、结合第一方面，在一种实施方式中，当只存在一个所述传感器时，所述各网格对应的高度阈值的计算方法为：
21、获得传感器扫描地面的最小距离；
22、根据所述各网格中点与所述第一坐标系的原点的水平距离、预设的高度比率阈值、传感器距离地面的高度、所述传感器扫描地面的最小距离、以及传感器的垂直扫描角度，计算传感器的水平扫描角度内所述各网格对应的高度阈值。
23、结合第一方面，在一种实施方式中，当存在多个所述传感器时，所述各网格对应的高度阈值的计算方法为：
24、根据各传感器的安装位置和参数建立各传感器对应的第二坐标系，在所述第一坐标系内计算各网格中点的坐标；
25、根据各传感器的参数，将所述各网格中点的坐标分别投影至所述各传感器对应的第二坐标系下，得到投影后的坐标；
26、获得各传感器扫描地面的最小距离；
27、根据所述投影后的坐标与所述各传感器对应的第二坐标系的原点的水平距离、预设的高度比率阈值、各传感器距离地面的高度、所述各传感器扫描地面的最小距离、以及各传感器的垂直扫描角度，计算各传感器的水平扫描角度内所述各网格对应的第一高度阈值；
28、取各网格对应的所有第一高度阈值中的最大值，作为各网格的高度阈值。
29、结合第一方面，在一种实施方式中，所述根据各传感器的安装位置和参数建立各传感器对应的第二坐标系，包括：
30、将各传感器中点在第一坐标系的xy平面上的投射点，作为各传感器对应的第二坐标系的原点；
31、在所述xy平面上，以所述各传感器对应的第二坐标系的原点为起点，以与各传感器的水平扫描角的角平分线平行的向量为所述各传感器对应的第二坐标系的x轴；
32、在所述xy平面上，以所述各传感器对应的第二坐标系的原点为起点，将所述各传感器对应的第二坐标系的x轴逆时针旋转90度所得到的向量，作为所述各传感器对应的第二坐标系的y轴。
33、结合第一方面，在一种实施方式中，所述基于各扫描点的原始坐标和投影坐标，将各扫描点分类为地面点云和障碍物点云，包括：
34、判断各扫描点对应的投影坐标的所在网格，计算各扫描点的原始坐标和投影坐标的z值差值；
35、找到所有z值差值中的最小值，计算各z值差值与所述最小值的第一差值；
36、若第一差值小于其对应的投影坐标所在网格的高度阈值，则将该第一差值对应的扫描点归类为地面点云；
37、若第一差值大于其对应的投影坐标所在网格的高度阈值，则将该第一差值对应的扫描点归类为障碍物点云。
38、结合第一方面，在一种实施方式中，所述传感器扫描地面的最小距离，根据传感器距离地面的高度和传感器的垂直扫描角度计算得到。
39、第二方面，本技术提供一种基于激光雷达的近处障碍物检测方法的近处障碍物检测装置，所述装置包括：
40、建模模块，其用于基于至少一个传感器的安装位置和参数，建立第一坐标系并划分网格，计算各网格对应的高度阈值；所述传感器为激光雷达传感器；
41、分析模块，其用于根据所述第一坐标系对原始点云中的各扫描点建立原始坐标；对原始点云中的各扫描点分别进行投影，得到投影坐标，基于各扫描点的原始坐标和投影坐标，将各扫描点分类为地面点云和障碍物点云；
42、处理模块，对所述障碍物点云进行聚类、包围框信息计算和匹配跟踪，得到障碍物信息。
43、本技术实施例提供的技术方案带来的有益效果包括：
44、通过基于至少一个传感器的安装位置和参数，建立第一坐标系并划分网格，计算各网格对应的高度阈值；根据第一坐标系对原始点云中的各扫描点建立原始坐标；对原始点云中的各扫描点分别进行投影，得到投影坐标；基于各扫描点的原始坐标和投影坐标，将各扫描点分类为地面点云和障碍物点云；对障碍物点云进行聚类、包围框信息计算和匹配跟踪，得到障碍物信息，实现了根据激光雷达的安装位置自定义高度阈值，根据高度阈值对原始点云中各扫描点进行划分，从而区分地面点云和障碍物点云，使得激光雷达可以灵活识别近处障碍物。
1.一种基于激光雷达的近处障碍物检测方法，其特征在于，所述方法，包括：
2.如权利要求1所述的基于激光雷达的近处障碍物检测方法，其特征在于，当只存在一个所述传感器时，所述建立第一坐标系，包括：
3.如权利要求1所述的基于激光雷达的近处障碍物检测方法，其特征在于，当存在多个所述传感器时，所述建立第一坐标系，包括：
4.如权利要求1所述的基于激光雷达的近处障碍物检测方法，其特征在于，所述划分网格，包括：
5.如权利要求1所述的基于激光雷达的近处障碍物检测方法，其特征在于，当只存在一个所述传感器时，所述各网格对应的高度阈值的计算方法为：
6.如权利要求1所述的基于激光雷达的近处障碍物检测方法，其特征在于，当存在多个所述传感器时，所述各网格对应的高度阈值的计算方法为：
7.如权利要求6所述的基于激光雷达的近处障碍物检测方法，其特征在于，所述根据各传感器的安装位置和参数建立各传感器对应的第二坐标系，包括：
8.如权利要求1所述的基于激光雷达的近处障碍物检测方法，其特征在于，所述基于各扫描点的原始坐标和投影坐标，将各扫描点分类为地面点云和障碍物点云，包括：
9.如权利要求5或6所述的基于激光雷达的近处障碍物检测方法，其特征在于，所述传感器扫描地面的最小距离，根据传感器距离地面的高度和传感器的垂直扫描角度计算得到。
10.一种基于权利要求1至8中任一项所述的基于激光雷达的近处障碍物检测方法的近处障碍物检测装置，其特征在于，所述装置包括：
