基于局部凸性的三維激光雷達點云分割算法

張心睿 潘新福

摘? 要：本文針對城市場景下的三維激光雷達點云分割問題，提出了一種基于局部凸性的點云分割方法。針對每個三維雷達點，利用其局部鄰域點來計算其凸性值，如果超出給定閾值，則將該點標記為障礙物點，否則標記為地面點。利用城市環境下采集三維激光雷達點云數據進行實驗分析，結果表明，該方法在城市場景中點云分割表現良好，具有較高的實時性。

關鍵詞：三維激光雷達;點云分割;局部凸性;城市場景

中圖分類號：TP399? ? ? 文獻標識碼：A 文章編號：2096-4706（2019）21-0165-03

Abstract：In this paper，in view of the problem of 3D lidar point cloud segmentation in unstructured off-road environment，a method based on local convex point cloud segmentation is proposed. For each 3D lidar point，its convex value is calculated using its local neighborhood point，and if a given threshold is exceeded，the point is marked as an obstacle point or otherwise marked as a ground point. The experimental analysis is made by collecting 3D lidar point cloud data in urban environment，and the results show that the proposed method performs well in point cloud segmentation in urban scenes and has high real-time performance

Keywords：3D lidar;point cloud segmentation;local convex;urban environment

0? 引? 言

智能汽車必須執行的關鍵任務之一是它們對環境的可靠感知，即檢測障礙和可通行區域。尤其對于后者，三維激光雷達非常有效，因為它們的分辨率和檢測視場遠超過毫米波雷達和超聲波雷達，并且它們可以提供直接測量的距離。目前很多學者對激光雷達進行目標檢測進行了研究，其中使用最多的是2D激光雷達傳感器，即在有限的范圍內沿著固定平面進行掃描。當雷達平行于地面安裝時，每次掃描獲得一維的測距與角度序列，這使得采用一維的信號處理方法檢測障礙物變得非常容易。然而，2D雷達卻無法檢測到掃描平面上或下的物體。有限的測量數據對于障礙物的分類和跟蹤也變得非常困難。此外，在丘陵地面，2D雷達可能無法檢測到障礙物或將上行的道路誤檢為道路障礙物。在最近幾年，三維激光雷達被大量引入，不同于掃描一個平面，三維激光雷達通過選擇掃描可以產生大量的三維的點云數據，從而可以檢測各種類型的障礙物和可通行區域。而大量的數據對算法構成了巨大的挑戰。

基于三維激光雷達的目標檢測方法通常分為基于模型的和非模型的方法。基于模型的方法主要是通過數據擬合的方式解決檢測和分類問題，然而該類方法計算復雜度高，很難滿足算法實時性的要求。另一種更靈活的方法是首先通過平面模型分離出地面點云，從而減少處理時間，達到降維的目的，然后對非地面點進行聚類分割。最常見的情況是數據被投射到一個假設的或估計的地面平面，常與占用網格地圖相結合[1]。其優點之一是幾個傳感器可以很容易融合（甚至以概率方式[2]），映射是直接的。許多團隊成功應用這種方法（如文獻[3]、文獻[4]）。然而，困難的是障礙和地面的區別仍然存在。一個簡單的解決方法是定義點的密度單元格作為占用值，這很容易標記所有的單元格包含被占據的垂直結構。另一種方法是將三維激光雷達點云數據投射到一個圓柱體上，其軸為掃描儀的旋轉軸。此投影生成深度圖像，其中深度圖像中的像素值對應于距離測量[5]。本文使用兩維的圖結構來組織三維激光雷達點云，圖中的每個節點表示一個激光雷達點，圖結構中節點之間的連接權重表示近鄰點之間的相似性。

1? 基于局部凸性的三維激光雷達點云分割算法

在本文中，我們使用基于圖割的方法來組織三維點云，這樣就可以將無序的點云有序化，保留了點云中所有的信息。我們的方法是對環境進行掃描分割，具體步驟包括：（1）三維激光雷達點云采集;（2）利用激光雷達點的局部鄰域構建點的圖結構;（3）根據圖結構計算每個點的凸屬性，最后基于凸性進行點云分割。下面詳細介紹這些步驟。

1.1? 數據采集

對于掃描采集，我們使用Velodyne HDL-64高精度的激光雷達掃描儀，安裝在實驗車的頂部，它由64個激光發射和接收器構成掃描陣列，覆蓋大約26度的垂直視場。它以10Hz的速度旋轉，每掃描一圈產生18萬個點。激光器的俯仰角是固定的，每一個較低的激光器在水平面上產生一個點測量環，采集的三維激光雷達點云圖如圖1所示。

1.2? 鄰域點圖構建

這一步的目標是將掃描的三維激光雷達點轉換到無向圖G={N，E}中。圖中的每個節點N={（xi，yi，zi）}表示一個三維激光雷達測量點，圖中點和點之間的連接邊界E={（Ni，Nj）}表示相鄰兩點之間的徑向距離，在這里選擇點的四鄰域構成圖結構。由于三維激光雷達在旋轉時是逆時針的，所以一個點的左邊雷達點對應于同一掃描線獲得的下一個雷達點，右邊點對應于前一個測量點。每個點的上鄰域和下鄰域點對應于相鄰掃描線相同方位角的點。

1.3? 屬性計算

對于每個節點，計算所使用的屬性在下一步用于圖分割。由于距離傳感器只能點對點采樣，曲面幾何必須利用深度數據進行差值。在這項工作中，為完成上述任務，利用一個平面或者曲面法向量近似點周圍的局部曲面代表整個曲面。一個健壯的方法會利用幾個相鄰點使用最小方差估計，然而這種方法的實時性比較差。在本文中，我們計算左下、右上位移向量之間的叉乘，然后平均計算的向量，得到估計的局部曲面法線。為了降低噪聲，采用了移動平均濾波器對計算的曲面法線場進行濾波。

1.4? 三維激光雷達點云分割

通過對許多物體的外觀進行觀察，可以發現一般凸輪廓和垂直結構通常代表了一個單一的對象，基于此，我們提出了一個點云分割準則，如果圖中兩個節點屬于同一個目標，當且僅當在圖兩個點之間存在一條路徑，這個準則獨立與兩個相鄰的表面特征。該判據依賴于兩個相鄰的面si和sj，分別用它們各自的點位置pi/j相對于任意但固定的坐標系表示。如果si的中心點pi位于sj表面之下，兩個相鄰的表面si和sj成為局部凸的，反之亦然。根據點的凸性可以將地面點和非地面點分割。為了提高魯棒性，我們還考慮了如果它們的法向量近似且具有相同的方向，那么這兩個表面si和sj具有局部凸性。

如果兩個表面局部是凸的，或者兩個法向量近似垂直，它們就被合并成一個線段。這個定義有一個重要的性質：如果grow（si，sj）成立，則grow（sj，si）也成立。這使得分割可以通過區域增長算法有效地解決。

2? 實驗結果與分析

本文對提出的算法，利用安裝在車頂上的VelodyneHDL- 64E傳感器采集城市場景下的三維激光雷達點云數據進行實驗評估。由于沒有可以利用的真值基準集信息，本文采用定性的方法對算法進行分析。

城市場景下三維雷達點云分割結果示例如圖2所示，該場景地面略有起伏，道路上布滿了車輛，車輛和車輛之間保持較近的距離，給三維點云分割算法帶來了巨大的挑戰。圖2（a）是地面點分割結果，白色點表示地面點，背景色外的灰色點和黑色點點表示非地面點，從圖2（a）中可以看出提出的方法很好地將地面部分與非地面部分分開，即使對起伏的路面也獲得了很好的地面分割結果;圖2（b）是對非地面點進一步分割，不同顏色表示不同的分割目標，從圖2（b）中可以看出，即使車輛挨得很近，提出的分割方法也可以將每一個獨立目標分割出來。

3? 結? 論

本文提出了一種新的三維激光雷達點云分割算法，即使在非平面的環境也能夠從地面點云中分割出物體。而三維激光雷達點云沿著維度映射，本身包含了松散的維度信息，本文提出的方法在將三維點云轉換到2D圖結構中充分考慮了三維激光雷達的物理屬性，在提高數據效率的同時也沒有丟失重要信息。局部凸性準則是本文算法的核心，它的引入作為一個新的特征可以用于分割非平坦地面和常見的障礙物。通過實驗證明，本文提出的方法在城市環境中獲得較好的分割結果。未來工作考慮在提出的點云分割方法的基礎上寬展到目標的分類和跟蹤中。

參考文獻：

[1] 萬燕，譚亮，龍文錚，等.基于網格的三維彩色點云分割算法 [J].東華大學學報（自然科學版），2014，40（4）：481-485+496.

[2] TAY MK，MEKHNACHA K，CHEN C，et al. An efficient formulation of the Bayesian occupation filter for target tracking in dynamic environments [J].International Journal of Vehicle Autonomous Systems，2008，6（1/2）：155.

[3] 傅思勇，吳祿慎，陳華偉.空間柵格動態劃分的點云精簡方法 [J].光學學報，2017，37（11）：253-261.

[4] 王肖，王建強，李克強，等.智能車輛3-D點云快速分割方法 [J].清華大學學報（自然科學版），2014，54（11）：1440-1446.

[5] 范小輝，許國良，李萬林，等.基于深度圖的三維激光雷達點云目標分割方法 [J].中國激光，2019，46（7）：292-299.

作者簡介：張心睿（1996.09-），男，漢族，陜西西安人，碩士研究生，研究方向：智能網聯汽車及其測試評價技術;潘新福（1984.12-），男，漢族，江蘇鹽城人，工程師，工學碩士，研究方向：智能網聯汽車測試技術。