基于扇塊化閾值判定的機載激光雷達可通行區域在線檢測方法研究

摘" 要： 激光受掃描區域與攝像點間角度、方向以及間隔距離等因素影響，導致激光可覆蓋區域有限，從而影響可通行區域在線檢測的準確性。為此，提出一種基于扇塊化閾值判定的機載激光雷達可通行區域在線檢測方法。扇塊化閾值包括最大掃描距離閾值和畸變系數閾值，利用其判定機載激光雷達扇形塊區域；采用最大熵值預測模型與調節系數處理扇形塊區域數據，結合小波變換實現機載激光雷達可通行區域在線檢測。實驗結果表明，所提方法不僅檢測到在4、6、7檢測點處，道路寬度信息發生了變化，而且可以有效檢測出區域內的障礙物，從而提高可通行區域的檢測準確性，具備較好的檢測效果。

關鍵詞： 機載激光雷達； 可通行區域； 在線檢測； 障礙物識別； 扇塊化閾值； 小波變換函數

中圖分類號： TN958.98?34； TP312" " " " " " " " " "文獻標識碼： A" " " " " " " " " 文章編號： 1004?373X（2024）12?0091?05

Online detection method of airborne LiDAR passable area based on

fan?block threshold determination

YANG Xiwang

（School of Data Science and Technology， North University of China， Taiyuan 030051， China）

Abstract： Due to the influence of factors such as Angle， direction and distance between the scanning area and the camera point， the laser can cover a limited area， which affects the accuracy of online detection of the passable area. Therefore， an airborne liDAR online detection method of passable area based on fan?block threshold determination is studied. The fan?block area of airborne lidar is determined by the fan?block threshold including the maximum scanning distance threshold and the distortion coefficient threshold. The fan?block area data is processed by the maximum entropy prediction model and the adjustment coefficient， and the online detection of the passable area of airborne lidar is realized by combining the wavelet transform. The experimental results show that the proposed method can detect changes in the road width information at detection points 4， 6 and 7， and can effectively detect obstacles in the area， thus improving the detection accuracy of the passable area and achieving a good detection effect.

Keywords： airborne LiDAR; accessible areas; online detection; obstacle identification; fan?block threshold; wavelet transform function

0" 引" 言

自主導航作為機器視覺在機載飛行領域中最為突出的技術體現，是近年來研究的重點及難點[1?2]。自主導航是通過激光雷達掃描判定視覺范圍內待通行區域中是否存在障礙物，明確可通行方位[3?4]。由于激光雷達掃描的攝像廣角過大，獲取到的視野信息數據量較大、范圍較廣，容易受到外部干擾，因而會影響檢測效果。

相關學者對可通行區域檢測進行了深入研究，如閆德立等人以激光雷達為核心，加入局部特征聚合器來增加每個三維點云的接受域，從而保留幾何細節，實現可通行區域的檢測[5]。但是該方法存在檢測效果差的問題。洪洋等人提出了半結構化環境稀疏點云可通行區域檢測方法，設計了基于直線特征的可通行區域實時檢測算法來預處理原始點云數據；并從中快速提取直線特征，對其進行聚類和篩選，從而提取有效的直線特征，實現可通行區域檢測[6]。但是該方法的障礙物檢測準確性較差。郭植星等人進行了非結構化環境下的單目視覺可通行區域檢測[7]，該方法利用特征點標識障礙物，通過對相機高度和旋轉平面加以約束，解決單目SLAM中的尺度不一致問題，實現可通行區域的有效檢測。但是該方法存在路沿信息提取不佳的問題。

針對上述問題，本文引入扇形塊劃分理論，設計一種基于扇塊化閾值判定的機載激光雷達可通行區域在線檢測方法。該方法通過扇塊化閾值判定激光雷達掃描的區域，并且處理判定后的數據，提高數據質量；同時引入小波變換，實現機載激光雷達可通行區域在線檢測。

1" 基于扇塊化閾值的機載激光雷達扇形塊區域判定

機載激光雷達可通行區域在線檢測的激光受掃描區域與攝像點間角度、方向以及間隔距離等因素影響，導致激光可覆蓋區域有限，從而影響可通行區域在線檢測的準確性。因此，為提高對可通行區域在線檢測的準確性，避免誤判現象，本文根據扇形塊分布特點模擬激光雷達掃描區域，計算激光雷達可掃描的最大范圍[8]。設計的核心是通過扇塊化閾值判定機載激光雷達扇形塊區域，設計的扇塊化閾值包括最大掃描距離閾值和畸變系數閾值。首先，設激光雷達的每一檢測幀都存在M個數據節點，每個掃描點Pm中均有反射強度wm、角度θm、距離sm三個關鍵參數。如果沒有接收到激光點的信號值，那么信號的返回值為0，通過歷史數據的迭代計算可得到60 m是返回值不為0的最大接受距離[9]。若要提高該距離值，需通過數據聚類的方式增加掃描距離。設初步掃描的可通行區域扇形塊空間范圍為s（m，n-1），空間范圍的定義是空間分為真實與虛幻兩種形態，稱為“實空”和“虛空”?！皩嵖铡笔强赏ㄐ袇^域扇形塊空間的一部分已經被占據，可以阻止其他物體進入；“虛空”是可通行區域扇形塊區域，其是一片沒有被占據的區域?；诖?，機載激光雷達掃描扇形塊空間范圍如圖1所示。

通過圖1可得到機載激光雷達可通行區域扇形塊空間范圍[sm，n-1]，計算公式為：

[sm，n-1=P2m+P2m-1-2·PmPm-1·sinΔν]" "（1）

式中：[Δν]表示掃描點與激光點之間的切向夾角，通常取為25°；Pm表示掃描點之間的正向距離；Pm-1表示掃描點之間的斜向距離[10]。

設初始的扇塊化閾值的最大掃描距離閾值為[Smax]，結合[sm，n-1]計算可得：

[Smax=sm，n-1?Δνθm180°]" " " " " "（2）

根據扇塊化閾值的最大掃描距離閾值[Smax]，建立基于可通行區域空間關系的三點坐標系[11]。激光映射掃描區域內的數據點，空間三點坐標系激光雷達掃描映射示意圖如圖2所示。

利用內參數變換矩陣，將圖2中三點映射面進行擴大測試，通過扇塊化閾值的畸變系數閾值判定激光雷達掃描能接受的最大映射面，獲得機載激光雷達扇形塊區域，從而降低后續可通行區域檢測的錯誤率?；谏葔K化閾值判定的機載激光雷達扇形塊區域定義為[Qm]，公式如下：

[Qm=P2m·（Δν-sinΔν）2sm，n-1≤SmaxK=QmαQm-1lt;ε]" " " " （3）

式中：ε表示畸變系數閾值；K表示畸變系數；α表示畸變因子。

通過上述設計的扇塊化閾值，判定機載激光雷達可通行區域的扇形塊區域，即通過扇塊化閾值將可通行區域劃分為多個扇形塊區域，為可通行區域在線檢測奠定基礎。

2" 機載激光雷達扇形塊區域處理

采用扇形塊方法，通過扇塊化閾值判定激光雷達可通行區域后，需要處理扇塊化區域內的所有數據點，去除原始數據中噪聲和低敏感數據，提高待檢測數據的敏感性，便于捕捉和判定，降低后續在線檢測的誤差。扇塊化閾值判定的激光雷達可通行區域數據處理采用模擬聚類算法。首先，建立最大熵值預測模型，利用模型對機載激光雷達扇形塊區域內所有單激光掃描一周內得到的數據進行誤差預測[12]。設誤差預測的初始誤差閾值為Φ，誤差值為Ti，則通過誤差閾值重新獲取的機載激光雷達扇形塊區域公式為：

[Q′m=Qm，" Tilt;ΦξQm，" Ti≥ΦTi=P（Qm）-Q′mP（Qm）=maxm=1MP（Qm，sm，n-1）logP（Qm，sm，n-1）+" " "m=1MP（sm，n-1，Qm）logP（sm，n-1，Qm）]

（4）

式中：Ti表示初始機載激光雷達扇形塊區域；ξ表示調節系數；[P（sm，n-1，Qm）]表示條件概率分布；[P（Qm，sm，n-1）]表示聯合概率分布。若誤差值Ti大于設定閾值Φ，認為該數據點是連接點，承接上段數據的結束和下段數據的開始。

式（4）中設置調節變量是因為大部分激光雷達進行數據采樣時，時間間隔都是一致的，但是由于距離系數是實時變化的，容易出現二者系數不同步導致誤差的現象[13]，因此為保證距離與時間同步的關系，設置調節系數ξ，公式為：

[ζ=maxζtζt=2ζI2t+J2t]" " " " " " " （5）

式中：[ζ]t表示與激光雷達掃描噪聲有關的縮放因子；[I2t]、[J2t]分別表示正、負方向的調節參數。

通過上述處理提高數據質量，可進一步保障機載激光雷達可通行區域在線檢測方法的準確性。

3" 機載激光雷達可通行區域在線檢測的實現

經過機載激光雷達扇形塊區域處理后，通行最大范圍內的所有數據都表現出了原始的屬性信息，根據屬性信息檢測范圍內的障礙物，即可完成可通行區域在線檢測的最終步驟。利用小波變換算法考察區域內信號間的突變關系，不同尺度機載激光雷達可通行區域在線檢測信號間存在一定差異性，可用差異值來衡量檢測區域內障礙物的信號特性。首先，建立小波變換函數[14]，若變換函數為連續的正整數，那么：

[ηQ′mβT≥v21+Q′mβT-2]" " " （6）

式中：η表示常數；β表示轉換系數；T表示檢測時間；v2表示衰減系數[15]。

其次，設障礙物信號值為f，活動區間為I（·），若信號的活動狀態符合f（t）∈I（x），則說明活動區間內存在相同狀態的信號值，此時該關系式變換需要滿足以下條件：

[IQ′mfe，z≤ezn+12]" " " " "（7）

式中[IQ′mfe，z]表示信號f的小波變換。

然后，機載激光雷達掃描到的存在障礙物信號區域與不存在障礙物信號區域中的光載量不同，可將光載量正常信號當作普通信號，光載量異常的信號當作突變信號，對可通行區域內的障礙物進行檢測。則在滿足公式（7）條件下，機載激光雷達可通行區域在線檢測的一階和二階函數為：

[-∞+∞λQ′m=1]" " " " " " " " "（8）

[limt→∞λQ′m=0]" " " " " " " （9）

式中λ（·）表示離散小波函數。

最后，根據函數卷積性質得到激光雷達可通行區域為：

[Y=θ·f·?1Q′m?1T=θ·?1Q′m?1Tf·λQ′m] （10）

式中：θ表示算子；[?]（1）表示離散系數。

至此，完成基于扇塊化閾值判定的機載激光雷達可通行區域在線檢測方法的設計。

4" 實驗分析

4.1" 實驗設置

為了驗證本文對可通行區域檢測的準確性，采用無人機作為實驗設備，將機載激光雷達安裝在無人機的頂端，保證水平放置。由于機載激光雷達的測量角度為11.25°～-31.42°，因此存在一定的攝像盲區。根據本文提到的扇形塊原理計算出最大的可掃描范圍，以飛行過程中該范圍內的所有區域為實驗區域，無人機行駛路徑如圖3所示，實驗所需的參數如表1所示。

4.2" 道路邊緣細節檢測結果

為提高實驗結果的可參考性，將通過道路兩側路沿寬度位置數據檢測、障礙物檢測兩項指標進行具體判定。

以圖3示意的檢測區域為例，在道路兩側設置10個檢測點，如圖4所示，檢測到3、4、6、7發生變道，以此判定算法對道路信息提取的準確性。

由圖4可知，算法檢測到在4、6、7檢測點處，道路寬度信息發生了變化，均出現了不同程度的增長。從增長范圍可以看出，從開始到4點屬于單排道變雙排道，6點到7點屬于雙排道變三排道，這與實際的道路變化情況一致，證明所提方法對道路兩側位置信息捕捉效果較好，可準確判定可通行區域的最大范圍。

實際的機載雷達可通行區域檢測是保障無人機穩定飛行的基礎，而無人機穩定飛行的體現之一是飛行高度，因此分析無人機飛行高度，結果如圖5所示。

從圖5中可看出，無人機的飛行高度大致在6 m處，整體高度的變動范圍在4～7 m之間。出現較大波動位置則表明無人機在該處受到了樹枝或高壓電線等障礙影響，檢測機制預先捕捉到了障礙信息，進行合理避障。

4.3" 機載激光雷達掃描范圍內障礙物檢測結果

對于機載激光雷達掃描范圍內的障礙物進行檢測判定，并與實測值對比分析，實驗結果如圖6所示。

從圖6中可以看出，檢測曲線整體變動較為平穩，只在幾處位置存在突變點，該突變點即為檢測到的障礙物信息點。由此可知，本文檢測到的障礙物點位置與實測曲線基本一致，邊界變動幅度也基本相似，整體曲線的變化無較大差異。與圖5對比，出現障礙影響的位置也基本一致，說明本文可通行區域在線檢測算法可準確定位到區域內的障礙物位置信息。該方法對障礙物的識別效率較高、性能表現強，應用到實際的道路檢測中可減少時間及人工成本耗用。

5" 結" 論

針對外界環境干擾大、噪聲多，使得機載激光雷達掃描可通行區域在線檢測精度較低的問題，本文提出了一種基于扇塊化閾值判定的機載激光雷達可通行區域在線檢測方法。該方法利用扇塊化閾值判定機載激光雷達扇形塊區域，并對扇形塊區域數據進行處理，提高后續在線檢測效果；其次，結合小波變換算法對掃描范圍內的障礙物點進行查找，實現機載激光雷達可通行區域在線檢測。

實驗結果證明，本文方法對道路信息的獲取準確度較高、誤差較小，對于障礙物的檢測也表現較為優異。

參考文獻

[1] 孫博文，王大軼，王炯琦，等.基于序列圖像的航天器自主導航降維濾波方法[J].航空學報，2021，42（4）：525?533.

[2] 朱圣英，高錫珍，崔平遠，等.行星著陸自主導航地形特征綜合優化方法[J].宇航學報，2021，42（2）：192?201.

[3] 劉浩然，范偉偉，徐永勝，等.基于無人機激光雷達點云的單木生物量估測[J].中南林業科技大學學報，2021，41（8）：92?99.

[4] 袁山山，羅海燕，王麗，等.輕量級激光雷達虛點濾波算法研究[J].應用激光，2021，41（2）：387?390.

[5] 閆德立，高尚，李韶華，等.基于激光雷達的道路不平度及可行駛區域檢測[J].激光技術，2022，46（5）：624?629.

[6] 洪洋，袁夏，高飛，等.半結構化環境稀疏點云可通行區域檢測方法[J].計算機工程與應用，2022，58（18）：251?259.

[7] 郭植星，曾碧，劉建圻，等.非結構化環境下的單目視覺可通行區域檢測[J].計算機工程與應用，2022，58（24）：298?306.

[8] 王燦，孔斌，楊靜，等.基于三維激光雷達的道路邊界提取和障礙物檢測算法[J].模式識別與人工智能，2020，33（4）：353?362.

[9] 金鼎堅，吳芳，于坤，等.機載激光雷達測深系統大規模應用測試與評估：以中國海岸帶為例[J].紅外與激光工程，2020，49（z2）：9?23.

[10] 鄒學峰，江虹.復雜地物背景下機載LiDAR數據的電力線自動提取[J].應用激光，2019，39（4）：696?702.

[11] 紀慧君，苗鴻賓，李孟虔，等.雙機器人基坐標系標定方法的研究[J].制造技術與機床，2021（11）：72?76.

[12] 薛飛楊，巨永鋒，宋永超，等.基于Haar?like特征和時空信息的交通狀態區域檢測[J].現代電子技術，2020，43（1）：80?85.

[13] LIU Yande， TSANG Tiwei， CHEN Dongbin， et al. Adaptive moving target detection algorithm based on regional similarity information [J]. Computer engineering， 2020， 46（3）： 273?279.

[14] 李維松，許偉杰，張濤.基于小波變換閾值去噪算法的改進[J].計算機仿真，2021，38（6）：348?351.

[15] 馬志超，楊高峰，王克南.利用透射槽波衰減系數探查煤層內部的斷層響應特征研究[J].煤炭技術，2021，40（3）：49?51.