使用激光雷达接地平面和障碍物检测

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

使用安装在车辆上的Velodyne HDL32E传感器记录在该示例中使用的LIDAR数据。设置A.velodyneFileReader对象读取记录的PCAP文件。

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

阅读LIDAR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，内部使用K-D树数据结构组织数据。

这Veloreader.构建一个有组织的pointCloud用于每次激光雷达扫描。这位置财产的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具有属性：位置：[32×1083×3单]计数：34656 xlimits：[-80.0444 87.1780] Zlimits：[-21.6060 14.3558]颜色：[]正常：[]强度：[32×1083 uint8]

设置流点云显示

这PCPlayer.可用于可视化流点云数据。通过配置设置车辆周围的区域以显示PCPlayer.。

%指定点云显示的限制Xlimits = [-25 45];％仪表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.axes，'z（m）'）%显示原始激光雷达扫描视图(lidarViewer ptCloud)

在这个例子中，我们将是属于地面平面的分段点，自我车辆和附近的障碍物。设置ColorMap以标记这些点。

％定义用于分段点的标签colorLabels = [......0 0.4470 0.7410;......％未标记的点，指定为[r，g，b]0.4660 0.6740 0.1880;......%地面点0.9290 0.6940 0.1250;......％自我要点0.6350 0.0780 0.1840);％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的顶部，并且点云可以包含属于车辆本身的点，例如在屋顶或罩上。了解车辆的尺寸，我们可以分割最接近车辆的点。

创建一个vehicleDimensions用于存储车辆尺寸的物体。

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 = [......vevicledims.length / 2  -  vehicledims.rearoverhang，......% x0，......y %vevicledims.height];% z

使用辅助功能分割自我载体helperSegmentEgoFromLidarData。该功能段在自助式车辆定义的长方体内的所有点。将分段点存储在结构中点。

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

可视化点云与分段自我车辆。使用Helperupdateview.帮手功能。

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.函数来完成这一点。该功能段属于有组织的LIDAR数据的地面。

elevationDelta = 10;点。地表=段段FromLidardata（PTCloud，“ElevationAngleDelta”, elevationDelta);％可视化分段接地平面。helperUpdateView(lidarViewer, ptCloud, points, colors, closePlayer);

通过使用拆下属于自我车辆的点和地面平面选择在点云上的功能。指定'输出'作为“全部”保留点云的有组织性质。

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

接下来，通过寻找不在自我车辆的某些半径内未在某个半径内部的一部分的所有点来段落附近的障碍物。可以基于LIDAR和感兴趣区域的范围来确定该半径以进行进一步处理。

传感器位置= [0,0,0];％传感器位于坐标系的中心半径= 40;％仪表points.obstaclePoints = findneighborsinradius（ptcloudseded，......传感器位置，半径）;％可视化分段障碍物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.startTime +秒（30）;Isplayeropen = true;而hasFrame (veloReader) & & veloReader。CurrentTime < stopTime && isPlayerOpen％抓住下一个LIDAR扫描ptCloud = readFrame (veloReader);%属于自我车辆的部分点数点。egpoints = helperSegmentEgoFromLidarData(ptCloud, vehicledimms, mountLocation);属于地面平面的％分段点点。地表=段段FromLidardata（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，'输出'那“全部”）；％段障碍物points.obstaclePoints = findneighborsinradius（ptcloudseded，sensorLocation，半径）;特写镜头=〜hasfame（Veloreader）;％更新激光雷达显示isPlayerOpen = helperUpdateView(lidarViewer, ptCloud, points, colors, closePlayer);结束Snapnow.

金宝app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Egopoints = alpersegmentegofromlidardata（ptcloud，车辆lexims，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LIDAR扫描Ptcloud的％。LIDAR安装在指定的位置通过MountLocation在车辆坐标系中的％。Ptcloud是A.% 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位置车辆坐标系中的％LIDAR。％这个函数假设激光雷达与地面平行安装％平面，带有正x方向指向车辆前方，指向车辆左侧的％正y方向%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  -  MountLocation（1）;egoylimits = egoylimits  -  mountlocation（2）;egozlimits = egozlimits  -  MountLocation（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）......& 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，点，颜色，特写玩家）%helperUpdateView更新流点云显示％Isplayeropen = HelperupdateView（LidarViewer，Ptcloud，点，颜色，特写玩家）％更新LidarViewer中指定的PCPlayer对象，其中包含一个新点％云ptcloud。结构点中指定的点是有色的%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。如果特写玩家隐藏（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（积分，'地面') colormapValues(points.GroundPoints) = colors.Ground;结束如果isfield（积分，'Egopoints'）ColorMapValues（points.egopoints）= colors.ego;结束如果isfield（积分，“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