47、半结构化环境中的道路跟踪方法

半结构化环境中的道路跟踪方法

1. 引言

在道路可通行性估计方面，基于视觉的方法在结构化环境中较为常用，而基于激光雷达（Lidar）数据的方法在检测道路边界时更具鲁棒性，不受环境变化的影响。本文主要介绍一种基于激光雷达的渐进式道路边界检测方法，并通过立体同步定位与地图构建（SLAM）技术进行注册，以确定半结构化城市区域中机器人的操作区域。这里的半结构化环境指的是没有车道标记和典型基础设施标志的城市区域，如建筑工地。

2. 相关工作

现有的道路边界检测方法主要分为两类：利用距离数据（激光雷达、激光扫描仪）检测测量中的不均匀性，以及依赖RGB相机纹理输入的方法。以下是一些具体的方法：
|方法|具体内容|局限性|
| ---- | ---- | ---- |
|Ort等人的方法|作为无地图自动驾驶框架的一部分，在农村无障碍物区域进行高精度道路跟踪。通过计算每个点的距离信号并在频域进行阈值处理，利用RANSAC去除异常值，参考轨迹是两个边界样条的平均值。|当道路两侧存在在激光雷达测量频域中不产生变化的固体障碍物时，性能会下降。|
|Hough变换方法|对道路边界应用Hough变换，构建一致性地图和障碍物地图，融合结果得到最终道路区域。|由于Hough阈值的敏感性，性能存在局限性。|
|Chen等人的方法|将无序点云转换为有组织的结构（Lidar图像），将距离值转换为视差值创建直方图，假设车辆前方区域平坦，应用RANSAC提取道路部分并分离正负障碍物，将道路和障碍物检测转化为二维分类问题。|/|
|向下看的2D激光雷达方法|对原始数据进行线分割得到道路边界，使用集成概率数据关联滤波器进行跟踪。|/|
|高分辨率3D激