本发明涉及车路协同领域，具体涉及一种基于多路激光雷达的交叉口障碍物识别方法。
背景技术：
1、随着城市交通的不断发展和交通拥堵问题的日益严重，交叉口的安全性和效率成为了关注的焦点。在交叉口中，目标障碍物（即除了合规交通参与者之外的物体，如抛洒物、小动物等）的存在会导致交通事故和交通堵塞，给交通参与者带来危险和不便。因此，及时发现和识别交叉口内的目标障碍物，对于提升交叉口的安全性和交通效率至关重要。
2、在传统的交叉口监控系统中，通常会采用视频监控、图像处理等技术来检测交叉口的异常情况。但由于视频监控是基于被动成像原理，其容易受到光线、天气等因素的影响，且视频没有直接的距离信息，故无法实时准确地检测和识别交叉口内的目标障碍物。为了改进此问题，近年来基于激光雷达的交叉口目标障碍物识别方法逐渐受到业界的关注和研究。
3、通过在路口每个方向的电警杆或信号杆上安置激光雷达，系统可以获取3d点云数据并进行计算处理，可以实现对交叉口内的目标障碍物进行实时检测识别并发出告警信号，从而引导交通参与者和管理者做出相应的安全保障行为。然而，目前业界更多的是先分别用单个激光雷达识别各自区域的目标，后将多个激光雷达的识别结果进行简单拼接，这样做虽然降低了计算复杂度，但是没有有效利用到多个激光雷达对同一个物体的冗余感知信息，从而没有最大化交叉口场景中目标障碍物的感知精度。
技术实现思路
1、为解决现有技术中的不足，本发明提出了一种基于多路激光雷达的交叉口障碍物识别方法，可以有效利用多个激光雷达传感器对同一物体的感知信息，提高对障碍物感知精度。
2、为了达到上述目的，本发明采用的技术方案是一种基于多路激光雷达的交叉口障碍物识别方法，包括以下步骤：
3、s1. 获取各进口道方向的原始激光雷达点云数据并进行配准融合，得到点云数据org_cloud；
4、s2. 通过点云神经网络目标识别技术对点云数据org_cloud进行目标识别，获取剩余点云obs_cloud；
5、s3. 对剩余点云obs_cloud通过聚类分析获取目标障碍物信息；
6、s4. 对目标障碍物进行跟踪计算，判断周期内目标障碍物出现次数以及大小是否大于阈值，如果是，进入下一步骤；
7、s5. 将目标障碍物信息和经纬度坐标上报云控中心或下发到所有交通参与者。
8、优选的，步骤s1中：
9、s11.对同一个时刻获取的各个激光雷达的点云数据进行过滤；
10、s12.对各个激光雷达的点云数据进行配准融合，得到点云数据org_cloud且维持在统一的雷达坐标系内。
11、优选的，步骤s12中配准融合方法为：
12、通过矩阵旋转和平移变化将不同坐标系下的多组点云数据统一到同一坐标系，变化前后点云矩阵的对应关系为：
13、
14、其中，p为变化前的矩阵坐标，q为变化后的矩阵坐标；r为旋转矩阵，分别表示围绕x、y、z轴的旋转变换，t为平移矩阵。
15、优选的，步骤s12中：
16、以雷达坐标系的任一方向做为基准，按照雷达位置的顺时针方向进行依次进行配准融合。
17、优选的，步骤s2中点云神经网络目标识别的方法为：
18、s31 将所有通过点云神经网络方法获取的识别框所输出的包围区域进行增量扩充，获取点云索引集合index_box；
19、s32 采用点云的平面识别算法，识别出属于地面的点云索引集合index_plane；
20、s33 将整个路口的点云数据org_cloud过滤掉识别框所含点云集合index_box和平面所包含的点云集合index_plane，得到剩余点云obs_cloud。
21、优选的，步骤s5中，获取目标障碍物经纬度坐标的方法为：
22、采用点云聚类算法，获取目标障碍物的id号以及雷达坐标数据，通过转换矩阵m对目标障碍物的雷达坐标进行坐标转换，得到对应目标障碍物的经纬度坐标。
23、优选的，获取转换矩阵m的方法为：
24、通过建立线性规划的数值优化目标函数模型：
25、当目标函数f（x）达到最小值时，此时x最优转换矩阵，即为坐标转换矩阵m，a为空间坐标点集合a中的坐标矩阵，b为对应的世界坐标系集合b中的经纬度坐标矩阵。
26、优选的，利用gps定位设备采集路口处多个点位的经纬度坐标集合b，在采集的同时记录下该点位在点云数据中的位置坐标集合a。
27、与现有技术相比，本申请的优点如下：
28、多路雷达点云数据通过配准算法融合，可以提高数据的全面准确性，有效利用传感器的冗余信息,多路雷达点云数据经过先融合，再经过神经网络进行目标识别，提高识别精度。
29、以雷达坐标系的任一方向做为基准，按照雷达位置的顺时针方向进行依次进行配准融合，避免直接对对角线方向的雷达点云数据配准，以提高配准的准确度。
30、将所有识别框所输出的包围区域进行增量，可以包含进若干识别框应包含却遗漏的点云数据，可以避免将正常的交通参与者划入障碍物，提高目标识别的准确性。
31、对采用点云聚类算法获取的障碍物雷达坐标数据通过m坐标转换得到的经纬度坐标，第一，可以减少点云的数量，提高实时性，同时，通过聚类将不同障碍物分割，获取对应id号障碍物的坐标位置方便交通参与者做相应处理。
1.一种基于多路激光雷达的交叉口障碍物识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多路激光雷达的交叉口障碍物识别方法，其特征在于，步骤s1中：
3.根据权利要求2所述的一种基于多路激光雷达的交叉口障碍物识别方法，其特征在于，步骤s12中配准融合方法为：
4.根据权利要求2所述的一种基于多路激光雷达的交叉口障碍物识别方法，其特征在于，步骤s12中：
5.根据权利要求1所述的一种基于多路激光雷达的交叉口障碍物识别方法，其特征在于，步骤s2中点云神经网络目标识别的方法为：
6.根据权利要求1所述的一种基于多路激光雷达的交叉口障碍物识别方法，其特征在于，步骤s5中，获取目标障碍物经纬度坐标的方法为：
7.根据权利要求6所述的一种基于多路激光雷达的交叉口障碍物识别方法，其特征在于，获取转换矩阵m的方法为：
8.根据权利要求7所述的一种基于多路激光雷达的交叉口障碍物识别方法，其特征在于：
