本发明涉及一般车辆，具体的，本发明应用于车辆的行进路线或碰撞可能性预测领域，特别是涉及一种基于行驶路径的越野环境负障碍物预测系统、方法及车辆。
背景技术：
1、目前，越野环境中的负障碍物的检测方法主要包括如下三种：
2、第一种：基于红外热像仪，利用负障碍物在夜间比周围地形温暖的规律，检测热图像中较暖区域；这种方法的缺点是只能在夜间工作，且地形温度往往受天气影响，平地上的动物或者树叶等生物体也可能导致温度升高，引发误检，降低检测的精确度。
3、第二种：从图像或者立体视觉中分析负障碍物的特征，或采用深度学习方法进行检测；这种方法在夜间不易实施，在白天也容易被越野环境频繁变化的光照所影响，且实际应用中大多越野环境负障碍物的样本量较少，或无法进行标注，难以进行ai模型训练，适用性较差。
4、第三种：利用激光雷达检测越野负障碍物，激光点云不受光照影响，白天和夜间效果相同，且测距非常精准，因此这种方法较为理想；具体而言，现有的基于激光雷达检测越野环境负障碍物的方案，有如下几种：
5、（一）专利号为cn114910881a所公开的中国专利中，其采用基于梯度特征的筛选方法，通过分析点云的径向梯度和高度梯度来提取疑似负障碍物的点簇，使用dbscan聚类算法对存在负障碍物点簇的栅格进行聚类，形成负障碍物栅格后再进行过滤；该方法在静态或变化较慢的环境中表现尚可，但在面对快速变化的环境特征时（如野外突变的地形），需要更多的时间来重新分析点云数据和更新栅格地图，且严格依赖栅格的计算结果，这将影响其在动态环境下的适应性和效率。
6、（二）专利号为cn111429520a所公开的中国专利中，通过统计目标检测区域中每个基础栅格内不同高度的平面坐标点的个数进行栅格分类，对栅格的序列进行判定检测负障碍物；该方法涉及对整个环境的点云数据进行投射、统计和分类，这会导致处理时间增加，从而影响实时性；同时，该方法要求点云非常密集，也严格依赖栅格分类的结果，更适用于平整地面上检测负障碍物，若在野外地形频繁起伏的环境下，将会影响检测的准确性和鲁棒性；再者，该方案中虽然提及了只有机器人行进方向上的障碍物才有检测的必要，但其具体实施中并未对此列有针对性的步骤。
7、（三）专利号为cn10665060a所公开的中国专利中，提出了一种通过逐线搜索点云数据，检测局部点云距离跳变、局部点云分布密集和局部点云高度下降的方法来识别负障碍物；该方法需要计算整个激光雷达点云每线上所有点的邻近点间距、局部平滑度以及直线拟合方程等，这会导致计算复杂度较高，需要强大的算力作为支撑，且检测的路线不是行驶路线，存在较多的计算资源浪费。
8、综上所述，上述方案在实际操作中，均无法对检测精度、效率和适用性达到较佳的均衡效果。
9、更具体的，在应用原理方面，现有的检测算法多为对激光雷达点云进行整体检索，体现为两类搜索模式，分别如下：
10、第一种搜索模式，如图6所示，以车辆中心为原点，朝车辆周围沿射线方向进行搜索，射线的条数和间隔可以自行定义，但需保证对车辆前方180度范围的密集覆盖，同时在每线激光上沿环线进行搜索，共射线和环线两个方向。
11、第二种搜索模式，如图7所示，与其检测负障碍物的算法有关，往往出现在需要建立障碍物表征栅格的专利之中；栅格是横平竖直的矩形组，分布于车辆正前方，因此搜索方向包括沿栅格两条垂直边的横向和纵向，共两个方向。
12、但是，前述两种搜索模式都存在着共同的问题，即其搜索方向与车辆的行进路线并不严格相关，这带来两方面缺陷：
13、第一方面，大部分负障碍物检测结果并不在行车轨迹上，并不影响车辆行驶，造成计算资源的浪费。
14、第二方面，负障碍物的判定就与车辆的行进方向紧密相关，存在不同方向下负障碍物的误检情况；例如图8所示，a区域是缓坡，b区域比a区域低矮，图中用一条实线表征了有高差的地形区域；那么沿着（1）所示的射线方向搜索，以及沿着（2）所示的纵向搜索方向搜索，都会检测到负障碍物；但是沿着（3）所示的方向，其实车辆是完全可以完全通行的，根本不存在负障碍物；故沿着（1）（2）方向搜索负障碍物，就会存在误检。
技术实现思路
1、本发明的目的在于，提供一种基于行驶路径的越野环境负障碍物预测系统、方法及车辆，进而解决现有技术中存在的上述所有问题或问题之一。
2、为解决上述技术问题，本发明的具体技术方案如下：
3、一方面，本发明提供一种基于行驶路径的越野环境负障碍物预测系统，包括：
4、坐标系处理模块、检测方向计算模块和负障碍物计算模块；
5、所述坐标系处理模块，用于：建立固结于车辆的随动坐标系，将激光雷达点云数据及车辆行驶路径的路点序列均变换至所述随动坐标系；
6、所述检测方向计算模块，用于：根据所述车辆行驶路径的路点信息进行路点偏移计算，得到初始检索点；所述检测方向计算模块根据所述初始检索点确定负障碍物检测方向；
7、所述负障碍物计算模块，用于：按照所述初始检索点以及所述负障碍物检测方向对所述车辆行驶路径上的负障碍物位置进行检测；所述负障碍物计算模块进行所述负障碍物位置的检测时，执行检索中心偏置计算操作、点云筛选计算操作以及路面变化规律分析操作。
8、作为一种改进的方案，所述坐标系处理模块，包括：坐标系设置单元、点云坐标转换单元和路点坐标转换单元；
9、所述坐标系设置单元，用于建立所述随动坐标系；
10、所述点云坐标转换单元，用于将所述车辆的所述激光雷达反馈的所述点云数据中每个点的点云数据坐标值，均转换至所述随动坐标系下；
11、所述路点坐标转换单元，用于将所述车辆行驶路径中每个路点的坐标值，均转换至所述随动坐标系下。
12、作为一种改进的方案，所述检测方向计算模块具体包括：偏移点计算单元和方向确认单元；
13、所述偏移点计算单元，用于遍历所述车辆行驶路径上的若干路点；所述偏移点计算单元对若干所述路点，分别进行基于法线方向的偏移计算，得到与若干所述路点分别对应的若干偏移点；所述偏移点计算单元令若干所述偏移点分别为若干所述初始检索点；
14、所述方向确认单元，用于设置若干所述初始检索点的箭头方向分别为若干所述负障碍物检测方向；每个所述初始检索点的箭头方向匹配于该初始检索点所对应的路点切线方向。
15、作为一种改进的方案，所述负障碍物计算模块，包括：检索中心计算单元、点云处理单元和负障碍判断单元；
16、所述检索中心计算单元，用于将所述初始检索点沿所述负障碍物检测方向进行偏置计算，得到检索中心；
17、所述点云处理单元，用于根据所述检索中心对所述激光雷达获取的所述点云数据进行筛选，得到所述检索中心处的局部点云；所述点云处理单元对所述局部点云进行最低值分析，得到所述局部点云对应地面处的高度值集合；
18、所述负障碍判断单元，用于分析所述高度值集合的变化规律，所述负障碍判断单元根据所述变化规律进行高度差判断或路面陡降判断，得到对应的所述车辆行驶路径下的负障碍物存在情况。
19、作为一种改进的方案，所述偏移点计算单元，还用于采用坐标偏移计算公式进行所述偏移计算；
20、所述坐标偏移计算公式，为：；
21、所述坐标偏移计算公式中，d1为法向基础偏置距离，d1根据所述车辆的宽度计算；j为d1值的偏置数量，j∈{-5,-4,-3,-2,-1,0,1,2,3,4,5}；为所述路点，i代表路点序号；为所述路点处车头朝向与第一次建立的所述随动坐标系x轴的夹角；为所述偏移点。
22、作为一种改进的方案，所述检索中心计算单元，还用于采用偏置计算公式进行所述偏置计算；
23、所述偏置计算公式为：；
24、所述偏置计算公式中，d2为切向基础偏置距离，d2小于d1；k为d2的偏置数量，k∈{0,1,2,3,4,5,6,7}；为所述检索中心。
25、作为一种改进的方案，所述负障碍判断单元，还用于采用筛选策略进行所述高度差判断；
26、所述筛选策略，为：；其中，为根据得到的高度值集合中的地面高度值；hground为地面点云簇中的平均点高度；highdif为负障碍物高度阈值，时判断对应处存在负障碍物；
27、或，
28、所述负障碍判断单元，还用于采用陡降判断策略进行所述路面陡降判断；
29、所述陡降判断策略，为：若<highdif，则处存在负障碍物。
30、另一方面，本发明还提供一种基于行驶路径的越野环境负障碍物预测方法，包括以下步骤：
31、坐标系处理：
32、建立固结于车辆的随动坐标系，将激光雷达点云数据及车辆行驶路径的路点序列均变换至所述随动坐标系；
33、检测方向计算：
34、根据所述车辆行驶路径的路点信息进行路点偏移计算，得到初始检索点；根据所述初始检索点确定负障碍物检测方向；
35、负障碍物计算：
36、按照所述初始检索点以及所述负障碍物检测方向对所述车辆行驶路径上的负障碍物位置进行检测；进行所述负障碍物位置的检测时，执行检索中心偏置计算操作、点云筛选计算操作以及路面变化规律分析操作。
37、另一方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述基于行驶路径的越野环境负障碍物预测方法的步骤。
38、另一方面，本发明还提供一种车辆，包括所述的基于行驶路径的越野环境负障碍物预测系统。
39、本发明技术方案的有益效果是：
40、1.本发明所述的基于行驶路径的越野环境负障碍物预测系统，可以通过坐标系处理模块、检测方向计算模块和负障碍物计算模块的相互配合，进而实现在车辆行驶过程中，有效利用既有导航行驶路径，缩小负障碍物的检测区域，降低因为检索方向不准确带来的误检，提高检测精准度和检测效率，降低计算资源消耗，避免车辆触及即将到来的负障碍物，提升车辆在复杂环境中的行驶安全性和可靠性。
41、2.本发明所述的基于行驶路径的越野环境负障碍物预测方法，可以对坐标系处理模块、检测方向计算模块和负障碍物计算模块进行有序调用，进而实现在车辆行驶过程中，有效利用既有导航行驶路径，缩小负障碍物的检测区域，降低因为检索方向不准确带来的误检，提高检测精准度和检测效率，降低计算资源消耗，避免车辆触及即将到来的负障碍物，提升车辆在复杂环境中的行驶安全性和可靠性。
42、3.本发明所述的计算机可读存储介质，可以实现引导坐标系处理模块、检测方向计算模块和负障碍物计算模块进行配合，进而实现本发明所述的基于行驶路径的越野环境负障碍物预测方法，且本发明所述的计算机可读存储介质还有效提高所述基于行驶路径的越野环境负障碍物预测方法的可操作性。
43、4.本发明所述的车辆，可以基于所述基于行驶路径的越野环境负障碍物预测系统的控制，实现本发明所述的基于行驶路径的越野环境负障碍物预测方法。
1.一种基于行驶路径的越野环境负障碍物预测系统，其特征在于，包括：坐标系处理模块、检测方向计算模块和负障碍物计算模块；
2.根据权利要求1所述的基于行驶路径的越野环境负障碍物预测系统，其特征在于：
3.根据权利要求1所述的基于行驶路径的越野环境负障碍物预测系统，其特征在于：
4.根据权利要求3所述的基于行驶路径的越野环境负障碍物预测系统，其特征在于：
5.根据权利要求4所述的基于行驶路径的越野环境负障碍物预测系统，其特征在于：
6.根据权利要求5所述的基于行驶路径的越野环境负障碍物预测系统，其特征在于：
7.根据权利要求6所述的基于行驶路径的越野环境负障碍物预测系统，其特征在于：
8.一种基于行驶路径的越野环境负障碍物预测方法，其特征在于，包括以下步骤：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求8中所述基于行驶路径的越野环境负障碍物预测方法的步骤。
10.一种车辆，其特征在于，包括权利要求1~7中任一项所述的基于行驶路径的越野环境负障碍物预测系统。
