可通行区域检测方法——理论部分

1. 基础

1. 雷达点云
   每个点代表的是雷达以固定角度发射的雷达波到达障碍物的距离。因此雷达点云反映的是一个距离信息。
2. 像素
   在本文中，为了便于描述，采用像素描述点云，一个像素就是雷达点云中一个点，值为该雷达扫描线在该角度的距离。因此画面等价于点云图像。
3. 运动
   运动是本文成立的一个关键，小车是载着雷达不停运动的，因此我们永远不能以静止的眼光来看小车。所以即使本文讲解的均是一帧画面，我们依然要考虑到小车是在一直运动的，因此不存在诸如两条雷达扫描线刚好跨过障碍物而没有检测到（下一帧就检测到了），水平区域靠当前这帧画面如何检测（连贯的检测水平像素所组成的区域就是水平区域）等问题。
4. 梯度
   梯度是本文的精髓所在，一个车辆的可通行区域，一定是梯度绝对值较小的地方（平面梯度为0）。因此，检测可通行区域相当于检测梯度的大小。

2. 不同的图像

为了简单、易于描述起见，本文所有检测均为二维检测。实际上，三维的检测只需要进行简单的推广即可。因此，在本文中，梯度和斜率等价！！（在表示上因习惯，按斜率方式表示）当然画图上为了真实采用三维画法，但仅仅考虑一个垂直面上的雷达扫描线。

1. 水平路面水平雷达
   

2. 非水平路面水平雷达
   

3. 水平路面非水平雷达
   

4. 倾斜路面水平雷达
   

3. 分析

对于前三种情况都非常容易处理，雷达高度已知，水平路面情况下，因为每个像素的角度确定后则大小固定，只需要进行大小比较即可，在一定范围内相等即可认为水平，否则少数像素值偏大则认为凹陷，偏小则认为凸起。雷达发生倾斜也只需要加一个陀螺仪矫正角度即可。

当地面有一定角度的倾斜的时候，就不能简单的把它认为是障碍物了，这与普通的障碍物最大的区别就在于普通障碍物只有少数的几个像素的大小不符合水平路面的情况，而这种是大量的像素普遍偏小或者偏大。此时就要进入另一个判断函数来判断这类情况。在介绍该函数前，我们先需要划分一下水平区域。

水平区域是通过车辆多帧图像，判断出满足图一和图三对应的水平区域，找到水平区域的边界对于后续的计算有很重要的价值。

4. 主体函数

此函数重在计算梯度，当某一条雷达扫描线超出上面所说水平区域的边界时，调用本函数，根据超出边界的第一条扫描线对应的像素值大小即可计算出该点的坐标，又知道水平区域边界的坐标，就可以很容易求出该点的梯度大小。当然，受雷达角度的影响，此函数无法计算超过雷达角度的梯度值（超过的话往往直接计算成最大值）。下面讨论此方法对以下几种情况的有效性。箭头表示梯度方向（连接像素点和水平区域边缘）。

1. 当有陡峭的上坡时，这里以台阶举例，会得到90度的梯度值。
   

2. 当有陡峭下坡时，这里以台阶举例，会得到雷达角度的负梯度值。（因为是刚刚超出即开始调用函数，所以梯度线可以认为和雷达激光线重合）
   

3. 当有缓慢上坡时，会得到实际的绝对值较小的梯度值。
   

4. 当缓慢下坡时，会得到实际的绝对值较小的负梯度值。
   

5. 当上下坡混合时，会得到min（上下坡夹角，雷达角度）的梯度值（注意：此时车辆本身已经发生歪斜，因此还会考虑陀螺仪的校准）。但上坡部分会被二次校准为水平（车辆是运动的），在上下坡转换前部分的平面车辆认为是水平区域。即计算梯度的时候以上坡平面为参考系，因此算出的梯度为上下坡夹角。
   

6. 当连续上坡混合的时候，计算的梯度值依然是两上坡之间的夹角，但此时还需要一个陀螺仪 的值去计算真实梯度，即此时平面梯度已经不安全了。
   

5. 总结

本文旨在进行思路梳理。
有一些可以再考虑的地方，比如对于障碍物，是不是也可以用梯度的方式处理等等。细节还有待进一步实现。
怕什么真理无穷，进一寸有一寸欢喜。