多线激光雷达具有成本低、体积小、能直接获取场景地物表面的三维点云数据等优点, 已被广泛应用在无人驾驶、移动测量、机器人等领域。为减少遮挡, 提高点云密度, 两个或多个激光雷达常被集成在一起, 互为补充。不同激光雷达的安装位置和姿态不同, 要融合激光雷达的点云数据, 关键在于对激光雷达之间相对位置关系的检校。为检校激光雷达之间的相互位置关系, 提出了基于共面约束的检校算法。算法要求不同的激光雷达同时扫到相同的平面, 利用平面在不同坐标系下的对应关系求解激光雷达之间的相互位置关系, 并结合Levenberg-Marquardt (L-M)优化算法, 提高检校精度。该算法操作简单、通用性强、检校精度高。

为了保障无人驾驶车的可靠性与安全性,首先根据多线激光雷达点云数据的特征结合区间共线点特征获取路沿点并利用改进的DPCA 算法对得到的路沿点进行聚类。其次,应用最小二乘法拟合出两侧路沿。最后,通过改进的 DPCA 算法将路面上的障碍物点进行聚类并计算得到障碍物的信息。利用区间共线点特征提取路沿点不易受其他干扰点的影响,而改进的DPCA 算法则能够自动并准确地获取聚类中心,解决了DPCA 算法需要人工选取聚类中心的缺陷。实车实验证明该算法的实时性与准确性。