近期，机器人与智能技术研究团队题为“Positive and Negative Obstacles Detection based on Dual-LiDAR in Field Environments”的学术研究论文被机器人领域顶级刊物《IEEE Robotics and Automation Letters》（JCR 1区，中科院2区TOP，影响因子5.2）录用。该研究成果以上海电机学院为第一单位，阿里巴巴集团（上海）为第二单位，作者为刘子俊（在读研究生）、范光宇、饶蕾（通讯）、程松林、陈年生、宋晓勇和杨定裕。

  随着自动驾驶技术的飞速发展，环境感知作为自主式驾驶地面车辆（Autonomous Land Vehicle，ALV）获取周围环境信息的关键，决定了自动驾驶的智能化水平。在环境感知中，ALV将地面以上的物体视为阻碍其安全行驶的正障碍物，而低于地面的物体视为容易导致其侧翻的负障碍物。为提高ALV在各种环境下的运动表现，团队提出了一种基于双激光雷达的正负障碍物检测方法。

  通过基于改进射线法的自适应阈值地面点云分割方法实现对地面点云分割和正障碍物检测的准确性和鲁棒性。利用点云局部分析和特征点对聚类实现ALV对负障碍物的准确检测，进而实现ALV对负障碍物的局部避障策略。所提方法在多种现场复杂环境下，对正障碍物的检测成功率达到98.5%，对负障碍物的检测成功率达到98.7%。研究成果可有效提升ALV在自主导航中的实际应用潜力，为自动驾驶领域的技术发展提供重要支持。

  论文地址：https://doi.org/10.1109/LRA.2024.3414256

  Zijun Liu, Guangyu Fan, Lei Rao*, Songlin Cheng, Niansheng Chen, Xiaoyong Song, Dingyu Yang, Positive and Negative Obstacles Detection Based on Dual-LiDAR in Field Environments. IEEE Robotics and Automation Letters, 2024,9(8): 6768–6775. https://doi.org/10.1109/LRA.2024.3414256. (中科院Q2 Top)