CN107845095A - 基于三维激光点云的移动物体实时检测算法 - Google Patents

基于三维激光点云的移动物体实时检测算法 Download PDF

Info

Publication number
CN107845095A
CN107845095A CN201711160903.6A CN201711160903A CN107845095A CN 107845095 A CN107845095 A CN 107845095A CN 201711160903 A CN201711160903 A CN 201711160903A CN 107845095 A CN107845095 A CN 107845095A
Authority
CN
China
Prior art keywords
cloud data
mobile object
real
point cloud
dimensional laser
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201711160903.6A
Other languages
English (en)
Other versions
CN107845095B (zh
Inventor
邱巍
何美慧
叶妙兵
檀基宝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SHANGHAI V+KING COMMUNICATION TECHNOLOGY Co Ltd
Wei Kun Intelligent Technology (shanghai) Co Ltd
Original Assignee
SHANGHAI V+KING COMMUNICATION TECHNOLOGY Co Ltd
Wei Kun Intelligent Technology (shanghai) Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by SHANGHAI V+KING COMMUNICATION TECHNOLOGY Co Ltd, Wei Kun Intelligent Technology (shanghai) Co Ltd filed Critical SHANGHAI V+KING COMMUNICATION TECHNOLOGY Co Ltd
Priority to CN201711160903.6A priority Critical patent/CN107845095B/zh
Publication of CN107845095A publication Critical patent/CN107845095A/zh
Application granted granted Critical
Publication of CN107845095B publication Critical patent/CN107845095B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明公开了一种基于三维激光点云的移动物体实时检测算法，包括以下步骤：(1)通过三维激光传感器输出FOV空间内扫描到点的位置信息，将所有输出的数据转换为标准点云数据格式；(2)记录若干帧原始点云数据，累加获得一个背景点云数据；(3)根据原始点云数据获取实时点云数据；(4)将实时点云数据与背景点云数据对比获得差异点云数据；(5)将差异点云数据集合，根据每个点之间的距离，进行聚类处理，可得出若干聚类点的集合，每一个集合表示一个移动物体。通过上述方式，本发明能够准确获取激光传感器FOV空间内移动物体的实时信息。

Description

基于三维激光点云的移动物体实时检测算法
技术领域
本发明涉及移动物体检测领域，特别是涉及一种基于三维激光点云的移动物体实时检测算法。
背景技术
目前利用图像检测算法检测移动物体的方法中，使用RGB图像检测算法检测移动物体，对环境中的光照条件要求较为苛刻，并且无法准确获取移动物体的空间位置和实际大小。此外传统RGB摄像机的FOV较小，一台摄像机所覆盖的区域很有限。而随着近几年无人驾驶技术的兴起与激光技术的发展，三维激光传感器的发展越来越接近小型化，低成本化，同时三维激光传感器的稳定性、数据可靠性也越来越好。
因此如果利用三维激光传感器来实现移动物体的实时检测，能够准确地获取移动物体的真实信息。
发明内容
本发明所要解决的技术问题是提供一种基于三维激光点云的移动物体实时检测算法，能够准确获取激光传感器FOV空间内移动物体的实时信息。
为解决上述技术问题，本发明采用的一个技术方案是：提供一种基于三维激光点云的移动物体实时检测算法，包括以下步骤：
(1)通过三维激光传感器输出FOV空间内扫描到点的位置信息，将所有输出的数据转换为标准点云数据格式；
(2)记录若干帧原始点云数据，累加获得一个背景点云数据；
(3)根据原始点云数据获取实时点云数据；
(4)将实时点云数据与背景点云数据对比获得差异点云数据；
(5)将差异点云数据集合，根据每个点之间的距离，进行聚类处理，可得出若干聚类点的集合，每一个集合表示一个移动物体。
在本发明一个较佳实施例中，在步骤(3)中，获取实时点云数据的具体算法包括以下步骤：
首先对原始点云数据进行下采样处理；
再删除离群点，获得实时点云数据。
在本发明一个较佳实施例中，在步骤(4)中，所述实时点云数据与背景点云数据的对比方法为：
将点云数据抽象为八叉树，八叉树的叶子节点为一个可设定大小的三维栅格，通过比较实时点云数据与背景点云数据在同一坐标位置的叶叶子节点是否都存在数据点，即实时点云数据比背景点云新增的点云数据集合，即获得差异点云数据。
在本发明一个较佳实施例中，根据移动物体包含的点云数据，得到该移动物体的预测体积大小。
本发明的有益效果是：本发明使用三维激光传感器，受环境影响极小，黑暗环境下仍可正常使用，同时，可根据实时扫描获取周围点信息，获取移动物体的真实位置信息；根据不同激光传感器特性，一台三维激光传感器可覆盖水平方向上360°范围、垂直方向上20°—30°范围，具有极大的优势；另外，还具有体积小、成本低，稳定性好、数据可靠性好；
所述算法简单，运算速度快，准确率高，可达到三维激光传感器实时检测移动物体的功能。
附图说明
图1是本发明基于三维激光点云的移动物体实时检测算法一较佳实施例的流程图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
请参阅图1，本发明实施例包括：
一种基于三维激光点云的移动物体实时检测算法，包括以下步骤：
(1)通过三维激光传感器输出FOV空间内扫描到点的位置信息，由三维激光传感器驱动将所有输出的数据转换为标准点云数据格式；
(2)记录若干帧原始点云数据，将其累加在一起，获得一个可靠的背景点云数据；
(3)根据原始点云数据获取实时点云数据，具体算法包括以下步骤：
首先对原始点云数据进行下采样处理，首先将原始点云数据栅格化处理，每个三维栅格的边长在0.5米左右，此时每个栅格内有多个原始点云数据，提取并保留其中的一个原始点云数据，该原始点云数据为三维栅格内所有点云数据的平均值，其余的点全部过滤即完成下采样处理。通过对原始点云数据进行过滤，得到相对稀疏的点云数据，有利于加速后续操作的运算速度；
经过下采样的点云数据，再进行离群点的删除，减少对最终计算结果的干扰；
(4)将实时点云数据与背景点云数据对比获得差异点云数据，具体对比方法为：
将点云数据抽象为八叉树，用一个立方体序列包围该散乱数据集所占有的空间，并视为八叉树的根节点，将该最小外接正方体分割成大小相同的八个子立方体，每个子立方体均被视为根节点的叶子节点，即八叉树的叶子节点为一个可设定大小的三维栅格，且每个叶子节点均有一坐标位置信息，比较叶子节点内是否同时存在背景点云数据和实时点云数据，如果有实时点云数据，但是没有背景点云数据，那么这些实时点云数据就是差异点云数据，可最终获取实时点云数据与背景点云数据的差异，即实时点云数据比背景点云新增的点云数据集合，即获得差异点云数据。
(5)将差异点云数据集合，根据每个点之间的距离，进行聚类处理，即采用开源聚类函数(euclidean clustering)，可得出若干聚类点的集合，每一个集合表示一个移动物体。根据移动物体包含的点云，可得到该移动物体的预测体积大小。
本发明使用三维激光传感器，受环境影响极小，黑暗环境下仍可正常使用，同时，可根据实时扫描获取周围点信息，获取移动物体的真实位置信息；根据不同激光传感器特性，一台三维激光传感器可覆盖水平方向上360°范围、垂直方向上20°—30°范围，具有极大的优势；另外，还具有体积小、成本低，稳定性好、数据可靠性好；所述算法简单，运算速度快，准确率高，可达到三维激光传感器实时检测移动物体的功能。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (4)

1.一种基于三维激光点云的移动物体实时检测算法，包括以下步骤：
(1)通过三维激光传感器输出FOV空间内扫描到点的位置信息，将所有输出的数据转换为标准点云数据格式；
(2)记录若干帧原始点云数据，累加获得一个背景点云数据；
(3)根据原始点云数据获取实时点云数据；
(4)将实时点云数据与背景点云数据对比获得差异点云数据；
(5)将差异点云数据集合，根据每个点之间的距离，进行聚类处理，可得出若干聚类点的集合，每一个集合表示一个移动物体。
2.根据权利要求1所述的基于三维激光点云的移动物体实时检测算法，其特征在于，在步骤(3)中，获取实时点云数据的具体算法包括以下步骤：
首先对原始点云数据进行下采样处理；
再删除离群点，获得实时点云数据。
3.根据权利要求1所述的基于三维激光点云的移动物体实时检测算法，其特征在于，在步骤(4)中，所述实时点云数据与背景点云数据的对比方法为：
将点云数据抽象为八叉树，八叉树的叶子节点为一个可设定大小的三维栅格，通过比较实时点云数据与背景点云数据在同一坐标位置的叶子节点是否都存在数据点，即实时点云数据比背景点云新增的点云数据集合，即获得差异点云数据。
4.根据权利要求1所述的基于三维激光点云的移动物体实时检测算法，其特征在于，根据移动物体包含的点云数据，得到该移动物体的预测体积大小。
CN201711160903.6A 2017-11-20 2017-11-20 基于三维激光点云的移动物体实时检测方法 Active CN107845095B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711160903.6A CN107845095B (zh) 2017-11-20 2017-11-20 基于三维激光点云的移动物体实时检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711160903.6A CN107845095B (zh) 2017-11-20 2017-11-20 基于三维激光点云的移动物体实时检测方法

Publications (2)

Publication Number Publication Date
CN107845095A true CN107845095A (zh) 2018-03-27
CN107845095B CN107845095B (zh) 2020-10-02

Family

ID=61679195

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711160903.6A Active CN107845095B (zh) 2017-11-20 2017-11-20 基于三维激光点云的移动物体实时检测方法

Country Status (1)

Country Link
CN (1) CN107845095B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109000559A (zh) * 2018-06-11 2018-12-14 广东工业大学 一种物体体积的测量方法、装置、系统和可读存储介质
CN109271893A (zh) * 2018-08-30 2019-01-25 百度在线网络技术（北京）有限公司 一种仿真点云数据的生成方法、装置、设备及存储介质
CN109409792A (zh) * 2018-09-25 2019-03-01 深圳蓝胖子机器人有限公司 一种基于点云的物体追踪检测方法及系统
CN111323027A (zh) * 2018-12-17 2020-06-23 兰州大学 一种基于激光雷达与环视相机融合制作高精度地图方法及装置
WO2021068210A1 (zh) * 2019-10-11 2021-04-15 深圳市大疆创新科技有限公司 移动物体监控的方法、装置及计算机存储介质
CN113156453A (zh) * 2021-04-09 2021-07-23 武汉联一合立技术有限公司 移动物体检测方法、装置、设备及存储介质
CN114879160A (zh) * 2022-07-12 2022-08-09 合肥派光感知信息技术有限公司 基于三维点云数据的铁轨异物入侵实时监测方法及系统
CN115661189A (zh) * 2022-12-27 2023-01-31 上海仙工智能科技有限公司 一种场景动态信息检测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104952056A (zh) * 2014-03-26 2015-09-30 株式会社理光 一种基于立体视觉的目标检测方法和系统
CN106054208A (zh) * 2016-08-16 2016-10-26 长春理工大学 多线激光雷达车辆目标识别方法和汽车的防撞装置
CN106225678A (zh) * 2016-09-27 2016-12-14 北京正安维视科技股份有限公司 基于3d相机的动态物体定位与体积测量方法
CN106384079A (zh) * 2016-08-31 2017-02-08 东南大学 一种基于rgb‑d信息的实时行人跟踪方法
CN106530353A (zh) * 2016-10-19 2017-03-22 绍兴文理学院 针对双目视觉系统稀疏三维重建的三维运动点检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104952056A (zh) * 2014-03-26 2015-09-30 株式会社理光 一种基于立体视觉的目标检测方法和系统
CN106054208A (zh) * 2016-08-16 2016-10-26 长春理工大学 多线激光雷达车辆目标识别方法和汽车的防撞装置
CN106384079A (zh) * 2016-08-31 2017-02-08 东南大学 一种基于rgb‑d信息的实时行人跟踪方法
CN106225678A (zh) * 2016-09-27 2016-12-14 北京正安维视科技股份有限公司 基于3d相机的动态物体定位与体积测量方法
CN106530353A (zh) * 2016-10-19 2017-03-22 绍兴文理学院 针对双目视觉系统稀疏三维重建的三维运动点检测方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109000559A (zh) * 2018-06-11 2018-12-14 广东工业大学 一种物体体积的测量方法、装置、系统和可读存储介质
CN109000559B (zh) * 2018-06-11 2020-09-11 广东工业大学 一种物体体积的测量方法、装置、系统和可读存储介质
CN109271893A (zh) * 2018-08-30 2019-01-25 百度在线网络技术（北京）有限公司 一种仿真点云数据的生成方法、装置、设备及存储介质
CN109409792A (zh) * 2018-09-25 2019-03-01 深圳蓝胖子机器人有限公司 一种基于点云的物体追踪检测方法及系统
CN111323027A (zh) * 2018-12-17 2020-06-23 兰州大学 一种基于激光雷达与环视相机融合制作高精度地图方法及装置
WO2021068210A1 (zh) * 2019-10-11 2021-04-15 深圳市大疆创新科技有限公司 移动物体监控的方法、装置及计算机存储介质
CN112956187A (zh) * 2019-10-11 2021-06-11 深圳市大疆创新科技有限公司 移动物体监控的方法、装置及计算机存储介质
CN113156453A (zh) * 2021-04-09 2021-07-23 武汉联一合立技术有限公司 移动物体检测方法、装置、设备及存储介质
CN114879160A (zh) * 2022-07-12 2022-08-09 合肥派光感知信息技术有限公司 基于三维点云数据的铁轨异物入侵实时监测方法及系统
CN115661189A (zh) * 2022-12-27 2023-01-31 上海仙工智能科技有限公司 一种场景动态信息检测方法及系统

Also Published As

Publication number Publication date
CN107845095B (zh) 2020-10-02

Similar Documents

Publication Publication Date Title
CN107845095A (zh) 基于三维激光点云的移动物体实时检测算法
Zhang et al. A review of deep learning-based semantic segmentation for point cloud
JP7205613B2 (ja) 画像処理装置、画像処理方法及びプログラム
CN111328396A (zh) 用于图像中的对象的姿态估计和模型检索
CN107430776B (zh) 模板制作装置和模板制作方法
CN108345831A (zh) 基于点云数据的道路图像分割的方法、装置以及电子设备
CN108710913A (zh) 一种基于深度学习的开关柜图像开关状态自动识别方法
CN111160111B (zh) 一种基于深度学习的人体关键点检测方法
CN101968895A (zh) 二维图像转换系统及方法
CN102930279B (zh) 用于产品数量检测的图像识别方法
US6775396B2 (en) Image processing device, plane detection method, and recording medium upon which plane detection program is recorded
CN105957107A (zh) 行人检测与跟踪方法及装置
CN112581386B (zh) 一种全自动避雷器检测与跟踪方法
KR20240144139A (ko) 얼굴 포즈 추정 방법, 장치, 전자 디바이스 및 저장 매체
CN117423102A (zh) 点云数据处理方法以及相关设备
CN114690144A (zh) 一种点云数据标注方法、装置及系统
CN114359258B (zh) 红外移动对象目标部位的检测方法、装置及系统
Ding et al. [Retracted] Animation Design of Multisensor Data Fusion Based on Optimized AVOD Algorithm
Li et al. Low-cost 3D building modeling via image processing
Fujiwara et al. Interactions with a line-follower: An interactive tabletop system with a markerless gesture interface for robot control
EP2838272A1 (en) Television cursor moving method and device
CN114565753A (zh) 一种基于改进YOLOv4网络的无人机小目标识别方法
CN113239915A (zh) 一种课堂行为的识别方法、装置、设备及存储介质
CN105930813A (zh) 一种在任意自然场景下检测行文本的方法
Peng et al. Vehicle Recognition from Unmanned Aerial Vehicle Videos Based on Fusion of Target Pre-Detection and Deep Learning

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Real time detection method for moving objects based on 3D laser point cloud

Effective date of registration: 20230807

Granted publication date: 20201002

Pledgee: Industrial and Commercial Bank of China Limited Shanghai Caohejing Development Zone sub branch

Pledgor: VKINGTELE INTELLIGENT TECHNOLOGY CO.,LTD.|SHANGHAI VKINGTELE COMMUNICATION SCIENCE AND TECHNOLOGY CO.,LTD.

Registration number: Y2023310000441

PE01 Entry into force of the registration of the contract for pledge of patent right