CN108344997B - 一种基于点迹特征的道路护栏快速检测方法 - Google Patents
一种基于点迹特征的道路护栏快速检测方法 Download PDFInfo
- Publication number
- CN108344997B CN108344997B CN201810037941.0A CN201810037941A CN108344997B CN 108344997 B CN108344997 B CN 108344997B CN 201810037941 A CN201810037941 A CN 201810037941A CN 108344997 B CN108344997 B CN 108344997B
- Authority
- CN
- China
- Prior art keywords
- point
- guardrail
- coordinate system
- vehicle body
- points
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 33
- 230000003068 static effect Effects 0.000 claims abstract description 37
- 238000002372 labelling Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 19
- 230000000284 resting effect Effects 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于点迹特征的道路护栏快速检测方法,其包括:步骤S1,静止点检测;步骤S2,投影;步骤S3,排序;步骤S4,梯度计算;步骤S5,划分;步骤S6,护栏判定点集合的数字特征计算;步骤S7,护栏点检验;以及步骤S8,护栏标注区域计算。本发明实现逻辑简洁清晰,算法复杂度低,便于工程实现,并且在一般道路上,护栏检测概率高鲁棒性强。
Description
技术领域
本发明涉及智能驾驶感知领域中的护栏检测技术,尤其涉及一种基于点迹特征的道路护栏快速检测方法。
背景技术
护栏是车辆在城市道路上行驶常见的交通设施,护栏检测是智能驾驶系统感知环节必须解决的问题。常用的护栏检测传感器主要有摄像头、激光雷达、毫米波雷达等,因此相应的护栏检测方法可以分为基于图像的护栏检测方法、基于信号特征的护栏检测方法等,这两类方法都目前主流的护栏检测方法,它们特点是:
1)使用的信息量丰富;
2)护栏检测率高,但计算量大;
3)通常会使用到模式识别或机器学习的算法,算法实时性难以得到保证,尤其是在嵌入式运行环境下。
此外,还有一类基于点迹特征的护栏检测方法,这类方法的操作对象主要是雷达信号处理层提取的反射点;利用其位置、速度、方位等进行聚类,根据聚类后的集合特征判断护栏存在与否。因为使用到聚类算法,因此在样本点较少时很难达到有效检测,而且聚类算法的收敛速度直接决定该类算法的实时性。
发明内容
为了解决上述现有技术存在的问题,本发明旨在提供一种基于点迹特征的道路护栏快速检测方法,以在护栏雷达反射点迹较少以及无需使用聚类等算法的条件下有效检测出护栏。
本发明所述的一种基于点迹特征的道路护栏快速检测方法,其包括以下步骤:
步骤S1,检测车辆雷达探测获得的量测点集合中的静止点;
步骤S2,计算各个静止点投影在车身坐标系上的横、纵坐标;
步骤S3,对各个静止点在车身坐标系下的横坐标按取值由小到大进行排序,并得到点值序列;
步骤S4,计算点值序列的梯度,并得到静止点的梯度集合;
步骤S5,根据静止点的梯度集合,将排序后的静止点集合划分为n个护栏判定点集合;
步骤S6,计算各个护栏判定点集合的势,并根据计算结果判定是否存在护栏,若是,则计算各个护栏判定点集合中元素在车身坐标系下的横坐标的均值和方差;
步骤S7,根据各个静止点在车身坐标系下的横坐标以及各个护栏判定点集合中元素在车身坐标系下的横坐标的均值,检验获得n个护栏点集合;
步骤S8,设定护栏标注区域为梯形区域,根据各个护栏点集合在车身坐标系的边界区域计算对应的梯形区域的四个顶点坐标,以检测出护栏标注区域。
在上述的基于点迹特征的道路护栏快速检测方法中,所述步骤S1包括:将所述量测点集合中满足公式(1)的元素标记为静止点:
在上述的基于点迹特征的道路护栏快速检测方法中,所述步骤S2包括:根据公式(2)计算各个静止点投影在车身坐标系上的横、纵坐标p_x、p_y:
在上述的基于点迹特征的道路护栏快速检测方法中,所述步骤S2还包括:若雷达坐标系与车身坐标系重合,则有:
grads_p_xk=p_xk+1-p_xk,k=1,…m-1 (5),
其中,m为静止点的个数,k为排序后静止点的索引,p_xk为第k个静止点在车身坐标系下的横坐标,grads_p_xk表示第k个静止点的梯度,p_xk+1为第k+1个静止点在车身坐标系下的横坐标。
在上述的基于点迹特征的道路护栏快速检测方法中,所述步骤S5包括:
步骤S51,搜索静止点的梯度集合若第k个静止点的梯度grads_p_xk满足公式(6),则进一步判断第k+1个静止点的梯度grads_p_xk+1是否满足公式(7),若是,则记第k个静止点为护栏判定点集合Sa的起始点,然后继续搜索静止点的梯度集合并判定满足公式(8)的静止点隶属于同一个护栏判定点集合Sa:
grads_p_xk>σ1 (6),
grads_p_xk+1<σ2 (7),
其中,σ1、σ2、σ3为相应判决阈值;当k=m-1时,第k+1个静止点的梯度grads_p_xk+1=0;grads_p_xk+j为第k+j个静止点的梯度;
且有:
其中,n为排序后的静止点集合S被划分的护栏判定点集合的个数,Sb为另一个护栏判定点集合。
在上述的基于点迹特征的道路护栏快速检测方法中,所述步骤S6包括:根据公式(11)计算护栏判定点集合Sa的势qa:
qa=|Sa|,a=1,…n (11),
qa≥Mt,a=1,…n (12),
其中,Mt为判定护栏是否存在的阈值。
在上述的基于点迹特征的道路护栏快速检测方法中,所述步骤S7包括:若第k个静止点在车身坐标系下的横坐标p_xk满足公式(15),则记第k个静止点隶属于护栏点集合S′a:
在上述的基于点迹特征的道路护栏快速检测方法中,所述步骤S8包括:根据公式(16)-(21)和护栏点集合S′a在车身坐标系的边界区域计算梯形区域的左下顶点(p_xminL,a,p_ymin,a)、右下定点(p_xminR,a,p_ymin,a)、左上顶点(p_xmaxL,a,p_ymax,a)和右上顶点(p_xmaxR,a,p_ymax,a):
p_xmaxL,a=min({p_xk|p_xk∈S′a}),a=1,…n (18),
p_xmaxR,a=max({p_xk|p_xk∈S′a}),a=1,…n (19),
p_ymin,a=min({p_yk|p_yk∈S′i}),a=1,…n (20),
由于采用了上述的技术解决方案,与现有技术相比,本发明无需聚类,而是提出了一种护栏判定点集合概念,并主要通过静止点检测、投影、排序、梯度计算、划分等步骤快速得到判定护栏是否存在的护栏判定点集合;然后根据护栏判定点集合特征(集合的势)判断是否存在护栏,若存在护栏,则计算护栏判定点集合的数字特征(均值、方差);接着利用假设检验方法,根据计算的数字特征,逐一检验静止点是否隶属于护栏点集合,生成护栏点集合;最后设定护栏标注区域为梯形区域,根据护栏点集合在车身坐标系的边界区域计算梯形区域的四个顶点坐标,形成护栏标注区域,从而完成护栏的快速检测。本发明实现逻辑简洁清晰,算法复杂度低,便于工程实现,并且在一般道路上,护栏检测概率高鲁棒性强。
附图说明
图1是本发明一种基于点迹特征的道路护栏快速检测方法的流程图;
图2是本发明一种基于点迹特征的道路护栏快速检测方法中护栏点集合的示意图;
图3是本发明一种基于点迹特征的道路护栏快速检测方法中护栏标注区域的示意图。
具体实施方式
下面结合附图,给出本发明的较佳实施例,并予以详细描述。
如图1所示,本发明,即一种基于点迹特征的道路护栏快速检测方法,包括以下步骤:
步骤S1,静止点检测:
将量测点集合中满足公式(1)的元素标记为静止点:
由此生成静止点集合其中,m为检测到的静止点的个数,xi为第i个静止点在雷达坐标系下的横坐标,yi为第i个静止点在雷达坐标系下的纵坐标,ri为第i个静止点的径向距离,θi为第i个静止点与车辆车轴的轴向夹角(即,方位角);
在本实施例中,量测点集合为输入数据,例如为雷达探测获得的点迹数据;静止点检测阈值ρ的取值参考径向速度误差及径向速度分辨单元来设定,其中,径向速度误差是指雷达探测的目标径向速度与真实值的差值,径向速度分辨单元是指雷达探测目标径向速度可区别的最小单位,由于径向速度误差及径向速度分辨单元的取值与雷达性能有关,不同雷达性能取值不同,因此,本实施例中的静止点检测阈值ρ的取值可参考这两者的因素。
步骤S2,投影:
根据公式(2)计算各个静止点投影在车身坐标系(其由车辆的车身横轴和车身纵轴组成)上的横、纵坐标p_x,p_y:
若雷达坐标系与车身坐标系重合,则有:
步骤S3,排序:
对步骤S2中得到的各个静止点的横坐标的集合中的元素按取值由小到大进行排序,并得到点值序列其中,m为静止点的个数,i为排序前静止点的索引,p_xi为第i个静止点在车身坐标系下的横坐标,k为排序后静止点的索引,p_xk为第k个静止点在车身坐标系下的横坐标;这是为了基于静止点在车身坐标系横轴方向的分布来判定护栏是否存在。
步骤S4,梯度计算:
grads_p_xk=p_xk+1-p_xk,k=1,…m-1 (5),
其中,grads_p_xk表示第k个静止点的梯度,p_xk+1为第k+1个静止点在车身坐标系下的横坐标,p_xk为第k个静止点在车身坐标系下的横坐标。
步骤S5,划分:
步骤S51,搜索静止点的梯度集合若第k个静止点的梯度grads_p_xk满足公式(6),则进一步判断第k+1个静止点的梯度grads_p_xk+1是否满足公式(7),若是,则记第k个静止点为护栏判定点集合Sa的起始点,然后继续搜索静止点的梯度集合并判定满足公式(8)的静止点隶属于同一个护栏判定点集合Sa:
grads_p_xk>σ1 (6),
grads_p_xk+1<σ2 (7),
其中,σ1、σ2、σ3为相应判决阈值,其取值与实际应用有关(为经验值,不同雷达性能下取值不同);当k=m-1时,第k+1个静止点的梯度grads_p_xk+1=0;grads_p_xk+j为第k+j个静止点的梯度,为第k+1个静止点至第m个静止点的梯度之和;
且有:
其中,n为排序后的静止点集合S被划分的护栏判定点集合的个数,Sb为另一个护栏判定点集合。
步骤S6,护栏判定点集合的数字特征计算:
根据公式(11)计算护栏判定点集合Sa的势qa:
qa=|Sa|,a=1,…n (11),
qa≥Mt,a=1,…n (12),
其中,Mt为判定护栏是否存在的阈值,一般的经验取值为Mt>m/3,m为静止点的个数。
步骤S7,护栏点检验:
若第k个静止点在车身坐标系下的横坐标p_xk满足公式(15),则记第k个静止点隶属于护栏点集合S′a(如图2所示):
步骤S8,护栏标注区域计算:
设定护栏标注区域为梯形区域(如图3所示),根据公式(16)-(21)和护栏点集合S′a在车身坐标系的边界区域计算梯形区域的四个顶点坐标,即:左下顶点(p_xminL,a,p_ymin,a)、右下定点(p_xminR,a,p_ymin,a)、左上顶点(p_xmaxL,a,p_ymax,a)、右上顶点(p_xmaxR,a,p_ymax,a),以检测出护栏标注区域:
p_xmaxL,a=min({p_xk|p_xk∈S′a}),a=1,…n (18),
p_xmaxR,a=max({p_xk|p_xk∈S′a}),a=1,…n (19),
p_ymin,a=min({p_yk|p_yk∈S′i}),a=1,…n (20),
p_ymax,a=max({p_yk|p_yk∈S′i}),a=1,…n (21)。
以上所述的,仅为本发明的较佳实施例,并非用以限定本发明的范围,本发明的上述实施例还可以做出各种变化。凡是依据本发明申请的权利要求书及说明书内容所作的简单、等效变化与修饰,皆落入本发明专利的权利要求保护范围。本发明未详尽描述的均为常规技术内容。
Claims (9)
1.一种基于点迹特征的道路护栏快速检测方法,其特征在于,所述方法包括以下步骤:
步骤S1,检测车辆雷达探测获得的量测点集合中的静止点;
步骤S2,计算各个静止点投影在车身坐标系上的横、纵坐标;
步骤S3,对各个静止点在车身坐标系下的横坐标按取值由小到大进行排序,并得到点值序列;
步骤S4,计算点值序列的梯度,并得到静止点的梯度集合;
步骤S5,根据静止点的梯度集合,将排序后的静止点集合划分为n个护栏判定点集合;
步骤S6,计算各个护栏判定点集合的势,并根据计算结果判定是否存在护栏,若是,则计算各个护栏判定点集合中元素在车身坐标系下的横坐标的均值和方差;
步骤S7,根据各个静止点在车身坐标系下的横坐标以及各个护栏判定点集合中元素在车身坐标系下的横坐标的均值,检验获得n个护栏点集合;
步骤S8,设定护栏标注区域为梯形区域,根据各个护栏点集合在车身坐标系的边界区域计算对应的梯形区域的四个顶点坐标,以检测出护栏标注区域。
6.根据权利要求5所述的基于点迹特征的道路护栏快速检测方法,其特征在于,所述步骤S5包括:
步骤S51,搜索静止点的梯度集合若第k个静止点的梯度grads_p_xk满足公式(6),则进一步判断第k+1个静止点的梯度grads_p_xk+1是否满足公式(7),若是,则记第k个静止点为护栏判定点集合Sa的起始点,然后继续搜索静止点的梯度集合并判定满足公式(8)的静止点隶属于同一个护栏判定点集合Sa:
grads_p_xk>σ1 (6),
grads_p_xk+1<σ2 (7),
其中,σ1、σ2、σ3为相应判决阈值;当k=m-1时,第k+1个静止点的梯度grads_p_xk+1=0;grads_p_xk+j为第k+j个静止点的梯度;
且有:
其中,n为排序后的静止点集合S被划分的护栏判定点集合的个数,Sb为另一个护栏判定点集合。
9.根据权利要求8所述的基于点迹特征的道路护栏快速检测方法,其特征在于,所述步骤S8包括:根据公式(16)-(21)和护栏点集合S′a在车身坐标系的边界区域计算梯形区域的左下顶点(p_xminL,a,p_ymin,a)、右下定点(p_xminR,a,p_ymin,a)、左上顶点(p_xmaxL,a,p_ymax,a)和右上顶点(p_xmaxR,a,p_ymax,a):
p_xmaxL,a=min({p_xk|p_xk∈S′a}),a=1,…n (18),
p_xmaxR,a=max({p_xk|p_xk∈S′a}),a=1,…n (19),
p_ymin,a=min({p_yk|p_yk∈S′i}),a=1,…n (20),
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810037941.0A CN108344997B (zh) | 2018-01-16 | 2018-01-16 | 一种基于点迹特征的道路护栏快速检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810037941.0A CN108344997B (zh) | 2018-01-16 | 2018-01-16 | 一种基于点迹特征的道路护栏快速检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108344997A CN108344997A (zh) | 2018-07-31 |
CN108344997B true CN108344997B (zh) | 2021-10-29 |
Family
ID=62960732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810037941.0A Active CN108344997B (zh) | 2018-01-16 | 2018-01-16 | 一种基于点迹特征的道路护栏快速检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108344997B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020198973A1 (zh) * | 2019-03-29 | 2020-10-08 | 深圳市大疆创新科技有限公司 | 微波雷达检测栅栏附近静止物体的方法和毫米波雷达 |
US20230168368A1 (en) * | 2019-11-22 | 2023-06-01 | Uisee (Shanghai) Automotive Technologies Ltd | Guardrail estimation method based on multi-sensor data fusion, and vehicle-mounted device |
CN114858119B (zh) * | 2021-02-04 | 2024-04-02 | 长沙智能驾驶研究院有限公司 | 边距测量方法、装置、设备及计算机存储介质 |
CN113401121B (zh) * | 2021-07-30 | 2022-11-08 | 驭势(上海)汽车科技有限公司 | 一种车辆控制方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050007918A (ko) * | 2003-07-12 | 2005-01-21 | 현대자동차주식회사 | 차량 추돌 경보 장치에서의 비장애물 판단장치 및 그 방법 |
EP2787367A1 (en) * | 2013-04-02 | 2014-10-08 | Delphi Technologies, Inc. | Method of operating a radar system to reduce nuisance alerts caused by false stationary targets |
CN105000019A (zh) * | 2014-04-15 | 2015-10-28 | 通用汽车环球科技运作有限责任公司 | 用于检测、追踪和估计静止的路边物体的方法和系统 |
CN106249232A (zh) * | 2016-08-24 | 2016-12-21 | 中国电子科技集团公司第二十八研究所 | 基于目标运动态势信息数据关联策略的目标跟踪方法 |
-
2018
- 2018-01-16 CN CN201810037941.0A patent/CN108344997B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050007918A (ko) * | 2003-07-12 | 2005-01-21 | 현대자동차주식회사 | 차량 추돌 경보 장치에서의 비장애물 판단장치 및 그 방법 |
EP2787367A1 (en) * | 2013-04-02 | 2014-10-08 | Delphi Technologies, Inc. | Method of operating a radar system to reduce nuisance alerts caused by false stationary targets |
CN105000019A (zh) * | 2014-04-15 | 2015-10-28 | 通用汽车环球科技运作有限责任公司 | 用于检测、追踪和估计静止的路边物体的方法和系统 |
CN106249232A (zh) * | 2016-08-24 | 2016-12-21 | 中国电子科技集团公司第二十八研究所 | 基于目标运动态势信息数据关联策略的目标跟踪方法 |
Non-Patent Citations (3)
Title |
---|
Effective and Robust Corrugated Beam Guardrail Detection based on Mobile Laser Scanning Data;Yu Jiang etc.;《2016 IEEE 19th International Conference on Intelligent Transportation Systems》;20161226;正文第1540-1545页 * |
基于三维激光雷达的无人驾驶车辆环境建模关键技术研究;刘健;《中国博士学位论文全文数据库信息科技辑》;20160915;正文第39-89页 * |
基于单线激光雷达的道路特征检测;史鹏波;《中国优秀硕士学位论文全文数据库信息科技辑》;20130615;正文第21-51页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108344997A (zh) | 2018-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108344997B (zh) | 一种基于点迹特征的道路护栏快速检测方法 | |
US10755132B2 (en) | Methods for extracting surface deformation feature of object based on linear scanning three-dimensional point cloud | |
CN103699905B (zh) | 一种车牌定位方法及装置 | |
Zhangyu et al. | A camera and LiDAR data fusion method for railway object detection | |
CN107729843B (zh) | 基于雷达与视觉信息融合的低地板有轨电车行人识别方法 | |
CN111340855A (zh) | 一种基于轨迹预测的道路移动目标检测方法 | |
CN108681693A (zh) | 基于可信区域的车牌识别方法 | |
JP2006182086A (ja) | 車両検知装置 | |
CN109284664B (zh) | 驾驶员辅助系统和护栏检测方法 | |
CN114488194A (zh) | 一种智能驾驶车辆结构化道路下目标检测识别方法 | |
CN110736999B (zh) | 基于激光雷达的铁路道岔检测方法 | |
CN113011331B (zh) | 机动车是否礼让行人的检测方法、装置、电子设备及介质 | |
CN105989334A (zh) | 基于单目视觉的道路检测方法 | |
CN108573244B (zh) | 一种车辆检测方法、装置及系统 | |
Chen et al. | A video-based method with strong-robustness for vehicle detection and classification based on static appearance features and motion features | |
CN110766728B (zh) | 基于深度学习的组合图像特征精确匹配方法 | |
CN115482672B (zh) | 车辆逆行检测的方法、装置、终端设备及存储介质 | |
CN108830182B (zh) | 一种基于级联卷积神经网络的道线检测方法 | |
CN110210324B (zh) | 一种道路目标快速检测预警方法和系统 | |
CN116681912A (zh) | 铁路道岔的轨距检测方法及装置 | |
CN111353481A (zh) | 基于激光点云与视频图像的道路障碍物识别方法 | |
CN115656962A (zh) | 一种基于毫米波雷达识别限高物体的方法 | |
CN112733713B (zh) | 一种基于图像梯度角的图像中轨道线提取方法 | |
CN115497303A (zh) | 一种复杂检测条件下的高速公路车速检测方法及系统 | |
CN113033586B (zh) | 目标识别方法及设备 |
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 |