CN109635700B - 障碍物识别方法、设备、系统及存储介质 - Google Patents
障碍物识别方法、设备、系统及存储介质 Download PDFInfo
- Publication number
- CN109635700B CN109635700B CN201811478604.1A CN201811478604A CN109635700B CN 109635700 B CN109635700 B CN 109635700B CN 201811478604 A CN201811478604 A CN 201811478604A CN 109635700 B CN109635700 B CN 109635700B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- obstacle
- parameter value
- candidate
- value
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种障碍物识别方法、设备、系统及存储介质,该方法包括:在获取到所述扫描设备采集的初始点云数据后,从所述初始点云数据中确定出候选障碍物的第一点云集;根据所述候选障碍物的第一点云集确定处于所述候选障碍物预设范围的非候选障碍物的第二点云集;通过预设参数算法计算所述第一点云集的第一参数值和第二点云集的第二参数值;计算并判断所述第一参数值与所述第二参数值之差是否小于或者等于预设障碍阈值;若所述第一参数值与第二参数值之差大于预设障碍阈值,则将所述候选障碍物判定为障碍物。本发明实现了通过对比候选障碍物和非障碍物的特征参数值之差与预设障碍阈值的关系,提高障碍物判断的准确率。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种障碍物识别方法、设备、系统及存储介质。
背景技术
随着汽车产业的发展,汽车智能化技术受到了高度关注。汽车智能化技术中,又尤其以基于多线激光雷达的障碍物检测技术最为关键,其准确性、实时性是衡量汽车智能化技术的重要标准。为了能够准确地识别障碍物,需要对障碍物点云和路面点云进行准确的分离。
现有技术中分离障碍物和路面的方法是用一个几何模型拟合地平面,根据离地距离进行过滤,剩下的点进行障碍物检测,但是,当路面坡度较大时,过滤时容易将远处的突起路面漏掉,进而将路面识别成障碍物,发出虚警。
发明内容
本发明的主要目的在于提供一种障碍物识别方法、设备、系统及可读存储介质,旨在实现通过对比候选障碍物和非障碍物的特征参数值之差与预设障碍阈值的关系,提高障碍物判断的准确率。
为实现上述目的,本发明提供一种障碍物识别方法,所述障碍物识别方法应用于扫描设备,所述障碍物识别方法包括以下步骤:
在获取到所述扫描设备采集的初始点云数据后,从所述初始点云数据中确定出候选障碍物的第一点云集;
根据所述候选障碍物的第一点云集确定处于所述候选障碍物预设范围的非候选障碍物的第二点云集;
通过预设参数算法计算所述第一点云集的第一参数值和第二点云集的第二参数值;
计算并判断所述第一参数值与所述第二参数值之差是否大于预设障碍阈值;
若所述第一参数值与所述第二参数值之差大于预设障碍阈值,则将所述候选障碍物判定为障碍物。
可选地,所述在获取到所述扫描设备采集的初始点云数据后,从所述初始点云数据中确定出候选障碍物的第一点云集的步骤包括:
在获取到所述扫描设备采集的点云数据后,根据所初始点云数据和预设拟合算法拟合路面,并获取与所述路面对应的路面点云数据;
从所述初始点云数据中过滤掉与所述路面对应的路面点云数据,得到所述候选障碍物的第一点云集。
可选地,所述预设参数算法包括高度平均值算法,所述通过预设参数算法计算所述第一点云集的第一参数值和第二点云集的第二参数值的步骤包括:
计算所述第一点云集中所有点的高度的平均值,作为所述第一参数值;
计算所述第二点云集中所有点的高度的平均值,作为所述第二参数值。
可选地,所述预设参数算法包括高度差值算法,所述通过预设参数算法计算所述第一点云集的第一参数值和第二点云集的第二参数值的步骤包括:
获取所述第一点云集中的最高点、最低点和所述第二点云集中的最高点、最低点;
计算所述第一点云集中的最高点和最低点的高度的差值,作为所述第一参数值;
计算所述第二点云集中的最高点和最低点的高度的差值,作为所述第二参数值。
可选地,所述判断所述第一特征参数与所述第二特征参数之差是否小于或者等于预设障碍阈值的步骤之后还包括:
若所述第一特征参数与所述第二特征参数之差大于预设障碍阈值,则判定所述候选障碍物为路面。
可选地,所述若所述第一参数值与第二参数值之差大于预设障碍阈值,则将所述候选障碍物判定为障碍物的步骤之后还包括:
发出报警提示信息,提示用户注意躲避障碍物,或者,自动规划躲避障碍物的行驶路线。
本发明还提供一种扫描设备,该扫描设备包括第一确定模块、第二确定模块、计算模块、判断模块和判定模块,其中:
第一确定模块,在获取到所述扫描设备采集的初始点云数据后,从所述初始点云数据中确定出候选障碍物的第一点云集;
第二确定模块,根据所述候选障碍物的第一点云集确定处于所述候选障碍物预设范围的非候选障碍物的第二点云集;
计算模块,通过预设参数算法计算所述第一点云集的第一参数值和第二点云集的第二参数值;
判断模块,计算并判断所述第一参数值与所述第二参数值之差是否小于或者等于预设障碍阈值;
判定模块,若所述第一参数值与第二参数值之差大于预设障碍阈值,则将所述候选障碍物判定为障碍物。
此外,为实现上述目的,本发明还提供一种障碍物识别系统,所述障碍物识别系统包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的障碍物识别程序,所述障碍物识别程序被所述处理器执行时实现如上所述障碍物识别方法的步骤。
此外,为实现上述目的,本发明还提供一种存储介质,所述存储介质上存储有障碍物识别程序,所述障碍物识别程序被处理器执行时实现如上所述的障碍物识别方法的步骤。
本发明提出的障碍物识别方法、设备、系统及存储介质,通过在获取到所述扫描设备采集的初始点云数据后,从所述初始点云数据中确定出候选障碍物的第一点云集;根据所述候选障碍物的第一点云集确定处于所述候选障碍物预设范围的非候选障碍物的第二点云集;通过预设参数算法计算所述第一点云集的第一参数值和第二点云集的第二参数值;计算并判断所述第一参数值与所述第二参数值之差是否小于或者等于预设障碍阈值;若所述第一参数值与第二参数值之差大于预设障碍阈值,则将所述候选障碍物判定为障碍物。本发明实现了通过对比候选障碍物和非障碍物的特征参数值之差与预设障碍阈值的关系,提高障碍物判断的准确率。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图;
图2为本发明障碍物识别方法第一实施例的流程示意图;
图3为本发明障碍物识别方法第二实施例的流程示意图;
图4为本发明障碍物识别方法第三实施例的流程示意图;
图5为本发明障碍物识别方法第四实施例的流程示意图;
图6为本发明的扫描设备功能模块示意图。
本发明目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例的主要解决方案是:在获取到所述扫描设备采集的初始点云数据后,从所述初始点云数据中确定出候选障碍物的第一点云集;根据所述候选障碍物的第一点云集确定处于所述候选障碍物预设范围的非候选障碍物的第二点云集;通过预设参数算法计算所述第一点云集的第一参数值和第二点云集的第二参数值;计算并判断所述第一参数值与所述第二参数值之差是否小于或者等于预设障碍阈值;若所述第一参数值与第二参数值之差大于预设障碍阈值,则将所述候选障碍物判定为障碍物。本发明实现了通过对比候选障碍物和非障碍物的特征参数值之差与预设障碍阈值的关系,提高障碍物判断的准确率。
由于现有技术中分离障碍物和路面的方法是用一个几何模型拟合地平面,根据离地距离进行过滤,剩下的点进行障碍物检测,但是,当路面坡度较大时,过滤时容易将远处的突起路面漏掉,进而将路面识别成障碍物,发出虚警。
本发明实施例提出一种解决方案,可以实现对比候选障碍物和非障碍物的特征参数值之差与预设障碍阈值的关系,提高障碍物判断的准确率。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例终端为扫描设备。
如图1所示,该终端可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储设备。
可选地,终端还可以包括摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块等等。其中,传感器比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示屏的亮度,接近传感器可在终端设备移动到耳边时,关闭显示屏和/或背光。当然,终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
本领域技术人员可以理解,图1中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作终端、网络通信模块、用户接口模块以及障碍物识别程序。
在图1所示的终端中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的障碍物识别程序,并执行以下操作:
在获取到所述扫描设备采集的初始点云数据后,从所述初始点云数据中确定出候选障碍物的第一点云集;
根据所述候选障碍物的第一点云集确定处于所述候选障碍物预设范围的非候选障碍物的第二点云集;
通过预设参数算法计算所述第一点云集的第一参数值和第二点云集的第二参数值;
计算并判断所述第一参数值与所述第二参数值之差是否大于预设障碍阈值;
若所述第一参数值与所述第二参数值之差大于预设障碍阈值,则将所述候选障碍物判定为障碍物。
进一步地,处理器1001可以调用存储器1005中存储的障碍物识别程序,还执行以下操作:
在获取到所述扫描设备采集的点云数据后,根据所初始点云数据和预设拟合算法拟合路面,并获取与所述路面对应的路面点云数据;
从所述初始点云数据中过滤掉与所述路面对应的路面点云数据,得到所述候选障碍物的第一点云集。
进一步地,处理器1001可以调用存储器1005中存储的障碍物识别程序,还执行以下操作:
计算所述第一点云集中所有点的高度的平均值,作为所述第一参数值;
计算所述第二点云集中所有点的高度的平均值,作为所述第二参数值。
进一步地,处理器1001可以调用存储器1005中存储的障碍物识别程序,还执行以下操作:
获取所述第一点云集中的最高点、最低点和所述第二点云集中的最高点、最低点;
计算所述第一点云集中的最高点和最低点的高度的差值,作为所述第一参数值;
计算所述第二点云集中的最高点和最低点的高度的差值,作为所述第二参数值。
进一步地,处理器1001可以调用存储器1005中存储的障碍物识别程序,还执行以下操作:
若所述第一特征参数与所述第二特征参数之差大于预设障碍阈值,则判定所述候选障碍物为路面。
进一步地,处理器1001可以调用存储器1005中存储的障碍物识别程序,还执行以下操作:
发出报警提示信息,提示用户注意躲避障碍物,或者,自动规划躲避障碍物的行驶路线。
本发明提供的技术方案,所述障碍物识别终端通过处理器1001调用存储器1005中存储的障碍物识别程序,以实现步骤:在获取到所述扫描设备采集的初始点云数据后,从所述初始点云数据中确定出候选障碍物的第一点云集;根据所述候选障碍物的第一点云集确定处于所述候选障碍物预设范围的非候选障碍物的第二点云集;通过预设参数算法计算所述第一点云集的第一参数值和第二点云集的第二参数值;计算并判断所述第一参数值与所述第二参数值之差是否小于或者等于预设障碍阈值;若所述第一参数值与第二参数值之差大于预设障碍阈值,则将所述候选障碍物判定为障碍物。本发明实现了通过对比候选障碍物和非障碍物的特征参数值之差与预设障碍阈值的关系,提高障碍物判断的准确率。
基于上述硬件结构,提出本发明障碍物识别方法实施例。
参照图2,图2为本发明障碍物识别方法第一实施例的流程示意图。
如图2所示,本发明第一实施例提供一种障碍物识别方法,所述障碍物识别方法应用于扫描设备,所述障碍物识别方法包括以下步骤:
步骤S1,在获取到所述扫描设备采集的初始点云数据后,从所述初始点云数据中确定出候选障碍物的第一点云集;
可以理解的是,本发明提出的障碍物识别方法,适用于数据处理技术领域。
在本实施例中,点云数据是指在一个三维坐标系统中的一组点的集合。这些点通常以X、Y、Z三维坐标的形式表示,用(X,Y,Z)代表点的几何位置信息,一般主要用来代表一个物体的外表面形状。大多数点云数据是由扫描设备所采集到的,本实施例中的扫描设备以车载激光雷达为例。一般对于车载激光雷达来说,其采集到的点云数据是以该车载激光雷达为中心的可视范围内的点云数据。车载激光雷达有多个传感器,激光扫描仪在垂直于行驶方向上做二维扫描,以汽车行驶方向作为运动维,构成三维扫描系统。在本实施例中,先获取到车载激光扫描仪采集到的所有点云数据,即初始点云数据。
在获取到了车载激光雷达采集到的初始点云数据后,利用预设拟合算法拟合路面,根据拟合的路面确定对应的路面点云数据,再从初始点云数据中过滤掉路面点云数据,得到候选障碍物点云数据,即第一点云集,候选障碍物可以是一个也可以是多个。其中,预设拟合算法可以是ransac算法。
步骤S2,根据所述候选障碍物的第一点云集确定处于所述候选障碍物预设范围的非候选障碍物的第二点云集;
本实施例的预设范围为与候选障碍物相邻的任意方向、任意大小的非候选障碍物,该非候选障碍物区域方向、大小可以预先设置,也可以是在确定出候选障碍物的第一点云集后,对与候选障碍物相邻的任意方向、任意大小的非候选障碍物都进行筛选,以获取第二点云集。
步骤S3,通过预设参数算法计算所述第一点云集的第一参数值和第二点云集的第二参数值;
在获取到代表候选障碍物的第一点云集和代表非障碍物的第二点云集后,通过预设参数算法分别计算第一点云集的第一参数值和第一点云集的第一参数值。预设参数算法包括但不限于高度平均值算法、高度差值算法中的一种或者多种。
具体地,当预设参数算法为高度平均值算法时,对代表候选障碍物的第一点云集中的所有坐标点的高度(即Z值)求平均值,将其作为第一参数值,对代表候选障碍物的第二云集中的所有坐标点的高度(即Z值)求平均值,将其作为第二参数值。
当预设参数算法为高度差值算法时,从第一点云集中获取第一点云集中所有坐标点中的最高点(即Z值最大的点)以及所有坐标点中的最低点(即Z值最小的点),计算第一点云集中最高点和最低点的高度的差值(即最大Z值与最小Z值的差值),作为第一参数值。从第二点云集中获取第二点云集中所有坐标点中的最高点(即Z值最大的点)以及所有坐标点中的最低点(即Z值最小的点),计算第二点云集中最高点和最低点的高度的差值(即最大Z值与最小Z值的差值),作为第二参数值。
以上两种预设参数算法可以单独实施,也可以组合在一起实施。
步骤S4,计算并判断所述第一参数值与所述第二参数值之差是否大于预设障碍阈值;
在分别计算出候选障碍物的第一参数值和非候选障碍物的第二参数值后,计算候选障碍物的第一参数值和非候选障碍物的第二参数值之差,并根据二者的差值是否大于预设障碍阈值,判断该候选障碍物是否为障碍物。
具体地,若候选障碍物的第一参数值和非候选障碍物的第二参数值之差大于预设障碍阈值,则判定该候选障碍物判定为障碍物,若候选障碍物的第一参数值和非候选障碍物的第二参数值之差小于或者等于预设障碍阈值,则判定该候选障碍物判定为路面。
其中,预设障碍阈值的范围可以设置为0至50厘米。
步骤S5,若所述第一参数值与第二参数值之差大于预设障碍阈值,则将所述候选障碍物判定为障碍物。
若候选障碍物的第一参数值和非候选障碍物的第二参数值之差大于预设障碍阈值,则判定该候选障碍物判定为障碍物。在将候选障碍物判定为障碍物后,可以发出报警提示信息,提示用户注意躲避障碍物,或者,在将候选障碍物判定为障碍物后,自动规划躲避障碍物的行驶路线。
通过本实施例提出的障碍物识别方法,实现了对比候选障碍物和非障碍物的特征参数值之差与预设障碍阈值的关系,提高障碍物判断的准确率。
进一步地,如图3所示,基于上述图2所示的第一实施例,提出本发明障碍物识别方法第二实施例,在本实施例中,所述预设参数算法算法包括高度平均值算法,上述步骤S3包括:
步骤S31,计算所述第一点云集中所有点的高度的平均值,作为所述第一参数值;
步骤S32,计算所述第二点云集中所有点的高度的平均值,作为所述第二参数值。
预设参数算法包括但不限于高度平均值算法、高度差值算法中的一种或者多种。在本实施例中,预设参数算法为高度平均值算法。
具体地,首先对代表候选障碍物的第一点云集中的所有坐标点的高度(即Z值)求平均值,将其作为第一参数值,对代表候选障碍物的第二云集中的所有坐标点的高度(即Z值)求平均值,将其作为第二参数值。
通过本实施例提出的障碍物识别方法,实现了通过高度平均值算法对代表障碍物和非障碍物的点云集分别进行计算,得到第一参数值和第二参数值。
进一步地,如图4所示,基于上述图2所示的第一实施例,提出本发明障碍物识别方法第三实施例,在本实施例中,所述预设参数算法包括高度差值算法,上述步骤S3包括:
步骤S33,获取所述第一点云集中的最高点、最低点和所述第二点云集中的最高点、最低点;
步骤S34,计算所述第一点云集中的最高点和最低点的高度的差值,作为所述第一参数值;
步骤S35,计算所述第二点云集中的最高点和最低点的高度的差值,作为所述第二参数值。
在本实施例中,预设参数算法为高度差值算法。
具体地,从第一点云集中获取第一点云集中所有坐标点中的最高点(即Z值最大的点)以及所有坐标点中的最低点(即Z值最小的点),计算第一点云集中最高点和最低点的高度的差值(即最大Z值与最小Z值的差值),作为第一参数值。从第二点云集中获取第二点云集中所有坐标点中的最高点(即Z值最大的点)以及所有坐标点中的最低点(即Z值最小的点),计算第二点云集中最高点和最低点的高度的差值(即最大Z值与最小Z值的差值),作为第二参数值。
第二实施例和第三实施例可以单独实施,也可以组合在一起实施。
通过本实施例提出的障碍物识别方法,实现了通过高度差值算法对代表障碍物和非障碍物的点云集分别进行计算,得到第一参数值和第二参数值。
进一步地,如图5所示,基于上述图2所示的第一实施例,提出本发明障碍物识别方法第四实施例,在本实施例中,上述步骤S1包括:
步骤S11,在获取到所述扫描设备采集的点云数据后,根据所初始点云数据和预设拟合算法拟合路面,并获取与所述路面对应的路面点云数据;
步骤S12,从所述初始点云数据中过滤掉与所述路面对应的路面点云数据,得到所述候选障碍物的第一点云集。
在本实施例中,点云数据是指在一个三维坐标系统中的一组点的集合。这些点通常以X、Y、Z三维坐标的形式表示,用(X,Y,Z)代表点的几何位置信息,一般主要用来代表一个物体的外表面形状。大多数点云数据是由扫描设备所采集到的,本实施例中的扫描设备以车载激光雷达为例。一般对于车载激光雷达来说,其采集到的点云数据是以该车载激光雷达为中心的可视范围内的点云数据。车载激光雷达有多个传感器,激光扫描仪在垂直于行驶方向上做二维扫描,以汽车行驶方向作为运动维,构成三维扫描系统。在本实施例中,先获取到车载激光扫描仪采集到的所有点云数据,即初始点云数据。
在获取到了车载激光雷达采集到的初始点云数据后,利用预设拟合算法拟合路面,根据拟合的路面确定对应的路面点云数据,再从初始点云数据中过滤掉路面点云数据,得到候选障碍物点云数据,即第一点云集,候选障碍物可以是一个也可以是多个。其中,预设拟合算法可以是ransac算法。
进一步地,上述步骤S4之后还包括:
步骤S41,若所述第一特征参数与所述第二特征参数之差小于或者等于预设障碍阈值,则判定所述候选障碍物为路面。
若候选障碍物的第一参数值和非候选障碍物的第二参数值之差小于或者等于预设障碍阈值,则判定该候选障碍物判定为路面。
进一步地,上述步骤S5之后还包括:
S51,发出报警提示信息,提示用户注意躲避障碍物,或者,自动规划躲避障碍物的行驶路线。
在将候选障碍物判定为障碍物后,可以发出报警提示信息,提示用户注意躲避障碍物,或者,在将候选障碍物判定为障碍物后,自动规划躲避障碍物的行驶路线。
通过本实施例提出的障碍物识别方法,实现了对比候选障碍物和非障碍物的特征参数值之差与预设障碍阈值的关系,提高障碍物判断的准确率。
通过本发明实施例提出的技术方案,解决了现有技术中分离障碍物和路面的方法是用一个几何模型拟合地平面,根据离地距离进行过滤,剩下的点进行障碍物检测,但是,当路面坡度较大时,过滤时容易将远处的突起路面漏掉,进而将路面识别成障碍物,发出虚警。
参见图6,图6为本发明的功能模块示意图。
本发明还提供一种扫描设备,所述扫描设备包括:
第一确定模块10,在获取到所述扫描设备采集的初始点云数据后,从所述初始点云数据中确定出候选障碍物的第一点云集;
第二确定模块20,根据所述候选障碍物的第一点云集确定处于所述候选障碍物预设范围的非候选障碍物的第二点云集;
计算模块30,通过预设参数算法计算所述第一点云集的第一参数值和第二点云集的第二参数值;
判断模块40,计算并判断所述第一参数值与所述第二参数值之差是否小于或者等于预设障碍阈值;
判定模块50,若所述第一参数值与第二参数值之差大于预设障碍阈值,则将所述候选障碍物判定为障碍物。
本发明扫描设备具体实施方式与障碍物识别方法各实施例基本相同,在此不再赘述。
本发明提供了一种存储介质,所述存储介质存储有一个或者一个以上程序,所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述任一项所述的障碍物识别方法的步骤。
本发明存储介质具体实施方式与障碍物识别方法各实施例基本相同,在此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者终端中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,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 (6)
1.一种障碍物识别方法,其特征在于,所述障碍物识别方法应用于扫描设备,所述障碍物识别方法包括以下步骤:
在获取到所述扫描设备采集的初始点云数据后,从所述初始点云数据中确定出候选障碍物的第一点云集;
根据所述候选障碍物的第一点云集确定处于所述候选障碍物预设区域的非候选障碍物的第二点云集;
通过预设参数算法计算所述第一点云集的第一参数值和所述第二点云集的第二参数值;
计算并判断所述第一参数值与所述第二参数值之差是否大于预设障碍阈值;
若所述第一参数值与所述第二参数值之差大于预设障碍阈值,则将所述候选障碍物判定为障碍物;
所述在获取到所述扫描设备采集的初始点云数据后,从所述初始点云数据中确定出候选障碍物的第一点云集的步骤包括:
在获取到所述扫描设备采集的点云数据后,根据所述初始点云数据和预设拟合算法拟合路面,并获取与所述路面对应的路面点云数据;
从所述初始点云数据中过滤掉与所述路面对应的路面点云数据,得到所述候选障碍物的第一点云集;
所述预设参数算法包括高度平均值算法和高度差值算法;
对于所述高度平均值算法的步骤包括:
计算所述第一点云集中所有点的高度的平均值,作为所述第一参数值;
计算所述第二点云集中所有点的高度的平均值,作为所述第二参数值;
对于所述高度差值算法的步骤包括:
获取所述第一点云集中的最高点、最低点和所述第二点云集中的最高点、最低点;
计算所述第一点云集中的最高点和最低点的高度的差值,作为所述第一参数值;
计算所述第二点云集中的最高点和最低点的高度的差值,作为所述第二参数值。
2.如权利要求1所述的障碍物识别方法,其特征在于,所述高度差值算法的步骤还包括:
若所述第一参数值与所述第二参数值之差小于或者等于预设障碍阈值,则判定所述候选障碍物为路面。
3.如权利要求2所述的障碍物识别方法,其特征在于,若所述第一参数值与第二参数值之差大于预设障碍阈值,则将所述候选障碍物判定为障碍物的步骤之后还包括:
发出报警提示信息,提示用户注意躲避障碍物,或者,自动规划躲避障碍物的行驶路线。
4.一种扫描设备,其特征在于,所述扫描设备包括:
第一确定模块,在获取到所述扫描设备采集的初始点云数据后,从所述初始点云数据中确定出候选障碍物的第一点云集;
所述在获取到所述扫描设备采集的初始点云数据后,从所述初始点云数据中确定出候选障碍物的第一点云集的步骤包括:
在获取到所述扫描设备采集的点云数据后,根据所述初始点云数据和预设拟合算法拟合路面,并获取与所述路面对应的路面点云数据;
从所述初始点云数据中过滤掉与所述路面对应的路面点云数据,得到所述候选障碍物的第一点云集;
第二确定模块,根据所述候选障碍物的第一点云集确定处于所述候选障碍物预设区域的非候选障碍物的第二点云集;
计算模块,通过预设参数算法计算所述第一点云集的第一参数值和所述第二点云集的第二参数值;
判断模块,计算并判断所述第一参数值与所述第二参数值之差是否小于或者等于预设障碍阈值;
判定模块,若所述第一参数值与第二参数值之差大于预设障碍阈值,则将所述候选障碍物判定为障碍物;
所述预设参数算法包括高度平均值算法和高度差值算法;
对于所述高度平均值算法的步骤包括:
计算所述第一点云集中所有点的高度的平均值,作为所述第一参数值;
计算所述第二点云集中所有点的高度的平均值,作为所述第二参数值;
对于所述高度差值算法的步骤包括:
获取所述第一点云集中的最高点、最低点和所述第二点云集中的最高点、最低点;
计算所述第一点云集中的最高点和最低点的高度的差值,作为所述第一参数值;
计算所述第二点云集中的最高点和最低点的高度的差值,作为所述第二参数值。
5.一种障碍物识别系统,其特征在于,所述障碍物识别系统包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的障碍物识别程序,所述障碍物识别程序被所述处理器执行时实现如下步骤:
在获取到扫描设备采集的初始点云数据后,从所述初始点云数据中确定出候选障碍物的第一点云集;
根据所述候选障碍物的第一点云集确定处于所述候选障碍物预设区域的非候选障碍物的第二点云集;
通过预设参数算法计算所述第一点云集的第一参数值和所述第二点云集的第二参数值;
计算并判断所述第一参数值与所述第二参数值之差是否大于预设障碍阈值;
若所述第一参数值与所述第二参数值之差大于预设障碍阈值,则将所述候选障碍物判定为障碍物;
所述在获取到所述扫描设备采集的初始点云数据后,从所述初始点云数据中确定出候选障碍物的第一点云集的步骤包括:
在获取到所述扫描设备采集的点云数据后,根据所述初始点云数据和预设拟合算法拟合路面,并获取与所述路面对应的路面点云数据;
从所述初始点云数据中过滤掉与所述路面对应的路面点云数据,得到所述候选障碍物的第一点云集;
所述预设参数算法包括高度平均值算法和高度差值算法;
对于所述高度平均值算法的步骤包括:
计算所述第一点云集中所有点的高度的平均值,作为所述第一参数值;
计算所述第二点云集中所有点的高度的平均值,作为所述第二参数值;
对于所述高度差值算法的步骤包括:
获取所述第一点云集中的最高点、最低点和所述第二点云集中的最高点、最低点;
计算所述第一点云集中的最高点和最低点的高度的差值,作为所述第一参数值;
计算所述第二点云集中的最高点和最低点的高度的差值,作为所述第二参数值。
6.一种存储介质,其特征在于,所述存储介质上存储有障碍物识别程序,所述障碍物识别程序被处理器执行时实现如权利要求1至3中任一项所述的障碍物识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811478604.1A CN109635700B (zh) | 2018-12-05 | 2018-12-05 | 障碍物识别方法、设备、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811478604.1A CN109635700B (zh) | 2018-12-05 | 2018-12-05 | 障碍物识别方法、设备、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109635700A CN109635700A (zh) | 2019-04-16 |
CN109635700B true CN109635700B (zh) | 2023-08-08 |
Family
ID=66071186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811478604.1A Active CN109635700B (zh) | 2018-12-05 | 2018-12-05 | 障碍物识别方法、设备、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109635700B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110516564A (zh) * | 2019-08-06 | 2019-11-29 | 深兰科技(上海)有限公司 | 路面检测方法和装置 |
WO2022088104A1 (zh) * | 2020-10-30 | 2022-05-05 | 华为技术有限公司 | 一种确定目标对象点云集的方法及装置 |
CN112699734B (zh) * | 2020-12-11 | 2024-04-16 | 深圳银星智能集团股份有限公司 | 门槛检测方法、移动机器人及存储介质 |
CN113536883B (zh) * | 2021-03-23 | 2023-05-02 | 长沙智能驾驶研究院有限公司 | 障碍物检测方法、车辆、设备及计算机存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106339669A (zh) * | 2016-08-16 | 2017-01-18 | 长春理工大学 | 多线点云数据机器学习的人形目标识别方法和防撞装置 |
CN107609520A (zh) * | 2017-09-15 | 2018-01-19 | 四川大学 | 障碍物识别方法、装置及电子设备 |
CN108152831A (zh) * | 2017-12-06 | 2018-06-12 | 中国农业大学 | 一种激光雷达障碍物识别方法及系统 |
CN108460416A (zh) * | 2018-02-28 | 2018-08-28 | 武汉理工大学 | 一种基于三维激光雷达的结构化道路可行域提取方法 |
CN108873013A (zh) * | 2018-06-27 | 2018-11-23 | 江苏大学 | 一种采用多线激光雷达的道路可通行区域获取方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6963661B1 (en) * | 1999-09-09 | 2005-11-08 | Kabushiki Kaisha Toshiba | Obstacle detection system and method therefor |
JP5959073B2 (ja) * | 2014-09-30 | 2016-08-02 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 検出装置、検出方法、及び、プログラム |
-
2018
- 2018-12-05 CN CN201811478604.1A patent/CN109635700B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106339669A (zh) * | 2016-08-16 | 2017-01-18 | 长春理工大学 | 多线点云数据机器学习的人形目标识别方法和防撞装置 |
CN107609520A (zh) * | 2017-09-15 | 2018-01-19 | 四川大学 | 障碍物识别方法、装置及电子设备 |
CN108152831A (zh) * | 2017-12-06 | 2018-06-12 | 中国农业大学 | 一种激光雷达障碍物识别方法及系统 |
CN108460416A (zh) * | 2018-02-28 | 2018-08-28 | 武汉理工大学 | 一种基于三维激光雷达的结构化道路可行域提取方法 |
CN108873013A (zh) * | 2018-06-27 | 2018-11-23 | 江苏大学 | 一种采用多线激光雷达的道路可通行区域获取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109635700A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109635700B (zh) | 障碍物识别方法、设备、系统及存储介质 | |
CN108052624B (zh) | 点云数据处理方法、装置及计算机可读存储介质 | |
CN110286389B (zh) | 一种用于障碍物识别的栅格管理方法 | |
US20040234124A1 (en) | Stereo calibration apparatus and stereo image monitoring apparatus using the same | |
CN112362055B (zh) | 姿态估计方法、装置和电子设备 | |
JP5809751B2 (ja) | 対象物認識装置 | |
CN107358168B (zh) | 一种车辆可行驶区域的检测方法及装置、车载电子设备 | |
CN112014845A (zh) | 一种车辆障碍物定位方法、装置、设备及存储介质 | |
CN109492688B (zh) | 焊缝跟踪方法、装置及计算机可读存储介质 | |
CN111507324B (zh) | 卡片边框识别方法、装置、设备和计算机存储介质 | |
CN108268811B (zh) | 图像处理方法、装置及计算机可读存储介质 | |
CN107844761B (zh) | 交通标志的检测方法及装置 | |
CN111553914B (zh) | 基于视觉的货物检测方法、装置、终端及可读存储介质 | |
CN108319931B (zh) | 一种图像处理方法、装置及终端 | |
CN111080665B (zh) | 图像边框识别方法、装置、设备和计算机存储介质 | |
CN110816522B (zh) | 车辆姿态的控制方法、设备及计算机可读存储介质 | |
CN113076851B (zh) | 一种车辆违章数据的采集方法、装置以及计算机设备 | |
CN113110433B (zh) | 机器人姿态调整方法、装置、设备及存储介质 | |
CN113344906A (zh) | 车路协同中相机评估方法、装置、路侧设备和云控平台 | |
CN108230680B (zh) | 一种车辆行为信息获取方法、装置及终端 | |
CN113536867A (zh) | 物体识别的方法、装置及系统 | |
CN116486130A (zh) | 障碍物识别的方法、装置、自移动设备及存储介质 | |
CN110689556A (zh) | 跟踪方法、装置及智能设备 | |
CN110660000A (zh) | 数据预测方法、装置、设备及计算机可读存储介质 | |
CN115457506A (zh) | 一种目标检测方法、装置及存储介质 |
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 |