CN109945973B - 基于激光雷达的颜色识别方法及装置 - Google Patents

基于激光雷达的颜色识别方法及装置 Download PDF

Info

Publication number
CN109945973B
CN109945973B CN201711393899.8A CN201711393899A CN109945973B CN 109945973 B CN109945973 B CN 109945973B CN 201711393899 A CN201711393899 A CN 201711393899A CN 109945973 B CN109945973 B CN 109945973B
Authority
CN
China
Prior art keywords
color
measuring point
echo energy
vertical distance
theoretical
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
Application number
CN201711393899.8A
Other languages
English (en)
Other versions
CN109945973A (zh
Inventor
范君涛
徐威
胡攀攀
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.)
Wuhan Wanji Information Technology Co Ltd
Original Assignee
Wuhan Wanji Information Technology 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 Wuhan Wanji Information Technology Co Ltd filed Critical Wuhan Wanji Information Technology Co Ltd
Priority to CN201711393899.8A priority Critical patent/CN109945973B/zh
Publication of CN109945973A publication Critical patent/CN109945973A/zh
Application granted granted Critical
Publication of CN109945973B publication Critical patent/CN109945973B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明提供了一种基于激光雷达的颜色识别方法及装置。方法包括：获取目标区域上N个测量点中每个测量点的实际回波能量、垂直距离和入射角度；根据每个测量点的垂直距离和入射角度，以及预先建立的M个颜色模型，获取每个测量点在每个颜色模型下的理论回波能量；根据每个测量点的实际回波能量以及该测量点在每个颜色模型下的理论回波能量的差值，确定每个测量点的颜色；将N个测量点中占比最多的测量点的颜色确定为目标区域的实际颜色。本发明通过向目标区域发射激光光线并接受反射回的反射光线，实现识别目标区域的颜色，提高了在光线较弱的环境下以及反光严重的情况下的目标区域的颜色识别的准确率，降低了监控设备的成本。

Description

基于激光雷达的颜色识别方法及装置
技术领域
本发明涉智能交通技术领域，具体涉及一种基于激光雷达的颜色识别方法及装置。
背景技术
在智能交通控制系统中，利用监控装置来监测车辆并识别出车辆种类、车速等信息。但是在实际监测中，还需要获取被监测车辆的颜色信息。
现有技术中，将摄像头采集到的颜色数据转化为HSV颜色空间中颜色分类并对转化后的数据分析识别出车身颜色；或者采用三种不同波长的激光合束成彩色激光，通过检测彩色激光反射回的三种不同波长的回波强度来计算出车身的颜色。
但是，摄像头对光线要求较高，尤其是在光线较弱的环境下以及反光严重的情况下，导致车辆识别度较低；采用彩色激光的方式使得激光发射装置和接收处理装置的结构复杂，导致成本偏高。
发明内容
针对现有技术中的缺陷，本发明提供一种基于激光雷达的颜色识别方法及装置，降低了监控设备的成本，提高了车辆颜色的识别度以及准确率。
为实现上述目的，本发明提供以下技术方案：
一方面，本发明提供了一种基于激光雷达的颜色识别方法，包括：
获取目标区域上N个测量点中每个测量点的实际回波能量、垂直距离和入射角度；其中，所述垂直距离为激光雷达与测量点所在水平面之间的垂直距离，所述入射角度为激光雷达发射的激光光线与激光雷达的垂直方向的夹角，所述测量点的个数N大于等于1；
根据每个测量点的垂直距离和入射角度，以及预先建立的M个颜色模型，获取每个测量点在每个颜色模型下的理论回波能量；其中，所述M个颜色模型为与M个颜色一一对应的模型；任一颜色A的颜色模型为从颜色A对应的反射面反射的理论回波能量P与向该颜色A的反射面发射激光的入射角度θ和垂直距离H之间的函数关系，所述颜色模型的个数M大于等于1；
根据每个测量点的实际回波能量以及该测量点在每个颜色模型下的理论回波能量，确定每个测量点的颜色；
将N个测量点中占比最多的测量点的颜色确定为目标区域的实际颜色。
进一步地，所述方法还包括：
预先建立M个颜色模型；
其中，所述预先建立M个颜色模型的步骤，具体包括：
S1、采用不同的入射角度和垂直入射距离向颜色A的反射面发射激光，并获取在不同入射角度和垂直入射距离下经所述颜色A的反射面反射的回波能量数据；
S2、根据不同入射角度、不同垂直入射距离以及在不同入射角度和垂直入射距离下对应的回波能量数据拟合得到与所述颜色A对应的颜色模型。
S3：重复步骤S1和步骤S2，建立M个颜色模型。
进一步地，所述根据每个测量点之间的实际回波能量以及该测量点在每个颜色模型下的理论回波能量的差值，确定每个测量点的颜色的步骤，包括：
确定每个测量点对应的M个理论回波能量中与该测量点的实际回波能量差值最小的理论回波能量，并将该理论回波能量所对应的颜色作为该测量点的颜色。
进一步地，所述根据每个测量点的垂直距离和入射角度，以及预先建立的M个颜色模型获取每个测量点在每个颜色模型下的理论回波能量的步骤，包括：
将每个测量点的垂直距离和入射角度导入每个颜色模型中得到每个测量点在每个颜色模型下的理论回波能量。
另一方面，本发明还提供了一种基于激光雷达的颜色识别装置，包括：
测量单元，用于获取目标区域上N个测量点中每个测量点的实际回波能量、垂直距离和入射角度；其中，所述垂直距离为激光雷达与测量点所在水平面之间的垂直距离，所述入射角度为激光雷达发射的激光光线与激光雷达的垂直方向的夹角，所述测量点的个数N大于等于1；
计算单元，用于根据每个测量点的垂直距离和入射角度，以及预先建立的M个颜色模型，获取每个测量点在每个颜色模型下的理论回波能量；其中，所述M个颜色模型为与M个颜色一一对应的模型；任一颜色A的颜色模型为从颜色A对应的反射面反射的理论回波能量P与向该颜色A的反射面发射激光的入射角度θ和垂直距离H之间的函数关系，所述颜色模型的个数M大于等于1；
判断单元，用于根据每个测量点的实际回波能量以及该测量点在每个颜色模型下的理论回波能量，确定每个测量点的颜色；
比较单元，用于将N个测量点中占比最多的测量点的颜色确定为目标区域的实际颜色。
进一步地，所述装置还包括：
建模单元，用于预先建立M个颜色模型；
其中，所述建模单元，具体包括：
采集模块，用于采用不同的入射角度和垂直入射距离向颜色A的反射面发射激光，并获取在不同入射角度和垂直入射距离下经所述颜色A的反射面反射的回波能量数据；
拟合模块，用于根据不同入射角度、不同垂直入射距离以及在不同入射角度和垂直入射距离下对应的回波能量数据拟合得到与所述颜色A对应的颜色模型。
冗余模块，用于根据采集模块和拟合模块，建立M个颜色模型。
进一步地，所述计算单元包括：
导入模块，用于将每个测量点的垂直距离和入射角度导入每个颜色模型中得到每个测量点在每个颜色模型下的理论回波能量。
进一步地，所述判断单元包括：
获取模块，用于确定每个测量点对应的M个理论回波能量中与该测量点的实际回波能量差值最小的理论回波能量，并将该理论回波能量所对应的颜色作为该测量点的颜色。
另一方面，本发明还提供了一种电子设备，包括：处理器、存储器和总线；其中，
处理器和存储器通过总线完成相互间的通信；
处理器用于调用存储器中的程序指令，以执行上述基于激光雷达的颜色识别方法。
另一方面，本发明还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述基于激光雷达的颜色识别方法。
由上述技术方案可知，本发明所述的一种基于激光雷达的颜色识别方法及装置，通过向目标区域发射激光光线并接受反射回的反射光线，实现识别目标区域的颜色，提高了在光线较弱的环境下以及反光严重的情况下的目标区域的颜色识别的准确率，降低了监控设备的成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于激光雷达的颜色识别方法的流程示意图；
图2是本发明实施例提供的另一基于激光雷达的颜色识别方法的流程示意图；
图3是本发明实施例提供的基于激光雷达的颜色识别方法中步骤S100的一种具体实施方式的流程示意图；
图4是本发明实施例提供的基于激光雷达的颜色识别方法中获取颜色模型的装置的结构示意图；
图5是本发明实施例提供的基于激光雷达的颜色识别方法中激光雷达的安装位置的结构示意图；
图6是本发明实施例提供的基于激光雷达的颜色识别方法中单帧图像的示意图；
图7是本发明实施例提供的基于激光雷达的颜色识别装置的结构示意图；
图8是本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供的基于激光雷达的颜色识别方法，参见图1，该颜色识别方法具体包括如下步骤：
S101：获取目标区域上N个测量点中每个测量点的实际回波能量、垂直距离和入射角度；其中，所述垂直距离为激光雷达与测量点所在水平面之间的垂直距离，所述入射角度为激光雷达发射的激光光线与激光雷达的垂直方向的夹角；
在本步骤中，将激光雷达固定安装在需要监控的区域，控制激光雷达发射光线的方向，形成发射的光线与激光雷达垂直方向的夹角不同的扫描区。当目标区域进入扫描区时，激光雷达发射的激光光线经过目标区域的反射后，反射光线被激光雷达所接收。激光雷达根据接收的反射光线获取激光雷达与目标区域上反射点之间的实际回波能量、垂直距离和入射角度。
目标区域在反射激光雷达发射的N束光线时，N束光线在目标区域上的N个反射点形成N个测试点，激光雷达接收N个测试点的N束反射光线，获取激光雷达与目标区域上N个测量点中每一个测量点的实际回波能量、垂直距离和入射角度，测量点的个数N大于等于1。
其中，激光雷达对接收的反射光线进行处理，获取反射光线中的回波能量，并根据反射光线计算激光雷达至目标区域上反射点之间的垂直距离和入射角度的信息。反射光线中的回波能量为反射光线中激光波形宽度或波形幅度或波形幅度在波形宽度时间内的积分值。
进一步地，目标区域为：车辆引擎盖或车顶等车辆平面区域。
S102：根据每个测量点的垂直距离和入射角度，以及预先建立的M个颜色模型，获取每个测量点在每个颜色模型下的理论回波能量；其中，所述M个颜色模型为与M个颜色一一对应的模型；任一颜色A的颜色模型为从颜色A对应的反射面反射的理论回波能量P与向该颜色A的反射面发射激光的入射角度θ和垂直距离H之间的函数关系；
在本步骤中，将步骤S101中获取的N个测量点中每一个测量点的垂直距离和入射角度导入至M个颜色模型中的每一个颜色模型中，获取N个测量点中每一个测量点对应M个模型中每一个颜色模型的理论回波能量。
其中，M个颜色模型中每一个颜色模型对应该颜色模型的N个测量点的N个理论回波能量，N个测量点中每一个测量点对应该测量点的M个颜色模型的M个理论回波能量。
每一个颜色模型对应一种颜色，且M个颜色模型中任意两个颜色模型所对应的颜色不同，颜色模型的个数M大于等于1。
S103：根据每个测量点的实际回波能量以及该测量点在每个颜色模型下的理论回波能量，确定每个测量点的颜色；
在本步骤中，根据步骤S102可知，N个测量点中每一个测量点对应该测量点的M个颜色模型的M个理论回波能量。结合步骤S101获取的N个测量点中每一个测量点的实际回波能量，采用每一个测量点的实际回波能量分别与该测量点对应的M个理论回波能量之间的M个回波能量的差值确定每一个测量点的颜色。其中，M个回波能量差值中绝对值的最小值所对应的颜色模型的颜色为该测量点的颜色。
S104：将N个测量点中占比最多的测量点的颜色确定为目标区域的实际颜色。
在本步骤中，通过步骤S103能够确定N个测量点中每一个测量点的颜色，根据N个测量点中占比最多的测量点的颜色即为目标区域的实际颜色。
从上述描述可知，本发明实施例提供的基于激光雷达的颜色识别方法，采用向目标区域发射激光光线并接受反射回的反射光线，通过理论回波能量与实际回波能量之间的差值，实现简单、快速准确的获取目标区域的颜色，提高了在光线较弱的环境下以及反光严重的情况下的目标区域的颜色识别的准确率，降低了监控设备的成本。
本发明实施例提供了基于激光雷达的颜色识别方法。参见图2，上述步骤S101之前还具体包括如下步骤：
S100：预先建立M个颜色模型；
在本步骤中，在实施上述方法实施例之前，需要多个颜色模型，该颜色模型为：对单一颜色的反射面以不同入射角度、不同垂直入射距离发射激光，通过激光雷达扑捉处理反射面的反射激光后输出的回波能量数据，对不同入射角度、不同垂直入射距离以及回波能量数据进行拟合而成的多项式。
其中，每一个颜色模型对应一种颜色，且M个颜色模型中任意两个颜色模型所对应的颜色不同。
所述预先建立M个颜色模型的步骤，参见图3，具体包括：
S1、采用不同的入射角度和垂直入射距离向颜色A的反射面发射激光，并获取在不同入射角度和垂直入射距离下经所述颜色A的反射面反射的回波能量数据；
S2、根据不同入射角度、不同垂直入射距离以及在不同入射角度和垂直入射距离下对应的回波能量数据拟合得到与所述颜色A对应的颜色模型。
S3：重复步骤S1和步骤S2，建立M个颜色模型。
在具体实施时，将激光雷达固定，由激光雷达以不同的入射角度向单一颜色的测试区域发射激光线，并接收测试区域反射的反射光线，根据反射光获取该颜色的测试区域的回波能量，其中，入射角度是发射激光的激光光线与垂直方向之间的夹角。
获取激光雷达与单一颜色的测试区域之间的垂直距离以及入射角度，采用Matlab对回波能量、垂直距离和入射角度进行拟合得到一个以所述回波能量为值域、以所述垂直距离和所述入射角度为自变量的函数。该函数即表示该颜色的测试区域对应的颜色模型。更换测试区域的颜色并重复上述步骤，获取多个不同颜色的颜色模型。
从上述描述可知，本发明实施例通过向测试区域发射激光光线接收测试区域反射的反射光线，根据反射光线确定回波能量，根据回波能量、垂直距离和入射角度采用Matlab进行拟合，可以快速准确的获取回波能量、垂直距离和入射角度之间的映射关系，实现简单、快速、准确的建立了单一颜色的颜色模型，重复该方法则实现了获取多个不同颜色的颜色模型。
为更近一步的对本发明的方法进行详细说明，本法明提供基于激光雷达的颜色识别方法的具体应用实例，具体内容如下：
参见图4，将激光雷达固定，激光雷达距离颜色为C的反射面H处，以入射角度θ发射激光至发射面，获取经过反射面发射后的反射激光，从反射激光中获取反射点的实际回波能量P，以此方式得到激光以不同角度、不同距离发射至该颜色为C的反射面后，反射回来的实际回波能量数据
Figure BDA0001518080250000091
对入射角度θ、激光雷达与反射面之间的垂直距离H和实际回波能量Pc进行Matlab拟合，得到以实际能量Pc为目标函数的多项式，该多项式为颜色为C的反射面的颜色模型。通过此方式得到橙色、红色、黑色、蓝色、黄色、绿色、银灰色的颜色模型，具体颜色模型如下所示：
Figure BDA0001518080250000092
P红色＝480.4-824.2*θ-0.1777*H+682.3*θ2+0.2277*θ*H+
3.966*10-5*H2-165.8*θ3-0.1961*θ2*H-1.933*10-5*θ*H2-
6.141*10-9*H3+0.04333*θ3*H+2.371*10-5*θ2H2-1.349*10-9*θ*H3+
6.763*10-13*H4-5.045*10-6*θ3*H2-1.23*10-10*θ2*H3+
5.717*10-14*θ*H4-2.699*10-17*H5；
Figure BDA0001518080250000093
Figure BDA0001518080250000094
Figure BDA0001518080250000102
Figure BDA0001518080250000103
Figure BDA0001518080250000104
参见图5，激光雷达安装在道路正上方的龙门架上，激光雷达以固定的时间t发射一次激光到被测车辆，得到车辆区域扫描点的理论回波能量PW、垂直距离H、入射角度θ。当车辆上的目标区域经过后，获取目标区域10帧扫描数据。车辆上的目标区域选取为车顶，则10帧扫描数据的单帧波形如图6所示，从波形图中看出，在8米左右的距离为激光雷达与车顶之间的距离，而且点164-214之间较为水平，符合车顶的弧度及形状。所以点164-214之间为扫描的车辆的目标区域，数据按照扫描点数164-214顺序排列，提取该单帧图像中164-214之间扫描点的垂直入射距离和回波能量，以及入射角度如下：
H＝
Figure BDA0001518080250000101
Figure BDA0001518080250000111
PW＝
32 29 29 29 29 29 29 29 29 29
29 28 28 28 28 28 28 28 27 27
27 27 27 27 27 27 27 27 26 26
26 26 26 26 26 25 25 25 25 25
25 25 25 24 24 24 24 24 24 24
θ＝
Figure BDA0001518080250000112
将该单帧图像所有扫描点的入射角度θ、垂直距离H带入橙色、红色、黑色、黄色、绿色、银灰色、蓝色的颜色模型中得到不同颜色的理论回波能量Pθ橙色、Pθ红色、Pθ黑色、Pθ黄色、Pθ绿色、Pθ银灰色和Pθ蓝色；
其中：
Pθ橙色＝
Figure BDA0001518080250000113
Figure BDA0001518080250000121
Pθ红色＝
35.9208 37.2223 37.2317 37.1633 37.1202 37.0962 36.9437
36.8234 36.7185 36.6342 36.4548 36.3390 36.1517 36.0328
35.8344 35.6489 35.4369 35.2828 35.1126 34.9174 34.6890
34.5744 34.3105 34.1183 33.9006 33.7617 33.5182 33.3443
33.1607 32.9892 32.7553 31.5259 32.3551 32.1840 31.9995
31.7994 31.6188 31.4427 31.2612 31.1101 30.9849 30.8287
29.8625 30.5800 30.4443 30.3211 30.2079 30.1344 30.0416
29.9582
Pθ黑色＝
10.4831 11.7878 11.7539 11.6473 11.5725 11.5224 11.3430
11.2000 11.0754 10.9733 10.7742 10.6400 10.4332 10.2923
10.0716 9.8612 9.6237 9.4337 9.2229 8.9851 8.7159
8.5227 8.2154 7.9496 7.6600 7.4017 7.0806 6.7802
6.4627 6.1350 5.7823 5.5705 5.0623 4.6850 4.2970
3.9040 3.4977 3.0816 2.6634 2.2181 1.7406 1.2860
2.3264 0.1861 0.6781 1.1778 1.7555 2.2760 2.3264
-2.7968
Pθ蓝色＝
28.5796 29.8389 29.7880 29.6759 29.5992 29.5518 29.3919
29.2721 29.1768 29.1107 28.9593 28.8788 28.7341 28.6652
28.5222 28.3979 28.2512 28.1698 28.0760 27.9600 27.8119
27.7877 27.6069 27.5042 27.3750 27.3324 27.1760 27.0955
27.0033 26.9232 26.7719 25.2501 26.5352 26.4445 26.3342
26.2005 26.0837 25.9658 25.8340 25.7316 25.6533 25.5275
24.0530 25.3268 25.1951 25.0671 24.9388 24.8524 24.7234
24.5905
Pθ黄色＝
35.3435 36.1936 36.1336 36.0212 35.9343 35.8677 35.7076
35.5770 35.4624 35.3674 35.2027 35.0897 34.9247 34.8135
34.6438 34.4852 34.3078 34.1735 34.0269 33.8616 33.6719
33.5610 33.3436 33.1740 32.9847 32.8450 32.6325 32.4619
32.2805 32.1021 31.8805 31.1039 31.4648 31.2656 31.0529
30.8262 30.6041 30.3783 30.1439 29.9174 29.6955 29.4530
28.9408 28.9735 28.7193 28.4634 28.2046 27.9503 27.6845
27.4156
Pθ绿色＝
32.2090 33.3640 33.3568 33.2879 33.2492 33.2351 33.1103
33.0205 32.9503 32.9041 32.7742 32.7073 32.5771 32.5137
32.3784 32.2571 32.1121 32.0227 31.9184 31.7907 31.6312
31.5774 31.3822 31.2521 31.0956 31.0095 30.8227 30.6965
30.5567 30.4230 30.2267 29.0517 29.8784 29.7207 29.5437
29.3450 29.1559 28.9624 28.7551 28.5658 28.3897 28.1758
27.1549 27.7722 27.5435 27.3139 27.0809 26.8702 26.6294
26.3832
Pθ银灰色＝
20.6726 21.4024 21.3966 21.3521 21.3265 21.3161 21.2371
21.1800 21.1354 21.1062 21.0249 20.9838 20.9029 20.8652
20.7819 20.7079 20.6188 20.5674 20.5071 20.4317 20.3348
20.3139 20.1930 20.1200 20.0285 19.9925 19.8801 19.8171
19.7454 19.6815 19.5659 18.5238 19.3773 19.3018 19.2107
19.1001 19.0012 18.9003 18.7864 18.6959 18.6257 18.5135
17.2746 18.3323 18.2110 18.0915 17.9702 17.8907 17.7664
17.6363
将各个颜色模型计算的理论回波能量P与实际回波能量PW对应的进行差值运算并取绝对值，得到△Pθ橙色、△Pθ红色、△Pθ黑色、△Pθ黄色、△Pθ绿色、△Pθ银灰色和△Pθ蓝色，
△Pθ橙色＝
3.1115 7.1760 7.1659 7.0952 7.0542 7.0377 6.9094
6.8157 6.7413 6.6911 6.5542 7.4818 7.3431 7.2732
7.1275 6.9958 6.8386 6.7388 7.6227 7.4813 7.3057
7.2406 7.0256 6.8785 6.7028 6.6003 6.3909 6.2443
7.0824 6.9260 6.7030 5.5457 6.3005 6.1147 5.9079
6.6777 6.4563 6.2293 5.9875 5.7622 5.5482 5.2959
4.3835 5.8100 5.5394 5.2667 4.9895 4.7301 4.4426
4.149
△Pθ红色＝
3.9208 8.2223 8.2317 8.1633 8.1202 8.0962 7.9437
7.8234 7.7185 7.6342 7.4548 8.3390 8.1517 8.0328
7.8344 7.6489 7.4369 7.2828 8.1126 7.9174 7.6890
7.5744 7.3105 7.1183 6.9006 6.7617 6.5182 6.3443
7.1607 6.9892 6.7553 5.5259 6.3551 6.1840 5.9995
6.7994 6.6188 6.4427 6.2612 6.1101 5.9849 5.8287
4.8625 6.5800 6.4443 6.3211 6.2079 6.1344 6.0416
5.9582
△Pθ黑色＝
21.5169 17.2122 17.2461 17.3527 17.4275 17.4776 17.6570
17.8000 17.9246 18.0267 18.2258 17.3600 17.5668 17.7077
17.9284 18.1388 18.3763 18.5663 17.7771 18.0149 18.2841
18.4773 18.7846 19.0504 19.3400 19.5983 19.9194 20.2198
19.5373 19.8650 20.2177 20.4295 20.9377 21.3150 21.7030
21.0960 21.5023 21.9184 22.3366 22.7819 23.2594 23.7140
22.6736 23.7064 24.1861 24.6781 25.1778 25.7555 26.2760
26.7968
△Pθ蓝色＝
3.4204 0.8389 0.7880 0.6759 0.5992 0.5518 0.3919
0.2721 0.1768 0.1107 0.0407 0.8788 0.7341 0.6652
0.5222 0.3979 0.2512 0.1698 1.0760 0.9600 0.8119
0.7877 0.6069 0.5042 0.3750 0.3324 0.1760 0.0955
1.0033 0.9232 0.7719 0.7499 0.5352 0.4445 0.3342
1.2005 1.0837 0.9658 0.8340 0.7316 0.6533 0.5275
0.9470 1.3268 1.1951 1.0671 0.9388 0.8524 0.7234
0.5905
△Pθ黄色＝
3.3435 7.1936 7.1336 7.0212 6.9343 6.8677 6.7076
6.5770 6.4624 6.3674 6.2027 7.0897 6.9247 6.8135
6.6438 6.4852 6.3078 6.1735 7.0269 6.8616 6.6719
6.5610 6.3436 6.1740 5.9847 5.8450 5.6325 5.4619
6.2805 6.1021 5.8805 5.1039 5.4648 5.2656 5.0529
5.8262 5.6041 5.3783 5.1439 4.9174 4.6955 4.4530
3.9408 4.9735 4.7193 4.4634 4.2046 3.9503 3.6845
3.4156
△Pθ绿色＝
0.2090 4.3640 4.3568 4.2879 4.2492 4.2351 4.1103
4.0205 3.9503 3.9041 3.7742 4.7073 4.5771 4.5137
4.3784 4.2571 4.1121 4.0227 4.9184 4.7907 4.6312
4.5774 4.3822 4.2521 4.0956 4.0095 3.8227 3.6965
4.5567 4.4230 4.2267 3.0517 3.8784 3.7207 3.5437
4.3450 4.1559 3.9624 3.7551 3.5658 3.3897 3.1758
2.1549 3.7722 3.5435 3.3139 3.0809 2.8702 2.6294
2.3832
△Pθ银灰色＝
Figure BDA0001518080250000141
Figure BDA0001518080250000151
对各扫描点回波能量差值相互比较，差值最小的理论回波能量对应的颜色模型所对应的颜色为该扫描区域的颜色。依此得到该帧图像中所有扫描点颜色：
C＝
绿 蓝 蓝 蓝 蓝 蓝 蓝
蓝 蓝 蓝 蓝 蓝 蓝 蓝
蓝 蓝 蓝 蓝 蓝 蓝 蓝
蓝 蓝 蓝 蓝 蓝 蓝 蓝
蓝 蓝 蓝 蓝 蓝 蓝 蓝
蓝 蓝 蓝 蓝 蓝 蓝 蓝
蓝 蓝 蓝 蓝 蓝 蓝 蓝
蓝
从颜色统计中得到蓝色占比最高，可以得出所测目标区域颜色为蓝色。
依次计算出其余目标区域的9帧图像的所有扫描点的颜色信息，根据10帧图像颜色信息统计该区域类各颜色的占比：
Cp＝
橙色 红色 黑色 蓝色 黄色 绿色 银灰色
第一帧 0 0 0 49 0 1 0
第二帧 0 0 0 49 0 1 0
第三帧 0 0 0 49 0 1 0
第四帧 0 0 0 49 0 1 0
第五帧 0 0 0 49 0 1 0
第六帧 0 0 0 49 0 1 0
第七帧 0 0 0 49 0 1 0
第八帧 0 0 0 49 0 1 0
第九帧 0 0 0 49 0 1 0
第十帧 0 0 0 49 0 1 0
从颜色统计中得到蓝色占比最高，可以得出所测车辆颜色为蓝色。
从上述描述可知，本发明实施例采用单色的激光雷达实现了对目标区域的颜色识别，精简了发射装置和接收装置的结构，提高了在光线较弱的环境下以及反光严重的情况下的目标区域的颜色识别的准确率。
本发明实施例提供了一种基于激光雷达的颜色识别装置，参见图7，该装置具体包括：
测量单元10，用于获取目标区域上N个测量点中每个测量点的实际回波能量、垂直距离和入射角度；其中，所述垂直距离为激光雷达与测量点所在水平面之间的垂直距离，所述入射角度为激光雷达发射的激光光线与激光雷达的垂直方向的夹角；
计算单元20，用于根据每个测量点的垂直距离和入射角度，以及预先建立的M个颜色模型，获取每个测量点在每个颜色模型下的理论回波能量；其中，所述M个颜色模型为与M个颜色一一对应的模型；任一颜色A的颜色模型为从颜色A对应的反射面反射的理论回波能量P与向该颜色A的反射面发射激光的入射角度θ和垂直距离H之间的函数关系；
判断单元30，用于根据每个测量点的实际回波能量以及该测量点在每个颜色模型下的理论回波能量的差值，确定每个测量点的颜色；
比较单元40，用于将N个测量点中占比最多的测量点的颜色确定为目标区域的实际颜色。
进一步地，所述装置还包括：
建模单元50，用于预先建立M个颜色模型；
其中，所述建模单元，具体包括：
采集模块，用于采用不同的入射角度和垂直入射距离向颜色A的反射面发射激光，并获取在不同入射角度和垂直入射距离下经所述颜色A的反射面反射的回波能量数据；
拟合模块，用于根据不同入射角度、不同垂直入射距离以及在不同入射角度和垂直入射距离下对应的回波能量数据拟合得到与所述颜色A对应的颜色模型。
冗余模块，用于根据采集模块和拟合模块，建立M个颜色模型。
进一步地，所述计算单元包括：
导入模块，用于将每个测量点的垂直距离和入射角度导入每个颜色模型中得到每个测量点在每个颜色模型下的理论回波能量。
进一步地，所述判断单元包括：
获取模块，用于确定每个测量点对应的M个理论回波能量中与该测量点的实际回波能量差值最小的理论回波能量，并将该理论回波能量所对应的颜色作为该测量点的颜色。
由上述技术方案可知，本发明所述的基于激光雷达的颜色识别装置，采用单色的激光雷达实现了对目标区域的颜色识别，精简了发射装置和接收装置的结构，提高了在光线较弱的环境下以及反光严重的情况下的目标区域的颜色识别的准确率。
本发明实施例提供了一种电子设备，参见图8，该电子设备可以包括：处理器11、存储器12、总线13及存储在存储器12上并可在处理器11上运行的计算机程序；
其中，所述处理器11，存储器12通过所述总线13完成相互间的通信；
所述处理器11执行所述计算机程序时实现上述各方法实施例所提供的方法，例如包括：获取目标区域上N个测量点中每个测量点的实际回波能量、垂直距离和入射角度；根据每个测量点的垂直距离和入射角度，以及预先建立的M个颜色模型，获取每个测量点在每个颜色模型下的理论回波能量；根据每个测量点的实际回波能量以及该测量点在每个颜色模型下的理论回波能量，确定每个测量点的颜色；将N个测量点中占比最多的测量点的颜色确定为目标区域的实际颜色。
本发明实施例提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例所提供的方法，例如包括：获取目标区域上N个测量点中每个测量点的实际回波能量、垂直距离和入射角度；根据每个测量点的垂直距离和入射角度，以及预先建立的M个颜色模型，获取每个测量点在每个颜色模型下的理论回波能量；根据每个测量点的实际回波能量以及该测量点在每个颜色模型下的理论回波能量，确定每个测量点的颜色；将N个测量点中占比最多的测量点的颜色确定为目标区域的实际颜色。
本领域内的技术人员应明白，本申请的实施例可提供为方法、装置、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、装置、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置/系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
本发明的说明书中，说明了大量具体细节。然而能够理解的是，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。类似地，应当理解，为了精简本发明公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释呈反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。本发明并不局限于任何单一的方面，也不局限于任何单一的实施例，也不局限于这些方面和/或实施例的任意组合和/或置换。而且，可以单独使用本发明的每个方面和/或实施例或者与一个或更多其他方面和/或其实施例结合使用。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (10)

1.一种基于激光雷达的颜色识别方法，其特征在于，包括：
获取目标区域上N个测量点中每个测量点的实际回波能量、垂直距离和入射角度；其中，所述垂直距离为激光雷达与测量点所在水平面之间的垂直距离，所述入射角度为激光雷达发射的激光光线与激光雷达的垂直方向的夹角，所述测量点的个数N大于等于1；
根据每个测量点的垂直距离和入射角度，以及预先建立的M个颜色模型，获取每个测量点在每个颜色模型下的理论回波能量；其中，所述M个颜色模型为与M个颜色一一对应的模型；任一颜色A的颜色模型为从颜色A对应的反射面反射的理论回波能量P与向该颜色A的反射面发射激光的入射角度θ和垂直距离H之间的函数关系，所述颜色模型的个数M大于等于1；
根据每个测量点的实际回波能量以及该测量点在每个颜色模型下的理论回波能量，确定每个测量点的颜色；
将N个测量点中占比最多的测量点的颜色确定为目标区域的实际颜色。
2.根据权利要求1所述的颜色识别方法，其特征在于，所述方法还包括：
预先建立M个颜色模型；
其中，所述预先建立M个颜色模型的步骤，具体包括：
S1、采用不同的入射角度和垂直入射距离向颜色A的反射面发射激光，并获取在不同入射角度和垂直入射距离下经所述颜色A的反射面反射的回波能量数据；
S2、根据不同入射角度、不同垂直入射距离以及在不同入射角度和垂直入射距离下对应的回波能量数据拟合得到与所述颜色A对应的颜色模型；
S3：重复步骤S1和步骤S2，建立M个颜色模型。
3.根据权利要求1所述的颜色识别方法，其特征在于，所述根据每个测量点之间的实际回波能量以及该测量点在每个颜色模型下的理论回波能量的差值，确定每个测量点的颜色的步骤，包括：
确定每个测量点对应的M个理论回波能量中与该测量点的实际回波能量差值最小的理论回波能量，并将该理论回波能量所对应的颜色作为该测量点的颜色。
4.根据权利要求1所述的颜色识别方法，其特征在于，所述根据每个测量点的垂直距离和入射角度，以及预先建立的M个颜色模型获取每个测量点在每个颜色模型下的理论回波能量的步骤，包括：
将每个测量点的垂直距离和入射角度导入每个颜色模型中得到每个测量点在每个颜色模型下的理论回波能量。
5.一种基于激光雷达的颜色识别装置，其特征在于，包括：
测量单元，用于获取目标区域上N个测量点中每个测量点的实际回波能量、垂直距离和入射角度；其中，所述垂直距离为激光雷达与测量点所在水平面之间的垂直距离，所述入射角度为激光雷达发射的激光光线与激光雷达的垂直方向的夹角，所述测量点的个数N大于等于1；
计算单元，用于根据每个测量点的垂直距离和入射角度，以及预先建立的M个颜色模型，获取每个测量点在每个颜色模型下的理论回波能量；其中，所述M个颜色模型为与M个颜色一一对应的模型；任一颜色A的颜色模型为从颜色A对应的反射面反射的理论回波能量P与向该颜色A的反射面发射激光的入射角度θ和垂直距离H之间的函数关系，所述颜色模型的个数M大于等于1；
判断单元，用于根据每个测量点的实际回波能量以及该测量点在每个颜色模型下的理论回波能量，确定每个测量点的颜色；
比较单元，用于将N个测量点中占比最多的测量点的颜色确定为目标区域的实际颜色。
6.根据权利要求5所述的颜色识别装置，其特征在于，所述装置还包括：
建模单元，用于预先建立M个颜色模型；
其中，所述建模单元，具体包括：
采集模块，用于采用不同的入射角度和垂直入射距离向颜色A的反射面发射激光，并获取在不同入射角度和垂直入射距离下经所述颜色A的反射面反射的回波能量数据；
拟合模块，用于根据不同入射角度、不同垂直入射距离以及在不同入射角度和垂直入射距离下对应的回波能量数据拟合得到与所述颜色A对应的颜色模型；
冗余模块，用于根据采集模块和拟合模块，建立M个颜色模型。
7.根据权利要求5所述的颜色识别装置，其特征在于，所述计算单元包括：
导入模块，用于将每个测量点的垂直距离和入射角度导入每个颜色模型中得到每个测量点在每个颜色模型下的理论回波能量。
8.根据权利要求5所述的颜色识别装置，其特征在于，所述判断单元包括：
获取模块，用于确定每个测量点对应的M个理论回波能量中与该测量点的实际回波能量差值最小的理论回波能量，并将该理论回波能量所对应的颜色作为该测量点的颜色。
9.一种电子设备，其特征在于，包括：处理器、存储器和总线；其中，
处理器和存储器通过总线完成相互间的通信；
处理器用于调用存储器中的程序指令，以执行权利要求1-4任一项所述的基于激光雷达的颜色识别方法。
10.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行权利要求1-4任一项所述的基于激光雷达的颜色识别方法。
CN201711393899.8A 2017-12-21 2017-12-21 基于激光雷达的颜色识别方法及装置 Active CN109945973B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711393899.8A CN109945973B (zh) 2017-12-21 2017-12-21 基于激光雷达的颜色识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711393899.8A CN109945973B (zh) 2017-12-21 2017-12-21 基于激光雷达的颜色识别方法及装置

Publications (2)

Publication Number Publication Date
CN109945973A CN109945973A (zh) 2019-06-28
CN109945973B true CN109945973B (zh) 2021-03-05

Family

ID=67004721

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711393899.8A Active CN109945973B (zh) 2017-12-21 2017-12-21 基于激光雷达的颜色识别方法及装置

Country Status (1)

Country Link
CN (1) CN109945973B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3532866A1 (en) 2016-10-28 2019-09-04 PPG Industries Ohio, Inc. Coatings for increasing near-infrared detection distances
EP3881236A1 (en) 2018-11-13 2021-09-22 PPG Industries Ohio Inc. Method of detecting a concealed pattern
US11561329B2 (en) 2019-01-07 2023-01-24 Ppg Industries Ohio, Inc. Near infrared control coating, articles formed therefrom, and methods of making the same
CN111781611B (zh) * 2020-06-16 2023-06-16 万物镜像(北京)计算机系统有限公司 建立模型的方法、装置、存储介质及电子设备
CN117379033B (zh) * 2023-12-13 2024-02-20 深圳市宗匠科技有限公司 皮肤色素检测方法、装置、计算机设备和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102121848A (zh) * 2010-01-09 2011-07-13 福特环球技术公司 使用数字成像和曲线比较方法的快速颜色检验系统
KR20130102873A (ko) * 2012-03-08 2013-09-23 현대엠엔소프트 주식회사 컬러 지상 라이다 측량 데이터를 이용하여 건물의 3차원 모델링 데이터를 자동으로 생성하기 위한 방법
CN104181546A (zh) * 2014-08-25 2014-12-03 中国科学院武汉物理与数学研究所 彩色三维扫描激光雷达颜色信息采集显示方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7701558B2 (en) * 2006-09-22 2010-04-20 Leica Geosystems Ag LIDAR system

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102121848A (zh) * 2010-01-09 2011-07-13 福特环球技术公司 使用数字成像和曲线比较方法的快速颜色检验系统
KR20130102873A (ko) * 2012-03-08 2013-09-23 현대엠엔소프트 주식회사 컬러 지상 라이다 측량 데이터를 이용하여 건물의 3차원 모델링 데이터를 자동으로 생성하기 위한 방법
CN104181546A (zh) * 2014-08-25 2014-12-03 中国科学院武汉物理与数学研究所 彩色三维扫描激光雷达颜色信息采集显示方法

Also Published As

Publication number Publication date
CN109945973A (zh) 2019-06-28

Similar Documents

Publication Publication Date Title
CN109945973B (zh) 基于激光雷达的颜色识别方法及装置
CN109949372B (zh) 一种激光雷达与视觉联合标定方法
CN111223135B (zh) 通过使用雷达和运动数据的单目相机来增强距离估计的系统和方法
US10317522B2 (en) Detecting long objects by sensor fusion
CN110782465B (zh) 一种基于激光雷达的地面分割方法、装置及存储介质
KR102604453B1 (ko) 레이더 데이터의 자동 라벨링 방법 및 시스템
US20180031364A1 (en) Method and system for measuring outermost dimension of a vehicle positioned at an inspection station
EP3712556A1 (en) Sensor verification
US11069076B2 (en) Image processing device and image capture apparatus
US11677931B2 (en) Automated real-time calibration
CN111427028B (zh) 参数监测方法、装置、设备和存储介质
CN108802746B (zh) 一种抗干扰的测距方法及装置
EP3514759A1 (en) Image processing method, image processing apparatus, on-board device, moving body, and system
JP7131180B2 (ja) 測距装置、測距方法、プログラム、移動体
CN110443275B (zh) 去除噪声的方法、设备及存储介质
US20220136823A1 (en) Estimation of the trailer position relative to truck position and articulation angle between truck and trailer using an electromagnetic or optical sensor
CN110686600B (zh) 一种基于飞行时间测量的测量方法及系统
CN111538008B (zh) 变换矩阵确定方法、系统及装置
CN111332306A (zh) 一种基于机器视觉的交通道路感知辅助驾驶预警装置
CN112183382A (zh) 无人驾驶交通灯检测分类方法和装置
CN111308467A (zh) 探测方法及探测设备
CN113359118B (zh) 一种车载激光雷达标定方法、装置、车辆、存储介质
CN111332305A (zh) 一种主动预警型交通道路感知辅助驾驶预警系统
CN115631143A (zh) 激光点云数据检测方法及装置、可读存储介质、终端
KR102484298B1 (ko) 배관 검사 로봇 및 이의 동작 방법

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