CN110109138A - 一种基于激光雷达点云数据的车辆外廓视图绘制方法 - Google Patents

Abstract

本发明提出一种基于激光雷达点云数据的车辆外廓视图实时绘制的方法。此方法不需要在基于激光雷达的车辆外廓尺寸自动测量系统中包含的设备外添加任何的其他设备。能够随着车辆检测工作的进行实时绘制被检车辆的外廓实时视图，可让检测人员能够直观的监控测量工作的进展，并且在测量结果出现较大误差时，判断出现较大误差的车辆部位的位置。能够显著的提高检测效率，减轻检测站工作人员的工作负担。

Description

一种基于激光雷达点云数据的车辆外廓视图绘制方法

技术领域

本发明属于车辆外廓自动检测领域，具体是一种基于激光雷达点云数据的车辆外廓视图实时绘制方法。

背景技术

目前市场上大部分基于激光雷达的车辆外廓尺寸自动测量系统在测量过程中只能实现测量数值的实时显示，而无法实时显示得以计算出实时测量数值的车辆外廓视图，少数实时显示的自动测量系统，生成的实时外扩视图干扰点较多，车辆轮廓形状不直观，对上位机硬件需求较高导致系统较为卡顿。因此实现一种显示效果直观、对系统运行压力较小的车辆外廓视图实时绘制方法十分必要。

当前涉及车辆外廓视图实时绘制方法中，与本方案较为接近的包括：黄泉源 (汽车轮廓三维检测系统研究[D].长安大学,2017)，但该方法实时绘制的车辆外廓视图干扰噪点较多，绘制时间较长；朱英龙(车辆轮廓尺寸测量系统研究[D]. 长安大学,2016)其中实时绘制的车辆外廓视图干扰折线较多，图像轴对称性差，与车辆轮廓差距较大。李源波,宫清华(车辆外廓尺寸动态测量装置的设计与实现[J].电子技术与软件工程,2016(20):243-244)其中仅简述了生成实时外廓视图的方法，并未展示生成的实时外廓视图实例。王振华,许琳娜,苏现征(基于激光扫描技术的车辆外廓尺寸动态测量系统的设计[J].电子设计工程,2017, 25(14):131-135)其中实时绘制的车辆外廓视图干扰噪点较多，并且其绘制方法对上位机硬件需求较高导致系统较为卡顿。

综上所述，当前方法存在着如下不足：

1)当前类似方案生成的实时车辆外廓视图干扰噪点较多，车辆轮廓形状不直观。

2)对上位机硬件需求较高，导致系统较为卡顿，检测人员难以直观的监控测量过程的进展。在测量结果出现较大误差时，难以判断出现较大误差的车辆部位的位置，导致工人需要反复复检甚至需要手工测量，降低了工人的工作效率。

发明内容

针对现有车辆外廓视图实时绘制方法的不足，本发明提出了一种基于激光雷达点云数据的车辆外廓视图实时绘制方法。

本发明的技术方案如下：

一种基于激光雷达点云数据的车辆外廓视图实时绘制方法，其特征在于，包括如下步骤：

步骤1：当车辆进入检测区域后，根据点云数据实时绘制车辆宽高方向实时轮廓图，具体为：

步骤1.1：获得每一时刻左激光雷达扫描得到的点云数据 L＝{(x_i,y_i)|i＝0,1,...,k-1}与右激光雷达扫描得到的点云数据 R＝{(x_i,y_i)|i＝0,1,...,k-1}，k为当前帧点云数据中的点数，左、右、前激光雷达扫描得到的点云数据帧中坐标点数目一致；

步骤1.2：剔除L、R中满足y_i＜h_f1&&y_i＞h_f2的坐标点，其中，h_f1表示L、 R中坐标点Y轴方向坐标值的阈值上限，h_f2表示L、R中坐标点Y轴方向坐标值的阈值下限；

步骤1.3：根据公式(1)计算得到车辆的宽度值w_car，根据公式(2)计算得到车辆的高度值h_car；

w_car＝W-x_minL-x_minR (1)

h_car＝y_max； (2)

其中，W表示左、右激光雷达传感器水平距离，x_minL为L中所有坐标点的横坐标最小值，x_minR为R中所有坐标点的横坐标最小值，,y_max为L与R中所有坐标点的纵坐标最大值；

步骤1.4：根据车辆的宽度值w_car以及车辆的宽度值h_car画出车辆宽和高方向上的轮廓图；

步骤2：当车辆进入检测区域后，根据点云数据实时绘制车辆长度方向实时轮廓图，具体为：

步骤2.1：获得每一时刻的前激光雷达扫描得到的点云数据 F＝{(x_i,y_i)|i＝0,1,...,k-1}，k为每帧点云数据中的点数，左、右、前激光雷达扫描得到的点云数据帧中坐标点数目一致；

步骤2.2：剔除F中满足y_i＜h_f1&&y_i＞h_f2的坐标点，h_f1、h_f1的含义同步骤1.2；

步骤2.3：根据公式(2)计算得到车辆的长度值l_car；

l_car＝L-x_minF (3)

其中，L表示测车道长度，x_minF为F中所有坐标点的横坐标最小值；

步骤2.4：根据车辆的长度值l_car画出车辆宽高方向上的轮廓图。

本发明的优点在于：它不需要在基于激光雷达的车辆外廓尺寸自动测量系统中包含的设备外添加任何的其他设备。能够随着车辆检测工作的进行实时绘制被检车辆的外廓实时视图，可让检测人员能够直观的监控测量工作的进展，并且在测量结果出现较大误差时，判断出现较大误差的车辆部位的位置。能够显著的提高检测效率，减轻检测站工作人员的工作负担，节省车主及检测人员的宝贵时间。本发明有很好的实用价值及推广前景。

附图说明

图1为设备安装位置的示意图；

图2为车辆实时宽度测量示意图；

图3为车辆实时高度测量示意图；

图4为根据左、右激光雷达每帧点云数据绘制的实时宽高方向轮廓图；

图5为根据前激光雷达每帧点云数据绘制的实时长度方向轮廓图；

图中：1-左激光雷达传感器，2-右激光雷达传感器，3-前激光雷达传感器，4- 光电开关传感器，5-前激光雷达传感器高度h_前，6-右激光雷达传感器高度h_右，7- 左激光雷达传感器高度h_左，10-左激光雷达传感器与被检车辆左边缘的测量距离 x_minL，11-右激光雷达传感器与被检车辆右边缘的测量距离x_minR，12-车辆测量宽度w_Car，13-左、右激光雷达传感器水平距离W，17-检测车道长度L，18-被检车辆长度l_Car，19-前激光雷达传感器与车辆前边缘水平距离x_minF。

具体实施方式

下面结合实施例来详细阐述本发明的一种基于激光雷达点云数据的车辆外廓视图实时绘制方法的具体实施方式。

本发明基于左、右、前激光雷达获得的实时点云数据，实时计算车辆的宽度变化及长度变化，并根据点云数据实时绘制车辆宽高方向实时轮廓图及车辆长度方向实时轮廓图。

本实例中左、右、前三个激光传感器的自身安装配置如图1所示。

具体方法步骤如下：

步骤1：当车辆进入检测区域后，根据点云数据实时绘制车辆宽高方向实时轮廓图，具体为：

步骤1.1：获得每一时刻左激光雷达扫描得到的点云数据 L＝{(x_i,y_i)|i＝0,1,...,k-1}与右激光雷达扫描得到的点云数据 R＝{(x_i,y_i)|i＝0,1,...,k-1}，k为当前帧点云数据中的点数，左、右、前激光雷达扫描得到的点云数据帧中坐标点数目一致；在本实例中，k＝274；

步骤1.2：剔除L、R中满足y_i＜h_f1&&y_i＞h_f2的坐标点，其中，h_f1表示L、 R中坐标点Y轴方向坐标值的阈值上限，h_f2表示L、R中坐标点Y轴方向坐标值的阈值下限；在本实施例中，h_f1＝200mm，h_f2＝4000mm；

步骤1.3：根据公式(1)计算得到车辆的宽度值w_car；

w_car＝W-x_minL-x_minR (2)

其中，W表示左、右激光雷达传感器水平距离，x_minL为L中所有坐标点的横坐标最小值，x_minR为R中所有坐标点的横坐标最小值；在本实施例中，x_minL＝1073mm, x_minR＝3630mm；

步骤1.4：根据车辆的宽度值w_car画出车辆宽和高方向上的轮廓图；在本实施例中，绘制的轮廓图如图4所示；

步骤2：当车辆进入检测区域后，根据点云数据实时绘制车辆长度方向实时轮廓图，具体为：

步骤2.1：获得每一时刻的前激光雷达扫描得到的点云数据 F＝{(x_i,y_i)|i＝0,1,...,k-1}，k为每帧点云数据中的点数，左、右、前激光雷达扫描得到的点云数据帧中坐标点数目一致；

步骤2.2：剔除F中满足y_i＜h_f1&&y_i＞h_f2的坐标点，h_f1、h_f1的含义同步骤1.2；

步骤2.3：根据公式(2)计算得到车辆的长度值l_car；

l_car＝L-x_minF (2)

其中，L表示测车道长度，x_minF为F中所有坐标点的横坐标最小值；在本实施例中，L＝23670mm，x_minF＝11643mm；

步骤2.4：根据车辆的长度值l_car画出车辆宽高方向上的轮廓图；在本实施例中，绘制的轮廓图如图5所示。

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围的不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (1)

1.一种基于激光雷达点云数据的车辆外廓视图实时绘制方法，其特征在于，包括如下步骤：

步骤1：当车辆进入检测区域后，根据点云数据实时绘制车辆宽高方向实时轮廓图，具体为：

步骤1.1：获得每一时刻左激光雷达扫描得到的点云数据L＝{(x_i,y_i)|i＝0,1,...,k-1}与右激光雷达扫描得到的点云数据R＝{(x_i,y_i)|i＝0,1,...,k-1}，k为当前帧点云数据中的点数，左、右、前激光雷达扫描得到的点云数据帧中坐标点数目一致；

步骤1.2：剔除L、R中满足y_i＜h_f1&&y_i＞h_f2的坐标点，其中，h_f1表示L、R中坐标点Y轴方向坐标值的阈值上限，h_f2表示L、R中坐标点Y轴方向坐标值的阈值下限；

步骤1.3：根据公式(1)计算得到车辆的宽度值w_car，根据公式(2)计算得到车辆的高度值h_car；

w_car＝W-x_minL-x_minR； (1)

h_car＝y_max； (2)

其中，W表示左、右激光雷达传感器水平距离，x_minL为L中所有坐标点的横坐标最小值，x_minR为R中所有坐标点的横坐标最小值,y_max为L与R中所有坐标点的纵坐标最大值；

步骤1.4：根据车辆的宽度值w_car以及车辆的宽度值h_car画出车辆宽和高方向上的轮廓图；

步骤2：当车辆进入检测区域后，根据点云数据实时绘制车辆长度方向实时轮廓图，具体为：

步骤2.1：获得每一时刻的前激光雷达扫描得到的点云数据F＝{(x_i,y_i)|i＝0,1,...,k-1}，k为每帧点云数据中的点数，左、右、前激光雷达扫描得到的点云数据帧中坐标点数目一致；

步骤2.2：剔除F中满足y_i＜h_f1&&y_i＞h_f2的坐标点，h_f1、h_f1的含义同步骤1.2；

步骤2.3：根据公式(3)计算得到车辆的长度值l_car；

l_car＝L-x_minF； (3)

其中，L表示测车道长度，x_minF为F中所有坐标点的横坐标最小值；

步骤2.4：根据车辆的长度值l_car画出车辆宽高方向上的轮廓图。