CN110221312A - 一种基于激光雷达快速检测地面点云的方法 - Google Patents
一种基于激光雷达快速检测地面点云的方法 Download PDFInfo
- Publication number
- CN110221312A CN110221312A CN201910604682.XA CN201910604682A CN110221312A CN 110221312 A CN110221312 A CN 110221312A CN 201910604682 A CN201910604682 A CN 201910604682A CN 110221312 A CN110221312 A CN 110221312A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- angle
- laser radar
- rangeimage
- cloud data
- 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.)
- Pending
Links
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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明涉及无人驾驶和环境感知领域,具体涉及一种基于激光雷达快速检测地面点云的方法,步骤如下:1)通过激光雷达获取周围环境的点云数据;2)将点云数据转换成RangeImage图片格式;3)采用滤波器对RangeImage图片格式的点云数据进行平滑滤波;4)计算经步骤3)处理后的RangeImage图片格式点云数据中每一列相邻两个像素点对应的空间位置连线与水平面之间的夹角α,判断夹角α是否小于设定阈值β,夹角α小于设定阈值β,则形成夹角α的两个点属于地面点。本发明的方法能够快速检测地面点云,检测速度快,便于地面点云的去除,不仅在平坦的路面上去除地面点的效果非常好,即使地面弯曲这种方法也能取得令人满意的效果。
Description
技术领域
本发明涉及无人驾驶和环境感知领域,具体涉及一种基于激光雷达快速检测地面点云的方法。
背景技术
进入二十世纪以后,世界经济高速发展,给道路交通也带来了巨大的变化,道路交通的快速发展可以使我们世界变得更小,提高整个世界的科技文明程度。但是伴随着车辆的增长,也呈现出了一些问题,其中道路安全问题尤为重要,因为它关乎着我们的人生安全和财产安全,相关领域的科研人员,正在火热的研究车辆的自动驾驶技术,力求改善我们的交通状况,使我们拥有更加安全高效的道路情况。
在无人驾驶技术中心,最为重要的就是感知技术,它就像我们的眼睛一样,需要时刻盯着外界环境。在感知技术中心,最为重要的传感器就是激光雷达,它拥有更高的检测精度,可以全天候使用,检测到的信息非常丰富,与此同时也就带了一定的问题,我们后续关于对于激光雷达数据的操作就会很复杂,所以对于点云的处理是必不可少的工序。
传统的处理激光雷达检测的地面点的方法,多数是基于点云的高度信息进行的,这种方法速度很快,在平坦的路面上能够得到很好的效果,但是在弯曲的路面上,这种方法就会失效。还有一些去除地面点采用的是RANSAC(随机抽样一致性)的方法,通过拟合一个平面,这种方法是对整个一帧的扫描到的点进行处理的,这种方法耗时,而且在弯曲情况严重时,也不能取得很好的效果。
发明内容
针对现有技术存在的问题和不足,本发明的目的是提供一种基于激光雷达快速检测地面点云的方法。
为实现发明目的,本发明采用的技术方案如下:
一种基于激光雷达快速检测地面点云的方法,包括以下步骤:
(1)通过激光雷达获取周围环境的点云数据;
(2)将步骤(1)获取的点云数据转换成RangeImage图片格式;RangeImage图片中的每一行对应激光雷达的一个线束,RangeImage图片中的每一列对应激光雷达一帧单个线束检测的次数,RangeImage图片中每一个像素点的像素值对应的是检测到的点云的深度;
(3)采用滤波器对RangeImage图片格式的点云数据的每一列进行平滑滤波;
(4)计算经步骤(3)处理后的RangeImage图片格式点云数据中每一列相邻两个像素点对应的空间位置连线与水平面之间的α,判断夹角α与设定阈值β之间的关系,若夹角α≤β,则形成夹角α的两个像素点为地面点。
根据上述的方法,优选地,所述夹角α的计算公式如下:
其中,Δx为每一列相邻两个像素点之间的欧式距离在水平方向上的投影;Δh为每一列相邻两个像素点之间的欧氏距离在高度方向上的投影。
根据上述的方法,优选地,所述β的取值为5°~15°,即根据实际场景的不同,β可以取5°~15°之间的任意一个值。
根据上述的方法,优选地,步骤(3)中所述滤波器可以选用任何一种具有平滑作用的滤波器;更加优选地,所述滤波器为Savitzky-Golay滤波器。
根据上述的方法,优选地,所述激光雷达为3D激光雷达。
与现有技术相比,本发明取得的积极有益效果为:
(1)本发明将激光雷达获取的点云数据转换成RangeImage图片格式,正是这一步转换,使得本来相邻之间没有关系的点云具有了联系,为后续处理点云的临近关系提供了极大的方便。
(2)本发明通过计算同一列相邻两个像素点之间的空间位置连线与水平面之间的夹角α即可判断形成夹角α的两个像素点是否为地面点,是属于对RangeImage图片格式点云数据的局部相邻点进行判断,不需要对整体点云进行拟合,具有计算方法简单、计算耗时短、计算耗费低的优势,在实际使用过程中一般可在5毫秒内完成地面点云的检测,极大地缩短了地面点云的检测时间,而且地面点云检测的准确度高,能够实现地面点云的快速准确的去除。
(3)本发明的检测方法每次操作不是对整体点云进行计算拟合,而是对转换成RangeImage图片格式点云数据的局部相邻点进行判断,与常用的RANSAC方法和基于点云高度的检测方法相比,检测速度快,检测准确度高,不仅在平坦路面上的检测效果好,即使在弯曲路面也具有很好的检测效果,能够有效实现平坦路面和弯曲路面地面点的快速去除。
附图说明
图1为本发明基于激光雷达快速检测地面点云的方法的流程图。
图2为夹角α的示意图。
具体实施方式
以下结合具体的实施例对本发明作进一步说明,但并不限制本发明的范围。
一种基于激光雷达快速检测地面点云的方法,以16线激光雷达为例,如图1所示,具体步骤如下:
(1)通过安装在车辆上的16线激光雷达对周围环境进行检测,获取周围环境的点云数据;
(2)将步骤(1)获取的点云数据转换成RangeImage图片格式;RangeImage图片中的每一行对应激光雷达的一个线束,RangeImage图片中的每一列对应激光雷达一帧单个线束检测的次数,RangeImage图片中每一个像素点的像素值对应的是检测到的点云的深度;
(3)采用Savitzky-Golay滤波器对RangeImage图片格式点云数据中的每一列进行平滑滤波;
(4)从RangeImage图片格式点云数据的最后一行开始,计算经步骤(3)处理后的RangeImage图片格式点云数据中每一列相邻两个像素点对应的空间位置连线与水平面之间的夹角α(参见图2)。
其中,求取夹角α的具体过程为:从RangeImage图片格式点云数据的最后一行(即第16行)第1列开始,求取第16行第1列的像素点与第15行第1列像素点对应的空间位置连线与水平面之间的夹角α,然后再求取第15行第1列像素点与第14行第1列像素点对应的空间位置连线与水平面之间的夹角α;按照该操作得到每一列相邻两个像素点对应的空间位置连线与水平面之间的夹角α。
所述夹角α的计算公式如下:
Δx为每一列相邻两个像素点之间的欧式距离在水平方向上的投影;Δh为每一列相邻两个像素点之间的欧氏距离在高度方向上的投影。
(5)判断夹角α与设定阈值β之间的关系,β为5°~15°,若夹角α≤β,则形成夹角α的两个像素点为地面点,并在RangeImage图片中将该像素点标记为地面点。如果一个像素点出现两种判定结果,则以第二次的判定结果为准。
如果需要去除激光雷达获取的点云数据中的地面点云,只需要将RangeImage图片中标记为地面点的像素点的像素值设置为0即可。
以上所述仅为本发明的较佳实施例而已,但不仅限于上述实例,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于激光雷达快速检测地面点云的方法,其特征在于,包括以下步骤:
(1)通过激光雷达获取周围环境的点云数据;
(2)将步骤(1)获取的点云数据转换成RangeImage图片格式;
(3)采用滤波器对RangeImage图片格式点云数据的每一列进行平滑滤波;
(4)计算经步骤(3)处理后的RangeImage图片格式点云数据中每一列相邻两个像素点对应的空间位置连线与水平面之间的夹角α,判断夹角α与设定阈值β之间的关系,若夹角α≤β,则形成夹角α的两个像素点为地面点。
2.根据权利要求1所述的方法,其特征在于,所述夹角α的计算公式如下:
其中,Δx为每一列相邻两个像素点之间的欧式距离在水平方向上的投影;Δh为每一列相邻两个像素点之间的欧氏距离在高度方向上的投影。
3.根据权利要求1或2所述的方法,其特征在于,所述β的取值为5°~15°。
4.根据权利要求3所述的方法,其特征在于,步骤(3)中所述滤波器为Savitzky-Golay滤波器。
5.根据权利要求4所述的方法,其特征在于,所述激光雷达为3D激光雷达。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910604682.XA CN110221312A (zh) | 2019-07-05 | 2019-07-05 | 一种基于激光雷达快速检测地面点云的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910604682.XA CN110221312A (zh) | 2019-07-05 | 2019-07-05 | 一种基于激光雷达快速检测地面点云的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110221312A true CN110221312A (zh) | 2019-09-10 |
Family
ID=67812814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910604682.XA Pending CN110221312A (zh) | 2019-07-05 | 2019-07-05 | 一种基于激光雷达快速检测地面点云的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110221312A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111090105A (zh) * | 2019-12-27 | 2020-05-01 | 吉林大学 | 一种车载激光雷达点云信号地面点分离方法 |
CN112200849A (zh) * | 2020-09-30 | 2021-01-08 | 深兰人工智能(深圳)有限公司 | 基于深度图的3d点云分割方法、分割装置 |
CN114355381A (zh) * | 2021-12-31 | 2022-04-15 | 安徽海博智能科技有限责任公司 | 激光雷达点云质量检测与提升方法 |
CN115015964A (zh) * | 2022-05-13 | 2022-09-06 | 深圳优地科技有限公司 | 一种路沿检测方法、装置、终端设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160154999A1 (en) * | 2014-12-02 | 2016-06-02 | Nokia Technologies Oy | Objection recognition in a 3d scene |
CN108427124A (zh) * | 2018-02-02 | 2018-08-21 | 北京智行者科技有限公司 | 一种多线激光雷达地面点分离方法及装置、车辆 |
CN109872329A (zh) * | 2019-01-28 | 2019-06-11 | 重庆邮电大学 | 一种基于三维激光雷达的地面点云快速分割方法 |
CN109961440A (zh) * | 2019-03-11 | 2019-07-02 | 重庆邮电大学 | 一种基于深度图的三维激光雷达点云目标分割方法 |
-
2019
- 2019-07-05 CN CN201910604682.XA patent/CN110221312A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160154999A1 (en) * | 2014-12-02 | 2016-06-02 | Nokia Technologies Oy | Objection recognition in a 3d scene |
CN108427124A (zh) * | 2018-02-02 | 2018-08-21 | 北京智行者科技有限公司 | 一种多线激光雷达地面点分离方法及装置、车辆 |
CN109872329A (zh) * | 2019-01-28 | 2019-06-11 | 重庆邮电大学 | 一种基于三维激光雷达的地面点云快速分割方法 |
CN109961440A (zh) * | 2019-03-11 | 2019-07-02 | 重庆邮电大学 | 一种基于深度图的三维激光雷达点云目标分割方法 |
Non-Patent Citations (3)
Title |
---|
IGOR BOGOSLAVSKYI 等: "Efficient Online Segmentation for Sparse 3D Laser Scans", 《PFG》 * |
IGOR BOGOSLAVSKYI 等: "Fast Range Image-Based Segmentation fo Sparse 3D Laser Scans for Online Operation", 《IEEE/RSJ IROS》 * |
范小辉 等: "基于深度图的三维激光雷达点云目标分割方法", 《中国激光》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111090105A (zh) * | 2019-12-27 | 2020-05-01 | 吉林大学 | 一种车载激光雷达点云信号地面点分离方法 |
CN111090105B (zh) * | 2019-12-27 | 2021-11-19 | 吉林大学 | 一种车载激光雷达点云信号地面点分离方法 |
CN112200849A (zh) * | 2020-09-30 | 2021-01-08 | 深兰人工智能(深圳)有限公司 | 基于深度图的3d点云分割方法、分割装置 |
CN114355381A (zh) * | 2021-12-31 | 2022-04-15 | 安徽海博智能科技有限责任公司 | 激光雷达点云质量检测与提升方法 |
CN114355381B (zh) * | 2021-12-31 | 2022-09-09 | 安徽海博智能科技有限责任公司 | 激光雷达点云质量检测与提升方法 |
CN115015964A (zh) * | 2022-05-13 | 2022-09-06 | 深圳优地科技有限公司 | 一种路沿检测方法、装置、终端设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110221312A (zh) | 一种基于激光雷达快速检测地面点云的方法 | |
WO2021093283A1 (zh) | 基于多传感融合的海面小面积溢油区域检测系统及检测方法 | |
CN109325935B (zh) | 一种基于无人机图像的输电线路检测方法 | |
CN103455797B (zh) | 航拍视频中运动小目标的检测与跟踪方法 | |
CN104077777B (zh) | 一种海面舰船目标检测方法 | |
CN104978567B (zh) | 基于场景分类的车辆检测方法 | |
CN110097093A (zh) | 一种异源图像精确匹配方法 | |
CN106530281B (zh) | 基于边缘特征的无人机图像模糊判断方法及系统 | |
CN104268877B (zh) | 一种红外图像海天线自适应检测方法 | |
CN104200495A (zh) | 一种视频监控中的多目标跟踪方法 | |
CN105160649A (zh) | 基于核函数非监督聚类的多目标跟踪方法及系统 | |
CN102722887A (zh) | 一种图像配准方法及装置 | |
CN104268853A (zh) | 一种红外图像与可见光图像配准方法 | |
CN103955583B (zh) | 一种确定夜晚灯光数据提取城市建成区阈值的方法 | |
CN105184779A (zh) | 一种基于快速特征金字塔的车辆多尺度跟踪方法 | |
CN102663385B (zh) | 一种星上点目标检测方法 | |
CN108333488A (zh) | 基于紫外、红外和光学图像相融合的燃弧检测方法 | |
CN116612123B (zh) | 一种花生油加工质量视觉检测方法 | |
CN204039886U (zh) | 一种基于多台相机立体拍摄的路面损坏裂缝检测系统 | |
CN103632376A (zh) | 一种两级框架的车辆部分遮挡消除方法 | |
CN103646389A (zh) | 一种基于几何模型的sar斜距图像同名点自动提取方法 | |
CN103679740B (zh) | 一种无人机对地目标roi提取方法 | |
CN106886988B (zh) | 一种基于无人机遥感的线性目标检测方法及系统 | |
CN104836990B (zh) | 一种桥墩防撞图像监控系统及监控方法 | |
CN113674280A (zh) | 一种电站锅炉炉膛温度测量方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190910 |
|
RJ01 | Rejection of invention patent application after publication |