CN111487641B - 一种利用激光雷达检测物体的方法、装置、电子设备及存储介质 - Google Patents
一种利用激光雷达检测物体的方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111487641B CN111487641B CN202010196431.5A CN202010196431A CN111487641B CN 111487641 B CN111487641 B CN 111487641B CN 202010196431 A CN202010196431 A CN 202010196431A CN 111487641 B CN111487641 B CN 111487641B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- coordinate data
- determining
- data set
- ground
- 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
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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/66—Tracking systems using electromagnetic waves other than radio waves
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/481—Constructional features, e.g. arrangements of optical elements
- G01S7/4817—Constructional features, e.g. arrangements of optical elements relating to scanning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Abstract
本申请实施例所公开的一种利用激光雷达检测物体的方法、装置、电子设备及存储介质,其中,方法包括获取地图数据中第一区域内的第一点云和激光雷达探测到的第二区域内的第二点云,第二区域在第一区域内,将第一点云映射至预设坐标系中,得到第一坐标数据集合,将第二点云映射至预设坐标系中,得到第二坐标数据集合,根据第一坐标数据集合和第二坐标数据集合从第二点云中确定出地面点云,根据第二坐标数据集合从第二点云中确定出物体点云,根据物体点云与激光雷达的距离确定物体点云对应的物体外边框。基于本申请实施例,通过结合第一点云和第二点云确定地面点云,使得除地操作具体针对性,不仅能够适用于非规整地面的复杂场景和L2及以上的智能驾驶,而且能够减少算力,此外还能够提高激光雷达检测物体的准确性。
Description
技术领域
本发明涉及智能驾驶技术领域,尤其涉及一种利用激光雷达检测物体的方法、装置、电子设备及存储介质。
背景技术
为了缩短旅行时间、减少事故发生,人们致力于研究交通行为,通过利用激光雷达对物体进行检测和追踪。目前利用激光雷达检测物体的一般步骤包括:除地—聚类—追踪。除地是指通过联通域或者求平面曲面的方法计算出地面并提取地面上的点云,然而在上下坡道、高架道路、匝道等非规整地面的复杂场景下,除地效果较差,不适用于L2及以上的自动驾驶模式。聚类是指求出同一物体的点云集,进而求出物体的长宽高等参数,常见的聚类方法有单一聚类算法和深度学习算法,其中,单一聚类算法利用采集到的物体点云之间的距离和角度等关系来求得关联点进行聚类,虽然能够较好地识别出物体,对算力的要求不高,但是当多个物体靠的太近会出现多个物体识别为一个物体的错误聚类,或者组成物体本身的点间距较大时会导致一个物体被识别为多个物体的错误聚类,因而分类的效果不佳,无法适应复杂多变的交通环境;深度学习算法虽然能够直接提取物体特征,进行准确分类,但是对于的系统算力要求较高,并且样本采样量大,训练成本较高。追踪是指基于相邻帧中同一物体所处的空间位置较近这一特征进行卡尔曼滤波求得物体的速度和航向角等数据,但是当物体间距较小时,容易发生物体关联错误。
现有的利用激光雷达检测物体的方法在复杂场景的应用效果较差,不适用于L2及以上的自动驾驶模式,且计算物体的速度和航向角数据等具有延时性。
发明内容
本申请实施例提供一种利用激光雷达检测物体的方法、装置、电子设备及存储介质,不仅能够改善除地效果、节省算力、扩大应用范围,而且能够提高检测结果的实时性和准确性。
本申请实施例提供了一种利用激光雷达检测物体的方法,该方法包括:
获取地图数据中第一区域内的第一点云和激光雷达探测到的第二区域内的第二点云;第二区域在第一区域内;
将第一点云映射至预设坐标系中,得到第一坐标数据集合,将第二点云映射至预设坐标系中,得到第二坐标数据集合;
根据第一坐标数据集合和第二坐标数据集合从第二点云中确定出地面点云;
根据第二坐标数据集合从第二点云中确定出物体点云;
根据物体点云与激光雷达的距离确定物体点云对应的物体外边框。
进一步地,第一点云包括第一地面点云;
第二点云包括第二地面点云和候选物体点云,第二地面点云与第一地面点云的子集合对应。
进一步地,根据第一坐标数据集合和第二坐标数据集合从第二点云中确定出地面点云,包括:
根据第二坐标数据集合从第二点云中确定出候选地面点云;候选地面点云中相邻点间的距离小于第一预设阈值;
确定候选地面点云在预设坐标系中对应的第二坐标数据子集合;
根据第一坐标数据集合和候选地面点云对应的第二坐标数据子集合从候选地面点云中确定出地面点云;第一坐标数据集合中存在第一坐标数据与地面点云中每一个点所对应的第二坐标数据匹配,且每个点所对应的第二坐标数据与匹配的第一坐标数据间的距离小于第二预设阈值。
进一步地,根据第二坐标数据集合从第二点云中确定出物体点云,包括:
根据第二坐标数据集合从第二点云中确定出候选物体点云;候选物体点云中相邻点间的距离小于第三预设阈值;
确定候选物体点云在预设坐标系中对应的第二坐标数据子集合;
根据候选物体点云对应的第二坐标数据子集合从候选物体点云中确定出物体重心点;
根据候选物体点云中除物体重心点之外的点云与物体重心点间的距离,从候选物体点云中确定出物体点云。
进一步地,物体包括目标车辆和护栏;
根据物体点云与激光雷达的距离确定物体点云对应的物体外边框之前,还包括:
根据物体点云对应的第二坐标数据子集合,从物体点云中确定出第一物体点云和第二物体点云;第一物体点云包含目标车辆对应的目标车辆点云,第二物体点云包含护栏对应的护栏点云。
进一步地,根据物体点云与激光雷达的距离确定物体点云对应的物体外边框,包括:
基于第一物体点云中的点与激光雷达间的距离从第一物体点云中确定出目标车辆点云;
基于第二物体点云中的点与激光雷达间的距离从第二物体点云中确定出护栏点云;
根据目标车辆点云确定目标车辆对应的目标车辆外边框;
根据护栏点云确定护栏对应的护栏外边框。
进一步地,根据目标车辆点云确定目标车辆对应的目标车辆外边框之后,还包括:
根据目标车辆点云和激光雷达确定航向角向量集合;
确定航向角向量集合中相邻航向角角度值变化最大的航向角向量为拐点向量;
确定拐点向量在预设坐标系中对应的横向斜率和纵向斜率;
若横向斜率和纵向斜率满足预设条件,确定拐点向量对应的角度值为目标车辆的航向角。
相应地,本申请实施例还公开了一种利用激光雷达检测物体的装置,该装置包括:
获取模块,用于获取地图数据中第一区域内的第一点云和激光雷达探测到的第二区域内的第二点云;第二区域在第一区域内;
映射模块,用于将第一点云映射至预设坐标系中,得到第一坐标数据集合,将第二点云映射至预设坐标系中,得到第二坐标数据集合;
第一确定模块,用于根据第一坐标数据集合和第二坐标数据集合从第二点云中确定出地面点云;
第二确定模块,用于根据第二坐标数据集合从第二点云中确定出物体点云;
第三确定模块,用于根据物体点云与激光雷达的距离确定物体点云对应的物体外边框。
相应地,本申请实施例还提供了一种电子设备,该电子设备包括处理器和存储器,存储器中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述利用激光雷达检测物体的方法。
相应地,本申请实施例还提供了一种计算机可读存储介质,该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述利用激光雷达检测物体的方法。
本申请实施例具有如下有益效果:
本申请实施例所公开的一种利用激光雷达检测物体的方法、装置、电子设备及存储介质,其中,方法包括获取地图数据中第一区域内的第一点云和激光雷达探测到的第二区域内的第二点云,第二区域在第一区域内,将第一点云映射至预设坐标系中,得到第一坐标数据集合,将第二点云映射至预设坐标系中,得到第二坐标数据集合,根据第一坐标数据集合和第二坐标数据集合从第二点云中确定出地面点云,根据第二坐标数据集合从第二点云中确定出物体点云,根据物体点云与激光雷达的距离确定物体点云对应的物体外边框。基于本申请实施例,通过结合第一点云和第二点云确定地面点云,使得除地操作具体针对性,不仅能够适用于非规整地面的复杂场景和L2及以上的智能驾驶,而且能够减少算力,此外还能够提高激光雷达检测物体的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案和优点,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的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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它附图。
图1是本申请实施例所提供的一种应用环境的示意图;
图2是本申请实施例所提供的一种利用激光雷达检测物体的方法的流程示意图;
图3为本申请实施例所提供的一种激光雷达探测到的第二区域内的第二点云的效果示意图;
图4为本申请实施例所提供的一种确定的目标车辆的外边框和确定的护栏的外边框的效果示意图;
图5为本申请实施例所提供的一种根据目标车辆点云和激光雷达确定航向角向量集合的效果示意图;
图6是本申请实施例一种利用激光雷达检测物体的方装置的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施例作进一步地详细描述。显然,所描述的实施例仅仅是本申请一个实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
此处所称的“实施例”是指可包含于本申请至少一个实现方式中的特定特征、结构或特性。在本申请实施例的描述中,需要理解的是,术语“第一”、“第二”和“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”和“第三”的特征可以明示或者隐含的包括一个或者更多个该特征。而且,术语“第一”、“第二”和“第三”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请实施例能够以除了在这里图示或描述以外的顺序实施。此外,术语“包括”、“包含”和“为”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或模块的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或模块,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
请参阅图1,其所示为本申请实施例所提供的一种应用环境的示意图,包括:地图数据装置101、激光雷达装置103和检测物体的装置105,其中,检测物体的装置105获取地图数据装置101采集到的第一区域内的第一点云,且获取激光雷达装置103探测到的第二区域内的第二点云,检测物体的装置105将第一点云映射至预设坐标系中,得到第一坐标数据集合,将第二点云映射至预设坐标系中,得到第二坐标数据集合,并根据第一坐标数据集合和第二坐标数据集合从第二点云中确定出地面点云,以及根据第二坐标数据集合从第二点云中确定出物体点云,检测物体的装置105根据物体点云与激光雷达的距离确定物体点云对应的物体外边框。
下面介绍本申请一种利用激光雷达检测物体的方法的具体实施例,图2是本申请实施例提供的一种利用激光雷达检测物体的方法的流程示意图,本说明书提供了如实施例或流程图所示的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多执行顺序中的一种方式,不代表唯一的执行顺序,在实际执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图2所示,该方法包括:
S201:获取地图数据中第一区域内的第一点云和激光雷达探测到的第二区域内的第二点云;第二区域在第一区域内。
本申请实施例中,装置对即将行驶的区域进行除地,获取地图数据中第一区域内的第一点云和激光雷达探测到的第二区域内的第二点云,其中,地图数据可以是电子地图存储的道路数据信息,也可以是车辆路径规划中的道路数据信息。如图3所示为激光雷达探测到的第二区域内的第二点云的效果示意图,激光雷达探测到的第二点云是指通过多线激光雷达发出的激光线,以水平旋转的方式扫描即将行驶的待除地区域,装置获取多线激光雷达采集到的第二点云。
本申请实施例中,第一点云包括第一地面点云,第二点云包括第二地面点云和候选物体点云,其中,第二地面点云与第一地面点云的子集合对应。
S203:将第一点云映射至预设坐标系中,得到第一坐标数据集合,将第二点云映射至预设坐标系中,得到第二坐标数据集合。
本申请实施例中,装置将获取到的第一点云映射至预设坐标系中,得到第一点云对应的第一坐标数据集合,其中,第一点云中的点与第一坐标数据集合中的第一坐标数据一一对应,装置将获取到的第二点云也映射至预设坐标系中,得到第二点云对应的第二坐标数据集合,其中,第二点云中的点与第二坐标数据集合中的第二坐标数据一一对应。
本申请实施例中,预设坐标系可以是二维网格,将第一点云和第二点云映射至预设坐标系中,即,将第一点云构成的三维物体和第二点云构成的三维物体均投影至二维网格中,得到第一点云中每个点对应的第一坐标数据和第二点云中每个点对应的第二坐标数据。
S205:根据第一坐标数据集合和第二坐标数据集合从第二点云中确定出地面点云。
本申请实施例中,装置根据第一坐标数据集合和第二坐标数据集合从第二点云中确定出地面点云。
一种可选的从第二点云中确定出地面点云的具体实施方式中,装置根据第二坐标数据集合从第二点云中确定出候选地面点云,其中,候选地面点云中相邻点间的距离均小于第一预设距离,也就是说,装置根据第二点云对应的第二坐标数据集合中坐标数据间的距离关系,从第二点云中筛选出可能是地面的点云,筛选出的可能是地面的点云中每相邻两个点间的距离均小于第一预设距离。
本申请实施例中,激光雷达的激光线将第二区域分为N个子区域,装置获取每一个子区域内以垂直于装配激光雷达的车辆的行驶方向±5m内的第一点云作为输入,采用奇异特征值法确定出每一子区域内的候选地面点云,并根据确定的N个区域内的候选地面点云确定出第二区域内的候选地面点云。
本申请实施例中,装置确定候选地面点云在预设坐标系中对应的第二坐标数据子集合,并根据第一坐标数据集合和候选地面点云对应的第二坐标数据子集合从候选地面点云中确定出地面点云,其中,第一坐标数据集合中存在第一坐标数据与地面点云中每一个点所对应的第二坐标数据匹配,且每个点所对应的第二坐标数据与匹配的第一坐标数据间的距离小于第二预设阈值。
本申请实施例中,装置从候选地面点云中确定出地面点云,还可以从第一点云中确定出与地面点云匹配的点,基于从第一点云中确定的与地面点云匹配的点和地面点云,可以判断获取的地图数据是否有效。一种可选的判断方式中,根据第一点云中与地面点云匹配的点的数量占第一点云中的点的数量的比例确定地图数据是否有效,另一种可选的判断方式中,根据第一点云中与地面点云匹配的点和地面点云中的点的平均距离确定地图数据是否有效,具体地判断获取的地图数据是否有效的其他方法在本说明书不作具体限定。当地图数据有效时,根据确定的地面点云拟合出第二区域内的地面参数,并根据第一点云和第二区域内的地面参数确定出第一区域的地面参数;当地图数据无效时,根据第二预设阈值和第一点云确定第一区域内的地面参数。
S207:根据第二坐标数据集合从第二点云中确定出物体点云。
本申请实施例中,装置遍历第二点云中每个除地后的点,即,根据第二点云中除地面点云外相邻点间的距离从第二点云中确定出物体点云,进行聚类操作。
本申请实施例中,一种可选的装置根据第二坐标数据集合从第二点云中确定出物体点云的具体实施方式中,装置根据第二坐标数据集合从第二点云中确定出候选物体点云,该候选物体点云中相邻点间的距离小于第三预设阈值,装置确定候选物体点云在预设坐标系中对应的第二坐标数据子集合,并根据该候选物体点云对应的第二坐标数据子集合从候选物体点云中确定出候选物体重心点,以及根据候选物体点云中除候选物体重心点之外的点与候选物体重心点间的距离从候选物体点云中确定出物体点云。
本申请实施例中,装置根据确定出的候选物体点云确定物体的候选面集合,并将候选物体重心点投影至物体的候选面集合中的各个候选面上,得到候选重心点在各个候选面上的第一方差,并确定候选物体点云中除候选物体重心点之外的点投影至各个候选面上的第二方差,当第二方差大于三倍的第一方差时,该第二方差对应的点所组成的点云为非物体点云。
本申请实施例中,利用激光雷达检测物体中的物体包括目标车辆和护栏,装置从候选物体点云中确定出物体点云,并根据物体点云在预设坐标系中对应的第二坐标数据子集合从物体点云中确定出第一物体点云和第二物体点云,其中,第一物体点云包含目标车辆对应的目标车辆点云,第二物体点云包含护栏对应的护栏点云。装置根据第一物体点云确定目标车辆的长、宽、高、中心点和重心点,以及根据第二物体点云确定护栏的长、宽、高、中心点和重心点。
S209:根据物体点云与激光雷达的距离确定物体点云对应的物体外边框。
本申请实施例中,请参见图4,其所示为确定的目标车辆的外边框和确定的护栏的外边框的效果示意图。一种可选的装置根据物体点云与激光雷达的距离确定物体点云对应的物体外边框的具体实施例中,装置基于第一物体点云中的点与激光雷达间的距离从第一物体点云中确定出目标车辆点云,以及基于第二物体点云中的点与激光雷达间的距离从第二物体点云中确定出护栏点云,并根据目标车辆点云确定目标车辆对应的目标车辆外边框和根据护栏点云确定护栏对应的护栏外边框。
具体地,装置根据目标车辆点云每隔预设距离的点云中与装配激光雷达的车辆间的最小距离的点,拟合出目标车辆的二次曲线,以及根据护栏点云每隔预设距离的点云中与装配激光雷达的车辆间的最小距离的点,拟合出目护栏的二次曲线。
本申请实施例中,装置根据目标车辆点云和激光雷达确定航向角向量集合,如图5所示为一种根据目标车辆点云和激光雷达确定航向角向量集合的效果示意图。装置根据确定的航向角集合中相邻航向角角度值变化最大的航向角向量为拐点向量。装置确定拐点向量在预设坐标系中对应的横向斜率和纵向斜率,若横向斜率和纵向斜率满足预设条件,确定拐点向量对应的角度值为目标车辆的航向角。
采用本申请实施例所提供的利用激光雷达检测物体的方法,通过结合第一点云和第二点云确定地面点云,使得除地操作具体针对性,不仅能够适用于非规整地面的复杂场景和L2及以上的智能驾驶,而且能够减少算力,此外还能够提高激光雷达检测物体的准确性。
本申请实施例还提供的一种利用激光雷达检测物体的装置,图6是本申请实施例提供的一种利用激光雷达检测物体的装置的结构示意图,如图6所示,该装置包括:
获取模块501用于获取地图数据中第一区域内的第一点云和激光雷达探测到的第二区域内的第二点云;第二区域在第一区域内;
映射模块503用于将第一点云映射至预设坐标系中,得到第一坐标数据集合,将第二点云映射至预设坐标系中,得到第二坐标数据集合;
第一确定模块505用于根据第一坐标数据集合和第二坐标数据集合从第二点云中确定出地面点云;
第二确定模块507用于根据第二坐标数据集合从第二点云中确定出物体点云;
第三确定模块509用于根据物体点云与激光雷达的距离确定物体点云对应的物体外边框。
本申请实施例中的装置与方法实施例基于同样的申请构思。
本申请实施例还提供的一种电子设备,电子设备可设置于服务器之中以保存用于实现方法实施例中的一种利用激光雷达检测物体的方法相关的至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该存储器加载并执行以实现上述的利用激光雷达检测物体的方法。
本申请实施例还提供的一种存储介质,存储介质可设置于服务器之中以保存用于实现方法实施例中一种利用激光雷达检测物体的方法相关的至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述利用激光雷达检测物体的方法。
可选的,在本实施例中,上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地,在本实施例中,上述存储介质可以包括但不限于包括:U盘、只读存储器(ROM,Read-only Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
由上述本申请提供的利用激光雷达检测物体的方法、装置、电子设备或存储介质的实施例可见,本申请中方法包括获取地图数据中第一区域内的第一点云和激光雷达探测到的第二区域内的第二点云,第二区域在第一区域内,将第一点云映射至预设坐标系中,得到第一坐标数据集合,将第二点云映射至预设坐标系中,得到第二坐标数据集合,根据第一坐标数据集合和第二坐标数据集合从第二点云中确定出地面点云,根据第二坐标数据集合从第二点云中确定出物体点云,根据物体点云与激光雷达的距离确定物体点云对应的物体外边框。基于本申请实施例,通过结合第一点云和第二点云确定地面点云,使得除地操作具体针对性,不仅能够适用于非规整地面的复杂场景和L2及以上的智能驾驶,而且能够减少算力,此外还能够提高激光雷达检测物体的准确性。
在本发明中,除非另有明确的规定和限定,术语“相连”、“连接”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;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相连或两个元件的相互作用关系。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。
需要说明的是:上述本申请实施例的先后顺序仅仅为了描述,不代表实施例的优劣,且上述本说明书对特定的实施例进行了描述,其他实施例也在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或者步骤可以按照不同的实施例中的顺序来执行并且能够实现预期的结果。另外,在附图中描绘的过程不一定要求示出特定顺序或者而连接顺序才能够实现期望的结果,在某些实施方式中,多任务并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的均为与其他实施例的不同之处。尤其,对于装置的实施例而言,由于其基于相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (8)
1.一种利用激光雷达检测物体的方法,其特征在于,包括:
获取地图数据中第一区域内的第一点云和激光雷达探测到的第二区域内的第二点云;所述第二区域在所述第一区域内;所述第一点云包括第一地面点云,所述第二点云包括第二地面点云和候选物体点云,所述第二地面点云与所述第一地面点云的子集合对应;
将所述第一点云映射至预设坐标系中,得到第一坐标数据集合,将所述第二点云映射至预设坐标系中,得到第二坐标数据集合;
根据所述第一坐标数据集合和所述第二坐标数据集合从所述第二点云中确定出地面点云;
根据所述第二坐标数据集合从所述第二点云中确定出物体点云;
根据所述物体点云与所述激光雷达的距离确定所述物体点云对应的物体外边框;
所述根据所述第一坐标数据集合和所述第二坐标数据集合从所述第二点云中确定出地面点云,包括:
根据所述第二坐标数据集合从所述第二点云中确定出候选地面点云;所述候选地面点云中相邻点间的距离小于第一预设阈值;
确定所述候选地面点云在所述预设坐标系中对应的第二坐标数据子集合;
根据所述第一坐标数据集合和所述候选地面点云对应的第二坐标数据子集合从所述候选地面点云中确定出所述地面点云;所述第一坐标数据集合中存在第一坐标数据与所述地面点云中每一个点所对应的第二坐标数据匹配,且所述每个点所对应的第二坐标数据与匹配的第一坐标数据间的距离小于第二预设阈值。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第二坐标数据集合从所述第二点云中确定出物体点云,包括:
根据所述第二坐标数据集合从所述第二点云中确定出候选物体点云;所述候选物体点云中相邻点间的距离小于第三预设阈值;
确定所述候选物体点云在所述预设坐标系中对应的第二坐标数据子集合;
根据所述候选物体点云对应的第二坐标数据子集合从所述候选物体点云中确定出物体重心点;
根据所述候选物体点云中除所述物体重心点之外的点云与所述物体重心点间的距离,从所述候选物体点云中确定出所述物体点云。
3.根据权利要求1所述的方法,其特征在于,所述物体包括目标车辆和护栏;
所述根据所述物体点云与所述激光雷达的距离确定所述物体点云对应的物体外边框之前,还包括:
根据所述物体点云对应的第二坐标数据子集合,从所述物体点云中确定出第一物体点云和第二物体点云;所述第一物体点云包含所述目标车辆对应的目标车辆点云,所述第二物体点云包含所述护栏对应的护栏点云。
4.根据权利要求3所述的方法,其特征在于,所述根据所述物体点云与所述激光雷达的距离确定所述物体点云对应的物体外边框,包括:
基于所述第一物体点云中的点与所述激光雷达间的距离从所述第一物体点云中确定出所述目标车辆点云;
基于所述第二物体点云中的点与所述激光雷达间的距离从所述第二物体点云中确定出所述护栏点云;
根据所述目标车辆点云确定所述目标车辆对应的目标车辆外边框;
根据所述护栏点云确定所述护栏对应的护栏外边框。
5.根据权利要求4所述方法,其特征在于,所述根据所述目标车辆点云确定所述目标车辆对应的目标车辆外边框之后,还包括:
根据所述目标车辆点云和所述激光雷达确定航向角向量集合;
确定所述航向角向量集合中相邻航向角角度值变化最大的航向角向量为拐点向量;
确定所述拐点向量在所述预设坐标系中对应的横向斜率和纵向斜率;
若所述横向斜率和所述纵向斜率满足预设条件,确定所述拐点向量对应的角度值为所述目标车辆的航向角。
6.一种利用激光雷达检测物体的装置,其特征在于,包括:
获取模块,用于获取地图数据中第一区域内的第一点云和激光雷达探测到的第二区域内的第二点云;所述第二区域在所述第一区域内;所述第一点云包括第一地面点云,所述第二点云包括第二地面点云和候选物体点云,所述第二地面点云与所述第一地面点云的子集合对应;
映射模块,用于将所述第一点云映射至预设坐标系中,得到第一坐标数据集合,将所述第二点云映射至预设坐标系中,得到第二坐标数据集合;
第一确定模块,用于根据所述第一坐标数据集合和所述第二坐标数据集合从所述第二点云中确定出地面点云;
第二确定模块,用于根据所述第二坐标数据集合从所述第二点云中确定出物体点云;
第三确定模块,用于根据所述物体点云与所述激光雷达的距离确定所述物体点云对应的物体外边框;
所述第一确定模块,用于根据所述第二坐标数据集合从所述第二点云中确定出候选地面点云;所述候选地面点云中相邻点间的距离小于第一预设阈值;
确定所述候选地面点云在所述预设坐标系中对应的第二坐标数据子集合;
根据所述第一坐标数据集合和所述候选地面点云对应的第二坐标数据子集合从所述候选地面点云中确定出所述地面点云;所述第一坐标数据集合中存在第一坐标数据与所述地面点云中每一个点所对应的第二坐标数据匹配,且所述每个点所对应的第二坐标数据与匹配的第一坐标数据间的距离小于第二预设阈值。
7.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现权利要求1-5任意一项所述利用激光雷达检测物体的方法。
8.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1-5任意一项所述利用激光雷达检测物体的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010196431.5A CN111487641B (zh) | 2020-03-19 | 2020-03-19 | 一种利用激光雷达检测物体的方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010196431.5A CN111487641B (zh) | 2020-03-19 | 2020-03-19 | 一种利用激光雷达检测物体的方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111487641A CN111487641A (zh) | 2020-08-04 |
CN111487641B true CN111487641B (zh) | 2022-04-22 |
Family
ID=71794486
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010196431.5A Active CN111487641B (zh) | 2020-03-19 | 2020-03-19 | 一种利用激光雷达检测物体的方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111487641B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111932883B (zh) * | 2020-08-13 | 2022-09-27 | 上海电科市政工程有限公司 | 一种利用路侧设备广播通信指导无人驾驶的方法 |
CN112364888A (zh) * | 2020-10-16 | 2021-02-12 | 爱驰汽车(上海)有限公司 | 点云数据处理方法、装置、计算设备及计算机存储介质 |
CN112348777B (zh) * | 2020-10-19 | 2024-01-12 | 深圳市优必选科技股份有限公司 | 人体目标的检测方法、装置及终端设备 |
CN112528781B (zh) * | 2020-11-30 | 2024-04-26 | 广州文远知行科技有限公司 | 一种障碍物检测方法、装置、设备和计算机可读存储介质 |
CN113484843A (zh) * | 2021-06-02 | 2021-10-08 | 福瑞泰克智能系统有限公司 | 一种激光雷达与组合导航间外参数的确定方法及装置 |
CN113466815A (zh) * | 2021-06-29 | 2021-10-01 | 东软睿驰汽车技术(沈阳)有限公司 | 物体识别方法、装置、设备及存储介质 |
CN113706676B (zh) * | 2021-08-26 | 2024-01-16 | 京东鲲鹏(江苏)科技有限公司 | 用于点云数据的模型自监督训练方法和装置 |
CN114612598A (zh) * | 2022-02-16 | 2022-06-10 | 苏州一径科技有限公司 | 一种点云的处理方法、装置及激光雷达 |
CN114647011B (zh) * | 2022-02-28 | 2024-02-02 | 三一海洋重工有限公司 | 集卡防吊监控方法、装置及系统 |
CN115047471B (zh) * | 2022-03-30 | 2023-07-04 | 北京一径科技有限公司 | 确定激光雷达点云分层的方法、装置、设备及存储介质 |
CN114862808B (zh) * | 2022-05-18 | 2023-11-17 | 亿咖通(湖北)技术有限公司 | 虚线框精度的确定方法、装置、设备及存储介质 |
CN117974748A (zh) * | 2022-10-24 | 2024-05-03 | 顺丰科技有限公司 | 包裹尺寸测量方法、装置、计算机设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106407947A (zh) * | 2016-09-29 | 2017-02-15 | 百度在线网络技术(北京)有限公司 | 用于无人驾驶车辆的目标物体识别方法和装置 |
CN108228798A (zh) * | 2017-12-29 | 2018-06-29 | 百度在线网络技术(北京)有限公司 | 确定点云数据之间的匹配关系的方法和装置 |
CN108509918A (zh) * | 2018-04-03 | 2018-09-07 | 中国人民解放军国防科技大学 | 融合激光点云与图像的目标检测与跟踪方法 |
CN108596860A (zh) * | 2018-05-10 | 2018-09-28 | 芜湖航飞科技股份有限公司 | 一种基于三维激光雷达的地面点云分割方法 |
CN109188448A (zh) * | 2018-09-07 | 2019-01-11 | 百度在线网络技术(北京)有限公司 | 点云非地面点过滤方法、装置及存储介质 |
CN110780305A (zh) * | 2019-10-18 | 2020-02-11 | 华南理工大学 | 一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法 |
-
2020
- 2020-03-19 CN CN202010196431.5A patent/CN111487641B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106407947A (zh) * | 2016-09-29 | 2017-02-15 | 百度在线网络技术(北京)有限公司 | 用于无人驾驶车辆的目标物体识别方法和装置 |
CN108228798A (zh) * | 2017-12-29 | 2018-06-29 | 百度在线网络技术(北京)有限公司 | 确定点云数据之间的匹配关系的方法和装置 |
CN108509918A (zh) * | 2018-04-03 | 2018-09-07 | 中国人民解放军国防科技大学 | 融合激光点云与图像的目标检测与跟踪方法 |
CN108596860A (zh) * | 2018-05-10 | 2018-09-28 | 芜湖航飞科技股份有限公司 | 一种基于三维激光雷达的地面点云分割方法 |
CN109188448A (zh) * | 2018-09-07 | 2019-01-11 | 百度在线网络技术(北京)有限公司 | 点云非地面点过滤方法、装置及存储介质 |
CN110780305A (zh) * | 2019-10-18 | 2020-02-11 | 华南理工大学 | 一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111487641A (zh) | 2020-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111487641B (zh) | 一种利用激光雷达检测物体的方法、装置、电子设备及存储介质 | |
EP3171292B1 (en) | Driving lane data processing method, device, storage medium and apparatus | |
US10049492B2 (en) | Method and apparatus for rendering facades of objects of interest from three-dimensional point clouds | |
US9846946B2 (en) | Objection recognition in a 3D scene | |
CN105184852B (zh) | 一种基于激光点云的城市道路识别方法及装置 | |
Huang et al. | On-board vision system for lane recognition and front-vehicle detection to enhance driver's awareness | |
Chen et al. | Next generation map making: Geo-referenced ground-level LIDAR point clouds for automatic retro-reflective road feature extraction | |
JP5822255B2 (ja) | 対象物識別装置及びプログラム | |
CN110674705A (zh) | 基于多线激光雷达的小型障碍物检测方法及装置 | |
CN111179300A (zh) | 障碍物检测的方法、装置、系统、设备以及存储介质 | |
KR101822185B1 (ko) | 3d 포인트 클라우드 poi 검출 방법 및 장치 | |
EP2779025A2 (en) | Method and system for detecting road edge | |
Liu et al. | Ground surface filtering of 3D point clouds based on hybrid regression technique | |
CN102982304A (zh) | 利用偏光图像检测车辆位置的方法和系统 | |
CN114266960A (zh) | 一种点云信息与深度学习相结合的障碍物检测方法 | |
Petrovai et al. | A stereovision based approach for detecting and tracking lane and forward obstacles on mobile devices | |
Lee et al. | Real-time lane detection and departure warning system on embedded platform | |
Wang et al. | Robust lane detection based on gradient-pairs constraint | |
Janda et al. | Road boundary detection for run-off road prevention based on the fusion of video and radar | |
Qing et al. | A novel particle filter implementation for a multiple-vehicle detection and tracking system using tail light segmentation | |
EP2677462A1 (en) | Method and apparatus for segmenting object area | |
CN111160132A (zh) | 障碍物所在车道的确定方法、装置、电子设备和存储介质 | |
Nitsch et al. | 3d ground point classification for automotive scenarios | |
Zhe et al. | A robust lane detection method in the different scenarios | |
Li-Yong et al. | A lane detection technique based on adaptive threshold segmentation of lane gradient image |
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 |