CN111665522A - 过滤激光扫描图中静止物体的方法、介质、终端和装置 - Google Patents
过滤激光扫描图中静止物体的方法、介质、终端和装置 Download PDFInfo
- Publication number
- CN111665522A CN111665522A CN202010425637.0A CN202010425637A CN111665522A CN 111665522 A CN111665522 A CN 111665522A CN 202010425637 A CN202010425637 A CN 202010425637A CN 111665522 A CN111665522 A CN 111665522A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud picture
- moment
- map
- object information
- 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.)
- Granted
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
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
-
- 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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
-
- 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)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开一种过滤激光扫描图中静止物体的方法、介质、终端和装置,方法包括以下步骤:获取当前时刻对应的第一点云图和历史时刻对应的连续多帧第二点云图;提取每帧第二点云图的运动物体信息,并采用递归算法将所有第二点云图的运动物体信息随时刻传播到第一点云图,以过滤掉第一点云图中当前时刻和历史时刻均保持静止的物体。本发明引入递归记忆机制,不仅当前时刻的运动物体能被记录,历史时刻运动过但是当前时刻保持静止的物体也能被记录,从而过滤掉一直保持静止的物体,提高了行人检测的准确性,为机器人的后续导航避障、运动行为以及交互行为等提供了更准确的指导,提高了机器人的运动效率和服务质量。
Description
【技术领域】
本发明涉及智能机器人领域,尤其涉及一种过滤激光扫描图中静止物体的方法、介质、终端和装置。
【背景技术】
机器人或无人车在移动过程中,往往需要利用激光雷达扫描周围环境,得到周围环境的点云图,从而实现对周围物体的感知。激光点云图通常可用来指导机器人导航过程中的路径规划和运动策略,例如避障等。由于激光雷达原理是通过发射激光遇到障碍物后返回障碍物的距离值,因此激光点云图中的物体缺少物体类别的信息,同时由于在激光雷达扫描得到的点云图中,行人经过俯视投影后以两个弧形的人腿方式呈现,这种弧形人腿与环境中形状类似的柱状物,例如桌腿、栏杆、椅子腿等难以区分,仅靠单帧点云图易把这种柱状物误识别为人腿,从而造成行人误检,影响后续对机器人导航避障以及交互行为进行设计。
【发明内容】
本发明提供了一种过滤激光扫描图中静止物体的方法、介质、终端和装置,解决了以上所述的技术问题。
本发明解决上述技术问题的技术方案如下:一种过滤激光扫描图中静止物体的方法,包括以下步骤:
S1,获取当前时刻对应的第一点云图和历史时刻对应的连续多帧第二点云图;
S2,提取每帧第二点云图的运动物体信息,并采用递归算法将所有第二点云图的运动物体信息随时刻传播到所述第一点云图,以过滤掉所述第一点云图中当前时刻和历史时刻均保持静止的物体。
在一个优选实施方式中,所述S2包括以下步骤:
S201,将当前时刻T的第一点云图与相邻前刻T-1的第二点云图进行点云数据融合,提取所述第一点云图中正在运动的第一运动物体信息Motion_map(T);
S202,采用递归累积方法从所述连续多帧第二点云图中提取在T-1时刻之前曾经运动过且从T-1时刻保持静止到当前时刻T的第二运动物体信息His_Motion_map(T-1);
S203,计算第一运动物体信息Motion_map(T)和第二运动物体信息His_Motion_map(T-1)之和,生成当前时刻T正在运动以及历史时刻曾经运动而后保持静止的所有物体信息,以过滤所述第一点云图中当前时刻和历史时刻均保持静止的物体。
在一个优选实施方式中,所述S201具体为:根据机器人本体的相对位移将相邻前刻T-1的点云数据映射到当前时刻T的机器人坐标系,并采用第一预设公式计算第一运动物体信息Motion_map(T),所述第一预设公式为:
Motion_map(T)=abs(d(T)-d'(T-1)),
其中,d(T)表示当前时刻T对应第一点云图中任意一点坐标,d'(T-1)表示相邻前刻T-1对应第二点云图中任意一点坐标变换到第一点云图的坐标。
在一个优选实施例中,所述S202具体为:
S2021,提取第一点云图中从T-1时刻保持静止到当前时刻T的所有静止物体信息Static_map(T),
所述Static_map(T)=1-abs(d(T)-d'(T-1)),
其中,d(T)表示当前时刻T对应第一点云图中任意一点坐标,d'(T-1)表示相邻前刻T-1对应第二点云图中任意一点坐标变换到第一点云图的坐标;
S2022,采用第二预设公式计算第二运动物体信息His_Motion_map(T-1),所述第二预设公式为:
,其中And为逻辑与操作。
在一个优选实施方式中,计算d'(T-1)所采用的坐标变换公式为:
x′=(x-Δx)cosΔθ-(y-Δy)sinΔθ,
y′=(x-Δx)sinΔθ+(y-Δy1)cosΔθ,
其中,x、y表示相邻前刻T-1对应第二点云图中激光点坐标,Δx、Δy、Δθ为相邻前刻T-1到当前时刻T机器人本体的相对位移,x'、y'为所述激光点在当前时刻的机器人坐标系的位置。
本发明实施例的第二方面提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,实现以上所述的过滤激光扫描图中静止物体的方法。
本发明实施例的第三方面提供了一种过滤激光扫描图中静止物体的终端,包括所述的计算机可读存储介质和处理器,所述处理器执行所述计算机可读存储介质上的计算机程序时实现以上所述过滤激光扫描图中静止物体的方法的步骤。
本发明实施例的第四方面提供了一种过滤激光扫描图中静止物体的装置,包括获取模块和过滤模块,
所述获取模块用于获取当前时刻对应的第一点云图和历史时刻对应的连续多帧第二点云图;
所述过滤模块用于提取每帧第二点云图的运动物体信息,并采用递归算法将所有第二点云图的运动物体信息随时刻传播到所述第一点云图,以过滤掉所述第一点云图中当前时刻和历史时刻均保持静止的物体。
在一个优选实施方式中,所述过滤模块具体包括:
第一提取单元,用于将当前时刻T的第一点云图与相邻前刻T-1的第二点云图进行点云数据融合,提取所述第一点云图中正在运动的第一运动物体信息Motion_map(T);
第二提取单元,用于采用递归累积方法从所述连续多帧第二点云图中提取在T-1时刻之前曾经运动过且从T-1时刻保持静止到当前时刻T的第二运动物体信息His_Motion_map(T-1);
过滤单元,用于计算第一运动物体信息Motion_map(T)和第二运动物体信息His_Motion_map(T-1)之和,生成当前时刻T正在运动以及历史时刻曾经运动而后保持静止的所有物体信息,以过滤所述第一点云图中当前时刻和历史时刻均保持静止的物体。
在一个优选实施方式中,所述第一提取单元具体用于根据机器人本体的相对位移将相邻前刻T-1的点云数据映射到当前时刻T的机器人坐标系,并采用第一预设公式计算第一运动物体信息Motion_map(T),所述第一预设公式为:
Motion_map(T)=abs(d(T)-d'(T-1)),
其中,d(T)表示当前时刻T对应第一点云图中任意一点坐标,d'(T-1)表示相邻前刻T-1对应第二点云图中任意一点坐标变换到第一点云图的坐标。
在一个优选实施方式中,所述第二提取单元具体包括静止信息提取单元和历史运动信息提取单元,
所述静止信息提取单元用于提取第一点云图中从T-1时刻保持静止到当前时刻T的所有静止物体信息Static_map(T),
所述Static_map(T)=1-abs(d(T)-d'(T-1)),
其中,d(T)表示当前时刻T对应第一点云图中任意一点坐标,d'(T-1)表示相邻前刻T-1对应第二点云图中任意一点坐标变换到第一点云图的坐标;
所述历史运动信息提取单元用于采用第二预设公式计算第二运动物体信息His_Motion_map(T-1),所述第二预设公式为:
在一个优选实施方式中,所述第一提取单元和所述静止信息提取单元计算d'(T-1)所采用的坐标变换公式为:
x′=(x-Δx)cosΔθ-(y-Δy)sinΔθ,
y′=(x-Δx)sinΔθ+(y-Δy1)cosΔθ,
其中,x、y表示相邻前刻T-1对应第二点云图中激光点坐标,Δx、Δy、Δθ为相邻前刻T-1到当前时刻T机器人本体的相对位移,x'、y'为所述激光点在当前时刻的机器人坐标系的位置。
本发明具有以下有益效果:本发明针对激光点云图的天然缺陷,本发明引入递归记忆机制,将每一时刻的运动物体记录在历史运动物体中,并不断将历史运动物体随时刻传播到当前时刻,这样不仅当前时刻的运动物体能被记录,历史时刻运动过但是当前时刻保持静止的物体也能被记录,从而过滤掉一直保持静止的物体,提高了行人检测的准确性,为机器人的后续导航避障、运动行为以及交互行为等提供了更准确的指导,提高了机器人的运动效率和服务质量。
为使发明的上述目的、特征和优点能更明显易懂,下文特举本发明较佳实施例,并配合所附附图,作详细说明如下。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1是实施例1提供的过滤激光扫描图中静止物体的方法的流程示意图;
图2是实施例1提供的过滤激光扫描图中静止物体的方法的算法图;
图3是实施例2提供的过滤激光扫描图中静止物体的装置的结构示意图;
图4是实施例3提供的过滤激光扫描图中静止物体的终端的结构示意图。
【具体实施方式】
为了使本发明的目的、技术方案和有益技术效果更加清晰明白,以下结合附图和具体实施方式,对本发明进行进一步详细说明。应当理解的是,本说明书中描述的具体实施方式仅仅是为了解释本发明,并不是为了限定本发明。
图1是实施例1提供的过滤激光扫描图中静止物体的方法的流程示意图,如图1所示,包括以下步骤:
S1,获取当前时刻对应的第一点云图和历史时刻对应的连续多帧第二点云图;
S2,提取每帧第二点云图的运动物体信息,并采用递归算法将所有第二点云图的运动物体信息随时刻传播到所述第一点云图,以过滤掉所述第一点云图中当前时刻和历史时刻均保持静止的物体。
以下对上述步骤进行详细说明。一个优选实施例中,所述S2包括以下步骤:
S201,将当前时刻T的第一点云图与相邻前刻T-1的第二点云图进行点云数据融合,提取所述第一点云图中正在运动的第一运动物体信息Motion_map(T)。具体来说,根据机器人本体的相对位移将相邻前刻T-1的点云数据映射到当前时刻T的机器人坐标系,并采用第一预设公式计算第一运动物体信息Motion_map(T),所述第一预设公式为:
Motion_map(T)=abs(d(T)-d'(T-1)),
其中,d(T)表示当前时刻T对应第一点云图中任意一点坐标,d'(T-1)表示相邻前刻T-1对应第二点云图中任意一点坐标变换到第一点云图的坐标。d(T)与d'(T-1)相减后取绝对值即可得到当前时刻正在运动的物体信息。具体来说,计算d'(T-1)所采用的坐标变换公式为:
x′=(x-Δx)cosΔθ-(y-Δy)sinΔθ,
y′=(x-Δx)sinΔθ+(y-Δy1)cosΔθ,
其中,x、y表示相邻前刻T-1对应第二点云图中激光点坐标,Δx、Δy、Δθ为相邻前刻T-1到当前时刻T机器人本体的相对位移,x'、y'为所述激光点在当前时刻的机器人坐标系的位置。
然后执行S202,采用递归累积方法从所述连续多帧第二点云图中提取在T-1时刻之前曾经运动过且从T-1时刻保持静止到当前时刻T的第二运动物体信息His_Motion_map(T-1)。具体包括以下步骤:
S2021,提取第一点云图中从相邻前刻T-1时刻保持静止到当前时刻T的所有静止物体信息Static_map(T),
所述Static_map(T)=1-abs(d(T)-d'(T-1)),
其中,d(T)表示当前时刻T对应第一点云图中任意一点坐标,d'(T-1)表示相邻前刻T-1对应第二点云图中任意一点坐标变换到第一点云图的坐标。同样,计算d'(T-1)所采用的坐标变换公式为:
x′=(x-Δx)cosΔθ-(y-Δy)sinΔθ,
y′=(x-Δx)sinΔθ+(y-Δy1)cosΔθ,
其中,x、y表示相邻前刻T-1对应第二点云图中激光点坐标,Δx、Δy、Δθ为相邻前刻T-1到当前时刻T机器人本体的相对位移,x'、y'为所述激光点在当前时刻的机器人坐标系的位置。
然后执行S2022,采用第二预设公式计算第二运动物体信息His_Motion_map(T-1),所述第二预设公式为:
,其中And为逻辑与操作。这样就可得到T-1时刻之前曾经运动过而后一直静止直到时刻T的物体。
最后,计算第一运动物体信息Motion_map(T)和第二运动物体信息His_Motion_map(T-1)之和,生成当前时刻T正在运动以及历史时刻曾经运动而后保持静止的所有物体信息,从而过滤所述第一点云图中当前时刻和历史时刻均保持静止的物体。
以上流程的具体算法图如2所示。以T=2为例,His_Motion_map(1)代表T=1时刻之前曾经运动过,而后在T=1到T=2之间保持静止的物体,Static_map(2)表示T=2时刻静止的所有物体,Motion_map(2)表示T=2时刻正在运动的物体,Motion_map(1)表示T=1时刻正在运动的物体。首先根据坐标映射的方法计算Static_map(2)和Motion_map(2),然后计算His_Motion_map(1)=Motion_map(1)AndStatic_map(2),And操作为逻辑与操作,即Motion_map(1)上值为1的点当且仅当在Static_map(2)上同样位置值也为1,则His_motion_map(1)该位置值为1,否则His_motion_map(1)在该位置值都为0。最后,T=2时刻所有正在运动的物体以及曾经运动的物体为His_Motion_map(1)+Motion_map(2)。
以上实施例提供了一种过滤激光扫描图中静止物体的方法,包括两步,第一步利用机器人在不同时刻本体的位移将历史时刻的点云图映射到当前时刻以判断当前时刻正在运动物体,第二步引入一种递归传播机制,将每一时刻的运动物体记录在历史运动物体中,并不断将历史运动物体随时刻传播到当前时刻,这样不仅当前时刻的运动物体能被记录,历史时刻运动过但是当前时刻保持静止的物体也能被记录,从而过滤掉一直保持静止的物体,提高了行人检测的准确性,为机器人的后续导航避障、运动行为以及交互行为等提供了更准确的指导,例如判断为静止物体时可较快较近距离经过,而判断为运动物体则需要较慢并保持更大的安全距离经过,从而提高了机器人的运动效率和服务质量。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
本发明实施例还提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,实现以上所述的过滤激光扫描图中静止物体的方法。
图3是实施例2提供的过滤激光扫描图中静止物体的装置的结构示意图,如图3所示,包括获取模块100和过滤模块200,
所述获取模块100用于获取当前时刻对应的第一点云图和历史时刻对应的连续多帧第二点云图;
所述过滤模块200用于提取每帧第二点云图的运动物体信息,并采用递归算法将所有第二点云图的运动物体信息随时刻传播到所述第一点云图,以过滤掉所述第一点云图中当前时刻和历史时刻均保持静止的物体。
在一个优选实施方式中,所述过滤模块200具体包括:
第一提取单元201,用于将当前时刻T的第一点云图与相邻前刻T-1的第二点云图进行点云数据融合,提取所述第一点云图中正在运动的第一运动物体信息Motion_map(T);
第二提取单元202,用于采用递归累积方法从所述连续多帧第二点云图中提取在T-1时刻之前曾经运动过且从T-1时刻保持静止到当前时刻T的第二运动物体信息His_Motion_map(T-1);
过滤单元203,用于计算第一运动物体信息Motion_map(T)和第二运动物体信息His_Motion_map(T-1)之和,生成当前时刻T正在运动以及历史时刻曾经运动而后保持静止的所有物体信息,以过滤所述第一点云图中当前时刻和历史时刻均保持静止的物体。
在一个优选实施方式中,所述第一提取单元201具体用于根据机器人本体的相对位移将相邻前刻T-1的点云数据映射到当前时刻T的机器人坐标系,并采用第一预设公式计算第一运动物体信息Motion_map(T),所述第一预设公式为:
Motion_map(T)=abs(d(T)-d'(T-1)),
其中,d(T)表示当前时刻T对应第一点云图中任意一点坐标,d'(T-1)表示相邻前刻T-1对应第二点云图中任意一点坐标变换到第一点云图的坐标。
在一个优选实施方式中,所述第二提取单元202具体包括静止信息提取单元2021和历史运动信息提取单元2022,
所述静止信息提取单元2021用于提取第一点云图中从T-1时刻保持静止到当前时刻T的所有静止物体信息Static_map(T),
所述Static_map(T)=1-abs(d(T)-d'(T-1)),
其中,d(T)表示当前时刻T对应第一点云图中任意一点坐标,d'(T-1)表示相邻前刻T-1对应第二点云图中任意一点坐标变换到第一点云图的坐标;
所述历史运动信息提取单元2022用于采用第二预设公式计算第二运动物体信息His_Motion_map(T-1),所述第二预设公式为:
在一个优选实施方式中,所述第一提取单元201和所述静止信息提取单元2021计算d'(T-1)所采用的坐标变换公式为:
x′=(x-Δx)cosΔθ-(y-Δy)sinΔθ,
y′=(x-Δx)sinΔθ+(y-Δy1)cosΔθ,
其中,x、y表示相邻前刻T-1对应第二点云图中激光点坐标,Δx、Δy、Δθ为相邻前刻T-1到当前时刻T机器人本体的相对位移,x'、y'为所述激光点在当前时刻的机器人坐标系的位置。
本发明实施例还提供了一种过滤激光扫描图中静止物体的终端,包括所述的计算机可读存储介质和处理器,所述处理器执行所述计算机可读存储介质上的计算机程序时实现以上所述过滤激光扫描图中静止物体的方法的步骤。图4是本发明实施例3提供的过滤激光扫描图中静止物体的终端的结构示意图,如图4所示,该实施例的过滤激光扫描图中静止物体的终端8包括:处理器80、可读存储介质81以及存储在所述可读存储介质81中并可在所述处理器80上运行的计算机程序82。所述处理器80执行所述计算机程序82时实现上述各个方法实施例中的步骤,例如图1所示的步骤1至步骤2。或者,所述处理器80执行所述计算机程序82时实现上述各装置实施例中各模块的功能,例如图3所示模块100至200的功能。
示例性的,所述计算机程序82可以被分割成一个或多个模块,所述一个或者多个模块被存储在所述可读存储介质81中,并由所述处理器80执行,以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序82在所述过滤激光扫描图中静止物体的终端8中的执行过程。
所述过滤激光扫描图中静止物体的终端8可包括,但不仅限于,处理器80、可读存储介质81。本领域技术人员可以理解,图4仅仅是过滤激光扫描图中静止物体的终端8的示例,并不构成对过滤激光扫描图中静止物体的终端8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,例如所述过滤激光扫描图中静止物体的终端还可以包括电源管理模块、运算处理模块、输入输出设备、网络接入设备、总线等。
所称处理器80可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述可读存储介质81可以是所述过滤激光扫描图中静止物体的终端8的内部存储单元,例如过滤激光扫描图中静止物体的终端8的硬盘或内存。所述可读存储介质81也可以是所述过滤激光扫描图中静止物体的终端8的外部存储设备,例如所述过滤激光扫描图中静止物体的终端8上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述可读存储介质81还可以既包括所述过滤激光扫描图中静止物体的终端8的内部存储单元也包括外部存储设备。所述可读存储介质81用于存储所述计算机程序以及所述过滤激光扫描图中静止物体的终端所需的其他程序和数据。所述可读存储介质81还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
本发明并不仅仅限于说明书和实施方式中所描述,因此对于熟悉领域的人员而言可容易地实现另外的优点和修改,故在不背离权利要求及等同范围所限定的一般概念的精神和范围的情况下,本发明并不限于特定的细节、代表性的设备和这里示出与描述的图示示例。
Claims (10)
1.一种过滤激光扫描图中静止物体的方法,其特征在于,包括以下步骤:
S1,获取当前时刻对应的第一点云图和历史时刻对应的连续多帧第二点云图;
S2,提取每帧第二点云图的运动物体信息,并采用递归算法将所有第二点云图的运动物体信息随时刻传播到所述第一点云图,以过滤掉所述第一点云图中当前时刻和历史时刻均保持静止的物体。
2.根据权利要求1所述过滤激光扫描图中静止物体的方法,其特征在于,所述S2包括以下步骤:
S201,将当前时刻T的第一点云图与相邻前刻T-1的第二点云图进行点云数据融合,提取所述第一点云图中正在运动的第一运动物体信息Motion_map(T);
S202,采用递归累积方法从所述连续多帧第二点云图中提取在T-1时刻之前曾经运动过且从T-1时刻保持静止到当前时刻T的第二运动物体信息His_Motion_map(T-1);
S203,计算第一运动物体信息Motion_map(T)和第二运动物体信息His_Motion_map(T-1)之和,生成当前时刻T正在运动以及历史时刻曾经运动而后保持静止的所有物体信息,以过滤所述第一点云图中当前时刻和历史时刻均保持静止的物体。
3.根据权利要求2所述过滤激光扫描图中静止物体的方法,其特征在于,所述S201具体为:根据机器人本体的相对位移将相邻前刻T-1的点云数据映射到当前时刻T的机器人坐标系,并采用第一预设公式计算第一运动物体信息Motion_map(T),所述第一预设公式为:
Motion_map(T)=abs(d(T)-d'(T-1)),
其中,d(T)表示当前时刻T对应第一点云图中任意一点坐标,d'(T-1)表示相邻前刻T-1对应第二点云图中任意一点坐标变换到第一点云图的坐标。
5.根据权利要求3或4所述过滤激光扫描图中静止物体的方法,其特征在于,计算d'(T-1)所采用的坐标变换公式为:
x′=(x-Δx)cosΔθ-(y-Δy)sinΔθ,
y′=(x-Δx)sinΔθ+(y-Δy1)cosΔθ,
其中,x、y表示相邻前刻T-1对应第二点云图中激光点坐标,Δx、Δy、Δθ为相邻前刻T-1到当前时刻T机器人本体的相对位移,x'、y'为所述激光点在当前时刻的机器人坐标系的位置。
6.一种计算机可读存储介质,其特征在于,存储有计算机程序,所述计算机程序被处理器执行时,实现权利要求1-5任一所述过滤激光扫描图中静止物体的方法。
7.一种过滤激光扫描图中静止物体的终端,其特征在于,包括所述的计算机可读存储介质和处理器,所述处理器执行所述计算机可读存储介质上的计算机程序时实现权利要求1-5任一所述过滤激光扫描图中静止物体的方法的步骤。
8.一种过滤激光扫描图中静止物体的装置,其特征在于,包括获取模块和过滤模块,
所述获取模块用于获取当前时刻对应的第一点云图和历史时刻对应的连续多帧第二点云图;
所述过滤模块用于提取每帧第二点云图的运动物体信息,并采用递归算法将所有第二点云图的运动物体信息随时刻传播到所述第一点云图,以过滤掉所述第一点云图中当前时刻和历史时刻均保持静止的物体。
9.根据权利要求8所述过滤激光扫描图中静止物体的装置,其特征在于,所述过滤模块具体包括:
第一提取单元,用于将当前时刻T的第一点云图与相邻前刻T-1的第二点云图进行点云数据融合,提取所述第一点云图中正在运动的第一运动物体信息Motion_map(T);
第二提取单元,用于采用递归累积方法从所述连续多帧第二点云图中提取在T-1时刻之前曾经运动过且从T-1时刻保持静止到当前时刻T的第二运动物体信息His_Motion_map(T-1);
过滤单元,用于计算第一运动物体信息Motion_map(T)和第二运动物体信息His_Motion_map(T-1)之和,生成当前时刻T正在运动以及历史时刻曾经运动而后保持静止的所有物体信息,以过滤所述第一点云图中当前时刻和历史时刻均保持静止的物体。
10.根据权利要求9所述过滤激光扫描图中静止物体的装置,其特征在于,所述第一提取单元具体用于根据机器人本体的相对位移将相邻前刻T-1的点云数据映射到当前时刻T的机器人坐标系,并采用第一预设公式计算第一运动物体信息Motion_map(T),所述第一预设公式为:
Motion_map(T)=abs(d(T)-d'(T-1)),
其中,d(T)表示当前时刻T对应第一点云图中任意一点坐标,d'(T-1)表示相邻前刻T-1对应第二点云图中任意一点坐标变换到第一点云图的坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010425637.0A CN111665522B (zh) | 2020-05-19 | 2020-05-19 | 过滤激光扫描图中静止物体的方法、介质、终端和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010425637.0A CN111665522B (zh) | 2020-05-19 | 2020-05-19 | 过滤激光扫描图中静止物体的方法、介质、终端和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111665522A true CN111665522A (zh) | 2020-09-15 |
CN111665522B CN111665522B (zh) | 2022-12-16 |
Family
ID=72383999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010425637.0A Active CN111665522B (zh) | 2020-05-19 | 2020-05-19 | 过滤激光扫描图中静止物体的方法、介质、终端和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111665522B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112484738A (zh) * | 2020-11-24 | 2021-03-12 | 深圳市优必选科技股份有限公司 | 机器人建图方法、装置、计算机可读存储介质及机器人 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040151342A1 (en) * | 2003-01-30 | 2004-08-05 | Venetianer Peter L. | Video scene background maintenance using change detection and classification |
US20150293216A1 (en) * | 2014-04-15 | 2015-10-15 | GM Global Technology Operations LLC | Method and system for detecting, tracking and estimating stationary roadside objects |
CN106934347A (zh) * | 2017-02-10 | 2017-07-07 | 百度在线网络技术(北京)有限公司 | 障碍物识别方法及装置、计算机设备及可读介质 |
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 |
CN108985171A (zh) * | 2018-06-15 | 2018-12-11 | 上海仙途智能科技有限公司 | 运动状态估计方法和运动状态估计装置 |
US20190086923A1 (en) * | 2017-09-18 | 2019-03-21 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for generating obstacle motion information for autonomous vehicle |
CN109521757A (zh) * | 2017-09-18 | 2019-03-26 | 百度在线网络技术(北京)有限公司 | 静态障碍物识别方法和装置 |
CN109633685A (zh) * | 2018-11-22 | 2019-04-16 | 浙江中车电车有限公司 | 一种基于激光雷达侦测障碍物状态的方法及系统 |
CN110333517A (zh) * | 2019-07-11 | 2019-10-15 | 腾讯科技(深圳)有限公司 | 障碍物感知方法、装置及存储介质 |
CN110865365A (zh) * | 2019-11-27 | 2020-03-06 | 江苏集萃智能传感技术研究所有限公司 | 一种基于毫米波雷达的停车场噪声消除方法 |
CN111079621A (zh) * | 2019-12-10 | 2020-04-28 | 北京百度网讯科技有限公司 | 检测对象的方法、装置、电子设备和存储介质 |
US20200132850A1 (en) * | 2018-04-23 | 2020-04-30 | Blackmore Sensors & Analytics, Llc | Lidar system for autonomous vehicle |
-
2020
- 2020-05-19 CN CN202010425637.0A patent/CN111665522B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040151342A1 (en) * | 2003-01-30 | 2004-08-05 | Venetianer Peter L. | Video scene background maintenance using change detection and classification |
US20150293216A1 (en) * | 2014-04-15 | 2015-10-15 | GM Global Technology Operations LLC | Method and system for detecting, tracking and estimating stationary roadside objects |
CN106934347A (zh) * | 2017-02-10 | 2017-07-07 | 百度在线网络技术(北京)有限公司 | 障碍物识别方法及装置、计算机设备及可读介质 |
US20190086923A1 (en) * | 2017-09-18 | 2019-03-21 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for generating obstacle motion information for autonomous vehicle |
CN109521757A (zh) * | 2017-09-18 | 2019-03-26 | 百度在线网络技术(北京)有限公司 | 静态障碍物识别方法和装置 |
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 |
US20200132850A1 (en) * | 2018-04-23 | 2020-04-30 | Blackmore Sensors & Analytics, Llc | Lidar system for autonomous vehicle |
CN108985171A (zh) * | 2018-06-15 | 2018-12-11 | 上海仙途智能科技有限公司 | 运动状态估计方法和运动状态估计装置 |
CN109633685A (zh) * | 2018-11-22 | 2019-04-16 | 浙江中车电车有限公司 | 一种基于激光雷达侦测障碍物状态的方法及系统 |
CN110333517A (zh) * | 2019-07-11 | 2019-10-15 | 腾讯科技(深圳)有限公司 | 障碍物感知方法、装置及存储介质 |
CN110865365A (zh) * | 2019-11-27 | 2020-03-06 | 江苏集萃智能传感技术研究所有限公司 | 一种基于毫米波雷达的停车场噪声消除方法 |
CN111079621A (zh) * | 2019-12-10 | 2020-04-28 | 北京百度网讯科技有限公司 | 检测对象的方法、装置、电子设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
蔡自兴等: "基于激光雷达的动态障碍物实时检测", 《控制工程》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112484738A (zh) * | 2020-11-24 | 2021-03-12 | 深圳市优必选科技股份有限公司 | 机器人建图方法、装置、计算机可读存储介质及机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN111665522B (zh) | 2022-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11275962B2 (en) | Method of controlling image acquisition and other related tools | |
CN110587597B (zh) | 一种基于激光雷达的slam闭环检测方法及检测系统 | |
CN112880687B (zh) | 一种室内定位方法、装置、设备和计算机可读存储介质 | |
CN111695497B (zh) | 基于运动信息的行人识别方法、介质、终端和装置 | |
CN111121754A (zh) | 移动机器人定位导航方法、装置、移动机器人及存储介质 | |
CN113340334B (zh) | 用于无人车的传感器标定方法、装置及电子设备 | |
EP3114647A2 (en) | Method and system for 3d capture based on structure from motion with simplified pose detection | |
CN111060118B (zh) | 场景地图建立方法、设备及存储介质 | |
CN110850859A (zh) | 一种机器人及其避障方法和避障系统 | |
CN111665522B (zh) | 过滤激光扫描图中静止物体的方法、介质、终端和装置 | |
CN110648354A (zh) | 一种动态环境下的slam方法 | |
CN112381873A (zh) | 一种数据标注方法及装置 | |
CN116358528A (zh) | 地图更新方法、地图更新装置、自移动设备及存储介质 | |
WO2023283929A1 (zh) | 双目相机外参标定的方法及装置 | |
CN114577216A (zh) | 导航地图构建方法、装置、机器人及存储介质 | |
CN113516685A (zh) | 目标跟踪方法、装置、设备及存储介质 | |
CN113393572A (zh) | 点云数据生成方法、装置、移动终端和可读存储介质 | |
CN112966658A (zh) | 机器人导航方法、装置、终端设备及计算机可读存储介质 | |
Girão et al. | Real-time multi-view grid map-based spatial representation for mixed reality applications | |
CN115409986A (zh) | 一种基于点云语义激光slam回环检测方法、装置及机器人 | |
CN114019977B (zh) | 移动机器人的路径控制方法、装置、存储介质及电子设备 | |
CN114783172B (zh) | 一种停车场空车位识别方法及系统、计算机可读存储介质 | |
CN114739382A (zh) | 机器人及其建图方法、装置及存储介质 | |
CN115371661A (zh) | 机器人及其建图方法、装置及存储介质 | |
CN116342736A (zh) | 地图构建方法、装置、电子设备及存储介质 |
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 |