CN111723797A - 一种确定三维目标的包围框的方法及系统 - Google Patents
一种确定三维目标的包围框的方法及系统 Download PDFInfo
- Publication number
- CN111723797A CN111723797A CN201910222588.8A CN201910222588A CN111723797A CN 111723797 A CN111723797 A CN 111723797A CN 201910222588 A CN201910222588 A CN 201910222588A CN 111723797 A CN111723797 A CN 111723797A
- Authority
- CN
- China
- Prior art keywords
- straight line
- line segment
- bounding box
- axis
- main direction
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000000605 extraction Methods 0.000 claims abstract description 23
- 238000012216 screening Methods 0.000 claims abstract description 13
- 238000000926 separation method Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种确定三维目标的包围框的方法及系统，本发明实施例对得到的一系列感兴趣目标的点云集数据进行处理时，首先，采用扫描线束分离及直线段提取方式，分别根据每个感兴趣目标的点云集数据提取多线激光雷达的每个扫描线束的直线段集合；其次，根据提取的多线激光雷达的每个扫描线束的直线段集合，从直线段集合中筛选得到主方向直线段群；最后，基于得到的主方向直线段群，拟合得到所选定的三维目标的包围框的主方向；最后，根据所选定的三维目标的包围框的主方向计算得到所选定的三维目标的包围框。本发明实施例在确定三维目标的包围框时，减少计算量且提高得到的三维目标的包围框的主方向稳定性。
Description
技术领域
本发明涉及计算机技术领域，特别涉及一种确定三维目标的包围框的方法及系统。
背景技术
激光雷达是以发射激光束探测目标的位置、速度等特征量的雷达系统。其工作原理是向目标发射探测激光光束信号，然后将接收到的从目标反射回来的目标回波与所述发射信号进行比较，作适当处理后，就可获得目标的有关信息，例如目标距离、方位、高度、速度、姿态、甚至形状等参数。多线激光雷达是激光雷达的一种，其通过半导体激光发射器发射多束激光，并对目标回波进行探测的，多线激光雷达包括多个激光发射器，每一个激光发射器可以测量一个距离。
目前，自动驾驶技术发展迅速，将多线激光雷达应用在自动驾驶技术中，使得在自动驾驶过程中，能够及时确定要定位的三维目标的包围框。在使用多线激光雷达时，其可以获取到周围环境的三维点云数据，三维点云数据是扫描信息以点的形式记录，每一个点包含有三维坐标的数据信息。经过对所获取的三维点云数据的处理，得到一系列感兴趣目标的点云集数据。在得到一系列感兴趣目标的点云集数据后，可以从感兴趣目标中选定一个三维目标，并对这些感兴趣目标的点云集数据进行处理，得到该三维目标的包围框的主方向及该三维目标的包围框，以方便后续对该三维包围框进行追踪和预测。在这里，所选定的三维目标在处理形成的多个感兴趣目标中选定。
可以看出，如何对一系列感兴趣目标的点云集数据进行合理的处理，得到一个选定的三维目标的包围框，以抽象的表示该三维目标的点云数据集，对于后续对该三维目标的追踪和预测是至关重要的。在基于一系列感兴趣目标的点云集数据，处理得到一个三维目标的包围框可以采用主成分分析法或最小面积法。无论采用哪一种方法，都存在缺点：1)需要大量的云点集数据的计算，无论采用主成分分析法还是最小面积法处理，计算量都很大，尤其是对于一系列感兴趣目标的点云集数据的数量量大的情况；2)得到的所选定的三维目标的包围框的主方向抖动较大，对于同一三维目标，由于多线激光雷达的扫描角度不同或要确定的三维目标被部分遮挡，导致计算得到的一系列感兴趣目标的点云集数据不准确，由此导致最终计算得到的该三维目标的包围框不准确，主方向抖动大。
发明内容
有鉴于此，本发明实施例提供一种确定三维目标的包围框的方法，该方法能够在确定三维目标的包围框时，减少计算量且提高得到的三维目标的包围框的主方向稳定性。
本发明实施例还提供一种确定三维目标的包围框的系统，该系统能够在确定三维目标的包围框时，减少计算量且提高得到的三维目标的包围框的主方向稳定性。
本发明实施例是这样实现的：
一种确定三维目标的包围框的方法，该方法包括：
采用扫描线束分离及直线段提取方式，分别根据每个感兴趣目标的点云集数据提取多线激光雷达的每个扫描线束的直线段集合；
根据所提取的多线激光雷达的每个扫描线束的直线段集合，从直线段集合中筛选得到主方向直线段群；
基于得到的主方向直线段群，拟合得到所选定的三维目标的包围框的主方向；
根据所选定的三维目标的包围框的主方向，计算得到所选定的三维目标的包围框。
所述选定的三维目标在所述感兴趣目标中。
所述每个感兴趣目标的点云集数据的获取过程为：
多线激光雷达扫描所述感兴趣的目标后得到感兴趣目标的多线激光雷达数据后，采用三维目标检测方式获取到的。所述三维目标检测方式为点云分割或点云聚类方式。
所述扫描线束分离方式为：
遍历所有感兴趣目标的点云集数据，对于每个感兴趣目标的点云集数据，计算其中的每个点云数据的垂直角，分别与多线激光雷达的每条扫描线束的垂直扫描角比较，将属于同一多线激光雷达的扫描线束的点云数据存储在一起。
所述将其中的每个点云数据的垂直角，分别与多线激光雷达的每条扫描线束的垂直扫描角比较的过程为：
如果相同或差值为设定的角度，该点云数据属于对应的多线激光雷达的扫描线束。
所述采用直线段提取方式为：
将属于同一多线激光雷达的扫描线束的点云数据进行直线段提取，且在提取后，将同一多线激光雷达的扫描线束中的最长两条直线段作为候选区进行存储，将同一多线激光雷达的扫描线束中的其他直线段存储。
所述从直线段集合筛选得到主方向直线段群的过程为：
从候选区中取出所有直线段，对于每条直线段，遍历存储的其他直线段，当所遍历的直线段与该直线段之间的水平夹角相差小于设定的水平夹角时，则确认选择该直线段，所选择的数目等于该直线段的计数值；
对候选区中所有直线段进行选择之后，将计数值最大的直线段作为主方向直线段，所有选择给主方向直线段的直线段与主方向直线段组成主方向直线段群。
所述拟合得到所选定的三维目标的包围框的主方向的过程为：
采用最小二乘法或随机抽样一致性算法RANSAN，根据主方向直线段群拟合所选定的三维目标的直线，该拟合得到的直线水平角度作为所选定的三维目标的包围框的主方向。
所述计算所选定三维目标的包围框的过程为：
对于所设定的三维目标，建立以所选定的三维目标的包围框的主方向为x轴，该主方向的垂直方向为y轴的三维目标坐标系，根据x轴和y轴确定z轴，将所选定的三维目标的点云集数据都转换到该三维目标的坐标系下，得到所选定的三维目标的坐标系下的x轴最大值及x轴的最小值，y轴的最大值和y轴的最小值，z轴的最大值和z轴的最小值；
所选定的三维目标的包围框的中心坐标点分别为x轴最大值与x轴的最小值之和的一半，y轴最大值与y轴的最小值之和的一半，及z轴的最大值与z轴的最小值之和的一半；
得到所选定的三维目标的包围框的长宽高分别为x轴的最大值与x轴的最小值之间的差值，y轴的最大值与y轴的最小值之间的差值，及z轴的最大值与z轴的最小值之间的差值，所选定的三维目标的包围抗的水平角为所选定的三维目标的包围框的主方向的直线水平角。
一种确定三维目标的包围框的系统，所述系统包括：提取单元、选取单元、拟合单元及计算单元，其中，
提取单元，用于采用扫描线束分离及直线段提取方式，分别根据每个感兴趣目标的点云集数据提取多线激光雷达的每个扫描线束的直线段集合；
选取单元，用于根据所提取的多线激光雷达的每个扫描线束的直线段集合，从直线段集合中筛选得到主方向直线段群；
拟合单元，用于基于得到的主方向直线段群，拟合得到所选定的三维目标的包围框的主方向；
计算单元，用于根据所选定的三维目标的包围框的主方向，计算得到所选定的三维目标的包围框。
还包括多线激光雷达扫描单元，用于扫描感兴趣的目标后得到感兴趣目标的多线激光雷达数据后，采用点云分割方式或点云聚类方式等三维目标检测方式，得到每个感兴趣目标的点云集数据。
一种确定三维目标的包围框的装置，包括：
存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行如上述任一项所述的确定三维目标的包围框的方法。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述的确定三维目标的包围框的方法。
如上所见，本发明实施例对得到的一系列感兴趣目标的点云集数据进行处理时，首先，采用扫描线束分离及直线段提取方式，分别根据每个感兴趣目标的点云集数据提取多线激光雷达的每个扫描线束的直线段集合；其次，根据提取的多线激光雷达的每个扫描线束的直线段集合，从直线段集合中筛选得到主方向直线段群；最后，基于得到的主方向直线段群，拟合得到所选定的三维目标的包围框的主方向；最后，根据所选定的三维目标的包围框的主方向计算得到所选定的三维目标的包围框。由于本发明实施例是将每个感兴趣目标的点云集数据采用扫描线束分类及直线段提取的方式得到所述直线段集合，所以有效降低了每次算法处理的点云集数据数量从而降低计算量，从直线段集合中选取得到主方向直线段群且后续基于主方向直线段群进行拟合及计算得到所选定的三维目标的包围框，有效保证所选定的三维目标的包围框的主方向一定是扫描到的直线性最为明显的一条边，从而不会因为扫描标度不同或所选定的三维目标被部分遮挡，而选取了错误的所选定三维目标的主方向，提高了所得到的三维目标的包围框的方向稳定性。
附图说明
图1为本发明实施例提供的确定三维目标的包围框的方法流程图；
图2为本发明实施例提供的确定三维目标的包围框的系统结构示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本发明进一步详细说明。
从背景技术可以看出，直接根据感兴起目标的点云集数据确定得到所选定的三维目标的包围框的主方向，及后续的所选定的三维目标的包围框，需要进行的计算量比较大，且所选定的三维目标的包围框方向抖动较大。为了解决这个问题，本发明实施例对得到的一系列感兴趣目标的点云集数据进行处理时，首先，采用扫描线束分离及直线段提取方式，分别根据每个感兴趣目标的点云集数据提取多线激光雷达的每个扫描线束的直线段集合；其次，根据提取的多线激光雷达的每个扫描线束的直线段集合，从直线段集合中筛选得到主方向直线段群；最后，基于得到的主方向直线段群，拟合得到所选定的三维目标的包围框的主方向；最后，根据所选定的三维目标的包围框的主方向计算得到所选定的三维目标的包围框。
由于本发明实施例是将每个感兴趣目标的点云集数据采用扫描线束分类及直线段提取的方式得到所述直线段集合，所以有效降低了每次算法处理的点云集数据数量从而降低计算量，从直线段集合中选取得到主方向直线段群且后续基于主方向直线段群进行拟合及计算得到所选定的三维目标的包围框，有效保证所选定的三维目标的包围框的主方向一定是扫描到的直线性最为明显的一条边，从而不会因为扫描标度不同或所选定的三维目标被部分遮挡，而选取了错误的所选定三维目标的主方向，提高了所得到的三维目标的包围框的方向稳定性。
图1为本发明实施例提供的确定三维目标的包围框的方法流程图，其具体步骤为：
步骤101、采用扫描线束分离及直线段提取方式，分别根据每个感兴趣目标的点云集数据提取多线激光雷达的每个扫描线束的直线段集合；
步骤102、根据所提取的多线激光雷达的每个扫描线束的直线段集合，从直线段集合中筛选得到主方向直线段群；
步骤103、基于得到的主方向直线段群，拟合得到所选定的三维目标的包围框的主方向；
步骤104、根据所选定的三维目标的包围框的主方向，计算得到所选定的三维目标的包围框。
在该方法中，所述选定的三维目标在所述感兴趣目标中。
在该方法中，所述每个感兴趣目标的点云集数据是多线激光雷达扫描感兴趣的目标后得到感兴趣目标的多线激光雷达数据后，采用点云分割方式或点云聚类方式等三维目标检测方式获取到的。
在该方法中，所述扫描线束分离方式为：
遍历所有感兴趣目标的点云集数据，对于每个感兴趣目标的点云集数据，计算其中的每个点云数据的垂直角，分别与多线激光雷达的每条扫描线束的垂直扫描角比较，将属于同一多线激光雷达的扫描线束的点云数据存储在一起。
在这里，每个点云数据的垂直角，采用asin(z/r)计算得到，其中z是该点云数据在多线激光雷达坐标系下垂直方向的坐标，r是该点云数据与多线激光雷达中心之间的距离。多线激光雷达的每条扫描线束的垂直扫描角都会被预先设置好，所计算的每个点云数据的垂直角分别与多线激光雷达的每条扫描线束的垂直扫描角比较，如果相同或差值为设定的角度，则该点云数据属于对应的多线激光雷达的扫描线束，进行存储。
在该方法中，所述采用直线段提取方式为：
将属于同一多线激光雷达的扫描线束的点云数据进行直线段提取，且在提取后，将同一多线激光雷达的扫描线束中的最长两条直线段作为候选区进行存储，将同一多线激光雷达的扫描线束中的其他直线段存储。在存储时，对于每个直线段，存储的信息为直线段信息，包括直线段的水平角及直线段的长度。
在该方法中，所述从直线段集合中筛选得到主方向直线段群的过程为：
从候选区中取出所有直线段，对于每条直线段，遍历存储的其他直线段，当所遍历的直线段与该直线段之间的水平夹角相差小于设定的水平夹角时，则确认选择该直线段，所选择的数目等于该直线段的计数值；
对候选区中所有直线段进行选择之后，将计数值最大的直线段作为主方向直线段，所有选择给主方向直线段的直线段与主方向直线段组成主方向直线段群。
上述筛选方法也就是数学领域中的投票算法。
在这里，所述设定的水平夹角可以设置为5度。
在该方法中，所述采用直线拟合方式，比如最小二乘法或随机抽样一致性算法(RANSAN)根据主方向直线段群拟合所选定的三维目标的直线，该拟合得到的直线水平角度作为所选定的三维目标的包围框的主方向。
在该方法中，计算所选定三维目标的包围框的过程为：
对于所设定的三维目标，建立以所选定的三维目标的包围框的主方向为x轴，该主方向的垂直方向为y轴的三维目标坐标系，根据x轴和y轴确定z轴，将所选定的三维目标的点云集数据都转换到该三维目标的坐标系下，得到所选定的三维目标的坐标系下的x轴最大值及x轴的最小值，y轴的最大值和y轴的最小值，z轴的最大值和z轴的最小值，即max_x，min_x，max_y，min_y，max_z，min_z；
所选定的三维目标的包围框的中心坐标点分别为x轴最大值与x轴的最小值之和的一半，y轴最大值与y轴的最小值之和的一半，及z轴的最大值与z轴的最小值之和的一半，即(max_x+min_x)/2，(max_y+min_y)/2及(max_z+min_z)/2；
得到所选定的三维目标的包围框的长宽高分别为x轴的最大值与x轴的最小值之间的差值，y轴的最大值与y轴的最小值之间的差值，及z轴的最大值与z轴的最小值之间的差值，即(max_x-min_x)、(max_y-min_y)及(max_y-min_y)，所选定的三维目标的包围抗的水平角为所选定的三维目标的包围框的主方向的直线水平角。
图2为本发明实施例提供的确定三维目标的包围框的系统结构示意图，包括：提取单元、选取单元、拟合单元及计算单元，其中，
提取单元，用于采用扫描线束分离及直线段提取方式，分别根据每个感兴趣目标的点云集数据提取多线激光雷达的每个扫描线束的直线段集合；
选取单元，用于根据所提取的多线激光雷达的每个扫描线束的直线段集合，从直线段集合中筛选得到主方向直线段群；
拟合单元，用于基于得到的主方向直线段群，拟合得到所选定的三维目标的包围框的主方向；
计算单元，用于根据所选定的三维目标的包围框的主方向，计算得到所选定的三维目标的包围框。
在该系统中，还包括多线激光雷达扫描单元，用于扫描感兴趣的目标后得到感兴趣目标的多线激光雷达数据后，采用点云分割方式或点云聚类方式等三维目标检测方式，得到每个感兴趣目标的点云集数据。
在该系统中，所述选定的三维目标在所述感兴趣目标中。
从本发明实施例提供的方法及系统可以看出，本发明实施例将每个感兴趣目标的点云集数据所包含的点云集数据按照扫描线束分类后再进行直线段提取，能够有效降低每次算法处理的点云数据的数据量，从而降低计算量。在这里，虽然本发明实施例所需处理的点云集数据总数与背景技术是一致的，但是采用背景技术的方式计算量往往随着点云集数据量增加而呈指数级增长，所以将所有点云集数据按照线束分离后再机械能处理就能够有效降低计算量，特别是对于点云集数据量较多的目标。
进一步地，本发明实施例分别从每条扫描线束中选取最长的两条直线段放入到候选区，并以其他直线段与候选区的直线段之间的水平角作为权重来筛选，将得到选择数目最多的主方向直线段群进行主方向拟合，从而有效保证所选定的主方向一定是扫描到的直线性最为明显的一条边，而不会因为多线激光雷达扫描角度不同，或者所选定的三维目标被部分遮挡而选取了错误的主方向。
本发明实施例还提供一种确定三维目标的包围框的装置，包括：
存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行如上述任一项所述的确定三维目标的包围框的方法。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述的确定三维目标的包围框的方法。
本发明实施例提供的方案尤其对于比较规则的矩形物体的追踪尤其有效，典型的就是公路上的汽车，所选定的三维目标为公路上的汽车，实现对汽车的行驶轨迹的检测或追踪。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
Claims (13)
1.一种确定三维目标的包围框的方法，其特征在于，该方法包括：
采用扫描线束分离及直线段提取方式，分别根据每个感兴趣目标的点云集数据提取多线激光雷达的每个扫描线束的直线段集合；
根据所提取的多线激光雷达的每个扫描线束的直线段集合，从直线段集合中筛选得到主方向直线段群；
基于得到的主方向直线段群，拟合得到所选定的三维目标的包围框的主方向；
根据所选定的三维目标的包围框的主方向，计算得到所选定的三维目标的包围框。
2.如权利要求1所述的方法，其特征在于，所述选定的三维目标在所述感兴趣目标中。
3.如权利要求1所述的方法，其特征在于，所述每个感兴趣目标的点云集数据的获取过程为：
多线激光雷达扫描所述感兴趣的目标后得到感兴趣目标的多线激光雷达数据后，采用三维目标检测方式获取到的，所述三维目标检测方式为点云分割或点云聚类方式。
4.如权利要求1所述的方法，其特征在于，所述扫描线束分离方式为：
遍历所有感兴趣目标的点云集数据，对于每个感兴趣目标的点云集数据，计算其中的每个点云数据的垂直角，分别与多线激光雷达的每条扫描线束的垂直扫描角比较，将属于同一多线激光雷达的扫描线束的点云数据存储在一起。
5.如权利要求4所述的方法，其特征在于，所述将其中的每个点云数据的垂直角，分别与多线激光雷达的每条扫描线束的垂直扫描角比较的过程为：
如果相同或差值为设定的角度，该点云数据属于对应的多线激光雷达的扫描线束。
6.如权利要求4所述的方法，其特征在于，所述采用直线段提取方式为：
将属于同一多线激光雷达的扫描线束的点云数据进行直线段提取，且在提取后，将同一多线激光雷达的扫描线束中的最长两条直线段作为候选区进行存储，将同一多线激光雷达的扫描线束中的其他直线段存储。
7.如权利要求6所述的方法，其特征在于，所述从直线段集合筛选中得到主方向直线段群的过程为：
从候选区中取出所有直线段，对于每条直线段，遍历存储的其他直线段，当所遍历的直线段与该直线段之间的水平夹角相差小于设定的水平夹角时，则确认选择该直线段，所选择的数目等于该直线段的计数值；
对候选区中所有直线段进行选择之后，将计数值最大的直线段作为主方向直线段，所有选择给主方向直线段的直线段与主方向直线段组成主方向直线段群。
8.如权利要求7所述的方法，其特征在于，所述拟合得到所选定的三维目标的包围框的主方向的过程为：
采用最小二乘法或随机抽样一致性算法RANSAN，根据主方向直线段群拟合所选定的三维目标的直线，该拟合得到的直线水平角度作为所选定的三维目标的包围框的主方向。
9.如权利要求8所述的方法，其特征在于，所述计算所选定三维目标的包围框的过程为：
对于所设定的三维目标，建立以所选定的三维目标的包围框的主方向为x轴，该主方向的垂直方向为y轴的三维目标坐标系，根据x轴和y轴确定z轴，将所选定的三维目标的点云集数据都转换到该三维目标的坐标系下，得到所选定的三维目标的坐标系下的x轴最大值及x轴的最小值，y轴的最大值和y轴的最小值，z轴的最大值和z轴的最小值；
所选定的三维目标的包围框的中心坐标点分别为x轴最大值与x轴的最小值之和的一半，y轴最大值与y轴的最小值之和的一半，及z轴的最大值与z轴的最小值之和的一半；
得到所选定的三维目标的包围框的长宽高分别为x轴的最大值与x轴的最小值之间的差值，y轴的最大值与y轴的最小值之间的差值，及z轴的最大值与z轴的最小值之间的差值，所选定的三维目标的包围抗的水平角为所选定的三维目标的包围框的主方向的直线水平角。
10.一种确定三维目标的包围框的系统，其特征在于，所述系统包括：提取单元、选取单元、拟合单元及计算单元，其中，
提取单元，用于采用扫描线束分离及直线段提取方式，分别根据每个感兴趣目标的点云集数据提取多线激光雷达的每个扫描线束的直线段集合；
选取单元，用于根据所提取的多线激光雷达的每个扫描线束的直线段集合，从直线段集合中筛选得到主方向直线段群；
拟合单元，用于基于得到的主方向直线段群，拟合得到所选定的三维目标的包围框的主方向；
计算单元，用于根据所选定的三维目标的包围框的主方向，计算得到所选定的三维目标的包围框。
11.如权利要求10所述的系统，其特征在于，还包括多线激光雷达扫描单元，用于扫描感兴趣的目标后得到感兴趣目标的多线激光雷达数据后，采用点云分割方式或点云聚类方式等三维目标检测方式，得到每个感兴趣目标的点云集数据。
12.一种确定三维目标的包围框的装置，其特征在于，包括：
存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行如权利要求1-9中任一项所述的确定三维目标的包围框的方法。
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-9中任一项所述的确定三维目标的包围框的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910222588.8A CN111723797B (zh) | 2019-03-22 | 2019-03-22 | 一种确定三维目标的包围框的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910222588.8A CN111723797B (zh) | 2019-03-22 | 2019-03-22 | 一种确定三维目标的包围框的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111723797A true CN111723797A (zh) | 2020-09-29 |
| CN111723797B CN111723797B (zh) | 2024-04-16 |
Family
ID=72562757
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910222588.8A Active CN111723797B (zh) | 2019-03-22 | 2019-03-22 | 一种确定三维目标的包围框的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111723797B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112215137A (zh) * | 2020-10-10 | 2021-01-12 | 中国电子科技集团公司第十四研究所 | 基于区域约束的低虚警目标检测方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101549155B1 (ko) * | 2014-12-18 | 2015-10-06 | 주식회사 누리공간산업 | 라이다 자료를 활용한 구조물의 직선경계 추출방법 |
| US20150317821A1 (en) * | 2014-04-30 | 2015-11-05 | Seiko Epson Corporation | Geodesic Distance Based Primitive Segmentation and Fitting for 3D Modeling of Non-Rigid Objects from 2D Images |
| CN106056659A (zh) * | 2016-05-27 | 2016-10-26 | 山东科技大学 | 车载激光扫描点云中建筑物角点空间位置自动提取方法 |
| EP3324210A1 (en) * | 2016-11-18 | 2018-05-23 | Dibotics | Self-calibrating sensor system for a wheeled vehicle |
| CN108416785A (zh) * | 2018-03-26 | 2018-08-17 | 北京进化者机器人科技有限公司 | 面向封闭空间的拓扑分割方法及装置 |
| CN108920765A (zh) * | 2018-06-06 | 2018-11-30 | 东南大学 | 一种基于建筑物三维线段模型的假设平面拟合方法 |
| CN108931983A (zh) * | 2018-09-07 | 2018-12-04 | 深圳市银星智能科技股份有限公司 | 地图构建方法及其机器人 |
| CN109410183A (zh) * | 2018-10-08 | 2019-03-01 | 香港理工大学 | 基于点云数据的平面提取方法、系统、装置及存储介质 |
-
2019
- 2019-03-22 CN CN201910222588.8A patent/CN111723797B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150317821A1 (en) * | 2014-04-30 | 2015-11-05 | Seiko Epson Corporation | Geodesic Distance Based Primitive Segmentation and Fitting for 3D Modeling of Non-Rigid Objects from 2D Images |
| KR101549155B1 (ko) * | 2014-12-18 | 2015-10-06 | 주식회사 누리공간산업 | 라이다 자료를 활용한 구조물의 직선경계 추출방법 |
| CN106056659A (zh) * | 2016-05-27 | 2016-10-26 | 山东科技大学 | 车载激光扫描点云中建筑物角点空间位置自动提取方法 |
| EP3324210A1 (en) * | 2016-11-18 | 2018-05-23 | Dibotics | Self-calibrating sensor system for a wheeled vehicle |
| CN108416785A (zh) * | 2018-03-26 | 2018-08-17 | 北京进化者机器人科技有限公司 | 面向封闭空间的拓扑分割方法及装置 |
| CN108920765A (zh) * | 2018-06-06 | 2018-11-30 | 东南大学 | 一种基于建筑物三维线段模型的假设平面拟合方法 |
| CN108931983A (zh) * | 2018-09-07 | 2018-12-04 | 深圳市银星智能科技股份有限公司 | 地图构建方法及其机器人 |
| CN109410183A (zh) * | 2018-10-08 | 2019-03-01 | 香港理工大学 | 基于点云数据的平面提取方法、系统、装置及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 梁艳;盛业华;谢荣;: "近景图像序列线特征约束的建筑物立面重建", 测绘科学, no. 06 * |
| 潘国荣;谷川;王穗辉;蔡润彬;: "三维激光扫描拟合直线自动提取算法研究", 大地测量与地球动力学, no. 01 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112215137A (zh) * | 2020-10-10 | 2021-01-12 | 中国电子科技集团公司第十四研究所 | 基于区域约束的低虚警目标检测方法 |
| CN112215137B (zh) * | 2020-10-10 | 2024-04-26 | 中国电子科技集团公司第十四研究所 | 基于区域约束的低虚警目标检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111723797B (zh) | 2024-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9576375B1 (en) | Methods and systems for detecting moving objects in a sequence of image frames produced by sensors with inconsistent gain, offset, and dead pixels | |
| CN103971127B (zh) | 一种前视雷达成像海面目标关键点检测识别方法 | |
| CN111239766A (zh) | 基于激光雷达的水面多目标快速识别跟踪方法 | |
| CN110865393A (zh) | 基于激光雷达的定位方法及系统、存储介质和处理器 | |
| CN111524084A (zh) | 一种基于多峰高斯拟合的复杂场景光子计数激光雷达点云去噪算法 | |
| CN107766818B (zh) | 一种启发式的水下结构化环境线特征提取方法 | |
| CN112285698B (zh) | 一种基于雷达传感器的多目标跟踪装置及方法 | |
| JP6773606B2 (ja) | レーダ装置及びそのレーダ信号処理方法 | |
| CN112906737B (zh) | 一种基于多辐射源基于密度特征聚类及识别的方法 | |
| CN111913177A (zh) | 对目标物探测方法、装置以及存储介质 | |
| KR101968327B1 (ko) | 항적 거리 보상 장치 및 방법 | |
| KR101770742B1 (ko) | 클러터를 억제하는 표적 탐지 장치 및 그 방법 | |
| CN114241448A (zh) | 障碍物航向角的获取方法、装置、电子设备及车辆 | |
| CN111723797A (zh) | 一种确定三维目标的包围框的方法及系统 | |
| JP7418476B2 (ja) | 運転可能な領域情報を決定するための方法及び装置 | |
| KR101392222B1 (ko) | 표적 윤곽을 추출하는 레이저 레이더, 그것의 표적 윤곽 추출 방법 | |
| KR102361816B1 (ko) | 표적 탐지 방법 및 기록 매체 | |
| CN113763308B (zh) | 一种地面检测方法、装置、服务器及介质 | |
| CN114119465A (zh) | 一种点云数据处理方法及装置 | |
| CN114779211A (zh) | 一种激光脉冲雷达设备及点云密度提升方法及设备 | |
| CN113895482A (zh) | 基于轨旁设备的列车测速方法及装置 | |
| JP3346326B2 (ja) | パルス列分類装置 | |
| CN113625266A (zh) | 应用雷达检测低速目标的方法、装置、存储介质和设备 | |
| CN111239740A (zh) | 一种去除射线噪声的方法及设备 | |
| CN112053375A (zh) | 基于改进的网络卷积模型预测临近预报的方法及设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210226 Address after: Room a1905, 19 / F, building 2, No. 18, Kechuang 11th Street, Daxing District, Beijing, 100176 Applicant after: Beijing Jingdong Qianshi Technology Co.,Ltd. Address before: 100080 Beijing Haidian District, Suzhou Street, No. 20 Courtyard, No. 2 Building, 1st Floor Applicant before: Beijing Jingbangda Trading Co.,Ltd. Effective date of registration: 20210226 Address after: 100080 Beijing Haidian District, Suzhou Street, No. 20 Courtyard, No. 2 Building, 1st Floor Applicant after: Beijing Jingbangda Trading Co.,Ltd. Address before: 8 / F, 76 Zhichun Road, Haidian District, Beijing 100083 Applicant before: BEIJING JINGDONG SHANGKE INFORMATION TECHNOLOGY Co.,Ltd. Applicant before: BEIJING JINGDONG CENTURY TRADING Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |