CN112465908A - 一种物体定位方法、装置、终端设备及存储介质 - Google Patents
一种物体定位方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN112465908A CN112465908A CN202011380314.0A CN202011380314A CN112465908A CN 112465908 A CN112465908 A CN 112465908A CN 202011380314 A CN202011380314 A CN 202011380314A CN 112465908 A CN112465908 A CN 112465908A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- coordinate system
- background object
- laser radar
- 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 46
- 238000002310 reflectometry Methods 0.000 claims abstract description 42
- 238000001914 filtration Methods 0.000 claims abstract description 34
- 238000004590 computer program Methods 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000000513 principal component analysis Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明适用于物体定位技术领域，提供一种物体定位方法、装置、终端设备及存储介质，通过激光雷达采集背景物体表面的第一点云数据；滤除第一点云数据中反射强度低于预设强度阈值的点得到第二点云数据；将第二点云数据由激光雷达坐标系转换到背景物体坐标系得到第三点云数据；滤除第三点云数据中相对于背景物体表面的高度在预设高度范围之外的点得到第四点云数据；对第四点云数据进行聚类分割得到n个第五点云数据；计算每个第五点云数据在背景物体坐标系下的位姿和方向包围盒；滤除n个第五点云数据中方向包围盒与高反射率区域之间的面积差大于预设面积阈值的第五点云数据的位姿，得到目标物体在背景物体坐标系下的位姿，定位精度高、稳定性好。
Description
技术领域
本发明属于物体定位技术领域，尤其涉及一种物体定位方法、装置、终端设备及存储介质。
背景技术
目前，机器人在舞台表演中的应用越来越广泛，多台机器人同时出现在舞台，进行整齐划一的队形变换和动作，为观众带了全新的视觉体验。机器人在舞台表演的一大难点是如何精确定位多台机器人的位姿，以实现队形整齐的舞台表演效果。舞台上的灯光变换剧烈，既有强光，又有弱光，甚至有时候无光，因此，用于对舞台上的机器人进行定位的方法需要能在复杂光影环境下使用。
发明内容
有鉴于此，本发明实施例提供了一种物体定位方法、装置、终端设备及存储介质，能够在复杂光影环境下精确定位物体，尤其适用于对舞台上的机器人进行定位。
本发明实施例的第一方面提供了一种物体定位方法，包括：
通过激光雷达采集背景物体表面的第一点云数据；其中，所述背景物体表面设置有m个目标物体，m为正整数；
滤除所述第一点云数据中反射强度低于预设强度阈值的点，得到第二点云数据；其中，所述预设强度阈值小于或等于所述目标物体表面的高反射率区域的反射强度；
将所述第二点云数据由激光雷达坐标系转换到背景物体坐标系，得到第三点云数据；
滤除所述第三点云数据中相对于所述背景物体表面的高度在预设高度范围之外的点，得到第四点云数据；其中，所述预设高度范围为所述高反射率区域相对于所述背景物体表面的高度范围；
对所述第四点云数据进行聚类分割，得到n个第五点云数据；其中，n为大于或等于m的正整数；
分别计算每个所述第五点云数据在所述背景物体坐标系下的位姿和方向包围盒；
滤除所述n个第五点云数据中方向包围盒与所述高反射率区域之间的面积差大于预设面积阈值的第五点云数据的位姿，得到所述m个目标物体在所述背景物体坐标系下的位姿。
本发明实施例的第二方面提供了一种物体定位装置，包括：
点云采集单元，用于通过激光雷达采集背景物体表面的第一点云数据；其中，所述背景物体表面设置有m个目标物体，m为正整数；
第一过滤单元，用于滤除所述第一点云数据中反射强度低于预设强度阈值的点，得到第二点云数据；其中，所述预设强度阈值小于或等于所述目标物体表面的高反射率区域的反射强度；
坐标系转换单元，用于将所述第二点云数据由激光雷达坐标系转换到背景物体坐标系，得到第三点云数据；
第二过滤单元，用于滤除所述第三点云数据中相对于所述背景物体表面的高度在预设高度范围之外的点，得到第四点云数据；其中，所述预设高度范围为所述高反射率区域相对于所述背景物体表面的高度范围；
聚类分割单元，用于对所述第四点云数据进行聚类分割，得到n个第五点云数据；其中，n为大于或等于m的正整数；
位姿计算单元，用于分别计算每个所述第五点云数据在所述背景物体坐标系下的位姿和方向包围盒；
第三过滤单元，用于滤除所述n个第五点云数据中方向包围盒与所述高反射率区域之间的面积差大于预设面积阈值的第五点云数据的位姿，得到所述m个目标物体在所述背景物体坐标系下的位姿。
本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本发明实施例的第一方面所述方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质，所述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如本发明实施例的第一方面所述方法的步骤。
本发明实施例的第一方面通过激光雷达采集背景物体表面的第一点云数据；其中，背景物体表面设置有m个目标物体，m为正整数；滤除第一点云数据中反射强度低于预设强度阈值的点，得到第二点云数据；其中，预设强度阈值小于或等于目标物体表面的高反射率区域的反射强度；将第二点云数据由激光雷达坐标系转换到背景物体坐标系，得到第三点云数据；滤除第三点云数据中相对于背景物体表面的高度在预设高度范围之外的点，得到第四点云数据；其中，预设高度范围为高反射率区域相对于背景物体表面的高度范围；对第四点云数据进行聚类分割，得到n个第五点云数据；其中，n为大于或等于m的正整数；分别计算每个第五点云数据在背景物体坐标系下的位姿和方向包围盒；滤除n个第五点云数据中方向包围盒与高反射率区域之间的面积差大于预设面积阈值的第五点云数据的位姿，得到m个目标物体在背景物体坐标系下的位姿，通过在目标物体表面设置高反射率区域结合激光点云定位方法，定位精度高、稳定性好，不受背景物体表面的其他物体和环境光线的影响。
可以理解的是，上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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他的附图。
图1是本发明实施例提供的物体定位方法的第一种流程示意图；
图2是本发明实施例提供的多线激光雷达、舞台及终端设备之间的相对位置关系示意图；
图3是本发明实施例提供的物体定位方法的第二种流程示意图；
图4是本发明实施例提供的物体定位方法的第三种流程示意图；
图5是本发明实施例提供的物体定位装置的结构示意图；
图6是本发明实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
应当理解，当在本发明说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本发明说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本发明说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本发明说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本发明的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
本发明实施例提供的物体定位方法可以应用于平板电脑、笔记本电脑、个人计算机(Personal Computer，PC)、上网本、数字助理(Digital Assistant，PDA)、服务器等终端设备，本发明实施例对终端设备的具体类型不作任何限制。该物体定位方法具体可以用于对舞台上用于表演的机器人进行定位。机器人具体可以是人型机器人。
如图1所示，本发明实施例提供的物体定位方法，包括如下步骤S101至S107：
步骤S101、通过激光雷达采集背景物体表面的第一点云数据；其中，所述背景物体表面设置有m个目标物体，m为正整数。
在应用中，激光雷达具体可以是朝向背景物体表面设置的多线激光雷达，多线激光雷达可以发射点阵激光。背景物体可以是用于承载目标物体的任意物体，例如，地面、桌面、工作台、舞台等。激光雷达可以设置在背景物体上空的任意位置，只要保证激光雷达发射的激光可以覆盖背景物体表面中目标物体所在的区域即可，激光雷达发射的激光也可以覆盖背景物体表面的全部区域。背景物体表面除了设置有目标物体之外，还可以存在其他物体。具体的，当背景物体是舞台时，目标物体可以是机器人，其他物体可以是表演道具、表演人员等。第一点云数据是激光雷达所采集到的背景物体表面的所有点的数据集合。
在一个实施例中，步骤S101包括：
通过朝向背景物体表面设置的多线激光雷达采集所述背景物体表面的第一点云数据。
在应用中，激光雷达采集到第一点云数据之后，可以将第一点云数据传输至终端设备，以通过终端设备对第一点云数据进行进一步的处理。
图2示例性的示出了多线激光雷达1、舞台2及终端设备3之间的相对位置关系。
步骤S102、滤除所述第一点云数据中反射强度低于预设强度阈值的点，得到第二点云数据；其中，所述预设强度阈值小于或等于所述目标物体表面的高反射率区域的反射强度。
在应用中，每个目标物体表面都设置有高反射率区域，高反射率区域的反射率高于背景物体表面和位于背景物体表面的其他物体，通过在目标物体表面设置高反射率区域，使得第一点云数据中与目标物体表面的高发射率区域对应的点的反射强度明显高于其他点，因此，通过滤除第一点云数据中反射强度低于预设强度阈值的点，可以有效滤除第一点云数据中不属于目标物体的点。高反射区域可以集成于目标物体，作为目标物体的一部分，例如，将目标物体表面能够被激光雷达所发射的激光覆盖的区域采用高反射率材料制作。高反射区域也可以是在目标物体表面额外增设的部件，例如，在目标物体表面能够被激光雷达所发射的激光覆盖的区域贴附高反射率贴件，高反射率贴件具体可以是高反射率贴纸或高反射率膜。
在一个实施例中，步骤S102包括：
获取所述第一点云数据中与所述m个目标物体表面的高反射率区域对应的所有点的反射强度中的最小反射强度，得到所述预设强度阈值。
在应用中，预先确定好第一点云数据C中与所有高反射率区域对应的所有点的反射强度中的最小反射强度，将该最小反射强度作为预设强度阈值Tintensity，第一点云数据C中反射强度低于该预设强度阈值Tintensity的点都可以认为是不属于目标物体的点，需要滤除，具体可以采用如下条件式滤除第一点云数据中反射强度低于预设强度阈值Tintensity的点：
其中，Ti为第一点云数据中的第i点，Tintensity为预设强度阈值。
步骤S103、将所述第二点云数据由激光雷达坐标系转换到背景物体坐标系，得到第三点云数据。
在应用中，背景物体坐标系可以是以背景物体表面为xy平面、以重力方向为z轴方向的三维坐标系，背景物体坐标系也可以是地面坐标系。激光雷达坐标系则是以激光雷达的光源中心为原点建立的三维坐标系，其x、y、z轴方向可以根据实际需要进行设置。
在一个实施例中，步骤S103包括：
根据激光雷达坐标系相对于背景物体坐标系的旋转矩阵、姿态和位置以及所述激光雷达向所述背景物体表面发射的激光点在所述激光雷达坐标系下的位置，得到第三点云数据，其公式为：
其中，
为所述第三点云数据中第i点在所述背景物体坐标系下的位置，R(q)为所述激光雷达坐标系相对于所述背景物体坐标系的旋转矩阵，
为所述激光雷达向所述背景物体表面发射的第i激光点在所述激光雷达坐标系下的位置，q为所述激光雷达坐标系相对于所述背景物体坐标系的姿态，p为所述激光雷达坐标系相对于所述背景物体坐标系的位置。
在应用中，第二点云数据是通过激光雷达采集的，因此，需要转换到背景物体坐标系下。假设，激光雷达坐标系相对于背景物体坐标系的位置为p＝(x,y,z)，姿态q＝(x,y,z,w)，激光点i在激光雷达坐标系下的位置为
则转换后该激光点i在背景物体坐标系下的位置为
w为姿态角。
步骤S104、滤除所述第三点云数据中相对于所述背景物体表面的高度在预设高度范围之外的点，得到第四点云数据；其中，所述预设高度范围为所述高反射率区域相对于所述背景物体表面的高度范围。
在应用中，目标物体设置于背景物体表面，其高反射率区域相对于背景物体表面的高度变化很小，因此，预先确定好高反射率区域相对于背景物体表面的高度范围，然后将第三点云数据中在该高度范围外的点全部滤除掉，得到第四点云数据C′，具体可以采用如下条件式滤除第三点云数据中相对于背景物体表面的高度在预设高度范围之外的点：
其中，
为第一点云数据中的第i点相对于背景物体表面的高度，Zmin为预设高度范围的下限值，Zmax为预设高度范围的上限值。
步骤S105、对所述第四点云数据进行聚类分割，得到n个第五点云数据；其中，n为大于或等于m的正整数。
在应用中，可以采用任意可行的聚类算法对第四点云数据进行聚类分割，例如，欧几里得聚类算法，得到数量大于或等于所有目标物体总数的第五点云数据。
在一个实施例中，步骤S105包括：
通过欧几里得聚类算法对所述第四点云数据进行聚类分割，得到n个第五点云数据。
步骤S106、分别计算每个所述第五点云数据在所述背景物体坐标系下的位姿和方向包围盒。
在应用中，可以通过主成分分析算法(Principal Component Analysis，PCA)计算第五点云数据在背景物体坐标系下的中心和主方向，然后基于中心和主方向进一步得到第五点云数据在背景物体坐标系下的方向包围盒。
如图3所示，在一个实施例中，步骤S106包括如下步骤S301和S302：
步骤S301、通过主成分分析算法分别计算每个所述第五点云数据在所述背景物体坐标系下的中心和主方向，得到每个所述第五点云数据在所述背景物体坐标系下的位姿；
步骤S302、分别根据每个所述第五点云数据的位姿，建立每个所述第五点云数据在所述背景物体坐标系下的方向包围盒。
在应用中，第五点云数据在背景物体坐标系下的位姿由其中心坐标和主方向构成。利用主成分分析算法获得第五点云数据的中心和三个主方向，将第五点云数据转换至背景物体坐标系的原点，且第五点云数据的主方向与背景物体坐标系的方向重合，建立变换到背景物体坐标系的原点的第五点云数据的包围盒。
如图4所示，在一个实施例中，步骤S301包括如下步骤S401至S405：
步骤S401、通过主成分分析算法分别计算每个所述第五点云数据在所述背景物体坐标系下的中心；
步骤S402、分别根据每个所述第五点云数据在所述背景物体坐标系下的中心，对每个所述第五点云数据中的所有点进行中心化；
步骤S403、分别根据中心化之后的每个所述第五点云数据，计算与每个所述第五点云数据对应的协方差矩阵；
步骤S404、分别对与每个所述第五点云数据对应的协方差矩阵进行特征值分解，得到与每个所述第五点云数据对应的三个特征向量；其中，所述特征向量为主方向；
步骤S405、分别对与每个所述第五点云数据对应的三个特征向量进行标准化，得到与每个所述第五点云数据对应的特征向量矩阵；其中，每个所述第五点云数据在所述背景物体坐标系下的位姿包括中心和特征向量矩阵。
在一个实施例中，步骤S401中计算每个第五点云数据在背景物体坐标系下的中心的公式为：
其中，pcentroid为任一所述第五点云数据在所述背景物体坐标系下的中心，k为任一所述第五点云数据中所有点的数量，p(j)为任一所述第五点云数据中的第j点在所述背景物体坐标系下的位置；
步骤S402中对每个第五点云数据中的所有点进行中心化的公式为：
p(j)′＝p(j)-pcentroid；
其中，表示中心化之后的任一所述第五点云数据中的第j点在所述背景物体坐标系的位置。
在应用中，通过计算每个中心化后的每个第五点云数据的协方差，获得与每个第五点云数据对应的协方差矩阵XXT，求取每个协方差矩阵的特征值，并对每个特征值进行分解，可以得到与每个第五点云数据对应的三个特征向量，特征向量即为主方向，将与每个第五点云数据对应的三个特征向量进行标准化，即得到与每个第五点云数据对应的特征向量矩阵，即旋转矩阵R。
步骤S107、滤除所述n个第五点云数据中方向包围盒与所述高反射率区域之间的面积差大于预设面积阈值的第五点云数据的位姿，得到所述m个目标物体在所述背景物体坐标系下的位姿。
在应用中，高反射率区域的面积是固定的，因此，通过计算方向包围盒的面积，根据高反射率区域的面积进行滤波，将方向包围盒面积与贴纸面积相差较大的第五点云数据的位姿滤除，剩余的第五点云数据即为与m个目标物体对应的点云数据，目标物体的位姿即为其对应的第五点云数据的位姿，表示为T＝{R,pcentroid}。
本发明实施例通过激光雷达采集背景物体表面的第一点云数据；其中，背景物体表面设置有m个目标物体，m为正整数；滤除第一点云数据中反射强度低于预设强度阈值的点，得到第二点云数据；其中，预设强度阈值小于或等于目标物体表面的高反射率区域的反射强度；将第二点云数据由激光雷达坐标系转换到背景物体坐标系，得到第三点云数据；滤除第三点云数据中相对于背景物体表面的高度在预设高度范围之外的点，得到第四点云数据；其中，预设高度范围为高反射率区域相对于背景物体表面的高度范围；对第四点云数据进行聚类分割，得到n个第五点云数据；其中，n为大于或等于m的正整数；分别计算每个第五点云数据在背景物体坐标系下的位姿和方向包围盒；滤除n个第五点云数据中方向包围盒与高反射率区域之间的面积差大于预设面积阈值的第五点云数据的位姿，得到m个目标物体在背景物体坐标系下的位姿，通过在目标物体表面设置高反射率区域结合激光点云定位方法，定位精度高、稳定性好，不受背景物体表面的其他物体和环境光线的影响。
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一种物体定位装置，用于执行上述物体定位方法实施例中的步骤。物体定位装置可以是终端设备中的虚拟装置(virtual appliance)，由终端设备的处理器运行，也可以是终端设备本身。
如图5所示，本发明实施例提供的物体定位装置100，包括：
点云采集单元101，用于通过激光雷达采集背景物体表面的第一点云数据；其中，所述背景物体表面设置有m个目标物体，m为正整数；
第一过滤单元102，用于滤除所述第一点云数据中反射强度低于预设强度阈值的点，得到第二点云数据；其中，所述预设强度阈值小于或等于所述目标物体表面的高反射率区域的反射强度；
坐标系转换单元103，用于将所述第二点云数据由激光雷达坐标系转换到背景物体坐标系，得到第三点云数据；
第二过滤单元104，用于滤除所述第三点云数据中相对于所述背景物体表面的高度在预设高度范围之外的点，得到第四点云数据；其中，所述预设高度范围为所述高反射率区域相对于所述背景物体表面的高度范围；
聚类分割单元105，用于对所述第四点云数据进行聚类分割，得到n个第五点云数据；其中，n为大于或等于m的正整数；
位姿计算单元106，用于分别计算每个所述第五点云数据在所述背景物体坐标系下的位姿和方向包围盒；
第三过滤单元107，用于滤除所述n个第五点云数据中方向包围盒与所述高反射率区域之间的面积差大于预设面积阈值的第五点云数据的位姿，得到所述m个目标物体在所述背景物体坐标系下的位姿。
在一个实施例中，物体定位装置还包括：
强度获取单元，用于获取所述第一点云数据中与所述m个目标物体表面的高反射率区域对应的所有点的反射强度中的最小反射强度，得到所述预设强度阈值。
在应用中，物体定位装置中的各单元可以为软件程序单元，也可以通过处理器中集成的不同逻辑电路实现，还可以通过多个分布式处理器实现。
图6为本发明实施例还提供一种终端设备200，包括：至少一个处理器201(图6中仅示出一个处理器)、存储器202以及存储在存储器202中并可在至少一个处理器201上运行的计算机程序203，处理器201执行计算机程序203时实现上述任意方法实施例中的步骤。
在应用中，终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，图6仅仅是终端设备的举例，并不构成对终端设备6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，例如还可以包括输入输出设备、网络接入设备等。
在应用中，处理器可以是中央处理单元(Central Processing Unit，CPU)，该处理器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 Gate Array，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。
在应用中，存储器在一些实施例中可以是终端设备的内部存储单元，例如终端设备的硬盘或内存。存储器在另一些实施例中也可以是终端设备的外部存储设备，例如，终端设备上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card)等。进一步地，存储器还可以既包括终端设备的内部存储单元也包括外部存储设备。存储器用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如计算机程序的程序代码等。存储器还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
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，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述系统中单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本发明实施例还提供了一种网络设备，该网络设备包括：至少一个处理器、存储器以及存储在存储器中并可在至少一个处理器上运行的计算机程序，处理器执行计算机程序时实现上述各个方法实施例中的步骤。
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本发明实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行时实现可实现上述各个方法实施例中的步骤。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质至少可以包括：能够将计算机程序代码携带到装置/设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
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算法步骤，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/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/设备实施例仅仅是示意性的，例如，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。
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。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (13)
1.一种物体定位方法，其特征在于，包括：
通过激光雷达采集背景物体表面的第一点云数据；其中，所述背景物体表面设置有m个目标物体，m为正整数；
滤除所述第一点云数据中反射强度低于预设强度阈值的点，得到第二点云数据；其中，所述预设强度阈值小于或等于所述目标物体表面的高反射率区域的反射强度；
将所述第二点云数据由激光雷达坐标系转换到背景物体坐标系，得到第三点云数据；
滤除所述第三点云数据中相对于所述背景物体表面的高度在预设高度范围之外的点，得到第四点云数据；其中，所述预设高度范围为所述高反射率区域相对于所述背景物体表面的高度范围；
对所述第四点云数据进行聚类分割，得到n个第五点云数据；其中，n为大于或等于m的正整数；
分别计算每个所述第五点云数据在所述背景物体坐标系下的位姿和方向包围盒；
滤除所述n个第五点云数据中方向包围盒与所述高反射率区域之间的面积差大于预设面积阈值的第五点云数据的位姿，得到所述m个目标物体在所述背景物体坐标系下的位姿。
2.如权利要求1所述的物体定位方法，其特征在于，所述通过激光雷达采集背景物体表面的第一点云数据，包括：
通过朝向背景物体表面设置的多线激光雷达采集所述背景物体表面的第一点云数据。
3.如权利要求1所述的物体定位方法，其特征在于，所述滤除所述第一点云数据中反射强度低于预设强度阈值的点，得到第二点云数据之前，包括：
获取所述第一点云数据中与所述m个目标物体表面的高反射率区域对应的所有点的反射强度中的最小反射强度，得到所述预设强度阈值。
4.如权利要求1所述的物体定位方法，其特征在于，所述将所述第二点云数据由激光雷达坐标系转换到背景物体坐标系，得到第三点云数据，包括：
根据激光雷达坐标系相对于背景物体坐标系的旋转矩阵、姿态和位置以及所述激光雷达向所述背景物体表面发射的激光点在所述激光雷达坐标系下的位置，得到第三点云数据。
5.如权利要求4所述的物体定位方法，其特征在于，所述根据激光雷达坐标系相对于背景物体坐标系的旋转矩阵、姿态和位置以及所述激光雷达向所述背景物体表面发射的激光点在所述激光雷达坐标系下的位置，得到第三点云数据的公式为：
其中，
为所述第三点云数据中第i点在所述背景物体坐标系下的位置，R(q)为所述激光雷达坐标系相对于所述背景物体坐标系的旋转矩阵，
为所述激光雷达向所述背景物体表面发射的第i激光点在所述激光雷达坐标系下的位置，q为所述激光雷达坐标系相对于所述背景物体坐标系的姿态，p为所述激光雷达坐标系相对于所述背景物体坐标系的位置。
6.如权利要求1所述的物体定位方法，其特征在于，所述对所述第四点云数据进行聚类分割，得到n个第五点云数据，包括：
通过欧几里得聚类算法对所述第四点云数据进行聚类分割，得到n个第五点云数据。
7.如权利要求1所述的物体定位方法，其特征在于，所述分别计算每个所述第五点云数据在所述背景物体坐标系下的位姿和方向包围盒，包括：
通过主成分分析算法分别计算每个所述第五点云数据在所述背景物体坐标系下的中心和主方向，得到每个所述第五点云数据在所述背景物体坐标系下的位姿；
分别根据每个所述第五点云数据的位姿，建立每个所述第五点云数据在所述背景物体坐标系下的方向包围盒。
8.如权利要求7所述的物体定位方法，其特征在于，所述通过主成分分析算法分别计算每个所述第五点云数据在所述背景物体坐标系下的中心和主方向，得到每个所述第五点云数据在所述背景物体坐标系下的位姿，包括：
通过主成分分析算法分别计算每个所述第五点云数据在所述背景物体坐标系下的中心；
分别根据每个所述第五点云数据在所述背景物体坐标系下的中心，对每个所述第五点云数据中的所有点进行中心化；
分别根据中心化之后的每个所述第五点云数据，计算与每个所述第五点云数据对应的协方差矩阵；
分别对与每个所述第五点云数据对应的协方差矩阵进行特征值分解，得到与每个所述第五点云数据对应的三个特征向量；其中，所述特征向量为主方向；
分别对与每个所述第五点云数据对应的三个特征向量进行标准化，得到与每个所述第五点云数据对应的特征向量矩阵；其中，每个所述第五点云数据在所述背景物体坐标系下的位姿包括中心和特征向量矩阵。
9.如权利要求8所述的物体定位方法，其特征在于，所述通过主成分分析算法分别计算每个所述第五点云数据在所述背景物体坐标系下的中心的公式为：
其中，pcentroid为任一所述第五点云数据在所述背景物体坐标系下的中心，k为任一所述第五点云数据中所有点的数量，p(j)为任一所述第五点云数据中的第j点在所述背景物体坐标系下的位置；
所述分别根据每个所述第五点云数据在所述背景物体坐标系下的中心，对每个所述第五点云数据中的所有点进行中心化的公式为：
p(j)′＝p(j)-prentroid；
其中，表示中心化之后的任一所述第五点云数据中的第j点在所述背景物体坐标系的位置。
10.如权利要求1至9任一项所述的物体定位方法，其特征在于，所述目标物体为机器人，所述目标物体表面的高反射率区域为高反射率贴件。
11.一种物体定位装置，其特征在于，包括：
点云采集单元，用于通过激光雷达采集背景物体表面的第一点云数据；其中，所述背景物体表面设置有m个目标物体，m为正整数；
第一过滤单元，用于滤除所述第一点云数据中反射强度低于预设强度阈值的点，得到第二点云数据；其中，所述预设强度阈值小于或等于所述目标物体表面的高反射率区域的反射强度；
坐标系转换单元，用于将所述第二点云数据由激光雷达坐标系转换到背景物体坐标系，得到第三点云数据；
第二过滤单元，用于滤除所述第三点云数据中相对于所述背景物体表面的高度在预设高度范围之外的点，得到第四点云数据；其中，所述预设高度范围为所述高反射率区域相对于所述背景物体表面的高度范围；
聚类分割单元，用于对所述第四点云数据进行聚类分割，得到n个第五点云数据；其中，n为大于或等于m的正整数；
位姿计算单元，用于分别计算每个所述第五点云数据在所述背景物体坐标系下的位姿和方向包围盒；
第三过滤单元，用于滤除所述n个第五点云数据中方向包围盒与所述高反射率区域之间的面积差大于预设面积阈值的第五点云数据的位姿，得到所述m个目标物体在所述背景物体坐标系下的位姿。
12.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至10任一项所述方法的步骤。
13.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至10任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011380314.0A CN112465908B (zh) | 2020-11-30 | 2020-11-30 | 一种物体定位方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011380314.0A CN112465908B (zh) | 2020-11-30 | 2020-11-30 | 一种物体定位方法、装置、终端设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112465908A true CN112465908A (zh) | 2021-03-09 |
| CN112465908B CN112465908B (zh) | 2023-09-22 |
Family
ID=74805984
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011380314.0A Active CN112465908B (zh) | 2020-11-30 | 2020-11-30 | 一种物体定位方法、装置、终端设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112465908B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN115082662A (zh) * | 2022-07-15 | 2022-09-20 | 深圳市速腾聚创科技有限公司 | 目标区域的定位方法和目标区域的定位装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108828608A (zh) * | 2018-03-29 | 2018-11-16 | 苏州大学张家港工业技术研究院 | 车辆检测方法中激光雷达背景数据滤除方法 |
| CN108932736A (zh) * | 2018-05-30 | 2018-12-04 | 南昌大学 | 二维激光雷达点云数据处理方法以及动态机器人位姿校准方法 |
| CN109297510A (zh) * | 2018-09-27 | 2019-02-01 | 百度在线网络技术（北京）有限公司 | 相对位姿标定方法、装置、设备及介质 |
| WO2019121056A1 (fr) * | 2017-12-21 | 2019-06-27 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Methode de reconnaissance d'objets dans une scene observee en trois dimensions |
| WO2019174236A1 (zh) * | 2018-03-14 | 2019-09-19 | 浙江大学 | 一种基于ViBe的三维声纳点云图像分割方法 |
| CN110290395A (zh) * | 2019-06-14 | 2019-09-27 | 北京奇艺世纪科技有限公司 | 一种图像处理方法、装置及计算机可读存储介质 |
| CN110910451A (zh) * | 2019-10-23 | 2020-03-24 | 同济大学 | 一种基于变形卷积网络的物体位姿估计方法及系统 |
| CN111179324A (zh) * | 2019-12-30 | 2020-05-19 | 同济大学 | 基于颜色和深度信息融合的物体六自由度位姿估计方法 |
| CN111179321A (zh) * | 2019-12-30 | 2020-05-19 | 南京埃斯顿机器人工程有限公司 | 一种基于模板匹配的点云配准方法 |
-
2020
- 2020-11-30 CN CN202011380314.0A patent/CN112465908B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019121056A1 (fr) * | 2017-12-21 | 2019-06-27 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Methode de reconnaissance d'objets dans une scene observee en trois dimensions |
| WO2019174236A1 (zh) * | 2018-03-14 | 2019-09-19 | 浙江大学 | 一种基于ViBe的三维声纳点云图像分割方法 |
| CN108828608A (zh) * | 2018-03-29 | 2018-11-16 | 苏州大学张家港工业技术研究院 | 车辆检测方法中激光雷达背景数据滤除方法 |
| CN108932736A (zh) * | 2018-05-30 | 2018-12-04 | 南昌大学 | 二维激光雷达点云数据处理方法以及动态机器人位姿校准方法 |
| CN109297510A (zh) * | 2018-09-27 | 2019-02-01 | 百度在线网络技术（北京）有限公司 | 相对位姿标定方法、装置、设备及介质 |
| CN110290395A (zh) * | 2019-06-14 | 2019-09-27 | 北京奇艺世纪科技有限公司 | 一种图像处理方法、装置及计算机可读存储介质 |
| CN110910451A (zh) * | 2019-10-23 | 2020-03-24 | 同济大学 | 一种基于变形卷积网络的物体位姿估计方法及系统 |
| CN111179324A (zh) * | 2019-12-30 | 2020-05-19 | 同济大学 | 基于颜色和深度信息融合的物体六自由度位姿估计方法 |
| CN111179321A (zh) * | 2019-12-30 | 2020-05-19 | 南京埃斯顿机器人工程有限公司 | 一种基于模板匹配的点云配准方法 |
Non-Patent Citations (2)
| Title |
|---|
| 郭清达;全燕鸣;: "采用空间投影的深度图像点云分割", 光学学报, no. 18 * |
| 陈旭;何炳蔚;: "一种基于校正点云主成分坐标系的快速全局配准算法", 激光与光电子学进展, no. 06 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN115082662A (zh) * | 2022-07-15 | 2022-09-20 | 深圳市速腾聚创科技有限公司 | 目标区域的定位方法和目标区域的定位装置 |
| CN115082662B (zh) * | 2022-07-15 | 2023-02-03 | 深圳市速腾聚创科技有限公司 | 目标区域的定位方法和目标区域的定位装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112465908B (zh) | 2023-09-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6830139B2 (ja) | ３次元データの生成方法、３次元データの生成装置、コンピュータ機器及びコンピュータ読み取り可能な記憶媒体 | |
| CN108228798B (zh) | 确定点云数据之间的匹配关系的方法和装置 | |
| CN108279670B (zh) | 用于调整点云数据采集轨迹的方法、设备以及计算机可读介质 | |
| CN111178250A (zh) | 物体识别定位方法、装置及终端设备 | |
| CN110363817B (zh) | 目标位姿估计方法、电子设备和介质 | |
| EP2211302A1 (en) | Feature point arrangement checking device, image checking device, method therefor, and program | |
| CN112465908A (zh) | 一种物体定位方法、装置、终端设备及存储介质 | |
| CN112784873A (zh) | 一种语义地图的构建方法及设备 | |
| CN113362446B (zh) | 基于点云数据重建对象的方法及装置 | |
| US11756263B2 (en) | Box modeling method, apparatus, robot picking system, electronic device and medium | |
| CN110530375B (zh) | 机器人自适应定位方法、定位装置、机器人及存储介质 | |
| CN114581871A (zh) | 一种目标物体的检测方法和装置 | |
| US20200380704A1 (en) | Associating Spatial Point Sets | |
| CN112154394A (zh) | 地形检测方法、可移动平台、控制设备、系统及存储介质 | |
| CN114764885A (zh) | 障碍物的检测方法、装置、计算机可读存储介质和处理器 | |
| CN110542421A (zh) | 机器人定位方法、定位装置、机器人及存储介质 | |
| CN113362445A (zh) | 基于点云数据重建对象的方法及装置 | |
| US10963733B2 (en) | Associating spatial point sets with candidate correspondences | |
| CN110853098A (zh) | 机器人定位方法、装置、设备及存储介质 | |
| CN113935946B (zh) | 实时检测地下障碍物的方法及装置 | |
| CN113776517A (zh) | 地图生成方法、装置、系统、存储介质及电子设备 | |
| CN114463512A (zh) | 点云数据的处理方法、矢量化方法及装置 | |
| CN110399892B (zh) | 环境特征提取方法和装置 | |
| CN112334880A (zh) | 可移动平台对障碍物的处理方法、装置及计算机存储介质 | |
| CN113124816A (zh) | 天线工参生成方法、装置、存储介质和计算机设备 |
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 |