CN112540616B - 一种基于无人驾驶的激光点云生成方法及装置 - Google Patents

一种基于无人驾驶的激光点云生成方法及装置 Download PDF

Info

Publication number
CN112540616B
CN112540616B CN202011460540.XA CN202011460540A CN112540616B CN 112540616 B CN112540616 B CN 112540616B CN 202011460540 A CN202011460540 A CN 202011460540A CN 112540616 B CN112540616 B CN 112540616B
Authority
CN
China
Prior art keywords
subspace
dimensional coordinate
vehicle
virtual scene
subspaces
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
Application number
CN202011460540.XA
Other languages
English (en)
Other versions
CN112540616A (zh
Inventor
何丰
吴伟华
杨强
薛晓卿
陈贞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Saimu Technology Co ltd
Original Assignee
Zhejiang Saimu Technology Co ltd
Beijing Saimu Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Saimu Technology Co ltd, Beijing Saimu Technology Co ltd filed Critical Zhejiang Saimu Technology Co ltd
Priority to CN202011460540.XA priority Critical patent/CN112540616B/zh
Publication of CN112540616A publication Critical patent/CN112540616A/zh
Application granted granted Critical
Publication of CN112540616B publication Critical patent/CN112540616B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • 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

Abstract

本发明提供了一种基于无人驾驶的激光点云生成方法及装置，其中，激光点云生成方法包括：基于车辆上激光雷达的探测距离，对虚拟场景进行空间8叉树划分，得到一个或多个子空间；针对虚拟场景中每一物体的三维坐标信息，将该物体的三维坐标信息与各子空间的三维坐标范围进行匹配，以将该物体归于匹配的子空间中；获取车辆的三维坐标信息，从虚拟场景的各子空间中，获取与所述车辆的三维坐标信息相距为所述探测距离的子空间中的候选物体；以所述车辆为中心，按照预设角度模拟所述激光雷达，向所述候选物体发射激光；在所述候选物体中，获取与所述激光在传播过程中发生碰撞的目标物体，基于所述目标物体构建激光点云。可以提升激光点云的生成效率。

Description

一种基于无人驾驶的激光点云生成方法及装置
技术领域
本发明涉及无人驾驶技术领域，具体而言，涉及一种基于无人驾驶的激光点云生成方法及装置。
背景技术
在无人驾驶中，对车辆行驶环境进行准确的感知，并依据感知的车辆行驶环境生成车辆行驶路线，是实现车辆安全无人驾驶的关键。其中，在无人驾驶领域中，由于激光点云可以用于定位以及生成矢量地图以进行车辆行驶路线规划等，因而，依据感知的车辆行驶环境中各物体的三维坐标信息，利用点云技术对三维坐标信息进行处理，生成激光点云，依据激光点云确定车辆行驶路线，是无人驾驶中确定车辆行驶路线的常用方法。
点云技术是通过在虚拟场景中绘制出大量的点，并用这些点来形成激光点云的数据集合，从而建立起三维模型以表示虚拟场景的空间表面特性，可用于为三维地理信息系统、无人驾驶自动仿真和虚拟技术、以及数字城市建设建立真实的三维城市模型。
为了生成虚拟场景中车辆的激光点云，需要获取车辆周边物体的三维坐标信息，再基于获取的周边物体的三维坐标信息，利用点云技术，例如，点云生成算法生成激光点云。目前基于无人驾驶的激光点云生成方法中，通过遍历虚拟场景中所有物体的三维坐标信息，计算出每一物体与车辆的空间距离，从而依据计算得到的空间距离判断是否是车辆的周边物体，若是，将该物体置于激光点云集中。但该方法，需要遍历虚拟场景中的每一物体，计算该物体与车辆的空间距离，运算量大、耗费时间长，使得生成激光点云的效率较低，很难满足在实时驾驶环境下，对生成激光点云的数据处理的实时性要求。
发明内容
有鉴于此，本发明的目的在于提供基于无人驾驶的激光点云生成方法及装置，以提高激光点云的生成效率。
第一方面，本发明实施例提供了基于无人驾驶的激光点云生成方法，包括：
基于车辆上激光雷达的探测距离，对虚拟场景进行空间8叉树划分，得到一个或多个子空间；
针对虚拟场景中每一物体的三维坐标信息，将该物体的三维坐标信息与各子空间的三维坐标范围进行匹配，以将该物体归于匹配的子空间中；
获取车辆的三维坐标信息，从虚拟场景的各子空间中，获取与所述车辆的三维坐标信息相距为所述探测距离的子空间中的候选物体；
以所述车辆为中心，按照预设角度模拟所述激光雷达，向所述候选物体发射激光；
在所述候选物体中，获取与所述激光在传播过程中发生碰撞的目标物体，基于所述目标物体构建激光点云。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述基于车辆上激光雷达的探测距离，对虚拟场景进行空间8叉树划分，得到一个或多个子空间，包括：
获取虚拟场景在三维度方向上的三维坐标范围信息，依据所述三维坐标范围信息计算该虚拟场景分别在该三维度方向上的第一长度；
针对每一维度方向上的第一长度，若该第一长度超过所述探测距离，沿该维度方向，将所述虚拟场景划分为两个第一子空间；
针对划分的第一子空间，获取该第一子空间在三维度方向上的三维坐标范围信息，计算该第一子空间分别在该三维度方向上的第二长度；
针对每一维度方向上的第二长度，若该第二长度超过所述探测距离，沿该维度方向，将所述第一子空间划分为两个第二子空间，直至划分的子空间在各维度方向上的长度均小于所述探测距离。
结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述沿该维度方向，将所述虚拟场景划分为两个第一子空间，包括：
沿该维度方向，将所述虚拟场景划分为沿该维度方向等长的两个第一子空间。
结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述获取车辆的三维坐标信息，从虚拟场景的各子空间中，获取与所述车辆的三维坐标信息相距为所述探测距离的子空间中的候选物体，包括：
依据车辆的三维坐标信息，计算与所述车辆的偏移距离为所述探测距离的三维坐标偏移范围信息；
从虚拟场景的各子空间中，获取三维坐标范围信息包含所述三维坐标偏移范围信息的子空间，提取获取的子空间中的物体，得到候选物体。
结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述沿该维度方向，将所述虚拟场景划分为两个第一子空间，包括：
沿该维度方向，以所述车辆中心为分割点，将所述虚拟场景划分为两个第一子空间。
结合第一方面的第四种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，所述获取车辆的三维坐标信息，从虚拟场景的各子空间中，获取与所述车辆的三维坐标信息相距为所述探测距离的子空间中的候选物体，包括：
依据所述车辆所在的子空间，从虚拟场景的各子空间中，获取与所述车辆所在的子空间相邻的子空间，根据获取的子空间以及所述车辆所在的子空间，得到候选子空间。
结合第一方面、第一方面的第一种可能的实施方式至第五种可能的实施方式中的任一种可能的实施方式，本发明实施例提供了第一方面的第六种可能的实施方式，其中，所述将该物体的三维坐标信息与各子空间的三维坐标范围进行匹配，以将该物体归于匹配的子空间中，包括：
获取各子空间的三维坐标范围信息；
若物体在任意维度方向上的坐标信息位于候选子空间在该维度方向上的三维坐标范围信息内，将该物体置于该候选子空间，该候选子空间为各子空间中的一子空间。
第二方面，本发明实施例还提供了一种基于无人驾驶的激光点云生成装置，包括：
子空间划分模块，用于基于车辆上激光雷达的探测距离，对虚拟场景进行空间8叉树划分，得到一个或多个子空间；
坐标匹配模块，用于针对虚拟场景中每一物体的三维坐标信息，将该物体的三维坐标信息与各子空间的三维坐标范围进行匹配，以将该物体归于匹配的子空间中；
筛选模块，用于获取车辆的三维坐标信息，从虚拟场景的各子空间中，获取与所述车辆的三维坐标信息相距为所述探测距离的子空间中的候选物体；
碰撞模块，用于以所述车辆为中心，按照预设角度模拟所述激光雷达，向所述候选物体发射激光；
激光点云构建模块，用于在所述候选物体中，获取与所述激光在传播过程中发生碰撞的目标物体，基于所述目标物体构建激光点云。
第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上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上述方法的步骤。
第四方面，本申请实施例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上存储有计算机程序，所述计算机程序被处理器运行时执行上述的方法的步骤。
本发明实施例提供的基于无人驾驶的激光点云生成方法及装置，通过基于车辆上激光雷达的探测距离，对虚拟场景进行空间8叉树划分，得到一个或多个子空间；针对虚拟场景中每一物体的三维坐标信息，将该物体的三维坐标信息与各子空间的三维坐标范围进行匹配，以将该物体归于匹配的子空间中；获取车辆的三维坐标信息，从虚拟场景的各子空间中，获取与所述车辆的三维坐标信息相距为所述探测距离的子空间中的候选物体；以所述车辆为中心，按照预设角度模拟所述激光雷达，向所述候选物体发射激光；在所述候选物体中，获取与所述激光在传播过程中发生碰撞的目标物体，基于所述目标物体构建激光点云。这样，基于激光雷达的探测距离，将虚拟场景中的所有物体对应归属于空间8叉树下的子空间中，在检索车辆的周边物体以生成激光点云时，只需获取车辆所在子空间内包含的物体，以及与车辆所在子空间相邻的子空间内包含的物体，不需要逐一计算车辆和虚拟场景中每一物体的距离，能够有效降低运算所需的运算量，提高激光点云的生成效率。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，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示出了本发明实施例所提供的基于无人驾驶的激光点云生成方法流程示意图；
图2示出了本发明实施例所提供的基于无人驾驶的激光点云生成装置结构示意图；
图3为本申请实施例提供的一种计算机设备300的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
目前基于无人驾驶的激光点云生成方法中，需要遍历虚拟场景中所有物体的三维坐标信息，计算出每一物体与车辆的空间距离，依据空间距离与预先设置的偏移距离阈值判断该物体是否是车辆的周边物体，若是，将该物体置于激光点云集中，使得计算虚拟场景中所有物体与车辆的空间距离所需的运算量大、耗费时间长，生成激光点云的效率较低，难以满足实时驾驶环境下，对数据处理的实时性要求。本发明实施例中，基于激光雷达的探测距离，对虚拟场景进行空间8叉树划分，从而将虚拟场景中的所有物体对应归属于空间8叉树下的子空间中，依据子空间与车辆的空间距离以生成激光点云，无需计算每一物体与车辆的空间距离，从而有效降低运算所需的运算量，提升激光点云的生成效率。
本发明实施例提供了一种基于无人驾驶的激光点云生成方法及装置，下面通过实施例进行描述。
图1示出了本发明实施例所提供的基于无人驾驶的激光点云生成方法流程示意图。如图1所示，该方法包括：
步骤101，基于车辆上激光雷达的探测距离，对虚拟场景进行空间8叉树划分，得到一个或多个子空间；
本发明实施例中，车辆在行驶过程中，会利用安装在车辆上的激光雷达探测车辆行驶环境，并结合GPS数据等获取虚拟场景中各物体的三维坐标信息。因而，本发明实施例中，在生成激光点云时，考虑激光雷达的探测距离范围内的物体，从而根据激光雷达的探测距离，对虚拟场景进行子空间划分，构建空间8叉树。作为一可选实施例，基于车辆上激光雷达的探测距离，对虚拟场景进行空间8叉树划分，得到一个或多个子空间，包括：
A11，获取虚拟场景在三维度方向上的三维坐标范围信息，依据所述三维坐标范围信息计算该虚拟场景分别在该三维度方向上的第一长度；
本发明实施例中，将虚拟场景中包含有物体所占据的空间，作为初始空间，并基于探测距离分割初始空间。其中，三维坐标范围信息包括：x坐标范围信息、y坐标范围信息以及z坐标范围信息。例如，若虚拟场景为一矩形，则三维坐标范围信息为左上角点三维坐标信息和右下角点三维坐标信息，或者，左下角点三维坐标信息和右上角点三维坐标信息，三维坐标范围信息可以表示为((X1,Y1,Z1),(X2,Y2,Z2))。针对x维度方向，则该虚拟场景在该x维度方向上的第一长度为(X2-X1)，针对y维度方向，则该虚拟场景在该y维度方向上的第一长度为(Y2-Y1)。
A12，针对每一维度方向上的第一长度，若该第一长度超过所述探测距离，沿该维度方向，将所述虚拟场景划分为两个第一子空间；
本发明实施例中，以探测距离为基准，对虚拟场景进行空间8叉树的划分。例如，对于初始空间，如果该初始空间的x、y、z维度中，任一维度上的第一长度大于探测距离，则在该维度方向上，将该初始空间分割成多个更小的子空间。举例来说，若初始空间的x、y、z维度中，所有维度方向上的第一长度均大于探测距离，则可以将该初始空间分割成8个第一子空间；若初始空间的x、y、z维度中，只有x维度方向和z维度方向上的第一长度大于探测距离，则可以将该初始空间沿x维度方向和z维度方向分割成4个第一子空间；如果该初始空间的x、y、z维度中，所有维度上的第一长度均不大于探测距离，则不对该初始空间进行分割。
本发明实施例中，作为一可选实施例，沿该维度方向，将所述虚拟场景划分为两个第一子空间，包括：
沿该维度方向，将所述虚拟场景划分为沿该维度方向等长的两个第一子空间。
本发明实施例中，为了便于后续的更高效处理，作为另一可选实施例，沿该维度方向，将所述虚拟场景划分为两个第一子空间，包括：
沿该维度方向，以所述车辆中心为分割点，将所述虚拟场景划分为两个第一子空间。
A13，针对划分的第一子空间，获取该第一子空间在三维度方向上的三维坐标范围信息，计算该第一子空间分别在该三维度方向上的第二长度；
本发明实施例中，若第一子空间在三维度方向上的任一维度方向上的长度大于探测距离，对该第一子空间继续进行分割。
A14，针对每一维度方向上的第二长度，若该第二长度超过所述探测距离，沿该维度方向，将所述第一子空间划分为两个第二子空间，直至划分的子空间在各维度方向上的长度均小于所述探测距离。
本发明实施例中，最后分割得到的各子空间为对虚拟场景进行空间8叉树划分得到的子空间，每一子空间在x、y、z维度方向上的长度均小于或等于探测距离。
步骤102，针对虚拟场景中每一物体的三维坐标信息，将该物体的三维坐标信息与各子空间的三维坐标范围进行匹配，以将该物体归于匹配的子空间中；
本发明实施例中，作为一可选实施例，将该物体的三维坐标信息与各子空间的三维坐标范围进行匹配，以将该物体归于匹配的子空间中，包括：
A21，获取各子空间的三维坐标范围信息；
A22，若物体在任意维度方向上的坐标信息位于候选子空间在该维度方向上的三维坐标范围信息内，将该物体置于该候选子空间，该候选子空间为各子空间中的一子空间。
本发明实施例中，根据物体的三维坐标信息以及各子空间的三维坐标范围信息，确定该物体所属的子空间，子空间内包含有一个或多个物体。
本发明实施例中，假设某一子空间的对角坐标的三维坐标范围信息为((x1,y1,z1)，(x2,y2,z2))，其中，x1<x2、y1<y2,z1<z2。
物体的三维坐标信息为(x,y,z)，若：x1≤x≤x2,或，y1≤y≤y2,或，z1≤z≤z2，则确定该物体属于该子空间。
步骤103，获取车辆的三维坐标信息，从虚拟场景的各子空间中，获取与所述车辆的三维坐标信息相距为所述探测距离的子空间中的候选物体；
本发明实施例中，车辆的三维坐标信息为车辆中心的三维坐标信息。对于前述将虚拟场景划分为沿维度方向等长的两个第一子空间的情形，作为一可选实施例，获取车辆的三维坐标信息，从虚拟场景的各子空间中，获取与所述车辆的三维坐标信息相距为所述探测距离的子空间中的候选物体，包括：
A31，依据车辆的三维坐标信息，计算与所述车辆的偏移距离为所述探测距离的三维坐标偏移范围信息；
A32，从虚拟场景的各子空间中，获取三维坐标范围信息包含所述三维坐标偏移范围信息的子空间，提取获取的子空间中的物体，得到候选物体。
本发明实施例中，在x、y、z维度上，计算与车辆(中心)的偏移距离为探测距离的候选点的坐标信息，并检索8叉树，获取位于这些候选点内的子空间。例如，假设车辆的三维坐标信息为(x0,y0,z0)，探测距离为d，则候选点的三维坐标信息为(x0+offset,y0+offset,z0+offset)，其中，offset的取值包括：-d、0、d。这样，得到的候选点的数量为27，依据这些候选点，可以得到一候选区域的两个角点的三维坐标信息分别是：(x0-offset,y0-offset,z0-offset)以及(x0+offset,y0+offset,z0+offset)，获取全部区域或部分区域在候选区域内的子空间，组成候选子空间。
本发明实施例中，对于前述以所述车辆中心为分割点，将所述虚拟场景划分为两个第一子空间的情形，作为一可选实施例，获取车辆的三维坐标信息，从虚拟场景的各子空间中，获取与所述车辆的三维坐标信息相距为所述探测距离的子空间中的候选物体，包括：
依据所述车辆所在的子空间，从虚拟场景的各子空间中，获取与所述车辆所在的子空间相邻的子空间，根据获取的子空间以及所述车辆所在的子空间，得到候选子空间。
本发明实施例中，获取车辆所在子空间及与该子空间相邻的子空间，构建候选子空间，提取候选子空间内的所有物体的三维坐标信息。
步骤104，以所述车辆为中心，按照预设角度模拟所述激光雷达，向所述候选物体发射激光；
本发明实施例中，模拟的激光雷达发射的激光的探测距离为上述车辆上激光雷达的探测距离。通过激光发射，可以获取对车辆行驶路径上可能对车辆形成障碍的物体。
本发明实施例中，作为一可选实施例，以所述车辆为中心，按照预设角度模拟所述激光雷达，向所述候选物体发射激光，包括：
A31，将所述候选子空间的三维坐标范围信息以及每一候选子空间内包含的物体的三维坐标信息，输入预先构建的几何加速模型；
本发明实施例中，几何加速模型(GAS,Geometry Acceleration Structure)基于NVIDIA Optix框架，关于构建几何加速模型，具体可参见相关技术文献，在此不再赘述。
A32，在所述几何加速模型中，在水平和垂直方向上设置所述预设角度，模拟所述激光雷达按照所述预设角度发射激光。
本发明实施例中，模拟发射大量的激光光线。
步骤105，在所述候选物体中，获取与所述激光在传播过程中发生碰撞的目标物体，基于所述目标物体构建激光点云。
本发明实施例中，当模拟发射的激光在候选子空间内传播，在光线传播的过程中，会碰撞到各候选子空间内的物体。由于在几何加速模型中，激光的起点位置、发射方向是已知的，基于NVIDIA Optix框架的几何加速模型会依据返回的光线，计算并获取碰撞点的位置和距离信息，并结合激光的衰减模型和反射模型，计算出激光的强度信息。
本发明实施例中，作为一可选实施例，在确定出发生碰撞的物体(碰撞点)后，可以依据该物体的三维坐标信息以及车辆的三维坐标信息，获取碰撞点的位置和距离信息，结合激光的衰减模型、反射模型以及距离信息，计算出激光的强度信息，将碰撞点的位置(三维坐标信息)、距离信息以及激光的强度信息，作为该碰撞点(激光点云)的点云数据。
本发明实施例中，作为一可选实施例，可以利用图形处理器(GPU，GraphicsProcessing Unit)的并行计算能力，并行执行模拟激光的发射、获取碰撞点的位置和距离信息以及计算出激光的强度信息，这样，可以有效提高激光点云的生成效率。
本发明实施例的基于无人驾驶的激光点云生成方法，基于车辆上激光雷达的探测距离，对虚拟场景进行空间8叉树划分，得到一个或多个子空间；针对虚拟场景中每一物体的三维坐标信息，将该物体的三维坐标信息与各子空间的三维坐标范围进行匹配，以将该物体归于匹配的子空间中；获取车辆的三维坐标信息，从虚拟场景的各子空间中，获取与所述车辆的三维坐标信息相距为所述探测距离的子空间中的候选物体；以所述车辆为中心，按照预设角度模拟所述激光雷达，向所述候选物体发射激光；在所述候选物体中，获取与所述激光在传播过程中发生碰撞的目标物体，基于所述目标物体构建激光点云。这样，基于激光雷达的探测距离对虚拟场景进行空间8叉树划分，从而将虚拟场景中的所有物体对应归属于空间8叉树下的子空间中，为三维虚拟场景中的所有物体建立位置索引，在检索车辆的周边物体时，只需利用位置索引，依据子空间与车辆的空间距离，获取车辆所在子空间内包含的物体，以及与车辆所在子空间相邻的子空间内包含的物体，不需要逐一计算车辆和虚拟场景中每一物体的距离，从而有效降低运算所需的运算量，极大提高了运行性能。
图2示出了本发明实施例所提供的基于无人驾驶的激光点云生成装置结构示意图。如图2所示，该装置包括：
子空间划分模块201，用于基于车辆上激光雷达的探测距离，对虚拟场景进行空间8叉树划分，得到一个或多个子空间；
本发明实施例中，将虚拟场景中包含有物体所占据的空间，作为初始空间，并基于探测距离分割初始空间。作为一可选实施例，子空间划分模块201包括：
第一长度获取单元(图中未示出)，用于获取虚拟场景在三维度方向上的三维坐标范围信息，依据所述三维坐标范围信息计算该虚拟场景分别在该三维度方向上的第一长度；
第一划分单元，用于针对每一维度方向上的第一长度，若该第一长度超过所述探测距离，沿该维度方向，将所述虚拟场景划分为两个第一子空间；
第二长度获取单元，用于针对划分的第一子空间，获取该第一子空间在三维度方向上的三维坐标范围信息，计算该第一子空间分别在该三维度方向上的第二长度；
本发明实施例中，若第一子空间在三维度方向上的任一维度方向上的长度大于探测距离，对该第一子空间继续进行分割。
第二划分单元，用于针对每一维度方向上的第二长度，若该第二长度超过所述探测距离，沿该维度方向，将所述第一子空间划分为两个第二子空间，直至划分的子空间在各维度方向上的长度均小于所述探测距离。
本发明实施例中，作为一可选实施例，所述沿该维度方向，将所述虚拟场景划分为两个第一子空间，包括：
沿该维度方向，将所述虚拟场景划分为沿该维度方向等长的两个第一子空间；或者，
沿该维度方向，以所述车辆中心为分割点，将所述虚拟场景划分为两个第一子空间。
坐标匹配模块202，用于针对虚拟场景中每一物体的三维坐标信息，将该物体的三维坐标信息与各子空间的三维坐标范围进行匹配，以将该物体归于匹配的子空间中；
本发明实施例中，作为一可选实施例，坐标匹配模块202包括：
遍历单元(图中未示出)，用于遍历虚拟场景中每一物体的三维坐标信息；
位置确定单元，用于获取各子空间的三维坐标范围信息；
坐标匹配单元，若物体在任意维度方向上的坐标信息位于候选子空间在该维度方向上的三维坐标范围信息内，将该物体置于该候选子空间，该候选子空间为各子空间中的一子空间。
筛选模块203，用于获取车辆的三维坐标信息，从虚拟场景的各子空间中，获取与所述车辆的三维坐标信息相距为所述探测距离的子空间中的候选物体；
本发明实施例中，车辆的三维坐标信息为车辆中心的三维坐标信息。作为一可选实施例，筛选模块203包括：
偏移单元(图中未示出)，用于依据车辆的三维坐标信息，计算与所述车辆的偏移距离为所述探测距离的三维坐标偏移范围信息；
筛选单元，用于从虚拟场景的各子空间中，获取三维坐标范围信息包含所述三维坐标偏移范围信息的子空间，提取获取的子空间中的物体，得到候选物体。
本发明实施例中，作为另一可选实施例，筛选模块203包括：
相邻子空间获取单元，用于依据所述车辆所在的子空间，从虚拟场景的各子空间中，获取与所述车辆所在的子空间相邻的子空间，根据获取的子空间以及所述车辆所在的子空间，得到候选子空间。
本发明实施例中，以候选子空间为长方体为例，其左下角点和右上角点两个角点的三维坐标信息分别是：(x0-offset,y0-offset,z0-offset)以及(x0+offset,y0+offset,z0+offset)，其中，(x0,y0,z0)为车辆的三维坐标信息，offset为探测距离。
碰撞模块204，用于以所述车辆为中心，按照预设角度模拟所述激光雷达，向所述候选物体发射激光；
本发明实施例中，作为一可选实施例，碰撞模块204包括：
输入单元(图中未示出)，用于将所述候选子空间的三维坐标范围信息以及每一候选子空间内包含的物体的三维坐标信息，输入预先构建的几何加速模型；
设置单元，用于在所述几何加速模型中，在水平和垂直方向上设置所述预设角度，模拟所述激光雷达按照所述预设角度发射激光。
激光点云构建模块205，用于在所述候选物体中，获取与所述激光在传播过程中发生碰撞的目标物体，基于所述目标物体构建激光点云。
本发明实施例中，作为一可选实施例，可以利用图形处理器的并行计算能力，并行执行模拟激光的发射、获取碰撞点的位置和距离信息以及计算出激光的强度信息。
如图3所示，本申请一实施例提供了一种计算机设备300，用于执行图1中的基于无人驾驶的激光点云生成方法，该设备包括存储器301、处理器302及存储在该存储器301上并可在该处理器302上运行的计算机程序，其中，上述处理器302执行上述计算机程序时实现上述基于无人驾驶的激光点云生成方法的步骤。
具体地，上述存储器301和处理器302能够为通用的存储器和处理器，这里不做具体限定，当处理器302运行存储器301存储的计算机程序时，能够执行上述基于无人驾驶的激光点云生成方法。
对应于图1中的基于无人驾驶的激光点云生成方法，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述基于无人驾驶的激光点云生成方法的步骤。
具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述基于无人驾驶的激光点云生成方法。
在本申请所提供的实施例中，应该理解到，所揭露系统和方法，可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，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，又例如，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信连接可以是通过一些通信接口，系统或单元的间接耦合或通信连接，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，在本申请提供的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。
所述功能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，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，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。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种基于无人驾驶的激光点云生成方法，其特征在于，包括：
基于车辆上激光雷达的探测距离，对虚拟场景进行空间8叉树划分，得到一个或多个子空间；
针对虚拟场景中每一物体的三维坐标信息，将该物体的三维坐标信息与各子空间的三维坐标范围进行匹配，以将该物体归于匹配的子空间中；
获取车辆的三维坐标信息，从虚拟场景的各子空间中，获取与所述车辆的三维坐标信息相距为所述探测距离的子空间中的候选物体；
以所述车辆为中心，按照预设角度模拟所述激光雷达，向所述候选物体发射激光；
在所述候选物体中，获取与所述激光在传播过程中发生碰撞的目标物体，基于所述目标物体构建激光点云。
2.根据权利要求1所述的方法，其特征在于，所述基于车辆上激光雷达的探测距离，对虚拟场景进行空间8叉树划分，得到一个或多个子空间，包括：
获取虚拟场景在三维度方向上的三维坐标范围信息，依据所述三维坐标范围信息计算该虚拟场景分别在该三维度方向上的第一长度；
针对每一维度方向上的第一长度，若该第一长度超过所述探测距离，沿该维度方向，将所述虚拟场景划分为两个第一子空间；
针对划分的第一子空间，获取该第一子空间在三维度方向上的三维坐标范围信息，计算该第一子空间分别在该三维度方向上的第二长度；
针对每一维度方向上的第二长度，若该第二长度超过所述探测距离，沿该维度方向，将所述第一子空间划分为两个第二子空间，直至划分的子空间在各维度方向上的长度均小于所述探测距离。
3.根据权利要求2所述的方法，其特征在于，所述沿该维度方向，将所述虚拟场景划分为两个第一子空间，包括：
沿该维度方向，将所述虚拟场景划分为沿该维度方向等长的两个第一子空间。
4.根据权利要求3所述的方法，其特征在于，所述获取车辆的三维坐标信息，从虚拟场景的各子空间中，获取与所述车辆的三维坐标信息相距为所述探测距离的子空间中的候选物体，包括：
依据车辆的三维坐标信息，计算与所述车辆的偏移距离为所述探测距离的三维坐标偏移范围信息；
从虚拟场景的各子空间中，获取三维坐标范围信息包含所述三维坐标偏移范围信息的子空间，提取获取的子空间中的物体，得到候选物体。
5.根据权利要求2所述的方法，其特征在于，所述沿该维度方向，将所述虚拟场景划分为两个第一子空间，包括：
沿该维度方向，以所述车辆中心为分割点，将所述虚拟场景划分为两个第一子空间。
6.根据权利要求5所述的方法，其特征在于，所述获取车辆的三维坐标信息，从虚拟场景的各子空间中，获取与所述车辆的三维坐标信息相距为所述探测距离的子空间中的候选物体，包括：
依据所述车辆所在的子空间，从虚拟场景的各子空间中，获取与所述车辆所在的子空间相邻的子空间，根据获取的子空间以及所述车辆所在的子空间，得到候选子空间。
7.根据权利要求1至6任一项所述的方法，其特征在于，所述将该物体的三维坐标信息与各子空间的三维坐标范围进行匹配，以将该物体归于匹配的子空间中，包括：
获取各子空间的三维坐标范围信息；
若物体在任意维度方向上的坐标信息位于候选子空间在该维度方向上的三维坐标范围信息内，将该物体置于该候选子空间，该候选子空间为各子空间中的一子空间。
8.一种基于无人驾驶的激光点云生成装置，其特征在于，包括：
子空间划分模块，用于基于车辆上激光雷达的探测距离，对虚拟场景进行空间8叉树划分，得到一个或多个子空间；
坐标匹配模块，用于针对虚拟场景中每一物体的三维坐标信息，将该物体的三维坐标信息与各子空间的三维坐标范围进行匹配，以将该物体归于匹配的子空间中；
筛选模块，用于获取车辆的三维坐标信息，从虚拟场景的各子空间中，获取与所述车辆的三维坐标信息相距为所述探测距离的子空间中的候选物体；
碰撞模块，用于以所述车辆为中心，按照预设角度模拟所述激光雷达，向所述候选物体发射激光；
激光点云构建模块，用于在所述候选物体中，获取与所述激光在传播过程中发生碰撞的目标物体，基于所述目标物体构建激光点云。
9.一种计算机设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至7任一所述的基于无人驾驶的激光点云生成方法的步骤。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至7任一所述的基于无人驾驶的激光点云生成方法的步骤。
CN202011460540.XA 2020-12-11 2020-12-11 一种基于无人驾驶的激光点云生成方法及装置 Active CN112540616B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011460540.XA CN112540616B (zh) 2020-12-11 2020-12-11 一种基于无人驾驶的激光点云生成方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011460540.XA CN112540616B (zh) 2020-12-11 2020-12-11 一种基于无人驾驶的激光点云生成方法及装置

Publications (2)

Publication Number Publication Date
CN112540616A CN112540616A (zh) 2021-03-23
CN112540616B true CN112540616B (zh) 2021-07-16

Family

ID=75018505

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011460540.XA Active CN112540616B (zh) 2020-12-11 2020-12-11 一种基于无人驾驶的激光点云生成方法及装置

Country Status (1)

Country Link
CN (1) CN112540616B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113205554B (zh) * 2021-04-08 2022-11-15 珠海一微半导体股份有限公司 一种基于硬件加速的激光点云处理系统及芯片

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106033653A (zh) * 2015-03-12 2016-10-19 襄阳翠鸟视图科技有限公司 一种基于地面激光扫描的三维室内地图制作方法
CN106095907A (zh) * 2016-06-08 2016-11-09 江西理工大学 基于八叉树与三维r星树集成的激光点云数据管理方法
WO2017166594A1 (zh) * 2016-03-31 2017-10-05 百度在线网络技术（北京）有限公司 一种室内地图构建方法、装置和存储介质
CN109144097A (zh) * 2018-08-15 2019-01-04 广州极飞科技有限公司 障碍物或地面识别及飞行控制方法、装置、设备及介质
CN109155846A (zh) * 2018-08-14 2019-01-04 深圳前海达闼云端智能科技有限公司 一种场景的三维重建方法、装置、电子设备及存储介质
CN110781827A (zh) * 2019-10-25 2020-02-11 中山大学 一种基于激光雷达与扇状空间分割的路沿检测系统及其方法
CN111275816A (zh) * 2020-02-25 2020-06-12 华为技术有限公司 获取点云数据的方法及相关设备
DE102020003662A1 (de) * 2020-06-19 2020-08-06 Daimler Ag Verfahren zur Bestimmung einer Eigenbewegung mittels Lidar-Odometrie und Fahrzeug

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106033653A (zh) * 2015-03-12 2016-10-19 襄阳翠鸟视图科技有限公司 一种基于地面激光扫描的三维室内地图制作方法
WO2017166594A1 (zh) * 2016-03-31 2017-10-05 百度在线网络技术（北京）有限公司 一种室内地图构建方法、装置和存储介质
CN106095907A (zh) * 2016-06-08 2016-11-09 江西理工大学 基于八叉树与三维r星树集成的激光点云数据管理方法
CN109155846A (zh) * 2018-08-14 2019-01-04 深圳前海达闼云端智能科技有限公司 一种场景的三维重建方法、装置、电子设备及存储介质
CN109144097A (zh) * 2018-08-15 2019-01-04 广州极飞科技有限公司 障碍物或地面识别及飞行控制方法、装置、设备及介质
CN110781827A (zh) * 2019-10-25 2020-02-11 中山大学 一种基于激光雷达与扇状空间分割的路沿检测系统及其方法
CN111275816A (zh) * 2020-02-25 2020-06-12 华为技术有限公司 获取点云数据的方法及相关设备
DE102020003662A1 (de) * 2020-06-19 2020-08-06 Daimler Ag Verfahren zur Bestimmung einer Eigenbewegung mittels Lidar-Odometrie und Fahrzeug

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
Octree-based region growing for point cloud segmentation;Anh-Vu Vo 等;《ISPRS Journal of Photogrammetry and Remote Sensing》;20150424;全文 *
Plane Segmentation of Point Cloud Data Using Split and Merge Based Method;Burak Kaleci 等;《IEEE》;20191216;全文 *
基于三维激光雷达的道路边界提取和障碍物检测算法;王灿等;《模式识别与人工智能》;20200415(第04期);全文 *
复杂环境下的激光雷达目标物实时检测方法;李茁等;《激光杂志》;20180325(第03期);全文 *
大规模点云数据的空间管理及其可视化;孙秀宁;《万方》;20150420;全文 *
空间域分割的机载LIDAR数据输电线快速提取;康义凯;《科技创新》;20170630;全文 *
顾及几何特征的规则激光点云分割方法;方军 等;《测绘通报》;20160831;全文 *

Also Published As

Publication number Publication date
CN112540616A (zh) 2021-03-23

Similar Documents

Publication Publication Date Title
CN109523621B (zh) 对象的加载方法和装置、存储介质、电子装置
CN108875804B (zh) 一种基于激光点云数据的数据处理方法和相关装置
CN108509820B (zh) 障碍物分割方法及装置、计算机设备及可读介质
CN108734780B (zh) 用于生成地图的方法、装置和设备
CN108470174B (zh) 障碍物分割方法及装置、计算机设备及可读介质
CN113378760A (zh) 训练目标检测模型和检测目标的方法及装置
dos Santos et al. Extraction of building roof boundaries from LiDAR data using an adaptive alpha-shape algorithm
CN110363771B (zh) 一种基于三维点云数据的隔离护栏形点提取方法及装置
US8410977B2 (en) Methods and systems for identifying hazardous flight zone areas on a display
CN112540616B (zh) 一种基于无人驾驶的激光点云生成方法及装置
CN115436910A (zh) 一种对激光雷达点云进行目标检测的数据处理方法和装置
CN111736167B (zh) 一种获取激光点云密度的方法和装置
CN114966651A (zh) 可行驶区域检测方法、计算机设备、存储介质及车辆
CN113244619B (zh) 数据处理方法、装置、设备及存储介质
CN112639822B (zh) 一种数据处理方法及装置
CN111265874A (zh) 游戏中目标物的建模方法、装置、设备及存储介质
JP2006286019A (ja) 三次元構造物形状の自動生成装置、自動生成方法、そのプログラム、及びそのプログラムを記録した記録媒体
CN113468735B (zh) 一种激光雷达仿真方法、装置、系统和存储介质
CN114910892A (zh) 一种激光雷达的标定方法、装置、电子设备及存储介质
CN113808196A (zh) 平面融合定位方法、装置、电子设备及存储介质
CN114674328A (zh) 地图生成方法、装置、电子设备、存储介质、及车辆
WO2021250734A1 (ja) 座標変換装置、座標変換方法、及び座標変換プログラム
CN114299243A (zh) 基于多尺度融合的点云特征增强方法和装置
CN113117334A (zh) 目标点的可见区域的确定方法及相关装置
CN116824068B (zh) 面向复杂动态场景中点云流的实时重建方法、装置及设备

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210826

Address after: 100082 1501 ZhongGuanCun international innovation building, Haidian District, Beijing

Patentee after: Beijing saimu Technology Co.,Ltd.

Address before: 100082 1501 ZhongGuanCun international innovation building, Haidian District, Beijing

Patentee before: Beijing saimu Technology Co.,Ltd.

Patentee before: Zhejiang saimu Technology Co.,Ltd.

CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 401, Floor 4, No. 66, Zizhuyuan Road, Haidian District, Beijing, 100089

Patentee after: Beijing Saimu Technology Co.,Ltd.

Address before: 100082 1501 ZhongGuanCun international innovation building, Haidian District, Beijing

Patentee before: Beijing saimu Technology Co.,Ltd.