CN112666557A - 基于激光雷达和毫米波雷达获取矿区信息的方法 - Google Patents
基于激光雷达和毫米波雷达获取矿区信息的方法 Download PDFInfo
- Publication number
- CN112666557A CN112666557A CN202011307165.5A CN202011307165A CN112666557A CN 112666557 A CN112666557 A CN 112666557A CN 202011307165 A CN202011307165 A CN 202011307165A CN 112666557 A CN112666557 A CN 112666557A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- information
- cloud data
- data information
- grid
- 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.)
- Pending
Links
Images
Abstract
本发明公开了一种基于激光雷达和毫米波雷达获取矿区信息的方法,所述方法包括:1)获取矿区中激光雷达的点云数据信息;2)获取矿区中毫米波雷达的点云数据信息;3)将得到的毫米波雷达的点云数据信息对应投射到激光雷达的点云数据信息中,剔除不重合部分,得到剔除扬尘后的矿区中的障碍物信息。本发明通过在获取激光雷达的点云数据信息的基础上,进一步通过毫米波雷达的点云数据信息在激光雷达的点云数据信息上的投射,对得到的投射信息进行进一步的比对,并针对性剔除灰尘点信息,从而精准获取障碍物信息,并对无人矿车的行进提供有效数据支撑。
Description
技术领域
本发明涉及矿区障碍物信息获取方法领域,具体地,涉及基于激光雷达和毫米波雷达获取矿区信息的方法。
背景技术
矿区路面无绿化植被,导致运矿石的车辆在路面开的时候,矿车周围被大面积扬尘包围。而无人矿车的感知主要依靠多个32线激光雷达进行障碍物的感知,但是矿车周围扬起的浓密尘土会在激光雷达点云数据中出现大量团状、且形态变化极快的点云,会被误识别为障碍物,导致依靠32线激光雷达做感知传感器的无人矿车无法正常行走。
发明内容
针对上述现有技术,本发明的目的在于克服现有技术中扬尘对于矿区中的环境的感知极为不利,造成障碍物识别障碍,导致无人矿车无法正常行走等问题,从而提供一种能够自动对扬尘进行剔除,有效精准识别矿区障碍物,引导无人矿区的有效行进的基于激光雷达和毫米波雷达获取矿区信息的方法。
为了实现上述目的,本发明提供了一种基于激光雷达和毫米波雷达获取矿区信息的方法,所述方法包括:
1)获取矿区中激光雷达的点云数据信息;
2)获取矿区中毫米波雷达的点云数据信息;
3)将得到的毫米波雷达的点云数据信息对应投射到激光雷达的点云数据信息中,剔除不重合部分,得到剔除扬尘后的矿区中的障碍物信息。
优选地,所述点云数据信息以在矿区中行驶的矿车的车辆作为外参标定,且所述激光雷达与所述毫米波雷达得到的点云数据信息均标定于车辆坐标系中。
优选地,在步骤1)或步骤2)包括:
11)通过激光雷达或毫米波雷达获取对应的点云数据信息;
12)将步骤11)中获取的点云数据信息标定于所述车辆坐标系中;其中,
所述点云数据信息至少包括三维坐标信息和反射强度信息。
优选地,步骤3)具体包括:
31)点云信息的剔除:将得到的激光雷达的点云数据信息利用高程差去除位于地面上的点,得到处理后的点云信息;
32)点云信息的滤波:对处理后的点云信息采用体素滤波,得到去除孤立噪点的点云信息;
33)点云信息的聚类:对去除孤立噪点的点云信息进行聚类,形成多个点云团;
34)点云团的处理:将得到的点云团投射到X-Y平面的栅格中;
35)毫米波雷达的点云数据信息的融合:将毫米波雷达的点云数据信息投射到步骤34)中得到的X-Y平面的栅格中,对每个栅格进行比对,获得障碍物信息,并对应获取矿区信息。
优选地,步骤31)包括:
311)将X-Y平面均匀划分为多个栅格,将标定有激光雷达的点云数据信息的所述车辆坐标系投影到形成为X-Y平面上,所述点云数据信息对应分布于其中一个栅格中;
312)将每个栅格中所有的透射点在Z方向上的高度的最大差值作为对应的所述栅格的高度;
313)设定每个栅格中的高度阈值,并对应包括各个栅格中高度大于所述高度阈值的点云,得到处理后的点云信息。
优选地,步骤32)包括:
321)将每个所述栅格重新构建形成为三维的体素栅格,并将每个体素栅格中的处理后的点云信息作为每个体素栅格内的体素;
322)在每个所述体素栅格中,以对应的所述体素栅格中的各个体素的重心近似代替每个体素,重新构建形成滤波后的点云;
323)预设半径的数值为R,对每个滤波后的点云以R为半径构建形成球体,若该球体内包含的点云数小于预设值,则剔除形成为圆心的所述点云,完成对孤立噪点的点云的剔除。
优选地,步骤33)包括:将步骤32)中得到的点云信息采用欧式聚类的方式,若某两个点云之间的距离小于设定值,则两个点云形成为一类,多个点云各自形成为多类点云团。
优选地,步骤35)中比对方式具体包括:
351)若栅格中投射有毫米波雷达的点云数据信息,则保留该栅格中的激光雷达形成的点云团中的所有点云数据信息;
352)若栅格中没有投射有毫米波雷达的点云数据信息,则剔除所述栅格中的所有点云团。
通过上述技术方案,本发明通过在获取激光雷达的点云数据信息的基础上,进一步通过毫米波雷达的点云数据信息在激光雷达的点云数据信息上的投射,对得到的投射信息进行进一步的比对,并针对性剔除灰尘点信息,从而精准获取障碍物信息,并对无人矿车的行进提供有效数据支撑。
附图说明
附图是用来提供对本发明的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明,但并不构成对本发明的限制。在附图中:
图1是本发明提供的基于激光雷达和毫米波雷达获取矿区信息的方法的流程图。
具体实施方式
以下对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
如图1所示,本发明提供了一种基于激光雷达和毫米波雷达获取矿区信息的方法,具体操作方式如下:
一、传感器标定:为了能够进行激光雷达和毫米波雷达的数据融合,首先我们对两种传感器的外参进行了标定,都将其标定到了车辆坐标系下。只有在统一的坐标系下面传感器数据才能融合。
二、激光雷达的点云数据信息:激光雷达向外发射多束激光脉冲,直到信号到达物体,然后反射并返回接收器,根据已知的激光脉冲速度和反射时间,就可以计算出被探物体与激光雷达接收器之间的距离。而激光雷达的激光发射器在内部高速旋转,可以在0.1s内旋转一圈,则旋转一圈后就获得了车辆周围物体相对于激光雷达的位置信息,并且点云数据非常多,可以很好地描绘车辆周围的环境。然后激光雷达通过网线,利用UDP协议,将数据传输给电脑。然后电脑的激光雷达驱动代码解析传输过来的数据,即可得到车辆周围环境的点云数据信息,包括三维坐标和反射强度(x,y,z,intensity)。
三、毫米波雷达数据获取:毫米波雷达通过给目标连续发送毫米波信号,然后用传感器接收从物体返回的毫米波,通过探测毫米波的飞行(往返)时间,利用TOF(time offlight)来得到目标物距离。最终可以获得稀疏的障碍物点。因为毫米波雷达的穿透能力较强,所以扬尘对其没有影响。
四、激光雷达的点云数据信息处理:
a)坐标转换:将激光雷达的点云数据信息坐标系转换到车辆坐标系下。
b)利用高程差去除地面点:将所有三维点投影到X-Y平面的栅格中,投影到的栅格就是被占据的栅格。然后计算每个栅格中所有点的Z值的最大差值,即作为此栅格的高度,最终根据一个高度阈值保留高度大于此阈值的栅格里面的点云,最终得到去除地面点的点云。
c)体素滤波:在点云所在三维空间创建一个体素栅格,对于栅格内的每一个体素,以体素内所有点的重心近似代替体素中的点,最终,所有体素中的重心点组成滤波后的点云。通过体素的大小可以控制降采样的程度,体素越大,则滤波后的点云越稀疏,后续的聚类处理的速率将大大提高。
d)半径滤波:若某点云所在的半径为R的球内的点数少于一个阈值,则说明此点为离群噪点,则去除,最终可以得到去除孤立噪点的点云
e)点云聚类:利用欧式聚类方法,若某两点之间的距离小于一个阈值,则认为这两个点属于一类。最终可以得到多个属于不同类的点云团,每个点云团里面包含多个点云。
f)点云团投影到平面栅格:将聚类得到的所有点云团投影到X-Y平面的栅格中,对应被占据的栅格的值为点云团的编号。
g)融合毫米波雷达的点云数据信息:将毫米波雷达的点云数据信息转换到车辆坐标系下。将毫米波雷达的障碍物点投射到f)步骤中得到的栅格中,若栅格被激光雷达的点云占据,则表示相应栅格编号所代表的点云团里的所有点云是障碍物点,不是灰尘点,则保留此聚类里的所有激光雷达点云。最终没有投射毫米波雷达障碍物点云数据的栅格代表的点云团里面的点云就被舍弃。最终达到了去除扬尘干扰的目的。
以上详细描述了本发明的优选实施方式,但是,本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种简单变型,这些简单变型均属于本发明的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。
此外,本发明的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明的思想,其同样应当视为本发明所公开的内容。
Claims (8)
1.一种基于激光雷达和毫米波雷达获取矿区信息的方法,其特征在于,所述方法包括:
1)获取矿区中激光雷达的点云数据信息;
2)获取矿区中毫米波雷达的点云数据信息;
3)将得到的毫米波雷达的点云数据信息对应投射到激光雷达的点云数据信息中,剔除不重合部分,得到剔除扬尘后的矿区中的障碍物信息。
2.根据权利要求1所述的方法,其特征在于,所述点云数据信息以在矿区中行驶的矿车的车辆作为外参标定,且所述激光雷达与所述毫米波雷达得到的点云数据信息均标定于车辆坐标系中。
3.根据权利要求2所述的方法,其特征在于,在步骤1)或步骤2)包括:
11)通过激光雷达或毫米波雷达获取对应的点云数据信息;
12)将步骤11)中获取的点云数据信息标定于所述车辆坐标系中;其中,所述点云数据信息至少包括三维坐标信息和反射强度信息。
4.根据权利要求3所述的方法,其特征在于,步骤3)具体包括:
31)点云信息的剔除:将得到的激光雷达的点云数据信息利用高程差去除位于地面上的点,得到处理后的点云信息;
32)点云信息的滤波:对处理后的点云信息采用体素滤波,得到去除孤立噪点的点云信息;
33)点云信息的聚类:对去除孤立噪点的点云信息进行聚类,形成多个点云团;
34)点云团的处理:将得到的点云团投射到X-Y平面的栅格中;
35)毫米波雷达的点云数据信息的融合:将毫米波雷达的点云数据信息投射到步骤34)中得到的X-Y平面的栅格中,对每个栅格进行比对,获得障碍物信息,并对应获取矿区信息。
5.根据权利要求4所述的方法,其特征在于,步骤31)包括:
311)将X-Y平面均匀划分为多个栅格,将标定有激光雷达的点云数据信息的所述车辆坐标系投影到形成为X-Y平面上,所述点云数据信息对应分布于其中一个栅格中;
312)将每个栅格中所有的透射点在Z方向上的高度的最大差值作为对应的所述栅格的高度;
313)设定每个栅格中的高度阈值,并对应包括各个栅格中高度大于所述高度阈值的点云,得到处理后的点云信息。
6.根据权利要求5所述的方法,其特征在于,步骤32)包括:
321)将每个所述栅格重新构建形成为三维的体素栅格,并将每个体素栅格中的处理后的点云信息作为每个体素栅格内的体素;
322)在每个所述体素栅格中,以对应的所述体素栅格中的各个体素的重心近似代替每个体素,重新构建形成滤波后的点云;
323)预设半径的数值为R,对每个滤波后的点云以R为半径构建形成球体,若该球体内包含的点云数小于预设值,则剔除形成为圆心的所述点云,完成对孤立噪点的点云的剔除。
7.根据权利要求6所述的方法,其特征在于,步骤33)包括:将步骤32)中得到的点云信息采用欧式聚类的方式,若某两个点云之间的距离小于设定值,则两个点云形成为一类,多个点云各自形成为多类点云团。
8.根据权利要求7所述的方法,其特征在于,步骤35)中比对方式具体包括:
351)若栅格中投射有毫米波雷达的点云数据信息,则保留该栅格中的激光雷达形成的点云团中的所有点云数据信息;
352)若栅格中没有投射有毫米波雷达的点云数据信息,则剔除所述栅格中的所有点云团。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011307165.5A CN112666557A (zh) | 2020-11-20 | 2020-11-20 | 基于激光雷达和毫米波雷达获取矿区信息的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011307165.5A CN112666557A (zh) | 2020-11-20 | 2020-11-20 | 基于激光雷达和毫米波雷达获取矿区信息的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112666557A true CN112666557A (zh) | 2021-04-16 |
Family
ID=75403455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011307165.5A Pending CN112666557A (zh) | 2020-11-20 | 2020-11-20 | 基于激光雷达和毫米波雷达获取矿区信息的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112666557A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113138396A (zh) * | 2021-06-21 | 2021-07-20 | 上海伯镭智能科技有限公司 | 一种基于激光雷达的灰尘和障碍物检测方法 |
CN113569958A (zh) * | 2021-07-29 | 2021-10-29 | 清华大学苏州汽车研究院(吴江) | 激光点云数据聚类方法、装置、设备及介质 |
CN114609591A (zh) * | 2022-03-18 | 2022-06-10 | 湖南星晟智控科技有限公司 | 一种基于激光点云数据的数据处理方法 |
CN116071550A (zh) * | 2023-02-09 | 2023-05-05 | 安徽海博智能科技有限责任公司 | 一种激光雷达灰尘点云过滤方法 |
-
2020
- 2020-11-20 CN CN202011307165.5A patent/CN112666557A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113138396A (zh) * | 2021-06-21 | 2021-07-20 | 上海伯镭智能科技有限公司 | 一种基于激光雷达的灰尘和障碍物检测方法 |
CN113138396B (zh) * | 2021-06-21 | 2021-09-07 | 上海伯镭智能科技有限公司 | 一种基于激光雷达的灰尘和障碍物检测方法 |
CN113569958A (zh) * | 2021-07-29 | 2021-10-29 | 清华大学苏州汽车研究院(吴江) | 激光点云数据聚类方法、装置、设备及介质 |
CN113569958B (zh) * | 2021-07-29 | 2024-04-12 | 清华大学苏州汽车研究院(吴江) | 激光点云数据聚类方法、装置、设备及介质 |
CN114609591A (zh) * | 2022-03-18 | 2022-06-10 | 湖南星晟智控科技有限公司 | 一种基于激光点云数据的数据处理方法 |
CN114609591B (zh) * | 2022-03-18 | 2022-12-20 | 湖南星晟智控科技有限公司 | 一种基于激光点云数据的数据处理方法 |
CN116071550A (zh) * | 2023-02-09 | 2023-05-05 | 安徽海博智能科技有限责任公司 | 一种激光雷达灰尘点云过滤方法 |
CN116071550B (zh) * | 2023-02-09 | 2023-10-20 | 安徽海博智能科技有限责任公司 | 一种激光雷达灰尘点云过滤方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112666557A (zh) | 基于激光雷达和毫米波雷达获取矿区信息的方法 | |
US11393097B2 (en) | Using light detection and ranging (LIDAR) to train camera and imaging radar deep learning networks | |
EP3812793B1 (en) | Information processing method, system and equipment, and computer storage medium | |
US10832064B2 (en) | Vacant parking space detection apparatus and vacant parking space detection method | |
CN111192295B (zh) | 目标检测与跟踪方法、设备和计算机可读存储介质 | |
WO2020133217A1 (zh) | 连续障碍物检测方法、设备、系统及存储介质 | |
US10131446B1 (en) | Addressing multiple time around (MTA) ambiguities, particularly for lidar systems, and particularly for autonomous aircraft | |
CN110865393A (zh) | 基于激光雷达的定位方法及系统、存储介质和处理器 | |
CN111563450B (zh) | 数据处理方法、装置、设备及存储介质 | |
US11544940B2 (en) | Hybrid lane estimation using both deep learning and computer vision | |
CN109387857B (zh) | 激光雷达系统中的跨网段检测方法和设备 | |
CN110596731A (zh) | 一种地铁车辆主动障碍物检测系统及方法 | |
CN110286389A (zh) | 一种用于障碍物识别的栅格管理方法 | |
CN111257882B (zh) | 数据融合方法、装置、无人驾驶设备和可读存储介质 | |
CN112379674B (zh) | 一种自动驾驶设备及系统 | |
CN113866791A (zh) | 雷达装置采集的数据的处理方法及处理装置 | |
CN112083730A (zh) | 一种融合多组传感器数据在复杂环境中避障的方法 | |
CN113859228B (zh) | 一种车辆控制方法、装置、电子设备及存储介质 | |
CN110954912B (zh) | 用于光学距离测量的方法和设备 | |
CN116547562A (zh) | 点云滤噪方法、系统和可移动平台 | |
WO2023070113A1 (en) | Validating an sfm map using lidar point clouds | |
Vriesman et al. | An experimental analysis of rain interference on detection and ranging sensors | |
WO2021159901A1 (zh) | 一种路径规划方法及相关设备 | |
EP3975042B1 (en) | Method and apparatus for determining running region information | |
CN111650604B (zh) | 利用精确定位实现自我车辆和周边障碍物精确探知的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210524 Address after: 241000 comprehensive service center of Fanchang Economic Development Zone, Fanchang County, Wuhu City, Anhui Province Applicant after: Anhui Haibo Intelligent Technology Co.,Ltd. Address before: Room 518, comprehensive service center, Fanchang Economic Development Zone, Fanchang County, Wuhu City, Anhui Province Applicant before: Wuhu gelubo Intelligent Technology Co.,Ltd. |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |