CN112881994A - 一种自适应激光雷达线束扫描控制方法 - Google Patents
一种自适应激光雷达线束扫描控制方法 Download PDFInfo
- Publication number
- CN112881994A CN112881994A CN202110054061.6A CN202110054061A CN112881994A CN 112881994 A CN112881994 A CN 112881994A CN 202110054061 A CN202110054061 A CN 202110054061A CN 112881994 A CN112881994 A CN 112881994A
- Authority
- CN
- China
- Prior art keywords
- scanning
- control method
- laser radar
- point cloud
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000003044 adaptive effect Effects 0.000 title claims description 12
- 238000013528 artificial neural network Methods 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 230000002708 enhancing effect Effects 0.000 abstract 1
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010365 information processing 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
- 239000013589 supplement Substances 0.000 description 1
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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Radar, Positioning & Navigation (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明涉及激光雷达扫描线束控制领域,具体提供了一种自适应激光雷达线束扫描控制方法,包括以下步骤:S1、采用一般线束对激光雷达有效视场内进行线束稀疏均匀扫描;S2、部署神经网络对已扫描场景进行目标检测与识别;S3、若未识别到感兴趣目标,则对新一帧线束进行扫描;S4、若识别到感兴趣目标,则根据识别结果,对感兴趣区域进行扫描;S5、重复上述S1‑S4步骤,得到符合需求的场景点云数据。与现有技术相比,本发明有助于节省存储与传输带宽,增强数据有效性,为系统其他部件留出裕量。
Description
技术领域
本发明涉及激光雷达扫描线束控制领域,具体提供一种自适应激光雷达线束扫描控制方法。
背景技术
激光雷达,即光学雷达,是一种用于精确获得三维位置信息的传感器,其在机器中的作用相当于人类的眼睛,能够确定物体的位置、大小和外貌甚至材质。它通过测量激光信号的时间差、相位差确定距离,通过水平旋转扫描或相控扫描角度,并根据这两个数据建立二维的极坐标系,再通过获取不同俯仰角度的信号获得第三维的高度信息。
激光雷达主要包括激光发射、扫描系统、激光接收和信息处理四大系统,四个系统相辅相成,形成传感闭环。其中扫描系统负载以稳定的转速旋转起来,实现对所在平面的扫描,并产生实时的平面图信息。
目前来说,现有的二维图像进行数据采集时会遇到光照和姿态等问题,数据信息采集不够全面,导致物体识别不出。
发明内容
本发明是针对上述现有技术的不足,提供一种实用性强的自适应激光雷达线束扫描控制方法。
本发明解决其技术问题所采用的技术方案是:
一种自适应激光雷达线束扫描控制方法,包括以下步骤:
S1、采用一般线束对激光雷达有效视场内进行线束稀疏均匀扫描;
S2、部署神经网络对已扫描场景进行目标检测与识别;
S3、若未识别到感兴趣目标,则开始新一帧的线束扫描;
S4、若识别到感兴趣目标,则根据识别结果,对感兴趣区域进行扫描;
S5、重复上述S1-S4步骤,得到符合需求的场景点云数据。
作为优选,在步骤S1中,所述的一般线束包括但不限于机械式扫描、微机电式扫描、光学相控阵扫描或Flash扫描方式。
进一步的,在步骤S2中,所述部署神经网络中,在稀疏点云数据帧中部署点云识别网络,得到感兴趣目标的点云坐标范围。
作为优选,点云识别网络为PointNet++、YOLO3D或LaserNet。
进一步的,所述部署神经网络中,或通过对与激光雷达存在固定坐标变换的摄像头图像数据进行二维目标检测算法部署,之后再通过坐标变换得到感兴趣目标的点云坐标范围。
作为优选,所述的二维目标检测算法为YOLO或SSD。
进一步的,在步骤S3中,若未识别到感兴趣目标,则等待一定时间后,进行新一帧的线束稀疏均匀扫描。
进一步的,在步骤S4中,若识别到感兴趣目标并得到区域坐标范围,则根据识别结果,驱动激光雷达线束控制部件,对感兴趣区域坐标范围进行稠密扫描,得到感兴趣目标的细致点云数据。
本发明的一种自适应激光雷达线束扫描控制方法和现有技术相比,具有以下突出的有益效果:
本发明的一种自适应激光雷达线束扫描控制方法,通过神经网络的实时部署,对场景中感兴趣目标进行识别检测,驱动线束扫描控制部件,对感兴趣目标进行细致扫描,得到更多细节信息,将有助于提高后级点云数据处理的精确性与可靠性。
在场景三维重建、自动驾驶决策和机器人控制等领域中具有重要意义,同时可自适应调整线束控制,对场景内非必要点云数据进行稀疏扫描,有助于节省存储与传输带宽,增强数据有效性,为系统其它部件留出裕量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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。
附图1是一种自适应激光雷达线束扫描控制方法的示意图。
具体实施方式
为了使本技术领域的人员更好的理解本发明的方案,下面结合具体的实施方式对本发明作进一步的详细说明。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。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动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。
下面给出一个最佳实施例:
如图1所示,本实施例中的一种自适应激光雷达线束扫描控制方法,包括以下步骤:
S1、采用一般线束对激光雷达有效视场内进行线束稀疏均匀扫描:
一般线束扫描方法包括但不限于机械式扫描、微机电式扫描、光学相控阵扫描或Flash扫描方式。
S2、部署神经网络对已扫描场景进行目标检测与识别:
部署神经网络,可在稀疏点云数据帧中部署点云识别网络,得到感兴趣目标的点云坐标范围;其中,点云识别网络为PointNet++、YOLO3D或LaserNet。
或通过对与激光雷达存在固定坐标变换的摄像头图像数据进行二维目标检测算法部署,之后再通过坐标变换得到感兴趣目标的点云坐标范围;其中,二维目标检测算法为YOLO或SSD。
S3、若未识别到感兴趣目标,则开始新一帧的线束扫描:
若未识别到感兴趣目标,则等待一定时间后,进行新一帧的线束稀疏均匀扫描。
S4、若识别到感兴趣目标,则根据识别结果,对感兴趣区域进行扫描:
若识别到感兴趣目标并得到区域坐标范围,则根据识别结果,驱动激光雷达线束控制部件,对感兴趣区域坐标范围进行稠密扫描,得到感兴趣目标的细致点云数据。
S5、重复上述S1-S4步骤,得到符合需求的场景点云数据。
上述具体的实施方式仅是本发明具体的个案,本发明的专利保护范围包括但不限于上述具体的实施方式,任何符合本发明的一种自适应激光雷达线束扫描控制方法权利要求书的且任何所述技术领域普通技术人员对其做出的适当变化或者替换,皆应落入本发明的专利保护范围。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种自适应激光雷达线束扫描控制方法,其特征在于,包括以下步骤:
S1、采用一般线束对激光雷达有效视场内进行线束稀疏均匀扫描;
S2、部署神经网络对已扫描场景进行目标检测与识别;
S3、若未识别到感兴趣目标,则开始新一帧的线束扫描;
S4、若识别到感兴趣目标,则根据识别结果,对感兴趣区域进行扫描;
S5、重复上述S1-S4步骤,得到符合需求的场景点云数据。
2.根据权利要求1所述的一种自适应激光雷达线束扫描控制方法,其特征在于,在步骤S1中,所述的一般线束包括但不限于机械式扫描、微机电式扫描、光学相控阵扫描或Flash扫描方式。
3.根据权利要求1所述的一种自适应激光雷达线束扫描控制方法,其特征在于,在步骤S2中,所述部署神经网络中,在稀疏点云数据帧中部署点云识别网络,得到感兴趣目标的点云坐标范围。
4.根据权利要求3所述的一种自适应激光雷达线束扫描控制方法,其特征在于,点云识别网络为PointNet++、YOLO3D或LaserNet。
5.根据权利要求4所述的一种自适应激光雷达线束扫描控制方法,其特征在于,所述部署神经网络中,或通过对与激光雷达存在固定坐标变换的摄像头图像数据进行二维目标检测算法部署,之后再通过坐标变换得到感兴趣目标的点云坐标范围。
6.根据权利要求5所述的一种自适应激光雷达线束扫描控制方法,其特征在于,所述的二维目标检测算法为YOLO或SSD。
7.根据权利要求1所述的一种自适应激光雷达线束扫描控制方法,其特征在于,在步骤S3中,若未识别到感兴趣目标,则等待一定时间后,进行新一帧的线束稀疏均匀扫描。
8.根据权利要求1所述的一种自适应激光雷达线束扫描控制方法,其特征在于,在步骤S4中,若识别到感兴趣目标并得到区域坐标范围,则根据识别结果,驱动激光雷达线束控制部件,对感兴趣区域坐标范围进行稠密扫描,得到感兴趣目标的细致点云数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110054061.6A CN112881994A (zh) | 2021-01-15 | 2021-01-15 | 一种自适应激光雷达线束扫描控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110054061.6A CN112881994A (zh) | 2021-01-15 | 2021-01-15 | 一种自适应激光雷达线束扫描控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112881994A true CN112881994A (zh) | 2021-06-01 |
Family
ID=76048082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110054061.6A Pending CN112881994A (zh) | 2021-01-15 | 2021-01-15 | 一种自适应激光雷达线束扫描控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112881994A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113625243A (zh) * | 2021-07-28 | 2021-11-09 | 山东浪潮科学研究院有限公司 | 恶劣天气下提高激光雷达图像信噪比的方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180357503A1 (en) * | 2017-06-13 | 2018-12-13 | TuSimple | Sensor calibration and time system for ground truth static scene sparse flow generation |
CN109975788A (zh) * | 2019-04-23 | 2019-07-05 | 中国科学技术大学 | 一种激光雷达扫描机构的自适应控制方法 |
CN110335301A (zh) * | 2019-06-14 | 2019-10-15 | 广州大学 | 一种基于激光雷达和结构光的三维扫描方法及装置 |
CN110473221A (zh) * | 2019-08-20 | 2019-11-19 | 吕若丹 | 一种目标物体自动扫描系统及方法 |
CN110781891A (zh) * | 2019-11-28 | 2020-02-11 | 吉林大学 | 一种基于激光雷达传感器的识别车辆可行驶区域的方法 |
CN112014832A (zh) * | 2020-08-28 | 2020-12-01 | 彭小权 | 雷达扫描系统及其雷达 |
CN112098974A (zh) * | 2020-09-16 | 2020-12-18 | 北京理工大学 | 实现变扫描视场及变扫描密度激光雷达的方法及装置 |
-
2021
- 2021-01-15 CN CN202110054061.6A patent/CN112881994A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180357503A1 (en) * | 2017-06-13 | 2018-12-13 | TuSimple | Sensor calibration and time system for ground truth static scene sparse flow generation |
CN109975788A (zh) * | 2019-04-23 | 2019-07-05 | 中国科学技术大学 | 一种激光雷达扫描机构的自适应控制方法 |
CN110335301A (zh) * | 2019-06-14 | 2019-10-15 | 广州大学 | 一种基于激光雷达和结构光的三维扫描方法及装置 |
CN110473221A (zh) * | 2019-08-20 | 2019-11-19 | 吕若丹 | 一种目标物体自动扫描系统及方法 |
CN110781891A (zh) * | 2019-11-28 | 2020-02-11 | 吉林大学 | 一种基于激光雷达传感器的识别车辆可行驶区域的方法 |
CN112014832A (zh) * | 2020-08-28 | 2020-12-01 | 彭小权 | 雷达扫描系统及其雷达 |
CN112098974A (zh) * | 2020-09-16 | 2020-12-18 | 北京理工大学 | 实现变扫描视场及变扫描密度激光雷达的方法及装置 |
Non-Patent Citations (1)
Title |
---|
黄见等: "基于LabVIEW的测污激光雷达三维扫描控制系统的设计", 《大气与环境光学学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113625243A (zh) * | 2021-07-28 | 2021-11-09 | 山东浪潮科学研究院有限公司 | 恶劣天气下提高激光雷达图像信噪比的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109003253B (zh) | 神经网络点云生成系统 | |
JP6825569B2 (ja) | 信号処理装置、信号処理方法、およびプログラム | |
WO2021223368A1 (zh) | 基于视觉、激光雷达和毫米波雷达的目标检测方法 | |
US20210279444A1 (en) | Systems and methods for depth map sampling | |
KR102109941B1 (ko) | 라이다 센서 및 카메라를 이용한 객체 검출 방법 및 그를 위한 장치 | |
JP6301029B2 (ja) | 移動体に搭載されたレーザスキャンシステム、移動体に搭載されたレーザスキャナのレーザスキャン方法及びプログラム | |
Dong et al. | Probabilistic oriented object detection in automotive radar | |
CN108377380B (zh) | 影像扫描系统及其方法 | |
WO2021016854A1 (zh) | 一种标定方法、设备、可移动平台及存储介质 | |
US11061122B2 (en) | High-definition map acquisition system | |
JP2012225806A (ja) | 道路勾配推定装置及びプログラム | |
CN111045000A (zh) | 监测系统和方法 | |
US20050088642A1 (en) | Apparatus and method for detecting obstacles | |
JP2006209318A (ja) | 人数検出装置及び方法 | |
WO2012146253A1 (en) | Pose estimation and classification of objects from 3d point clouds | |
WO2020191978A1 (zh) | Sar成像方法及其成像系统 | |
CN112881994A (zh) | 一种自适应激光雷达线束扫描控制方法 | |
Steinbaeck et al. | Occupancy grid fusion of low-level radar and time-of-flight sensor data | |
JP2019164098A (ja) | 路面形状推定装置、路面形状推定プログラム、及び移動体 | |
CN109035390B (zh) | 基于激光雷达的建模方法及装置 | |
Prokhorov | Object recognition in 3D lidar data with recurrent neural network | |
KR102537295B1 (ko) | 적재된 객체 인식 장치 및 객체 인식 방법 | |
CN112364741B (zh) | 无人机单目远距离障碍检测方法、装置及无人机 | |
US11335011B2 (en) | Object detection device, object detection system, object detection method, and non-transitory computer-readable medium storing program | |
JP2021012043A (ja) | 機械学習用情報処理装置、機械学習用情報処理方法、および機械学習用情報処理プログラム |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210601 |
|
RJ01 | Rejection of invention patent application after publication |