CN113191297A - 一种路面识别方法、装置及电子设备 - Google Patents
一种路面识别方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113191297A CN113191297A CN202110523498.XA CN202110523498A CN113191297A CN 113191297 A CN113191297 A CN 113191297A CN 202110523498 A CN202110523498 A CN 202110523498A CN 113191297 A CN113191297 A CN 113191297A
- Authority
- CN
- China
- Prior art keywords
- target
- plane
- road surface
- point cloud
- cloud data
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种路面识别方法、装置及电子设备,包括获取目标对象采集的目标点云数据,对目标点云数据进行拟合处理,获得若干个平面,在若干个平面中进行筛选,确定目标平面;对若干个平面与目标平面进行平面度计算,获得路面状态信息,基于路面状态信息,确定目标对象的可行驶区域。本发明通过目标对象采集的点云数据进行了主路面平面提取,并将提取出的其他平面依据主路面进行平面度计算,可以获得路面的实际状态,实现了对路面状态的准确识别,提升了目标对象路径规划的准确性和用户体验效果。
Description
技术领域
本发明涉及信息处理技术领域,特别是涉及一种路面识别方法、装置及电子设备。
背景技术
随着科技的发展以及人们生活水平的提高,机器人已经逐渐进入人们的生活,为人类提供各种服务。对于移动机器人,对路面情况进行识别,以确定可行驶范围是其保证其安全移动的重要部分。
目前,通常是对移动机器人周围环境进行识别,利用激光雷达传感器、RGB深度相机,辅助机器人获取路面上的障碍物,从而进行避让。但是在实际工作环境中,机器人仅仅识别路面上的障碍物并不能保证其能够顺利通行,会使得机器人移动路径的规划不准确,降低用户体验。
发明内容
有鉴于此,本发明提供了一种路面识别方法、装置及电子设备,实现了对路面状态的准确识别,提升了路径规划的准确性和用户体验效果。
为了实现上述目的,本发明提供了如下技术方案:
一种路面识别方法,包括:
获取目标对象采集的目标点云数据;
对所述目标点云数据进行拟合处理,获得若干个平面;
在若干个所述平面中进行筛选,确定目标平面;
对所述若干个平面与所述目标平面进行平面度计算,获得路面状态信息;
基于所述路面状态信息,确定所述目标对象的可行驶区域。
可选地,所述方法还包括:
将所述路面状态信息存储在地图信息中;
获取待运行对象的参数信息,并基于所述参数信息与所述地图信息中路面状态信息,确定所述待运行对象的路面可行驶区域。
可选地,所述获取目标对象采集的目标点云数据,包括:
获取目标对象采集的初始点云数据;
计算所述初始点云数据中每个点到其相邻点的平均距离;
将所述平均距离大于预设距离阈值的点确定为离散点,并在所述初始点云数据中剔除所述离散点,得到目标点云数据。
可选地,所述对所述目标点云数据进行拟合处理,获得若干个平面,包括:
提取所述目标点云数据中各个点在邻近点簇中的法向量;
基于所述法向量确定相交面的边界,并根据所述边界进行面切割,获得若干个平面。
可选地,所述方法还包括:
若进行面切割后获得非平面,对所述非平面进行迭代处理,直至所有点均有归属的平面为止;
若进行面切割后的面的点数小于点数阈值,剔除所述面。
可选地,所述在若干个平面中进行筛选,确定目标平面,包括:
响应于所述目标对象采集的目标点云数据为单帧点云数据,将若干个所述平面在所述目标对象地面投影坐标系中进行平面特征提取,获得与所述投影坐标系Z轴的截距,以及与所述投影坐标系XOY平面的夹角;
将所述截取与所述夹角均满足目标条件的平面确定为目标平面。
可选地,所述方法还包括:
响应于所述目标对象采集的目标点云数据为多帧点云数据,计算目标平面转换矩阵的平均值;
将各个目标平面的转换矩阵与所述平均值进行比较,若比较结果不满足提取条件,剔除所述目标平面。
可选地,所述对所述若干个平面与所述目标平面进行平面度计算,获得各个所述平面的平面状态信息,包括:
将所述若干个平面投影至所述目标平面所在坐标系中,获得每一平面与所述坐标系Z轴的截距,以及与每一平面与所述坐标系XOY轴的夹角;
基于所述截距与高度阈值的对应关系,以及所述夹角与坡度阈值的对应关系,确定路面状态信息。
一种路面识别的装置,包括:
获取单元,用于获取目标对象采集的目标点云数据;
处理单元,用于对所述目标点云数据进行拟合处理,获得若干个平面;
筛选单元,用于在若干个所述平面中进行筛选,确定目标平面;
计算单元,用于对所述若干个平面与所述目标平面进行平面度计算,获得路面状态信息;
确定单元,用于基于所述路面状态信息,确定所述目标对象的可行驶区域。
一种电子设备,包括:
存储器,用于存储程序;
处理器,用于执行所述程序,所述程序具体用于实现如上述中任意一项所述的路面识别方法。
相较于现有技术,本发明提供了一种路面识别方法、装置及电子设备,包括获取目标对象采集的目标点云数据,对目标点云数据进行拟合处理,获得若干个平面,在若干个平面中进行筛选,确定目标平面;对若干个平面与目标平面进行平面度计算,获得路面状态信息,基于路面状态信息,确定目标对象的可行驶区域。本发明通过目标对象采集的点云数据进行了主路面平面提取,并将提取出的其他平面依据主路面进行平面度计算,可以获得路面的实际状态,实现了对路面状态的准确识别,提升了目标对象路径规划的准确性和用户体验效果。
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,下面描述中的附图仅仅是本发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种路面识别的方法的流程示意图;
图2为本发明实施例提供的一种路面状态的示意图;
图3为本发明实施例提供的另一种路面状态的示意图。
图4为本发明实施例提供的一种路面识别的装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,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。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。
本发明的说明书和权利要求书及上述附图中的术语“第一”和“第二”等是用于区别不同的对象,而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有设定于已列出的步骤或单元,而是可包括没有列出的步骤或单元。
在本发明实施例中目标对象是指可以行走的移动机器人,由于移动机器人需要对其所处环境进行识别,以便能够确定更优的行驶路径,而室内机器人的应用场景较为固定,仅需要识别路面中的障碍物从而对障碍物进行避让即可。因此,在本发明实施例中移动机器人通常是指户外移动机器人,即在本发明中机器人在规划行驶路径时不仅需要考虑道路中的障碍物,还需要结合路面状态信息确定其可行驶区域。
为了实现机器人的行驶路径的规划,通常会借助激光雷达传感器、RGB深度相机等来辅助机器人认知路面上的障碍物的位置,从而进行避让。但在机器人移动的过程中,除了环境中障碍物之外,机器人对于路面平整度情况、对于坡度斜度等,也有一定的运行要求。不满足要求的路面,即使没有障碍区,也不能满足机器人的运行要求。例如,鹅卵石地面对于轮式机器人也无法很好地运行;坡度大于一定角度的斜坡,也会影响轮式或者腿式机器人的运行。
为了解决上述技术问题,本发明实施例中对机器人采集的点云数据进行处理,从而提取路面区域,从路面点云中,提取其坡度、平面度等数据用于机器人结合自身参数判断可行驶区域,从而实现了对路面状态的准确识别,提升了路径规划的准确性和用户体验效果。
具体的,本发明中,首先依据机器人的采集装置如立体摄像头或者激光雷达传感器采集获得点云数据,利用机器人的处理器对采集获得点云数据数据进行处理,也可以是利用与机器人连接的服务器对机器人采集的点云数据进行处理。以便获得目标点云数据,对目标点云数据进行拟合处理得到若干个平面,并在平面中筛选出目标平面,通过提取出的其他平面,依据目标平面,做路面状态信息的提取,来确定机器人的可行驶区域。实现了对路面状态的准确识别,提升了路径规划的准确性和用户体验效果。
在上述内容的基础上,本发明实施例提供了一种路面识别方法,参照图1,可以包括:
S101、获取目标对象采集的目标点云数据。
在实际应用中,如前面所述目标对象可以是移动机器人,也可以是无人机,当应用在无人机时,主要是需要对无人机的起飞和降落的路面状态进行识别,已获得其可起飞或者降落的区域。为了便于清楚的描述,在本发明后续实施例中将以机器人为例对相关技术特征进行说明。
本发明实施例中的点云数据是由目标对象采集获得的,即通过机器人的采集设备如深度摄像头等装置采集获得周围环境的点云数据。点云数据是指在一个三维坐标系统中的一组向量的集合,每一个点包含有三维坐标,有些可能含有颜色信息(RGB)或反射强度信息。可以根据实际的应用场景对点云数据进行具体的处理。
通常如果直接对目标对象采集的点云数据进行处理,由于包含的点较多,会增加处理量,因为需要对采集到的点云数据进行预处理,可以通过对点云滤波来滤掉噪声,即原始采集的点云数据往往包含大量散列点、孤立点等,可以通过预处理来剔除掉这些点。需要说明的是,若采集到的点云数据中的点的数量适中,可以不进行预处理而直接进行后续的处理,本发明对此不进行限定,可以基于实际情况灵活选择是否进行点云数据的预处理,以及采用何种预处理方式。
S102、对目标点云数据进行拟合处理,获得多干个平面。
在获得了目标点云数据后,需要对点云数据进行处理,已获得该点云数据能够拟合成的平面,进而通过各个平面来判断路面的状态。具体的,在目标点云中做各个点在附近点簇中法向量的提取。将法向量相差较大的平面或者曲面相交便捷进行过滤和提取,然后以此边界进行面和面的切割。其中非平面如曲面,需要进行继续迭代,直至所有点均有归属的平面为止。进一步为了能够提升分析的有效性以及运算的高效性,将点数小于一定阈值的曲面或者平面进行过滤。进一步将可以拟合成平面的点云,提取其距离方差,作为平面的平整度参考值进行后续的处理。
S103、在若干个平面中进行筛选,确定目标平面。
由于通过对上述的目标点云数据进行拟合获得了该目标点云数据的所有平面,需要在这些平面中进行主平面的提取,即获得目标平面。该目标平面表示了平整度满足移动需求的路面。
对应的,可以将各个平面在目标对象(如机器人)地面投影坐标系中进行平面特征提取,然后将提取得到的平面特征与预设阈值进行比较,将比较结果满足条件的平面确定为目标平面。
S104、对若干个平面与目标平面进行平面度计算,获得路面状态信息。
S105、基于路面状态信息,确定目标对象的可行驶区域。
在本发明实施例中,筛选出的目标平面是这些平面中的主平面,其是一个参考平面其他平面与该目标平面进行对应平面特征的计算,来获得各个平面的坡度、平整度等信息。从而获得路面状态信息,其中,路面状态信息包括了路面的坡度、平面度等,具体的可以分析出路面是什么状态,如是否包括坡、坎是否是粗糙路面等。
在获得了路面状态信息后,可以根据目标对象自身的参数来确定其可行驶区域,目标对象的参数包括但不局限于移动装置参数、可承受的颠簸参数等,在确定了可行驶区域后,目标对象进一步可生成移动路径,该移动路径中可以规避障碍物以及其无法通行或者影响通行效率的路面,如对于某个移动机器人可以选择没有鹅卵石的路面作为其行驶路径。
本发明提供了一种路面识别方法,包括获取目标对象采集的目标点云数据,对目标点云数据进行拟合处理,获得若干个平面,在若干个平面中进行筛选,确定目标平面;对若干个平面与目标平面进行平面度计算,获得路面状态信息,基于路面状态信息,确定目标对象的可行驶区域。本发明通过目标对象采集的点云数据进行了主路面平面提取,并将提取出的其他平面依据主路面进行平面度计算,可以获得路面的实际状态,实现了对路面状态的准确识别,提升了目标对象路径规划的准确性和用户体验效果。
在本发明实施例中当通过机器人采集的点云数据识别到路面状态信息后,可以将对应的路面状态信息存储在地图信息中,便于后续的调取应用,即存储在机器人对环境认知的地图中,并在后续运行数据中不断更新。对应的,当有其他的待运行对象时,也可以获取待运行对象的参数信息,并基于该参数信息与地区信息中路面状态信息,确定待运行对象的路面可行驶区域。例如,当地图中的路面状态信息记载当前路面的坡度和平整度,可以获取待运行对象的可承受的颠簸程度参数,来判断当前路面该对象是否可以顺利通行,如果可以则当前路面可以作为其行驶区域,如果不可以,需要调整该对象的行驶路线。
下面对本发明实施例中的具体技术特征的可实现方式进行说明,需要说明的是本发明实施例中的实施方式是最优的实现方式,对于其他可能实现的方式不进行一一详述。
在本发明的一种实施方式中在获取目标对象采集的目标点云数据时,可以通过以下步骤实现:
获取目标对象采集的初始点云数据;
计算所述初始点云数据中每个点到其相邻点的平均距离;
将所述平均距离大于预设距离阈值的点确定为离散点,并在所述初始点云数据中剔除所述离散点,得到目标点云数据。
举例说明,点云数据中的每一个点包含有三维坐标,在每一维度上均有与该点对应的邻点,对于点云中的每个点Pi,可以定义其所需邻近点参数k,建立k领域,并计算其与最近k邻近点的平均距离:
式中,dij是点Pi和点Pj的空间距离,是点Pi与其K近邻点的平均距离。当该平均距离大于设定的距离阈值l时,删除该点Pi,反之则保留。通过上述处理方式可以提出掉离散点,降低后续对点云数据计算的计算量。
对应的,在本发明实施例中对目标点云数据进行拟合处理,获得若干个平面时可以在点云模型的切片位置拟合平面,即将点云数据中的点均划分到对应的归属平面中。也可以通过提取法向量的方式对点云数据进行平面提取,在该实施方式中可以包括以下步骤:
提取目标点云数据中各个点在临近点簇中的法向量;
基于所述法向量确定相交面的边界,并根据所述边界进行切割,获得若干个平面。
具体的,在目标点云数据的整体点云中做各个点在附近点簇中法向量的提取,把法向量相差较大的平面或者曲面相交边界,进行过滤和提取,以此边界做面和面的切割。其中非平面比如曲面继续进行迭代,直至所有点均有归属的平面为止。并且当归属平面的点的数量小于数量阈值的曲面或者平面需要被过滤掉,以便能够高效进行后续分析。将可以拟合成平面的点云,提取其距离方差,作为平面的平整度为后续处理提供参考值。
可以将目标点云数据进行划分得到多个子点云数据,然后对每个子电源数据进行聚类处理得到聚类后的多个点云簇,简称为点簇。可选地,可以利用等间隔划分的方式对目标点云数据进行划分,或者利用欧式距离分割的方式对点云数据进行分割处理得到点簇,本发明实施例中对此不进行限定。举例说明,在目标点云数据中取一个点,确定该点到其临近点簇的法向量,基于该法向量可以采用最小二乘法进行拟合平面,获得对应的平面。需要说明的是在进行平面拟合时需要根据边界做面和面的切割,因此,将法向量相差较大的面与面的边界作为分割边界进行面的分割。若进行切割后的面为非平面则对该非平面继续进行迭代处理,即将该非平面重新进行分割,以得到对应的平面,最终实现将所有的点均有归属的平面为止。
在本发明实施例中需要在获得的所有平面中提取出主平面即目标平面作为后续路面状态信息判断的参考平面。在一种可能实施方式中,响应于目标对象采集的目标点云数据为单帧点云数据,将若干个所述平面在所述目标对象地面投影坐标系中进行平面特征提取,获得与所述投影坐标系Z轴的截距,以及与所述投影坐标系XOY平面的夹角;将所述截取与所述夹角均满足目标条件的平面确定为目标平面。由于机器人的采集是实时的,类似于视频是一帧帧图像组成的,对于单帧中也会包括若干个平面,将所有平面在机器人地面投影坐标系中进行平面特征提取,例如,与该投影坐标系中Z轴的截距记为lZ,相对于XOY平面的夹角记为θ,当某一平面同时满足lZ小于截距阈值,并且θ小于夹角阈值时,将该平面确定为主平面。在另一种实施方式中,响应于所述目标对象采集的目标点云数据为多帧点云数据,计算目标平面转换矩阵的平均值;将各个目标平面的转换矩阵与所述平均值进行比较,若比较结果不满足提取条件,剔除所述目标平面。当采集的数据是多帧时,将前x帧队列的主平面转换矩阵求平均,当前主平面转换矩阵和词平均值进行比较,若当前主平面转化矩阵和该平均值的差值大于预设数值,则放弃该主平面,重新确定主平面。
对应的,在本发明中所述对所述若干个平面与所述目标平面进行平面度计算,获得各个所述平面的平面状态信息,包括:
将所述若干个平面投影至所述目标平面所在坐标系中,获得每一平面与所述坐标系Z轴的截距,以及与每一平面与所述坐标系XOY轴的夹角;
基于所述截距与高度阈值的对应关系,以及所述夹角与坡度阈值的对应关系,确定路面状态信息。
其中,路面状态信息是相对于该目标对象的,主要包括路面的坡度还有平整度,可以反映目标对象是否可以在当前路面进行顺利通行。
具体的,将除目标平面(即主平面)以外的其他平面映射到主平面的投影坐标中,得到每一平面与所述坐标系Z轴的截距lZ,以及与每一平面与所述坐标系XOY轴的夹角θ。θ记为平面的坡度:
当θ小于坡度阈值,此平面为水平面;并且当lZ小于绝对值的高度阈值,可以得出该地面可行驶,如整体点云的距离方差小于机器人可承受的颠簸程度可行驶,反之,大于机器人可承受的颠簸程度,该机器人不可行驶;
当θ小于坡度阈值,此平面为水平面,lZ大于正高度阈值,可以得出该地面为凸起平面,机器人不可行驶,要避让该路面;
当θ小于坡度阈值,此平面为水平面,lZ大于负高度阈值,可以得出该地面为凹入地面,主地面之下会存在坎,应该远离该路面;
当θ大于坡度阈值,此平面为斜平面,lZ大于负高度阈值且小于正高度阈值,当前路面中存在坡度,如果该坡度值大于机器人可行驶的范围,则该机器人不可行驶,反之可以行驶。
举例说明,参见图3和图4其示出了在机器人在不同时刻采集的点云数据进行平面提取后的路面状态的示意图,由于机器人采集的点云数据是由不同的图像帧组成的,也可以理解为其示出了不同帧对应的路面状态的示意图。需要说明的是,在图3和图4中仅是本发明实施例提供的一种示意图,在实际场景中由于路面状态的不同其示意图可以与图3或者图4不同。在图3和图4中标号(1)的区域表示的是平地区域,标号(2)的区域表示的是坡,标号(3)的区域是台阶边缘区域。因此,在本发明实施例中可以通过采集到的点云数据进行平面提取,从而计算各个明面的平面度、坡度等相关信息,进而确定出对应平面代表的路面状态信息,以便确定机器人的可行驶区域。
在本发明实施例中依据地面情况对机器人可行驶区域进行了划分,充分考虑了坡、坎、粗糙路面等路面状态,并且可以将识别到的路面状态信息存储在地图信息中,并可进行不断更新以满足后续的路径规划的应用需求。
另外,在上述路面识别方法的实施例的基础上,本发明的另一实施例提供了一种路面识别装置,参见图4,可以包括:
获取单元11,用于获取目标对象采集的目标点云数据;
处理单元12,用于对所述目标点云数据进行拟合处理,获得若干个平面;
筛选单元13,用于在若干个所述平面中进行筛选,确定目标平面;
计算单元14,用于对所述若干个平面与所述目标平面进行平面度计算,获得路面状态信息;
确定单元15,用于基于所述路面状态信息,确定所述目标对象的可行驶区域。
进一步,所述装置还包括:
存储单元,用于将所述路面状态信息存储在地图信息中;
所述确定单元,还用于获取待运行对象的参数信息,并基于所述参数信息与所述地图信息中路面状态信息,确定所述待运行对象的路面可行驶区域。
进一步地,所述获取单元包括:
第一获取子单元,用于获取目标对象采集的初始点云数据;
第一计算子单元,用于计算所述初始点云数据中每个点到其相邻点的平均距离;
第一剔除子单元,用于将所述平均距离大于预设距离阈值的点确定为离散点,并在所述初始点云数据中剔除所述离散点,得到目标点云数据。
进一步地,所述处理单元包括:
提取子单元,用于提取所述目标点云数据中各个点在邻近点簇中的法向量;
切割子单元,用于基于所述法向量确定相交面的边界,并根据所述边界进行面切割,获得若干个平面。
进一步,所述装置还包括:
迭代处理子单元,用于若进行面切割后获得非平面,对所述非平面进行迭代处理,直至所有点均有归属的平面为止;
第二剔除子单元,用于若进行面切割后的面的点数小于点数阈值,剔除所述面。
进一步,所述筛选单元包括:
特征提取子单元,用于响应于所述目标对象采集的目标点云数据为单帧点云数据,将若干个所述平面在所述目标对象地面投影坐标系中进行平面特征提取,获得与所述投影坐标系Z轴的截距,以及与所述投影坐标系XOY平面的夹角;
确定子单元,用于将所述截取与所述夹角均满足目标条件的平面确定为目标平面。
进一步,所述装置还包括:
第二计算子单元,用于响应于所述目标对象采集的目标点云数据为多帧点云数据,计算目标平面转换矩阵的平均值;
第三剔除子单元,用于将各个目标平面的转换矩阵与所述平均值进行比较,若比较结果不满足提取条件,剔除所述目标平面。
进一步,所述计算单元具体用于:
将所述若干个平面投影至所述目标平面所在坐标系中,获得每一平面与所述坐标系Z轴的截距,以及与每一平面与所述坐标系XOY轴的夹角;
基于所述截距与高度阈值的对应关系,以及所述夹角与坡度阈值的对应关系,确定路面状态信息。
本发明实施例提供了一种路面识别装置,包括获取目标对象采集的目标点云数据,对目标点云数据进行拟合处理,获得若干个平面,在若干个平面中进行筛选,确定目标平面;对若干个平面与目标平面进行平面度计算,获得路面状态信息,基于路面状态信息,确定目标对象的可行驶区域。本发明通过目标对象采集的点云数据进行了主路面平面提取,并将提取出的其他平面依据主路面进行平面度计算,可以获得路面的实际状态,实现了对路面状态的准确识别,提升了目标对象路径规划的准确性和用户体验效果。
需要说明的是,本实施例中的各个单元以及子单元的工作过程,请参照上述实施例中的相应说明,此处不再赘述。
可选地,在上述路面识别的方法及装置的实施例的基础上,本发明的另一实施例提供了一种电子设备,该电子设备包括:
存储器,用于存储程序;
处理器,用于执行所述程序,所述程序具体用于实现如上述中任意一项所述的路面识别方法。
基于前述实施例,本发明实施例提供一种计算机可读存储介质,计算机可读存储介质存储有一个或者多个程序,该一个或者多个程序可被一个或者多个处理器执行,以实现如上任一项的道路识别的方法的步骤。
需要说明的是,上述处理器或CPU可以为特定用途集成电路(ApplicationSpecific Integrated Circuit,ASIC)、数字信号处理器(Digital Signal Processor,DSP)、数字信号处理装置(Digital Signal Processing Device,DSPD)、可编程逻辑装置(Programmable Logic Device,PLD)、现场可编程门阵列(Field Programmable GateArray,FPGA)、中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器中的至少一种。可以理解地,实现上述处理器功能的电子器件还可以为其它,本申请实施例不作具体限定。
需要说明的是,上述计算机存储介质/存储器可以是只读存储器(Read OnlyMemory,ROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性随机存取存储器(Ferromagnetic Random Access Memory,FRAM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-Only Memory,CD-ROM)等存储器;也可以是包括上述存储器之一或任意组合的各种终端,如移动电话、计算机、平板设备、个人数字助理等。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备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,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元,即可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本申请各实施例中的各功能单元可以全部集成在一个处理模块中,也可以是各单元分别单独作为一个单元,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,也可以采用硬件加软件功能单元的形式实现。本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、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。
本申请所提供的几个方法实施例中所揭露的方法,在不冲突的情况下可以任意组合,得到新的方法实施例。
本申请所提供的几个产品实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的产品实施例。
本申请所提供的几个方法或设备实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的方法实施例或设备实施例。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,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,可轻易想到变化或替换,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以所述权利要求的保护范围为准。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种路面识别方法,其特征在于,包括:
获取目标对象采集的目标点云数据;
对所述目标点云数据进行拟合处理,获得若干个平面;
在若干个所述平面中进行筛选,确定目标平面;
对所述若干个平面与所述目标平面进行平面度计算,获得路面状态信息;
基于所述路面状态信息,确定所述目标对象的可行驶区域。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述路面状态信息存储在地图信息中;
获取待运行对象的参数信息,并基于所述参数信息与所述地图信息中路面状态信息,确定所述待运行对象的路面可行驶区域。
3.根据权利要求1所述的方法,其特征在于,所述获取目标对象采集的目标点云数据,包括:
获取目标对象采集的初始点云数据;
计算所述初始点云数据中每个点到其相邻点的平均距离;
将所述平均距离大于预设距离阈值的点确定为离散点,并在所述初始点云数据中剔除所述离散点,得到目标点云数据。
4.根据权利要求1所述的方法,其特征在于,所述对所述目标点云数据进行拟合处理,获得若干个平面,包括:
提取所述目标点云数据中各个点在邻近点簇中的法向量;
基于所述法向量确定相交面的边界,并根据所述边界进行面切割,获得若干个平面。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
若进行面切割后获得非平面,对所述非平面进行迭代处理,直至所有点均有归属的平面为止;
若进行面切割后的面的点数小于点数阈值,剔除所述面。
6.根据权利要求1所述的方法,其特征在于,所述在若干个平面中进行筛选,确定目标平面,包括:
响应于所述目标对象采集的目标点云数据为单帧点云数据,将若干个所述平面在所述目标对象地面投影坐标系中进行平面特征提取,获得与所述投影坐标系Z轴的截距,以及与所述投影坐标系XOY平面的夹角;
将所述截取与所述夹角均满足目标条件的平面确定为目标平面。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
响应于所述目标对象采集的目标点云数据为多帧点云数据,计算目标平面转换矩阵的平均值;
将各个目标平面的转换矩阵与所述平均值进行比较,若比较结果不满足提取条件,剔除所述目标平面。
8.根据权利要求1所述的方法,其特征在于,所述对所述若干个平面与所述目标平面进行平面度计算,获得各个所述平面的平面状态信息,包括:
将所述若干个平面投影至所述目标平面所在坐标系中,获得每一平面与所述坐标系Z轴的截距,以及与每一平面与所述坐标系XOY轴的夹角;
基于所述截距与高度阈值的对应关系,以及所述夹角与坡度阈值的对应关系,确定路面状态信息。
9.一种路面识别的装置,其特征在于,包括:
获取单元,用于获取目标对象采集的目标点云数据;
处理单元,用于对所述目标点云数据进行拟合处理,获得若干个平面;
筛选单元,用于在若干个所述平面中进行筛选,确定目标平面;
计算单元,用于对所述若干个平面与所述目标平面进行平面度计算,获得路面状态信息;
确定单元,用于基于所述路面状态信息,确定所述目标对象的可行驶区域。
10.一种电子设备,其特征在于,包括:
存储器,用于存储程序;
处理器,用于执行所述程序,所述程序具体用于实现如权利要求1-8中任意一项所述的路面识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110523498.XA CN113191297A (zh) | 2021-05-13 | 2021-05-13 | 一种路面识别方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110523498.XA CN113191297A (zh) | 2021-05-13 | 2021-05-13 | 一种路面识别方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113191297A true CN113191297A (zh) | 2021-07-30 |
Family
ID=76981615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110523498.XA Pending CN113191297A (zh) | 2021-05-13 | 2021-05-13 | 一种路面识别方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113191297A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114442616A (zh) * | 2022-01-05 | 2022-05-06 | 中联重科土方机械有限公司 | 用于挖掘机的控制方法、装置、处理器及挖掘机 |
CN115307544A (zh) * | 2022-08-15 | 2022-11-08 | 淄博市交通建设发展中心 | 一种道路斜坡路面距离测量系统及方法 |
CN115574803A (zh) * | 2022-11-16 | 2023-01-06 | 深圳市信润富联数字科技有限公司 | 移动路线确定方法、装置、设备及存储介质 |
CN116721118A (zh) * | 2023-08-11 | 2023-09-08 | 之江实验室 | 一种基于点云的飞行器安全降落点的选择方法及装置 |
CN116740361A (zh) * | 2023-08-11 | 2023-09-12 | 之江实验室 | 一种点云分割方法、装置、存储介质及电子设备 |
-
2021
- 2021-05-13 CN CN202110523498.XA patent/CN113191297A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114442616A (zh) * | 2022-01-05 | 2022-05-06 | 中联重科土方机械有限公司 | 用于挖掘机的控制方法、装置、处理器及挖掘机 |
CN115307544A (zh) * | 2022-08-15 | 2022-11-08 | 淄博市交通建设发展中心 | 一种道路斜坡路面距离测量系统及方法 |
CN115574803A (zh) * | 2022-11-16 | 2023-01-06 | 深圳市信润富联数字科技有限公司 | 移动路线确定方法、装置、设备及存储介质 |
CN116721118A (zh) * | 2023-08-11 | 2023-09-08 | 之江实验室 | 一种基于点云的飞行器安全降落点的选择方法及装置 |
CN116740361A (zh) * | 2023-08-11 | 2023-09-12 | 之江实验室 | 一种点云分割方法、装置、存储介质及电子设备 |
CN116740361B (zh) * | 2023-08-11 | 2023-10-13 | 之江实验室 | 一种点云分割方法、装置、存储介质及电子设备 |
CN116721118B (zh) * | 2023-08-11 | 2024-01-09 | 之江实验室 | 一种基于点云的飞行器安全降落点的选择方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113191297A (zh) | 一种路面识别方法、装置及电子设备 | |
WO2020043041A1 (zh) | 点云数据的分割方法和装置、存储介质、电子装置 | |
US11320833B2 (en) | Data processing method, apparatus and terminal | |
CN108845574B (zh) | 目标识别与追踪方法、装置、设备及介质 | |
CN110147706B (zh) | 障碍物的识别方法和装置、存储介质、电子装置 | |
CN110988912B (zh) | 自动驾驶车辆的道路目标与距离检测方法、系统、装置 | |
CN110148196B (zh) | 一种图像处理方法、装置以及相关设备 | |
CN109863003B (zh) | 移动机器人及其控制方法 | |
CN104536445B (zh) | 移动导航方法和系统 | |
CN110163930A (zh) | 车道线生成方法、装置、设备、系统及可读存储介质 | |
CN111753609B (zh) | 一种目标识别的方法、装置及摄像机 | |
Bajracharya et al. | A fast stereo-based system for detecting and tracking pedestrians from a moving vehicle | |
CN111814752B (zh) | 室内定位实现方法、服务器、智能移动设备、存储介质 | |
CN113537049B (zh) | 地面点云数据处理方法、装置、终端设备及存储介质 | |
CN109191513B (zh) | 基于全局优化的电力设备立体匹配方法 | |
Maier et al. | Self-supervised obstacle detection for humanoid navigation using monocular vision and sparse laser data | |
CN114454875A (zh) | 一种基于强化学习的城市道路自动泊车方法及系统 | |
CN111295666A (zh) | 一种车道线检测方法、装置、控制设备及存储介质 | |
Lin et al. | Construction of fisheye lens inverse perspective mapping model and its applications of obstacle detection | |
CN112947419A (zh) | 避障方法、装置及设备 | |
Shinzato et al. | Road estimation with sparse 3D points from stereo data | |
Berriel et al. | A particle filter-based lane marker tracking approach using a cubic spline model | |
CN111291646A (zh) | 一种人流量统计方法、装置、设备及存储介质 | |
CN117152719B (zh) | 除草障碍物检测方法、设备、存储介质及装置 | |
Lee et al. | independent object detection based on two-dimensional contours and three-dimensional sizes |
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 | ||
CB02 | Change of applicant information |
Address after: Room 702, 7th floor, NO.67, Beisihuan West Road, Haidian District, Beijing 100080 Applicant after: Beijing Yunji Technology Co.,Ltd. Address before: Room 702, 7th floor, NO.67, Beisihuan West Road, Haidian District, Beijing 100080 Applicant before: BEIJING YUNJI TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information |