CN113835103A - 轨道障碍物检测方法、系统和计算机设备 - Google Patents
轨道障碍物检测方法、系统和计算机设备 Download PDFInfo
- Publication number
- CN113835103A CN113835103A CN202111106182.7A CN202111106182A CN113835103A CN 113835103 A CN113835103 A CN 113835103A CN 202111106182 A CN202111106182 A CN 202111106182A CN 113835103 A CN113835103 A CN 113835103A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- obstacle
- track
- point
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims description 15
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000012216 screening Methods 0.000 claims description 28
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 241001669679 Eleotris Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000007787 solid 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本申请提供一种轨道障碍物检测方法、系统和计算机设备,该轨道障碍物检测方法包括:获取激光雷达当前帧的点云数据;从所述点云数据中提取出超过预设高度的障碍物点云数据;利用上一帧中确定的左右轨道点,获得所述当前帧的左右轨道线;根据所述左右轨道线的范围内的所述障碍物点云数据,确定所述当前帧的轨道内障碍物。本申请的轨道障碍物检测方法,通过激光雷达获取列车行驶过程中当前帧的点云数据,根据该点云数据可以实时确定当前帧的轨道内障碍物,从而达到实时检测轨道内障碍物的效果,从而提高安全性。
Description
技术领域
本公开涉及激光检测领域,具体而言,涉及一种轨道障碍物检测方法、系统、计算机设备和计算机可读存储介质。
背景技术
现有的轨道障碍物检测时,一般是通过激光雷达获得点云数据,再利用点云数据离线进行三维模型的重建,最终根据三维模型分析轨道上是否存在障碍物,因此实时性非常低,不能做到实时检测轨道内障碍物的效果,从而影响轨道障碍物预警,安全性较低。
发明内容
鉴于上述问题,本公开提供了一种轨道障碍物检测方法、系统、计算机设备和计算机可读存储介质,以达到实时检测轨道内障碍物的效果,从而提高安全性。
为了实现上述目的,本公开包括了以下的一些实施例:
第一方面,根据本公开的一些实施例,提供了一种轨道障碍物检测方法,包括:
获取激光雷达当前帧的点云数据;
从所述点云数据中提取出超过预设高度的障碍物点云数据;
利用上一帧中确定的左右轨道点,获得所述当前帧的左右轨道线;
根据所述左右轨道线的范围内的所述障碍物点云数据,确定所述当前帧的轨道内障碍物。
例如,在一些实施方式中,所述的轨道障碍物检测方法中,所述从所述点云数据中提取出超过预设高度的障碍物点云数据包括:
对所述点云数据进行预设尺寸的网格化处理,获得多个点云网格;
计算每个所述点云网格内点云数据之间的最大高度差值;
筛选出所述最大高度差值大于所述预设高度的点云网格,定义为目标点云网格;
定义从所述目标点云网格中的点云数据为所述障碍物点云数据。
例如,在一些实施方式中,所述的轨道障碍物检测方法中,所述利用上一帧中确定的左右轨道点,获得所述当前帧的左右轨道线包括:
从上一帧的点云数据中提取左右轨道点作为所述当前帧的左右起始点;
将所述获取的点云数据中符合筛选条件的数据定义为筛选数据,所述筛选条件为:位于以当前帧的左右起始点的中间点为圆心,以预设距离为半径的范围内;
将所述筛选数据按照预设条件进行筛除,得到目标轨道点;
对所述目标轨道点进行左右聚类后,根据左边的所述目标轨道点生成左轨道线,根据右边的所述目标轨道点生成右轨道线。
例如,在一些实施方式中,所述将所述筛选数据按照预设条件进行筛除,得到目标轨道点包括:
将所述筛选数据通过预设滤波器,得到初步目标轨道点;
将所述初步目标轨道点与上一帧的轨道点进行比较,若所述初步目标轨道点的X轴坐标与上一帧的轨道点的X轴坐标的差值在预设范围内,则将所述初步目标轨道点设定为目标轨道点;
其中,所述预设滤波器用于将距离地面高度超过预设高度的筛选数据进行滤除。
例如,在一些实施方式中,所述的轨道障碍物检测方法中,所述根据所述左右轨道线的范围内的所述障碍物点云数据,确定所述当前帧的轨道内障碍物包括:
对在左右轨道线的范围内的所述障碍物点云数据进行预设聚类算法运算,获得多个障碍物点集;
剔除聚类点数小于预设点数的所述障碍物点集,将剩余的所述障碍物点集定义为所述当前帧的轨道内障碍物。
例如,在一些实施方式中,所述的轨道障碍物检测方法中,所述预设聚类算法包括欧式聚类算法。
例如,在一些实施方式中,所述的轨道障碍物检测方法中,所述激光雷达设置于列车的车头,距离轨道预定高度并且与轨道平行。
第二方面,根据本公开的一些实施例,提供了一种轨道障碍物检测系统,包括:
点云数据获取模块,用于获取激光雷达当前帧的点云数据;
障碍物点提取模块,用于从所述点云数据中提取出超过预设高度的障碍物点云数据;
轨道线获取模块,用于利用上一帧中确定的左右轨道点,获得所述当前帧的左右轨道线;
障碍物确定模块,用于根据所述左右轨道线的范围内的所述障碍物点云数据,确定所述当前帧的轨道内障碍物。
第三方面,根据本公开的一些实施例,提供了一种计算机设备,包括存储器以及处理器,所述存储器存储有计算机程序,所述计算机程序在所述处理器上运行时执行所述的轨道障碍物检测方法。
第四方面,根据本公开的一些实施例,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包括存储的计算机程序,其中,在所述计算机程序被处理器运行时控制所述存储介质所在设备执行所述的轨道障碍物检测方法。
本公开的一些实施例,提供了一种轨道障碍物检测方法,该轨道障碍物检测方法包括:获取激光雷达当前帧的点云数据;从所述点云数据中提取出超过预设高度的障碍物点云数据;利用上一帧中确定的左右轨道点,获得所述当前帧的左右轨道线;根据所述左右轨道线的范围内的所述障碍物点云数据,确定所述当前帧的轨道内障碍物。上述实施例提供的轨道障碍物检测方法,通过激光雷达获取列车行驶过程中当前帧的点云数据,根据该点云数据可以实时确定当前帧的轨道内障碍物,从而达到实时检测轨道内障碍物的效果,从而提高安全性。
为使本申请的上述目的、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申请的技术方案,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申请的某些实施例,因此不应被看作是对本申请保护范围的限定。在各个附图中,类似的构成部分采用类似的编号。
图1是本申请实施例1提供的一种轨道障碍物检测方法的流程图;
图2是本申请实施例2提供的一种获取障碍物点云数据的流程图;
图3是本申请实施例3提供的一种获取左右轨道线的流程图;
图4是本申请实施例4提供的一种获取轨道内障碍物的流程图;
图5是本申请实施例5提供的一种轨道障碍物检测系统的结构示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请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申请一部分实施例,而不是全部的实施例。
通常在此处附图中描述和示出的本申请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申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,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,都属于本申请保护的范围。
在下文中,可在本申请的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合,并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
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。
除非另有限定,否则在这里使用的所有术语(包括技术术语和科学术语)具有与本申请的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义,除非在本申请的各种实施例中被清楚地限定。
实施例1
图1是本公开的实施例1提供的一种轨道障碍物检测方法的流程图,该方法包括如下步骤:
步骤S11:获取激光雷达当前帧的点云数据。
示范性地,激光雷达设置于列车的车头,距离轨道预定高度并且与轨道平行,因此,在安装激光雷达时,可以将列车停在直轨道上,通过设置激光雷达与前方轨道平行,而在列车的顶部还可以预留多个安装位置,以便于随时更换激光雷达的位置,从而提高障碍物检测的准确率和灵活性。其中,该激光雷达设置在列车的车头顶部预设位置,距离地面三米左右。在列车行驶的过程中,通过该激光雷达可以实时获取前方轨道预设范围内的点云数据,而每帧点云数据之间的间隔为预设时间,例如可以为1秒等,这里不做限定,根据列车的行驶速度,还可以改变每帧点云数据之间的间隔,以便也即连续的获取行驶过程中轨道的所有点云数据。
步骤S12:从所述点云数据中提取出超过预设高度的障碍物点云数据。
示范性地,在获取到当前帧的点云数据后,将对该点云数据进行障碍物分析,判断列车前方范围内是否存在障碍物。其中,将障碍物定义为高度高于轨道高度的物体,于是,可通过相应算法计算出点云数据中各个点距离地面的高度,判断该高度是否大于轨道本身的高度即可确定该点数据是否为障碍物的点数据。例如,若该预设高度设为30厘米,此时,高度大于30厘米的点云数据将被认定为障碍物点云数据。
本公开的实施例中,在计算机设备中可以设置有相应应用程序,在获取到当前帧的点云数据后,可以将该点云数据输入至该应用程序,以用于将高度大于预设高度的障碍物点云数据提取出来,以及将不在预设高度范围内的点云数据剔除,以减少无效的计算量等。
步骤S13:利用上一帧中确定的左右轨道点,获得所述当前帧的左右轨道线。
由于列车是运动的,这里可以利用上一帧点云数据中确定的其中一对左右轨道点来获取点云数据中的轨道点,并进一步获得相应的左右轨道线。
示范性地,可从上一帧的点云数据中提取出相应的左右轨道点作为当前帧的左右起始点,并通过设定一个筛选条件来选出符合相应条件的点云数据作为候选的数据。进而,从这些筛选出的候选数据中再按照预设条件作进一步筛选,以得到目标轨道点。最后,在获得正确的轨道点后,进行左右轨道点的区分,并以此进行左右轨道线的连接后,即可获得当前帧的左右轨道线。
步骤S14:根据所述左右轨道线的范围内的所述障碍物点云数据,确定所述当前帧的轨道内障碍物。
示范性地,在获取到障碍物点云数据以及当前帧的左右轨道线后,即可确定左右轨道线内的障碍物点,最终根据左右轨道线内的障碍物点确定当前帧的轨道内障碍物。
本公开的实施例中,通过激光雷达获取列车行驶过程中当前帧的点云数据,根据该点云数据可以实时确定当前帧的轨道内障碍物,从而达到实时检测轨道内障碍物的效果,从而提高安全性。
实施例2
图2是本公开的实施例2提供的一种获取障碍物点云数据的流程图,包括如下步骤:
步骤S21:对所述点云数据进行预设尺寸的网格化处理,获得多个点云网格。
其中,上述预设尺寸大于障碍物的尺寸,也即,在定义障碍物的尺寸为长宽高各为30厘米时,该预设尺寸可以为长宽高各为40厘米,这里不做限定。在计算机设备中可以预先存储有用于网格化处理的应用程序,在获取到点云数据后可以输入至该网格化处理的应用程序,从而获得多个预设尺寸的点云网格。
步骤S22:计算每个所述点云网格内点云数据之间的最大高度差值。
示范性地,对于每个点云网格,将计算点云网格中各点云数据之间的最大高度差值,也即点数据距离地面的最大距离值。在计算机设备中可以设置有计算最大高度差值的应用程序,在获取到点云网格后,可以将点云网格输入至该应用程序,从而获得相应的最大高度差值。
步骤S23:筛选出所述最大高度差值大于所述预设高度的点云网格,定义为目标点云网格。
步骤S24:定义所述目标点云网格中点云数据为所述障碍物点云数据。
其中,对于最大高度差值大于所述预设高度的目标点云网格,则定义该网格内的点云数据为障碍物点云数据,其中,为了防止障碍物的漏检,还可以设置有多个预设尺寸,也即可以进行多线程的不同尺寸的网格化处理,以获得障碍物点云数据,避免漏检。
实施例3
图3是本公开的实施例3提供的一种获取左右轨道线的流程图,包括如下步骤:
步骤S31:从上一帧的点云数据提取出左右轨道点作为当前帧的左右起始点。
例如,可从上一帧点云数据中确定的左右轨道点中提取出位于中间位置的左右轨道点,以作为当前帧的左右起始点。
步骤S32:将点云数据中符合筛选条件的数据定义为筛选数据;其中,所述筛选条件定义为:位于以当前帧的左右起始点的中间点为圆心,以预设距离为半径的范围内。
例如,以提取出的上述左右起始点的中间点为圆心,比如半径为5米的圆形区域范围,对于在该圆形区域范围内的点云数据进行保留,而对该区域范围外的点云数据则丢弃。
可以理解,通过预设筛选条件对获取的点云数据进行初步筛选,可以剔除大部分与轨道线无关要紧的点云数据,从而降低轨道点分级的计算量,提高整体轨道线获取的效率。
步骤S33:将所述筛选数据按照预设条件进行筛除,得到目标轨道点。
考虑到轨道具有固定的特征,也即轨道宽度不会变化,轨道是连续的,并且轨道距离枕木的高度也是固定的,激光雷达扫描获得的轨道点云数据在一定范围内应该是连续的,因此根据上面的轨道特征,可以设计一个预设滤波器来从上述的筛选数据中筛选出初步目标轨道点。例如,该预设滤波器可设计为执行如下功能:将距离地面高度超过预设高度的上述筛选数据进行滤除。其中,该预设高度可以根据实际的轨道距离枕木的高度等来设置调整,这里不作限定。
在得到初步目标轨道点后,可将该初步目标轨道点与上一帧的轨道点进行比较,若该初步目标轨道点的X轴坐标与上一帧的轨道点的X轴坐标的差值在预设范围内,则将该初步目标轨道点设定为目标轨道点。
例如,先假设某点为轨道点,依次提取所有满足高度要求的点,如果激光雷达的一根激光线上有一对点数据最高,并满足宽度在轨道宽度值范围内,则判断当前假设的轨道点为一对正确的轨道点,即为所需的目标轨道点。
步骤S34:对所述目标轨道点进行左右聚类后,根据左边的所述目标轨道点生成左轨道线,根据右边的所述目标轨道点生成右轨道线。
进一步地,对于激光雷达的初始帧,在获取不到上一帧的确定的轨道点时,可以直接将初始帧中的点云数据全部输入至预设滤波器,以获得目标轨道点。由于初始帧目标轨道点的获取时间较长,因此在列车启动前进之前,可以预先开机激光雷达进行初始帧目标轨道点的获取,从而保证后续帧的点云数据中,目标轨道点获取的准确率。
实施例4
图4是本公开的实施例4提供的一种获取轨道内障碍物的流程图,包括如下步骤:
步骤S41:对在左右轨道线的范围内的所述障碍物点云数据进行预设聚类算法运算,获得多个障碍物点集。
步骤S42:剔除聚类点数小于预设点数的所述障碍物点集,将剩余的障碍物点集定义为当前帧的轨道内障碍物。
其中,所述预设聚类算法包括欧式聚类算法。在计算机设备中可以设置有基于欧式聚类算法的应用程序,在获取到障碍物点云数据后可以输入至该应用程序,以获得多个障碍物点集。对于聚类点数小于预设点数的障碍物点集则可以剔除,其中,该预设点数可以为3、4和5等,这里不做限定。
实施例5
图5是本公开的实施例5提供的一种轨道障碍物检测系统的结构示意图。
该轨道障碍物检测系统500包括:
点云数据获取模块510,用于获取激光雷达当前帧的点云数据;
障碍物点提取模块520,用于从所述点云数据中提取出超过预设高度的障碍物点云数据;
轨道线获取模块530,用于利用上一帧中确定的左右轨道点,获得所述当前帧的左右轨道线;
障碍物确定模块540,用于根据所述左右轨道线的范围内的所述障碍物点云数据,确定所述当前帧的轨道内障碍物。
其中,上述各个模块更加详细的功能描述可以参考前述实施例中相应部分的内容,在此不再赘述。
此外,本公开还提供了一种计算机设备,该计算机设备包括存储器和处理器,存储器可用于存储计算机程序,处理器通过运行所述计算机程序,从而使计算机设备执行上述方法或者上述轨道障碍物检测系统中的各个模块的功能。
存储器可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据计算机设备的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本公开还提供了一种计算机存储介质,用于储存上述计算机设备中使用的计算机程序。
在本公开所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和结构图显示了根据本公开的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本公开各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块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,本公开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(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本公开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(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本公开的一些较佳的实施例,但本公开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公开揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种轨道障碍物检测方法,其特征在于,包括:
获取激光雷达当前帧的点云数据;
从所述点云数据中提取出超过预设高度的障碍物点云数据;
利用上一帧中确定的左右轨道点,获得所述当前帧的左右轨道线;
根据所述左右轨道线的范围内的所述障碍物点云数据,确定所述当前帧的轨道内障碍物。
2.根据权利要求1所述的轨道障碍物检测方法,其特征在于,所述从所述点云数据中提取出超过预设高度的障碍物点云数据包括:
对所述点云数据进行预设尺寸的网格化处理,获得多个点云网格;
计算每个所述点云网格内点云数据之间的最大高度差值;
筛选出所述最大高度差值大于所述预设高度的点云网格,定义为目标点云网格;
定义所述目标点云网格中的点云数据为所述障碍物点云数据。
3.根据权利要求1或2所述的轨道障碍物检测方法,其特征在于,所述利用上一帧中确定的左右轨道点,获得所述当前帧的左右轨道线包括:
从上一帧的点云数据中提取左右轨道点作为所述当前帧的左右起始点;
将所述获取的点云数据中符合筛选条件的数据定义为筛选数据,所述筛选条件为:位于以当前帧的左右起始点的中间点为圆心,以预设距离为半径的范围内;
将所述筛选数据按照预设条件进行筛除,得到目标轨道点;
对所述目标轨道点进行左右聚类后,根据左边的所述目标轨道点生成左轨道线,根据右边的所述目标轨道点生成右轨道线。
4.根据权利要求3所述的轨道障碍物检测方法,其特征在于,所述将所述筛选数据按照预设条件进行筛除,得到目标轨道点包括:
将所述筛选数据通过预设滤波器,得到初步目标轨道点;
将所述初步目标轨道点与上一帧的轨道点进行比较,若所述初步目标轨道点的X轴坐标与上一帧的轨道点的X轴坐标的差值在预设范围内,则将所述初步目标轨道点设定为目标轨道点;
其中,所述预设滤波器用于将距离地面高度超过预设高度的筛选数据进行滤除。
5.根据权利要求1、2或4所述的轨道障碍物检测方法,其特征在于,所述根据所述左右轨道线的范围内的所述障碍物点云数据,确定所述当前帧的轨道内障碍物包括:
对在左右轨道线的范围内的所述障碍物点云数据进行预设聚类算法运算,获得多个障碍物点集;
剔除聚类点数小于预设点数的所述障碍物点集,将剩余的所述障碍物点集定义为所述当前帧的轨道内障碍物。
6.根据权利要求5所述的轨道障碍物检测方法,其特征在于,所述预设聚类算法包括欧式聚类算法。
7.根据权利要求1、2、4或6所述的轨道障碍物检测方法,其特征在于,所述激光雷达设置于列车的车头,距离轨道预定高度并且与轨道平行。
8.一种轨道障碍物检测系统,其特征在于,包括:
点云数据获取模块,用于获取激光雷达当前帧的点云数据;
障碍物点提取模块,用于从所述点云数据中提取出超过预设高度的障碍物点云数据;
轨道线获取模块,用于利用上一帧中确定的左右轨道点,获得所述当前帧的左右轨道线;
障碍物确定模块,用于根据所述左右轨道线的范围内的所述障碍物点云数据,确定所述当前帧的轨道内障碍物。
9.一种计算机设备,其特征在于,包括存储器以及处理器,所述存储器存储有计算机程序,所述计算机程序在所述处理器上运行时执行根据权利要求1至7中任一项所述的轨道障碍物检测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序被处理器运行时控制所述存储介质所在设备执行权利要求1至7中任一项所述的轨道障碍物检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111106182.7A CN113835103B (zh) | 2021-09-22 | 2021-09-22 | 轨道障碍物检测方法、系统和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111106182.7A CN113835103B (zh) | 2021-09-22 | 2021-09-22 | 轨道障碍物检测方法、系统和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113835103A true CN113835103A (zh) | 2021-12-24 |
CN113835103B CN113835103B (zh) | 2024-07-12 |
Family
ID=78960216
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111106182.7A Active CN113835103B (zh) | 2021-09-22 | 2021-09-22 | 轨道障碍物检测方法、系统和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113835103B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140063251A1 (en) * | 2012-09-03 | 2014-03-06 | Lg Innotek Co., Ltd. | Lane correction system, lane correction apparatus and method of correcting lane |
CN106845324A (zh) * | 2015-12-03 | 2017-06-13 | 高德软件有限公司 | 路牌信息的处理方法和装置 |
CN109410737A (zh) * | 2018-10-31 | 2019-03-01 | 成都四方伟业软件股份有限公司 | 一种基于局部刷新的地图上点动态轨迹绘制方法和系统 |
CN109752701A (zh) * | 2019-01-18 | 2019-05-14 | 中南大学 | 一种基于激光点云的道路边沿检测方法 |
CN110033482A (zh) * | 2018-01-11 | 2019-07-19 | 沈阳美行科技有限公司 | 一种基于激光点云的路沿识别方法和装置 |
CN110764108A (zh) * | 2019-11-05 | 2020-02-07 | 畅加风行(苏州)智能科技有限公司 | 一种用于港口自动驾驶场景的障碍物检测方法及装置 |
CN110967024A (zh) * | 2019-12-23 | 2020-04-07 | 苏州智加科技有限公司 | 可行驶区域的检测方法、装置、设备及存储介质 |
CN111832411A (zh) * | 2020-06-09 | 2020-10-27 | 北京航空航天大学 | 一种基于视觉与激光雷达融合的轨道内障碍物检测方法 |
CN112711034A (zh) * | 2020-12-22 | 2021-04-27 | 中国第一汽车股份有限公司 | 物体检测方法、装置及设备 |
CN113064135A (zh) * | 2021-06-01 | 2021-07-02 | 北京海天瑞声科技股份有限公司 | 在3d雷达点云连续帧数据中检测障碍物的方法及装置 |
CN113189564A (zh) * | 2021-07-01 | 2021-07-30 | 西南交通大学 | 一种列车轨道点云提取方法 |
-
2021
- 2021-09-22 CN CN202111106182.7A patent/CN113835103B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140063251A1 (en) * | 2012-09-03 | 2014-03-06 | Lg Innotek Co., Ltd. | Lane correction system, lane correction apparatus and method of correcting lane |
CN106845324A (zh) * | 2015-12-03 | 2017-06-13 | 高德软件有限公司 | 路牌信息的处理方法和装置 |
CN110033482A (zh) * | 2018-01-11 | 2019-07-19 | 沈阳美行科技有限公司 | 一种基于激光点云的路沿识别方法和装置 |
CN109410737A (zh) * | 2018-10-31 | 2019-03-01 | 成都四方伟业软件股份有限公司 | 一种基于局部刷新的地图上点动态轨迹绘制方法和系统 |
CN109752701A (zh) * | 2019-01-18 | 2019-05-14 | 中南大学 | 一种基于激光点云的道路边沿检测方法 |
CN110764108A (zh) * | 2019-11-05 | 2020-02-07 | 畅加风行(苏州)智能科技有限公司 | 一种用于港口自动驾驶场景的障碍物检测方法及装置 |
CN110967024A (zh) * | 2019-12-23 | 2020-04-07 | 苏州智加科技有限公司 | 可行驶区域的检测方法、装置、设备及存储介质 |
CN111832411A (zh) * | 2020-06-09 | 2020-10-27 | 北京航空航天大学 | 一种基于视觉与激光雷达融合的轨道内障碍物检测方法 |
CN112711034A (zh) * | 2020-12-22 | 2021-04-27 | 中国第一汽车股份有限公司 | 物体检测方法、装置及设备 |
CN113064135A (zh) * | 2021-06-01 | 2021-07-02 | 北京海天瑞声科技股份有限公司 | 在3d雷达点云连续帧数据中检测障碍物的方法及装置 |
CN113189564A (zh) * | 2021-07-01 | 2021-07-30 | 西南交通大学 | 一种列车轨道点云提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113835103B (zh) | 2024-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110807439B (zh) | 检测障碍物的方法及装置 | |
CN110796854B (zh) | 一种校验道路限速值的方法及相关装置 | |
CN109359620A (zh) | 一种识别可疑对象的方法及装置 | |
CN111695478A (zh) | 一种目标检测方法及设备 | |
CN113033471A (zh) | 交通异常检测方法、装置、设备、存储介质以及程序产品 | |
CN112633182A (zh) | 一种车辆状态检测方法、装置、设备和存储介质 | |
CN111626155A (zh) | 一种篮球位置点的生成方法及设备 | |
JP6681965B2 (ja) | 自律走行のための学習対象イメージ抽出装置及び方法 | |
CN113835103A (zh) | 轨道障碍物检测方法、系统和计算机设备 | |
CN110363288B (zh) | 一种神经网络的输入图像生成方法和系统 | |
CN103093481A (zh) | 一种基于分水岭分割的静态背景下运动目标检测方法 | |
EP3891701A1 (en) | Method and apparatus for determining temporal behaviour of an object | |
CN112581489A (zh) | 一种视频压缩方法、装置及存储介质 | |
CN116228712A (zh) | 一种多尺度边坡灾害监测方法、系统及装置 | |
CN114359871A (zh) | 车辆可行驶区域的区域边缘检测方法、装置和存储介质 | |
CN109800685A (zh) | 一种视频中对象的确定方法及装置 | |
CN115909305A (zh) | 一种车辆信息识别方法、装置、设备及存储介质 | |
CN111860326B (zh) | 一种建筑工地物品移动检测方法、装置、设备及存储介质 | |
CN111757182B (zh) | 图像花屏检测方法、设备、计算机设备和可读存储介质 | |
CN113920547A (zh) | 一种基于神经网络的手套检测方法及其系统 | |
JP6080487B2 (ja) | 移動天体検出装置およびその制御方法 | |
CN103714552A (zh) | 运动阴影消除方法及装置和智能视频分析系统 | |
CN113627343A (zh) | 一种行人身高检测方法、装置、设备及可读存储介质 | |
CN112825193B (zh) | 目标跟踪方法、装置、电子设备以及存储介质 | |
JP2014085721A (ja) | 移動天体検出装置およびその制御方法 |
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 |