CN114200415A - 车厢点云姿态自动校正方法及装置 - Google Patents

Abstract

本发明提供了车厢点云姿态自动校正方法及装置；其中，该方法包括：获取车厢的点云数据；其中，点云数据包括多个点数据；根据点云数据确定车厢的侧面；其中，侧面包括上侧面、下侧面、左侧面和右侧面；根据侧面中任意两个互相垂直侧面的法向量，计算点云数据相对于标准姿态的外参矩阵；基于外参矩阵对点云数据进行自动姿态校正。该方式中，无需人为输入或调参，即可得到外参矩阵，从而可以对点云数据进行自动姿态校正，提高了点云数据校正的准确度，进而提高了货物装载率测算的准确性。

Description

车厢点云姿态自动校正方法及装置

技术领域

本发明涉及三维测量技术领域，尤其是涉及车厢点云姿态自动校正方法及装置。

背景技术

随着消费多样化和流通高效化的发展，人们对物流服务的要求越来越高。其中，厢式货车作为物流服务最主要的运输工具，其车箱装载率至关重要。为了通过灵活调动货车，实现信息化管理，越来越多的货车安装激光雷达等传感器，激光雷达具有测距准确、精度高和测量信息直观等优点，可以直接获取车厢的三维轮廓信息，从而能够进行快速建模，直观的反映车厢的外形特征，并计算车厢当前的装载率。

现有方法主要通过人工参与或特殊标志物，计算设备坐标系到标准姿态坐标系的姿态变化，然后将激光雷达采集车厢的点云数据按照姿态变化校正到标准姿态坐标系。但是，当大规模安装设备时，由于安装人员无法现场调参或执行摆放特殊标志的复杂操作，甚至是设备倒装和正装，左装和右装，导致得到的数据存在误差，影响了装载率测量的精度，因此，如何适应多个场景，且，无需人为干预，以及无需特定标志物，即可测量车厢的装载率是亟需解决的问题。

发明内容

有鉴于此，本发明的目的在于提供车厢点云姿态自动校正方法及装置，以缓解上述问题，提高了点云数据校正的准确度，进而提高了货物装载率测算的准确性。

第一方面，本发明实施例提供了一种车厢点云姿态自动校正方法，该方法包括：获取车厢的点云数据；其中，点云数据包括多个点数据；根据点云数据确定车厢的侧面；其中，侧面包括上侧面、下侧面、左侧面和右侧面；根据侧面中任意两个互相垂直侧面的法向量，计算点云数据相对于标准姿态的外参矩阵；基于外参矩阵对点云数据进行自动姿态校正。

优选地，上述根据点云数据确定车厢的侧面的步骤，包括：基于随机采样一致性算法，确定点云数据对应的平面集；其中，平面集包括多个平面；根据每个平面的法向量，确定平行平面对集合；其中，平行平面对集合包括多个平行平面对，每个平行平面对包括互相平行的两个平面；根据每个平行平面对的法向量，确定目标正交平行平面对；其中，目标正交平行平面对包括互相垂直的两个平行平面对；根据目标正交平行平面对，确定车厢的侧面。

优选地，上述基于随机采样一致性算法，确定点云数据对应的平面集的步骤，包括：基于随机采样一致性算法对点云数据进行拟合，得到多个初始平面；其中，每个初始平面包括多个点云数据；判断每个初始平面内点数据的数量是否大于预设阈值；如果是，则确定初始平面为平面集中的平面。

优选地，上述根据每个平面的法向量，确定平行平面对集合的步骤，包括：计算任意两个平面的法向量之间的夹角；判断夹角是否小于预设角度阈值；如果是，则确定两个平面为平行平面对。

优选地，上述根据每个平行平面对的法向量，确定目标正交平行平面对的步骤，包括：判断任意两个平行平面对的法向量是否互相垂直；如果是，则确定两个平行平面对为正交平行平面对，并得到包含多个正交平行平面对的正交平行平面对集合；遍历正交平行平面对集合，将包含点数据数量最多的正交平行平面对确定为目标正交平行平面对。

优选地，上述目标正交平行平面对包括互相垂直的第一平行平面对和第二平行平面对；上述根据目标正交平行平面对，确定车厢的侧面的步骤，包括：分别计算第一平行平面对中两个平面之间的第一距离，以及第二平行平面对中两个平面之间的第二距离；判断第一距离是否大于第二距离；如果是，则第一平行平面对为车厢高度方向的平行平面对，第二平行平面对为车厢宽度方向的平行平面对；根据第一平行平面对中两个平面到原点的距离确定车厢的上侧面和下侧面；以及，根据第二平行平面对中两个平面的法向量确定车厢的左侧面和右侧面。

优选地，上述根据侧面中任意两个互相垂直侧面的法向量，计算点云数据相对于标准姿态的外参矩阵的步骤，包括：获取侧面中任意两个互相垂直侧面分别对应的第一单位法向量和第二单位法向量；将第一单位法向量和第二单位法向量进行叉乘计算，得到第三法向量；基于第一单位法向量、第二单位法向量和第三法向量，得到外参矩阵。

第二方面，本发明实施例还提供一种车厢点云姿态自动校正装置，该装置包括：获取模块，用于获取车厢的点云数据；其中，点云数据包括多个点数据；确定模块，用于根据点云数据确定车厢的侧面；其中，侧面包括上侧面、下侧面、左侧面和右侧面；计算模块，用于根据侧面中任意两个互相垂直侧面的法向量，计算点云数据相对于标准姿态的外参矩阵；校正模块，用于基于外参矩阵对点云数据进行自动姿态校正。

优选地，上述确定模块，具体用于：基于随机采样一致性算法，确定点云数据对应的平面集；其中，平面集包括多个平面；根据每个平面的法向量，确定平行平面对集合；其中，平行平面对集合包括多个平行平面对，每个平行平面对包括互相平行的两个平面；根据每个平行平面对的法向量，确定目标正交平行平面对；其中，目标正交平行平面对包括互相垂直的两个平行平面对；根据目标正交平行平面对，确定车厢的侧面。

优选地，上述计算模块，具体用于：获取侧面中任意两个互相垂直侧面分别对应的第一单位法向量和第二单位法向量；将第一单位法向量和第二单位法向量进行叉乘计算，得到第三法向量；基于第一单位法向量、第二单位法向量和第三法向量，得到外参矩阵。

本发明实施例带来了以下有益效果：

本发明实施例提供了车厢点云姿态自动校正方法及装置；获取车厢的点云数据；其中，点云数据包括多个点数据；根据点云数据确定车厢的侧面；其中，侧面包括上侧面、下侧面、左侧面和右侧面；根据侧面中任意两个互相垂直侧面的法向量，计算点云数据相对于标准姿态的外参矩阵；基于外参矩阵对点云数据进行自动姿态校正。该方式中，无需人为输入或调参，即可根据点云数据得到外参矩阵，从而可以对点云数据进行自动姿态校正，与现有人工参与计算的变换矩阵进行校正相比，提高了点云数据校正的准确度，进而提高了货物装载率测算的准确性；此外，对空车厢和装卸货物的时候均可使用，无需腾空车厢和放置标志物，通用性较强，便于在实际应用中推广实施。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。

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具体实施方式或现有技术中的技术方案，下面将对具体实施方式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方式，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。

图1为本发明实施例提供的一种车厢点云姿态自动校正方法的流程图；

图2为本发明实施例提供的一种车厢展开图；

图3为本发明实施例提供的一种确定目标正交平行平面对的流程图；

图4为本发明实施例提供的一种激光雷达坐标系和车厢坐标系的示意图；

图5为本发明实施例提供的一种车厢点云姿态自动校正装置的示意图。

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，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。

为便于对本实施例进行理解，下面首先对本发明实施例提供的一种车厢点云姿态自动校正方法进行详细介绍。其中，在车厢中安装有激光雷达，并调整激光雷达的姿态，使得激光雷达视场同时覆盖车厢的上、下、左和右四个侧面。在实际应用中，激光雷达用于采集车厢的点云数据，这里点云数据为设备坐标系下的点的数据集，每个点数据通常包括三维坐标X，Y和Z，并将采集的点云数据发送至与激光雷达连接的电子设备，以便电子设备根据点云数据执行本发明实施例提供的车厢点云姿态自动校正方法的步骤。其中，电子设备包括但不仅限于智能手机、掌上电脑和平板电脑等设备，具体可以根据实际情况进行设置。

基于上述电子设备，本发明实施例提供了一种车厢点云姿态自动校正方法，如图1所示，该方法包括以下步骤：

步骤S102，获取车厢的点云数据；

其中，上述点云数据包括多个点数据，这里点云数据为设备坐标系中的数据，当车厢为空车厢时，点云数据包括车厢本体对应的多个点数据；当车厢内装载有货物时，点云数据包括车厢本体对应的多个点数据和车厢内货物对应的点云数据，具体可以根据实际情况进行设置。

步骤S104，根据点云数据确定车厢的侧面；

具体地，如图2所示的车厢展开图，车厢主要包括上、下、左、右、前和后六个面，这里后面为车门处，因此，对于车厢本体实物而言，车厢的侧面主要包括上侧面、下侧面、左侧面和右侧面。

在其中一种可能的实施例中，上述根据点云数据确定车厢的侧面的过程包括如下步骤：

(1)基于随机采样一致性算法(Random sample consensus，RANSAC)，确定点云数据对应的平面集；其中，平面集包括多个平面；

具体地，基于随机采样一致性算法对点云数据进行拟合，得到多个初始平面；其中，每个初始平面包括多个点云数据；判断每个初始平面内点数据的数量是否大于预设阈值；如果是，则确定初始平面为平面集中的平面。例如，在对点云数据进行拟合时，由于点云数据可能包含有车厢内货物对应的数据，从而可以拟合得到多个平面，为了提高确定车厢侧面的效率，每得到一个初始平面，还判断该初始平面内的点数据的数量是否大于预设阈值如点数据总数的1/30，如果是，将该初始平面内的点数据从点云数据中剔除，并把该初始平面作为平面添加至平面集中，否则，则认为初始平面内的点数据为噪声点数据，并进行剔除，直至点云数据中剩余点数据的数量小于预设值如点数据总数的1/10。需要说明的是，在空间坐标系中，由于平面可以用方程Ax+By+Cz+D＝0表示，其中，(A，B，C，D)为平面参数，A、B、C和D为已知常数，且，A、B和C不同时为0，因此，每个平面还对应有平面方程，在平面集中，将每个平面的平面方程添加至平面方程列表(Plane Equation List)。

(2)根据每个平面的法向量，确定平行平面对集合；其中，平行平面对集合包括多个平行平面对，每个平行平面对包括互相平行的两个平面；

具体地，对于平面集中的每个平面，垂直该平面的直线所表示的向量为该平面的法向量，如某个平面的平面方程为(A，B，C，D)，则其法向量为(A，B，C)，且，每个平面有两个方向相反的单位法向量。因此，计算任意两个平面的法向量之间的夹角；并判断夹角是否小于预设角度阈值；如果是，则确定两个平面为平行平面对，如图3所示，对于平面集中的多个平面(这里为8个平面)，可以得到多个平行平面对(Parallel Plane Pairs)如4个，并添加至平行平面对集合(Parallel Plane Pairs List)中。

(3)根据每个平行平面对的法向量，确定目标正交平行平面对；其中，目标正交平行平面对包括互相垂直的两个平行平面对；

具体地，对于平行平面对集合中的多个平行平面对，首先任选两个平行平面对进行配对，即判断任意两个平行平面对的法向量是否互相垂直；如果是，则确定两个平行平面对为正交平行平面对(OrthPar Plane Pairs)，并得到包含多个正交平行平面对的正交平行平面对集合；如图3所示，根据4个平行平面对可以得到2个正交平行平面对；最后，遍历正交平行平面对集合，将包含点数据数量最多的正交平行平面对确定为目标正交平行平面对。

其中，对于正交平行平面对集合，确定每个正交平行平面对内的平面的法向量，并使法向量指向车厢内侧。例如，对于一个正交平行平面对，包括两个垂直的平行平面对，其中一个平行平面对包括互相平行的两个平面：第一平面和第二平面，假设由第一平面的特征点PointA和第二平面的特征点PointB构成的向量为

如果第一平面的法向量与

之间的夹角大于90度，则对第一平面的法向量方向取反；否则，第一平面的法向量方向不变。同理，假设由第二平面的特征点PointB和第一平面的特征点PointA构成的向量为

如果第二平面的法向量与

之间的夹角大于90度，则对第二平面的法向量方向取反；否则，第二平面的法向量方向不变。

因此，根据上述法向量方向调整方法，将正交平行平面对集合中每个正交平行平面对中的平面的法向量均进行调整，直至得到每个平面的法向量均指向车厢内侧的正交平行平面对集合；然后进行遍历操作，求取每个正交平行平面对中两个平行平面对形成的三维空间如包围盒内的点数据的数量，将包含点数据数量最多的正交平行平面对确定为目标正交平行平面对，即将最大正交平行平面对确定为目标正交平行平面对，如图3所示，分别求取两个正交平行平面对包含的点数据的数量，并将数量最大的正交平行平面对作为最终的目标正交平行平面对。

(4)根据目标正交平行平面对，确定车厢的侧面。

对于上述目标正交平行平面对，包括互相垂直的第一平行平面对和第二平行平面对；具体地，分别计算第一平行平面对中两个平面之间的第一距离，以及第二平行平面对中两个平面之间的第二距离；判断第一距离是否大于第二距离；如果是，则第一平行平面对为车厢高度方向的平行平面对，第二平行平面对为车厢宽度方向的平行平面对；根据第一平行平面对中两个平面到原点的距离确定车厢的上侧面和下侧面；以及，根据第二平行平面对中两个平面的法向量确定车厢的左侧面和右侧面。

为了便于理解，这里举例说明。上述第一平行平面对包括第一平面和第二平面，第二平行平面对包括第三平面和第四平面，分别计算第一平面和第二平面之间的距离dis1即第一距离，第三平面和第四平面之间的距离dis2即第二距离，如果dis1＞dis2，则第一平行平面对为车厢高度方向的平行平面对(即Height Parallel Plane Pairs)，第二平行平面对为车厢宽度方向的平行平面对(即Width Parallel Plane Pairs)；如果dis1＜dis2，则第一平行平面对为车厢宽度方向的平行平面对，第二平行平面对为车厢高度方向的平行平面对。

对于车厢高度方向的平行平面对如第一平行平面对，分别计算第一平面和第二平面到设备坐标系原点的距离dis3和dis4，如果dis3＜dis4，则第一平面为车厢的上侧面，第二平面为车厢的下侧面；如果dis3＞dis4，则第一平面为车厢的下侧面，第二平面为车厢的上侧面。上述确定车厢的上侧面后，对于车厢宽度方向的平行平面对如第二平行平面对，根据第二平行平面对中两个平面的法向量确定车厢的左侧面和右侧面的过程如下：分别计算第三平面和第四平面的法向量与上侧面的法向量的叉乘，如根据第三平面的法向量与上侧面的法向量的叉乘计算得到向量

根据第四平面的法向量与上侧面的法向量的叉乘计算得到向量

此外，求取点云数据的中心点坐标Point_p，并计算原点到中心点坐标Point_p的向量即向量

最后计算向量

分别与向量

和向量

的夹角，如向量

与向量

之间的第一夹角，向量

与向量

之间的第二夹角，并判断两个夹角与指定角度90°的关系，如第一夹角小于90°，对应的第三平面为左侧面，第二夹角大于90°，对应的第四平面为右侧面。

此外，对于车厢的左右侧面，分别计算左侧面和右侧面到设备坐标系原点的距离dis5和dis6，如果dis5＜dis6，如图4所示，设备即激光雷达安装在车厢的左侧；否则，设备即激光雷达安装在车厢的右侧。因此，确定车厢的侧面之后，还可以确定出激光雷达的安装位置，如在左侧还是右侧，以及，由于靠近激光雷达的侧面点云数据较少，所以还可以在实际应用中，选择对侧的点云数据，如激光雷达安装在左侧，则选择右侧面的点云数据，从而提高了校正的鲁棒性，进而提高了货物装载率测算的准确性。

综上，上述通过随机采样一致性算法，首先根据点云数据确定对应的多个平面，并基于多个平面确定车厢的侧面，即采用找平面的方法确定车厢的侧面，这种确定方式，不受车厢装载货物的影响，如无需车厢全空，可以在车厢装载有部分货物的情形下，根据采集的点云数据，精准确定车厢的侧面，提高了车厢侧面的确定精度；以及，这种确定车厢侧面的方式，在后期应用中，还可以避免地面安装的传送带对装载率的影响，进而提高了货物装载率测算的准确性，便于在实际应用中推广实施。

步骤S106，根据侧面中任意两个互相垂直侧面的法向量，计算点云数据相对于标准姿态的外参矩阵；

具体地，首先获取侧面中任意两个互相垂直侧面分别对应的第一单位法向量和第二单位法向量；然后将第一单位法向量和第二单位法向量进行叉乘计算，得到第三法向量；最后，基于第一单位法向量、第二单位法向量和第三法向量，得到外参矩阵。如对于侧面中任意两个互相垂直侧面为左侧面和上侧面，其中，左侧面的单位法向量为N1，上侧面的单位法向量为N2，将N1和N2进行叉乘计算，得到结果为N3，从而根据N1、N2和N3组成外参矩阵。

步骤S108，基于外参矩阵对点云数据进行自动姿态校正。

其中，上述外参矩阵也可称为设备坐标系到标准姿态坐标系的变换矩阵，这里标准姿态坐标系可以为车厢坐标系，如图4所示，H表示车厢高度，W表示车厢的宽度，设备坐标系即激光雷达坐标系为O-XYZ，车厢坐标系为O_c-X_cY_cZ_c，对于激光雷达采集的点云数据，根据下式进行自动姿态校正：

其中，

表示校正后的标准姿态坐标系的点云数据，R表示外参矩阵，

表示激光雷达采集的点云数据。

综上，本发明实施例提供的车厢点云姿态自动校正方法，首先不限定设备类型或数据类型，只要能获取到车厢的三维点云数据，且，点云数据中包括车厢的上下左右四个侧面，即可根据点云数据确定车厢的侧面，进而计算得到外参矩阵；然后，该方法应用时间通用性强，无论是空车厢还是已装卸货物的车厢均可使用，无需腾空车厢和放置特殊标志物；其次，该方法无需人为输入或调参，即可得到外参矩阵，调用方便；以及，还具有旋转不变性，即点云数据可以经过任意旋转，均可以求出正确的外参矩阵，得到校正后的标准姿态坐标系的点云数据，扩大了应用范围；最后，该方法具有较好的抗干扰能力，即当采集的点云数据存在误差时，通过根据点云数据确定的外参矩阵对点云数据进行自动姿态校正，可以避免现有固定变换矩阵对点云数据进行校正导致的误差，从而提高了点云数据校正的准确度，以及，还可以自动识别设备的安装位置，从而为车厢装载率的测量提供了标准姿态数据，进而提高了货物装载率测算的准确性，便于在实际应用中推广实施。

对应于上述方法实施例，本发明实施例还提供了一种车厢点云姿态自动校正装置，如图5所示，该装置包括：获取模块51、确定模块52、计算模块53和校正模块54；其中，各个模块的功能如下：

获取模块51，用于获取车厢的点云数据；其中，点云数据包括多个点数据；

确定模块52，用于根据点云数据确定车厢的侧面；其中，侧面包括上侧面、下侧面、左侧面和右侧面；

计算模块53，用于根据侧面中任意两个互相垂直侧面的法向量，计算点云数据相对于标准姿态的外参矩阵；

校正模块54，用于基于外参矩阵对点云数据进行自动姿态校正。

本发明实施例提供的车厢点云姿态自动校正装置，无需人为输入或调参，即可得到外参矩阵，从而可以对点云数据进行自动姿态校正，提高了点云数据校正的准确度，进而提高了货物装载率测算的准确性；此外，对空车厢和装卸货物的时候均可使用，无需腾空车厢和放置标志物，通用性较强，便于在实际应用中推广实施。

在其中一种可能的实施例中，上述确定模块52还用于：基于随机采样一致性算法，确定点云数据对应的平面集；其中，平面集包括多个平面；根据每个平面的法向量，确定平行平面对集合；其中，平行平面对集合包括多个平行平面对，每个平行平面对包括互相平行的两个平面；根据每个平行平面对的法向量，确定目标正交平行平面对；其中，目标正交平行平面对包括互相垂直的两个平行平面对；根据目标正交平行平面对，确定车厢的侧面。

在另一种可能的实施例中，上述基于随机采样一致性算法，确定点云数据对应的平面集，包括：基于随机采样一致性算法对点云数据进行拟合，得到多个初始平面；其中，每个初始平面包括多个点云数据；判断每个初始平面内点数据的数量是否大于预设阈值；如果是，则确定初始平面为平面集中的平面。

在另一种可能的实施例中，上述根据每个平面的法向量，确定平行平面对集合，包括：计算任意两个平面的法向量之间的夹角；判断夹角是否小于预设角度阈值；如果是，则确定两个平面为平行平面对。

在另一种可能的实施例中，上述根据每个平行平面对的法向量，确定目标正交平行平面对，包括：判断任意两个平行平面对的法向量是否互相垂直；如果是，则确定两个平行平面对为正交平行平面对，并得到包含多个正交平行平面对的正交平行平面对集合；遍历正交平行平面对集合，将包含点数据数量最多的正交平行平面对确定为目标正交平行平面对。

在另一种可能的实施例中，上述目标正交平行平面对包括互相垂直的第一平行平面对和第二平行平面对；上述根据目标正交平行平面对，确定车厢的侧面，包括：分别计算第一平行平面对中两个平面之间的第一距离，以及第二平行平面对中两个平面之间的第二距离；判断第一距离是否大于第二距离；如果是，则第一平行平面对为车厢高度方向的平行平面对，第二平行平面对为车厢宽度方向的平行平面对；根据第一平行平面对中两个平面到原点的距离确定车厢的上侧面和下侧面；以及，根据所述第二平行平面对中两个所述平面的法向量确定所述车厢的左侧面和右侧面。在另一种可能的实施例中，上述计算模块53还用于：获取侧面中任意两个互相垂直侧面分别对应的第一单位法向量和第二单位法向量；将第一单位法向量和第二单位法向量进行叉乘计算，得到第三法向量；基于第一单位法向量、第二单位法向量和第三法向量，得到外参矩阵。

本发明实施例提供的车厢点云姿态自动校正装置，与上述实施例提供的车厢点云姿态自动校正方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。

本实施例还提供一种机器可读存储介质，机器可读存储介质存储有机器可执行指令，机器可执行指令在被处理器调用和执行时，机器可执行指令促使处理器实现上述车厢点云姿态自动校正方法。

本发明实施例所提供的车厢点云姿态自动校正方法及装置的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

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，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明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)执行本发明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。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，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，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，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发明揭露的技术范围内，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发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种车厢点云姿态自动校正方法，其特征在于，所述方法包括：

获取车厢的点云数据；其中，所述点云数据包括多个点数据；

根据所述点云数据确定所述车厢的侧面；其中，所述侧面包括上侧面、下侧面、左侧面和右侧面；

根据所述侧面中任意两个互相垂直侧面的法向量，计算所述点云数据相对于标准姿态的外参矩阵；

基于所述外参矩阵对所述点云数据进行自动姿态校正。

2.根据权利要求1所述的方法，其特征在于，所述根据所述点云数据确定所述车厢的侧面的步骤，包括：

基于随机采样一致性算法，确定所述点云数据对应的平面集；其中，所述平面集包括多个平面；

根据每个所述平面的法向量，确定平行平面对集合；其中，所述平行平面对集合包括多个平行平面对，每个所述平行平面对包括互相平行的两个平面；

根据每个所述平行平面对的法向量，确定目标正交平行平面对；其中，所述目标正交平行平面对包括互相垂直的两个平行平面对；

根据所述目标正交平行平面对，确定所述车厢的侧面。

3.根据权利要求2所述的方法，其特征在于，所述基于随机采样一致性算法，确定所述点云数据对应的平面集的步骤，包括：

基于所述随机采样一致性算法对所述点云数据进行拟合，得到多个初始平面；其中，每个所述初始平面包括多个点云数据；

判断每个所述初始平面内点数据的数量是否大于预设阈值；

如果是，则确定所述初始平面为所述平面集中的平面。

4.根据权利要求2所述的方法，其特征在于，所述根据每个所述平面的法向量，确定平行平面对集合的步骤，包括：

计算任意两个所述平面的法向量之间的夹角；

判断所述夹角是否小于预设角度阈值；

如果是，则确定两个所述平面为平行平面对。

5.根据权利要求2所述的方法，其特征在于，所述根据每个所述平行平面对的法向量，确定目标正交平行平面对的步骤，包括：

判断任意两个所述平行平面对的法向量是否互相垂直；

如果是，则确定两个所述平行平面对为正交平行平面对，并得到包含多个所述正交平行平面对的正交平行平面对集合；

遍历所述正交平行平面对集合，将包含点数据数量最多的所述正交平行平面对确定为所述目标正交平行平面对。

6.根据权利要求2所述的方法，其特征在于，所述目标正交平行平面对包括互相垂直的第一平行平面对和第二平行平面对；所述根据所述目标正交平行平面对，确定所述车厢的侧面的步骤，包括：

分别计算所述第一平行平面对中两个平面之间的第一距离，以及所述第二平行平面对中两个平面之间的第二距离；

判断所述第一距离是否大于所述第二距离；

如果是，则所述第一平行平面对为车厢高度方向的平行平面对，所述第二平行平面对为车厢宽度方向的平行平面对；

根据所述第一平行平面对中两个所述平面到原点的距离确定所述车厢的上侧面和下侧面；以及，根据所述第二平行平面对中两个所述平面的法向量确定所述车厢的左侧面和右侧面。

7.根据权利要求1所述的方法，其特征在于，所述根据所述侧面中任意两个互相垂直侧面的法向量，计算所述点云数据相对于标准姿态的外参矩阵的步骤，包括：

获取所述侧面中任意两个互相垂直侧面分别对应的第一单位法向量和第二单位法向量；

将所述第一单位法向量和所述第二单位法向量进行叉乘计算，得到第三法向量；

基于所述第一单位法向量、所述第二单位法向量和所述第三法向量，得到所述外参矩阵。

8.一种车厢点云姿态自动校正装置，其特征在于，所述装置包括：

获取模块，用于获取车厢的点云数据；其中，所述点云数据包括多个点数据；

确定模块，用于根据所述点云数据确定所述车厢的侧面；其中，所述侧面包括上侧面、下侧面、左侧面和右侧面；

计算模块，用于根据所述侧面中任意两个互相垂直侧面的法向量，计算所述点云数据相对于标准姿态的外参矩阵；

校正模块，用于基于所述外参矩阵对所述点云数据进行自动姿态校正。

9.根据权利要求8所述的装置，其特征在于，所述确定模块，具体用于：

基于随机采样一致性算法，确定所述点云数据对应的平面集；其中，所述平面集包括多个平面；

根据每个所述平面的法向量，确定平行平面对集合；其中，所述平行平面对集合包括多个平行平面对，每个所述平行平面对包括互相平行的两个平面；

根据每个所述平行平面对的法向量，确定目标正交平行平面对；其中，所述目标正交平行平面对包括互相垂直的两个平行平面对；

根据所述目标正交平行平面对，确定所述车厢的侧面。

10.根据权利要求8所述的装置，其特征在于，所述计算模块，具体用于：

获取所述侧面中任意两个互相垂直侧面分别对应的第一单位法向量和第二单位法向量；

将所述第一单位法向量和所述第二单位法向量进行叉乘计算，得到第三法向量；

基于所述第一单位法向量、所述第二单位法向量和所述第三法向量，得到所述外参矩阵。

Images