CN114494323A - 一种障碍物检测方法、装置、设备及存储介质 - Google Patents
一种障碍物检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114494323A CN114494323A CN202011157675.9A CN202011157675A CN114494323A CN 114494323 A CN114494323 A CN 114494323A CN 202011157675 A CN202011157675 A CN 202011157675A CN 114494323 A CN114494323 A CN 114494323A
- Authority
- CN
- China
- Prior art keywords
- pixel
- point
- cloud data
- point cloud
- points
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000004888 barrier function Effects 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 15
- 230000011218 segmentation Effects 0.000 description 15
- 230000000694 effects Effects 0.000 description 12
- 238000005457 optimization Methods 0.000 description 10
- 230000000877 morphologic effect Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 229910000831 Steel Inorganic materials 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 239000010959 steel Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 229910001294 Reinforcing steel Inorganic materials 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种障碍物检测方法、装置、设备及存储介质。所述方法包括:获取点云数据,将所述点云数据中各原始点云数据点投影至二维平面,得到二维投影图像;基于所述二维投影图像中像素点的像素值对所述像素点进行像素连接,得到至少一个连接区域;根据所述连接区域确定所述点云数据中包含的障碍物信息。本发明实施例提供的障碍物检测方法通过将点云数据对应的三维空间信息投影为二维投影图像,基于二维投影图像中像素点的像素值进行障碍物的检测,实现了对建筑场景点云数据中细长形状障碍物的检测。
Description
技术领域
本发明实施例涉及计算机技术领域,尤其涉及一种障碍物检测方法、装置、设备及存储介质。
背景技术
随着建筑行业对自动化处理的需求日益增加,对施工精度的不断追求,如何准确获取和分析建筑场景的二维或三维信息,如何有效服务于建筑场景进行安全作业防护、施工成果检查等,已成为十分重要的技术难题。在建筑场景的三维信息分析中,建筑场景中障碍物的检测是其中一个主要应用。
目前的障碍物识别方法主要通过对点云进行分割或形状拟合,以提取分析物体的立面、平面或者轮廓等基本几何结构信息。因此,大部分相关技术要求障碍物的外型较为完整,能够通过足够的样本点进行特征提取与模型拟合。但是,在建筑的建设过程中,场景内往往包含许多不完整的物体、残缺的结构,且存在大量的钢筋、管道等建筑材料,这些材料具有形状细长等特点,难以获取精确的激光点云扫描数据,不足以构成明显的平面或轮廓等形状信息。而由于目前激光点云障碍物识别技术未考虑到钢筋等物体的特点,导致在建筑建设场景中的应用效果显著退化,无法准确检测出钢筋结构形成的障碍物。由此可见,如何实现建筑场景中细长形状障碍物的检测是一个亟待解决的技术问题。
发明内容
本发明实施例提供了一种障碍物检测方法、装置、设备及存储介质,以实现建筑场景中细长形状障碍物的检测。
第一方面,本发明实施例提供了一种障碍物检测方法,包括:
获取点云数据,将点云数据中各原始点云数据点投影至二维平面,得到二维投影图像;
基于二维投影图像中像素点的像素值对像素点进行像素连接,得到至少一个连接区域;
根据连接区域确定点云数据中包含的障碍物信息。
第二方面,本发明实施例还提供了一种障碍物检测装置,包括:
投影图像生成模块,用于获取点云数据,将点云数据中各原始点云数据点投影至二维平面,得到二维投影图像;
像素点连通模块,用于基于二维投影图像中像素点的像素值对像素点进行像素连接,得到至少一个连接区域;
障碍物信息确定模块,用于根据连接区域确定点云数据中包含的障碍物信息。
第三方面,本发明实施例还提供了一种计算机设备,设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如本发明任意实施例所提供的障碍物检测方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所提供的障碍物检测方法。
本发明实施例提供的障碍物检测方法通过获取点云数据,将点云数据中各原始点云数据点投影至二维平面,得到二维投影图像;基于二维投影图像中像素点的像素值对像素点进行像素连接,得到至少一个连接区域;根据连接区域确定点云数据中包含的障碍物信息,通过将点云数据对应的三维空间信息投影为二维投影图像,基于二维投影图像中像素点的像素值进行障碍物的检测,实现了对建筑场景点云数据中细长形状障碍物的检测。
附图说明
图1是本发明实施例一所提供的一种障碍物检测方法的流程图;
图2是本发明实施例二所提供的一种障碍物检测方法的流程图;
图3a是本发明实施例三所提供的一种障碍物检测方法的流程图;
图3b是本发明实施例三所提供的一种点云数据的二维投影图像示意图;
图3c是本发明实施例三所提供的一种局部像素连接效果示意图;
图3d是本发明实施例三所提供的一种局部高度分割结果示意图;
图3e是本发明实施例三所提供的一种边界优化效果示意图;
图3f是本发明实施例三所提供的一种障碍物检测方法的检测效果示意图;
图4是本发明实施例四所提供的一种障碍物检测装置的结构示意图;
图5是本发明实施例五所提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一所提供的一种障碍物检测方法的流程图。本实施例可适用于对点云数据中的障碍物进行检测时的情形,尤其适用于对建筑场景的点云数据中细长形状的障碍物进行检测时的情形。该方法可以由障碍物检测装置执行,该障碍物检测装置可以采用软件和/或硬件的方式实现,例如,该障碍物检测装置可配置于计算机设备中。如图1所示,所述方法包括:
S110、获取点云数据,将点云数据中各原始点云数据点投影至二维平面,得到二维投影图像。
在本实施例中,点云数据可以为对需要检测障碍物的场景进行点云数据采集得到的点云数据。可选的,点云数据的获取方式在此不做限定。示例性的,可以通过单一的激光雷达设备扫描场景获取原始点云数据,也可以通过激光雷达和相机扫描场景获取原始点云数据。在本实施例中,主要涉及建筑场景中的障碍物识别,点云数据可以为需要检测障碍物区域的建筑场景的点云数据。需要说明的是,用于投影的点云数据中不包含地面部分的点云数据。在本实施例中,可以直接获取不包含地面部分的点云数据,也可以对获取到的原始点云数据进行预处理,得到不包含地面部分的点云数据。
可以理解的是,点云数据中包含建筑场景中每个点的几何信息,即建筑场景中物体的高度和轮廓。为了简化障碍物区域的检测过程,本实施例中,基于点云数据中每个点云的高度信息将点云数据中的每个原始点云数据点均投影至二维平面,得到由投影点组成的二维投影图像,基于二维投影图像检测点云数据中包含的障碍物信息。
可选的,可以通过二维投影组合具有相近xy平面坐标的激光点云数据,即通过xy平面同一坐标附近且沿z轴方向分布的所有点云数据点在二维投影图像中对应像素点的投影值。其中,具有相近xy平面坐标的激光点云数据可以通过空间分辨率约束进行划分。也就是说,相近xy平面坐标的点云数据点投影至二维投影平面内时,可能投影到相同的像素点上。即,二维投影图像中的一个像素点对应点云数据中至少一个点云数据点。
在本发明的一种实施方式中,将点云数据中各原始点云数据点投影至二维平面,得到二维投影图像,包括:根据点云数据中原始点云数据点的原始点云坐标确定原始点云数据点在投影平面内的像素坐标;针对每个像素坐标,确定像素坐标关联的至少一个关联点云数据点,基于至少一个关联点云数据点的分布信息确定像素坐标对应的像素点的像素值,得到二维投影图像。可选的,可以根据预先设定的坐标转换公式计算点云数据中每个原始点云数据点在二维投影平面内的像素坐标,得到每个像素坐标关联的至少一个关联点云数据点;然后针对每个像素坐标,根据其对应的至少一个关联点云数据点的分布信息得到该像素坐标的像素值,其中,关联点云数据点的分布信息可以为关联点云数据点的高度信息、密度信息等。关联点云数据点的高度信息为关联点云数据点的高度值(即z轴坐标值),密度信息可以由同一像素坐标内点云数据点的数量除以最大高度值获取。其中,像素坐标关联的关联点云数据点可以理解为投影至二维平面时坐标为该像素坐标的原始点云数据点。
可选的,坐标转换公式可以根据实际投影需求设定。示例性的,针对每个原始点云数据点,假设该原始点云数据点的点云坐标为(xi,yi,zi),可以通过得到该原始点云数据点在二维投影平面中的像素坐标。其中,(ui,vi)为原始点云数据点在二维投影平面中的像素坐标,ρ为设定的空间分辨率,表示向下取整运算,xmin为所有原始点云数据点中x方向上的最小坐标值,ymin为所有原始点云数据点中y方向上的最小坐标值。空间分辨率的值可以根据实际需求设定,如在x和y方向都设为2cm。
一个实施例中,基于至少一个关联点云数据点的分布信息确定像素坐标对应的像素点的像素值,包括:将至少一个关联点云数据点的高度值中的最大高度值作为像素坐标对应的像素点的像素值。优选的,针对二维投影图像中的每个像素点,可以将该像素点对应的关联点云数据点中的最大高度值作为该像素点对应的像素值。直接将最大高度值作为像素值简化了障碍物的检测步骤,避免了漏检障碍物,并接受干扰点引起的虚警。
S120、基于二维投影图像中像素点的像素值对像素点进行像素连接,得到至少一个连接区域。
在本实施例中,将三维点云数据投影为二维投影图像后,将局部相近且像素值满足约束的像素点合并为同一连接区域,基于合并得到的连接区域确定障碍物区域。
在本实施例中,主要涉及建筑场景中细长形状(如钢筋)的障碍物检测。可以理解的是,建筑场景中的钢筋等结构在投影图像中形成稀疏的局部区域,在本实施例中,通过局部像素连接将稀疏区域的像素进行组合,可以得到更加完整的障碍物分割效果。可选的,可以直接将相邻且像素值的强度差在设定阈值范围内的像素点连接为同一连接区域,还可以对二维投影图像中像素点的像素值进行调整,基于调整后的像素值进行像素连接,得到至少一个连接区域。
在本发明的一种实施方式中,基于二维投影图像中像素点的像素值对像素点进行像素连接,得到至少一个连接区域,包括:对二维投影图像中的像素点进行遍历,将遍历到的当前像素点作为待调整像素点,并确定待调整像素点对应的邻近像素点;根据邻近像素点的像素值更新待调整像素点的像素值,直到遍历完所有像素点,将像素值相同且相邻的像素点作为一个连接区域。可选的,针对二维投影图像中的每个像素点,可以确定该像素点对应的邻近像素点,根据邻近像素点的像素值对该像素点的像素值进行调整,基于像素值调整后的二维投影图像确定连接区域。其中,待调整像素点对应的邻近像素点可以理解为与待调整像素点之间的距离(水平距离、竖直距离或直接距离)小于设定阈值内的像素点。基于像素值调整后的二维投影图像确定连接区域可以为,将像素值相等且不为0的相邻像素点构成的区域作为一个连接区域。
一个实施例中,可以根据设定顺序对二维投影图像中的每个像素点进行遍历,将当前遍历到的像素点作为待调整像素点,将与待调整像素点之间的距离小于设定的距离阈值的像素点作为待调整像素点对应的邻近像素点,获取每个邻近像素点的像素值,并基于邻近像素点与待调整像素点之间的关系将邻近像素点划分为上侧、下侧、左侧、右侧四个区间,基于各区间的像素值计算待调整像素点上下两侧、左右两侧邻近像素点的像素值约束。可选的,基于各区间的像素值计算待调整像素点上下两侧、左右两侧邻近像素点的像素值约束可以为:根据每个区间中包含的邻近像素点的像素值得到每个区间中像素点的最大像素值,基于每个区间中像素点的最大像素值与待调整像素点的像素值之间的大小关系对待调整像素点的像素值进行调整。示例性的,可以将与待调整像素点在u坐标轴上的像素坐标差小于设定第一阈值,且在v坐标轴上的像素坐标差小于第二设定阈值的像素点作为待调整像素点对应的邻近像素点。假设待调整像素点(ui,vi)的像素值为Ii,待调整像素点对应的邻近像素点中右侧区间的最大像素值为IR,左侧区间的最大像素值为IL,上侧区间的最大像素值为IU,下侧区间的最大像素值为ID,可以在当IR>Ii∧IL>Ii时,将Ii更新为min(IR,IL),否则保持不变,对上侧区间和下侧区间进行相同处理。
在本发明的另一种实施方式中,还可以采用形态学运算进行像素连接,直接计算不同像素间的距离、方向以及像素值约束关系,将二维投影图像中的像素点进行像素连接,得到至少一个连接区域。
S130、根据连接区域确定点云数据中包含的障碍物信息。
在本实施例中,得到至少一个连接区域后,可以直接将每个连接区域作为一个障碍物区域,也可以对连接区域进行进一步处理,得到至少一个障碍物区域。
本发明实施例通过获取点云数据,将点云数据中各原始点云数据点投影至二维平面,得到二维投影图像;基于二维投影图像中像素点的像素值对所述像素点进行像素连接,得到至少一个连接区域;根据连接区域确定点云数据中包含的障碍物信息,通过将三维点云数据对应的三维空间信息投影为二维投影图像,基于二维投影图像中像素点的像素值进行障碍物的检测,实现了对建筑场景点云数据中细长形状障碍物的检测。
实施例二
图2是本发明实施例二所提供的一种障碍物检测的流程图。本实施例可在上述实施例的基础上,进行进一步优化。如图2所示,所述方法包括:
S210、获取点云数据,将点云数据中各原始点云数据点投影至二维平面,得到二维投影图像。
S220、基于二维投影图像中像素点的像素值对像素点进行像素连接,得到至少一个连接区域。
S230、基于像素点的像素值将连接区域进行合并,得到至少一个障碍物区域。
在本实施例中,为了将不同高度的障碍物进行区分,进而可以对不同障碍物分别进行处理,提高运行效率,可以将投影图像中具有相似高度的相近像素分割为同一障碍物区域,即根据不同连接区域中像素点的像素值将连接区域进行合并,将像素值相似的连接区域划分为同一障碍物区域,最终利用具有较大高度差异的分割区域表示不同障碍物。示例性的,可以将像素值差值小于设定差值的两个连接区域合并为同一个障碍物区域,还可以基于不同连接区域的梯度值信息进行局部分割,得到至少一个障碍物区域。
在本发明的一种实施方式中,基于像素点的像素值将连接区域进行合并,得到至少一个障碍物区域,包括:针对每个像素点,确定像素点对应的邻域像素点,并计算像素点的像素值和邻域像素点的像素值之间的像素差异值;当像素点与邻域像素点不在一个连接区域内时,基于像素点所属连接区域的内部差异值、邻域像素点所属连接区域的内部差异值和像素差异值判断是否将像素点和邻域像素点合并;若判定将像素点和邻域像素点合并,则将像素点所属连接区域和邻域像素点所属连接区域合并为同一障碍物区域;若判定不将像素点和邻域像素点合并,则将像素点所属连接区域和邻域像素点所属连接区域标记为不同的障碍物区域。可选的,可以遍历二维投影图像中的每个像素点,判断遍历到的像素点和该像素点的邻域像素点是否在一个连接区域内,并在遍历到的像素点和该像素点的邻域像素点不在一个连接区域内时,判断两个像素点所在的连接区域是否能够合并为同一障碍物区域。其中,像素点的邻域像素点可以为以像素点为中心,设定邻域(如四邻域、八邻域)内的像素点。示例性的,针对二维投影图像中的每个像素点,可以将该像素点四邻域内的像素点作为该像素点对应的邻域像素点,计算该像素点与其对应的邻域像素点的像素值作为像素差异值,在该像素点与其对应的领域像素点不在一个连接区域内,且两个像素点的像素差异值均小于两个像素点所在连接区域的内部差异值时,将两个像素点对应的连接区域合并为同一障碍物区域,并在将两个连接区域合并为同一障碍物区域后,更新障碍物区域的内部差异值,并将障碍物区域作为新的连接区域进行区域合并;否则,不将两个像素点对应的连接区域合并,即将像素点所属连接区域和邻域像素点所属连接区域标记为不同的障碍物区域。其中,连接区域的内部差异值表示该区域内像素值差异的一种度量,可以取同属该区域内的两个相邻像素的强度值差异的最大值与阈值t之和,阈值t可以根据实际需求设定。
为简化处理过程,可以首先计算每个像素与其邻域像素的强度值差异,将所有像素与其邻域像素的差异值构成一个集合{ΔI},对集合中的元素从小到大排序。可以理解的是,集合中的每一个元素对应一个像素点到另一个与之相邻像素点的像素差异值。可选的,可以取图像中的4邻域或8邻域作为像素点的相邻像素点。从集合{ΔI}中最小的元素开始处理,在其对应的两个像素点不在一个连接区域内时,判断两个像素点所在的连接区域是否能够合并为同一障碍物区域,直到遍历完集合{ΔI}中所有的元素,得到至少一个障碍物区域。
本发明实施例通过基于像素点的像素值将连接区域进行合并,得到至少一个障碍物区域,将投影图像中具有相似高度的相近像素点分割为同一障碍物区域,通过不同的障碍物区域将不同高度范围的障碍物分开,实现了对不同障碍物分别进行处理,提高了运行效率。
在上述方案的基础上,还包括:对障碍物区域的区域边界进行优化,得到边界平滑的障碍物区域。可选的,可以通过将图像划分为非均匀的矩形网格,尽量使障碍物区域的二维边界与网格对齐,优化障碍物区域的二维轮廓,得到更平滑美观的边界信息。一个实施例中,可以在得到障碍物区域后,首先计算障碍物区域的边界表示,然后利用边界像素点进行直线检测,对与x轴平行的直线,从上之下依次计算相邻平行线的间隔距离,基于相邻平行线的间隔距离在二维投影图像中插入与x轴平行的直线,利用所有获得的直线划分图像平面,则形成非均匀的图像网格,相邻平行线构成单个网格的边框;然后对齐障碍物区域轮廓,对对齐边界加以修正,基于修正后的边界,利用障碍物的统一高度对边界内的区域进行填充,将轮廓内像素的强度值填充为该障碍物的统一高度,处理完所有边界内部区域后,最终得到基于区域边界优化的栅格图。另一个实施例中,可以通过Canny算子计算障碍物轮廓后进行上述优化,采用形态学梯度等边界提取方法实现相似的边界优化效果。
实施例三
图3a是本发明实施例三所提供的一种障碍物检测的流程图。本实施例在上述实施例的基础上,提供了一种优选实施例。如图3a所示,所述方法包括:
S310、激光点云二维投影。
在本实施例中,激光点云可以理解为对需要检测障碍物的场景进行点云数据采集得到的点云数据。激光点云二维投影就是将三维激光点云转换为二维投影图像。其原理在于:通过二维投影组合具有相近xy平面坐标的激光点云数据,即通过xy平面同一坐标附近且沿z轴方向分布的所有数据点计算其对应的投影值。此外,激光点云的坐标由浮点数表示,需通过空间分辨率约束来划分相近的点云数据,即当数据点距离参考点的x轴或y轴坐标大于空间分辨率的一半时,认为该数据点与参考坐标点不相近。于是,以在xy平面均匀分布的参考点为中心划分像素,且像素尺寸等于空间分辨率,可以将与某一像素中心相近的三维激光点云作为一组数据,基于这组数据计算投影值并作为该像素点的强度值(即像素值)。对所有像素进行投影计算的结果记为二维投影图像。需要注意的是,本实施例中仅进行障碍物识别,即输入三维激光点云中不包含地面部分的点云数据。
示例性的,可将激光点云二维投影具体化为如下步骤:
1、设三维激光点云中第i个数据点的坐标由(xi,yi,zi)表示,为简便起见,该数据点投影在xy平面上的坐标可以省略z轴的位置,记为(xi,yi)。
2、计算所有数据点在xy平面上投影的二维坐标的范围,即x轴与y轴的坐标最小值到最大值的区间:[xmin,xmax],[ymin,ymax]。由于数据点坐标为浮点数,为避免数值计算中的边界异常,可以基于设定的空间分辨率ρ将xy平面划分为均匀的像素网格,即二维图像平面,该图像平面的坐标与(xi,yi)的转换关系可以为:其中(ui,vi)为像素坐标,表示向下取整运算,空间分辨率由人为预先设定,例如在x和y方向都设为2cm。同时,该二维投影图像的尺寸可以通过确定。其中,W,H分别为二维投影图像的宽和高,表示向上取整,eps表示一个很小的正数。eps由人为设定,其依据是为了保证x或y坐标上最远的数据点对应的像素网格为W或H,避免数值计算中的边界异常,当分辨率为0.02m时,一般取为0.00001或更小值。
3、计算每个像素点的强度值。
由向下取整运算可知,在同一像素坐标内存在多个相近的点云数据点,则将单个像素中相近点云数据点的集合记为Puv={i|ui=u,vi=v}。于是,由该集合内的元素计算投影值,投影值可以采用高度、密度等表示数据点的位置或分布的标量,并表示对应像素的特征。示例性的,可以以集合内元素的最大高度值,即maxi∈Puvzi作为投影值进行后续处理。
图3b是本发明实施例三所提供的一种点云数据的二维投影图像示意图,该二维投影图像对应的输入点云在x轴方向的范围为77.78m,在y轴方向的范围38.02m,空间分辨率ρ为0.02m,eps取0.00001可以得到二维投影图像的尺寸为3889×1901。图3b中,黑色像素的强度值为0,表示对应点云集合为空的背景像素,因此也没有投影值,则最大高度记为0;反之,其余不为零的强度值表示对应像素集合中点云元素的最大高度值。
S320、局部像素连接。
局部像素连接就是将局部相近且强度值满足约束的像素点合并为同一区域的元素。其原理在于:建筑场景中的钢筋等结构在投影图像中形成稀疏的局部区域,通过局部像素连接将这些稀疏区域的像素进行组合,构成更加完整的障碍物分割效果。判断哪些局部像素应当进行合并主要从距离与强度值两方面的约束进行表述,即仅合并空间距离较近且强度值符合给定假设条件的像素点。由于钢筋的点云通常较为稀疏,不同于其他具有连续表面的物体,如墙面等,因此本实施例中选择合适的距离和强度值的约束进行局部像素连接。
示例性的,可以将局部像素连接具体化为如下步骤:
1、取投影图像中某个像素,假设其坐标为(ui,vi),另一像素的坐标为(uj,vj),于是当|ui-uj|<w,|vi-vj|<h的距离约束条件满足时,可以判断这两个像素为相近像素。其中|*|表示绝对值运算,w,h为距离阈值,并且可定义uj满足w+ui>uj>ui时位于ui的右侧,反之ui>uj>ui-w时位于左侧,vi的上侧和下侧区间由此类推。
2、对每个像素(ui,vi),利用其所有相近像素分析强度值约束条件是否满足,进而更新该像素的强度值。可选的,采用的强度值约束可以表述为:设像素(ui,vi)处的强度值为Ii,记录位于该坐标每一侧的相近像素的最大强度值,如右侧最大强度值记为IR,左侧、上侧和下侧为IL,IU,ID,于是当IR>Ii∧IL>Ii时,将Ii更新为min(IR,IL),否则保持不变,对上侧和下侧进行相同处理。
3、当所有像素的强度值更新后,通过强度值不为0的像素构成的连接区域表示被连接的局部像素。连接区域作为图像处理技术领域的基本概念,不再详细解释。
一个实施例中,可以设w=25,h=3计算每个像素左右两侧相近像素的强度值约束,设w=3,h=25计算每个像素上下两侧相近像素的强度值约束。图3c是本发明实施例三所提供的一种局部像素连接效果示意图。图3c中强度值非零但互不相同的相邻像素仍属于同一连接区域。经过局部像素连接后,稀疏的钢筋投影像素被合并为局部连接区域。
在本发明的另一种实施方式中,可以采用形态学运算实现局部像素连接,直接计算不同像素间的距离、方向以及像素值约束关系进行局部像素连接。
S330、局部高度分割。
局部高度分割就是将投影图像中具有相似高度的相近像素分割为同一障碍物区域。其原理在于:基于图的快速图像分割算法,通过比较相邻像素的高度差实现图像分割,最终利用具有较大高度差异的分割区域表示不同障碍物。
示例性的,可以将局部高度分割具体化为如下步骤:
1、计算每个像素与其邻域像素的强度值差异,所有像素与其邻域像素的差异值构成集合{ΔI},此处邻域可以取图像中的4邻域或8邻域,对集合{ΔI}中的元素从小到大排序。
2、初始化以每个像素作为单独的分割区域,赋予该像素唯一的编号标记,并记录该编号对应分割区域的内部差异等于0。
3、如果集合{ΔI}为空,返回结果并退出;否则,从集合{ΔI}中最小的元素开始处理。当与相对应的两个像素属于不同的分割区域,即两个像素的编号标记不同,并且两个编号标记对应分割区域的内部差异均大于时,将这两个区域合并为同一区域,即使两个区域中全部像素的编号标记变为相同值,同时更新合并区域的内部差异为t为设定阈值;否则,不合并两个区域。其中,分割区域的内部差异表示该区域内强度值差异一种度量,可以取同属该区域内的两个相邻像素的强度值差异的最大值加上人为设定的阈值t。
在本实施例中,投影图像的像素强度值表示局部点云的最大高度值,可以取4邻域建立相邻像素的高度差。图3d是本发明实施例三所提供的一种局部高度分割结果示意图,图3d中示出了阈值t设为0.15时的局部高度分割结果。如图3d所示,黑色像素表示背景,由不同颜色表示其他分割区域,相同颜色代表属于同一分割区域的像素。经过局部高度分割后,障碍物的二维轮廓得到了进一步细化,同时可以将单个分割区域的最大高度值作为对应障碍物的统一高度。
在本发明的另一种实施方式中,还可以通过高度值进行局部分割,通过梯度值等信息进行局部高度分割。
S340、区域边界优化。
区域边界优化就是将障碍物边界进行优化,得到更好的栅格图表示。其原理在于:通过将图像划分为非均匀的矩形网格,并尽量使障碍物区域的二维边界与网格对齐,实现栅格图优化效果。
示例性的,可以将区域边界优化具体化为如下步骤:
1、计算上述步骤与所得障碍物的边界表示。例如可以直接对分割区域计算形态学梯度轮廓,或者利用障碍物的统一高度填充障碍物区域,然后利用高度差异提取边界。
2、利用边界像素点进行Hough直线检测,并且将Hough投票空间的距离分辨率设为2,角度分辨率为90度,则检测到的直线平行于图像的边框,即x轴或y轴。
3、对与x轴平行的直线,从上之下依次计算相邻平行线的间隔距离,取所有间隔中的最小值为Δx,然后对所有间隔距离大于Δx两倍的相邻的平行线,在其间隔的中心处插入一条与x轴平行的直线,重复分析相邻平行线的间隔,直至所有相邻平行线的间隔均小于Δx的两倍,避免当部分网格的间隔过大时,生成的边界线过于粗糙,丢失部分障碍物轮廓细节。对与y轴平行的直线进行相似处理。
4、利用所有获得的直线划分图像平面,形成非均匀的图像网格,相邻平行线构成单个网格的边框。
5、对齐障碍物轮廓,即步骤1中所得的原始边界,对齐方法为使原始边界的像素坐标变为与其最近的网格的边框,需要注意的是,由于网格边框平行于x轴或y轴,因此边界点坐标仅有一维发生变化。例如,设(ui,vi)为某一原始边界像素的坐标,且表示一条与y轴y轴平行的直线方程,且ui与的距离小于(ui,vi)到其他任意直线的距离,则将该边界像素的坐标变换为对所有边界像素进行上述对齐操作。
6、对对齐边界加以修正。利用形态学滤波连接断裂的边界,即使用横长条和竖长条形状的结构元素依次进行形态学膨胀,然后再依次进行形态学腐蚀运算;然后对边界的毛刺进行剔除,当边界上的某个像素只包含一个相邻的其他边界像素时,认为该边界是毛刺,因此设毛刺的强度值为0加以剔除。需要注意的是,当一个毛刺像素被剔除后,与其相邻的像素可能变为毛刺,需要依次加以剔除。
7、基于修正后的边界,利用障碍物的统一高度对边界内的区域进行填充,即以某一闭合边界作为轮廓,计算轮廓内像素属于不同障碍物的个数,取对应最多数量的障碍物,将轮廓内像素的强度值填充为该障碍物的统一高度,处理完所有边界内部区域后,最终得到基于区域边界优化的栅格图。
另一种实施例方式中,可以选用Canny算子对障碍物区域的统一高度图像进行边界检测,得到原始边界,然后按照步骤2至步骤4进行Hough直线检测并生成网格。图3e是本发明实施例三所提供的一种边界优化效果示意图。如图3e所示,其中网格边框由红色直线表示,白色像素为原始边界。然后通过边界对齐和区域填充得到最终输出结果。
图3f是本发明实施例三所提供的一种障碍物检测方法的检测效果示意图。图3f中左侧图像表示输入的三维激光点云数据,右侧图像表示输出包含障碍物区域的二维栅格图。二维栅格图中白色像素表示地面或没有点云的区域,灰色像素表示障碍物,其强度值表示对应障碍物的最大高度,可以看出具有相同强度值的相邻像素构成了一个障碍物区域。
本发明实施例将三维激光点云数据对应的三维空间信息投影为二维投影图像,基于二维投影图形中像素点的强度值将像素点划分为不同的障碍物区域,实现了建筑场景中细长形状障碍物的检测。
实施例四
图4是本发明实施例四所提供的一种障碍物检测装置的结构示意图。该障碍物检测装置可以采用软件和/或硬件的方式实现,例如该障碍物检测装置可以配置于计算机设备中。如图4所示,所述装置包括投影图像生成模块410、像素点连通模块420和障碍物信息确定模块430,其中:
投影图像生成模块410,用于获取点云数据,将点云数据中各原始点云数据点投影至二维平面,得到二维投影图像;
像素点连通模块420,用于基于二维投影图像中像素点的像素值对各像素点进行像素连接,得到至少一个连接区域;
障碍物信息确定模块430,用于根据连接区域确定点云数据中包含的障碍物信息。
本发明实施例通过投影图像生成模块获取点云数据,将点云数据中各原始点云数据点投影至二维平面,得到二维投影图像;像素点连通模块基于二维投影图像中像素点的像素值对各像素点进行像素连接,得到至少一个连接区域;障碍物信息确定模块根据连接区域确定点云数据中包含的障碍物信息,通过将点云数据对应的三维空间信息投影为二维投影图像,基于二维投影图像中像素点的像素值进行障碍物的检测,实现了对建筑场景点云数据中细长形状障碍物的检测。
可选的,在上述方案的基础上,投影图像生成模块410包括:
像素坐标确定单元,用于根据原始点云数据点的原始点云坐标确定原始点云数据点在二维平面内的像素坐标;
像素值确定单元,用于针对每个像素坐标,确定像素坐标关联的至少一个关联点云数据点,基于至少一个关联点云数据点的分布信息确定像素坐标对应的像素点的像素值,得到二维投影图像。
基于像素点的关联点云数据点的分布信息确定像素点的像素值,使得像素值能够充分描述其关联点云数据点的分布信息,使得基于像素值确定的障碍物区域更加准确。
可选的,在上述方案的基础上,像素值确定单元具体用于:
将至少一个关联点云数据点的高度值中的最大高度值作为像素坐标对应的像素点对应的像素值。
直接将最大高度值作为像素值简化了障碍物的检测步骤,避免了漏检障碍物,并接受干扰点引起的虚警。
可选的,在上述方案的基础上,像素点连通模块420包括:
邻近像素点单元,用于对二维投影图像中的像素点进行遍历,将遍历到的当前像素点作为待调整像素点,并确定待调整像素点对应的邻近像素点;
连接区域确定单元,用于根据邻近像素点的像素值更新待调整像素点的像素值,直到遍历完所有像素点,将像素值相同且相邻的像素点作为一个连接区域。
利用了建筑场景中细长状障碍物稀疏的特点,基于像素点以及其邻近像素点的像素值确定连接区域,使得检测出的细长状障碍物能够以连续区域的方式展示,实现了建筑场景中细长状障碍物的准确检测。
可选的,在上述方案的基础上,障碍物信息确定模块430具体用于:
基于像素点的像素值将连接区域进行合并,得到至少一个障碍物区域。
基于像素点的像素值将连接区域进行合并,实现了将具有不同高度范围的障碍物分开,进而可以对不同障碍物分别进行处理,提高运行效率。
可选的,在上述方案的基础上,障碍物信息确定模块430具体用于:
针对每个像素点,确定像素点对应的邻域像素点,并计算像素点的像素值和邻域像素点的像素值之间像素差异值;
当像素点与邻域像素点不在一个连接区域内时,基于像素点所属连接区域的内部差异值、邻域像素点所属连接区域的内部差异值和像素差异值判断是否将像素点和邻域像素点合并;
若判定将像素点和邻域像素点合并,则将像素点所属连接区域和邻域像素点所属连接区域合并为同一障碍物区域;
若判定不将所述像素点和所述邻域像素点合并,则将所述像素点所属连接区域和所述邻域像素点所属连接区域标记为不同的障碍物区域。
基于内部差异值及像素差异值判断是否将连通区域进行合并,使得合并结果更加准确。
可选的,在上述方案的基础上,还包括障碍物区域优化模块,用于:
对障碍物区域的区域边界进行优化,得到边界平滑的障碍物区域。
优化障碍物的二维轮廓使得障碍物的边界更加平滑美观的边界信息,提高了障碍物区域的展示效果。
本发明实施例所提供的障碍物检测装置可执行本发明任意实施例所提供的障碍物检测方法,具备执行方法相应的功能模块和有益效果。
实施例五
图5是本发明实施例五所提供的一种计算机设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性计算机设备512的框图。图5显示的计算机设备512仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机设备512以通用计算设备的形式表现。计算机设备512的组件可以包括但不限于:一个或者多个处理器515,系统存储器528,连接不同系统组件(包括系统存储器528和处理器515)的总线518。
总线518表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器515或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备512典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备512访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器528可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)530和/或高速缓存存储器532。计算机设备512可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储装置534可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线518相连。存储器528可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块542的程序/实用工具540,可以存储在例如存储器528中,这样的程序模块542包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块542通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备512也可以与一个或多个外部设备514(例如键盘、指向设备、显示器524等)通信,还可与一个或者多个使得用户能与该计算机设备512交互的设备通信,和/或与使得该计算机设备512能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口522进行。并且,计算机设备512还可以通过网络适配器520与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器520通过总线518与计算机设备512的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备512使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器515通过运行存储在系统存储器528中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的障碍物检测方法,该方法包括:
获取点云数据,将点云数据中各原始点云数据点投影至二维平面,得到二维投影图像;
基于二维投影图像中像素点的像素值对像素点进行像素连接,得到至少一个连接区域;
根据连接区域确定点云数据中包含的障碍物信息。
当然,本领域技术人员可以理解,处理器还可以实现本发明任意实施例所提供的障碍物检测方法的技术方案。
实施例六
本发明实施例六还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明实施例所提供的障碍物检测方法,该方法包括:
获取点云数据,将点云数据中各原始点云数据点投影至二维平面,得到二维投影图像;
基于二维投影图像中像素点的像素值对像素点进行像素连接,得到至少一个连接区域;
根据连接区域确定点云数据中包含的障碍物信息。
当然,本发明实施例所提供的一种计算机可读存储介质,其上存储的计算机程序不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的障碍物检测方法的相关操作。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (12)
1.一种障碍物检测方法,其特征在于,包括:
获取点云数据,将所述点云数据中各原始点云数据点投影至二维平面,得到二维投影图像;
基于所述二维投影图像中像素点的像素值对所述像素点进行像素连接,得到至少一个连接区域;
根据所述连接区域确定所述点云数据中包含的障碍物信息。
2.根据权利要求1所述的方法,其特征在于,所述将所述点云数据中各原始点云数据点投影至二维平面,得到二维投影图像,包括:
根据所述原始点云数据点的原始点云坐标确定所述原始点云数据点在所述二维平面内的像素坐标;
针对每个所述像素坐标,确定所述像素坐标关联的至少一个关联点云数据点,基于所述至少一个关联点云数据点的分布信息确定所述像素坐标对应的像素点的像素值,得到所述二维投影图像。
3.根据权利要求2所述的方法,其特征在于,所述基于所述至少一个关联点云数据点的分布信息确定所述像素坐标对应的像素点的像素值,包括:
将所述至少一个关联点云数据点的高度值中的最大高度值作为所述像素坐标对应的像素点的像素值。
4.根据权利要求1所述的方法,其特征在于,所述基于所述二维投影图像中像素点的像素值对所述像素点进行像素连接,得到至少一个连接区域,包括:
对所述二维投影图像中的像素点进行遍历,将遍历到的当前像素点作为待调整像素点,并确定所述待调整像素点对应的邻近像素点;
根据所述邻近像素点的像素值更新所述待调整像素点的像素值,直到遍历完所有像素点,将像素值相同且相邻的像素点作为一个连接区域。
5.根据权利要求1所述的方法,其特征在于,根据所述连接区域确定所述点云数据中包含的障碍物信息,包括:
基于所述像素点的像素值将所述连接区域进行合并,得到至少一个障碍物区域。
6.根据权利要求5所述的方法,其特征在于,所述基于所述像素点的像素值将所述连接区域进行合并,得到至少一个障碍物区域,包括:
针对每个像素点,确定所述像素点对应的邻域像素点,并计算所述像素点的像素值和所述邻域像素点的像素值之间像素差异值;
当所述像素点与所述邻域像素点不在一个连接区域内时,基于所述像素点所属连接区域的内部差异值、所述邻域像素点所属连接区域的内部差异值和所述像素差异值判断是否将所述像素点和所述邻域像素点合并;
若判定将所述像素点和所述邻域像素点合并,则将所述像素点所属连接区域和所述邻域像素点所属连接区域合并为同一障碍物区域;
若判定不将所述像素点和所述邻域像素点合并,则将所述像素点所属连接区域和所述邻域像素点所属连接区域标记为不同的障碍物区域。
7.根据权利要求5所述的方法,其特征在于,还包括:
对所述障碍物区域的区域边界进行优化,得到边界平滑的障碍物区域。
8.一种障碍物检测装置,其特征在于,包括:
投影图像生成模块,用于获取点云数据,将所述点云数据中各原始点云数据点投影至二维平面,得到二维投影图像;
像素点连通模块,用于基于所述二维投影图像中像素点的像素值对各所述像素点进行像素连接,得到至少一个连接区域;
障碍物信息确定模块,用于根据所述连接区域确定所述点云数据中包含的障碍物信息。
9.根据权利要求8所述的装置,其特征在于,所述像素点连通模块包括:
邻近像素点单元,用于对所述二维投影图像中的像素点进行遍历,将遍历到的当前像素点作为待调整像素点,并确定所述待调整像素点对应的邻近像素点;
连接区域确定单元,用于根据所述邻近像素点的像素值更新所述待调整像素点的像素值,直到遍历完所有像素点,将像素值相同且相邻的像素点作为一个连接区域。
10.根据权利要求8所述的装置,其特征在于,所述障碍物信息确定模块具体用于:
基于所述像素点的像素值将所述连接区域进行合并,得到至少一个障碍物区域。
11.一种计算机设备,其特征在于,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的障碍物检测方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的障碍物检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011157675.9A CN114494323A (zh) | 2020-10-26 | 2020-10-26 | 一种障碍物检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011157675.9A CN114494323A (zh) | 2020-10-26 | 2020-10-26 | 一种障碍物检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114494323A true CN114494323A (zh) | 2022-05-13 |
Family
ID=81470883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011157675.9A Pending CN114494323A (zh) | 2020-10-26 | 2020-10-26 | 一种障碍物检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114494323A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115019157A (zh) * | 2022-07-06 | 2022-09-06 | 武汉市聚芯微电子有限责任公司 | 目标物检测方法、装置、设备和计算机可读存储介质 |
CN116485636A (zh) * | 2023-04-27 | 2023-07-25 | 武汉纵横天地空间信息技术有限公司 | 一种点云立面成像方法、系统及可读存储介质 |
-
2020
- 2020-10-26 CN CN202011157675.9A patent/CN114494323A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115019157A (zh) * | 2022-07-06 | 2022-09-06 | 武汉市聚芯微电子有限责任公司 | 目标物检测方法、装置、设备和计算机可读存储介质 |
CN115019157B (zh) * | 2022-07-06 | 2024-03-22 | 武汉市聚芯微电子有限责任公司 | 目标物检测方法、装置、设备和计算机可读存储介质 |
CN116485636A (zh) * | 2023-04-27 | 2023-07-25 | 武汉纵横天地空间信息技术有限公司 | 一种点云立面成像方法、系统及可读存储介质 |
CN116485636B (zh) * | 2023-04-27 | 2023-10-20 | 武汉纵横天地空间信息技术有限公司 | 一种点云立面成像方法、系统及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111563442B (zh) | 基于激光雷达的点云和相机图像数据融合的slam方法及系统 | |
Ochmann et al. | Automatic reconstruction of parametric building models from indoor point clouds | |
Cheng et al. | Integration of LiDAR data and optical multi-view images for 3D reconstruction of building roofs | |
CN111985036A (zh) | 户型框线图绘制方法和装置、存储介质、电子设备 | |
Xia et al. | Façade separation in ground-based LiDAR point clouds based on edges and windows | |
CN114494323A (zh) | 一种障碍物检测方法、装置、设备及存储介质 | |
CN111652241A (zh) | 融合影像特征与密集匹配点云特征的建筑物轮廓提取方法 | |
CN115719436A (zh) | 模型训练方法、目标检测方法、装置、设备以及存储介质 | |
CN114359383A (zh) | 一种图像定位方法、装置、设备以及存储介质 | |
Hamid-Lakzaeian | Structural-based point cloud segmentation of highly ornate building façades for computational modelling | |
Li et al. | Geometrical model based scan planning approach for the classification of rebar diameters | |
CN109741306B (zh) | 应用于危险化学品库房堆垛的图像处理方法 | |
Xia et al. | Semiautomatic construction of 2-D façade footprints from mobile LIDAR data | |
US20210375033A1 (en) | Techniques for creating, organizing, integrating, and using georeferenced data structures for civil infrastructure asset management | |
CN114387576A (zh) | 一种车道线识别方法、系统、介质、设备及信息处理终端 | |
Zhou et al. | 3D building change detection between current VHR images and past lidar data | |
CN117058338A (zh) | 基于cad的三维建筑模型构建方法、系统、设备及介质 | |
CN116721230A (zh) | 一种三维实景模型的构建方法、装置、设备及存储介质 | |
CN114820931B (zh) | 基于虚拟现实的智慧城市cim可视化实时成像方法 | |
Previtali et al. | Automatic façade segmentation for thermal retrofit | |
CN114565906A (zh) | 障碍物检测方法、装置、电子设备及存储介质 | |
CN115656991A (zh) | 车辆外参标定方法、装置、设备以及存储介质 | |
Li et al. | Lightweight 3D modeling of urban buildings from range data | |
Yang et al. | LiDAR data reduction assisted by optical image for 3D building reconstruction | |
Nguyen et al. | Scan profiles based method for segmentation and extraction of planar objects in mobile laser scanning point clouds |
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 |