CN114638853A - 一种基于路侧固态激光雷达的背景过滤方法和系统 - Google Patents

一种基于路侧固态激光雷达的背景过滤方法和系统 Download PDF

Info

Publication number
CN114638853A
CN114638853A CN202210536282.1A CN202210536282A CN114638853A CN 114638853 A CN114638853 A CN 114638853A CN 202210536282 A CN202210536282 A CN 202210536282A CN 114638853 A CN114638853 A CN 114638853A
Authority
CN
China
Prior art keywords
background
channel
point cloud
laser radar
frame
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
Application number
CN202210536282.1A
Other languages
English (en)
Other versions
CN114638853B (zh
Inventor
刘建圻
刘岚枫
施浩湧
何人可
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202210536282.1A priority Critical patent/CN114638853B/zh
Publication of CN114638853A publication Critical patent/CN114638853A/zh
Application granted granted Critical
Publication of CN114638853B publication Critical patent/CN114638853B/zh
Priority to US17/969,481 priority patent/US11645759B1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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
    • 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
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • 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
    • 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
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • 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
    • G01S7/4808—Evaluating distance, position or velocity data
    • 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
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30236—Traffic on road, railway or crossing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种基于路侧固态激光雷达的背景过滤方法和系统，通过设计基于固态激光雷达的通道扫描角度的空间划分方法，提取单通道点云并融合叠加所有背景数据帧各通道的点云，基于给定阈值识别出各个基于通道扫描空间的背景空间单元和非背景空间单元，将实时数据帧基于通道进行背景差分得到各单通道的道路用户信息数据帧，将得到的各通道道路用户信息数据帧拼接成一整个道路用户信息数据帧，实现背景过滤。本申请解决了路侧机械旋转式激光雷达长时间工作导致精度下降的问题，及多线束路侧机械旋转式激光雷达使用寿命较短，部署成本高的问题。消除了固态激光雷达重复扫描区域对过滤效果的影响，为自动驾驶车辆提供了精确的道路用户信息。

Description

一种基于路侧固态激光雷达的背景过滤方法和系统
技术领域
本申请涉及智能交通感知技术领域，特别涉及一种基于路侧固态激光雷达的背景过滤方法和系统。
背景技术
随着城市现代化发展的速度加快，车辆急剧增加，交通也愈发拥挤，因此智能交通成为目前交通领域发展的重点。“智慧道路智慧车”---车路协同系统自然成为了该领域的研究重点之一。
车辆和行人作为交通的参与主体，是道路和车辆都应该重点监控的对象，车辆和行人的速度位置等信息的获取是避免交通安全事故的前提。自动驾驶车辆上通常会装配的传感器包括激光雷达、毫米波雷达、相机、GPS和IMU等。激光雷达由于具备对于人类视觉范围以外、中远距离的环境感知的能力而得以广泛运用，与传统的车载激光雷达传感器不同，路侧激光雷达传感器部署在交叉口周围或道路沿线的静态位置，能采集到厘米级空间分辨率的交通点云数据、获取道路用户高分辨率的轨迹数据，可以优化交通控制、降低交通安全事故发生率、为道路车载传感器提供所需要的数据等。
在车路协同系统中，通过路侧的激光雷达提供的数据进行目标道路用户信息提取时，原始数据包含道路用户信息和静态背景信息，需要进行背景过滤操作，分离出静态背景和动态路况，为自动驾驶车辆提供高精度的实时路况信息。由于路侧激光雷达需要长时间工作，而机械旋转式的激光雷达随着工作时间的增加，打出的点的振动幅度也会增大，精度会慢慢下降，从而导致背景构建和背景过滤效果不尽如人意。长时间的工作也会影响机械旋转式激光雷达的使用寿命，为了保证精度要求则需要周期性更换，导致部署成本增加，特别是多线束的激光雷达，成本急剧增加。而固态激光雷达由于内部构造的特性，各通道在排列上会有一定的错位，导致每个通道能扫描到的垂直角度不尽相同；且相邻通道在一定水平角度上会重复扫描，被重复扫描到的道路用户可能会存在部分区域点云密度偏大的情况，在背景过滤时会因为阈值的选取不当而被看成是背景单元，直接影响背景过滤的效果。
针对这些问题，本申请提出了一种基于路侧固态激光雷达的背景过滤方法，既解决了路侧机械旋转式激光雷达长时间工作导致精度下降的问题，也解决了多线束路侧机械旋转式激光雷达使用寿命较短，部署成本高的问题；同时也消除了固态激光雷达重复扫描区域对过滤效果的影响，为自动驾驶车辆提供了精确的道路用户信息。
发明内容
本申请提出了一种基于路侧固态激光雷达的背景过滤方法和系统，针对现有问题的不足，本申请首先设计了基于固态激光雷达的通道扫描角度的空间划分方法；然后通过路侧固态激光雷达得到的数据作为背景构建帧，通过提取单通道点云，可以分别聚合背景数据帧的各通道点云，得到和固态激光雷达通道个数相同的融合数据帧；再基于给定阈值识别出各个基于通道扫描空间的背景空间单元和非背景空间单元；再将实时数据帧的通道点云分别提取出来，放入对应的通道背景空间进行背景差分；最后将得到的各通道的道路用户信息数据帧拼接成一整个道路用户信息数据帧，实现背景过滤。
为实现上述目的，本申请提供了如下方案：
一种基于路侧固态激光雷达的背景过滤方法，具体包括以下步骤，
根据固态激光雷达的通道扫描角度对路侧固态激光雷达的扫描空间进行划分，获取路侧固态激光雷达的多帧点云数据；
以所述多帧点云数据作为背景数据帧，通过对应关系获取背景数据帧单通道点云数据；
基于所述背景数据帧单通道点云数据，通过融合叠加获取融合点云数据帧；
将所述融合点云数据帧在不改变点云所在位置的情况下放置于划分空间内，基于指定的阈值得到基于通道的多个背景空间；
将待测试的点云数据帧，提取出各通道点云放置于所述通道的背景空间进行背景差分，得到各单通道道路用户信息数据帧；
将所述各单通道道路用户信息数据帧拼接成完整道路用户信息数据帧，实现路侧固态激光雷达的背景过滤。
优选的，所述对应关系是通过点云的索引与通道的对应关系获取背景数据帧单通道点云数据。
优选的，所述融合叠加的方法包括：分别提取所述背景数据帧中属于同一通道的所述点云，并依次融合叠加，得到帧数与固态激光雷达通道个数相同的获取融合点云数据帧。
优选的，获取所述背景空间的方法包括：将所述融合点云数据帧在不改变点云所在位置的情况下放置于划分空间内，基于指定的阈值来确定对应空间单元是否为背景单元，并记录背景单元索引，得到基于通道的多个背景空间。
优选的，拼接成完整道路用户信息数据帧是基于所述单通道道路用户信息数据帧在不改变其所在位置的情况下拼接成完整道路用户信息数据帧。
优选的，获取背景数据帧单通道点云数据的方法包括：固态激光雷达整机由L个laser通道水平排列，其中，点云的Point ID与laser通道的对应关系为：
Figure 804418DEST_PATH_IMAGE001
其中，
Figure 219219DEST_PATH_IMAGE002
为第n个点的Point ID，L为固态激光雷达的laser通道个数，i的取值范 围为
Figure 427346DEST_PATH_IMAGE003
，当i = 0，即余数为0时，此时的这个点云就属于通道laser 0，当i =
Figure 200303DEST_PATH_IMAGE004
时，此时的这个点云就属于通道laser
Figure 948816DEST_PATH_IMAGE005
；通过遍历一帧数据帧的所有点云的 Point ID，基于除以通道个数后得到的余数来判断单个点云属于哪个通道，m为
Figure 437697DEST_PATH_IMAGE006
除以L的 整数值。
优选的，选择n帧原始数据帧作为背景构建帧，然后进行通道点云提取的方法：每一帧都能分别提取出L个通道的点云，将n帧原始数据帧融合叠加成L帧融合后的点云，每一帧点云都是所有背景构建帧单通道点云的集合。
为实现上述目的，本申请还提供了一种基于路侧固态激光雷达的背景过滤系统，包括：多帧点云数据模块、背景数据帧单通道点云数据模块、融合叠加模块、背景空间模块、用户信息数据帧模块和背景过滤模块；
所述多帧点云数据模块用于基于固态激光雷达的数据格式对路侧固态激光雷达的扫描空间进行划分，获取路侧固态激光雷达的多帧点云数据；
所述背景数据帧单通道点云数据模块用于基于所述多帧点云数据作为背景数据帧，通过对应关系获取背景数据帧单通道点云数据；
所述融合叠加模块用于基于所述背景数据帧单通道点云数据，通过融合叠加获取融合点云数据帧；
所述背景空间模块用于基于将所述融合点云数据帧在不改变点云所在位置的情况下放置于划分空间内，基于指定的阈值得到基于通道的多个背景空间；
所述用户信息数据帧模块用于基于将待测试的点云数据帧，分通道放置所述通道的背景空间进行背景差分，得到单通道道路用户信息数据帧；
所述背景过滤模块用于基于所述单通道道路用户信息数据帧拼接成完整道路用户信息数据帧，实现路侧固态激光雷达的背景过滤。
本申请的有益效果为：本申请公开了一种基于路侧固态激光雷达的背景过滤方法和系统，有效解决了路侧机械旋转式激光雷达长时间工作导致精度下降的问题，解决了多线束路侧机械旋转式激光雷达使用寿命较短，部署成本高的问题。同时也消除了固态激光雷达重复扫描区域对过滤效果的影响，为自动驾驶车辆提供了精确的道路用户信息。
附图说明
为了更清楚地说明本申请的技术方案，下面对实施例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是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请的方法示意图；
图2为固态激光雷达的侧视图；
图3为固态激光雷达的俯视图；
图4为空间划分后的整体示意图；
图5为空间划分后的单个空间单元示意图；
图6为固态激光雷达的通道排列示意图。
下面将结合本申请实施例中的附图，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。基于本申请中的实施例，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，都属于本申请保护的范围。
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
本申请为了解决上述技术问题所采用的技术方案是：一种基于路侧固态激光雷达的背景过滤方法和系统，首先设计了基于固态激光雷达的通道扫描角度的空间划分方法；然后通过路侧固态激光雷达得到的数据作为背景构建帧，通过提取单通道点云，可以分别聚合背景数据帧的各通道点云，得到和固态激光雷达通道个数相同的融合数据帧；再基于给定阈值识别出各个基于通道扫描空间的背景空间单元和非背景空间单元；再将实时数据帧的通道点云分别提取出来，放入对应的通道背景空间进行背景差分；最后将得到的各通道的道路用户信息数据帧拼接成一整个道路用户信息数据帧，实现背景过滤。
实施例1：
如图1所示，首先设计了基于固态激光雷达的通道扫描角度的空间划分方法；然后通过路侧固态激光雷达得到的数据作为背景构建帧，通过提取单通道点云，可以分别聚合背景数据帧的各通道点云，得到和固态激光雷达通道个数相同的融合数据帧；再基于给定阈值识别出各个基于通道扫描空间的背景空间单元和非背景空间单元；再将实时数据帧的通道点云分别提取出来，放入对应的通道背景空间进行背景差分；最后将得到的各通道的道路用户信息数据帧拼接成一整个道路用户信息数据帧，实现背景过滤。
具体实施方式：本发明以RS-LIDAR-M1固态激光雷达为例，本发明包括不限于RS-LIDAR-M1固态激光雷达，以下实施例用于说明本发明，但不用来限制本发明的范围。
具体的，本申请包括以下步骤：
步骤一：根据固态激光雷达的通道扫描角度对路侧固态激光雷达的扫描空间进行划分：
激光雷达通过比较激光的发射信号和回波信号能得到目标的距离、高度、方位等参数。固态激光雷达内部通道排列如图6所示，由于各通道在排列上会有一定的错位，导致每个通道能扫描到的垂直角度不尽相同，且相邻通道在一定水平角度上会重复扫描，为了能尽量将扫描空间准确划分且简便计算，根据固态激光雷达能扫描到的最大和最小垂直角、最大和最小水平角以及距离进行空间划分。如图2所示，固态激光雷达的垂直角度范围是-12.5°~+12.5°，角度分辨率约为0.2°（相当于约125线），如图3所示,相同激光束的水平角分辨率约为0.2°。因此将扫描空间分别以固态激光雷达最大和最小垂直角、最大和最小水平角以及距离上进行划分，如图4所示，将道路空间进行划分，单个划分的空间单元如图5所示。
固态激光雷达点云的球面坐标为
Figure 613464DEST_PATH_IMAGE007
。将道路空间按照
Figure 115858DEST_PATH_IMAGE008
和
Figure 136904DEST_PATH_IMAGE009
进行 划分，根据计算资源和所需精度设置垂直角度分辨率
Figure 808188DEST_PATH_IMAGE010
，水平角度分辨率
Figure 935281DEST_PATH_IMAGE011
和距离分辨 率
Figure 410125DEST_PATH_IMAGE012
，将道路空间划分为N个空间单元。
步骤二：获取路侧固态激光雷达的多帧点云数据当做背景数据帧，通过点云的索引与通道的对应关系提取背景数据帧单通道的点云，包括以下内容：
从图6可以看出来，由于重复扫描区域的存在，被扫描到的道路用户可能会存在部分区域点云密度偏大的情况，在背景过滤时会因为阈值的选取不当而被看成是背景单元，直接影响背景过滤的效果。为了消除重复扫描区域的影响，提出一种提取背景数据帧单通道的点云的方法。
固态激光雷达整机由L个laser通道水平排列，在垂直方向上会有一定位置上的错开，如图所示。其中，点云的Point ID与laser通道的对应关系为：
Figure 703703DEST_PATH_IMAGE013
其中，
Figure 963914DEST_PATH_IMAGE014
为第n个点的Point ID，L为固态雷达的laser通道个数i的取值范围为
Figure 419166DEST_PATH_IMAGE015
，当i = 0即余数为0时，此时的这个点云就属于通道laser 0……当i =
Figure 896153DEST_PATH_IMAGE016
时，此时的这个点云就属于通道
Figure 727843DEST_PATH_IMAGE017
；因此可以通过遍历一帧数据帧中 所有点云的Point ID，基于除以通道个数后得到的余数来判断单个点云属于哪个通道。
步骤三：分别提取所有背景数据帧中属于同一通道的点云，并依次融合叠加，得到帧数与固态激光雷达通道个数相同的融合点云数据帧：
因为单个背景数据帧不足以代表整个背景场景，且不可避免地存在一些噪声。因此，可以通过融合多帧背景构建数据帧融来减少噪声的影响。同时，由于道路中的大部分背景点是固定的，只有一小部分是动态的道路用户，因此通过背景构建数据帧融合，固定的背景点会在某一个空间单元内增加，道路用户占用的空间单元则不会增加。选择n帧原始数据帧作为背景构建帧，然后进行通道点云的提取。每一帧都能分别提取出L个通道的点云，就可以将n帧原始数据帧融合叠加成L帧融合后的点云，每一帧点云都是所有背景构建帧单通道点云的集合。
步骤四：依次将融合叠加后的点云数据帧分别放入按照步骤一的方法划分的空间内，基于给定的阈值来确定某个空间单元是否为背景单元：空间单元内点数大于阈值则被认为是背景空间单元，否则为非背景空间单元；并分别记录对应通道的背景单元索引，得到基于通道个数的L个背景空间：
由于背景的空间单元点云数量肯定大于非背景的空间单元点云数量，因此设定一个阈值。若一个空间单元内的点云数量大于这个阈值，则被认为是背景单元。
且不同通道的点云不会互相影响，分别找出对应通道的背景空间单元，能消除因为固态激光雷达重复扫描区域对过滤效果的影响。
步骤五：将实时数据帧的点云也分通道提取为L帧数据帧，分别放入步骤四生成的对应通道的背景空间内进行背景差分，去除在背景空间单元的点云，只留下非背景空间单元的点云，得到L帧基于通道的道路用户数据帧。
步骤六：最后将各个单通道的道路用户信息数据帧在不改变其所在位置的情况下，按固态激光雷达通道的排列顺序拼接成一整个道路用户信息数据帧，实现路侧固态激光雷达的背景过滤。
本发明相较于以前的算法，首先设计了基于固态激光雷达的通道扫描角度的空间划分方法；然后通过路测固态激光雷达得到的数据作为背景构建帧，通过提取单通道点云，可以分别聚合背景数据帧的各通道点云，得到和固态激光雷达通道个数相同的融合数据帧；再基于给定阈值识别出各个基于通道扫描空间的背景空间单元和非背景空间单元；再将实时数据帧的通道点云分别提取出来，放入对应的通道背景空间进行背景差分；最后将得到的各通道的用户信息数据帧拼接成一整个道路用户信息数据帧，实现背景过滤。
本发明基于固态激光雷达的背景过滤，既解决了路侧机械旋转式激光雷达长时间工作导致精度下降的问题，也解决了多线束路侧机械旋转式激光雷达使用寿命较短，部署成本高的问题。同时消除了固态激光雷达重复扫描区域对过滤效果的影响，为自动驾驶车辆提供了精确的道路用户信息。
实施例2
一种基于路侧固态激光雷达的背景过滤系统，具体包括如下模块，
多帧点云数据模块、背景数据帧单通道点云数据模块、融合叠加模块、背景空间模块、用户信息数据帧模块和背景过滤模块；
多帧点云数据模块用于基于固态激光雷达的通道扫描角度对路侧固态激光雷达的扫描空间进行划分，获取路侧固态激光雷达的多帧点云数据；
背景数据帧单通道点云数据模块用于基于所述多帧点云数据作为背景数据帧，通过对应关系获取背景数据帧单通道点云数据；
融合叠加模块用于基于所述背景数据帧单通道点云数据，通过融合叠加获取融合点云数据帧；
所述背景空间模块用于基于将所述融合点云数据帧放置所述划分空间内，基于指定的阈值得到基于通道的多个背景空间；
所述用户信息数据帧模块用于基于将待测试的点云数据帧，分通道放置所述对应通道的背景空间进行背景差分，得到单通道道路用户信息数据帧；
背景过滤模块用于基于所述道单通道道路用户信息数据帧拼接成完整道路用户信息数据帧，实现路侧固态激光雷达的背景过滤。
以上的实施例仅是对本申请优选方式进行的描述，并非对本申请的范围进行限定，在不脱离本申请设计精神的前提下，本领域普通技术人员对本申请的技术方案做出的各种变形和改进，均应落入本申请权利要求书确定的保护范围内。

Claims (8)

1.一种基于路侧固态激光雷达的背景过滤方法，其特征在于，
根据固态激光雷达的通道扫描角度对路侧固态激光雷达的扫描空间进行划分，获取路侧固态激光雷达的多帧点云数据；
以所述多帧点云数据作为背景数据帧，通过对应关系获取背景数据帧单通道点云数据；
基于所述背景数据帧单通道点云数据，通过融合叠加获取融合点云数据帧；
将所述融合点云数据帧在不改变点云所在位置的情况下放置于划分空间内，基于指定的阈值得到基于通道的多个背景空间；
将待测试的点云数据帧，提取出各通道点云放置于所述通道的背景空间进行背景差分，得到各单通道道路用户信息数据帧；
将所述各单通道道路用户信息数据帧拼接成完整道路用户信息数据帧，实现路侧固态激光雷达的背景过滤。
2.如权利要求1所述基于路侧固态激光雷达的背景过滤方法，其特征在于，
所述对应关系是通过点云的索引与通道的对应关系获取背景数据帧单通道点云数据。
3.如权利要求1所述基于路侧固态激光雷达的背景过滤方法，其特征在于，
所述融合叠加的方法包括：分别提取所述背景数据帧中属于同一通道的所述点云，并依次融合叠加，得到帧数与固态激光雷达通道个数相同的获取融合点云数据帧。
4.如权利要求1所述基于路侧固态激光雷达的背景过滤方法，其特征在于，
获取所述背景空间的方法包括：分别将所述各通道融合点云数据帧在不改变点云所在位置的情况下放置于划分空间内，基于指定的阈值来确定对应空间单元是否为背景单元，并记录背景单元索引，得到基于通道的多个背景空间。
5.如权利要求1所述基于路侧固态激光雷达的背景过滤方法，其特征在于，
拼接成完整道路用户信息数据帧是基于所述单通道道路用户信息数据帧在不改变其所在位置的情况下拼接成完整道路用户信息数据帧。
6.如权利要求1所述的基于路侧固态激光雷达的背景过滤方法，其特征在于，
获取背景数据帧单通道点云数据的方法包括：固态激光雷达整机由L个laser通道水平排列，其中，点云的Point ID与laser通道的对应关系为：
Figure 169018DEST_PATH_IMAGE001
其中，
Figure 164787DEST_PATH_IMAGE002
为第n个点的Point ID，L为固态激光雷达的laser通道个数，i的取值范围为
Figure 475683DEST_PATH_IMAGE003
，当i = 0，即余数为0时，此时的这个点云就属于通道laser 0，当i =
Figure 136471DEST_PATH_IMAGE004
时，此时的这个点云就属于通道laser
Figure 731269DEST_PATH_IMAGE005
；通过遍历一帧数据帧的所有点云的Point ID，基于除以通道个数后得到的余数来判断单个点云属于哪个通道，m为
Figure 84890DEST_PATH_IMAGE006
除以L的整数 值。
7.如权利要求6所述的基于路侧固态激光雷达的背景过滤方法，其特征在于，
选择n帧原始数据帧作为背景构建帧，然后进行通道点云提取的方法：每一帧都能分别提取出L个通道的点云，将n帧原始数据帧融合叠加成L帧融合后的点云，每一帧点云都是所有背景构建帧单通道点云的集合。
8.一种基于路侧固态激光雷达的背景过滤系统，其特征在于，
包括：多帧点云数据模块、背景数据帧单通道点云数据模块、融合叠加模块、背景空间模块、用户信息数据帧模块和背景过滤模块；
所述多帧点云数据模块用于基于固态激光雷达的数据格式对路侧固态激光雷达的扫描空间进行划分，获取路侧固态激光雷达的多帧点云数据；
所述背景数据帧单通道点云数据模块用于基于所述多帧点云数据作为背景数据帧，通过对应关系获取背景数据帧单通道点云数据；
所述融合叠加模块用于基于所述背景数据帧单通道点云数据，通过融合叠加获取融合点云数据帧；
所述背景空间模块用于基于将所述融合点云数据帧放置划分空间内，基于指定的阈值得到基于通道的多个背景空间；
所述用户信息数据帧模块用于基于将待测试的点云数据帧，分通道放置所述通道的背景空间进行背景差分，得到单通道道路用户信息数据帧；
所述背景过滤模块用于基于所述单通道道路用户信息数据帧拼接成完整道路用户信息数据帧，实现路侧固态激光雷达的背景过滤。
CN202210536282.1A 2022-05-18 2022-05-18 一种基于路侧固态激光雷达的背景过滤方法和系统 Active CN114638853B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210536282.1A CN114638853B (zh) 2022-05-18 2022-05-18 一种基于路侧固态激光雷达的背景过滤方法和系统
US17/969,481 US11645759B1 (en) 2022-05-18 2022-10-19 Background filtering method and background filtering system based on roadside solid-state lidar

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210536282.1A CN114638853B (zh) 2022-05-18 2022-05-18 一种基于路侧固态激光雷达的背景过滤方法和系统

Publications (2)

Publication Number Publication Date
CN114638853A true CN114638853A (zh) 2022-06-17
CN114638853B CN114638853B (zh) 2022-09-02

Family

ID=81953256

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210536282.1A Active CN114638853B (zh) 2022-05-18 2022-05-18 一种基于路侧固态激光雷达的背景过滤方法和系统

Country Status (2)

Country Link
US (1) US11645759B1 (zh)
CN (1) CN114638853B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115542340A (zh) * 2022-12-01 2022-12-30 广东工业大学 基于距离已知参照物的路侧双固态激光雷达点云融合方法
CN116363159A (zh) * 2023-04-19 2023-06-30 济南大学 一种基于多窗口差分阈值滤波法的点云道路边界提取方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117576325A (zh) * 2024-01-16 2024-02-20 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) 点云数据处理方法和装置以及点云数据管理系统和方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200379114A1 (en) * 2017-08-04 2020-12-03 Tsinghua University Detecting system fusing lidar point cloud and image
CN112578406A (zh) * 2021-02-25 2021-03-30 北京主线科技有限公司 一种车辆环境信息感知方法及装置
CN113176548A (zh) * 2020-10-20 2021-07-27 苏州思卡信息系统有限公司 基于多边形建模的路侧雷达的实时滤除背景的方法
CN113447953A (zh) * 2021-06-29 2021-09-28 山东高速建设管理集团有限公司 一种基于道路交通点云数据的背景滤除方法
CN113514848A (zh) * 2021-04-01 2021-10-19 湛江港（集团）股份有限公司 一种基于激光扫描的铁路道口机车检测系统
CN113903179A (zh) * 2021-09-30 2022-01-07 山东大学 一种基于点云密度叠加分布的多线束激光雷达背景滤除装置的使用方法
CN114384543A (zh) * 2022-01-18 2022-04-22 浙江海康智联科技有限公司 一种基于背景去除的路端三维目标检测方法和系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DK180562B1 (en) * 2019-01-31 2021-06-28 Motional Ad Llc Merging data from multiple lidar devices
US11238643B1 (en) * 2020-12-16 2022-02-01 Pony Ai Inc. High-definition city mapping

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200379114A1 (en) * 2017-08-04 2020-12-03 Tsinghua University Detecting system fusing lidar point cloud and image
CN113176548A (zh) * 2020-10-20 2021-07-27 苏州思卡信息系统有限公司 基于多边形建模的路侧雷达的实时滤除背景的方法
CN112578406A (zh) * 2021-02-25 2021-03-30 北京主线科技有限公司 一种车辆环境信息感知方法及装置
CN113514848A (zh) * 2021-04-01 2021-10-19 湛江港（集团）股份有限公司 一种基于激光扫描的铁路道口机车检测系统
CN113447953A (zh) * 2021-06-29 2021-09-28 山东高速建设管理集团有限公司 一种基于道路交通点云数据的背景滤除方法
CN113903179A (zh) * 2021-09-30 2022-01-07 山东大学 一种基于点云密度叠加分布的多线束激光雷达背景滤除装置的使用方法
CN114384543A (zh) * 2022-01-18 2022-04-22 浙江海康智联科技有限公司 一种基于背景去除的路端三维目标检测方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LIU JIANQI: "A survey on position-based routing for vehicular ad hoc networks", 《TELECOMMUNICATION SYSTEMS》 *
刘建圻: "基于路侧设备的无线测距与车辆组合定位算法的研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115542340A (zh) * 2022-12-01 2022-12-30 广东工业大学 基于距离已知参照物的路侧双固态激光雷达点云融合方法
CN116363159A (zh) * 2023-04-19 2023-06-30 济南大学 一种基于多窗口差分阈值滤波法的点云道路边界提取方法
CN116363159B (zh) * 2023-04-19 2024-05-03 济南大学 一种基于多窗口差分阈值滤波法的点云道路边界提取方法

Also Published As

Publication number Publication date
US11645759B1 (en) 2023-05-09
CN114638853B (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
CN114638853B (zh) 一种基于路侧固态激光雷达的背景过滤方法和系统
US11915470B2 (en) Target detection method based on fusion of vision, lidar, and millimeter wave radar
CN112639821B (zh) 一种车辆可行驶区域检测方法、系统以及采用该系统的自动驾驶车辆
DE102018116108B4 (de) Kalibrierungsprüfverfahren für den betrieb von autonomen fahrzeugen sowie fahrzeug mit einer steuerung zur ausführung des verfahrens
CN107161141B (zh) 无人驾驶汽车系统及汽车
US9759812B2 (en) System and methods for intersection positioning
CN102508246B (zh) 车辆前方障碍物检测跟踪方法
WO2022206942A1 (zh) 一种基于行车安全风险场的激光雷达点云动态分割及融合方法
CN112116031B (zh) 基于路侧设备的目标融合方法、系统、车辆及存储介质
McElhinney et al. Initial results from European Road Safety Inspection (EURSI) mobile mapping project
CN109905847B (zh) Gnss盲区智能车辅助定位系统累积误差的协同校正系统及方法
EP4137846A1 (en) High-precision map generation method, localization method, and device
CN103731652A (zh) 移动面分界线认知装置和方法、以及移动体设备控制系统
CN114677446B (zh) 基于路侧多传感器融合的车辆检测方法、装置及介质
Wang et al. Ips300+: a challenging multi-modal data sets for intersection perception system
CN113759391A (zh) 一种基于激光雷达的可通行区域检测方法
DE112019001542T5 (de) Positionsschätzvorrichtung
CN110023953A (zh) 信息处理设备、成像设备、装置控制系统、移动体、信息处理方法以及计算机程序产品
CN107886729A (zh) 车辆识别方法、装置及车辆
WO2022166606A1 (zh) 一种目标检测方法及装置
CN112034449A (zh) 基于物理空间属性实现对车辆行驶轨迹修正的系统及方法
CN114694060A (zh) 一种道路抛洒物检测方法、电子设备及存储介质
CN113465608B (zh) 一种路侧传感器标定方法及系统
CN109906657A (zh) 资源复用方法、终端和相关设备
CN115546595A (zh) 基于激光雷达和摄像头融合感知的轨迹追踪方法及系统

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