CN114754699B - 运动物体轮廓的构建方法及系统、以及主控设备 - Google Patents
运动物体轮廓的构建方法及系统、以及主控设备 Download PDFInfo
- Publication number
- CN114754699B CN114754699B CN202210451268.1A CN202210451268A CN114754699B CN 114754699 B CN114754699 B CN 114754699B CN 202210451268 A CN202210451268 A CN 202210451268A CN 114754699 B CN114754699 B CN 114754699B
- Authority
- CN
- China
- Prior art keywords
- original
- point
- scanning
- calibration
- contour
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明提供了一种运动物体轮廓的构建方法,包括:获取运动物体的原始轮廓点云的点云数据,其中,原始轮廓点云包括若干原始扫描点,原始轮廓点云的点云数据包括每一原始扫描点的原始坐标、相对速度、以及时间戳;在原始轮廓点云中选取一个原始扫描点作为标定扫描点,其中,标定扫描点的原始坐标为标定坐标;根据相对速度和时间戳计算原始扫描点与标定扫描点之间的相对位移;以及根据原始扫描点的原始坐标和相对位移、以及标定扫描点的标定坐标计算每一原始扫描点的校正轮廓坐标,以得到相对应的校正轮廓点。此外,本发明还提供了一种主控设备、以及运动物体轮廓的构建系统。本发明技术方案能够为运动物体构建精准的轮廓。
Description
技术领域
本发明涉及传感技术领域,尤其涉及基于传感技术实现的运动物体轮廓的构建方法及系统、以及主控设备。
背景技术
激光雷达作为一种采用光电探测技术的主动遥感设备,能够用于扫描周围的物体,得到周围物体的三维轮廓等。然而,相对于激光雷达运动的物体,在激光雷达扫描的过程中会形成畸变,进而导致运动物体的轮廓不准确。为了获得运动物体精细的三维轮廓,通常需要搭配不同的传感器,以获得运动物体的移动速度和轮廓。但不同传感器之间的融合、安装、校准、维护等过程都会增加人力和物力成本。
发明内容
本发明提供了一种运动物体轮廓的构建方法及系统、以及主控设备,能够为运动物体构建精准的轮廓。
第一方面,本发明实施例提供一种运动物体轮廓的构建方法,所述运动物体轮廓的构建方法包括:
获取运动物体的原始轮廓点云的点云数据,其中,所述原始轮廓点云包括若干原始扫描点,所述原始轮廓点云的点云数据包括每一所述原始扫描点的原始坐标、相对速度、以及时间戳;
在所述原始轮廓点云中选取一个原始扫描点作为标定扫描点,其中,所述标定扫描点的原始坐标为标定坐标;
根据所述相对速度和所述时间戳计算所述原始扫描点与所述标定扫描点之间的相对位移;以及
根据所述原始扫描点的原始坐标和相对位移、以及所述标定扫描点的标定坐标计算每一所述原始扫描点的校正轮廓坐标,以得到相对应的校正轮廓点。
第二方面,本发明实施例提供一种主控设备,所述主控设备包括:
存储器,用于存储程序指令;以及
处理器,用于执行所述程序指令以实现如上所述的运动物体轮廓的构建方法。
第三方面,本发明实施例提供一种运动物体轮廓的构建系统,所述运动物体轮廓的构建系统包括:
激光雷达;以及
如上所述的主控设备,所述主控设备与所述激光雷达电连接。
上述运动物体轮廓的构建方法及系统、以及主控设备,在原始轮廓点云中选取其中一个原始扫描点作为标定扫描点,以标定扫描点为基准,利用原始扫描点的原始坐标、相对速度、以及时间戳和标定扫描点的标定坐标,将原始轮廓点云中除标定扫描点以外的每一原始扫描点都进行了校正,从而得到校正轮廓点云。运动物体轮廓的构建方法能够有效消除激光雷达进行物体检测时,因物体运动引起的图像畸变,从而得到更加精准的运动物体的轮廓。此外,利用一台激光雷达采集的点云数据就能够对运动物体的轮廓进行校正,极大减少了计算量,节省了计算时间,同时节约了成本。
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的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明实施例提供的运动物体轮廓的构建方法的流程图。
图2为本发明实施例提供的运动物体轮廓的构建方法的第一子流程图。
图3为本发明实施例提供的运动物体轮廓的构建方法的第二子流程图。
图4为本发明实施例提供的运动物体轮廓的构建方法的第三子流程图。
图5为本发明实施例提供的主控设备的内部结构示意图。
图6为本发明实施例提供的运动物体轮廓的构建系统的结构示意图。
图7为图1所示的构建方法的应用场景示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。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。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的规划对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,换句话说,描述的实施例根据除了这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,还可以包含其他内容,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于只清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者多个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
激光雷达对物体进行扫描形成图像。由于激光雷达的成像原理是逐点扫描形成物体的轮廓点云图像,则相对于激光雷达运动的物体在成像过程中,运动会造成轮廓点云图像的畸变。运动物体轮廓的构建方法能够对轮廓点云图像中的点云进行处理,从而为运动物体构建更加精准的轮廓点云图像。运动物体轮廓的构建方法可以但不限于在物体检测、自动驾驶等各种需要构建运动物体轮廓的场景中应用。
在本实施例中,运动物体轮廓的构建方法应用于车辆1000(如图7所示)。车辆1000安装有激光雷达20。其中,车辆1000仅设有一台激光雷达20,激光雷达20为调频连续波激光雷达。车辆1000包括但不限于轿车、摩托车、卡车、运动型多用途车辆(SUV)、休闲车辆(RV)、飞行器等。车辆1000在行驶过程中,激光雷达20不断扫描车辆1000周围的物体形成扫描图像。运动物体轮廓的构建方法对扫描图像进行处理。
在一些可行的实施例中,运动物体轮廓的构建方法还可以应用于机器人、飞机等。可以理解的是,当运动物体轮廓的构建方法应用于机器人或者飞机时,机器人或者飞机上均设有调频连续波激光雷达。
请结合参看图1,其为本发明实施例提供的运动物体轮廓的构建方法的流程图。运动物体轮廓的构建方法具体包括如下步骤。
步骤S102,获取运动物体的原始轮廓点云的点云数据。其中,原始轮廓点云包括若干原始扫描点。原始轮廓点云的点云数据包括每一原始扫描点的原始坐标、相对速度、以及时间戳。即是说,每一原始扫描点均包括一个原始坐标、一个相对速度、以及一个时间戳。可以理解的是,由于激光雷达20为调频连续波激光雷达,可以在扫描的过程中直接测量每一扫描点相对激光雷达20的速度,则原始扫描点的相对速度为形成该原始扫描点时运动物体相对于激光雷达20的速度。其中,原始扫描点的原始坐标包括在激光雷达坐标系中x轴、y轴、以及z轴的三个坐标值,相对速度包括在激光雷达坐标系中x轴、y轴、以及z轴的三个相对速度值。在本实施例中,时间戳为激光雷达20发射光线并形成原始扫描点的发射时间。可以理解的是,由于激光雷达20发射光线和接收反射光线之间的时间间隔非常小,因此可以直接用发射时间作为时间戳。由于激光雷达20可以同时发射多条光线形成多个原始扫描点,因此,由同时发射的光线反射回来形成的多个原始扫描点具有相同的时间戳。在一些可行的实施例中,时间戳可以是激光雷达20接收反射光线的接收时间。如何获取运动物体的原始轮廓点云的点云数据的具体过程将在下文详细描述。
步骤S104,在原始轮廓点云中选取一个原始扫描点作为标定扫描点。例如,标定扫描点可以是在所有原始扫描点中任意选择的一个原始扫描点;标定扫描点也可以是被指定的特殊原始扫描点,特殊原始扫描点包括但不限于时间戳最小的原始扫描点、时间戳最大的原始扫描点、在激光雷达坐标系中距离原点最近的原始扫描点、在激光雷达坐标系中距离原点最远的原始扫描点等。其中,标定扫描点的原始坐标为标定坐标。当根据时间戳最小或者时间戳最大选取原始扫描点时,可能存在多个原始扫描点的时间戳均最小或者多个原始扫描点的时间戳均最大,则可以选择该时间戳中任意一个原始扫描点;也可以利用排序算法对时间戳最小的多个原始扫描点或者时间戳最大的多个原始扫描点进行排序,并按顺序选择第一个原始扫描点、或者最后一个原始扫描点,在此不做限定。其中,排序算法包括但不限于交换排序算法、选择排序算法、以及计数排序算法等。
步骤S106,根据相对速度和时间戳计算原始扫描点与标定扫描点之间的相对位移。由于被选为标定扫描点的原始扫描点与自身的相对位移为0,因此只需要计算除标定扫描点以外的每一原始扫描点与标定扫描点之间的相对位移。如何根据相对速度和时间戳计算原始扫描点与标定扫描点之间的相对位移的具体过程将在下文详细描述。
步骤S108,根据原始扫描点的原始坐标和相对位移、以及标定扫描点的标定坐标计算每一原始扫描点的校正轮廓坐标,以得到相对应的校正轮廓点。在本实施例中,计算除标定扫描点以外的每一原始扫描点的校正轮廓坐标,从而得到相应的校正轮廓点。标定扫描点和所有校正轮廓点共同形成校正轮廓点云,校正轮廓点云为消除因运动带来的畸变后运动物体真正的轮廓点云。如何根据原始扫描点的原始坐标和相对位移、以及标定扫描点的标定坐标计算每一原始扫描点的校正轮廓坐标的具体过程将在下文详细描述。
上述实施例中,在原始轮廓点云中选取其中一个原始扫描点作为标定扫描点,以标定扫描点为基准,利用原始扫描点的原始坐标、相对速度、以及时间戳和标定扫描点的标定坐标,将原始轮廓点云中除标定扫描点以外的每一原始扫描点都进行了校正,从而得到校正轮廓点云。本实施例提供的构建方法能够有效消除激光雷达进行物体检测时,因物体运动引起的图像畸变,从而得到更加精准的运动物体的轮廓。此外,利用一台激光雷达采集的点云数据就能够对运动物体的轮廓进行校正,极大减少了计算量,节省了计算时间,同时节约了成本。
请结合参看图2,其为本发明实施例提供的运动物体轮廓的构建方法的第一子流程图。步骤S102具体包括如下步骤。
步骤S202,获取激光雷达扫描生成的扫描图像。可以理解的是,扫描图像中包括很多扫描点,仅通过这些扫描点很难直接识别扫描图像中存在什么物体。因此,需要对扫描图像进行图像处理。
步骤S204,对扫描图像进行图像处理以获得原始图像。采用聚类算法对扫描图像中的扫描点进行处理。在本实施例中,采用欧式距离聚类算法进行图像处理。具体地,第一步,在扫描图像中随机选取一个扫描点为中心扫描点,判断中心扫描点周围的扫描点与中心扫描点之间的距离是否小于预设值。若距离小于预设值,将该扫描点与中心扫描点归为一类,直至中心扫描点周围没有能够被归类的扫描点。第二步,依次选取该类中的其它扫描点作为中心扫描点,并重复执行第一步的过程,直至没有其它扫描点可以被归类于该类。第三步,若存在没有被归类的扫描点,则重复执行第一步和第二步的过程直至扫描图像中所有的扫描点均被归类。对归为同一类的扫描点做相同的标记,对不同类的扫描点做不同的标记,形成原始图像。其中,预设值为20-50厘米。激光雷达20的扫描精度决定了扫描图像中扫描点之间的距离,因此预设值的大小可以根据激光雷达20的扫描精度进行设定。举例来说,若激光雷达20的扫描精度高,形成的扫描点之间的距离较小,则设置较小的预设值,如30厘米;若激光雷达20的扫描精度低,形成的扫描点之间的距离较大,则设置较大的预设值,如45厘米。可以理解的是,对扫描图像进行图像处理并不会改变扫描点的坐标,只是对扫描点进行分类,使得扫描图像中的物体更容易被识别。在一些可行的实施例中,聚类算法还可以是最大最小距离聚类算法等。
步骤S206,识别原始图像以获取运动物体的原始轮廓点云。对原始图像进行目标检测,识别原始图像中的运动物体并获取运动物体的原始轮廓点云。在本实施例中,利用深度神经网络对原始图像进行识别,将从中识别出的可动物体设为运动物体。举例来说,识别出原始图像中存在树木、交通指示灯、以及车辆等目标,树木和交通指示灯为不可动物体,车辆为可动物体,则将车辆设为运动物体。获取与运动物体相匹配且标记为同一类的扫描点为该运动物体的原始轮廓点云。以图7所示的场景为例,车辆2000为识别出的运动物体。当激光雷达20扫描到运动物体2000的第一个原始扫描点时,运动物体2000处于第一位置(图7中的虚线表示);当激光雷达20扫描到运动物体2000的最后一个原始扫描点时,运动物体2000处于第二位置(图7中的实线表示)。即是说,激光雷达20扫描到运动物体2000完整的原始轮廓点云的过程中,运动物体2000从第一位置移动到第二位置。与车辆2000相匹配且标记为同一类的扫描点包括A、B1、B2、以及C。可以理解的是,与车辆2000相匹配的扫描点有很多,为便于说明,下文仅以列举的四个扫描点为例进行描述。
步骤S208,根据原始轮廓点云获取原始轮廓点云的点云数据。根据原始轮廓点云中的每一原始扫描点获取相对应的点云数据。举例来说,原始扫描点A的原始坐标PA为[xA,yA,zA],相对速度VA为[VxA,VyA,VzA],时间戳为t1;原始扫描点B1的原始坐标PB1为[xB1,yB1,zB1],相对速度VB1为[VxB1,VyB1,VzB1],时间戳为t2;原始扫描点B2的原始坐标PB2为[xB2,yB2,zB2],相对速度VB2为[VxB2,VyB2,VzB2],时间戳为t2;原始扫描点C的原始坐标PC为[xC,yC,zC],相对速度VC为[VxC,VyC,VzC],时间戳为t3。其中,t1小于t2小于t3。
上述实施例中,通过聚类算法和目标检测等技术识别出扫描图像中的可动物体为运动物体,能够准确获取运动物体的原始轮廓点云,从而为构建精准的校正轮廓点云做好准备。
在一些可行的实施例中,运动物体轮廓的构建方法还可以用于对所有物体,即运动物体和不可动物体进行轮廓的构建。当对所有物体都进行轮廓的构建时,可以在获得原始图像之后,直接从聚类得到的结果,即原始图像中得到所有物体的原始轮廓点云,并对原始图像中的所有物体均进行轮廓的校正,而不需要再对原始图像进行识别。可以理解的是,由于激光雷达在扫描生成扫描图像的过程中,激光雷达相对不可动物体是运动的。因此,不可动物体相对于激光雷达也具有相对速度,则可以按照上述步骤S102至S108的方法对不可动物体的轮廓进行构建,对不可动物体的轮廓构建方法在此不再一一赘述。
请结合参看图3,其为本发明实施例提供的运动物体轮廓的构建方法的第二子流程图。步骤S106具体包括如下步骤。
步骤S302,利用预设排序算法对原始扫描点进行排序以形成序列。在本实施例中,利用预设排序算法根据时间戳从小到大的顺序将原始扫描点排序形成序列。举例来说,按照时间戳从小到大的顺序进行排序时,形成的序列为A、(B1、B2)、C或者A、(B2、B1)、C。可以理解的是,由于原始扫描点B1和原始扫描点B2的时间戳相同,均为t2,因此原始扫描点B1和原始扫描点B2之间的顺序不会对序列造成影响。当然,为了便于计算,原始扫描点按照时间戳从小到大的顺序进行排列的同时,时间戳相同的原始扫描点也可以按照一定顺序排序,例如,形成的序列为A、(B1、B2)、C。在一些可行的实施例中,可以利用预设排序算法根据时间戳从大到小的顺序进行排序,可以利用预设排序算法根据原始扫描点与原点之间的距离从小到大的顺序进行排序,还可以利用预设排序算法根据原始扫描点与原点之间的距离从大到小的顺序进行排序。
步骤S304,根据原始扫描点的相对速度和时间戳计算序列中两个相邻的原始扫描点之间的子位移。在本实施例中,计算序列中两个相邻的原始扫描点时间戳的时间差,再计算序列中两个相邻的原始扫描点中的后一原始扫描点的相对速度和时间差的乘积为子位移。其中,序列中两个相邻的原始扫描点为时间戳相邻的两个原始扫描点,后一原始扫描点为两个原始扫描点中时间戳较大的原始扫描点。可以理解的是,由于相同时间戳的原始扫描点之间不具有时间差,则不需要进行子位移的计算。但是具有相同时间戳的所有原始扫描点均需要计算与前一时间戳的原始扫描点之间的子位移。举例来说,原始扫描点B1和原始扫描点A之间的子位移ΔPB1A为VB1*(t2-t1),原始扫描点B2和原始扫描点A之间的子位移ΔPB2A为VB2*(t2-t1),原始扫描点C和原始扫描点B1或者原始扫描点B2之间的子位移ΔPCB为VC*(t3-t2)。
步骤S306,计算序列中原始扫描点与标定扫描点之间所包含的所有子位移之和得到相对位移。在本实施例中,以标定扫描点为起点、原始扫描点为终点的子序列中,在相邻的两个时间戳的原始扫描点之间取一个子位移,这些子位移的集合即为序列中原始扫描点与标定扫描点之间所包含的所有子位移。优选地,选取时间戳最小的原始扫描点作为标定扫描点。
举例来说,选取原始扫描点A为标定扫描点。原始扫描点B1与标定扫描点A之间所包含的所有子位移为原始扫描点B1和原始扫描点A之间的子位移ΔPB1A,则原始扫描点B1与标定扫描点A之间的相对位移ΔPB1=VB1*(t2-t1)。原始扫描点B2与标定扫描点A之间所包含的所有子位移为原始扫描点B2和原始扫描点A之间的子位移ΔPB2A,则原始扫描点B2与标定扫描点A之间的相对位移ΔPB2=VB2*(t2-t1)。原始扫描点C与标定扫描点A之间所包含的所有子位移为,原始扫描点C和原始扫描点B1之间的子位移ΔPCB、以及原始扫描点B1和原始扫描点A之间的子位移ΔPB1A,或者,原始扫描点C和原始扫描点B2之间的子位移ΔPCB、以及原始扫描点B2和原始扫描点A之间的子位移ΔPB2A。则原始扫描点C与标定扫描点A之间的相对位移ΔPC=ΔPCB+ΔPB1A=VC*(t3-t2)+VB1*(t2-t1),或者ΔPC=ΔPCB+ΔPB2A=VC*(t3-t2)+VB2*(t2-t1)。可以理解的是,当相邻的两个时间戳的原始扫描点之间的子位移的数量大于一个时,可以任意选择其中一个子位移,也可以按照相同时间戳中原始扫描点的顺序选择第一个子位移、或者最后一个子位移,在此不做限定。
在一些可行的实施例中,当相邻的两个时间戳的原始扫描点之间的子位移的数量大于一个时,还可以根据相同时间戳中所有原始扫描点的相对速度的平均值进行计算。举例来说,原始扫描点C与标定扫描点A之间的相对位移还可以为ΔPC=VC*(t3-t2)+(VB1+VB2)/2*(t2-t1)。
在另一些可行的实施例中,还可以直接利用原始扫描点与标定扫描点之间时间戳的时间差和原始扫描点的相对速度进行乘积得到相对位移。举例来说,原始扫描点C与标定扫描点A之间的相对位移ΔPC为VC*(t3-t1)。
上述实施例中,利用每一原始扫描点与标定扫描点之间所包含的所有子位移计算原始扫描点与标定扫描点之间的相对位移,使得计算得到的相对位移更加精确。
请结合参看图4,其为本发明实施例提供的运动物体轮廓的构建方法的第三子流程图。步骤S108具体包括如下步骤。
步骤S402,以标定扫描点为原点建立标定坐标系。
步骤S404,根据原始扫描点的原始坐标和相对位移、以及标定扫描点的标定坐标计算原始扫描点与标定扫描点之间的相对位置。在本实施例中,先计算原始扫描点的原始坐标和相对位移之和为偏差坐标,再计算偏差坐标与标定扫描点的标定坐标之差为相对位置。举例来说,原始扫描点B1与标定扫描点A之间的相对位置ΔPB1`=PB1+ΔPB1-PA;原始扫描点B2与标定扫描点A之间的相对位置ΔPB2`=PB2+ΔPB2-PA;原始扫描点C与标定扫描点A之间的相对位置ΔPC`=PC+ΔPC-PA。
步骤S406,将相对位置设为原始扫描点在标定坐标系中的校正轮廓坐标。举例来说,原始扫描点B1的校正轮廓坐标为ΔPB1`,则得到相对应的校正轮廓点为B1`;原始扫描点B2的校正轮廓坐标为ΔPB2`,则得到相对应的校正轮廓点为B2`;原始扫描点C的校正轮廓坐标为ΔPC`,则得到相对应的校正轮廓点为C`(如图7所示)。可以理解的是,若将时间戳最小的原始扫描点作为标定扫描点,则构建的校正轮廓点云为运动物体2000处于第一位置时的轮廓点云。不论以哪个原始扫描点作为标定扫描点,构建的校正轮廓点云就是与该原始扫描点的时间戳相同时刻时运动物体所处位置的轮廓点云。
在一些可行的实施例中,可以先计算原始扫描点的原始坐标与标定扫描点的标定坐标之差为相对坐标,再计算相对坐标与原始扫描点的相对位移之和为相对位置。举例来说,原始扫描点B1与标定扫描点A之间的相对位置ΔPB1`=PB1-PA+ΔPB1;原始扫描点B2与标定扫描点A之间的相对位置ΔPB2`=PB2-PA+ΔPB2;原始扫描点C与标定扫描点A之间的相对位置ΔPC`=PC-PA+ΔPC。
上述实施例中,以标定扫描点为原点构建相应的校正轮廓点云,从而得到运动物体精确的轮廓,能够有效减少不必要的计算量,从而节省构建时间。
请结合参看图5,其为本发明实施例提供的主控设备的内部结构示意图。主控设备10包括存储器11和处理器12。存储器11用于存储程序指令,处理器12用于执行程序指令以实现上述运动物体轮廓的构建方法。
其中,处理器12在一些实施例中可以是一中央处理器(Central ProcessingUnit,CPU)、控制器、微控制器、微处理器或其它数据处理芯片,用于运行存储器11中存储的程序指令。
存储器11至少包括一种类型的可读存储介质,该可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是计算机设备的内部存储单元,例如计算机设备的硬盘。存储器11在另一些实施例中也可以是外部计算机设备的存储设备,例如计算机设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。进一步地,存储器11还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于计算机设备的应用软件及各类数据,例如实现运动物体轮廓的构建方法的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
请结合参看图6,其为本发明实施例提供的运动物体轮廓的构建系统的结构示意图。运动物体轮廓的构建系统100包括激光雷达20、以及主控设备10。在本实施例中,主控设备10与激光雷达20电连接,激光雷达20为调频连续波激光雷达。其中,主控设备10和激光雷达20可以设为一体,也可以分开设置,在此不做限定。运动物体轮廓的构建系统100可以设置于车辆、机器人、飞机等。其中,车辆包括但不限于轿车、摩托车、卡车、运动型多用途车辆(SUV)、休闲车辆(RV)、飞行器等。主控设备10的具体结构参照上述实施例。由于构建系统100采用了上述所有实施例的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果,在此不再一一赘述。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘且本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
以上所列举的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属于本发明所涵盖的范围。
Claims (10)
1.一种运动物体轮廓的构建方法,其特征在于,所述运动物体轮廓的构建方法包括:
获取运动物体的原始轮廓点云的点云数据,其中,所述原始轮廓点云包括若干原始扫描点,所述原始轮廓点云的点云数据包括每一所述原始扫描点的原始坐标、相对速度、以及时间戳,所述原始轮廓点云为运动物体相匹配且标记为同一类的扫描点;
在所述原始轮廓点云中选取一个原始扫描点作为标定扫描点,其中,所述标定扫描点的原始坐标为标定坐标;
根据所述相对速度和所述时间戳计算除标定扫描点以外的每一原始扫描点与标定扫描点之间的相对位移;以及
根据所述原始扫描点的原始坐标和相对位移、以及所述标定扫描点的标定坐标计算每一所述原始扫描点的校正轮廓坐标,以得到相对应的校正轮廓点云,所述校正轮廓点云就是与该原始扫描点的时间戳相同时刻时运动物体所处位置的轮廓点云。
2.如权利要求1所述的运动物体轮廓的构建方法,其特征在于,根据所述相对速度和所述时间戳计算所述原始扫描点与所述标定扫描点之间的相对位移具体包括:
利用预设排序算法对所述原始扫描点进行排序以形成序列;
根据所述原始扫描点的相对速度和时间戳计算所述序列中两个相邻的原始扫描点之间的子位移;以及
计算所述序列中所述原始扫描点与所述标定扫描点之间所包含的所有子位移之和得到所述相对位移。
3.如权利要求2所述的运动物体轮廓的构建方法,其特征在于,利用预设排序算法对所述原始扫描点进行排序以形成序列具体包括:
利用所述预设排序算法根据所述时间戳从小到大的顺序将所述原始扫描点排序形成所述序列;其中,根据所述原始扫描点的相对速度和所述时间戳计算所述序列中两个相邻的原始扫描点之间的子位移具体包括:
计算所述序列中两个相邻的原始扫描点时间戳的时间差;以及
计算所述序列中两个相邻的原始扫描点中的后一原始扫描点的相对速度和所述时间差的乘积为所述子位移。
4.如权利要求1所述的运动物体轮廓的构建方法,其特征在于,根据所述原始扫描点的原始坐标和相对位移、以及所述标定扫描点的标定坐标计算每一所述原始扫描点的校正轮廓坐标具体包括:
以所述标定扫描点为原点建立标定坐标系;
根据所述原始扫描点的原始坐标和相对位移、以及所述标定扫描点的标定坐标计算所述原始扫描点与所述标定扫描点之间相对位置;以及
将所述相对位置设为所述原始扫描点在所述标定坐标系中的校正轮廓坐标。
5.如权利要求4所述的运动物体轮廓的构建方法,其特征在于,根据所述原始扫描点的原始坐标和相对位移、以及所述标定扫描点的标定坐标计算所述原始扫描点与所述标定扫描点之间相对位置具体包括:
计算所述原始扫描点的原始坐标和所述相对位移之和为偏差坐标;以及
计算所述偏差坐标与所述标定扫描点的标定坐标之差为所述相对位置。
6.如权利要求1所述的运动物体轮廓的构建方法,其特征在于,获取运动物体的原始轮廓点云的点云数据具体包括:
获取激光雷达扫描生成的扫描图像;
对所述扫描图像进行图像处理以获得原始图像;
识别所述原始图像以获取所述运动物体的原始轮廓点云;以及
根据所述原始轮廓点云获取所述原始轮廓点云的点云数据。
7.如权利要求1所述的运动物体轮廓的构建方法,其特征在于,在所述原始轮廓点云中选取一个原始扫描点作为标定扫描点具体包括:
选取所述时间戳最小的原始扫描点作为所述标定扫描点。
8.一种主控设备,其特征在于,所述主控设备包括:
存储器,用于存储程序指令;以及
处理器,用于执行所述程序指令以实现如权利要求1至7中任一项所述的运动物体轮廓的构建方法。
9.一种运动物体轮廓的构建系统,其特征在于,所述运动物体轮廓的构建系统包括:
激光雷达;以及
如权利要求8所述的主控设备,所述主控设备与所述激光雷达电连接。
10.如权利要求9所述的运动物体轮廓的构建系统,其特征在于,所述激光雷达为调频连续波激光雷达。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210451268.1A CN114754699B (zh) | 2022-04-24 | 2022-04-24 | 运动物体轮廓的构建方法及系统、以及主控设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210451268.1A CN114754699B (zh) | 2022-04-24 | 2022-04-24 | 运动物体轮廓的构建方法及系统、以及主控设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114754699A CN114754699A (zh) | 2022-07-15 |
CN114754699B true CN114754699B (zh) | 2023-08-25 |
Family
ID=82332959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210451268.1A Active CN114754699B (zh) | 2022-04-24 | 2022-04-24 | 运动物体轮廓的构建方法及系统、以及主控设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114754699B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107702662A (zh) * | 2017-09-27 | 2018-02-16 | 深圳拎得清软件有限公司 | 基于激光扫描仪和bim的逆向监控方法及其系统 |
CN108132025A (zh) * | 2017-12-24 | 2018-06-08 | 上海捷崇科技有限公司 | 一种车辆三维轮廓扫描构建方法 |
CN109541570A (zh) * | 2017-09-21 | 2019-03-29 | 腾讯科技(深圳)有限公司 | 毫米波扫描设备标定的方法及设备 |
US10634793B1 (en) * | 2018-12-24 | 2020-04-28 | Automotive Research & Testing Center | Lidar detection device of detecting close-distance obstacle and method thereof |
CN111912352A (zh) * | 2020-07-15 | 2020-11-10 | 深圳融荟智能科技有限公司 | 一种容积扫描方法及其装置 |
CN113983954A (zh) * | 2021-10-19 | 2022-01-28 | 中铁大桥科学研究院有限公司 | 一种测量桥面线形的方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020082030A1 (en) * | 2018-10-18 | 2020-04-23 | The Regents Of The University Of California | Device and method for motility-based label-free detection of motile objects in a fluid sample |
CN109489580B (zh) * | 2018-12-10 | 2021-09-24 | 华东理工大学 | 一种航空发动机叶片表面加工的在机点云检测及补偿方法 |
-
2022
- 2022-04-24 CN CN202210451268.1A patent/CN114754699B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109541570A (zh) * | 2017-09-21 | 2019-03-29 | 腾讯科技(深圳)有限公司 | 毫米波扫描设备标定的方法及设备 |
CN107702662A (zh) * | 2017-09-27 | 2018-02-16 | 深圳拎得清软件有限公司 | 基于激光扫描仪和bim的逆向监控方法及其系统 |
CN108132025A (zh) * | 2017-12-24 | 2018-06-08 | 上海捷崇科技有限公司 | 一种车辆三维轮廓扫描构建方法 |
US10634793B1 (en) * | 2018-12-24 | 2020-04-28 | Automotive Research & Testing Center | Lidar detection device of detecting close-distance obstacle and method thereof |
CN111912352A (zh) * | 2020-07-15 | 2020-11-10 | 深圳融荟智能科技有限公司 | 一种容积扫描方法及其装置 |
CN113983954A (zh) * | 2021-10-19 | 2022-01-28 | 中铁大桥科学研究院有限公司 | 一种测量桥面线形的方法及装置 |
Non-Patent Citations (1)
Title |
---|
李浩 ; 王旭辉.基于深度神经网络的车辆特征识别方法.河南工程学院学报(自然科学版).2017,第44-48页. * |
Also Published As
Publication number | Publication date |
---|---|
CN114754699A (zh) | 2022-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111311689B (zh) | 一种激光雷达与相机相对外参的标定方法及系统 | |
KR102195164B1 (ko) | 다중 라이다를 이용한 다중 물체 인식 시스템 및 방법 | |
US6999896B2 (en) | Identical object determination method and apparatus and displacement correction method and apparatus | |
CN107076848B (zh) | 用于生成周围环境地图的方法,和驾驶员辅助系统 | |
JP2001004368A (ja) | 物体認識装置 | |
JP2000357233A (ja) | 物体認識装置 | |
CN114051628B (zh) | 一种确定目标对象点云集的方法及装置 | |
CN113111513B (zh) | 传感器配置方案确定方法、装置、计算机设备及存储介质 | |
CN108780149B (zh) | 通过传感器的间接测量来改进对机动车辆周围的至少一个物体的检测的方法,控制器,驾驶员辅助系统和机动车辆 | |
CN112513679A (zh) | 一种目标识别的方法和装置 | |
EP3712642B1 (en) | Light signal detection device, range finding device, and detection method | |
CN112083441A (zh) | 激光雷达和毫米波雷达深度融合的障碍物检测方法及系统 | |
CN111105465B (zh) | 一种摄像装置校准方法、装置、系统电子设备及存储介质 | |
US11879992B2 (en) | Method for identifying static radar targets using a radar sensor for motor vehicles | |
CN112146848A (zh) | 一种确定摄像头的畸变参数的方法及装置 | |
CN112432647A (zh) | 车厢的定位方法、装置、系统及计算机可读存储介质 | |
CN114763997A (zh) | 车辆采集到的雷达点云数据的处理方法、装置及电子设备 | |
CN113743171A (zh) | 目标检测方法及装置 | |
CN114419143A (zh) | 深度测量方法、深度测量设备及存储介质 | |
US20230260132A1 (en) | Detection method for detecting static objects | |
CN113970734A (zh) | 路侧多线激光雷达降雪噪点去除方法、装置及设备 | |
JP2018116004A (ja) | データ圧縮装置、制御方法、プログラム及び記憶媒体 | |
JP5142826B2 (ja) | 物体の位置情報算出方法 | |
CN114754699B (zh) | 运动物体轮廓的构建方法及系统、以及主控设备 | |
CN114791601A (zh) | 目标物体轮廓的构建方法及系统、以及主控设备 |
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 |