CN114779210A - 一种基于无人驾驶车辆的障碍物有向包围盒的生成方法 - Google Patents

一种基于无人驾驶车辆的障碍物有向包围盒的生成方法 Download PDF

Info

Publication number
CN114779210A
CN114779210A CN202210343880.7A CN202210343880A CN114779210A CN 114779210 A CN114779210 A CN 114779210A CN 202210343880 A CN202210343880 A CN 202210343880A CN 114779210 A CN114779210 A CN 114779210A
Authority
CN
China
Prior art keywords
target
point cloud
convex hull
obstacle
point
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
Application number
CN202210343880.7A
Other languages
English (en)
Inventor
张锐
张娜
唐晓
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.)
Sany Intelligent Mining Technology Co Ltd
Original Assignee
Sany Intelligent Mining Technology Co Ltd
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 Sany Intelligent Mining Technology Co Ltd filed Critical Sany Intelligent Mining Technology Co Ltd
Priority to CN202210343880.7A priority Critical patent/CN114779210A/zh
Publication of CN114779210A publication Critical patent/CN114779210A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本申请公开了一种基于无人驾驶车辆的障碍物有向包围盒的生成方法及装置、存储介质、计算机设备，该方法包括：获取所述无人驾驶车辆中车载激光雷达采集到的障碍物点云数据，障碍物点云用于指示所述障碍物朝向所述车载激光雷达的面积，其中，所述障碍物点云包括多个目标点；基于所述障碍物点云数据，确定所述障碍物对应的目标凸包点云，其中，由所述目标凸包点云组成的目标凸包包围所述障碍物点云，所述目标凸包点云包括多个凸包点；依据所述目标凸包点云中的所述凸包点，生成所述无人驾驶车辆的所述障碍物有向包围盒。本申请能够有效减少对计算资源的消耗，有向包围盒的生成时间较短，同时可以较为准确的确定障碍物的包围空间。

Description

一种基于无人驾驶车辆的障碍物有向包围盒的生成方法
技术领域
本申请涉及计算机处理技术领域，尤其是涉及到一种基于无人驾驶车辆的障碍物有向包围盒的生成方法及装置、存储介质、计算机设备。
背景技术
为了保障无人驾驶车辆在道路上安全行驶，需要在无人驾驶车辆行驶过程中不断分析周边环境中的障碍物，并准确快速地计算出障碍物的包围盒，以使无人驾驶车辆能够避免与障碍物相撞。在这里，包围盒指的是将复杂的障碍物封装在简单的包围盒中，用简单的包围盒形状来近似代替复杂的障碍物形状。
目前，包围盒的生成方法主要存在如下问题：考虑方向的包围盒计算方法复杂度较高，运算时间过长、且造成硬件负荷较高；不考虑方向的包围盒计算方法容易造成过包围，导致包围盒中存在很多不必要的包围空间。
发明内容
有鉴于此，本申请提供了一种基于无人驾驶车辆的障碍物有向包围盒的生成方法及装置、存储介质、计算机设备，能够有效减少对计算资源的消耗，有向包围盒的生成时间较短，同时可以较为准确的确定障碍物的包围空间。
根据本申请的一个方面，提供了一种基于无人驾驶车辆的障碍物有向包围盒的生成方法，包括：
获取所述无人驾驶车辆中车载激光雷达采集到的障碍物点云数据，其中，障碍物点云用于指示所述障碍物朝向所述车载激光雷达的面积，所述障碍物点云包括多个目标点；
基于所述障碍物点云数据，确定所述障碍物对应的目标凸包点云，其中，由所述目标凸包点云组成的目标凸包包围所述障碍物点云，所述目标凸包点云包括多个凸包点；
依据所述目标凸包点云中的所述凸包点，生成所述无人驾驶车辆的所述障碍物有向包围盒。
根据本申请的另一方面，提供了一种基于无人驾驶车辆的障碍物有向包围盒的生成装置，包括：
数据获取模块，用于获取所述无人驾驶车辆中车载激光雷达采集到的障碍物点云数据，其中，障碍物点云用于指示所述障碍物朝向所述车载激光雷达的面积，所述障碍物点云包括多个目标点；
凸包确定模块，用于基于所述障碍物点云数据，确定所述障碍物对应的目标凸包点云，其中，由所述目标凸包点云组成的目标凸包包围所述障碍物点云，所述目标凸包点云包括多个凸包点；
包围盒生成模块，用于依据所述目标凸包点云中的所述凸包点，生成所述无人驾驶车辆的所述障碍物有向包围盒。
依据本申请又一个方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述基于无人驾驶车辆的障碍物有向包围盒的生成方法。
依据本申请再一个方面，提供了一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述基于无人驾驶车辆的障碍物有向包围盒的生成方法。
借由上述技术方案，本申请提供的一种基于无人驾驶车辆的障碍物有向包围盒的生成方法及装置、存储介质、计算机设备，可以通过无人驾驶车辆中的车载激光雷达采集障碍物点云数据，障碍物点云中可以包括多个目标点。在车载激光雷达采集到障碍物点云数据之后，可以获取这些障碍物点云数据，并根据这些障碍物点云数据，确定障碍物对应的目标凸包点云。每个目标凸包点云中可以包括多个凸包点，且每个凸包点实际上均是障碍物点云中的目标点。以目标凸包点云中的凸包点为基础，通过这些凸包点确定无人驾驶车辆的障碍物有向包围盒。本申请实施例通过目标凸包点云中的凸包点确定无人驾驶车辆的障碍物有向包围盒，可以有效减少有向包围盒确定时的计算资源占用，提高有向包围盒的确定效率，同时可以较为准确地确定障碍物的占用空间。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1示出了本申请实施例提供的一种基于无人驾驶车辆的障碍物有向包围盒的生成方法的流程示意图；
图2示出了本申请实施例提供的另一种基于无人驾驶车辆的障碍物有向包围盒的生成方法的流程示意图；
图3示出了本申请实施例提供的另一种基于无人驾驶车辆的障碍物有向包围盒的生成装置的结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本申请。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
在本实施例中提供了一种基于无人驾驶车辆的障碍物有向包围盒的生成方法，如图1所示，该方法包括：
步骤101，获取所述无人驾驶车辆中车载激光雷达采集到的障碍物点云数据，其中，障碍物点云用于指示所述障碍物朝向所述车载激光雷达的面积，所述障碍物点云包括多个目标点；
本申请实施例提供的基于无人驾驶车辆的障碍物有向包围盒的生成方法，可以应用于无人驾驶车辆中障碍物有向包围盒确定的场景，具体可以应用于矿区无人驾驶矿车的障碍物有向包围盒的确定场景中。首先，可以通过无人驾驶车辆中的车载激光雷达采集障碍物点云数据，具体地，车载激光雷达可以利用激光扫描无人驾驶车辆的周围环境并生成点云数据，采集到的可以是每帧点云数据。在这里，障碍物可以是无人驾驶车辆在行驶过程中预设范围内的障碍物，障碍物点云中可以包括多个目标点。从障碍物点云中可以大致确定障碍物朝向车载激光雷达的面积。在车载激光雷达采集到障碍物点云数据之后，可以获取这些障碍物点云数据。
步骤102，基于所述障碍物点云数据，确定所述障碍物对应的目标凸包点云，其中，由所述目标凸包点云组成的目标凸包包围所述障碍物点云，所述目标凸包点云包括多个凸包点；
在该实施例中，获取障碍物点云数据之后，可以根据这些障碍物点云数据，确定障碍物对应的目标凸包点云。目标凸包指的是包围障碍物点云的，且由障碍物点云中的目标点组成的凸形包围多线段。每个目标凸包点云中可以包括多个凸包点，且每个凸包点实际上均是障碍物点云中的目标点。
步骤103，依据所述目标凸包点云中的所述凸包点，生成所述无人驾驶车辆的所述障碍物有向包围盒。
在该实施例中，以目标凸包点云中的凸包点为基础，通过这些凸包点确定无人驾驶车辆的障碍物有向包围盒。例如，障碍物点云中的目标点有100个，其中有10个目标点组成了目标凸包点云，那么则根据这10个目标点确定无人驾驶车辆的障碍物有向包围盒。
在本申请实施例中，可选地，步骤102之前，所述方法还包括：判断所述障碍物点云中所述目标点的数量与预设阈值之间的关系，并当所述目标点的数量小于所述预设阈值时，删除所述障碍物点云。
在该实施例中，在确定障碍物对应的目标凸包点云之前，可以先判断障碍物点云中的目标点的数量和预设阈值之间的大小关系。其中，预设阈值可以是根据相关工作人员的经验设定的。如果障碍物点云中目标点的数量小于预设阈值，那么说明该障碍物点云可能是灰尘，或者东西较小不足以对无人驾驶车辆的安全行驶造成影响，亦或是车载激光雷达的误检，因此可以将此部分障碍物点云进行删除处理，不再进行后续的有向包围盒的确定。本申请实施例在进行目标凸包点云以及障碍物有向包围盒的确定之前，先判断障碍物点云中的目标点数量是否满足预设阈值，不满足时直接将该障碍物点云删除，可以有效地减少无效计算量，提升无人驾驶车辆行驶过程中有效有向包围盒的确定效率。
通过应用本实施例的技术方案，可以通过无人驾驶车辆中的车载激光雷达采集障碍物点云数据，障碍物点云中可以包括多个目标点。在车载激光雷达采集到障碍物点云数据之后，可以获取这些障碍物点云数据，并根据这些障碍物点云数据，确定障碍物对应的目标凸包点云。每个目标凸包点云中可以包括多个凸包点，且每个凸包点实际上均是障碍物点云中的目标点。以目标凸包点云中的凸包点为基础，通过这些凸包点确定无人驾驶车辆的障碍物有向包围盒。本申请实施例通过目标凸包点云中的凸包点确定无人驾驶车辆的障碍物有向包围盒，可以有效减少有向包围盒确定时的计算资源占用，提高有向包围盒的确定效率，同时可以较为准确地确定障碍物的占用空间。
进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例的具体实施过程，提供了另一种基于无人驾驶车辆的障碍物有向包围盒的生成方法，如图2所示，该方法包括：
步骤201，获取所述无人驾驶车辆中车载激光雷达采集到的障碍物点云数据，其中，障碍物点云用于指示所述障碍物朝向所述车载激光雷达的面积，所述障碍物点云包括多个目标点；
在该实施例中，首先，可以通过无人驾驶车辆中的车载激光雷达采集障碍物点云数据，具体地，车载激光雷达可以利用激光扫描无人驾驶车辆的周围环境并生成点云数据，采集到的可以是每帧点云数据。在这里，障碍物可以是无人驾驶车辆在行驶过程中预设范围内的障碍物，障碍物点云中可以包括多个目标点。从障碍物点云中可以大致确定障碍物朝向车载激光雷达的面积。在车载激光雷达采集到障碍物点云数据之后，可以获取这些障碍物点云数据。
步骤202，基于所述障碍物点云数据，将所述障碍物点云中的目标点按顺序进行编号，得到编号后的障碍物点云；
在该实施例中，获取障碍物点云数据后，可以对障碍物点云中包括的每个目标点进行编号，进而可以得到编号后的障碍物点云。例如，障碍物点云中包括100个目标点，那么可以将这100个目标点分别按照顺序进行编号，具体可以将编号设置为D001～D100，这样可以将障碍物点云记作[D001，D002，……，D099，D100]。此外，障碍物点云数据中可以包括各个目标点之间的临近关系，因此根据障碍物点云数据，可以按照障碍物点云数据显示的各个目标点之间的位置关系对各个目标点进行编号，使得位置相近的目标点之间的编号是相近的。
步骤203，基于所述编号后的障碍物点云，确定初始凸包点云，其中，所述初始凸包点云包括预设数量的相邻目标点；
在该实施例中，可以以编号后的障碍物点云为基础，具体可以从障碍物点云中选择预设数量的相邻目标点作为初始凸包点云。例如，障碍物点云为[D001，D002，……，D099，D100]，障碍物点云中包括100个目标点，假设预设数量为3，那么可以将[D001，D002，D003]作为初始凸包点云。
步骤204，依据所述初始凸包点云以及剩余点云，确定所述障碍物对应的所述目标凸包点云，其中，所述剩余点云包括所述障碍物点云中除所述预设数量的相邻目标点之外的所述目标点；
在该实施例中，进一步，可以将障碍物点云中除了初始凸包点云中的凸包点之外的目标点作为剩余点云。例如障碍物点云为[D001，D002，……，D099，D100]，[D001，D002，D003]为初始凸包点云，那么[D004，D005，……，D099，D100]作为剩余点云。接着，可以以初始凸包点云和剩余点云为基础，确定无人驾驶车辆场景下障碍物对应的目标凸包点云，即从这些目标点中找到能包围所有目标点、且连接起来形状为凸形的多线段中的目标点组成目标凸包。
步骤205，依据所述无人驾驶车辆确定目标坐标轴以及目标原点，基于所述目标原点以及预设角度变化值，在所述目标坐标轴上确定各个目标角度，其中，所述各个目标角度小于预设角度范围；
在该实施例中，可以以无人驾驶车辆为基础，确定该无人驾驶车辆对应的目标坐标轴和目标原点。具体地，可以将无人驾驶车辆的右侧作为x轴，将车头位置作为x轴上的目标原点。接着，可以根据目标原点和预设角度变化值，在目标坐标轴上确定各个目标角度。例如，预设角度变化值可以是10°，预设角度范围可以是0°～90°，那么目标角度可以0°、10°、20°、30°、40°、50°、60°、70°、80°、90°，可以将各个目标角度均通过目标原点体现在目标坐标轴上。
步骤206，依据所述各个目标角度以及所述目标凸包点云中的所述凸包点，生成所述各个目标角度对应的初始有向包围盒，并基于所述初始有向包围盒，确定所述无人驾驶车辆的所述障碍物有向包围盒。
在该实施例中，在目标坐标轴上确定了各个目标角度之后，可以以目标坐标轴上的各个目标角度和目标凸包点云中的凸包点为基础，针对每个目标角度，均确定一个对应的初始有向包围盒。例如，目标角度有10个，那么初始有向包围盒也对应有10个，这10个初始有向包围盒均是同一个障碍物的有向包围盒。接着，可以从同一个障碍物的初始有向包围盒中，确定无人驾驶车辆的障碍物有向包围盒，即最终的有向包围盒，无人驾驶车辆最终根据障碍物有向包围盒躲避障碍物，以保障自动驾驶安全。
在本申请实施例中，可选地，步骤206中所述“依据所述各个目标角度以及所述目标凸包点云中的所述凸包点，生成所述各个目标角度对应的初始有向包围盒”，具体包括：依据任一所述目标角度，确定所述初始有向包围盒中每条包围边的斜率，其中，所述初始有向包围盒为矩形包围盒；基于所述初始有向包围盒中每条所述包围边的斜率，以及满足所述斜率的所述目标凸包点云中的四个所述凸包点，生成所述任一所述目标角度对应的所述初始有向包围盒。
在该实施例中，初始有向包围盒具体可以是矩形包围盒。在目标坐标轴上确定各个目标角度之后，可以根据每个目标角度，确定对应的初始有向包围盒中每条包围边的斜率。例如，在目标坐标轴上根据目标原点确定了30°的目标角度，那么矩形包围盒的四条包围边的斜率随即固定。确定矩形包围盒的四条包围边的斜率之后，从目标凸包点云的凸包点中确定四个满足斜率的凸包点，即可快速确定与该目标角度对应的初始有向包围盒。
在本申请实施例中，可选地，步骤206中所述“基于所述初始有向包围盒，确定所述无人驾驶车辆的所述障碍物有向包围盒”，具体包括：基于任一所述初始有向包围盒，确定所述障碍物点云中与每个所述目标点距离最近的所述包围边，并确定每个所述目标点与距离最近的所述包围边之间的垂直距离；计算各个所述目标点对应的所述垂直距离的和值，将所述和值作为所述任一所述初始有向包围盒的目标距离；将所述目标距离最小的所述初始有向包围盒作为所述无人驾驶车辆的所述障碍物有向包围盒。
在该实施例中，确定各个目标角度对应的初始有向包围盒之后，进一步可以从多个初始有向包围盒中确定无人驾驶车辆的障碍物有向包围盒。首先，可以确定每个初始有向包围盒内障碍物点云中与每个目标点距离最近的包围边。例如，初始有向包围盒为矩形包围盒，矩形包围盒包括四个包围边，可以从这四条包围边中找到每个目标点对应的距离最近的包围边。接着，确定每个目标点与对应的距离最近的包围边之间的垂直距离，并将障碍物点云中全部目标点对应的垂直距离相加，得到全部目标点对应的垂直距离的和值，进一步可以将该和值作为初始有向包围盒的目标距离。之后，从各个初始有向包围盒对应的目标距离中确定目标距离最小的初始有向包围盒，并将该初始有向包围盒作为无人驾驶车辆的障碍物有向包围盒。
在本申请实施例中，可选地，步骤204具体包括：
步骤204-1，将所述初始凸包点云存储至预设双端队列，其中，所述预设双端队列包括队列首端和队列尾端；
在该实施例中，确定初始凸包点云后，可以将初始凸包点云存储在预设双端队列中。预设双端队列可以包括队列首端和队列尾端，其中，队列首端可以设置top标签，队列尾端可以设置bot标签。在预设双端队列中，队列首端和队列尾端均可以增加目标点或者删除目标点。
步骤204-2，确定所述队列尾端的所述目标点的目标编号，并将所述剩余点云中所述目标编号对应的下一所述目标点作为待判断目标点；
在该实施例中，将初始凸包点云存储在预设双端队列中之后，由于每个目标点均对应有自己的编号，因此可以确定预设双端队列中队列尾端的目标点的目标编号，在这里，队列尾端的目标点即预设双端队列中的最后一个目标点，队列首端的目标点即预设双端队列中的第一个目标点。接着，从剩余点云中找出目标编号的下一目标点作为待判断目标点。例如，初始凸包点云为[D001，D002，D003]，队列尾端的目标点的目标编号为D003，剩余点云为[D004，D005，……，D099，D100]，那么从剩余点云中确定D003的下一个目标点，即D004，并将D004作为待判断目标点。此外，当队列尾端的目标点的目标编号为障碍物点云中的最后一个编号的目标点时，可以将障碍物点云中的第一个编号对应的目标点作为待判断目标点。例如，初始凸包点云为[D098，D099，D100]，队列尾端的目标点的目标编号为D100，剩余点云为[D001，D002，……，D096，D097]，那么从剩余点云中确定D100的下一个目标点，即D001，并将D001作为待判断目标点。
步骤204-3，将所述队列首端的相邻两个所述目标点连接，确定第一连接线，并将所述队列尾端的相邻两个所述目标点连接，确定第二连接线；
在该实施例中，进一步，可以将预设双端队列中，队列首端的相邻两个目标点连接在一起，即第一位的目标点和第二位的目标点连接在一起，从而确定出第一连接线，此外还可以将队列尾端的相邻两个目标点连接在一起，即倒数第一位的目标点和倒数第二位的目标点连接在一起，从而确定出第二连接线。例如，预设双端队列中存储的初始凸包点云为[D001，D002，D003]，其中队列首端的相邻两个目标点分别是D001和D002，那么第一连接线即为过D001、D002两个目标点的连接线，队列尾端的相邻两个目标点分别是D003、D002，那么第二连接线即为过D002、D003两个目标点的连接线。
步骤204-4，判断所述待判断目标点与所述第一连接线的位置关系，当所述待判断目标点位于所述第一连接线右侧时，删除所述队列首端的所述目标点，并基于所述队列首端的新的相邻两个所述目标点更新所述第一连接线，再次判断所述待判断目标点与更新后的第一连接线的位置关系，直至所述待判断目标点位于所述第一连接线左侧，将所述待判断目标点存入所述队列首端；
在该实施例中，确定第一连接线和第二连接线之后，可以进一步判断待判断目标点与第一连接线之间的位置关系。如果待判断目标点在第一连接线的右侧，那么说明预设双端队列中的首个目标点失效，也即初始凸包点云中的首个凸包点失效，因此可以将该首个凸包点从预设双端队列中删除，即从队列首端去掉该凸包点。删除队列首端的凸包点后，预设双端队列的队列首端即出现一个新的目标点。例如，预设双端队列中存储的初始凸包点云为[D001，D002，D003]，队列首端的目标点为D001，删除D001之后，队列首端的目标点即变为D002。接着，以队列首端的新的两个相邻目标点为基础，确定新的第一连接线，并再次确定上述待判断目标点和新的第一连接线之间的位置关系。如果待判断目标点仍旧在新的第一连接线的右侧，再次删除队列首端的目标点，并确定新的第一连接线……直到待判断目标点位于第一连接线的左侧，此时可以将待判断目标点存储在预设双端队列的队列首端，更新初始凸包点云中的凸包点。
步骤204-5，判断所述待判断目标点与所述第二连接线的位置关系，当所述待判断目标点位于所述第二连接线右侧时，删除所述队列尾端的所述目标点，并基于所述队列尾端的新的相邻两个所述目标点更新所述第二连接线，再次判断所述待判断目标点与更新后的第二连接线的位置关系，直至所述待判断目标点位于所述第二连接线左侧，将所述待判断目标点存入所述队列尾端；
在该实施例中，当待判断目标点在第一连接线的左侧并将待判断目标点存储在队列首端后，可以接着判断待判断目标点与第二连接线的位置关系。同样地，如果待判断目标点在第二连接线的右侧，则同样删除队列尾端的目标点，并更新第二连接线，直到待判断目标点位于第二连接线的左侧。当待判断目标点位于第二连接线的左侧时，可以将该待判断目标点存储在预设双端队列的队列尾端，更新初始凸包点云中的凸包点。
步骤204-6，当所述剩余点云中任一所述目标点均作为所述待判断目标点，且判断与第一连接线以及第二连接线的位置关系后，得到所述障碍物对应的所述目标凸包点云。
在该实施例中，将待判断目标点分别存储至预设双端队列的队列首端和队列尾端后，可以进一步通过上面的方法，将剩余点云中下一编号的目标点作为待判断目标点进行判断。例如，假设初始凸包点云为[D001，D002，D003]，更新后的初始凸包点云为[D004，D002，D004]，那么下一编号的目标点即为D005，即可以将D005作为待判断目标点。直至剩余点云中每个目标点均作为待判断目标点进行过至少一次判断后，可以对应得到障碍物对应的目标凸包点云。
进一步的，作为图1方法的具体实现，本申请实施例提供了一种基于无人驾驶车辆的障碍物有向包围盒的生成装置，如图3所示，该装置包括：
数据获取模块，用于获取所述无人驾驶车辆中车载激光雷达采集到的障碍物点云数据，其中，障碍物点云用于指示所述障碍物朝向所述车载激光雷达的面积，所述障碍物点云包括多个目标点；
凸包确定模块，用于基于所述障碍物点云数据，确定所述障碍物对应的目标凸包点云，其中，由所述目标凸包点云组成的目标凸包包围所述障碍物点云，所述目标凸包点云包括多个凸包点；
包围盒生成模块，用于依据所述目标凸包点云中的所述凸包点，生成所述无人驾驶车辆的所述障碍物有向包围盒。
可选地，所述包围盒生成模块，具体包括：
目标角度确定单元，用于依据所述无人驾驶车辆确定目标坐标轴以及目标原点，基于所述目标原点以及预设角度变化值，在所述目标坐标轴上确定各个目标角度，其中，所述各个目标角度小于预设角度范围；
包围盒生成单元，用于依据所述各个目标角度以及所述目标凸包点云中的所述凸包点，生成所述各个目标角度对应的初始有向包围盒，并基于所述初始有向包围盒，确定所述无人驾驶车辆的所述障碍物有向包围盒。
可选地，包围盒生成单元，具体用于：
依据任一所述目标角度，确定所述初始有向包围盒中每条包围边的斜率，其中，所述初始有向包围盒为矩形包围盒；基于所述初始有向包围盒中每条所述包围边的斜率，以及满足所述斜率的所述目标凸包点云中的四个所述凸包点，生成所述任一所述目标角度对应的所述初始有向包围盒。
可选地，所述包围盒生成单元，具体还用于：
基于任一所述初始有向包围盒，确定所述障碍物点云中与每个所述目标点距离最近的所述包围边，并确定每个所述目标点与距离最近的所述包围边之间的垂直距离；计算各个所述目标点对应的所述垂直距离的和值，将所述和值作为所述任一所述初始有向包围盒的目标距离；将所述目标距离最小的所述初始有向包围盒作为所述无人驾驶车辆的所述障碍物有向包围盒。
可选地，所述装置还包括：
判断模块，用于所述基于所述障碍物点云数据，确定所述障碍物对应的目标凸包点云之前，判断所述障碍物点云中所述目标点的数量与预设阈值之间的关系，并当所述目标点的数量小于所述预设阈值时，删除所述障碍物点云。
可选地，所述凸包确定模块，具体包括：
编号单元，用于基于所述障碍物点云数据，将所述障碍物点云中的目标点按顺序进行编号，得到编号后的障碍物点云；
初始凸包点云确定单元，用于基于所述编号后的障碍物点云，确定初始凸包点云，其中，所述初始凸包点云包括预设数量的相邻目标点；
目标凸包确定单元，用于依据所述初始凸包点云以及剩余点云，确定所述障碍物对应的所述目标凸包点云，其中，所述剩余点云包括所述障碍物点云中除所述预设数量的相邻目标点之外的所述目标点。
可选地，所述目标凸包确定单元，具体用于：
将所述初始凸包点云存储至预设双端队列，其中，所述预设双端队列包括队列首端和队列尾端；确定所述队列尾端的所述目标点的目标编号，并将所述剩余点云中所述目标编号对应的下一所述目标点作为待判断目标点；将所述队列首端的相邻两个所述目标点连接，确定第一连接线，并将所述队列尾端的相邻两个所述目标点连接，确定第二连接线；判断所述待判断目标点与所述第一连接线的位置关系，当所述待判断目标点位于所述第一连接线右侧时，删除所述队列首端的所述目标点，并基于所述队列首端的新的相邻两个所述目标点更新所述第一连接线，再次判断所述待判断目标点与更新后的第一连接线的位置关系，直至所述待判断目标点位于所述第一连接线左侧，将所述待判断目标点存入所述队列首端；判断所述待判断目标点与所述第二连接线的位置关系，当所述待判断目标点位于所述第二连接线右侧时，删除所述队列尾端的所述目标点，并基于所述队列尾端的新的相邻两个所述目标点更新所述第二连接线，再次判断所述待判断目标点与更新后的第二连接线的位置关系，直至所述待判断目标点位于所述第二连接线左侧，将所述待判断目标点存入所述队列尾端；当所述剩余点云中任一所述目标点均作为所述待判断目标点，且判断与第一连接线以及第二连接线的位置关系后，得到所述障碍物对应的所述目标凸包点云。
需要说明的是，本申请实施例提供的一种有向包围盒的生成装置所涉及各功能单元的其他相应描述，可以参考图1至图2方法中的对应描述，在此不再赘述。
基于上述如图1至图2所示方法，相应的，本申请实施例还提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述如图1至图2所示的有向包围盒的生成方法。
基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)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)执行本申请各个实施场景所述的方法。
基于上述如图1至图2所示的方法，以及图3所示的虚拟装置实施例，为了实现上述目的，本申请实施例还提供了一种计算机设备，具体可以为个人计算机、服务器、网络设备等，该计算机设备包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图1至图2所示的有向包围盒的生成方法。
可选地，该计算机设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency，RF)电路，传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等，可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如蓝牙接口、WI-FI接口)等。
本领域技术人员可以理解，本实施例提供的一种计算机设备结构并不构成对该计算机设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。
存储介质中还可以包括操作系统、网络通信模块。操作系统是管理和保存计算机设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与该实体设备中其它硬件和软件之间通信。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现。可以通过无人驾驶车辆中的车载激光雷达采集障碍物点云数据，障碍物点云中可以包括多个目标点。在车载激光雷达采集到障碍物点云数据之后，可以获取这些障碍物点云数据，并根据这些障碍物点云数据，确定障碍物对应的目标凸包点云。每个目标凸包点云中可以包括多个凸包点，且每个凸包点实际上均是障碍物点云中的目标点。以目标凸包点云中的凸包点为基础，通过这些凸包点确定无人驾驶车辆的障碍物有向包围盒。本申请实施例通过目标凸包点云中的凸包点确定无人驾驶车辆的障碍物有向包围盒，可以有效减少有向包围盒确定时的计算资源占用，提高有向包围盒的确定效率，同时可以较为准确地确定障碍物的占用空间。
本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。

Claims (10)

1.一种基于无人驾驶车辆的障碍物有向包围盒的生成方法，其特征在于，包括：
获取所述无人驾驶车辆中车载激光雷达采集到的障碍物点云数据，其中，障碍物点云用于指示所述障碍物朝向所述车载激光雷达的面积，所述障碍物点云包括多个目标点；
基于所述障碍物点云数据，确定所述障碍物对应的目标凸包点云，其中，由所述目标凸包点云组成的目标凸包包围所述障碍物点云，所述目标凸包点云包括多个凸包点；
依据所述目标凸包点云中的所述凸包点，生成所述无人驾驶车辆的所述障碍物有向包围盒。
2.根据权利要求1所述的方法，其特征在于，所述依据所述目标凸包点云中的所述凸包点，生成所述无人驾驶车辆的所述障碍物有向包围盒，具体包括：
依据所述无人驾驶车辆确定目标坐标轴以及目标原点，基于所述目标原点以及预设角度变化值，在所述目标坐标轴上确定各个目标角度，其中，所述各个目标角度小于预设角度范围；
依据所述各个目标角度以及所述目标凸包点云中的所述凸包点，生成所述各个目标角度对应的初始有向包围盒，并基于所述初始有向包围盒，确定所述无人驾驶车辆的所述障碍物有向包围盒。
3.根据权利要求2所述的方法，其特征在于，所述依据所述各个目标角度以及所述目标凸包点云中的所述凸包点，生成所述各个目标角度对应的初始有向包围盒，具体包括：
依据任一所述目标角度，确定所述初始有向包围盒中每条包围边的斜率，其中，所述初始有向包围盒为矩形包围盒；
基于所述初始有向包围盒中每条所述包围边的斜率，以及满足所述斜率的所述目标凸包点云中的四个所述凸包点，生成所述任一所述目标角度对应的所述初始有向包围盒。
4.根据权利要求2所述的方法，其特征在于，所述基于所述初始有向包围盒，确定所述无人驾驶车辆的所述障碍物有向包围盒，具体包括：
基于任一所述初始有向包围盒，确定所述障碍物点云中与每个所述目标点距离最近的所述包围边，并确定每个所述目标点与距离最近的所述包围边之间的垂直距离；
计算各个所述目标点对应的所述垂直距离的和值，将所述和值作为所述任一所述初始有向包围盒的目标距离；
将所述目标距离最小的所述初始有向包围盒作为所述无人驾驶车辆的所述障碍物有向包围盒。
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述基于所述障碍物点云数据，确定所述障碍物对应的目标凸包点云之前，所述方法还包括：
判断所述障碍物点云中所述目标点的数量与预设阈值之间的关系，并当所述目标点的数量小于所述预设阈值时，删除所述障碍物点云。
6.根据权利要求5所述的方法，其特征在于，所述基于所述障碍物点云数据，确定所述障碍物对应的目标凸包点云，具体包括：
基于所述障碍物点云数据，将所述障碍物点云中的目标点按顺序进行编号，得到编号后的障碍物点云；
基于所述编号后的障碍物点云，确定初始凸包点云，其中，所述初始凸包点云包括预设数量的相邻目标点；
依据所述初始凸包点云以及剩余点云，确定所述障碍物对应的所述目标凸包点云，其中，所述剩余点云包括所述障碍物点云中除所述预设数量的相邻目标点之外的所述目标点。
7.根据权利要求6所述的方法，其特征在于，所述依据所述初始凸包点云以及剩余点云，确定所述障碍物对应的所述目标凸包点云，具体包括：
将所述初始凸包点云存储至预设双端队列，其中，所述预设双端队列包括队列首端和队列尾端；
确定所述队列尾端的所述目标点的目标编号，并将所述剩余点云中所述目标编号对应的下一所述目标点作为待判断目标点；
将所述队列首端的相邻两个所述目标点连接，确定第一连接线，并将所述队列尾端的相邻两个所述目标点连接，确定第二连接线；
判断所述待判断目标点与所述第一连接线的位置关系，当所述待判断目标点位于所述第一连接线右侧时，删除所述队列首端的所述目标点，并基于所述队列首端的新的相邻两个所述目标点更新所述第一连接线，再次判断所述待判断目标点与更新后的第一连接线的位置关系，直至所述待判断目标点位于所述第一连接线左侧，将所述待判断目标点存入所述队列首端；
判断所述待判断目标点与所述第二连接线的位置关系，当所述待判断目标点位于所述第二连接线右侧时，删除所述队列尾端的所述目标点，并基于所述队列尾端的新的相邻两个所述目标点更新所述第二连接线，再次判断所述待判断目标点与更新后的第二连接线的位置关系，直至所述待判断目标点位于所述第二连接线左侧，将所述待判断目标点存入所述队列尾端；
当所述剩余点云中任一所述目标点均作为所述待判断目标点，且判断与第一连接线以及第二连接线的位置关系后，得到所述障碍物对应的所述目标凸包点云。
8.一种基于无人驾驶车辆的障碍物有向包围盒的生成装置，其特征在于，包括：
数据获取模块，用于获取所述无人驾驶车辆中车载激光雷达采集到的障碍物点云数据，其中，障碍物点云用于指示所述障碍物朝向所述车载激光雷达的面积，所述障碍物点云包括多个目标点；
凸包确定模块，用于基于所述障碍物点云数据，确定所述障碍物对应的目标凸包点云，其中，由所述目标凸包点云组成的目标凸包包围所述障碍物点云，所述目标凸包点云包括多个凸包点；
包围盒生成模块，用于依据所述目标凸包点云中的所述凸包点，生成所述无人驾驶车辆的所述障碍物有向包围盒。
9.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。
10.一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法。
CN202210343880.7A 2022-04-02 2022-04-02 一种基于无人驾驶车辆的障碍物有向包围盒的生成方法 Pending CN114779210A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210343880.7A CN114779210A (zh) 2022-04-02 2022-04-02 一种基于无人驾驶车辆的障碍物有向包围盒的生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210343880.7A CN114779210A (zh) 2022-04-02 2022-04-02 一种基于无人驾驶车辆的障碍物有向包围盒的生成方法

Publications (1)

Publication Number Publication Date
CN114779210A true CN114779210A (zh) 2022-07-22

Family

ID=82427220

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210343880.7A Pending CN114779210A (zh) 2022-04-02 2022-04-02 一种基于无人驾驶车辆的障碍物有向包围盒的生成方法

Country Status (1)

Country Link
CN (1) CN114779210A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115328171A (zh) * 2022-10-11 2022-11-11 青岛慧拓智能机器有限公司 装载点位置的生成方法、装置、芯片、终端、设备和介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115328171A (zh) * 2022-10-11 2022-11-11 青岛慧拓智能机器有限公司 装载点位置的生成方法、装置、芯片、终端、设备和介质
CN115328171B (zh) * 2022-10-11 2023-02-10 青岛慧拓智能机器有限公司 装载点位置的生成方法、装置、芯片、终端、设备和介质

Similar Documents

Publication Publication Date Title
US11320833B2 (en) Data processing method, apparatus and terminal
CN109188457B (zh) 物体检测框的生成方法、装置、设备、存储介质及车辆
CN111598034B (zh) 障碍物检测方法、装置及存储介质
CN109190573B (zh) 应用于无人驾驶车辆的地面检测方法、电子设备、车辆
CN108875804B (zh) 一种基于激光点云数据的数据处理方法和相关装置
CN109509236B (zh) 无人驾驶场景中的车辆包围盒生成方法、装置及存储介质
WO2023179717A1 (zh) 用于激光雷达的点云处理方法、装置、设备及存储介质
CN113514847A (zh) 一种车辆外轮廓尺寸检测方法、系统及存储介质
CN114820749A (zh) 无人车井下定位方法、系统、设备及介质
CN114779210A (zh) 一种基于无人驾驶车辆的障碍物有向包围盒的生成方法
CN115050005A (zh) 目标检测方法及用于高位视频智慧停车场景的检测装置
CN112598668B (zh) 基于三维图像的缺陷识别方法、装置及电子设备
EP3605459A1 (en) Three-dimensional data generation device, three-dimensional data generation method, three-dimensional data generation program, and computer-readable recording medium having three-dimensional data generation program recorded thereon
CN111273314A (zh) 点云数据处理方法、装置和存储介质
CN113945219A (zh) 动态地图生成方法、系统、可读存储介质及终端设备
CN112639822B (zh) 一种数据处理方法及装置
CN111912418A (zh) 删除移动载体不可行驶区域内障碍物的方法、装置及介质
CN109598199B (zh) 车道线生成方法和装置
CN112580695A (zh) 一种车型识别方法、装置、存储介质及电子设备
US20230142243A1 (en) Device environment identification method and apparatus, electronic device, and autonomous vehicle
JP7451628B2 (ja) 車両姿勢推定方法、装置、電子デバイス、記憶媒体、及びプログラム
CN113536867A (zh) 物体识别的方法、装置及系统
CN111742242A (zh) 点云处理方法、系统、设备及存储介质
CN115792867A (zh) 激光雷达仿真方法和装置
CN115330630A (zh) 面向矿区自动驾驶数据集搭建的点云数据增强方法及装置

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