CN114879217A - 一种目标位姿的判断方法及系统 - Google Patents

一种目标位姿的判断方法及系统 Download PDF

Info

Publication number
CN114879217A
CN114879217A CN202210811783.6A CN202210811783A CN114879217A CN 114879217 A CN114879217 A CN 114879217A CN 202210811783 A CN202210811783 A CN 202210811783A CN 114879217 A CN114879217 A CN 114879217A
Authority
CN
China
Prior art keywords
target
point cloud
dimensional point
cloud data
single photon
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
CN202210811783.6A
Other languages
English (en)
Other versions
CN114879217B (zh
Inventor
潘文武
罗浩鑫
姚宇翔
游安清
李旭
窦延娟
雍松林
赵钰玉
魏继峰
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.)
Institute of Applied Electronics of CAEP
Original Assignee
Institute of Applied Electronics of CAEP
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 Institute of Applied Electronics of CAEP filed Critical Institute of Applied Electronics of CAEP
Priority to CN202210811783.6A priority Critical patent/CN114879217B/zh
Publication of CN114879217A publication Critical patent/CN114879217A/zh
Application granted granted Critical
Publication of CN114879217B publication Critical patent/CN114879217B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • 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
    • G01S17/894—3D imaging with simultaneous measurement of time-of-flight at a 2D array of receiver pixels, e.g. time-of-flight cameras or flash lidar
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种目标位姿的判断方法及系统，该方法包括：（1）创建参考目标数据库，构建三维点云数据集A；（2）采集待测目标的三维点云数据集B；（3）对三维点云数据集B预处理；（4）将预处理后的三维点云数据语义分割，以实现各疑似目标的三维点云数据分离；（5）根据分离后的各疑似目标三维点云数据，完成目标识别并计算目标实时位置及姿态。该系统包括参考目标数据库模块、面阵单光子探测器模块、待测目标三维点云数据计算模块、待测目标三维点云数据预处理模块、待测目标三维点云数据语义分割模块、疑似目标识别判断模块。本发明能实现对目标10kHz帧率输出坐标数据，还能以高精度位置分辨率对其瞬时位置定位和姿态数据测量。

Description

一种目标位姿的判断方法及系统
技术领域
本发明属于目标识别领域，具体涉及一种目标位姿判断方法，还涉及一种目标位姿判断系统。
背景技术
目前，对目标进行识别一般通过二维图像，比如可见光、红外成像等，采集目标的二维图像数据，通过传统算法或者AI算法来提取目标轮廓的方式识别目标，该类方法能对目标进行方位和俯仰的二维定位，但不能对目标进行三维定位。而通过雷达，比如微波雷达或者激光测距方式，可以对目标三维定位，但无法对目标的运动姿态进行测量和全方位预测，因此难以精准预测目标运动轨迹。针对以上需要解决或者提升的技术问题，本发明提出了一种基于面阵单光子成像技术的位姿判断方法，先对目标进行三维成像，进而对目标进行识别与定位，最后实现目标姿态的测量。
但通过面阵单光子成像技术对目标进行位姿测量，还需要解决以下技术问题：
1）面阵单光子成像灵敏度高，三维成像噪声大。单光子探测器灵敏度高，因此能在光子量级的回波能量情况下，对目标进行三维成像，具备探测距离远的优点，但同时易受到背景光、杂散光和电路噪声干扰，存在噪声点多的缺点，因此要从噪声中提取目标的三维信息，就必须去除目标数据中的噪声点；
2）面阵单光子成像对单激光脉冲响应信噪比低。单光子探测器需要多次探测才能得到有效探测。单光子对回波的响应是一个概率问题，即使有回波到达单光子探测器，也未必能触发单光子探测器响应，因此需要多次对回波进行响应，才能获得一个有效探测；
3）单光子单次成像获取目标点云数据有限，难以确定目标位姿。因目标位置及姿态在不停地变化，而单光子成像又是光学成像，成像时，单光子面阵成像对运动目标采集的单帧成像点云数据少，最多为目标外形一半的三维点云数据，无法获得目标全部外形数据，因此需要获得目标当前状态的完整外形三维点云数据，才能获得目标的准确位置及姿态。
发明内容
有鉴于此，本发明提出了一种基于面阵单光子三维成像的目标识别与定位测姿方法，该方法是一项极具应用价值的目标识别与定位测姿技术。具体方案如下：
一种目标位姿的判断方法，该方法包括如下步骤：
步骤（1）创建参考目标数据库并定义参考目标数据集A；
步骤（2）计算待测区域内各待测目标的三维点云数据集B；
步骤（3）将三维点云数据集B进行预处理，即对步骤（2）计算得到的三维点云数据集B去重点、去噪点，将预处理后的三维点云数据作为疑似目标的局部外形的三维点云数据集C；
步骤（4）将三维点云数据集C进行语义分割，以实现面阵单光子探测器视场范围内各疑似目标三维点云数据的分离，形成三维点云数据集D；
步骤（5）根据步骤（4）分离出来的各疑似目标三维点云数据形成的三维点云数据集D，完成目标识别并计算目标实时位置及姿态。
进一步，所述步骤（1）创建参考目标数据库并定义参考目标数据集A，具体为：所述参考目标数据库包括若干参考目标的坐标系及表征各参考目标完整外廓的三维点云数据，形成参考目标数据集A。
进一步，所述步骤（2）计算待测区域内各待测目标的三维点云数据集B，所述三维点云数据集B包含各待测目标局部外形的三维点云数据和噪声点云数据，所述步骤（2）具体为：
步骤（2.1）单帧数据获取：
步骤（2.1.1）采集面阵单光子探测器中各探测单元在待测区域的光子飞行时间，即各探测单元在探测待测区域过程中，光子从发射到被接收之间的时间差；其中，所述面阵单光子探测器由若干阵列式单光子探测单元、激光器和聚焦镜组成；
步骤（2.1.2）依据所采集的光子飞行时间计算出面阵单光子探测器中各探测单元至目标的距离；
步骤（2.1.3）利用面阵单光子探测器中各探测单元在面阵单光子探测器中的局部坐标系下的坐标值、各探测单元的像素大小以及聚焦镜的焦距，计算出各待测目标在面阵探测单元局部坐标系下的方位角和俯仰角；
步骤（2.1.4）根据所述方位角、俯仰角及步骤（2.1.2）计算所得距离，计算出待测区域各待测目标在面阵单光子探测器局部坐标系下的三维点云坐标值；
步骤（2.2）待测区域多帧数据获取：
重复步骤（2.1.1）～步骤（2.1.4）K次，对各探测单元在K次重复探测过程中的有效探测坐标值进行求平均值，将若干探测单元的坐标平均值作为待测区域的三维点云坐标值，即构成三维点云数据集B；其中，所述有效探测坐标值是指各探测单元能响应回波并输出光子飞行时间数据，对于未能响应回波的探测单元则不计入有效探测。
进一步，所述步骤（5）具体包括：
步骤（5.1）基于ICP算法，将三维点云数据集D中的某一个疑似目标T的三维点云数据与步骤（1）所得的各参考目标进行逐一匹配，若ICP算法输出的匹配率≥90%，则认为匹配成功，所述疑似目标T即为对应的参考目标，完成目标识别；同时将对应的参考目标标记为优先参考目标并记录相应匹配率；记录匹配成功后疑似目标T相对于参考目标坐标系的平移距离和转动角度，该平移距离和转动角度即为疑似目标T的位置数据和姿态数据；
步骤（5.2），重复步骤（5.1），计算出其它疑似目标的位置数据和姿态数据。
进一步，所述步骤（5）还包括步骤（5.3）：对于所述优先参考目标，根据匹配率从高到低，对各优先参考目标进行识别的优先等级排序，作为下一待测区域内疑似目标识别及位姿判断时的参考目标匹配顺序的依据，对于优先等级越高的优先参考目标，则优先将疑似目标与其匹配，从而实现目标快速识别与位姿精准判断。
一种目标位姿的判断系统，包括：参考目标数据库模块、面阵单光子探测器模块、待测目标三维点云数据计算模块、待测目标三维点云数据预处理模块、待测目标三维点云数据语义分割模块、疑似目标识别判断模块；
参考目标数据库模块，用于创建参考目标数据库，定义各参考目标的坐标系以及表征各参考目标完整外廓的三维点云数据，形成参考目标数据集A；
面阵单光子探测器模块，用于待测目标单光子成像并记录单光子飞行时间；包括若干阵列式单光子探测单元、激光器和聚焦镜；所述阵列式单光子探测单元用于探测回波光子信号完成单光子成像，所述激光器用于发射脉冲激光信号并记录记录单光子飞行时间，所述聚焦镜用于回波光子的收集并聚焦到阵列式单光子探测单元；
待测目标三维点云数据计算模块，用于将单光子成像数据和单光子飞行时间转化成三维点云坐标值，构建各待测目标的三维点云数据集B；
待测目标三维点云数据预处理模块，用于去除三维点云数据集B中的重点、噪点，形成疑似目标的局部外形的三维点云数据集C；
待测目标三维点云数据语义分割模块，用于对三维点云数据集C进行语义分割处理，实现面阵单光子探测器视场范围内各疑似目标三维点云数据的分离，形成三维点云数据集D；
疑似目标识别判断模块，将三维点云数据集D中的各疑似目标的三维点云数据与参考目标数据集A中的参考目标进行匹配完成目标识别，同时完成各疑似目标的位置数据和姿态数据。
进一步，疑似目标识别判断模块包括匹配单元、位姿计算单元、优先等级排序单元；所述匹配单元基于ICP算法，将各疑似目标的三维点云数据与各参考目标进行逐一匹配，若匹配率≥90%，则匹配成功，完成目标识别；位姿计算单元，计算将匹配成功的疑似目标相对于参考目标坐标系的平移距离和转动角度，完成疑似目标的位置数据和姿态数据；优先等级排序单元，记录各参考目标的匹配率，对优先等级进行排序，所述排序作为下一待测区域内疑似目标识别及位姿判断时的参考目标匹配顺序的依据。
本发明的有益效果为：（1）通过设计严格数据处理流程以及相应判断阈值，解决了面阵单光子成像数据中的点云粗差点多和单帧信噪比低的问题，并保证了高效输出帧率超过1000Hz，为目标高精度和宽带宽跟踪提供了数据支撑；（2）通过对ICP算法进行疑似目标匹配优先级动态设置以及有效的判断阈值等改进，解决了面阵成像获取目标部分外形的三维点云情况下，解决了目标实际三维坐标和姿态数据准确提取问题，并提升了提取效率，为实际系统实时运算奠定了基础，通过实施例分析可知，定位精度和姿态测量精度能提高10倍以上。
附图说明
图1为目标位姿判断方法流程图；
图2为目标位姿判断系统的结构框图；
图3为本发明实施例1面阵单光子成像模型二维图；
图4为本发明实施例1面阵单光子成像模型三维图。
具体实施方式
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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，在不付出创造劳动性的前提下，还可以根据这些附图获得其他的附图。
为了使本发明的目的、技术方案和优点更加清楚明白，下面结合具体实施方式和图1～图4，对本发明做进一步详细说明。
一种目标位姿的判断方法，该方法包括如下步骤：
步骤（1）创建参考目标数据库，定义参考目标数据集A；
步骤（2）计算待测区域内各待测目标的三维点云数据集B；
步骤（3）将三维点云数据集B进行预处理，即对步骤（2）计算得到的三维点云数据集B去重点、去噪点，将预处理后的三维点云数据作为疑似目标的局部外形的三维点云数据集C；
步骤（4）将三维点云数据集C进行语义分割，以实现面阵单光子探测器视场范围内各疑似目标三维点云数据的分离，形成三维点云数据集D；
步骤（5）根据步骤（4）分离出来的各疑似目标三维点云数据形成的三维点云数据集D，完成目标识别并计算目标实时位置及姿态。
进一步，所述步骤（1）创建参考目标数据库并定义参考目标数据集A，具体为：所述参考目标数据库包括若干参考目标的坐标系及表征各参考目标完整外廓的三维点云数据，形成参考目标数据集A。
进一步，所述步骤（2）计算待测区域内各待测目标的三维点云数据集B，所述三维点云数据集B包含各待测目标局部外形的三维点云数据和噪声点云数据，所述步骤（2）具体为：
步骤（2.1）单帧数据获取：
步骤（2.1.1）采集面阵单光子探测器中各探测单元在待测区域的光子飞行时间，即各探测单元在探测待测区域过程中，光子从发射到被接收之间的时间差；其中，所述面阵单光子探测器模块由若干阵列式单光子探测单元、激光器和聚焦镜组成；
步骤（2.1.2）依据所采集的光子飞行时间计算出面阵单光子探测器中各探测单元至目标的距离；
步骤（2.1.3）利用面阵单光子探测器中各探测单元在面阵单光子探测器中的局部坐标系下的坐标值、各探测单元的像素大小以及聚焦镜的焦距，计算出各待测目标在面阵探测单元局部坐标系下的方位角和俯仰角；
步骤（2.1.4）根据所述方位角、俯仰角及步骤（2.1.2）计算所得距离，计算出待测区域各待测目标在面阵单光子探测器局部坐标系下的三维点云坐标值；
步骤（2.2）待测区域多帧数据获取：
重复步骤（2.1.1）～步骤（2.1.4）K次，对各探测单元在K次重复探测过程中的有效探测坐标值进行求平均值，将若干探测单元的坐标平均值作为待测区域的三维点云坐标值，即构成三维点云数据集B；其中，所述有效探测坐标值是指各探测单元能响应回波并输出光子飞行时间数据，对于未能响应回波的探测单元则不计入有效探测，其中K≥40次。
进一步，所述步骤（5）具体包括：
步骤（5.1）基于ICP算法，将三维点云数据集D中的某一个疑似目标T的三维点云数据与步骤（1）所得的各参考目标进行逐一匹配，若ICP算法输出的匹配率≥90%，则认为匹配成功，所述疑似目标T即为对应的参考目标，完成目标识别；同时将对应的参考目标标记为优先参考目标并记录相应匹配率；记录匹配成功后疑似目标T相对于参考目标坐标系的平移距离和转动角度，该平移距离和转动角度即为疑似目标T的位置数据和姿态数据；
步骤（5.2），重复步骤（5.1），计算出其它疑似目标的位置数据和姿态数据。
进一步，所述步骤（5）还包括步骤（5.3）：对于所述优先参考目标，根据匹配率从高到低，对各优先参考目标进行识别的优先等级排序，作为下一待测区域内疑似目标识别及位姿判断时的参考目标匹配顺序的依据，对于优先等级越高的优先参考目标，则优先将疑似目标与其匹配，从而实现目标快速识别与位姿精准判断。
一种目标位姿的判断系统，包括：参考目标数据库模块、面阵单光子探测器模块、待测目标三维点云数据计算模块、待测目标三维点云数据预处理模块、待测目标三维点云数据语义分割模块、疑似目标识别判断模块；
参考目标数据库模块，用于创建参考目标数据库，定义各参考目标的坐标系以及表征各参考目标完整外廓的三维点云数据，形成参考目标数据集A；
面阵单光子探测器模块，用于待测目标单光子成像并记录单光子飞行时间；包括若干阵列式单光子探测单元、激光器和聚焦镜；所述阵列式单光子探测单元用于探测回波光子信号完成单光子成像，所述激光器用于发射脉冲激光信号并记录记录单光子飞行时间，所述聚焦镜用于回波光子的收集并聚焦到阵列式单光子探测单元；
待测目标三维点云数据计算模块，用于将单光子成像数据和单光子飞行时间转化成三维点云坐标值，构建各待测目标的三维点云数据集B；
待测目标三维点云数据预处理模块，用于去除三维点云数据集B中的重点、噪点，形成疑似目标的局部外形的三维点云数据集C；
待测目标三维点云数据语义分割模块，用于对三维点云数据集C进行语义分割处理，实现面阵单光子探测器视场范围内各疑似目标三维点云数据的分离，形成三维点云数据集D；
疑似目标识别判断模块，将三维点云数据集D中的各疑似目标的三维点云数据与参考目标数据集A中的参考目标进行匹配完成目标识别，同时完成各疑似目标的位置数据和姿态数据。
进一步，疑似目标识别判断模块包括匹配单元、位姿计算单元、优先等级排序单元；所述匹配单元基于ICP算法，将各疑似目标的三维点云数据与各参考目标进行逐一匹配，若匹配率≥90%，则匹配成功，完成目标识别；位姿计算单元，计算将匹配成功的疑似目标相对于参考目标坐标系的平移距离和转动角度，完成疑似目标的位置数据和姿态数据；优先等级排序单元，记录各参考目标的匹配率，对优先等级进行排序，所述排序作为下一待测区域内疑似目标识别及位姿判断时的参考目标匹配顺序的依据。
实施例1
该实施例中目标位姿判断系统的面阵单光子探测器选用如下参数对目标位姿判断方法进行阐述：64×64阵列式单光子探测单元、像素大小为50微米、聚焦镜的焦距为1000mm、单光子探测单元成像帧率为40kHz、探测概率大于20%。
图1为目标位姿判断方法的流程图。
如图1所示，实施例1的具体步骤为：
S10 创建参考目标数据库，定义参考目标数据集A；
其中参考目标数据库模块主要是预存多个参考目标的坐标系以及相对应的完整外廓的三维点云数据，并构成参考目标数据集A。每个参考目标按照对应目标的几何中心为原点、对应目标的最长方向为X轴、最宽方向为Y轴、以及根据右手法则确定Z来定义每个参考目标的坐标系，并把原点O作为待识别的疑似目标的运动起点；各个参考目标的完整外廓三维点云数据是预先通过三维激光扫描技术进行采集并制作的。对于每个参考目标的坐标系以及对应表征完整外廓的三维点云数据都有独立标识I。并建立列表L。
S20 计算待测区域内各待测目标的三维点云数据集B；
S21单帧数据获取
使用面阵单光子探测器对待测区域中待测目标进行三维成像。面阵单光子探测器包括64×64阵列式单光子探测单元、激光器、焦距为1000mm的聚焦镜。单光子探测单元成像帧率为40kHz、像素大小为50微米、探测概率大于20%。
S211 激光器在发射脉冲激光并记录脉冲激光发射的时刻；当发射的激光到达待测目标并被反射回光到聚焦镜后，聚焦镜将回波光子收集并聚焦到阵列式单光子探测单元上，触发阵列式单光子探测单元产生电信号，记录阵列式单光子探测单元接收到回波光子返回的时刻信息，得出光子飞行时间t以及待测目标在面阵单光子探测器中的局部坐标系下的坐标值。
S212 根据光子飞行时间t 计算出面阵单光子探测器中各探测单元至目标的距离R，R计算公式为R=c×t,这里c=30万米/秒，即光速，t为时间；
S213 利用面阵单光子探测器中各探测单元在面阵单光子探测器中的坐标值、各探测单元的像素大小、聚焦镜焦距，计算出各待测目标在面阵探测单元下的方位角和俯仰角；图3为本发明实施例1面阵单光子成像模型二维图，针对某像素
Figure 223845DEST_PATH_IMAGE001
对应目标点的方位角ω和俯仰角φ按式（1）计算。
Figure 606416DEST_PATH_IMAGE002
式（1）中
Figure 881539DEST_PATH_IMAGE003
是像素大小，
Figure 587327DEST_PATH_IMAGE004
是聚焦镜焦距，（i，j）为像素坐标。其中方位角ω定义为：如图4所示，x轴转向像素点与探测中心的连线，所需旋转的角度为方位角ω；俯仰角φ定义为：如图4所示，探测中心与成像焦点的连线，转向像素点与成像焦点的连线，所需的角度为俯仰角φ。
S214 根据所述方位角ω、俯仰角φ及距离Rij，计算出待测区域在面阵单光子探测器下的三维点云坐标值；对于像素（i，j），探测到目标对应位置的坐标为：
Figure 922494DEST_PATH_IMAGE005
式（2）中
Figure 651415DEST_PATH_IMAGE006
分别为像素（i、j）对应的三维点云坐标值，
Figure 464650DEST_PATH_IMAGE007
为像素（i、j）的距离，即步骤S212中的距离R。图4为本发明实施例1面阵单光子成像模型三维图。
S22 对待测区域内多帧数据进行三维点云坐标值计算：
重复上述单帧数据计算步骤多次，例如40次，对各探测单元在40次重复探测过程中的有效探测坐标值进行求平均值，将若干探测单元的坐标平均值作为待测区域的三维点云坐标值，即构成三维点云数据集B；其中，所述有效探测坐标值指各探测单元指能响应回波并输出光子飞行时间数据，对于未能响应回波并输出光子飞行时间数据的探测单元的探测坐标值则不计入有效探测，具体判断方法是当某帧探测数据中某个单元获得距离值为0时，则该帧对应的该探测单元的数据作为无效探测，不参与坐标平均值计算。
S30 将三维点云数据集B进行预处理；
三维点云数据集B中包括有大量的重点和噪声点。为了后续计算精度和计算效率，需要对三维点云数据集B进行预处理，去除重点和噪声点。本实施例采用中心点算法去重点、去噪点后，将预处理后的三维点云数据作为疑似目标的局部外形的三维点云数据集C；具体步骤如下：
选取参考目标数据集A中的三维点云数据中坐标轴x、y、z方向最小间距作为去除重点初始栅格值，按如下公式计算：
Figure 962628DEST_PATH_IMAGE008
上式中，
Figure 376685DEST_PATH_IMAGE009
为所有目标点构成的集合，
Figure 327323DEST_PATH_IMAGE010
为目标点云数据中距离最小的两点
Figure 209829DEST_PATH_IMAGE011
与
Figure 296734DEST_PATH_IMAGE012
方向的夹角，
Figure 239282DEST_PATH_IMAGE013
栅格在x、y、z方向上的分析长度，
Figure 677216DEST_PATH_IMAGE014
为
Figure 238779DEST_PATH_IMAGE011
的距离的绝对值，min()为取最小值函数。
确定去重点初始栅格值后，用中心点算法删除重复点，中心点算法实现方法如下：
通过点云坐标找到其对应的栅格索引，利用索引与栅格单元大小的关系计算得到该栅格中心点坐标，若出现相同的中心点，则去除相同中心点，只保留一个中心点作为该栅格的代表点。
设存在的某一点云
Figure 711348DEST_PATH_IMAGE015
，其坐标为
Figure 136382DEST_PATH_IMAGE016
，需划分的栅格单元边长为
Figure 61613DEST_PATH_IMAGE017
，那么根据点云坐标与栅格单元大小可以计算出所在栅格索引
Figure 285921DEST_PATH_IMAGE018
，则建立对应栅格索引关系式
Figure 81839DEST_PATH_IMAGE019
式（4）
Figure 366190DEST_PATH_IMAGE020
函数表示向下取整，则可以通过栅格索引与栅格单元大小的关系计算出当前栅格单元的中心点坐标
Figure 778716DEST_PATH_IMAGE021
：
Figure 947661DEST_PATH_IMAGE022
根据式（5）可以得到所有点云对应的栅格中心点，由于同一区域中存在多个点云，导致计算得到的同一中心点也会存在多个，需进行去重处理，最终可以得到栅格化数据。将完成预处理的三维点云数据作为疑似目标的局部外形的三维点云数据集C。
S40 对三维点云数据集C进行语义分割；
表1对比测试结果
Figure 129243DEST_PATH_IMAGE023
通过PointNet++卷积神经网络，对三维点云数据集C进行语义分割。把面阵单光子探测器视场范围内各疑似目标的三维点云数据进行分离，梳理出各疑似目标对应的三维点云数据。通过待测区域内采集三维点云坐标数量超过1百万的三维点云，采用了中心点栅格算法等预处理比没有采用了中心点栅格算法等预处理，对待测区域内多目标的语义分割效率提高了45.3%，表1为对比测试结果。
待测目标三维点云数据语义分割模块语义分割处理后的各疑似目标三维点云数据形成三维点云数据集D。
S50 对三维点云数据集D中的各疑似目标完成目标识别并计算其实时位置及姿态。
S51 对某一个疑似目标进行匹配，完成目标识别并计算其实时位置及姿态。
基于ICP算法，将疑似目标中的某一个疑似目标的三维点云数据与所得参考目标列表L中的各个参考目标进行逐一匹配，若与某个参考目标的匹配率大于90%，则认为匹配成功，将相应疑似目标认定为实际目标，同时将对应参考目标标记为优先参考目标并记录相应匹配率；记录匹配过程中实际目标在参考目标所在坐标系下相对于参考坐标的X、Y、Z轴的三个方向的平移距离和转动角度，将该平移距离和转动角度分别作为实际目标的位置数据和姿态数据；
S52 按步骤S51对剩余疑似目标进行识别并计算位置数据和姿态数据；
S53 对S51和S52两个步骤中各优先参考目标的的匹配率进行排序，作为下一个待测区域内目标识别与位姿判断时的参考目标匹配顺序；
对于所述优先参考目标，根据匹配率从高到低，对各优先参考目标进行优先等级排序，以作为下一待测区域内目标识别与位姿判断时的参考目标匹配顺序的依据，对于越高优先等级的优先参考目标，则越优先将其作为目标位姿判断时的实时参考目标。
如果目标实际外形尺寸大小为5m×3m×2m，如果不采用匹配方法提取目标坐标，而采用实际采集目标的局部三维点云数据进行几何计算，目标的中心坐标会因为缺失至少一半的三维点云图，目标坐标在X、Y、Z方向分别会存在2.5m、1.5m和1m的误差，而本发明基于匹配精度为cm级的ICP算法，能获得参考目标三维点云制作精度的目标定位精度，一般可实现cm级定位精度，且不会目标实际尺寸的大小而明细影响目标的位置测量精度和姿态测量精度，因具备位置和姿态数据测量精度高、误差稳定等优点。
本发明能轻松实现对目标以10kHz的帧率输出坐标数据，对于高速运动目标（比如目标运动速度为300米/秒），能以3cm的高精度位置分辨率对进行瞬时位置定位和姿态数据测量。
实施例2
图2为目标位姿判断系统的结构框图。
如图2提供了一种目标位姿判断系统100，具体包括：参考目标数据库模块110、面阵单光子探测器模块120、待测目标三维点云数据计算模块130、待测目标三维点云数据预处理模块140、待测目标三维点云数据语义分割模块150、疑似目标识别判断模块160；
参考目标数据库模块110，用于创建参考目标数据库，定义各参考目标的坐标系以及表征各参考目标完整外廓的三维点云数据，形成参考目标数据集A；
面阵单光子探测器模块120，用于待测目标单光子成像并记录单光子飞行时间；包括若干阵列式单光子探测单元、激光器和聚焦镜；所述阵列式单光子探测单元用于探测回波光子信号完成单光子成像，所述激光器用于发射脉冲激光信号并记录记录单光子飞行时间，所述聚焦镜用于回波光子的收集并聚焦到阵列式单光子探测单元；
待测目标三维点云数据计算模块130，用于将单光子成像数据和单光子飞行时间转化成三维点云坐标值，构建各待测目标的三维点云数据集B；
待测目标三维点云数据预处理模块140，用于去除三维点云数据集B中的重点、噪点，形成疑似目标的局部外形的三维点云数据集C；
待测目标三维点云数据语义分割模块150，用于对三维点云数据集C进行语义分割处理，实现面阵单光子探测器视场范围内各疑似目标三维点云数据的分离，形成三维点云数据集D；
疑似目标识别判断模块160，将三维点云数据集D中的各疑似目标的三维点云数据与参考目标数据集A中的参考目标进行匹配完成目标识别，同时完成各疑似目标的位置数据和姿态数据。
其中，疑似目标识别判断模块160包括匹配单元、位姿计算单元、优先等级排序单元；所述匹配单元基于ICP算法，将各疑似目标的三维点云数据与各参考目标进行逐一匹配，若匹配率≥90%，则匹配成功，完成目标识别；位姿计算单元，计算将匹配成功的疑似目标相对于参考目标坐标系的平移距离和转动角度，完成疑似目标的位置数据和姿态数据；优先等级排序单元，记录各参考目标的匹配率，对优先等级进行排序，所述排序作为下一待测区域内疑似目标识别及位姿判断时的参考目标匹配顺序的依据。

Claims (7)

1.一种目标位姿的判断方法，其特征在于，该方法包括如下步骤：
步骤（1）创建参考目标数据库，定义参考目标数据集A；
步骤（2）计算待测区域内各待测目标的三维点云数据集B；
步骤（3）将三维点云数据集B进行预处理，即对步骤（2）计算得到的三维点云数据集B去重点、去噪点，将预处理后的三维点云数据作为疑似目标的局部外形的三维点云数据集C；
步骤（4）将三维点云数据集C进行语义分割，以实现面阵单光子探测器视场范围内各疑似目标三维点云数据的分离，形成三维点云数据集D；
步骤（5）根据步骤（4）分离出来的各疑似目标三维点云数据形成的三维点云数据集D，完成目标识别并计算目标实时位置及姿态。
2.根据权利要求1所述的目标位姿的判断方法，其特征在于，所述步骤（1）创建参考目标数据库，定义参考目标数据集A，具体为：所述参考目标数据库包括若干参考目标的坐标系及表征各参考目标完整外廓的三维点云数据，形成参考目标数据集A。
3.根据权利要求1所述的目标位姿的判断方法，其特征在于，所述步骤（2）计算待测区域内各待测目标的三维点云数据集B，三维点云数据集B包含各待测目标局部外形的三维点云数据和噪声点云数据，所述步骤（2）具体为：
步骤（2.1）单帧数据获取：
步骤（2.1.1）采集面阵单光子探测器中各探测单元在待测区域的光子飞行时间，即各探测单元在探测待测区域过程中，光子从发射到被接收之间的时间差；其中，所述面阵单光子探测器由若干阵列式单光子探测单元、激光器和聚焦镜组成 ；
步骤（2.1.2）依据所采集的光子飞行时间计算出面阵单光子探测器中各探测单元至目标的距离；
步骤（2.1.3）利用面阵单光子探测器中各探测单元在面阵单光子探测器中的局部坐标系下的坐标值、各探测单元的像素大小以及聚焦镜的焦距，计算出各待测目标在面阵探测单元局部坐标系下的方位角和俯仰角；
步骤（2.1.4）根据所述方位角、俯仰角及步骤（2.1.2）计算所得距离，计算出待测区域各待测目标在面阵单光子探测器局部坐标系下的三维点云坐标值；
步骤（2.2）待测区域多帧数据获取：
重复步骤（2.1.1）～步骤（2.1.4）K次，对各探测单元在K次重复探测过程中的有效探测坐标值进行求平均值，将若干探测单元的坐标平均值作为待测区域的三维点云坐标值，即构成三维点云数据集B；其中，所述有效探测坐标值是指各探测单元能响应回波并输出光子飞行时间数据，对于未能响应回波的探测单元则不计入有效探测，其中K≥40。
4.根据权利要求1所述的目标位姿的判断方法，其特征在于，所述步骤（5）具体包括：
步骤（5.1）基于ICP算法，将三维点云数据集D中的某一个疑似目标T的三维点云数据与步骤（1）所得的各参考目标进行逐一匹配，若ICP算法输出的匹配率≥90%，则认为匹配成功，所述疑似目标T即为对应的参考目标，完成目标识别；同时将对应的参考目标标记为优先参考目标并记录相应匹配率；记录匹配成功后疑似目标T相对于参考目标坐标系的平移距离和转动角度，该平移距离和转动角度即为疑似目标T的位置数据和姿态数据；
步骤（5.2），重复步骤（5.1），计算出其它疑似目标的位置数据和姿态数据。
5.根据权利要求1所述的目标位姿的判断方法，其特征在于，所述步骤（5）还包括步骤（5.3）：对于所述优先参考目标，根据匹配率从高到低，对各优先参考目标进行识别的优先等级排序，作为下一待测区域内疑似目标识别及位姿判断时的参考目标匹配顺序的依据，对于优先等级越高的优先参考目标，则优先将疑似目标与其匹配，从而实现目标快速识别与位姿精准判断。
6.一种目标位姿判断系统，其特征在于，所述目标位姿判断系统包括：参考目标数据库模块、面阵单光子探测器模块、待测目标三维点云数据计算模块、待测目标三维点云数据预处理模块、待测目标三维点云数据语义分割模块、疑似目标识别判断模块；
参考目标数据库模块，用于创建参考目标数据库，定义各参考目标的坐标系以及表征各参考目标完整外廓的三维点云数据，形成参考目标数据集A；
面阵单光子探测器模块，用于待测目标单光子成像并记录单光子飞行时间；包括若干阵列式单光子探测单元、激光器和聚焦镜；所述阵列式单光子探测单元用于探测回波光子信号完成单光子成像，所述激光器用于发射脉冲激光信号并记录记录单光子飞行时间，所述聚焦镜用于回波光子的收集并聚焦到阵列式单光子探测单元；
待测目标三维点云数据计算模块，用于将单光子成像数据和单光子飞行时间转化成三维点云坐标值，构建各待测目标的三维点云数据集B；
待测目标三维点云数据预处理模块，用于去除三维点云数据集B中的重点、噪点，形成疑似目标的局部外形的三维点云数据集C；
待测目标三维点云数据语义分割模块，用于对三维点云数据集C进行语义分割处理，实现面阵单光子探测器视场范围内各疑似目标三维点云数据的分离，形成三维点云数据集D；
疑似目标识别判断模块，将三维点云数据集D中的各疑似目标的三维点云数据与参考目标数据集A中的参考目标进行匹配完成目标识别，同时完成各疑似目标的位置数据和姿态数据。
7.根据权利要求6所述的目标位姿判断系统，其特征在于，所述疑似目标识别判断模块包括匹配单元、位姿计算单元、优先等级排序单元；所述匹配单元基于ICP算法，将各疑似目标的三维点云数据与各参考目标进行逐一匹配，若匹配率≥90%，则匹配成功，完成目标识别；位姿计算单元，计算将匹配成功的疑似目标相对于参考目标坐标系的平移距离和转动角度，完成疑似目标的位置数据和姿态数据；优先等级排序单元，记录各参考目标的匹配率，对优先等级进行排序，所述排序作为下一待测区域内疑似目标识别及位姿判断时的参考目标匹配顺序的依据。
CN202210811783.6A 2022-07-12 2022-07-12 一种目标位姿的判断方法及系统 Active CN114879217B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210811783.6A CN114879217B (zh) 2022-07-12 2022-07-12 一种目标位姿的判断方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210811783.6A CN114879217B (zh) 2022-07-12 2022-07-12 一种目标位姿的判断方法及系统

Publications (2)

Publication Number Publication Date
CN114879217A true CN114879217A (zh) 2022-08-09
CN114879217B CN114879217B (zh) 2022-10-21

Family

ID=82683294

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210811783.6A Active CN114879217B (zh) 2022-07-12 2022-07-12 一种目标位姿的判断方法及系统

Country Status (1)

Country Link
CN (1) CN114879217B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115902920A (zh) * 2023-02-23 2023-04-04 中国人民解放军国防科技大学 空中运动目标的相干与非相干激光协同探测方法和系统
CN115901621A (zh) * 2022-10-26 2023-04-04 中铁二十局集团第六工程有限公司 一种高层建筑外表面混凝土病害数字化识别方法及系统

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110150286A1 (en) * 2009-12-22 2011-06-23 Canon Kabushiki Kaisha Estimation apparatus, control method thereof, and program
GB201507016D0 (en) * 2015-04-24 2015-06-10 Isis Innovation A method of detecting objects within a 3D environment
CN105138921A (zh) * 2015-08-18 2015-12-09 中南大学 基于页面特征匹配的钓鱼网站目标域名识别方法
US20160335343A1 (en) * 2015-05-12 2016-11-17 Culios Holding B.V. Method and apparatus for utilizing agro-food product hierarchical taxonomy
CN107703517A (zh) * 2017-11-03 2018-02-16 长春理工大学 机载多光束光学相控阵激光三维成像雷达系统
CN110675431A (zh) * 2019-10-08 2020-01-10 中国人民解放军军事科学院国防科技创新研究院 一种融合图像和激光点云的三维多目标跟踪方法
US20200025578A1 (en) * 2017-12-12 2020-01-23 Maser Consulting, P.A. Tunnel mapping system and methods
CN111127556A (zh) * 2019-11-29 2020-05-08 合刃科技(上海)有限公司 基于3d视觉的目标物体识别和位姿估算方法以及装置
CN111239766A (zh) * 2019-12-27 2020-06-05 北京航天控制仪器研究所 基于激光雷达的水面多目标快速识别跟踪方法
KR102123522B1 (ko) * 2019-12-16 2020-06-16 주식회사 한국가스기술공사 고장 데이터의 군집에 기반한 고장 진단 방법
CN112180955A (zh) * 2020-08-26 2021-01-05 国网安徽省电力有限公司淮南供电公司 一种自动巡检无人机的基于视觉反馈的二次复查方法和系统
CN112578398A (zh) * 2020-12-07 2021-03-30 中国工程物理研究院应用电子学研究所 一种双焦平面探测识别系统及探测识别方法
CN113128405A (zh) * 2021-04-20 2021-07-16 北京航空航天大学 一种结合语义分割与点云处理的植物识别与模型构建方法
CN113137919A (zh) * 2021-04-29 2021-07-20 中国工程物理研究院应用电子学研究所 一种激光点云栅格化方法
EP3852064A1 (en) * 2018-09-11 2021-07-21 Tencent Technology (Shenzhen) Company Limited Object labeling method and apparatus, movement control method and apparatus, device, and storage medium
CN114200477A (zh) * 2021-12-13 2022-03-18 上海无线电设备研究所 一种激光三维成像雷达地面目标点云数据处理方法

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110150286A1 (en) * 2009-12-22 2011-06-23 Canon Kabushiki Kaisha Estimation apparatus, control method thereof, and program
GB201507016D0 (en) * 2015-04-24 2015-06-10 Isis Innovation A method of detecting objects within a 3D environment
US20160335343A1 (en) * 2015-05-12 2016-11-17 Culios Holding B.V. Method and apparatus for utilizing agro-food product hierarchical taxonomy
CN105138921A (zh) * 2015-08-18 2015-12-09 中南大学 基于页面特征匹配的钓鱼网站目标域名识别方法
CN107703517A (zh) * 2017-11-03 2018-02-16 长春理工大学 机载多光束光学相控阵激光三维成像雷达系统
US20200025578A1 (en) * 2017-12-12 2020-01-23 Maser Consulting, P.A. Tunnel mapping system and methods
EP3852064A1 (en) * 2018-09-11 2021-07-21 Tencent Technology (Shenzhen) Company Limited Object labeling method and apparatus, movement control method and apparatus, device, and storage medium
CN110675431A (zh) * 2019-10-08 2020-01-10 中国人民解放军军事科学院国防科技创新研究院 一种融合图像和激光点云的三维多目标跟踪方法
CN111127556A (zh) * 2019-11-29 2020-05-08 合刃科技(上海)有限公司 基于3d视觉的目标物体识别和位姿估算方法以及装置
KR102123522B1 (ko) * 2019-12-16 2020-06-16 주식회사 한국가스기술공사 고장 데이터의 군집에 기반한 고장 진단 방법
CN111239766A (zh) * 2019-12-27 2020-06-05 北京航天控制仪器研究所 基于激光雷达的水面多目标快速识别跟踪方法
CN112180955A (zh) * 2020-08-26 2021-01-05 国网安徽省电力有限公司淮南供电公司 一种自动巡检无人机的基于视觉反馈的二次复查方法和系统
CN112578398A (zh) * 2020-12-07 2021-03-30 中国工程物理研究院应用电子学研究所 一种双焦平面探测识别系统及探测识别方法
CN113128405A (zh) * 2021-04-20 2021-07-16 北京航空航天大学 一种结合语义分割与点云处理的植物识别与模型构建方法
CN113137919A (zh) * 2021-04-29 2021-07-20 中国工程物理研究院应用电子学研究所 一种激光点云栅格化方法
CN114200477A (zh) * 2021-12-13 2022-03-18 上海无线电设备研究所 一种激光三维成像雷达地面目标点云数据处理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
徐启航,等: ""基本图像处理算法的优化过程研究"", 《计算机科学》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115901621A (zh) * 2022-10-26 2023-04-04 中铁二十局集团第六工程有限公司 一种高层建筑外表面混凝土病害数字化识别方法及系统
CN115902920A (zh) * 2023-02-23 2023-04-04 中国人民解放军国防科技大学 空中运动目标的相干与非相干激光协同探测方法和系统
CN115902920B (zh) * 2023-02-23 2023-06-02 中国人民解放军国防科技大学 空中运动目标的相干与非相干激光协同探测方法和系统

Also Published As

Publication number Publication date
CN114879217B (zh) 2022-10-21

Similar Documents

Publication Publication Date Title
CN114879217B (zh) 一种目标位姿的判断方法及系统
Li et al. Automatic pavement crack detection by multi-scale image fusion
CN108509918B (zh) 融合激光点云与图像的目标检测与跟踪方法
CN111882612B (zh) 一种基于三维激光检测车道线的车辆多尺度定位方法
CN109459750B (zh) 一种毫米波雷达与深度学习视觉融合的前方多车辆跟踪方法
US8867790B2 (en) Object detection device, object detection method, and program
EP3665507A1 (en) Multiple resolution, simultaneous localization and mapping based on 3-d lidar measurements
CN112825192B (zh) 基于机器学习的对象辨识系统及其方法
CN113281782A (zh) 一种基于无人驾驶车的激光雷达雪点滤除方法
CN116079749A (zh) 基于聚类分离条件随机场的机器人视觉避障方法及机器人
CN106709432B (zh) 基于双目立体视觉的人头检测计数方法
CN115854895A (zh) 一种基于目标立木形态的非接触式立木胸径测量方法
CN114118253B (zh) 一种基于多源数据融合的车辆检测方法及检测装置
CN117495891A (zh) 点云边缘检测方法、装置和电子设备
CN116862832A (zh) 一种基于三维实景模型的作业人员定位方法
Lee et al. Machine vision system for curved surface inspection
CN117011341A (zh) 基于目标追踪的车辆轨迹检测方法及系统
CN109063543B (zh) 一种考虑局部形变的视频车辆重识别方法、系统及装置
CN116012712A (zh) 基于物体通用特征的目标检测方法、装置、设备及介质
Feng et al. Automated extraction of building instances from dual-channel airborne LiDAR point clouds
CN114217641A (zh) 一种非结构环境下无人机送变电设备巡检方法及系统
CN113409334A (zh) 一种基于质心的结构光角点检测方法
CN107610170B (zh) 多目图像重聚焦的深度获取方法及系统
CN111695564B (zh) 一种目标识别与导航方法
KR102249380B1 (ko) 기준 영상 정보를 이용한 cctv 장치의 공간 정보 생성 시스템

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