CN114924286A - 路面物体高度检测方法、装置、电子设备及介质 - Google Patents
路面物体高度检测方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN114924286A CN114924286A CN202210430983.7A CN202210430983A CN114924286A CN 114924286 A CN114924286 A CN 114924286A CN 202210430983 A CN202210430983 A CN 202210430983A CN 114924286 A CN114924286 A CN 114924286A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- road surface
- coordinate system
- laser 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
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
- G01S17/88—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
- 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
- G01S7/497—Means for monitoring or calibrating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
Abstract
本说明书实施例提供了一种路面物体高度检测方法、装置、电子设备及介质,预先根据目标路段的路面激光点云数据所构成的实际路面平面确定路面坐标系,在此基础上,将目标路段的第一激光点云数据从激光雷达坐标系转换到路面坐标系,得到第二激光点云数据,然后对第二激光点云数据进行聚类分割处理,从而基于得到的每类点云数据识别出相应目标物体的高度值。这样能够消除由于路面本身相对于标准地平面的倾角带来的高度检测误差,有利于提高激光雷达对路面物体的测高准确性。
Description
技术领域
本说明书实施例涉及智慧交通技术领域,尤其涉及一种路面物体高度检测方法、装置、电子设备及介质。
背景技术
现今,因车辆超高造成道路设施损坏或发生的交通事故仍屡见不鲜,一方面造成隧道、桥梁等限高设施的养护费用逐年增加,另一方面也对行车人员的人身安全造成严重危害。为了尽量避免超高车辆进入限高设施,造成碰撞事故,可以在限高设施入口所在的路段对行驶车辆进行高度检测,从而对超高的车辆进行预警。在此过程中,高度检测结果的准确性极大地影响了超高预警的可靠性。因此,需要提供一种较准确的路面物体高度检测方法。
发明内容
本说明书实施例提供了一种路面物体高度检测方法、装置、电子设备及介质。
第一方面,本说明书实施例提供了一种路面物体高度检测方法,所述方法包括:
获取目标路段的第一激光点云数据,其中,所述目标路段的路面上承载有目标物体;
将所述第一激光点云数据从激光雷达坐标系转换到路面坐标系,得到第二激光点云数据,其中,所述路面坐标系基于所述目标路段的路面激光点云数据所构成的路面平面确定;
对所述第二激光点云数据进行聚类分割处理,得到N类点云数据,并以所述路面平面为基准,基于每类点云数据,得到相应目标物体的高度值,其中,N为大于或等于1的整数。
进一步地,对所述第二激光点云数据进行聚类分割处理,得到N类点云数据,包括:
基于不同点之间的x轴距离以及y轴距离,对所述第二激光点云数据进行聚类,得到N类点云数据,且在同一类点云数据中,相邻两个点之间的x轴距离小于第一预设阈值,y轴距离小于第二预设阈值,其中,x轴方向为路面宽度方向,y轴方向为所述目标路段的行进方向,所述第一预设阈值与所述第二预设阈值不同。
进一步地,所述第二激光点云数据中x轴方向的激光点云密度大于y轴方向的激光点云密度,所述第一预设阈值小于所述第二预设阈值。
进一步地,将所述第一激光点云数据从激光雷达坐标系转换到路面坐标系,得到第二激光点云数据,包括:
将所述第一激光点云数据输入预先配置的坐标转换模型,得到所述路面坐标系下的第二激光点云数据,其中,所述坐标转换模型包括坐标旋转矩阵,所述坐标旋转矩阵基于所述路面平面在所述激光雷达坐标系中的倾角确定。
进一步地,所述坐标旋转矩阵包括以下几种旋转矩阵中的一种或多种组合:
使激光点云坐标绕所述激光雷达坐标系的X轴旋转的第一旋转矩阵,所述第一旋转矩阵基于所述激光雷达坐标系的Y轴与所述路面平面之间的夹角确定;
使激光点云坐标绕所述激光雷达坐标系的Y轴旋转的第二旋转矩阵,所述第二旋转矩阵基于所述激光雷达坐标系的X轴与所述路面平面之间的夹角确定;
使激光点云坐标绕所述激光雷达坐标系的Z轴旋转的第三旋转矩阵,所述第三旋转矩阵基于所述激光雷达坐标系的X轴与所述路面平面的参考垂面之间的夹角确定,其中,所述参考垂面为所述路面平面对应的路面坐标系中的yoz平面,所述路面坐标系的x轴方向为路面宽度方向,y轴方向为所述目标路段的行进方向,z轴方向为垂直于所述路面平面的方向。
第二方面,本说明书实施例提供了一种路面物体高度检测方法,所述方法包括:
获取目标路段的第一激光点云数据;
将所述第一激光点云数据从激光雷达坐标系转换到地面坐标系,得到第二激光点云数据;
基于不同点之间的x轴距离以及y轴距离,对所述第二激光点云数据进行聚类分割处理,得到N类点云数据,且在同一类点云数据中,相邻两个点之间的x轴距离小于第一预设阈值,y轴距离小于第二预设阈值,其中,x轴方向为路面宽度方向,y轴方向为所述目标路段的行进方向,N为大于或等于1的整数,所述第一预设阈值与所述第二预设阈值不同;
基于所述N类点云数据,得到所述目标路段行驶的车辆高度值。
第三方面,本说明书实施例提供了一种路面物体高度检测装置,所述装置包括:
数据获取模块,用于获取目标路段的第一激光点云数据,其中,所述目标路段的路面上承载有目标物体;
坐标转换模块,用于将所述第一激光点云数据从激光雷达坐标系转换到地面坐标系,得到第二激光点云数据,其中,所述路面坐标系基于所述目标路段的路面激光点云数据所构成的路面平面确定;
高度检测模块,用于对所述第二激光点云数据进行聚类分割处理,得到N类点云数据,并以所述路面平面为基准,基于每类点云数据,得到相应目标物体的高度值,其中,N为大于或等于1的整数。
第四方面,本说明书实施例提供了一种路面物体高度检测装置,所述装置包括:
获取模块,用于获取目标路段的第一激光点云数据;
转换模块,用于将所述第一激光点云数据从激光雷达坐标系转换到路面坐标系,得到第二激光点云数据;
聚类分割模块,用于基于不同点之间的x轴距离以及y轴距离,对所述第二激光点云数据进行聚类分割处理,得到N类点云数据,且在同一类点云数据中,相邻两个点之间的x轴距离小于第一预设阈值,y轴距离小于第二预设阈值,其中,x轴方向为路面宽度方向,y轴方向为所述目标路段的行进方向,N为大于或等于1的整数,所述第一预设阈值与所述第二预设阈值不同;
车辆高度确定模块,用于基于所述N类点云数据,得到所述目标路段行驶的车辆高度值。
第五方面,本说明书实施例提供了一种电子设备,包括:存储器、处理器及存储在存储器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第一方面或第二方面提供的路面物体高度检测方法的步骤。
第六方面,本说明书实施例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上述第一方面或第二方面提供的路面物体高度检测方法的步骤。
本说明书一个实施例提供的路面物体高度检测方法,预先根据目标路段的路面激光点云数据所构成的实际路面平面确定路面坐标系,在此基础上,将目标路段的第一激光点云数据从激光雷达坐标系转换到路面坐标系,得到第二激光点云数据,接着,对第二激光点云数据进行聚类分割处理,从而基于得到的每类点云数据识别出相应目标物体的高度值。该过程中以实际场景的路面平面为基准平面,来对激光雷达坐标系进行校准,能够消除由于路面本身相对于标准地平面的倾角带来的高度检测误差,有利于提高激光雷达对路面物体的测高准确性。
附图说明
图1为本说明书实施例提供的一种激光雷达测高场景示意图;
图2为本说明书实施例第一方面提供的一种路面物体高度检测方法的流程图;
图3为本说明书实施例第二方面提供的一种路面物体高度检测方法的流程图;
图4为本说明书实施例第三方面提供的一种路面物体高度检测装置的模块框图;
图5为本说明书实施例第四方面提供的一种路面物体高度检测装置的模块框图;
图6为本说明书实施例第五方面提供的一种电子设备的结构示意图。
具体实施方式
图1示出了一种示例性激光雷达测高场景示意图。如图1所示,可以将激光雷达110安装在道路上设置的支架101上,用于采集目标路段上的激光点云数据,从而检测目标路段中道路表面即路面100上承载的物体120如车辆、行人等的高度。例如,激光雷达110可以采用16线激光雷达,实现对远距离区域的检测。
激光雷达110的具体安装位置可以根据实际场景的需要确定。例如,在一种场景中,激光雷达110的安装位置可以距离路面100高约7米,雷达发射面的正前方即Y轴方向倾斜向下,俯角θ可以在15度到20度之间,雷达发射中心线与路面100的交点位置,距离雷达在路面100的投影点位置20米左右。
使用时,激光雷达110可以将采集到的目标路段的激光点云数据发送给控制装置,由控制装置执行本说明书实施例提供的路面物体高度检测方法,实现目标路段中路面物体的高度检测。
以车辆超高预警场景为例,激光雷达110需要检测的路面物体可以为目标路段上行驶的车辆,在得到车辆的高度检测结果后,就可以进一步根据检测出的高度值以及前方限高设施的限高值,判定车辆是否超高,从而在车辆超高时对超高车辆进行预警。
当然,除了应用在车辆超高预警场景以外,本实施例提供的路面物体高度检测方法也可以应用在其他应用场景中,例如,也可以应用在无人驾驶场景中对路面障碍物高度进行识别,本实施例对此不做限定。
为了更好的理解本说明书实施例提供的技术方案,下面通过附图以及具体实施例对本说明书实施例的技术方案做详细的说明,应当理解本说明书实施例以及实施例中的具体特征是对本说明书实施例技术方案的详细的说明,而不是对本说明书技术方案的限定,在不冲突的情况下,本说明书实施例以及实施例中的技术特征可以相互组合。
第一方面,如图2所示,本说明书实施例提供的路面物体高度检测方法至少包括以下步骤S101至步骤S103。
步骤S101,获取目标路段的第一激光点云数据,其中,目标路段的路面上承载有目标物体。
其中,目标路段为需要进行路面物体测高的路段,也是激光雷达的视场区域覆盖的路段。目标物体为需要进行高度检测的路面物体,例如,目标物体可以是目标路段上行驶的车辆,具体根据实际应用场景确定。激光雷达在道路的检测点位处安装好后,就可以采集目标路段的第一激光点云数据。可以理解的是,第一激光点云数据包括激光雷达视场区域内,路面上承载的目标物体的点云数据以及未被目标物体遮挡的路面点云数据。
步骤S102,将第一激光点云数据从激光雷达坐标系转换到路面坐标系,得到第二激光点云数据,其中,路面坐标系基于目标路段的路面激光点云数据所构成的路面平面确定。
需要说明的是,步骤S101采集的第一激光点云数据是激光雷达坐标系下的点云坐标。通常来讲,激光雷达是以发射面正前方为Y轴正方向,正右方为X轴正方向,正上方为Z轴正方向构建激光雷达坐标系。激光雷达在路面场景中安装完成后,其激光雷达坐标系中各坐标轴的方向也就确定了,如图1所示,该场景中,由于激光雷达的安装具有俯角θ,激光雷达坐标系中的Y轴向下倾斜朝向路面。由于,在进行高度检测之前,需要先对激光雷达坐标系进行校准,以便确定目标物体相对于一基准平面的高度。
发明人在研究过程中发现,大多路面并不是标准地平面,例如,在延伸方向略有坡度,或者是,道路本身在修建时,考虑排水等问题,在道路左右方向存在倾斜,如果以标准地平面作为坐标系校准基准的话,将导致路面物体的高度检测结果误差增大,尤其是针对远距离测量,受路面倾斜程度的影响更大,距离越远高度误差越大。由此,本实施例以实际场景的路面平面为基准平面,来对激光雷达坐标系进行校准,使得校准后的激光雷达坐标系的XOY面与路面平面平行,Z轴与路面平面垂直。也就是说,将第一激光点云数据从激光雷达坐标系转换到路面坐标系。这样可以消除由于路面本身相对于标准地平面的倾角给高度检测带来的误差,有利于提高激光雷达对路面物体的测高准确性。
当然,在执行步骤S102的坐标转换之前,需要先获取目标路段的路面激光点云数据,然后根据路面激光点云数据确定路面平面,从而根据路面平面在激光雷达坐标系中的姿态即倾角以及激光雷达坐标系相对于路面平面的位置来确定坐标转换模型。需要说明的是,路面平面在激光雷达坐标系中的倾角一方面受激光雷达在路面场景中的安装姿态影响,另一方面也受路面本身相对于标准地平面的倾斜情况影响。
具体地,目标路段的路面激光点云数据可以从步骤S101得到的第一激光点云数据中筛选得到,或者,也可以在执行上述步骤S101至S103之前,利用同一激光雷达单独采集并筛选得到。需要说明的是,当路面返回激光点云较少的时候,可以结合道路两侧参照物如栏杆返回的激光点云确定路面平面。
进一步地,就可以基于所确定的坐标转换模型,将激光雷达使用过程中,所采集的第一激光点云数据从激光雷达坐标系转换到路面坐标系。具体地,可以将第一激光点云数据输入预先配置的坐标转换模型,得到路面坐标系下的第二激光点云数据,即激光点云数据的坐标系校准。例如,路面坐标系的x轴方向可以为路面宽度方向,y轴方向可以为目标路段的行进方向,z轴正方向可以为垂直于路面平面向上的方向。
在一种可选的实施方式中,坐标转换模型包括坐标旋转矩阵,坐标旋转矩阵用于将点云坐标所在坐标系的姿态变换到与路面坐标系一致。通过将点云坐标绕激光雷达坐标系的坐标轴旋转,采用右手坐标系,取绕各轴逆时针方向为正方向,就可以实现点云坐标的坐标系姿态变换。可以理解的是,每一维的旋转可以体现为一个向量与一个旋转矩阵的乘积,如果需要绕三个坐标轴旋转,则体现为三个旋转矩阵的乘积。
具体来讲,坐标旋转矩阵可以包括以下三种旋转矩阵中的一种或多种组合,具体可以根据实际场景的需要确定。当包括多种旋转矩阵时,可以将所包含的多种旋转矩阵相乘,得到坐标旋转矩阵。
第一种,使激光点云坐标绕激光雷达坐标系的X轴旋转的第一旋转矩阵。例如,可以先获取激光雷达坐标系的Y轴与路面平面之间的夹角,作为第一旋转角,然后基于第一旋转角确定第一旋转矩阵。例如,可以将第一旋转角输入以下公式(1),得到对应的第一旋转矩阵。式(1)中,RX(α)表示第一旋转矩阵,α表示第一旋转角。
例如,在激光雷达正前方倾斜向下安装的情况下,采集到的路面激光点云数据呈现的路面平面在Y轴方向上为斜向上的姿态,即路面平面与激光雷达坐标系的Y轴存在夹角。此时,需要将点云数据绕激光雷达坐标系的X轴旋转,从而将路面点云数据呈现的路面平面旋转到与Y轴平行。
第二种,使激光点云坐标绕激光雷达坐标系的Y轴旋转的第二旋转矩阵。例如,可以先获取激光雷达坐标系的X轴与路面平面之间的夹角,作为第二旋转角,然后基于第二旋转角确定第二旋转矩阵。例如,可以将第二旋转角输入以下公式(2),得到对应的第二旋转矩阵。式(2)中,RY(β)表示第二旋转矩阵,β表示第二旋转角。
例如,在路面宽度方向相对于标准地平面倾斜的情况下,路面平面与激光雷达坐标系的X轴也可能存在夹角。此时,需要将点云数据绕激光雷达坐标系的Y轴旋转,从而将路面点云数据呈现的路面平面旋转到与X轴基本平行。
第三种,使激光点云坐标绕激光雷达坐标系的Z轴旋转的第三旋转矩阵。例如,可以先获取激光雷达坐标系的X轴与路面平面的参考垂面之间的夹角,作为第三旋转角,然后基于第三旋转角确定第三旋转矩阵。其中,参考垂面为路面平面对应的路面坐标系中的yoz平面。例如,可以将第三旋转角输入以下公式(3),得到对应的第三旋转矩阵。式(3)中,RZ(γ)表示第三旋转矩阵,γ表示第三旋转角。
在一种可选的实施方式中,可以默认坐标旋转矩阵包括上述第一旋转矩阵、第二旋转矩阵和第三旋转矩阵,即坐标旋转矩阵M可以通过以下公式(4)确定。
M=RX(α)RY(β)RZ(γ) (4)
可以理解的是,若实际路面场景的坐标转换无需绕其中某个轴旋转,则所获取的相应旋转角为零。例如,假设所获取的第三旋转角为零,则所确定的第三旋转矩阵的主对角线上的元素为1,其余元素为0,这种情况下,将点坐标乘以该第三旋转矩阵,坐标值不会发生变化。
当然,在其他实施方式中,也可以根据实际路面场景中的激光雷达的安装姿态以及路面倾斜情况来确定上述坐标旋转矩阵。例如,若某路面场景只需绕X轴旋转以及绕Y轴旋转即可实现坐标转换,即坐标旋转矩阵为:RX(α)RY(β)。使用时,无需再获取第三旋转角,得到第一旋转角和第二旋转角后,就可以确定坐标旋转矩阵。
坐标转换模型中,将第一激光点云数据中的点云坐标乘以坐标旋转矩阵,即可实现坐标系的姿态转换,使得转换后的坐标系与路面坐标系的x、y、z三个轴的方向保持一致。
进一步地,除了坐标旋转矩阵以外,坐标转换模型还包括坐标平移矩阵。坐标平移矩阵基于激光雷达坐标系的原点相对于路面平面的位置确定。在坐标转换模型中,完成上述坐标旋转后,再通过坐标平移矩阵,对旋转后的点云坐标进行平移,使得旋转后的坐标系原点位于路面平面上,就可以得到转换到路面坐标系下的点云坐标。例如,坐标转换模型可以如以下式(5)所示,其中,(x0,y0,z0)表示转换前的点坐标,(x1,y1,z1)表示转换后的点坐标,M表示坐标旋转矩阵,P表示坐标平移矩阵。实际应用中,将第一激光雷达数据中的点云坐标输入式(5)中,即可得到第二激光点云数据。
(x1,y1,z1)T=M*(x0,y0,z0)T+P (5)
完成坐标转换后,可以认为第二激光点云数据中的路面点云数据位于路面坐标系的xoy平面上。进一步地,就可以执行步骤S103进行高度检测。
步骤S103,对第二激光点云数据进行聚类分割处理,得到N类点云数据,并以路面平面为基准,基于每类点云数据,得到相应目标物体的高度值,其中,N为大于或等于1的整数。
考虑到第二激光点云数据中包含有激光雷达视场范围内,除目标物体以外的点云数据,为了减少聚类的计算量以及提高聚类结果的准确性,可以预先根据实际应用场景中激光雷达的视场区域、路面宽度、目标物体的高度以及有效路段长度,确定检测区间,包括x轴方向上的检测区间,y轴方向上的检测区间以及z轴方向上的检测区间。例如,当目标物体为目标路段上行驶的车辆时,可以根据要检测的车道区域以及车辆的高度范围等因素,确定上述检测区域。在步骤S103中,先将第二激光点云数据中位于该检测区间以外的点云数据剔除,然后,再对第二激光点云数据进行聚类分割,以识别出目标物体。
在一种可选的实施方式中,可以基于不同点之间的x轴距离以及y轴距离,对第二激光点云数据进行聚类,得到N类点云数据,相邻两个点之间的x轴距离小于第一预设阈值,y轴距离小于第二预设阈值。需要说明的是,本文中,某个点的相邻点是指与该点距离最近的另一个点。
其中,第一预设阈值与第二预设阈值不同,具体可以根据实际应用场景的需要以及多次试验设置。例如,第二激光点云数据中x轴方向的激光点云密度大于y轴方向的激光点云密度,此时,第一预设阈值小于第二预设阈值。
需要说明的是,多线激光雷达在x轴方向和y轴方向上的角分辨率不同,在相同距离下,点云在x轴方向上的密度和y轴方向上的密度呈现出较大差距,导致同样相邻的点在坐标系中x轴和y轴上的距离不一致。如果采用传统基于欧式距离进行聚类的方式,即采用点与点之间的直线距离作为聚类阈值,这样就会出现x轴方向阈值合适,而y轴阈值过小,或者,y轴阈值合适,而x轴阈值过大的问题,导致聚类结果误差较大。由此,本实施例通过在x轴方向和y轴方向上采用不同的距离阈值来对点云数据进行聚类,能够有效地提高聚类结果的准确性。
以目标物体为目标路段上行驶的车辆为例,车辆的宽度是小于车道宽度的,而且不同车辆的长度和高度相差较大,聚类分割过程中,在x轴方向和y轴方向上采用不同的距离阈值,有利于更准确地分割出各种类型车辆对应的点云,从而提高车辆高度检测结果的准确性。
具体地,基于距离进行聚类分割的方式有多种。例如,可以遍历第二激光点云数据中的每个点,若遍历到当前点时,还未创建有类,则创建新类,将当前点加入新类点云。若存在已创建的类,则遍历已创建的类,获取当前点与当前类中每个点之间的x轴距离和y轴距离,若当前类中存在至少一个点与当前点之间的x轴距离小于第一预设阈值,且y轴距离小于第二预设阈值,则将当前点加入当前类。若已创建的类中均不存在与当前点之间的x轴距离小于第一预设阈值,且y轴距离小于第二预设阈值的点,则创建新类,将当前点加入新类点云。以此类推,直至遍历完第二激光点云数据中的所有点,就可以得到N类点云数据。
每类点云数据对应一个目标物体。例如,目标物体可以是目标路段上行驶的车辆。由于经过上述步骤S102的坐标系校准,已经使得路面点云位于路面坐标系的xoy面,因此,通过比较同一类点云数据中各点的z轴坐标值,即可确定相应目标物体顶部距离路面的高度值。例如,可以将同一类点云数据中,最大的z轴坐标值作为相应目标物体的高度值。
第二方面,本说明书实施例还提供了一种路面物体高度检测方法,用于远距离检测目标路段上行驶的车辆高度。如图3所示,该方法可以包括以下步骤:
步骤S201,获取目标路段的第一激光点云数据;
步骤S202,将第一激光点云数据从激光雷达坐标系转换到地面坐标系,得到第二激光点云数据;
步骤S203,基于不同点之间的x轴距离以及y轴距离,对第二激光点云数据进行聚类分割处理,得到N类点云数据,且在同一类点云数据中,相邻两个点之间的x轴距离小于第一预设阈值,y轴距离小于第二预设阈值,其中,x轴方向为路面宽度方向,y轴方向为目标路段的行进方向,N为大于或等于1的整数,第一预设阈值与第二预设阈值不同;
步骤S204,基于N类点云数据,得到目标路段行驶的车辆高度值。
需要说明的是,上述步骤S201至步骤S204的具体实施过程以及达到的技术效果可以参照上述第一方面提供的方法实施例中的相关描述,此处不再赘述。具体实施时,步骤S202中的地面坐标系可以基于目标路段的路面激光点云数据所构成的路面平面确定,或者,也可以基于标准地平面确定,本实施例对此不做限制。
第三方面,基于与前述第一方面实施例提供的路面物体高度检测方法同样的发明构思,本说明书实施例还提供了一种路面物体高度检测装置。如图4所示,该路面物体高度检测装置40包括:
数据获取模块401,用于获取目标路段的第一激光点云数据,其中,所述目标路段的路面上承载有目标物体;
坐标转换模块402,用于将所述第一激光点云数据从激光雷达坐标系转换到路面坐标系,得到第二激光点云数据,其中,所述路面坐标系基于所述目标路段的路面激光点云数据所构成的路面平面确定;
高度检测模块403,用于对所述第二激光点云数据进行聚类分割处理,得到N类点云数据,并以所述路面平面为基准,基于每类点云数据,得到相应目标物体的高度值,其中,N为大于或等于1的整数。
在一种可选的实施方式中,上述高度检测模块403用于:基于不同点之间的x轴距离以及y轴距离,对所述第二激光点云数据进行聚类,得到N类点云数据,且在同一类点云数据中,相邻两个点之间的x轴距离小于第一预设阈值,y轴距离小于第二预设阈值,其中,x轴方向为路面宽度方向,y轴方向为所述目标路段的行进方向,所述第一预设阈值与所述第二预设阈值不同。
在一种可选的实施方式中,所述第二激光点云数据中x轴方向的激光点云密度大于y轴方向的激光点云密度,所述第一预设阈值小于所述第二预设阈值。
在一种可选的实施方式中,上述坐标转换模块402用于:
将所述第一激光点云数据输入预先配置的坐标转换模型,得到所述路面坐标系下的第二激光点云数据,其中,所述坐标转换模型包括坐标旋转矩阵,所述坐标旋转矩阵基于所述路面平面在所述激光雷达坐标系中的倾角确定。
在一种可选的实施方式中,所述坐标旋转矩阵包括:使激光点云坐标绕所述激光雷达坐标系的X轴旋转的第一旋转矩阵,所述第一旋转矩阵基于所述激光雷达坐标系的Y轴与所述路面平面之间的夹角确定。
在一种可选的实施方式中,所述坐标旋转矩阵包括:使激光点云坐标绕所述激光雷达坐标系的Y轴旋转的第二旋转矩阵,所述第二旋转矩阵基于所述激光雷达坐标系的X轴与所述路面平面之间的夹角确定。
在一种可选的实施方式中,所述坐标旋转矩阵包括:使激光点云坐标绕所述激光雷达坐标系的Z轴旋转的第三旋转矩阵,所述第三旋转矩阵基于所述激光雷达坐标系的X轴与所述路面平面的参考垂面之间的夹角确定,其中,所述参考垂面为所述路面平面对应的路面坐标系中的yoz平面,所述路面坐标系的x轴方向为路面宽度方向,y轴方向为所述目标路段的行进方向,z轴方向为垂直于所述路面平面的方向。
需要说明的是,本说明书实施例所提供的路面物体高度检测装置40,其中各个模块执行操作的具体方式已经在上述第一方面提供的方法实施例中进行了详细描述,具体实施过程可以参照上述第一方面提供的方法实施例,此处将不做详细阐述说明。
第四方面,基于与前述第二方面实施例提供的路面物体高度检测方法同样的发明构思,本说明书实施例还提供了一种路面物体高度检测装置。如图5所示,该路面物体高度检测装置50包括:
获取模块501,用于获取目标路段的第一激光点云数据;
转换模块502,用于将所述第一激光点云数据从激光雷达坐标系转换到地面坐标系,得到第二激光点云数据;
聚类分割模块503,用于基于不同点之间的x轴距离以及y轴距离,对所述第二激光点云数据进行聚类分割处理,得到N类点云数据,且在同一类点云数据中,相邻两个点之间的x轴距离小于第一预设阈值,y轴距离小于第二预设阈值,其中,x轴方向为路面宽度方向,y轴方向为所述目标路段的行进方向,N为大于或等于1的整数,所述第一预设阈值与所述第二预设阈值不同;
车辆高度确定模块504,用于基于所述N类点云数据,得到所述目标路段行驶的车辆高度值。
需要说明的是,本说明书实施例所提供的路面物体高度检测装置50,其中各个模块执行操作的具体方式已经在上述第一方面提供的方法实施例中进行了详细描述,具体实施过程可以参照上述第一方面提供的方法实施例,此处将不做详细阐述说明。
第五方面,基于与前述实施例提供的路面物体高度检测方法同样的发明构思,本说明书实施例还提供了一种电子设备。如图6所示,该电子设备包括存储器604、一个或多个处理器602及存储在存储器604上并可在处理器602上运行的计算机程序,处理器602执行该程序时实现前文第一方面或第二方面提供的路面物体高度检测方法的任一实施例的步骤。例如,电子设备可以是边缘计算设备、个人计算机、平板电脑或服务器等具有数据处理功能的设备。
其中,在图6中,总线架构(用总线600来代表),总线600可以包括任意数量的互联的总线和桥,总线600将包括由处理器602代表的一个或多个处理器和存储器604代表的存储器的各种电路链接在一起。总线600还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口605在总线600和接收器601和发送器603之间提供接口。接收器601和发送器603可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。处理器602负责管理总线600和通常的处理,而存储器604可以被用于存储处理器602在执行操作时所使用的数据。
可以理解的是,图6所示的结构仅为示意,本说明书实施例提供的电子设备还可包括比图6中所示更多或者更少的组件,或者具有与图6所示不同的配置。图6中所示的各组件可以采用硬件、软件或其组合实现。
第六方面,基于与前述实施例中提供的路面物体高度检测方法同样的发明构思,本说明书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前文第一方面或第二方面提供的路面物体高度检测方法的任一实施例的步骤。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的设备。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令设备的制造品,该指令设备实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本说明书的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本说明书范围的所有变更和修改。
显然,本领域的技术人员可以对本说明书进行各种改动和变型而不脱离本说明书的精神和范围。这样,倘若本说明书的这些修改和变型属于本说明书权利要求及其等同技术的范围之内,则本说明书也意图包含这些改动和变型在内。
Claims (10)
1.一种路面物体高度检测方法,其特征在于,所述方法包括:
获取目标路段的第一激光点云数据,其中,所述目标路段的路面上承载有目标物体;
将所述第一激光点云数据从激光雷达坐标系转换到路面坐标系,得到第二激光点云数据,其中,所述路面坐标系基于所述目标路段的路面激光点云数据所构成的路面平面确定;
对所述第二激光点云数据进行聚类分割处理,得到N类点云数据,并以所述路面平面为基准,基于每类点云数据,得到相应目标物体的高度值,其中,N为大于或等于1的整数。
2.根据权利要求1所述的方法,其特征在于,对所述第二激光点云数据进行聚类分割处理,得到N类点云数据,包括:
基于不同点之间的x轴距离以及y轴距离,对所述第二激光点云数据进行聚类,得到N类点云数据,且在同一类点云数据中,相邻两个点之间的x轴距离小于第一预设阈值,y轴距离小于第二预设阈值,其中,x轴方向为路面宽度方向,y轴方向为所述目标路段的行进方向,所述第一预设阈值与所述第二预设阈值不同。
3.根据权利要求2所述的方法,其特征在于,所述第二激光点云数据中x轴方向的激光点云密度大于y轴方向的激光点云密度,所述第一预设阈值小于所述第二预设阈值。
4.根据权利要求1-3中任一项所述的方法,其特征在于,将所述第一激光点云数据从激光雷达坐标系转换到路面坐标系,得到第二激光点云数据,包括:
将所述第一激光点云数据输入预先配置的坐标转换模型,得到所述路面坐标系下的第二激光点云数据,其中,所述坐标转换模型包括坐标旋转矩阵,所述坐标旋转矩阵基于所述路面平面在所述激光雷达坐标系中的倾角确定。
5.根据权利要求4所述的方法,其特征在于,所述坐标旋转矩阵包括以下几种旋转矩阵中的一种或多种组合:
使激光点云坐标绕所述激光雷达坐标系的X轴旋转的第一旋转矩阵,所述第一旋转矩阵基于所述激光雷达坐标系的Y轴与所述路面平面之间的夹角确定;
使激光点云坐标绕所述激光雷达坐标系的Y轴旋转的第二旋转矩阵,所述第二旋转矩阵基于所述激光雷达坐标系的X轴与所述路面平面之间的夹角确定;
使激光点云坐标绕所述激光雷达坐标系的Z轴旋转的第三旋转矩阵,所述第三旋转矩阵基于所述激光雷达坐标系的X轴与所述路面平面的参考垂面之间的夹角确定,其中,所述参考垂面为所述路面平面对应的路面坐标系中的yoz平面,所述路面坐标系的x轴方向为路面宽度方向,y轴方向为所述目标路段的行进方向,z轴方向为垂直于所述路面平面的方向。
6.一种路面物体高度检测方法,其特征在于,所述方法包括:
获取目标路段的第一激光点云数据;
将所述第一激光点云数据从激光雷达坐标系转换到地面坐标系,得到第二激光点云数据;
基于不同点之间的x轴距离以及y轴距离,对所述第二激光点云数据进行聚类分割处理,得到N类点云数据,且在同一类点云数据中,相邻两个点之间的x轴距离小于第一预设阈值,y轴距离小于第二预设阈值,其中,x轴方向为路面宽度方向,y轴方向为所述目标路段的行进方向,N为大于或等于1的整数,所述第一预设阈值与所述第二预设阈值不同;
基于所述N类点云数据,得到所述目标路段行驶的车辆高度值。
7.一种路面物体高度检测装置,其特征在于,所述装置包括:
数据获取模块,用于获取目标路段的第一激光点云数据,其中,所述目标路段的路面上承载有目标物体;
坐标转换模块,用于将所述第一激光点云数据从激光雷达坐标系转换到路面坐标系,得到第二激光点云数据,其中,所述路面坐标系基于所述目标路段的路面激光点云数据所构成的路面平面确定;
高度检测模块,用于对所述第二激光点云数据进行聚类分割处理,得到N类点云数据,并以所述路面平面为基准,基于每类点云数据,得到相应目标物体的高度值,其中,N为大于或等于1的整数。
8.一种路面物体高度检测装置,其特征在于,所述装置包括:
获取模块,用于获取目标路段的第一激光点云数据;
转换模块,用于将所述第一激光点云数据从激光雷达坐标系转换到地面坐标系,得到第二激光点云数据;
聚类分割模块,用于基于不同点之间的x轴距离以及y轴距离,对所述第二激光点云数据进行聚类分割处理,得到N类点云数据,且在同一类点云数据中,相邻两个点之间的x轴距离小于第一预设阈值,y轴距离小于第二预设阈值,其中,x轴方向为路面宽度方向,y轴方向为所述目标路段的行进方向,N为大于或等于1的整数,所述第一预设阈值与所述第二预设阈值不同;
车辆高度确定模块,用于基于所述N类点云数据,得到所述目标路段行驶的车辆高度值。
9.一种电子设备,其特征在于,包括:存储器、处理器及存储在存储器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权利要求1-6中任一项所述方法的步骤。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,该程序被处理器执行时实现权利要求1-6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210430983.7A CN114924286A (zh) | 2022-04-22 | 2022-04-22 | 路面物体高度检测方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210430983.7A CN114924286A (zh) | 2022-04-22 | 2022-04-22 | 路面物体高度检测方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114924286A true CN114924286A (zh) | 2022-08-19 |
Family
ID=82807655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210430983.7A Pending CN114924286A (zh) | 2022-04-22 | 2022-04-22 | 路面物体高度检测方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114924286A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115436906A (zh) * | 2022-11-07 | 2022-12-06 | 成都远望探测技术有限公司 | 一种提升雷达探测目标位置及风场反演信息准确性的方法 |
-
2022
- 2022-04-22 CN CN202210430983.7A patent/CN114924286A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115436906A (zh) * | 2022-11-07 | 2022-12-06 | 成都远望探测技术有限公司 | 一种提升雷达探测目标位置及风场反演信息准确性的方法 |
CN115436906B (zh) * | 2022-11-07 | 2023-03-14 | 成都远望探测技术有限公司 | 一种提升雷达探测目标位置及风场反演信息准确性的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3620823B1 (en) | Method and device for detecting precision of internal parameter of laser radar | |
US10424081B2 (en) | Method and apparatus for calibrating a camera system of a motor vehicle | |
CN110632617B (zh) | 一种激光雷达点云数据处理的方法及装置 | |
CN111563450B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN111221334B (zh) | 一种用于自动驾驶汽车仿真的环境传感器模拟方法 | |
CN112782658A (zh) | 一种雷达角度校准方法及装置 | |
KR20170126740A (ko) | 물체 탐지 장치 및 방법 | |
Kellner et al. | Road curb detection based on different elevation mapping techniques | |
CN110807412A (zh) | 一种车辆激光定位的方法、车载设备和存储介质 | |
CN114924286A (zh) | 路面物体高度检测方法、装置、电子设备及介质 | |
US11307302B2 (en) | Method and device for estimating an absolute velocity of an obstacle, and non-volatile computer-readable storage medium | |
CN114323050A (zh) | 车辆定位方法、装置和电子设备 | |
CN110119751B (zh) | 激光雷达点云目标分割方法、目标匹配方法、装置及车辆 | |
CN112902911B (zh) | 基于单目相机的测距方法、装置、设备及存储介质 | |
CN111275715A (zh) | 点云分割方法、装置、电子设备、存储介质和机器人 | |
US20220227358A1 (en) | Map-based target heading disambiguation | |
CN110909569B (zh) | 路况信息识别方法及终端设备 | |
US20230358547A1 (en) | Map matching method and apparatus, electronic device and storage medium | |
CN114399399A (zh) | 矿区车辆的卸载停靠方法、装置、计算机设备及存储介质 | |
CN114428251A (zh) | 一种雷达测量精度的确定方法及装置 | |
Alrousan et al. | Multi-Sensor Fusion in Slow Lanes for Lane Keep Assist System | |
US20220404506A1 (en) | Online validation of lidar-to-lidar alignment and lidar-to-vehicle alignment | |
US20230147739A1 (en) | Automatic detection of lidar to vehicle alignment state using localization data | |
EP4198920A1 (en) | A method and unit for evaluating a performance of an obstacle detection system | |
US20230025579A1 (en) | High-definition mapping |
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 |