CN115239706A - 基于激光雷达的坠物识别方法、装置和可读存储介质 - Google Patents

基于激光雷达的坠物识别方法、装置和可读存储介质 Download PDF

Info

Publication number
CN115239706A
CN115239706A CN202211140019.7A CN202211140019A CN115239706A CN 115239706 A CN115239706 A CN 115239706A CN 202211140019 A CN202211140019 A CN 202211140019A CN 115239706 A CN115239706 A CN 115239706A
Authority
CN
China
Prior art keywords
point cloud
dynamic point
cloud cluster
time
cluster
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
CN202211140019.7A
Other languages
English (en)
Inventor
魏于堂
金一康
邓常敏
周天文
吴孝权
吴迪飞
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.)
Tudaton Intelligent Technology Suzhou Co ltd
Original Assignee
Tudatong Intelligent Technology Wuhan 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 Tudatong Intelligent Technology Wuhan Co ltd filed Critical Tudatong Intelligent Technology Wuhan Co ltd
Priority to CN202211140019.7A priority Critical patent/CN115239706A/zh
Publication of CN115239706A publication Critical patent/CN115239706A/zh
Priority to EP23194725.0A priority patent/EP4343372A1/en
Priority to US18/369,112 priority patent/US20240096100A1/en
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • G01S17/66—Tracking systems using electromagnetic waves other than radio waves
    • 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
    • G01S17/50—Systems of measurement based on relative movement of target
    • G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • 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
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • 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
    • G01S7/4808—Evaluating distance, position or velocity data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06V10/30—Noise filtering
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar image
    • 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
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure
    • 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
    • G06T2207/30232—Surveillance
    • 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
    • G06T2207/30241—Trajectory

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本公开提供一种基于激光雷达的坠物识别方法、装置和可读存储介质。方法包括：获取激光雷达的点云数据集；基于第一时刻的点云数据和第二时刻的点云数据，识别动态点云簇集，动态点云簇集包括至少一个动态点云簇；以及响应于识别到动态点云簇集，启用追踪及确定过程。对于每一动态点云簇，实时更新在第二时刻之后的每一当前时刻的动态点云簇的数据集，其至少包括表示动态点云簇在重力方向上的位置的数据；判断在设定时间段内表示动态点云簇在重力方向上的位置的数据是否符合自由落体定律；以及响应于判断符合自由落体定律，确定动态点云簇表征的物体为坠物。实现了坠物的实时检测，为不同场景以及全天候坠物检测提供了新的方案。

Description

基于激光雷达的坠物识别方法、装置和可读存储介质
技术领域
本公开涉及激光雷达领域，更具体地涉及一种基于激光雷达的坠物识别方法、坠物识别装置、计算机设备、电子设备和计算机可读存储介质。
背景技术
随着基础建设的发展，越来越多的高楼大厦正成为城市的标志性建筑，在节约城市用地、满足人民居住及生活需求之余，高空坠物也正成为困扰人民群众生命安全和影响社会秩序正常运行的难题。在不同的场景下，高空坠物出现的形式可能会有所区别，但无论其出现的形式、物体大小如何，造成的安全隐患都不容小觑。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开的目的在于提供一种方案，其能够基于激光雷达准确地识别是否发生坠物。
根据本公开实施例的第一方面，提供了一种基于激光雷达的坠物识别方法。所述坠物识别方法包括：获取所述激光雷达的点云数据集，所述点云数据集包括所述激光雷达在第一时刻的点云数据和所述激光雷达在第二时刻的点云数据，所述第二时刻在所述第一时刻之后；基于所述第一时刻的点云数据和所述第二时刻的点云数据，识别动态点云簇集，所述动态点云簇集包括至少一个动态点云簇；响应于识别到所述动态点云簇集，启用追踪及确定过程。对于所述动态点云簇集的每一所述动态点云簇：实时更新在所述第二时刻之后的每一当前时刻的动态点云簇的数据集，所述动态点云簇的数据集至少包括表示所述动态点云簇在重力方向上的位置的数据；判断在设定时间段内所述表示所述动态点云簇在重力方向上的位置的数据是否符合自由落体定律；以及响应于判断符合自由落体定律，确定所述动态点云簇表征的物体为坠物。
根据本公开实施例的第二方面，提供了一种基于激光雷达的坠物识别装置。所述坠物识别装置包括：第一单元，其被配置为获取激光雷达的点云数据集，所述点云数据集包括所述激光雷达在第一时刻的点云数据和所述激光雷达在第二时刻的点云数据，所述第二时刻在所述第一时刻之后；第二单元，其被配置为基于所述第一时刻的点云数据和所述第二时刻的点云数据，识别动态点云簇集，所述动态点云簇集包括至少一个动态点云簇；第三单元，其被配置为响应于识别到所述动态点云簇集，启用如下坠物追踪及确定过程：对于所述动态点云簇集的每一所述动态点云簇，实时更新所述激光雷达在所述第二时刻之后的每一当前时刻的动态点云簇的数据集，所述动态点云簇的数据集至少包括表示所述动态点云簇在重力方向上的位置的数据；判断在设定时间段内所述表示所述动态点云簇在重力方向上的位置的数据是否符合自由落体定律；以及响应于判断符合自由落体定律，确定所述动态点云簇表征的物体为坠物。
根据本公开实施例的第三方面，提供了一种计算机设备，包括：至少一个处理器；以及至少一个存储器，其上存储有计算机程序，其中，所述计算机程序在被所述至少一个处理器执行时，使所述至少一个处理器执行上述基于激光雷达的坠物识别方法。
根据本公开实施例的第四方面，提供了一种电子设备，包括激光雷达以及上述基于激光雷达的坠物识别装置或上述计算机设备。
根据本公开实施例的第五方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，使所述处理器执行上述基于激光雷达的坠物识别方法。
根据本公开的一个或多个实施例，提出一种基于激光雷达的坠物识别方法、坠物识别装置、计算机设备、电子设备和计算机可读存储介质。通过该坠物识别方法、坠物识别装置、计算机设备、电子设备和计算机可读存储介质，实现了对于坠物的实时检测，为不同场景下的全天候坠物事件检测提供了一种新的方案。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于说明实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代相同的要素或类似但不一定相同的要素。
图1示出了根据本公开的实施例的基于激光雷达的坠物识别方法的示意性流程图；
图2示出了根据本公开的实施例的坠物识别方法中获取激光雷达点云数据集的示意性流程图；
图3示出了根据本公开的实施例的坠物识别方法中识别动态点云簇集的示意性流程图；
图4示出了根据公开实施例的坠物识别方法中坠物追踪及确定过程的示意性流程图；
图5示出了根据本公开的实施例的基于激光雷达的坠物识别方法的示意性流程图；
图6示出了根据本公开的实施例的坠物识别方法可应用于的示例性场景的示意图；以及
图7是示出根据本公开的实施例的基于激光雷达的坠物识别装置的示意性框图。
具体实施方式
下面结合附图和实施例对本公开进行进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释相关发明，而非对该发明的限定。另外，还需要说明的是，为了便于描述，附图中仅示出了与相关发明相关的部分。
需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的步骤或功能模块的编号仅用于对各个步骤或功能模块进行标识，而不用于限制各个步骤的执行顺序或各个功能模块相互之间的连接关系。
在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元素与另一元素区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
在本公开中，对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
“激光雷达”是一种高精度测距仪器，其具有重量轻、体积小、测距精度高、抗干扰能力强等众多优点，被广泛应用在机器人、驾驶、导航等领域中。其主要工作原理是通过高频测距和扫描测角实现对目标轮廓三维扫描测量并成像。相比摄像头和毫米波雷达等常见的传感器，激光雷达具备强大的空间三维分辨能力。
坠物、特别是高空抛物现象被称为“悬在城市上空的痛”。近年来，高空坠物致人伤亡的案例不断见诸报端，该类顽疾的久治不愈拷问着城市管理。除了致人伤亡，道路、轨道附近的高空坠物也会对车辆以及轨道列车的行驶安全造成安全隐患。现阶段往往只能靠警示标语、宣传教育等方式让人们意识到高空坠物的危害，却无法真正有效地进行高空坠物的识别、预警或预防。虽然可在一些领域中采用部分基于摄像头方式的检测手段，但该检测手段受限于其摄像头自身的局限性，例如在夜晚和雨雾天等恶劣条件下无法做到有效的检测，因此始终无法实现全天候的坠物、特别是高空坠物的识别、预警或预防。
根据本公开的实施例，提出一种基于激光雷达的坠物识别方法，基于激光雷达进行点云数据的实时采集，通过动态点云识别和数据处理后，可以准确地识别是否发生坠物。
图1示出了根据本公开的一些实施例的基于激光雷达的坠物识别方法100的示意性流程图。如图1所示，基于激光雷达的坠物识别方法100包括：
步骤S110，获取激光雷达的点云数据集，点云数据集包括激光雷达在第一时刻的点云数据和激光雷达在第二时刻的点云数据，第二时刻发生在第一时刻之后；
步骤S120，基于第一时刻的点云数据与在第二时刻的点云数据，识别动态点云簇集，动态点云簇集包括至少一个动态点云簇；以及
步骤S130，响应于识别到动态点云簇集，确定所述第二时刻为识别到所述动态点云簇的时刻，并启用坠物追踪及确定过程。
其中，所述步骤S130中，坠物追踪及确定过程包括：对于动态点云簇集的每一动态点云簇：
步骤S131，实时更新在第二时刻之后的每一当前时刻的动态点云簇的数据集，动态点云簇的数据集至少包括表示动态点云簇在重力方向上的位置的数据；
步骤S132，判断在设定时间段内表示动态点云簇在重力方向上的位置的数据是否符合自由落体定律；以及
步骤S133，响应于判断符合自由落体定律，确定动态点云簇表征的物体为坠物。
在一些实施例中，在步骤S110中，可以使用多线激光雷达（例如，16线、32线和64线）以例如8至10Hz的频率实时采集点云数据，多线激光雷达具备超远探测距离和超高分辨率，其高质量的点云为较小物体的识别提供了保障。
参考图2，在一些实施例中，在步骤S110中，获取激光雷达的点云数据集，包括： S210，获取激光雷达在不同时刻的原始点云数据；以及S220，基于激光雷达的安装位置和安 装角度，将各个时刻的原始点云数据从雷达坐标系校准至其垂直于激光出射方向且指向上 方的坐标轴（即X轴）与重力方向重叠，以获得经调整的点云数据集。为了获得用于探测高空 坠物的更好视野，激光雷达在安装时一般不会以平行于水平面的方向安装，而是相对于水 平面具有一定的俯仰角。为了方便后续的计算，根据本公开的一些实施例，需要通过例如欧 拉变换对点云数据进行方向校准，得到调整后的点云数据集。在一些实施例中，如图6所示， 将从激光雷达10的视野窗口出射的激光的方向定义为Z轴，与Z轴处于同一水平面并呈90度 角向右设置的为Y轴，垂直于Y轴和Z轴所在的水平面竖直向上的为X轴，即X轴为垂直于激光 出射方向并且指向上方的坐标轴。将雷达坐标系的原点沿着X轴方向进行一定的平移，并根 据雷达的实际安装角度对雷达坐标系进行俯仰角变换，最终使激光雷达坐标系的X轴与重 力方向的轴线重叠，获得经调整的点云数据集
Figure 579139DEST_PATH_IMAGE001
。
参考图2，在一些实施例中，在步骤S110中，获取激光雷达的点云数据集，还包括： S230，对经调整的点云数据集
Figure 223747DEST_PATH_IMAGE002
进行预处理，预处理包括以下各项中的至少一项：清洗噪点 以及提取动态点。例如，利用数据的连续性，对经过方向校准的点云数据进行清洗噪点以及 提取动态点，以得到点云数据集
Figure 414557DEST_PATH_IMAGE003
。对数据预处理是为了方便后续对点云数据进行识别操 作。
参考图3，在一些实施例中，在步骤S120中，包括：
步骤S310，将获取的激光雷达在第一时刻的点云数据与激光雷达在第一时刻之后的第二时刻的点云数据进行比较；
步骤S320，将第二时刻的点云数据中与第一时刻的点云数据中的数据不同的点云 的集合提取为动态点云簇集B，动态点云簇集包括至少一个动态点云簇Bm，其中，m为自然 数。例如，动态点云簇集
Figure 652246DEST_PATH_IMAGE004
，M为动态点云簇的总个数。
在一些实施例中，在激光雷达的两个相邻时刻所采集到的两帧数据中，通过比较该两帧数据中表示同一位置的数据是否发生变化，可以判断是否存在动态点。通过例如将动态点云分类聚合，可获得至少一个动态点云簇，每一动态点云簇可表征一个运动物体。
在步骤S130中，确定存在动态点云簇Bm后，启用坠物追踪及确定过程。在一些实施 例中，在步骤S131中，动态点云簇的数据集中包括不同时刻获取的动态点云簇的数据，动态 点云簇的数据包括以下信息中的至少一项：动态点云簇的形状特征信息、位置特征信息、运 动特征信息。例如，动态点云簇的数据包括动态点云簇的形状、位置及运动特征数据
Figure 510481DEST_PATH_IMAGE005
，其中
Figure 60411DEST_PATH_IMAGE006
为动态点云簇在
Figure 472938DEST_PATH_IMAGE007
方向的位置信 息（例如，动态点云簇的几何中心在x方向、y方向和z方向上的位置），
Figure 32095DEST_PATH_IMAGE008
为动态点云 簇的长宽高信息，
Figure 479257DEST_PATH_IMAGE009
为动态点云簇在
Figure 950821DEST_PATH_IMAGE007
方向的速度信息（例如，动态点云簇的几 何中心在x方向、y方向和z方向上的速度位置），
Figure 116223DEST_PATH_IMAGE010
为动态点云簇在
Figure 213492DEST_PATH_IMAGE007
方向的 加速度信息（例如，动态点云簇的几何中心在x方向、y方向和z方向上的加速度位置）。
在一些实施例中，在步骤S131中，对得到的动态点云簇集进行追踪并实时更新每 一个动态点云簇的数据集
Figure 515160DEST_PATH_IMAGE011
。其中，
Figure 672472DEST_PATH_IMAGE012
为第一次识别到 动态点云簇Bm的时间（即，第二时刻），
Figure 59591DEST_PATH_IMAGE013
为第一次识别到动态点云簇时实时更新的该动 态点云簇的数据集；
Figure 711283DEST_PATH_IMAGE014
为在设定时间段内最后一次识别到动态点云簇Bm的时间，
Figure 133038DEST_PATH_IMAGE015
最后 一次识别到动态点云簇时实时更新的该动态点云簇的数据集。
需要说明的是，在第二时刻
Figure 461251DEST_PATH_IMAGE016
之后的每一时刻，即在开始识别到某一动态点云簇 Bm之后的每一时刻，都会对该动态点云簇进行识别。其中，识别方法包括但不限于，通过将 每一当前时刻的点云数据与第一时刻的点云数据进行比较，此时第一时刻所获取的点云数 据可被视为背景数据或参考数据；或者通过与当前时刻的前一时刻的点云数据进行比较。 在识别到当前时刻存在与第二时刻的动态点云簇Bm对应的动态点云簇之后，步骤进行到 S131：实时更新该动态点云簇的数据集。
在一些实施例中，设定时间段为从第二时刻至激光雷达能够检测到动态点云簇的最后时刻之间的至少部分时间段。在一些示例中，该设定时间段表示预定的时间段，例如激光雷在1s内可以获取8帧数据，则帧与帧之间的间隔为0.125秒，在本公开的一些实施例中，可以设定根据例如确定动态点云簇（即第二时刻）之后的5帧内（即，0.625秒内）的数据判断所述表示动态点云簇在重力方向上的位置的数据是否符合自由落体定律。在另一些示例中，该设定时间段可以表示从第二时刻至激光雷达能够检测到动态点云簇的最后时刻之间的时间段，即，根据从识别到动态点云簇的时刻（即第二时刻）到与该动态点云簇对应的物体淡出激光雷达的视野范围内或与该动态点云簇对应的物体不再运动的时刻之间的所获取的所有数据，判断表示动态点云簇在重力方向上的位置的数据是否符合自由落体定律。
在一些实施例中，在步骤S132中，判断在设定时间段内表示动态点云簇在重力方向上的位置的数据是否符合自由落体定律，包括：判断所述动态点云簇在重力方向上的位置与符合自由落体定律的期望的动态点云簇在重力方向上的位置之间的差异是否小于或等于阈值。
在一些实施例中，所述差异为在设定时间段内的每一当前时刻，动态点云簇在重 力方向上的位置与符合自由落体定律的期望的动态点云簇在重力方向上的位置之间的偏 差。例如，在步骤S132中，在设定时间段内，对于每一当前时刻，判断动态点云簇在重力方向 上的位置
Figure 335666DEST_PATH_IMAGE017
与通过如下自由落体运动模型（1）计算得到的位置
Figure 509158DEST_PATH_IMAGE018
之间的偏差是否小 于或等于阈值：
Figure 67310DEST_PATH_IMAGE019
（1）
其中：
Figure 300845DEST_PATH_IMAGE020
表示在当前时刻，符合自由落体定律的期望的动态点云簇在重力方 向上的位置；
Figure 662556DEST_PATH_IMAGE021
表示在识别到动态点云簇的时刻（即第二时刻），动态点云簇在重力方 向上的位置；
Figure 639739DEST_PATH_IMAGE022
表示在识别到动态点云簇的时刻（即第二时刻），动态点云簇在重力方 向上的速度；
Figure 301665DEST_PATH_IMAGE023
表示当前时刻与识别到动态点云簇的时刻（即第二时刻）之间的时间差；
Figure 706101DEST_PATH_IMAGE024
为重力加速度；
Figure 302911DEST_PATH_IMAGE025
为0至n之间的任一自然数，n表示在设定时间段内获取激光雷达点云数据 以更新每一动态点云簇数据集的总次数。
如果在设定时间段内的每一当前时刻，动态点云簇在重力方向上的位置与符合自由落体定律的期望的动态点云簇在重力方向上的位置之间的偏差均小于或等于阈值，则判定在设定时间段内表示动态点云簇在重力方向上的位置的数据符合自由落体定律，并且确定动态点云簇表征的物体为坠物。
在一些实施例中，上述阈值例如为零。在第二时刻之后的设定时间段内，判断当前 时刻动态点云簇在重力方向上的实际位置
Figure 83786DEST_PATH_IMAGE026
与计算得到的当前时刻符合自由落体定 律的动态点云簇在重力方向上的位置
Figure 334638DEST_PATH_IMAGE027
的值是否相等。值得注 意的是，在本公开中，“相等”并不意在限制两个值绝对相同，即使存在误差，只要该误差落 在可容许的范围内，也应该视作实现了两个值的“相等”。
在步骤S132中，在识别到动态点云簇的时刻，动态点云簇在重力方向上的速度
Figure 175555DEST_PATH_IMAGE028
可以根据如下等式（2）确定：
Figure 246280DEST_PATH_IMAGE029
（2）
其中，
Figure 565265DEST_PATH_IMAGE021
表示在识别到动态点云簇的时刻（即第二时刻），动态点云簇在重力 方向上的位置，
Figure 421357DEST_PATH_IMAGE030
表示在识别到动态点云簇的时刻（即第二时刻）的下一时刻，动态点 云簇在重力方向上的位置，
Figure 433175DEST_PATH_IMAGE031
表示任意两个相邻时刻之间的时间间隔。
在另一些实施例中，所述差异为在设定时间段内，动态点云簇在重力方向上的位置与符合自由落体定律的期望的动态点云簇在重力方向上的位置之间偏差的均方差。
图4示出了根据公开实施例的坠物识别方法中坠物追踪及确定过程的示意性流程图，其中，基于上述均方差确定动态点云簇表征的物体是否为坠物。
参考图4，在步骤S130中，坠物追踪及确定过程包括：
步骤S410，实时更新在第二时刻之后的每一当前时刻的动态点云簇的数据集，动态点云簇的数据集至少包括表示动态点云簇在重力方向上的位置的数据。
步骤S421，基于上文所述的自由落体运动模型、即如下等式，计算在设定时间段内每一当前时刻，符合自由落体定律的期望的动态点云簇在重力方向上的位置：
Figure 522354DEST_PATH_IMAGE032
，
其中，
Figure 379452DEST_PATH_IMAGE020
表示在当前时刻、即第
Figure 604897DEST_PATH_IMAGE025
次获取激光雷达点云数据时所述符合自由 落体定律的期望的动态点云簇在重力方向上的位置；
Figure 538349DEST_PATH_IMAGE021
表示在识别到动态点云簇的时 刻，所述动态点云簇在重力方向上的位置；
Figure 583665DEST_PATH_IMAGE022
表示在识别到动态点云簇的时刻，所述动 态点云簇在重力方向上的速度；
Figure 244454DEST_PATH_IMAGE033
表示当前时刻、即第
Figure 324405DEST_PATH_IMAGE025
次获取激光雷达点云数据时的时 刻与识别到动态点云簇的时刻之间的时间差；
Figure 412447DEST_PATH_IMAGE024
为重力加速度。
在识别到动态点云簇的时刻，动态点云簇在重力方向上的速度
Figure 210639DEST_PATH_IMAGE028
可根据上 文所述的公式（2）、即如下公式确定：
Figure 675118DEST_PATH_IMAGE029
，
其中，
Figure 360308DEST_PATH_IMAGE021
表示在识别到动态点云簇的时刻（即第二时刻），动态点云簇在重力 方向上的位置，
Figure 619251DEST_PATH_IMAGE030
表示在识别到动态点云簇的时刻（即第二时刻）的下一时刻，动态点 云簇在重力方向上的位置，
Figure 639160DEST_PATH_IMAGE031
表示任意两个相邻时刻之间的时间间隔。
步骤S422，基于如下目标函数（3）计算在设定时间段内动态点云簇在重力方向上的位置与符合自由落体定律的期望的动态点云簇在重力方向上的位置之间偏差的均方差：
Figure 907330DEST_PATH_IMAGE034
（3）
其中，a是设定的常数；
Figure 961874DEST_PATH_IMAGE020
表示在第
Figure 391718DEST_PATH_IMAGE025
次获取激光雷达点云数据时符合自由落 体定律的期望的动态点云簇在重力方向上的位置；
Figure 898923DEST_PATH_IMAGE026
表示在第
Figure 453008DEST_PATH_IMAGE025
次获取激光雷达点云数 据时动态点云簇在重力方向上的位置；
Figure 362058DEST_PATH_IMAGE025
为0至n之间的任一自然数，n表示在设定时间段内 获取激光雷达点云数据的次数；
Figure 228383DEST_PATH_IMAGE035
表示设定时间段内的第一次识别到动态点云簇的时刻 （即第二时刻），
Figure 222884DEST_PATH_IMAGE036
表示设定时间段内的最后一次识别到动态点云簇的时刻。
在一些实施例中，常数a基于如下因素中的至少一项设定：空气阻力系数、空气密度、动态点云簇表征的物体的迎风面积、所述物体相对于空气的速度。
对于本领域技术人员来说可以理解的是，差异也可以通过其他的实际值和期望值之间偏差的判断方法进行判断。
步骤S423，判断动态点云簇在重力方向上的位置与符合自由落体定律的期望的动态点云簇在重力方向上的位置之间偏差的均方差是否小于或等于阈值。
步骤S430，响应于判断符合自由落体定律，确定动态点云簇表征的物体为坠物。如果在设定时间段内，动态点云簇在重力方向上的位置与符合自由落体定律的期望的动态点云簇在重力方向上的位置之间偏差的均方差小于或等于阈值，则判定在设定时间段内表示动态点云簇在重力方向上的位置的数据符合自由落体定律，并且确定动态点云簇表征的物体为坠物。
在一些实施例中，可以增加分类限制条件。图5示出了根据本公开实施例的坠物识别方法500，在该方法中增加了分类限制条件。
如图5所示，坠物识别方法500还包括：S540，判断在识别到动态点云簇的时刻，动态点云簇在重力方向上的位置是否满足如下条件：
Figure 98436DEST_PATH_IMAGE037
，
其中，
Figure 347145DEST_PATH_IMAGE021
表示在识别到动态点云簇的时刻，动态点云簇在重力方向上的位 置，
Figure 384372DEST_PATH_IMAGE038
表示地面高度，h为判断高度是否符合条件的阈值。例如，在判断是否为高空坠物时， 可设定h为10~30米。
通过增加上述分类限制条件，可提升坠物识别方法的鲁棒性，并减少误识别的风险。
在一些实施例中，如图5所示，坠物识别方法500还包括：
S550，响应于确定动态点云簇表征的物体为坠物，发出预警信息，所述预警信息包括以下信息中的至少一项：识别有坠物的警报、识别到坠物的时间、坠物的大小、位置及运动特征信息。例如，如图6所示，将根据本公开实施例的激光雷达10安装在地铁站中，激光雷达用于对地铁轨道周围的环境进行扫描，在确定物体20为坠物时，向例如地铁调配中心发出识别有坠物的警报，地铁调配中心可根据警报作出相应反应，例如控制地铁30停止或变换行驶方向等。
图5中，步骤S510、S520、S531~S533与参考图1所解释的步骤S110、S120、S131~S133相同，在此不再赘述。虽然各个操作在附图中被描绘为按照特定的顺序，但是这不应理解为要求这些操作必须以所示的特定顺序或者按顺行次序执行，也不应理解为要求必须执行所有示出的操作以获得期望的结果。例如，步骤S550发出预警信息可以与S533确定动态点云簇表征的物体为坠物可以并发地执行。
在一些实施例中，在本公开实施例的坠物识别方法中，还包括：响应于确定动态点云簇表征的物体为坠物，触发影像采集装置拍摄坠物的视频，以及/或者存储点云数据。采集的视频和/或存储的点云数据可以记录坠物事件发生的过程，供后续追溯。
在一些实施例中，本公开还提供了一种基于Web的可视化软件，该软件支持多台激光雷达的接入，可用于高空坠物识别结果的展示。
根据本公开实施例的另一方面，提供一种基于激光雷达的坠物识别装置700，包括：第一单元710，其被配置为获取激光雷达的点云数据集，点云数据集包括激光雷达在第一时刻的点云数据和激光雷达在第二时刻的点云数据，第二时刻在第一时刻之后；第二单元720，其被配置为基于第一时刻的点云数据和第二时刻的点云数据，识别动态点云簇集，动态点云簇集包括至少一个动态点云簇；第三单元730，其被配置为响应于识别到动态点云簇集，启用如下坠物追踪及确定过程：对于动态点云簇集的每一所述动态点云簇，实时更新激光雷达在所述第二时刻之后的每一当前时刻的动态点云簇的数据集，动态点云簇的数据集至少包括表示动态点云簇在重力方向上的位置的数据；判断在设定时间段内表示动态点云簇在重力方向上的位置的数据是否符合自由落体定律；以及响应于判断符合自由落体定律，确定动态点云簇表征的物体为坠物。
在本公开中，基于激光雷达的坠物识别装置700及其相应功能单元710~730的具体实现方式和技术效果可参考图1以及如上描述的实施例中的相关说明，在此不再赘述。
根据本公开的实施例，上文参考流程图描述的过程可以被实现为一种计算机设备，所述计算机设备可以包括处理装置（例如，中央处理器、图形处理器等），其可以根据存储在只读存储器（ROM）中的程序或者从存储装置加载到随机访问存储器（RAM）中的程序而执行各种适当的动作和处理。
根据本公开的实施例，上文参考流程图描述的过程可以被实现为一种电子设备，包括激光雷达以及上述基于激光雷达的坠物识别装置200或上述计算机设备。
特别地，根据本公开的实施例，上文参考流程图1描述的过程可以被实现为计算机软件程序。例如，本公开的实施例提供一种计算机可读存储介质，其存储计算机程序，该计算机程序包含用于执行图1所示的方法100或图5所示的方法500的程序代码。在该计算机程序被处理装置执行时，实现本公开的实施例的装置中限定的上述功能。
需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（Radio Frequency，射频）等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述计算机设备中所包含的；也可以是单独存在，而未装配入该计算机设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该计算设备执行时，使得该计算机设备：获取激光雷达的点云数据集，点云数据集包括激光雷达在第一时刻的点云数据和激光雷达在第二时刻的点云数据，第二时刻在第一时刻之后；基于第一时刻的点云数据和第二时刻的点云数据，识别动态点云簇集，动态点云簇集包括至少一个动态点云簇；响应于识别到动态点云簇集，启用如下追踪及确定过程：对于动态点云簇集的每一动态点云簇，实时更新在第二时刻之后的每一当前时刻的动态点云簇的数据集，动态点云簇的数据集至少包括表示动态点云簇在重力方向上的位置的数据；判断在设定时间段内表示所述动态点云簇在重力方向上的位置的数据是否符合自由落体定律；以及响应于判断符合自由落体定律，确定动态点云簇表征的物体为坠物。
根据本公开的另一方面，提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时，使处理器执行上文任一实施例所述的坠物识别方法。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言——诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
附图中的流程图和框图，图示了按照本公开的各种实施例的方法、装置和计算机程序产品的可能实现的体系架构、功能、和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器，包括第一单元、第二单元、以及第三单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
以下描述本公开的一些示例性方案。
方案1、一种基于激光雷达的坠物识别方法，所述坠物识别方法包括：
获取所述激光雷达的点云数据集，所述点云数据集包括所述激光雷达在第一时刻的点云数据和在第二时刻的点云数据，所述第二时刻在所述第一时刻之后；
基于所述第一时刻的点云数据和所述第二时刻的点云数据，识别动态点云簇集，所述动态点云簇集包括至少一个动态点云簇；
响应于识别到所述动态点云簇集，确定所述第二时刻为识别到所述动态点云簇的时刻，并启用如下追踪及确定过程：对于所述动态点云簇集的每一所述动态点云簇，
实时更新在所述第二时刻之后的每一当前时刻的动态点云簇的数据集，所述动态点云簇的数据集至少包括表示所述动态点云簇在重力方向上的位置的数据；
判断在设定时间段内所述表示所述动态点云簇在重力方向上的位置的数据是否符合自由落体定律；以及
响应于判断符合自由落体定律，确定所述动态点云簇表征的物体为坠物。
方案2、根据方案1所述的坠物识别方法，其中，所述设定时间段为从所述第二时刻至所述激光雷达能够检测到所述动态点云簇的最后时刻之间的至少部分时间段。
方案3、根据方案1或2所述的坠物识别方法，其中，所述获取所述激光雷达的点云数据集包括：
获取激光雷达在不同时刻的原始点云数据；以及
基于所述激光雷达的安装位置和安装角度，将所述原始点云数据从雷达坐标系校准至其垂直于激光出射方向且指向上方的坐标轴与重力方向重叠，以获得经调整的点云数据集。
方案4、根据方案3所述的坠物识别方法，其中，所述获取所述激光雷达的经调整的点云数据集，还包括：
对所述经调整的点云数据集进行预处理，所述预处理包括以下各项中的至少一项：清洗噪点以及提取动态点。
方案5、根据方案1至4中任一项所述的坠物识别方法，其中，所述判断在设定时间段内所述表示所述动态点云簇在重力方向上的位置的数据是否符合自由落体定律，包括：
判断所述动态点云簇在重力方向上的位置与符合自由落体定律的期望的动态点云簇在重力方向上的位置之间的差异是否小于或等于阈值。
方案6、根据方案5所述的坠物识别方法，其中，所述差异为在所述设定时间段内的每一当前时刻，所述动态点云簇在重力方向上的位置与所述符合自由落体定律的期望的动态点云簇在重力方向上的位置之间的偏差。
方案7、根据方案5或6所述的坠物识别方法，其中，所述差异为在所述设定时间段内，所述动态点云簇在重力方向上的位置与所述符合自由落体定律的期望的动态点云簇在重力方向上的位置之间偏差的均方差。
方案8、根据方案7所述的坠物识别方法，其中，所述均方差基于如下目标函数计算得到：
Figure 600589DEST_PATH_IMAGE034
，
其中：
a是设定的常数；
Figure 14253DEST_PATH_IMAGE020
表示第
Figure 632316DEST_PATH_IMAGE025
次获取激光雷达点云数据时所述符合自由落体定 律的期望的动态点云簇在重力方向上的位置；
Figure 840444DEST_PATH_IMAGE026
表示在第
Figure 543958DEST_PATH_IMAGE025
次获取激光雷达点云数据 时动态点云簇在重力方向上的位置；
Figure 246465DEST_PATH_IMAGE025
为0至n之间的任一自然数，n表示在所述设定时间段 内获取激光雷达点云数据的总次数。
方案9、根据方案8所述的坠物识别方法，其中，所述常数基于如下因素中的至少一项设定：空气阻力系数、空气密度、动态点云簇表征的物体的迎风面积、所述物体相对于空气的速度。
方案10、根据方案6至9中任一项所述的坠物识别方法，其中，所述符合自由落体定律的期望的动态点云簇在重力方向上的位置根据如下公式确定：
Figure 984614DEST_PATH_IMAGE019
，
其中，
Figure 363643DEST_PATH_IMAGE020
表示在当前时刻，所述符合自由落体定律的期望的动态点云簇在重 力方向上的位置；
Figure 554453DEST_PATH_IMAGE021
表示在识别到所述动态点云簇的时刻，所述动态点云簇在重力方 向上的位置；
Figure 44340DEST_PATH_IMAGE022
表示在识别到所述动态点云簇的时刻，所述动态点云簇在重力方向上 的速度；
Figure 902575DEST_PATH_IMAGE023
表示所述当前时刻与识别到所述动态点云簇的时刻之间的时间差；
Figure 937658DEST_PATH_IMAGE024
为重力加 速度。
方案11、根据方案10所述的坠物识别方法，其中，所述在识别到所述动态点云簇的 时刻，所述动态点云簇在重力方向上的速度
Figure 615764DEST_PATH_IMAGE028
根据如下等式确定：
Figure 909342DEST_PATH_IMAGE029
，
其中，
Figure 356504DEST_PATH_IMAGE021
表示在识别到所述动态点云簇的时刻，所述动态点云簇在重力方向 上的位置，
Figure 77335DEST_PATH_IMAGE030
表示在识别到所述动态点云簇的时刻的下一时刻，所述动态点云簇在重 力方向上的位置，
Figure 242737DEST_PATH_IMAGE031
表示任意两个相邻时刻之间的时间间隔。
方案12、根据方案1至11中任一项所述的坠物识别方法，还包括：
判断在识别到所述动态点云簇的时刻，所述动态点云簇在重力方向上的位置是否满足如下条件：
Figure 74427DEST_PATH_IMAGE040
，
其中，
Figure 389477DEST_PATH_IMAGE042
表示在识别到所述动态点云簇的时刻，所述动态点云簇在重力方向 上的位置，
Figure 812369DEST_PATH_IMAGE044
表示地面高度，h为判断高度是否符合条件的阈值。
方案13、根据方案1至12中任一项所述的坠物识别方法，还包括：
响应于确定所述动态点云簇表征的物体为坠物，发出预警信息，所述预警信息包括以下信息中的至少一项：识别有坠物的警报、识别到所述坠物的时间、所述坠物的大小、位置及运动特征信息。
方案14、根据方案1至13中任一项所述的坠物识别方法，还包括：
响应于确定所述动态点云簇表征的物体为坠物，触发影像采集装置拍摄所述坠物的视频，以及/或者存储点云数据。
方案15、一种基于激光雷达的坠物识别装置，包括：
第一单元，其被配置为获取激光雷达的点云数据集，所述点云数据集包括所述激光雷达在第一时刻的点云数据和所述激光雷达在第二时刻的点云数据，所述第二时刻在所述第一时刻之后；
第二单元，其被配置为基于所述第一时刻的点云数据和所述第二时刻的点云数据，识别动态点云簇集，所述动态点云簇集包括至少一个动态点云簇；
第三单元，其被配置为响应于识别到所述动态点云簇集，启用如下坠物追踪及确定过程：对于所述动态点云簇集的每一所述动态点云簇，
实时更新所述激光雷达在所述第二时刻之后的每一当前时刻的动态点云簇的数据集，所述动态点云簇的数据集至少包括表示所述动态点云簇在重力方向上的位置的数据；
判断在设定时间段内所述表示所述动态点云簇在重力方向上的位置的数据是否符合自由落体定律；以及
响应于判断符合自由落体定律，确定所述动态点云簇表征的物体为坠物。
方案16、一种计算机设备，包括：
至少一个处理器；以及
至少一个存储器，其上存储有计算机程序，
其中，所述计算机程序在被所述至少一个处理器执行时，使所述至少一个处理器执行根据方案1至14中任一项所述的坠物识别方法。
方案17、一种电子设备，包括：
激光雷达；以及
根据方案15所述的坠物识别装置或根据方案16所述的计算机设备。
方案18、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，使所述处理器执行根据方案1至14中任一项所述的坠物识别方法。
方案19、一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时，使处理器执行根据方案1至14中任一项所述的坠物识别方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (18)

1.一种基于激光雷达的坠物识别方法，所述坠物识别方法包括：
获取所述激光雷达的点云数据集，所述点云数据集包括所述激光雷达在第一时刻的点云数据和在第二时刻的点云数据，所述第二时刻在所述第一时刻之后；
基于所述第一时刻的点云数据和所述第二时刻的点云数据，识别动态点云簇集，所述动态点云簇集包括至少一个动态点云簇；
响应于识别到所述动态点云簇集，确定所述第二时刻为识别到所述动态点云簇的时刻，并启用如下追踪及确定过程：对于所述动态点云簇集的每一所述动态点云簇，
实时更新在所述第二时刻之后的每一当前时刻的动态点云簇的数据集，所述动态点云簇的数据集至少包括表示所述动态点云簇在重力方向上的位置的数据；
判断在设定时间段内所述表示所述动态点云簇在重力方向上的位置的数据是否符合自由落体定律；以及
响应于判断符合自由落体定律，确定所述动态点云簇表征的物体为坠物。
2.根据权利要求1所述的坠物识别方法，其中，所述设定时间段为从所述第二时刻至所述激光雷达能够检测到所述动态点云簇的最后时刻之间的至少部分时间段。
3.根据权利要求1或2所述的坠物识别方法，其中，所述获取所述激光雷达的点云数据集包括：
获取激光雷达在不同时刻的原始点云数据；以及
基于所述激光雷达的安装位置和安装角度，将所述原始点云数据从雷达坐标系校准至其垂直于激光出射方向且指向上方的坐标轴与重力方向重叠，以获得经调整的点云数据集。
4.根据权利要求3所述的坠物识别方法，其中，所述获取所述激光雷达的点云数据集，还包括：
对所述经调整的点云数据集进行预处理，所述预处理包括以下各项中的至少一项：清洗噪点以及提取动态点。
5.根据权利要求1或2所述的坠物识别方法，其中，所述判断在设定时间段内所述表示所述动态点云簇在重力方向上的位置的数据是否符合自由落体定律，包括：
判断所述动态点云簇在重力方向上的位置与符合自由落体定律的期望的动态点云簇在重力方向上的位置之间的差异是否小于或等于阈值。
6.根据权利要求5所述的坠物识别方法，其中，所述差异为在所述设定时间段内的每一当前时刻，所述动态点云簇在重力方向上的位置与所述符合自由落体定律的期望的动态点云簇在重力方向上的位置之间的偏差。
7.根据权利要求5所述的坠物识别方法，其中，所述差异为在所述设定时间段内，所述动态点云簇在重力方向上的位置与所述符合自由落体定律的期望的动态点云簇在重力方向上的位置之间偏差的均方差。
8.根据权利要求7所述的坠物识别方法，其中，所述均方差基于如下目标函数计算得到：
Figure 244245DEST_PATH_IMAGE001
，
其中：
a是设定的常数；
Figure 862308DEST_PATH_IMAGE002
表示第
Figure 336015DEST_PATH_IMAGE003
次获取激光雷达点云数据时所述符合自由落体定律的 期望的动态点云簇在重力方向上的位置；
Figure 39529DEST_PATH_IMAGE004
表示在第
Figure 991304DEST_PATH_IMAGE003
次获取激光雷达点云数据时动 态点云簇在重力方向上的位置；
Figure 463874DEST_PATH_IMAGE003
为0至n之间的任一自然数，n表示在所述设定时间段内获 取激光雷达点云数据的总次数。
9.根据权利要求8所述的坠物识别方法，其中，所述常数基于如下因素中的至少一项设定：空气阻力系数、空气密度、动态点云簇表征的物体的迎风面积、所述物体相对于空气的速度。
10.根据权利要求6至9中任一项所述的坠物识别方法，其中，所述符合自由落体定律的期望的动态点云簇在重力方向上的位置根据如下公式确定：
Figure 108482DEST_PATH_IMAGE005
，
其中，
Figure 299292DEST_PATH_IMAGE006
表示在当前时刻，所述符合自由落体定律的期望的动态点云簇在重力方向 上的位置；
Figure 789179DEST_PATH_IMAGE007
表示在识别到所述动态点云簇的时刻，所述动态点云簇在重力方向上的 位置；
Figure 148878DEST_PATH_IMAGE008
表示在识别到所述动态点云簇的时刻，所述动态点云簇在重力方向上的速度；
Figure 698808DEST_PATH_IMAGE009
表示所述当前时刻与识别到所述动态点云簇的时刻之间的时间差；
Figure 111335DEST_PATH_IMAGE010
为重力加速度。
11.根据权利要求10所述的坠物识别方法，其中，所述在识别到所述动态点云簇的时 刻，所述动态点云簇在重力方向上的速度
Figure 404913DEST_PATH_IMAGE011
根据如下等式确定：
Figure 117654DEST_PATH_IMAGE012
，
其中，
Figure 838486DEST_PATH_IMAGE013
表示在识别到所述动态点云簇的时刻，所述动态点云簇在重力方向上的位 置，
Figure 269467DEST_PATH_IMAGE014
表示在识别到所述动态点云簇的时刻的下一时刻，所述动态点云簇在重力方向 上的位置，
Figure 101157DEST_PATH_IMAGE015
表示任意两个相邻时刻之间的时间间隔。
12.根据权利要求1或2所述的坠物识别方法，还包括：
判断在识别到所述动态点云簇的时刻，所述动态点云簇在重力方向上的位置是否满足如下条件：
Figure 402825DEST_PATH_IMAGE016
，
其中，
Figure 294558DEST_PATH_IMAGE013
表示在识别到所述动态点云簇的时刻，所述动态点云簇在重力方向上的位 置，
Figure 947256DEST_PATH_IMAGE017
表示地面高度，h为判断高度是否符合条件的阈值。
13.根据权利要求1或2所述的坠物识别方法，还包括：
响应于确定所述动态点云簇表征的物体为坠物，发出预警信息，所述预警信息包括以下信息中的至少一项：识别有坠物的警报、识别到所述坠物的时间、所述坠物的大小、位置及运动特征信息。
14.根据权利要求1或2所述的坠物识别方法，还包括：
响应于确定所述动态点云簇表征的物体为坠物，触发影像采集装置拍摄所述坠物的视频，以及/或者存储点云数据。
15.一种基于激光雷达的坠物识别装置，包括：
第一单元，其被配置为获取激光雷达的点云数据集，所述点云数据集包括所述激光雷达在第一时刻的点云数据和所述激光雷达在第二时刻的点云数据，所述第二时刻在所述第一时刻之后；
第二单元，其被配置为基于所述第一时刻的点云数据和所述第二时刻的点云数据，识别动态点云簇集，所述动态点云簇集包括至少一个动态点云簇；
第三单元，其被配置为响应于识别到所述动态点云簇集，启用如下坠物追踪及确定过程：对于所述动态点云簇集的每一所述动态点云簇，
实时更新所述激光雷达在所述第二时刻之后的每一当前时刻的动态点云簇的数据集，所述动态点云簇的数据集至少包括表示所述动态点云簇在重力方向上的位置的数据；
判断在设定时间段内所述表示所述动态点云簇在重力方向上的位置的数据是否符合自由落体定律；以及
响应于判断符合自由落体定律，确定所述动态点云簇表征的物体为坠物。
16.一种计算机设备，包括：
至少一个处理器；以及
至少一个存储器，其上存储有计算机程序，
其中，所述计算机程序在被所述至少一个处理器执行时，使所述至少一个处理器执行根据权利要求1至14中任一项所述的坠物识别方法。
17.一种电子设备，包括：
激光雷达；以及
根据权利要求15所述的坠物识别装置或根据权利要求16所述的计算机设备。
18.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，使所述处理器执行根据权利要求1至14中任一项所述的坠物识别方法。
CN202211140019.7A 2022-09-20 2022-09-20 基于激光雷达的坠物识别方法、装置和可读存储介质 Pending CN115239706A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202211140019.7A CN115239706A (zh) 2022-09-20 2022-09-20 基于激光雷达的坠物识别方法、装置和可读存储介质
EP23194725.0A EP4343372A1 (en) 2022-09-20 2023-08-31 Method and apparatus for identifying falling object based on lidar system, and readable storage medium
US18/369,112 US20240096100A1 (en) 2022-09-20 2023-09-15 Method and apparatus for identifying falling object based on lidar system, and readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211140019.7A CN115239706A (zh) 2022-09-20 2022-09-20 基于激光雷达的坠物识别方法、装置和可读存储介质

Publications (1)

Publication Number Publication Date
CN115239706A true CN115239706A (zh) 2022-10-25

Family

ID=83680755

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211140019.7A Pending CN115239706A (zh) 2022-09-20 2022-09-20 基于激光雷达的坠物识别方法、装置和可读存储介质

Country Status (3)

Country Link
US (1) US20240096100A1 (zh)
EP (1) EP4343372A1 (zh)
CN (1) CN115239706A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110210389A (zh) * 2019-05-31 2019-09-06 东南大学 一种面向道路交通场景的多目标识别跟踪方法
US20210056322A1 (en) * 2018-02-02 2021-02-25 Mitsubishi Electric Corporation Falling object detection apparatus, in-vehicle system, vehicle, and computer readable medium
CN113380002A (zh) * 2021-06-08 2021-09-10 江苏警官学院 一种高空抛物智能预警装置及方法
CN113630543A (zh) * 2020-05-06 2021-11-09 杭州海康威视数字技术股份有限公司 一种坠物砸人事件监测方法、装置、电子设备及监控系统
CN114170295A (zh) * 2021-11-02 2022-03-11 中国电子科技南湖研究院 一种基于混合视觉的高空抛物检测方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018118915A1 (en) * 2016-12-20 2018-06-28 DataGarden, Inc. Method and apparatus for detecting falling objects
CN114005247B (zh) * 2021-09-16 2023-11-10 深圳绿米联创科技有限公司 跌倒检测方法、装置、电子设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210056322A1 (en) * 2018-02-02 2021-02-25 Mitsubishi Electric Corporation Falling object detection apparatus, in-vehicle system, vehicle, and computer readable medium
CN110210389A (zh) * 2019-05-31 2019-09-06 东南大学 一种面向道路交通场景的多目标识别跟踪方法
CN113630543A (zh) * 2020-05-06 2021-11-09 杭州海康威视数字技术股份有限公司 一种坠物砸人事件监测方法、装置、电子设备及监控系统
CN113380002A (zh) * 2021-06-08 2021-09-10 江苏警官学院 一种高空抛物智能预警装置及方法
CN114170295A (zh) * 2021-11-02 2022-03-11 中国电子科技南湖研究院 一种基于混合视觉的高空抛物检测方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
BO ZHENG 等: "Detecting Potential Falling Objects by Inferring Human Action and Natural Disturbance", 《IEEE》 *
张修国 等: "基于智能识别的高空物体坠落分析", 《电子技术》 *
金一康 等: "基于背景连续性先验知识的显著性检测", 《激光与光电子进展》 *

Also Published As

Publication number Publication date
EP4343372A1 (en) 2024-03-27
US20240096100A1 (en) 2024-03-21

Similar Documents

Publication Publication Date Title
CN109284348B (zh) 一种电子地图的更新方法、装置、设备和存储介质
US10740606B2 (en) Method for assigning particular classes of interest within measurement data
CN109188438B (zh) 偏航角确定方法、装置、设备和介质
US9292750B2 (en) Method and apparatus for detecting traffic monitoring video
WO2018161037A1 (en) Systems and methods for quantitatively assessing collision risk and severity
Chiu et al. Automatic Traffic Surveillance System for Vision-Based Vehicle Recognition and Tracking.
CN108765974A (zh) 一种交通情况监测设备、监测方法及系统
CN108345823B (zh) 一种基于卡尔曼滤波的障碍物跟踪方法和装置
CN112949566B (zh) 一种监控方法、装置、系统及计算机存储介质
CN113743171A (zh) 目标检测方法及装置
CN103983975B (zh) 基于两种雷达的大气运动垂直速度检测方法及系统
Han et al. Cantilever structure segmentation and parameters detection based on concavity and convexity of 3-D point clouds
CN112613424A (zh) 铁轨障碍物检测方法、装置、电子设备和存储介质
JP7386136B2 (ja) 雲高計測装置、計測点決定方法、および雲種類決定方法
CN110426714B (zh) 一种障碍物识别方法
CN117269940B (zh) 点云数据生成方法、激光雷达的感知能力验证方法
CN114241448A (zh) 障碍物航向角的获取方法、装置、电子设备及车辆
CN113970734A (zh) 路侧多线激光雷达降雪噪点去除方法、装置及设备
CN113838125A (zh) 目标位置确定方法、装置、电子设备以及存储介质
CN115239706A (zh) 基于激光雷达的坠物识别方法、装置和可读存储介质
CN113220805B (zh) 地图生成装置、记录介质以及地图生成方法
CN114895274A (zh) 一种护栏识别方法
CN114662600A (zh) 一种车道线的检测方法、装置和存储介质
TWI618647B (zh) 適應演化式車燈號誌偵測追蹤與辨識系統及方法
CN114167426A (zh) 基于无人机的地下管线测量及三维建模分析方法、装置及介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240305

Address after: 309-316, 4/F, 5/F, 3/F, Building A, No. 9, Startup Area of Yangtze River Delta International R&D Community, No. 286, Qinglonggang Road, High-speed Rail New City, Xiangcheng District, Suzhou, Jiangsu Province, 215000

Applicant after: Tudaton Intelligent Technology (Suzhou) Co.,Ltd.

Country or region after: China

Address before: 108-14, 1st Floor, Xiaojunshan Community Commercial Building, Junshan Street, Wuhan Economic and Technological Development Zone, 430109, Hubei Province

Applicant before: Tudatong Intelligent Technology (Wuhan) Co.,Ltd.

Country or region before: China