CN115273069A - 一种点云数据多异物识别方法 - Google Patents

Abstract

本发明公开了一种点云数据多异物识别方法，首先获取目标区域点云数据，通过与原始背景点云数据对比，保留新增点云数据并滤除原始背景点云数据；再依次对新增点云数据的X轴、Y轴、Z轴三个维度坐标数据分别进行类连续性判断完成数据分组，形成多个具有类连续性的不可分组的点云数组，完成多物体区分；根据每个物体的点云数据可以计算物体占用面积和高度，也可以结合时序数据计算物体的运动方向。该方法应用在轨道交通领域能够对列车门和站台门间隙进行异物识别，实现间隙异物监测、车厢拥挤度统计和客流引导等功能，具有响应快速、识别精准的优势。

Description

一种点云数据多异物识别方法

技术领域

本发明属于轨道交通安全技术领域，具体涉及一种点云数据多异物识别方法。

背景技术

为保证行车安全，轨道交通需要设置站台屏蔽门，而屏蔽门与列车之间必须满足一定的间距要求。在屏蔽门与列车门关闭后，两门之间存在一定的间隙。若有乘客或异物滞留在该间隙区域，列车启动运行后可能会导致重大伤亡事故发生。

基于激光雷达的异物检测，受环境光影响小、对人体安全、可检测物体大小，是较理想的异物检测技术。目前对于激光雷达传感器输出的3D点云数据进行异物检测的方法尚不成熟。现有技术中包括：(1)对通过旋转棱镜形成多层扇面的点云数据进行有效区域内符合预设结构和点云图形面积进行异物检测；(2)设置评价函数或判断背景图像减除后的最小外正方体大小等。但上述现有技术均未解决多异物并存场景下的异物识别，当扫描区域存在小尺寸异物时容易造成整体尺寸判断失误。针对多异物的识别方法，现有技术中包括：(1)对点云数据进行FFT变换，计算数据差频，从而区分不同物体；(2)使用欧式聚类、语义分割区分不同物体等。但上述现有技术计算数据量大，通常需要借助神经网络等其他算法，复杂度高，实时性差。

发明内容

发明目的：本发明的发明目的是提供一种点云数据多异物识别方法。

技术方案：本发明所述的一种点云数据多异物识别方法，该方法包括步骤如下：

(1)获取目标区域点云数据，通过与原始背景点云数据对比，保留新增点云数据并滤除原始背景点云数据；

(2)依次对新增点云数据的X轴、Y轴、Z轴三个维度坐标数据分别进行类连续性判断完成数据分组，形成多个具有类连续性的不可分组的点云数组，完成多物体区分。

优选的，步骤(2)中获取每组不可分组的点云数据中的X坐标、Y坐标和Z坐标的最大值和最小值，计算得到物体的占用面积和最大高度。

优选的，步骤(2)中按时序连续多次获得间隙物体的点云数据，根据点云数据的偏移量和偏移方向计算得到目标区域内物体的运动方向。

优选的，目标区域为轨道列车车门与站台屏蔽门之间的间隙。

优选的，步骤(1)中新增点云数据的获取方法具体步骤如下：

对原始背景点云数据和待检测点云数据均进行相同的点云数据预处理步骤后，依次对比待检测点云数据中每一点云坐标数据与原始背景对应点云坐标数据，若坐标误差在设定范围内，则判定为原始背景点云数据，执行滤除操作，若坐标误差超出设定范围，则判定为新增点云数据，执行保留操作。

优选的，步骤(2)中依次对新增点云数据的X轴、Y轴、Z轴三个维度坐标数据分别进行类连续性判断完成数据分组的具体步骤如下：

(S1)获取新增点云数据CLD，将CLD中点云数据按Z坐标数据从小到大进行排序，提取出Z坐标连续的数据分别形成点云子数组N1；

(S2)将点云子数组N1中的每组点云数据按X坐标数据从小到大进行排序，提取出X坐标连续的数据，形成点云子数组N2；

(S3)将点云子数组N2中的每组点云数据按Y坐标数据从小到大进行排序，提取出Y坐标连续的数据，形成点云子数组N3，点云子数组N3中每组点云数组表示目标区域内一个独立物体。

优选的，用于采集目标区域点云数据的探测模块与主控模块连接，若主控模块收到设置在车辆上的司机室报警模块或设置在站台上的站台报警模块发送的探测旁路指令，则主控模块控制探测模块停止工作；

若主控模块未收到司机室报警模块和站台报警模块发送的探测旁路指令，在轨道列车停止且未开门至轨道列车关门且未启动的时间段内，主控模块控制探测模块采集目标区域点云数据。

优选的，当轨道列车停止且未开门时或轨道列车关门且未启动时，获取目标区域点云数据，计算目标区域内非重复物体体积，当目标区域物体体积超过阈值时判定间隙内存在异物，执行报警操作。

优选的，在轨道列车开门后至轨道列车关门前的时间段内，周期性获取目标区域点云数据，根据目标区域内物体的运动方向和物体体积，计算离开和进入列车车厢的物体数量和体积，输出列车车厢拥挤度统计结果。

优选的，司机室报警模块和站台报警模块用于在目标区域存在异物时执行报警操作；所述的司机室报警模块还用于根据目标区域内物体体积和物体移动方向计算结果，显示列车车厢拥挤度统计结果；所述的站台报警模块还用于根据列车车厢拥挤度统计显示客流引流信息。

进一步的，探测模块包括用于采集屏蔽门和列车门之间的3D激光点云探测数据的激光雷达，该激光雷达设置在屏蔽门和列车门之间的间隙边缘。

进一步的，主控模块采集车辆状态信息、车辆门和站台门工作状态信息，来判断车辆进站直至车辆出站的过程。当轨道列车进站停止且未开门时对列车门和站台门间隙区域进行异物检测，当间隙内物体数量超过预设阈值时，则判定间隙内存在异物，避免开门时产生危险；在轨道列车开门至轨道列车关门的时段内，由于间隙区域开放且存在人流，因此不需进行异物检测，而是利用对间隙区域进行周期性扫描检测，根据目标区域内物体的运动方向、物体占地面积或体积计算车辆开门期间进出物体的数量和体积，进而根据车厢内总的物体体积判断车厢内拥挤程度；当轨道列车完成上下客，列车关门且未启动时对列车门和站台门间隙区域进行异物检测，当间隙内物体体积超过预设阈值时，则判定间隙内存在异物，避免开车时产生危险。

进一步的，主控模块将异物报警信息、车厢拥挤度等信息多途径多方向发送至司机室报警模块和站台报警模块，站台报警模块可以根据车厢度拥挤程度，显示客流引导信息，指引客流朝向拥挤程度较低的车厢。

进一步的，探测模块的工作状态不仅受车辆状态信息、车辆门和站台门工作状态控制，当司机室报警模块和站台报警模块向主控模块发送探测旁路指令时，则探测模块停止工作。

进一步的，对原始背景点云数据和待检测点云数据均进行相同的点云数据预处理，预处理过程包括点云数据的载入、离群点云数据的滤除、密集数据的抽稀以及数据组的配准。由于对点云数据进行抽稀处理，后续的点云数据的连续性判断需要基于抽稀规则获得的连续性距离基础。

进一步的，当对新增点云数据完成分割后，对单个异物点云数据结构满足人体探测比例时，可完成人体识别。

有益效果：该方法通过对目标区域进行扫描获取3D点云数据，提取目标区域新增物体的点云数据，通过类连续性算法，实现目标区域内物体区分，并完成目标区域内物体体积的计算，响应快速、识别精准；另外，该方法还可以通过周期性获取目标区域点云数据，对目标区域内的物体运动方向实现判定，结合物体体积数据，能够实现数量统计、拥挤度统计的功能。

附图说明

图1为本发明中点云数据多异物识别方法的工作流程图。

具体实施方式

下面结合附图和实施例方案对本发明的技术方案做进一步详细说明。

本实施公开一种应用在轨道交通领域的点云数据多异物识别方法，如图1所示，该方法包括步骤如下：

步骤1，完成异物识别设备系统搭建，将探测模块设置在轨道列车车门与站台屏蔽门之间的间隙边缘，利用探测模块中的激光雷达对列车车门与站台屏蔽门之间目标区域探测扫描，获取目标区域的原始背景点云数据BgCld，对原始背景点云数据进行离群点云数据的滤除、密集数据的抽稀、数据组的配准等预处理操作，获得背景点云数据BgCld1。

步骤2，当探测模块工作时，探测模块采集目标区域点云数据DtcCld，对采集到的点云数据采用与步骤1中原始背景点云数据相同的预处理方法操作后，得到待检测点云数据DtcCld1。

步骤3，将DtcCld1和BgCld1根据目标区域进行区域数据截取，提取出目标检测区域内的数据，并分别对两点云数组按Z坐标数据进行从小到大排序，获得点云数据DtcCld2和BgCld2；对比DtcCld2和BgCld2中数据，依次判断DtcCld2中点云数据的三维坐标是否有在误差范围内的BgCld2中的点，若有则表示DtcCld2中的该点是背景图像中的点，执行滤除操作，若无则表示DtcCld2中的该点是新增点，执行保留操作，所有新增点形成点云图像CLD。

步骤4，将CLD中点云数据按Z坐标数据从小到大进行排序，提取出Z坐标连续的数据分别形成点云子数组N1(cldz1、cldz2)；将点云子数组N1中的每组点云数据按X坐标数据从小到大进行排序，提取出X坐标连续的数据，形成点云子数组N2(cldz1x1、cldz2x1、cldz2x2)；将点云子数组N2中的每组点云数据按Y坐标数据从小到大进行排序，提取出Y坐标连续的数据，形成点云子数组N3(cldz1x1y1、cldz2x1y1、cldz2x2y1、cldz2x2y2)，此时点云子数组N3中每个点云数组不可再分，每组点云数组表示目标区域内一个独立物体，自此可以实现目标区域内多物体区分。

步骤5，分别获取点云子数组N3中每组子点云数据中的X坐标、Y坐标和Z坐标的最大值和最小值，计算得到物体的占用面积和最大高度。也可以进一步计算每个物体所占体积。

步骤6，按时序连续两次获得同一物体的点云数据，根据点云数据的偏移量和偏移方向计算得到目标区域内物体的运动方向。

通过上述步骤，能够利用轨道列车车门与站台屏蔽门间隙的点云数据对目标区域进行物体区分、异物检测、物体体积监控以及物体运动方向监控，为列车车门与站台屏蔽门间隙的异物报警、车厢拥挤度分析和客流引导提供算法和数据基础。

本实施例中，主控模块与探测模块、站台报警模块、司机室报警模块通信连接形成非接触式轨道交通间隙探测系统，该系统中探测模块用于在接收到主控模块的工作信号后，对目标间隙探测并将获取的探测数据发送至主控模块；探测模块包括用于采集屏蔽门和列车门之间的激光点云探测数据的激光雷达，激光雷达设置在屏蔽门和列车门之间的间隙边缘，激光雷达可使用多线扫描激光雷达、单线立体扫描激光雷达、固态激光雷达等雷达中的一种。

本实施例中，主控模块基于Dragon Board控制板、树莓派控制板或其它嵌入式控制板实现。主控模块用于对探测数据进行处理后，将探测结果发送至站台报警模块和司机室报警模块；主控模块还用于结合车辆状态信息、列车车门状态信息、站台屏蔽门状态信息以及站台报警模块和司机室报警模块发送的探测控制信息，向探测模块发送工作指令；具体工作方式如下：

若主控模块收到设置在车辆上的司机室报警模块或设置在站台上的站台报警模块发送的探测旁路指令，则主控模块控制探测模块停止工作；

若主控模块未收到司机室报警模块和站台报警模块发送的探测旁路指令，在轨道列车停止且未开门至轨道列车关门且未启动的时间段内，主控模块控制探测模块采集目标区域点云数据；当轨道列车进站停止且未开门时对列车门和站台门间隙区域进行异物检测，当间隙内物体体积超过预设阈值时，则判定间隙内存在异物，避免开门时产生危险；在轨道列车开门至轨道列车关门的时段内，由于间隙区域开放且存在人流，因此不需进行异物检测，而是利用对间隙区域进行周期性扫描检测，根据目标区域内物体的运动方向、物体占地面积或体积计算车辆开门期间进出物体的数量和体积，进而根据车厢内总的物体体积判断车厢内拥挤程度；当轨道列车完成上下客，列车关门且未启动时对列车门和站台门间隙区域进行异物检测，当间隙内物体体积超过预设阈值时，则判定间隙内存在异物，避免开车时产生危险。

本实施例中，司机室报警模块设置在列车司机室，包括能够显示异物报警信息，车厢拥挤度信息、车辆状态信息、列车门和站台门状态信息的人机交互系统。站台报警模块包括站点值班室终端和站台报警装置。站点值班终端包括对讲机和控制显示终端，控制显示终端能够显示异物报警信息、车辆状态信息、列车门和站台门状态信息、客流信息等，报警信息直接推送至该终端，值班人员可迅速做出反应；控制显示终端还能够根据需求将系统旁路信息发送给主控模块。站台报警装置包括声光报警装置和数据显示终端，数据显示终端能够实现异物报警、客流引导信息播报等功能，声光报警装置则能够在间隙内存在异物时利用声光手段实现报警，客流引导信息播报则能够指引客流朝向拥挤度较低的车厢。

本实施例中，探测模块通过数据通信线路与主控模块之间完成数据通信，数据通信线路可以采用USB通信线、以太网通信线、MIPI CSI通信线、无线网络、蓝牙通信、CAN通信等通信方式中的一种或多种。主控模块与站台报警装置之间可通过串口、CAN等有线通信方式实现通信，主控模块与站点值班终端可通过Lora、Zigbee等无线通信方式实现通信，主控模块与司机室报警模块无线通信连接。

综上，该种点云数据多异物识别方法利用目标区域的点云数据，通过类连续性算法，能够实现有无异物判断、多异物区分、物体体积、物体运动方向和运动速度计算。在轨道交通间隙探测的工况中，结合列车进出站运行工况，在不同的时间采用对应的点云数据采样方法，能够实现列车进出站时的间隙异物检测以及列车上下客时的车厢拥挤度统计和客流方向指引。同时点云数据的探测结果能够多向发送至至列车司机室报警模块、站点值班室终端和站台报警装置，并在不同终端利用多方式输出探测结果。

Claims (10)

1.一种点云数据多异物识别方法，其特征在于：该方法包括步骤如下：

(1)获取目标区域点云数据，通过与原始背景点云数据对比，保留新增点云数据并滤除原始背景点云数据；

(2)依次对新增点云数据的X轴、Y轴、Z轴三个维度坐标数据分别进行类连续性判断完成数据分组，形成多个具有类连续性的不可分组的点云数组，完成多物体区分。

2.根据权利要求1所述的一种点云数据多异物识别方法，其特征在于：所述的步骤(2)中获取每组不可分组的点云数据中的X坐标、Y坐标和Z坐标的最大值和最小值，计算得到物体的占用面积和最大高度。

3.根据权利要求2所述的一种点云数据多异物识别方法，其特征在于：所述的步骤(2)中按时序连续多次获得间隙物体的点云数据，根据点云数据的偏移量和偏移方向计算得到目标区域内物体的运动方向。

4.根据权利要求3所述的一种点云数据多异物识别方法，其特征在于：所述的目标区域为轨道列车车门与站台屏蔽门之间的间隙。

5.根据权利要求1-4任一项所述的一种点云数据多异物识别方法，其特征在于：所述的步骤(1)中新增点云数据的获取方法具体步骤如下：

对原始背景点云数据和待检测点云数据均进行相同的点云数据预处理步骤后，依次对比待检测点云数据中每一点云坐标数据与原始背景对应点云坐标数据，若坐标误差在设定范围内，则判定为原始背景点云数据，执行滤除操作，若坐标误差超出设定范围，则判定为新增点云数据，执行保留操作。

6.根据权利要求1-4任一项所述的一种点云数据多异物识别方法，其特征在于：所述的步骤(2)中依次对新增点云数据的X轴、Y轴、Z轴三个维度坐标数据分别进行类连续性判断完成数据分组的具体步骤如下：

(S1)获取新增点云数据CLD，将CLD中点云数据按Z坐标数据从小到大进行排序，提取出Z坐标连续的数据分别形成点云子数组N1；

(S2)将点云子数组N1中的每组点云数据按X坐标数据从小到大进行排序，提取出X坐标连续的数据，形成点云子数组N2；

(S3)将点云子数组N2中的每组点云数据按Y坐标数据从小到大进行排序，提取出Y坐标连续的数据，形成点云子数组N3，点云子数组N3中每组点云数组表示目标区域内一个独立物体。

7.根据权利要求4所述的一种点云数据多异物识别方法，其特征在于：用于采集目标区域点云数据的探测模块与主控模块连接，若主控模块收到设置在车辆上的司机室报警模块或设置在站台上的站台报警模块发送的探测旁路指令，则主控模块控制探测模块停止工作；

若主控模块未收到司机室报警模块和站台报警模块发送的探测旁路指令，在轨道列车停止且未开门至轨道列车关门且未启动的时间段内，主控模块控制探测模块采集目标区域点云数据。

8.根据权利要求4所述的一种点云数据多异物识别方法，其特征在于：当轨道列车停止且未开门时或轨道列车关门且未启动时，获取目标区域点云数据，计算目标区域内非重复物体体积信息，当目标区域物体体积超过阈值时判定间隙内存在异物，执行报警操作。

9.根据权利要求4所述的一种点云数据多异物识别方法，其特征在于：在轨道列车开门后至轨道列车关门前的时间段内，周期性获取目标区域点云数据，根据目标区域内物体的运动方向和物体体积，计算离开和进入列车车厢的物体数量和体积，输出列车车厢拥挤度统计结果。

10.根据权利要求7所述的一种点云数据多异物识别方法，其特征在于：所述的司机室报警模块和站台报警模块用于在目标区域存在异物时执行报警操作；所述的司机室报警模块还用于根据目标区域内物体体积和物体移动方向计算结果，显示列车车厢拥挤度统计结果；所述的站台报警模块还用于根据列车车厢拥挤度统计显示客流引流信息。

Images