CN115542346A - 地面检测方法、装置、车辆及存储介质 - Google Patents
地面检测方法、装置、车辆及存储介质 Download PDFInfo
- Publication number
- CN115542346A CN115542346A CN202211287725.4A CN202211287725A CN115542346A CN 115542346 A CN115542346 A CN 115542346A CN 202211287725 A CN202211287725 A CN 202211287725A CN 115542346 A CN115542346 A CN 115542346A
- Authority
- CN
- China
- Prior art keywords
- grid
- point
- fan
- preset
- sector
- 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
- 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
-
- 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
- G01S7/481—Constructional features, e.g. arrangements of optical elements
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请涉及激光雷达检测技术领域,特别涉及一种地面检测方法、装置、车辆及存储介质,其中,方法包括:采集车辆周围环境的点云数据,并初始化预设的扇形栅格;将点云数据分配至预设的扇形栅格,并对每个扇形栅格进行PCA平面拟合,并从拟合后的扇形栅格中筛选出垂直度、平均高度和/或平坦度满足预设要求的合格扇形栅格;以及修正合格扇形栅格对应的平面方程,并计算每个扇形栅格中的每个点至由修正后的平面方程得到的栅格平面的第一点面距离,并将第一点面距离小于第一预设距离的点作为地面点,以生成实际地面。由此,解决相关技术的地面滤除不具有实时性,并且滤除效果差的问题,可以达到实时准确的地面滤除的效果。
Description
技术领域
本申请涉及激光雷达检测技术领域,特别涉及一种地面检测方法、装置、车辆及存储介质。
背景技术
近年来,随着汽车“智能化”的发展,越来越多的量产车辆开始安装激光雷达,利用激光雷达、相机、毫米波雷达等多传感器来满足在特定场景下的自动驾驶功能。由于激光雷达点云可以提供物体的3D信息,所以受到大家的追捧,但是激光雷达3D点云有无纹理信息,数据量大和无序性等特征给算法带来了更多的挑战。其中,最迫切的挑战是算法要高效,准确的处理激光雷达3D点云信息,以满足自动驾驶对实时性的要求。
由于激光雷达3D点云数据中有相当部分的点云是地面信息,如果在做目标检测之前把地面上的点去除,不仅可以减少计算量,缩短计算时间,而且还可以提升检测的准确率,所以在激光雷达传统目标检测中地面检测是至关重要的一步。
相关技术中常用的地面检测算法是先将点云划分到预先设置的栅格或者体素中,然后分别对每个栅格或体素进行RANSAC(随机一致性算法)平面拟合,利用点到面的欧式距离从而筛选出最终满足要求的地面点,另一种是用三维体素代替二维栅格,充分利用了三维点云信息,判断点是否属于地面点除了点到面的距离之外,还加了高程值(Z值)作为判断条件。
然而,第一种虽然有很高的拟合精度,但是运行时间是比较长的,无法满足激光雷达算法对实时性的要求,而且该方法没用很好的利用激光雷达点云近密远疏的特点,等分的划分扇形区域很难满足远端区域,同时该方案只用一个欧氏距离作为最终点云是否为地面的判断条件,很难做到鲁棒性,所以无法达到预期的地面滤除效果;另一种还是没有充分利用激光雷达的近密远疏的性质,对于远处的体素而言,利用稀疏的点云去拟合一个满足要求的平面是比较有挑战的。利用RANSAC这种耗时的方法去拟合平面很难做到实时。同时本方案没有考虑地面是一个连续渐变的平面的特性去过滤非地面点,所以也无法达到预期的地面滤除的效果。
发明内容
本申请提供一种地面检测方法、装置、车辆及存储介质,以解决相关技术的地面滤除不具有实时性,并且滤除效果差的问题,可以达到实时准确的地面滤除的效果。
本申请第一方面实施例提供一种地面检测方法,包括以下步骤:采集车辆周围环境的点云数据,并初始化预设的扇形栅格;将所述点云数据分配至所述预设的扇形栅格,并对每个扇形栅格进行PCA平面拟合,并从拟合后的扇形栅格中筛选出垂直度、平均高度和/或平坦度满足预设要求的合格扇形栅格;以及修正所述合格扇形栅格对应的平面方程,并计算所述每个扇形栅格中的每个点至由修正后的平面方程得到的栅格平面的第一点面距离,并将所述第一点面距离小于第一预设距离的点作为地面点,以生成实际地面。
根据上述技术手段,本申请可以解决相关技术的地面滤除不具有实时性,并且滤除效果差的问题,可以达到实时准确的地面滤除的效果。
可选地,在一些实施例中,所述初始化预设的扇形栅格,包括:基于预设的径向长度和预设的栅格角度将所述预设的扇形栅格划分为径向距离不同的多个区域;获取不同场景下每个栅格中点云数据最大值,并在初始化所述预设的扇形栅格时,将所述每个栅格中点云数据最大值作为所述每个栅格点云数据的预留空间。
根据上述技术手段,本申请可以初始化扇形栅格,适应激光雷达点云近密远疏的特点,提高计算效率,提升检测精度。
可选地,在一些实施例中,所述预设的径向长度为:
ρr-1≤ρr<ρr+1(r>1);
其中,ρ为径向距离,r为圈数,FOV为激光雷达的视场角,Nr为第r圈扇形栅格的数量,θr为扇形栅格角度。
根据上述技术手段,本申请可以适应激光雷达点云近密远疏的特点,提高计算效率,提升检测精度。
可选地,在一些实施例中,所述将所述点云数据分配至所述预设的扇形栅格,包括:基于预设的分配公式,将所述点云数据分配至所述预设的扇形栅格,其中,所述预设的分配公式为:
θk=actan(yk,xk);
其中,ρk为每个点的径向距离,θk为每个点的角度,xk为k点的X轴坐标值,yk为k点的Y轴坐标值。
根据上述技术手段,本申请可以剔除噪点,提升后续PCA拟合平面的精度。
可选地,在一些实施例中,所述对每个扇形栅格进行PCA平面拟合,包括:遍历所述每个扇形栅格,并基于预设高度值对所述每个扇形栅格的点云数据进行筛选,得到所述每个扇形栅格的待拟合点云数据;利用预设的PCA方法拟合平面方程,对所述每个扇形栅格的待拟合点云数据进行拟合,得到初始栅格平面方程;计算所述每个扇形栅格的点云数据至由所述初始栅格平面方程得到的平面的第二点面距离,并筛选出所述第二点面距离中小于第二预设距离的点云数据作为所述待拟合点云数据进行拟合,直至满足预设条件,得到最终栅格平面方程。
根据上述技术手段,本申请采用PCA拟合平面的方法,只需要迭代几次就可以得到理想的结果,大大缩短了平面拟合运行时间,有效地提升运行速度,
可选地,在一些实施例中,所述从拟合后的扇形栅格中筛选出垂直度、平均高度和/或平坦度满足预设要求的合格扇形栅格,包括:计算拟合后的扇形栅格的垂直度,并筛选出所述垂直度大于第一阈值的第一目标扇形栅格;计算每个第一目标扇形栅格的平均高度,并筛选出所述平均高度小于预设高度的第二目标扇形栅格;获取所述第二目标扇形栅格中处于目标区域的第三目标扇形栅格,并计算所述第三目标扇形栅格的平坦度,并基于所述第三目标扇形栅格的平坦度和所述目标区域的平坦度得到所述合格扇形栅格。
根据上述技术手段,本申请通过判断栅格的垂直度,高程和平坦度就可以筛选出满足要求的栅格。
可选地,在一些实施例中,所述基于所述合格扇形栅格,修正所述合格扇形栅格对应的平面方程,包括:针对每个合格扇形栅格,获取所述每个合格扇形栅格相邻的多个合格扇形栅格;根据所述每个合格扇形栅格的权重和所述相邻的多个合格扇形栅格的权重修正当前每个合格扇形栅格的平面方程系数,并根据修正后的每个合格扇形栅格的平面方程系数得到所述合格扇形栅格对应的平面方程。
根据上述技术手段,本申请遍历包含地面的栅格,找到邻近多个栅格,然后对栅格和领域的栅格平面方程做加权平均,实现对包含地面的栅格平面进行修正。
可选地,在一些实施例中,所述计算所述每个扇形栅格中的每个点至由修正后的平面方程得到的栅格平面的第一点面距离,包括:基于预设的第一点面距离计算公式,计算所述每个扇形栅格中的每个点至由修正后的平面方程得到的栅格平面的第一点面距离,其中,所述预设的第一点面距离计算公式为:
根据上述技术手段,本申请可以遍历扇形栅格中每个点到修正后栅格平面的距离,筛选出小于阈值的点作为地面点,筛选出地面点,并保存地面点的索引。
本申请第二方面实施例提供一种地面检测装置,包括:采集模块,用于采集车辆周围环境的点云数据,并初始化预设的扇形栅格;拟合模块,用于将所述点云数据分配至所述预设的扇形栅格,并对每个扇形栅格进行PCA平面拟合,并从拟合后的扇形栅格中筛选出垂直度、平均高度和/或平坦度满足预设要求的合格扇形栅格;以及修正模块,用于修正所述合格扇形栅格对应的平面方程,并计算所述每个扇形栅格中的每个点至由修正后的平面方程得到的栅格平面的第一点面距离,并将所述第一点面距离小于第一预设距离的点作为地面点,以生成实际地面。
可选地,在一些实施例中,所述采集模块,还用于:基于预设的径向长度和预设的栅格角度将所述预设的扇形栅格划分为径向距离不同的多个区域;获取不同场景下每个栅格中点云数据最大值,并在初始化所述预设的扇形栅格时,将所述每个栅格中点云数据最大值作为所述每个栅格点云数据的预留空间。
可选地,在一些实施例中,所述预设的径向长度为:
ρr-1≤ρr<ρr+1(r>1);
其中,ρ为径向距离,r为圈数,FOV为激光雷达的视场角,Nr为第r圈扇形栅格的数量,θr为扇形栅格角度。
可选地,在一些实施例中,所述拟合模块,还用于:基于预设的分配公式,将所述点云数据分配至所述预设的扇形栅格,其中,所述预设的分配公式为:
θk=actan(yk,xk);
其中,ρk为每个点的径向距离,θk为每个点的角度,xk为k点的X轴坐标值,yk为k点的Y轴坐标值。
可选地,在一些实施例中,所述拟合模块,还用于:遍历所述每个扇形栅格,并基于预设高度值对所述每个扇形栅格的点云数据进行筛选,得到所述每个扇形栅格的待拟合点云数据;利用预设的PCA方法拟合平面方程,对所述每个扇形栅格的待拟合点云数据进行拟合,得到初始栅格平面方程;计算所述每个扇形栅格的点云数据至由所述初始栅格平面方程得到的平面的第二点面距离,并筛选出所述第二点面距离中小于第二预设距离的点云数据作为所述待拟合点云数据进行拟合,直至满足预设条件,得到最终栅格平面方程。
可选地,在一些实施例中,所述拟合模块,还用于:计算拟合后的扇形栅格的垂直度,并筛选出所述垂直度大于第一阈值的第一目标扇形栅格;计算每个第一目标扇形栅格的平均高度,并筛选出所述平均高度小于预设高度的第二目标扇形栅格;获取所述第二目标扇形栅格中处于目标区域的第三目标扇形栅格,并计算所述第三目标扇形栅格的平坦度,并基于所述第三目标扇形栅格的平坦度和所述目标区域的平坦度得到所述合格扇形栅格。
可选地,在一些实施例中,所述修正模块,还用于:针对每个合格扇形栅格,获取所述每个合格扇形栅格相邻的多个合格扇形栅格;根据所述每个合格扇形栅格的权重和所述相邻的多个合格扇形栅格的权重修正当前每个合格扇形栅格的平面方程系数,并根据修正后的每个合格扇形栅格的平面方程系数得到所述合格扇形栅格对应的平面方程。
可选地,在一些实施例中,所述修正模块,还用于:基于预设的第一点面距离计算公式,计算所述每个扇形栅格中的每个点至由修正后的平面方程得到的栅格平面的第一点面距离,其中,所述预设的第一点面距离计算公式为:
本申请第三方面实施例提供一种车辆,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如上述实施例所述的地面检测方法。
本申请第四方面实施例提供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,以用于实现如上述实施例所述的地面检测方法。
由此,通过采集车辆周围环境的点云数据,并初始化预设的扇形栅格,并将点云数据分配至预设的扇形栅格,并对每个扇形栅格进行PCA平面拟合,并从拟合后的扇形栅格中筛选出垂直度、平均高度和/或平坦度满足预设要求的合格扇形栅格,并修正合格扇形栅格对应的平面方程,并计算每个扇形栅格中的每个点至由修正后的平面方程得到的栅格平面的第一点面距离,并将第一点面距离小于第一预设距离的点作为地面点,以生成实际地面。由此,解决相关技术的地面滤除不具有实时性,并且滤除效果差的问题,可以达到实时准确的地面滤除的效果。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本申请实施例提供的地面检测方法的流程图;
图2为根据本申请一个具体实施例提供的2D扇形栅格示意图;
图3为根据本申请一个具体实施例提供的栅格初始化点选择示意图;
图4为根据本申请一个具体实施例提供的PCA拟合平面流程图;
图5为根据本申请一个具体实施例提供的判断栅格是否包含地面的流程图;
图6为根据本申请一个具体实施例提供的不同径向距离处高度阈值示意图;
图7为根据本申请一个具体实施例提供的栅格领域权重示意图;
图8为根据本申请一个具体实施例提供的地面检测方法的流程图;
图9为根据本申请实施例提供的地面检测装置的方框示意图;
图10为根据本申请实施例提供的车辆的示意图。
附图标记说明:10-地面检测装置、100-采集模块、200-拟合模块和300-修正模块。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的地面检测方法、装置、车辆及存储介质。针对上述背景技术中提到的相关技术的地面滤除不具有实时性,并且滤除效果差的问题,本申请提供了一种地面检测方法,在该方法中,通过采集车辆周围环境的点云数据,并初始化预设的扇形栅格,并将点云数据分配至预设的扇形栅格,并对每个扇形栅格进行PCA平面拟合,并从拟合后的扇形栅格中筛选出垂直度、平均高度和/或平坦度满足预设要求的合格扇形栅格,并修正合格扇形栅格对应的平面方程,并计算每个扇形栅格中的每个点至由修正后的平面方程得到的栅格平面的第一点面距离,并将第一点面距离小于第一预设距离的点作为地面点,以生成实际地面。由此,解决相关技术的地面滤除不具有实时性,并且滤除效果差的问题,可以达到实时准确的地面滤除的效果。
具体而言,图1为本申请实施例所提供的一种地面检测方法的流程示意图。
如图1所示,该地面检测方法包括以下步骤:
在步骤S101中,采集车辆周围环境的点云数据,并初始化预设的扇形栅格。
可选地,在一些实施例中,初始化预设的扇形栅格,包括:基于预设的径向长度和预设的栅格角度将预设的扇形栅格划分为径向距离不同的多个区域;获取不同场景下每个栅格中点云数据最大值,并在初始化预设的扇形栅格时,将每个栅格中点云数据最大值作为每个栅格点云数据的预留空间。
可选地,在一些实施例中,预设的径向长度可以为公式(1),预设的栅格角度为公式(3)。
ρr-1≤ρr<ρr+1(r>1);(1)
ρ0<ρ1<ρ2<ρ3<ρ4;(2)
其中,ρ为径向距离,r为圈数,FOV为激光雷达的视场角,Nr为第r圈扇形栅格的数量,θr为扇形栅格角度。
具体地,本申请实施例可以通过激光雷达采集车辆周围的点云数据,采集范围可以根据激光雷达的范围规定,在本申请实施例中,首先将1.5m-70m范围的激光点云划分为4个区域,分别记作Z1,Z2,Z3和Z4,根据激光雷达点云近密远疏的特点,将激光雷达划分为4个径向距离大小不一的区域(近小远大),如图2所示。每个区域的扇形栅格的径向距离和扇形角度的大小是一致的,其中,扇形栅格径向长度如公式(1)所示,扇形栅格角度如公式(3)所示,Z1,Z2,Z3,Z4依次向外,所以这4部分对应的扇形区域也越来越大,不仅径向的长度变大,栅格的角度也随之变大,这样就可以适应激光雷达近密远疏的特点。从而有利于提高计算效率,提升地面检测精度。
需要说明的是,栅格大小不应太小,太小的栅格会额外开销算力,使得算法不能满足实时性的要求,但是栅格也不宜过大,过大的栅格容易造成地面的漏检现象。因此,在本申请中各区域的径向阈值可以如公式(4)所示:
为了缩短算法运行时间和节省空间开销,对每个栅格初始化时候预留一定的空间。具体做法如下:首先在不同场景下多次统计每个栅格激光点云的数量,然后记录每个栅格中点云数量的最大值。在初始化扇形栅格时候,用该栅格点云数量最大值作为栅格点云的预留空间,保证在分配点云环节既保证运行速度有保证空间开销最小。
在步骤S102中,将点云数据分配至预设的扇形栅格,并对每个扇形栅格进行PCA平面拟合,并从拟合后的扇形栅格中筛选出垂直度、平均高度和/或平坦度满足预设要求的合格扇形栅格。
可选地,在一些实施例中,对每个扇形栅格进行PCA平面拟合,包括:遍历每个扇形栅格,并基于预设高度值对每个扇形栅格的点云数据进行筛选,得到每个扇形栅格的待拟合点云数据;利用预设的PCA方法拟合平面方程,对每个扇形栅格的待拟合点云数据进行拟合,得到初始栅格平面方程;计算每个扇形栅格的点云数据至由初始栅格平面方程得到的平面的第二点面距离,并筛选出第二点面距离中小于第二预设距离的点云数据作为待拟合点云数据进行拟合,直至满足预设条件,得到最终栅格平面方程。
具体地,将采集的激光点云分配到2D扇形栅格中,遍历所有激光点云,计算每个点的径向距离ρ和角度θ,计算公式如公式(5)-(6)。
可选地,在一些实施例中,将点云数据分配至预设的扇形栅格,包括:基于预设的分配公式,将点云数据分配至预设的扇形栅格,其中,预设的分配公式为:
其中,ρk为每个点的径向距离,θk为每个点的角度,xk为k点的X轴坐标值,yk为k点的Y轴坐标值。
利用径向距离ρ和角度θ找到扇形栅格的索引,然后把该点的索引放到对应的栅格中。由于不同FOV激光雷达点云的角度索引边界是不同的,需要做判断。
为了剔除噪点,提升后续PCA拟合平面的精度,本申请实施例可以筛选出用于PCA拟合平面的点,遍历每个扇形栅格,并对每个扇形栅格的点按照z值进行排序,找出合适的点作为PCA平面拟合的初始点。如图3所示,具体操作如下:
(a)首先按照堆排序,找出z值最小的前n个点(本申请n=20),为了加快运行速度,本申请采用堆排序的方案,以减少排序的耗时。
(b)然后计算这n个点z的平均值,作为初始高度hinit。
(c)接着计算栅格z值下限hmargin,计算公式如公式(7)所示:
hmargin=hinit*margin;(7)
其中,margin=-1.05。
(d)再计算栅格z值上限hmax,计算公式如公式(8)所示:
hmax=hinit+hseed;(8)
其中hseed=0.2。
(e)最后筛选出满足公式(9)条件的点云。
hmargin≤z<hmax;(9)
其中:z表示激光点云的z值。
利用PCA方法拟合平面方程。本申请为了提升运行速度,采用了PCA拟合平面的方法,筛选出来的点拟合平面会更加稳定和准确。选取这些点计算它们的的均值M和协方差C。
然后通过计算协方差的特征值而求解栅格的平面方程。
Cxα=λαxα;(10)
其中,C为协方差,α=1,2,3,λα为特征值,λ1≥λ2≥λ3。
而最小特征值λ3对应的特征向量x3就是栅格平面方程法向量,所以栅格平面方程法向量为:
n=x3=[a,b,c]T;(11)
平面方程为:
ax+by+cz+d=0;(12)
其中,x,y,z是栅格点云的对应的X,Y,Z坐标轴的坐标值,a,b,c,d是平面方程系数。
利用PCA方法拟合平面方程后就可以求出初始的栅格平面方程,为了得到更加鲁棒的结果,本申请可以做3-4次迭代,遍历栅格所有点,求点到平面方程的距离,选出满足条件的点再去求协方差,计算平面方程,以此往复几次。如图4所示。利用该方法只需要迭代几次就可以得到理想的结果,大大缩短了平面拟合运行时间。
可选地,在一些实施例中,从拟合后的扇形栅格中筛选出垂直度、平均高度和/或平坦度满足预设要求的合格扇形栅格,包括:计算拟合后的扇形栅格的垂直度,并筛选出垂直度大于第一阈值的第一目标扇形栅格;计算每个第一目标扇形栅格的平均高度,并筛选出平均高度小于预设高度的第二目标扇形栅格;获取第二目标扇形栅格中处于目标区域的第三目标扇形栅格,并计算第三目标扇形栅格的平坦度,并基于第三目标扇形栅格的平坦度和目标区域的平坦度得到合格扇形栅格。
本领域技术相关技术人员可以理解的是,本申请实施例需要判断扇形栅格拟合的平面哪些包含了地面,哪些栅格不包含地面,具体流程如图5所示。
计算栅格平面和激光雷达坐标系Z轴的垂直度u,其中平面垂直度的定义如公式(13)所示:
其中:vn是栅格平面的法向量,z是激光雷达坐标系中Z轴的方向向量,在本申请中用z=(0,0,1),θτ是垂直度的阈值,在这里选取0.7854,即45°。
计算栅格的平均高度hz,为了剔除像车顶等平坦区域,需要对栅格的平均高度做限制,同时也可以保证地面更加平顺。对于不同径向距离的区域采用不同的高度阈值,如图6所示。本申请采用对于4个不同区域采用了不同的阈值,具体如公式(14)所示(这里假设地平面Z=0):
对于处于Z1和Z2区域的点,还需要计算它们的平坦度f,平坦度f的定义如公式(15)所示:
其中,λα为特征值。
在本申请中4个区域的平坦度阈值是不一样的,每个区域平坦度阈值如公式(16)所示:
通过判断栅格的垂直度,高程和平坦度就可以筛选出满足要求的栅格(即包含地面点的栅格),然后修正这些满足要求栅格栅的平面方程,最后就可以得到地面点了。
在步骤S103中,修正合格扇形栅格对应的平面方程,并计算每个扇形栅格中的每个点至由修正后的平面方程得到的栅格平面的第一点面距离,并将第一点面距离小于第一预设距离的点作为地面点,以生成实际地面。
可选地,在一些实施例中,基于合格扇形栅格,修正合格扇形栅格对应的平面方程,包括:针对每个合格扇形栅格,获取每个合格扇形栅格相邻的多个合格扇形栅格;根据每个合格扇形栅格的权重和相邻的多个合格扇形栅格的权重修正当前每个合格扇形栅格的平面方程系数,并根据修正后的每个合格扇形栅格的平面方程系数得到合格扇形栅格对应的平面方程。
具体地,本申请实施例在筛选出满足要求的栅格后,可以进行栅格的修正,对包含地面的栅格平面进行修正,首先遍历包含地面的栅格,找到邻近8个栅格,然后对栅格和领域的栅格平面方程做加权平均,加权系数可以如图7所示。图7中权重为3的栅格是包含地面的栅格。注意,如果领域中的栅格有不包含地面栅格存在时,该栅格的权重设置为0。
栅格平面修正方程如式(17)-(20)所示:
筛选出地面点,并保存地面点的索引。遍历扇形栅格中每个点到修正后栅格平面的距离,筛选出小于阈值的点作为地面点。点到修正平面距离的公式如公式(21)所示:
为使本领域技术人员进一步了解本申请实施例的地面检测方法,下面结合具体实施例进行详细阐述。
如图8所示,图8为根据本申请实施例提出的地面检测方法的流程图。
步骤1:启动车载激光雷达,采集车辆周围环境的激光点云。
步骤2:初始化2D扇形栅格。
步骤3:将采集的激光点云分配到2D扇形栅格中。
步骤4:对每个扇形栅格进行PCA平面拟合。
步骤5:计算出平面和激光雷达坐标系Z轴的垂直度,高程和平面的平坦度,然后利用这些信息筛选出合格的扇形栅格。
步骤6:对合格扇形栅格平面方程进行修正。
步骤7:遍历扇形栅格中每个点,计算点到修正后平面的距离,筛选出小于阈值的点作为地面点,并输出该点的索引。
根据本申请实施例提出的地面检测方法,通过采集车辆周围环境的点云数据,并初始化预设的扇形栅格,并将点云数据分配至预设的扇形栅格,并对每个扇形栅格进行PCA平面拟合,并从拟合后的扇形栅格中筛选出垂直度、平均高度和/或平坦度满足预设要求的合格扇形栅格,并修正合格扇形栅格对应的平面方程,并计算每个扇形栅格中的每个点至由修正后的平面方程得到的栅格平面的第一点面距离,并将第一点面距离小于第一预设距离的点作为地面点,以生成实际地面。由此,解决相关技术的地面滤除不具有实时性,并且滤除效果差的问题,可以达到实时准确的地面滤除的效果。
其次参照附图描述根据本申请实施例提出的地面检测装置。
图9是本申请实施例的地面检测装置的方框示意图。
如图9所示,该地面检测装置10包括:采集模块100、拟合模块200和修正模块300。
其中,采集模块100,用于采集车辆周围环境的点云数据,并初始化预设的扇形栅格;拟合模块200,用于将所述点云数据分配至所述预设的扇形栅格,并对每个扇形栅格进行PCA平面拟合,并从拟合后的扇形栅格中筛选出垂直度、平均高度和/或平坦度满足预设要求的合格扇形栅格;以及修正模块300,用于修正所述合格扇形栅格对应的平面方程,并计算所述每个扇形栅格中的每个点至由修正后的平面方程得到的栅格平面的第一点面距离,并将所述第一点面距离小于第一预设距离的点作为地面点,以生成实际地面。
可选地,在一些实施例中,所述采集模块100,还用于:基于预设的径向长度和预设的栅格角度将所述预设的扇形栅格划分为径向距离不同的多个区域;获取不同场景下每个栅格中点云数据最大值,并在初始化所述预设的扇形栅格时,将所述每个栅格中点云数据最大值作为所述每个栅格点云数据的预留空间。
可选地,在一些实施例中,所述预设的径向长度为:
ρr-1≤ρr<ρr+1(r>1);
其中,ρ为径向距离,r为圈数,FOV为激光雷达的视场角,Nr为第r圈扇形栅格的数量,θr为扇形栅格角度。
可选地,在一些实施例中,所述拟合模块200,还用于:基于预设的分配公式,将所述点云数据分配至所述预设的扇形栅格,其中,所述预设的分配公式为:
θk=actan(yk,xk);
其中,ρk为每个点的径向距离,θk为每个点的角度,xk为k点的X轴坐标值,yk为k点的Y轴坐标值。
可选地,在一些实施例中,所述拟合模块200,还用于:遍历所述每个扇形栅格,并基于预设高度值对所述每个扇形栅格的点云数据进行筛选,得到所述每个扇形栅格的待拟合点云数据;利用预设的PCA方法拟合平面方程,对所述每个扇形栅格的待拟合点云数据进行拟合,得到初始栅格平面方程;计算所述每个扇形栅格的点云数据至由所述初始栅格平面方程得到的平面的第二点面距离,并筛选出所述第二点面距离中小于第二预设距离的点云数据作为所述待拟合点云数据进行拟合,直至满足预设条件,得到最终栅格平面方程。
可选地,在一些实施例中,所述拟合模块200,还用于:计算拟合后的扇形栅格的垂直度,并筛选出所述垂直度大于第一阈值的第一目标扇形栅格;计算每个第一目标扇形栅格的平均高度,并筛选出所述平均高度小于预设高度的第二目标扇形栅格;获取所述第二目标扇形栅格中处于目标区域的第三目标扇形栅格,并计算所述第三目标扇形栅格的平坦度,并基于所述第三目标扇形栅格的平坦度和所述目标区域的平坦度得到所述合格扇形栅格。
可选地,在一些实施例中,所述修正模块300,还用于:针对每个合格扇形栅格,获取所述每个合格扇形栅格相邻的多个合格扇形栅格;根据所述每个合格扇形栅格的权重和所述相邻的多个合格扇形栅格的权重修正当前每个合格扇形栅格的平面方程系数,并根据修正后的每个合格扇形栅格的平面方程系数得到所述合格扇形栅格对应的平面方程。
可选地,在一些实施例中,所述修正模块300,还用于:基于预设的第一点面距离计算公式,计算所述每个扇形栅格中的每个点至由修正后的平面方程得到的栅格平面的第一点面距离,其中,所述预设的第一点面距离计算公式为:
需要说明的是,前述对地面检测方法实施例的解释说明也适用于该实施例的地面检测装置,此处不再赘述。
根据本申请实施例提出的地面检测装置,通过采集车辆周围环境的点云数据,并初始化预设的扇形栅格,并将点云数据分配至预设的扇形栅格,并对每个扇形栅格进行PCA平面拟合,并从拟合后的扇形栅格中筛选出垂直度、平均高度和/或平坦度满足预设要求的合格扇形栅格,并修正合格扇形栅格对应的平面方程,并计算每个扇形栅格中的每个点至由修正后的平面方程得到的栅格平面的第一点面距离,并将第一点面距离小于第一预设距离的点作为地面点,以生成实际地面。由此,解决相关技术的地面滤除不具有实时性,并且滤除效果差的问题,可以达到实时准确的地面滤除的效果。
图10为本申请实施例提供的车辆的结构示意图。该车辆可以包括:
存储器1001、处理器1002及存储在存储器1001上并可在处理器1002上运行的计算机程序。
处理器1002执行程序时实现上述实施例中提供的地面检测方法。
进一步地,车辆还包括:
通信接口1003,用于存储器1001和处理器1002之间的通信。
存储器1001,用于存放可在处理器1002上运行的计算机程序。
存储器1001可能包含高速RAM(Random Access Memory,随机存取存储器)存储器,也可能还包括非易失性存储器,例如至少一个磁盘存储器。
如果存储器1001、处理器1002和通信接口1003独立实现,则通信接口1003、存储器1001和处理器1002可以通过总线相互连接并完成相互间的通信。总线可以是ISA(IndustryStandard Architecture,工业标准体系结构)总线、PCI(Peripheral Component,外部设备互连)总线或EISA(Extended Industry Standard Architecture,扩展工业标准体系结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图10中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器1001、处理器1002及通信接口1003,集成在一块芯片上实现,则存储器1001、处理器1002及通信接口1003可以通过内部接口完成相互间的通信。
处理器1002可能是一个CPU(Central Processing Unit,中央处理器),或者是ASIC(Application Specific Integrated Circuit,特定集成电路),或者是被配置成实施本申请实施例的一个或多个集成电路。
本申请实施例还提供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如上的地面检测方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不是必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“N个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列,现场可编程门阵列等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (18)
1.一种地面检测方法,其特征在于,包括以下步骤:
采集车辆周围环境的点云数据,并初始化预设的扇形栅格;
将所述点云数据分配至所述预设的扇形栅格,并对每个扇形栅格进行PCA平面拟合,并从拟合后的扇形栅格中筛选出垂直度、平均高度和/或平坦度满足预设要求的合格扇形栅格;以及
修正所述合格扇形栅格对应的平面方程,并计算所述每个扇形栅格中的每个点至由修正后的平面方程得到的栅格平面的第一点面距离,并将所述第一点面距离小于第一预设距离的点作为地面点,以生成实际地面。
2.根据权利要求1所述的方法,其特征在于,所述初始化预设的扇形栅格,包括:
基于预设的径向长度和预设的栅格角度将所述预设的扇形栅格划分为径向距离不同的多个区域;
获取不同场景下每个栅格中点云数据最大值,并在初始化所述预设的扇形栅格时,将所述每个栅格中点云数据最大值作为所述每个栅格点云数据的预留空间。
5.根据权利要求1所述的方法,其特征在于,所述对每个扇形栅格进行PCA平面拟合,包括:
遍历所述每个扇形栅格,并基于预设高度值对所述每个扇形栅格的点云数据进行筛选,得到所述每个扇形栅格的待拟合点云数据;
利用预设的PCA方法拟合平面方程,对所述每个扇形栅格的待拟合点云数据进行拟合,得到初始栅格平面方程;
计算所述每个扇形栅格的点云数据至由所述初始栅格平面方程得到的平面的第二点面距离,并筛选出所述第二点面距离中小于第二预设距离的点云数据作为所述待拟合点云数据进行拟合,直至满足预设条件,得到最终栅格平面方程。
6.根据权利要求5所述的方法,其特征在于,所述从拟合后的扇形栅格中筛选出垂直度、平均高度和/或平坦度满足预设要求的合格扇形栅格,包括:
计算拟合后的扇形栅格的垂直度,并筛选出所述垂直度大于第一阈值的第一目标扇形栅格;
计算每个第一目标扇形栅格的平均高度,并筛选出所述平均高度小于预设高度的第二目标扇形栅格;
获取所述第二目标扇形栅格中处于目标区域的第三目标扇形栅格,并计算所述第三目标扇形栅格的平坦度,并基于所述第三目标扇形栅格的平坦度和所述目标区域的平坦度得到所述合格扇形栅格。
7.根据权利要求6所述的方法,其特征在于,所述基于所述合格扇形栅格,修正所述合格扇形栅格对应的平面方程,包括:
针对每个合格扇形栅格,获取所述每个合格扇形栅格相邻的多个合格扇形栅格;
根据所述每个合格扇形栅格的权重和所述相邻的多个合格扇形栅格的权重修正当前每个合格扇形栅格的平面方程系数,并根据修正后的每个合格扇形栅格的平面方程系数得到所述合格扇形栅格对应的平面方程。
9.一种地面检测装置,其特征在于,包括:
采集模块,用于采集车辆周围环境的点云数据,并初始化预设的扇形栅格;
拟合模块,用于将所述点云数据分配至所述预设的扇形栅格,并对每个扇形栅格进行PCA平面拟合,并从拟合后的扇形栅格中筛选出垂直度、平均高度和/或平坦度满足预设要求的合格扇形栅格;以及
修正模块,用于修正所述合格扇形栅格对应的平面方程,并计算所述每个扇形栅格中的每个点至由修正后的平面方程得到的栅格平面的第一点面距离,并将所述第一点面距离小于第一预设距离的点作为地面点,以生成实际地面。
10.根据权利要求9所述的装置,其特征在于,所述采集模块,还用于:
基于预设的径向长度和预设的栅格角度将所述预设的扇形栅格划分为径向距离不同的多个区域;
获取不同场景下每个栅格中点云数据最大值,并在初始化所述预设的扇形栅格时,将所述每个栅格中点云数据最大值作为所述每个栅格点云数据的预留空间。
13.根据权利要求9所述的装置,其特征在于,所述拟合模块,还用于:
遍历所述每个扇形栅格,并基于预设高度值对所述每个扇形栅格的点云数据进行筛选,得到所述每个扇形栅格的待拟合点云数据;
利用预设的PCA方法拟合平面方程,对所述每个扇形栅格的待拟合点云数据进行拟合,得到初始栅格平面方程;
计算所述每个扇形栅格的点云数据至由所述初始栅格平面方程得到的平面的第二点面距离,并筛选出所述第二点面距离中小于第二预设距离的点云数据作为所述待拟合点云数据进行拟合,直至满足预设条件,得到最终栅格平面方程。
14.根据权利要求13所述的装置,其特征在于,所述拟合模块,还用于:
计算拟合后的扇形栅格的垂直度,并筛选出所述垂直度大于第一阈值的第一目标扇形栅格;
计算每个第一目标扇形栅格的平均高度,并筛选出所述平均高度小于预设高度的第二目标扇形栅格;
获取所述第二目标扇形栅格中处于目标区域的第三目标扇形栅格,并计算所述第三目标扇形栅格的平坦度,并基于所述第三目标扇形栅格的平坦度和所述目标区域的平坦度得到所述合格扇形栅格。
15.根据权利要求14所述的装置,其特征在于,所述修正模块,还用于:
针对每个合格扇形栅格,获取所述每个合格扇形栅格相邻的多个合格扇形栅格;
根据所述每个合格扇形栅格的权重和所述相邻的多个合格扇形栅格的权重修正当前每个合格扇形栅格的平面方程系数,并根据修正后的每个合格扇形栅格的平面方程系数得到所述合格扇形栅格对应的平面方程。
17.一种车辆,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如权利要求1-8任一项所述的地面检测方法。
18.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行,以用于实现如权利要求1-8任一项所述的地面检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211287725.4A CN115542346A (zh) | 2022-10-20 | 2022-10-20 | 地面检测方法、装置、车辆及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211287725.4A CN115542346A (zh) | 2022-10-20 | 2022-10-20 | 地面检测方法、装置、车辆及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115542346A true CN115542346A (zh) | 2022-12-30 |
Family
ID=84735139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211287725.4A Pending CN115542346A (zh) | 2022-10-20 | 2022-10-20 | 地面检测方法、装置、车辆及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115542346A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116520353A (zh) * | 2023-06-29 | 2023-08-01 | 广汽埃安新能源汽车股份有限公司 | 基于激光点云的地面检测方法、装置、存储介质及设备 |
-
2022
- 2022-10-20 CN CN202211287725.4A patent/CN115542346A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116520353A (zh) * | 2023-06-29 | 2023-08-01 | 广汽埃安新能源汽车股份有限公司 | 基于激光点云的地面检测方法、装置、存储介质及设备 |
CN116520353B (zh) * | 2023-06-29 | 2023-09-26 | 广汽埃安新能源汽车股份有限公司 | 基于激光点云的地面检测方法、装置、存储介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102915444B (zh) | 图像配准 | |
CN112513679B (zh) | 一种目标识别的方法和装置 | |
CN110807781B (zh) | 一种保留细节与边界特征的点云精简方法 | |
CN106886980B (zh) | 一种基于三维激光雷达目标识别的点云密度增强的方法 | |
WO2020168685A1 (zh) | 一种三维扫描视点规划方法、装置及计算机可读存储介质 | |
CN113569958B (zh) | 激光点云数据聚类方法、装置、设备及介质 | |
CN110659545B (zh) | 车辆识别模型的训练方法、车辆识别方法、装置和车辆 | |
CN112184867A (zh) | 点云特征提取方法、装置、设备及存储介质 | |
CN115542346A (zh) | 地面检测方法、装置、车辆及存储介质 | |
CN112613450A (zh) | 一种增强在困难样本上表现的3d目标检测方法 | |
CN111765883B (zh) | 机器人蒙特卡罗定位方法、设备及存储介质 | |
CN115797453B (zh) | 一种红外微弱目标的定位方法、定位装置及可读存储介质 | |
CN116467848B (zh) | 一种毫米波雷达点云仿真的方法和装置 | |
CN116468838B (zh) | 一种区域资源渲染方法、系统、计算机及可读存储介质 | |
CN113034539A (zh) | 一种确定点云的边界框的方法及装置 | |
CN114863108B (zh) | 点云处理的方法、系统、电子设备及计算机可读存储介质 | |
CN114779209B (zh) | 一种激光雷达点云体素化方法及装置 | |
CN110706288A (zh) | 目标检测的方法、装置、设备及可读存储介质 | |
CN107492101B (zh) | 基于自适应构造最优图的多模态鼻咽肿瘤分割算法 | |
CN112446952B (zh) | 三维点云法向量的生成方法、装置、电子设备及存储介质 | |
CN115205354A (zh) | 基于ransac和icp点云配准的相控阵激光雷达成像方法 | |
CN114005109A (zh) | 一种基于knn的自适应噪声滤波方法 | |
CN116804745A (zh) | 位姿估计方法、装置、车辆及存储介质 | |
CN118091655A (zh) | 雷达数据处理方法及装置 | |
CN116071571B (zh) | 一种鲁棒快速的车用单线激光雷达点云聚类方法 |
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 |