CN115965929A - 一种基于点云的障碍物检测方法、装置和域控制器 - Google Patents
一种基于点云的障碍物检测方法、装置和域控制器 Download PDFInfo
- Publication number
- CN115965929A CN115965929A CN202211564187.9A CN202211564187A CN115965929A CN 115965929 A CN115965929 A CN 115965929A CN 202211564187 A CN202211564187 A CN 202211564187A CN 115965929 A CN115965929 A CN 115965929A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- point cloud
- convex hull
- frame
- minimum
- 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
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于点云的障碍物检测方法、装置和域控制器,方法包括:获取参考路径和参考路径附近每个障碍物对应的点云最小凸包;利用各个障碍物的点云最小凸包在所述参考路径上的投影,确定中轴线与所述参考路径方向相同的各个点云最小凸包的最小矩形边框;基于各个点云最小凸包的最小矩形边框确定各个障碍物的障碍物边框,并利用所述障碍物边框表示障碍物。本发明提供的技术方案,提高了生成障碍物边框的准确度。
Description
技术领域
本发明涉及点云数据处理领域,具体涉及一种基于点云的障碍物检测方法、装置和域控制器。
背景技术
随着自动驾驶技术的研发、应用和商业化进程不断加快,对驾驶安全技术的需求也不断增加。更多封闭场景无人驾驶系统要求去安全员,实现真正的无人驾驶。在无人驾驶系统中,障碍物检测主要通过激光雷达、摄像头、毫米波、超速波等传感器来处理。其中,激光雷达可以得到车辆周围障碍物的深度信息,将检测结果经过跟踪和融合得到最终的检测结果,最后将融合后的检测结果发布给预测模块,预测模块根据道路上的障碍物信息对未来的一段轨迹进行预测。而要知道障碍物凸包形态的形状、大小以及位置,通常的做法是将障碍物点云由三维压缩成二维,然后框成二维凸包的形式发布出去,机器人根据障碍物的二维凸包信息规划避障路径。
专利《基于RANSAC和角点提取的障碍物点云凸包分割方法》(CN114119940A)提出了一种最小凸包法计算包围障碍物的最小多边形边框。具体步骤包括:S1.对障碍物点云进行至少一次降采样、降维处理,以得到预处理后的二维点云;S2.对二维点云进行多次RANSAC直线点云提取以及欧式聚类,遍历欧式聚类得到的各个点云,进行角点提取;S3.根据二维点云的角点确定重心,同时确定各角点的极角,并根据角点对应的极角对角点进行顺/逆时针排序;S4.遍历排序好的角点,进行凹点判断并发布二维凸包,直至所有角点遍历完;S5.根据凹凸点进行凸包分割,得到障碍物的点云最小凸包。S6.为了适合路径规划等算法的障碍物跟踪和融合,再根据最小凸包计算最小矩形,将不规则的最小凸包转换为规则的矩形,得到障碍物边框,并利用障碍物边框表示障碍物。
但是点云并不是全部包围障碍物,障碍物越大就会越容易出现点云稀疏的情况,导致障碍物的部分位置存在丢失,所以障碍物越大、凸包尺寸越大,通过最小凸包计算最小矩形的误差就越大,导致使用最小矩形框对障碍物凸包进行包络误差较大,从而障碍物边框误差较大,进而导致无人驾驶车辆规划行驶轨迹不准确。业内另一种策略是采用深度学习方法实现对障碍物的边框检测,但这种方法需要采集和标注大量的数据,而且对于一些没有采集的障碍物类型检测效果不理想。
发明内容
有鉴于此,本发明实施方式提供了一种基于点云的障碍物检测方法、装置和域控制器,提高了生成障碍物边框的准确度。
根据第一方面,本发明实施例提供了一种基于点云的障碍物检测方法,所述方法包括:获取参考路径和参考路径附近每个障碍物对应的点云最小凸包;利用各个障碍物的点云最小凸包在所述参考路径上的投影,确定中轴线与所述参考路径方向相同的各个点云最小凸包的最小矩形边框;基于各个点云最小凸包的最小矩形边框确定各个障碍物的障碍物边框,并利用所述障碍物边框表示障碍物。
可选地,所述利用各个障碍物的点云最小凸包在所述参考路径上的投影,确定中轴线与所述参考路径方向相同的各个点云最小凸包的最小矩形边框,包括:根据所述参考路径的起点坐标和终点坐标确定所述参考路径的路径向量和路径航向角;利用当前点云最小凸包的各个顶点坐标和所述参考路径的起点坐标构建多个参考路径起点到各个凸包顶点的凸包向量;计算各个凸包向量到所述路径向量的投影,并计算各个凸包顶点到所述路径向量的距离;基于计算的投影和距离确定边框长度和边框宽度,所述边框长度和所述边框宽度分别用于表征中轴线与所述参考路径方向相同的当前最小矩形边框的平面长度和平面宽度,所述当前最小矩形边框是所述当前点云最小凸包的最小矩形边框;基于所述边框长度、所述边框宽度、所述路径航向角和所述参考路径的起点坐标,确定用于表征当前最小矩形边框中心的中心坐标;利用所述边框长度、所述边框宽度和所述中心坐标表示当前点云最小凸包的当前最小矩形边框。
可选地,所述基于计算的投影和距离确定边框长度和边框宽度,包括:从所述计算的投影和距离中分别提取最长投影、最短投影、最长距离和最短距离;利用所述最长投影和所述最短投影的差值确定所述边框长度,并利用所述最长距离和所述最短距离的差值确定所述边框宽度。
可选地,所述基于所述边框长度、所述边框宽度、所述路径航向角和所述参考路径的起点坐标,确定用于表征当前最小矩形边框中心的中心坐标,包括:
通过下式计算所述当前最小矩形边框中心的中心坐标
式中,Wc_j、Lc_分别是当前最小矩形边框的一半边框长度和一半边框宽度,xc_j,分别是在大地平面下当前最小矩形边框中心坐标的X坐标和Y坐标,所述中心坐标由xc_j,构成,是所述路径航向角,x_start,_分别是所述起点坐标在大地平面下的X坐标和Y坐标。
可选地,所述基于各个点云最小凸包的最小矩形边框确定各个障碍物的障碍物边框,包括:从当前障碍物的点云数据中获取空间最高点坐标和空间最低点坐标;基于所述空间最高点坐标和所述空间最低点坐标的差值确定边框高度,所述边框高度用于表征当前障碍物边框在地面外的空间高度;利用所述当前最小矩形边框和所述边框高度确定当前障碍物边框。
可选地,所述利用所述当前最小矩形边框和所述边框高度表示当前障碍物边框,包括:利用所述边框高度和所述起点坐标确定所述中心坐标的高度;基于确定了高度的中心坐标、所述边框长度、所述边框宽度和所述边框高度表示所述当前障碍物边框。
可选地,所述获取参考路径附近每个障碍物对应的点云最小凸包,包括:过滤所述参考路径以外的点云,并采用体素滤波对所述参考路径内的点云进行降采样;对降采样后的点云分割地面上点云和非地面上的点云;对分割得到的非地面上的点云进行聚类,得到每个障碍物对应的点云;基于graham扫描法计算每个障碍物对应的点云最小凸包。
根据第二方面,本发明实施例提供了一种基于点云的障碍物检测装置,所述装置包括:数据获取模块,用于获取参考路径和参考路径附近每个障碍物对应的点云最小凸包;矩形边框确定模块,用于利用各个障碍物的点云最小凸包在所述参考路径上的投影,确定中轴线与所述参考路径方向相同的各个点云最小凸包的最小矩形边框;障碍物边框确定模块,用于基于各个点云最小凸包的最小矩形边框确定各个障碍物的障碍物边框,并利用所述障碍物边框表示障碍物。
根据第三方面,本发明实施例提供了一种域控制器,包括:感知处理单元、决策处理单元、控制处理单元和通信单元,所述感知处理单元、所述决策处理单元、所述控制处理单元和所述通信单元之间互相通信连接,所述感知处理单元中存储有计算机指令,所述感知处理单元通过执行所述计算机指令,从而执行第一方面,或者第一方面任意一种可选实施方式中所述的方法。
根据第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机从而执行第一方面,或者第一方面任意一种可选实施方式中所述的方法。
本申请提供的技术方案,具有如下优点:
本申请提供的技术方案,获取参考路径和参考路径附近每个障碍物对应的点云最小凸包;然后计算各个障碍物的点云最小凸包在参考路径上的投影,从而根据投影生成各个点云最小凸包的最小矩形边框,生成的最小矩形边框的中轴线与参考路径方向相同,即根据参考路径方向确定与参考路径朝向相同的最小矩形边框,从而提高点云最小凸包最小矩形边框的准确率。然后基于各个点云最小凸包的最小矩形边框确定各个障碍物的障碍物边框,以提高利用障碍物边框表示障碍物的准确率。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点,附图是示意性的而不应理解为对本发明进行任何限制,在附图中:
图1示出了现有技术中点云最小凸包的示意图;
图2示出了现有技术中点云最小凸包的最小矩形边框的示意图;
图3示出了本发明一个实施方式中一种基于点云的障碍物检测方法的步骤示意图;
图4示出了本发明一个实施方式中一种基于点云的障碍物检测方法的最小矩形边框示意图;
图5示出了本发明一个实施方式中一种基于点云的障碍物检测方法生成最小矩形边框的原理示意图;
图6示出了本发明一个实施方式中一种基于点云的障碍物检测装置的结构示意图;
图7示出了本发明一个实施方式中一种域控制器的结构示意图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚,下面将结合本发明实施方式中的附图,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
如图1所示,在现有技术中,点云检测技术可能存在点云稀疏的情况。如图2所示,如果障碍物的点云稀疏,基于该点云识别出最小凸包,进而确定该最小凸包的最小矩边框,不一定是真实的障碍物边框,这在障碍物较大的时候尤为明显。
基于此,如图3和图4所示,在一个实施方式中,本发明实施例提供了一种基于点云的障碍物检测方法,方法包括:
步骤S101:获取参考路径和参考路径附近每个障碍物对应的点云最小凸包。
步骤S102:利用各个障碍物的点云最小凸包在参考路径上的投影,确定中轴线与参考路径方向相同的各个点云最小凸包的最小矩形边框。
步骤S103:基于各个点云最小凸包的最小矩形边框确定各个障碍物的障碍物边框,并利用障碍物边框表示障碍物。
具体地,为了降低直接利用点云最小凸包的最小矩形边框表征障碍物产生的误差,本发明实施例首先获取车辆的参考路径和参考路径附近每个障碍物对应的点云最小凸包。然后将每个障碍物对应的点云最小凸包向参考路径进行投影,根据投影方向,为每个点云最小凸包创建一个和参考路径方向相同的最小矩形边框,从视觉效果来看,该矩形边框的其中一条中轴线与参考路径是平行的,由于道路两侧的障碍物通常是顺着参考路径的方向摆放的,例如没有人的空车会顺着参考路径的方向停在路边,从基于这一假定情况,使得生成的最小矩形边框更加贴合障碍物的实际摆放情况,如此生成的最小矩形边框相比直接在自由方向上生成的最小矩形边框准确度高的可能性更大,能够尽可能地覆盖障碍物轮廓,从而利用中轴线与参考路径方向相同的最小矩形边框确定各个障碍物的障碍物边框,提高了障碍物检测准确率,进而提高了后续车辆路径规划的准确率。
在本发明实施例中,参考路径附近每个障碍物对应的点云最小凸包可通过如下方式获得:
1.根据高精地图过滤掉非道路上的点云,并采用体素滤波对道路内的点云进行降采样。具体地,三维点云往往包含大量冗余数据,直接处理计算量大,消耗时间长,因此过滤掉非道路上的点云和降采样是提升边框准确度的重要步骤。
2.对降采样后的点云采用RANSAC方法分割地面上点云和非地面上的点云。具体地,在汽车规划路径时,汽车躲避的障碍物来源于空间,而不是贴于地面的障碍物,从而将地面上点云和非地面上的点云分割开来,以进一步减少冗余数据。
3.对于分割得到的非地面上的点云采用欧式聚类得到每个障碍物的对应的点云。具体地,通过聚类方法将距离较近的点云数据聚在一起,从而确定各个障碍物的大概位置。
4.采用graham扫描法计算每个障碍物对应的点云的最小凸包。通过graham扫描法对每个障碍物的对应的点云进行处理,从而得到更贴近障碍物真实轮廓与面积的点云最小凸包。
由于二维凸包包裹面积更接近于障碍物实际面积,但与其他障碍物检测方法没有一致性,不适合障碍物跟踪和融合,从而需要基于本发明实施例提供的上述方法生成每个点云最小凸包更最准确的最小矩形边框。
具体地,在一实施例中,上述步骤S102,具体包括如下步骤:
步骤一:根据参考路径的起点坐标和终点坐标确定参考路径的路径向量和路径航向角。
步骤二:利用当前点云最小凸包的各个顶点坐标和参考路径的起点坐标构建多个参考路径起点到各个凸包顶点的凸包向量。
步骤三:计算各个凸包向量到路径向量的投影,并计算各个凸包顶点到路径向量的距离。
步骤四:基于计算的投影和距离确定边框长度和边框宽度,边框长度和边框宽度分别用于表征中轴线与参考路径方向相同的当前最小矩形边框的平面长度和平面宽度,当前最小矩形边框是当前点云最小凸包的最小矩形边框。
步骤五:基于边框长度、边框宽度、路径航向角和参考路径的起点坐标,确定用于表征当前最小矩形边框中心的中心坐标。
步骤六:利用边框长度、边框宽度和中心坐标表示当前点云最小凸包的当前最小矩形边框。
具体地,如图5所示,计算各个障碍物点云最小凸包的最小矩形边框,首先根据参考路径的起点坐标和终点坐标确定参考路径的路径向量和路径航向角,步骤如下:
通过导航模块获取无人驾驶车辆当前的参考路径;计算当前无人驾驶车辆当前导航位置(x,y,z)到参考路径的最近点的坐标,即为起点(x_start,y_start),如图5所示(图5只保留大地坐标系中的X坐标和Y坐标,即参考路径的俯视图,以便于计算点云最小凸包的最小矩形边框);计算参考路径前进方向上到起点距离为设定阈值的坐标点为终点(x_end,y_end),如果阈值大于参考路径的长度,则取参考路径上最后一个坐标点;得到参考路径的向量v1=(x_end–x_start,y_end–y_start),并用该向量表示参考路径。
然后,针对每一个点云最小凸包,将参考路径的起点与点云最小凸包的各个顶点连接起来,就能够得到多个凸包向量,每个凸包向量均是参考路径起点指向一个凸包顶点。每个凸包向量的表示方法为凸包顶点坐标减去参考路径起点坐标。以一个点云最小凸包为例,如图5中的向量sp,是当前点云最小凸包的一个凸包向量。
然后计算当前点云最小凸包每一个凸包向量到路径向量的投影,并计算当前点云最小凸包每一个凸包顶点到路径向量的距离。例如图5中的L为一个凸包向量sp到参考路径上的投影,图5中的W为凸包向量sp对应的凸包顶点到路径向量的距离。具体计算公式如下:
式中,i表示第j个点云最小凸包的第i个凸包顶点,Lij表示第j个点云最小凸包的第i个凸包向量的投影,spij表示,第j个点云最小凸包的第i个凸包向量,spij[a],a=1表示向量的第一个坐标值,a=2向量的第二个坐标值,v1表示参考路径向量,v1[b],b=1表示向量的第一个坐标值,b=2向量的第二个坐标值,W_ij表示第j个点云最小凸包的第i个凸包顶点到参考路径的距离。
为了确定当前点云最小凸包整体到参考路径的投影,本发明实施例从计算的投影中提取最长投影Lmax和最短投影Lmin,然后计算最长投影和最短投影的差值,利用得到的差值部分即可表征当前点云最小凸包在参考路径上的投影,差值的大小就是当前生成的最小矩形边框的边框长度。同理,本发明实施例从计算的距离中提取最长距离Wmax和最短距离Wmin,然后计算最长距离和最短距离的差值,利用得到的差值部分即可表征当前点云最小凸包生成当前最小矩形边框的边框宽度,该边框的朝向与参考路径的朝向一致。
此外,基于边框长度、边框宽度、路径航向角和参考路径的起点坐标计算用于表征当前最小矩形边框中心的中心坐标,计算公式如下:
式中,Wc_j、Lc_分别是当前最小矩形边框的一半边框长度和一半边框宽度,xc_j,分别是在大地平面下当前最小矩形边框中心坐标的X坐标和Y坐标,而中心坐标由xc_j,构成,,由路径航向角通过上式进行计算得到,x_start,_分别是起点坐标在大地平面下的X坐标和Y坐标。
最后,一个最小矩形边框由一组中心坐标、边框长度和边框宽度表示。使用最小矩形边框最终确定空间内的障碍物边框,或者直接将最小矩形边框作为俯视图的障碍物边框,提高了障碍物检测的准确率,进而提高了车辆路径规划的准确率。
具体地,在一实施例中,上述步骤S103,具体包括如下步骤:
步骤七:从当前障碍物的点云数据中获取空间最高点坐标和空间最低点坐标。
步骤八:基于空间最高点坐标和空间最低点坐标的差值确定边框高度,边框高度用于表征当前障碍物边框在地面外的空间高度。
步骤九:利用当前最小矩形边框和边框高度确定当前障碍物边框。
具体地,为了进一步提高障碍物边框的准确性,考虑到障碍物除了大地平面的长和宽,还包括空间维度的高。本发明实施例还从当前障碍物的点云数据中获取空间最高点坐标和空间最低点坐标。并空间最高点坐标和空间最低点坐标的差值确定边框高度,以为障碍物边框引入高度信息。此外,在本实施例中,利用边框高度和起点坐标对中心坐标进行更新,为矩形边框的中心坐标引入高度。计算方法如下式:
最后,将确定了高度的中心坐标、边框长度、边框宽度和边框高度作为一组信息表示当前障碍物边框。将每个障碍物的对应的一组信息发布给路径规划模块使用,即可实现后续更为准确的路径规划方案。
通过上述步骤,本申请提供的技术方案,获取参考路径和参考路径附近每个障碍物对应的点云最小凸包;然后计算各个障碍物的点云最小凸包在参考路径上的投影,从而根据投影生成各个点云最小凸包的最小矩形边框,生成的最小矩形边框的中轴线与参考路径方向相同,即根据参考路径方向确定与参考路径朝向相同的最小矩形边框,从而提高点云最小凸包最小矩形边框的准确率。然后基于各个点云最小凸包的最小矩形边框确定各个障碍物的障碍物边框,以提高利用障碍物边框表示障碍物的准确率。
如图6所示,本实施例还提供了一种基于点云的障碍物检测装置,装置包括:
数据获取模块101,用于获取参考路径和参考路径附近每个障碍物对应的点云最小凸包。详细内容参见上述方法实施例中步骤S101的相关描述,在此不再进行赘述。
矩形边框确定模块102,用于利用各个障碍物的点云最小凸包在参考路径上的投影,确定中轴线与参考路径方向相同的各个点云最小凸包的最小矩形边框。详细内容参见上述方法实施例中步骤S102的相关描述,在此不再进行赘述。
障碍物边框确定模块103,用于基于各个点云最小凸包的最小矩形边框确定各个障碍物的障碍物边框,并利用障碍物边框表示障碍物。详细内容参见上述方法实施例中步骤S103的相关描述,在此不再进行赘述。
本发明实施例提供的基于点云的障碍物检测装置,用于执行上述实施例提供的基于点云的障碍物检测方法,其实现方式与原理相同,详细内容参见上述方法实施例的相关描述,不再赘述。
通过上述各个组成部分的协同合作,本申请提供的技术方案,获取参考路径和参考路径附近每个障碍物对应的点云最小凸包;然后计算各个障碍物的点云最小凸包在参考路径上的投影,从而根据投影生成各个点云最小凸包的最小矩形边框,生成的最小矩形边框的中轴线与参考路径方向相同,即根据参考路径方向确定与参考路径朝向相同的最小矩形边框,从而提高点云最小凸包最小矩形边框的准确率。然后基于各个点云最小凸包的最小矩形边框确定各个障碍物的障碍物边框,以提高利用障碍物边框表示障碍物的准确率。
图7示出了本发明实施例的一种域控制器,该域控制器至少包括感知处理单元901、决策处理单元902、控制处理单元903和通信单元904,其中感知处理单元901、决策处理单元902、控制处理单元903和通信单元904之间可以通过总线或者其他方式互相通信连接,图7中以总线方式为例。
在本实施例中,感知处理单元901和决策处理单元902分别包括独立的处理器,感知处理单元901和决策处理单元902可以分别包括独立的存储器,也可以使用共享的存储器。
在本发明实施例中,感知处理单元901主要应用于工程机械场景,主要作用为对传感器数据进行感知融合处理,得到当前工程机械所处环境的环境信息,然后根据环境信息信号的数据类型将环境信息发送至控制处理单元903或者决策处理单元902。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如上述方法实施例中的方法所对应的程序指令/模块。感知处理单元901通过运行存储在存储器中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的方法。
决策处理单元902的作用为:结合周边环境、作业场景、车辆状态等信息融合之后,制定驾驶或作业策略,最终发出控制命令。
控制处理单元903的主要作用为:通信协议转换(CAN、以太网、LIN等)、AD转换(传感器输入)、DA转换(控制驱动)等的不同类型信号之间的转换。例如将激光雷达扫描到的信号转换为点云数据,控制处理单元903可以是美国德州仪器TI芯片TDA4VM的MCU、以色列Mobileye公司EyeQ系列芯片的MCU、日本瑞萨R-CAR芯片R-CAR H3的MCU、中国地平线公司征程系列芯片的MCU等。
通信单元904的主要作用为:进行无线通信,通信方式包括但不限于5G/4G网络通信、Wi-Fi通信、卫星通信,与云端服务器进行通信,其主要作用为:将设备相关状态以及信息上传到云端服务,请求云端服务器协助计算处理,也可以通过云端服务器下载数据,对控制器进行OTA软件升级;与附近的设备通信,可以接收其他设备的状态,协同完成作业任务。控制模块的通信单元110可以为5G模组、Wi-Fi模组、蓝牙模组等。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,实现的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种基于点云的障碍物检测方法,其特征在于,所述方法包括:
获取参考路径和参考路径附近每个障碍物对应的点云最小凸包;
利用各个障碍物的点云最小凸包在所述参考路径上的投影,确定中轴线与所述参考路径方向相同的各个点云最小凸包的最小矩形边框;
基于各个点云最小凸包的最小矩形边框确定各个障碍物的障碍物边框,并利用所述障碍物边框表示障碍物。
2.根据权利要求1所述的方法,其特征在于,所述利用各个障碍物的点云最小凸包在所述参考路径上的投影,确定中轴线与所述参考路径方向相同的各个点云最小凸包的最小矩形边框,包括:
根据所述参考路径的起点坐标和终点坐标确定所述参考路径的路径向量和路径航向角;
利用当前点云最小凸包的各个顶点坐标和所述参考路径的起点坐标构建多个参考路径起点到各个凸包顶点的凸包向量;
计算各个凸包向量到所述路径向量的投影,并计算各个凸包顶点到所述路径向量的距离;
基于计算的投影和距离确定边框长度和边框宽度,所述边框长度和所述边框宽度分别用于表征中轴线与所述参考路径方向相同的当前最小矩形边框的平面长度和平面宽度,所述当前最小矩形边框是所述当前点云最小凸包的最小矩形边框;
基于所述边框长度、所述边框宽度、所述路径航向角和所述参考路径的起点坐标,确定用于表征当前最小矩形边框中心的中心坐标;
利用所述边框长度、所述边框宽度和所述中心坐标表示当前点云最小凸包的当前最小矩形边框。
3.根据权利要求2所述的方法,其特征在于,所述基于计算的投影和距离确定边框长度和边框宽度,包括:
从所述计算的投影和距离中分别提取最长投影、最短投影、最长距离和最短距离;
利用所述最长投影和所述最短投影的差值确定所述边框长度,并利用所述最长距离和所述最短距离的差值确定所述边框宽度。
5.根据权利要求4所述的方法,其特征在于,所述基于各个点云最小凸包的最小矩形边框确定各个障碍物的障碍物边框,包括:
从当前障碍物的点云数据中获取空间最高点坐标和空间最低点坐标;
基于所述空间最高点坐标和所述空间最低点坐标的差值确定边框高度,所述边框高度用于表征当前障碍物边框在地面外的空间高度;
利用所述当前最小矩形边框和所述边框高度确定当前障碍物边框。
6.根据权利要求5所述的方法,其特征在于,所述利用所述当前最小矩形边框和所述边框高度表示当前障碍物边框,包括:
利用所述边框高度和所述起点坐标确定所述中心坐标的高度;
基于确定了高度的中心坐标、所述边框长度、所述边框宽度和所述边框高度表示所述当前障碍物边框。
7.根据权利要求1所述的方法,其特征在于,所述获取参考路径附近每个障碍物对应的点云最小凸包,包括:
过滤所述参考路径以外的点云,并采用体素滤波对所述参考路径内的点云进行降采样;
对降采样后的点云分割地面上点云和非地面上的点云;
对分割得到的非地面上的点云进行聚类,得到每个障碍物对应的点云;
基于graham扫描法计算每个障碍物对应的点云最小凸包。
8.一种基于点云的障碍物检测装置,其特征在于,所述装置包括:
数据获取模块,用于获取参考路径和参考路径附近每个障碍物对应的点云最小凸包;
矩形边框确定模块,用于利用各个障碍物的点云最小凸包在所述参考路径上的投影,确定中轴线与所述参考路径方向相同的各个点云最小凸包的最小矩形边框;
障碍物边框确定模块,用于基于各个点云最小凸包的最小矩形边框确定各个障碍物的障碍物边框,并利用所述障碍物边框表示障碍物。
9.一种域控制器,其特征在于,包括:
感知处理单元、决策处理单元、控制处理单元和通信单元,所述感知处理单元、所述决策处理单元、所述控制处理单元和所述通信单元之间互相通信连接,所述感知处理单元中存储有计算机指令,所述感知处理单元通过执行所述计算机指令,从而执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机从而执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211564187.9A CN115965929A (zh) | 2022-12-07 | 2022-12-07 | 一种基于点云的障碍物检测方法、装置和域控制器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211564187.9A CN115965929A (zh) | 2022-12-07 | 2022-12-07 | 一种基于点云的障碍物检测方法、装置和域控制器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115965929A true CN115965929A (zh) | 2023-04-14 |
Family
ID=87359290
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211564187.9A Pending CN115965929A (zh) | 2022-12-07 | 2022-12-07 | 一种基于点云的障碍物检测方法、装置和域控制器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115965929A (zh) |
-
2022
- 2022-12-07 CN CN202211564187.9A patent/CN115965929A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10943355B2 (en) | Systems and methods for detecting an object velocity | |
US11320833B2 (en) | Data processing method, apparatus and terminal | |
US11530924B2 (en) | Apparatus and method for updating high definition map for autonomous driving | |
US11651553B2 (en) | Methods and systems for constructing map data using poisson surface reconstruction | |
US9443309B2 (en) | System and method for image based mapping, localization, and pose correction of a vehicle with landmark transform estimation | |
EP4033324B1 (en) | Obstacle information sensing method and device for mobile robot | |
CN114930401A (zh) | 基于点云的三维重建方法、装置和计算机设备 | |
JP2023549036A (ja) | 点群からの効率的な三次元物体検出 | |
CN117576652B (zh) | 道路对象的识别方法、装置和存储介质及电子设备 | |
Chetan et al. | An overview of recent progress of lane detection for autonomous driving | |
CN112036274A (zh) | 一种可行驶区域检测方法、装置、电子设备及存储介质 | |
CN113189610B (zh) | 地图增强的自动驾驶多目标追踪方法和相关设备 | |
CN112823353A (zh) | 使用机器学习进行对象定位 | |
CN114509079A (zh) | 用于自主驾驶的地面投影的方法和系统 | |
CN114648639B (zh) | 一种目标车辆的检测方法、系统及装置 | |
Eraqi et al. | Static free space detection with laser scanner using occupancy grid maps | |
CN116242375A (zh) | 一种基于多传感器的高精度电子地图生成方法和系统 | |
CN117635721A (zh) | 目标定位方法及相关系统、存储介质 | |
CN115359332A (zh) | 基于车路协同的数据融合方法、装置、电子设备及系统 | |
CN115965929A (zh) | 一种基于点云的障碍物检测方法、装置和域控制器 | |
US11544899B2 (en) | System and method for generating terrain maps | |
CN112747757A (zh) | 用于提供雷达数据的方法和设备、计算机程序和计算机可读存储介质 | |
Vatavu et al. | Environment perception using dynamic polylines and particle based occupancy grids | |
US11312382B2 (en) | Use of cost maps and convergence maps for localization and mapping | |
CN113822932B (zh) | 设备定位方法、装置、非易失性存储介质及处理器 |
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 |