CN116129137A - 隧道点云特征的处理方法、装置、设备及存储介质 - Google Patents
隧道点云特征的处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116129137A CN116129137A CN202211612387.7A CN202211612387A CN116129137A CN 116129137 A CN116129137 A CN 116129137A CN 202211612387 A CN202211612387 A CN 202211612387A CN 116129137 A CN116129137 A CN 116129137A
- Authority
- CN
- China
- Prior art keywords
- tunnel
- feature
- point cloud
- points
- features
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- 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
- G06V10/267—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 by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
-
- 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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Instructional Devices (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及点云处理技术领域,公开了一种隧道点云特征的处理方法、装置、设备及存储介质,用于提取隧道附属物特征等有效的隧道点云特征,提高隧道点云特征的纵向约束能力,解决隧道场景的退化问题。隧道点云特征的处理方法包括:获取点云采集设备采集的目标隧道点云数据,目标隧道点云数据为包含隧道附属物的隧道区域对应的点云数据;将目标隧道点云数据进行隧道附属物特征提取,得到隧道附属物特征;将目标隧道点云数据进行近地特征提取,得到近地特征,近地特征包括路沿特征、路面标志特征和地面特征;将隧道附属物特征、路沿特征、路面标志特征和地面特征,确定为目标隧道点云特征。
Description
技术领域
本发明涉及点云处理技术领域,尤其涉及一种隧道点云特征的处理方法、装置、设备及存储介质。
背景技术
点云特征提取技术是构建点云地图的关键步骤,在自动驾驶技术通过点云地图实现车辆定位,方便自动驾驶系统进行决策和控制。常规的驾驶场景中具有大量各种类型点云特征,通过提取相应特征即可很好的实现点云地图的构建,结合GPS等传感器从而实现准确定位等功能,进而精确调整自动驾驶过程中的车辆位姿信息。
传统进行隧道点云处理的方法多数是针对于横断面分析、隧道形变分析等场景的应用,并未针对自动驾驶场景的隧道点云处理,而隧道中自动驾驶场景的点云处理技术难点在于隧道中的纹理特征并不明显,常规的路沿特征并不能很好的提供纵向约束,而隧道附属物如隧道侧面的应急逃生门、通风管道、隧道横梁等构成的点云在点云中占比很小,也并非空间独立点云,传统的点云处理技术不适用于提取隧道附属物特征,因此,隧道点云特征在纵向空间上约束不足,在后续自动驾驶定位中点云配准会出现退化问题。
发明内容
本发明提供了一种隧道点云特征的处理方法、装置、设备及存储介质,用于解决传统点云特征提取方法无法适用于隧道场景,对隧道附属物特征等有效点云特征的提取困难,传统技术提取的隧道点云特征无法提供有效的纵向约束的技术问题。
本发明第一方面提供了一种隧道点云特征的处理方法,包括:获取点云采集设备采集的目标隧道点云数据,目标隧道点云数据为包含隧道附属物的隧道区域对应的点云数据;将目标隧道点云数据进行隧道附属物特征提取,得到隧道附属物特征;将目标隧道点云数据进行近地特征提取,得到近地特征,近地特征包括路沿特征、路面标志特征和地面特征;将隧道附属物特征、路沿特征、路面标志特征和地面特征,确定为目标隧道点云特征。
在一种可行的实施方式中,将目标隧道点云数据进行隧道附属物特征提取,得到隧道附属物特征,包括:将目标隧道点云数据中的地面点过滤,得到多个非地面点;对多个非地面点进行隧道附属物边缘点提取,得到多个隧道附属物边缘点;根据多个隧道附属物边缘点生成隧道附属物特征。
在一种可行的实施方式中,将目标隧道点云数据中的地面点过滤,得到多个非地面点,包括:根据预设的第一高度范围筛选目标隧道点云数据,得到多个候选点;将多个候选点中的任意一个候选点确定为第一角点,并将第一角点所在的水平面确定为目标平面;计算与第一角点相邻的候选点与目标平面之间的倾斜角;根据倾斜角确定多个地面点,并将多个地面点从目标隧道点云数据中过滤掉,得到多个非地面点。
在一种可行的实施方式中,对多个非地面点进行隧道附属物边缘点提取,得到多个隧道附属物边缘点,包括:将多个非地面点中的任意一个非地面点作为第二角点,计算第二角点与两个相邻非地面点的夹角,得到第一夹角,第二角点的横坐标在两个相邻非地面点的两个横坐标范围内;根据第一夹角,确定多个隧道附属物边缘点。
在一种可行的实施方式中,根据多个隧道附属物边缘点生成隧道附属物特征,包括:根据多个隧道附属物边缘点生成至少一个候选隧道附属物特征;根据多个隧道附属物边缘点确定每个候选隧道附属物特征的切片参数;将至少一个候选隧道附属物特征按照对应的切片参数进行分割,得到多个切片;对每个候选隧道附属物特征的多个切片进行合并聚类,得到隧道附属物特征,隧道附属物特征包括至少一个聚类后的隧道附属物特征。
在一种可行的实施方式中,根据多个隧道附属物边缘点确定每个候选隧道附属物特征的切片参数,包括:根据多个隧道附属物边缘点生成至少一个候选隧道附属物轮廓;根据至少一个候选隧道附属物轮廓,确定每个候选隧道附属物特征的切片参数。
在一种可行的实施方式中,将目标隧道点云数据进行近地特征提取,得到近地特征,近地特征包括路沿特征、路面标志特征和地面特征,包括:将目标隧道点云数据按照预设的第二高度范围和水平距离范围进行滤波,得到多个近地特征候选点;将多个近地特征候选点进行路沿特征点提取,得到路沿特征,路沿特征包括左侧路沿特征和右侧路沿特征;将左侧路沿特征和右侧路沿特征之间的多个近地特征候选点进行强度二分类,得到路面标志特征和地面特征。
在一种可行的实施方式中,将多个近地特征候选点进行路沿特征点提取,得到路沿特征,包括:将多个近地特征候选点按照预设的水平角度划分成多个线束区域;在每个线束区域中依次计算前后相邻的两个近地特征候选点形成的直线斜率;根据直线斜率,确定多个路沿特征点;将多个路沿特征点进行线性拟合,确定路沿特征。
在一种可行的实施方式中,在每个线束区域中依次计算相邻的两个近地特征候选点形成的直线斜率,包括:在每个线束区域中构建r-z坐标系,r-z坐标系以中心点为原点,以水平距离为r轴,以高度为z轴,中心点为点云采集设备所在位置;从中心点沿r轴向远处搜索,得到相邻的两个近地特征候选点;获取相邻的两个近地特征候选点的r-z坐标,并根据r-z坐标计算相邻的两个近地特征候选点形成的直线斜率。
在一种可行的实施方式中,将多个近地特征候选点进行路沿特征点提取,得到路沿特征,包括:将多个近地特征候选点的任意一个近地特征候选点作为第三角点,计算第三角点与两个相邻的近地特征候选点所成的第二夹角和第二高度差;根据第二夹角和第二高度差,确定多个路沿特征点;将多个路沿特征点进行线性拟合,确定路沿特征。
在一种可行的实施方式中,将多个近地特征候选点的任意一个近地特征候选点作为第三角点,计算第三角点与两个相邻的近地特征候选点所成的第二夹角和第二高度差,包括:构建α-z坐标系,α-z坐标以中心点为原点,以水平角度为α轴,以高度为z轴;将多个近地特征候选点的任意一个近地特征候选点作为第三角点,并获取第三角点和两个相邻的近地特征候选点的α-z坐标;根据第三角点和两个相邻的近地特征候选点的α-z坐标,确定第二夹角和第二高度差。
在一种可行的实施方式中,将左侧路沿特征和右侧路沿特征之间的多个近地特征候选点进行强度二分类,得到路面标志特征和地面特征,包括:将左侧路沿特征和右侧路沿特征之间的近地特征候选点,确定为地面特征候选点;获取多个地面特征候选点的反射强度;将反射强度大于或等于预设的强度阈值的地面特征候选点,确定为路面标志点,并将反射强度小于强度阈值的地面特征候选点,确定为地面点;遍历多个地面特征候选点,得到路面标志特征和地面特征。
在一种可行的实施方式中,在将隧道附属物特征、路沿特征、路面标志特征和地面特征,确定为目标隧道点云特征之后,还包括:获取初始车辆位姿信息和隧道信息,初始车辆位姿信息为通过传感器处理的车辆位姿信息;根据隧道信息提取剩余隧道区域对应的隧道点云特征,剩余隧道区域为隧道中不包含隧道附属物的隧道区域;根据初始车辆位姿信息和隧道信息将目标隧道点云特征和剩余隧道区域对应的隧道点云特征进行拼接,得到隧道点云特征地图。
本发明第二方面提供了一种隧道点云特征的处理装置,包括:获取模块,用于获取点云采集设备采集的目标隧道点云数据,目标隧道点云数据为包含隧道附属物的隧道区域对应的点云数据;第一特征模块,用于将目标隧道点云数据进行隧道附属物特征提取,得到隧道附属物特征;第二特征模块,用于将目标隧道点云数据进行近地特征提取,得到近地特征,近地特征包括路沿特征、路面标志特征和地面特征;处理模块,用于将隧道附属物特征、路沿特征、路面标志特征和地面特征,确定为目标隧道点云特征。
在一种可行的实施方式中,第一特征模块包括:地面点过滤单元,用于将目标隧道点云数据中的地面点过滤,得到多个非地面点;边缘点提取单元,用于对多个非地面点进行隧道附属物边缘点提取,得到多个隧道附属物边缘点;隧道特征单元,用于根据多个隧道附属物边缘点生成隧道附属物特征。
在一种可行的实施方式中,地面点过滤单元具体用于:根据预设的第一高度范围筛选目标隧道点云数据,得到多个候选点;将多个候选点中的任意一个候选点确定为第一角点,并将第一角点所在的水平面确定为目标平面;计算与第一角点相邻的候选点与目标平面之间的倾斜角;根据倾斜角确定多个地面点,并将多个地面点从目标隧道点云数据中过滤掉,得到多个非地面点。
在一种可行的实施方式中,边缘点提取单元,具体用于:将多个非地面点中的任意一个非地面点作为第二角点,计算第二角点与两个相邻非地面点的夹角,得到第一夹角,第二角点的横坐标在两个相邻非地面点的两个横坐标范围内;根据第一夹角,确定多个隧道附属物边缘点。
在一种可行的实施方式中,隧道特征单元包括:候选子单元,用于根据多个隧道附属物边缘点生成至少一个候选隧道附属物特征;参数子单元,用于根据多个隧道附属物边缘点确定每个候选隧道附属物特征的切片参数;切片子单元,用于将至少一个候选隧道附属物特征按照对应的切片参数进行分割,得到多个切片;聚类子单元,用于对每个候选隧道附属物特征的多个切片进行合并聚类,得到隧道附属物特征,隧道附属物特征包括至少一个聚类后的隧道附属物特征。
在一种可行的实施方式中,切片子单元,具体用于:根据多个隧道附属物边缘点生成至少一个候选隧道附属物轮廓;根据至少一个候选隧道附属物轮廓,确定每个候选隧道附属物特征的切片参数。
在一种可行的实施方式中,第二特征模块包括:滤波单元,用于将目标隧道点云数据按照预设的第二高度范围和水平距离范围进行滤波,得到多个近地特征候选点;路沿特征单元,用于将多个近地特征候选点进行路沿特征点提取,得到路沿特征,路沿特征包括左侧路沿特征和右侧路沿特征;强度分类单元,用于将左侧路沿特征和右侧路沿特征之间的多个近地特征候选点进行强度二分类,得到路面标志特征和地面特征。
在一种可行的实施方式中,路沿特征单元,具体用于:划分子单元,用于将多个近地特征候选点按照预设的水平角度划分成多个线束区域;斜率子单元,用于在每个线束区域中依次计算前后相邻的两个近地特征候选点形成的直线斜率;第一确定子单元,用于根据直线斜率,确定多个路沿特征点;第一拟合子单元,用于将多个路沿特征点进行线性拟合,确定路沿特征。
在一种可行的实施方式中,斜率子单元具体用于:在每个线束区域中构建r-z坐标系,r-z坐标系以中心点为原点,以水平距离为r轴,以高度为z轴,中心点为点云采集设备所在位置;从中心点沿r轴向远处搜索,得到相邻的两个近地特征候选点;获取相邻的两个近地特征候选点的r-z坐标,并根据r-z坐标计算相邻的两个近地特征候选点形成的直线斜率。
在一种可行的实施方式中,路沿特征单元包括:计算子单元,用于将多个近地特征候选点的任意一个近地特征候选点作为第三角点,计算第三角点与两个相邻的近地特征候选点所成的第二夹角和第二高度差;第二确定子单元,用于根据第二夹角和第二高度差,确定多个路沿特征点;第二拟合子单元,用于将多个路沿特征点进行线性拟合,确定路沿特征。
在一种可行的实施方式中,计算子单元,具体用于构建α-z坐标系,α-z坐标以中心点为原点,以水平角度为α轴,以高度为z轴;将多个近地特征候选点的任意一个近地特征候选点作为第三角点,并获取第三角点和两个相邻的近地特征候选点的α-z坐标;根据第三角点和两个相邻的近地特征候选点的α-z坐标,确定第二夹角和第二高度差。
在一种可行的实施方式中,强度分类单元具体用于:将左侧路沿特征和右侧路沿特征之间的近地特征候选点,确定为地面特征候选点;获取多个地面特征候选点的反射强度;将反射强度大于或等于预设的强度阈值的地面特征候选点,确定为路面标志点,并将反射强度小于强度阈值的地面特征候选点,确定为地面点;遍历多个地面特征候选点,得到路面标志特征和地面特征。
在一种可行的实施方式中,隧道点云特征的处理装置还包括:地图模块,用于获取初始车辆位姿信息和隧道信息,初始车辆位姿信息为通过传感器处理的车辆位姿信息;根据隧道信息提取剩余隧道区域对应的隧道点云特征,剩余隧道区域为隧道中不包含隧道附属物的隧道区域;根据初始车辆位姿信息和隧道信息将目标隧道点云特征和剩余隧道区域对应的隧道点云特征进行拼接,得到隧道点云特征地图。
本发明第三方面提供了一种隧道点云特征的处理设备,包括:存储器和至少一个处理器,存储器中存储有指令;至少一个处理器调用存储器中的指令,以使得隧道点云特征的处理设备执行上述的隧道点云特征的处理方法。
本发明的第四方面提供了一种计算机可读存储介质,计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的隧道点云特征的处理方法。
本发明提供的技术方案中,获取点云采集设备采集的目标隧道点云数据;将目标隧道点云数据进行隧道附属物特征提取,得到隧道附属物特征;将目标隧道点云数据进行近地特征提取,得到近地特征,近地特征包括路沿特征、路面标志特征和地面特征;将隧道附属物特征、路沿特征、路面标志特征和地面特征,确定为目标隧道点云特征。本发明实施例中,提取了隧道附属物特征等有效的隧道点云特征,提高了隧道点云特征的纵向约束能力,解决了隧道场景的退化问题。
附图说明
图1为本发明实施例中隧道点云特征的处理方法的一个实施例示意图;
图2为本发明实施例中隧道点云特征的处理方法的另一个实施例示意图;
图3为本发明实施例中地面点和非地面点处理示意图;
图4为本发明实施例中隧道附属物边缘点处理示意图;
图5为本发明实施例中隧道附属物聚类示意图;
图6为本发明实施例中隧道点云特征的处理方法的一个实施例示意图;
图7为本发明实施例中路沿点处理的一个实施例示意图;
图8为本发明实施例中路沿点处理的另一个实施例示意图;
图9为本发明实施例中隧道点云特征的处理方法的一个实施例示意图;
图10为本发明实施例中隧道点云特征的处理装置的一个实施例示意图;
图11为本发明实施例中隧道点云特征的处理装置的另一个实施例示意图;
图12为本发明实施例中隧道点云特征的处理设备的一个实施例示意图。
具体实施方式
本发明提供了一种隧道点云特征的处理方法、装置、设备及存储介质,用于提取隧道附属物特征等有效的隧道点云特征,提高隧道点云特征的纵向约束能力,解决隧道场景的退化问题。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中隧道点云特征的处理方法的一个实施例包括:
101、获取点云采集设备采集的目标隧道点云数据,目标隧道点云数据为包含隧道附属物的隧道区域对应的点云数据。
可以理解的是,本发明的执行主体可以为隧道点云特征的处理装置,还可以是车辆、隧道点云处理系统或者终端,其中,隧道点云处理系统或终端可以通过有线或无线的方式接收点云采集设备采集的目标隧道点云数据并执行本实施例提供的隧道点云特征的处理方法,点云采集设备可以是激光雷达,隧道点云处理系统或终端可以安装于车辆上,也可以独立执行本实施例提供的隧道点云特征的处理方法,具体此处不做限定。本发明实施例以隧道点云处理系统为执行主体为例进行说明。
隧道点云处理系统获取点云采集设备采集的目标隧道点云数据,其中,点云采集设备采集可以是三维点云采集设备,如3D激光雷达等,通过激光扫描隧道采集360度范围内的隧道三维点云数据。
由于距离点云采集设备较远距离的点云数据较为稀疏,容易影响点云特征的提取,因此,可以先根据隧道信息和对隧道进行区域划分,得到多段隧道区域,点云采集设备采集对每段隧道区域进行采集,得到多段隧道区域的点云数据,隧道区域的点云数据为局部隧道点云数据,其中,隧道信息包括隧道长度、隧道走向、隧道高度、隧道宽度和其他隧道信息,其中,其他隧道信息可以包括隧道附属物信息、隧道内的车道信息等;隧道附属物信息可以包括隧道附属物的种类、位置、数量、形状、走向趋势,种类包括多种情况,例如,车辆应急逃生通道、人员应急逃生通道、隧道紧急停车带、横梁、支撑梁、其他加强梁、通风管道、标识牌和路灯等;位置包括多种情况,例如,位于隧道两侧、隧道顶部等;走向趋势包括多种情况,例如,隧道附属物垂直于隧道地面、隧道附属物沿隧道纵向延伸、隧道附属物横向贯穿隧道横截面等;形状包括多种情况,例如杆状、马蹄状、方形、梯形、T型等,隧道内的车道信息包括车道数量、车道走向等,车道走向包括单向车道、双向车道。
隧道附属物信息可以提供有效提供纵向位置约束,克服隧道场景的退化问题,本实施例中,目标隧道点云数据可以包括第一段隧道区域、第二段隧道区域、第三段隧道区域至第N段隧道区域中至少一段区域中的隧道附属物的点云数据,(N为大于零的正整数),N由隧道段信息决定。
102、将目标隧道点云数据进行隧道附属物特征提取,得到隧道附属物特征。
隧道点云处理系统对目标隧道点云数据进行隧道附属物特征提取,得到隧道附属物特征,隧道附属物特征的数量可以是一个或一个以上,隧道附属物特征的类型可以是一种或一种以上。
其中,隧道附属物特征包括隧道墙面特征、建筑物边缘特征和隧道附属设施特征,其中,隧道墙面特征凸出和/或凹陷于隧道墙面,如车辆应急逃生通道、人员应急逃生通道、隧道紧急停车带等构成的点云特征;建筑物边缘特征是从隧道壁面延伸出来的特征,包括隧道顶部的横梁、隧道两侧支撑梁和其他加强梁等建筑边缘构成的点云特征;隧道附属设施特征是隧道中的隧道附属设施构成的点云特征,包括通风管道、标识牌、隧道顶部路灯等隧道附属设施构成的点云特征。
在进行隧道附属物特征提取之前,可以先将目标隧道点云数据中的地面点过滤掉,对过滤剩余的多个非地面点进行隧道附属物特征提取,以降低计算量。
对多个非地面点进行隧道附属物边缘点提取,得到多个隧道附属物边缘点;根据多个隧道附属物边缘点生成隧道附属物特征;或者,对多个非地面点的三维坐标信息和反射强度进行筛选,得到多个候选隧道附属物点;根据多个候选隧道附属物点生成隧道附属物特征。
对多个非地面点进行隧道附属物边缘点提取,得到多个隧道附属物边缘点包括:在多个非地面点任选一个非地面点作为角点,计算该角点与两个左右相邻非地面点的第一夹角,根据第一夹角,确定多个隧道附属物边缘点,当角点与两个左右相邻非地面点均位于同一平面时,其计算出来的第一夹角应该接近180度,而边缘点与两个左右相邻非地面点处于不同平面,因此通过设置合适角度范围可以确定隧道附属物边缘点,左右相邻非地面点可以通过读取三维坐标信息确定,角点的横坐标在于两个相邻非地面点横坐标范围内。
进一步的,由于隧道附属物内外的点云密度分布不同,在计算该角点与两个左右相邻非地面点的第一夹角之前,可以先根据点云分布密度筛选多个非地面点,得到多个候选隧道附属物边缘点,在多个候选隧道附属物边缘点任选一个候选边缘点作为角点,可以降低隧道附属物边缘点提取的计算量。
需要进一步说明的是,大部分的隧道附属物都具备可供提取的边缘特征,且位于隧道附属物边缘点两侧的点云密度分布不同,基于隧道场景的特殊性,隧道附属物构成的点云大部分都不是独立点云,部分隧道附属物边缘点与隧道墙壁连接,可以通过提取并标记对应的隧道墙壁点,也可以将隧道墙壁点过滤以排除隧道墙壁的干扰,例如,隧道顶部的横梁、通风管道等的位置一般高于其他点云,且与隧道高度关联,可以通过点云三维坐标信息、隧道高度和预置的高度区间可以进行初步区分,得到候选隧道附属物点云,提高提取效率,对候选隧道附属物点云提取隧道附属物边缘点,而横梁、通风管道的点云形状呈细长杆状,其通过设置合适的聚类参数(如宽度、长度)对多个隧道附属物边缘点和隧道墙壁中间的点云进行聚类,筛选符合细长杆状的点云特征,进一步的还可以根据横梁、通风管道的走向趋势如沿隧道纵向延伸、横向贯穿隧道横截面等,得到隧道附属物特征。
而对于隧道附属物边缘点不明显的隧道附属物特征,如隧道顶部路灯构成的隧道顶部路灯特征,可以根据对应的隧道附属物的特点进行提取,如,隧道顶部路灯的位置一般高于隧道内其他点云,且与隧道高度关联,其由于隧道顶部路灯通常为开启状态,其点云的反射强度也大于其他点云,其走向趋势与车道线类似,与隧道的纵向趋势一致,可以先根据点云三维坐标信息、隧道高度和预置的高度区间进行筛选,得到候选隧道附属物点云,此处的候选隧道附属物点云为候选隧道顶部路灯点云,再根据反射强度进行提取,得到多个候选隧道顶部路灯点;进一步根据走向趋势对多个候选隧道顶部路灯点进行线性拟合,得到对应的隧道附属物特征。
103、将目标隧道点云数据进行近地特征提取,得到近地特征,近地特征包括路沿特征、路面标志特征和地面特征。
隧道点云处理系统对目标隧道点云数据进行近地特征提取,得到近地特征,近地特征的数量可以是一个或一个以上,近地特征的类型可以是一种或一种以上。
其中,近地特征包括路沿特征、路面标志特征和地面特征,其中,路沿特征是指隧道两侧的路沿特征点构成的点云特征,路沿特征点高于地面点,可以通过地面点和预设的高度区间进行筛选提取,得到候选路沿特征点,且路沿特征点具有一定的连续性,其走向趋势与隧道的纵向趋势一致,可以将候选路沿特征点进行线性拟合,得到路沿特征。
路面标志特征是指由隧道路面的交通标志和交通标线组成的点云特征,如车道线特征以及其他的交通标志特征,上述交通标志和交通标线还可以包括行驶方向标志、警示告示标志、横向减速带标志等,路面标志特征与地面高度相近,但其点云的反射强度大于地面,可以通过反射强度和高度信息筛选左右两侧路沿特征中间的点云数据,将反射强度较大的点确定为候选路面标志点,根据不同路面标志的形状进行拟合,得到路面标志特征。
地面特征是指由隧道地面构成的点云特征,由于此类特征点的数量庞大,可以通过降采样以减少计算量,节省计算资源。地面特征的高度最低,可以根据点云的高度信息和点云采集装置的安装高度对目标隧道点云数据进行筛选,得到多个候选地面点,将多个候选地面点进行平面拟合得到地面特征。
104、将隧道附属物特征、路沿特征、路面标志特征和地面特征,确定为目标隧道点云特征。
隧道点云处理系统将隧道附属物特征、路沿特征、路面标志特征和地面特征,确定为目标隧道点云特征,其中,隧道附属物特征和路面标志特征可提供纵向位置约束和横向位置约束,路沿特征可以提供横向位置和偏航角约束,地面特征可以提供高度位置约束、俯仰角约束和翻滚角约束,通过目标隧道点云特征可以获得完整、准确的隧道内的车辆位姿信息,隧道内的车辆位姿信息包括隧道内位置信息和隧道内的朝向信息(也称方位信息),隧道内位置信息通过横向位置、纵向位置和高度位置表示,朝向信息通过偏航角、俯仰角和翻滚角表示。
本发明实施例中,提取了隧道附属物特征、路沿特征、路面标志特征和地面特征等有效的目标隧道点云特征,基于目标隧道点云特征可以获得完整、准确的隧道内的车辆位姿信息,基于隧道附属物特征和路面标志特征提高了隧道点云特征在隧道内的纵向约束能力。
请参阅图2,本发明实施例中隧道点云特征的处理方法的另一个实施例包括:
201、获取点云采集设备采集的目标隧道点云数据,目标隧道点云数据为包含隧道附属物的隧道区域对应的点云数据。
步骤201与步骤101类似,可以参照步骤101执行,此处不再赘述。
202、将目标隧道点云数据中的地面点过滤,得到多个非地面点。
隧道点云处理系统根据预设的第一高度范围筛选目标隧道点云数据,得到多个候选点;将多个候选点中的任意一个候选点确定为第一角点,并将第一角点所在的水平面确定为目标平面;计算与第一角点相邻的候选点与目标平面之间的倾斜角;根据倾斜角确定多个地面点,并将多个地面点从目标隧道点云数据中过滤掉,得到多个非地面点。
本实施例中,第一高度范围与点云采集设备的安装高度和隧道地面坡度关联,可以根据实际情况进行设置,通过第一高度范围可以减少地面点过滤的计算量,也可以避免地面点的错判,例如隧道中的疏散平台或应急平台构成的点云,其中的点处于同一平面,但不属于地面点,通过第一高度范围进行筛查,可以提高地面点过滤的准确性。
请参照图3,将多个候选点中的任意一个候选点p0确定第一角点,并将第一角点所在的水平面P1确定为目标平面,当与第一角点相邻的候选点p1与第一角点处于同一平面时(即候选点也为地面点),其倾斜角在0度至10度的范围内,而候选点与第一角点p0不处于同一平面时(如p2),其倾斜角θ大于10度,通过倾斜角即可区分地面点和非地面点,再通过将多个地面点从目标隧道点云数据中过滤掉,可以极大降低后续隧道附属物边缘点提取的计算量。
203、对多个非地面点进行隧道附属物边缘点提取,得到多个隧道附属物边缘点。
隧道点云处理系统将多个非地面点中的任意一个非地面点作为第二角点,计算第二角点与两个相邻非地面点的夹角,得到第一夹角,第二角点的横坐标在两个相邻非地面点的两个横坐标范围内;根据第一夹角,确定多个隧道附属物边缘点。
本实施例通过搜索边缘点的左右相邻的两个非地面点,通过三点构成的夹角进行边缘点的筛查,当夹角接近180度时三点处于同一平面,则该角点并非边缘点,通过设置合适的角度范围可有效的筛查出边缘点。其中,左右相邻的两个非地面点可以通过点云的三维坐标信息进行确定,可以将隧道纵向方向确定为y轴,将隧道横向方向为x轴,将隧道垂直方向为Z轴,边缘点的横坐标值位于上述左右相邻的两个非地面点横坐标值范围之间。例如,参照图4,选择任意一个非地面点A(x0,y0,z0)作为第二角点,搜索两个相邻点B(x1,y1,z1)、C(x2,y2,z2),其中,x2>x0>x1,A、B处于同一平面P2、A、C处于同一平面P3,通过三个非地面点的三维坐标可以计算每两个非地面点间的距离,再通过反三角函数进行第一夹角∠BAC的求解,当第一夹角∠BAC接近180度时A、B、C处于同一平面,即P2、P3为同一平面,则A点并非边缘点,而当P2、P3为两个平面时,将A点确定为边缘点。
隧道附属物边缘点是指点云采集设备扫描隧道附属物边缘得到的点,由于隧道附属物构成的点云并非空间独立点云,隧道附属物的部分边缘与隧道墙壁连接,因此需结合边缘点进行特征提取,边缘点的提取方法除了上述方法,还可以通过深度学习算法进行边缘点加强提取,以获得更多的有效点云特征。
204、根据多个隧道附属物边缘点生成隧道附属物特征。
隧道点云处理系统根据多个隧道附属物边缘点生成至少一个候选隧道附属物特征;根据多个隧道附属物边缘点确定每个候选隧道附属物特征的切片参数;将至少一个候选隧道附属物特征按照对应的切片参数进行分割,得到多个切片;对每个候选隧道附属物特征的多个切片进行合并聚类,得到隧道附属物特征,隧道附属物特征包括至少一个聚类后的隧道附属物特征。
本实施例中,切片参数包括切片厚度、切片方向和切片方式,其中,切片厚度是每个切片的点云厚度;切片方式包括等距切片或不等距切片;切片方向包括按照设定角度进行斜切,或者按照水平面方向进行水平分割。通过切片参数对候选隧道附属物特征进行分割,根据候选隧道附属物每个切片的形状对每个切片进行分别聚类,对每个切片进行合并聚类,进一步统计点云密度分布,得到隧道附属物特征,可以提高隧道附属物特征的提取精度,且适用于
参照图5,对于隧道两侧垂直与地面的支撑梁等隧道附属物,可以将水平面方向确定为切割方向,根据隧道高度设置切片厚度对其进行等距切片,将该杆状隧道附属物的点云按照预设的切片厚度进行等距水平分割,得到水平切片S1、S2、S3;对每个水平切片进行聚类,过滤掉每个切片中过于分散的点(如超过预设支撑梁宽度),得到每个切片的聚类结果;将多个水平切片的聚类结果进行合并聚类,得到隧道附属物特征,该隧道附属物垂直于地面,且为长条杆状。
当目标隧道点云数据存在多个隧道附属物时,根据多个隧道附属物边缘点确定每个候选隧道附属物特征的切片参数,可以包括:根据多个隧道附属物边缘点生成至少一个候选隧道附属物轮廓;根据至少一个候选隧道附属物轮廓,确定每个候选隧道附属物特征的切片参数。
需要进一步说明的是,对于根据形状复杂的隧道附属物,可以对隧道附属物的每个部分采用不同的切片参数,以获得更精确的聚类效果,如对T型的隧道附属物可以对其T型的横向点云和T型的竖向点云采取两种切片方向,对于马蹄形的隧道附属物可以将其分为方形和椭圆形两部分分别进行聚类。
对于车辆应急逃生通道等凹陷于隧道墙面隧道附属物特征,其边缘点与隧道墙壁重合,也不存在可供聚类筛选的点云宽度、长度特点,可以不经过切片聚类,直接根据多个隧道附属物边缘点直接进行线性拟合得到隧道附属物特征,该隧道附属物特征拟合后呈现马蹄形、拱形或方形。
对于隧道顶部路灯等反射强度大的隧道附属物特征,其走向趋势与隧道的纵向趋势一致,可以不经过切片聚类,直接根据反射强度进行提取,进一步根据走向趋势进行线性拟合,得到对应的隧道附属物特征。
205、将目标隧道点云数据进行近地特征提取,得到近地特征,近地特征包括路沿特征、路面标志特征和地面特征。
206、将隧道附属物特征、路沿特征、路面标志特征和地面特征,确定为目标隧道点云特征。
步骤205至步骤206可以参照上述步骤103至步骤104执行,此处不再赘述。
本发明实施例中,结合隧道附属物边缘点提供了多种提取隧道附属物特征的方法,能有效提取多种隧道附属物特征,提高隧道点云特征在隧道内的纵向约束能力,克服隧道场景的退化问题。结合隧道附属物特征、路沿特征、路面标志特征和地面特征构成目标隧道点云特征,能有效的获得完整、准确的隧道内的车辆位姿信息。
请参阅图6至图8,本发明实施例中隧道点云特征的处理方法的另一个实施例包括:
601、获取点云采集设备采集的目标隧道点云数据,目标隧道点云数据为包含隧道附属物的隧道区域对应的点云数据。
602、将目标隧道点云数据进行隧道附属物特征提取,得到隧道附属物特征。
步骤601至步骤602可以参照上述步骤101至步骤102执行,此处不再赘述。
603、将目标隧道点云数据按照预设的第二高度范围和水平距离范围进行滤波,得到多个近地特征候选点。
隧道点云处理系统将目标隧道点云数据按照预设的第二高度范围和水平距离范围进行滤波,得到多个近地特征候选点。通常选择点云采集设备较远处点云比较稀疏,影响特征提取精度并且会增加计算量,可以仅对设定的水平距离范围内的点云进行提取,而第二高度范围与点云采集设备的安装高度和隧道地面坡度关联,通过筛选位于第二高度范围内的点云,可以提高近地特征提取效率,减小计算消耗的计算资源。
本实施例的近地特征候选点包括路沿特征点、地面点、路面标志点,通过多个路沿特征点构成路沿特征,通过多个地面点构成地面特征,通过多个路面标志点构成路面标志特征。
604、将多个近地特征候选点进行路沿特征点提取,得到路沿特征,路沿特征包括左侧路沿特征和右侧路沿特征。
隧道点云处理系统将多个近地特征候选点进行路沿特征点提取,得到路沿特征,路沿特征包括左侧路沿特征和右侧路沿特征,路沿特征包括左侧路沿特征和右侧路沿特征,即隧道路面两侧的路沿构成的点云特征,以左右两侧的路沿特征为界限可以进一步缩小后续提取路面标志特征和地面特征的范围,降低近地特征提取的计算量,对于左右两侧的路沿提取方法类似,可以根据隧道信息分别进行提取或共同提取,其中,隧道信息包括隧道内的车道信息,隧道内的车道信息包括车道数量、车道走向等,例如,隧道内的车道信息为双向车道、八车道,隧道近地特征复杂,为提高近地特征点提取的准确性,可以分别提取左、右两侧的路沿。
在一种可行的实施方式中,隧道点云处理系统可以将多个近地特征候选点按照预设的水平角度划分成多个线束区域;在每个线束区域中依次计算前后相邻的两个近地特征候选点形成的直线斜率;根据直线斜率,确定多个路沿特征点;将多个路沿特征点进行线性拟合,确定路沿特征,其中,水平角度是指投影在水平面上形成的角度如图7的β,需要进一步说明的是,图7为便于展示,构成线束区域的两条扫描线接近平行线,实际扫描线均从点云采集设备发出,即扫描线均相交于中心点,构成线束区域的两条扫描线其角度即为预设的水平角度β。
参照图7-(1)为多个近地特征候选点的俯视图,将多个近地特征候选点按照预设的水平角度划分成多个线束区域(图7-(1)仅标注了部分线束区域),在每个线束区域中依次计算相邻的两个近地特征候选点的形成的直线斜率,包括:在每个线束区域中构建r-z坐标系,r-z坐标系以中心点为原点,以水平距离为r轴,以高度为z轴,中心点为点云采集设备所在位置;图7-(2)为线束区域的放大图,从中心点沿r轴向远处搜索,得到相邻的两个近地特征候选点(如图7的D、E);获取相邻的两个近地特征候选点的r-z坐标D(r3,z3)、E(r4,z4),其中r4>r3即D、E两点前后相邻,D距离中心点更近,并根据r-z坐标计算相邻的两个近地特征候选点形成的直线斜率slp,slp公式为当slp>1或时,将E确定为路沿点,其中为平均斜率,δ为大于零的常数,可以根据实际情况进行设置,δ可以是1.5,也可以是其他数值,通过计算每个线束区域中每对前后相邻点构成的直线斜率,得到多个直线斜率;将多个直线斜率中slp>1的直线斜率确定为候选直线斜率,得到多个候选直线斜率,对多个候选直线斜率进行均值计算,得到每个线束区域的平均斜率。
本实施例基于每个线束区域单独进行路沿点提取,降低了路沿点提取的复杂程度,计算量小,准确度高,对每个线束区域的路沿点分别进行线性拟合,得到每个线束区域的路沿线段,将每个线束区域的路沿线段进行线性拟合得到路沿特征。
在一种可行的实施方式中,隧道点云处理系统还可以将多个近地特征候选点的任意一个近地特征候选点作为第三角点,计算第三角点与两个相邻的近地特征候选点所成的第二夹角和第二高度差;根据第二夹角和第二高度差,确定多个路沿特征点;将多个路沿特征点进行线性拟合,确定路沿特征。
参照图8的(1)以中心点为原点展开一个扇形区域,去除多个近地特征候选点的水平距离坐标,保留多个近地特征候选点的水平角度和高度信息,构建α-z坐标系,α-z坐标以中心点为原点,以水平角度为α轴,以高度为z轴;将多个近地特征候选点的任意一个近地特征候选点F作为第三角点(图8-(2)),并获取第三角点F(α5,z5)和两个相邻的近地特征候选点G(α6,z6)、H(α7,z7)的α-z坐标,其中,α6>α5>α7即G、H是F的左右相邻点;根据第三角点和两个相邻的近地特征候选点的α-z坐标,确定第二夹角α和第二高度差,其中,通过上述三个近地特征候选点的水平角度坐标值直接计算第二夹角α,也可以计算每两个近地特征候选点间的距离,再通过反三角函数进行第二夹角α的求解;第二高度差是第三角点F与G的高度坐标值之差或第三角点F与H的高度坐标值之差。当第二夹角小于150度且第二高度差大于5厘米时,将第三角点F确定为路沿点,根据第二夹角α和第二高度差确定多个路沿特征点准确度高,对多个路沿点进行线性拟合,如通过直线拟合,剔除掉离群点,或根据隧道走向趋势进行曲线拟合,得到路沿特征。
605、将左侧路沿特征和右侧路沿特征之间的多个近地特征候选点进行强度二分类,得到路面标志特征和地面特征。
隧道点云处理系统将左侧路沿特征和右侧路沿特征之间的近地特征候选点,确定为地面特征候选点;获取多个地面特征候选点的反射强度;将反射强度大于或等于预设的强度阈值的地面特征候选点,确定为路面标志点,并将反射强度小于强度阈值的地面特征候选点,确定为地面点;遍历多个地面特征候选点,得到路面标志特征和地面特征。
本实施例中,地面特征候选点包括地面点和路面标志点,其中,路面标志点的反射强度大于地面点,通过反射强度进行区分后,将根据不同路面标志的形状进行拟合,得到路面标志特征,路面标志特征是路面标志后成的点云特征,该路面标志可以包括交通标志和交通标线,如车道线、行驶方向标志、警示告示标志、横向减速带标志等。
606、将隧道附属物特征、路沿特征、路面标志特征和地面特征,确定为目标隧道点云特征。
步骤606可以参照步骤104执行,此处不再赘述。
本实施例,在提取隧道附属物特征的基础上,进一步对多种近地特征提供多种提取方法,其中,路面标志特征可以提供一定的纵向约束,通过隧道附属物特征、路沿特征、路面标志特征和地面特征组成的目标隧道点云特征可以确定完整、准确的隧道内的车辆位姿信息,基于隧道附属物特征和路面标志特征提高了隧道点云特征在隧道内的纵向约束能力。
在隧道场景中,传统提取的隧道纹理特征不明显,尤其缺乏纵向约束信息,因此,无法直接根据传统方法提取的隧道点云特征进行车辆位姿信息的确定,而基于其他传感器进行车辆位姿信息确定的方法存在各自的问题,例如GPS信号的弱,在隧道环境下确定的位姿信息存在误差,而依赖轮速计或IMU提供位姿信息需要对其进行精确校准,对轮速计或IMU的性能和精确度要求高,但还是难以避免轮速计或IMU在长时间积分后,其数据准确性的下降,而在隧道场景中,精确计算车辆位姿信息,达到对车辆位姿的控制在自动驾驶领域是非常关键的,上述通过传感器进行隧道内车辆位姿的确定仍然有各自的缺点,而通过本实施例提供的方法提取有效的隧道点云特征,进一步构建隧道点云特征地图,通过隧道点云特征和隧道点云特征地图的配准,可以确定可靠的车辆位姿信息,下方结合图9,说明本发明实施例中隧道点云特征的处理方法的另一个实施例。
本实施例以车辆为执行主体进行说明,车辆上安装的点云采集设备可以是激光雷达,用于采集车辆在隧道行驶过程的点云数据,并发送至车辆的隧道点云处理系统进行点云数据处理,隧道点云处理系统用于提取隧道点云特征、构建隧道点云地图,车辆上安装有传感器用于提供车辆位姿信息,传感器可以是惯性测量单元(Inertial MeasurementUnit,IMU),还可以包括全球定位系统(Global Positioning System,GPS)、以及轮速计(Odometry)中的一种或多种,传感器的数量可以是一个或一个以上。
901、获取点云采集设备采集的目标隧道点云数据,目标隧道点云数据为包含隧道附属物的隧道区域对应的点云数据。
902、将目标隧道点云数据进行隧道附属物特征提取,得到隧道附属物特征。
903、将目标隧道点云数据进行近地特征提取,得到近地特征,近地特征包括路沿特征、路面标志特征和地面特征。
904、将隧道附属物特征、路沿特征、路面标志特征和地面特征,确定为目标隧道点云特征。
步骤901至步骤904可以参照上述步骤101至步骤104执行,此处不再赘述。
905、获取初始车辆位姿信息和隧道信息,初始车辆位姿信息为通过传感器处理的车辆位姿信息。
车辆通过传感器计算初始车辆位姿信息,由于传感器在隧道场景中的确定的位姿信息存在误差,初始车辆位姿信息并不能满足自动驾驶中精确控制车辆位姿的需求,但根据初始车辆位姿信息可以确定车辆所在隧道内的大致范围,可以降低后续点云配准过程的计算量。
本实施例的初始车辆位姿信息指的是通过传感器提供的车辆位姿信息,可以是由IMU等传感器计算得到IMU位姿信息,也可以通过对多传感器检测数据进行融合得到的融合位姿信息,融合位姿信息相较于单独IMU位姿信息精确度更高,车辆位姿信息包括车辆的位置信息和朝向信息,位置信息通过横向位置、纵向位置和高度位置表示,朝向信息通过偏航角、俯仰角和翻滚角表示。
906、根据隧道信息提取剩余隧道区域对应的隧道点云特征。
本实施例中为了克服距离车辆较远距离的点云稀疏,噪点较大,影响点云特征的提取,降低点云特征提取的精度,首先根据隧道信息和对隧道进行区域划分,得到多段隧道区域,依照目标隧道点云数据的处理方法,车辆根据隧道信息提取剩余隧道区域对应的隧道点云特征,其中,剩余隧道区域即除了目标隧道区域之外的隧道区域,即隧道中不包含隧道附属物的隧道区域,目标隧道区域和剩余隧道区域构成完整的隧道。
907、根据初始车辆位姿信息和隧道信息将目标隧道点云特征和剩余隧道区域对应的隧道点云特征进行拼接,得到隧道点云特征地图。
车辆根据初始车辆位姿信息将目标隧道点云特征和剩余隧道区域对应的隧道点云特征投影至世界坐标系,根据隧道信息和预置的拼接算法在世界坐标系中进行点云拼接,得到隧道点云特征地图,隧道点云特征地图中的每个点存储有对应的点云特征信息,点云特征信息用于后续点云配准,隧道点云特征地图可以存储于车辆中,也可以进行云端存储,用于隧道内的车辆定位,即确定车辆位姿信息。
在一种可行的实施方式中,车辆根据每段隧道区域的初始车辆位姿信息将每段隧道区域的点云特征进行拼接,得到每段隧道区域对应的局部点云特征地图;根据隧道信息将多个局部点云特征地图进行拼接,得到隧道点云特征地图。
在构建隧道点云特征地图之后,可以根据隧道点云特征和车辆实时提取的点云特征进行配准,得到准确的车辆位姿信息,在一种可行的实施方式中,获取车辆当前帧的隧道点云数据和当前的初始车辆位姿信息,对车辆当前帧的隧道点云数据进行点云特征提取当前帧的隧道点云特征;根据初始车辆位姿信息将当前帧的隧道点云特征与隧道点云特征地图进行匹配,计算匹配误差,根据匹配误差进行当前的初始车辆位姿信息的位姿优化,得到目标车辆位姿信息,其中,隧道附属物特征的匹配误差和路面标志特征的匹配误差可以对当前的初始车辆位姿信息进行纵向位置约束和横向位置约束,而路沿特征的匹配误差可以进行横向位置约束和偏航角约束,地面特征的匹配误差可以提供高度位置约束、俯仰角约束和翻滚角约束,即根据本实施例提取的隧道点云特征和隧道点云特征地图可以得到准确、完整的目标车辆位姿信息,而初始车辆位姿信息可以提供大概的隧道位置范围,可以提高点云特征位姿处理的效率,传感器的采样频率快,可以持续提供定位结果,而点云特征位姿处理更为稳定,可以保障车辆位姿信息的准确定,因此,在实际应用过程中可以结合两种位姿处理方式,达到更好的定位效果。
进一步的,在上述获得目标车辆位姿信息之后,还可以根据目标车辆位姿信息和当前帧的隧道点云特征对隧道点云特征地图进行全局优化,得到更新的隧道点云特征地图,以便后续点云特征匹配的准确性和匹配速度。
本实施例提取了隧道附属物特征、路沿特征、路面标志特征和地面特征等有效的目标隧道点云特征,基于目标隧道点云特征构建了隧道点云特征地图,该隧道点云特征地图克服了隧道场景中纹理特征不明显的问题,能提供完整车辆位姿信息,基于隧道附属物特征和路面标志特征的纵向约束能能力,可以克服隧道场景的退化问题。利用该隧道点云特征地图进行实时车辆位姿的确定,融合了传感器位姿处理和点云特征位姿处理的优点,兼顾了位姿的准确性和位姿确定的效率。
上面对本发明实施例中隧道点云特征的处理方法进行了描述,下面对本发明实施例中隧道点云特征的处理装置进行描述,请参阅图10,本发明实施例中隧道点云特征的处理装置一个实施例包括:
获取模块1001,用于获取点云采集设备采集的目标隧道点云数据,目标隧道点云数据为包含隧道附属物的隧道区域对应的点云数据;
第一特征模块1002,用于将目标隧道点云数据进行隧道附属物特征提取,得到隧道附属物特征;
第二特征模块1003,用于将目标隧道点云数据进行近地特征提取,得到近地特征,近地特征包括路沿特征、路面标志特征和地面特征;
处理模块1004,用于将隧道附属物特征、路沿特征、路面标志特征和地面特征,确定为目标隧道点云特征。
本发明实施例中,提取了隧道附属物特征、路沿特征、路面标志特征和地面特征等有效的隧道点云特征,基于目标隧道点云特征可以获得完整、准确的隧道内的车辆位姿信息,基于隧道附属物特征和路面标志特征提高了隧道点云特征在隧道内的纵向约束能力。
请参阅图11,本发明实施例中隧道点云特征的处理装置的另一个实施例,包括:
获取模块1001,用于获取点云采集设备采集的目标隧道点云数据,目标隧道点云数据为包含隧道附属物的隧道区域对应的点云数据;
第一特征模块1002,用于将目标隧道点云数据进行隧道附属物特征提取,得到隧道附属物特征;
第二特征模块1003,用于将目标隧道点云数据进行近地特征提取,得到近地特征,近地特征包括路沿特征、路面标志特征和地面特征;
处理模块1004,用于将隧道附属物特征、路沿特征、路面标志特征和地面特征,确定为目标隧道点云特征。
可选的,第一特征模块1002包括:
地面点过滤单元10021,用于将目标隧道点云数据中的地面点过滤,得到多个非地面点;
边缘点提取单元10022,用于对多个非地面点进行隧道附属物边缘点提取,得到多个隧道附属物边缘点;
隧道特征单元10023,用于根据多个隧道附属物边缘点生成隧道附属物特征。
可选的,地面点过滤单元10021具体用于:根据预设的第一高度范围筛选目标隧道点云数据,得到多个候选点;将多个候选点中的任意一个候选点确定为第一角点,并将第一角点所在的水平面确定为目标平面;计算与第一角点相邻的候选点与目标平面之间的倾斜角;根据倾斜角确定多个地面点,并将多个地面点从目标隧道点云数据中过滤掉,得到多个非地面点。
可选的,边缘点提取单元10022具体用于:将多个非地面点中的任意一个非地面点作为第二角点,计算第二角点与两个相邻非地面点的夹角,得到第一夹角,第二角点的横坐标在两个相邻非地面点的两个横坐标范围内;根据第一夹角,确定多个隧道附属物边缘点。
可选的,隧道特征单元10023包括:
候选子单元100231,用于根据多个隧道附属物边缘点生成至少一个候选隧道附属物特征;
参数子单元100232,用于根据多个隧道附属物边缘点确定每个候选隧道附属物特征的切片参数;
切片子单元100233,用于将至少一个候选隧道附属物特征按照对应的切片参数进行分割,得到多个切片;
聚类子单元100234,用于对每个候选隧道附属物特征的多个切片进行合并聚类,得到隧道附属物特征,隧道附属物特征包括至少一个聚类后的隧道附属物特征。
可选的,切片子单元100233具体用于:根据多个隧道附属物边缘点生成至少一个候选隧道附属物轮廓;根据至少一个候选隧道附属物轮廓,确定每个候选隧道附属物特征的切片参数。
可选的,第二特征模块1003包括:
滤波单元10031,用于将目标隧道点云数据按照预设的第二高度范围和水平距离范围进行滤波,得到多个近地特征候选点;
路沿特征单元10032,用于将多个近地特征候选点进行路沿特征点提取,得到路沿特征,路沿特征包括左侧路沿特征和右侧路沿特征;
强度分类单元10033,用于将左侧路沿特征和右侧路沿特征之间的多个近地特征候选点进行强度二分类,得到路面标志特征和地面特征。
可选的,路沿特征单元10032包括:
划分子单元100321,用于将多个近地特征候选点按照预设的水平角度划分成多个线束区域;
斜率子单元100322,用于在每个线束区域中依次计算前后相邻的两个近地特征候选点形成的直线斜率;
第一确定子单元100323,用于根据直线斜率,确定多个路沿特征点;
第一拟合子单元100324,用于将多个路沿特征点进行线性拟合,确定路沿特征。
可选的,斜率子单元100322具体用于:在每个线束区域中构建r-z坐标系,r-z坐标系以中心点为原点,以水平距离为r轴,以高度为z轴,中心点为点云采集设备所在位置;从中心点沿r轴向远处搜索,得到相邻的两个近地特征候选点;获取相邻的两个近地特征候选点的r-z坐标,并根据r-z坐标计算相邻的两个近地特征候选点形成的直线斜率。
可选的,路沿特征单元10032包括:
计算子单元100325,用于将多个近地特征候选点的任意一个近地特征候选点作为第三角点,计算第三角点与两个相邻的近地特征候选点所成的第二夹角和第二高度差;
第二确定子单元100326,用于根据第二夹角和第二高度差,确定多个路沿特征点;
第二拟合子单元100327,用于将多个路沿特征点进行线性拟合,确定路沿特征。
可选的,计算子单元100325具体用于:构建α-z坐标系,α-z坐标以中心点为原点,以水平角度为α轴,以高度为z轴;将多个近地特征候选点的任意一个近地特征候选点作为第三角点,并获取第三角点和两个相邻的近地特征候选点的α-z坐标;根据第三角点和两个相邻的近地特征候选点的α-z坐标,确定第二夹角和第二高度差。
可选的,强度分类单元10033具体用于:将左侧路沿特征和右侧路沿特征之间的近地特征候选点,确定为地面特征候选点;获取多个地面特征候选点的反射强度;将反射强度大于或等于预设的强度阈值的地面特征候选点,确定为路面标志点,并将反射强度小于强度阈值的地面特征候选点,确定为地面点;遍历多个地面特征候选点,得到路面标志特征和地面特征。
可选的,隧道点云特征的处理装置还包括:地图模块1005,用于获取初始车辆位姿信息和隧道信息,初始车辆位姿信息为通过传感器处理的车辆位姿信息;根据隧道信息提取剩余隧道区域对应的隧道点云特征,剩余隧道区域为隧道中不包含隧道附属物的隧道区域;根据初始车辆位姿信息和隧道信息将目标隧道点云特征和剩余隧道区域对应的隧道点云特征进行拼接,得到隧道点云特征地图。
本发明实施例中,提取了隧道附属物特征、路沿特征、路面标志特征和地面特征等有效的目标隧道点云特征,进一步的,基于目标隧道点云特征构建了隧道点云特征地图,该隧道点云特征地图克服了隧道场景中纹理特征不明显的问题,能提供完整车辆位姿信息。
上面图10和图11从模块化功能实体的角度对本发明实施例中的隧道点云特征的处理装置进行详细描述,下面从硬件处理的角度对本发明实施例中隧道点云特征的处理设备进行详细描述。
图12是本发明实施例提供的一种隧道点云特征的处理设备的结构示意图,该隧道点云特征的处理设备1200可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)1210(例如,一个或一个以上处理器)和存储器1220,一个或一个以上存储应用程序1233或数据1232的存储介质1230(例如一个或一个以上海量存储设备)。其中,存储器1220和存储介质1230可以是短暂存储或持久存储。存储在存储介质1230的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对隧道点云特征的处理设备1200中的一系列指令操作。更进一步地,处理器1210可以设置为与存储介质1230通信,在隧道点云特征的处理设备1200上执行存储介质1230中的一系列指令操作,指令被处理器执行时,使得处理器执行上述各实施例中的所述隧道点云特征的处理方法的步骤。
隧道点云特征的处理设备1200还可以包括一个或一个以上电源1240,一个或一个以上有线或无线网络接口1250,一个或一个以上输入输出接口1260,和/或,一个或一个以上操作系统1231,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图12示出的隧道点云特征的处理设备结构并不构成对隧道点云特征的处理设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述隧道点云特征的处理方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (16)
1.一种隧道点云特征的处理方法,其特征在于,所述隧道点云特征的处理方法包括:
获取点云采集设备采集的目标隧道点云数据,所述目标隧道点云数据为包含隧道附属物的隧道区域对应的点云数据;
将所述目标隧道点云数据进行隧道附属物特征提取,得到隧道附属物特征;
将所述目标隧道点云数据进行近地特征提取,得到近地特征,所述近地特征包括路沿特征、路面标志特征和地面特征;
将所述隧道附属物特征、所述路沿特征、所述路面标志特征和所述地面特征,确定为目标隧道点云特征。
2.根据权利要求1所述的隧道点云特征的处理方法,其特征在于,所述将所述目标隧道点云数据进行隧道附属物特征提取,得到隧道附属物特征,包括:
将所述目标隧道点云数据中的地面点过滤,得到多个非地面点;
对所述多个非地面点进行隧道附属物边缘点提取,得到多个隧道附属物边缘点;
根据所述多个隧道附属物边缘点生成隧道附属物特征。
3.根据权利要求2所述的隧道点云特征的处理方法,其特征在于,所述将所述目标隧道点云数据中的地面点过滤,得到多个非地面点,包括:
根据预设的第一高度范围筛选所述目标隧道点云数据,得到多个候选点;
将所述多个候选点中的任意一个候选点确定为第一角点,并将所述第一角点所在的水平面确定为目标平面;
计算与所述第一角点相邻的候选点与所述目标平面之间的倾斜角;
根据所述倾斜角确定多个地面点,并将所述多个地面点从所述目标隧道点云数据中过滤掉,得到多个非地面点。
4.根据权利要求2所述的隧道点云特征的处理方法,其特征在于,所述对所述多个非地面点进行隧道附属物边缘点提取,得到多个隧道附属物边缘点,包括:
将所述多个非地面点中的任意一个非地面点作为第二角点,计算所述第二角点与两个相邻非地面点的夹角,得到第一夹角,所述第二角点的横坐标在所述两个相邻非地面点的两个横坐标范围内;
根据所述第一夹角,确定多个隧道附属物边缘点。
5.根据权利要求2所述的隧道点云特征的处理方法,其特征在于,所述根据所述多个隧道附属物边缘点生成隧道附属物特征,包括:
根据所述多个隧道附属物边缘点生成至少一个候选隧道附属物特征;
根据所述多个隧道附属物边缘点确定每个候选隧道附属物特征的切片参数;
将所述至少一个候选隧道附属物特征按照对应的切片参数进行分割,得到多个切片;
对每个候选隧道附属物特征的多个切片进行合并聚类,得到隧道附属物特征,所述隧道附属物特征包括至少一个聚类后的隧道附属物特征。
6.根据权利要求5所述的隧道点云特征的处理方法,其特征在于,所述根据所述多个隧道附属物边缘点确定每个候选隧道附属物特征的切片参数,包括:
根据所述多个隧道附属物边缘点生成至少一个候选隧道附属物轮廓;
根据所述至少一个候选隧道附属物轮廓,确定每个候选隧道附属物特征的切片参数。
7.根据权利要求1所述的隧道点云特征的处理方法,其特征在于,所述将所述目标隧道点云数据进行近地特征提取,得到近地特征,所述近地特征包括路沿特征、路面标志特征和地面特征,包括:
将所述目标隧道点云数据按照预设的第二高度范围和水平距离范围进行滤波,得到多个近地特征候选点;
将所述多个近地特征候选点进行路沿特征点提取,得到路沿特征,所述路沿特征包括左侧路沿特征和右侧路沿特征;
将所述左侧路沿特征和右侧路沿特征之间的多个近地特征候选点进行强度二分类,得到路面标志特征和地面特征。
8.根据权利要求7所述的隧道点云特征的处理方法,其特征在于,所述将所述多个近地特征候选点进行路沿特征点提取,得到路沿特征,包括:
将所述多个近地特征候选点按照预设的水平角度划分成多个线束区域;
在每个线束区域中依次计算前后相邻的两个近地特征候选点形成的直线斜率;
根据所述直线斜率,确定多个路沿特征点;
将所述多个路沿特征点进行线性拟合,确定路沿特征。
9.根据权利要求8所述的隧道点云特征的处理方法,其特征在于,所述在每个线束区域中依次计算相邻的两个近地特征候选点形成的直线斜率,包括:
在每个线束区域中构建r-z坐标系,所述r-z坐标系以中心点为原点,以水平距离为r轴,以高度为z轴,所述中心点为所述点云采集设备所在位置;
从中心点沿r轴向远处搜索,得到相邻的两个近地特征候选点;
获取所述相邻的两个近地特征候选点的r-z坐标,并根据所述r-z坐标计算所述相邻的两个近地特征候选点形成的直线斜率。
10.根据权利要求7所述的隧道点云特征的处理方法,其特征在于,所述将所述多个近地特征候选点进行路沿特征点提取,得到路沿特征,包括:
将所述多个近地特征候选点的任意一个近地特征候选点作为第三角点,计算所述第三角点与两个相邻的近地特征候选点所成的第二夹角和第二高度差;
根据所述第二夹角和第二高度差,确定多个路沿特征点;
将所述多个路沿特征点进行线性拟合,确定路沿特征。
11.根据权利要求10所述的隧道点云特征的处理方法,其特征在于,所述将所述多个近地特征候选点的任意一个近地特征候选点作为第三角点,计算所述第三角点与两个相邻的近地特征候选点所成的第二夹角和第二高度差,包括:
构建α-z坐标系,所述α-z坐标以中心点为原点,以水平角度为α轴,以高度为z轴;
将所述多个近地特征候选点的任意一个近地特征候选点作为第三角点,并获取所述第三角点和两个相邻的近地特征候选点的α-z坐标;
根据所述第三角点和两个相邻的近地特征候选点的α-z坐标,确定第二夹角和第二高度差。
12.根据权利要求7所述的隧道点云特征的处理方法,其特征在于,所述将所述左侧路沿特征和右侧路沿特征之间的多个近地特征候选点进行强度二分类,得到路面标志特征和地面特征,包括:
将所述左侧路沿特征和右侧路沿特征之间的近地特征候选点,确定为地面特征候选点;
获取多个地面特征候选点的反射强度;
将反射强度大于或等于预设的强度阈值的地面特征候选点,确定为路面标志点,并将反射强度小于所述强度阈值的地面特征候选点,确定为地面点;
遍历所述多个地面特征候选点,得到路面标志特征和地面特征。
13.根据权利要求1-12中任一项所述的隧道点云特征的处理方法,其特征在于,在所述将所述隧道附属物特征、所述路沿特征、所述路面标志特征和所述地面特征,确定为目标隧道点云特征之后,还包括:
获取初始车辆位姿信息和隧道信息,所述初始车辆位姿信息为通过传感器处理的车辆位姿信息;
根据所述隧道信息提取剩余隧道区域对应的隧道点云特征,所述剩余隧道区域为隧道中不包含隧道附属物的隧道区域;
根据所述车辆位姿信息和所述隧道信息将所述目标隧道点云特征和所述剩余隧道区域对应的隧道点云特征进行拼接,得到隧道点云特征地图。
14.一种隧道点云特征的处理装置,其特征在于,所述隧道点云特征的处理装置包括:
获取模块,用于获取点云采集设备采集的目标隧道点云数据,所述目标隧道点云数据为包含隧道附属物的隧道区域对应的点云数据;
第一特征模块,用于将所述目标隧道点云数据进行隧道附属物特征提取,得到隧道附属物特征;
第二特征模块,用于将所述目标隧道点云数据进行近地特征提取,得到近地特征,所述近地特征包括路沿特征、路面标志特征和地面特征;
处理模块,用于将所述隧道附属物特征、所述路沿特征、所述路面标志特征和所述地面特征,确定为目标隧道点云特征。
15.一种隧道点云特征的处理设备,其特征在于,所述隧道点云特征的处理设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述隧道点云特征的处理设备执行如权利要求1-13中任一项所述的隧道点云特征的处理方法。
16.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令在被读取并运行时执行如权利要求1-13中任一项所述隧道点云特征的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211612387.7A CN116129137A (zh) | 2022-12-15 | 2022-12-15 | 隧道点云特征的处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211612387.7A CN116129137A (zh) | 2022-12-15 | 2022-12-15 | 隧道点云特征的处理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116129137A true CN116129137A (zh) | 2023-05-16 |
Family
ID=86296506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211612387.7A Pending CN116129137A (zh) | 2022-12-15 | 2022-12-15 | 隧道点云特征的处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116129137A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117523522A (zh) * | 2024-01-08 | 2024-02-06 | 腾讯科技(深圳)有限公司 | 隧道场景的识别方法、装置、设备和存储介质 |
-
2022
- 2022-12-15 CN CN202211612387.7A patent/CN116129137A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117523522A (zh) * | 2024-01-08 | 2024-02-06 | 腾讯科技(深圳)有限公司 | 隧道场景的识别方法、装置、设备和存储介质 |
CN117523522B (zh) * | 2024-01-08 | 2024-04-30 | 腾讯科技(深圳)有限公司 | 隧道场景的识别方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10127461B2 (en) | Visual odometry for low illumination conditions using fixed light sources | |
CN108171131B (zh) | 基于改进MeanShift的Lidar点云数据道路标识线提取方法 | |
CN110618434B (zh) | 一种基于激光雷达的隧道内定位系统及其定位方法 | |
Schroedl et al. | Mining GPS traces for map refinement | |
CN105667518B (zh) | 车道检测的方法及装置 | |
CN104376595B (zh) | 一种基于机载LiDAR和GIS协同的三维道路生成方法 | |
CN110531376B (zh) | 用于港口无人驾驶车辆的障碍物检测和跟踪方法 | |
CN111551958A (zh) | 一种面向矿区无人驾驶的高精地图制作方法 | |
CN105844629A (zh) | 一种大场景城市建筑物立面点云自动分割方法 | |
CN106296814B (zh) | 公路养护检测与可视化交互方法和系统 | |
CN107850449A (zh) | 用于生成及使用定位参考数据的方法及系统 | |
CN108845569A (zh) | 生成三维高清道路图水平弯道行车线的半自动点云方法 | |
KR101456556B1 (ko) | 실측자료를 이용한 도로 자동 도면화 방법 | |
CN111897906A (zh) | 处理地图数据的方法、装置、设备和存储介质 | |
US11288861B2 (en) | Maps comprising covariances in multi-resolution voxels | |
US20210192689A1 (en) | Using maps comprising covariances in multi-resolution voxels | |
CN114581492A (zh) | 融合道路多元特征的车载激光雷达点云非刚性配准方法 | |
CN114829971A (zh) | 一种激光雷达的标定方法、装置及存储介质 | |
Schlichting et al. | Vehicle localization by lidar point correlation improved by change detection | |
CN116129137A (zh) | 隧道点云特征的处理方法、装置、设备及存储介质 | |
JP2008170611A (ja) | 道路データ生成方法、装置及びプログラム | |
CN114877838B (zh) | 一种基于车载激光扫描系统的道路几何特征检测方法 | |
CN113721254A (zh) | 一种基于道路指纹空间关联矩阵的车辆定位方法 | |
CN110174115B (zh) | 一种基于感知数据自动生成高精度定位地图的方法及装置 | |
CN115628720A (zh) | 一种智能三维地形图测绘方法及系统 |
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 |