CN116152327A - 障碍物包围框计算方法、装置、设备及可读存储介质 - Google Patents
障碍物包围框计算方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN116152327A CN116152327A CN202211352456.5A CN202211352456A CN116152327A CN 116152327 A CN116152327 A CN 116152327A CN 202211352456 A CN202211352456 A CN 202211352456A CN 116152327 A CN116152327 A CN 116152327A
- Authority
- CN
- China
- Prior art keywords
- bounding box
- obstacle
- length
- obstacle point
- point cloud
- 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
- 238000004364 calculation method Methods 0.000 title claims description 40
- 238000012946 outsourcing Methods 0.000 claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000001514 detection method Methods 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000007621 cluster analysis Methods 0.000 claims description 7
- 230000036544 posture Effects 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06V10/70—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
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种障碍物包围框计算方法、装置、设备及可读存储介质。该方法包括:从路面上的多个单障碍物点云中选取任一单障碍物点云作为目标单障碍物点云;获取投影后的目标单障碍物点云的外包轮廓点;将外包轮廓点按照预设角度连续旋转N次,得到每次旋转后的共计N个外包轮廓点;从旋转后的N个外包轮廓点中获取X方向最短的外包轮廓点的包围框;若检测到X方向最短的外包轮廓点的包围框X方向的长度超过预设长度,则将包围框进行拆分得到多个小包围框,再分别计算多个小包围框的体积和位姿。通过本发明,解决了目前获取障碍物包围框信息的方法通用性差以及获取的障碍物包围框信息的准确性较低的问题。
Description
技术领域
本发明涉及雷达点云数据处理技术领域,尤其涉及一种障碍物包围框计算方法、装置、设备及可读存储介质。
背景技术
包围框是指一个简单的几何空间,里面包含的是聚类后的一系列点云,其中,最小的点云只包含一个数据点。通过获取障碍物包围框,可以明确得知障碍物的大小以及方位,从而避免车辆与障碍物发生碰撞。
目前,一般基于深度学习的计算方法获取障碍物包围框或基于聚类的常规规则计算方法获取障碍物包围框。但是基于深度学习的计算方法只能输出训练类别的包围框信息,对于未训练的障碍物,就无法获取其包围框信息,通用性较差。而基于聚类的常规规则计算方法在计算包围框时,只能准确计算出L型的障碍物包围框信息,对于非L型的障碍物点云,就无法准确获取其障碍物包围框信息。
发明内容
本发明的主要目的在于提供一种障碍物包围框计算方法、装置、设备及可读存储介质,旨在解决目前获取障碍物包围框信息的方法通用性差以及获取的障碍物包围框信息的准确性较低的问题。
第一方面,本发明提供一种障碍物包围框计算方法,所述障碍物包围框计算方法包括:
获取路面上的多个单障碍物点云;
从多个单障碍物点云中选取任一单障碍物点云作为目标单障碍物点云,将目标单障碍物点云投影到XY平面上;
通过凸包算法计算得到投影后的目标单障碍物点云的外包轮廓点;
将外包轮廓点按照预设角度连续旋转N次,得到每次旋转后的共计N个外包轮廓点,其中,N为正整数;
从旋转后的N个外包轮廓点中获取X方向最短的外包轮廓点的包围框;
检测所述包围框对应的X方向的长度是否超过预设长度;
若检测结果为X方向的长度超过预设长度,则将包围框进行拆分,得到多个小包围框;
分别基于包围框对应的旋转角度、多个小包围框各自对应的X方向的长度、Y方向的长度以及目标单障碍物点云的高度计算得到多个小包围框的体积和位姿。
可选的,所述将包围框进行拆分,得到多个小包围框的步骤,包括:
根据包围框对应的X方向的长度以及预设长度计算得到一个小包围框对应的X方向的长度;
按照一个小包围框对应的X方向的长度对包围框进行拆分,得到多个小包围框。
可选的,所述获取路面上的多个单障碍物点云的步骤,包括:
获取路面上的障碍物点云,对所述障碍物点云进行聚类分析,得到多个单障碍物点云。
可选的,在所述检测所述包围框对应的X方向的长度是否超过预设长度的步骤之后,包括:
若检测结果为X方向的长度没有超过预设长度,则基于包围框对应的旋转角度、包围框对应的X方向的长度、Y方向的长度以及目标单障碍物点云的高度计算包围框的体积和位姿。
可选的,在所述分别基于包围框对应的旋转角度、多个小包围框各自对应的X方向的长度、Y方向的长度以及目标单障碍物点云的高度计算得到多个小包围框的体积和位姿的步骤之后,包括:
从未被选取过的多个单障碍物点云中选取任一单障碍物点云作为目标单障碍物点云,执行将目标单障碍物点云投影到XY平面上,通过凸包算法获取投影后的目标单障碍物点云的外包轮廓点的步骤,直至多个单障碍物点云都被选取过,得到多个包围框或多个小包围框的体积和位姿。
第二方面,本发明还提供一种障碍物包围框计算装置,所述障碍物包围框计算装置包括:
第一获取模块,用于获取路面上的多个单障碍物点云;
选取模块,用于从多个单障碍物点云中选取任一单障碍物点云作为目标单障碍物点云,将目标单障碍物点云投影到XY平面上;
第一计算模块,用于通过凸包算法计算得到投影后的目标单障碍物点云的外包轮廓点;
旋转模块,用于将外包轮廓点按照预设角度连续旋转N次,得到每次旋转后的共计N个外包轮廓点,其中,N为正整数;
第二获取模块,用于从旋转后的N个外包轮廓点中获取X方向最短的外包轮廓点的包围框;
检测模块,用于检测所述包围框对应的X方向的长度是否超过预设长度;
拆分模块,用于若检测结果为X方向的长度超过预设长度,则将包围框进行拆分,得到多个小包围框;
第二计算模块,用于分别基于包围框对应的旋转角度、多个小包围框各自对应的X方向的长度、Y方向的长度以及目标单障碍物点云的高度计算得到多个小包围框的体积和位姿。
可选的,所述第二计算模块,还用于:
若检测结果为X方向的长度没有超过预设长度,则基于包围框对应的旋转角度、包围框对应的X方向的长度、Y方向的长度以及目标单障碍物点云的高度计算包围框的体积和位姿。
可选的,所述拆分模块,用于:
根据包围框对应的X方向的长度以及预设长度计算得到一个小包围框对应的X方向的长度;
按照一个小包围框对应的X方向的长度对包围框进行拆分,得到多个小包围框。
第三方面,本发明还提供一种障碍物包围框计算设备,所述障碍物包围框计算设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的障碍物包围框计算程序,其中所述障碍物包围框计算程序被所述处理器执行时,实现如上所述的障碍物包围框计算方法的步骤。
第四方面,本发明还提供一种可读存储介质,所述可读存储介质上存储有障碍物包围框计算程序,其中所述障碍物包围框计算程序被处理器执行时,实现如上所述的障碍物包围框计算方法的步骤。
本发明中,获取路面上的多个单障碍物点云;从多个单障碍物点云中选取任一单障碍物点云作为目标单障碍物点云,将目标单障碍物点云投影到XY平面上;通过凸包算法计算得到投影后的目标单障碍物点云的外包轮廓点;将外包轮廓点按照预设角度连续旋转N次,得到每次旋转后的共计N个外包轮廓点,其中,N为正整数;从旋转后的N个外包轮廓点中获取X方向最短的外包轮廓点的包围框;检测所述包围框对应的X方向的长度是否超过预设长度;若检测结果为X方向的长度超过预设长度,则将包围框进行拆分,得到多个小包围框;分别基于包围框对应的旋转角度、多个小包围框各自对应的X方向的长度、Y方向的长度以及目标单障碍物点云的高度计算得到多个小包围框的体积和位姿。通过本发明,从多个单障碍物点云中选取任一单障碍物点云作为目标单障碍物点云,并计算得到目标单障碍物点云的外包轮廓点,再从旋转后的N个外包轮廓点中获取X方向最短的外包轮廓点的包围框,且当包围框对应的X方向的长度超过预设长度时,将包围框拆分成多个小包围框,最后通过计算即可准确得到多个小包围框的体积和位姿,即使是非L型障碍物,也能减小包围框的Y方向(横向)偏差,提高了获取障碍物包围框信息的准确性,避免了现有技术中基于深度学习的计算方法只能输出训练过的障碍物类别的包围框信息,而无法输出未训练过的障碍物类别的包围框信息的情况,通用性较强,障碍物检测的范围较广,解决了目前获取障碍物包围框信息的方法通用性差以及获取的障碍物包围框信息的准确性较低的问题。
附图说明
图1为本发明实施例方案中涉及的障碍物包围框计算设备的硬件结构示意图;
图2为本发明障碍物包围框计算方法第一实施例的流程示意图;
图3为本发明障碍物包围框计算方法一实施例的目标单障碍物点云示意图;
图4为本发明障碍物包围框计算方法一实施例的投影后的目标单障碍物点云的外包轮廓点示意图;
图5为本发明障碍物包围框计算方法第一实施例的目标单障碍物点云的包围框初始位置示意图;
图6为本发明障碍物包围框计算方法第第二实施例的包围框示意图;
图7为本发明障碍物包围框计算方法第三实施例的包围框示意图;
图8a为图7中的包围框拆分后的示意图;
图8b为本发明障碍物包围框计算方法一实施例的包围框拆分后的立体示意图;
图9为本发明障碍物包围框计算装置一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
第一方面,本发明实施例提供一种障碍物包围框计算设备,该障碍物包围框计算设备可以是个人计算机(personal computer,PC)、笔记本电脑、服务器等具有数据处理功能的设备。
参照图1,图1为本发明实施例方案中涉及的障碍物包围框计算设备的硬件结构示意图。本发明实施例中,障碍物包围框计算设备可以包括处理器1001(例如中央处理器Central Processing Unit,CPU),通信总线1002,用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信;用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard);网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity,WI-FI接口);存储器1005可以是高速随机存取存储器(random access memory,RAM),也可以是稳定的存储器(non-volatile memory),例如磁盘存储器,存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解,图1中示出的硬件结构并不构成对本发明的限定,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。
继续参照图1,图1中作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及障碍物包围框计算程序。其中,处理器1001可以调用存储器1005中存储的障碍物包围框计算程序,并执行本发明实施例提供的障碍物包围框计算方法。
第二方面,本发明实施例提供了一种障碍物包围框计算方法。
一实施例中,参照图2,图2为本发明障碍物包围框计算方法第一实施例的流程示意图。如图2所示,障碍物包围框计算方法,包括:
步骤S10,获取路面上的多个单障碍物点云;
本实施例中,通过测量仪器得到的产品外观表面的点数据集合即为点云。以测量仪器为激光雷达为例,通过激光雷达获取路面上的多个单障碍物外观表面的点数据集合,即通过激光雷达获取路面上的多个单障碍物点云。
进一步地,一实施例中,步骤S10,包括:
获取路面上的障碍物点云,对所述障碍物点云进行聚类分析,得到多个单障碍物点云。
本实施例中,先通过测量仪器获取路面上的障碍物点云,再通过欧氏距离的计算公式,计算得到两点之间的欧式距离,再基于欧式距离对路面上的障碍物点云进行聚类分析,若欧式距离小于或等于预设距离,则归为一类,若欧式距离大于预设距离,则不归为一类。通过对路面上的障碍物点云进行聚类分析,即可得到多个单障碍物点云。容易想到的是,路面上的障碍物点云为去除地面后的地上物体的点云,从而避免对路面上的障碍物点云进行聚类分析时各障碍物点云粘连,导致将路面上的障碍物点云聚类为一个障碍物。
步骤S20,从多个单障碍物点云中选取任一单障碍物点云作为目标单障碍物点云,将目标单障碍物点云投影到XY平面上;
本实施例中,参照图3,图3为本发明障碍物包围框计算方法一实施例的目标单障碍物点云示意图。如图3所示,得到多个单障碍物点云之后,从多个单障碍物点云中选取任一单障碍物点云作为目标单障碍物点云,然后将目标单障碍物点云投影到XY平面上,即从多个单障碍物点云中选取任意一单障碍物点云进行投影。将三维的目标单障碍物点云变成二维的目标单障碍物点云,以便提高通过凸包算法获取投影后的目标单障碍物点云的包围框的效率。
步骤S30,通过凸包算法计算得到投影后的目标单障碍物点云的外包轮廓点;
本实施例中,参照图4,图4为本发明障碍物包围框计算方法一实施例的投影后的目标单障碍物点云的外包轮廓点示意图。如图4所示,通过凸包算法进行计算,得到投影后的目标单障碍物点云的外包轮廓点。其中,凸包算法简单来说就是用一个的凸多边形围住所有的点,即计算几何的算法。凸包问题可以描述为给定一个点集P,求最小点集S,使得S构成的形状能包含这些点集。
步骤S40,将外包轮廓点按照预设角度连续旋转N次,得到每次旋转后的共计N个外包轮廓点,其中,N为正整数;
本实施例中,将外包轮廓点按照预设角度连续旋转N次,得到每次旋转后的外包轮廓点,共计N个外包轮廓点,其中,N为正整数。以预设角度为1°为例,若要获取0°至90°范围内每旋转1°后的目标单障碍物点云的外包轮廓点,则将目标单障碍物点云的外包轮廓点从初始位置,每次旋转1°,连续旋转90次后,即得到0°至90°范围内每旋转1°后的目标单障碍物点云的外包轮廓点,共计90个每次旋转后的目标单障碍物点云的外包轮廓点。
具体地,以预设角度为1°,连续旋转次数N为3为例,以目标单障碍物点云的外包轮廓点的初始位置为0°位置,将目标单障碍物点云的外包轮廓点从0°位置旋转一次,即旋转1°,得到1个旋转后的目标单障碍物点云的外包轮廓点,再接着将目标单障碍物点云的外包轮廓点从1°位置旋转一次,即再旋转1°,又得到1个旋转后的目标单障碍物点云的外包轮廓点,再接着将目标单障碍物点云的外包轮廓点从2°位置旋转一次,即再旋转1°,又得到1个旋转后的目标单障碍物点云的外包轮廓点,旋转三次后,共计得到3个旋转后的目标单障碍物点云的外包轮廓点,且目标单障碍物点云的外包轮廓点处于3°位置。容易想到的是,旋转的方向可为顺时针也可为逆时针,本实施例中的参数仅供参考,在此并不做限制。
步骤S50,从旋转后的N个外包轮廓点中获取X方向最短的外包轮廓点的包围框;
本实施例中,以目标单障碍物点云的外包轮廓点为L型为例,参照图5,图5为本发明障碍物包围框计算方法第一实施例的目标单障碍物点云的包围框示意图。如图5所示,目标单障碍物点云的外包轮廓点的包围框在初始位置时,外包轮廓点的X方向的包围框长度为dx1,外包轮廓点的Y方向的包围框长度为dy1,从目标单障碍物点云的外包轮廓点的包围框的初始位置按照预设角度连续旋转N次。容易想到的是,每次旋转后,外包轮廓点的X方向包围框的长度都会改变,即每一个旋转后的外包轮廓点的X方向的包围框长度都不同。参照图6,图6为本发明障碍物包围框计算方法第二实施例的包围框示意图。如图5和图6所示,外包轮廓点对应的X方向的包围框长度为dx2,外包轮廓点对应的Y方向的包围框长度为dy2,且dx2明显小于dx1。容易理解的是,当L型的目标单障碍物点云的外包轮廓点的包围框的长边旋转至与X轴平行,短边与Y轴平行时,X方向的长度最短,即dx2最短,即旋转后的L型的目标单障碍物点云的外包轮廓点的包围框的长边与X轴平行,短边与Y轴平行时,即为X方向最短的外包轮廓点的包围框。
步骤S60,检测所述包围框对应的X方向的长度是否超过预设长度;
本实施例中,获取X方向最短的外包轮廓点的包围框之后,检测X方向最短的外包轮廓点的包围框对应的X方向的长度是否超过预设长度,以便根据检测结果采取对应的包围框计算策略。
步骤S70,若检测结果为X方向的长度超过预设长度,则将包围框进行拆分,得到多个小包围框;
本实施例中,若检测结果为X方向的长度超过预设长度,则将X方向最短的外包轮廓点的包围框进行拆分,得到多个小包围框,避免包围框的Y方向偏差过大。
具体地,若检测结果为X方向的长度超过预设长度,以目标单障碍物点云的包围框为非L型为例,参照图7,图7为本发明障碍物包围框计算方法第三实施例的包围框示意图。参照图8a,图8a为图7中的包围框拆分后的示意图。如图7和图8a所示,将外包轮廓点的包围框拆分后,得到4个小包围框,每个小包围框的Y方向的长度要明显减小未拆分时包围框对应的Y方向的长度,即将包围框进行拆分,有效减小了包围框的Y方向(横向)偏差,进一步也减小车辆与障碍物会发生碰撞的误预判概率以及因将发生碰撞而急刹车的概率,提高用户体验效果以及舒适度。
进一步地,一实施例中,所述将包围框进行拆分,得到多个小包围框的步骤,包括:
根据包围框对应的X方向的长度以及预设长度计算得到一个小包围框对应的X方向的长度;
按照一个小包围框对应的X方向的长度对包围框进行拆分,得到多个小包围框。
本实施例中,计算X方向最短的外包轮廓点的包围框对应的X方向的长度除以预设长度的商,得到包围框待拆分成小包围框的个数,其中,容易想到的是,若商不为整数,则取整加一后的数值即为包围框待拆分成小包围框的个数。再计算包围框对应的X方向的长度除以包围框待拆分成小包围框的个数的商,即为一个小包围框对应的X方向的长度。
具体地,以X方向最短的外包轮廓点的包围框对应的X方向的长度为7m,预设长度为2m为例,计算包围框对应的X方向的长度7m除以预设长度2m的商,因为得到的商不为整数,所以对7除以2的商取整加一,得到包围框待拆分成小包围框的个数为4个。再计算包围框对应的X方向的长度7m除以包围框待拆分成小包围框的个数4的商,得到一个小包围框对应的X方向的长度为1.75m。
按照一个小包围框对应的X方向的长度为1.75m的标准对包围框进行拆分,得到4个小包围框。
步骤S80,分别基于包围框对应的旋转角度、多个小包围框各自对应的X方向的长度、Y方向的长度以及目标单障碍物点云的高度计算得到多个小包围框的体积和位姿。
本实施例中,参照图8b,图8b为本发明障碍物包围框计算方法一实施例的包围框拆分后的立体示意图,如图8b所示,每个小包围框都有其对应的X方向的长度、Y方向的长度以及Z方向的长度,分别根据多个小包围框各自对应的X方向的长度、Y方向的长度以及目标单障碍物点云的高度即可计算得到多个小包围框的体积,其中,通过计算目标单障碍物点云Z轴方向最高点减去Z轴方向最低点的差值,得到Z方向的长度。
计算X方向最短的外包轮廓点的包围框对应的外包轮廓点的旋转次数乘以预设角度的积,得到X方向最短的外包轮廓点的包围框对应的旋转角度。再分别基于多个小包围框各自对应的X方向的长度、Y方向的长度以及目标单障碍物点云的高度计算得到多个小包围框中心点的位置,结合多个小包围框中心点的位置以及包围框对应的旋转角度即可确定多个小包围框的位姿。
本实施例中,获取路面上的多个单障碍物点云;从多个单障碍物点云中选取任一单障碍物点云作为目标单障碍物点云,将目标单障碍物点云投影到XY平面上;通过凸包算法计算得到投影后的目标单障碍物点云的外包轮廓点;将外包轮廓点按照预设角度连续旋转N次,得到每次旋转后的共计N个外包轮廓点,其中,N为正整数;从旋转后的N个外包轮廓点中获取X方向最短的外包轮廓点的包围框;检测所述包围框对应的X方向的长度是否超过预设长度;若检测结果为X方向的长度超过预设长度,则将包围框进行拆分,得到多个小包围框;分别基于包围框对应的旋转角度、多个小包围框各自对应的X方向的长度、Y方向的长度以及目标单障碍物点云的高度计算得到多个小包围框的体积和位姿。通过本实施例,从多个单障碍物点云中选取任一单障碍物点云作为目标单障碍物点云,并计算得到目标单障碍物点云的外包轮廓点,再从旋转后的N个外包轮廓点中获取X方向最短的外包轮廓点的包围框,且当包围框对应的X方向的长度超过预设长度时,将包围框拆分成多个小包围框,最后通过计算即可准确得到多个小包围框的体积和位姿,即使是非L型障碍物,也能减小包围框的Y方向(横向)偏差,提高了获取障碍物包围框信息的准确性,避免了现有技术中基于深度学习的计算方法只能输出训练过的障碍物类别的包围框信息,而无法输出未训练过的障碍物类别的包围框信息的情况,通用性较强,障碍物检测的范围较广,解决了目前获取障碍物包围框信息的方法通用性差以及获取的障碍物包围框信息的准确性较低的问题。
进一步地,一实施例中,在步骤S60之后,包括:
若检测结果为X方向的长度没有超过预设长度,则基于包围框对应的旋转角度、包围框对应的X方向的长度、Y方向的长度以及目标单障碍物点云的高度计算包围框的体积和位姿。
本实施例中,若检测结果为X方向最短的外包轮廓点的包围框对应的X方向的长度没有超过预设长度,则根据包围框对应的X方向的长度dx、Y方向的长度dx以及目标单障碍物点云的高度dz计算包围框的体积V,V=dx*dy*dz,其中,通过计算目标单障碍物点云Z轴方向最高点减去Z轴方向最低点的差值,得到目标单障碍物点云的高度。
基于包围框对应的X方向的长度、Y方向的长度以及目标单障碍物点云的高度计算得到包围框中心点的位置,再结合X方向最短的外包轮廓点包围框对应的旋转角度,即可确定包围框的位姿。
进一步地,一实施例中,在步骤S80之后,包括:
从未被选取过的多个单障碍物点云中选取任一单障碍物点云作为目标单障碍物点云,执行将目标单障碍物点云投影到XY平面上,通过凸包算法获取投影后的目标单障碍物点云的外包轮廓点的步骤,直至多个单障碍物点云都被选取过,得到多个包围框或多个小包围框的体积和位姿。
本实施例中,计算了一个目标单障碍物点云的包围框的体积和位姿之后,从未被选取过的多个单障碍物点云中选取任一单障碍物点云作为目标单障碍物点云,执行将目标单障碍物点云投影到XY平面上,通过凸包算法获取投影后的目标单障碍物点云的外包轮廓点的步骤,直至多个单障碍物点云都被选取过,得到多个包围框或多个小包围框的体积和位姿,即每个单障碍物点云的包围框或小包围框的体积和位姿,保证了检测路面上每个单障碍物的全面性,降低了障碍物的漏检率,从而减小车辆与障碍物发生碰撞的概率。
第三方面,本发明实施例还提供一种障碍物包围框计算装置。
一实施例中,参照图9,图9为本发明障碍物包围框计算装置一实施例的功能模块示意图。如图9所示,障碍物包围框计算装置,包括:
第一获取模块10,用于获取路面上的多个单障碍物点云;
选取模块20,用于从多个单障碍物点云中选取任一单障碍物点云作为目标单障碍物点云,将目标单障碍物点云投影到XY平面上;
第一计算模块30,用于通过凸包算法计算得到投影后的目标单障碍物点云的外包轮廓点;
旋转模块40,用于将外包轮廓点按照预设角度连续旋转N次,得到每次旋转后的共计N个外包轮廓点,其中,N为正整数;
第二获取模块50,用于从旋转后的N个外包轮廓点中获取X方向最短的外包轮廓点的包围框;
检测模块60,用于检测所述包围框对应的X方向的长度是否超过预设长度;
拆分模块70,用于若检测结果为X方向的长度超过预设长度,则将包围框进行拆分,得到多个小包围框;
第二计算模块80,用于分别基于包围框对应的旋转角度、多个小包围框各自对应的X方向的长度、Y方向的长度以及目标单障碍物点云的高度计算得到多个小包围框的体积和位姿。
进一步地,一实施例中,拆分模块70,用于:
根据包围框对应的X方向的长度以及预设长度计算得到一个小包围框对应的X方向的长度;
按照一个小包围框对应的X方向的长度对包围框进行拆分,得到多个小包围框。
进一步地,一实施例中,第一获取模块10,具体用于:
获取路面上的障碍物点云,对所述障碍物点云进行聚类分析,得到多个单障碍物点云。
进一步地,一实施例中,第二计算模块80,还用于:
若检测结果为X方向的长度没有超过预设长度,则根据包围框对应的X方向的长度、Y方向的长度以及目标单障碍物点云的高度计算包围框的体积。
进一步地,一实施例中,所述障碍物包围框计算装置还包括循环模块,用于:
从未被选取过的多个单障碍物点云中选取任一单障碍物点云作为目标单障碍物点云,执行将目标单障碍物点云投影到XY平面上,通过凸包算法获取投影后的目标单障碍物点云的外包轮廓点的步骤,直至多个单障碍物点云都被选取过,得到多个包围框或多个小包围框的体积和位姿。
其中,上述障碍物包围框计算装置中各个模块的功能实现与上述障碍物包围框计算方法实施例中各步骤相对应,其功能和实现过程在此处不再一一赘述。
第四方面,本发明实施例还提供一种可读存储介质。
本发明可读存储介质上存储有障碍物包围框计算程序,其中所述障碍物包围框计算程序被处理器执行时,实现如上述的障碍物包围框计算方法的步骤。
其中,障碍物包围框计算程序被执行时所实现的方法可参照本发明障碍物包围框计算方法的各个实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种障碍物包围框计算方法,其特征在于,所述障碍物包围框计算方法包括:
获取路面上的多个单障碍物点云;
从多个单障碍物点云中选取任一单障碍物点云作为目标单障碍物点云,将目标单障碍物点云投影到XY平面上;
通过凸包算法计算得到投影后的目标单障碍物点云的外包轮廓点;
将外包轮廓点按照预设角度连续旋转N次,得到每次旋转后的共计N个外包轮廓点,其中,N为正整数;
从旋转后的N个外包轮廓点中获取X方向最短的外包轮廓点的包围框;
检测所述包围框对应的X方向的长度是否超过预设长度;
若检测结果为X方向的长度超过预设长度,则将包围框进行拆分,得到多个小包围框;
分别基于包围框对应的旋转角度、多个小包围框各自对应的X方向的长度、Y方向的长度以及目标单障碍物点云的高度计算得到多个小包围框的体积和位姿。
2.如权利要求1所述的障碍物包围框计算方法,其特征在于,所述将包围框进行拆分,得到多个小包围框的步骤,包括:
根据包围框对应的X方向的长度以及预设长度计算得到一个小包围框对应的X方向的长度;
按照一个小包围框对应的X方向的长度对包围框进行拆分,得到多个小包围框。
3.如权利要求1所述的障碍物包围框计算方法,其特征在于,所述获取路面上的多个单障碍物点云的步骤,包括:
获取路面上的障碍物点云,对所述障碍物点云进行聚类分析,得到多个单障碍物点云。
4.如权利要求1所述的障碍物包围框计算方法,其特征在于,在所述检测所述包围框对应的X方向的长度是否超过预设长度的步骤之后,包括:
若检测结果为X方向的长度没有超过预设长度,则基于包围框对应的旋转角度、包围框对应的X方向的长度、Y方向的长度以及目标单障碍物点云的高度计算包围框的体积和位姿。
5.如权利要求4所述的障碍物包围框计算方法,其特征在于,在所述分别基于包围框对应的旋转角度、多个小包围框各自对应的X方向的长度、Y方向的长度以及目标单障碍物点云的高度计算得到多个小包围框的体积和位姿的步骤之后,包括:
从未被选取过的多个单障碍物点云中选取任一单障碍物点云作为目标单障碍物点云,执行将目标单障碍物点云投影到XY平面上,通过凸包算法获取投影后的目标单障碍物点云的外包轮廓点的步骤,直至多个单障碍物点云都被选取过,得到多个包围框或多个小包围框的体积和位姿。
6.一种障碍物包围框计算装置,其特征在于,所述障碍物包围框计算装置包括:
第一获取模块,用于获取路面上的多个单障碍物点云;
选取模块,用于从多个单障碍物点云中选取任一单障碍物点云作为目标单障碍物点云,将目标单障碍物点云投影到XY平面上;
第一计算模块,用于通过凸包算法计算得到投影后的目标单障碍物点云的外包轮廓点;
旋转模块,用于将外包轮廓点按照预设角度连续旋转N次,得到每次旋转后的共计N个外包轮廓点,其中,N为正整数;
第二获取模块,用于从旋转后的N个外包轮廓点中获取X方向最短的外包轮廓点的包围框;
检测模块,用于检测所述包围框对应的X方向的长度是否超过预设长度;
拆分模块,用于若检测结果为X方向的长度超过预设长度,则将包围框进行拆分,得到多个小包围框;
第二计算模块,用于分别基于包围框对应的旋转角度、多个小包围框各自对应的X方向的长度、Y方向的长度以及目标单障碍物点云的高度计算得到多个小包围框的体积和位姿。
7.如权利要求6所述的障碍物包围框计算装置,其特征在于,所述第二计算模块,还用于:
若检测结果为X方向的长度没有超过预设长度,则基于包围框对应的旋转角度、包围框对应的X方向的长度、Y方向的长度以及目标单障碍物点云的高度计算包围框的体积和位姿。
8.如权利要求6所述的障碍物包围框计算装置,其特征在于,所述拆分模块,用于:
根据包围框对应的X方向的长度以及预设长度计算得到一个小包围框对应的X方向的长度;
按照一个小包围框对应的X方向的长度对包围框进行拆分,得到多个小包围框。
9.一种障碍物包围框计算设备,其特征在于,所述障碍物包围框计算设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的障碍物包围框计算程序,其中所述障碍物包围框计算程序被所述处理器执行时,实现如权利要求1至5中任一项所述的障碍物包围框计算方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有障碍物包围框计算程序,其中所述障碍物包围框计算程序被处理器执行时,实现如权利要求1至5中任一项所述的障碍物包围框计算方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211352456.5A CN116152327A (zh) | 2022-10-31 | 2022-10-31 | 障碍物包围框计算方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211352456.5A CN116152327A (zh) | 2022-10-31 | 2022-10-31 | 障碍物包围框计算方法、装置、设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116152327A true CN116152327A (zh) | 2023-05-23 |
Family
ID=86357129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211352456.5A Pending CN116152327A (zh) | 2022-10-31 | 2022-10-31 | 障碍物包围框计算方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116152327A (zh) |
-
2022
- 2022-10-31 CN CN202211352456.5A patent/CN116152327A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108732582B (zh) | 车辆定位方法和装置 | |
US10380890B2 (en) | Autonomous vehicle localization based on walsh kernel projection technique | |
US11204249B2 (en) | Positioning method and robot with the same | |
US10872227B2 (en) | Automatic object recognition method and system thereof, shopping device and storage medium | |
US7873190B2 (en) | Face feature point detection device and method | |
CN110992356A (zh) | 目标对象检测方法、装置和计算机设备 | |
CN112015181B (zh) | 一种避障方法、装置、设备及计算机可读存储介质 | |
US11783507B2 (en) | Camera calibration apparatus and operating method | |
CN114332049A (zh) | 边缘检测方法、装置、电子设备及存储介质 | |
CN114120149B (zh) | 一种倾斜摄影测量建筑物特征点提取方法、装置、电子设备及介质 | |
CN107480710B (zh) | 特征点匹配结果处理方法和装置 | |
CN116342704B (zh) | 一种扫描点类别确定方法、装置、计算机设备及存储介质 | |
US10740962B2 (en) | Method and apparatus for uncertainty modeling of point cloud | |
KR20200065590A (ko) | 정밀 도로 지도를 위한 차선 중앙점 검출 방법 및 장치 | |
CN112639822B (zh) | 一种数据处理方法及装置 | |
CN116152327A (zh) | 障碍物包围框计算方法、装置、设备及可读存储介质 | |
CN112946612A (zh) | 外参标定方法、装置、电子设备及存储介质 | |
KR20220026423A (ko) | 지면에 수직인 평면들의 3차원 재구성을 위한 방법 및 장치 | |
CN111578949B (zh) | 室内定位方法及装置、存储介质和电子装置 | |
JP2023526703A (ja) | 物体に対する衝突検出方法、装置、電子デバイス、記憶媒体およびコンピュータプログラム | |
KR20220044777A (ko) | 포인트 클라우드 데이터 처리 방법 및 장치 | |
CN112698421A (zh) | 障碍物检测的测评方法、装置、设备以及存储介质 | |
US20230259665A1 (en) | Occupancy mapping based on geometric entities with hierarchical relationships | |
EP3944137A1 (en) | Positioning method and positioning apparatus | |
CN113129361B (zh) | 一种可移动设备的位姿确定方法及装置 |
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 |