CN116740670A - 一种障碍物分割识别方法与系统 - Google Patents
一种障碍物分割识别方法与系统 Download PDFInfo
- Publication number
- CN116740670A CN116740670A CN202210195168.7A CN202210195168A CN116740670A CN 116740670 A CN116740670 A CN 116740670A CN 202210195168 A CN202210195168 A CN 202210195168A CN 116740670 A CN116740670 A CN 116740670A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- obstacle
- point
- grid
- clouds
- 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
- 230000011218 segmentation Effects 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000003709 image segmentation Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000004888 barrier function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种障碍物分割识别方法与系统,包括:将点云数据投影至第一二维栅格地图,遍历点云数据的所有点云,若某一点云x1属于某一致密点云栅格y1,且同时满足栅格y1中的点云最大高度和最小高度之差大于预设的第一阈值,以及点云x1的点云高度与栅格y1的点云最小高度之差大于预设的第二阈值,则获取栅格y1中点云高度高于点云x1的其他点云,并将点云x1以及该其他点云分割为候选障碍物点云;遍历点云数据的所有点云,若某一点云xg为候选障碍物点云,则将点云xg投影至障碍物分割图像,若点云xg在障碍物分割图像中的投影位置位于障碍物区域中,则确定点云xg为最终的障碍物点云。本发明基于固态激光雷达进行障碍物分割识别,并避免产生大量激光噪点。
Description
技术领域
本发明涉及车辆感知技术领域,具体涉及一种障碍物分割识别方法与系统。
背景技术
随着当前自动驾驶感知系统的发展,各类适合车载的传感器相应出现,激光雷达的表现尤为突出,从原有大体积机械旋转式激光雷达,逐步演变为小型嵌入式的固态激光雷达。由于激光雷达的硬件更替,因此当前急需将原有机械旋转激光雷达的障碍物检测分割算法迁移至固态激光雷达上来,而当前的激光雷达分割算法仍然以旋转机械激光雷达为主,利用旋转的激光线束之间的几何关系,可以构建激光点云的无向图结构,基于此来提取障碍物。而固态激光雷达点云数据扫描相对机械旋转激光雷达存在较大的差异,原有的基于旋转激光雷达的障碍物分割方法已不再适用,此外,激光雷达单一提取障碍物时会随机产生大量激光噪点,从而将其分割为障碍物,容易导致过分割,造成自动驾驶的急刹车和换道,影响乘坐的舒适性。
综上,如何基于固态激光雷达进行障碍物分割识别,并避免产生大量激光噪点,为当前亟待解决的技术问题。
发明内容
本发明的目的在于提出一种障碍物分割识别方法与系统,以实现基于固态激光雷达进行障碍物分割识别,并避免产生大量激光噪点。
为实现上述目的,本发明的实施例提出一种障碍物分割识别方法,包括如下步骤:
步骤S10、获取车载激光雷达采集的点云数据,将所述点云数据投影至第一二维栅格地图,并构建基于栅格存储点云的数据结构;其中所述数据结构包括投影至栅格的点云数量、点云高度、属于致密点云栅格或稀疏点云栅格的标识;
步骤S20、遍历所述点云数据的所有点云,若某一点云x1属于某一致密点云栅格y1,且同时满足栅格y1中的点云最大高度和最小高度之差大于预设的第一阈值,以及点云x1的点云高度与栅格y1的点云最小高度之差大于预设的第二阈值,则获取栅格y1中点云高度高于点云x1的其他点云,并将点云x1以及该其他点云分割为候选障碍物点云;
步骤S30、获取障碍物分割图像;其中所述障碍物分割图像为通过对车载摄像头采集的视觉图像进行图像分割得到;
步骤S40、再次遍历所述点云数据的所有点云,若某一点云xg为候选障碍物点云,则将点云xg投影至所述障碍物分割图像中,若点云xg在所述障碍物分割图像中的投影位置位于障碍物区域中,则确定点云xg为最终的障碍物点云。
优选地,所述步骤S20还包括:
若某一点云x2属于某一稀疏点云栅格y2,则获取以栅格y2为中心的第一预设尺寸区域中的所有点云,分别计算该所有点云与点云x2之间的坡度斜率,并统计计算得到的多个坡度斜率中斜率大于等于预设的第三阈值的斜率个数,若所述斜率个数大于预设的第四阈值,则获取所述第一预设尺寸区域中点云高度大于点云x2的其他点云,并将点云x2以及该其他点云分割为候选障碍物点云。
优选地,所述步骤S20还包括:
若所述斜率个数小于等于预设的第四阈值,则分别计算该所有点云与点云x2之间的高度差值,并统计计算得到的多个高度差值中差值大于预设的第五阈值的差值个数,若所述差值个数大于预设的第六阈值,则获取以栅格y2为中心的第二预设尺寸区域中的所有点云,将所述第二预设尺寸区域中点云高度大于点云x2的其他点云,并将点云x2以及该其他点云分割为候选障碍物点云。
优选地,所述第一预设尺寸区域为以栅格y2为中心、R为半径的圆形区域,其中R为预设值;所述第一预设尺寸区域为以栅格y2为中心、r为半径的圆形区域,其中r为预设值;R小于r。
优选地,所述步骤S30还包括:
将所述障碍物分割图像投影至第二二维栅格地图,获得障碍物在所述第二二维栅格地图中的不可通行区域;
所述步骤S40还包括:
若点云xg在所述障碍物分割图像中的投影位置不位于障碍物区域中,则进一步将点云xg投影至所述第二二维栅格地图中,并判断点云xg在所述第二二维栅格地图中的投影位置是否处于所述不可通行区域,若是,则确定点云xg为最终的障碍物点云,若否,则确定点云xg不是障碍物点云。
优选地,所述判断该点云xg在所述第二二维栅格地图中的投影位置是否处于所述不可通行区域,包括:
判断以点云xg在所述第二二维栅格地图中的投影位置为中心的第三预设尺寸区域是否存在所述不可通行区域的至少一部分,若是,则确定点云xg为最终的障碍物点云,若否,则确定点云xg不是障碍物点云。
优选地,当栅格中的点云数量超过预设的第七阈值,则栅格属于致密点云栅格;否则,属于稀疏点云栅格。
作为同一发明构思,本发明的实施例还提出一种障碍物分割识别系统,包括:
点云预处理单元,用于获取车载激光雷达采集的点云数据,将所述点云数据投影至第一二维栅格地图,并构建基于栅格存储点云的数据结构;其中所述数据结构包括投影至栅格的点云数量、点云高度、属于致密点云栅格或稀疏点云栅格的标识;
点云初筛单元,用于遍历所述点云数据的所有点云,若某一点云x1属于某一致密点云栅格y1,且同时满足栅格y1中的点云最大高度和最小高度之差大于预设的第一阈值,以及该点云x1的点云高度与栅格y1的点云最小高度之差大于预设的第二阈值,则获取栅格y1中点云高度高于该点云x1的其他点云,并将该点云x1以及该其他点云分割为候选障碍物点云;
视觉处理单元,用于获取障碍物分割图像;其中所述障碍物分割图像为通过对车载摄像头采集的视觉图像进行图像分割得到;
点云复筛单元,用于再次遍历所述点云数据的所有点云,当某一点云xg为候选障碍物点云时,将点云xg投影至所述障碍物分割图像中,并当点云xg在所述障碍物分割图像中的投影位置位于障碍物区域中,确定点云xg为最终的障碍物点云。
优选地,所述点云初筛单元,还用于:
当某一点云x2属于某一稀疏点云栅格y2时,获取以栅格y2为中心的第一预设尺寸区域中的所有点云,分别计算该所有点云与点云x2之间的坡度斜率,并统计计算得到的多个坡度斜率中斜率大于等于预设的第三阈值的斜率个数;
当所述斜率个数大于预设的第四阈值时,获取所述第一预设尺寸区域中点云高度大于该点云x2的其他点云,并将该点云x2以及该其他点云分割为候选障碍物点云;
当所述斜率个数小于等于预设的第四阈值时,分别计算该所有点云与点云x2之间的高度差值,并统计计算得到的多个高度差值中差值大于预设的第五阈值的差值个数,若所述差值个数大于预设的第六阈值,则获取以栅格y2为中心的第二预设尺寸区域中的所有点云,将所述第二预设尺寸区域中点云高度大于点云x2的其他点云,并将点云x2以及该其他点云分割为候选障碍物点云。
优选地,所述视觉处理单元还用于:将所述障碍物分割图像投影至第二二维栅格地图,获得障碍物在所述第二二维栅格地图中的不可通行区域;
所述点云复筛单元还用于:
当点云xg在所述障碍物分割图像中的投影位置不位于障碍物区域中时,进一步将点云xg投影至所述第二二维栅格地图中,并判断点云xg在所述第二二维栅格地图中的投影位置是否处于所述不可通行区域,若是,则确定点云xg为最终的障碍物点云,若否,则确定点云xg不是障碍物点云。
本发明的实施例至少具有以下有益效果:
通过将车载固态激光雷达采集的点云数据投影至二维栅格地图,将点云数据栅格化,根据点云数据栅格化后,各栅格中的点云密度和点云高度进行障碍物分割来确定候选障碍物点云,能够同时适配固态激光雷达或机械激光雷达进行障碍物分割识别;并结合车载视觉系统的障碍物分割图像,对候选障碍物点云进行进一步地筛选确定最终的障碍物点云,保证障碍物分割的准确性,避免产生大量激光噪点。
本发明的实施例的其它特征和优点将在随后的说明书中阐述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中一种障碍物分割识别方法的流程示意图。
图2为本发明实施例中二维栅格地图的尺寸示意图。
图3为本发明实施例中步骤S20中致密点云栅格中的点云分割的具体流程示意图。
图4为本发明实施例中步骤S20中稀疏点云栅格中的点云分割的具体流程示意图。
图5为本发明实施例中步骤S40的具体流程示意图。
图6为本发明实施例中一种障碍物分割识别系统的结构示意图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。另外,为了更好的说明本发明,在下文的具体实施例中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本发明同样可以实施。在一些实例中,对于本领域技术人员熟知的手段未作详细描述,以便于凸显本发明的主旨。
参阅图1,本发明的一个实施例提出一种障碍物分割识别方法,适用于自动驾驶车辆,在车辆自动驾驶过程中路上障碍物的分割识别,包括如下步骤S10~S40:
步骤S10、获取车载激光雷达采集的点云数据,将所述点云数据投影至第一二维栅格地图,并构建基于栅格存储点云的数据结构;其中所述数据结构包括投影至栅格的点云数量、点云高度、属于致密点云栅格或稀疏点云栅格的标识;
具体而言,本实施例方法应用时,需要在车辆安装激光雷达和视觉系统,所述激光雷达不局限于某一种,新型固态激光雷达和传统机械激光雷达皆可,例如型号为RS-LIDAR-M1的固态激光雷达,车辆自动驾驶过程中,实时接收固态激光雷达所采集的点云数据,该点云数据为基于车辆坐标系的数据,将该点云数据投影至第一二维栅格地图,可以构建基于栅格存储点云的数据结构,包括多个栅格,每一个栅格中存储对应坐标区域的点云数据,包括投影至栅格的点云数量、点云高度、属于致密点云栅格或稀疏点云栅格的标识;所述致密点云栅格和所述稀疏点云栅格按栅格中的点云数量来划分;
其中,举例而言,在一种应用场景中,二维栅格地图的尺寸如图2所示,大小为401×101,原点为左上角坐标为(0,0),图像中像素点(50,400)为车辆的车头中心点,每一个像素所代表的实际几何距离为20cm,因而车前障碍物范围约为80米,车身障碍物范围为左右20米。
步骤S20、遍历所述点云数据的所有点云,若某一点云x1属于某一致密点云栅格y1,且同时满足栅格y1中的点云最大高度和最小高度之差大于预设的第一阈值,以及点云x1的点云高度与栅格y1的点云最小高度之差大于预设的第二阈值,则获取栅格y1中点云高度高于点云x1的其他点云,并将点云x1以及该其他点云分割为候选障碍物点云;
具体而言,致密点云栅格中的点云分割的具体流程请参阅图3,步骤中当确定某一点云为候选障碍物点云时,同时该点云所在的栅格内所有高于该点云的点云高度的所有点云完成扩展分割,将其均被分割为候选障碍物点云。
步骤S30、获取障碍物分割图像;其中所述障碍物分割图像为通过对车载摄像头采集的视觉图像进行图像分割得到;
具体而言,车载视觉系统实时接收车载摄像头采集的车辆周围环境的视觉图像,并通过预先设定的图像分割算法对所述视觉图像进行障碍物分割,例如对行人、两轮车、车辆、路障、非路面区域等障碍物的分割,需说明的是,由于获取的分割图像是经过畸变的,因此,本实施例方法还根据畸变参数得到去畸变后的障碍物分割图像,以用于后续步骤中的计算。
需说明的是,上述步骤S20和步骤S30可以同步执行,两者在执行上无先后次序。
步骤S40、再次遍历所述点云数据的所有点云,若某一点云xg为候选障碍物点云,则将点云xg投影至所述障碍物分割图像中,若点云xg在所述障碍物分割图像中的投影位置位于障碍物区域中,则确定点云xg为最终的障碍物点云。
具体而言,步骤S40中利用去畸变后的障碍物分割图像对步骤S20得到的候选障碍物点云进行校验,滤除激光雷达噪声引起的误分割,确定最终的障碍物点云。
进一步地,参阅图4,所述步骤S20还可以包括:
若某一点云x2属于某一稀疏点云栅格y2,则获取以栅格y2为中心的第一预设尺寸区域中的所有点云,分别计算该第一预设尺寸区域中所有点云与点云x2之间的坡度斜率,并统计计算得到的多个坡度斜率中斜率大于等于预设的第三阈值的斜率个数;
若所述斜率个数大于预设的第四阈值,则获取所述第一预设尺寸区域中点云高度大于点云x2的其他点云,并将点云x2以及该其他点云分割为候选障碍物点云;
若所述斜率个数小于等于预设的第四阈值,则分别计算该所有点云与点云x2之间的高度差值,并统计计算得到的多个高度差值中差值大于预设的第五阈值的差值个数,若所述差值个数大于预设的第六阈值,则获取以栅格y2为中心的第二预设尺寸区域中的所有点云,将所述第二预设尺寸区域中点云高度大于点云x2的其他点云,并将点云x2以及该其他点云分割为候选障碍物点云。
具体而言,本实施例中所述坡度斜率的计算方式如下:
K=abs(ΔZ/D)
其中,K为点云x2与任一其他点云之间的坡度斜率,其中ΔZ为点云x2与任一其他点云之间高度差,D为点云x2与任一其他点云之间激光点云的距离,abs()为取绝对值的运算表达式;
其中,当斜率大于等于第三阈值时,计数一次,累计计数超过第四阈值时,则将点云x2分割为候选障碍物点云,并对第一预设尺寸区域中所有高于点云x2的点云高度的其他点云完成扩展分割,将其全部分割为候选障碍物点云;所述第三阈值优选但不限于为1;
其中,当高度差值大于等于第五阈值时,计数一次,累计计数超过第六阈值时,则将点云x2分割为候选障碍物点云,并对第二预设尺寸区域中所有高于点云x2的点云高度的其他点云完成扩展分割,将其全部分割为候选障碍物点云;所述第五阈值优选但不限于为20。
进一步地,所述第一预设尺寸区域为以栅格y2为中心、R为半径的圆形区域,其中R为预设值;所述第二预设尺寸区域为以栅格y2为中心、r为半径的圆形区域,其中r为预设值;R小于r。其中,R和r优选但不限于为像素数,即在栅格地图上表现为若干个像素的长度,优选但不限于,R=2,r=5。
进一步地,所述步骤S30还包括:
将所述障碍物分割图像投影至第二二维栅格地图,获得障碍物在所述第二二维栅格地图中的不可通行区域;
具体而言,去畸变后的障碍物分割图像可利用如下线性相机模型,根据相机标定的内外参,将该图像上的障碍物像素点(u,v)转换为车辆坐标系(XH,YH,ZH)下的坐标,u,v为图像中像素点X轴和Y轴坐标,XH,YH,ZH为车辆坐标系中对应X轴、Y轴和Z轴坐标,M为投影换算函数,其中假设ZH=0,得到图像分割的障碍物在车辆坐标系下的坐标后,就可投影至二维栅格地图中,进而得到图像分割的障碍物在栅格中的不可通行区域,具体如下表达式所示:
进一步地,参阅图5,所述步骤S40还包括:
若点云xg在所述障碍物分割图像中的投影位置不位于障碍物区域中,则进一步将点云xg投影至所述第二二维栅格地图中,并判断点云xg在所述第二二维栅格地图中的投影位置是否处于所述不可通行区域,若是,则确定点云xg为最终的障碍物点云,若否,则确定点云xg不是障碍物点云。
进一步地,所述判断该点云xg在所述第二二维栅格地图中的投影位置是否处于所述不可通行区域,包括:
判断以点云xg在所述第二二维栅格地图中的投影位置为中心的第三预设尺寸区域是否存在所述不可通行区域的至少一部分,若是,则确定点云xg为最终的障碍物点云,若否,则确定点云xg不是障碍物点云。
具体而言,由于候选障碍物点云所处的栅格位置与图像分割的障碍物所在栅格位置存在误差,因此本实施例中引入一定的误差范围,第三预设尺寸区域即为误差范围,通过判断第三预设尺寸区域是否存在所述不可通行区域的至少一部分,即第三预设尺寸区域与所述不可通行区域是否有重合的部分,来确定对应的点云xg是否为障碍物点云。
进一步地,所述第三预设尺寸区域大小为m*n的矩形区域,m为横向尺寸,n为纵向尺寸,优选地,m=4个像素的长度,n=25个像素的长度。
进一步地,当将点云数据投影至第一二维栅格地图时,栅格中的点云数量超过预设的第七阈值,则栅格属于致密点云栅格;否则,属于稀疏点云栅格。
参阅图6,本发明的另一实施例还提出一种障碍物分割识别系统,本实施例的系统与上述实施例的方法对应,可以用于执行上述实施例的方法的步骤,本实施例的系统包括:
点云预处理单元1,用于获取车载激光雷达采集的点云数据,将所述点云数据投影至第一二维栅格地图,并构建基于栅格存储点云的数据结构;其中所述数据结构包括投影至栅格的点云数量、点云高度、属于致密点云栅格或稀疏点云栅格的标识;
点云初筛单元2,用于遍历所述点云数据的所有点云,若某一点云x1属于某一致密点云栅格y1,且同时满足栅格y1中的点云最大高度和最小高度之差大于预设的第一阈值,以及该点云x1的点云高度与栅格y1的点云最小高度之差大于预设的第二阈值,则获取栅格y1中点云高度高于该点云x1的其他点云,并将该点云x1以及该其他点云分割为候选障碍物点云;
视觉处理单元3,用于获取障碍物分割图像;其中所述障碍物分割图像为通过对车载摄像头采集的视觉图像进行图像分割得到;
点云复筛单元4,用于再次遍历所述点云数据的所有点云,当某一点云xg为候选障碍物点云时,将点云xg投影至所述障碍物分割图像中,并当点云xg在所述障碍物分割图像中的投影位置位于障碍物区域中,确定点云xg为最终的障碍物点云。
优选地,所述点云初筛单元2,还用于:
当某一点云x2属于某一稀疏点云栅格y2时,获取以栅格y2为中心的第一预设尺寸区域中的所有点云,分别计算该所有点云与点云x2之间的坡度斜率,并统计计算得到的多个坡度斜率中斜率大于等于预设的第三阈值的斜率个数;
当所述斜率个数大于预设的第四阈值时,获取所述第一预设尺寸区域中点云高度大于该点云x2的其他点云,并将该点云x2以及该其他点云分割为候选障碍物点云;
当所述斜率个数小于等于预设的第四阈值时,分别计算该所有点云与点云x2之间的高度差值,并统计计算得到的多个高度差值中差值大于预设的第五阈值的差值个数,若所述差值个数大于预设的第六阈值,则获取以栅格y2为中心的第二预设尺寸区域中的所有点云,将所述第二预设尺寸区域中点云高度大于点云x2的其他点云,并将点云x2以及该其他点云分割为候选障碍物点云。
优选地,所述视觉处理单元还用于:将所述障碍物分割图像投影至第二二维栅格地图,获得障碍物在所述第二二维栅格地图中的不可通行区域;
所述点云复筛单元4还用于:
当点云xg在所述障碍物分割图像中的投影位置不位于障碍物区域中时,进一步将点云xg投影至所述第二二维栅格地图中,并判断点云xg在所述第二二维栅格地图中的投影位置是否处于所述不可通行区域,若是,则确定点云xg为最终的障碍物点云,若否,则确定点云xg不是障碍物点云。
以上所描述的实施例的系统仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现实施例的系统的方案的目的。
需说明的是,上述实施例的系统与上述实施例的方法对应,因此,上述实施例的系统未详述部分可以参阅上述实施例的方法的内容得到,即上述实施例的方法记载的具体步骤内容可以理解为上述实施例的系统所能够实现的功能,此处不再赘述。
并且,上述实施例障碍物分割识别系统若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。
本发明的各实施例,通过将车载固态激光雷达采集的点云数据投影至二维栅格地图,将点云数据栅格化,根据点云数据栅格化后,各栅格中的点云密度和点云高度进行障碍物分割来确定候选障碍物点云,能够同时适配固态激光雷达或机械激光雷达进行障碍物分割识别;并结合车载视觉系统的障碍物分割图像,对候选障碍物点云进行进一步地筛选确定最终的障碍物点云,保证障碍物分割的准确性,避免产生大量激光噪点。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种障碍物分割识别方法,其特征在于,包括如下步骤:
步骤S10、获取车载激光雷达采集的点云数据,将所述点云数据投影至第一二维栅格地图,并构建基于栅格存储点云的数据结构;其中所述数据结构包括投影至栅格的点云数量、点云高度、属于致密点云栅格或稀疏点云栅格的标识;
步骤S20、遍历所述点云数据的所有点云,若某一点云x1属于某一致密点云栅格y1,且同时满足栅格y1中的点云最大高度和最小高度之差大于预设的第一阈值,以及点云x1的点云高度与栅格y1的点云最小高度之差大于预设的第二阈值,则获取栅格y1中点云高度高于点云x1的其他点云,并将点云x1以及该其他点云分割为候选障碍物点云;
步骤S30、获取障碍物分割图像;其中所述障碍物分割图像为通过对车载摄像头采集的视觉图像进行图像分割得到;
步骤S40、再次遍历所述点云数据的所有点云,若某一点云xg为候选障碍物点云,则将点云xg投影至所述障碍物分割图像中,若点云xg在所述障碍物分割图像中的投影位置位于障碍物区域中,则确定点云xg为最终的障碍物点云。
2.根据权利要求1所述的方法,其特征在于,所述步骤S20还包括:
若某一点云x2属于某一稀疏点云栅格y2,则获取以栅格y2为中心的第一预设尺寸区域中的所有点云,分别计算该所有点云与点云x2之间的坡度斜率,并统计计算得到的多个坡度斜率中斜率大于等于预设的第三阈值的斜率个数,若所述斜率个数大于预设的第四阈值,则获取所述第一预设尺寸区域中点云高度大于点云x2的其他点云,并将点云x2以及该其他点云分割为候选障碍物点云。
3.根据权利要求2所述的方法,其特征在于,所述步骤S20还包括:
若所述斜率个数小于等于预设的第四阈值,则分别计算该所有点云与点云x2之间的高度差值,并统计计算得到的多个高度差值中差值大于预设的第五阈值的差值个数,若所述差值个数大于预设的第六阈值,则获取以栅格y2为中心的第二预设尺寸区域中的所有点云,将所述第二预设尺寸区域中点云高度大于点云x2的其他点云,并将点云x2以及该其他点云分割为候选障碍物点云。
4.根据权利要求3所述的方法,其特征在于,所述第一预设尺寸区域为以栅格y2为中心、R为半径的圆形区域,其中R为预设值;所述第二预设尺寸区域为以栅格y2为中心、r为半径的圆形区域,其中r为预设值;R小于r。
5.根据权利要求1所述的方法,其特征在于,所述步骤S30还包括:
将所述障碍物分割图像投影至第二二维栅格地图,获得障碍物在所述第二二维栅格地图中的不可通行区域;
所述步骤S40还包括:
若点云xg在所述障碍物分割图像中的投影位置不位于障碍物区域中,则进一步将点云xg投影至所述第二二维栅格地图中,并判断点云xg在所述第二二维栅格地图中的投影位置是否处于所述不可通行区域,若是,则确定点云xg为最终的障碍物点云,若否,则确定点云xg不是障碍物点云。
6.根据权利要求5所述的方法,其特征在于,所述判断该点云xg在所述第二二维栅格地图中的投影位置是否处于所述不可通行区域,包括:
判断以点云xg在所述第二二维栅格地图中的投影位置为中心的第三预设尺寸区域是否存在所述不可通行区域的至少一部分,若是,则确定点云xg为最终的障碍物点云,若否,则确定点云xg不是障碍物点云。
7.根据权利要求1所述的方法,其特征在于,当栅格中的点云数量超过预设的第七阈值,则栅格属于致密点云栅格;否则,属于稀疏点云栅格。
8.一种障碍物分割识别系统,其特征在于,包括:
点云预处理单元,用于获取车载激光雷达采集的点云数据,将所述点云数据投影至第一二维栅格地图,并构建基于栅格存储点云的数据结构;其中所述数据结构包括投影至栅格的点云数量、点云高度、属于致密点云栅格或稀疏点云栅格的标识;
点云初筛单元,用于遍历所述点云数据的所有点云,若某一点云x1属于某一致密点云栅格y1,且同时满足栅格y1中的点云最大高度和最小高度之差大于预设的第一阈值,以及该点云x1的点云高度与栅格y1的点云最小高度之差大于预设的第二阈值,则获取栅格y1中点云高度高于该点云x1的其他点云,并将该点云x1以及该其他点云分割为候选障碍物点云;
视觉处理单元,用于获取障碍物分割图像;其中所述障碍物分割图像为通过对车载摄像头采集的视觉图像进行图像分割得到;
点云复筛单元,用于再次遍历所述点云数据的所有点云,当某一点云xg为候选障碍物点云时,将点云xg投影至所述障碍物分割图像中,并当点云xg在所述障碍物分割图像中的投影位置位于障碍物区域中,确定点云xg为最终的障碍物点云。
9.根据权利要求8所述的系统,其特征在于,所述点云初筛单元,还用于:
当某一点云x2属于某一稀疏点云栅格y2时,获取以栅格y2为中心的第一预设尺寸区域中的所有点云,分别计算该所有点云与点云x2之间的坡度斜率,并统计计算得到的多个坡度斜率中斜率大于等于预设的第三阈值的斜率个数;
当所述斜率个数大于预设的第四阈值时,获取所述第一预设尺寸区域中点云高度大于该点云x2的其他点云,并将该点云x2以及该其他点云分割为候选障碍物点云;
当所述斜率个数小于等于预设的第四阈值时,分别计算该所有点云与点云x2之间的高度差值,并统计计算得到的多个高度差值中差值大于预设的第五阈值的差值个数,若所述差值个数大于预设的第六阈值,则获取以栅格y2为中心的第二预设尺寸区域中的所有点云,将所述第二预设尺寸区域中点云高度大于点云x2的其他点云,并将点云x2以及该其他点云分割为候选障碍物点云。
10.根据权利要求9所述的系统,其特征在于,所述视觉处理单元还用于:将所述障碍物分割图像投影至第二二维栅格地图,获得障碍物在所述第二二维栅格地图中的不可通行区域;
所述点云复筛单元还用于:
当点云xg在所述障碍物分割图像中的投影位置不位于障碍物区域中时,进一步将点云xg投影至所述第二二维栅格地图中,并判断点云xg在所述第二二维栅格地图中的投影位置是否处于所述不可通行区域,若是,则确定点云xg为最终的障碍物点云,若否,则确定点云xg不是障碍物点云。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210195168.7A CN116740670A (zh) | 2022-03-01 | 2022-03-01 | 一种障碍物分割识别方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210195168.7A CN116740670A (zh) | 2022-03-01 | 2022-03-01 | 一种障碍物分割识别方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116740670A true CN116740670A (zh) | 2023-09-12 |
Family
ID=87911993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210195168.7A Pending CN116740670A (zh) | 2022-03-01 | 2022-03-01 | 一种障碍物分割识别方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116740670A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117629147A (zh) * | 2024-01-25 | 2024-03-01 | 北京易控智驾科技有限公司 | 一种障碍物的检测方法、云控平台及无人车 |
-
2022
- 2022-03-01 CN CN202210195168.7A patent/CN116740670A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117629147A (zh) * | 2024-01-25 | 2024-03-01 | 北京易控智驾科技有限公司 | 一种障碍物的检测方法、云控平台及无人车 |
CN117629147B (zh) * | 2024-01-25 | 2024-03-26 | 北京易控智驾科技有限公司 | 一种障碍物的检测方法、云控平台及无人车 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107272019B (zh) | 基于激光雷达扫描的路沿检测方法 | |
CN109961440B (zh) | 一种基于深度图的三维激光雷达点云目标分割方法 | |
CN111582054B (zh) | 点云数据处理方法及装置、障碍物检测方法及装置 | |
CN112883820B (zh) | 基于激光雷达点云的道路目标3d检测方法及系统 | |
KR101551026B1 (ko) | 차량 검출 방법 | |
EP3115933B1 (en) | Image processing device, image capturing device, mobile body control system, image processing method, and computer-readable recording medium | |
CN110069990B (zh) | 一种限高杆检测方法、装置以及自动驾驶系统 | |
CN114693696A (zh) | 一种点云数据处理方法及装置 | |
CN112204614B (zh) | 来自非固定相机的视频中的运动分割 | |
JP6753134B2 (ja) | 画像処理装置、撮像装置、移動体機器制御システム、画像処理方法、及び画像処理プログラム | |
CN114638853B (zh) | 一种基于路侧固态激光雷达的背景过滤方法和系统 | |
CN115273018A (zh) | 障碍物识别方法、装置及电子设备 | |
CN116740670A (zh) | 一种障碍物分割识别方法与系统 | |
CN114179788A (zh) | 自动泊车方法、系统、计算机可读存储介质及车机端 | |
CN114241448A (zh) | 障碍物航向角的获取方法、装置、电子设备及车辆 | |
CN116188329B (zh) | 三维点云滤波方法、重建方法、电子设备及可读存储介质 | |
CN115164919B (zh) | 基于双目相机的空间可行驶区域地图构建方法及装置 | |
CN116358528A (zh) | 地图更新方法、地图更新装置、自移动设备及存储介质 | |
JP7052265B2 (ja) | 情報処理装置、撮像装置、機器制御システム、移動体、情報処理方法、及び、情報処理プログラム | |
CN116012737A (zh) | 基于无人机激光和视觉融合的高速施工监测方法和系统 | |
KR102368262B1 (ko) | 다중 관측정보를 이용한 신호등 배치정보 추정 방법 | |
CN114549764A (zh) | 基于无人车的障碍物识别方法、装置、设备及存储介质 | |
CN111487956B (zh) | 一种机器人避障的方法及机器人 | |
CN111414848B (zh) | 一种全类别3d障碍物检测方法、系统和介质 | |
CN116626706B (zh) | 轨道交通隧道侵限检测方法及系统 |
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 |