CN117132612A - 一种基于多雷达融合的地面分割方法及系统 - Google Patents
一种基于多雷达融合的地面分割方法及系统 Download PDFInfo
- Publication number
- CN117132612A CN117132612A CN202310982338.0A CN202310982338A CN117132612A CN 117132612 A CN117132612 A CN 117132612A CN 202310982338 A CN202310982338 A CN 202310982338A CN 117132612 A CN117132612 A CN 117132612A
- Authority
- CN
- China
- Prior art keywords
- ground
- points
- center
- point
- normal vector
- 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 70
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000004927 fusion Effects 0.000 title claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 47
- 125000000205 L-threonino group Chemical group [H]OC(=O)[C@@]([H])(N([H])[*])[C@](C([H])([H])[H])([H])O[H] 0.000 claims abstract description 39
- 230000008569 process Effects 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 9
- 239000003814 drug Substances 0.000 claims description 5
- 238000009434 installation Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开一种基于多雷达融合的地面分割方法及系统,可保证相邻区域之间的点的计算具有连续性,避免点缺失的问题。所述的一种基于多雷达融合的地面分割方法,包括:计算车体上雷达所扫描的各个点所属区域、车体中心区域的索引范围,并计算车体中心区域的第一最终中心法向量和第一最终地面中心点,最终取[‑∞,vn+thresground]范围中的点为地面点,其余点为非地面点;提取未计算地面分割的相邻区域中未被分割为地面点的点集Punseg,并计算出第二最终中心法向量、第二最终地面中心点,取[‑∞,vl+thresground]范围中的点为地面点,其余点为非地面点。本发明可将已经计算过的点进行剔除,只对未被分割的地面点进行计算,避免重复计算的问题,提高地面点分割效率。
Description
技术领域
本发明涉及分割算法领域,尤其涉及一种基于多雷达融合的地面分割方法及系统。
背景技术
在室外无人驾驶领域中,通常会使用激光雷达进行障碍物的探测,而进行地面分割是使用激光雷达进行障碍物检测时的一项基本任务,通过地面分割将地面的点云单独剔除,剩余的点云即为障碍物点云。
在实际环境中,地面环境复杂,地面分割的主要任务就是将车辆能够通过的区域提取出来,以保证车辆的正常运行。现有技术在进行地面分割时,最简单的方式是使用高度进行过滤,将某个高度以下的点云直接分割为地面,然而若该高度设得过低,可能会出现很多地面平缓凸起被识别成为障碍物,这样会造成无人驾驶小车无法正常行驶,而若该高度设得过高,则一些比较矮的障碍物会被误分割为地面,造成障碍物漏检。并且室外环境会存在一些上下坡是可行驶的区域,例如从机动车道到人行道的过渡,如果无法正确提取这一块的地面,无人驾驶小车将无法穿越这两个区域。
此外,现有技术中有些算法进行地面分割时,使用了局部的地面分割,可以达到不错的分割效果,但仍然无法适用于一些特殊场景。在这些算法中,只考虑到一个雷达的情况,在实际的使用中,通常会用到多个雷达进行补盲,而在对雷达进行标定后,会存在一定的误差,这些误差在近处对应地面分割不会产生影响,但是到了一点距离之后,地面点云会出现分层现象,在越远的位置越明显,局部地面分割会提取最下层的点云作为地面,而在上面的其余雷达扫到的地面点云则可能会被分割为障碍物,这种情况下,即使是空旷的地面也会出现障碍物点云。而在其他一些场景中,对于点云高度突变和地面点云缺失的情况,因为是基于局部区域的计算,缺少地面连续性的考虑,也会产生分割错误的现象。
并且,这些算法需要根据雷达的扫描角度去设置参数,对于设备的类型和安装位置会有依赖,不利于实际应用的更新和维护。
因此,现有技术存在缺陷,需要改进。
发明内容
本发明的目的是克服现有技术的不足,提供一种基于多雷达融合的地面分割方法及系统,解决现有技术中,点云分割时连续性差,导致分割错误的问题;解决局部地面分割会提取最下层的点云作为地面,导致上面的其余雷达扫到的地面点云会被分割为障碍物的问题。
本发明的技术方案如下:一种基于多雷达融合的地面分割方法,所述方法包括以下步骤:
计算车体上各个雷达所扫描的各个点所属区域的索引范围;并计算车体中心区域的索引范围,得到中心区域点集Pcenter。
计算车体中心区域的第一最终中心法向量和第一最终地面中心点,取[-∞,vn+thresground]范围中的点为地面点,其余点为非地面点。
所述thresground为地面高度阈值;所述vn为所述第一最终地面点投影至第一最终中心法向量上的结果。
从已计算地面分割且有相邻区域未计算地面分割的区域中选取评价得分最高的区域作为传播区域,获取其未计算地面分割的相邻区域;通过该步骤后,可根据最优传播路径顺序计算其余区域地面的第二最终中心法向量和第二最终地面中心点。
提取所述未计算地面分割的相邻区域中未被分割为地面点的点集Punseg,并计算出所述未计算地面分割的相邻区域对应的第二最终中心法向量和第二最终地面中心点,并将Punseg投影到所述第二最终中心法向量上,取[-∞,vl+thresground]范围中的点为地面点,其余点为非地面点。所述vl为第二最终地面点投影至第二最终中心法向量上的结果。
优选地,各个雷达所扫描的各个点所属区域的索引范围的计算步骤为:
定义场景在x、y平面的起始位置为pst(xst,yst);
定位点pi(x,y)在x、y方向上所属区域范围:
stepx=l-lo (2);
stepy=w-w0 (3);
其中,l为区域x方向的边长,w为区域y方向上的边长,lo为x方向上的重叠长度,wo为y方向的重叠长度;需要说明的是均为整数;此外,上式中「和」分别表示向上取整和向下取整。各个雷达所扫描的各个点所属区域的索引范围均通过上述步骤计算出来,计算出所有的点对应的索引范围。
优选地,所述车体中心区域的索引范围的计算公式为:
提取车体中心区域的点云集合得到所述中心区域点集Pcenter。可根据上述计算结果,提取到属于中心区域的点云集合,即Pcenter。
优选地,计算车体中心区域的第一最终中心法向量和第一最终地面中心点的步骤为:
将所述车体中心区域的点和初始地面中心点投影至初始法向量上,计算得到集合Vcenter和v0;
其中,为初始法向量,pinit为初始地面中心点。
从所述集合Vcenter中选取范围为[v0-thresdown,v0+thresup]内所对应的点集,进行平面法向量计算;其中,thresdown和thresup分别为下限阈值和上限阈值,根据实际场景进行设定。
取所述平面法向量计算结果中最小特征值对应的特征向量作为新的法向量,点集的质心作为新的地面中心点,将所述中心区域点集Pcenter和新的地面中心点投影到新的法向量上,从所述集合Vcenter中选取范围为[v1-thresdown,v1+thresup]内所对应的点集,再次进行平面法向量计算,重复n次该过程,得到第一最终中心法向量和第一最终地面中心点。n大于等于0,具体重复的过程根据实际需求决定。显然,v0、v1、...、vn均通过上述计算公式(7)得到,只是所带入的数据不同,具体的,计算v0时,为车体中心区域的初始法向量,pinit为初始地面中心点,而计算v1时,/>为在第一次进行平面法向量计算时所得到的新的法向量,pinit为点集Pcenter质心,同理可带入第n次平面法向量计算的结果进行vn的计算。
因为相邻区域之间存在重叠部分,所以会有部分点在上一区域计算时已被分割为地面点,这部分点不需要重新计算,避免重复,因此这些点不属于点集Punseg。
优选地,所述未计算地面分割的相邻区域对应的的第二最终中心法向量和第二最终地面中心点的计算步骤为:
将点集Punseg和初始中心点投影到初始法向量上,计算得到集合Vreg,并将Vreg中属于[vl-1-thresdown,vl-1+thresup]内的点所形成的新点集与点集Pground合并为点集Pcal;
对所述点集Pcal进行平面法向量计算,将计算结果中最小特征值对应的特征作为第二最终中心法向量,点集Pcal的质心作为新的第二最终地面中心点。完成上述计算后,可将点集Punseg和第二最终地面中心点投影至第二最终中心法向量上,进一步取[-∞,vl+thresground]范围中的点作为地面点,其余点为非地面点,实现该区域内地面点和非地面点的分割。此外,需要说明的是vl-1、vl的计算公式为上述计算公式(7),其计算原理与上述相同。
优选地,所述已计算地面分割且有相邻区域未计算地面分割的区域的评价得分的计算公式为:
其中,Countg为该计算区域中被分割为地面点的点的数量,Countall为场景中所有点的点的数量。场景中所有点的点的数量为各个雷达扫描所得的点的总数。
优选地,所述平面法向量计算采用的方法为最小二乘法或SVD法。
本发明还提供一种基于多雷达融合的地面分割系统,包含上述的一种基于多雷达融合的地面分割方法。
采用上述方案,本发明一种基于多雷达融合的地面分割方法及系统具有以下有益效果:
1、相邻区域存在重叠区域、重叠点,在进行地面分割时,可保证相邻区域之间的点的计算具有连贯性,保证地面分割的连续性通,避免点缺失的问题;
2、通过计算出各个点所属区域的索引范围,可计算出每一个点所属的区域,使得对未分割的区域进行计算时,可将已经计算过的点进行剔除,只对未被分割的地面点进行进一步的计算,可避免重复计算的问题,提高计算效率;
3、最终得到的第一最终中心法向量、第一最终地面中心点、第二最终地面中心点、第二最终中心法向量为经过多次迭代计算后的数据,保证[-∞,vn+thresground]、[-∞,vl+thresground]范围的准确度高,提高地面点分割精度;
4、本发明方法和系统作用时只与车体上雷达的安装高度和区域有关,与雷达的线扫角度等无关,无需根据雷达线扫角度调整相关参数,便利性强,且可兼容不同类型的雷达,兼容性强。
附图说明
图1为本发明的相邻区域x向重叠状态示意图;
图2为本发明的相邻区域y向重叠状态示意图;
图3为本发明的点投影至初始法向量上的示意图。
具体实施方式
以下结合附图和具体实施例,对本发明进行详细说明。
请参照图1-图3,本发明提供一种基于多雷达融合的地面分割方法,所述方法包括以下步骤:
步骤S1:计算车体上各个雷达所扫描的各个点所属区域的索引范围;并计算车体中心区域的索引范围,得到中心区域点集Pcenter。
S10:计算相邻区域在x方向、y方向上移动的步长;
stepx=l-lo (2);
stepy=w-wo (3);
其中,l为区域x方向的边长,w为区域y方向上的边长,lo为x方向上的重叠长度,wo为y方向的重叠长度。在本实施例中,l、lo、w、wo的值分别为8m、4m、6m、3m,因此,stepx=3m,stepy=2m。
此外,需要说明的是,在本实施例中,任一一个区域的大小均为8m×6m,且相邻区域在x向上的重叠长度为4m,y向上的重叠长度为3m;当然在具体使用过程中,也可根据实际需求进行调整。
S11:定义场景在x、y平面的起始位置为pst(xst,yst)。
在场景中,一般选择车体中心坐标作为原坐标,可选择车体中心x向、y向上最小位置作为起始位置,且为了使车体中心与所述在区域的中心能够重合,起始位置的选择需要满足以下条件:均为整数。
在本实施例中,车体中心x向、y向上最小位置的点的坐标为(-19.54,-9.63),通过上述约束关系(为整数)得到pst(xst,yst)为(-21,-10)。
S12:分别计算每个点所属区域的索引范围;具体通过下式计算:
上式中「和」分别表示向上取整和向下取整。
计算出点(-19.54,-9.63)的索引范围,得到其在x方向上的索引范围为-1到0,因此,其索引从0开始,在x方向上的区域索引为0,同样可得到其在y方向上的区域索引为0。
具体地,在本实施例中,通过上式(1)计算点(26.165,-3.65)所属区域的索引范围,计算的结果为,其在x方向上的索引范围为10~11,在y方向上的索引范围为3~4,因此,点(26.165,-3.65)会同时在索引为(10,3)、(11,3)、(10,4)、(11,4)四个区域内。由于相邻区域存在重叠,因此,计算出点的所属区域的索引范围的结果后,一个点可能同时属于多个区域,这是为了相邻区域之间具有重叠性,使得在计算地面分割时,相邻区域不会相互独立,避免一些地面点缺失或者高度突变的问题,可在后期进行地面分割时,避免地面分割失误。
S13:计算车体中心区域的索引范围;具体通过下式计算:
在本实施例中,车体中心区域的坐标为(0,0),且通过前面计算可知,stepx=3m、stepy=2m、pst(xst,yst)为(-21,-10),因此,通过公式(4)可计算出rowcenter=6,colcenter=4,即中心区域在x、y向上的索引为(6,4)。
根据上述步骤S10~S13的结果,提取车体中心区域的点云集合得到所述中心区域点集Pcenter。
步骤S2:计算车体中心区域的第一最终中心法向量和第一最终地面中心点,取[-∞,vn+thresground]范围中的点为地面点,其余点为非地面点。
S20:将所述车体中心区域的点和初始地面中心点投影至初始法向量上,计算得到集合Vcenter和v0;
显然对于v0而言,为车体中心区域的初始法向量,在本实施例中设置为(0,0,1),pinit为初始地面中心点,在本实施例中设置为(0,0,-1.9)。本发明中所涉及到的点投影至相关法向量(初始法向量、第一最终中心法向量、第二最终中心法向量等)上的过程均可参考图3。
初始地面中心点和初始法向量根据实际情况设置,一般初始法向量选择(0,0,1),即沿着坐标系Z轴方向,初始地面中心点需根据坐标系中心点离地面的高度进行设置,测量得到坐标系中心点离地面高度hcenter=1.9m,因此初始地面中心点可设置为(0,0,-1.9)。
S21:从所述集合Vcenter中选取范围为[v0-thresdown,v0+thresup]内所对应的点集,进行SVD计算;其中,thresdown和thresup分别为下限阈值和上限阈值,根据实际场景进行设定,在本实施例中,thresdown、thresup的值分别为0.1、0.2。
S22:取所述平面法向量计算结果中最小特征值对应的特征向量作为新的法向量,点集的质心作为新的地面中心点,将所述中心区域点集Pcenter和新的地面中心点投影到新的法向量上,并从所述集合Vcenter中选取范围为[v1-thresdown,v1+thresup]内所对应的点集,再次进行SVD计算;对于v1而言,为在第一次进行平面法向量计算时所得到的新的法向量,pinit为点集Pcenter质心。
S23:重复n次步骤S22,得到第一最终中心法向量和第一最终地面中心点。在本实施例中,重复一次步骤S22即可,该过程是为了迭代优化,一般n的值设置好后,迭代达到相应次数就会自动退出。在该过程中,vn的计算过程为:显然,在该过程中,/>为重复步骤S22一次后,计算得到的最小特征值对应的特征向量,/>为重复步骤S22一次后,计算得到的中心区域点集Pcenter的质心。
S24:将点集Pcenter和第一最终地面中心点投影到第一最终中心法向量上,取[-∞,vn+thresground]范围中的点为地面点,其余点为非地面点。其中thresground为地面高度阈值,在本实施例中,其为0.2m。
显然,通过上述步骤S2(S20~S24)可判断出点集Pcenter内的点是属于地面点还是非地面点;具体地,在判断点集Pcenter内的点属于地面点或非地面点时,需将其投影至第一最终中心法向量上,结合第一最终地面中心点投影到第一最终中心法向量上的结果,进行判断,以点集Pcenter内的点(2.35,1.86,-1.8)为例,第一最终中心法向量为(0.01,0.062,0.998),第一最终地面中心点为(0,0,-1.9),其投影至第一最终中心法向量上的结果vn为-1.89,将点(2.35,1.86,-1.8)投影至第一最终中心法向量上后,值为-1.658,vn+thresground的值为-1.69,-1.658大于-1.69,不属于[-∞,-1.69]的范围,因此,其为非地面点。
S3:从已计算地面分割且有相邻区域未计算地面分割的区域中选取评价得分最高的区域作为传播区域,获取其未计算地面分割的相邻区域。
具体地,以传播区域的法向量和地面中心点作为初始值,计算相邻区域的地面分割以及区域的评价得分:
其中,Countg为该计算区域中被分割为地面点的点的数量,Countall为场景中所有点的点的数量。在本实施例的测试场景中,总的点数量Countall为32561,Countg的数量为1536,通过上述计算公式(5)可计算出,中心区域的评价得分为0.047。
可重复步骤S3计算完所有“已计算地面分割且有相邻区域未计算地面分割的区域”的相邻区域的评价得分。提取区域中未被分割为地面点的点集点集Punseg,因为区域之间存在重叠部分,所以会有部分点在上一区域已计算且被分割为地面点,因此,这部分点无需再进行重复计算。
S4:通过该步骤后,可根据最优传播路径顺序计算其余区域地面的第二最终中心法向量和第二最终地面中心点。
S40:将点集Punseg和初始中心点投影到初始法向量上,计算得到集合Vreg;
其中,为初始法向量,在本实施例中设置为(0,0,1),pinit为初始地面中心点,在本实施例中设置为(0,0,-1.9)。与步骤S2中相同。
S41:从集合Vreg中选取属于范围[vl-1-thresdown,vl-1+thresup]内的点所形成的新点集与点集Pground合并为点集Pcal(待计算)。其中,thresdown和thresup分别为下限阈值和上限阈值,在本实施例中,thresdown、thresup的值分别为0.1、0.2。
S42:对所述点集Pcal进行SVD计算,将计算结果中最小特征值对应的特征作为第二最终中心法向量,点集Pcal的质心作为新的第二最终地面中心点。
S5:将Punseg和第二最终地面中心点投影到所述第二最终中心法向量上,取[-∞,vl+thresground]范围中的点为地面点,其余点为非地面点。thresground的值与步骤S2中计算出的thresground的值一致。
具体地,在本实施例中,本发明还提供一种基于多雷达融合的地面分割系统,包含上述的一种基于多雷达融合的地面分割方法。本发明的地面分割系统采用上述的一种基于多雷达融合的地面分割方法后,可实现地面点和非地面点的快速分割,保证数据的连续性,准确性高。
综上所述,本发明中的一种基于多雷达融合的地面分割方法及系统,可通过计算每一个点所属区域的索引范围计算出其所属的区域,并计算出车体中心区域的索引,结合上述计算过程,可提取属于中心区域的点集合,经过计算得到车体中心区域地面的第一最终地面中心点、第一最终中心法向量,并计算得到车体中心区域的地面点的取值范围[-∞,vn+thresground],将点集Pcenter内的点直接投影至第一最终中心法向量后,判断其结果是否属于[-∞,vn+thresground],即可快速判断出点集Pcenter内的点是属于地面点还是非地面点;而对于非车体中心区域的点,则可根据相邻原则,通过从已计算地面分割且有相邻区域未计算地面分割的区域中选取评价得分最高的区域作为传播区域,获取其未计算地面分割的相邻区域,进一步提取这些相邻的未分割的区域进行计算,且将已经计算过的点进行剔除,只对未被分割的地面点进行进一步的计算,可避免重复计算的问题,且保证相邻区域之间的点的计算具有连贯性,保证地面分割的连续性;进一步计算点集Punseg内的点是否属于地面点,依次计算完成并判断所有采集到的点是属于地面点还是非地面点,保证所有点均经过计算判断,防止点缺失的问题。此外,由于在计算过程中会不断优化地面中心点、法向量,保证分割精度高,解决现有技术中局部地面分割会提取最下层的点云作为地面,而在上面的其余雷达扫到的地面点云则可能会被分割为障碍物的问题,保证地面点分割的准确性高。
以上仅为本发明的较佳实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于多雷达融合的地面分割方法,其特征在于,所述方法包括以下步骤:
计算车体上各个雷达所扫描的各个点所属区域的索引范围;并计算车体中心区域的索引范围,得到中心区域点集Pcenter;
计算车体中心区域的第一最终中心法向量和第一最终地面中心点,取[-∞,vn+thresground]范围中的点为地面点,其余点为非地面点;
所述thresground为地面高度阈值;所述vn为所述第一最终地面点投影至第一最终中心法向量上的结果;
从已计算地面分割且有相邻区域未计算地面分割的区域中选取评价得分最高的区域作为传播区域,获取其未计算地面分割的相邻区域;
提取所述未计算地面分割的相邻区域中未被分割为地面点的点集Punseg,并计算出所述未计算地面分割的相邻区域对应的第二最终中心法向量和第二最终地面中心点,并将Punseg投影到所述第二最终中心法向量上,取[-∞,vl+thresground]范围中的点为地面点,其余点为非地面点;
所述vl为第二最终地面点投影至第二最终中心法向量上的结果。
2.根据权利要求1所述的一种基于多雷达融合的地面分割方法,其特征在于,各个雷达所扫描的各个点所属区域的索引范围的计算步骤为:
定义场景在x、y平面的起始位置为pst(xst,yst);
定位点pi(x,y)在x、y方向上所属区域范围:
stepx=l-lo (2);
stepy=w-wo (3);
其中,l为区域x方向的边长,w为区域y方向上的边长,lo为x方向上的重叠长度,wo为y方向的重叠长度。
3.根据权利要求2所述的一种基于多雷达融合的地面分割方法,其特征在于,所述车体中心区域的索引范围的计算公式为:
提取车体中心区域的点云集合得到所述中心区域点集Pcenter。
4.根据权利要求1所述的一种基于多雷达融合的地面分割方法,其特征在于,计算车体中心区域的第一最终中心法向量和第一最终地面中心点的步骤为:
将所述车体中心区域的点和初始地面中心点投影至初始法向量上,计算得到集合Vcenter和v0;
从所述集合Vcenter中选取范围为[v0-thresdown,v0+thresup]内所对应的点集,进行平面法向量计算;
取所述平面法向量计算结果中最小特征值对应的特征向量作为新的法向量,点集的质心作为新的地面中心点,将所述中心区域点集Pcenter和新的地面中心点投影到新的法向量上,从所述集合Vcenter中选取范围为[v1-thresdown,v1+thresup]内所对应的点集,再次进行平面法向量计算,重复n次该过程,得到第一最终中心法向量和第一最终地面中心点。
5.根据权利要求4所述的一种基于多雷达融合的地面分割方法,其特征在于,所述未计算地面分割的相邻区域对应的第二最终中心法向量和第二最终地面中心点的计算步骤为:
将点集Punseg和初始中心点投影到初始法向量上,计算得到集合Vreg,并将Vreg中属于[vl-1-thresdown,vl-1+thresup]内的点所形成的新点集与点集Pground合并为点集Pcal;
对所述点集Pcal进行平面法向量计算,将计算结果中最小特征值对应的特征作为第二最终中心法向量,点集Pcal的质心作为新的第二最终地面中心点。
6.根据权利要求1所述的一种基于多雷达融合的地面分割方法,其特征在于,所述已计算地面分割且有相邻区域未计算地面分割的区域的评价得分的计算公式为:
其中,Countg为该计算区域中被分割为地面点的点的数量,Countall为场景中所有点的点的数量。
7.根据权利要求1所述的一种基于多雷达融合的地面分割方法,其特征在于,所述平面法向量计算采用的方法为最小二乘法或SVD法。
8.一种基于多雷达融合的地面分割系统,其特征在于,包含权利要求1-7任一项所述的一种基于多雷达融合的地面分割方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310982338.0A CN117132612A (zh) | 2023-08-04 | 2023-08-04 | 一种基于多雷达融合的地面分割方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310982338.0A CN117132612A (zh) | 2023-08-04 | 2023-08-04 | 一种基于多雷达融合的地面分割方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117132612A true CN117132612A (zh) | 2023-11-28 |
Family
ID=88857523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310982338.0A Pending CN117132612A (zh) | 2023-08-04 | 2023-08-04 | 一种基于多雷达融合的地面分割方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117132612A (zh) |
-
2023
- 2023-08-04 CN CN202310982338.0A patent/CN117132612A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021143778A1 (zh) | 一种基于激光雷达的定位方法 | |
CN107766405B (zh) | 自动车辆道路模型定义系统 | |
CN109752701A (zh) | 一种基于激光点云的道路边沿检测方法 | |
CN112947415B (zh) | 一种基于障碍物语义信息的室内路径规划方法 | |
EP3882815B1 (en) | Method for generating a dynamic grid | |
CN106338989A (zh) | 一种田间机器人双目视觉导航方法及系统 | |
CN114488194A (zh) | 一种智能驾驶车辆结构化道路下目标检测识别方法 | |
CN112184736A (zh) | 一种基于欧式聚类的多平面提取方法 | |
CN115423972A (zh) | 一种基于车载多激光雷达融合的封闭场景三维重建方法 | |
CN111680673A (zh) | 一种栅格地图中动态物体的检测方法、装置及设备 | |
CN111998846A (zh) | 基于环境几何与拓扑特征的无人系统快速重定位方法 | |
CN112085843A (zh) | 一种隧道类目标特征实时提取及测量方法和装置 | |
CN114638934A (zh) | 一种3D激光slam建图中动态障碍物的后处理方法 | |
CN110119751B (zh) | 激光雷达点云目标分割方法、目标匹配方法、装置及车辆 | |
CN117132612A (zh) | 一种基于多雷达融合的地面分割方法及系统 | |
CN116299313A (zh) | 一种基于激光雷达的智能车辆可通行区域检测方法 | |
CN116012628A (zh) | 一种毫米波雷达点云聚类和多目标识别机器学习方法 | |
CN114973195A (zh) | 基于多信息融合的车辆追踪方法、装置及系统 | |
CN114387293A (zh) | 道路边缘检测方法、装置、电子设备及车辆 | |
CN114646953A (zh) | 雷达参考地图生成 | |
CN114910881A (zh) | 一种负障碍物检测方法及其装置、车辆 | |
Liu et al. | Automated Road Extraction and Analysis from LiDAR Point Cloud Data Using Local Optimization | |
CN113807442B (zh) | 一种目标形状及航向估计方法及系统 | |
CN117392166B (zh) | 一种基于地平面拟合的三阶段点云地面分割方法 | |
CN114399762B (zh) | 一种道路场景点云分类方法及存储介质 |
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 |