CN101387700B - 基于多激光扫描仪的数据融合方法及*** - Google Patents
基于多激光扫描仪的数据融合方法及*** Download PDFInfo
- Publication number
- CN101387700B CN101387700B CN2008101713176A CN200810171317A CN101387700B CN 101387700 B CN101387700 B CN 101387700B CN 2008101713176 A CN2008101713176 A CN 2008101713176A CN 200810171317 A CN200810171317 A CN 200810171317A CN 101387700 B CN101387700 B CN 101387700B
- Authority
- CN
- China
- Prior art keywords
- cluster
- combination
- directed edge
- center
- axle
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了基于多激光扫描仪的数据融合方法及***。方法包括:预先定义移动目标的平面轮廓模型;对于每帧扫描数据,对该帧数据中的激光点进行聚类;在不同激光扫描仪所获得的所有聚类中,对于相互距离在预设值内的每组聚类,若该组聚类中的所有方向向量与移动目标的平面轮廓模型匹配,则将该组聚类组合为一个移动目标。本发明通过利用在同一平面内任意地点、方向放置的激光扫描仪所测量到的激光点的方向向量与移动目标的平面轮廓模型相匹配的特性,对扫描数据进行融合,提高了多激光扫描仪下的数据融合的精确度。
Description
技术领域
本发明涉及激光扫描技术领域,具体涉及基于多激光扫描仪的数据融合方法及***。
背景技术
激光扫描测距经常用于交通数据采集***中。激光测距的原理为:激光头发射激光束,当激光束遇到障碍物时,被障碍物反射;激光头接收到被反射的激光光束,通过计算从发射到接收的时间差,并乘以光速,再除以2,即为激光头到障碍物的距离。激光扫描测距的原理为:激光扫描仪中有一面高速旋转的镜片,激光头先将激光束打到镜片上,再折射出去;通过镜片的旋转,可以调整激光束的角度;通过激光束的角度,可以将距离值换算成坐标点。通过调整镜片的旋转速度及范围,可以控制激光扫描的范围、采样密度及帧率。
线扫描激光扫描仪也就是镜片围绕一个轴旋转,旋转方向固定,为顺时针旋转,或逆时针旋转。测量到的距离值可转换为2维坐标点,简称激光点。激光扫描可以得到一系列激光点,通常为1帧。激光扫描仪的参数可如下:扫描范围:180度,采样密度:0.5度/点,37Hz(每秒37帧),最大测距范围60m。
当激光扫描仪应用于交通数据采集***中时,可以将几台激光扫描仪设置于路边,水平扫描,通常将激光扫描仪设置在离路面约40cm高度的水平面上就可覆盖对象测量区域。如图1所示,将两台激光扫描仪1、2分别放在一个交叉口的上方,在每个时刻,激光扫描仪1、2将扫描到的移动目标:汽车、自行车、人的激光点发送到服务器,如图1中,黑色实心点为激光扫描仪1测量到的激光点,黑色点心点为激光扫描仪2测量到的激光点。可以看出,在某个时刻由于遮挡等原因,行人只能被激光扫描仪2扫描到,而自行车只能被激光扫描仪1扫描到。
一台激光扫描仪只能观测到移动目标的一个或部分侧面,通过多个激光扫描仪的扫描数据的融合,可以测量到移动目标的四周,从而可以有效地提高目标物识别及运动状态分析的精度。不同激光扫描仪测量的数据被发送到服务器,服务器将不同激光扫描仪在同一时刻测量到的数据抽取出来,并统合到全局坐标系中进行数据融合,这样的融合数据可以测量到移动目标的平面轮廓;同时,扫描帧率约30Hz,可以捕捉快速的运动目标。
图2给出了现有的基于多激光扫描仪的数据融合处理的流程,如图2所示,其具体步骤如下:
步骤201:对每帧扫描数据进行背景差分。
步骤202:对每帧扫描数据中经背景差分得到的激光点进行聚类。
步骤203:对每个聚类分别进行KL变换,确定该聚类中的激光点阵的分布是点(0轴)、线(1轴)还是面(2轴)。
图3给出了0轴、1轴、2轴的激光点阵分布示意图。
步骤204:根据每个聚类的激光点阵分布,将每个聚类分别用长方形轮廓进行匹配。
图3为现有的三种激光点阵分布示意图,如图3所示,激光点阵分布为0轴、1轴、2轴的聚类都可用一个长方形轮廓匹配。
步骤205:根据近邻法,将距离在预设值内的长方形轮廓聚为一类,作为一个移动目标。
但是,在实际中,随着测量环境的复杂化、测量对象的多样化,数据的融合处理难度随之增加。比如,由于遮挡、表面材质的反射特性、时钟同步误差等原因,同一物体的测量数据会被分成了几块、互不重叠,这样,就会将同一移动目标判断成多个移动目标,图4为现有的基于多激光扫描仪的数据融合处理的示例图,如图4所示,激光扫描仪1、2、3扫描到的某个移动目标的聚类分别如图4中的左图所示,理想的组合结果是将图中的所有聚类组合为一个移动目标,但是,根据近邻法,通常会得到如图4中的右图中的组合结果,即一个移动目标被判断成3个移动目标。另外,当不同移动目标相距很近而使得测量数据重叠时,则会将它们当作同一移动目标。可见,这两种情况都会造成移动目标的错误组合。
发明内容
本发明提供一种基于多激光扫描仪的数据融合方法及***,以提高数据融合的精确度。
本发明的技术方案是这样实现的:
一种基于多激光扫描仪的数据融合方法,预先定义移动目标的平面轮廓模型,该方法包括:
对于每帧扫描数据,对该帧数据中的激光点进行聚类;
在不同激光扫描仪所获得的所有聚类中,对于相互距离在预设值内的每组聚类,若该组聚类中的所有方向向量与移动目标的平面轮廓模型匹配,则将该组聚类组合为一个移动目标。
所述移动目标的平面轮廓模型为一个有向多边形,多边形的各条边为有向边,各条边的方向向量构成一个逆时针或顺时针旋转的闭合环,且,若从聚类中抽出的轴与有向多边形的一条有向边匹配,则将该轴作为该有向边的支撑向量。
所述对于相互距离在预设值内的每组聚类,若该组聚类中的所有方向向量与移动目标的平面轮廓模型匹配,则将该组聚类组合为一个移动目标包括:
在不同激光扫描仪所获得的所有聚类中选择一个未加入任何组合的聚类,在与该聚类的距离为预设值内的组合中,选择一个组合,将从该聚类中抽出的各条轴分别与所选择组合的各有向边匹配,若从该聚类中抽出的每条轴都分别与一条有向边匹配,则将该聚类加入到该组合中。
所述将从该聚类中抽出的各条轴分别与所选择组合的各有向边匹配为:对于从该聚类中抽出的每条轴,分别计算该轴与所选择组合的各条有向边的角度差,若与一条有向边的角度差小于预设值,则认为该轴与该条有向边匹配上。
当从该聚类中抽出的每条轴都分别与一条有向边匹配,且从聚类中抽出的最长轴大于组合的最长有向边的边长时,所述将该聚类加入到该组合中包括:
将从所述聚类中抽出的最长轴作为新组合的基边,将该基边按照预设方向旋转,分别得到新组合的其它各有向边;
将所述聚类及所述组合中的所有激光点投影到新组合的各有向边上,得到新组合的各有向边的边长,计算所述聚类及所述组合中的所有激光点的中心,该中心即为新组合的中心;
在所述聚类及所述组合中的聚类中的所有方向向量中,搜索新组合的各有向边的支撑向量,若新组合有一对相邻有向边都有支撑向量,则确定该相邻有向边具有角点;
以新组合更新所述组合。
当从该聚类中抽出的每条轴都分别与一条有向边匹配,且从聚类中抽出的每条轴的长度都不大于组合的最长有向边的边长时,所述将该聚类加入到该组合中包括:
将所述聚类及所述组合中的所有激光点投影到所述组合的各有向边上,得到所述组合的各有向边的新边长,计算所述聚类及所述组合中的所有激光点的中心,该中心即为所述组合的新中心;
若发现从所述聚类中抽出的轴投影到的有向边与其相邻边由不都具有支撑向量变为都具有支撑向量,则确定该对相邻有向边产生了角点。
当有任意一条从所述聚类中抽出的轴未与任何有向边匹配上时,所述方法进一步包括:为该聚类本身生成一个组合。
所述为该聚类本身生成一个组合包括:
将从所述聚类中抽出的最长轴作为要生成的组合的基边,将该基边按照预设方向旋转,分别得到新组合的其它各有向边;
将所述聚类中的所有激光点投影到要生成组合的各有向边上,得到要生成组合的各有向边的边长,计算所述聚类中的所有激光点的中心,该中心即为要生成组合的中心;
在所述聚类中的所有方向向量中,搜索要生成组合的各有向边的支撑向量,若有一对相邻有向边都有支撑向量,则确定该相邻有向边具有角点。
所述将该聚类加入到该组合中之后进一步包括:判断将所述聚类加入到所述组合中所生成的新组合是否可信,若是,以该新组合替换所述组合;否则,废弃该新组合。
所述移动目标的平面轮廓模型为一个有向多边形,
所述判断将所述聚类加入到所述组合中所生成的新组合是否可信包括:对于新组合中的所有聚类中的每个激光点,确定该激光点所在的聚类中的轴在新组合中的对应边,计算该激光点到该对应边的投影距离,计算所有激光点对应的距离的方差,若该方差值小于预设方差,则确定该新组合不可信;否则,确定该新组合可信。
一种基于多激光扫描仪的数据融合***,该***包括:
聚类模块,对于每帧扫描数据,对该帧数据中的激光点进行聚类,将聚类结果输出到数据融合模块;
数据融合模块,在不同激光扫描仪所获得的所有聚类中,对于相互距离在预设值内的每组聚类,若该组聚类中的所有方向向量与预定义的移动目标的平面轮廓模型匹配,则将该组聚类组合为一个移动目标。
所述数据融合模块包括:
匹配模块,在所有聚类中选择一个未加入任何组合的聚类,在与该聚类的距离为预设值内的组合中,选择一个组合,将从该聚类中抽出的各条轴分别与所选择组合的各有向边匹配,若从该聚类中抽出的每条轴都分别与一条有向边匹配,则将该聚类标识和组合标识发送给融合模块;
融合模块,接收匹配模块发来的聚类标识和组合标识,将该聚类标识对应的聚类加入到该组合标识对应的组合中。
所述融合模块包括:
边确定模块,将从所述聚类中抽出的最长轴作为新组合的基边,将该基边按照预设方向旋转,分别得到新组合的其它各有向边;
边长及中心确定模块,将所述聚类及所述组合中的所有激光点投影到新组合的各有向边上,得到新组合的各有向边的边长,计算所述聚类及所述组合中的所有激光点的中心,该中心即为新组合的中心;
角点确定模块,在所述聚类及所述组合中的聚类中的所有方向向量中,搜索新组合的各有向边的支撑向量,若有一对相邻有向边都有支撑向量,则确定该相邻有向边具有角点。
所述匹配模块进一步包括一模块,该模块用于在发现有任意一条从聚类中抽出的轴未与任何有向边匹配上后,将该聚类标识发送给融合模块,以指示融合模块为该聚类本身生成一个组合。
所述融合模块包括:
边确定模块,将从所述聚类中抽出的最长轴作为要生成的组合的基边,将该基边按照预设方向旋转,分别得到新组合的其它各有向边;
边长及中心确定模块,将所述聚类中的所有激光点投影到要生成组合的各有向边上,得到要生成组合的各有向边的边长,计算所述聚类中的所有激光点的中心,该中心即为要生成组合的中心;
角点确定模块,在所述聚类中的所有方向向量中,搜索要生成组合的各有向边的支撑向量,若有一对相邻有向边都有支撑向量,则确定该相邻有向边具有角点。
所述数据融合模块进一步包括一模块,该模块用于判断将所述聚类加入到所述组合中所生成的新组合是否可信,若是,以该新组合替换所述组合;否则,废弃该新组合。
与现有技术相比,本发明中预先定义移动目标的平面轮廓模型;对于每帧扫描数据,对该帧数据中的激光点进行聚类;在不同激光扫描仪所获得的所有聚类中,对于相互距离在预设值内的每组聚类,若该组聚类中的所有方向向量与移动目标的平面轮廓模型匹配,则将该组聚类组合为一个移动目标。本发明通过利用在同一平面内任意地点、方向放置的激光扫描仪测量到的激光点的方向向量与移动目标的平面轮廓模型相匹配的特性,对扫描数据进行融合,提高了多激光扫描仪下的数据融合的精确度。
附图说明
图1为激光扫描仪应用于交通数据采集***中的示意图;
图2为现有的基于多激光扫描仪的数据融合处理的流程图;
图3为现有的三种激光点阵分布示意图;
图4为现有的基于多激光扫描仪的数据融合处理的示例图;
图5为本发明实施例提供的三种激光点阵分布示意图;
图6为本发明实施例提供的一个移动目标的所有聚类的方向向量特性示例图;
图7为本发明实施例提供的基于多激光扫描仪的数据融合的处理流程图;
图8为本发明实施例提供的将一个或两个以上聚类生成组合的流程图;
图9为本发明实施例提供的将一个聚类加到已有组合中生成一个新组合的流程;
图10为本发明实施例提供的确定新生成的组合是否可信的流程图;
图11为本发明实施例提供的基于多激光扫描仪的数据融合***的组成图。
具体实施方式
通过对三种激光点阵分布:2轴、1轴、0轴进行观察可以发现:测量到的激光点是有顺序的,图5为本发明实施例提供的三种激光点阵分布示意图,如图5所示:
对于2轴,s为该聚类最初测量到的激光点;e为该聚类最后测量到的激光点;c为该聚类中的激光点的拐点。定义:轴1:u1为e→c的方向向量,len1为ec的边长;轴2:u2为c→s的方向向量,len2为cs的边长。
对于1轴,s为该聚类最初测量到的激光点;e为该聚类最后测量到的激光点。定义:轴1:u1为e→s的方向向量,len1为es的边长。
对于0轴,p为中心点,len1为es长。
再对属于同一移动目标的聚类进行分析可以发现:所有聚类的方向向量构成了一个逆时针的环,如图6中本发明实施例提供的一个移动目标的所有聚类的方向向量特性示例图所示。
可以推知:当有多台激光扫描仪对同一目标扫描时,设目标共有n(n为正整数)个侧面,则当该目标的n个侧面都被激光扫描仪扫描到时,所有激光扫描仪扫描到的方向向量会构成一个有向闭合的轮廓,该闭合的轮廓即为目标的平面轮廓;而当该目标只有部分侧面被激光扫描仪扫描到时,则激光扫描仪扫描到的每个方向向量分别与目标的平面轮廓中的一个有向边匹配。
根据上述移动目标的聚类的特性,本发明中,预先定义一个移动目标的平面轮廓模型,对于每帧扫描数据,对该帧扫描数据中的激光点进行聚类,对于相互距离小于预设值的每组聚类,若所有聚类的方向向量与移动目标的平面轮廓模型匹配,则将该组聚类组合为一个移动目标。
在实际中,移动目标的平面轮廓模型可以定义为一个有向n边形(n为正整数),n边形的各条边为有向边,各条边的方向向量构成一个逆时针或顺时针旋转的闭合环;且,若一个聚类的某条轴与移动目标的平面轮廓模型中的某条有向边匹配,则称该轴为该有向边的支撑向量;若对于有向n边形的一对相邻有向边,该对相邻有向边分别都具有支撑向量,则可确定该对相邻有向边具有角点。以下以移动目标的平面轮廓模型为长方形(n=4)为例,对本发明进行详细说明。当n取其它值时,可以参照n=4的实施例予以实现。
下面结合附图及具体实施例对本发明再作进一步详细的说明。
图7为本发明实施例提供的基于多激光扫描仪的数据融合的处理流程图,如图7所示,其具体步骤如下:
步骤701:对于每帧扫描数据,对该帧数据中的激光点进行聚类,然后对每个聚类进行KL变换,确定该聚类中的激光点阵的分布是点(0轴)、线(1轴)还是面(2轴)。
步骤702:根据每个聚类的激光点阵分布,对每个聚类分别用长方形轮廓进行匹配。
步骤701、702可采用现有技术实现。
步骤703:在所有聚类中寻找一个未被组合的聚类ci。
i为正整数,表示聚类的序号。
步骤704:在ci的近邻中找到一个组合gj。
j为正整数,表示组合的序号。
这里,可预先设定一个直径d,本步骤中,在ci的直径d范围内,按照与ci的距离的由近及远,依次寻找组合gj。d的取值可由经验确定,也可通过对大量的样本学习确定,或者由二者共同确定。
步骤705:将ci加到组合gj中,生成一个新的组合gj’。
步骤706:判断gj’是否可信,若是,执行步骤710;否则,执行步骤707。
步骤707:废弃gj’。
步骤708:判断是否ci的近邻中的所有组合都已被寻找到,若是,执行步骤709;否则,返回步骤704。
步骤709:为ci生成一个新的组合gk,转至步骤711。
k为正整数,表示组合的序号。
步骤710:用gj’更新gj。
步骤711:判断是否所有聚类都已被组合过,若是,本流程结束;否则,返回步骤703。
每个组合即代表一个移动目标。
在上述步骤709中提到了为一个聚类ci生成一个组合gk的处理,图8给出了本发明实施例提供的将一个或两个以上聚类生成组合的流程图,如图8所示,其具体步骤如下:
步骤801:在要组合的所有聚类中抽出一条最长轴,定义该最长轴为v1,将v1按照逆时针旋转90度、180度、270度,分别得到v2、v3、v4。
从聚类中抽出一条轴的处理可由现有技术实现。
总的来说,当移动目标的平面轮廓为n边形时,则将v1按照顺时针或逆时针顺序旋转()度,其中,s为正整数,且从1依次取到n-1,每个s对应n边形的一条有向边v(s+1),其中,v1为n边形的基边,也称起始边。
步骤802:将所有聚类中的所有激光点投影到v1、v2构成的直角坐标系上,设激光点在v1上的投影长度为len1,在v2上的投影长度为len2,确定所有激光点的中心点p。
对所有激光点在v1、v2上的坐标分别求均值,即可得到中心点p。
步骤803:将所有聚类中的每个方向向量um(m为正整数)分别与v1、v2、v3、v4匹配,得到v1、v2、v3、v4的支撑向量。
若有um与vn(n=1、2、3、4)匹配,则称um为vn的支撑向量,置V_valn=true。
步骤804:若有一对相邻边vx、vy,每个边都有支撑向量,则置C_val(x,y)=true,并将该对相邻边的角点赋于c(x,y)。其中,x,y=1、2、3、4。
至此,组合gk已经生成,gk的四条边分别为v1、v2、v3、v4,其中,len1为v1、v3的边长,len2为v2、v4的边长,p为gk的中心点,且,V_valn=true的vn具有支撑向量,C_val(x,y)=True的相邻边vx、vy具有角点c(x,y)。
图8所示流程不仅适用于将一个聚类生成一个组合的情况,也适用于将两个以上聚类生成一个组合的情况。
图7所示流程的步骤705中提到了将聚类ci加到组合gj中生成一个新的组合gj’的处理,图9给出了本发明实施例提供的将一个聚类加到已有组合中生成一个新组合的流程,如图9所示,其具体步骤如下:
步骤901:从将要加到组合gj的聚类ci中依次选择一个轴um。
m为聚类ci中的轴的序号。
步骤902:将um与gj的v1、v2、v3、v4分别进行比较。
步骤903:判断是否有vn(n=1、2、3或4)与um的角度差在预设阈值内,若是,执行步骤904;否则,执行步骤914。
步骤904:将um作为vn的支撑向量,V_valn=True。
本步骤中的vn即,与um的角度差在预设阈值内的vn。若有两个以上vn(n=1、2、3或4)与um的角度差在预设阈值内,则选择与um的角度差最小的vn,um为所选择的vn的支撑向量。
步骤905:判断是否聚类ci的所有轴都已被选择过,若是,执行步骤906;否则,返回步骤901。
步骤906:在成为gj的边的支撑向量的所有um中,选择一条最长的umax。
步骤907:判断umax的长度是否大于gj的最大边长,若是,执行步骤908;否则,执行步骤912。
步骤908:将umax作为v1’,将v1’按照逆时针旋转90度、180度、270度,分别得到v2’、v3’、v4’。
步骤909:将所有聚类(包括聚类ci和gj中的聚类)中的所有激光点投影到v1’、v2’构成的直角坐标系上,设激光点在v1’上的投影长度为len1’,在v2’上的投影长度为len2’,确定所有激光点的中心点p’。
步骤910:将所有聚类(包括聚类ci和gj中的聚类)中的每个方向向量uq(q为正整数)分别与v1’、v2’、v3’、v4’匹配。
若有uq与vn’(n=1、2、3或4)匹配,则称uq为vn’的支撑向量,置V_valn’=true。
步骤911:若有一对相邻边vx’、vy’,每个边都有支撑向量,则置C_val(x’,y’)=True,并将该对相邻边的角点赋于c(x’,y’),本流程结束。
至此得到新组合gj’,gj’的四条边分别为v1’、v2’、v3’、v4’,其中,len1’为v1’、v3’的边长,len2’为v2’、v4’的边长,p’为gj’的中心点,且,V_valn’=true的vn’具有支撑向量,C_val(x’,y’)=True的相邻边vx’、vy’具有角点c(x’,y’)。
步骤912:根据vn的相邻边是否具有支撑向量的情况,更新vn与其相邻边的角点c以及C_val。
步骤913:将聚类ci和组合gj中的所有激光点投影到v1、v2构成的直角坐标系上,得到v1的新边长len1’,v2的新边长len2’,并确定所有激光点的新中心点p’,本流程结束。
至此,组合gj’产生,gj’与gi的不同在于,len1’为v1、v3的边长,len2’为v2、v4的边长,p’为gj’的中心点,同时,根据步骤906:vn增加新的支撑向量um,V_valn=True;根据步骤912,vn与其相邻边可能具有角点。
步骤914:确定ci无法加到组合gj中。
执行完本步骤914后,要返回步骤708。
在图7所示流程的步骤706中提到了判断新生成的组合gj’是否可信的处理,图10给出了本发明实施例提供的确定新生成的组合是否可信的流程,如图10所示,其具体步骤如下:
步骤1001:判断新生成的组合gj’的每个轴的长度(len1或者len1、len2)是否都小于预设长度,若是,执行步骤1002;否则,执行步骤1006。
例如:若扫描环境为交通路口,则len1、len2的长度必然小于单个车道宽,若len1、len2中有一个大于单个车道宽,则可确定新生成的组合不可信。
步骤1002:对于gj’中的所有聚类中的每个激光点ak,确定ak所在的聚类中的轴um在gj’中对应的边为vn’,计算ak投影到vn’上的距离d(k)。
其中,k为gj’中的所有聚类中的激光点的序号。
步骤1003:计算所有{d(k)}的方差Vard。
步骤1004:判断Vard是否小于预设方差,若是,执行步骤1005;否则,执行步骤1006。
预设方差通常根据经验或通过大量样本学习得到,例如:预设方差可为0.25。
步骤1005:确定该新生成的组合gj’可信,本流程结束。
步骤1006:确定该新生成的组合gj’不可信。
图11为本发明实施例提供的基于多激光扫描仪的数据融合***的组成图,如图11所示,其主要包括:
聚类模块111:对于每帧扫描数据,对该帧数据中的激光点进行聚类,将聚类结果输出到数据融合模块112。
数据融合模块112:接收聚类模块111发来的聚类结果,在不同激光扫描仪所获得的所有聚类中,对于相互距离在预设值内的每组聚类,若该组聚类中的所有方向向量与预定义的移动目标的平面轮廓模型匹配,则将该组聚类组合为一个移动目标。
数据融合模块112可进一步包括一模块,该模块用于判断将所述聚类加入到所述组合中所生成的新组合是否可信,若是,以该新组合替换所述组合;否则,废弃该新组合。
数据融合模块112可包括:匹配模块和融合模块,其中:
匹配模块:在所有聚类中选择一个未加入任何组合的聚类,在与该聚类的距离为预设值内的组合中,选择一个组合,将从该聚类中抽出的各条轴分别与所选择组合的各有向边匹配,若从该聚类中抽出的每条轴都分别与一条有向边匹配,则将该聚类标识和组合标识发送给融合模块;若有任意一条从聚类中抽出的轴未与任何有向边匹配上,则将该聚类标识发送给融合模块,以指示融合模块为该聚类本身生成一个组合。
融合模块:接收匹配模块发来的聚类标识和组合标识,将该聚类标识对应的聚类加入到该组合标识对应的组合中;接收匹配模块发来的聚类标识,将该聚类标识对应的聚类生成一个组合。
在实际应用中,融合模块可包括:边确定模块、边长及中心确定模块和角点确定模块,其中:
边确定模块:接收匹配模块发来的聚类标识,将从该聚类标识对应的聚类中抽出的最长轴作为新组合的基边,将该基边按照预设方向旋转,分别得到新组合的其它各有向边。
边长及中心确定模块:当接收到匹配模块发来的聚类标识和组合标识时,将该聚类标识对应聚类及该组合标识对应组合中的所有激光点投影到新组合的各有向边上,得到新组合的各有向边的边长,计算所述聚类及所述组合中的所有激光点的中心,该中心即为新组合的中心;当接收到匹配模块发来的聚类标识时,将该聚类标识对应聚类中的所有激光点投影到要生成组合的各有向边上,得到要生成组合的各有向边的边长,计算所述聚类中的所有激光点的中心,该中心即为要生成组合的中心。
角点确定模块:当接收到匹配模块发来的聚类标识和组合标识时,在该聚类标识对应聚类及该组合标识对应组合中的聚类中的所有方向向量中,搜索新组合的各有向边的支撑向量,若有一对相邻有向边都有支撑向量,则确定该相邻有向边具有角点;当接收到匹配模块发来的聚类标识时,在该聚类标识对应聚类中的所有方向向量中,搜索要生成组合的各有向边的支撑向量,若有一对相邻有向边都有支撑向量,则确定该相邻有向边具有角点。
以上所述仅为本发明的过程及方法实施例,并不用以限制本发明,凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (15)
1.一种基于多激光扫描仪的数据融合方法,其特征在于,预先定义移动目标的平面轮廓模型,该方法包括:
对于每帧扫描数据,对该帧数据中的激光点进行聚类;
在不同激光扫描仪所获得的所有聚类中,对于相互距离在预设值内的每组聚类,若该组聚类中的所有方向向量与移动目标的平面轮廓模型匹配,则将该组聚类组合为一个移动目标;
所述移动目标的平面轮廓模型为一个有向多边形,多边形的各条边为有向边,各条边的方向向量构成一个逆时针或顺时针旋转的闭合环,且,若从聚类中抽出的轴与有向多边形的一条有向边匹配,则将该轴作为该有向边的支撑向量。
2.如权利要求1所述的方法,其特征在于,所述对于相互距离在预设值内的每组聚类,若该组聚类中的所有方向向量与移动目标的平面轮廓模型匹配,则将该组聚类组合为一个移动目标包括:
在不同激光扫描仪所获得的所有聚类中选择一个未加入任何组合的聚类,在与该聚类的距离为预设值内的组合中,选择一个组合,将从该聚类中抽出的各条轴分别与所选择组合的各有向边匹配,若从该聚类中抽出的每条轴都分别与一条有向边匹配,则将该聚类加入到该组合中。
3.如权利要求2所述的方法,其特征在于,所述将从该聚类中抽出的各条轴分别与所选择组合的各有向边匹配为:对于从该聚类中抽出的每条轴,分别计算该轴与所选择组合的各条有向边的角度差,若与一条有向边的角度差小于预设值,则认为该轴与该条有向边匹配上。
4.如权利要求2所述的方法,其特征在于,当从该聚类中抽出的每条轴都分别与一条有向边匹配,且从聚类中抽出的最长轴大于组合的最长有向边的边长时,所述将该聚类加入到该组合中包括:
将从所述聚类中抽出的最长轴作为新组合的基边,将该基边按照预设方向旋转,分别得到新组合的其它各有向边;
将所述聚类及所述组合中的所有激光点投影到新组合的各有向边上,得到新组合的各有向边的边长,计算所述聚类及所述组合中的所有激光点的中心,该中心即为新组合的中心;
在所述聚类及所述组合中的聚类中的所有方向向量中,搜索新组合的各有向边的支撑向量,若新组合有一对相邻有向边都有支撑向量,则确定该相邻有向边具有角点;
以新组合更新所述组合。
5.如权利要求2所述的方法,其特征在于,当从该聚类中抽出的每条轴都分别与一条有向边匹配,且从聚类中抽出的每条轴的长度都不大于组合的最长有向边的边长时,所述将该聚类加入到该组合中包括:
将所述聚类及所述组合中的所有激光点投影到所述组合的各有向边上,得到所述组合的各有向边的新边长,计算所述聚类及所述组合中的所有激光点的中心,该中心即为所述组合的新中心;
若发现从所述聚类中抽出的轴投影到的有向边与其相邻边由不都具有支撑向量变为都具有支撑向量,则确定该对相邻有向边产生了角点。
6.如权利要求2所述的方法,其特征在于,当有任意一条从所述聚类中抽出的轴未与任何有向边匹配上时,所述方法进一步包括:为该聚类本身生成一个组合。
7.如权利要求6所述的方法,其特征在于,所述为该聚类本身生成一个组合包括:
将从所述聚类中抽出的最长轴作为要生成的组合的基边,将该基边按照预设方向旋转,分别得到新组合的其它各有向边;
将所述聚类中的所有激光点投影到要生成组合的各有向边上,得到要生成组合的各有向边的边长;计算所述聚类中的所有激光点的中心,该中心即为要生成组合的中心;
在所述聚类中的所有方向向量中,搜索要生成组合的各有向边的支撑向量,若有一对相邻有向边都有支撑向量,则确定该相邻有向边具有角点。
8.如权利要求1所述的方法,其特征在于,所述将该聚类加入到该组合中之后进一步包括:判断将所述聚类加入到所述组合中所生成的新组合是否可信,若是,以该新组合替换所述组合;否则,废弃该新组合。
9.如权利要求8所述的方法,其特征在于,所述移动目标的平面轮廓模型为一个有向多边形,
所述判断将所述聚类加入到所述组合中所生成的新组合是否可信包括:对于新组合中的所有聚类中的每个激光点,确定该激光点所在的聚类中的轴在新组合中的对应边,计算该激光点到该对应边的投影距离,计算所有激光点对应的距离的方差,若该方差值小于预设方差,则确定该新组合不可信;否则,确定该新组合可信。
10.一种基于多激光扫描仪的数据融合***,其特征在于,该***包括:
聚类模块,对于每帧扫描数据,对该帧数据中的激光点进行聚类,将聚类结果输出到数据融合模块;
数据融合模块,在不同激光扫描仪所获得的所有聚类中,对于相互距离在预设值内的每组聚类,若该组聚类中的所有方向向量与预定义的移动目标的平面轮廓模型匹配,则将该组聚类组合为一个移动目标,所述移动目标的平面轮廓模型为一个有向多边形,多边形的各条边为有向边,各条边的方向向量构成一个逆时针或顺时针旋转的闭合环,且,若从聚类中抽出的轴与有向多边形的一条有向边匹配,则将该轴作为该有向边的支撑向量。
11.如权利要求10所述的***,其特征在于,所述数据融合模块包括:
匹配模块,在所有聚类中选择一个未加入任何组合的聚类,在与该聚类的距离为预设值内的组合中,选择一个组合,将从该聚类中抽出的各条轴分别与所选择组合的各有向边匹配,若从该聚类中抽出的每条轴都分别与一条有向边匹配,则将该聚类标识和组合标识发送给融合模块;
融合模块,接收匹配模块发来的聚类标识和组合标识,将该聚类标识对应的聚类加入到该组合标识对应的组合中。
12.如权利要求11所述的***,其特征在于,所述融合模块包括:
边确定模块,将从所述聚类中抽出的最长轴作为新组合的基边,将该基边按照预设方向旋转,分别得到新组合的其它各有向边;
边长及中心确定模块,将所述聚类及所述组合中的所有激光点投影到新组合的各有向边上,得到新组合的各有向边的边长,计算所述聚类及所述组合中的所有激光点的中心,该中心即为新组合的中心;
角点确定模块,在所述聚类及所述组合中的聚类中的所有方向向量中,搜索新组合的各有向边的支撑向量,若有一对相邻有向边都有支撑向量,则确定该相邻有向边具有角点。
13.如权利要求11所述的***,其特征在于,所述匹配模块进一步包括一模块,该模块用于在发现有任意一条从聚类中抽出的轴未与任何有向边匹配上后,将该聚类标识发送给融合模块,以指示融合模块为该聚类本身生成一个组合。
14.如权利要求13所述的***,其特征在于,所述融合模块包括:
边确定模块,将从所述聚类中抽出的最长轴作为要生成的组合的基边,将该基边按照预设方向旋转,分别得到新组合的其它各有向边;
边长及中心确定模块,将所述聚类中的所有激光点投影到要生成组合的各有向边上,得到要生成组合的各有向边的边长,计算所述聚类中的所有激光点的中心,该中心即为要生成组合的中心;
角点确定模块,在所述聚类中的所有方向向量中,搜索要生成组合的各有向边的支撑向量,若有一对相邻有向边都有支撑向量,则确定该相邻有向边具有角点。
15.如权利要求10所述的***,其特征在于,所述数据融合模块进一步包括一模块,该模块用于判断将所述聚类加入到所述组合中所生成的新组合是否可信,若是,以该新组合替换所述组合;否则,废弃该新组合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008101713176A CN101387700B (zh) | 2008-10-12 | 2008-10-12 | 基于多激光扫描仪的数据融合方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008101713176A CN101387700B (zh) | 2008-10-12 | 2008-10-12 | 基于多激光扫描仪的数据融合方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101387700A CN101387700A (zh) | 2009-03-18 |
CN101387700B true CN101387700B (zh) | 2011-09-21 |
Family
ID=40477228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008101713176A Expired - Fee Related CN101387700B (zh) | 2008-10-12 | 2008-10-12 | 基于多激光扫描仪的数据融合方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101387700B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101853575A (zh) * | 2010-05-31 | 2010-10-06 | 北京航空航天大学 | 基于二维激光扫描仪的路***通冲突检测及安全评价方法 |
CN102980512A (zh) * | 2012-08-29 | 2013-03-20 | 武汉武大卓越科技有限责任公司 | 一种固定式自动体积测量***及其测量方法 |
CN109753981B (zh) * | 2017-11-06 | 2020-12-22 | 彼乐智慧科技(北京)有限公司 | 一种图像识别的方法及装置 |
CN108596117B (zh) * | 2018-04-28 | 2021-03-02 | 河北工业大学 | 一种基于二维激光测距仪阵列的场景监控方法 |
JP7205181B2 (ja) * | 2018-11-19 | 2023-01-17 | 株式会社Ihi | 監視システム及び処理装置 |
JP7205179B2 (ja) * | 2018-11-19 | 2023-01-17 | 株式会社Ihi | 監視システム |
JP7205180B2 (ja) * | 2018-11-19 | 2023-01-17 | 株式会社Ihi | 監視システム及び処理装置 |
CN109613553B (zh) * | 2018-12-18 | 2021-05-18 | 歌尔光学科技有限公司 | 基于激光雷达确定场景中物体数量的方法、装置及*** |
CN113534095B (zh) * | 2021-06-18 | 2024-05-07 | 北京电子工程总体研究所 | 一种激光雷达地图构建方法和机器人自主导航方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5000564A (en) * | 1990-03-09 | 1991-03-19 | Spectra-Physics, Inc. | Laser beam measurement system |
CN1825138A (zh) * | 2006-04-07 | 2006-08-30 | 哈尔滨工业大学 | 多频同步调制的大量程高精度快速激光测距方法与装置 |
CN1851499A (zh) * | 2006-05-19 | 2006-10-25 | 武汉大学 | 用于激光测距的数据采集装置及其采集流程 |
-
2008
- 2008-10-12 CN CN2008101713176A patent/CN101387700B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5000564A (en) * | 1990-03-09 | 1991-03-19 | Spectra-Physics, Inc. | Laser beam measurement system |
CN1825138A (zh) * | 2006-04-07 | 2006-08-30 | 哈尔滨工业大学 | 多频同步调制的大量程高精度快速激光测距方法与装置 |
CN1851499A (zh) * | 2006-05-19 | 2006-10-25 | 武汉大学 | 用于激光测距的数据采集装置及其采集流程 |
Non-Patent Citations (2)
Title |
---|
刘志强 等.车辆防撞检测技术研究.《公路交通科技应用技术版》.2008,33-35. * |
金峰 等.机器人IMU与激光扫描测距传感器数据融合.《机器人》.2000,第22卷(第6期),470-473. * |
Also Published As
Publication number | Publication date |
---|---|
CN101387700A (zh) | 2009-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101387700B (zh) | 基于多激光扫描仪的数据融合方法及*** | |
CN101393264B (zh) | 基于多激光扫描仪的移动目标跟踪方法及*** | |
JP7465312B2 (ja) | 高周波パルス発射を用いる高分解能ライダ | |
Lambert et al. | Performance analysis of 10 models of 3D LiDARs for automated driving | |
US10495757B2 (en) | Intelligent ladar system with low latency motion planning updates | |
US11187790B2 (en) | Laser scanning system, laser scanning method, movable laser scanning system, and program | |
JP4669661B2 (ja) | 複数のオプトエレクトロニクス・センサのデータの修正方法 | |
Liang et al. | The use of a mobile laser scanning system for mapping large forest plots | |
CN108875804B (zh) | 一种基于激光点云数据的数据处理方法和相关装置 | |
CN111781608B (zh) | 一种基于fmcw激光雷达的运动目标检测方法及*** | |
CN114080625A (zh) | 绝对位姿确定方法、电子设备及可移动平台 | |
CN111045000A (zh) | 监测***和方法 | |
KR102151815B1 (ko) | 카메라 및 라이다 센서 융합을 이용한 객체 검출 방법 및 그를 위한 장치 | |
CN107728131B (zh) | 激光雷达及激光雷达控制方法 | |
CN111856507B (zh) | 一种环境感测实现方法、智能移动设备和存储介质 | |
CN115661269A (zh) | 相机与激光雷达的外参标定方法、装置及存储介质 | |
RU2679923C1 (ru) | Способ получения пространственной модели окружающей обстановки в режиме реального времени на основе данных лазерной локации и устройство для его осуществления | |
US11879979B2 (en) | Method and apparatus for dynamic reconfiguration of region of interest in integrated FMCW LIDAR | |
Kloeker et al. | Real-time point cloud fusion of multi-lidar infrastructure sensor setups with unknown spatial location and orientation | |
Zhang et al. | An algorithm for motion estimation based on the interframe difference detection function model | |
KR102050756B1 (ko) | 초소형 표적 탐지기 | |
US20210389460A1 (en) | Image processing device, control program, and image processing method | |
Wang et al. | An Advanced System‐Level Testing for Roadside Multimodal Sensing and Processing in IoV | |
Sobottka et al. | Vision-based driver assistance using range imagery | |
EP4318027A1 (en) | Synchronous control device and method for lidar |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110921 Termination date: 20181012 |
|
CF01 | Termination of patent right due to non-payment of annual fee |