CN108345007A - 一种障碍物识别方法和装置 - Google Patents

一种障碍物识别方法和装置 Download PDF

Info

Publication number
CN108345007A
CN108345007A CN201710051134.XA CN201710051134A CN108345007A CN 108345007 A CN108345007 A CN 108345007A CN 201710051134 A CN201710051134 A CN 201710051134A CN 108345007 A CN108345007 A CN 108345007A
Authority
CN
China
Prior art keywords
cloud
point cloud
initial clustering
obstacle recognition
rasterizing
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.)
Granted
Application number
CN201710051134.XA
Other languages
English (en)
Other versions
CN108345007B (zh
Inventor
张磊
路晓静
李飞
李雅雷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yutong Bus Co Ltd
Original Assignee
Zhengzhou Yutong Bus Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhengzhou Yutong Bus Co Ltd filed Critical Zhengzhou Yutong Bus Co Ltd
Priority to CN201710051134.XA priority Critical patent/CN108345007B/zh
Publication of CN108345007A publication Critical patent/CN108345007A/zh
Application granted granted Critical
Publication of CN108345007B publication Critical patent/CN108345007B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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识别方法和装置，其中障碍物识别方法，包括如下步骤：(1)获取点云；(2)将点云粗栅格化，得到点云的初始聚类，计算出各初始聚类的几何中心；(3)将点云细栅格化，根据各点云的位置和各初始聚类的几何中心位置，得到点云的新聚类，将各新聚类作为相应的障碍物；所述细栅格化的间隔长度小于粗栅格化的栅格间隔长度。本发明所提供的一种障碍物识别方法和装置，在识别障碍物的过程中，处理的数据较少，算法也比较简单，所以不会花费大量的时间，能够保证对障碍物识别的实时性。

Description

一种障碍物识别方法和装置
技术领域
本发明属于车辆环境感知技术领域，具体涉及一种障碍物识别方法和装置。
背景技术
随着科学技术的发展，人们对车辆的智能化需求也越来越高，其中提高车辆的环境感知能力是提高车辆智能化的重要发展方向。
提高车辆的环境感知能力，首先需要提高车辆的障碍物识别能力。障碍物识别包括对原始数据进行分类、障碍物类型识别和障碍物速度识别。由于激光雷达检测精度高，数据输出频率高，且近年来激光雷达在汽车领域的发展趋于产业化，成本逐渐降低，因此被越来越多的应用到汽车自动驾驶中。如公布号为CN104931977A的专利文件所公开的一种用于智能车辆的障碍物识别方法，就是采用激光雷达获取障碍物的障碍点，即采用激光雷达获取障碍物的点云数据，然后对障碍物进行判断。这种方法虽然能够提高对障碍物类型识别的准确率，但是点云数据量巨大，算法也比较复杂，运算过程需要花费大量的时间，不能保证对障碍物识别的实时性。
发明内容
本发明涉及一种障碍物识别方法和装置，用于解决现有技术中对障碍物识别时算法复杂，运算过程需要花费大量时间的问题。
一种障碍物识别方法，包括如下步骤：
(1)获取点云；
(2)将点云粗栅格化，得到点云的初始聚类，计算出各初始聚类的几何中心；
(3)将点云细栅格化，根据各点云的位置和各初始聚类的几何中心位置，得到点云的新聚类，将各新聚类作为相应的障碍物；所述细栅格化的间隔长度小于粗栅格化的栅格间隔长度。
本发明所提供的一种障碍物识别方法，首先将获取的点云粗栅格化，得到初始聚类，然后再将点云细栅格化，得到点云的新聚类，新聚类即为障碍物。本发明所提供的一种障碍物识别方法和装置，在识别障碍物的过程中，处理的数据较少，算法也比较简单，所以不会花费大量的时间，能够保证对障碍物识别的实时性。
进一步的，如果步骤(1)中获取的是三维点云，则将其映射到平面中，得到平面内的点云。
如果只需检测障碍物的位置，不需要确定障碍物的形状，将点云数据映射到平面中，在二维的平面中计算，能够进一步的减少算法的复杂程度，提高运算的速度。
进一步的，将点云粗栅格化后，采用区域增长法对点云进行初始聚类：选中某个存在平面点云的栅格作为一个窗口，判断该窗口各相邻的栅格内是否存在平面点云，如果存在，则将其划分到该窗口内，将该窗口内的平面点云归为同一初始聚类。
进一步的，将点云细栅格化后，计算各点云与各初始聚类几何中心之间的距离，作为该点云与相应初始聚类之间的距离；将各点云归于与其距离最近的初始聚类，得到新聚类。
进一步的，所述粗栅格化选取的间隔长度在1-2m之间取值，细栅格化选取的间隔长度在0.1-0.5m之间取值。
一种障碍物识别装置，包括如下模块：
获取点云的模块；
将点云粗栅格化，得到点云的初始聚类，计算出各初始聚类的几何中心的模块；
将点云细栅格化，根据各点云的位置和各初始聚类的几何中心位置，得到点云的新聚类，将各新聚类作为相应的障碍物；所述细栅格化的间隔长度小于粗栅格化的栅格间隔长度的模块。
进一步的，如果获取点云的模块获取的是三维点云，则将其映射到平面中，得到平面内的点云。
进一步的，将点云粗栅格化后，采用区域增长法对点云进行初始聚类：选中某个存在平面点云的栅格作为一个窗口，判断该窗口各相邻的栅格内是否存在平面点云，如果存在，则将其划分到该窗口内，将该窗口内的平面点云归为同一初始聚类。
进一步的，将点云细栅格化后，计算各点云与各初始聚类几何中心之间的距离，作为该点云与相应初始聚类之间的距离；将各点云归于与其距离最近的初始聚类，得到新聚类。
进一步的，所述粗栅格化选取的间隔长度在1-2m之间取值，细栅格化选取的间隔长度在0.1-0.5m之间取值。
附图说明
图1为实施例提供的障碍物识别方法的流程图。
具体实施方式
本发明涉及一种障碍物识别方法和装置，用于解决现有技术中对障碍物识别时算法复杂，运算过程需要花费大量时间的问题。
一种障碍物识别方法，包括如下步骤：
(1)获取点云；
(2)将点云粗栅格化，得到点云的初始聚类，计算出各初始聚类的几何中心；
(3)将点云细栅格化，根据各点云的位置和各初始聚类的几何中心位置，得到点云的新聚类，将各新聚类作为相应的障碍物；所述细栅格化的间隔长度小于粗栅格化的栅格间隔长度。
本发明所提供的一种障碍物识别方法，首先将获取的点云粗栅格化，得到初始聚类，然后再将点云细栅格化，得到点云的新聚类，新聚类即为障碍物。本发明所提供的一种障碍物识别方法，在识别障碍物的过程中，处理的数据较少，算法也比较简单，所以不会花费大量的时间，能够保证对障碍物识别的实时性。
下面结合附图对本发明进行详细说明。
方法实施例：
本实施例提供一种障碍物识别方法，其流程如图1所示，具体步骤如下：
(1)采用激光雷达获取障碍物的三维点云；
(2)将三维点云映射到二维平面中，得到平面点云；
(3)对平面点云粗栅格化，采用区域增长算法获取平面点云的初始聚类；
粗栅格化时选取的间隔长度一般在1-2m之间取值；
区域增长算法是指先选中某个存在平面点云的栅格作为一个窗口，判断该窗口各相邻的栅格内是否存在平面点云，如果存在，则将其划分到该窗口内；依次对该窗口进行扩展，直到与该窗口相邻的栅格内不存在平面点云为止；将该窗口内的平面点云归为同一初始聚类，以此得到平面点云的所有初始聚类；
(4)计算各初始聚类的几何中心；
设某个初始聚类的上下左右四个边界的栅格坐标分别为(xup，yup)、(xbuttom，ybuttom)、(xleft，yleft)、(xright，yright),则该初始聚类几何中心的横轴坐标为 xcenter＝(xleft+xright)/2,纵轴坐标为ycenter＝(yleft+yright)/2；依次计算出各初始聚类的几何中心坐标；
(5)将平面点云细栅格化，计算出各平面点云与各初始聚类几何中心的距离，各平面点云与各初始聚类几何中心之间的距离即为各平面点云与相应初始聚类之间的距离；将各平面点云归入与其距离最近的初始聚类，得到新聚类；
细栅格化时选取的间隔长度一般在0.1-0.5m之间取值；
设某个点云的栅格坐标为(xpoint_cloud，ypoint_cloud)，某个初始聚类的几何中心为(xcenter，ycenter)，则该点云与该初始聚类之间的距离为
(6)按照上述计算初始聚类几何中心的方法计算出各新聚类的几何中心；
为了保证对各新聚类几何中心计算的准确性，对同一个新聚类进行多次计算，当某个新聚类连续两次计算出的几何中心之间距离小于设定值时，判断为该新聚类的几何中心收敛平衡，选取该两次计算出的几何中心中任意一个，或者两个几何中心的中点作为该新聚类的几何中心；上述设定值一般在0.5-1m 之间取值；
此时得到的各新聚类即为相应的障碍物，各新聚类的几何中心即为相应障碍物的位置。
本实施例所提供的一种障碍物识别方法，为了计算方便，采用激光雷达获取障碍物的三维点云后将其映射到二维平面中，得到平面点云；作为其他实施方式，可以直接对三维点云进行计算，将上述平面点云的计算方法转化为三维点云的计算方法即可。
在本实施例中，采用区域增长算法划分初始聚类；作为其他实施方法，可以采用其他方法划分初始聚类，如根据图像中物体的轮廓得到初始聚类等。
在本实施例中，根据各点云与各初始聚类几何中心之间的距离得到新聚类；作为其他实施方式，可以采用其他方法，根据各点云的位置与各初始聚类几何中心的位置得到新聚类，如根据区域增长法得到新聚类。
装置实施例：
本实施例提供一种障碍物识别装置，包括如下模块：
获取点云的模块；
将点云粗栅格化，得到点云的初始聚类，计算出各初始聚类的几何中心的模块；
将点云细栅格化，根据各点云的位置和各初始聚类的几何中心位置，得到点云的新聚类，将各新聚类作为相应的障碍物；所述细栅格化的间隔长度小于粗栅格化的栅格间隔长度的模块。
本实施例提供的一种障碍物识别装置，其中各模块并不是硬件模块，而是按照上述方法实施例所提供的方法进行编程，得到的软件模块，运行在车辆的整车控制器或者其他处理器中，可存储在移动存储装置或者固定存储装置中。
以上给出了本发明涉及的具体实施方式，但本发明不局限于所描述的实施方式。在本发明给出的思路下，采用对本领域技术人员而言容易想到的方式对上述实施例中的技术手段进行变换、替换、修改，并且起到的作用与本发明中的相应技术手段基本相同、实现的发明目的也基本相同，这样形成的技术方案是对上述实施例进行微调形成的，这种技术方案仍落入本发明的保护范围内。

Claims (10)

1.一种障碍物识别方法，其特征在于，包括如下步骤：
(1)获取点云；
(2)将点云粗栅格化，得到点云的初始聚类，计算出各初始聚类的几何中心；
(3)将点云细栅格化，根据各点云的位置和各初始聚类的几何中心位置，得到点云的新聚类，将各新聚类作为相应的障碍物；所述细栅格化的间隔长度小于粗栅格化的栅格间隔长度。
2.根据权利要求1所述的一种障碍物识别方法，其特征在于，如果步骤(1)中获取的是三维点云，则将其映射到平面中，得到平面内的点云。
3.根据权利要求1所述的一种障碍物识别方法，其特征在于，将点云粗栅格化后，采用区域增长法对点云进行初始聚类：选中某个存在平面点云的栅格作为一个窗口，判断该窗口各相邻的栅格内是否存在平面点云，如果存在，则将其划分到该窗口内，将该窗口内的平面点云归为同一初始聚类。
4.根据权利要求1所述的一种障碍物识别方法，其特征在于，将点云细栅格化后，计算各点云与各初始聚类几何中心之间的距离，作为该点云与相应初始聚类之间的距离；将各点云归于与其距离最近的初始聚类，得到新聚类。
5.根据权利要求1所述的一种障碍物识别方法，其特征在于，所述粗栅格化选取的间隔长度在1-2m之间取值，细栅格化选取的间隔长度在0.1-0.5m之间取值。
6.一种障碍物识别装置，其特征在于，包括如下模块：
获取点云的模块；
将点云粗栅格化，得到点云的初始聚类，计算出各初始聚类的几何中心的模块；
将点云细栅格化，根据各点云的位置和各初始聚类的几何中心位置，得到点云的新聚类，将各新聚类作为相应的障碍物；所述细栅格化的间隔长度小于粗栅格化的栅格间隔长度的模块。
7.根据权利要求6所述的一种障碍物识别装置，其特征在于，如果获取点云的模块获取的是三维点云，则将其映射到平面中，得到平面内的点云。
8.根据权利要求6所述的一种障碍物识别装置，其特征在于，将点云粗栅格化后，采用区域增长法对点云进行初始聚类：选中某个存在平面点云的栅格作为一个窗口，判断该窗口各相邻的栅格内是否存在平面点云，如果存在，则将其划分到该窗口内，将该窗口内的平面点云归为同一初始聚类。
9.根据权利要求6所述的一种障碍物识别装置，其特征在于，将点云细栅格化后，计算各点云与各初始聚类几何中心之间的距离，作为该点云与相应初始聚类之间的距离；将各点云归于与其距离最近的初始聚类，得到新聚类。
10.根据权利要求6所述的一种障碍物识别装置，其特征在于，所述粗栅格化选取的间隔长度在1-2m之间取值，细栅格化选取的间隔长度在0.1-0.5m之间取值。
CN201710051134.XA 2017-01-23 2017-01-23 一种障碍物识别方法和装置 Active CN108345007B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710051134.XA CN108345007B (zh) 2017-01-23 2017-01-23 一种障碍物识别方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710051134.XA CN108345007B (zh) 2017-01-23 2017-01-23 一种障碍物识别方法和装置

Publications (2)

Publication Number Publication Date
CN108345007A true CN108345007A (zh) 2018-07-31
CN108345007B CN108345007B (zh) 2020-10-20

Family

ID=62974766

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710051134.XA Active CN108345007B (zh) 2017-01-23 2017-01-23 一种障碍物识别方法和装置

Country Status (1)

Country Link
CN (1) CN108345007B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110363771A (zh) * 2019-07-15 2019-10-22 武汉中海庭数据技术有限公司 一种基于三维点云数据的隔离护栏形点提取方法及装置
WO2020199173A1 (zh) * 2019-04-03 2020-10-08 华为技术有限公司 定位方法和定位装置
CN114442101A (zh) * 2022-01-28 2022-05-06 南京慧尔视智能科技有限公司 基于成像毫米波雷达的车辆导航方法、装置、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104298971A (zh) * 2014-09-28 2015-01-21 北京理工大学 一种3d点云数据中的目标识别方法
CN104700398A (zh) * 2014-12-31 2015-06-10 西安理工大学 一种点云场景物体提取方法
CN106199558A (zh) * 2016-08-18 2016-12-07 宁波傲视智绘光电科技有限公司 障碍物快速检测方法
CN106054208B (zh) * 2016-08-16 2019-02-19 长春理工大学 多线激光雷达车辆目标识别方法和汽车的防撞装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104298971A (zh) * 2014-09-28 2015-01-21 北京理工大学 一种3d点云数据中的目标识别方法
CN104700398A (zh) * 2014-12-31 2015-06-10 西安理工大学 一种点云场景物体提取方法
CN106054208B (zh) * 2016-08-16 2019-02-19 长春理工大学 多线激光雷达车辆目标识别方法和汽车的防撞装置
CN106199558A (zh) * 2016-08-18 2016-12-07 宁波傲视智绘光电科技有限公司 障碍物快速检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
BOERCS ATTILA ETAL.: "" Fast 3-D urban object detection on streaming point clouds"", 《LECTURE NOTES IN COMPUTER SCIENCE》 *
程健: ""基于三维激光雷达的实时目标检测"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020199173A1 (zh) * 2019-04-03 2020-10-08 华为技术有限公司 定位方法和定位装置
CN112543877A (zh) * 2019-04-03 2021-03-23 华为技术有限公司 定位方法和定位装置
CN112543877B (zh) * 2019-04-03 2022-01-11 华为技术有限公司 定位方法和定位装置
US12001517B2 (en) 2019-04-03 2024-06-04 Huawei Technologies Co., Ltd. Positioning method and apparatus
CN110363771A (zh) * 2019-07-15 2019-10-22 武汉中海庭数据技术有限公司 一种基于三维点云数据的隔离护栏形点提取方法及装置
CN110363771B (zh) * 2019-07-15 2021-08-17 武汉中海庭数据技术有限公司 一种基于三维点云数据的隔离护栏形点提取方法及装置
CN114442101A (zh) * 2022-01-28 2022-05-06 南京慧尔视智能科技有限公司 基于成像毫米波雷达的车辆导航方法、装置、设备及介质
CN114442101B (zh) * 2022-01-28 2023-11-14 南京慧尔视智能科技有限公司 基于成像毫米波雷达的车辆导航方法、装置、设备及介质

Also Published As

Publication number Publication date
CN108345007B (zh) 2020-10-20

Similar Documents

Publication Publication Date Title
CN110781827B (zh) 一种基于激光雷达与扇状空间分割的路沿检测***及其方法
Zheng et al. Improved lane line detection algorithm based on Hough transform
CN110320504B (zh) 一种基于激光雷达点云统计几何模型的非结构化道路检测方法
CN110084272B (zh) 一种聚类地图创建方法及基于聚类地图和位置描述子匹配的重定位方法
CN108345823A (zh) 一种基于卡尔曼滤波的障碍物跟踪方法和装置
CN105760812B (zh) 一种基于Hough变换的车道线检测方法
CN110780305B (zh) 一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法
CN101509781B (zh) 基于单目摄像头的步行机器人定位***
CN103226833B (zh) 一种基于三维激光雷达的点云数据分割方法
CN111665842B (zh) 一种基于语义信息融合的室内slam建图方法及***
CN102248947B (zh) 使用3-d激光测距仪的目标和车辆检测及跟踪
CN110208819A (zh) 一种多个障碍物三维激光雷达数据的处理方法
CN109270544A (zh) 基于杆状物识别的移动机器人自定位***
CN111612841B (zh) 目标定位方法及装置、移动机器人及可读存储介质
CN103236064A (zh) 一种基于法向量的点云自动配准方法
CN104657968B (zh) 车载三维激光点云立面分类及轮廓线提取自动化方法
CN104330767A (zh) 基于相位模糊数搜索与最小二乘拟合的干涉仪测向方法
CN108345007A (zh) 一种障碍物识别方法和装置
CN105678252A (zh) 依据人脸三角网格自适应细分和高斯小波的迭代插值方法
CN113640826B (zh) 一种基于3d激光点云的障碍物识别方法及***
CN112232248B (zh) 一种多线LiDAR点云数据平面特征的提取方法及装置
Yang et al. Vision-based intelligent vehicle road recognition and obstacle detection method
CN107657621B (zh) 基于线性区域生长的二维激光点云序列实时分割方法
CN106503674B (zh) 一种应用于复杂地形区域的点云滤波方法
CN110910435B (zh) 建筑物点云提取方法、装置、计算机设备及可读存储介质

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
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: 450061 Yudao Road, Guancheng District, Zhengzhou City, Henan Province

Patentee after: Yutong Bus Co., Ltd

Address before: 450016 Yutong Industrial Zone, eighteen Li River, Henan, Zhengzhou

Patentee before: Zhengzhou Yutong Bus Co., Ltd

CP03 Change of name, title or address