CN108734124A - 一种激光雷达动态行人检测方法 - Google Patents
一种激光雷达动态行人检测方法 Download PDFInfo
- Publication number
- CN108734124A CN108734124A CN201810481254.8A CN201810481254A CN108734124A CN 108734124 A CN108734124 A CN 108734124A CN 201810481254 A CN201810481254 A CN 201810481254A CN 108734124 A CN108734124 A CN 108734124A
- Authority
- CN
- China
- Prior art keywords
- laser
- pedestrian
- laser radar
- radar
- vehicle
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了道路交通安全技术领域的一种激光雷达动态行人检测方法,该方法的具体步骤如下:S1:激光雷达安装;S2:设定雷达坐标系;S3:激光雷达数据聚类;S4:特征提取;S5:特征分类;S6:行人样本采集,本发明针对激光检测的障碍物进行聚类算法分析,并组成特征集,对行人检测有很好的精度以及鲁棒性,不仅能够检测出单人,还能针对并排运动的非机动车以及行人中准确检测出行人目标,具有检测效果好及检测精度高的特点。
Description
技术领域
本发明公开了一种激光雷达动态行人检测方法,具体为道路交通安全技术领域。
背景技术
道路交通安全作为智能交通***中的重要一环,越来越受到国内外研究机构的重视,在混合交通环境下,行人检测对安全辅助驾驶具有重要的意义。在目前的行人检测方法中,普遍采用单传感器的方法,或运用纹理、熵、模板匹配等方法在一般城市环境下检测运动行人,或采用立体视觉***,运用摄像头倾斜度补偿方法获得地面兴趣物体,并利用支持向量机检测行人,但是,基于单一的传感器检测方法受到的信息量少、算法较为复杂的制约,已很难满足当前快速、鲁棒性要求高的行人检测要求。为此,我们提出了一种激光雷达动态行人检测方法投入使用,以解决上述问题。
发明内容
本发明的目的在于提供一种激光雷达动态行人检测方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种激光雷达动态行人检测方法,该检测方法的具体步骤如下:
S1:激光雷达安装:将四线激光雷达安装在车辆的正前方中央位置,并距离地面高度为0.7m;
S2:设定雷达坐标系:设定车辆后轴中心为车辆坐标系的原点OV,车辆的行驶方向为XV轴,与行驶方向垂直的方向为YV轴,与路面垂直向上为ZV轴,使用分层转换坐标式中:ρ为雷达中心与障碍物扫描电的距离,θ为传感器扫描的角度,i为雷达的层号,T1×3为平移矩阵,表示从激光坐标系原点到车辆坐标系原点的差值,可通过实际测量得到,R3×3为安装旋转矩阵;
S3:激光雷达数据聚类:将一帧雷达数据分割为几个点簇,这些点簇可能包含了行人和非行人,其聚类的判断规则如下:
式中:rmin={rk,rk+1},rk,k+1=|rk-rk+1|为相邻两个激光雷达的距离,φ为激光雷达角分辨率,C0调节激光雷达的纵向误差,由经验值给定,即C0=0.001,当相邻的两个激光雷达距离小于阈值时,可视为同一个物体;
S4:特征提取:聚类完成后,分别提取每个类簇的特征来构成区分不同障碍物的特征集;
S5:特征分类:针对类簇中的每个特征训练分类器,即
其中hi为特征fi的弱分类器,是区分两类目标的阈值,Pi+1或-1用于修正不平等方向;
S6:行人样本采集:采集1200个正样本以及500个负样本,使用900个正样本和400个负样本作为训练数据,生成强分类器,剩下的正样本和负样本则作为测试数据,测试该方法的检测精度。
优选的,所述步骤S1中,为保证车辆行驶在水平面时能够两条激光射线扫描到路面,确保对人腿的检测效果,在安装激光雷达时,雷达的发射端应向下倾斜2.4°。
优选的,所述步骤S4中,对分割出的每个类簇,构建行人目标检测的特征集F={f1,f2,f3,f4,f5,f6,f7,f8,f9,f10,f11,f12,f13},其中f1为激光雷达传感器距离障碍物类簇几何中心的距离,f2为每个类簇中包含激光点云数目,f3为类簇中所有点的标准偏差,f4和f5能够包含类簇内所有点云的最佳边界盒子的长和宽,f6为点云的拟合线的线性度,f7和f8为类簇点云最佳拟合圆的圆度以及半径,f9为四层激光平面每层点数拟合线直线的斜率,f10~f13为激光平面每层的点数。
优选的,所述步骤S6中,正样本为行人特征数据,负样本为道路旁的树木、非机动车以及机动车。
与现有技术相比,本发明的有益效果是:本发明针对激光检测的障碍物进行聚类算法分析,并组成特征集,对行人检测有很好的精度以及鲁棒性,不仅能够检测出单人,还能针对并排运动的非机动车以及行人中准确检测出行人目标,具有检测效果好及检测精度高的特点。
附图说明
图1为本发明工作流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,本发明提供一种技术方案:一种激光雷达动态行人检测方法,该检测方法的具体步骤如下:
S1:激光雷达安装:将四线激光雷达安装在车辆的正前方中央位置,并距离地面高度为0.7m,为保证车辆行驶在水平面时能够两条激光射线扫描到路面,确保对人腿的检测效果,在安装激光雷达时,雷达的发射端应向下倾斜2.4°;
S2:设定雷达坐标系:设定车辆后轴中心为车辆坐标系的原点OV,车辆的行驶方向为XV轴,与行驶方向垂直的方向为YV轴,与路面垂直向上为ZV轴,使用分层转换坐标式中:ρ为雷达中心与障碍物扫描电的距离,θ为传感器扫描的角度,i为雷达的层号,T1×3为平移矩阵,表示从激光坐标系原点到车辆坐标系原点的差值,可通过实际测量得到,R3×3为安装旋转矩阵;
S3:激光雷达数据聚类:将一帧雷达数据分割为几个点簇,这些点簇可能包含了行人和非行人,其聚类的判断规则如下:
式中:rmin={rk,rk+1},rk,k+1=|rk-rk+1|为相邻两个激光雷达的距离,φ为激光雷达角分辨率,C0调节激光雷达的纵向误差,由经验值给定,即C0=0.001,当相邻的两个激光雷达距离小于阈值时,可视为同一个物体;
S4:特征提取:聚类完成后,分别提取每个类簇的特征来构成区分不同障碍物的特征集,对分割出的每个类簇,构建行人目标检测的特征集F={f1,f2,f3,f4,f5,f6,f7,f8,f9,f10,f11,f12,f13},其中f1为激光雷达传感器距离障碍物类簇几何中心的距离,f2为每个类簇中包含激光点云数目,f3为类簇中所有点的标准偏差,f4和f5能够包含类簇内所有点云的最佳边界盒子的长和宽,f6为点云的拟合线的线性度,f7和f8为类簇点云最佳拟合圆的圆度以及半径,f9为四层激光平面每层点数拟合线直线的斜率,f10~f13为激光平面每层的点数;
S5:特征分类:针对类簇中的每个特征训练分类器,即
其中hi为特征fi的弱分类器,是区分两类目标的阈值,Pi+1或-1用于修正不平等方向;
S6:行人样本采集:采集1200个正样本以及500个负样本,使用900个正样本和400个负样本作为训练数据,生成强分类器,剩下的正样本和负样本则作为测试数据,测试该方法的检测精度,正样本为行人特征数据,负样本为道路旁的树木、非机动车以及机动车。
本发明针对激光检测的障碍物进行聚类算法分析,并组成特征集,对行人检测有很好的精度以及鲁棒性,不仅能够检测出单人,还能针对并排运动的非机动车以及行人中准确检测出行人目标,具有检测效果好及检测精度高的特点。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种激光雷达动态行人检测方法,其特征在于:该检测方法的具体步骤如下:
S1:激光雷达安装:将四线激光雷达安装在车辆的正前方中央位置,并距离地面高度为0.7m;
S2:设定雷达坐标系:设定车辆后轴中心为车辆坐标系的原点OV,车辆的行驶方向为XV轴,与行驶方向垂直的方向为YV轴,与路面垂直向上为ZV轴,使用分层转换坐标
式中:ρ为雷达中心与障碍物扫描电的距离,θ为传感器扫描的角度,i为雷达的层号,T1×3为平移矩阵,表示从激光坐标系原点到车辆坐标系原点的差值,可通过实际测量得到,R3×3为安装旋转矩阵;
S3:激光雷达数据聚类:将一帧雷达数据分割为几个点簇,这些点簇可能包含了行人和非行人,其聚类的判断规则如下:
式中:rmin={rk,rk+1},rk,k+1=|rk-rk+1|为相邻两个激光雷达的距离,φ为激光雷达角分辨率,C0调节激光雷达的纵向误差,由经验值给定,即C0=0.001,当相邻的两个激光雷达距离小于阈值时,可视为同一个物体;
S4:特征提取:聚类完成后,分别提取每个类簇的特征来构成区分不同障碍物的特征集;
S5:特征分类:针对类簇中的每个特征训练分类器,即
其中hi为特征fi的弱分类器,是区分两类目标的阈值,Pi+1或-1用于修正不平等方向;
S6:行人样本采集:采集1200个正样本以及500个负样本,使用900个正样本和400个负样本作为训练数据,生成强分类器,剩下的正样本和负样本则作为测试数据,测试该方法的检测精度。
2.根据权利要求1所述的一种激光雷达动态行人检测方法,其特征在于:所述步骤S1中,为保证车辆行驶在水平面时能够两条激光射线扫描到路面,确保对人腿的检测效果,在安装激光雷达时,雷达的发射端应向下倾斜2.4°。
3.根据权利要求1所述的一种激光雷达动态行人检测方法,其特征在于:所述步骤S4中,对分割出的每个类簇,构建行人目标检测的特征集F={f1,f2,f3,f4,f5,f6,f7,f8,f9,f10,f11,f12,f13},其中f1为激光雷达传感器距离障碍物类簇几何中心的距离,f2为每个类簇中包含激光点云数目,f3为类簇中所有点的标准偏差,f4和f5能够包含类簇内所有点云的最佳边界盒子的长和宽,f6为点云的拟合线的线性度,f7和f8为类簇点云最佳拟合圆的圆度以及半径,f9为四层激光平面每层点数拟合线直线的斜率,f10~f13为激光平面每层的点数。
4.根据权利要求1所述的一种激光雷达动态行人检测方法,其特征在于:所述步骤S6中,正样本为行人特征数据,负样本为道路旁的树木、非机动车以及机动车。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810481254.8A CN108734124A (zh) | 2018-05-18 | 2018-05-18 | 一种激光雷达动态行人检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810481254.8A CN108734124A (zh) | 2018-05-18 | 2018-05-18 | 一种激光雷达动态行人检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108734124A true CN108734124A (zh) | 2018-11-02 |
Family
ID=63938457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810481254.8A Pending CN108734124A (zh) | 2018-05-18 | 2018-05-18 | 一种激光雷达动态行人检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108734124A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110554368A (zh) * | 2019-08-29 | 2019-12-10 | 北京理工大学 | 一种基于四维信息权重的人车识别方法 |
CN111048208A (zh) * | 2019-12-28 | 2020-04-21 | 哈尔滨工业大学(威海) | 一种基于激光雷达的室内独居老人行走健康检测方法 |
CN111444767A (zh) * | 2020-02-25 | 2020-07-24 | 华中科技大学 | 一种基于激光雷达的行人检测和追踪方法 |
CN111444769A (zh) * | 2020-02-25 | 2020-07-24 | 华中科技大学 | 一种基于多尺度自适应随机森林的激光雷达检测人腿方法 |
CN111552289A (zh) * | 2020-04-28 | 2020-08-18 | 苏州高之仙自动化科技有限公司 | 检测方法及虚拟雷达装置、电子设备、存储介质 |
CN112289039A (zh) * | 2020-11-29 | 2021-01-29 | 杭州晶一智能科技有限公司 | 基于激光雷达的人行道行人检测方法 |
CN112734811A (zh) * | 2021-01-21 | 2021-04-30 | 清华大学 | 一种障碍物跟踪方法、障碍物跟踪装置和芯片 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090303026A1 (en) * | 2008-06-04 | 2009-12-10 | Mando Corporation | Apparatus, method for detecting critical areas and pedestrian detection apparatus using the same |
CN104573646A (zh) * | 2014-12-29 | 2015-04-29 | 长安大学 | 基于激光雷达和双目相机的车前行人检测方法及*** |
CN104636763A (zh) * | 2014-12-01 | 2015-05-20 | 北京工业大学 | 一种基于无人驾驶车的道路与障碍物检测方法 |
US20180009378A1 (en) * | 2016-07-08 | 2018-01-11 | Ford Global Technologies, Llc | Pedestrian detection when a vehicle is reversing |
CN107590433A (zh) * | 2017-08-04 | 2018-01-16 | 湖南星云智能科技有限公司 | 一种基于毫米波雷达和车载摄像头的行人检测方法 |
CN107991677A (zh) * | 2017-11-28 | 2018-05-04 | 广州汽车集团股份有限公司 | 一种行人检测方法 |
-
2018
- 2018-05-18 CN CN201810481254.8A patent/CN108734124A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090303026A1 (en) * | 2008-06-04 | 2009-12-10 | Mando Corporation | Apparatus, method for detecting critical areas and pedestrian detection apparatus using the same |
CN104636763A (zh) * | 2014-12-01 | 2015-05-20 | 北京工业大学 | 一种基于无人驾驶车的道路与障碍物检测方法 |
CN104573646A (zh) * | 2014-12-29 | 2015-04-29 | 长安大学 | 基于激光雷达和双目相机的车前行人检测方法及*** |
US20180009378A1 (en) * | 2016-07-08 | 2018-01-11 | Ford Global Technologies, Llc | Pedestrian detection when a vehicle is reversing |
CN107590433A (zh) * | 2017-08-04 | 2018-01-16 | 湖南星云智能科技有限公司 | 一种基于毫米波雷达和车载摄像头的行人检测方法 |
CN107991677A (zh) * | 2017-11-28 | 2018-05-04 | 广州汽车集团股份有限公司 | 一种行人检测方法 |
Non-Patent Citations (4)
Title |
---|
A. MENDES: "Situation-based multi-target detection and tracking with laserscanner in outdoor semi-structured environmen", 《2004 IEEE/RSJ INTERNATIONAL CONFERENCE ON INTELLIGENT ROBOTS AND SYSTEMS (IROS)》 * |
侯学勇: "基于二維激光测距的移动机器人道路可行区域提取", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
宋柱: "分区基于密度的聚类算法在激光雷达行人检测***中的应用", 《万方数据知识服务平台》 * |
宋柱: "无人车2.5D激光雷达行人检测", 《万方数据知识服务平台》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110554368A (zh) * | 2019-08-29 | 2019-12-10 | 北京理工大学 | 一种基于四维信息权重的人车识别方法 |
CN110554368B (zh) * | 2019-08-29 | 2021-08-17 | 北京理工大学 | 一种基于四维信息权重的人车识别方法 |
CN111048208A (zh) * | 2019-12-28 | 2020-04-21 | 哈尔滨工业大学(威海) | 一种基于激光雷达的室内独居老人行走健康检测方法 |
CN111444767A (zh) * | 2020-02-25 | 2020-07-24 | 华中科技大学 | 一种基于激光雷达的行人检测和追踪方法 |
CN111444769A (zh) * | 2020-02-25 | 2020-07-24 | 华中科技大学 | 一种基于多尺度自适应随机森林的激光雷达检测人腿方法 |
CN111444767B (zh) * | 2020-02-25 | 2022-06-21 | 华中科技大学 | 一种基于激光雷达的行人检测和追踪方法 |
CN111444769B (zh) * | 2020-02-25 | 2022-07-01 | 华中科技大学 | 一种基于多尺度自适应随机森林的激光雷达检测人腿方法 |
CN111552289A (zh) * | 2020-04-28 | 2020-08-18 | 苏州高之仙自动化科技有限公司 | 检测方法及虚拟雷达装置、电子设备、存储介质 |
CN112289039A (zh) * | 2020-11-29 | 2021-01-29 | 杭州晶一智能科技有限公司 | 基于激光雷达的人行道行人检测方法 |
CN112734811A (zh) * | 2021-01-21 | 2021-04-30 | 清华大学 | 一种障碍物跟踪方法、障碍物跟踪装置和芯片 |
CN112734811B (zh) * | 2021-01-21 | 2021-08-24 | 清华大学 | 一种障碍物跟踪方法、障碍物跟踪装置和芯片 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108734124A (zh) | 一种激光雷达动态行人检测方法 | |
CN111079611B (zh) | 一种道路面及其标志线的自动提取方法 | |
CN111830528A (zh) | 基于激光点云的杆塔特征点自动识别及倾斜参数自动测量方法 | |
CN106557764B (zh) | 一种基于二进制编码字符水尺和图像处理的水位识别方法 | |
CN108460416A (zh) | 一种基于三维激光雷达的结构化道路可行域提取方法 | |
CN108230344B (zh) | 一种隧道渗漏水病害自动识别方法 | |
CN110910378B (zh) | 一种基于深度融合网络的双模态图像能见度检测方法 | |
CN107958183A (zh) | 一种高分辨率遥感图像的城市路网信息自动提取方法 | |
CN109596078A (zh) | 多信息融合路面谱实时测试***和测试方法 | |
CN105955259A (zh) | 基于多窗口实时测距的单目视觉agv的精确定位方法及*** | |
CN103123722A (zh) | 道路对象检测方法和*** | |
KR20140109990A (ko) | 3d 카메라를 사용한 차량 주변의 높이 윤곽 확인 | |
CN112070756B (zh) | 一种基于无人机倾斜摄影的路面立体病害测量方法 | |
CN106407924A (zh) | 基于路面特征的双目道路识别检测方法 | |
Zhang et al. | Rapid inspection of pavement markings using mobile LiDAR point clouds | |
CN107452035B (zh) | 车道线图像分析方法、装置及其计算机可读取式媒体 | |
CN109870458B (zh) | 一种基于三维激光传感器及包围盒的路面裂缝检测与分类方法 | |
CN109544607B (zh) | 一种基于道路标志线的点云数据配准方法 | |
CN103481842B (zh) | 一种车辆检测与跟踪模式的切换方法 | |
CN116399302B (zh) | 基于双目视觉和神经网络模型实时监测强夯夯沉量的方法 | |
CN116203587A (zh) | 一种用于无人车的坑洼检测***及方法 | |
CN114820474A (zh) | 一种基于三维信息的列车车轮缺陷检测方法 | |
CN111401176B (zh) | 一种基于多线激光雷达的路沿检测方法 | |
CN106446929A (zh) | 基于边缘梯度势能的车辆类型检测方法 | |
CN108460348A (zh) | 基于三维模型的道路目标检测方法 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Lei Zhongke Inventor after: Zhou Dan Inventor before: Zhou Dan |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181102 |