CN111781608A - 一种基于fmcw激光雷达的运动目标检测方法及*** - Google Patents
一种基于fmcw激光雷达的运动目标检测方法及*** Download PDFInfo
- Publication number
- CN111781608A CN111781608A CN202010629392.3A CN202010629392A CN111781608A CN 111781608 A CN111781608 A CN 111781608A CN 202010629392 A CN202010629392 A CN 202010629392A CN 111781608 A CN111781608 A CN 111781608A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- point
- information
- moving target
- current frame
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 230000011218 segmentation Effects 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000035559 beat frequency Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration 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
- 230000003287 optical effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/42—Simultaneous measurement of distance and other co-ordinates
-
- 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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/50—Systems of measurement based on relative movement of target
- G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- 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
- G01S17/66—Tracking systems using electromagnetic waves other than radio waves
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种基于FMCW激光雷达的运动目标检测方法,包括:获取FMCW激光雷达采集的当前帧的点云信息和径向速度信息;对当前帧的点云信息进行阈值分割,获取到当前帧中的运动目标的点云信息和非运动目标的点云信息;对当前帧的运动目标的点云信息进行聚类,得到当前帧中的每一个运动目标的分割信息;根据区域生成算法,在非运动目标的点云信息和运动目标的分割信息中,将属于同一目标对象的点进行关联,并构建该目标对象;根据最近邻搜索方法,将当前帧中的每一个运动目标和前一帧中的对应的每一个运动目标进行关联和跟踪。相应的,本发明还公开了一种基于FMCW激光雷达的运动目标检测***。该发明实现了对运动目标高精度地检测和跟踪。
Description
技术领域
本发明涉及计算机视觉技术领域,尤其涉及一种基于FMCW激光雷达的运动目标检测方法及***。
背景技术
传统的运动目标检测方法主要是基于视觉的方法,基于此类的视觉传感器所提供的视觉信息中包含有大量有区别性的视觉特征,因此可以将物体从整个的场景中分割出来,但是只使用视觉传感器很难推算出物体的准确的3D位置信息,并且视觉传感器得到的视觉信息也很容易受到光线变化的影响。
随着激光雷达技术近年来的飞速发展,基于激光雷达得到的3D点云实现目标检测的方法也越来越多。这类方法得益于激光雷达的高精度(一般1-2cm的精度)和直接式测量距离,能够渗透很多类型的障碍物(例如树叶和灌木丛等)。
传统的基于激光雷达的运动目标检测方法主要包括:基于模型的方法和不基于模型的方法。基于模型的方法通过事先设计的模型信息进行目标检测,该方法对于特定的感兴趣的目标的检测效果比较好。不基于模型的方法不需要事先设计的模型信息,因此任意外形和大小的目标都可以被检测到。传统的基于模型和不基于模型的方法都聚焦在特定的物体的检测,无法泛化到其它非特定类型的物体的检测。
专利申请号为CN201110107137.3的一种基于激光雷达的运动目标检测***及方法,该方法通过获取激光雷达的测距数据帧和位姿传感器模块得到位姿数据帧,并进行数据点的聚类,提取聚类特征点以及特征点的匹配,然后计算得到校正的运动信息和检测结果。该方案的缺点为:依赖于额外的位姿传感器模块得到运动信息来辅助得到运动目标的检测;不能检测到局部运动的目标,无法建立运动数据和非运动数据间的数据关联;准确度低,当额外的位姿传感器模块的结果出现抖动或者异常的情况下会导致目标检查的结果准确度明显下降或是失效;鲁棒性差,该方案依赖于提取到的环境的特征点信息,当目标的特征点少或者不明显的情况,检查的结果会明显变差。专利申请号CN201310150106.5的基于激光雷达的运动目标检测方法,该专利提出了一种改善限定目标形状和对快速物体无法检测的运动目标检测方案,其通过获取多次激光雷达扫描结果得到运动目标的前景和背景信息,并利用主分量分析和稀疏化处理得到稀疏矩阵,然后对稀疏矩阵进行自适应滤波得到运动目标的检测结果。该方案存在明显的缺点:依赖于多帧的激光雷达数据才能计算得到目标的运动信息;不能检测到局部运动的目标,无法建立运动数据和非运动数据间的数据关联;计算量太大,需要大量的矩阵运算才能得到最终结果;准确度低,当连续多帧间运动量很低或者目标运动量很低的情况下,很难有效的将目标检测出来。
发明内容
基于此,本发明的目的在于提供一种基于FMCW激光雷达的运动目标检测方法及***,能够实现高精度地对运动目标的检测和跟踪。
为实现上述目的,本发明提供了一种基于FMCW激光雷达的运动目标检测方法,所述方法包括:
S1、获取FMCW激光雷达采集的当前帧的点云信息和径向速度信息;
S2、对所述当前帧的点云信息进行阈值分割,获取到当前帧中的运动目标的点云信息和非运动目标的点云信息;
S3、对所述当前帧的运动目标的点云信息进行聚类,得到当前帧中的每一个运动目标的分割信息;
S4、根据区域生成算法,在所述非运动目标的点云信息和所述运动目标的分割信息中,将属于同一目标对象的点进行关联,并构建该目标对象;
S5、根据最近邻搜索方法,将当前帧中的每一个运动目标和前一帧中的对应的每一个运动目标进行关联和跟踪。
优选的,所述步骤S2包括:
根据阈值分割的计算公式(1)和式(2),对所述当前帧的点云信息进行阈值分割,得到当前帧中的运动目标的点云信息Qk和非运动目标的点云信息Sk;
优选的,所述T设置为0.1m/s。
优选的,所述步骤S3具体包括:
在所述当前帧的运动目标的点云信息Qk(i)中随机选取一个点pi={xi,yi,zi,ti,ri}进行遍历,其中,xi,yi,zi分别表示当前选取点在所述激光雷达坐标体系中的X、Y、Z坐标,ti表示当前选取点的时间戳信息,ri表示当前点到所述激光雷达坐标体系中的原点之间的欧式距离;
根据计算所述当前选取点的自适应的距离阈值参数∈(ri),所述自适应的距离阈值参数的计算公式为式(3);
∈(ri)=3×ri×rθ (3)
rθ为FMCW激光雷达的航向角采样的分辨率参数。
优选的,所述步骤S3还包括:
在所述当前帧的运动目标的点云信息中,搜索所述当前选取点pi在空间距离∈(ri)内所有的相邻点;
若所述相邻点的个数超过一数量阈值时,将所述当前选取点pi和所有搜索到的相邻点归类为一个运动点云组,并将所述当前选取点pi和相邻点标记为已经遍历过的点;
若所述相邻点的个数低于所述数量阈值时,将当前选取点pi标记为已经遍历过的噪声点,重新选取一个点进行遍历并执行上述步骤;
以此类推,直至所述当前帧的运动目标的点云信息中的所有点均被遍历过,输出得到分割的运动目标的点云组集合Dk={c1,c2…cm},其中,c1,c2…cm为各个运动目标的点云组。
优选的,所述数量阈值设置为40。
优选的,所述步骤S4具体包括:
从所述运动目标的点云组集合Dk中随机选取一个点云组ci,对所述选取的点云组ci中的点pj搜索距离该点最近的K个点;
其中,Djk表示当前点pj与相邻点pk之间的欧式距离;
优选的,所述步骤S4具体还包括:
以此类推,对所述运动点云组Dk中的所有点云组均遍历完成,则停止区域生长的操作。
优选的,所述步骤S5包括:
计算当前帧的运动点云组集合Dk={c1,c2…cm}中每一个点云组的中心点的平均坐标,其计算公式为式(6);
其中,M为当前点云组ci中的点的个数,pj为点云组ci某一个点的坐标,Ai为当前点云组ci的中心点的平均坐标;
计算前一帧的运动点云组集合Dk-1={c1,c2…cn}中每一个点云组cj的中心点平均坐标;
计算当前帧的运动点云组集合中每一个点云组的中心点的平均坐标与前一帧的运动点云组集合中每一个点云组cj的中心点的平均坐标之间的欧式距离Dij;若所述欧式距离Dij小于一距离阈值TD,则所述当前帧的运动点云组ci和前一帧的运动点云组cj为同一运动目标,否则,重复上述步骤。
为实现上述目的,本发明提供了一种基于FMCW激光雷达的运动目标检测***,所述***包括:
获取模块,用于获取FMCW激光雷达采集的当前帧的点云信息和径向速度信息;
阈值分割模块,用于对所述当前帧的点云信息进行阈值分割,获取到当前帧中的运动目标的点云信息和非运动目标的点云信息;
聚类模块,用于对所述当前帧的运动目标的点云信息进行聚类,得到当前帧中的每一个运动目标的分割信息;
关联模块,用于根据区域生成算法,在所述非运动目标的点云信息和所述运动目标的分割信息中,将属于同一目标对象的点进行关联,并构建该目标对象;
跟踪模块,用于根据最近邻搜索方法,将当前帧中的每一个运动目标和前一帧中的对应的每一个运动目标进行关联和跟踪。
与现有技术相比,本发明一种基于FMCW激光雷达的运动目标检测方法及***,所带来的有益效果为:
(1)、利用FMCW(Frequency Modulated Continuous Wave,调频连续波)获取运动目标的速度信息,并结合该发明的技术方案,得到高精度的运动目标检测和跟踪结果;
(2)、鲁棒性好,利用运动目标的速度信息结合其3D点云信息能够非常精确地得到该目标的轮廓信息,避免了目标对象和背景的混合而导致目标检测不稳定的技术问题;
(3)、泛化特性好,对于运动目标的类型、大小以及外形等均无限制,可以检测和跟踪任何运动目标;
(4)、运行效率高,该发明基于完全非学习的方法,其计算的运行效率非常高,可以很方便地在嵌入式端进行部署;
(5)、该发明实现户外全天候24小时的运动目标的实时检测和跟踪能力;
(6)、单帧的激光雷达数据就可以获取运动目标的检测信息;
(7)、可以检测到局部运动的目标对象,能够建立运动点云和非运动点云据间的数据关联。
附图说明
图1是根据本发明的一个实施例的基于FMCW激光雷达的运动目标检测方法的流程示意图。
图2是根据本发明的一个实施例的基于FMCW激光雷达的运动目标检测***的***示意图。
具体实施方式
以下将结合附图所示的具体实施方式对本发明进行详细描述,但这些实施方式并不限制本发明,本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。
如图1所示的本发明的一实施例,本发明提供一种基于FMCW激光雷达的运动目标检测方法,所述方法包括:
S1、获取FMCW激光雷达采集的当前帧的点云信息和径向速度信息;
S2、对所述当前帧的点云信息进行阈值分割,获取到当前帧中的运动目标的点云信息和非运动目标的点云信息;
S3、对所述当前帧的运动目标的点云信息进行聚类,得到当前帧中的每一个运动目标的分割信息;
S4、根据区域生成算法,在所述非运动目标的点云信息和所述运动目标的分割信息中,将属于同一目标对象的点进行关联,并构建该目标对象;
S5、根据最近邻搜索方法,将当前帧中的每一个运动目标和前一帧中的对应的每一个运动目标进行关联和跟踪。
调频连续波是一种通过测量发射光信号与回波信号相干得到的拍频信号的频域响应来获取被测目标位置、速度等参量的技术。点云是在同一空间参考系下表达目标空间分布和目标表面特性的海量点集合,在获取物体表面每个采样点的空间坐标后,得到的是点的集合,称之为“点云”(Point Cloud)。通过调频连续波激光雷达采集到当前帧的点云信息和径向速度信息,所述点云信息包括每一个点的三维坐标信息,每一个点的三维坐标体系采用激光雷达坐标体系,其采用右手坐标体系,则每一个点的值为(x,y,z,v),X轴表示向左,Y轴表示向前,Z轴表示向上,x、y、z是三个坐标轴方向上该点距离激光雷达的距离,径向速度信息v表示Y方向上的速度值信息。
在所述步骤S2中,对所述当前帧的点云信息进行阈值分割,获取到当前帧中的运动目标的点云信息和非运动目标的点云信息。采用阈值分割的方式,对获取到的当前帧的点云数据进行初步分割,得到当前帧中的运动目标的点云信息和非运动目标的点云信息。非运动目标包括静止目标和场景背景。比如,一个人在激光雷达的视野范围内挥动双手,那么双手可认为是运动目标而身体的其它部位是静止目标,人所在的场景可认为是背景。可认为非运动目标包括背景和身体的其它部位。根据本发明的一具体实施例,根据阈值分割的计算公式(1)和式(2),对所述当前帧的点云信息进行阈值分割,得到当前帧中的运动目标的点云信息Qk和非运动目标的点云信息Sk:
其中,表示编号为k的当前帧的索引值为i的点的径向速度值,T用以表示区分运动点和静止点的阈值,T的典型值一般设置为0.1m/s。当索引值为i的点的径向速度值大于所述阈值T时,则该点为运动目标,该点的三维坐标信息和径向速度信息划分到运动目标的点云信息Qk;当索引值为i的点的径向速度值小于或等于所述阈值T时,该点为静止目标,该点的三维坐标信息和径向速度信息划分到非运动目标的点云信息Sk。基于该技术方案,对当前帧的点云数据信息进行初步分割,从而将运动目标和非运动目标进行区分。
在所述步骤S3中,对所述当前帧的运动目标的点云信息进行聚类,得到当前帧中的每一个运动目标的分割信息。具体地,在所述当前帧的运动目标的点云信息Qk(i)中随机选取一个点pi={xi,yi,zi,ti,ri}进行遍历,该点没有被遍历过,其中,xi,yi,zi分别表示当前选取点在所述激光雷达坐标体系中的X、Y、Z坐标,ti表示当前选取点的时间戳信息,该时间戳信息和当前帧的时间戳信息是一致的,ri表示当前点到所述激光雷达坐标体系中的原点之间的欧式距离。根据FMCW激光雷达的航向角采样的分辨率参数rθ,计算所述当前选取点的自适应的距离阈值参数∈(ri),所述自适应的距离阈值参数的计算公式为式(3):
∈(ri)=3×ri×rθ (3);
所述航向角采样的分辨率参数rθ的设置取决于所述FMCW激光雷达的参数,该参数为激光雷达在横向上的角度分辨率,单位为弧度。在所述当前帧的运动目标的点云信息中,搜索所述当前选取点pi在空间距离∈(ri)内所有的相邻点,若所述相邻点的个数超过一数量阈值时,将所述当前选取点pi和所有搜索到的相邻点归类为一个运动点云组,并将所述当前选取点pi和相邻点标记为已经遍历过的点。所述数量阈值的典型值为40。若所述相邻点的个数低于所述数量阈值时,将当前选取点pi标记为已经遍历过的噪声点,并重新重新选取一个点进行上述步骤进行重新遍历。以此类推,直至所述当前帧的运动目标的点云信息中的所有点均被遍历过,输出得到分割的运动目标的点云组集合Dk={c1,c2…cm},c1,c2…cm为各个运动目标的点云组,即得到多个运动目标的分割信息,获取每一个运动目标的完整分割检测结果。
在所述步骤S4中,根据区域生成算法,在所述非运动目标的点云信息和所述运动目标分割信息中,将属于同一目标对象的点进行关联,并构建该目标对象。比如上述实施例中,人站着不动,手在挥动,手是运动目标,身体的其它部位的点是非运动目标的点云信息中属于同一目标对象的点,即手和身体的其它部位的点属于同一个目标对象。目标对象可能同时包含运动的点和非运动的点。通过该实施例将属于同一个目标对象的运动的点和非运动的点关联起来组成一个完整的目标对象。将所述非运动目标的点云信息中属于同一目标对象的点关联到所述运动目标的点云组集合Dk中对应的点云组。具体地,从所述运动目标的点云组集合Dk中随机选取一个点云组ci,该选取的点云组从未被遍历过,对所述选取的点云组ci中的点pj搜索距离该点最近的K个点,计算点pj与所述K个点中每一个点的欧式距离,并计算所述K个点的平均距离所述平均距离基于计算公式(4)计算得到;
其中,Djk表示当前点pj与相邻点pk之间的欧式距离;
遍历所述非运动目标的点云信息Sk中的每一个点,若该点到所述点云组ci中的其中一个点的欧式距离小于所述平均距离则将所述非运动目标的点云信息Sk中的该点添加到所述当前的点云组ci中,以此类推,对所述运动点云组Dk中的所有点云组均遍历完成,则停止区域生长的操作,完成运动目标的点云信息和非运动目标的点云信息的数据关联。根据该技术方案,基于区域增长的技术方案,将运动点云和非运动点云进行关联,完成目标对象的构建。
在所述步骤S5中,根据最近邻搜索方法,将当前帧中的每一个运动目标和前一帧中的对应的每一个运动目标进行关联和跟踪。具体地,计算当前帧的运动点云组集合Dk={c1,c2…cm}中每一个点云组的中心点的平均坐标,其计算公式为式(6);
其中,M为当前点云组ci中的点的个数,pj为点云组ci某一个点的坐标,Ai为当前点云组ci的中心点的平均坐标。根据公式(6)计算,计算前一帧的运动点云组集合Dk-1={c1,c2…cn}中每一个点云组cj的中心点平均坐标。计算当前帧的运动点云组集合中每一个点云组的中心点的平均坐标与前一帧的运动点云组集合中每一个点云组cj的中心点的平均坐标之间的欧式距离Dij;若所述欧式距离Dij小于一距离阈值TD,则所述当前帧的运动点云组ci和前一帧的运动点云组cj为同一运动目标,否则,重复上述步骤。根据该技术方案,基于最近邻搜索的方式,构建相邻两帧运动目标之间关联,将同一个运动目标在连续帧之间的检测结果对应起来,实现了同一个运动目标在多个帧之间的跟踪。
根据该技术方案,根据径向速度信息对点云分割为运动目标的点云和非运动目标的点云,对运动目标的点云信息进行聚类得到运动目标分割信息,实现对运动目标高精度的检测,避免了目标对象和背景混合导致的检测不稳定的问题。并基于区域增长的方法,将属于同一目标对象的点进行关联,完成运动目标的检测。根据最近邻搜索方法实现了同一个运动目标在多个帧之间的跟踪。
如图2所示的本发明的一实施例,本发明提供一种基于FMCW激光雷达的运动目标检测***,所述***包括:
获取模块20,用于获取FMCW激光雷达采集的当前帧的点云信息和径向速度信息;
阈值分割模块21,用于对所述当前帧的点云信息进行阈值分割,获取到当前帧中的运动目标的点云信息和非运动目标的点云信息;
聚类模块22,用于对所述当前帧的运动目标的点云信息进行聚类,得到当前帧中的每一个运动目标的分割信息;
关联模块23,用于根据区域生成算法,在所述非运动目标的点云信息和所述运动目标的分割信息中,将属于同一目标对象的点进行关联,并构建该目标对象;
跟踪模块24,用于根据最近邻搜索方法,将当前帧中的每一个运动目标和前一帧中的对应的每一个运动目标进行关联和跟踪。
所述获取模块通过调频连续波激光雷达采集到当前帧的点云信息和径向速度信息,所述点云信息包括每一个点的三维坐标信息,径向速度信息v表示Y方向上的速度值信息。所述阈值分割模块采用阈值分割的方式,对获取到的当前帧的点云数据进行初步分割,得到当前帧中的运动目标的点云信息和非运动目标的点云信息,将运动目标和非运动目标进行区分。非运动目标包括静止目标和场景背景。具体实施方式同上述方法的实施例。所述聚类模块对所述当前帧的运动目标的点云信息进行聚类,得到当前帧中的每一个运动目标的分割信息,得到多个运动目标的分割信息,获取每一个运动目标的完整分割检测结果。所述关联模块根据区域生成算法,在所述非运动目标的点云信息和所述运动目标分割信息中,将属于同一目标对象的点进行关联,将运动点云和非运动点云进行关联,完成目标对象的构建。所述跟踪模块根据最近邻搜索方法,将当前帧中的每一个运动目标和前一帧中的对应的每一个运动目标进行关联和跟踪,将同一个运动目标在连续帧之间的检测结果对应起来,实现了同一个运动目标在多个帧之间的跟踪。
尽管为示例目的,已经公开了本发明的优选实施方式,但是本领域的普通技术人员将意识到,在不脱离由所附的权利要求书公开的本发明的范围和精神的情况下,各种改进、增加以及取代是可能的。
Claims (10)
1.一种基于FMCW激光雷达的运动目标检测方法,其特征在于,所述方法包括:
S1、获取FMCW激光雷达采集的当前帧的点云信息和径向速度信息;
S2、对所述当前帧的点云信息进行阈值分割,获取到当前帧中的运动目标的点云信息和非运动目标的点云信息;
S3、对所述当前帧的运动目标的点云信息进行聚类,得到当前帧中的每一个运动目标的分割信息;
S4、根据区域生成算法,在所述非运动目标的点云信息和所述运动目标的分割信息中,将属于同一目标对象的点进行关联,并构建该目标对象;
S5、根据最近邻搜索方法,将当前帧中的每一个运动目标和前一帧中的对应的每一个运动目标进行关联和跟踪。
3.如权利要求2所述的基于FMCW激光雷达的运动目标检测方法,其特征在于,所述T设置为0.1m/s。
4.如权利要求2所述的基于FMCW激光雷达的运动目标检测方法,其特征在于,所述步骤S3具体包括:
在所述当前帧的运动目标的点云信息Qk(i)中随机选取一个点pi={xi,yi,zi,ti,ri}进行遍历,其中,xi,yi,zi分别表示当前选取点在所述激光雷达坐标体系中的X、Y、Z坐标,ti表示当前选取点的时间戳信息,ri表示当前点到所述激光雷达坐标体系中的原点之间的欧式距离;
根据计算所述当前选取点的自适应的距离阈值参数∈(ri),所述自适应的距离阈值参数的计算公式为式(3);
∈(ri)=3×ri×rθ (3);
rθ为FMCW激光雷达的航向角采样的分辨率参数。
5.如权利要求4所述的基于FMCW激光雷达的运动目标检测方法,其特征在于,所述步骤S3具体还包括:
在所述当前帧的运动目标的点云信息中,搜索所述当前选取点pi在空间距离∈(ri)内所有的相邻点;
若所述相邻点的个数超过一数量阈值时,将所述当前选取点pi和所有搜索到的相邻点归类为一个运动点云组,并将所述当前选取点pi和相邻点标记为已经遍历过的点;
若所述相邻点的个数低于所述数量阈值时,将当前选取点pi标记为已经遍历过的噪声点,重新选取一个点进行遍历并执行上述步骤;
以此类推,直至所述当前帧的运动目标的点云信息中的所有点均被遍历过,输出得到分割的运动目标的点云组集合Dk={c1,c2…cm},其中,c1,c2…cm为各个运动目标的点云组。
6.如如权利要求5所述的基于FMCW激光雷达的运动目标检测方法,所述数量阈值设置为40。
9.如权利要求8所述的基于FMCW激光雷达的运动目标检测方法,其特征在于,所述步骤S5包括:
计算当前帧的运动点云组集合Dk={c1,c2…cm}中每一个点云组的中心点的平均坐标,其计算公式为式(6);
其中,M为当前点云组ci中的点的个数,pj为点云组ci某一个点的坐标,Ai为当前点云组ci的中心点的平均坐标;
计算前一帧的运动点云组集合Dk-1={c1,c2…cn}中每一个点云组cj的中心点平均坐标;
计算当前帧的运动点云组集合中每一个点云组的中心点的平均坐标与前一帧的运动点云组集合中每一个点云组cj的中心点的平均坐标之间的欧式距离Dij;若所述欧式距离Dij小于一距离阈值TD,则所述当前帧的运动点云组ci和前一帧的运动点云组cj为同一运动目标,否则,重复上述步骤。
10.一种基于FMCW激光雷达的运动目标检测***,其特征在于,所述***包括:
获取模块,用于获取FMCW激光雷达采集的当前帧的点云信息和径向速度信息;
阈值分割模块,用于对所述当前帧的点云信息进行阈值分割,获取到当前帧中的运动目标的点云信息和非运动目标的点云信息;
聚类模块,用于对所述当前帧的运动目标的点云信息进行聚类,得到当前帧中的每一个运动目标的分割信息;
关联模块,用于根据区域生成算法,在所述非运动目标的点云信息和所述运动目标的分割信息中,将属于同一目标对象的点进行关联,并构建该目标对象;
跟踪模块,用于根据最近邻搜索方法,将当前帧中的每一个运动目标和前一帧中的对应的每一个运动目标进行关联和跟踪。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010629392.3A CN111781608B (zh) | 2020-07-03 | 2020-07-03 | 一种基于fmcw激光雷达的运动目标检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010629392.3A CN111781608B (zh) | 2020-07-03 | 2020-07-03 | 一种基于fmcw激光雷达的运动目标检测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111781608A true CN111781608A (zh) | 2020-10-16 |
CN111781608B CN111781608B (zh) | 2023-04-25 |
Family
ID=72758285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010629392.3A Active CN111781608B (zh) | 2020-07-03 | 2020-07-03 | 一种基于fmcw激光雷达的运动目标检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111781608B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112946680A (zh) * | 2021-02-01 | 2021-06-11 | 武汉徕得智能技术有限公司 | 一种机载激光雷达自主启停点云采集的方法 |
CN113167886A (zh) * | 2021-03-02 | 2021-07-23 | 华为技术有限公司 | 目标检测方法和装置 |
CN113655497A (zh) * | 2021-08-30 | 2021-11-16 | 杭州视光半导体科技有限公司 | 基于fmcw固态扫描激光雷达的感兴趣区域扫描方法 |
CN113721253A (zh) * | 2021-08-30 | 2021-11-30 | 杭州视光半导体科技有限公司 | 基于fmcw激光雷达的运动物体速度检测方法 |
CN114323303A (zh) * | 2021-12-31 | 2022-04-12 | 深圳技术大学 | 体温测量方法、装置、红外测温仪及存储介质 |
CN115282585A (zh) * | 2022-08-04 | 2022-11-04 | 光彻科技(杭州)有限公司 | 一种新型跳绳计数方法、装置、电子设备及可读存储介质 |
CN116091533A (zh) * | 2023-01-03 | 2023-05-09 | 中国人民解放军海军航空大学 | 一种Qt开发环境下的激光雷达目标演示与提取方法 |
CN117152199A (zh) * | 2023-08-30 | 2023-12-01 | 成都信息工程大学 | 一种动态目标运动矢量估计方法、***、设备及存储介质 |
CN117250610A (zh) * | 2023-11-08 | 2023-12-19 | 浙江华是科技股份有限公司 | 基于激光雷达的入侵人员预警方法及*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107576960A (zh) * | 2017-09-04 | 2018-01-12 | 苏州驾驶宝智能科技有限公司 | 视觉雷达时空信息融合的目标检测方法及*** |
CN108700665A (zh) * | 2017-06-01 | 2018-10-23 | 深圳市大疆创新科技有限公司 | 一种基于激光雷达的检测方法、装置及探测设备 |
CN110118966A (zh) * | 2019-05-28 | 2019-08-13 | 长沙莫之比智能科技有限公司 | 基于毫米波雷达的人员检测与计数*** |
WO2019156731A1 (en) * | 2018-02-09 | 2019-08-15 | Bayerische Motoren Werke Aktiengesellschaft | Methods for object detection in a scene represented by depth data and image data |
CN110146865A (zh) * | 2019-05-31 | 2019-08-20 | 阿里巴巴集团控股有限公司 | 用于雷达图像的目标识别方法及装置 |
US20190317219A1 (en) * | 2018-04-11 | 2019-10-17 | Aurora Innovation, Inc. | Control of Autonomous Vehicle Based on Environmental Object Classification Determined Using Phase Coherent LIDAR Data |
CN110658531A (zh) * | 2019-08-23 | 2020-01-07 | 畅加风行(苏州)智能科技有限公司 | 一种用于港口自动驾驶车辆的动态目标追踪方法 |
CN110927712A (zh) * | 2019-10-28 | 2020-03-27 | 珠海格力电器股份有限公司 | 跟踪方法和装置 |
CN111260683A (zh) * | 2020-01-09 | 2020-06-09 | 合肥工业大学 | 一种三维点云数据的目标检测与跟踪方法及其装置 |
CN111289954A (zh) * | 2020-03-31 | 2020-06-16 | 四川长虹电器股份有限公司 | 用于毫米波雷达目标跟踪的点云划分与航迹匹配方法 |
-
2020
- 2020-07-03 CN CN202010629392.3A patent/CN111781608B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108700665A (zh) * | 2017-06-01 | 2018-10-23 | 深圳市大疆创新科技有限公司 | 一种基于激光雷达的检测方法、装置及探测设备 |
CN107576960A (zh) * | 2017-09-04 | 2018-01-12 | 苏州驾驶宝智能科技有限公司 | 视觉雷达时空信息融合的目标检测方法及*** |
WO2019156731A1 (en) * | 2018-02-09 | 2019-08-15 | Bayerische Motoren Werke Aktiengesellschaft | Methods for object detection in a scene represented by depth data and image data |
US20190317219A1 (en) * | 2018-04-11 | 2019-10-17 | Aurora Innovation, Inc. | Control of Autonomous Vehicle Based on Environmental Object Classification Determined Using Phase Coherent LIDAR Data |
CN110118966A (zh) * | 2019-05-28 | 2019-08-13 | 长沙莫之比智能科技有限公司 | 基于毫米波雷达的人员检测与计数*** |
CN110146865A (zh) * | 2019-05-31 | 2019-08-20 | 阿里巴巴集团控股有限公司 | 用于雷达图像的目标识别方法及装置 |
CN110658531A (zh) * | 2019-08-23 | 2020-01-07 | 畅加风行(苏州)智能科技有限公司 | 一种用于港口自动驾驶车辆的动态目标追踪方法 |
CN110927712A (zh) * | 2019-10-28 | 2020-03-27 | 珠海格力电器股份有限公司 | 跟踪方法和装置 |
CN111260683A (zh) * | 2020-01-09 | 2020-06-09 | 合肥工业大学 | 一种三维点云数据的目标检测与跟踪方法及其装置 |
CN111289954A (zh) * | 2020-03-31 | 2020-06-16 | 四川长虹电器股份有限公司 | 用于毫米波雷达目标跟踪的点云划分与航迹匹配方法 |
Non-Patent Citations (2)
Title |
---|
卢炤宇 等: "频率调制连续波激光雷达技术基础与研究进展", 《光电工程》 * |
张晓芳: "基于机器学习的激光雷达目标自动检测方法研究", 《激光杂志》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112946680A (zh) * | 2021-02-01 | 2021-06-11 | 武汉徕得智能技术有限公司 | 一种机载激光雷达自主启停点云采集的方法 |
CN113167886A (zh) * | 2021-03-02 | 2021-07-23 | 华为技术有限公司 | 目标检测方法和装置 |
CN113167886B (zh) * | 2021-03-02 | 2022-05-31 | 华为技术有限公司 | 目标检测方法和装置 |
CN113655497A (zh) * | 2021-08-30 | 2021-11-16 | 杭州视光半导体科技有限公司 | 基于fmcw固态扫描激光雷达的感兴趣区域扫描方法 |
CN113721253A (zh) * | 2021-08-30 | 2021-11-30 | 杭州视光半导体科技有限公司 | 基于fmcw激光雷达的运动物体速度检测方法 |
CN113721253B (zh) * | 2021-08-30 | 2024-03-15 | 杭州视光半导体科技有限公司 | 基于fmcw激光雷达的运动物体速度检测方法 |
CN113655497B (zh) * | 2021-08-30 | 2023-10-27 | 杭州视光半导体科技有限公司 | 基于fmcw固态扫描激光雷达的感兴趣区域扫描方法 |
CN114323303B (zh) * | 2021-12-31 | 2023-08-29 | 深圳技术大学 | 体温测量方法、装置、红外测温仪及存储介质 |
CN114323303A (zh) * | 2021-12-31 | 2022-04-12 | 深圳技术大学 | 体温测量方法、装置、红外测温仪及存储介质 |
CN115282585A (zh) * | 2022-08-04 | 2022-11-04 | 光彻科技(杭州)有限公司 | 一种新型跳绳计数方法、装置、电子设备及可读存储介质 |
CN116091533A (zh) * | 2023-01-03 | 2023-05-09 | 中国人民解放军海军航空大学 | 一种Qt开发环境下的激光雷达目标演示与提取方法 |
CN116091533B (zh) * | 2023-01-03 | 2024-05-31 | 中国人民解放军海军航空大学 | 一种Qt开发环境下的激光雷达目标演示与提取方法 |
CN117152199A (zh) * | 2023-08-30 | 2023-12-01 | 成都信息工程大学 | 一种动态目标运动矢量估计方法、***、设备及存储介质 |
CN117152199B (zh) * | 2023-08-30 | 2024-05-31 | 成都信息工程大学 | 一种动态目标运动矢量估计方法、***、设备及存储介质 |
CN117250610A (zh) * | 2023-11-08 | 2023-12-19 | 浙江华是科技股份有限公司 | 基于激光雷达的入侵人员预警方法及*** |
CN117250610B (zh) * | 2023-11-08 | 2024-02-02 | 浙江华是科技股份有限公司 | 基于激光雷达的入侵人员预警方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN111781608B (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111781608B (zh) | 一种基于fmcw激光雷达的运动目标检测方法及*** | |
Xia et al. | Geometric primitives in LiDAR point clouds: A review | |
CN111563442B (zh) | 基于激光雷达的点云和相机图像数据融合的slam方法及*** | |
CN109444911B (zh) | 一种单目相机和激光雷达信息融合的无人艇水面目标检测识别与定位方法 | |
CN110675418B (zh) | 一种基于ds证据理论的目标轨迹优化方法 | |
CN109059895B (zh) | 一种基于手机摄像头和传感器的多模态室内测距及定位方法 | |
Zhou et al. | A fast and accurate segmentation method for ordered LiDAR point cloud of large-scale scenes | |
CN113432600A (zh) | 基于多信息源的机器人即时定位与地图构建方法及*** | |
CN105160649A (zh) | 基于核函数非监督聚类的多目标跟踪方法及*** | |
CN115880364B (zh) | 基于激光点云和视觉slam的机器人位姿估计方法 | |
CN113092807B (zh) | 基于多目标跟踪算法的城市高架道路车辆测速方法 | |
CN111998862A (zh) | 一种基于bnn的稠密双目slam方法 | |
Liao et al. | SE-Calib: Semantic Edge-Based LiDAR–Camera Boresight Online Calibration in Urban Scenes | |
WO2024114119A1 (zh) | 一种基于双目相机引导的传感器融合方法 | |
CN113487631A (zh) | 基于lego-loam的可调式大角度探测感知及控制方法 | |
CN116086484A (zh) | 基于地平面约束和回环检测的激光雷达里程计算方法 | |
CN115685185A (zh) | 一种4d毫米波雷达与视觉融合感知方法 | |
CN112017188A (zh) | 一种空间非合作目标语义识别与重构方法 | |
CN112432653B (zh) | 基于点线特征的单目视觉惯性里程计方法 | |
CN113985435A (zh) | 一种融合多激光雷达的建图方法及*** | |
CN113160280A (zh) | 一种基于激光雷达的动态多目标跟踪方法 | |
CN117053779A (zh) | 一种基于冗余关键帧去除的紧耦合激光slam方法及装置 | |
CN115457497A (zh) | 一种基于3d目标检测和多目标追踪检测车辆速度的方法 | |
CN111239761B (zh) | 一种用于室内实时建立二维地图的方法 | |
CN114648561A (zh) | 旋转式三维激光雷达的点云匹配方法及*** |
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 |