CN112381026A - 航道岸线检测方法、***、装置和存储介质 - Google Patents
航道岸线检测方法、***、装置和存储介质 Download PDFInfo
- Publication number
- CN112381026A CN112381026A CN202011324092.0A CN202011324092A CN112381026A CN 112381026 A CN112381026 A CN 112381026A CN 202011324092 A CN202011324092 A CN 202011324092A CN 112381026 A CN112381026 A CN 112381026A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- point
- data
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000004927 fusion Effects 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种航道岸线检测方法、***、计算机装置和存储介质,航道岸线检测方法包括获取多帧点云数据,对同一帧点云数据中的多个点云团进行聚类,对各点云数据进行多帧融合,获得融合数据,以及将满足位置条件的融合数据中的点云团确定为航道岸线等步骤。本发明通过对点云数据中的点云团的聚类,可以大致确定航道岸线,后续的多帧融合步骤则累计了被融合的各帧点云数据的信息,改善了单帧点云数据的稀疏性,能够获得密集的点云数据,岸线对应的点云特征在各帧云数据融合所得的融合数据中表现得更明显,能够以较小的计算量充分提取点云数据中的特征,根据融合数据确定具体的航道岸线能够达到更高的准确率。本发明广泛应用于图像处理技术领域。
Description
技术领域
本发明涉及图像处理技术领域,尤其是一种航道岸线检测方法、***、计算机装置和存储介质。
背景技术
航道岸线实时检测是智能船舶自主航行的基础,船舶自动导航的最优行驶路径需要根据已获取的航道环境信息、岸线位置进行规划,精确的航道岸线可以避免船舶发生搁浅、碰撞等危险事故。同时,航道岸线检测在智能船舶辅助安全***、靠泊警示***、电子海图信息更新中也起到了关键作用。
现有的基于激光雷达的岸线检测技术,存在岸线特征突出性能较低、特征提取不充分、检测率低、计算量大等问题。
发明内容
针对上述至少一个技术问题,本发明的目的在于提供一种航道岸线检测方法、***、计算机装置和存储介质。
一方面,本发明实施例包括一种航道岸线检测方法,包括:
获取来自激光雷达的多帧点云数据;
对同一帧所述点云数据中的多个点云团进行聚类;所述点云团包括多个两两之间的距离不超过距离阈值的点云;
对各所述点云数据进行多帧融合,获得融合数据;
将满足位置条件的所述融合数据中的点云团确定为航道岸线。
进一步地,所述航道岸线检测方法还包括:
筛选所述点云数据中的点云,保留与有效目标对应的点云;所述有效目标包括水面和/或水面目标;
将不满足所述位置条件的所述融合数据中的点云团确定为所述水面目标。
进一步地,所述筛选所述点云数据中的点云,保留与有效目标对应的点云,包括:
删除所述点云数据中强度不足强度阈值的点云,保留所述点云数据中强度达到或超过所述强度阈值的点云;
将所述点云数据加载至位于水面所在平面上的无高度约束的栅格阵列,使所述栅格阵列的部分或者全部栅格中存在所述点云数据中的点云;
当一个所述栅格中的点云的密度小于密度阈值,删除该所述栅格中的所有点云;
在水面所在平面内,平移所述点云数据中的点云,使得激光雷达的坐标位于所述点云数据的原点。
进一步地,所述对同一帧所述点云数据中的多个点云团进行聚类,包括:
对于一帧所述点云数据,按照对应的扫描角度所属区间,对所述点云数据中的各所述点云团进行分组;
执行至少一个聚类过程;每个所述聚类过程分别对应一个作为聚类中心的点云团,在一个所述聚类过程中,交替地将与所述聚类中心同组的且满足聚类条件的点云团聚类至所述聚类中心、将与所述聚类中心不同组的且满足聚类条件的点云团聚类至所述聚类中心,直至不存在满足所述聚类条件的点云团;所述聚类条件为所述聚类中心与点云团之间的距离不超过所述距离阈值。
进一步地,所述对各所述点云数据进行多帧融合,获得融合数据,包括:
从第一帧所述点云数据开始逐帧拼接各帧所述点云数据,直至拼接至最后一帧所述点云数据;其中,每相邻两帧所述点云数据之间的拼接,是通过旋转矩阵和平移向量根据特征点和代价函数完成的。
进一步地,所述特征点是使用二阶段线面ICP算法从所述点云数据中提取的,所述代价函数为点线距离。
进一步地,所述将满足位置条件的所述融合数据中的点云团确定为航道岸线,包括:
按照扫描角度的顺序对各所述点云团的中点与参考点之间的距离进行采样;
当在所述采样中检测到存在以超过幅度阈值偏离整体水平的异常值,将所述异常值对应的点云团以外的至少一个点云团确定为航道岸线。
另一方面,本发明实施例还包括一种航道岸线检测***,包括:
第一模块,用于获取来自激光雷达的多帧点云数据;
第二模块,用于将同一帧中的所述点云数据中的点云聚类成点云团;
第三模块,用于对各所述点云数据进行多帧融合,获得融合数据;
第四模块,用于将满足位置条件的所述融合数据中的点云团确定为航道岸线。
另一方面,本发明实施例还包括一种计算机装置,包括存储器和处理器,所述存储器用于存储至少一个程序,所述处理器用于加载所述至少一个程序以执行实施例所述方法。
另一方面,本发明实施例还包括一种存储介质,其中存储有处理器可执行的程序,所述处理器可执行的程序在由处理器执行时用于执行实施例所述方法。
本发明的有益效果是:实施例中的航道岸线检测方法,通过对点云数据中的点云团的聚类,可以大致确定航道岸线,后续的多帧融合步骤则累计了被融合的各帧点云数据的信息,改善了单帧点云数据的稀疏性,能够获得密集的点云数据,岸线对应的点云特征在各帧云数据融合所得的融合数据中表现得更明显,能够以较小的计算量充分提取点云数据中的特征,根据融合数据确定具体的航道岸线能够达到更高的准确率。
附图说明
图1为实施例中航道岸线检测方法的流程图;
图2为实施例中平移点云数据中的点云的原理示意图;
图3和图4为实施例中进行聚类的原理和效果示意图;
图5为实施例中基于ICP算法的多帧联合步骤示意图;
图6为实施例中确定航道岸线的原理示意图;
图7为实施例中岸线坐标信息转换示意图。
具体实施方式
本实施例中的航道岸线检测方法可由船载***执行。其中,船载***包括激光雷达以及具有数据处理能力的处理器,激光雷达可以检测岸基、水面等处的点云数据,所检测到的点云数据可以帧的形式存储、传输以及处理。
本实施例中,参照图1,航道岸线检测方法包括以下步骤:
S1.获取来自激光雷达的多帧点云数据;
S2.对同一帧点云数据中的多个点云团进行聚类;点云团包括多个两两之间的距离不超过距离阈值的点云;
S3.对各点云数据进行多帧融合,获得融合数据;
S4.将满足位置条件的融合数据中的点云团确定为航道岸线。
本实施例中,步骤S1中,使用激光雷达检测一周的数据进行处理。执行步骤S1后,还可以筛选每一帧点云数据中的点云,仅保留点云数据中对应着水面、水面目标等有效目标对应的点云,删除掉无效目标。这一步骤可以包括以下步骤:
S101.删除点云数据中强度不足强度阈值的点云,保留点云数据中强度达到或超过强度阈值的点云;
S102.将点云数据加载至位于水面所在平面上的无高度约束的栅格阵列,使栅格阵列的部分或者全部栅格中存在点云数据中的点云;
S103.当一个栅格中的点云的密度小于密度阈值,删除该栅格中的所有点云;
S104.在水面所在平面内,平移点云数据中的点云,使得激光雷达的坐标位于点云数据的原点。
步骤S101的原理包括:由于使用激光雷达探测水面时,水面波浪会产生一定的激光回波,但其反射强度通常较低,经多数据分析,由于水面反射特殊的原因,强度值低于强度阈值的数据均不是所需检测目标,强度值过低的点云反映的是水面点,将强度值的数据归一化使其范围为0-100,所以根据水面反射值特征,设定强度阈值为100,留下强度值为5-100的点云作为进一步处理的数据,删除掉强度为其他值的点云。
步骤S102-S103的原理包括:由于激光雷达采集数据范围较大,每帧点云数据中存在很多无效区域,首先根据激光雷达检测到的每帧点云数据将三维点云转化为以水面为基准的二维栅格地图表示,以船舶为中心为栅格原点。从而将点云数据表示成多块高度无约束的栅格区域,统计每个小方块表示的栅格区域内的点云数目,因为水面波浪反射的点云为离散点,则当一个栅格中的点云的密度小于密度阈值,也就是每个小方块内的点云数据小于一定数值的,表明这个小方块内的点云均不是所需检测目标,删除该栅格中的所有点云。
步骤S101是基于反射强度筛选每帧点云数据中的点云,步骤S102-S103是基于点云密度筛选每帧点云数据中的点云。步骤S101-S103属于对点云数据的预处理过程,通过对点云数据的预处理,可以在保持检测效果基本不变的前提下,大幅减少需要后面步骤处理的点云的数据量,从而提高检测效率。
步骤S104的原理如图2所示。图2的左侧是一帧点云数据表示在由X轴和Y轴组成的平面直角坐标系中的示意图,其中包括一些图2左侧以虚线圈标记的对进行岸线检测没有意义的无效点云。步骤S104中,通过平移图2左侧中的点云数据中的点云,使其成为图2右侧的样式,激光雷达即船舶的坐标位于点云数据的原点,可以去除掉部分或全部无效点云,可以在保持检测效果基本不变的前提下,减少需要后面步骤处理的点云的数据量,从而提高检测效率。具体地,执行步骤S104时,将每个点云的坐标分别减去所有点云的坐标当中的X、Y轴最小值和最大值,而每个点云的海拔高度坐标Z不需要改变。
本实施例中,步骤S2,也就是对同一帧点云数据中的多个点云团进行聚类这一步骤,包括:
S201.对于一帧点云数据,按照对应的扫描角度所属区间,对点云数据中的各点云团进行分组;
S202.执行至少一个聚类过程;每个聚类过程分别对应一个作为聚类中心的点云团,在一个聚类过程中,交替地将与聚类中心同组的且满足聚类条件的点云团聚类至聚类中心、将与聚类中心不同组的且满足聚类条件的点云团聚类至聚类中心,直至不存在满足聚类条件的点云团;聚类条件为聚类中心与点云团之间的距离不超过距离阈值。
步骤S201-S202中,点云团是指多个点云的集合,这些点云两两之间的距离不超过距离阈值,本实施例中可以将这个距离阈值设定为1m。
步骤S201中,参照图3,将原先在世界坐标系中表示的每一帧点云数据转换成以极坐标表示。对于一帧点云数据,按照对应的扫描角度所属区间,对点云数据中的各点云团进行分组,本实施例中,参照图3,激光雷达采集一帧点云数据的水平扫描角度为360°,可以以每10°为一个角度区间,对应同一角度区间的点云团属于同一组。
本实施例中,0°-10°角度区间(可以记为angle1)内有block1和block2两个点云团,10°-20°角度区间(可以记为angle2)内有block3、block4和block5三个点云团。步骤S202中,可以首先执行angle1内的以点云团block1为聚类中心的聚类过程。首先将block1与angle1旁边的angle2角度区间中任选一个点云团进行聚类,例如选择点云团block3进行聚类,将点云团block1和点云团block3内的任意两点进行欧氏距离计算,若两点之间的欧氏距离小于或等于距离阈值1m,则聚类成功,将点云团block1和点云团block3合并为block1,接着,再考察点云团block1与对应同一角度区间angle1中其他的点云团进行聚类,聚类完成后再与angle1之外的其他角度区间(例如angle2)内的其中一个点云团进行聚类,这样重复进行,直到block1不再和angle2内的点云团聚类成功为止,然后block1和下一个相邻角度内的任意点云团进行聚类,重复上述步骤。本实施例中,可以进一步设定:若block1和angle2内的点云团都没有聚类成功,则block1将不再参与任何角度区间的聚类。
本实施例中,执行点云团聚类的结果如图4所示。通过步骤S201-S202对点云团的聚类,可以大致筛选出航道岸线。
本实施例中,步骤S3,也就是对各点云数据进行多帧融合,获得融合数据这一步骤,包括:
从第一帧点云数据开始逐帧拼接各帧点云数据,直至拼接至最后一帧点云数据;其中,每相邻两帧点云数据之间的拼接,是通过旋转矩阵和平移向量根据特征点和代价函数完成的。具体地,经过执行S1-S2等步骤后,激光点云数据均聚类成有限个点云团,参照图5中的步骤,采用二阶段线面ICP算法从三维的点云数据中根据曲率提取特征点,之后以点线距离作为匹配的代价函数,经过旋转矩阵和平移向量两个步骤实现两帧点云数据之间的匹配。经过步骤S3的处理,所获得的多帧融合后的点云数据显示更加清晰。
本实施例中,步骤S4,也就是将满足位置条件的融合数据中的点云团确定为航道岸线这一步骤,包括以下步骤:
S401.按照扫描角度的顺序对各点云团的中点与参考点之间的距离进行采样;
S402.当在采样中检测到存在以超过幅度阈值偏离整体水平的异常值,将异常值对应的点云团以外的至少一个点云团确定为航道岸线。
步骤S401中,参照图6,可以按照顺时针的扫描顺序,采样各点云团的中点与参考点之间的距离,所获得的值分别为ρ1、ρ3和ρ2。
步骤S402中,整体水平可以是指ρ1、ρ3和ρ2所形成的平均数或者众数等。参照图6,ρ3的值明显比ρ1和ρ2小,也就是ρ3属于以超过幅度阈值偏离整体水平的异常值,即ρ3对应的那个点云团中的中心点相对于其余点云团的中心点到原点(船舶所在位置)的距离变化较大,则可判断ρ3对应的点云团为船只等障碍物或者其他水面目标,将ρ3对应的点云团即ρ1和ρ2对应的点云团确定为航道岸线。
本实施例中,参照图3和图4,已将点云数据转换成极坐标系表示,由于点云数据是三维的,因此实际上点云数据是通过球坐标系表示,因此要将筛选出最符合实际岸线的点云数据还原为经纬度坐标信息。参照图7,三维激光雷达点云数据在进行岸线检测是以球坐标形式进行保存,由原点O与目标点P之间的径向距离为r,O到P的连线与正Z-轴之间的夹角为天顶角O到P的连线在XOY平面上的投影线与正Y轴之间的夹角为方位角θ组成。将点云坐标转化为固定坐标系,即WGS84空间直角坐标形式,转换公式如下:
式中θ0表示当前船舶的船首向。
将WGS84空间直角坐标与经纬度坐标换算。设目标的经纬度坐标为(B,L),平面直角坐标为(X,Y,Z),换算公式如下:
其中:
式中,N为卯酉圈的半径,a为地球椭球体长半轴,在此a=6378137.0000m,b为地球椭球体短半轴,在此b=6356752.3142m。e为第一偏心率,e′2为第二偏心率平方。
以上述筛选后,将提取三维点云数据进行位置转化,将转化后的位置信息进行岸线还原,进而将岸线检测出来。
本实施例中,通过对点云数据中的点云团的聚类,可以大致确定航道岸线,后续的多帧融合步骤则累计了被融合的各帧点云数据的信息,改善了单帧点云数据的稀疏性,能够获得密集的点云数据,岸线对应的点云特征在各帧云数据融合所得的融合数据中表现得更明显,根据融合数据确定具体的航道岸线能够达到更高的准确率,还具有特征提取充分和计算量小等优点,可以在船载电子海图构建、自动航行障碍物检测、航道现状调查分析、航道测量与勘察等方面提供快速有效的岸线检测,促进智能航运、智能工业的发展。
本实施例中,航道岸线检测***包括:
第一模块,用于获取来自激光雷达的多帧点云数据;
第二模块,用于将同一帧中的点云数据中的点云聚类成点云团;
第三模块,用于对各点云数据进行多帧融合,获得融合数据;
第四模块,用于将满足位置条件的融合数据中的点云团确定为航道岸线。
其中,第一模块、第二模块、第三模块和第四模块可以是具有相应功能的硬件、软件或者硬件和软件的结合。通过运行第一模块、第二模块、第三模块和第四模块,航道岸线检测***能够执行航道岸线检测方法,实现与实施例所述的相同的技术效果。
本实施例中,一种计算机装置,包括存储器和处理器,所述存储器用于存储至少一个程序,所述处理器用于加载所述至少一个程序以执行实施例中的航道岸线检测方法,实现与实施例所述的相同的技术效果。
本实施例中,一种存储介质,其中存储有处理器可执行的程序,所述处理器可执行的程序在由处理器执行时用于执行实施例中的航道岸线检测方法,实现与实施例所述的相同的技术效果。
需要说明的是,如无特殊说明,当某一特征被称为“固定”、“连接”在另一个特征,它可以直接固定、连接在另一个特征上,也可以间接地固定、连接在另一个特征上。此外,本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。此外,除非另有定义,本实施例所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本实施例说明书中所使用的术语只是为了描述具体的实施例,而不是为了限制本发明。本实施例所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。
应当理解,尽管在本公开可能采用术语第一、第二、第三等来描述各种元件,但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如,在不脱离本公开范围的情况下,第一元件也可以被称为第二元件,类似地,第二元件也可以被称为第一元件。本实施例所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本发明的实施例,并且除非另外要求,否则不会对本发明的范围施加限制。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机***通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本实施例描述的过程的操作,除非本实施例另外指示或以其他方式明显地与上下文矛盾。本实施例描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机***的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本实施例所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还包括计算机本身。
计算机程序能够应用于输入数据以执行本实施例所述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。
以上所述,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,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,均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (10)
1.一种航道岸线检测方法,其特征在于,包括:
获取来自激光雷达的多帧点云数据;
对同一帧所述点云数据中的多个点云团进行聚类;所述点云团包括多个两两之间的距离不超过距离阈值的点云;
对各所述点云数据进行多帧融合,获得融合数据;
将满足位置条件的所述融合数据中的点云团确定为航道岸线。
2.根据权利要求1所述的航道岸线检测方法,其特征在于,所述航道岸线检测方法还包括:
筛选所述点云数据中的点云,保留与有效目标对应的点云;所述有效目标包括水面和/或水面目标;
将不满足所述位置条件的所述融合数据中的点云团确定为所述水面目标。
3.根据权利要求2所述的航道岸线检测方法,其特征在于,所述筛选所述点云数据中的点云,保留与有效目标对应的点云,包括:
删除所述点云数据中强度不足强度阈值的点云,保留所述点云数据中强度达到或超过所述强度阈值的点云;
将所述点云数据加载至位于水面所在平面上的无高度约束的栅格阵列,使所述栅格阵列的部分或者全部栅格中存在所述点云数据中的点云;
当一个所述栅格中的点云的密度小于密度阈值,删除该所述栅格中的所有点云;
在水面所在平面内,平移所述点云数据中的点云,使得激光雷达的坐标位于所述点云数据的原点。
4.根据权利要求1所述的航道岸线检测方法,其特征在于,所述对同一帧所述点云数据中的多个点云团进行聚类,包括:
对于一帧所述点云数据,按照对应的扫描角度所属区间,对所述点云数据中的各所述点云团进行分组;
执行至少一个聚类过程;每个所述聚类过程分别对应一个作为聚类中心的点云团,在一个所述聚类过程中,交替地将与所述聚类中心同组的且满足聚类条件的点云团聚类至所述聚类中心、将与所述聚类中心不同组的且满足聚类条件的点云团聚类至所述聚类中心,直至不存在满足所述聚类条件的点云团;所述聚类条件为所述聚类中心与点云团之间的距离不超过所述距离阈值。
5.根据权利要求1所述的航道岸线检测方法,其特征在于,所述对各所述点云数据进行多帧融合,获得融合数据,包括:
从第一帧所述点云数据开始逐帧拼接各帧所述点云数据,直至拼接至最后一帧所述点云数据;其中,每相邻两帧所述点云数据之间的拼接,是通过旋转矩阵和平移向量根据特征点和代价函数完成的。
6.根据权利要求5所述的航道岸线检测方法,其特征在于,所述特征点是使用二阶段线面ICP算法从所述点云数据中提取的,所述代价函数为点线距离。
7.根据权利要求1所述的航道岸线检测方法,其特征在于,所述将满足位置条件的所述融合数据中的点云团确定为航道岸线,包括:
按照扫描角度的顺序对各所述点云团的中点与参考点之间的距离进行采样;
当在所述采样中检测到存在以超过幅度阈值偏离整体水平的异常值,将所述异常值对应的点云团以外的至少一个点云团确定为航道岸线。
8.一种航道岸线检测***,其特征在于,包括:
第一模块,用于获取来自激光雷达的多帧点云数据;
第二模块,用于将同一帧中的所述点云数据中的点云聚类成点云团;
第三模块,用于对各所述点云数据进行多帧融合,获得融合数据;
第四模块,用于将满足位置条件的所述融合数据中的点云团确定为航道岸线。
9.一种计算机装置,其特征在于,包括存储器和处理器,所述存储器用于存储至少一个程序,所述处理器用于加载所述至少一个程序以执行权利要求1-7任一项所述方法。
10.一种存储介质,其中存储有处理器可执行的程序,其特征在于,所述处理器可执行的程序在由处理器执行时用于执行如权利要求1-7任一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011324092.0A CN112381026A (zh) | 2020-11-23 | 2020-11-23 | 航道岸线检测方法、***、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011324092.0A CN112381026A (zh) | 2020-11-23 | 2020-11-23 | 航道岸线检测方法、***、装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112381026A true CN112381026A (zh) | 2021-02-19 |
Family
ID=74587648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011324092.0A Pending CN112381026A (zh) | 2020-11-23 | 2020-11-23 | 航道岸线检测方法、***、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112381026A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113095324A (zh) * | 2021-04-28 | 2021-07-09 | 合肥工业大学 | 一种针对锥桶的分类与测距方法及*** |
CN113253054A (zh) * | 2021-05-24 | 2021-08-13 | 中国农业大学 | 一种基于闪电成像仪的配电网雷电故障快速定位方法 |
CN113593040A (zh) * | 2021-08-06 | 2021-11-02 | 山东大学 | 一种堤防护坡植被异常生长病害识别方法及*** |
CN115421150A (zh) * | 2022-09-01 | 2022-12-02 | 中国船舶集团有限公司第七一一研究所 | 基于激光雷达点云数据的船岸距离计算方法及*** |
CN115656982A (zh) * | 2022-12-13 | 2023-01-31 | 中国南方电网有限责任公司超高压输电公司广州局 | 水面杂波去除方法、装置、计算机设备和存储介质 |
CN117970286A (zh) * | 2024-03-29 | 2024-05-03 | 陕西欧卡电子智能科技有限公司 | 无人船障碍物识别方法、装置、无人船及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105787933A (zh) * | 2016-02-19 | 2016-07-20 | 武汉理工大学 | 基于多视角点云配准的岸线三维重建装置及方法 |
CN109934891A (zh) * | 2019-03-19 | 2019-06-25 | 武汉楚航测控科技有限公司 | 一种基于无人船的水域岸线构建方法及*** |
CN110147815A (zh) * | 2019-04-10 | 2019-08-20 | 深圳市易尚展示股份有限公司 | 基于k均值聚类的多帧点云融合方法及装置 |
CN110221603A (zh) * | 2019-05-13 | 2019-09-10 | 浙江大学 | 一种基于激光雷达多帧点云融合的远距离障碍物检测方法 |
CN110827329A (zh) * | 2019-10-15 | 2020-02-21 | 四方智能(武汉)控制技术有限公司 | 一种无人船自主泊岸方法、计算机设备及存储介质 |
-
2020
- 2020-11-23 CN CN202011324092.0A patent/CN112381026A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105787933A (zh) * | 2016-02-19 | 2016-07-20 | 武汉理工大学 | 基于多视角点云配准的岸线三维重建装置及方法 |
CN109934891A (zh) * | 2019-03-19 | 2019-06-25 | 武汉楚航测控科技有限公司 | 一种基于无人船的水域岸线构建方法及*** |
CN110147815A (zh) * | 2019-04-10 | 2019-08-20 | 深圳市易尚展示股份有限公司 | 基于k均值聚类的多帧点云融合方法及装置 |
CN110221603A (zh) * | 2019-05-13 | 2019-09-10 | 浙江大学 | 一种基于激光雷达多帧点云融合的远距离障碍物检测方法 |
CN110827329A (zh) * | 2019-10-15 | 2020-02-21 | 四方智能(武汉)控制技术有限公司 | 一种无人船自主泊岸方法、计算机设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
X. ZHANG ET AL.: "Vessel detection and classification fusing radar and vision data", 《2017 SEVENTH INTERNATIONAL CONFERENCE ON INFORMATION SCIENCE AND TECHNOLOGY》 * |
何万涛 等, 哈尔滨工业大学出版社 * |
张香利: "基于激光雷达和视觉信息融合的水面船只检测与识别研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
李峰 等: "《机载LiDAR***原理与点云处理方法》", 31 August 2017, 煤炭工业出版社 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113095324A (zh) * | 2021-04-28 | 2021-07-09 | 合肥工业大学 | 一种针对锥桶的分类与测距方法及*** |
CN113253054A (zh) * | 2021-05-24 | 2021-08-13 | 中国农业大学 | 一种基于闪电成像仪的配电网雷电故障快速定位方法 |
CN113253054B (zh) * | 2021-05-24 | 2022-02-25 | 中国农业大学 | 一种基于闪电成像仪的配电网雷电故障快速定位方法 |
CN113593040A (zh) * | 2021-08-06 | 2021-11-02 | 山东大学 | 一种堤防护坡植被异常生长病害识别方法及*** |
CN113593040B (zh) * | 2021-08-06 | 2023-09-22 | 山东大学 | 一种堤防护坡植被异常生长病害识别方法及*** |
CN115421150A (zh) * | 2022-09-01 | 2022-12-02 | 中国船舶集团有限公司第七一一研究所 | 基于激光雷达点云数据的船岸距离计算方法及*** |
CN115656982A (zh) * | 2022-12-13 | 2023-01-31 | 中国南方电网有限责任公司超高压输电公司广州局 | 水面杂波去除方法、装置、计算机设备和存储介质 |
CN117970286A (zh) * | 2024-03-29 | 2024-05-03 | 陕西欧卡电子智能科技有限公司 | 无人船障碍物识别方法、装置、无人船及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112381026A (zh) | 航道岸线检测方法、***、装置和存储介质 | |
EP3223191B1 (en) | Creation of a 3d city model from oblique imaging and lidar data | |
CN112085844B (zh) | 面向野外未知环境的无人机影像快速三维重建方法 | |
EP3517997B1 (en) | Method and system for detecting obstacles by autonomous vehicles in real-time | |
CN107270916B (zh) | 道路面生成方法及装置以及点云数据处理方法及装置 | |
JP6543520B2 (ja) | 測量データ処理装置、測量データ処理方法および測量データ処理用プログラム | |
Xiao et al. | Planar segment based three‐dimensional point cloud registration in outdoor environments | |
US8199977B2 (en) | System and method for extraction of features from a 3-D point cloud | |
CN111258320B (zh) | 一种机器人避障的方法及装置、机器人、可读存储介质 | |
CA3037360A1 (en) | Computer vision systems and methods for detecting and modeling features of structures in images | |
CN110799989A (zh) | 一种障碍物检测方法、设备、可移动平台及存储介质 | |
CN112907676A (zh) | 传感器的标定方法、装置、***、车辆、设备及存储介质 | |
CN112001226B (zh) | 一种无人驾驶3d目标检测方法、装置及存储介质 | |
CN113359782B (zh) | 一种融合lidar点云与图像数据的无人机自主选址降落方法 | |
CN111308500B (zh) | 基于单线激光雷达的障碍物感知方法、装置和计算机终端 | |
EP2597485A2 (en) | Rapid lidar image correlation for ground navigation | |
CN112106111A (zh) | 一种标定方法、设备、可移动平台及存储介质 | |
CN110634138A (zh) | 一种基于视觉感知的桥梁变形的监测方法、装置及设备 | |
CN112154448A (zh) | 目标检测方法、设备及可移动平台 | |
CN108550134B (zh) | 建图效果指标的确定方法和建图效果指标的确定装置 | |
CN112669458A (zh) | 基于激光点云进行地面滤波的方法、设备和程序载体 | |
Bagnitckii et al. | A survey of underwater areas using a group of AUVs | |
WO2021189479A1 (zh) | 路基传感器的位姿校正方法、装置和路基传感器 | |
US20220276046A1 (en) | System and method for providing improved geocoded reference data to a 3d map representation | |
CN115902977A (zh) | 基于视觉和gps的变电站机器人双重定位方法及*** |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210219 |
|
RJ01 | Rejection of invention patent application after publication |