CN114255252B - 障碍物轮廓获取方法、装置、设备及计算机可读存储介质 - Google Patents

障碍物轮廓获取方法、装置、设备及计算机可读存储介质 Download PDF

Info

Publication number
CN114255252B
CN114255252B CN202210187951.9A CN202210187951A CN114255252B CN 114255252 B CN114255252 B CN 114255252B CN 202210187951 A CN202210187951 A CN 202210187951A CN 114255252 B CN114255252 B CN 114255252B
Authority
CN
China
Prior art keywords
polar
projection
grid
cloud data
obstacle
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.)
Active
Application number
CN202210187951.9A
Other languages
English (en)
Other versions
CN114255252A (zh
Inventor
郑正扬
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.)
Neolithic Zhongyan Shanghai Technology Co ltd
Original Assignee
Neolix Technologies 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 Neolix Technologies Co Ltd filed Critical Neolix Technologies Co Ltd
Priority to CN202210187951.9A priority Critical patent/CN114255252B/zh
Publication of CN114255252A publication Critical patent/CN114255252A/zh
Application granted granted Critical
Publication of CN114255252B publication Critical patent/CN114255252B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及自动驾驶技术领域，具体提供一种障碍物轮廓获取方法、装置、设备及计算机可读存储介质，旨在解决如何及时且准确地获取障碍物轮廓的问题。为此目的，本发明的方法包括获取在以行驶装置为原点的三维坐标系下目标障碍物的点云数据，依据目标障碍物的检测精度需求设置极坐标系的投影栅格的个数ROW，基于个数ROW生成极坐标栅格图，将点云数据向极坐标栅格图投影得到投影点的极坐标栅格图表征，根据极坐标栅格图表征中每个投影栅格内的极径最大投影点和极径最小投影点形成目标障碍物的轮廓。基于上述方法，可以极大地降低获取障碍物轮廓的时间复杂度，从而使目标对象如无人车处于自动驾驶或无人驾驶状态时可以快速与准确地获取障碍物的轮廓。

Description

障碍物轮廓获取方法、装置、设备及计算机可读存储介质
技术领域
本发明涉及自动驾驶技术领域，具体提供一种障碍物轮廓获取方法、装置、设备及计算机可读存储介质。
背景技术
目前基于点云数据进行障碍物轮廓获取的方法主要包括凸多边形获取算法和凹 多边形获取算法，其中，凸多边形获取算法存在无法准确获取凹陷障碍物如墙角的轮廓的 问题，此外常规的凸多边形获取算法和凹多边形获取算法还都存在时间复杂度（Time Complexity）较大的问题，当在障碍物较多的应用场景如自动驾驶场景下使用上述方法进 行障碍物轮廓获取时将会需要消耗大量的计算资源，从而导致无法及时进行障碍物识别与 处理。例如，凸多边形获取算法中单调链凸包（Monotone Chain Convex Hull）算法的时间 复杂度为
Figure DEST_PATH_IMAGE001
，凹多边形获取算法中Alpha Shapes算法的时间复杂度为
Figure 657737DEST_PATH_IMAGE002
。
相应地，本领域需要一种新的障碍物轮廓获取方案来解决上述问题。
发明内容
为了克服上述缺陷，提出了本发明，以提供解决或至少部分地解决如何及时且准确地获取障碍物轮廓，以提高障碍物识别的效率与准确性的技术问题的障碍物轮廓获取方法、装置、设备及计算机可读存储介质。
在第一方面，本发明提供一种障碍物轮廓获取方法，所述方法包括：
获取在以行驶装置为原点的三维坐标系下目标障碍物的点云数据；
确定所述目标障碍物的检测精度需求；
建立与所述三维坐标系对应的极坐标系；
依据所述目标障碍物的检测精度需求设置所述极坐标系的投影栅格的个数ROW，基于所述个数ROW生成极坐标栅格图；
将所述点云数据向所述极坐标栅格图进行投影，得到对应所述目标障碍物的点云数据的投影点的极坐标栅格图表征；
对所述极坐标栅格图表征中每个投影栅格内的投影点进行筛选，获取极径最大投影点和极径最小投影点；
依次连接所有极径最小投影点形成近侧边缘线段，并依次连接所有极径最大投影点形成远侧边缘线段，再将所述近侧边缘线段与所述远侧边缘线段的同侧端点相连，以形成所述目标障碍物的轮廓。
在上述障碍物轮廓获取方法的一个技术方案中，在“对所述极坐标栅格图表征中每个投影栅格内的投影点进行筛选，获取极径最大投影点和极径最小投影点”的步骤之前，所述方法还包括通过下列步骤确定位于每个投影栅格内的所有投影点：
获取每个点云数据在所述三维坐标系中x轴与y轴所形成的平面上与x轴的夹角，根据所述夹角确定所述极坐标栅格图的极角范围；
根据所述极坐标栅格图的极角范围与所述极坐标栅格图中投影栅格的个数ROW，确定所述极坐标栅格图的角度分辨率；
根据每个点云数据的夹角与所述角度分辨率，分别确定每个点云数据的投影点所在的投影栅格，进而确定位于每个投影栅格内的所有投影点。
在上述障碍物轮廓获取方法的一个技术方案中，“根据所述夹角确定所述极坐标栅格图的极角范围”的步骤具体包括：
从所有点云数据的夹角中获取最大夹角和最小夹角；
根据所述最大夹角与所述最小夹角确定所述极角范围。
在上述障碍物轮廓获取方法的一个技术方案中，“根据所述极坐标栅格图的极角范围与所述极坐标栅格图中投影栅格的个数ROW，确定所述极坐标栅格图的角度分辨率”的步骤具体包括根据所述极坐标栅格图的极角范围与所述极坐标栅格图中投影栅格的个数ROW并按照下述公式确定所述极坐标栅格图的角度分辨率：
Figure DEST_PATH_IMAGE003
其中，所述
Figure 743505DEST_PATH_IMAGE004
表示所述角度分辨率，所述
Figure DEST_PATH_IMAGE005
表示所述极坐标栅格图的极角范 围。
在上述障碍物轮廓获取方法的一个技术方案中，“根据每个点云数据的夹角与所述角度分辨率，分别确定每个点云数据的投影点所在的投影栅格”的步骤具体包括根据每个点云数据的夹角与所述角度分辨率并按照下述公式分别确定每个点云数据的投影点所在的投影栅格：
Figure 361568DEST_PATH_IMAGE006
其中，所述
Figure DEST_PATH_IMAGE007
表示第i个点云数据的投影点所在的投影栅格，所述
Figure 241799DEST_PATH_IMAGE008
表示第i 个点云数据在所述三维坐标系中x轴与y轴所形成的平面上与x轴的夹角，所述
Figure DEST_PATH_IMAGE009
表示所 有点云数据在所述三维坐标系中x轴与y轴所形成的平面上与x轴的夹角中的最小夹角，所 述
Figure 617417DEST_PATH_IMAGE010
表示所述角度分辨率，“
Figure DEST_PATH_IMAGE011
”表示向下取整运算；
和/或，
“确定所述目标障碍物的检测精度需求”的步骤具体包括：
识别所述目标障碍物的大小、类型或位置信息，根据所述大小、类型或位置信息确定所述目标障碍物的检测精度需求。
在上述障碍物轮廓获取方法的一个技术方案中，“依次连接所有极径最小投影点形成近侧边缘线段，并依次连接所有极径最大投影点形成远侧边缘线段，再将所述近侧边缘线段与所述远侧边缘线段的同侧端点相连，以形成所述目标障碍物的轮廓”的步骤具体包括：
按照预设的投影栅格在极坐标栅格图中的排列顺序，依次连接所有极径最小投影点形成近侧边缘线段，并依次连接所有极径最大投影点形成远侧边缘线段，再将所述近侧边缘线段与所述远侧边缘线段的同侧端点相连，以形成所述目标障碍物的轮廓。
第二方面，提供一种障碍物轮廓获取装置，所述装置包括：
点云数据获取模块，其被配置成获取在以行驶装置为原点的三维坐标系下目标障碍物的点云数据；
检测精度需求确定模块，其被配置成确定所述目标障碍物的检测精度需求；
极坐标系建立模块，其被配置成建立与所述三维坐标系对应的极坐标系；
极坐标栅格图生成模块，其被配置成依据所述目标障碍物的检测精度需求设置所述极坐标系的投影栅格的个数ROW，基于所述个数ROW生成极坐标栅格图；
点云数据投影模块，其被配置成将所述点云数据向所述极坐标栅格图进行投影，得到对应所述目标障碍物的点云数据的投影点的极坐标栅格图表征；
投影点筛选模块，其被配置成对所述极坐标栅格图表征中每个投影栅格内的投影点进行筛选，获取极径最大投影点和极径最小投影点；
轮廓获取模块，其被配置成依次连接所有极径最小投影点形成近侧边缘线段，并依次连接所有极径最大投影点形成远侧边缘线段，再将所述近侧边缘线段与所述远侧边缘线段的同侧端点相连，以形成所述目标障碍物的轮廓。
在第三方面，提供一种计算机设备，该计算机设备包括处理器和存储装置，所述存储装置适于存储多条程序代码，所述程序代码适于由所述处理器加载并运行以执行上述障碍物轮廓获取方法的技术方案中任一项技术方案所述的障碍物轮廓获取方法。
在第四方面，提供一种计算机可读存储介质，该计算机可读存储介质其中存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行上述障碍物轮廓获取方法的技术方案中任一项技术方案所述的障碍物轮廓获取方法。
在第五方面，提供一种行驶装置，该行驶装置包括前述障碍物轮廓获取装置技术方案所述的障碍物轮廓获取装置或前述计算机设备技术方案所述的计算机设备。
本发明上述一个或多个技术方案，至少具有如下一种或多种有益效果：
在实施本发明的技术方案中，障碍物轮廓获取方法可以获取在以行驶装置为原点 的三维坐标系下目标障碍物的点云数据，确定目标障碍物的检测精度需求，建立与三维坐 标系对应的极坐标系，依据目标障碍物的检测精度需求设置极坐标系的投影栅格的个数 ROW，基于个数ROW生成极坐标栅格图，将点云数据向极坐标栅格图进行投影得到对应目标 障碍物的点云数据的投影点的极坐标栅格图表征，对极坐标栅格图表征中每个投影栅格内 的投影点进行筛选，获取极径最大投影点和极径最小投影点。最后，依次连接所有极径最小 投影点形成近侧边缘线段，并依次连接所有极径最大投影点形成远侧边缘线段，再将近侧 边缘线段与远侧边缘线段的同侧端点相连，以形成目标障碍物的轮廓。由于只需要对目标 障碍物的点云数据的投影点进行一次遍历，确定出每个投影点的极径，就可以根据每个投 影栅格内的极径最大投影点和极径最小投影点获取目标障碍物的轮廓，因此，通过上述实 施方式能够极大地降低获取障碍物轮廓的时间复杂度（时间复杂度为
Figure 149286DEST_PATH_IMAGE012
），即使行驶装 置如车辆周围环境中存在大量障碍物，也能够快速与准确地获取每个障碍物的轮廓。例如， 在无人车处于自动驾驶或无人驾驶状态时基于上述方法，无人车可以在行驶过程中实时且 准确地获取到每个障碍物的轮廓，保证无人车能够安全行驶。同时，利用每个投影栅格内极 径最大投影点和极径最小投影点连接形成目标障碍物的轮廓，可以适用于任意形状的障碍 物，无论是凸形障碍物如车辆，还是凹形障碍物如墙角都能够准确得到障碍物轮廓。
附图说明
参照附图，本发明的公开内容将变得更易理解。本领域技术人员容易理解的是：这些附图仅仅用于说明的目的，而并非意在对本发明的保护范围组成限制。其中：
图1是根据本发明的一个实施例的障碍物轮廓获取方法的主要步骤流程示意图；
图2是根据本发明的一个实施例的通过连接极径最大投影点和极径最小投影点形成的目标障碍物的轮廓的示意图；
图3是根据本发明的一个实施例的点云数据在三维坐标系中x轴与y轴所形成的平面上与x轴的夹角的示意图；
图4是根据本发明的一个实施例的障碍物轮廓获取装置的主要结构框图示意图。
附图标记列表：
11：点云数据获取模块；12：检测精度需求确定模块；13：极坐标系建立模块；14：极坐标栅格图生成模块；15：点云数据投影模块；16：投影点筛选模块；17：轮廓获取模块。
具体实施方式
下面参照附图来描述本发明的一些实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。
在本发明的描述中，“模块”、“处理器”可以包括硬件、软件或者两者的组合。一个模块可以包括硬件电路，各种合适的感应器，通信端口，存储器，也可以包括软件部分，比如程序代码，也可以是软件和硬件的组合。处理器可以是中央处理器、微处理器、图像处理器、数字信号处理器或者其他任何合适的处理器。处理器具有数据和/或信号处理功能。处理器可以以软件方式实现、硬件方式实现或者二者结合方式实现。非暂时性的计算机可读存储介质包括任何合适的可存储程序代码的介质，比如磁碟、硬盘、光碟、闪存、只读存储器、随机存取存储器等等。
这里先解释本发明涉及到的一些术语。
极坐标系（polar coordinates）是指在平面内由极点O、极轴Ox和极径组成的坐标 系，极轴Ox是从极点O引出的射线，极径是指平面内某一点P到极点O的距离，点P可以表示成
Figure DEST_PATH_IMAGE013
，
Figure 887435DEST_PATH_IMAGE014
表示点P的极径，
Figure 100002_DEST_PATH_IMAGE015
表示点P的极角，极角是按照逆时针方向从极轴Ox转到线 段OP的角度。
极坐标栅格图是指对在极坐标系下具有某一极角范围的平面进行网格划分后形成的一种极坐标的表征图，通过网格划分可以将这一平面划分成多个栅格。在本发明实施例中网格划分的方法是以极点O为起点按照逆时针方向从极轴Ox开始将平面划分成多个扇形的栅格，每个栅格都对应一定的极角范围。例如，平面的极角范围是360°，划分形成的栅格个数ROW是20个，那么每个栅格各自对应的极角范围可以都是18°。按照逆时针方向旋转，第一个栅格对应的极角范围是0°-18°，第二个栅格对应的极角范围是18°-36°，依次类推可以得到其他栅格对应的角度。在本实施例中极坐标栅格图中的投影栅格与上述栅格的含义相同。
以行驶装置为原点的三维坐标系是指以行驶装置如车辆的某一点如车头为原点构建的三维笛卡尔坐标系（Cartesian coordinates）中的直角坐标系，该三维坐标系包括x轴、y轴和z轴。当行驶装置在水平面上处于静置状态时x轴平行于该水平面并指向行驶装置的一侧方向，y轴也平行于该水平面并指向行驶装置的另一侧方向，z轴垂直于该水平面并指向行驶装置的再一侧方向，x轴、y轴和z轴于原点处相交。在一个实施例中，当行驶装置包括前、后、左、右、上、下共六个方向时，x轴可以指向行驶装置的右侧方向（x轴是沿行驶装置的水平向右的方向上的坐标轴），y轴可以指向行驶装置的前侧方向（y轴是沿行驶装置的水平向前的方向上的坐标轴），z轴可以指向行驶装置竖直向上的方向（z轴是沿行驶装置竖直向上的坐标轴）。
下面对本发明实施例的障碍物轮廓获取方法进行具体说明。
参阅附图1，图1是根据本发明的一个实施例的障碍物轮廓获取方法的主要步骤流程示意图。如图1所示，本发明实施例中的障碍物轮廓获取方法主要包括下列步骤S101至步骤S107。
步骤S101：获取在以行驶装置为原点的三维坐标系下目标障碍物的点云数据。
行驶装置是能够按照预设轨迹移动的装置，该行驶装置包括但不限于：车辆、扫地机器人、擦窗机器人等，车辆可以是无人车、自动驾驶车辆等。
目标障碍物指的是在行驶装置周围环境中的障碍物，该障碍物可以是静态障碍物，也可以是动态障碍物。例如，静态障碍物可以是停放在车道上的车辆，动态障碍物可以是在车道上行驶的车辆。
在本实施例中可以通过行驶装置上设置的环境感知设备比如激光雷达来获取目标障碍物的点云数据，也可以接收其他与行驶装置通信连接的设备采集的点云数据，与行驶装置通信连接的设备包括但不限于计算机设备和移动设备如手机等。本发明实施例不对采集点云数据的具体实施方式进行限定，只要能够获取到以行驶装置为原点的三维坐标系下目标障碍物的点云数据即可。
步骤S102：确定目标障碍物的检测精度需求。
检测精度需求越高表明需要分辨的尺寸越精细，检测精度需求越低表明需要分辨的尺寸越不精细。在本发明实施例中可以通过目标障碍物是否为严重危及行驶装置安全行驶的障碍物来确定目标障碍物的检测精度需求；如果目标障碍物会严重危及行驶装置安全行驶，则可以对该目标障碍物设置较高的检测精度需求，反之则可以设置较低的检测精度需求。
在步骤S102的一个实施方式中可以通过识别目标障碍物的大小、类型或位置信息，进而根据大小、类型或位置信息确定目标障碍物的检测精度需求。如果目标障碍物的尺寸越大表明危及行驶装置安全行驶的风险越大，此时可以对该目标障碍物设置较高的检测精度需求，反之则可以设置较低的检测精度需求。如果目标障碍物的类型是预设的属于会严重危及行驶装置安全形式的障碍物类型，则可以对该目标障碍物设置较高的检测精度需求，反之则可以设置较低的检测精度需求。如果目标障碍物相对于行驶装置的位置处于会严重危及行驶装置安全行驶的区域，则可以对该目标障碍物设置较高的检测精度需求，反之则可以设置较低的检测精度需求。在本实施方式中可以预先设置好目标障碍物的尺寸与检测精度需求的对应关系，目标障碍物的类型与检测精度需求的对应关系，在获取到目标障碍物的大小和类型后根据上述对应关系直接匹配相应的检测精度需求。
步骤S103：建立与三维坐标系对应的极坐标系。
步骤S104：依据目标障碍物的检测精度需求设置极坐标系的投影栅格的个数ROW，基于个数ROW生成极坐标栅格图。
如果检测精度需求越高表明需要分辨的尺寸越精细则投影栅格的个数ROW越大，如果检测精度需求越低表明需要分辨的尺寸越不精细则投影栅格的个数ROW越小，即投影栅格的个数ROW与目标障碍物的检测精度需求成正相关关系。针对不同检测精度需求的障碍物设置不同的投影栅格的个数ROW，对于高检测精度需求的障碍物设置数量较多的投影栅格，可以提高障碍物轮廓获取的准确性；由于投影栅格增多会导致计算机设备在执行根据本发明实施例的障碍物轮廓获取方法时消耗的计算资源也增多，因此对低检测精度需求的障碍物设置少量的投影栅格，可以减少计算资源的消耗。
步骤S105：将点云数据向极坐标栅格图进行投影，得到对应目标障碍物的点云数据的投影点的极坐标栅格图表征。
步骤S106：对极坐标栅格图表征中每个投影栅格内的投影点进行筛选，获取极径最大投影点和极径最小投影点。
步骤S107：依次连接所有极径最小投影点形成近侧边缘线段，并依次连接所有极径最大投影点形成远侧边缘线段，再将近侧边缘线段与远侧边缘线段的同侧端点相连，以形成目标障碍物的轮廓。
由于每个投影栅格内的极径最大投影点和极径最小投影点都可以表征目标障碍物的轮廓中的轮廓点，因此将这些极径最大投影点和极径最小投影点连接就可以形成目标障碍物的轮廓。
在一个实施方式中可以按照预设的投影栅格在极坐标栅格图中的排列顺序，依次连接所有极径最小投影点形成近侧边缘线段，并依次连接所有极径最大投影点形成远侧边缘线段，再将近侧边缘线段与远侧边缘线段的同侧端点相连，以形成目标障碍物的轮廓。
参阅附图2，图2示例性示出了三个投影栅格
Figure 204147DEST_PATH_IMAGE016
、
Figure 100002_DEST_PATH_IMAGE017
和
Figure 270323DEST_PATH_IMAGE018
，投影栅格
Figure 291368DEST_PATH_IMAGE016
内的极径最小投影点和极径最大投影点分别是
Figure 461188DEST_PATH_IMAGE019
和
Figure DEST_PATH_IMAGE020
，投影栅格
Figure 620905DEST_PATH_IMAGE021
内的极径最 小投影点和极径最大投影点分别是
Figure DEST_PATH_IMAGE022
和
Figure 144683DEST_PATH_IMAGE023
，投影栅格
Figure DEST_PATH_IMAGE024
内的极径最小投影点和极径最 大投影点分别是
Figure 438261DEST_PATH_IMAGE025
和
Figure DEST_PATH_IMAGE026
，按照预设的投影栅格
Figure 197008DEST_PATH_IMAGE016
、
Figure 793205DEST_PATH_IMAGE017
和
Figure 224186DEST_PATH_IMAGE018
在极坐标栅格图中的 排列顺序，依次连接投影点
Figure 196822DEST_PATH_IMAGE019
至
Figure 764069DEST_PATH_IMAGE027
就可以形成目标障碍物的轮廓（图2中黑色粗实线所示 的多边形）。在本实施例中对于极径最小投影点而言，投影栅格的排列顺序可以是按照逆时 针方向从极坐标栅格图对应的极坐标系的极轴Ox（图2未示出）开始旋转进行排列的顺序； 对于极径最大投影点而言，投影栅格的排列顺序可以是按照顺时针方向从极坐标栅格图对 应的极坐标系的极轴Ox（图2未示出）开始旋转进行排列的顺序。具体而言，可以先依次连接
Figure 531168DEST_PATH_IMAGE019
、
Figure 449446DEST_PATH_IMAGE022
、
Figure 992816DEST_PATH_IMAGE025
，再依次连接
Figure 414570DEST_PATH_IMAGE020
、
Figure DEST_PATH_IMAGE028
、
Figure 352570DEST_PATH_IMAGE026
，最后连接
Figure 758143DEST_PATH_IMAGE019
与
Figure 338161DEST_PATH_IMAGE027
以及连接
Figure 83263DEST_PATH_IMAGE025
与
Figure 582377DEST_PATH_IMAGE026
形成目标障碍物的轮 廓。
需要说明的是，虽然本发明实施例仅提供了上述一种投影栅格在极坐标栅格图中的排列顺序的具体实施方式，但是，本领域技术人员能够理解的是，本发明的保护范围并不局限于这一种具体实施方式。在不偏离本发明的技术原理的前提下，本领域技术人员可以设置其他的排列顺序，只要按照这种排列顺序依次连接极径最大投影点和极径最小投影点能够形成目标障碍物的轮廓即可。
基于上述步骤S101至步骤S107，只需要对目标障碍物的点云数据的投影点进行一次遍历，确定出每个投影点的极径，就可以根据每个投影栅格内的极径最大投影点和极径最小投影点获取目标障碍物的轮廓，从而能够极大地降低获取障碍物轮廓的时间复杂度，即使行驶装置周围环境中存在大量障碍物，也能够快速与准确地获取每个障碍物的轮廓。同时，利用每个投影栅格内的极径最大投影点和极径最小投影点连接形成目标障碍物的轮廓，可以适用于任意形状的障碍物，无论是凸形障碍物如车辆，还是凹形障碍物如墙角都能够准确得到障碍物轮廓。
进一步，在根据本发明的另一个障碍物轮廓获取方法实施例中，该障碍物轮廓获取方法除了可以包括上述步骤S101至步骤S107，在执行步骤S105之后与执行步骤S106之前还可以包括步骤S108，通过该步骤S108可以确定出位于每个投影栅格内的所有投影点，以便在执行步骤S106时可以从每个投影栅格内的所有投影点中筛选出极径最大投影点和极径最小投影点。具体而言，步骤S108可以包括下列步骤11至步骤14。
步骤11：获取每个点云数据在三维坐标系中x轴与y轴所形成的平面上与x轴的夹角，根据夹角确定极坐标栅格图的极角范围。
参阅附图3，投影点P1对应的点云数据在三维坐标系中x轴与y轴所形成的平面上 与x轴的夹角为
Figure 881771DEST_PATH_IMAGE009
且该夹角为所有点云数据与x轴的夹角的最小值，投影点P2对应的点 云数据在三维坐标系中x轴与y轴所形成的平面上与x轴的夹角为
Figure 498435DEST_PATH_IMAGE029
且该夹角为所有点 云数据与x轴的夹角的最大值。
极坐标栅格图的极角范围是能够涵盖所有点云数据与x轴夹角的一个角度范围，即夹角的最小值与最大值都落入该极角范围内。
在一个实施方式中可以从所有点云数据的夹角中获取最大夹角和最小夹角，再根 据最大夹角与最小夹角确定极角范围。如图3所示，在确定出最大夹角
Figure 894782DEST_PATH_IMAGE029
和最小夹角
Figure 440163DEST_PATH_IMAGE009
后可以得到极坐标栅格图的极角范围
Figure DEST_PATH_IMAGE030
。
基于该实施方式能够快速与准确地确定出极坐标栅格图的极角范围，从而进一步提高获取障碍物轮廓的效率与准确性。
步骤12：根据极坐标栅格图的极角范围与极坐标栅格图中投影栅格的个数ROW，确定极坐标栅格图的角度分辨率。
根据前述步骤S107可知，本发明实施例是分别获取每个投影栅格内的极径最大投影点和极径最小投影点来表征目标障碍物的轮廓中的轮廓点，如果投影栅格的个数ROW越大，那么轮廓点的间距也就越小，轮廓也就越精细，更加准确。因此，在本实施例中可以根据投影栅格的个数ROW确定极坐标栅格图的角度分辨率，如果投影栅格的个数ROW越多，则表明极坐标栅格图的角度分辨率越好，分辨的尺寸越精细。
在一个实施方式中可以根据步骤11确定的极坐标栅格图的极角范围与极坐标栅格图中投影栅格的个数ROW并按照下述公式（1），确定极坐标栅格图的角度分辨率：
Figure 961275DEST_PATH_IMAGE031
（1）
公式（1）中各参数含义如下：
Figure 742149DEST_PATH_IMAGE004
表示角度分辨率，
Figure DEST_PATH_IMAGE032
表示极坐标栅格图的极角范围。
基于该实施方式能够快速且准确地确定极坐标栅格图的角度分辨率，从而进一步提高获取障碍物轮廓的效率与准确性。
步骤13：根据每个点云数据的夹角与角度分辨率，分别确定每个点云数据的投影点所在的投影栅格，进而确定每个投影栅格内的所有投影点。
角度分辨率可以表征极坐标栅格图的分辨尺寸，即投影栅格对应的极角范围，因此，可以根据点云数据的夹角与角度分辨率确定出这个点云数据的投影点所在的投影栅格，即这个夹角落入哪个投影栅格对应的极角范围内，投影点就落入了相应的投影栅格内。
在一个实施方式中可以根据步骤11确定的每个点云数据的夹角与步骤12确定的角度分辨率并按照下述公式（2），分别确定每个点云数据的投影点所在的投影栅格：
Figure 868368DEST_PATH_IMAGE006
（2）
公式（2）中各参数含义如下：
Figure 709285DEST_PATH_IMAGE007
表示第i个点云数据的投影点所在的投影栅格，
Figure 879542DEST_PATH_IMAGE033
表示第i个点云数据在三 维坐标系中x轴与y轴所形成的平面上与x轴的夹角，
Figure 464107DEST_PATH_IMAGE009
表示所有点云数据在三维坐标系 中x轴与y轴所形成的平面上与x轴的夹角中的最小夹角，
Figure 444833DEST_PATH_IMAGE010
表示角度分辨率，“
Figure 456651DEST_PATH_IMAGE011
”表示 向下取整运算。
基于该实施方式能够快速且准确地确定每个点云数据的投影点所在的投影栅格，从而进一步提高获取障碍物轮廓的效率与准确性。
需要指出的是，尽管上述实施例中将各个步骤按照特定的先后顺序进行了描述，但是本领域技术人员可以理解，为了实现本发明的效果，不同的步骤之间并非必须按照这样的顺序执行，其可以同时（并行）执行或以其他顺序执行，这些变化都在本发明的保护范围之内。
进一步，本发明还提供了一种障碍物轮廓获取装置。
参阅附图4，图4是根据本发明的一个实施例的障碍物轮廓获取装置的主要结构框图。如图4所示，本发明实施例中的障碍物轮廓获取装置主要包括点云数据获取模块11、检测精度需求确定模块12、极坐标系建立模块13、极坐标栅格图生成模块14、点云数据投影模块15、投影点筛选模块16和轮廓获取模块17。在一些实施例中，点云数据获取模块11、检测精度需求确定模块12、极坐标系建立模块13、极坐标栅格图生成模块14、点云数据投影模块15、投影点筛选模块16和轮廓获取模块17中的一个或多个可以合并在一起成为一个模块。在一些实施例中点云数据获取模块11可以被配置成获取在以行驶装置为原点的三维坐标系下目标障碍物的点云数据；检测精度需求确定模块12可以被配置成确定目标障碍物的检测精度需求；极坐标系建立模块13可以被配置成建立与三维坐标系对应的极坐标系；极坐标栅格图生成模块14可以被配置成依据目标障碍物的检测精度需求设置极坐标系的投影栅格的个数ROW，基于个数ROW生成极坐标栅格图；点云数据投影模块15可以被配置成将点云数据向极坐标栅格图进行投影，得到对应目标障碍物的点云数据的投影点的极坐标栅格图表征；投影点筛选模块16可以被配置成对极坐标栅格图表征中每个投影栅格内的投影点进行筛选，获取极径最大投影点和极径最小投影点；轮廓获取模块17可以被配置成依次连接所有极径最小投影点形成近侧边缘线段，并依次连接所有极径最大投影点形成远侧边缘线段，再将近侧边缘线段与远侧边缘线段的同侧端点相连，以形成目标障碍物的轮廓。一个实施方式中，具体实现功能的描述可以参见步骤S101至步骤S107所述或步骤S101至步骤S108所述。
上述障碍物轮廓获取装置以用于执行图1所示的障碍物轮廓获取方法实施例，两者的技术原理、所解决的技术问题及产生的技术效果相似，本技术领域技术人员可以清楚地了解到，为了描述的方便和简洁，障碍物轮廓获取装置的具体工作过程及有关说明，可以参考障碍物轮廓获取方法的实施例所描述的内容，此处不再赘述。
本领域技术人员能够理解的是，本发明实现上述一实施例的方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读存储介质不包括电载波信号和电信信号。
进一步，本发明还提供了一种计算机设备。在根据本发明的一个计算机设备实施例中，计算机设备包括处理器和存储装置，存储装置可以被配置成存储执行上述方法实施例的障碍物轮廓获取方法的程序，处理器可以被配置成用于执行存储装置中的程序，该程序包括但不限于执行上述方法实施例的障碍物轮廓获取方法的程序。为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该计算机设备可以是包括各种电子设备形成的控制装置设备。
进一步，本发明还提供了一种计算机可读存储介质。在根据本发明的一个计算机可读存储介质实施例中，计算机可读存储介质可以被配置成存储执行上述方法实施例的障碍物轮廓获取方法的程序，该程序可以由处理器加载并运行以实现上述障碍物轮廓获取方法。为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该计算机可读存储介质可以是包括各种电子设备形成的存储装置设备，可选的，本发明实施例中计算机可读存储介质是非暂时性的计算机可读存储介质。
进一步，本发明还提供了一种行驶装置。在根据本发明的一个行驶装置的实施例中，该行驶装置可以包括前述障碍物轮廓获取装置实施例所述的障碍物轮廓获取装置，或者可以包括前述计算机设备实施例所述的计算机设备。在本实施例中行驶装置能够按照预设轨迹移动，该行驶装置可以是需要驾驶员执行驾驶操作的车辆、自动驾驶车辆和无人车等各种类型的车辆，也可以是扫地机器人和擦窗机器人等各种类型的家电设备。
进一步，应该理解的是，由于各个模块的设定仅仅是为了说明本发明的装置的功能单元，这些模块对应的物理器件可以是处理器本身，或者处理器中软件的一部分，硬件的一部分，或者软件和硬件结合的一部分。因此，图中的各个模块的数量仅仅是示意性的。
本领域技术人员能够理解的是，可以对装置中的各个模块进行适应性地拆分或合并。对具体模块的这种拆分或合并并不会导致技术方案偏离本发明的原理，因此，拆分或合并之后的技术方案都将落入本发明的保护范围内。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (9)

1.一种障碍物轮廓获取方法，其特征在于，所述方法包括：
获取在以行驶装置为原点的三维坐标系下目标障碍物的点云数据；
确定所述目标障碍物的检测精度需求；
建立与所述三维坐标系对应的极坐标系；
依据所述目标障碍物的检测精度需求设置所述极坐标系的投影栅格的个数ROW，基于所述个数ROW生成极坐标栅格图；
将所述点云数据向所述极坐标栅格图进行投影，得到对应所述目标障碍物的点云数据的投影点的极坐标栅格图表征；
获取每个点云数据在所述三维坐标系中x轴与y轴所形成的平面上与x轴的夹角，根据所述夹角确定所述极坐标栅格图的极角范围；根据所述极坐标栅格图的极角范围与所述极坐标栅格图中投影栅格的个数ROW，确定所述极坐标栅格图的角度分辨率；根据每个点云数据的夹角与所述角度分辨率，分别确定每个点云数据的投影点所在的投影栅格，进而确定位于每个投影栅格内的所有投影点；
对所述极坐标栅格图表征中每个投影栅格内的投影点进行筛选，获取极径最大投影点和极径最小投影点；
依次连接所有极径最小投影点形成近侧边缘线段，并依次连接所有极径最大投影点形成远侧边缘线段，再将所述近侧边缘线段与所述远侧边缘线段的同侧端点相连，以形成所述目标障碍物的轮廓。
2.根据权利要求1所述的障碍物轮廓获取方法，其特征在于，“根据所述夹角确定所述极坐标栅格图的极角范围”的步骤具体包括：
从所有点云数据的夹角中获取最大夹角和最小夹角；
根据所述最大夹角与所述最小夹角确定所述极角范围。
3.根据权利要求1所述的障碍物轮廓获取方法，其特征在于，“根据所述极坐标栅格图的极角范围与所述极坐标栅格图中投影栅格的个数ROW，确定所述极坐标栅格图的角度分辨率”的步骤具体包括根据所述极坐标栅格图的极角范围与所述极坐标栅格图中投影栅格的个数ROW并按照下述公式确定所述极坐标栅格图的角度分辨率：
Figure DEST_PATH_IMAGE002
其中，所述
Figure DEST_PATH_IMAGE004
表示所述角度分辨率，所述
Figure DEST_PATH_IMAGE006
表示所述极坐标栅格图的极角范围。
4.根据权利要求1所述的障碍物轮廓获取方法，其特征在于，“根据每个点云数据的夹角与所述角度分辨率，分别确定每个点云数据的投影点所在的投影栅格”的步骤具体包括根据每个点云数据的夹角与所述角度分辨率并按照下述公式分别确定每个点云数据的投影点所在的投影栅格：
Figure DEST_PATH_IMAGE008
其中，所述
Figure DEST_PATH_IMAGE010
表示第i个点云数据的投影点所在的投影栅格，所述
Figure DEST_PATH_IMAGE012
表示第i个点云 数据在所述三维坐标系中x轴与y轴所形成的平面上与x轴的夹角，所述
Figure DEST_PATH_IMAGE014
表示所有点云 数据在所述三维坐标系中x轴与y轴所形成的平面上与x轴的夹角中的最小夹角，所述
Figure DEST_PATH_IMAGE015
表示所述角度分辨率，“
Figure DEST_PATH_IMAGE017
”表示向下取整运算；
和/或，
“确定所述目标障碍物的检测精度需求”的步骤具体包括：
识别所述目标障碍物的大小、类型或位置信息，根据所述大小、类型或位置信息确定所述目标障碍物的检测精度需求。
5.根据权利要求1至4中任一项所述的障碍物轮廓获取方法，其特征在于，“依次连接所有极径最小投影点形成近侧边缘线段，并依次连接所有极径最大投影点形成远侧边缘线段，再将所述近侧边缘线段与所述远侧边缘线段的同侧端点相连，以形成所述目标障碍物的轮廓”的步骤具体包括：
按照预设的投影栅格在极坐标栅格图中的排列顺序，依次连接所有极径最小投影点形成近侧边缘线段，并依次连接所有极径最大投影点形成远侧边缘线段，再将所述近侧边缘线段与所述远侧边缘线段的同侧端点相连，以形成所述目标障碍物的轮廓。
6.一种障碍物轮廓获取装置，其特征在于，所述装置包括：
点云数据获取模块，其被配置成获取在以行驶装置为原点的三维坐标系下目标障碍物的点云数据；
检测精度需求确定模块，其被配置成识别所述目标障碍物的检测精度需求；
极坐标系建立模块，其被配置成建立与所述三维坐标系对应的极坐标系；
极坐标栅格图生成模块，其被配置成依据所述目标障碍物的检测精度需求设置所述极坐标系的投影栅格的个数ROW，基于所述个数ROW生成极坐标栅格图；
点云数据投影模块，其被配置成将所述点云数据向所述极坐标栅格图进行投影，得到对应所述目标障碍物的点云数据的投影点的极坐标栅格图表征；
投影点筛选模块，其被配置成获取每个点云数据在所述三维坐标系中x轴与y轴所形成的平面上与x轴的夹角，根据所述夹角确定所述极坐标栅格图的极角范围；根据所述极坐标栅格图的极角范围与所述极坐标栅格图中投影栅格的个数ROW，确定所述极坐标栅格图的角度分辨率；根据每个点云数据的夹角与所述角度分辨率，分别确定每个点云数据的投影点所在的投影栅格，进而确定位于每个投影栅格内的所有投影点；对所述极坐标栅格图表征中每个投影栅格内的投影点进行筛选，获取极径最大投影点和极径最小投影点；
轮廓获取模块，其被配置成依次连接所有极径最小投影点形成近侧边缘线段，并依次连接所有极径最大投影点形成远侧边缘线段，再将所述近侧边缘线段与所述远侧边缘线段的同侧端点相连，以形成所述目标障碍物的轮廓。
7.一种计算机设备，包括处理器和存储装置，所述存储装置适于存储多条程序代码，其特征在于，所述程序代码适于由所述处理器加载并运行以执行权利要求1至5中任一项所述的障碍物轮廓获取方法。
8.一种计算机可读存储介质，其中存储有多条程序代码，其特征在于，所述程序代码适于由处理器加载并运行以执行权利要求1至5中任一项所述的障碍物轮廓获取方法。
9.一种行驶装置，其特征在于，所述行驶装置包括权利要求6所述的障碍物轮廓获取装置或权利要求7所述的计算机设备。
CN202210187951.9A 2022-02-28 2022-02-28 障碍物轮廓获取方法、装置、设备及计算机可读存储介质 Active CN114255252B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210187951.9A CN114255252B (zh) 2022-02-28 2022-02-28 障碍物轮廓获取方法、装置、设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210187951.9A CN114255252B (zh) 2022-02-28 2022-02-28 障碍物轮廓获取方法、装置、设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN114255252A CN114255252A (zh) 2022-03-29
CN114255252B true CN114255252B (zh) 2022-05-17

Family

ID=80800071

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210187951.9A Active CN114255252B (zh) 2022-02-28 2022-02-28 障碍物轮廓获取方法、装置、设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN114255252B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115856923B (zh) * 2023-02-27 2023-06-16 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) 矿卡卸料用时的测量方法、装置、设备及存储介质
CN116188803B (zh) * 2023-04-23 2023-09-15 武汉工程大学 一种基于极坐标的边界点云提取方法、***、设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110705385A (zh) * 2019-09-12 2020-01-17 深兰科技（上海）有限公司 一种障碍物角度的检测方法、装置、设备及介质
CN112017134A (zh) * 2020-10-26 2020-12-01 广东博智林机器人有限公司 一种路径规划方法、装置、设备及存储介质

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108983248A (zh) * 2018-06-26 2018-12-11 长安大学 一种基于3d激光雷达及v2x的网联车定位方法
US20200027266A1 (en) * 2018-07-17 2020-01-23 Uti Limited Partnership Building contour generation from point clouds
CN109085608A (zh) * 2018-09-12 2018-12-25 奇瑞汽车股份有限公司 车辆周围障碍物检测方法及装置
CN110378919B (zh) * 2019-06-14 2023-05-23 珠海大轩信息科技有限公司 一种基于slam的窄道通行障碍物检测方法
CN110286387B (zh) * 2019-06-25 2021-09-24 深兰科技（上海）有限公司 应用于自动驾驶***的障碍物检测方法、装置及存储介质
CN110717983B (zh) * 2019-09-07 2023-05-02 苏州工业园区测绘地理信息有限公司 一种基于背包式三维激光点云数据的建筑物立面三维重建方法
CN112631266A (zh) * 2019-09-20 2021-04-09 杭州海康机器人技术有限公司 一种移动机器人感知障碍信息的方法、装置
CN112801022B (zh) * 2021-02-09 2023-05-02 青岛慧拓智能机器有限公司 一种无人驾驶矿卡作业区道路边界快速检测更新的方法
CN113031005B (zh) * 2021-02-22 2022-06-21 江苏大学 基于激光雷达的吊车动态障碍物识别方法
CN113246991B (zh) * 2021-06-29 2021-11-30 新石器慧通（北京）科技有限公司 用于无人车的远程驾驶端的数据传输方法和装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110705385A (zh) * 2019-09-12 2020-01-17 深兰科技（上海）有限公司 一种障碍物角度的检测方法、装置、设备及介质
CN112017134A (zh) * 2020-10-26 2020-12-01 广东博智林机器人有限公司 一种路径规划方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN114255252A (zh) 2022-03-29

Similar Documents

Publication Publication Date Title
CN114255252B (zh) 障碍物轮廓获取方法、装置、设备及计算机可读存储介质
US11877716B2 (en) Determining region attribute
CN110632617B (zh) 一种激光雷达点云数据处理的方法及装置
CN111338361A (zh) 低速无人车避障方法、装置、设备及介质
CN114387585B (zh) 障碍物检测方法、检测装置及行驶装置
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
CN105551020A (zh) 一种检测目标物尺寸的方法及装置
CN112298168B (zh) 一种车位检测方法及装置、自动泊车方法及装置
CN112166457A (zh) 点云分割方法、***和可移动平台
CN111699410A (zh) 点云的处理方法、设备和计算机可读存储介质
CN114966651A (zh) 可行驶区域检测方法、计算机设备、存储介质及车辆
CN112381026A (zh) 航道岸线检测方法、***、装置和存储介质
CN114820769A (zh) 车辆定位方法、装置、计算机设备、存储介质及车辆
Roos et al. A framework for simulative evaluation and optimization of point cloud-based automotive sensor sets
CN113345093B (zh) 一种针对激光雷达点云拖尾点的滤波方法
CN112639822B (zh) 一种数据处理方法及装置
WO2020248118A1 (zh) 点云处理方法、***、设备及存储介质
CN109598199B (zh) 车道线生成方法和装置
CN116467848A (zh) 一种毫米波雷达点云仿真的方法和装置
CN116300876A (zh) 一种多智能体未知环境自主协同探索方法、***、装置及存储介质
CN115855086A (zh) 基于自旋转的室内场景自主重建方法、***及介质
CN117408935A (zh) 障碍物检测方法、电子设备和存储介质
CN111857113B (zh) 可移动设备的定位方法及定位装置
CN116644616B (zh) 点云畸变效果还原方法、装置、电子设备及存储介质
CN116502479B (zh) 一种三维物体在仿真环境中的碰撞检测方法和装置

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
TR01 Transfer of patent right

Effective date of registration: 20230625

Address after: 200120, 1st and 2nd floors, No. 7, Lane 999, Haike Road, China (Shanghai) Pilot Free Trade Zone, Pudong New Area, Shanghai

Patentee after: Neolithic Zhongyan (Shanghai) Technology Co.,Ltd.

Address before: 100176 room 613, 6 / F, area 2, building a, 12 Hongda North Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Patentee before: NEOLIX TECHNOLOGIES Co.,Ltd.

TR01 Transfer of patent right