CN115601726A - 一种基于凸包定向的车辆点云包围盒计算方法 - Google Patents
一种基于凸包定向的车辆点云包围盒计算方法 Download PDFInfo
- Publication number
- CN115601726A CN115601726A CN202211135029.1A CN202211135029A CN115601726A CN 115601726 A CN115601726 A CN 115601726A CN 202211135029 A CN202211135029 A CN 202211135029A CN 115601726 A CN115601726 A CN 115601726A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- vehicle
- bounding box
- convex hull
- edge
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
- G06V10/7625—Hierarchical techniques, i.e. dividing or merging patterns to obtain a tree-like representation; Dendograms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
一种基于凸包定向的车辆点云包围盒计算方法,通过车载激光雷达采集点云数据,以体素降采样快速降低点云密度,使用欧式聚类提取车辆点云;以点云坐标系为基准,计算车辆点云在平面上的各凸包顶点,依序构建顶点集合;遍历顶点集合,顶点依序连线提取车辆点云的各凸包边;遍历车辆点云,计算各点到各凸包边垂直距离,设定距离阈值,统计各凸包边垂直距离小于阈值的点数,点数最多的凸包边即为最大权重边,取最大权重边与点云坐标系轴正方向的夹角为车辆点云包围盒的候选航向角;将车辆点云绕质心旋转回正,在各坐标轴上的投影长度即为包围盒长、宽、高,根据包围盒长宽比调整候选航向角至包围盒航向角;计算包围盒几何中心,实现车辆点云包围盒计算。
Description
技术领域
本发明属于无人驾驶的点云目标检测技术领域,具体涉及一种基于凸包定向的车辆点云包围盒计算方法。
背景技术
计算车辆点云包围盒是无人驾驶技术应用领域的重要课题,通过计算车载激光雷达所采集车辆点云的包围盒,可以实现位姿检测和碰撞检测等功能,在规划车辆路径、保障行车安全等方面都发挥了重要作用。目前主流的包围盒计算方法主要分为两类:
第一类为传统方法,主要有Axis-Aligned Bounding Box(AABB)和OrientationBounding Box(OBB)两种方法,AABB方法计算速度快,但包围盒边与坐标轴平行导致计算结果与实际物体相差较大,现有的OBB方法大多在AABB基础上利用主成分分析或者型匹配计算包围盒方向,其中,主成分分析得到的包围盒方向与车辆实际航向角仍有明显偏差,而型匹配对车辆点云形状有很高要求,在车辆点云只剩一个侧面或对象车辆较矮导致点云轮廓丰富时都很容易失效,故此类方法可靠性较低。
第二类为基于深度学习技术的方法,通过人工神经网络模型自适应学习车辆点云特征,进而计算出车辆点云的包围盒参数,这类方法效果良好且较为鲁棒,但模型训练需要大量标注样本,模型使用也具有极高计算成本,使得此类方法的应用场景受限,且模型可解释性差,在保障行车安全方面也逊色于传统方法。
发明内容
本发明所要解决的技术问题是克服现有技术的不足,提供一种基于凸包定向的车辆点云包围盒计算方法。选取最大权重凸包边与点云坐标系轴夹角作为候选航向角,进而完成车辆包围盒定向,可以避免车辆点云自身特点导致的包围盒航向角偏斜,提高计算精度。
本发明提供一种基于凸包定向的车辆点云包围盒计算方法,包括如下步骤,
步骤S1.通过车载激光雷达采集点云数据,以体素降采样快速降低点云密度,使用欧式聚类提取车辆点云;
步骤S3.遍历顶点集合,顶点依序连线提取车辆点云的各凸包边;
步骤S4.遍历车辆点云,计算各点到各凸包边垂直距离,设定距离阈值,统计各凸包边垂直距离小于阈值的点数,点数最多的凸包边即为最大权重边,取最大权重边与点云坐标系轴正方向的夹角为车辆点云包围盒的候选航向角;
步骤S5.将车辆点云绕质心旋转回正,在各坐标轴上的投影长度即为包围盒长、宽、高,根据包围盒长宽比调整候选航向角至包围盒航向角;
步骤S6.计算包围盒几何中心,实现车辆点云包围盒计算。
进一步的,步骤S3中,遍历顶点集合提取凸包边的具体过程为:
进一步的,步骤S4中,最大权重边的具体计算过程为:
步骤S41.为每条凸包边设置一个初始值为0的计数器;
平移车辆点云,使质心与坐标系原点重合
平移车辆点云,使当前质心回到原质心位置:
其中, , , 是经过旋转的点云中索引位置为的点平移后的三维坐标;所述投影长度为车辆点云各点在坐标轴上投影的最大值和最小值的差值,其中,包围盒的长为车辆点云在轴上的投影长度,宽是轴上的投影长度,高是轴上的投影长度。
附图说明
图1为本发明的方法的流程示意图;
图2为本发明的凸包边提取流程示意图;
图3为本发明的候选航向角计算流程示意图;
图4为本发明与传统主成分分析方法的实例对比图。
具体实施方式
请参阅图1,本实施例提供本实施例一种基于凸包定向的车辆点云包围盒计算方法,包括如下步骤,
步骤1:通过车载激光雷达采集点云数据,以体素降采样快速降低点云密度,使用欧式聚类提取车辆点云。
本实施例的计算车辆点云包围盒方法只需要使用点云各点三维坐标,故实例中采集的点云数据为的矩阵。同时,过高的点云密度对提高包围盒计算精度没有帮助,故将点云空间划分为一个个的体素空间,每个体素空间只保留一个质心点,降低本实施例方法的计算复杂度。
本实施例的默认点云坐标系以主车几何中心为原点,坐标系轴朝向主车前进方向,轴朝向主车前进方向的左边,轴朝向天空。同时,考虑到航向角与点云在轴上的分布无关,本实施例只计算平面上的凸包顶点,这种方式既可降低计算复杂度,也可避免过多立体凸包顶点稀释凸包边权重。
步骤3:遍历顶点集合,顶点依序连线提取车辆点云的各凸包边。
通过凸包确定车辆航向角,需要从凸包顶点中提取凸包边,本实施例通过遍历凸包顶点集合实现凸包边提取,如图2所示,具体过程如下:
所有凸包边存放在一个集合中,实现凸包边提取。
步骤4:遍历车辆点云,计算各点到各凸包边垂直距离,设定距离阈值,统计各凸包边垂直距离小于阈值的点数,点数最多的凸包边即为最大权重边,取最大权重边与点云坐标系轴正方向的夹角为车辆点云包围盒的候选航向角。
本实施例以邻近凸包边的点数量来衡量每条凸包边的权重,如图3所示,具体过程如下:
步骤4a:为每条凸包边设置一个初始值为0的计数器;
步骤5:将车辆点云绕质心旋转回正,在各坐标轴上的投影长度即为包围盒长、宽、高,根据包围盒长宽比调整候选航向角至包围盒航向角。
然后,平移车辆点云,使质心与坐标系原点重合:
最后,平移车辆点云,使当前质心回到原质心位置:
步骤6:计算包围盒几何中心,实现车辆点云包围盒计算。
最后,本实施例的实际效果如图4所示。
以上显示和描述了本发明的基本原理、主要特征和优点。本领域的技术人员应该了解,本发明不受上述具体实施例的限制,上述具体实施例和说明书中的描述只是为了进一步说明本发明的原理,在不脱离本发明精神范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由权利要求书及其等效物界定。
Claims (8)
1.一种基于凸包定向的车辆点云包围盒计算方法,其特征在于,包括如下步骤,
步骤S1.通过车载激光雷达采集点云数据,以体素降采样快速降低点云密度,使用欧式聚类提取车辆点云;
步骤S3.遍历顶点集合,顶点依序连线提取车辆点云的各凸包边;
步骤S4.遍历车辆点云,计算各点到各凸包边垂直距离,设定距离阈值,统计各凸包边垂直距离小于阈值的点数,点数最多的凸包边即为最大权重边,取最大权重边与点云坐标系轴正方向的夹角为车辆点云包围盒的候选航向角;
步骤S5.将车辆点云绕质心旋转回正,在各坐标轴上的投影长度即为包围盒长、宽、高,根据包围盒长宽比调整候选航向角至包围盒航向角;
步骤S6.计算包围盒几何中心,实现车辆点云包围盒计算。
7.根据权利要求1所述的一种基于凸包定向的车辆点云包围盒计算方法,其特征在于,所述步骤S5中,车辆点云绕质心旋转回正,是在平面上将车辆点云绕质心旋转,使候选航向角与点云坐标系轴正方向夹角为0的过程,具体为:
平移车辆点云,使质心与坐标系原点重合
平移车辆点云,使当前质心回到原质心位置:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211135029.1A CN115601726A (zh) | 2022-09-19 | 2022-09-19 | 一种基于凸包定向的车辆点云包围盒计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211135029.1A CN115601726A (zh) | 2022-09-19 | 2022-09-19 | 一种基于凸包定向的车辆点云包围盒计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115601726A true CN115601726A (zh) | 2023-01-13 |
Family
ID=84843406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211135029.1A Pending CN115601726A (zh) | 2022-09-19 | 2022-09-19 | 一种基于凸包定向的车辆点云包围盒计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115601726A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117876554A (zh) * | 2024-03-12 | 2024-04-12 | 中南建筑设计院股份有限公司 | 一种基于凸包的板件最小包围盒计算方法和*** |
-
2022
- 2022-09-19 CN CN202211135029.1A patent/CN115601726A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117876554A (zh) * | 2024-03-12 | 2024-04-12 | 中南建筑设计院股份有限公司 | 一种基于凸包的板件最小包围盒计算方法和*** |
CN117876554B (zh) * | 2024-03-12 | 2024-05-28 | 中南建筑设计院股份有限公司 | 一种基于凸包的板件最小包围盒计算方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2024077812A1 (zh) | 基于点云语义分割与结构拟合的单体建筑三维重建方法 | |
AU2019368520B2 (en) | Three-dimensional finger vein feature extraction method and matching method therefor | |
CN110688947B (zh) | 一种同步实现人脸三维点云特征点定位和人脸分割的方法 | |
CN114170279A (zh) | 一种基于激光扫描的点云配准方法 | |
Wei | Building boundary extraction based on lidar point clouds data | |
CN111723721A (zh) | 基于rgb-d的三维目标检测方法、***及装置 | |
CN111583369A (zh) | 一种基于面线角点特征提取的激光slam方法 | |
CN111145228A (zh) | 基于局部轮廓点与形状特征融合的异源图像配准方法 | |
CN106886980A (zh) | 一种基于三维激光雷达目标识别的点云密度增强的方法 | |
CN112232248B (zh) | 一种多线LiDAR点云数据平面特征的提取方法及装置 | |
CN107545602B (zh) | 基于LiDAR点云的空间拓扑关系约束下的建筑物建模方法 | |
CN107025449A (zh) | 一种视角不变局部区域约束的倾斜影像直线特征匹配方法 | |
WO2021056516A1 (zh) | 目标检测方法、设备及可移动平台 | |
CN113158892B (zh) | 一种与纹理和表情无关的人脸识别方法 | |
CN114280583B (zh) | 无gps信号下激光雷达定位精度验证方法及*** | |
CN115601726A (zh) | 一种基于凸包定向的车辆点云包围盒计算方法 | |
CN104851095A (zh) | 基于改进型形状上下文的工件图像稀疏立体匹配方法 | |
CN111782739A (zh) | 地图更新方法及装置 | |
CN115861247A (zh) | 一种高分辨率遥感影像轮廓多级正则化方法、***及应用 | |
CN110288620B (zh) | 基于线段几何特征的图像匹配方法及飞行器导航方法 | |
CN111736167B (zh) | 一种获取激光点云密度的方法和装置 | |
CN113345089B (zh) | 一种基于电力塔点云的规则化建模方法 | |
CN112270746B (zh) | 基于邻域协方差特征参数阈值的铝合金3d打印点云精简算法 | |
CN115588178B (zh) | 一种高精地图要素自动化提取的方法 | |
CN116883590A (zh) | 一种三维人脸点云优化方法、介质及*** |
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 |