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 PDF

Info

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
Application number
CN202211135029.1A
Other languages
English (en)
Inventor
艾青波
孙万松
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.)
Shanghai Youdao Zhitu Technology Co Ltd
Original Assignee
Shanghai Youdao Zhitu Technology 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 Shanghai Youdao Zhitu Technology Co Ltd filed Critical Shanghai Youdao Zhitu Technology Co Ltd
Priority to CN202211135029.1A priority Critical patent/CN115601726A/zh
Publication of CN115601726A publication Critical patent/CN115601726A/zh
Pending legal-status Critical Current

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
Figure 100004_DEST_PATH_IMAGE001
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
Figure 100004_DEST_PATH_IMAGE002
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

一种基于凸包定向的车辆点云包围盒计算方法
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
Figure 100002_DEST_PATH_IMAGE001
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
Figure 409987DEST_PATH_IMAGE001
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
Figure 100002_DEST_PATH_IMAGE002
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S2.以点云坐标系为基准，计算车辆点云在
Figure 100002_DEST_PATH_IMAGE003
平面上的各凸包顶点，依序构建顶点集合；
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
Figure 100002_DEST_PATH_IMAGE004
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。
作为本发明的进一步技术方案，步骤S1中，采集的点云数据为
Figure 100002_DEST_PATH_IMAGE005
的矩阵，其中
Figure 100002_DEST_PATH_IMAGE006
代表点云中点的数量，
Figure 100002_DEST_PATH_IMAGE007
代表点云各点三维坐标
Figure 615447DEST_PATH_IMAGE004
，
Figure 100002_DEST_PATH_IMAGE008
，
Figure 100002_DEST_PATH_IMAGE009
；并将点云空间划分为一个个
Figure 100002_DEST_PATH_IMAGE010
的体素空间，每个体素空间只保留一个质心点。
进一步的，步骤S2中，点云坐标系以主车几何中心为原点，坐标系
Figure 993208DEST_PATH_IMAGE004
轴朝向主车前进方向，
Figure 398607DEST_PATH_IMAGE008
轴朝向主车前进方向的左边，
Figure 397787DEST_PATH_IMAGE009
轴朝向天空，凸包为包含车辆点云所有点的最小凸集，所述凸包顶点为最小凸集中的各个元素。
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：
记当前访问的顶点在集合中的索引位置为
Figure 100002_DEST_PATH_IMAGE011
，判断
Figure 806772DEST_PATH_IMAGE011
与集合最后一个顶点的索引位置是否相等，若相等，则分别访问集合中索引为
Figure 140670DEST_PATH_IMAGE011
和
Figure 100002_DEST_PATH_IMAGE012
的顶点，提取相应凸包边；否则，分别访问集合中索引为
Figure 293303DEST_PATH_IMAGE011
和
Figure 100002_DEST_PATH_IMAGE013
的顶点，提取相应凸包边。
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；
步骤S42.遍历车辆点云，记当前访问点在点云集合中的索引位置为
Figure 100002_DEST_PATH_IMAGE014
；
步骤S43.遍历凸包边集合，记当前访问凸包边在凸包边集合的索引位置为
Figure 100002_DEST_PATH_IMAGE015
；
步骤S44.循环计算索引为
Figure 724153DEST_PATH_IMAGE014
的点到索引为
Figure 851509DEST_PATH_IMAGE015
的凸包边的垂直距离，每满足一次距离小于阈值的条件，相应凸包边的计数器值加1，循环结束后计数器最大的凸包边即为最大权重边
进一步的，索引为
Figure 938283DEST_PATH_IMAGE014
的点到索引为
Figure 442076DEST_PATH_IMAGE015
的凸包边的垂直距离计算公式为
Figure 100002_DEST_PATH_IMAGE016
；
其中，
Figure 100002_DEST_PATH_IMAGE017
为需要计算的垂直距离，
Figure 100002_DEST_PATH_IMAGE018
，
Figure 100002_DEST_PATH_IMAGE019
为点云集合中索引位置为
Figure 592347DEST_PATH_IMAGE014
的点在
Figure 139872DEST_PATH_IMAGE003
平面的二维坐标，
Figure 100002_DEST_PATH_IMAGE020
，
Figure 100002_DEST_PATH_IMAGE021
，
Figure 100002_DEST_PATH_IMAGE022
，
Figure 100002_DEST_PATH_IMAGE023
分别为凸包边集合中索引位置为
Figure 572996DEST_PATH_IMAGE015
的凸包边两个顶点在
Figure 880481DEST_PATH_IMAGE003
平面的二维坐标；
候选航向角
Figure 100002_DEST_PATH_IMAGE024
的计算公式为
Figure 100002_DEST_PATH_IMAGE025
；
其中，
Figure 100002_DEST_PATH_IMAGE026
，
Figure 100002_DEST_PATH_IMAGE027
，
Figure 100002_DEST_PATH_IMAGE028
，
Figure 100002_DEST_PATH_IMAGE029
分别是最大权重凸包边两个顶点在
Figure 568531DEST_PATH_IMAGE003
平面的二维坐标。
进一步的，步骤S5中，车辆点云绕质心旋转回正，是在
Figure 552536DEST_PATH_IMAGE003
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
Figure 99055DEST_PATH_IMAGE004
轴正方向夹角为0的过程，具体为：
首先，计算车辆点云质心
Figure 100002_DEST_PATH_IMAGE030
，
Figure 100002_DEST_PATH_IMAGE031
，
Figure 100002_DEST_PATH_IMAGE032
，公式为
Figure 100002_DEST_PATH_IMAGE033
；
其中
Figure 974345DEST_PATH_IMAGE018
，
Figure 844081DEST_PATH_IMAGE019
，
Figure 100002_DEST_PATH_IMAGE034
是点云集合中索引位置为
Figure 936671DEST_PATH_IMAGE014
的点的三维坐标，
Figure DEST_PATH_IMAGE035
为车辆点云总数；
平移车辆点云，使质心与坐标系原点重合
Figure 100002_DEST_PATH_IMAGE037
Figure DEST_PATH_IMAGE038
；
其中，
Figure 100002_DEST_PATH_IMAGE040
Figure DEST_PATH_IMAGE041
，
Figure 100002_DEST_PATH_IMAGE043
Figure 100002_DEST_PATH_IMAGE044
，
Figure DEST_PATH_IMAGE046
Figure 100002_DEST_PATH_IMAGE047
是点云集合中索引位置为
Figure 192990DEST_PATH_IMAGE014
的点平移后的三维坐标；
旋转车辆点云，使候选航向角与点云坐标系
Figure 100002_DEST_PATH_IMAGE048
轴正方向夹角为0：
Figure 100002_DEST_PATH_IMAGE050
Figure 100002_DEST_PATH_IMAGE051
；
其中，
Figure 100002_DEST_PATH_IMAGE053
Figure 100002_DEST_PATH_IMAGE054
，
Figure DEST_PATH_IMAGE056
Figure 100002_DEST_PATH_IMAGE057
，
Figure DEST_PATH_IMAGE059
Figure 100002_DEST_PATH_IMAGE060
是经过平移的点云中索引位置为
Figure 725166DEST_PATH_IMAGE014
的点旋转后的三维坐标；
平移车辆点云，使当前质心回到原质心位置：
Figure DEST_PATH_IMAGE062
Figure 100002_DEST_PATH_IMAGE063
；
其中，
Figure 100002_DEST_PATH_IMAGE065
Figure 100002_DEST_PATH_IMAGE066
，
Figure 100002_DEST_PATH_IMAGE068
Figure 100002_DEST_PATH_IMAGE069
，
Figure 100002_DEST_PATH_IMAGE071
Figure 100002_DEST_PATH_IMAGE072
是经过旋转的点云中索引位置为
Figure 885626DEST_PATH_IMAGE014
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
Figure 962167DEST_PATH_IMAGE004
轴上的投影长度，宽是
Figure 935808DEST_PATH_IMAGE008
轴上的投影长度，高是
Figure 123207DEST_PATH_IMAGE009
轴上的投影长度。
进一步的，步骤S6中，车辆点云各点在坐标轴上投影的最大值和最小值分别为
Figure 100002_DEST_PATH_IMAGE073
，
Figure 100002_DEST_PATH_IMAGE074
，
Figure 100002_DEST_PATH_IMAGE075
，
Figure DEST_PATH_IMAGE076
，
Figure DEST_PATH_IMAGE077
，
Figure DEST_PATH_IMAGE078
，包围盒偏航角为
Figure 488241DEST_PATH_IMAGE024
，则包围盒几何中心
Figure DEST_PATH_IMAGE079
，
Figure DEST_PATH_IMAGE080
，
Figure DEST_PATH_IMAGE081
的计算公式为
Figure DEST_PATH_IMAGE082
。
本发明的优点在于，本发明选取最大权重凸包边与点云坐标系
Figure 312846DEST_PATH_IMAGE002
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。
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
Figure DEST_PATH_IMAGE083
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
Figure DEST_PATH_IMAGE084
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。
步骤2：以点云坐标系为基准，计算车辆点云在
Figure DEST_PATH_IMAGE085
平面上的各凸包顶点，依序构建顶点集合。
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
Figure 242625DEST_PATH_IMAGE002
轴朝向主车前进方向，
Figure DEST_PATH_IMAGE086
轴朝向主车前进方向的左边，
Figure DEST_PATH_IMAGE087
轴朝向天空。同时，考虑到航向角与点云在
Figure 420666DEST_PATH_IMAGE087
轴上的分布无关，本实施例只计算
Figure 791604DEST_PATH_IMAGE085
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：
步骤3a：记当前访问的顶点在集合中的索引位置为
Figure DEST_PATH_IMAGE088
，判断
Figure 131318DEST_PATH_IMAGE088
与集合最后一个顶点的索引位置是否相等，若相等，执行步骤3b，反之执行步骤3c；
步骤3b：分别访问集合中索引为
Figure 689339DEST_PATH_IMAGE088
和
Figure DEST_PATH_IMAGE089
的顶点，提取相应凸包边；
步骤3c：分别访问集合中索引为
Figure DEST_PATH_IMAGE090
和
Figure DEST_PATH_IMAGE091
的顶点，提取相应凸包边。
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
Figure 858021DEST_PATH_IMAGE002
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4b：遍历车辆点云，记当前访问点在点云集合中的索引位置为
Figure DEST_PATH_IMAGE092
；
步骤4c：遍历凸包边集合，记当前访问凸包边在凸包边集合的索引位置为
Figure DEST_PATH_IMAGE093
；
步骤4d：循环计算索引为
Figure DEST_PATH_IMAGE094
的点到索引为
Figure DEST_PATH_IMAGE095
的凸包边的垂直距离，每满足一次距离小于阈值的条件，相应凸包边的计数器值加1，循环结束后计数器最大的凸包边即为最大权重边。
索引为
Figure 819153DEST_PATH_IMAGE094
的点到索引为
Figure 408397DEST_PATH_IMAGE095
的凸包边的垂直距离计算过程如下：
Figure DEST_PATH_IMAGE096
其中，等式左边
Figure DEST_PATH_IMAGE097
即需要计算的垂直距离，等式右边
Figure DEST_PATH_IMAGE098
，
Figure DEST_PATH_IMAGE099
是点云集合中索引位置为
Figure 358774DEST_PATH_IMAGE094
的点在
Figure 957245DEST_PATH_IMAGE085
平面的二维坐标，等式右边
Figure DEST_PATH_IMAGE100
，
Figure DEST_PATH_IMAGE101
，
Figure DEST_PATH_IMAGE102
，
Figure DEST_PATH_IMAGE103
分别是凸包边集合中索引位置为
Figure 552043DEST_PATH_IMAGE095
的凸包边两个顶点在
Figure 843347DEST_PATH_IMAGE085
平面的二维坐标。
候选航向角
Figure DEST_PATH_IMAGE104
计算过程如下：
Figure DEST_PATH_IMAGE105
其中
Figure DEST_PATH_IMAGE106
，
Figure DEST_PATH_IMAGE107
，
Figure DEST_PATH_IMAGE108
，
Figure DEST_PATH_IMAGE109
分别是最大权重凸包边两个顶点在
Figure 99928DEST_PATH_IMAGE085
平面的二维坐标。
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。
所述车辆点云绕质心旋转回正，是在
Figure 751359DEST_PATH_IMAGE085
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
Figure 685816DEST_PATH_IMAGE002
轴正方向夹角为0的过程，详细如下：
首先，计算车辆点云质心
Figure DEST_PATH_IMAGE110
，
Figure DEST_PATH_IMAGE111
，
Figure DEST_PATH_IMAGE112
：
Figure DEST_PATH_IMAGE113
其中
Figure 7076DEST_PATH_IMAGE098
，
Figure 151619DEST_PATH_IMAGE099
，
Figure DEST_PATH_IMAGE114
是点云集合中索引位置为
Figure 623051DEST_PATH_IMAGE094
的点的三维坐标，
Figure DEST_PATH_IMAGE115
为车辆点云总数。
然后，平移车辆点云，使质心与坐标系原点重合：
Figure 67808DEST_PATH_IMAGE038
其中
Figure 904177DEST_PATH_IMAGE041
，
Figure 411382DEST_PATH_IMAGE043
Figure 404614DEST_PATH_IMAGE044
，
Figure 189031DEST_PATH_IMAGE046
Figure 55356DEST_PATH_IMAGE047
是点云集合中索引位置为
Figure 236807DEST_PATH_IMAGE094
的点平移后的三维坐标。
再然后，旋转车辆点云，使候选航向角与点云坐标系
Figure 456567DEST_PATH_IMAGE002
轴正方向夹角为0：
Figure 485703DEST_PATH_IMAGE051
其中
Figure 444301DEST_PATH_IMAGE053
Figure 67043DEST_PATH_IMAGE054
，
Figure 215127DEST_PATH_IMAGE056
Figure 14282DEST_PATH_IMAGE057
，
Figure 363355DEST_PATH_IMAGE059
Figure 66869DEST_PATH_IMAGE060
是经过平移的点云中索引位置为
Figure 143278DEST_PATH_IMAGE094
的点旋转后的三维坐标。
最后，平移车辆点云，使当前质心回到原质心位置：
Figure 819110DEST_PATH_IMAGE063
其中
Figure 198139DEST_PATH_IMAGE065
Figure 513582DEST_PATH_IMAGE066
，
Figure 269049DEST_PATH_IMAGE068
Figure 799387DEST_PATH_IMAGE069
，
Figure 739530DEST_PATH_IMAGE071
Figure 417636DEST_PATH_IMAGE072
是经过旋转的点云中索引位置为
Figure 586581DEST_PATH_IMAGE094
的点平移后的三维坐标。
所述投影长度是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，包围盒的长是车辆点云在
Figure 299322DEST_PATH_IMAGE002
轴上的投影长度，宽是
Figure 207104DEST_PATH_IMAGE086
轴上的投影长度，高是
Figure 247872DEST_PATH_IMAGE087
轴上的投影长度。
比较投影得到的包围盒长、宽，若长小于宽，则将包围盒长、宽互换，包围盒航向角在候选航向角基础上偏转
Figure DEST_PATH_IMAGE116
。
步骤6：计算包围盒几何中心，实现车辆点云包围盒计算。
假设车辆点云各点在坐标轴上投影的最大值和最小值分别为
Figure DEST_PATH_IMAGE117
，
Figure DEST_PATH_IMAGE118
，
Figure DEST_PATH_IMAGE119
，
Figure DEST_PATH_IMAGE120
，
Figure DEST_PATH_IMAGE121
，
Figure DEST_PATH_IMAGE122
，包围盒偏航角为
Figure 46938DEST_PATH_IMAGE104
，则包围盒几何中心
Figure DEST_PATH_IMAGE123
，
Figure DEST_PATH_IMAGE124
，
Figure DEST_PATH_IMAGE125
的计算过程如下：
Figure DEST_PATH_IMAGE126
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S2.以点云坐标系为基准，计算车辆点云在
Figure DEST_PATH_IMAGE001
平面上的各凸包顶点，依序构建顶点集合；
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
Figure DEST_PATH_IMAGE002
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。
2.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S1中，采集的点云数据为
Figure DEST_PATH_IMAGE003
的矩阵，其中
Figure DEST_PATH_IMAGE004
代表点云中点的数量，
Figure DEST_PATH_IMAGE005
代表点云各点三维坐标
Figure 263851DEST_PATH_IMAGE002
，
Figure DEST_PATH_IMAGE006
，
Figure DEST_PATH_IMAGE007
；并将点云空间划分为一个个
Figure DEST_PATH_IMAGE008
的体素空间，每个体素空间只保留一个质心点。
3.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S2中，点云坐标系以主车几何中心为原点，坐标系
Figure 571205DEST_PATH_IMAGE002
轴朝向主车前进方向，
Figure 821050DEST_PATH_IMAGE006
轴朝向主车前进方向的左边，
Figure 622784DEST_PATH_IMAGE007
轴朝向天空，凸包为包含车辆点云所有点的最小凸集，所述凸包顶点为最小凸集中的各个元素。
4.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S3中，遍历顶点集合提取凸包边的具体过程为：
记当前访问的顶点在集合中的索引位置为
Figure DEST_PATH_IMAGE009
，判断
Figure 358528DEST_PATH_IMAGE009
与集合最后一个顶点的索引位置是否相等，若相等，则分别访问集合中索引为
Figure 384252DEST_PATH_IMAGE009
和
Figure DEST_PATH_IMAGE010
的顶点，提取相应凸包边；否则，分别访问集合中索引为
Figure 572657DEST_PATH_IMAGE009
和
Figure DEST_PATH_IMAGE011
的顶点，提取相应凸包边。
5.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；
步骤S42.遍历车辆点云，记当前访问点在点云集合中的索引位置为
Figure DEST_PATH_IMAGE012
；
步骤S43.遍历凸包边集合，记当前访问凸包边在凸包边集合的索引位置为
Figure DEST_PATH_IMAGE013
；
步骤S44.循环计算索引为
Figure 427350DEST_PATH_IMAGE012
的点到索引为
Figure 502753DEST_PATH_IMAGE013
的凸包边的垂直距离，每满足一次距离小于阈值的条件，相应凸包边的计数器值加1，循环结束后计数器最大的凸包边即为最大权重边。
6.根据权利要求5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，索引为
Figure 27275DEST_PATH_IMAGE012
的点到索引为
Figure 234134DEST_PATH_IMAGE013
的凸包边的垂直距离计算公式为
Figure DEST_PATH_IMAGE014
；
其中，
Figure DEST_PATH_IMAGE015
为需要计算的垂直距离，
Figure DEST_PATH_IMAGE016
，
Figure DEST_PATH_IMAGE017
为点云集合中索引位置为
Figure 33463DEST_PATH_IMAGE012
的点在
Figure 212641DEST_PATH_IMAGE001
平面的二维坐标，
Figure DEST_PATH_IMAGE018
，
Figure DEST_PATH_IMAGE019
，
Figure DEST_PATH_IMAGE020
，
Figure DEST_PATH_IMAGE021
分别为凸包边集合中索引位置为
Figure 704802DEST_PATH_IMAGE013
的凸包边两个顶点在
Figure 477586DEST_PATH_IMAGE001
平面的二维坐标；
候选航向角
Figure DEST_PATH_IMAGE022
的计算公式为
Figure DEST_PATH_IMAGE023
；
其中，
Figure DEST_PATH_IMAGE024
，
Figure DEST_PATH_IMAGE025
，
Figure DEST_PATH_IMAGE026
，
Figure DEST_PATH_IMAGE027
分别是最大权重凸包边两个顶点在
Figure 742257DEST_PATH_IMAGE001
平面的二维坐标。
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
Figure 838258DEST_PATH_IMAGE001
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
Figure 579949DEST_PATH_IMAGE002
轴正方向夹角为0的过程，具体为：
首先，计算车辆点云质心
Figure DEST_PATH_IMAGE028
，
Figure DEST_PATH_IMAGE029
，
Figure DEST_PATH_IMAGE030
，公式为
Figure DEST_PATH_IMAGE031
；
其中
Figure 620455DEST_PATH_IMAGE016
，
Figure 964849DEST_PATH_IMAGE017
，
Figure DEST_PATH_IMAGE032
是点云集合中索引位置为
Figure 321881DEST_PATH_IMAGE012
的点的三维坐标，
Figure DEST_PATH_IMAGE033
为车辆点云总数；
平移车辆点云，使质心与坐标系原点重合
Figure DEST_PATH_IMAGE034
；
其中，
Figure DEST_PATH_IMAGE036
Figure DEST_PATH_IMAGE037
，
Figure DEST_PATH_IMAGE039
Figure DEST_PATH_IMAGE040
，
Figure DEST_PATH_IMAGE042
Figure DEST_PATH_IMAGE043
是点云集合中索引位置为
Figure 811637DEST_PATH_IMAGE012
的点平移后的三维坐标；
旋转车辆点云，使候选航向角与点云坐标系
Figure DEST_PATH_IMAGE044
轴正方向夹角为0：
Figure DEST_PATH_IMAGE045
；
其中，
Figure DEST_PATH_IMAGE047
Figure DEST_PATH_IMAGE048
，
Figure DEST_PATH_IMAGE050
Figure DEST_PATH_IMAGE051
，
Figure DEST_PATH_IMAGE053
Figure DEST_PATH_IMAGE054
是经过平移的点云中索引位置为
Figure 599159DEST_PATH_IMAGE012
的点旋转后的三维坐标；
平移车辆点云，使当前质心回到原质心位置：
Figure DEST_PATH_IMAGE055
；
其中，
Figure DEST_PATH_IMAGE057
Figure DEST_PATH_IMAGE058
，
Figure DEST_PATH_IMAGE060
Figure DEST_PATH_IMAGE061
，
Figure DEST_PATH_IMAGE063
Figure DEST_PATH_IMAGE064
是经过旋转的点云中索引位置为
Figure 996511DEST_PATH_IMAGE012
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
Figure 801525DEST_PATH_IMAGE002
轴上的投影长度，宽是
Figure 885018DEST_PATH_IMAGE006
轴上的投影长度，高是
Figure 509904DEST_PATH_IMAGE007
轴上的投影长度；所述调整候选航向角至包围盒航向角是指，包围盒长小于宽时，将长、宽互换，包围盒航向角在候选航向角基础上偏转
Figure DEST_PATH_IMAGE065
。
8.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S6中，车辆点云各点在坐标轴上投影的最大值和最小值分别为
Figure DEST_PATH_IMAGE066
，
Figure DEST_PATH_IMAGE067
，
Figure DEST_PATH_IMAGE068
，
Figure DEST_PATH_IMAGE069
，
Figure DEST_PATH_IMAGE070
，
Figure DEST_PATH_IMAGE071
，包围盒偏航角为
Figure 716806DEST_PATH_IMAGE022
，则包围盒几何中心
Figure DEST_PATH_IMAGE072
，
Figure DEST_PATH_IMAGE073
，
Figure DEST_PATH_IMAGE074
的计算公式为
Figure DEST_PATH_IMAGE075
。
CN202211135029.1A 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 Pending CN115601726A (zh)

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)

* Cited by examiner, † Cited by third party
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***

Cited By (2)

* Cited by examiner, † Cited by third party
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