CN116091450A - 一种障碍物检测方法、装置、设备、介质和产品 - Google Patents
一种障碍物检测方法、装置、设备、介质和产品 Download PDFInfo
- Publication number
- CN116091450A CN116091450A CN202310027882.XA CN202310027882A CN116091450A CN 116091450 A CN116091450 A CN 116091450A CN 202310027882 A CN202310027882 A CN 202310027882A CN 116091450 A CN116091450 A CN 116091450A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- obstacle
- target
- determining
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 claims abstract description 45
- 238000004590 computer program Methods 0.000 claims description 22
- 230000007613 environmental effect Effects 0.000 abstract description 7
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000003137 locomotive effect Effects 0.000 description 4
- 229910000831 Steel Inorganic materials 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000010959 steel Substances 0.000 description 3
- 241000282326 Felis catus Species 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30236—Traffic on road, railway or crossing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种障碍物检测方法、装置、设备、介质和产品。该方法包括:获取目标场景的目标点云数据;在所述目标点云数据中,确定障碍物点云数据;根据所述障碍物点云数据,确定所述目标场景中的目标障碍物。本发明实施例提高了障碍物检测的效率和精度,降低了环境因素对障碍物检测的影响。
Description
技术领域
本发明涉及计算机数据处理技术领域,尤其涉及一种障碍物检测方法、装置、设备、介质和产品。
背景技术
现有的铁路安全限界异物侵限监测方法的可靠性和自动化程度都较低,无法充分保证行车安全。
最常见的异物侵限监测方式是采用人工视频监测的方式,但人工观察的方式很容易受到干扰,并且无法保证不发生漏检。自动化的视频分析提高了监测效率和精度,但是由于光照、恶劣天气对于视频画面的质量影响极大,因此自动化视频分析的可靠性也不足以保证监测精度。此外,轨旁相机大多采用定焦镜头,因此远距离或小尺寸的障碍物在图像中往往成像得到的尺寸极小,很难被识别出来。
发明内容
本发明提供了一种障碍物检测方法、装置、设备、介质和产品,以提高障碍物检测效率和精度,降低环境因素对障碍物检测的影响。
根据本发明的一方面,提供了一种障碍物检测方法,该方法包括:
获取目标场景的目标点云数据;
在所述目标点云数据中,确定障碍物点云数据;
根据所述障碍物点云数据,确定所述目标场景中的目标障碍物。
根据本发明的另一方面,提供了一种障碍物检测装置,其特征在于,包括:
目标点云获取模块,用于获取目标场景的目标点云数据;
障碍物点云确定模块,用于在所述目标点云数据中,确定障碍物点云数据;
目标障碍物确定模块,用于根据所述障碍物点云数据,确定所述目标场景中的目标障碍物。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的障碍物检测方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的障碍物检测方法。
根据本发明的另一方面,提供了一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序在被处理器执行时实现本发明任一实施例所述的障碍物检测方法。
本发明实施例的技术方案,通过获取目标场景的目标点云数据从而确定障碍物点云数据,根据障碍物点云数据确定目标场景中的目标障碍物,解决了人工检查导致漏检,环境因素降低图像数据采集质量导致障碍物检测准确率低的问题,通过对点云数据的获取和分析,能够扩大障碍物的检测范围以及缩小障碍物的识别尺寸,进而提高了障碍物检测的效率和精度。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种障碍物检测方法的流程图;
图2a是根据本发明实施例二提供的一种障碍物检测方法的流程图;
图2b为本发明实施例二提供的一种标准背景点云数据示意图;
图3a是根据本发明实施例三提供的一种障碍物检测方法的流程图;
图3b为本发明实施例三提供的一种障碍物检测结果示意图;
图4是根据本发明实施例三提供的一种障碍物检测装置的结构示意图;
图5是实现本发明实施例的障碍物检测方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“包括”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种障碍物检测方法的流程图,本实施例可适用于轨道障碍物检测的情况,该方法可以由障碍物检测装置来执行,该障碍物检测装置可以采用硬件和/或软件的形式实现,该障碍物检测装置可配置于电子设备中。如图1所示,该方法包括:
S110、获取目标场景的目标点云数据。
其中,目标场景是指获取待进行障碍物检测的场景。在本发明实施例中,目标场景可以包括数据采集设备在采集数据时所覆盖的场景区域。目标点云数据是指数据采集设备所采集的数据。目标点云数据可以包含目标场景中指定区域范围内的物体的点云数据,其中,物体可以是标准物体、可以是背景物体,还可以是障碍物等。在本发明实施例中,数据采集设备可以是多线激光雷达,数据采集设备安装在固定位置,可以对目标场景进行持续的数据采集。其中,多线雷达可以返回多个激光点,实现稳定的识别。
在一种可实施方式中,目标场景包括铁路安全界限区域。
其中,铁路安全限界是指为保证运输安全而制定的建筑物、设备与机车车辆相互间在线路上不能逾越的轮廓尺寸线。铁路安全界限区域为铁路安全界限之内的区域,在铁路安全界限区域内出现的除机车行驶所用物体外的任何物体都将威胁到机车的行驶安全。
通过将铁路安全界限区域作为目标场景进行障碍物检测,可以有效保护机车的行驶安全,排除障碍物造成的安全隐患。
S120、在所述目标点云数据中,确定障碍物点云数据。
其中,障碍物点云数据是指描述障碍物的点云数据。目标点云数据中包括多个物体的点云数据,其中,物体可以包括标准物体、背景物体、或障碍物等。其中,标准物体是是在目标场景中存在的物体,背景物体是目标场景中存在的,但不会对标准物体进行干扰和阻挡的物体。障碍物是目标场景中存在的,会对标准物体进行干扰和阻挡的物体。在目标场景包括铁路安全界限区域的应用场景中,标准物体为铁轨,背景物体可以是铁轨附近的杂草,障碍物是指威胁机车行驶安全的物体,例如,铁轨上的猫。此外,物体可以是静物也可以是活物。在目标点云数据中,确定障碍物点云数据,可以是对目标点云数据按照物体的类型进行分类,确定障碍物点云数据。
可以对目标点云数据进行空间滤波,得到滤波后的目标点云数据,根据滤波后的目标点云数据确定障碍物点云数据。空间滤波是指一种采用滤波处理的影像增强方法。其理论基础是空间卷积。目的是改善影像质量,包括去除高频噪声与干扰,及影像边缘增强、线性增强以及去模糊等。通过对目标点云数据进行空间滤波,可以滤除噪声点云数据,降低噪声点云对障碍物检测的干扰,提高障碍物检测的精度。
S130、根据所述障碍物点云数据,确定所述目标场景中的目标障碍物。
其中,目标障碍物是指目标场景中出现的威胁行车安全的物体。障碍物点云数据为包括至少一个障碍物的点云数据,对障碍物点云数据,按照障碍物进行分类,可以得到至少一个障碍物,一个障碍物可以用一个点云集合表示。根据障碍物点云数据,通过对障碍物点云数据进行分类,得到不同类别的障碍物点云数据,从而确定目标障碍物。在本发明实施例中,可以利用PCL(Printer Control Language,打印机控制语言)工具对障碍物点云数据进行着色显示,可以进一步观察目标障碍物的位置、大小和个数等信息,实现直观的可视化效果。
本发明实施例的技术方案,通过获取目标场景的目标点云数据从而确定障碍物点云数据,根据障碍物点云数据确定目标场景中的目标障碍物,降低了人工检查导致漏检的发生概率,降低了环境因素对数据采集质量的影响,进而降低环境因素对障碍物检测的影响。与现有技术相比,通过对点云数据的获取和分析,能够扩大障碍物的检测范围、缩小障碍物的识别尺寸,进而提高了障碍物检测的效率和精度。
在一种可实施方式中,所述根据所述障碍物点云数据,确定所述目标场景中的目标障碍物,包括:在所述障碍物点云数据中对点进行聚类,得到至少一个类型的点;将各所述类型的点,确定为所述目标场景中的目标障碍物。
其中,聚类是指物理或抽象对象的集合分成由类似的对象组成的多个类的过程。由聚类所生成的簇是一组数据对象的集合,这些对象与同一个簇中的对象彼此相似,与其他簇中的对象相异。聚类方法可以包括下述至少一项:K-MEANS聚类算法、均值偏移聚类算法、层次聚类算法和欧式距离聚类算法等。通过在障碍物点云数据中对点进行聚类,将障碍物点云数据分为至少一类,每类的障碍物点云数据中包含对应障碍物对应的点,从而一类的点,确定为一个目标障碍物。根据分类后的障碍物点云数据,可以确定目标场景中的目标障碍物,还可以进一步获取目标障碍物的个数、大小和位置等信息中的至少一项。
示例性的,采用欧式距离聚类方法对障碍物点云数据进行分类,得到至少一个类型的障碍物点云数据,从而确定目标障碍物。欧式聚类是一种基于欧氏距离度量的聚类算法。具体的,从障碍物点云数据中自动选择一点p,利用k-d tree(k-dimension tree)找到距离点p最近的n个点(可根据实际情况设置具体数值),分别计算n个点到p的距离,将距离小于阈值r(可根据实际情况设置具体数值)的点归类为C1。对于剩余的障碍物点云数据,再次选择一点作为点p,重复前述归类过程,直至遍历所有障碍物点云数据,完成全部障碍物点云数据的归类。障碍物点云数据的归类结果也就是障碍物点云的分类结果,根据障碍物点云的分类结果确定目标场景中的目标障碍物,也可以进一步确定目标障碍物的个数等信息。
通过对障碍物点云数据中的点进行聚类,可以将障碍物点云数据中的点进行分类,从而确定障碍物点云数据描述的目标障碍物,提高了目标障碍物确定的准确度和精度,降低人工漏检误检等情况的发生概率。
实施例二
图2为本发明实施例二提供的一种障碍物检测方法的流程图,本实施例对在所述目标点云数据中确定障碍物点云数据的过程进行了细化,具体包括:获取所述目标场景的标准背景点云数据;根据所述标准背景点云数据,和所述目标点云数据,确定障碍物点云数据。如图2所示,该方法包括:
S210、获取目标场景的目标点云数据。
S220、获取所述目标场景的标准背景点云数据。
其中,标准背景点云数据是指在无障碍物的情况下采集的点云数据。图2b为本发明实施例二提供的一种标准背景点云数据示意图。标准背景点云数据可以预先采集并储存,在使用时可以直接调用。标准背景点云数据的数据采集设备与目标点云数据的数据采集设备保持一致,具体为位置一致和/或采集参数一致等。标准背景点云数据与目标点云数据所涉及的检测范围保持一致。标准背景点云数据可以包括标准物体的点云数据和背景物体的点云数据。
S230、根据所述标准背景点云数据,和所述目标点云数据,确定障碍物点云数据。
标准背景点云数据为无障碍物时的目标场景的点云数据,目标点云数据为疑似存在障碍物时的目标场景的点云数据。从而,标准背景点云数据,和目标点云数据之间的差值,可以确定是否存在障碍物的点云数据。其中,根据标准背景点云数据和目标点云数据,可以通过背景差分算法,得到差分结果,并将差分结果确定为障碍物点云数据。背景差分算法是运动检测中最常用的一种方法,它是利用当前图像与背景图像的差分来检测出运动区域的一种技术。在本发明实施中,将标准背景点云数据作为背景图像数据,将目标点云数据作为当前图像数据,其差分结果可以反映目标点云数据中除标准背景点云数据之外的数据,即可确定障碍物点云数据。
S240、根据所述障碍物点云数据,确定所述目标场景中的目标障碍物。
本发明实施例的技术方案,通过获取标准背景点云数据,利用标准背景点云数据和目标点云数据确定障碍物点云数据,可以提高障碍物点云数据的确定效率,简化了障碍物点云数据的分析过程,从而提高了障碍物检测效率。
在一种可实施方式中,所述根据所述标准背景点云数据,和所述目标点云数据,确定障碍物点云数据,包括:在所述目标点云数据中,确定至少一个目标感兴趣区域的点云数据;在所述标准背景点云数据中,确定各所述目标感兴趣区域对应的背景感兴趣区域,以及各所述背景感兴趣区域的点云数据;计算所述目标感兴趣区域的点云数据,和对应的背景感兴趣区域的点云数据之间的差值;统计各所述目标感兴趣区域对应的差值,确定障碍物点云数据。
其中,目标感兴趣区域是指目标点云数据所对应的目标场景中需要进行重点分析的区域,具体是标准物体占比空间大的区域。目标感兴趣区域的点云数据是指在目标点云数据中目标感兴趣区域对应的范围内的点云数据。通过在目标点云数据中确定至少一个目标感兴趣区域对应的点云数据,作为目标感兴趣区域的点云数据。示例性的,可以通过在目标点云数据中选取4个点,构成一个平面,再选取另外一点,将平面自动延伸成为一个立方体区域,一个立方体区域为一个目标感兴趣区域,立方体区域内的目标点云数据为目标感兴趣区域的点云数据。在本发明实施例中,目标感兴趣区域至少包含钢轨所在区域,可选的,钢轨区域在目标感兴趣区域的占比,大于钢轨区域在目标场景的占比。
背景感兴趣区域是指标准背景点云数据所对应的目标场景中需要进行重点分析的区域。目标感兴趣区域和背景感兴趣区域相对应,描述目标场景中的相同区域,具体是区域的位置和尺寸相同。背景感兴趣区域的点云数据为标准背景点云数据中背景感兴趣区域对应的点云数据。通过目标感兴趣区域确定对应的背景感兴趣区域,从而在标准背景点云数据中确定背景感兴趣区域的点云数据。
根据目标感兴趣区域的点云数据和背景感兴趣区域的点云数据的对应关系,计算目标感兴趣区域的点云数据,和对应的背景感兴趣区域的点云数据之间的差值。根据差值的计算结果,统计各目标感兴趣区域对应的差值,作为障碍物点云数据。
通过在目标点云数据中确定目标感兴趣区域的点云数据,在标准背景点云数据中确定背景感兴趣区域的点云数据,根据目标感兴趣区域的点云数据,和对应的背景感兴趣区域的点云数据,确定障碍物点云数据,减少了障碍物点云数据确定过程中的数据分析量,提高了障碍物点云数据确定的效率。
实施例三
图3为本发明实施例三提供的一种障碍物检测方法的流程图,本实施例对障碍物检测方法进行了补充,所述目标点云数据为目标时间的点云数据。具体包括:获取所述目标时间关联的连续时间的点云数据;获取所述连续时间的点云数据识别的关联障碍物;根据各所述目标障碍物和各所述关联障碍物,确定持续存在的障碍物。如图2所示,该方法包括:
S310、获取目标场景的目标点云数据,所述目标点云数据为目标时间的点云数据。
其中,目标时间是指对目标场景进行点云数据采集的时间。在目标时间,对目标场景进行点云数据采集,得到的点云数据为目标点云数据。
S320、在所述目标点云数据中,确定障碍物点云数据。
S330、根据所述障碍物点云数据,确定所述目标场景中的目标障碍物。
S340、获取所述目标时间关联的连续时间的点云数据。
其中,连续时间是指与目标时间之前的时序相邻的时间。连续时间的数量可以为至少一个。可以对目标场景进行多次采集,在多个采集时间中,将其中一个时间,确定为目标时间,将目标时间之前的时序相邻且连续至少一个时间,确定为目标时间关联的连续时间。示例性的,每隔1秒对目标场景点云进行采集,将第5秒确定为目标时间,目标时间关联的连续时间可以包括第2秒、第3秒和第4秒时间。
通过同一数据采集设备进行多次采集,目标时间中包括的点云为该目标时间的点云数据。每个时间均采集一次的点云数据。多个时间对应存在多个点云数据。
S350、获取所述连续时间的点云数据识别的关联障碍物。
其中,关联障碍物是指在连续时间的点云数据中识别的障碍物。一个连续时间可以识别出至少一个关联障碍物。可以通过步骤S320和步骤S330的方法识别连续时间的点云数据中的关联障碍物。
S360、根据各所述目标障碍物和各所述关联障碍物,确定持续存在的障碍物。
其中,持续存在的障碍物是指在连续时间以及目标时间中多次出现的障碍物。通常有些障碍物,例如猫、鸟或者是货物,都是短暂进入后又离开的不产生危害的障碍物,这些障碍物通常不会对目标场景中的标准物体存在干扰和危害,可以排除这些障碍物,将持续存在的障碍物,确定为目标场景中实际会对标准物体存在干扰和危害的障碍物。
持续存在的障碍物可以通过设置次数阈值进行判断,次数阈值可以根据实际情况进行设置。通过对比连续时间对应的关联障碍物和目标障碍物,查询连续时间和目标时间中重复出现的障碍物,将障碍物出现的时间的数量,确定为该障碍物的出现次数。将出现次数超过次数阈值的障碍物确定为持续存在的障碍物。
示例性的,连续时间的数量为9时,对9个连续时间的点云数据分别进行识别,确定每个连续时间对应的关联障碍物,通过对比9个连续时间的关联障碍物和目标障碍物,即将总共10个时间的点云数据中障碍物进行比较。将障碍物出现次数超过6次的障碍物确定为持续存在的障碍物。图3b为本发明实施例三提供的一种障碍物检测结果示意图。如图3b所示,在方框中的区域存在障碍物。
通过对连续多帧时间的点云数据进行识别,从而确定持续存在的障碍物,可以有效排除短暂进入后又离开的不产生危害的障碍物,提高障碍物检测的准确率,减少不必要的障碍物检测结果显示,减少数据冗余,以及提高障碍物数据的准确率。
实施例四
图4为本发明实施例四提供的一种障碍物检测装置的结构示意图。如图4所示,该装置包括:目标点云获取模块401、障碍物点云确定模块402和目标障碍物确定模块403。
其中,目标点云获取模块401,用于获取目标场景的目标点云数据;
障碍物点云确定模块402,用于在所述目标点云数据中,确定障碍物点云数据;
目标障碍物确定模块403,用于根据所述障碍物点云数据,确定所述目标场景中的目标障碍物。
本发明实施例的技术方案,通过获取目标场景的目标点云数据从而确定障碍物点云数据,根据障碍物点云数据确定目标场景中的目标障碍物,降低了人工检查导致漏检的发生概率,降低了环境因素对数据采集质量的影响,进而降低环境因素对障碍物检测的影响。与现有技术相比,通过对点云数据的获取和分析,能够扩大障碍物的检测范围、缩小障碍物的识别尺寸,进而提高了障碍物检测的效率和精度。
可选的,障碍物点云确定模块402模块包括:
标准背景点云获取单元,用于获取所述目标场景的标准背景点云数据;
障碍物点云确定单元,用于根据所述标准背景点云数据,和所述目标点云数据,确定障碍物点云数据。
可选的,障碍物点云确定单元包括:
目标感兴趣区域确定子单元,用于在所述目标点云数据中,确定至少一个目标感兴趣区域的点云数据;
背景感兴趣区域确定子单元,用于在所述标准背景点云数据中,确定各所述目标感兴趣区域对应的背景感兴趣区域,以及各所述背景感兴趣区域的点云数据;
数据差值计算子单元,用于计算所述目标感兴趣区域的点云数据,和对应的背景感兴趣区域的点云数据之间的差值;
障碍物点云确定子单元,用于统计各所述目标感兴趣区域对应的差值,确定障碍物点云数据。
可选的,目标障碍物确定模块403包括:
聚类单元,用于在所述障碍物点云数据中对点进行聚类,得到至少一个类型的点;
目标障碍物确定单元,用于将各所述类型的点,确定为所述目标场景中的目标障碍物。
可选的,所述目标点云数据为目标时间的点云数据;
该障碍物检测装置,还包括:
点云获取模块,用于获取所述目标时间关联的连续时间的点云数据;
关联障碍物识别模块,用于获取所述连续时间的点云数据识别的关联障碍物;
障碍物确定模块,用于根据各所述目标障碍物和各所述关联障碍物,确定持续存在的障碍物。
可选的,所述目标场景包括铁路安全界限区域。
本发明实施例所提供的障碍物检测装置可执行本发明任意实施例所提供的障碍物检测方法,具备执行方法相应的功能模块和有益效果。
实施例五
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如障碍物检测方法。
在一些实施例中,障碍物检测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM13并由处理器11执行时,可以执行上文描述的障碍物检测方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行障碍物检测方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的***和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种障碍物检测方法,其特征在于,包括:
获取目标场景的目标点云数据;
在所述目标点云数据中,确定障碍物点云数据;
根据所述障碍物点云数据,确定所述目标场景中的目标障碍物。
2.根据权利要求1所述的方法,其特征在于,所述在所述目标点云数据中,确定障碍物点云数据,包括:
获取所述目标场景的标准背景点云数据;
根据所述标准背景点云数据,和所述目标点云数据,确定障碍物点云数据。
3.根据权利要求2所述的方法,其特征在于,所述根据所述标准背景点云数据,和所述目标点云数据,确定障碍物点云数据,包括:
在所述目标点云数据中,确定至少一个目标感兴趣区域的点云数据;
在所述标准背景点云数据中,确定各所述目标感兴趣区域对应的背景感兴趣区域,以及各所述背景感兴趣区域的点云数据;
计算所述目标感兴趣区域的点云数据,和对应的背景感兴趣区域的点云数据之间的差值;
统计各所述目标感兴趣区域对应的差值,确定障碍物点云数据。
4.根据权利要求1所述的方法,其特征在于,所述根据所述障碍物点云数据,确定所述目标场景中的目标障碍物,包括:
在所述障碍物点云数据中对点进行聚类,得到至少一个类型的点;
将各所述类型的点,确定为所述目标场景中的目标障碍物。
5.根据权利要求1所述的方法,其特征在于,所述目标点云数据为目标时间的点云数据;
在根据所述障碍物点云数据,确定所述目标场景中的目标障碍物之后,还包括:
获取所述目标时间关联的连续时间的点云数据;
获取所述连续时间的点云数据识别的关联障碍物;
根据各所述目标障碍物和各所述关联障碍物,确定持续存在的障碍物。
6.根据权利要求1所述的方法,其特征在于,所述目标场景包括铁路安全界限区域。
7.一种障碍物检测装置,其特征在于,包括:
目标点云获取模块,用于获取目标场景的目标点云数据;
障碍物点云确定模块,用于在所述目标点云数据中,确定障碍物点云数据;
目标障碍物确定模块,用于根据所述障碍物点云数据,确定所述目标场景中的目标障碍物。
8.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的障碍物检测方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的障碍物检测方法。
10.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的障碍物检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310027882.XA CN116091450A (zh) | 2023-01-09 | 2023-01-09 | 一种障碍物检测方法、装置、设备、介质和产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310027882.XA CN116091450A (zh) | 2023-01-09 | 2023-01-09 | 一种障碍物检测方法、装置、设备、介质和产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116091450A true CN116091450A (zh) | 2023-05-09 |
Family
ID=86186480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310027882.XA Pending CN116091450A (zh) | 2023-01-09 | 2023-01-09 | 一种障碍物检测方法、装置、设备、介质和产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116091450A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117197779A (zh) * | 2023-09-11 | 2023-12-08 | 苏州大学 | 一种基于双目视觉的轨道交通异物检测方法、装置及*** |
-
2023
- 2023-01-09 CN CN202310027882.XA patent/CN116091450A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117197779A (zh) * | 2023-09-11 | 2023-12-08 | 苏州大学 | 一种基于双目视觉的轨道交通异物检测方法、装置及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108318773B (zh) | 一种输电导线断股检测方法及*** | |
CN110532875B (zh) | 夜晚模式镜头付着物的检测***、终端和存储介质 | |
CN112597837A (zh) | 图像检测方法、装置、设备、存储介质和计算机程序产品 | |
CN114596555B (zh) | 障碍物点云数据筛选方法、装置、电子设备及存储介质 | |
CN116091450A (zh) | 一种障碍物检测方法、装置、设备、介质和产品 | |
CN115346171A (zh) | 一种输电线路监控方法、装置、设备及存储介质 | |
CN115471476A (zh) | 一种部件缺陷检测方法、装置、设备及介质 | |
CN113673454A (zh) | 遗留物检测方法、相关设备和存储介质 | |
CN112183554B (zh) | 一种自动化道路边界轮廓提取方法 | |
CN115526837A (zh) | 一种异常行车检测方法、装置、电子设备以及介质 | |
CN113096024B (zh) | 用于深度数据的去飞点方法及其***和电子设备 | |
JP2024516642A (ja) | 行動検出方法、電子機器およびコンピュータ読み取り可能な記憶媒体 | |
CN115376106A (zh) | 基于雷达图的车型识别方法、装置、设备及介质 | |
CN115330841A (zh) | 基于雷达图的抛洒物检测方法、装置、设备和介质 | |
CN114581890B (zh) | 确定车道线的方法、装置、电子设备和存储介质 | |
CN117872346A (zh) | 对象追踪方法、装置、设备和存储介质 | |
CN117423091A (zh) | 一种障碍物检测方法、装置、电子设备和存储介质 | |
CN116466338A (zh) | 基于雷达组网的目标检测方法、装置、电子设备以及介质 | |
CN117649605A (zh) | 一种植被检测方法、装置、电子设备及存储介质 | |
CN118134881A (zh) | 一种异物检测方法、装置、设备及存储介质 | |
CN115424442A (zh) | 基于雷达图的车辆行驶事件检测方法、装置、设备和介质 | |
CN118297884A (zh) | 基于图像处理的缺陷检测方法、装置、***、设备、介质及产品 | |
CN115375666A (zh) | 一种交通事故检测方法、装置、电子设备以及存储介质 | |
CN117725614A (zh) | 一种车牌脱敏方法、装置、电子设备及存储介质 | |
CN117275006A (zh) | 一种图像处理方法、装置、电子设备及存储介质 |
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 |