CN117315183B - 一种基于激光雷达构建三维地图和作业分析的方法 - Google Patents
一种基于激光雷达构建三维地图和作业分析的方法 Download PDFInfo
- Publication number
- CN117315183B CN117315183B CN202311617726.5A CN202311617726A CN117315183B CN 117315183 B CN117315183 B CN 117315183B CN 202311617726 A CN202311617726 A CN 202311617726A CN 117315183 B CN117315183 B CN 117315183B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- operation object
- laser radar
- converted
- vehicle body
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000005520 cutting process Methods 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims 1
- 238000010276 construction Methods 0.000 abstract description 2
- 238000012876 topography Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; 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
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明提供一种基于激光雷达构建三维地图和作业分析的方法,包括:对激光雷达扫描得到的点云进行滤波,得到原始点云;对原始点云中工程机械部分的点云进行切割,得到切割后的点云;确定坐标系原点,基于坐标系原点将切割后的点云的坐标进行转换,得到转换后的点云;根据转换后的点云的坐标,确定点云的三维尺寸范围;计算每个体素单元网格的总数量;将转换后的点云进行体素网格化下采样,并将下采样的点云放入网格地图中;激光雷达重复扫描过程,并将新的点云更新在网格地图中;基于网格地图对作业对象进行作业分析以实时构建三维的高精地图,实现对工程机械作业场景中的地形、作业目标、障碍物等进行分析;并实现实时对作业场景的三维地图构建。
Description
技术领域
本发明涉及激光雷达作业技术领域,具体而言,涉及一种基于激光雷达构建三维地图和作业分析的方法。
背景技术
激光雷达可以用于构建作业场景的三维地图,这对于自动驾驶、机器人导航、工业生产等应用具有重要意义。然而现有的激光雷达构建场景需要依赖已经采集好的高精地图,由于工程机械的作业场景一般为砂石厂、矿山、隧道等等,因此缺少采集好的高精地图,使得通过激光雷达指导工程机械进行作业存在定位不精准,作业完成度较低的问题。
有鉴于此,本发明提供了一种基于激光雷达构建三维地图和作业分析的方法,以实时构建三维的高精地图,实现对工程机械作业场景中的地形、作业目标、障碍物等进行分析。
发明内容
本发明的目的在于提供一种基于激光雷达构建三维地图和作业分析的方法,包括:对激光雷达扫描得到的点云进行滤波,得到原始点云;对所述原始点云中工程机械部分的点云进行切割,得到切割后的点云;确定坐标系原点,并基于所述坐标系原点将所述切割后的点云的坐标进行转换,得到转换后的点云;根据所述转换后的点云的坐标,确定点云的三维尺寸范围;计算每个体素单元网格的总数量;将所述转换后的点云进行体素网格化下采样,并将下采样的点云放入网格地图中;所述激光雷达重复扫描过程,并将新的点云更新在所述网格地图中;基于所述网格地图对作业对象进行作业分析,以确定所述作业对象的特征和障碍物的位置,并基于所述作业对象的特征和所述障碍物的位置进行作业。
进一步的,确定坐标系原点,并基于所述坐标系原点将所述切割后的点云的坐标进行转换,得到转换后的点云,包括:以工程机械车体上的第一位置为原点,坐标系为右手法则;所述第一位置包括车体铰接点或车体后桥中心;获取所述激光雷达安装位置的安装位姿和所述工程机械的车体姿态;所述安装位姿包括安装所述激光雷达的平移量和旋转量;所述车体姿态包括工程机械车体的旋转量;通过旋转和平移的手段,将所述切割后的点云的坐标转换为以车体为坐标系的转换后的点云的坐标。
进一步的,确定坐标系原点,并基于所述坐标系原点将所述切割后的点云的坐标进行转换,得到转换后的点云,包括:获取工程机械车体的车体全球定位和车体姿态,并基于所述车体全球定位和所述车体姿态,通过旋转和平移计算出车体的车***姿;所述车***姿包括车体的平移量和旋转量;获取所述激光雷达安装位置的安装位姿;所述安装位姿包括安装所述激光雷达的平移量及旋转量;根据所述车***姿和所述安装位姿,通过旋转和平移,将所述切割后的点云的坐标转换为以全球绝对位置为坐标系的转换后的点云的坐标。
进一步的,根据所述转换后的点云的坐标,确定点云的三维尺寸范围为将转换后的点云对应轴的坐标的最大值作为三维尺寸范围的最大值;其中,点云的三维尺寸范围的计算公式为:
其中,表示转换后的点云在x轴上的最大值;/>表示转换后的点云在x轴上的最小值;/>表示转换后的点云在y轴上的最大值;/>表示转换后的点云在y轴上的最小值;/>表示转换后的点云在z轴上的最大值;/>表示转换后的点云在z轴上的最小值。
进一步的,还包括基于所述网格地图对作业对象进行作业,包括:提取所述作业对象的上下边沿轮廓;提取所述作业对象前边沿轮廓;基于所述上下边沿轮廓和所述前边沿轮廓,确定所述作业对象的位置和体积;基于所述作业对象的位置和体积,通过所述工程机械对所述作业对象进行作业。
进一步的,提取所述作业对象的上下边沿轮廓,包括:从所述网格地图中分割出高于地平面的部分,得到地平面以上的点云;根据点云信息,通过聚类算法得到不同物体的点云簇;所述点云信息包括点云的特征和大小;根据所述点云簇的特点,提取出障碍物及作业对象的点云;在xy平面中,将所述作业对象的点云投影在第一直线上,得到投影后的点云;所述第一直线由预设角度与所述作业对象的点云的最高点在xy平面投影的点所构成;所述投影后的点云的x、y值均在所述第一直线上;所述预设角度为激光雷达或车体的朝向;将所述投影后的点云旋转所述预设角度的负值,得到旋转后的点云;沿x轴遍历所述旋转后的点云,取出z值最大的点的三维坐标,得到上边沿点云;对所述上边沿点云进行过滤,得到上边沿轮廓线;将所述上边沿轮廓线旋转所述预设角度,得到下上边沿轮廓线。
进一步的,提取出障碍物及作业对象的点云为将所述预设角度对准物料堆,并在该角度下提取点云簇,将所述点云簇中点云数量最大的作为所述作业对象,将所述作业对象以外的点云簇作为所述障碍物。
进一步的,提取出障碍物及作业对象的点云为将点云簇与图像识别融合,用深度学习的方法识别所述作业对象,并将所述作业对象以外的点云簇作为所述障碍物。
进一步的,提取所述作业对象前边沿轮廓,包括:在xy平面中,确定第二直线;所述第二直线为上边沿轮廓x轴最小值和最大值所形成的直线;切割掉位于所述第二直线后侧的点云,保留位于所述第二直线前侧的点云,得到前部点云;对所述第二直线的两个端点旋转所述预设角度的负值,并基于旋转后的端点得到中值;将所述前部点云旋转预设角度的负值,得到旋转后的前部点云,沿着x轴遍历所述旋转后的前部点云,将所述旋转后的前部点云的y值减去所述中值,得到前部点云差值;将所述前部点云差值中最大的差值作为前边沿轮廓点,将所述前边沿轮廓点集合所组成的曲线作为前边沿轮廓线;所述预设角度为激光雷达或车体的朝向;将所述前边沿轮廓线旋转所述预设角度,得到该角度下的前边沿轮廓线。
进一步的,基于所述作业对象的位置和体积,通过所述工程机械对所述作业对象进行作业,包括:通过所述前边沿轮廓和上边沿轮廓,定位所述作业对象的中心位置;通过所述作业对象的点云估算视野范围内所述作业对象的体积;通过所述前边沿轮廓或所述中心位置,规划作业位置。
本发明实施例的技术方案至少具有如下优点和有益效果:
实时对作业场景的三维地图进行构建。
可实时对作业对象进行分析,包括轮廓、体积、障碍物和中心点等。
对点云地图的存储采用二维向量,节省了内存空间,加快了存储速度和提取速度。
可获取两种边沿轮廓的正视视图及实际角度视图。
对前边沿轮廓的提取中,创造性的利用上边沿的端点形成的直线,将作业对象分割,至少减少了一半的计算量。
附图说明
图1为本发明提供的雷达安装位置的示例性示意图;
图2为本发明XY平面内激光雷达扫描区域的示例性示意图;
图3为本发明体素网格化下采样的示例性示意图;
图4为本发明网格地图的示例性示意图;
图5为本发明轮廓线旋转的示例性示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
本发明提供的一种基于激光雷达构建三维地图和作业分析的方法,包括:
激光雷达持续对周围环境进行扫描,得到周围环境的点云;对激光雷达扫描得到的点云进行滤波,得到原始点云P1。
对所述原始点云中工程机械部分的点云进行切割,得到切割后的点云P2。由于工程机械在作业中,工作装置会进入激光雷达的可视范围内,因此需要切割掉车体部分的点云,根据工程机械的种类、尺寸不同,切割的部分不同。例如:工作装载在运动过程中会占据X轴的范围:X1->X2,Y轴的范围:Y1->Y2,Z轴的范围:Z1->Z2,那么需要切割的部分为(X1->X2,Y1->Y2,Z1->Z2)这个范围内的所有点云,得到切割后的点云P2。
确定坐标系原点,并基于所述坐标系原点将所述切割后的点云的坐标进行转换,得到转换后的点云。由于切割后的点云P2,是以雷达自身为坐标系,因此需要将所有点云坐标转换为实际使用中需要的坐标。可以转为以工程机械车体为坐标系的车体相对坐标系,或者通过全球定位转换为全球绝对位置坐标系,如东北天(ENU)坐标系。
其中,确定坐标系原点,并基于所述坐标系原点将所述切割后的点云的坐标进行转换,得到转换后的点云,包括。以工程机械车体上的第一位置为原点,坐标系为右手法则;所述第一位置包括车体铰接点或车体后桥中心。获取所述激光雷达安装位置的安装位姿和所述工程机械的车体姿态;所述安装位姿包括安装所述激光雷达的平移量和旋转量;所述车体姿态包括工程机械车体的旋转量。通过旋转和平移的手段,将所述切割后的点云的坐标转换为以车体为坐标系的转换后的点云的坐标P4。激光雷达的安装位置如图1所示,可以安装在工程机械前车体靠近后车体的两侧,即,激光雷达安装位置1和激光雷达安装位置2。
在一些实施例中,确定坐标系原点,并基于所述坐标系原点将所述切割后的点云的坐标进行转换,得到转换后的点云,包括:获取工程机械车体的车体全球定位和车体姿态,并基于所述车体全球定位和所述车体姿态,通过旋转和平移计算出车体的车***姿;所述车***姿包括车体的平移量和旋转量。获取所述激光雷达安装位置的安装位姿;所述安装位姿包括安装所述激光雷达的平移量及旋转量。根据所述车***姿和所述安装位姿,通过旋转和平移,将所述切割后的点云的坐标转换为以全球绝对位置为坐标系的转换后的点云的坐标P3。
根据所述转换后的点云的坐标,确定点云的三维尺寸范围。
根据所述转换后的点云的坐标,确定点云的三维尺寸范围为将转换后的点云对应轴的坐标的最大值作为三维尺寸范围的最大值;其中,点云的三维尺寸范围的计算公式为:
其中,表示转换后的点云在x轴上的最大值;/>表示转换后的点云在x轴上的最小值;/>表示转换后的点云在y轴上的最大值;/>表示转换后的点云在y轴上的最小值;/>表示转换后的点云在z轴上的最大值;/>表示转换后的点云在z轴上的最小值。
由于激光雷达的扫描不是一次完成的,因此,存在循环扫描,循环确定点云三维尺寸范围的情况,然而第一次扫描确定的点云三维尺寸范围可能并不完全包括第二个循环更新的点云数据,因此,如果第二个循环更新点云时,新采集的点云超过了前一循环确定的点云三维尺寸范围,那么首先将上一个循环构建的点云三维尺寸范围的地图向第二个循环更新的点云超过的部分移动,以此更新新的点云三维尺寸范围的地图并记忆未扫描的区域的点云地图。以图2为例(XY平面):设激光雷达扫描的区域为4×4的网格,第一次扫描的区域为仅为虚线(密)区域,再向X轴负方向扫描,第二次扫描到的区域为虚线(稀)区域,那么本次构图计算时:
新的地图的范围变为至/>;其中,/>为第二个循环更新的点云在x轴上的最小值;/>表示第一个循环更新的点云在x轴上的最小值;Xmax点云三维尺寸范围在x轴方向的最大值。
计算每个体素单元网格的总数量。
例如,假设体素单元网格的大小为(m,m,m),其中m=0.05。那么各轴的网格数量为:
其中,表示点云三维尺寸范围在x轴方向上的最大值;/>表示点云三维尺寸范围在x轴方向上的最小值;/>表示点云三维尺寸范围在y轴方向上的最大值;/>表示点云三维尺寸范围在y轴方向上的最小值;/>表示点云三维尺寸范围在z轴方向上的最大值;/>表示点云三维尺寸范围在z轴方向上的最小值,m表示体素单元网格的大小。设上述网格的范围为(a,b,c)。
将所述转换后的点云进行体素网格化下采样,下采样后的网格的大小为(m,m,m),如图3所示,并将下采样的点云放入网格地图中。
其中将将下采样的点云放入网格地图中,包括:建立二维向量,向量第一维索引为(X轴坐标/m),向量第二维索引为(Y轴坐标/m),该二维向量中存储的值为该坐标的Z轴的值。
例如,下采样后的点云为P5(x,y,z);第一维索引;第二维索引/>;二维向量/>;最后,如图4所示,构建的三维地图就存储在二维向量Vector中。
所述激光雷达重复扫描过程,并将新的点云更新在所述网格地图中,并将网格地图存储在二维向量Vector中。
基于所述网格地图对作业对象进行作业分析,以确定所述作业对象的特征和障碍物的位置,并基于所述作业对象的特征和所述障碍物的位置进行作业,包括:
提取所述作业对象的上下边沿轮廓。
其中,提取所述作业对象的上下边沿轮廓,包括:从所述网格地图中分割出高于地平面的部分,得到地平面以上的点云P7,地平面高度(即z值)根据作业场景自行设置。
根据点云信息,通过聚类算法得到不同物体的点云簇;所述点云信息包括点云的特征和大小。
根据所述点云簇的特点,提取出障碍物及作业对象的点云(例如:物料堆、矿堆等)P8。
其中,提取出障碍物及作业对象的点云P8为将所述预设角度对准物料堆,并在该角度下提取点云簇,将所述点云簇中点云数量最大的作为所述作业对象,将所述作业对象以外的点云簇作为所述障碍物。预设角度为雷达方向或车体方向。
在一些实施例中,提取出障碍物及作业对象的点云P8为将点云簇与图像识别融合,用深度学习的方法识别所述作业对象,并将所述作业对象以外的点云簇作为所述障碍物。
得到作业对象的点云P8后,在xy平面中,将所述作业对象的点云P8投影在第一直线L1上,得到投影后的点云P8`;所述第一直线L1由预设角度与所述作业对象的点云P8的最高点(z值最大点)在xy平面投影的点所构成;所述投影后的点云P8`的x、y值均在所述第一直线L1上;所述预设角度为激光雷达或车体的朝向;其中/>。
如图5所示,设A,B,C为作业对象点云P8映射在第一直线L1上的三个点,那么A,B,C的坐标分别为:
A`,B`,C`的坐标分别为:
将所述投影后的点云旋转所述预设角度的负值,得到旋转后的点云(如图5所示)。
沿x轴遍历所述旋转后的点云的所有z值,取出z值最大的点的三维坐标,得到上边沿点云。
对所述上边沿点云进行过滤,得到上边沿轮廓线。如图5所示,上边沿轮廓线为A`,B`,C`所形成的曲线。
将所述上边沿轮廓线旋转所述预设角度,得到在该角度(激光雷达/车体角度)下上边沿轮廓线。
在一些实施例中,也可以不使用投影的方法,直接对作业对象的点云P8直接旋转,遍历所有点云,取出最高点(z值最大点),同样也能得出上边沿轮廓线。
提取所述作业对象前边沿轮廓。
提取所述作业对象前边沿轮廓,包括:
在xy平面中,确定第二直线L2;所述第二直线为上边沿轮廓x轴最小值和最大值所形成的直线;也就是上边沿轮廓线在xy平面形成的两侧端点的直线,最小端点记为,最大端点记为/>。
计算作业对象的点云P8所有点位于第二直线L2的前侧还是后侧,切割掉位于所述第二直线L2后侧的点云,保留位于所述第二直线L2前侧的点云,得到前部点云P9。
对所述第二直线的两个端点旋转所述预设角度的负值,并基于旋转后的端点得到中值。例如,得出中值。
将所述前部点云P9旋转预设角度的负值,得到旋转后的前部点云,沿着x轴遍历所述旋转后的前部点云,将所述旋转后的前部点云的y值减去所述中值,得到前部点云差值△y;将所述前部点云差值△y中最大的差值作为前边沿轮廓点,将所述前边沿轮廓点集合所组成的曲线作为前边沿轮廓线;所述预设角度为激光雷达或车体的朝向。
在一些实施例中,可以将前部点云P9旋转,取|z|最小值,即最贴近xy平面(地面)的点,也可得到类似的前边沿轮廓,但若作业对象中部有突出物,则该突出物的点云不会包含前边沿轮廓中。
将所述前边沿轮廓线旋转所述预设角度,得到该角度下的前边沿轮廓线。
基于所述上下边沿轮廓和所述前边沿轮廓,确定所述作业对象的位置和体积。
其中,基于所述作业对象的位置和体积,通过所述工程机械对所述作业对象进行作业,包括:
通过所述前边沿轮廓和上边沿轮廓,定位所述作业对象的中心位置。例如,分别求前、上边沿轮廓的中心,再将2个中心点求均值。
通过所述作业对象的点云估算视野范围内所述作业对象的体积。例如,遍历所有点:体积≈网格大小m×网格大小m×该点的高度,所有点的体积相加即为估算体积。
通过所述前边沿轮廓或所述中心位置,规划作业位置。例如,实际作业中,一般都会先对前边沿突出的部分作业。
基于所述作业对象的位置和体积,通过所述工程机械对所述作业对象进行作业。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于激光雷达构建三维地图和作业分析的方法,其特征在于,包括:
对激光雷达扫描得到的点云进行滤波,得到原始点云;
对所述原始点云中工程机械部分的点云进行切割,得到切割后的点云;
确定坐标系原点,并基于所述坐标系原点将所述切割后的点云的坐标进行转换,得到转换后的点云;
根据所述转换后的点云的坐标,确定点云的三维尺寸范围;
计算每个体素单元网格的总数量;
将所述转换后的点云进行体素网格化下采样,并将下采样的点云放入网格地图中;
所述激光雷达重复扫描过程,并将新的点云更新在所述网格地图中;
基于所述网格地图对作业对象进行作业分析,以确定所述作业对象的特征和障碍物的位置,并基于所述作业对象的特征和所述障碍物的位置进行作业;
其中,基于所述网格地图对作业对象进行作业分析,包括:
提取所述作业对象的上下边沿轮廓;
提取所述作业对象前边沿轮廓;包括:在xy平面中,确定第二直线;所述第二直线为上边沿轮廓x轴最小值和最大值所形成的直线;切割掉位于所述第二直线后侧的点云,保留位于所述第二直线前侧的点云,得到前部点云;对所述第二直线的两个端点旋转预设角度的负值,并基于旋转后的端点得到中值;将所述前部点云旋转预设角度的负值,得到旋转后的前部点云,沿着x轴遍历所述旋转后的前部点云,将所述旋转后的前部点云的y值减去所述中值,得到前部点云差值;将所述前部点云差值中最大的差值作为前边沿轮廓点,将所述前边沿轮廓点集合所组成的曲线作为前边沿轮廓线;所述预设角度为激光雷达或车体的朝向;将所述前边沿轮廓线旋转所述预设角度,得到该角度下的前边沿轮廓线;
基于所述上下边沿轮廓和所述前边沿轮廓,确定所述作业对象的位置和体积;
基于所述作业对象的位置和体积,通过所述工程机械对所述作业对象进行作业;包括:通过所述前边沿轮廓和上边沿轮廓,定位所述作业对象的中心位置;通过所述作业对象的点云估算视野范围内所述作业对象的体积;通过所述前边沿轮廓或所述中心位置,规划作业位置。
2.根据权利要求1所述的基于激光雷达构建三维地图和作业分析的方法,其特征在于,确定坐标系原点,并基于所述坐标系原点将所述切割后的点云的坐标进行转换,得到转换后的点云,包括:
以工程机械车体上的第一位置为原点,坐标系为右手法则;所述第一位置包括车体铰接点或车体后桥中心;
获取所述激光雷达安装位置的安装位姿和所述工程机械的车体姿态;所述安装位姿包括安装所述激光雷达的平移量和旋转量;所述车体姿态包括工程机械车体的旋转量;
通过旋转和平移的手段,将所述切割后的点云的坐标转换为以车体为坐标系的转换后的点云的坐标。
3.根据权利要求1所述的基于激光雷达构建三维地图和作业分析的方法,其特征在于,确定坐标系原点,并基于所述坐标系原点将所述切割后的点云的坐标进行转换,得到转换后的点云,包括:
获取工程机械车体的车体全球定位和车体姿态,并基于所述车体全球定位和所述车体姿态,通过旋转和平移计算出车体的车***姿;所述车***姿包括车体的平移量和旋转量;
获取所述激光雷达安装位置的安装位姿;所述安装位姿包括安装所述激光雷达的平移量及旋转量;
根据所述车***姿和所述安装位姿,通过旋转和平移,将所述切割后的点云的坐标转换为以全球绝对位置为坐标系的转换后的点云的坐标。
4.根据权利要求1所述的基于激光雷达构建三维地图和作业分析的方法,其特征在于,根据所述转换后的点云的坐标,确定点云的三维尺寸范围为将转换后的点云对应轴的坐标的最大值作为三维尺寸范围的最大值;其中,点云的三维尺寸范围的计算公式为:
其中,表示转换后的点云在x轴上的最大值;/>表示转换后的点云在x轴上的最小值;/>表示转换后的点云在y轴上的最大值;/>表示转换后的点云在y轴上的最小值;/>表示转换后的点云在z轴上的最大值;/>表示转换后的点云在z轴上的最小值。
5.根据权利要求1所述的基于激光雷达构建三维地图和作业分析的方法,其特征在于,提取所述作业对象的上下边沿轮廓,包括:
从所述网格地图中分割出高于地平面的部分,得到地平面以上的点云;
根据点云信息,通过聚类算法得到不同物体的点云簇;所述点云信息包括点云的特征和大小;
根据所述点云簇的特点,提取出障碍物及作业对象的点云;
在xy平面中,将所述作业对象的点云投影在第一直线上,得到投影后的点云;所述第一直线由预设角度与所述作业对象的点云的最高点在xy平面投影的点所构成;所述投影后的点云的x和y值均在所述第一直线上;所述预设角度为激光雷达或车体的朝向;
将所述投影后的点云旋转所述预设角度的负值,得到旋转后的点云;
沿x轴遍历所述旋转后的点云,取出z值最大的点的三维坐标,得到上边沿点云;
对所述上边沿点云进行过滤,得到上边沿轮廓线;
将所述上边沿轮廓线旋转所述预设角度,得到下上边沿轮廓线。
6.根据权利要求5所述的基于激光雷达构建三维地图和作业分析的方法,其特征在于,提取出障碍物及作业对象的点云为将所述预设角度对准物料堆,并在该角度下提取点云簇,将所述点云簇中点云数量最大的作为所述作业对象,将所述作业对象以外的点云簇作为所述障碍物。
7.根据权利要求5所述的基于激光雷达构建三维地图和作业分析的方法,其特征在于,提取出障碍物及作业对象的点云为将点云簇与图像识别融合,用深度学习的方法识别所述作业对象,并将所述作业对象以外的点云簇作为所述障碍物。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311617726.5A CN117315183B (zh) | 2023-11-30 | 2023-11-30 | 一种基于激光雷达构建三维地图和作业分析的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311617726.5A CN117315183B (zh) | 2023-11-30 | 2023-11-30 | 一种基于激光雷达构建三维地图和作业分析的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117315183A CN117315183A (zh) | 2023-12-29 |
CN117315183B true CN117315183B (zh) | 2024-02-23 |
Family
ID=89274175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311617726.5A Active CN117315183B (zh) | 2023-11-30 | 2023-11-30 | 一种基于激光雷达构建三维地图和作业分析的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117315183B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102661736A (zh) * | 2012-05-17 | 2012-09-12 | 天津市星际空间地理信息工程有限公司 | 一种高速公路改扩建勘测方法 |
EP2625845A2 (en) * | 2010-10-04 | 2013-08-14 | Gerard Dirk Smits | System and method for 3-d projection and enhancements for interactivity |
CN105448184A (zh) * | 2015-11-13 | 2016-03-30 | 北京百度网讯科技有限公司 | 地图道路的绘制方法及装置 |
EP3086283A1 (en) * | 2015-04-21 | 2016-10-26 | Hexagon Technology Center GmbH | Providing a point cloud using a surveying instrument and a camera device |
EP3483554A1 (en) * | 2017-11-13 | 2019-05-15 | Topcon Corporation | Surveying device, and calibration checking method and calibration checking program for surveying device |
CN111508023A (zh) * | 2020-04-23 | 2020-08-07 | 畅加风行(苏州)智能科技有限公司 | 用于港口无人集卡的激光雷达辅助集装箱对位方法 |
CN111551958A (zh) * | 2020-04-28 | 2020-08-18 | 北京踏歌智行科技有限公司 | 一种面向矿区无人驾驶的高精地图制作方法 |
CN111709981A (zh) * | 2020-06-22 | 2020-09-25 | 高小翎 | 特征线融合的激光点云与模拟图像的配准方法 |
CN111713245A (zh) * | 2020-05-11 | 2020-09-29 | 江苏大学 | 山地果园仿形自主避障割草机及其控制方法 |
CN114089377A (zh) * | 2021-10-21 | 2022-02-25 | 江苏大学 | 一种基于激光雷达的点云处理和物体识别***及方法 |
CN115032648A (zh) * | 2022-06-06 | 2022-09-09 | 上海大学 | 一种基于激光雷达密集点云的三维目标识别与定位方法 |
CN115290097A (zh) * | 2022-09-30 | 2022-11-04 | 安徽建筑大学 | 基于bim的实时精确地图构建方法、终端及存储介质 |
CN115902839A (zh) * | 2022-10-24 | 2023-04-04 | 福建中科云杉信息技术有限公司 | 港口激光雷达标定方法及装置、存储介质及电子设备 |
CN115980783A (zh) * | 2022-11-29 | 2023-04-18 | 上海友道智途科技有限公司 | 一种基于激光雷达点云的高架边墙提取方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10282914B1 (en) * | 2015-07-17 | 2019-05-07 | Bao Tran | Systems and methods for computer assisted operation |
US20190073827A1 (en) * | 2017-09-06 | 2019-03-07 | Josen Premium LLC | Method and System for Converting 3-D Scan Displays with Optional Telemetrics, Temporal and Component Data into an Augmented or Virtual Reality BIM |
-
2023
- 2023-11-30 CN CN202311617726.5A patent/CN117315183B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2625845A2 (en) * | 2010-10-04 | 2013-08-14 | Gerard Dirk Smits | System and method for 3-d projection and enhancements for interactivity |
CN102661736A (zh) * | 2012-05-17 | 2012-09-12 | 天津市星际空间地理信息工程有限公司 | 一种高速公路改扩建勘测方法 |
EP3086283A1 (en) * | 2015-04-21 | 2016-10-26 | Hexagon Technology Center GmbH | Providing a point cloud using a surveying instrument and a camera device |
CN105448184A (zh) * | 2015-11-13 | 2016-03-30 | 北京百度网讯科技有限公司 | 地图道路的绘制方法及装置 |
EP3483554A1 (en) * | 2017-11-13 | 2019-05-15 | Topcon Corporation | Surveying device, and calibration checking method and calibration checking program for surveying device |
CN111508023A (zh) * | 2020-04-23 | 2020-08-07 | 畅加风行(苏州)智能科技有限公司 | 用于港口无人集卡的激光雷达辅助集装箱对位方法 |
CN111551958A (zh) * | 2020-04-28 | 2020-08-18 | 北京踏歌智行科技有限公司 | 一种面向矿区无人驾驶的高精地图制作方法 |
CN111713245A (zh) * | 2020-05-11 | 2020-09-29 | 江苏大学 | 山地果园仿形自主避障割草机及其控制方法 |
CN111709981A (zh) * | 2020-06-22 | 2020-09-25 | 高小翎 | 特征线融合的激光点云与模拟图像的配准方法 |
CN114089377A (zh) * | 2021-10-21 | 2022-02-25 | 江苏大学 | 一种基于激光雷达的点云处理和物体识别***及方法 |
CN115032648A (zh) * | 2022-06-06 | 2022-09-09 | 上海大学 | 一种基于激光雷达密集点云的三维目标识别与定位方法 |
CN115290097A (zh) * | 2022-09-30 | 2022-11-04 | 安徽建筑大学 | 基于bim的实时精确地图构建方法、终端及存储介质 |
CN115902839A (zh) * | 2022-10-24 | 2023-04-04 | 福建中科云杉信息技术有限公司 | 港口激光雷达标定方法及装置、存储介质及电子设备 |
CN115980783A (zh) * | 2022-11-29 | 2023-04-18 | 上海友道智途科技有限公司 | 一种基于激光雷达点云的高架边墙提取方法 |
Non-Patent Citations (2)
Title |
---|
基于多传感器融合的巡检机器人导航辅助模块设计与实现;康浩;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20210115(第1期);C042-1589 * |
基于点云数据的钢卷物流库目标检测***设计与实现;於小林;《中国优秀硕士学位论文全文数据库 工程科技I辑》;20220415(第4期);B023-10 * |
Also Published As
Publication number | Publication date |
---|---|
CN117315183A (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113781582B (zh) | 基于激光雷达和惯导联合标定的同步定位与地图创建方法 | |
CN114842438B (zh) | 用于自动驾驶汽车的地形检测方法、***及可读存储介质 | |
WO2021237667A1 (zh) | 一种适用于腿足机器人规划的稠密高度地图构建方法 | |
CN111596665B (zh) | 一种适用于腿足机器人规划的稠密高度地图构建方法 | |
US9133600B2 (en) | Method for selecting an attack pose for a working machine having a bucket | |
CN114004869A (zh) | 一种基于3d点云配准的定位方法 | |
CN115372989A (zh) | 基于激光雷达的越野自动小车长距离实时定位***及方法 | |
CN111862214B (zh) | 计算机设备定位方法、装置、计算机设备和存储介质 | |
JP7143252B2 (ja) | 作業機械 | |
CN112835064B (zh) | 一种建图定位方法、***、终端及介质 | |
CN113218408B (zh) | 适用于多地形的多传感器融合的2Dslam方法及其*** | |
CN117315183B (zh) | 一种基于激光雷达构建三维地图和作业分析的方法 | |
CN112127417B (zh) | 用于生成工程机械周围的环境数据的装置及包括其的工程机械 | |
CN113610910A (zh) | 一种移动机器人避障方法 | |
CN116256752A (zh) | 一种港口吊具模板点云自动生成的方法 | |
CN116679307A (zh) | 基于三维激光雷达的城市轨道交通巡检机器人定位方法 | |
CN114897967B (zh) | 一种面向挖掘装备自主作业的物料形态识别方法 | |
CN115571584A (zh) | 一种斗轮机模型防碰撞方法及*** | |
CN116520295A (zh) | 一种基于自动建图的多激光雷达标定方法 | |
CN113686600B (zh) | 一种旋耕机、开沟机性能鉴定装置 | |
CN114648571A (zh) | 机器人高精度地图建图中行驶区域内障碍物过滤方法 | |
CN113703438A (zh) | 用于输水隧洞巡检的auv自主导航路径规划方法 | |
WO2020206639A1 (zh) | 目标物体的拟合方法、点云传感器和移动平台 | |
CN117419704A (zh) | 一种用于露天矿山装载区的地图区域更新方法及*** | |
Kwak et al. | Vision-based Payload Volume Estimation for Automatic Loading |
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 |