[发明专利]障碍物检测方法、装置、计算机设备和存储介质在审
申请号: | 201911362269.3 | 申请日: | 2019-12-26 |
公开(公告)号: | CN113128248A | 公开(公告)日: | 2021-07-16 |
发明(设计)人: | 马福龙;游威;刘明;王鲁佳 | 申请(专利权)人: | 深圳一清创新科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06T17/00;G06T19/20;G01S17/93 |
代理公司: | 广州华进联合专利商标代理有限公司 44224 | 代理人: | 于丽君 |
地址: | 518051 广东省深圳市南山区粤海街道高新区社区粤*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 障碍物 检测 方法 装置 计算机 设备 存储 介质 | ||
1.一种障碍物检测方法,所述方法包括:
获取无人车在倒车区域内的点云数据;
筛选所述点云数据所包含的一个或多个非地面点云;
计算每个非地面点云与所述无人车对应点云之间的间隔距离;
根据所述间隔距离确定相应非地面点云的三维模型;
将每个符合障碍物判定条件的三维模型分别判定为目标障碍物。
2.根据权利要求1所述的方法,其特征在于,所述点云数据包括来自机械式激光传感器的第一点云数据和来自固态激光传感器的第二点云数据;所述从所述点云数据中筛选出非地面点云,包括:
基于所述第一点云数据确定拟合平面;
确定所述第二点云数据中每个点云至所述拟合平面的正交投影距离;
将所述正交投影距离符合阈值条件的点云确定为非地面点云。
3.根据权利要求1所述的方法,其特征在于,所述从所述点云数据中筛选出非地面点云,包括:
获取所述无人车在倒车区域内的现场图像;
将所述点云数据对应投射至所述现场图像,得到雷达投射图;
确定所述雷达投射图中的非地面区域;
将所述点云数据中位于所述雷达投射图的非地面区域的点云确定为非地面点云。
4.根据权利要求3所述的方法,其特征在于,所述现场图像是基于图像采集设备针对所述倒车区域采集的图像帧;所述点云数据是由固态激光雷达采集而得;所述将所述点云数据对应投射至所述现场图像,得到雷达投射图,包括:
确定所述固态激光雷达的空间坐标系,和所述图像采集设备的相机坐标系;
将基于所述空间坐标系采集的点云数据与基于所述相机坐标系采集的现场图像转换至同一坐标系中;
将所述点云数据投射至同一坐标系中的现场图像,得到雷达投射图。
5.根据权利要求1所述的方法,其特征在于,所述根据所述间隔距离确定相应非地面点云的三维模型,包括:
获取预设建模比例;
根据所述预设建模比例和间隔距离,确定三维模型的模型边长;
基于所述模型边长对相应的非地面点云进行三维建模。
6.根据权利要求5所述的方法,其特征在于,所述点云数据是由固态激光传感器采集而得;点云数据包括多个点云;所述预设建模比例的确定步骤包括:
确定所述固态激光传感器的分辨率;
基于分辨率确定在垂直视场下,针对预设障碍物采集的相邻两个点云;
分别对所述相邻点云构建三维模型;
调整两个三维模型的模型边长,直至所述两个三维模型的相邻面重合;
根据调整后的三维模型的模型边长确定预设建模比例。
7.根据权利要求1所述的方法,其特征在于,所述三维模型包括模型边长;所述方法还包括:
根据所述模型边长计算相应目标障碍物的体积;
根据所述目标障碍物体积生成避障指令;
基于所述避障指令控制所述无人车对应行驶。
8.一种障碍物检测装置,其特征在于,所述装置包括:
非地面点云确定模块,用于获取无人车在倒车区域内的点云数据;筛选所述点云数据所包含的一个或多个非地面点云;
三维建模模块,用于计算每个非地面点云与所述无人车对应点云之间的间隔距离;根据所述间隔距离确定相应非地面点云的三维模型;
目标障碍物确定模块,用于将每个符合障碍物判定条件的三维模型分别判定为目标障碍物。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳一清创新科技有限公司,未经深圳一清创新科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911362269.3/1.html,转载请声明来源钻瓜专利网。