【技术实现步骤摘要】
技术邻域本专利技术实施例涉及图像处理
，尤其涉及一种车载3D道路实时重构方法及装置。
技术介绍
随着汽车制造业的发展，汽车已经成为人们日常生活中不可或缺的交通工具。现有技术中，智能辅助驾驶系统及自动驾驶加速发展，通过机器视觉技术去获取前方道路信息正变的越来越普遍，然而传统的基于二维图像的道路识别、车道检测等技术,以及传感器成像机理的原因，使道路信息很容易受到颜色、纹理、光照强度等因素的影响，降低了道路信息的计算精度，不能为驾驶员提供精确、实时、可靠的前方路面信息。
技术实现思路
本专利技术实施例提供一种车载3D道路实时重构方法及装置，以便为驾驶员提供精确、实时、可靠的前方路面信息。本专利技术实施例的一个方面是提供一种车载3D道路实时重构方法，包括：在两个相邻采样时刻分别获取目标道路的第一深度图像MK-1和第二深度图像MK；将所述第一深度图像MK-1和所述第二深度图像MK分别经过透视投影变换获得第一点云数据集合NK-1和第二点云数据集合NK；依据所述第一点云数据集合NK-1获得第一目标点云数据集合N'K-1，并依据所述第二点云数据集合NK获得第二目标点云数据集合N'K；计算所述第一目标点云数据集合N'K-1中每个点对应的第一PFH特征直方图，以及所述第二目标点云数据集合N'K中每个点对应的第二PFH特征直方图；若所述第一PFH特征直方图和所述第二PFH特征直方图匹配，则与所述
【技术保护点】
一种车载3D道路实时重构方法，其特征在于，包括：在两个相邻采样时刻分别获取目标道路的第一深度图像MK‑1和第二深度图像MK；将所述第一深度图像MK‑1和所述第二深度图像MK分别经过透视投影变换获得第一点云数据集合NK‑1和第二点云数据集合NK；依据所述第一点云数据集合NK‑1获得第一目标点云数据集合N'K‑1，并依据所述第二点云数据集合NK获得第二目标点云数据集合N'K；计算所述第一目标点云数据集合N'K‑1中每个点对应的第一PFH特征直方图，以及所述第二目标点云数据集合N'K中每个点对应的第二PFH特征直方图；若所述第一PFH特征直方图和所述第二PFH特征直方图匹配，则与所述第一PFH特征直方图对应的点为第一匹配特征点，与所述第二PFH特征直方图对应的点为第二匹配特征点，将所有所述第一匹配特征点构成第一集合Q'K‑1，将所有所述第二匹配特征点构成第二集合Q'K；依据ICP算法处理所述第一集合Q'K‑1和所述第二集合Q'K获得旋转矩阵R和平移矩阵T，且Q'K＝R*Q'K‑1+T；依据所述旋转矩阵R和所述平移矩阵T将第一点云数据集合NK‑1和第二点云数据集合NK归一到同一个坐标系获得重构...
【技术特征摘要】
1.一种车载3D道路实时重构方法，其特征在于，包括：
在两个相邻采样时刻分别获取目标道路的第一深度图像MK-1和第二深度
图像MK；
将所述第一深度图像MK-1和所述第二深度图像MK分别经过透视投影变
换获得第一点云数据集合NK-1和第二点云数据集合NK；
依据所述第一点云数据集合NK-1获得第一目标点云数据集合N'K-1，并依据
所述第二点云数据集合NK获得第二目标点云数据集合N'K；
计算所述第一目标点云数据集合N'K-1中每个点对应的第一PFH特征直方
图，以及所述第二目标点云数据集合N'K中每个点对应的第二PFH特征直方图；
若所述第一PFH特征直方图和所述第二PFH特征直方图匹配，则与所述
第一PFH特征直方图对应的点为第一匹配特征点，与所述第二PFH特征直方
图对应的点为第二匹配特征点，将所有所述第一匹配特征点构成第一集合
Q'K-1，将所有所述第二匹配特征点构成第二集合Q'K；
依据ICP算法处理所述第一集合Q'K-1和所述第二集合Q'K获得旋转矩阵R
和平移矩阵T，且Q'K＝R*Q'K-1+T；
依据所述旋转矩阵R和所述平移矩阵T将第一点云数据集合NK-1和第二
点云数据集合NK归一到同一个坐标系获得重构模型；
将所述重构模型作为模式识别算法的输入数据，依据所述模式识别算法
对所述重构模型进行模式识别，以使所述模式识别算法输出所述目标道路对
应的路面信息。
2.根据权利要求1所述的方法，其特征在于，所述将所述第一深度图像
MK-1和所述第二深度图像MK分别经过透视投影变换获得第一点云数据集合
NK-1和第二点云数据集合NK，包括：
获取深度图像到点云数据集合的变换矩阵F；
依据所述变换矩阵F和所述第一深度图像MK-1计算所述第一点云数据集
合NK-1＝F*MK-1，依据所述变换矩阵F和所述第二深度图像MK计算所述第二
点云数据集合NK＝F*MK。
3.根据权利要求2所述的方法，其特征在于，所述依据所述第一点云数
据集合NK-1获得第一目标点云数据集合N'K-1，包括：
对所述第一点云数据集合NK-1进行降噪或精简预处理获得所述第一目标
点云数据集合N'K-1；
所述依据所述第二点云数据集合NK获得第二目标点云数据集合N'K，包
括：
对所述第二点云数据集合NK进行降噪或精简预处理获得所述第二目标
点云数据集合N'K。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述计算所述第
一目标点云数据集合N'K-1中每个点对应的第一PFH特征直方图，包括：
定义所述第一目标点云数据集合N'K-1中任意一点P的坐标系为(u,v,w)，其
中，u＝ns，w＝u×v，ns是点P对应的法线，Pt是与点P相邻的
H个邻域点中的任意一个点，且点P对应的法线ns与点Pt对应的法线nt之间的
偏差表示为其中，α＝v*nt，θ＝arctan(w*nt,u*nt)；
等间隔划分二维坐标的横坐标获得多个刻度点，所述多个刻度点分别对
应一组不同的取值；
对于所述二维坐标中的每个刻度点统计所述H个邻域点中满足预设条件
的目标点的个数获得所述第一PFH特征直方图，所述预设条件为所述目标点
对应的法线与点P对应的法线之间的偏差等于所述刻度点对应的取
值。
5.根据权利要求4所述的方法，其特征在于，所述依据所述旋转矩阵R
和所述平移矩阵T将第一点云数据集合NK-1和第二点云数据集合NK归一到同
一个坐标系获得重构模型，包括：
依据所述旋转矩阵R、所述平移矩阵T和所述第一点云数据集合NK-1计算
第三点云数据集合N”...
【专利技术属性】
技术研发人员：黄军君，李武辉，周前，李现飞，马亚歌，袁良信，王学莹，刘月，
申请(专利权)人：上海汽车集团股份有限公司，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。