一种基于激光点云的动静态目标物识别方法及装置制造方法及图纸

本发明专利技术提供了一种基于激光点云的动静态目标物识别方法及装置，首先以设定的采样周期连续采集N个周期内的激光点云数据，对所述连续N帧激光点云数据进行聚类，并对连续N帧中的每一帧激光点云数据分别进行聚类。判断连续N帧激光点云数据的每一个聚类是否存在在当前帧的激光点云聚类中，如果存在，则判断存在在当前帧的激光点云聚类是否存在在第一帧的激光点云聚类中，如果不存在，则判断为当前点云聚类为动态目标物，如果存在，则根据连续N帧激光点云数据的分布情况判断当前点云聚类的动静态。通过本发明专利技术利用激光点云信息能够准确、快速地识别出目标物的动静态，识别准确率高。

A dynamic and static object recognition method and device based on laser point cloud

The invention provides a method and device for dynamic and static object recognition based on laser point cloud. First, the laser point cloud data in N cycles are continuously collected with a set sampling period, and the continuous N frames of laser point cloud data are clustered, and each frame of laser point cloud data in the continuous N frames is clustered separately. Determine whether each clustering of continuous N-frame laser point cloud data exists in the current frame laser point cloud clustering, if it exists, then judge whether the existing laser point cloud clustering in the current frame exists in the first frame laser point cloud clustering, if it does not exist, then judge the current point cloud clustering as a dynamic target, if it exists. Then, according to the distribution of the continuous N frame laser point cloud data, we can judge the dynamic and static points of the current point cloud clustering. By using the laser point cloud information, the invention can accurately and quickly identify the dynamic and static state of the target object, and the recognition accuracy is high.

【技术实现步骤摘要】
一种基于激光点云的动静态目标物识别方法及装置
本专利技术属于智能驾驶、辅助驾驶
，特别涉及一种基于激光点云的动静态目标物识别方法及装置。
技术介绍
智能驾驶及辅助驾驶领域通常使用激光雷达作为目标物检测的主要传感器，目标物检测是智能驾驶和辅助驾驶领域中感知环节的重要组成部分，通常使用的激光雷达目标物检测方法是在获取激光雷达点云后，对获取的激光雷达点云数据进行处理，完成对目标物的检测与识别，其中对于目标物动静态的识别尤为重要，并且对目标物动静态的识别的准确性直接影响到对于目标位置及速度识别和跟踪的准确性，目前对于目标物动静态识别的应用较少，由于激光点云在不同位置扫描后成像效果不同，主要利用采集的两帧激光点云数据之间目标物的位置变化来识别目标物的动静态。但是如果前后两帧之间的采样时间间隔比较短，如果动态目标物的运动速度比较小，那么即使动态目标物运动了，可能会由于采样时间间隔比较短使前后两帧激光点云的成像效果基本一致，造成对动态目标物的误判，识别准确率低，因此仅仅依靠前后两帧的激光点云信息判断目标物的动静态是不够准确的。
技术实现思路
本专利技术的目的在于提供一种基于激光点云的动静态目标物识别方法及装置，用于解决现有技术中利用激光点云信息对目标物的动静态的识别准确率低的问题。为实现上述目的，本专利技术的技术方案是：一种基于激光点云的动静态目标物识别方法，，该方法包括如下步骤：1)以设定的采样周期连续采集N个周期内的激光点云数据，得到连续N帧激光点云数据，其中，当前帧记为第N帧，当前帧的第前N-1帧记为第1帧；2)对所述连续N帧激光点云数据进行聚类，以确定N帧激光点云数据所包含的聚类；并对连续N帧中的每一帧激光点云数据分别进行聚类，以确定每一帧激光点云数据中所包含的聚类；3)判断连续N帧激光点云数据的每一个聚类是否存在在当前帧的激光点云聚类中，如果存在，则判断存在在当前帧的激光点云聚类是否存在在第一帧的激光点云聚类中，如果不存在在第一帧的激光点云聚类中，则判断为当前点云聚类为动态目标物，如果存在在第一帧的激光点云聚类中，则根据连续N帧激光点云数据的分布情况判断当前点云聚类的动静态。进一步地，所述聚类是将激光点云数据之间的距离小于设定阈值时定义为同一个目标物。进一步地，步骤3)中激光点云数据的分布情况指的是点云数据所对应的目标物的运动轨迹。进一步地，在聚类的过程中需将激光点云数据坐标转换成大地坐标。本专利技术还提供了一种基于激光点云的动静态目标物识别装置，包括如下单元：采集单元：用于以设定的采样周期连续采集N个周期内的激光点云数据，得到连续N帧激光点云数据，其中，当前帧记为第N帧，当前帧的第前N-1帧记为第1帧；聚类单元：用于对所述连续N帧激光点云数据进行聚类，以确定N帧激光点云数据所包含的聚类；并对连续N帧中的每一帧激光点云数据分别进行聚类，以确定每一帧激光点云数据中所包含的聚类；判断单元：用于判断连续N帧激光点云数据的每一个聚类是否存在在当前帧的激光点云聚类中，如果存在，则判断存在在当前帧的激光点云聚类是否存在在第一帧的激光点云聚类中，如果不存在，则判断为当前点云聚类为动态目标物，如果存在，则根据连续N帧激光点云数据的分布情况判断当前点云聚类的动静态。进一步地，所述聚类是将激光点云数据之间的距离小于设定阈值时定义为同一个目标物。进一步地，激光点云数据的分布情况指的是点云数据所对应的目标物的运动轨迹。进一步地，在聚类的过程中需将激光点云数据坐标转换成大地坐标。本专利技术的有益效果是：本专利技术以设定的采样周期连续采集N个周期内的激光点云数据，得到N帧激光点云数据，其中，当前帧记为第N帧，当前帧的第前N-1帧记为第1帧；对所述连续N帧激光点云数据进行聚类，得到不同种类的目标物；并对连续N帧中的每一帧激光点云数据分别进行聚类，判断连续N帧激光点云数据的每一个聚类是否存在在当前帧的激光点云聚类中，如果存在，则判断存在在当前帧的激光点云聚类是否存在在第一帧的激光点云聚类中，如果不存在，则判断为当前点云聚类为动态目标物，如果存在第一帧的激光点云聚类，则根据连续N帧激光点云数据的分布情况具体判断目标物的动静态。通过本专利技术利用激光点云信息能够准确、快速地识别出目标物的动静态，且识别准确率高。附图说明图1为本专利技术的基于激光点云的动静态目标物识别方法流程图。具体实施方式下面结合附图对本专利技术的具体实施方式作进一步的说明：本专利技术的一种基于激光点云的动静态目标物识别方法的实施例：一种基于激光点云的动静态目标物识别方法，该方法包括如下步骤：1、以设定的采样周期连续采集N个周期内的激光点云数据，得到连续N帧激光点云数据，其中，当前帧记为第N帧，当前帧的第前N-1帧记为第1帧；2、对连续N帧激光点云数据进行聚类，以确定N帧激光点云数据所包含的聚类；并对连续N帧中的每一帧激光点云数据分别进行聚类，以确定每一帧激光点云数据中所包含的聚类；3、判断连续N帧激光点云数据的每一个聚类是否存在在当前帧的激光点云聚类中，如果存在，则判断存在在当前帧的激光点云聚类是否存在在第一帧的激光点云聚类中，如果不存在在第一帧的激光点云聚类中，则判断为当前点云聚类为动态目标物，如果存在在第一帧的激光点云聚类中，则根据连续N帧激光点云数据的分布情况判断当前点云聚类的动静态。本实施例中，聚类是指某一帧中激光点云数据之间的距离小于设定阈值的激光点云数据定义为同一个目标物，此距离已换算为大地坐标，为大地坐标系下的距离，换算为大地坐标系的过程为：原始激光点云数据为相对于激光雷达中心的位置，包括横向距离和纵向距离，结合此时惯导输出的激光雷达中心的经纬度坐标和航向角度，将点云数据相对于激光雷达的坐标转换为大地坐标。本实施例中，连续N帧激光点云数据指包括当前帧在内的激光点云数据，以及前N-1个采样周期的激光点云数据，本实施例中，激光点云数据的分布情况指通过分析动态和静态目标物多帧连续的激光点云数据及其时间戳分布情况。下面以连续10帧激光点云数据为例来说明本专利技术的动静态目标物识别方法，如图1所示：以设定的采样周期连续采集10个周期内的激光点云数据，得到10帧连续的激光点云数据，对连续10帧激光点云数据进行聚类，得到不同种类的目标物，该目标物包括动态目标物和静态目标物，连续10帧激光点云数据指包括当前帧在内的激光点云数据，以及前9个采集周期的激光点云，其中，当前帧记为第0帧，当前帧的前第9帧记为记为第-9帧，中间帧记为第-1～-8帧。对连续10帧中的每一帧激光点云数据进行聚类，找到属于同一类目标物的物体，得到不同种类的目标物，每一帧数据中包括有几种不同种类的目标物。判断连续N帧激光点云数据的每一个聚类是否存在在当前帧的激光点云聚类中，如果存在，则判断存在在当前帧的激光点云聚类是否存在在第一帧的激光点云聚类中，如果不存在，则判断为当前点云聚类为动态目标物，这种情况只有在目标物为动态，且目标物运动速度较大时出现。可以理解为若采集的第-9帧的激光点云的聚类中包括有某种目标物，但是在第0帧的激光点云聚类中不包括有该种目标物，则说明该目标物发生了移动，是动态目标物。若存在在第-9帧的聚类中，不能直接的判断为此目标物一定是静态目标物，需要对连续10帧激光点云数据的分布情况具体判断目标物的动静态，通过分析动态本文档来自技高网...

【技术保护点】
1.一种基于激光点云的动静态目标物识别方法，其特征在于，该方法包括如下步骤：1)以设定的采样周期连续采集N个周期内的激光点云数据，得到连续N帧激光点云数据，其中，当前帧记为第N帧，当前帧的第前N‑1帧记为第1帧；2)对所述连续N帧激光点云数据进行聚类，以确定N帧激光点云数据所包含的聚类；并对连续N帧中的每一帧激光点云数据分别进行聚类，以确定每一帧激光点云数据中所包含的聚类；3)判断连续N帧激光点云数据的每一个聚类是否存在在当前帧的激光点云聚类中，如果存在，则判断存在在当前帧的激光点云聚类是否存在在第一帧的激光点云聚类中，如果不存在在第一帧的激光点云聚类中，则判断为当前点云聚类为动态目标物，如果存在在第一帧的激光点云聚类中，则根据连续N帧激光点云数据的分布情况判断当前点云聚类的动静态。

【技术特征摘要】
1.一种基于激光点云的动静态目标物识别方法，其特征在于，该方法包括如下步骤：1)以设定的采样周期连续采集N个周期内的激光点云数据，得到连续N帧激光点云数据，其中，当前帧记为第N帧，当前帧的第前N-1帧记为第1帧；2)对所述连续N帧激光点云数据进行聚类，以确定N帧激光点云数据所包含的聚类；并对连续N帧中的每一帧激光点云数据分别进行聚类，以确定每一帧激光点云数据中所包含的聚类；3)判断连续N帧激光点云数据的每一个聚类是否存在在当前帧的激光点云聚类中，如果存在，则判断存在在当前帧的激光点云聚类是否存在在第一帧的激光点云聚类中，如果不存在在第一帧的激光点云聚类中，则判断为当前点云聚类为动态目标物，如果存在在第一帧的激光点云聚类中，则根据连续N帧激光点云数据的分布情况判断当前点云聚类的动静态。2.根据权利要求1所述的基于激光点云的动静态目标物识别方法，其特征在于，所述聚类是将激光点云数据之间的距离小于设定阈值时定义为同一个目标物。3.根据权利要求1所述的基于激光点云的动静态目标物识别方法，其特征在于，步骤3)中激光点云数据的分布情况指的是点云数据所对应的目标物的运动轨迹。4.根据权利要求2所述的基于激光点云的动静态目标物识别方法，其特征在于，在聚类的过程中需将激光点云数据坐...

【专利技术属性】
技术研发人员：路晓静，张磊，
申请(专利权)人：郑州宇通客车股份有限公司，
类型：发明
国别省市：河南,41