扫描对象的直线轮廓的确定方法、装置及存储介质制造方法及图纸

本发明专利技术公开一种扫描对象的直线轮廓的确定方法、装置、雷达系统、及计算机存储介质，方法包括：获取扫描对象的当前帧点云数据，通过聚类算法对当前帧的点云数据进行第一区域分割处理，得到多个目标区域；对每个目标区域分别进行拟合处理；在目标区域中存在折点的情况下，以每个折点为临界点对目标区域内的点云数据进行第二区域分割处理，将第二区域分割处理分割出的区域作为目标区域重新进行拟合处理，直至目标区域中不再存在折点；将最终得到的各个目标区域的拟合直线作为扫描对象的直线轮廓。

Method, Device and Storage Media for Determining Linear Contour of Scanning Object

The invention discloses a method, device, radar system and computer storage medium for determining the straight line contour of the scanned object. The method includes: obtaining the point cloud data of the current frame of the scanned object, dividing the point cloud data of the current frame by clustering algorithm into multiple target regions, fitting each target region separately, and in the target region. In the case of a break point, the point cloud data in the target area is segmented into a second region with each break point as the critical point, and the region segmented by the second region is re-fitted as the target area until there is no break point in the target area; and the fitting lines of each target area are taken as the straight line contour of the scanned object.

【技术实现步骤摘要】
扫描对象的直线轮廓的确定方法、装置及存储介质
本专利技术涉及雷达技术，尤其涉及一种扫描对象的直线轮廓的确定方法、装置、雷达系统、以及计算机存储介质。
技术介绍
随着科技的发展，激光雷达已经发展到各行各业中。例如，应用到日常生活中的扫地机器人以及自动驾驶汽车等。利用激光雷达可以对物体进行识别，例如对轮廓为直线的物体进行识别。在对轮廓为直线的物体进行识别过程中，通过发射激光和接收反射回来的激光，可以得到与物体的直线轮廓对应的点云数据，但是，由于噪声抖动等原因，现有的激光雷达得到的点云数据所表征的轮廓往往不是一条直线，导致对轮廓为直线的物体识别不够准确。
技术实现思路
本专利技术的目的在于提供一种扫描对象的直线轮廓的确定方法。根据本专利技术的第一方面，提供一种扫描对象的直线轮廓的确定方法，包括：获取所述扫描对象的当前帧点云数据，其中，一帧点云数据是由激光雷达在一个扫描周期内沿扫描方向顺次扫描得到的多个二维的点云数据组成；通过聚类算法对当前帧的点云数据进行第一区域分割处理，得到多个目标区域；对每个目标区域分别进行拟合处理；所述拟合处理包括：对目标区域内的点云数据进行直线拟合，以得到目标区域的拟合直线；以及，计算目标区域内的每个点云数据与目标区域的拟合直线的距离，将与目标区域的拟合直线的距离大于第一阈值的点云数据确定为折点；在目标区域中存在折点的情况下，以每个折点为临界点对目标区域内的点云数据进行第二区域分割处理，将第二区域分割处理分割出的区域作为目标区域重新进行所述拟合处理，直至目标区域中不再存在折点；将最终得到的各个目标区域的拟合直线作为扫描对象的直线轮廓。可选的，所述直线拟合采用最小二乘法直线拟合算法。可选的，所述通过聚类算法对当前帧的点云数据进行第一区域分割处理，得到多个目标区域，包括：通过聚类算法对当前帧的点云数据进行第一区域分割处理，得到多个待选区域；如果第一待选区域内的点云数据的个数大于第二阈值，则将第一待选区域确定为目标区域。可选的，所述第二阈值是根据所述激光雷达的扫描角度分辨率确定。可选的，所述以折点为临界点对目标区域内的点云数据进行第二区域分割处理，将第二区域分割处理分割出的区域作为目标区域，包括：以折点为临界点对目标区域内的点云数据进行第二区域分割处理，得到多个第二待选区域；如果第二待选区域内的点云数据的个数大于第三阈值，则将第二待选区域确定为目标区域。可选的，所述第三阈值是根据所述激光雷达的扫描角度分辨率确定。可选的，所述以折点为临界点对目标区域内的点云数据进行第二区域分割处理，包括：以折点对应的扫描角度为临界角度，对目标区域内的点云数据按照点云数据的扫描角度进行第二区域分割处理。根据本专利技术的第二方面，提供一种扫描对象的直线轮廓的确定装置，包括存储器和处理器，所述存储器用于存储计算机指令，所述处理器用于从所述存储器中调用所述计算机指令，以执行如本专利技术的第一方面提供的任一项所述的扫描对象的直线轮廓的确定方法。根据本专利技术的第三方面，提供一种激光雷达系统，包括激光雷达以及如第二方面所述的扫描对象的直线轮廓的确定装置。根据本专利技术的第四方面，提供一种计算机存储介质，所述存储介质存储有计算机指令，当所述存储介质中的计算机指令由处理器执行时，实现如第一方面所述的扫描对象的直线轮廓的确定方法。本专利技术实施例提供扫描对象的直线轮廓的确定方法，对点云数据进行聚类得到多个区域，对各区域内分别进行直线拟合，如果拟合后出现折点，则继续划分区域并再次进行直线拟合，直至拟合后不再出现折点，从而实现对当前帧点云数据的精准拟合，最终可得到准确表示扫描对象的直线轮廓的直线，进而准确的识别轮廓为直线的扫描对象。通过以下参照附图对本专利技术的示例性实施例的详细描述，本专利技术的其它特征及其优点将会变得清楚。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定。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相关的附图。图1是本专利技术实施例提供的一种扫描对象的直线轮廓的确定方法的流程示意图；图2是本专利技术实施例提供的一种扫描对象的直线轮廓的确定装置的结构示意图；图3是本专利技术实施例提供的一种激光雷达系统的结构示意图。具体实施方式现在将参照附图来详细描述本专利技术的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本专利技术的范围。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本专利技术及其应用或使用的任何限制。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。<扫描对象的直线轮廓的确定方法>本专利技术实施例提供的扫描对象的直线轮廓的确定方法的执行主体为扫描对象的直线轮廓的确定装置。该装置可以是与激光雷达连接的外部电子设备，为激光雷达提供数据修正服务。该装置还可以是激光雷达，也可以是包含激光雷达的各种电子设备，例如扫地机器人。或者该装置还可以为激光雷达或者前述电子设备中的硬件模块和/或软件模块。需要说明的是，下述实施例中将以激光雷达作为扫描对象的直线轮廓的确定方法的执行主体，对本申请提供的方法进行说明。本专利技术实施例提供的扫描对象直线轮廓的确定方法，如图1所示，包括如下S101-S105：S101、获取扫描对象的当前帧点云数据，其中，一帧点云数据是由激光雷达在一个扫描周期内沿扫描方向顺次扫描得到的多个二维的点云数据组成。在一个扫描周期内，激光雷达按照扫描方向顺次进行扫描，一个扫描周期内的总扫描次数＝激光雷达的扫描角度范围/激光雷达的扫描角分辨率。例如，在一个扫描周期内，激光雷达的扫描角度的跨度是从0°～360°，则扫描角度范围是360°，如果扫描角分辨率为1°，则一个周期内的总扫描次数为360次，如果扫描角分辨率为0.5°，则一个周期内的总扫描次数为720次。在一个扫描周期内，按照扫描的时间先后顺序标记每次扫描的扫描次序。可以看出，对于任意一次扫描，扫描次序为该次扫描的扫描角度/扫描角分辨率。基于上述内容可知，将激光雷达的扫描角度范围记为T，激光雷达的扫描角分辨率记为扫描次序记为i，其中i为整数，一帧点云数据中的点云数据的扫描次序i依次为：1，2，…，对于第i次扫描，第i次扫描获得的点云数据可以表示为(θi，ri)，其中，θi为第i次扫描的扫描角度，ri为第i次扫描得到的用于表征激光雷达与扫描对象之间的距离的距离数据。一帧点云数据可以记为表示为S102、通过聚类算法对当前帧的点云数据进行第一区域分割处理，得到多个目标区域。具体的，上述的聚类算法可以是DBSCAN聚类算法(Density-BasedSpatialClusteringofApplicationswithNoise，具有噪声的基于密度的聚本文档来自技高网...

【技术保护点】
1.一种扫描对象的直线轮廓的确定方法，包括：获取所述扫描对象的当前帧点云数据，其中，一帧点云数据是由激光雷达在一个扫描周期内沿扫描方向顺次扫描得到的多个二维的点云数据组成；通过聚类算法对当前帧的点云数据进行第一区域分割处理，得到多个目标区域；对每个目标区域分别进行拟合处理；所述拟合处理包括：对目标区域内的点云数据进行直线拟合，以得到目标区域的拟合直线；以及，计算目标区域内的每个点云数据与目标区域的拟合直线的距离，将与目标区域的拟合直线的距离大于第一阈值的点云数据确定为折点；在目标区域中存在折点的情况下，以每个折点为临界点对目标区域内的点云数据进行第二区域分割处理，将第二区域分割处理分割出的区域作为目标区域重新进行所述拟合处理，直至目标区域中不再存在折点；将最终得到的各个目标区域的拟合直线作为扫描对象的直线轮廓。

【技术特征摘要】
1.一种扫描对象的直线轮廓的确定方法，包括：获取所述扫描对象的当前帧点云数据，其中，一帧点云数据是由激光雷达在一个扫描周期内沿扫描方向顺次扫描得到的多个二维的点云数据组成；通过聚类算法对当前帧的点云数据进行第一区域分割处理，得到多个目标区域；对每个目标区域分别进行拟合处理；所述拟合处理包括：对目标区域内的点云数据进行直线拟合，以得到目标区域的拟合直线；以及，计算目标区域内的每个点云数据与目标区域的拟合直线的距离，将与目标区域的拟合直线的距离大于第一阈值的点云数据确定为折点；在目标区域中存在折点的情况下，以每个折点为临界点对目标区域内的点云数据进行第二区域分割处理，将第二区域分割处理分割出的区域作为目标区域重新进行所述拟合处理，直至目标区域中不再存在折点；将最终得到的各个目标区域的拟合直线作为扫描对象的直线轮廓。2.根据权利要求1所述的方法，所述直线拟合采用最小二乘法直线拟合算法。3.根据权利要求1所述的方法，所述通过聚类算法对当前帧的点云数据进行第一区域分割处理，得到多个目标区域，包括：通过聚类算法对当前帧的点云数据进行第一区域分割处理，得到多个待选区域；如果第一待选区域内的点云数据的个数大于第二阈值，则将第一待选区域确定为目标区域。4.根据权利要求3所述的方法，...

【专利技术属性】
技术研发人员：马立，房海云，
申请(专利权)人：歌尔股份有限公司，
类型：发明
国别省市：山东,37