一种确定凸包的方法和相关装置制造方法及图纸

本申请公开了一种确定凸包的方法和相关装置，该方法包括：首先，基于点云数据形成的点云图像进行二值化处理获得二值化图像；其次，基于二值化图像进行边缘提取处理获得边缘图像；然后，基于边缘图像进行轮廓提取处理获得多个轮廓点集合；最后，利用凸包算法确定多个轮廓点集合中每个轮廓点集合的凸包。由此可见，当点云数据是较为分散且距离不统一的离散点时，先对点云数据形成的点云图像进行二值化处理、边缘提取处理和轮廓提取处理，将点云数据划分为多个轮廓点集合，再通过凸包算法确定轮廓点集合的凸包，确定出的凸包更加接近于真实情况的凸包，该方法应用于实际场景中效果较好且适用性高，从而大大提高车辆驾驶的安全性。

A method for determining convex hull and related devices

【技术实现步骤摘要】
一种确定凸包的方法和相关装置
本申请涉及凸包
，尤其涉及一种确定凸包的方法和相关装置。
技术介绍
凸包，是指在一个实数向量空间中，对于给定的集合，所有包含该集合的凸集的交集。简单的说，对于给定二维平面上的点集，凸包就是将最外层的点连接起来所构成的凸多边形，该凸多边形可以包含点集中所有的点。在车辆驾驶场景中，尤其是无人驾驶场景，利用激光雷达采集有关周围障碍物的点云数据后，需要确定该点云数据的凸包以便确定车辆的周围障碍物。现有技术中，在获取点云数据后，一般是通过凸包算法确定点云数据的凸包。但是，专利技术人经过研究发现，实际场景中，点云数据一般是较为分散且距离不统一的离散点，采用上述方法存在确定凸包效果不好的问题，即，上述方法对实际场景适用性不高，影响车辆驾驶的安全性。
技术实现思路
有鉴于此，本申请实施例提供一种确定凸包的方法和相关装置，确定出的凸包更加接近于真实情况的凸包，该方法应用于实际场景中效果较好且适用性高，从而大大提高车辆驾驶的安全性。第一方面，本申请实施例提供了一种确定凸包的方法，该方法包括：基于点云数据形成的点云图像进行二值化处理获得二值化图像；基于所述二值化图像进行边缘提取处理获得边缘图像；基于所述边缘图像进行轮廓提取处理获得多个轮廓点集合；利用凸包算法确定多个所述轮廓点集合中每个所述轮廓点集合的凸包。可选的，所述基于点云数据形成的点云图像进行二值化处理获得二值化图像，包括：基于所述点云图像利用网格生成算法获得二维网格图像；基于所述二维网格图像进行二值化处理获得所述二值化图像。可选的，所述基于所述二值化图像进行边缘提取处理获得边缘图像，具体为：利用高斯拉普拉斯算子对所述二值化图像进行边缘提取处理获得所述边缘图像。可选的，所述基于所述边缘图像进行轮廓提取处理获得多个轮廓点集合，包括：基于所述边缘图像进行膨胀处理获得膨胀图像；基于所述膨胀图像进行轮廓提取处理获得多个所述轮廓点集合。可选的，所述利用凸包算法获得多个所述轮廓点集合中每个所述轮廓点集合的凸包，具体为：利用Graham扫描法确定多个所述轮廓点集合中每个所述轮廓点集合的凸包。可选的，还包括：将每个所述轮廓点集合作为目标轮廓点集合，针对每个目标轮廓点集合和每个其他轮廓点集合，获得所述目标轮廓点集合的凸包与所述其他轮廓点集合的凸包的间距；所述其他轮廓点集合是指多个所述轮廓点集合中除所述目标轮廓点集合外的一个轮廓点集合；若所述间距小于预设间距，合并所述间距对应的两个凸包确定目标凸包。可选的，所述获得所述目标轮廓点集合的凸包与所述其他轮廓点集合的凸包的间距，包括：计算所述目标轮廓点集合的凸包中每个点与所述其他轮廓点集合的凸包中每条边的距离，获得距离集合；将所述距离集合中的最小距离确定为所述目标轮廓点集合的凸包与所述其他轮廓点集合的凸包的间距。第二方面，本申请实施例提供了一种确定凸包的装置，该装置包括：第一获得单元，用于基于点云数据形成的点云图像进行二值化处理获得二值化图像；第二获得单元，用于基于所述二值化图像进行边缘提取处理获得边缘图像；第三获得单元，用于基于所述边缘图像进行轮廓提取处理获得多个轮廓点集合；第一确定单元，用于利用凸包算法获得多个所述轮廓点集合中每个所述轮廓点集合的凸包。第三方面，本申请实施例提供了一种终端设备，该终端设备包括处理器以及存储器：所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；所述处理器用于根据所述程序代码中的指令执行上述第一方面任一项所述的确定凸包的方法。第四方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述第一方面任一项所述的确定凸包的方法。与现有技术相比，本申请至少具有以下优点：采用本申请实施例的技术方案，首先，基于点云数据形成的点云图像进行二值化处理获得二值化图像；其次，基于二值化图像进行边缘提取处理获得边缘图像；然后，基于边缘图像进行轮廓提取处理获得多个轮廓点集合；最后，利用凸包算法确定多个轮廓点集合中每个轮廓点集合的凸包。由此可见，当点云数据是较为分散且距离不统一的离散点时，先对点云数据形成的点云图像进行二值化处理、边缘提取处理和轮廓提取处理，将点云数据划分为多个轮廓点集合，再通过凸包算法确定轮廓点集合的凸包，确定出的凸包更加接近于真实情况的凸包，该方法应用于实际场景中效果较好且适用性高，从而大大提高车辆驾驶的安全性。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，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它的附图。图1为本申请实施例中一种应用场景所涉及的系统框架示意图；图2为本申请实施例提供的一种确定凸包的方法的流程示意图；图3为本申请实施例提供的另一种确定凸包的方法的流程示意图；图4为本申请实施例提供的一种确定凸包的装置的结构示意图。具体实施方式为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。现阶段，在车辆驾驶场景中，尤其是无人驾驶场景，利用激光雷达采集有关周围障碍物的点云数据后，一般是通过凸包算法确定该点云数据的凸包以便确定车辆的周围障碍物。但是，专利技术人经过研究发现，实际场景中，点云数据一般是较为分散且距离不统一的离散点，采用上述方法存在确定凸包效果不好的问题，即，上述方法对实际场景适用性不高，影响车辆驾驶的安全性。为了解决这一问题，在本申请实施例中，基于点云数据形成的点云图像进行二值化处理获得二值化图像；基于二值化图像进行边缘提取处理获得边缘图像；基于边缘图像进行轮廓提取处理获得多个轮廓点集合；利用凸包算法确定多个轮廓点集合中每个轮廓点集合的凸包。可见，当点云数据是较为分散且距离不统一的离散点时，先对点云数据形成的点云图像进行二值化处理、边缘提取处理和轮廓提取处理，将点云数据划分为多个轮廓点集合，再通过凸包算法确定轮廓点集合的凸包，确定出的凸包更加接近于真实情况的凸包，该方法应用于实际场景中效果较好且适用性高，从而大大提高车辆驾驶的安全性。举例来说，本申请实施例的场景之一，可以是应用到如图1所示的场景中，该场景包括车辆电子控制单元101和服务器102，车辆激光雷达采集有关周围障碍物的点云数据，该点云数据形成点云图像；车辆电子控制单元101将点云图像发送至服务器102，以请求服务器1本文档来自技高网...

【技术保护点】
1.一种确定凸包的方法，其特征在于，包括：/n基于点云数据形成的点云图像进行二值化处理获得二值化图像；/n基于所述二值化图像进行边缘提取处理获得边缘图像；/n基于所述边缘图像进行轮廓提取处理获得多个轮廓点集合；/n利用凸包算法确定多个所述轮廓点集合中每个所述轮廓点集合的凸包。/n

【技术特征摘要】
1.一种确定凸包的方法，其特征在于，包括：
基于点云数据形成的点云图像进行二值化处理获得二值化图像；
基于所述二值化图像进行边缘提取处理获得边缘图像；
基于所述边缘图像进行轮廓提取处理获得多个轮廓点集合；
利用凸包算法确定多个所述轮廓点集合中每个所述轮廓点集合的凸包。


2.根据权利要求1所述的方法，其特征在于，所述基于点云数据形成的点云图像进行二值化处理获得二值化图像，包括：
基于所述点云图像利用网格生成算法获得二维网格图像；
基于所述二维网格图像进行二值化处理获得所述二值化图像。


3.根据权利要求1所述的方法，其特征在于，所述基于所述二值化图像进行边缘提取处理获得边缘图像，具体为：
利用高斯拉普拉斯算子对所述二值化图像进行边缘提取处理获得所述边缘图像。


4.根据权利要求1所述的方法，其特征在于，所述基于所述边缘图像进行轮廓提取处理获得多个轮廓点集合，包括：
基于所述边缘图像进行膨胀处理获得膨胀图像；
基于所述膨胀图像进行轮廓提取处理获得多个所述轮廓点集合。


5.根据权利要求1所述的方法，其特征在于，所述利用凸包算法获得多个所述轮廓点集合中每个所述轮廓点集合的凸包，具体为：
利用Graham扫描法确定多个所述轮廓点集合中每个所述轮廓点集合的凸包。


6.根据权利要求1所述的方法，其特征在于，还包括：
将每个所述轮廓点集合作为目标轮廓点集合，针对每个目标轮廓点集合和每个其他轮...

【专利技术属性】
技术研发人员：王晓婷，
申请(专利权)人：东软睿驰汽车技术沈阳有限公司，
类型：发明
国别省市：辽宁;21