点云数据的生成方法、系统、设备及计算机可读存储介质技术方案

本发明专利技术提供一种点云数据的生成方法、系统、设备及计算机可读存储介质，所述点云数据的生成方法包括：基于车辆的车身信号，获取于同一摄像头下相邻两帧图像时间戳下的车辆位姿转换关系；利用环视标定数据，对所采集的图像进行图像处理，以提取所述图像中物体边缘点；根据相邻两帧图像时间戳时刻的车辆位姿转换关系和所述物体边缘点生成点云数据；所述点云数据用于还原物体轮廓在实际场景中的位置坐标。本发明专利技术利用车身信号求得图像帧间转换关系，相比于现有技术优化了求位姿的方案，运行速度优势非常明显，不存在尺度缩放的问题，且由于数据来源是车身信号，且不存在场景退化问题，生成的点云数据性能更鲁棒。生成的点云数据性能更鲁棒。生成的点云数据性能更鲁棒。

【技术实现步骤摘要】
点云数据的生成方法、系统、设备及计算机可读存储介质


[0001]本专利技术属于图像处理
，涉及一种生成方法及系统，特别是涉及一种点云数据的生成方法、系统、设备及计算机可读存储介质。

技术介绍

[0002]目前，随着人们对交通安全的重视，高级驾驶辅助系统(ADAS)在汽车中成为了重要的功能。自主泊车是其中一个重要的产品，主要功能是帮助司机自动检测车位和泊入车位。
[0003]基于视觉的静态物体点云技术是指基于摄像头传感器还原周围真实场景中静态物体的三维坐标值，构成点云数据。在自主泊车等产品中，图像点云数据可以帮助汽车感知周围的障碍物，正确的进行路径规则和感知避障。
[0004]在现有技术中，基于视觉定位和建图方法和三维场景重建技术可构成点云数据，但是，现有技术存在以下几个问题：
[0005]第一，基于图像同时得到摄像头三维位姿变换数据和点云数据，计算量较大，尤其大量的算力用于计算位姿。
[0006]第二，缺少尺度信息，单目SLAM通常计算到的点云精度不高，不适用于检测自主泊车场景的障碍物。
[0007本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点云数据的生成方法，其特征在于，包括：基于车辆的车身信号，获取于同一摄像头下相邻两帧图像时间戳下的车辆位姿转换关系；利用环视标定数据，对所采集的图像进行图像处理，以提取所述图像中物体边缘点；根据相邻两帧图像时间戳时刻的车辆位姿转换关系和所述物体边缘点生成点云数据；所述点云数据用于还原物体轮廓在实际场景中的位置坐标。2.根据权利要求1所述的点云数据的生成方法，其特征在于，所述基于车辆的车身信号，获取于同一摄像头下相邻两帧图像时间戳下的车辆位姿转换关系的步骤包括：计算车身信号时刻下初始时刻到当前时刻的车辆位姿转换关系；以当前图像时间戳为基准，获取当前图像时间戳下的车辆位姿转换关系；根据当前图像时间戳下的车辆位姿转换关系，计算相邻两帧图像时间戳时刻的车辆位姿转换关系。3.根据权利要求2所述的点云数据的生成方法，其特征在于，所述以当前图像时间戳为基准，获取当前图像时间戳下的车辆位姿转换关系的步骤包括：以当前图像时间戳为基准，确定与之对应的当前车身信号时刻，于车身信号时刻下初始时刻到当前时刻的车辆位姿转换关系中，查找所述当前车身信号时刻的上一车身信号时刻的车辆位姿转换关系和下一车身信号时刻的车辆位姿转换关系；根据不同车身信号时刻与上一车身信号时刻/下一车身信号时刻的时间差，计算当前图像时间戳下的车辆位姿转换关系。4.根据权利要求1所述的点云数据的生成方法，其特征在于，所述利用环视标定数据，对所采集的图像进行图像处理，以提取所述图像中物体边缘点的步骤包括：根据图像采集设备的环视标定数据，对所述图像进行畸变校正，以形成底层图像；基于底层图像，构建图像金字塔；对所述图像金字塔中每一层图像进行像素遍历，计算像素点的梯度值；将像素点的梯度值与预设梯度阈值进行比较，将梯度值大于所述预设梯度阈值的像素点定义为物体边缘点，并从所述图像金字塔的底层由低到高依次提取。5.根据权利要求4所述的点云数据的生成方法，其特征在于，图像采集设备的环视标定数据包括图像采集设备的内参数据和外参数据；其中，所述内参数据用于去除图像中的鱼眼畸变和矫正图像偏心；所述外参数据用于将通过内参数据矫正后的图像投影至垂直于地面的平面上，形成所述底层图像。6.根据权利要求1所述的点云数据的生成方法，其特征在于，所述根据相邻两帧图像时间戳时刻的车辆位姿转换关系和所述物体边缘点生成点云...

【专利技术属性】
技术研发人员：王云鹏，张笑东，穆鸽，马鹏维，王凡，
申请(专利权)人：纵目科技上海股份有限公司，
类型：发明
国别省市：