一种目标形状及航向估计方法及系统技术方案

本发明专利技术公开了一种目标形状及航向估计方法及系统，该方法包括：步骤S1，获取原始的目标点云数据，并聚类；步骤S2，通过三维边界框描述聚类点云数据；步骤S3，将点云的x与y坐标沿一设定方向旋转预设步长；步骤S4，以三维边界框对应在xoy平面的平面矩形框的中心为原点，建立二维直角坐标系，根据点云特征点所处的象限和聚类点云数据中点云分布呈现的形状，计算目标函数值；步骤S5，判断当前航向角度是否处于设定遍历角度范围内，如果是，则返回步骤S3；反之，则进入步骤S6；步骤S6，选择最大的目标函数值对应的航向角为最优航向角；步骤S7，根据最优航向角对应的平面矩形框的中心在激光雷达坐标系下的位置，确定目标的最优三维边界框的位置、尺寸及姿态。尺寸及姿态。尺寸及姿态。

【技术实现步骤摘要】
一种目标形状及航向估计方法及系统


[0001]本专利技术涉及自动驾驶感知
，特别是关于一种目标形状及航向估计方法及系统。

技术介绍

[0002]激光雷达是感知系统的重要的传感器之一，具有高精度、高分辨率的主动测距测角能力，对激光雷达采集到的点云数据进行处理，可以实现对智能汽车周围环境的目标检测、跟踪及识别等功能。目标形状估计是目标检测步骤中重要的一个环节，良好的形状估计结果，可以为后续的跟踪、预测环节提供准确的目标信息，从而提高智能汽车环境感知能力。目标形状信息包括目标的长宽高、位置及航向角等信息。
[0003]现有的技术中，激光雷达只能观测其视角下的可见轮廓部分对应的点云数据，再基于观测点云建立模型，例如L型拟合三维边界框、关键点拟合边界框。激光点云形成的障碍物数据中L型点云是较多的一类。综合上述，现有的智能汽车目标形状估计方法受到激光雷达的点云稀疏性及噪点等不确定性因素的影响，从而对L型点云拟合出的三维边界框的尺寸、航向的准确度较差。

技术实现思路

[0004]本专利技术的目的在于提供一种目标形状及航向估计方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标形状及航向估计方法，其特征在于，包括：步骤S1，获取原始的目标点云数据，并聚类，获得聚类点云数据；步骤S2，通过三维边界框描述聚类点云数据；步骤S3，将聚类点云数据中的每个点云的x与y坐标沿一设定方向旋转预设步长；步骤S4，以三维边界框对应在xoy平面的平面矩形框的中心O1为原点，建立二维直角坐标系xO1y，形成四个象限，根据由式(2)描述的点云特征点O2(x
c
、y
c
)所处的象限，确定平面矩形框面积、点云到平面矩形框距离和及点数极值差，进而根据聚类点云数据中点云分布呈现的形状，计算目标函数值；式中，x
ri
为由步骤S3获得的旋转后第i个点云的x的坐标，y
ri
为由步骤S3获得的旋转后第i个点云的y的坐标，n为聚类点云数据中点云的总数量；步骤S5，判断当前航向角度是否处于设定遍历角度范围内，如果是，则返回步骤S3；反之，则进入步骤S6；航向角为目标的朝向与激光雷达坐标系的x轴之间的夹角；步骤S6，选择最大的目标函数值对应的航向角，作为最优航向角；步骤S7，根据最优航向角对应的平面矩形框的中心在激光雷达坐标系下的位置，确定目标的最优三维边界框的位置、尺寸及姿态。2.如权利要求1所述的目标形状及航向估计方法，其特征在于，步骤S4中，目标函数值L在点云分布形状呈L型情形下通过式(17)计算，目标函数值L
′
在点云分布形状呈非L型情形下通过式(25)计算：L＝(n
d
/S)2/D
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(17)L
′
＝1/(S*D
n
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(25)式中，n
d
为点数极值差，S为平面矩形框面积，D和D
n
分别为点云分布形状呈L型、非L型的点云到平面矩形框距离和。3.如权利要求2所述的目标形状及航向估计方法，其特征在于，步骤S4中，n
d
通过式(7)计算得到：n
d
＝n
max
‑
n
min
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)式中，n
max
为点云特征点所在的象限的点云数量，n
min
为与点云特征点所在的象限呈对角的象限的点云数量。4.如权利要求2所述的目标形状及航向估计方法，其特征在于，步骤S4中，S通过式(6)计算得到：S＝a*b
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)a＝x
max
‑
x
min
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)b＝y
max
‑
y
min
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)式中，x
max
为x
ri
中的最大值，x
min
为x
ri
中的最小值，x
max
为y
ri
中的最大值，y
min
为y
ri
中的最小值。5.如权利要求3或4所述的目标形状及航向估计方法，其特征在于，步骤S4中，D
n
通过式
(24)计算得到：d
′
1i
＝min{|x
ri
‑
x
max
|，|y
ri
‑
y
max
|}
ꢀꢀꢀꢀꢀꢀ
(20)d
′
2i
＝min{|x
ri
‑
x
max
|，|y
ri
‑
y
min
|}
ꢀꢀꢀꢀꢀꢀꢀꢀ
(21)d
′
3i
＝min{|x
ri
‑
x
min
|，|y
ri
‑
y
min
|}
ꢀꢀꢀꢀꢀꢀ
(22)d
′
4i
＝min{|x
ri
‑
x
min
|，|y
ri
‑
y
max
|}
ꢀꢀꢀꢀꢀꢀꢀꢀ
(23)式中，d
′
1i
为式(20)描述的第i个点云在第一象限时与平面矩形框的最近距离，d
′
2i
为式(21)描述的第i个点云在第二象限时与平面矩形框的最近距离，d
′
3i
为式(22)描述的第i个点云在第三象限时与平面矩形框的最近距离，d
′
4i
为式(23)描述的第i个点云在第四象限时与平面矩形框的最近距离。6.如权利要求2至4中任一项所述的目标形状及航向估计方法，其特征在于，步骤S4中，D通过式(16)计算得到：式中，d
1i
为第i个点云在第一象限中与平面矩形框的最近距离，d
2i
为第i个点云在第二象限中与平面矩形框的最近距离，d
3i
为第i个点云在第三象限中与平面矩形框的最近距离，d
4i
为第i个点云在第四象限中与平面矩形框的最近距离。7.如权利要求6所述的目标形状及航向估计方法，其特征在于，02位于第一象限的情形下，d
1i
、d
2i
、d
3i
和d
4i
通过下式(8)和式(9)...

【专利技术属性】
技术研发人员：谢国涛，毛一鸣，边有钢，秦兆博，秦晓辉，王晓伟，秦洪懋，胡满江，徐彪，汪东升，丁荣军，
申请(专利权)人：湖南大学无锡智能控制研究院，
类型：发明
国别省市：