应用于稀疏点云目标检测的均匀鸟瞰图生成方法技术

本发明专利技术涉及一种应用于稀疏点云目标检测的均匀鸟瞰图生成方法，属于点云处理技术的领域，本发明专利技术的方法包括在柱坐标系下对点云进行降维采样，使用二维图像表示三维点云，得到均匀鸟瞰图；将采样信息映射回原始点云，使得原始点云中的点均记录有所在采样单元的采样信息；在直角坐标系下对点云进行降维采样，利用记录的均匀鸟瞰图的信息，使用二维图像表示三维点云，得到适用于现有基于降维的点云目标检测方法的鸟瞰图。与现有方法相比，本发明专利技术能够改善稀疏点云采样分布不均的问题。改善稀疏点云采样分布不均的问题。改善稀疏点云采样分布不均的问题。

【技术实现步骤摘要】
应用于稀疏点云目标检测的均匀鸟瞰图生成方法


[0001]本专利技术涉及点云处理技术的领域，尤其涉及一种应用于稀疏点云目标检测的均匀鸟瞰图生成方法。

技术介绍

[0002]点云作为一种描述三维环境和物体的数据表达形式，因其获取便利，同时较图像等数据形式，在一些应用中，在稳定性和表达能力上具有明显优势，故而在学术研究上获得了关注，也在工程应用中斩获了支持者。点云的处理方法大体可分为三类，即基于降维的点云处理方法、基于体素的点云处理方法和基于点的点云处理方法。
[0003]基于降维的点云处理方法去掉三维点云的某一维度，通过将三维数据投影到二维平面并结合统计的方式，将三维点云降维成二维图像，如前视图、鸟瞰图等，从而利用已有广泛研究和实践成果的、较为成熟的图像处理方法进一步处理。这类方法在三类方法中处理速度最快，部分技术也最为成熟，若应用要求不受降维导致的信息丢失的影响，则此类方法不失为一种合适的技术选择。
[0004]基于体素的点云处理方法将三维点云规整为离散有序的三维体素，再使用三维卷积等方式对体素数据进行处理。点云在空间中连续因而不利于利用矩阵形式表示和计算，该类方法对点云进行采样和统计，利用离散有序的体素代替点云表达三维环境，同时较降维的方法保留了更多三维信息，但因其计算开销较大，很难适用于对实时性有一定要求的任务。
[0005]基于点的点云处理方法保留了点云以点为基本数据表示单位的形式，使用多层感知机对点云进行处理。其优势是最大程度的保留了三维信息。但因点云中点数量众多，可达十万数量级，对每个点都进行处理会消耗大量的计算资源，所以在点云中采样部分点是常见的作法。常用的采样方法为最远点采样，而采样的数量则根据经验由人工指定。
[0006]上述的三类方法都对点云进行了不同程度的采样，但受点云的采集方式和稀疏性的影响，由这些采样方法采样得的数据存在分布不均匀的问题。激光雷达作为采集点云的传感器可看成由单点发射激光并采集光信息的设备。与点光源类似，激光雷达发射的所有激光呈放射状向四周发射，并于障碍物处反射。相邻两条激光之间夹角固定，射出距离越远，两个反射点之间的空间距离越大。激光雷达的此类特性使得点云呈现散射状并具有与距离相关的稀疏性。若采用上述三类方法中的采样方法，不考虑点云的稀疏性，对处于不同距离的点使用同样的采样标准，则导致采样数据分布不均。

技术实现思路

[0007]为了改善稀疏点云采样分布不均的问题，并将点云处理技术应用于具有较高实时性要求的移动机器人领域，本专利技术提供一种应用于稀疏点云目标检测的均匀鸟瞰图生成方法。
[0008]本专利技术采用如下的技术方案：一种应用于稀疏点云目标检测的均匀鸟瞰图生成方
法，包括：
[0009]在柱坐标系下对点云进行降维采样，使用二维图像表示三维点云，得到均匀鸟瞰图；
[0010]将采样信息映射回原始点云，使得原始点云中的点均记录有所在采样单元的采样信息；
[0011]在直角坐标系下对点云进行降维采样，利用记录的均匀鸟瞰图的信息，使用二维图像表示三维点云，得到适用于现有基于降维的点云目标检测方法的鸟瞰图。
[0012]进一步的，在柱坐标系下对点云进行降维采样，使用二维图像表示三维点云，得到均匀鸟瞰图，包括：
[0013]在柱坐标系下采用扇形柱体为采样单元对点云进行采样，每个采样单元统计得高度统计值、强度统计值和密度统计值；
[0014]查找所有采样点中拥有最大高度坐标值的点，该点的高度坐标值为该单元的高度统计值，该点的反射强度为该单元的强度统计值，该单元中采样点数量的相关计算为该单元的密度统计值。
[0015]进一步的，所述在柱坐标系下对点云进行均匀采样并提取特征，具体如下：
[0016]记经过裁剪等预处理的点云为N为点云中点的个数，4为点的特征数；直角坐标系中，点云中的某个点以向量形式表示为：
[0017][0018]其中，坐标原点为点云原点，[x
i
,y
i
,z
i
]为点在直角坐标系中的三维坐标且Z轴与地面垂直，intensity
i
为该点的激光反射强度；对应的，柱坐标系中，点以向量形式表示为：
[0019][0020]其中，[ρ
i
,θ
i
,z
i
]为点在柱坐标系中的三维坐标，intensity
i
不因坐标系的变换而改变；
[0021]记柱坐标系中采样单元为扇形柱体G，大小为g
ρ
×
g
θ
×
∞，单元无重叠地紧密地有序排列地对三维点云空间采样。记G
j
为第j次采样时的采样单元，所有坐标[ρ
i
,θ
i
,z
i
]落在单元G
j
的点为单元G
j
的采样点，记为记单元G
j
的所有采样点为
[0022]对采样单元G
j
进行统计，得到该单元的高度height
j
、强度intensity
j
和密度density
j
；
[0023]查找所有采样点的高度坐标值z
j
，取拥有最大高度坐标值z的点该点的高度坐标值z
k
为此次采样统计的高度通道值height
j
；该点的强度值intensity
k
为此次采样统计的强度通道值intensity
j
；此次采样得到得密度通道值density
j
为采样点的数量N
j
的统计值；相应的公式可表示为：
[0024]k＝argmax(z
j
)
[0025]height
j
＝z
k
[0026]intensity
j
＝intensity
k
[0027][0028]其中α为密度计算所需的超参数。
[0029]进一步的，在直角坐标系和柱坐标系中，高度坐标值z
i
相同。
[0030]进一步的，将采样信息映射回原始点云，点云中每个点除记录原有的信息外，还记录所在扇形采样单元z
j
的三个统计信息[height
j
,intensity
j
,density
j
]。
[0031]进一步的，所述点云特征增强的方法如下：
[0032]拓展点云为在直角坐标系下，点云中的某个点以向量形式表示为：
[0033][0034]其中，除了[x
i
,y
i
,z
i
,intensity
i
]为点原有的信息外，为该点的高度统计值、强度统计值和密度统计值，亦即所在采样单元本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于稀疏点云目标检测的均匀鸟瞰图生成方法，其特征在于：包括：在柱坐标系下对点云进行降维采样，使用二维图像表示三维点云，得到均匀鸟瞰图；将采样信息映射回原始点云，使得原始点云中的点均记录有所在采样单元的采样信息；在直角坐标系下对点云进行降维采样，利用记录的均匀鸟瞰图的信息，使用二维图像表示三维点云，得到应用于稀疏点云目标检测的均匀鸟瞰图。2.根据权利要求1所述的应用于稀疏点云目标检测的均匀鸟瞰图生成方法，其特征在于，在柱坐标系下对点云进行降维采样，使用二维图像表示三维点云，得到均匀鸟瞰图，包括：在柱坐标系下采用扇形柱体为采样单元对点云进行采样，每个采样单元统计得高度统计值、强度统计值和密度统计值；查找所有采样点中拥有最大高度坐标值的点，该点的高度坐标值为该单元的高度统计值，该点的反射强度为该单元的强度统计值，该单元中采样点数量的相关计算为该单元的密度统计值。3.根据权利要求2所述的应用于稀疏点云目标检测的均匀鸟瞰图生成方法，其特征在于，在柱坐标系下对点云进行降维采样，使用二维图像表示三维点云，得到均匀鸟瞰图，具体方法如下：记经过裁剪等预处理的点云为N为点云中点的个数，4为点的特征数；直角坐标系中，点云中的某个点以向量形式表示为：其中，坐标原点为点云原点，[x
i
,y
i
,z
i
]为点在直角坐标系中的三维坐标且Z轴与地面垂直，intensity
i
为该点的激光反射强度；对应的，柱坐标系中，点以向量形式表示为：其中，[ρ
i
,θ
i
,z
i
]为点在柱坐标系中的三维坐标，intensity
i
不因坐标系的变换而改变；记柱坐标系中采样单元为扇形柱体G，大小为g
ρ
×
g
θ
×
∞，单元无重叠地紧密地有序排列地对三维点云空间采样。记G
j
为第j次采样时的采样单元，所有坐标[ρ
i
,θ
i
,z
i
]落在单元G
j
的点为单元G
j
的采样点，记为记单元G
j
的所有采样点为对采样单元G
j
进行统计，得到该单元的高度height
j
、强度intensity
j
和密度density
j
；查找所有采样点的高度坐标值z
j
，取拥有最大高度坐标值z的点该点的高度坐标值z
k
为此次采样统计的高度通道值heiht
j
；该点的强度值intensity
k
为此次采样统计的强度通道值intensity
j
；此次采样得到得密度通道值density
j
为采样点的数量N
j
的统计值；相应的公式可表示为：k＝argmax(z
j
)heiht
j
＝z
k
intensity
j
＝intensity
k
其中α为密度计算所需的超参数。4.根据权利要求3所...

【专利技术属性】
技术研发人员：袁夏，张开，赵春霞，
申请(专利权)人：南京德坤智能科技有限公司，
类型：发明
国别省市：