基于车辆目标的点云边界框计算方法、系统、设备及介质技术方案

本发明专利技术公开了一种基于车辆目标的点云边界框计算方法、系统、设备及介质，方法包括以下步骤：S1、点云数据获取，获取聚类或分割后的车辆目标的点云数据；S2、点云降采样，对获取的点云数据进行降采样；S3、点云方向计算，使用点云数据在水平面的坐标信息，计算点云方向，即车辆在水平面的偏航角；S4、点云边界框计算。本发明专利技术使用新的点云降采样方法，保留了点云整体特征信息的同时，降低点云的密度；同时在计算目标方向时采用新的损失值计算方法，增加了计算结果的稳定性，在保证算法时间复杂度较低的同时，保证了目标点云边界框的稳定性。保证了目标点云边界框的稳定性。保证了目标点云边界框的稳定性。

【技术实现步骤摘要】
基于车辆目标的点云边界框计算方法、系统、设备及介质


[0001]本专利技术属于汽车智能驾驶
，具体涉及基于车辆目标的点云边界框计算方法、系统、设备及介质。

技术介绍

[0002]激光雷达可以对目标对象进行测量，得到目标对象的点云，再根据目标对象的点云得到目标对象的包络，根据目标对象的包络可以确定目标对象的边界框，从而就可以完成后续的对目标对象的识别或追踪等过程。
[0003]现有技术中，确定点云边界框的相关方法，例如，中国专利技术专利CN201911358284.0提供了一种确定点云的边界框的方法及装置，根据第一位置信息将第一图形所在的第一平面划分为N个区域；以M条边中的每条边作为参考边，确定一个边界框，共得到M个边界框；确定M个边界框中的每个边界框对应于N个区域的N个子损失值；根据每个边界框对应的N个子损失值，确定每个边界框对应的损失值；将最小的损失值对应的边界框确定为点云的边界框。在计算子损失值时考虑了处理装置与对象之间的相对位置,这样的边界框可以减小自遮挡现象对观测结果的影响，提高对目标对象的观测结果的准确性。然而，该专利给出的点云边界框的确定方法对于汽车智能驾驶领域过于宽泛，未说明操作流程，未考虑点云数量对于算法耗时的影响，不具有实际操作性。

技术实现思路

[0004]本专利技术的主要目的在于克服现有技术的缺点与不足，提出一种基于车辆目标的点云边界框计算方法、系统、设备及介质。
[0005]为了达到上述目的，本专利技术采用以下技术方案：
[0006]基于车辆目标的点云边界框计算方法，包括以下步骤：
[0007]S1、点云数据获取，获取聚类或分割后的车辆目标的点云数据；
[0008]S2、点云降采样，对获取的点云数据进行降采样；
[0009]S3、点云方向计算，使用点云数据在水平面的坐标信息，计算点云方向，即车辆在水平面的偏航角；
[0010]S4、点云边界框计算。
[0011]进一步的，步骤S1中，获取的点云数据，数据中所包含的点应当来源于同一目标，且其中的单个点至少需要具有x、y、z三维坐标信息。
[0012]进一步的，点云降采样具体为：
[0013]将点云投影到水平面，然后将点云所在的水平区域划分为大小相等的栅格单元，将点云根据其在水平面的投影划分到对应的栅格单元中，根据自定义的比例或规则从每个栅格单元中移除相应的点，并且每个有点的栅格单元中至少保留一个点，最后所有保留在栅格单元中的点即为降采样后的点云。
[0014]进一步的，步骤S3中，由于所需计算的是车辆在水平面的偏航角，因此，所述使用
点云数据在水平面的坐标信息具体为使用点云数据的x和y坐标信息。
[0015]进一步的，点云方向计算具体包括：
[0016]假设目标点云的方向与x轴正向的夹角为angle，且从x轴正向到目标方向为逆时针时angle为正值，反之则为负值；
[0017]S31、在给定点云方向的前提下，计算得到包括所有点云在内的最小矩形框，得到的矩形框的四条边记为a、b、c、e；
[0018]S32、对点云中任一点P，计算该点与其距离最近的边界之间的距离d：
[0019]d＝min(d
a
，d
b
，d
c
，d
e
)
[0020]S33、对点云所有点计算距离d，将计算得到的距离数据分为两组，分别为距离矩形边界框长边最近组以及距离短边最近组：
[0021]S1＝{d|min(d
a
，d
b
，d
c
，d
e
)＝d
a
或d
c
}
[0022]S2＝{d|min(d
a
，d
b
，d
c
，d
e
)＝d
b
或d
e
}
[0023]S34、当S1和S2不为空时，分别计算两组数据的方差，并将方差的加权和作为损失值：
[0024]loss＝
‑
(k1*var(S1)+k2*var(S2))
[0025]其中，loss表示损失值，var表示计算集合中数据的方差，k1和k2为预设的权值；
[0026]S35、对angle取不同值，并重复以上步骤，计算目标点云处于不同角度时的损失值，具有最大loss值的角度即为目标点云的方向。
[0027]进一步的，点云边界框计算具体为：
[0028]首先在点云中，沿着上一步骤计算得到的点云方向，搜索沿该方向距离最远的两点云；
[0029]其次，沿垂直点云方向，搜索沿此方向距离最远的两点云；
[0030]在矩形边界框方向确定的前提下，根据以上四点云确定最终的矩形边界框。
[0031]本专利技术还包括基于车辆目标的点云边界框计算系统，系统应用本专利技术提供的点云边界框计算方法，系统包括：
[0032]数据获取模块，用于获取聚类或分割后的车辆目标的点云数据；
[0033]降采样模块，用于对获取的点云数据进行降采样；
[0034]点云方向计算模块，用于使用点云数据在水平面的坐标信息，计算目标点云方向；
[0035]点云边界框计算模块，用于根据点云方向计算模块计算得到的点云方向，计算点云边界框。
[0036]本专利技术还包括一种计算机设备，包括存储器以及处理器，存储器存储有计算机程序，处理器执行计算机程序时实现如本专利技术提供的点云边界框计算方法。
[0037]本专利技术还包括一种计算机可读存储介质，存储有计算机程序，当计算机程序被处理器执行时，实现如本专利技术提供的点云边界框计算方法。
[0038]本专利技术与现有技术相比，具有如下优点和有益效果：
[0039]1、本方法采用降采样使点云的密度降低，提升算法的处理效率；通过对多个假设的目标方向计算损失值进行对比，使得本方法在方向上具有稳定性，适合于汽车智能驾驶领域对于车辆目标的点云边界盒的要求。
附图说明
[0040]图1是本专利技术方法的流程图；
[0041]图2是点云降采样示意图；
[0042]图3是车辆坐标系示意图；
[0043]图4是点云方向计算方法示意图；
[0044]图5是实施例中已知点云方向时边界框计算示意图。
具体实施方式
[0045]下面结合实施例及附图对本专利技术作进一步详细的描述，但本专利技术的实施方式不限于此。
[0046]实施例
[0047]如图1所示，本专利技术，基于车辆目标的点云边界框计算方法，包括以下步骤：
[0048]S1、点云数据获取，获取聚类或分割后的车辆目标的点云数据；获取的点云数据，数据中所包含的点应当来源于同一目标，且其中的单个点至少需要具有x、y、z三维坐标信息。
[0049]S2、点云降采样，对获取的点云数据进行降采样；...

【技术保护点】

【技术特征摘要】
1.基于车辆目标的点云边界框计算方法，其特征在于，包括以下步骤：S1、点云数据获取，获取聚类或分割后的车辆目标的点云数据；S2、点云降采样，对获取的点云数据进行降采样；S3、点云方向计算，使用点云数据在水平面的坐标信息，计算点云方向，即车辆在水平面的偏航角；S4、点云边界框计算。2.根据权利要求1所述的基于车辆目标的点云边界框计算方法，其特征在于，步骤S1中，获取的点云数据，数据中所包含的点应当来源于同一目标，且其中的单个点至少需要具有x、y、z三维坐标信息。3.根据权利要求1所述的基于车辆目标的点云边界框计算方法，其特征在于，点云降采样具体为：将点云投影到水平面，然后将点云所在的水平区域划分为大小相等的栅格单元，将点云根据其在水平面的投影划分到对应的栅格单元中，根据自定义的比例或规则从每个栅格单元中移除相应的点，并且每个有点的栅格单元中至少保留一个点，最后所有保留在栅格单元中的点即为降采样后的点云。4.根据权利要求1所述的基于车辆目标的点云边界框计算方法，其特征在于，步骤S3中，由于所需计算的是车辆在水平面的偏航角，因此，所述使用点云数据在水平面的坐标信息具体为使用点云数据的x和y坐标信息。5.根据权利要求1所述的基于车辆目标的点云边界框计算方法，其特征在于，点云方向计算具体包括：假设目标点云的方向与x轴正向的夹角为angle，且从x轴正向到目标方向为逆时针时angle为正值，反之则为负值；S31、在给定点云方向的前提下，计算得到包括所有点云在内的最小矩形框，得到的矩形框的四条边记为a、b、c、e；S32、对点云中任一点P，计算该点与其距离最近的边界之间的距离d：d＝min(d
a
，d
b
，d
c
，d
e
)S33、对点云所有点计算距离d，将计算得到的距离数据分为两组，分别为距离矩形边界框长边最近组以及距离短边最近组：S1＝{d|min(d
a
，d
b
，d<...

【专利技术属性】
技术研发人员：杨凯，陈王双懿，邓皓匀，陈剑斌，任凡，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：