一种目标体积自动测量方法和装置、存储介质制造方法及图纸

本发明专利技术公开一种目标体积自动测量方法和装置、存储介质，包括：步骤S1、根据激光雷达单帧点云构建点云地图，所述点云地图包含无人车位姿信息；步骤S2、利用视觉相对定位与所述点云地图中的无人车位姿信息，获得目标在点云地图中的绝对位置，并通过地面点剔除得到所述目标；步骤S3、对所述目标进行聚类处理和降噪处理，并采用点云切片法对所述目标的体积进行实时解算。采用本发明专利技术的技术方案，可以实现无人车对目标物体的实时、自动测量，对于提升无人车自主化能力丰富具有积极意义。车自主化能力丰富具有积极意义。车自主化能力丰富具有积极意义。

【技术实现步骤摘要】
一种目标体积自动测量方法和装置、存储介质


[0001]本专利技术属于无人驾驶的
，尤其涉及一种用于无人车的目标体积自动测量方法和装置、存储介质。

技术介绍

[0002]近年来，无人车在园区巡检、安全检查、交通运输等工业场景得到了广泛应用。激光雷达和视觉传感器被用于无人车的目标识别、路径规划、自主定位等多个领域。通过激光雷达与视觉信息融合，可以实现对环境与目标的可靠感知，对于无人车的自主运行具有重要意义。
[0003]近年来，基于立体视觉的物体体积测量方法得到了国内外学者的关注。提出了一种基于双目立体视觉的小型煤堆体积测量方法，该方法提取双目视觉采集图像中的SURF特征，通过匹配实现了小型煤堆体积的非接触测量。然而，基于视觉的物体体积测量存在受光照影响大、计算时间长等缺陷。激光扫描仪扫描线束密集，且测距精度高，广泛应用于测绘领域。激光雷达具有全天候、高精度的优点。目前激光雷达较多用于无人车的实时定位与构图(SLAM，Simultaneous Localization and Mapping)。常用的二维激光雷达SLAM算法包括Hec本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标体积自动测量方法，其特征在于，包括以下步骤：步骤S1、根据激光雷达单帧点云构建点云地图，所述点云地图包含无人车位姿信息；步骤S2、利用视觉相对定位与所述点云地图中的无人车位姿信息，获得目标在点云地图中的绝对位置，并通过地面点剔除得到所述目标；步骤S3、对所述目标进行聚类处理和降噪处理，并采用点云切片法对所述目标的体积进行实时解算。2.如权利要求1所述的目标体积自动测量方法，其特征在于，步骤S1包括：步骤S11、对激光雷达单帧点进行畸变补偿处理；步骤S12、采用Lego
‑
loam算法对畸变补偿处理后的激光雷达单帧点进行特征提取，得到特征集；步骤S13、根据所述特征集构建点云地图。3.如权利要求2所述的目标体积自动测量方法，其特征在于，步骤S11中，利用IMU和车载里程计对激光雷达单帧点云进行畸变补偿处理。4.如权利要求3所述的目标体积自动测量方法，其特征在于，步骤S2中采用地面平面拟合方法进行地面点剔除，同时通过平面拟合算法...

【专利技术属性】
技术研发人员：吕品，郑国庆，赖际舟，方玮，范婉舒，郑子瑜，
申请(专利权)人：南京航空航天大学秦淮创新研究院，
类型：发明
国别省市：