System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及自动驾驶、无人驾驶,具体涉及一种噪声点云识别与过滤方法、计算机设备、介质及驾驶设备。
技术介绍
1、在车辆进行自动驾驶或无人驾驶时可以通过激光雷达采集车辆周围的环境点云,根据环境点云准确获取环境中障碍物的位置、距离和形状等信息,根据这些信息控制车辆进行自动驾驶或无人驾驶。
2、但是,在实际应用中,由于激光雷达的扫描范围比较大,因而激光雷达可能会扫描到自身所在的车辆上,即向该车辆发射激光。而发射到车辆上的激光可能发生漫反射,也可能发生镜面反射。
3、如果发生漫反射,那么将会采集到该车辆的点云,进而将该车辆误识别为障碍物;如果发生镜面反射,镜面反射的激光会反射到其他障碍物上形成二次反射,而根据二次反射的点云确定出来的障碍物位置与实际障碍物位置是关于二次反射的反射面镜像对称的,致使二者的偏差比较大。如图1所示,激光雷达发射的激光在车顶发生镜面反射,由镜面反射产生的点云所生成的错误障碍物会与实际障碍物关于车顶(即反射面)镜像对象。可见,无论是发生漫反射还是镜面反射,都会导致障碍物信息识别发生错误,从而影响对车辆进行自动驾驶或无人驾驶的安全性和可靠性。
4、相应地,本领域需要一种新的技术方案来解决上述问题。
技术实现思路
1、为了克服上述缺陷,提出了本专利技术,以提供解决或至少部分地解决如何识别激光雷达发射的激光光束在激光雷达所在车辆上反射之后产生的噪声点云,以提高自动驾驶或无人驾驶的安全性与可靠性的技术问题的噪声点云识别与过滤方法、计算机设
2、在第一方面,提供一种噪声点云识别方法,所述方法包括:
3、获取安装于驾驶设备上的激光雷达采集的点云;
4、获取所述点云在激光雷达坐标系中与所述激光雷达坐标系的原点相连形成的向量,所述向量表示由所述激光雷达发射至所述点云位置处的激光光束的向量;
5、根据所述向量判断所述激光光束是否在所述驾驶设备上发生了反射;
6、若是,则所述点云为噪声点云;若否,则所述点云不是噪声点云。
7、在上述噪声点云识别方法的一个技术方案中,所述根据所述向量判断所述激光光束是否在所述驾驶设备上发生了反射,包括:
8、获取所述激光雷达在所述驾驶设备上的安装部位,并获取所述安装部位在所述激光雷达坐标系中所在的平面,所述平面为与所述激光雷达坐标系的坐标轴形成的xy平面或xz平面或yz平面平行的平面;
9、对所述向量的坐标进行转换以获取新向量,所述新向量的起点由所述原点被转换到所述平面上;
10、获取所述驾驶设备在所述平面上的平面范围,并判断所述新向量的起点是否位于所述平面范围内;
11、若是,则所述激光光束在所述驾驶设备上发生了反射;
12、若否,则所述激光光束在所述驾驶设备上未发生反射。
13、在上述噪声点云识别方法的一个技术方案中,所述对所述向量的坐标进行转换以获取新向量,包括:
14、获取所述激光雷达在垂直于所述平面的第一坐标轴上到所述平面的距离,所述第一坐标轴为所述激光雷达坐标系的三个坐标轴中的一个;
15、将所述向量的坐标中在所述第一坐标轴上的第一坐标值转换成所述距离,以形成新第一坐标值;
16、获取所述距离与转换之前的所述第一坐标值之间的比值,将所述向量的坐标中在两个第二坐标轴上的第二坐标值分别与所述比值相乘,以形成两个新第二坐标值,所述两个第二坐标轴为所述激光雷达坐标系中除所述第一坐标轴之外剩余的两个坐标轴;
17、根据所述新第一坐标值与所述两个新第二坐标值,获取所述新向量。
18、在上述噪声点云识别方法的一个技术方案中,所述判断所述新向量的起点是否位于所述平面范围内,包括:
19、判断所述两个新第二坐标值是否位于所述平面范围内;
20、若是,则所述起点位于所述平面范围内;
21、若否,则所述起点没有位于所述平面范围内。
22、在上述噪声点云识别方法的一个技术方案中,所述安装部位为所述驾驶设备的本体顶部,所述本体顶部在所述激光雷达坐标系中所在的平面为与所述xy平面平行的平面。
23、在第二方面,提供一种噪声点云过滤方法,所述方法包括:
24、获取安装于驾驶设备上的激光雷达采集的点云;
25、采用上述第一方面提供的噪声点云识别方法,识别所述点云中的噪声点云;
26、滤除所述噪声点云。
27、在第三方面,提供一种计算机设备,该计算机设备包括处理器和存储装置,所述存储装置适于存储多条程序代码,所述程序代码适于由所述处理器加载并运行以执行上述噪声点云识别或过滤方法的技术方案中任一项技术方案所述的方法。
28、在第四方面,提供一种计算机可读存储介质,该计算机可读存储介质其中存储有多条程序代码,所述程序代码适于由处理器加载并运行以执行上述噪声点云识别或过滤方法的技术方案中任一项技术方案所述的方法。
29、在第五方面,提供一种驾驶设备,该驾驶设备包括上述计算机设备的技术方案所述的计算机设备。
30、在上述驾驶设备的一个技术方案中,所述驾驶设备为自动驾驶设备或无人驾驶设备。
31、本专利技术上述一个或多个技术方案,至少具有如下一种或多种有益效果:
32、在实施本专利技术提供的噪声点云识别方法的技术方案中,在获取安装于驾驶设备上的激光雷达采集的点云之后,可以获取点云在激光雷达坐标系中与激光雷达坐标系的原点相连形成的向量,该向量表示由激光雷达发射至点云位置处的激光光束的向量;然后,根据该向量判断激光光束是否在驾驶设备上发生了反射;若是,则点云为噪声点云;否则不是噪声点云。基于上述实施方式,可以将发射至点云位置处的激光光束以向量的形式表达,利用向量准确地判断出该激光光束是否在驾驶设备上发生了反射,从而准确地判断出点云是否为噪声点云。
本文档来自技高网...【技术保护点】
1.一种噪声点云识别方法,其特征在于,所述方法包括:
2.根据权利要求1所述的噪声点云识别方法,其特征在于,所述根据所述向量判断所述激光光束是否在所述驾驶设备上发生了反射,包括:
3.根据权利要求2所述的噪声点云识别方法,其特征在于,所述对所述向量的坐标进行转换以获取新向量,包括:
4.根据权利要求3所述的噪声点云识别方法,其特征在于,所述判断所述新向量的起点是否位于所述平面范围内,包括:
5.根据权利要求2至4中任一项所述的噪声点云识别方法,其特征在于,所述安装部位为所述驾驶设备的本体顶部,所述本体顶部在所述激光雷达坐标系中所在的平面为与所述XY平面平行的平面。
6.一种噪声点云过滤方法,其特征在于,所述方法包括:
7.一种计算机设备,包括处理器和存储装置,所述存储装置适于存储多条程序代码,其特征在于,所述程序代码适于由所述处理器加载并运行以执行权利要求1至5中任一项所述的噪声点云识别方法,或者执行权利要求6所述的噪声点云过滤方法。
8.一种计算机可读存储介质,其中存储有多条程序代码,其特征在于
9.一种驾驶设备,其特征在于,所述驾驶设备包括权利要求7所述的计算机设备。
10.根据权利要求9所述的驾驶设备,其特征在于,所述驾驶设备为自动驾驶设备或无人驾驶设备。
...【技术特征摘要】
1.一种噪声点云识别方法,其特征在于,所述方法包括:
2.根据权利要求1所述的噪声点云识别方法,其特征在于,所述根据所述向量判断所述激光光束是否在所述驾驶设备上发生了反射,包括:
3.根据权利要求2所述的噪声点云识别方法,其特征在于,所述对所述向量的坐标进行转换以获取新向量,包括:
4.根据权利要求3所述的噪声点云识别方法,其特征在于,所述判断所述新向量的起点是否位于所述平面范围内,包括:
5.根据权利要求2至4中任一项所述的噪声点云识别方法,其特征在于,所述安装部位为所述驾驶设备的本体顶部,所述本体顶部在所述激光雷达坐标系中所在的平面为与所述xy平面平行的平面。
6.一种噪声点云过滤方法,...
【专利技术属性】
技术研发人员:孟祥辉,陆立瀚,张雄,苗乾坤,
申请(专利权)人:新石器中研上海科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。