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】
本专利技术涉及计算机视觉,尤其涉及一种用于矿车无人驾驶的矿区落石检测方法。
技术介绍
1、在矿区道路,车辆在行驶中往往会遇到道路落石,容易造成车辆轮胎破损、夹石严重影响车辆正常行驶,并容易引发一系列安全事故。在人工驾驶时,司机师傅可以观测到道路中的落石位置,控制车辆绕行、骑行或紧急停车;在自动驾驶模式下,对行驶道路上的落石进行精准检测是保证自动驾驶安全的重要环节。当前进行落石检测主要通过激光雷达或者视觉传感器检测到较大尺寸的落石。由此,针对矿区此种落石尺寸复杂、不固定的场景,需要专业的安全员进行落石判断或者通过人工来进行远程观察。
2、但是,基于人工进行落石检测会大大增加人力消耗,影响自动驾驶车辆的运行效率。
技术实现思路
1、本专利技术提供一种用于矿车无人驾驶的矿区落石检测方法,用以解决现有技术中基于人工进行落石检测影响自动驾驶车辆的运行效率的缺陷。
2、本专利技术提供一种用于矿车无人驾驶的矿区落石检测方法,包括:
3、获取视图图像以及点云数据,并将所述点云数据投影到所述视图图像中,得到点云投影视图,所述视图图像和所述点云数据是针对同一待检测空间采集得到的;
4、基于所述视图图像的图像特征,确定所述待检测空间中的初始目标的视图检测数据,并基于所述视图检测数据,从所述点云投影视图中得到所述初始目标对应的目标点云数据;
5、基于所述目标点云数据以及所述视图检测数据,得到所述待检测空间的目标检测结果。
6、根据本专
7、基于所述点云数据以及所述目标检测结果中初始目标的目标尺寸,确定所述初始目标的凹凸判定结果;
8、对多帧所述点云投影视图进行帧间匹配融合,得到高频初始目标,并基于所述高频初始目标得到所述初始目标的多帧检测结果;
9、基于所述目标检测结果,以及所述凹凸判定结果和/或所述多帧检测结果,确定所述待检测空间的增强检测结果。
10、根据本专利技术提供的一种用于矿车无人驾驶的矿区落石检测方法,所述基于所述点云数据以及所述目标检测结果中初始目标的目标尺寸,确定所述初始目标的凹凸判定结果,包括:
11、基于所述目标尺寸,确定所述初始目标的预设判定范围;
12、从所述点云数据中提取所述预设判定范围内的判定点云数据;
13、基于所述判定点云数据,确定所述初始目标的凹凸判定结果。
14、根据本专利技术提供的一种用于矿车无人驾驶的矿区落石检测方法,所述对多帧所述点云投影视图进行帧间匹配融合,得到高频初始目标,包括:
15、基于所述点云投影视图对应的目标检测结果,对所述点云投影视图中的初始目标进行全局坐标转换,得到全局目标视图;
16、将当前帧的全局目标视图与上一帧的全局目标视图进行帧间匹配融合,得到所述初始目标的出现次数,并基于所述出现次数与预设出现次数,得到所述高频初始目标。
17、根据本专利技术提供的一种用于矿车无人驾驶的矿区落石检测方法,所述基于所述高频初始目标得到所述初始目标的多帧检测结果,包括:
18、基于所述高频初始目标的出现次数,得到可信目标队列;
19、将所述可信目标队列中各初始目标对应的目标检测结果进行目标坐标系转换,得到所述多帧检测结果。
20、根据本专利技术提供的一种用于矿车无人驾驶的矿区落石检测方法,所述基于所述视图图像的图像特征,确定所述待检测空间中的初始目标的视图检测数据,包括:
21、对所述图像特征进行多尺寸特征融合,得到各尺寸的融合特征;
22、基于所述融合特征以及特征分类网络,得到各尺寸的预测目标;
23、对所述各尺寸的预测目标进行得分筛选,确定各尺寸的初始目标的视图检测数据。
24、本专利技术还提供一种用于矿车无人驾驶的矿区落石检测装置,包括:
25、获取单元,获取视图图像以及点云数据,并将所述点云数据投影到所述视图图像中,得到点云投影视图,所述视图图像和所述点云数据是针对同一待检测空间采集得到的;
26、融合单元,基于所述视图图像的图像特征,确定所述待检测空间中的初始目标的视图检测数据,并基于所述视图检测数据,从所述点云投影视图中得到所述初始目标对应的目标点云数据;
27、检测单元,基于所述目标点云数据以及所述视图检测数据,得到所述待检测空间的目标检测结果。
28、本专利技术还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述一种用于矿车无人驾驶的矿区落石检测方法。
29、本专利技术还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述一种用于矿车无人驾驶的矿区落石检测方法。
30、本专利技术还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述一种用于矿车无人驾驶的矿区落石检测方法。
31、本专利技术提供的一种用于矿车无人驾驶的矿区落石检测方法,基于获取同一待检测空间的视图图像和点云数据,并将点云数据投影到视图图像中,得到点云投影视图,提取视图图像的图像特征以得到平面维度的初始目标的视图检测数据,接着从点云投影视图中获取视图检测数据对应的目标点云数据,以得到待检测空间的目标检测结果,实现了在平面维度上的目标检测结果的基础上,结合目标检测结果局部稠密的点云数据,得到更加精准的目标检测结果,尤其大大提升在检测环境复杂的场景下针对小尺寸的目标检测结果的精确性,进而提升了基于目标检测结果在如自动驾驶等场景下的应用性。
本文档来自技高网...【技术保护点】
1.一种用于矿车无人驾驶的矿区落石检测方法,其特征在于,包括:
2.根据权利要求1所述的一种用于矿车无人驾驶的矿区落石检测方法,其特征在于,所述基于所述目标点云数据以及所述视图检测数据,得到所述待检测空间的目标检测结果,之后还包括:
3.根据权利要求2所述的一种用于矿车无人驾驶的矿区落石检测方法,其特征在于,所述基于所述点云数据以及所述目标检测结果中初始目标的目标尺寸,确定所述初始目标的凹凸判定结果,包括:
4.根据权利要求2所述的一种用于矿车无人驾驶的矿区落石检测方法,其特征在于,所述对多帧所述点云投影视图进行帧间匹配融合,得到高频初始目标,包括:
5.根据权利要求2所述的一种用于矿车无人驾驶的矿区落石检测方法,其特征在于,所述基于所述高频初始目标得到所述初始目标的多帧检测结果,包括:
6.根据权利要求1所述的一种用于矿车无人驾驶的矿区落石检测方法,其特征在于,所述基于所述视图图像的图像特征,确定所述待检测空间中的初始目标的视图检测数据,包括:
7.一种用于矿车无人驾驶的矿区落石检测装置,其特征在于,包括:
8.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任一项所述一种用于矿车无人驾驶的矿区落石检测方法。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述一种用于矿车无人驾驶的矿区落石检测方法。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述一种用于矿车无人驾驶的矿区落石检测方法。
...【技术特征摘要】
1.一种用于矿车无人驾驶的矿区落石检测方法,其特征在于,包括:
2.根据权利要求1所述的一种用于矿车无人驾驶的矿区落石检测方法,其特征在于,所述基于所述目标点云数据以及所述视图检测数据,得到所述待检测空间的目标检测结果,之后还包括:
3.根据权利要求2所述的一种用于矿车无人驾驶的矿区落石检测方法,其特征在于,所述基于所述点云数据以及所述目标检测结果中初始目标的目标尺寸,确定所述初始目标的凹凸判定结果,包括:
4.根据权利要求2所述的一种用于矿车无人驾驶的矿区落石检测方法,其特征在于,所述对多帧所述点云投影视图进行帧间匹配融合,得到高频初始目标,包括:
5.根据权利要求2所述的一种用于矿车无人驾驶的矿区落石检测方法,其特征在于,所述基于所述高频初始目标得到所述初始目标的多帧检测结果,包括:
6.根据权利要求1...
【专利技术属性】
技术研发人员:田滨,宋瑞琦,吕宜生,张才集,孟石,
申请(专利权)人:中国科学院自动化研究所,
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。