一种目标形状及航向估计方法及系统转让专利
申请号 : CN202111097076.7
文献号 : CN113807442B
文献日 : 2022-04-19
发明人 : 谢国涛 , 毛一鸣 , 边有钢 , 秦兆博 , 秦晓辉 , 王晓伟 , 秦洪懋 , 胡满江 , 徐彪 , 汪东升 , 丁荣军
申请人 : 湖南大学无锡智能控制研究院
摘要 :
权利要求 :
1.一种目标形状及航向估计方法,其特征在于,包括:步骤S1,获取原始的目标点云数据,并聚类,获得聚类点云数据;
步骤S2,通过三维边界框描述聚类点云数据;
步骤S3,将聚类点云数据中的每个点云的x与y坐标沿一设定方向旋转预设步长;
步骤S4,以三维边界框对应在xoy平面的平面矩形框的中心O1为原点,建立二维直角坐标系xO1y,形成四个象限,根据由式(2)描述的点云特征点O2(xc、yc)所处的象限,确定平面矩形框面积、点云到平面矩形框距离和及点数极值差,进而根据聚类点云数据中点云分布呈现的形状,计算目标函数值;
式中,xri为由步骤S3获得的旋转后第i个点云的x的坐标,yri为由步骤S3获得的旋转后第i个点云的y的坐标,n为聚类点云数据中点云的总数量;
步骤S5,判断当前航向角度是否处于设定遍历角度范围内,如果是,则返回步骤S3;反之,则进入步骤S6;航向角为目标的朝向与激光雷达坐标系的x轴之间的夹角;
步骤S6,选择最大的目标函数值对应的航向角,作为最优航向角;
步骤S7,根据最优航向角对应的平面矩形框的中心在激光雷达坐标系下的位置,确定目标的最优三维边界框的位置、尺寸及姿态。
2.如权利要求1所述的目标形状及航向估计方法,其特征在于,步骤S4中,目标函数值L在点云分布形状呈L型情形下通过式(17)计算,目标函数值L′在点云分布形状呈非L型情形下通过式(25)计算:
2
L=(nd/S) /D (17)L′=1/(S*Dn) (25)式中,nd为点数极值差,S为平面矩形框面积,D和Dn分别为点云分布形状呈L型、非L型的点云到平面矩形框距离和。
3.如权利要求2所述的目标形状及航向估计方法,其特征在于,步骤S4中,nd通过式(7)计算得到:
nd=nmax‑nmin (7)式中,nmax为点云特征点所在的象限的点云数量,nmin为与点云特征点所在的象限呈对角的象限的点云数量。
4.如权利要求2所述的目标形状及航向估计方法,其特征在于,步骤S4中,S通过式(6)计算得到:
S=a*b (6)a=xmax‑xmin (4)b=ymax‑ymin (5)式中,xmax为xri中的最大值,xmin为xri中的最小值,ymax为yri中的最大值,ymin为yri中的最小值。
5.如权利要求4所述的目标形状及航向估计方法,其特征在于,步骤S4中,Dn通过式(24)计算得到:
d′1i=min{|xri‑xmax|,|yri‑ymax|} (20)d′2i=min{|xri‑xmax|,|yri‑ymin|} (21)d′3i=min{|xri‑xmin|,|yri‑ymin|} (22)d′4i=min{|xri‑xmin|,|yri‑ymax|} (23)式中,d′1i为式(20)描述的第i个点云在第一象限时与平面矩形框的最近距离,d′2i为式(21)描述的第i个点云在第二象限时与平面矩形框的最近距离,d′3i为式(22)描述的第i个点云在第三象限时与平面矩形框的最近距离,d′4i为式(23)描述的第i个点云在第四象限时与平面矩形框的最近距离。
6.如权利要求2至4中任一项所述的目标形状及航向估计方法,其特征在于,步骤S4中,D通过式(16)计算得到:
式中,d1i为第i个点云在第一象限中与平面矩形框的最近距离,d2i为第i个点云在第二象限中与平面矩形框的最近距离,d3i为第i个点云在第三象限中与平面矩形框的最近距离,d4i为第i个点云在第四象限中与平面矩形框的最近距离。
7.如权利要求6所述的目标形状及航向估计方法,其特征在于,O2位于第一象限的情形下,d1i、d2i、d3i和d4i通过下式(8)和式(9)计算获得:d3i=k*max{|xri‑xmin|,|yri‑ymin|} (9)O2位于第二象限的情形下,d1i、d2i、d3i和d4i通过下式(10)和式(11)计算获得:d4i=k*max{|xri‑xmin|,|yri‑ymax|} (11)O2位于第三象限的情形下,d1i、d2i、d3i和d4i通过下式(12)和式(13)计算获得:d1i=k*max{|xri‑xmax|,|yri‑ymax|} (13)O2位于第四象限的情形下,d1i、d2i、d3i和d4i通过下式(14)和式(15)计算获得:d2i=k*max{|xri‑xmax|,|yri‑ymin|} (15)式中,xmax为xri中的最大值,xmin为xri中的最小值,ymax为yri中的最大值,ymin为yri中的最小值,k为惩罚系数,k>1。
8.一种目标形状及航向估计系统,其特征在于,包括:数据解析模块,其用于获取原始的目标点云数据;
点云聚类模块,其用于对目标点云数据进行聚类,获得聚类点云数据;
目标形状及航向估计模块,其用于将聚类点云数据描述为三维边界框,并将聚类点云数据中的每个点云的x与y坐标沿一设定方向旋转预设步长,然后以三维边界框对应在xoy平面的平面矩形框的中心O1为原点,建立二维直角坐标系xO1y,形成四个象限,再根据由式(2)描述的点云特征点O2(xc、yc)所处的象限,确定平面矩形框面积、点云到平面矩形框距离和及点数极值差,进而根据聚类点云数据中点云分布呈现的形状计算目标函数值,再在设定遍历角度范围内选择最大目标函数值对应的航向角作为最优航向角,最后根据最优航向角对应的平面矩形框的中心在激光雷达坐标系下的位置,确定目标的最优三维边界框的位置、尺寸及姿态;
式中,xri为由所述目标形状及航向估计模块获得的旋转后第i个点云的x的坐标,yri为由步骤S3获得的旋转后第i个点云的y的坐标,n为聚类点云数据中点云的总数量,航向角为目标的朝向与激光雷达坐标系的x轴之间的夹角。
9.如权利要求8所述的目标形状及航向估计系统,其特征在于,目标函数值L在点云分布形状呈L型情形下通过式(17)计算,目标函数值L′在点云分布形状呈非L型情形下通过式(25)计算:
2
L=(nd/S) /D (17)L′=1/(S*Dn) (25)式中,nd为点数极值差,S为平面矩形框面积,D和Dn分别为点云分布形状呈L型、非L型的点云到平面矩形框距离和。
10.如权利要求9所述的目标形状及航向估计系统,其特征在于,nd通过式(7)计算,S通过式(6)计算,D通过式(16)计算,Dn通过式(24)计算得到;
nd=nmax‑nmin (7)S=a*b (6)a=xmax‑xmin (4)b=ymax‑ymin (5)式中,nmax为点云特征点所在的象限的点云数量,nmin为与点云特征点所在的象限呈对角的象限的点云数量,xmax为xri中的最大值,xmin为xri中的最小值,ymax为yri中的最大值,ymin为yri中的最小值,d′1i为点云分布形状呈非L型时第i个点云在第一象限时与平面矩形框的最近距离,d′2i为点云分布形状呈非L型时第i个点云在第二象限时与平面矩形框的最近距离,d′3i为点云分布形状呈非L型时第i个点云在第三象限时与平面矩形框的最近距离,d′4i为点云分布形状呈非L型时第i个点云在第四象限时与平面矩形框的最近距离,d1i为点云分布形状呈L型时第i个点云在第一象限中与平面矩形框的最近距离,d2i为点云分布形状呈L型时第i个点云在第二象限中与平面矩形框的最近距离,d3i为点云分布形状呈L型时第i个点云在第三象限中与平面矩形框的最近距离,d4i为点云分布形状呈L型时第i个点云在第四象限中与平面矩形框的最近距离。
说明书 :
一种目标形状及航向估计方法及系统
技术领域
背景技术
测、跟踪及识别等功能。目标形状估计是目标检测步骤中重要的一个环节,良好的形状估计
结果,可以为后续的跟踪、预测环节提供准确的目标信息,从而提高智能汽车环境感知能
力。目标形状信息包括目标的长宽高、位置及航向角等信息。
碍物数据中L型点云是较多的一类。综合上述,现有的智能汽车目标形状估计方法受到激光
雷达的点云稀疏性及噪点等不确定性因素的影响,从而对L型点云拟合出的三维边界框的
尺寸、航向的准确度较差。
发明内容
平面矩形框面积、点云到平面矩形框距离和及点数极值差,进而根据聚类点云数据中点云
分布呈现的形状,计算目标函数值;
的第i个点云在第三象限时与平面矩形框的最近距离,d′4i为式(23)描述的第i个点云在第
四象限时与平面矩形框的最近距离。
距离,d4i为第i个点云在第四象限中与平面矩形框的最近距离。
xoy平面的平面矩形框的中心O1为原点,建立二维直角坐标系xO1y,形成四个象限,再根据
由式(2)描述的点云特征点O2(xc、yc)所处的象限,确定平面矩形框面积、点云到平面矩形框
距离和及点数极值差,进而根据聚类点云数据中点云分布呈现的形状计算目标函数值,再
在设定遍历角度范围内选择最大目标函数值对应的航向角作为最优航向角,最后根据最优
航向角对应的平面矩形框的中心在激光雷达坐标系下的位置,确定目标的最优三维边界框
的位置、尺寸及姿态;
雷达坐标系的x轴之间的夹角。
值,ymin为yri中的最小值,d′1i为式(20)描述的第i个点云在第一象限时与平面矩形框的最
近距离,d′2i为式(21)描述的第i个点云在第二象限时与平面矩形框的最近距离,d′3i为式
(22)描述的第i个点云在第三象限时与平面矩形框的最近距离,d′4i为式(23)描述的第i个
点云在第四象限时与平面矩形框的最近距离,d1i为第i个点云在第一象限中与平面矩形框
的最近距离,d2i为第i个点云在第二象限中与平面矩形框的最近距离,d3i为第i个点云在第
三象限中与平面矩形框的最近距离,d4i为第i个点云在第四象限中与平面矩形框的最近距
离。
附图说明
限;
具体实施方式
系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有
特定的方位、以特定的方位构造和操作,因此不能理解为对本发明保护范围的限制。
框的x、y、z的坐标值对应为目标点云数据的x、y、z的坐标值。例如:激光雷达安装在车辆上
时,激光坐标系三轴的定义为:x轴正方向为车辆正前方,y轴正方向为车头的正右手方向,z
轴正方向为垂直车辆向上的方向,即车辆高度方向。那么,航向角θ为目标的朝向与x轴之间
的夹角,θ0表示航向角的初值,例如0°。
沿x轴的尺寸,b用于描述聚类点云数据沿y轴的尺寸,c用于描述聚类点云数据沿z轴的尺
寸。
向角:
象限,确定平面矩形框面积S、点云到平面矩形框距离和D及点数极值差nd,进而根据聚类点
云数据中点云分布呈现的形状,计算目标函数值L。
的点云分布形状为例,说明步骤S4的实现方式。
第三象限,图4中的d示意的是O2位于xO1y的第四象限。O2所在的象限为点云数量最多的象
限,而与其相对的象限,即为点云数量最少的象限,则计算象限中点云数量最大值与点云数
量最小值之间的差值,即式(7)表示的点数极值差nd:
框的最近距离)。由于第i个点云可能位于第一象限至第四象限中的任意一个象限中,因此
对于不同象限指定不同的规则,在本情况中大部分点云分布在第一象限、第二象限、第四象
限,因此对于这三个象限指定如下的计算规则,计算公式如下式(8)所示:
距离。
采用惩罚策略,选择计算该象限中点云与平面矩形框最远一条边的距离,由此来增加其数
值在点云到平面矩形框距离和中的占比,同时通过惩罚系数放大该数值,首先设定惩罚系
数k(k>1),k的取值应大于1,本发明中k=2,但不限于数值为2。因此第三象限中的点云要
计算其中与最远的一条边的距离的计算公式如下式(9):
如下式(10):
距离。
惩罚系数放大数值,设定惩罚系数k=2,但不限于数值为2,由此来增加其数值在点云到平
面矩形框距离和中的占比。计算公式如下式(11):
如下式(12):
距离。
惩罚系数放大数值,设定惩罚系数k=2,但不限于数值为2,由此来增加其数值在点云到平
面矩形框距离和中的占比。计算公式如下式(13):
如下式(14):
距离。
惩罚系数放大数值,设定惩罚系数k=2,但不限于数值为2,由此来增加其数值在点云到平
面矩形框距离和中的占比。计算公式如下式(15):
函数值L后,将当前遍历的航向角θ与目标函数值L进行记录。
对于点云分布在四个象限下的不同,计算点云距离平面矩形框之和D的方法有差异,下面进
行分四种情况阐明:
数值L进行记录。
属于本发明的保护范围之内。
xoy平面的平面矩形框的中心O1为原点,建立二维直角坐标系xO1y,形成四个象限,再根据
由式(2)描述的点云特征点O2(xc、yc)所处的象限,确定平面矩形框面积、点云到平面矩形框
距离和及点数极值差,进而根据聚类点云数据中点云分布呈现的形状计算目标函数值L,再
在设定遍历角度范围内选择最大L对应的航向角作为最优航向角,最后根据最优航向角对
应的平面矩形框的中心在激光雷达坐标系下的位置,确定目标的最优三维边界框的位置、
尺寸及姿态。
于聚类后的目标点云进行目标形状及航向估计,计算并输出所有目标的边界框的位置、尺
寸及航向信息,从而该系统实现上述目标形状及航向估计方法的步骤。
其中部分技术特征进行等同替换;这些修改或者替换,并不使相应技术方案的本质脱离本
发明各实施例技术方案的精神和范围。