[發明專利]一種針對錐桶的分類與測距方法及系統

在審

• 申請號: 202110478160.7
• 申請日: 2021-04-28
• 公開（公告）號: CN113095324A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 張良;續秋錦;饒泉泉;李鑫;祁永芳;朱立紅
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/34;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京海虹嘉誠知識產權代理有限公司 11129
• 代理人: 何志欣

1.一種針對錐桶的分類與測距方法，其特征在于，至少包括以下步驟：

第一步：獲取錐桶激光點云與圖像的映射矩陣T_{l_c}；

第二步：采用雙目圖像和基于目標檢測算法檢測前方錐桶感興趣區域；

第三步：對激光點云進行過濾聚類，基于歐氏距離聚類算法和點云數量聚類出錐桶點云簇，去除非錐桶點云；

第四步：將得到的錐桶聚類點云根據第一步得到的映射矩陣分別映射為左右相機坐標系下的二維圖像，根據第二步檢測出的錐桶感興趣區域篩選點云；

第五步：將篩選后的激光點云與檢測出的邊界框的類別對應，根據邊界框的種類(紅、藍、黃等)對應的RGB值將對應的邊界框內的激光點云進行賦色，得到不同顏色的錐桶聚類點云；

第六步：應用第五步得到的不同顏色錐桶的聚類點云計算距離D_L。

2.如權利要求1所述的針對錐桶的分類與測距方法，其特征在于，所述映射矩陣T_{l_c}的獲取還包括：

根據作為第一監測單元(1)的激光雷達和作為第二監測單元(2)的相機的相對位置計算出相機坐標系在雷達坐標系下的位姿矩陣，則激光雷達坐標原點O_l和相機坐標原點O_c之間的距離分量為dx，dy和dz。在已知相機焦距f、像主點(cx,cy)的情況下，激光點云與圖像的映射矩陣T_{l_c}為：

激光點(x_l，y_l，z_l)和圖像像素(u，v)之間的映射關系如下：

式中表示偽逆。

3.如權利要求2所述的針對錐桶的分類與測距方法，其特征在于，所述激光點云的過濾聚類還包括根據所述第一監測單元(1)獲取的激光點云信息中的錐桶和/或其他障礙物的回波強度數據，所述激光點云中的若干激光點對應的強度數據的總和構成強度圖像，

在激光點云與二維圖像相融合的情況下，中央處理模塊(3)按照所述強度圖像中屬于同一錐桶邊界框內的任意兩個相鄰像素的回波強度值的差小于或等于設定的強度值閾值的方式驗證所述激光點云的分類情況和邊界框的位置。

4.如權利要求3所述的針對錐桶的分類與測距方法，其特征在于，所述激光點云的過濾聚類還包括根據所述第一監測單元(1)獲取的原始激光點云濾去地面點云后獲得能夠轉換成距離圖像的目標點云；

當所述第一監測單元(1)獲取到激光點的掃描天頂角、掃描方位角及距離信息時，所述中央處理模塊(3)按照遍歷每個點的方式建立所述距離圖像；

所述距離圖像還通過像素的鄰接關系建立激光點云間的鄰域關系，從而使得激光點云的分割轉換為對距離圖像相鄰像素之間的連通分量的標記；

所述中央處理模塊(3)按照將所述距離圖像作為驗證信息的方式對所述第二監測單元獲取的二維圖像中的錐桶邊界框分布情況進行二次驗證。

5.如權利要求4所述的針對錐桶的分類與測距方法，其特征在于，在使用歐式距離聚類算法進行錐桶點云過濾聚類時，所述第二監測單元(2)獲取的二維圖像利用目標檢測算法進行檢測而獲取到的錐桶感興趣區域的個數作為歐式聚類算法要聚類分割的類別數目，然后在要聚類的點云數據中心隨機選取與類別數一致的種子點作為初始的每個類別的中心，根據剩余的所有點到每個種子點的距離，將剩余點劃分到距離最小的一個類別中；

其中，所述距離圖像和強度圖像能夠與所述二維圖像進行映射融合，從而驗證所述二維圖像中利用邊界框框選的錐桶感興趣區域的位置和數量，進而獲取能夠與實際錐桶數一致的類別數目。