[發明專利]一種基于凸包定向的車輛點云包圍盒計算方法

在審

• 申請號: 202211135029.1
• 申請日: 2022-09-19
• 公開（公告）號: CN115601726A
• 公開（公告）日: 2023-01-13
• 發明（設計）人: 艾青波;孫萬松
• 申請（專利權）人: 上海友道智途科技有限公司
• 主分類號: G06V20/58
• 分類號: G06V20/58;G06V10/20;G06V10/762
• 代理公司: 南京蘇科專利代理有限責任公司 32102
• 代理人: 姚姣陽

一種基于凸包定向的車輛點云包圍盒計算方法，通過車載激光雷達采集點云數據，以體素降采樣快速降低點云密度，使用歐式聚類提取車輛點云；以點云坐標系為基準，計算車輛點云在平面上的各凸包頂點，依序構建頂點集合；遍歷頂點集合，頂點依序連線提取車輛點云的各凸包邊；遍歷車輛點云，計算各點到各凸包邊垂直距離，設定距離閾值，統計各凸包邊垂直距離小于閾值的點數，點數最多的凸包邊即為最大權重邊，取最大權重邊與點云坐標系軸正方向的夾角為車輛點云包圍盒的候選航向角；將車輛點云繞質心旋轉回正，在各坐標軸上的投影長度即為包圍盒長、寬、高，根據包圍盒長寬比調整候選航向角至包圍盒航向角；計算包圍盒幾何中心，實現車輛點云包圍盒計算。

技術領域

本發明屬于無人駕駛的點云目標檢測技術領域，具體涉及一種基于凸包定向的車輛點云包圍盒計算方法。

背景技術

計算車輛點云包圍盒是無人駕駛技術應用領域的重要課題，通過計算車載激光雷達所采集車輛點云的包圍盒，可以實現位姿檢測和碰撞檢測等功能，在規劃車輛路徑、保障行車安全等方面都發揮了重要作用。目前主流的包圍盒計算方法主要分為兩類：

第一類為傳統方法，主要有Axis-Aligned Bounding Box（AABB）和OrientationBounding Box（OBB）兩種方法，AABB方法計算速度快，但包圍盒邊與坐標軸平行導致計算結果與實際物體相差較大，現有的OBB方法大多在AABB基礎上利用主成分分析或者型匹配計算包圍盒方向，其中，主成分分析得到的包圍盒方向與車輛實際航向角仍有明顯偏差，而型匹配對車輛點云形狀有很高要求，在車輛點云只剩一個側面或對象車輛較矮導致點云輪廓豐富時都很容易失效，故此類方法可靠性較低。

第二類為基于深度學習技術的方法，通過人工神經網絡模型自適應學習車輛點云特征，進而計算出車輛點云的包圍盒參數，這類方法效果良好且較為魯棒，但模型訓練需要大量標注樣本，模型使用也具有極高計算成本，使得此類方法的應用場景受限，且模型可解釋性差，在保障行車安全方面也遜色于傳統方法。

發明內容

本發明所要解決的技術問題是克服現有技術的不足，提供一種基于凸包定向的車輛點云包圍盒計算方法。選取最大權重凸包邊與點云坐標系軸夾角作為候選航向角，進而完成車輛包圍盒定向，可以避免車輛點云自身特點導致的包圍盒航向角偏斜，提高計算精度。

本發明提供一種基于凸包定向的車輛點云包圍盒計算方法，包括如下步驟，

步驟S1.通過車載激光雷達采集點云數據，以體素降采樣快速降低點云密度，使用歐式聚類提取車輛點云；

步驟S2.以點云坐標系為基準，計算車輛點云在平面上的各凸包頂點，依序構建頂點集合；

步驟S3.遍歷頂點集合，頂點依序連線提取車輛點云的各凸包邊；

步驟S4.遍歷車輛點云，計算各點到各凸包邊垂直距離，設定距離閾值，統計各凸包邊垂直距離小于閾值的點數，點數最多的凸包邊即為最大權重邊，取最大權重邊與點云坐標系軸正方向的夾角為車輛點云包圍盒的候選航向角；

步驟S5.將車輛點云繞質心旋轉回正，在各坐標軸上的投影長度即為包圍盒長、寬、高，根據包圍盒長寬比調整候選航向角至包圍盒航向角；

步驟S6.計算包圍盒幾何中心，實現車輛點云包圍盒計算。

作為本發明的進一步技術方案，步驟S1中，采集的點云數據為的矩陣，其中代表點云中點的數量，代表點云各點三維坐標，，；并將點云空間劃分為一個個的體素空間，每個體素空間只保留一個質心點。

進一步的，步驟S2中，點云坐標系以主車幾何中心為原點，坐標系軸朝向主車前進方向，軸朝向主車前進方向的左邊，軸朝向天空，凸包為包含車輛點云所有點的最小凸集，所述凸包頂點為最小凸集中的各個元素。

進一步的，步驟S3中，遍歷頂點集合提取凸包邊的具體過程為：