[發明專利]一種基于多傳感器的檢測物構建方法及裝置

在審

• 申請號: 202211442886.6
• 申請日: 2022-11-17
• 公開（公告）號: CN115731279A
• 公開（公告）日: 2023-03-03
• 發明（設計）人: 李旭陽;黃吉疇;李鋼
• 申請（專利權）人: 賽恩領動（上海）智能科技有限公司
• 主分類號: G06T7/521
• 分類號: G06T7/521;G06T7/13;G01S13/86
• 代理公司: 上海旭新專利代理事務所(普通合伙) 31474
• 代理人: 毛碧娟

本發明公開了一種基于多傳感器的檢測物構建方法及裝置，其方法包括：接收新獲取的點云數據；將之前獲取到的歷史點云數據與新獲取的點云數據進行時鐘對齊，并將對齊后的歷史點云數據與新獲取的點云數據進行融合處理，得到目標點云數據；遍歷目標點云數據中的點云，更新所有點云的關聯信息；根據所有點云的關聯信息，將所有點云進行聚類處理；更新累積的點云數據幀數，并判斷累積的點云數據幀數是否達到預設的幀數閾值，若是，則將累積的點云數據幀數清零，并刪除目標點云數據中的噪點，根據除噪后的點云聚類數據構建檢測物輪廓；否則，將歷史點云數據更新為目標點云數據，返回繼續接收新的點云數據。

技術領域

本發明涉及點云數據處理領域，尤其涉及一種基于多傳感器的檢測物構建方法及裝置。

背景技術

自動駕駛技術需要利用多種傳感器數據來實現對環境中各種目標的探測感知。對多種傳感器(激光傳感器，毫米波雷達，超聲波傳感器)輸出的點云數據進行融合處理能夠極大的提高感知模塊的性能。但是，傳感器受限于分辨率，視野范圍，單次測量的數據(如毫米波雷達或者激光雷達點云)很難對一個目標的空間位置及輪廓(如車輛)準確描述，故此需要結合前后多次測試的結果或者多個傳感器的數據融合，才可以對環境中的障礙物及運動目標的位置及幾何輪廓做到準確的感知，從而可以規避碰撞提升駕駛安全。

車載的多種傳感器輸出數據的時間難以同步，各種傳感器的點云數據往往不是同時到達數據中心處理器的，如果需要將所有數據在同一時間點上進行關聯聚類，則需要等待所有數據都采集完成后，利用時鐘對齊技術，將多傳感器的點云數據的時間基準進行對齊。這不僅降低了系統的并行處理能力的要求，還對中心處理器的算力提出了較高的要求。

目前主要的聚類算法都是針對單幀點云數據進行聚類運算，如常用DBSCAN，K_Means，但這種方法不同步不合成，在傳感器點云較少的情況下錯誤率極高，且浪費很多可用信息。

發明內容

為了解決上述技術問題，本發明提供一種基于多傳感器的檢測物構建方法及裝置，用以解決異步點云同步合成問題，使得累積點云可以構建出檢測物輪廓，也解決了點云太少導致聚類效果不佳的情況。具體的，本發明的技術方案如下：

一方面，本申請公開了一種基于多傳感器的檢測物構建方法，包括：

S100接收新獲取的點云數據；

S200將之前獲取到的歷史點云數據與所述新獲取的點云數據進行時鐘對齊，并將對齊后的所述歷史點云數據與所述新獲取的點云數據進行融合處理，得到目標點云數據；

S300遍歷所述目標點云數據中的點云，更新所有點云的關聯信息；

S400根據所述所有點云的關聯信息，將所有點云進行聚類處理；

S500更新累積的點云數據幀數，并判斷所述累積的點云數據幀數是否達到預設的幀數閾值，若是，則進入步驟S700，否則，進入步驟S600；

S600將所述歷史點云數據更新為所述目標點云數據，返回步驟S100；

S700將累積的點云數據幀數清零，并刪除所述目標點云數據中的噪點，根據除噪后的點云聚類數據構建檢測物輪廓。

優選地，在所述步驟S100之后還包括：

S150判斷所述新獲取的點云數據是否為第一幀點云數據，若是，則將所述新獲取的點云數據作為目標點云數據，進入步驟S300，否則進入步驟S200；

S160根據預設的鄰域半徑和鄰域內最小點數，確定所述新獲取的點云數據上的核心點、邊界點和噪點；返回步驟S100。

優選地，所述步驟S200將獲取到的歷史點云數據與所述新獲取的點云數據進行時鐘對齊，將對齊后的所述歷史點云數據與所述新獲取的點云數據進行融合處理，得到目標點云數據；具體包括：