一种车库点云的处理方法
文献发布时间:2023-06-19 19:30:30
技术领域
本发明涉及点云数据处理领域,特别是涉及一种车库点云的处理方法。
背景技术
车库中主行车道为双车道时,双车道中间一般有一条用于区分对向车道的分割线。移动充电机器人可基于该分割线区分双车道中的对向车道,为建图和路径规划提供参考依据。现有移动充电机器人一般通过视觉来识别位于双车道中间的分割线,但是,当该分割线被污物覆盖或者被剐蹭时,移动充电机器人将无法通过视觉识别上述分割线。
发明内容
本发明目的在于,提供一种车库点云的处理方法,能够在车库中双车道中间的分割线被污物覆盖或者被剐蹭时获取该分割线。
根据本发明,提供了一种车库点云的处理方法,包括以下步骤:
S100,获取车库中目标区域的点云。
S200,对所述车库中目标区域的点云进行分割处理,得到点云簇集合A={A
S300,遍历A,提取A
S400,遍历A,获取A
S500,如果
S600,获取第一目标直线;如果A
本发明与现有技术相比具有明显的有益效果,借由上述技术方案,本发明提供的车库点云的处理方法可达到相当的技术进步性及实用性,并具有产业上的广泛利用价值,其至少具有以下有益效果:
本发明获取了车库中目标区域的点云,并对该点云进行了分割,得到了多个点云簇,通过每个点云簇对应直线段的长度和所在直线段的倾斜角确定了对应第一参数最大的前2个点云簇,如果这2个点云簇满足预设条件,则判定该2个点云簇为移动充电机器人在车库的目标区域中行驶时获取的两墙面的点云;并进一步基于这2个点云簇获取了第一目标直线,即双车道中间的分割线。本发明解决了现有移动充电机器人依靠视觉不能识别车库中双车道中间的分割线的问题,为移动充电机器人建图和路径规划提供了参考依据。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的车库点云的处理方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
根据本发明,如图1所示,车库点云的处理方法包括:
S100,获取车库中目标区域的点云。
可选的,基于多线激光雷达获取车库中目标区域的点云。本领域技术人员知悉,现有技术中任何获取点云的方法均落入本发明的保护范围。
本发明适用于车库中主行车道两侧墙面关于主行车道中间的分割线对称的场景,且该主行车道为双车道;上述目标区域即移动充电机器人行驶在所述主行车道上时利用激光雷达扫描的区域。本发明S100获取的目标区域的点云为二维点云,不包括高度信息;应当理解的是,在二维点云中墙面为直线段,地库中的矩形支撑柱为矩形,车道上的不规则外形的障碍物为不规则的多边形。
S200,对所述车库中目标区域的点云进行分割处理,得到点云簇集合A={A
可选的,使用基于距离的点云分割算法对所述车库中目标区域的点云进行分割处理,例如基于欧几里得距离的分割算法。根据本发明,对目标区域的点云进行分割处理后,得到N个点云簇,应当理解的是,不同点云簇对应的是二维平面内(即x轴和y轴构建的二维平面平面,不包括z轴)相对独立的物体。作为一个实施例,N=4,对目标区域的点云进行分割处理后得到的4个点云簇分别对应的是移动充电机器人行驶方向左侧墙面的点云、移动充电机器人行驶方向右侧墙面的点云、目标区域内某矩形支撑柱对应的点云和移动充电机器人所在道路上的非规则障碍物的点云。
S300,遍历A,提取A
根据本发明,使用多条直线拟合提取方法提取A
S400,遍历A,获取A
根据本发明,相较于车库中矩形支撑柱和障碍物对应的点云簇,墙面对应的点云簇对应的直线段集合中直线段的长度较长、直线段所在直线的倾斜角较为一致,因此,本发明根据上述第二参数和第三参数获取了用于区分墙面对应的点云簇和其他类型点云簇(例如矩形支撑柱对应的点云簇和非规则障碍物对应的点云簇)的第一参数。
本领域技术人员知悉,现有技术中任何归一化方法均落入本发明的保护范围。
根据本发明,w
S500,如果
根据本发明,A
可选的,利用最小二乘法将A
S600,获取第一目标直线;如果A
根据本发明,本发明中距离d为点云坐标系下l
至此,本发明解决了现有移动充电机器人依靠视觉不能识别车库中双车道中间的分割线的问题,为移动充电机器人建图和路径规划提供了参考依据。
作为一种较优的实施例,本发明的车库点云的处理方法还包括以下步骤:
S700,对于A中除A
S800,根据B中任意两倾斜角之间的差异对B进行聚类,得到第一倾斜角簇B
可选的,使用k-means聚类算法对B进行聚类,k=2。本发明使用k-means聚类算法对B进行聚类,包括:
S810,从B中随机选取2个倾斜角作为质心。
需要说明的是,本发明中每个质心为一个倾斜角。
S820,对于B中每一个倾斜角,获取其与每一个质心的距离,并将其划分到距离其最近的质心所属的集合;其中,B中第p个倾斜角Bb
S830,将B中每一个倾斜角划分之后,重新获取得到2个集合的质心。
根据本发明,重新获取得到的2个集合的质心为2个集合中每个集合中所有倾斜角的平均倾斜角。
S840,重复步骤S820-S830,直至获取的质心不再发生变化或者重复的次数达到设定次数,聚类结束。
应当理解的是,聚类完成后会得到2个集合,分别为B
S900,获取B
根据本发明,当A’为矩形支撑柱对应的点云簇时,B中倾斜角主要集中在两个倾斜角附近,且这两个倾斜角之间的角度差为π/2,因此,本发明根据B
应当理解的是,支撑柱在车库中的位置是固定的且数量相对较少,基于车库中支撑柱的位置可以快速帮助移动充电机器人快速定位自己的位置。因此,本发明识别出矩形支撑柱对应的点云簇后,还将A’对应的矩形支撑柱作为路标,用于后续移动充电机器人的重定位。
一般情况下,车库中建筑设计的物体的形状是规则的形状,例如车库中支撑柱的形状是规则的,多数为矩形支撑柱,少数为圆形支撑柱;而车库中非建筑设计的物体的形状是不规则的形状,例如车库中的人和车辆等。鉴于一般车库的建筑设计特点,本发明中规则形状的形状可理解为直线、矩形、圆形、椭圆和正多边形,非规则形状可以理解为除了上述规则形状之外的形状。
而且,车库中建筑设计的物体的形状是可以预先获取的,也就是说,当前车库中建筑设计的物体的形状是已知的,且形状的数量是有限的;因此,本发明中,如果A’不与上述任一已知的规则形状匹配,即判定A’为非规则障碍物对应的点云簇。作为第一实施例,车库中建筑设计的物体的形状只包括直线和矩形,那么,如果A’不是直线和矩形对应的点云簇,那么即可判定A’为非规则障碍物对应的点云簇。作为第二实施例,车库中建筑设计的物体的形状只包括直线、矩形和圆形,那么,如果A’不是直线、矩形和圆形对应的点云簇,那么即可判定A’为非规则障碍物对应的点云簇。
根据本发明,如果判定A’为非规则障碍物对应的点云簇,则执行以下步骤:
S910,获取A
S920,将P
S930,将所述非规则障碍物的外接圆作为所述非规则障碍物的大小进行避障。
需要说明的是,障碍物的大小确定之后,如何进行避障的过程为现有技术,此处不再赘述。
本发明基于S700-S900实现了对车库中矩形支撑柱的识别,将识别的矩形支撑柱作为路标,为移动充电机器人后续进行定位提供了重要参考;本发明基于S910-S930对非规则障碍物进行了有效避障,保证了移动充电机器人行驶过程中的安全性。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本发明的范围。本领域的技术人员还应理解,可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明的范围由所附权利要求来限定。
- 一种自走车库与机械车库相结合的立体车库
- 一种点云数据的处理方法及装置和点云渲染方法及装置
- 一种点云数据的处理方法及装置和点云渲染方法及装置