基于局部平面拟合的障碍物提取方法、设备及介质

本发明涉及图像处理领域，尤其是涉及一种基于局部平面拟合的障碍物提取方法、设备及介质。

背景技术：

1、在行星表面巡视探测的任务场景中，由于通讯延时及环境的不确定性较高，探测车需要具备较强的自主性，包括自主导航与自主避障等能力。

2、准确的获取障碍物的分布与形态信息是探测车进行自主避障的前提，而现阶段常用的障碍检测算法利用探测车的导航相机影像进行障碍的识别与量测，需要经历密集匹配与三角化等过程以获取目标区域三维点云再进行障碍检测处理，在实时性方面较差，难以满足探测车高速度、长距离探测的目标；另一方面，现阶段常用的障碍检测算法对于障碍物的识别提取准确性也有待进一步提升。

3、因此，亟需设计一种准确性高、实时性好的障碍物提取方法。

技术实现思路

1、本发明的目的就是为了克服上述现有技术存在的缺陷而提供了一种准确性高、实时性好的基于局部平面拟合的障碍物提取方法、设备及介质。

2、本发明的目的可以通过以下技术方案来实现：

3、根据本发明的第一方面，提供了一种障碍物提取方法，该方法包括以下步骤：

4、获取目标区域的三维点云；

5、使用布料模拟滤波算法，将所述目标区域的三维点云分类为地面点与非地面点；

6、对非地面点进行点云聚类，得到候选障碍物簇，对所述候选障碍物簇进行筛选得到初步障碍点云；

7、使用基于随机采样一致的最小二乘平面拟合算法对所述初步障碍点云附近的局部地面进行平面拟合，将拟合得到的局部地面上方的点作为同一个障碍物点云，再次点云聚类后，将聚类后点数量最大的一类作为优化后的障碍物点云；

8、使用有向包围框对优化后的障碍物点云进行量测，得到各障碍物的位置与形态参数信息。

9、优选地，所述获取目标区域的三维点云，具体为：通过深度相机采集目标区域的深度图像，结合深度相机内参，对深度图像中每个有效像素点计算对应的三维坐标，生成目标区域的三维点云。

10、优选地，对非地面点进行点云聚类，具体为：采用欧式聚类算法对非地面点进行点云聚类。

11、优选地，所述对所述候选障碍物簇进行筛选得到初步障碍点云，采用的筛选准则具体为：簇中点在地面上方；簇中点的数量大于给定阈值；簇中点云最大离地高度大于给定阈值。

12、优选地，所述将聚类后点数量最大的一类作为优化后的障碍物点云，其后还包括：对优化后的障碍物点云重复应用筛选准则，得到最终的障碍物点云。

13、优选地，所述使用基于随机采样一致的最小二乘平面拟合算法对所述初步障碍点云附近的局部地面进行平面拟合，具体为：

14、针对任一初始障碍物点云簇，计算其最大外接圆半径r，以cr为半径获取其周边地面点云数据，拟合当前部分点云的地面；其中，c为设定大于1的常系数。

15、优选地，所述采用基于随机采样一致的最小二乘平面拟合算法对局部平面进行拟合，目标函数表达式为：

16、

17、式中：a,b,c,d分别为平面参数；n为点数量；(xi,yi,zi)为点i对应的三维坐标。

18、优选地，所述使用有向包围框对优化后的障碍物点云进行量测，得到各障碍物的位置与形态参数信息，具体为：

19、计算优化后的障碍物点云的质心，进行去质心化，并构建协方差矩阵；

20、对协方差矩阵进行奇异值分解，获取点云的特征向量；

21、根据特征向量，将点云投影至特征空间，分别获取优化后的障碍物点云在特征空间中x,y,z方向上的范围，以作为最终障碍物量测结果。

22、根据本发明的第二方面，提供了一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现任一项所述的方法。

23、根据本发明的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现任一项所述的方法。

24、与现有技术相比，本发明具有以下有益效果：

25、1)本发明在对地面点与障碍物进行区分的基础上，采用基于随机采样一致的最小二乘平面拟合算法对所障碍点云附近的局部地面进行平面拟合，获取了与初始地面相比更加准确的地面，所提取的障碍物也更加完整与准确。

26、2)本发明采用布料模拟滤波算法对目标区域的三维点云进行分类，以实现将地面点与非地面点进行有效准确分离。

27、3)本发明针对布料模拟滤波分离后非地面点中存在非障碍物点云的问题，设置了三个筛选准则，最大限度保留了障碍物的点云数据。

28、4)本发明使用深度相机作为数据获取来源，结合相机内参，进行简单的计算后，即可得到点云数据，再进行相应的障碍提取与量测，点云获取过程计算量较小，提高了计算速度，有益于在探测器上的实时部署。

技术特征：

1.一种基于局部平面拟合的障碍物提取方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的一种基于局部平面拟合的障碍物提取方法，其特征在于，所述获取目标区域的三维点云，具体为：通过深度相机采集目标区域的深度图像，结合深度相机内参，对深度图像中每个有效像素点计算对应的三维坐标，生成目标区域的三维点云。

3.根据权利要求1所述的一种基于局部平面拟合的障碍物提取方法，其特征在于，对非地面点进行点云聚类，具体为：采用欧式聚类算法对非地面点进行点云聚类。

4.根据权利要求1所述的一种基于局部平面拟合的障碍物提取方法，其特征在于，所述对所述候选障碍物簇进行筛选得到初步障碍点云，采用的筛选准则具体为：簇中点在地面上方；簇中点的数量大于给定阈值；簇中点云最大离地高度大于给定阈值。

5.根据权利要求4所述的一种基于局部平面拟合的障碍物提取方法，其特征在于，所述将聚类后点数量最大的一类作为优化后的障碍物点云，其后还包括：对优化后的障碍物点云重复应用筛选准则，得到最终的障碍物点云。

6.根据权利要求1所述的一种基于局部平面拟合的障碍物提取方法，其特征在于，所述使用基于随机采样一致的最小二乘平面拟合算法对所述初步障碍点云附近的局部地面进行平面拟合，具体为：

7.根据权利要求1所述的一种基于局部平面拟合的障碍物提取方法，其特征在于，所述采用基于随机采样一致的最小二乘平面拟合算法对局部平面进行拟合，目标函数表达式为：

8.根据权利要求1所述的一种基于局部平面拟合的障碍物提取方法，其特征在于，所述使用有向包围框对优化后的障碍物点云进行量测，得到各障碍物的位置与形态参数信息，具体为：

9.一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～8任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1～8中任一项所述的方法。

技术总结本发明涉及一种基于局部平面拟合的障碍物提取方法、设备及介质，该方法包括以下步骤：获取目标区域的三维点云；使用布料模拟滤波算法，将所述目标区域的三维点云分类为地面点与非地面点；对非地面点进行点云聚类，得到候选障碍物簇，对所述候选障碍物簇进行筛选得到初步障碍点云；使用基于随机采样一致的最小二乘平面拟合算法对所述初步障碍点云附近的局部地面进行平面拟合，将拟合得到的局部地面上方的点作为同一个障碍物点云，再次点云聚类后，将聚类后点数量最大的一类作为优化后的障碍物点云；使用有向包围框对优化后的障碍物点云进行量测，得到各障碍物的位置与形态参数信息。与现有技术相比，本发明具有准确性高、实时性好等优点。技术研发人员：许雄,曹子龙,冯永玖,李鹏朔,童小华,谢欢,王超,柳思聪,肖长江,金雁敏,陈鹏受保护的技术使用者：同济大学技术研发日：技术公布日：2024/9/26