[发明专利]障碍物的轮廓获取方法、系统、介质及电子设备

说明书

本发明提供一种障碍物的轮廓获取方法、系统、介质及电子设备，所述障碍物的轮廓获取方法包括：获取感知障碍物得到的超声波点云和视觉特征点云；基于所述超声波点云提取所述障碍物的超声波轮廓线；利用所述超声波轮廓线将位于障碍物外侧的视觉特征点删除，获得保留的视觉特征点；将所述超声波轮廓线与所述保留的视觉特征点拟合，获得所述障碍物的一阶轮廓线。本发明获取稀疏点云聚类轮廓时有效降低了点云中噪音点的干扰，提高了轮廓的拟合精度，进而提高了目标检测的精度。

技术领域

本发明属于智能驾驶技术领域，涉及一种障碍物探测方法，特别是涉及一种障碍物的轮廓获取方法、系统、介质及电子设备。

背景技术

全自动泊车辅助系统(Auto Parking Assist，APA)和自主代客泊车系统(Automated Valet Parking，AVP)使用AVM(环视)和USS(超声波雷达)感知泊车环境。由环视相机感知到的视觉特征点云和由超声波雷达感知到的超声波点云均为稀疏点云，从稀疏点云中获取障碍物外轮廓的方法主要包括以下步骤：1)稀疏点云聚类；2)计算聚类边界，作为障碍物外轮廓。之后控制和规划模块依据障碍物外轮廓做相应的响应。

其中，步骤1)中，点云聚类多采用基于空间距离的聚类方法，稀疏点云中某些点与点之间的距离会超过聚类距离阈值，导致同一目标的点云被分割成多个子聚类，最终生成多条互不相关的外轮廓线，无法表达真实障碍物的外轮廓。步骤2)中，由于环境因素和传感器自身精度影响，点云中会包含一些噪音点，位于边界位置的噪音点往往对障碍物外轮廓的计算产生干扰。

综上所述，现有的障碍物外轮廓获取方法得到的轮廓存在误差，导致目标检测的精度较低。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种障碍物的轮廓获取方法、系统、介质及电子设备，用于解决现有障碍物轮廓获取方法检测精度较低的问题。

为实现上述目的及其他相关目的，本发明提供一种障碍物的轮廓获取方法，所述障碍物的轮廓获取方法包括：获取感知障碍物得到的超声波点云和视觉特征点云；基于所述超声波点云提取所述障碍物的超声波轮廓线；利用所述超声波轮廓线将位于障碍物外侧的视觉特征点删除，获得保留的视觉特征点；将所述超声波轮廓线与所述保留的视觉特征点拟合，获得所述障碍物的一阶轮廓线。

于本发明的一实施例中，所述基于所述超声波点云提取所述障碍物的超声波轮廓线的一种实现过程包括：计算获得所述超声波点云的外接凸多边形；删除所述外接凸多边形中位于障碍物背侧的边线，获得凸多边线段；以所述凸多边线段的各端点作为拐点，依据所述拐点将所述超声波点云分割为若干点云块；计算各所述点云块的拟合线段；将各所述拟合线段拼接获得所述障碍物的超声波轮廓线。

于本发明的一实施例中，计算获得所述超声波点云的外接凸多边形的一种实现过程包括：于所述超声波点云中选择Y方向上坐标值最小的点作为起点，加入凸包点集中；将所述超声波点云中其余点与起点分别连线，计算各连线在极坐标系下的角度；将每个点根据角度从小到大的顺序进行逆时针方向排序；从角度最小值对应的点开始，依次选取符合预设条件的点加入所述凸包点集；所述预设条件包括：根据所述逆时针方向排序，选取该点和下一个点组成一个向量，选取该点和所述凸包点集中最后一个点组成一个向量；若两个向量的方向为逆时针方向，则将该点加入所述凸包点集，否则不加入；依次连接所述凸包点集中的点，形成所述外接凸多边形。

于本发明的一实施例中，删除所述外接凸多边形中位于障碍物背侧的边线，获得凸多边线段的一种实现过程包括：依次选取所述外接凸多边形的每一条边，以该边的长度作为长度，以预设聚类阈值作为宽度，形成一个矩形，选取位于该矩形内部的点云；将各所述矩形内部的点云按照对应边的法线方向投影至对应边的线段上，得到投影点，计算投影点在线段上的分布密度；根据所述外接凸多边形的每一条边的点云投影结果获得位于障碍物背侧的边线段；从所述外接凸多边形中删除所述位于障碍物背侧的边线段。