一種車載二維雷射運動中三維環境掃描成像方法

2023-05-07 18:20:51

一種車載二維雷射運動中三維環境掃描成像方法
【專利摘要】一種車載二維雷射運動中三維環境掃描成像方法，屬於測距雷射掃描成像及無人駕駛車輛自主環境感知【技術領域】。本發明提出了一種紋理增強圖的計算模型，該模型可實現基於車載二維雷射測距數據的三維環境掃描成像，且有效克服了車體不規則運動造成的圖像模糊現象，能夠獲得三維點雲數據清晰的二維圖像描述，是對三維空間測距信息的補充。本發明提出的紋理增強圖，通過計算出一個最優參考向量，使得生成圖像的像素灰度值區分度最大，突出了場景中物體的紋理細節，從而為基於雷射掃描數據的場景分割、物體識別及場景理解提供有效的支持。本發明可用在無人駕駛車室外場景理解及環境認知等人工智慧領域。
【專利說明】一種車載二維雷射運動中三維環境掃描成像方法

【技術領域】
[0001] 本發明屬於測距雷射掃描成像及無人駕駛車輛自主環境感知【技術領域】，涉及到一 種車載二維雷射運動中對三維環境掃描成像的方法。本發明以無人駕駛車為運動載體，以 二維雷射測距傳感器及慣性導航系統為測量裝置，以車載計算機為數據收集及處理平臺， 對三維環境進行掃描成像。

【背景技術】
[0002] 視覺傳感器能夠提供豐富的環境感知信息，因此計算機視覺成為很多相關領域的 研究重點與熱點，在人工智慧與模式識別領域也得到了長足發展。通常情況下，視覺圖像是 通過CCD或CMOS相機進行採集的，但在成像過程中容易受到環境的影響，比如光照強度變 化、視覺可見度等因素。另一方面，通過相機採集的圖片不能獲得物體精確的深度信息。相 比之下，利用雷射測距傳感器掃描所獲取的點雲數據來生成圖像，不但能夠克服光照變化 及可見度對成像的影響，更能發揮出雷射精確測距的優勢。
[0003] 傳統上利用雷射點雲數據生成的圖像有深度圖、反射值圖及方位角圖。其中深度 圖僅僅是根據雷射傳感器測出的距離信息，將其轉化為相應的像素灰度值來生成圖像。激 光點雲數據的深度圖表述方法具有成像方法簡單、計算效率高等特點，但該成像模型對距 離變化不夠敏感，無法有效反應場景中物體輪廓、邊角等細節信息。以SICK LMS291雷射測 距傳感器為例，其平面掃描角度為0-180度，縱向掃描深度範圍動態可調，分為8米、16米、 32米（距離解析度為1毫米）、80米（距離解析度為1釐米）四個掃描範圍。採用常用的 32米掃描深度時，將其對應到0-255範圍的像素灰度值，每個像素灰度值大概對應12. 5釐 米的範圍，因此生成的圖像無法有效地區分相鄰物體間的邊緣變化，不利於後續物體識別 及場景理解的應用。
[0004] 反射值圖是根據不同物體對雷射束反射率的不同，然後將反射值轉化為相應的像 素值來生成圖像的。自然界中任何物體經受光照射後，對入射光都有吸收與反射現象。不 同類型的物質所具有的電磁波性質不同，因此它們反射入射光的性質也不同。對於一定的 入射光，不同物質的反射光強度是不一樣的，通常用反射率來表示反射光的強度，即物體的 反射光能量與入射光能量的百分比。物體反射率的大小，往往與物體本身的性質，以及入射 光的波長、入射角的大小有關。一般來說，反射率大的物體，反射入射光的能力越強，對應的 灰度圖像上的像素灰度值越大，反之，反射率小的物體，反射入射光的能力弱，對應的灰度 圖像上的像素灰度值就越小。雷射點雲數據的反射值圖描述方法的優點是對場景中大部分 物體具有一定的區分度，但由於受到入射角大小、不同物質反射入射光性質不同等因素的 影響，有時會出現相鄰的不同物體的反射值相近，造成相鄰物體的邊緣不明顯，無法進行有 效的識別。
[0005] 方位角圖模型由Davide Scaramuzza等學者首次提出並被應用於攝像機與三 維雷射掃描儀之間的外部參數標定，方位角圖是將每個雷射點的方位角轉化為對應的像 素灰度值來生成圖像的。雷射點的方位角定義為兩個向量的夾角，其中一個向量為視 點（雷射掃描儀位置）到當前雷射點的向量，另一個向量是當前雷射點到其鄰近的一個 雷射點的向量，具體可參考文獻（Scaramuzza D，Harati A，Siegwart R. Extrinsic self calibration of a camera and a3d laser range finder from natural scenes[C]// Intelligent Robots and Systems, 2007. IR0S2007. IEEE/RSJ International Conference on. IEEE, 2007:4164-4169)。文獻（Zhuang Y, Li Y, and Wang W. Robust indoor scene recognition based on3D laser scanning and bearing angle image[C]. In Proceeding of the IEEE International Conference on Robotics and Automation(ICRA)，2011.)以 方位角圖模型為基礎，將定點掃描的三維點雲數據轉換為二維方位角圖，進而進行室內場 景的識別。從文中可以看出雖然方位角圖在描述場景中物體的邊緣、邊角等等方面具有一 定的優點，但也有不足之處。比如由於每個雷射點相對於視點的位置不同，即使處於同一物 體、同一平面中的雷射點，其方位角也不同，導致雷射點在方位角圖中的灰度值也不同，因 此同一地面或同一牆面的像素灰度值出現明顯的由左及右漸變趨勢，這是不合理的。另一 方面由於每個雷射點的參考向量均不一樣，每個參考向量的方向具有很強的隨意性，最終 得到的方位角圖中，屬於不同物體的紋理不夠清晰（如圖3 (b)所示），不利於後續環境認知 與場景理解等應用。
[0006] 對於工作在室內的移動機器人，其工作範圍比較小，室內場景大都是結構化的，t匕 較簡單規整，且一般都是採用定點掃描的方式，因此傳統的方位角圖模型可用於雷射定點 掃描點雲的圖像化表述。但對於非結構化的大範圍室外場景，場景中的物體比較多樣化，結 構也較為複雜，且對於以無人駕駛車為代表的室外移動機器人，通常要求其在運行過程中 實現對環境的認知與場景理解，也就是要滿足車載二維雷射運動中進行動態掃描成像的要 求。考慮上述因素，傳統的深度圖、反射值圖及方位角圖模型均不能滿足實際應用的需求。
[0007] 本發明提出了一種適用於無人駕駛車車載二維雷射在車輛行駛過程中完成動態 掃描成像的方法，能夠滿足室外大範圍場景下，無人車或移動機器人在運動中實時將雷射 掃描的點雲數據生成紋理清晰的灰度圖像，因此命名該圖像為紋理增強圖。


【發明內容】

[0008] 本發明要解決的問題是提供了一種車載二維雷射在運動中掃描三維環境並由點 雲數據生成紋理增強圖像的方法。車載二維雷射在運動過程中對周圍環境進行掃描，得到 一系列點雲數據後，接著對點雲數據進行噪聲過濾、位姿矯正等預處理，最後再選取一定範 圍的雷射序列點雲數據將其轉化為紋理增強圖。
[0009] 本發明的技術方案如下：
[0010] 為了獲得室外大範圍場景的掃描數據，我們採用的是二維雷射測距傳感器縱向掃 描加車體移動的方法，車載二維雷射測距傳感器的具體分布情況見圖1，其中方框內的兩個 二維雷射測距傳感器是本發明中用到的。
[0011] 利用上述車載二維雷射雷射測距傳感器進行雷射數據的採集，操作方法如下：選 取好要採集的場景，初始化系統後即可自動進行數據的採集。由於雷射數據是在車輛運動 過程中採集的，不可避免的會出現抖動、偏移等現象，因此先採用濾波的方法對噪聲點進行 過濾，然後再結合慣導的信息對點雲數據進行位姿矯正，將點雲數據轉化到統一的一個全 局坐標系下，之後就可以利用這些預處理後的點雲數據進行圖像模型構建。
[0012] 1.紋理增強圖的生成
[0013] (1)紋理增強圖模型的基本原理
[0014] 紋理增強圖的計算方法如圖2所示，設當前第i行j列的雷射點為Pu，取其相鄰 的一個雷射點Ρ-- +1。設當前雷射點到相鄰雷射點的向量為vp，為了描述向量vp在三維空 間中的方位，還需另一個參考向量，計算向量\^"與\的夾角θ?即參考向量夾角， 再將Θ u映射至灰度0-255範圍，即可得到雷射點Pi:j在紋理增強圖中的像素值：
[0015] PVi；J= Θ i；J/180*255 (2. 1)
[0016] 其中為紋理增強圖中第i行j列像素的灰度值，然後對其它雷射點重複此計 算即可獲得整幅點雲場景的完整紋理增強圖（如圖2中虛線所示）。
[0017] (2)最優參考向量Vrefer的計算
[0018] 由前面介紹的紋理增強圖的計算方式可知，在遵從一定規則選定相鄰雷射點後， 各個雷射點的向量v p就唯一確定下來了，此時參考向量VMfCT對最終生成的圖像有著至關 重要的作用，參考向量的選擇應滿足以下兩個要求：一是參考向量的選擇不應與雷射 掃描點有關，最好是所有雷射點以同一向量為參考向量，以滿足動態掃描的需求；二是這個 唯一的參考向量應儘量使得場景中所有雷射點的像素值區分度最大，使模型的表述達到最 優狀態，從而生成紋理清晰的圖像。
[0019] 在滿足以上要求的情況下，我們採用如下方法計算最優參考向量，這是一個 典型的優化問題，為此設定了表示不同下場景中所有雷射點方位區分度的目標函數：
[0020]

【權利要求】
1. 一種車載二維雷射運動中三維環境掃描成像方法，其特徵在於：利用二維雷射在運 動中掃描三維環境所生成的序列點雲數據，計算出一個最優參考向量，再以此為基礎計算 得到每個雷射點的參考向量夾角e，並將其映射到灰度值0-255範圍，得到每個雷射點對 應的像素灰度值，即得到整幅場景的紋理增強圖，具體計算方法如下： (a) 設點雲數據中第i行j列的雷射點為Pi;j，取其相鄰的一個雷射，設雷射點Pu到Puj+1的向量為Vp，為了描述向量Vp在三維空間中的方位，還需另一個向量作 為參考基準，計算參考向量與Vp的夾角0u，即雷射點Pu的參考向量夾角； (b) 設在不同參考向量Vrete下，使場景中所有雷射點方位區分度最大化的目標函數為
?該目標函數的物理意義為場景中每兩個雷射 點的參考向量夾角之差的總和，其中N為場景中雷射點個數，0P、0q為對應某一參考向量Vrefer下第P個和第q個雷射點的參考向量夾角； (c) 對於（b)中的目標函數F(VMfJ，為了優化求解過程，使用場景中所有雷射點的參 考向量夾角的方差來近似描述該目標函數，即
，其 中歹為場景中所有雷射點在當前參考向量下的參考向量夾角的均值，9k為第k個雷射點 的參考向量夾角，當F的值最大時，意味著所有雷射點的參考向量夾角之間的區分度最大， 此時的參考向量為=argma'-Z7%##)，其中argmax表示求取使得函數值最 大時的自變量值，即為最優參考向量； (d) 獲得最優參考向量後，遍歷場景中的每個雷射點，計算各個雷射點Pu到相鄰 點Puj+1的向量Vp與的夾角，將其映射至灰度值0-255範圍，即可得到與每個雷射點 一一對應的像素灰度值，最終生成整幅點雲場景的紋理增強圖。
【文檔編號】G06T17/00GK104268933SQ201410464402
【公開日】2015年1月7日 申請日期:2014年9月11日 優先權日:2014年9月11日
【發明者】莊嚴, 段華旭, 何國建, 王偉 申請人:大連理工大學