(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210965243.3 (22)申请日 2022.08.12 (71)申请人 上海大学 地址 200444 上海市宝山区上 大路99号 (72)发明人 王彩菊　李小毛　曹亮　彭艳　 谢少荣　吴毅强　朱昱合　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 刘芳 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/25(2022.01) G06V 10/30(2022.01) G06V 10/762(2022.01) (54)发明名称 一种基于三维点云的路面障碍物检测方法 及系统 (57)摘要 本发明涉及一种基于三维点云的路面障碍 物检测方法及系统， 对四目相机获取到的路面三 维点云数据进行基于密度的空间聚类， 得到若干 个聚簇； 针对每聚簇， 通过计算聚簇中点云在三 维坐标轴下的x坐标最大值与x坐标最小值之差， 得到障碍物的宽； 计算聚簇中点云的y坐标最大 值与y坐标最小 值之差， 得到障碍物的高； 计算聚 簇中各点云z坐标值的均值， 得到本体与障碍物 的距离。 本方法直接通过四目相机生成的三维点 云数据实现， 使得无人驾驶系统的感知模块获得 了深度信息， 可以与三维空间的实物 坐标一一对 应。 将本发明方法应用于无人驾驶系统中的路面 障碍物的感知， 不仅可以检测到障碍物的存在， 还可以检测出障碍物的尺寸 以及与无人驾驶车 辆之间的距离 。 权利要求书2页 说明书9页 附图4页 CN 115359453 A 2022.11.18 CN 115359453 A 1.一种基于三维点云的路面障碍物检测方法， 其特 征在于， 包括： 对目标点云数据进行基于密度的空间聚类， 得到若干个聚簇； 所述目标点云数据由四 目相机对路面场景拍摄得到； 每一所述聚簇 视为一个障碍物； 针对每一所述聚簇， 计算所述聚簇 中点云在三维坐标系下的x坐标最大值与x坐标最小 值之差， 得到障碍物的宽； 所述三维坐标系为以车辆为原点， 以所述车辆的前进方向为z轴 建立的坐标系； 计算所述聚簇中点云的y坐标最大值与y坐标最小值之差， 得到障碍物的高； 计算所述聚簇中各点云z坐标值的均值， 得到所述车辆与障碍物的距离 。 2.根据权利要求1所述的方法， 其特征在于， 在所述对目标点云数据进行基于密度的空 间聚类之前， 所述方法还 包括： 对所述四目相机获取到的三维点云数据进行 预处理： 对所述三维点云数据进行感兴趣区域 提取； 对提取出的感兴趣区域 点云数据进行 下采样， 得到下采样点云数据； 对所述下采样点云数据进行离群点滤除。 3.根据权利要求2所述的方法， 其特征在于， 所述对提取出的感兴趣区域点云数据进行 下采样， 得到下采样点云数据， 具体包括： 将所述感兴趣区域 点云数据划分为若干个立方体栅格； 选取所述立方体栅格中的非空立方体栅格； 针对每一所述非空立方体栅格， 计算所述非空立方体栅格中所有点的质心， 得到质心 点； 利用所述质心点替换所述非空立方体栅格中的所有点， 得到所述非空立方体栅格对应 的下采样点。 4.根据权利要求2所述的方法， 其特征在于， 所述对所述下采样点云数据进行离群点滤 除， 具体包括： 计算每一下采样点与距离其最近的k个邻域点的平均距离， 得到每一所述下采样点对 应的平均距离； 获取所述平均距离的均值和标准差； 根据所述平均距离、 所述均值、 所述标准差以及设定阈值， 获取噪点数据； 从所述下采样点云数据中将所述噪点数据滤除。 5.根据权利要求4所述的方法， 其特征在于， 所述根据所述平均距离、 所述均值、 所述标 准差以及设定阈值， 获取噪点数据， 具体包括： 针对所述下采样点云数据中的每一点p， 判断所述点p是否满足公式 若 是， 则确定所述 点p为噪点， 否则所述 点p不是噪点。 6.根据权利要求1所述的方法， 其特征在于， 所述对目标点云数据进行基于密度的空间 聚类， 具体包括： 获取待处理的点云集合S＝{p1， p2， ...， pn}； 所述待处理的点云集合由所述三维点云数 据构成； 初始化核心对象集 合Ω＝φ， 聚簇个数k ＝0， 未访问的样本集 合＝S， 聚簇集 合C＝φ； 遍历所述样本集合S， 根据公式Nr(pi)＝{pi∈S|distance(pi,pj)≤r}和Ω＝{ pi∈S||Nr权　利　要　求　书 1/2 页 2 CN 115359453 A 2(pi)|≥MinPts}， 获得所述核心对象集合中的点pi； distance(pi， pj)表示点pi和点pj的欧式 距离； r表示邻域的半径长度； Nr(pi)表示在样本集合S中， 以点pi为中心， 半径为r的圆内的 点构成的样本集； Mi nPts表示 一个聚簇包 含的最少点的个数； | ·|表示集合元素的总个数； 判断所述核心对象集合是否为空集， 得到第一判断结果； 若所述第一判断结果为是， 则 结束； 否则， 从所述核心对象集合中随机选取一个核心对象ω， 并初始 化当前簇核心对象集 合Ωcur＝{ω}， 令聚簇个数k＝k+1， 初始化当前簇样本集合Ck＝{ω}， 更新未访问样本集合 Φ＝Φ‑{ω}； 判断当前簇核心对象集合是否为空集， 得到第 二判断结果； 若所述第 二判断结果为否， 则更新核心对象集合Ω＝Ω ‑Ck； 否则， 将当前聚簇Ck加入到聚簇集合C中， 并根据Ω＝ Ω‑Ck 更新所述核心对象集 合， 返回步骤 “判断所述核心对象集 合是否为空集 ”； 从所述当前簇核心对象集合Ωcur中取出一个核心对象ω'， 获取与所述ω'欧式距离小 于或等于∈的邻域样本集合N∈(ω')， 令Δ＝Nr(ω′)∩Φ， 更新当前簇样本集合Ck＝Ck∪ Δ， 更新未访问样 本集合Φ＝Φ ‑Δ， 更新Ωcur＝Ωcur∪(Δ∩Ω) ‑ω′， 转入步骤 “判断当前 簇核心对象集 合是否为空集 ”。 7.一种基于三维点云的路面障碍物检测系统， 其特 征在于， 包括： 聚类模型， 用于对目标点云数据进行基于密度的空间聚类， 得到若干个聚簇； 所述目标 点云数据由四目相机对路面场景拍摄得到； 每一所述聚簇 视为一个障碍物； 障碍物宽度计算模块， 用于针对每一所述聚簇， 计算所述聚簇中点云在三维坐标系下 的x坐标最大值与x坐标最小值之差， 得到障碍物的宽； 所述三 维坐标系为以车辆为原 点， 以 所述车辆的前进方向为z轴建立的坐标系； 障碍物高度计算模块， 用于计算所述聚簇中点云的y坐标最大值与y坐标最小值之差， 得到障碍物的高； 距离计算模块， 用于计算所述聚簇中各点云z坐标值的均值， 得到本体与障碍物的距 离。 8.根据权利要求7所述的系统， 其特征在于， 所述系统还包括： 预处理模块， 用于对目标 点云数据进行基于密度的空间聚类之前， 对所述四目相机获取到的三维点云数据进行预处 理。 9.根据权利要求8所述的系统， 其特 征在于， 所述预处 理模块， 具体包括： 感兴趣区域 提取子模块， 用于对路面 三维点云数据进行感兴趣区域 提取； 下采样子模块， 用于对提取出的感兴趣区域点云数据进行下采样， 得到下采样点云数 据； 离群点滤除子模块， 用于对所述下采样点云数据进行离群点滤除。 10.根据权利要求9所述的系统， 其特 征在于， 所述下采样子模块， 具体包括： 划分子单 元， 用于将所述感兴趣区域 点云数据划分为若干个立方体栅格； 非空立方体栅格选取子单 元， 用于选取所述立方体栅格中的非空立方体栅格； 质心点计算子单元， 用于针对每一所述非空立方体栅格， 计算所述非空立方体栅格中 所有点的质心， 得到质心点； 下采样子单元， 用于利用所述质心点替换所述非空立方体栅格中的所有点， 得到所述 非空立方体栅格对应的下采样点。权　利　要　求　书 2/2 页 3 CN 115359453 A 3