(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 202211403233.7
(22)申请日 2022.11.10
(71)申请人 苏州挚途科技有限公司
地址 215100 江苏省苏州市相城区高铁新
城南天成路88号天成信息大厦501-
E23号
(72)发明人 杨福威 王梓臣 史院平 吴宏升
韩志华
(74)专利代理 机构 北京康信知识产权代理有限
责任公司 1 1240
专利代理师 王晓玲
(51)Int.Cl.
G06T 7/00(2017.01)
G06V 10/30(2022.01)
G06V 10/44(2022.01)G06V 10/762(2022.01)
G06V 10/764(2022.01)
G01S 13/931(2020.01)
(54)发明名称
基于4D点云的检测方法、 装置、 存储介质及
处理器
(57)摘要
本申请提供了一种基于4D点云的检测方法、
装置、 存储介质及处理器, 采用点云聚类算法、 邻
域半径自适应算法和邻域点数量自适应算法进
行目标识别, 计算目标点与4D毫米波雷达坐标系
中的坐标原点的距离, 确定目标4D点云数据对应
的目标聚类集群对应的轮廓的邻域半径, 确定搜
索点的实际数量; 在实际数量大于最小数量的情
况下, 滤除部分搜索点, 确定剩余的搜索点形成
目标聚类集群; 根据目标聚类集群计算目标聚类
集群的轮廓信息, 确定目标聚类集群的对应目标
对象; 根据目标聚类集群进行航迹跟踪, 实现了
目标类型的准确输出, 达到了无需要事先采集大
量的样本数据进行监督学习, 可 以快速部署, 且
对车载硬件平台的要求 不高的目的。
权利要求书4页 说明书15页 附图5页
CN 115439484 A
2022.12.06
CN 115439484 A
1.一种基于4D点云的检测方法, 其特 征在于, 应用于4D毫米波雷达中, 所述方法包括:
获取目标4D点云数据, 确定所述目标4D点云数据对应的任意一个点为目标点, 计算所
述目标点与4D毫米波雷达坐标系中的坐标原点的距离, 其中, 所述4D毫米波雷达坐标系为
以所述4D毫米波 雷达中心 点为坐标原 点建立的坐标系, 在所述目标点与所述4D毫米波 雷达
坐标系中的坐标原 点的距离大于第一阈值的情况下, 根据所述目标点与所述4D毫米波雷达
坐标系的坐标原 点的距离和初始半径, 确定所述目标4D点云数据对应的目标聚类集群对应
的轮廓的邻域半径, 所述初始半径小于所述目标聚类集群对应的轮廓的最大尺寸;
确定所述目标4D点云数据对应的点中, 与所述目标点之间的距离小于所述邻域半径的
点为搜索点, 得到所述搜索点的实际数量, 在至少一个所述搜索点与所述 目标点的距离大
于第二阈值的情况下, 至少根据所述搜索点与所述 目标点的距离、 所述第二阈值以及设定
搜索点数量, 确定所述目标聚类集群内的所述搜索点的最小数量;
在所述实际数量大于所述最小数量的情况下, 根据 所述搜索点与所述目标点的距离以
及所述搜索点与所述 目标点之间的速度差值, 滤除部分所述搜索点, 确定剩余的所述搜索
点形成所述目标聚类集群;
根据所述目标4D点云数据计算所述目标聚类集群的轮廓信 息, 确定所述目标聚类集群
的轮廓对应的目标对象的类型。
2.根据权利要求1所述的方法, 其特 征在于, 所述方法还 包括:
在所述目标点距离所述4D毫米波雷达坐标系中的坐标原点的距离小于等于第一阈值
的情况下, 采用初始预设所述目标聚类集群的邻域半径阈值作为所述目标聚类集群的邻域
半径。
3.根据权利要求1所述的方法, 其特征在于, 根据 所述目标点与所述4D毫米波雷达坐标
系中的坐标原点的距离和初始半径, 确定所述目标4D点云数据对应的目标聚类集群对应的
轮廓的邻域半径, 包括:
根据所述搜索点与所述4D毫米波雷达坐标系中的坐标原点的欧式距离、 设定的聚类半
径保持不变的最大距离、 聚类邻域半径的增加步长、 聚类邻域半径的缩放因子, 计算初始半
径的补偿值;
根据所述初 始半径的补偿值与所述初 始半径, 采用Rcluster=R(1+△R)确定所述目标聚类
集群的邻域半径, 其中, Rcluster为所述目标聚类集群的邻域半径, R为初始半径, ΔR为初始
半径的补偿值。
4.根据权利要求3所述的方法, 其特征在于, 根据 所述搜索点与所述4D毫米波雷达坐标
系中的坐标原点的欧式距离、 设定的聚类半径保持不变的最大距离、 聚类邻域半径的增加
步长、 聚类邻域半径的缩放因子, 计算初始半径的补偿值, 包括:
采用
计算所述初始半径的补偿值, 其中, D为所
述搜索点与所述4D毫米波雷达坐标系中 的坐标原点的欧式距离, Rthre为设定的聚类半径保
持不变的最大距离, Rstep为聚类邻域半径的增加步长, Rfactor为聚类邻域半径的缩放因
子。
5.根据权利要求1所述的方法, 其特 征在于, 所述方法还 包括, 包括:
所述搜索点与 所述目标点的距离小于等于设定的所述第 二阈值, 则采用所述设定搜索权 利 要 求 书 1/4 页
2
CN 115439484 A
2点作为所述目标聚类集群内的最小所述搜索点的数量。
6.根据权利要求1所述的方法, 其特征在于, 至少根据所述搜索点与所述目标点的距
离、 所述第二阈值以及设定搜索点数量, 确定所述 目标聚类集群内的所述搜索点的最小数
量, 包括:
根据n=min_pt((d0‑d)/dstep+1)dfactor确定所述目标聚类集群内的最小 所述搜索点的数
量, 其中, n为最小搜索点的数量, min_pt为初始预设最小搜索点的数量, d0为搜索点与目
标点的距离的阈值, d为搜索点与目标点的距离, dstep为搜索点数量变化步长, dfactor为搜索
点数量变化因子 。
7.根据权利要求1所述的方法, 其特征在于, 根据 所述搜索点与 所述目标点的距离以及
所述搜索点与所述 目标点之间的速度差值, 滤除部分所述搜索点, 确定剩余的所述搜索点
形成所述目标聚类集群, 包括:
获取所述搜索点与 所述目标点的距离, 判断所述搜索点与所述目标点的距离是否大于
第一距离门限, 若大于所述第一距离门限, 则将所述搜索点在滤除, 其中, 第一距离门限包
括: 所述搜索点与目标点的距离大于所述目标聚类集群的邻域半径;
获取所述目标点的速度 方向, 计算所述目标点的速度 方向与所述4D毫米波雷达坐标系
的X轴的夹角, 根据所述目标点的速度方向与所述4D毫米波雷达坐标系的X轴的夹角、 所述
搜索点与所述目标点之间的距离的正弦值, 确定所述搜索点与所述目标点之间的横向距
离, 判断所述搜索点与所述 目标点之间的横向距离是否大于第二距离门限, 若大于所述第
二距离门限, 则将所述搜索点滤除, 其中, 第二距离门限包括: 所述搜索点与所述 目标点之
间的横向距离阈值;
获取所述搜索点的速度与所述目标点的速度, 计算所述搜索点与所述目标点的速度
差, 判断所述搜索点与所述 目标点的速度差是大于第一速度门限, 若大于所述第一速度门
限, 则将所述搜索点滤除, 其中, 第一速度门限包括: 所述搜索点的速度与所述目标点的速
度之间的速度差阈值;
获取所述搜索点的速度方向与所述目标点的速度方向, 计算所述搜索点与 所述目标点
速度方向的夹角, 所述搜索点与所述 目标点速度方向的夹角是否大于第二速度门限, 若大
于所述第二速度门限, 则将所述搜索点滤除, 其中, 第二速度门限包括: 所述搜索点速度方
向与所述目标点速度方向的夹角阈值; 将所述目标聚类集群内的剩余所述搜索点作为所述
目标聚类集群内的点。
8.根据权利要求7所述的方法, 其特征在于, 根据 所述目标4D点云数据计算所述目标聚
类集群的轮廓信息, 确定所述目标聚类集群的轮廓对应的目标对象的类型, 包括:
获取所述目标聚类集群 内的所有所述点的速度, 计算所述目标聚类集群 内的所有所述
点的所述速度的均值, 得到所述目标聚类集群的速度;
在所述目标聚类集群的速度 大于预设的速度阈值的情况下, 根据 所述目标聚类集群的
速度、 4D毫米波雷达坐标, 计算所述目标聚类集群对应的目标对象的朝向;
根据所述目标聚类集群对应的目标对象的朝向计算所述目标聚类集群中每两个点之
间的欧式距离, 确定目标聚类集群中两个点之间的欧式距离在4D毫米波雷达坐标系的Z轴
的投影长度的第一最大值, 将所述第一最大值作为所述 目标聚类集群的高度, 计算每两个
点之间的欧式距离在速度方向的投影长度, 确定目标聚类集群中两个点之 间的欧式距离在权 利 要 求 书 2/4 页
3
CN 115439484 A
3
专利 基于4D点云的检测方法、装置、存储介质及处理器
文档预览
中文文档
25 页
50 下载
1000 浏览
0 评论
0 收藏
3.0分
温馨提示:本文档共25页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 SC 于 2024-02-18 22:26:52上传分享