【点云处理】Lidar点云障碍物形状估计(1)

自动驾驶场景中对Lidar点云障碍物的形状估计就是要给点云簇找到一个合适的3D矩形框。简单起见，我们只考虑偏航角(Yaw)，忽略俯仰和翻滚角，这也符合自动驾驶场景中对一般障碍物的设定。有了这个设定之后我们很容易就可以想到一种简单快速的方法来做这个事情。通过OpenCV来计算水平面上的最小外接矩形，再找出垂直方向的最大最小值来确定高度即可确定最终的3D矩形框。

以上图为例，橙色3D框内的卡车是我们待估计的点云簇，通过minAreaRect函数可得到该簇在2D平面上的最小外接矩形的中心(x,y),宽,高以及旋转角度。

rect = cv2.minAreaRect(points)

这里有一个疑点就是，minAreaRect是如何定义的矩形框的宽(width)高(height)?网络上的资料会告诉你x正轴逆时针旋转碰到的第一条边为宽(width)，而无论其长度。旋转的角读范围为[-90,0)，你没有看错，角度就是负的。这个理解没有错，前提是搞对坐标轴的定义，因为你有可能是照下图理解的，这个就有问题。

照此理解，点云簇中的寛高会被误认为下面这个样子。

但是，OpenCV中坐标原点在左上角，所以确切地说因该是下面这个样子的。

回到点云图像中来，你可以把点云转过来看。这就很方便地看出来哪条边是宽(width)，哪条边是高(height)了。

【参考】

cvBox2D和RotatedRect中返回的角度angle详解 - 士多啤梨苹果橙 - 博客园

RotatedRect中返回的角度angle详解_W`Peak的博客-CSDN博客

【点云处理】Lidar点云障碍物形状估计(1)相关推荐

【点云处理】Lidar点云障碍物形状估计(2)
上一篇文章[点云处理]Lidar点云障碍物形状估计(1)讲到使用OpenCV自带的minAreaRect来估计点云的2D形状,这篇文章再来谈谈目前应用也比较多的基于L-Shape的形状估计.L-Sha ...
一文览尽LiDAR点云目标检测方法
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达转载于 :计算机视觉之路,作者:山涧一壶酒 / 导读 / 自动驾驶中的激光雷达点云如何做特征表达,将基 ...
一文览尽基于激光雷达点云（lidar）的目标检测方法
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达本文来源:计算机视觉之路,作者:山涧一壶酒,编辑:智车科技 / 导读 / 上周文章:自动驾驶中的激光雷 ...
自动驾驶LiDAR点云深度学习综述
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 / 导读 / 本文是滑铁卢大学CogDrive实验室和Geospatial Sensing and D ...
点云平面提取_基于LiDAR点云数据滤波方法
基于LiDAR点云数据滤波方法机载激光雷达所获取的数据被称为"点云(points cloud)"它在三维空间中呈现出随机分布的形状.在点云中,有些点属于真实的地形表面的点,有些点 ...
LiDAR点云处理软件
转自https://www.cnblogs.com/l-kong/ 1.主要介绍当前主流的激光雷达数据处理库.开源软件.商业软件等. 英文主页: http://opentopo.sdsc.edu/to ...
Cylinder3D ：3D环境下的Lidar 点云分割
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达文章导读导读:在自动驾驶中,3D感知相较于2D感知能够提供更加准确的位置信息.随着3D激光雷达传感器 ...
基于先验LiDAR点云地图的单目VIO定位（IROS 2020）
Yu H , Zhen W , Yang W , et al. Monocular Camera Localization in Prior LiDAR Maps with 2D-3D Line Co ...
自动驾驶 | MINet：嵌入式平台上的实时Lidar点云数据分割算法，速度可达 20-80 FPS！...
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达这篇文章是激光雷达点云数据分割算法的嵌入式平台上的部署实现.主要的创新点有两点:一是利用多路分支采用不 ...

【点云处理】Lidar点云障碍物形状估计(1)

【点云处理】Lidar点云障碍物形状估计(1)相关推荐

最新文章

热门文章