【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-Shape算法出自论文《Effificient L-Shape Fitting for Vehicle Detection Using Laser Scanners》，在L-Shape方法中将形状估计问题作为一个优化问题来研究，提出了一种高效的基于搜索的优化方法。其基本思想是对于一个待拟合的点云簇，以迭代的方式遍历矩形的所有可能方向。每次迭代时，可以很容易地找到一个指向该方向并包含所有扫描点的矩形。

算法输入待估点云簇中的m个点,输出是拟合矩形四条边的线性表示。矩形的可能方向θ从0°到90°不等，因为矩形的两边是正交的，我们只关心介于0°到90°之间的单条边；另一个方向就是θ+π/2。如果边的表示形式是ax+by=c，那么可以通过第12到15步得到四条边的参数。步骤7(calculate criterion)是评价标准得分，它反映矩形与点的匹配程度。c1和c2是由θ确定的两个正交边上所有点的投影。

算法提供了三个评价标准来选择拟合的矩形：

矩形面积最小化;
点到边缘贴近度最大化;
点到边缘平方误差最小化;

根据我自身的场景，我实验了这3种评价标准，其中VARIANCE标准效果时间较长，效果会差一些。

@AREA

@NEAST

@VARIANCE

【点云处理】Lidar点云障碍物形状估计(2)相关推荐

【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 ...
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(2)

【点云处理】Lidar点云障碍物形状估计(2)相关推荐

最新文章

热门文章