【技术实现步骤摘要】
本申请涉及激光雷达，尤其涉及一种激光雷达补盲方法、装置、设备及存储介质。
技术介绍
1、在自动驾驶领域中，激光雷达在建图、定位以及感知等方面扮演着重要角色，无人车、机器人等无人驾驶设备利用激光雷达的高测距精度以及高稳定性的特点，其通过主动发射、接收激光，以测量激光飞行时间实现对设备周围环境的检测。但激光雷达的价格也相对高昂，随着无人车、机器人等设备逐渐走向商用，其对产品成本以及对环境感知能力提出更高要求。
2、由于产品结构、激光雷达的器件工艺等方面的影响，无人车、机器人等无人驾驶设备对激光雷达的部署位置并不一定能够很好地体现出其对环境的感知能力，而导致出现无法感知的问题，例如激光雷达的扫描区域不能完全覆盖设备感兴趣的区域、过多激光束照射在设备移动过程中无需关注的区域或激光束被设备自身的结构阻挡等问题。
3、对此，相关技术中为了进一步提升无人车、机器人等无人驾驶设备的感知能力，通常采用多传感器融合互补的方式，如在设备的多个位置安装激光雷达或超声波雷达等其他传感器，进而在空间上互补以实现大范围甚至是无死角感知。但相关技术的方案存在成本较高，并且由于传感器数量增加，设备对不同传感器所获取的数据进行处理的复杂度剧增，导致技术方案的实现难度大，难以实现低成本且高效地扩大设备感知范围，不利于产品的推广商用。
技术实现思路
1、本申请提供了一种激光雷达补盲方法、装置、设备及存储介质，解决了相关技术中无人驾驶设备扩大设备感知范围的难度大的问题，本方案能够有效地提升设备利用激
2、第一方面，本申请提供了一种激光雷达补盲方法，应用于激光定位设备，激光定位设备包括激光雷达和反射镜，反射镜设置在激光雷达的辐射路径上，反射镜用于将激光束反射至激光雷达的照射范围之外的区域，该激光雷达补盲方法包括：
3、提取激光雷达在感兴趣区域内所获取的roi点云数据，并对roi点云数据进行聚类，以确定若干组聚类点云数据；
4、对聚类点云数据进行平面拟合，并根据平面拟合后得到的平面参数确定反射镜对应的镜面平面参数；
5、栅格化激光雷达的感知区域，以确定对应感知区域的二维栅格图；
6、在二维栅格图上确定对应反射镜的目标栅格区域，并将镜面平面参数关联于目标栅格区域；
7、在确定激光点对应的栅格区域为二维栅格图上的目标栅格区域的情况下，基于激光点的三维坐标和目标栅格区域所关联的镜面平面参数，确定激光点的真实坐标。
8、第二方面，本申请还提供了一种激光雷达补盲装置，应用于激光定位设备，激光定位设备包括激光雷达和反射镜，反射镜设置在激光雷达的辐射路径上，反射镜用于将激光束反射至激光雷达的照射范围之外的区域，该激光雷达补盲装置包括：
9、点云数据获取模块，配置为提取激光雷达在感兴趣区域内所获取的roi点云数据，并对roi点云数据进行聚类，以确定若干组聚类点云数据；
10、平面参数获取模块，配置为对聚类点云数据进行平面拟合，并根据平面拟合后得到的平面参数确定反射镜对应的镜面平面参数；
11、栅格化模块，配置为栅格化激光雷达的感知区域，以确定对应感知区域的二维栅格图；
12、参数关联模块，配置为在二维栅格图上确定对应反射镜的目标栅格区域，并将镜面平面参数关联于目标栅格区域；
13、坐标输出模块，配置为在确定激光点对应的栅格区域为二维栅格图上的目标栅格区域的情况下，基于激光点的三维坐标和目标栅格区域所关联的镜面平面参数，确定激光点的真实坐标。
14、第三方面，本申请还提供了激光定位设备，其包括：
15、一个或多个处理器；
16、存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述的激光雷达补盲方法。
17、第四方面，本申请还提供了一种存储计算机可执行指令的存储介质，计算机可执行指令在由处理器执行时用于执行上述的激光雷达补盲方法。
18、本申请方案利用镜面对激光束的强反射能力，将激光束反射至盲区，通过对镜面平面参数的标定以及激光雷达所对应的感知区域的栅格化，建立栅格区域与镜面平面参数关联的二维栅格图，以便于确定经过反射镜反射的激光束的真实坐标，实现对盲区的补盲，进而有效地提升设备利用激光雷达进行感知时的感知范围，实现精准探测的同时还无需布置大量的激光雷达，有助于降低设备商用的落地成本。
本文档来自技高网...【技术保护点】
1.一种激光雷达补盲方法，其特征在于，应用于激光定位设备，所述激光定位设备包括激光雷达和反射镜，所述反射镜设置在所述激光雷达的辐射路径上，所述反射镜用于将激光束反射至所述激光雷达的照射范围之外的区域，所述激光雷达补盲方法包括：
2.根据权利要求1所述的激光雷达补盲方法，其特征在于，所述提取所述激光雷达在感兴趣区域内所获取的ROI点云数据，并对所述ROI点云数据进行聚类，以确定若干组聚类点云数据，包括：
3.根据权利要求1所述的激光雷达补盲方法，其特征在于，在所述基于点云距离和平面法向量，对所述ROI点云数据进行聚类，以划分出若干组聚类点云数据之前，所述激光雷达补盲方法还包括：
4.根据权利要求3所述的激光雷达补盲方法，其特征在于，所述过滤所提取的ROI点云数据，以去除所述ROI点云数据中的噪点数据，包括：
5.根据权利要求1所述的激光雷达补盲方法，其特征在于，所述对所述聚类点云数据进行平面拟合，并根据平面拟合后得到的平面参数确定所述反射镜对应的镜面平面参数，包括：
6.根据权利要求1所述的激光雷达补盲方法，其特征在于，所
7.根据权利要求1或5或6所述的激光雷达补盲方法，其特征在于，所述在确定激光点对应的栅格区域为所述二维栅格图上的目标栅格区域的情况下，基于所述激光点的三维坐标和所述目标栅格区域所关联的镜面平面参数，确定所述激光点的真实坐标，包括：
8.一种激光雷达补盲装置，其特征在于，应用于激光定位设备，所述激光定位设备包括激光雷达和反射镜，所述反射镜设置在所述激光雷达的辐射路径上，所述反射镜用于将激光束反射至所述激光雷达的照射范围之外的区域，所述激光雷达补盲装置包括：
9.一种激光定位设备，其特征在于，包括：
10.一种存储计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由处理器执行时用于执行如权利要求1-7中任一项所述的激光雷达补盲方法。
...【技术特征摘要】
1.一种激光雷达补盲方法，其特征在于，应用于激光定位设备，所述激光定位设备包括激光雷达和反射镜，所述反射镜设置在所述激光雷达的辐射路径上，所述反射镜用于将激光束反射至所述激光雷达的照射范围之外的区域，所述激光雷达补盲方法包括：
2.根据权利要求1所述的激光雷达补盲方法，其特征在于，所述提取所述激光雷达在感兴趣区域内所获取的roi点云数据，并对所述roi点云数据进行聚类，以确定若干组聚类点云数据，包括：
3.根据权利要求1所述的激光雷达补盲方法，其特征在于，在所述基于点云距离和平面法向量，对所述roi点云数据进行聚类，以划分出若干组聚类点云数据之前，所述激光雷达补盲方法还包括：
4.根据权利要求3所述的激光雷达补盲方法，其特征在于，所述过滤所提取的roi点云数据，以去除所述roi点云数据中的噪点数据，包括：
5.根据权利要求1所述的激光雷达补盲方法，其特征在于，所述对所述聚类点云数据进行平面拟合，并根据平面拟合后得到的平面参数...
【专利技术属性】
技术研发人员：黄彬，赖志林，周勇，李振，李良源，陈驹嵘，
申请(专利权)人：广州赛特智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。