【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种基于第一视角的动态空间信息解译与障碍检测方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
技术介绍
1、在计算机视觉领域，传统视觉方法主要依赖于2d图像处理技术。这些方法包括但不限于边缘检测、角点检测等，它们通过分析图像的颜色、纹理等特征来识别物体和场景。尽管这些技术在某些应用中取得了一定的成果，但它们存在明显的局限性。首先，这些方法对光照条件非常敏感，导致在不同光照环境下性能波动较大。其次，由于它们主要处理2d图像，因此在处理复杂的三维结构时能力有限。最后，这些方法的实时性较差，难以满足快速动态场景的需求。
2、近年来，深度学习方法，尤其是卷积神经网络（cnns）在图像识别和障碍物检测领域取得了显著进展。这些方法能够利用深层网络结构对传感器获取的数据进行语义分割或直接进行障碍物检测。深度学习方法通过学习数据的高层特征，提高了识别的准确性和鲁棒性。然而，这些方法也存在一些缺陷，最主要的问题是它们需要大量的标注数据进行训练，这不仅增加了数据准备的工作量，也限制了模型的泛化能力。此外，深度学习模型的部署相对困难，需要较高的计算资源，这在资源受限的环境中是一个挑战。并且，由于深度学习模型通常在有限的数据集上进行训练，它们可能在遇到未见过的场景时泛化能力不足，导致性能下降。
3、综上所述，现有技术在动态空间信息解译和障碍检测方面存在明显的局限性，特别是在实时性、泛化能力和对复杂三维结构的处理能力方面。
技术实现思路
1、
2、为了解决上述技术问题，本专利技术一方面提供了一种基于第一视角的动态空间信息解译与障碍检测方法，所述方法包括：
3、通过图像获取设备获取三维点云，得到当前视角下的局部空间点云；
4、将所述局部空间点云与已有全局点云进行比较，移除重叠点云，得到第一全局空间点云；其中，所述已有全局点云包括第一次看到的视角得到的点云；
5、计算所述局部空间点云与所述第一全局空间点云中所有点的距离，将小于或者等于预设距离的点云作为重合点云，将大于所述预设距离的局部点云合并至所述第一全局空间点云中，得到第二全局空间点云；
6、对所述第二全局空间点云进行压缩得到第三全局空间点云；
7、过滤所述第三全局空间点云中预设高度的点云数据作为障碍点云；
8、将所述第三全局空间点云中除去所述障碍点云之外的点云投影到x/y平面上，并归一化坐标，得到更新后的坐标，根据所述更新后的坐标进行障碍检测。
9、可选地，将所述局部空间点云与已有全局点云进行比较，移除重叠点云，得到第一全局空间点云包括：
10、计算所述已有全局点云与所述局部空间点云的距离；
11、筛选预定阈值距离范围内的点云，获得初步待过滤点云索引；
12、根据所述初步待过滤点云索引移除重叠点云，得到第一全局空间点云。
13、可选地，所述方法还包括：
14、通过统计学方法计算所述初步待过滤点云索引的离群点，去除所述离群点，保留剩余待过滤点云索引。
15、可选地，所述方法还包括：
16、计算所述剩余待过滤点云索引与智能体位置的夹角；
17、保留符合预定阈值角度范围内的点云索引，其他剩余点云索引为最终需要过滤的点云索引。
18、可选地，计算所述剩余待过滤点云索引与智能体位置的夹角包括：
19、步骤s1：计算所述剩余待过滤点云索引到智能体之间的向量x；
20、步骤s2：向量x归一化，得到x’；
21、步骤s3：将智能体视角方向归一化，得到y’
22、步骤s4：计算向量x’与y'的夹角，即通过点乘计算cos夹角，并转换单位为度数，得到d；
23、步骤s5：计算d的最大值max，最小值min，得到范围l，保留一定范围阈值r=0.1，得到范围min’: min+l*r， max’: max-l*r；
24、步骤s6：过滤角度d满足步骤s5中计算范围的索引，具体对不同轴有不同范围，x轴：min-max’；y轴：min-max’；z轴：min’-max’。
25、可选地，通过统计学方法计算所述初步待过滤点云索引的离群点，去除所述离群点，保留剩余待过滤点云索引包括：
26、通过计算所述初步待过滤点云索引的均值与平方差，保留所述均值与平方差符合预设阈值范围内的待过滤点云索引。
27、可选地，对所述第二全局空间点云进行压缩得到第三全局空间点云包括：
28、对所述第二全局空间点云基于均匀分布进行下采样；
29、根据点云预设的数据级，获取搜索半径和邻近点个数阈值；
30、基于所述搜索半径和邻近点个数阈值进行下采样，得到得到所述第三全局空间点云。
31、本专利技术第二方面提供了一种基于第一视角的动态空间信息解译与障碍检测装置，所述装置包括：
32、第一获取模块，用于通过图像获取设备获取三维点云，得到当前视角下的局部空间点云；
33、第二获取模块，用于将所述局部空间点云与已有全局点云进行比较，移除重叠点云，得到第一全局空间点云；其中，所述已有全局点云包括第一次看到的视角得到的点云；
34、第三获取模块，用于计算所述局部空间点云与所述第一全局空间点云中所有点的距离，将小于或者等于预设距离的点云作为重合点云，将大于所述预设距离的局部点云合并至所述第一全局空间点云中，得到第二全局空间点云；
35、压缩模块，用于对所述第二全局空间点云进行压缩得到第三全局空间点云；
36、过滤模块，用于过滤所述第三全局空间点云中预设高度的点云数据作为障碍点云；
37、检测模块，用于将所述第三全局空间点云中除去所述障碍点云之外的点云投影到x/y平面上，并归一化坐标，得到更新后的坐标，根据所述更新后的坐标进行障碍检测。
38、可选地，所述第二获取模块包括：
39、第一计算单元，用于计算所述已有全局点云与所述局部空间点云的距离；
40、筛选单元，用于筛选预定阈值距离范围内的点云，获得初步待过滤点云索引；
41、第一获取单元，用于根据所述初步待过滤点云索引移除重叠点云，得到第一全局空间点云。
42、可选地，所述第二获取模块还包括：
43、第二获取单元，用于通过统计学方法计算所述初步待过滤点云索引的离群点，去除所述离群点，保留剩余待过滤点云索引。
44、可选地，所述第二获取模块还包括：
45、第二计算单元，用于本文档来自技高网...
【技术保护点】
1.一种基于第一视角的动态空间信息解译与障碍检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于第一视角的动态空间信息解译与障碍检测方法，其特征在于，将所述局部空间点云与已有全局点云进行比较，移除重叠点云，得到第一全局空间点云包括：
3.根据权利要求2所述的基于第一视角的动态空间信息解译与障碍检测方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的基于第一视角的动态空间信息解译与障碍检测方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的基于第一视角的动态空间信息解译与障碍检测方法，其特征在于，计算所述剩余待过滤点云索引与智能体位置的夹角包括：
6.根据权利要求3所述的基于第一视角的动态空间信息解译与障碍检测方法，其特征在于，通过统计学方法计算所述初步待过滤点云索引的离群点，去除所述离群点，保留剩余待过滤点云索引包括：
7.根据权利要求1所述的基于第一视角的动态空间信息解译与障碍检测方法，其特征在于，对所述第二全局空间点云进行压缩得到第三全局空间点云包括：
8.一种基
9.根据权利要求8所述的基于第一视角的动态空间信息解译与障碍检测装置，其特征在于，所述第二获取模块包括：
10.根据权利要求9所述的基于第一视角的动态空间信息解译与障碍检测方法，其特征在于，所述第二获取模块还包括：
11.根据权利要求10所述的基于第一视角的动态空间信息解译与障碍检测方法，其特征在于，所述第二获取模块还包括：
12. 一种电子设备，包括：
13.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行根据权利要求1-7中任一项所述的方法。
14.一种计算机程序产品，其特征在于，所述计算机程序产品包括指令，当所述指令被执行时，使得计算机执行权利要求1至7中任一项所述的方法。
...【技术特征摘要】
1.一种基于第一视角的动态空间信息解译与障碍检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于第一视角的动态空间信息解译与障碍检测方法，其特征在于，将所述局部空间点云与已有全局点云进行比较，移除重叠点云，得到第一全局空间点云包括：
3.根据权利要求2所述的基于第一视角的动态空间信息解译与障碍检测方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的基于第一视角的动态空间信息解译与障碍检测方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的基于第一视角的动态空间信息解译与障碍检测方法，其特征在于，计算所述剩余待过滤点云索引与智能体位置的夹角包括：
6.根据权利要求3所述的基于第一视角的动态空间信息解译与障碍检测方法，其特征在于，通过统计学方法计算所述初步待过滤点云索引的离群点，去除所述离群点，保留剩余待过滤点云索引包括：
7.根据权利要求1所述的基于第一视角的动态空间信...
【专利技术属性】
技术研发人员：刘潇，陈浩，郝双，诸加丹，赵伟松，
申请(专利权)人：北京通用人工智能研究院，
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。