隧道障碍物检测方法及装置与流程

1.本技术属于安全检测技术领域，尤其涉及一种隧道障碍物检测方法及装置。


背景技术：

2.随着经济迅速发展，轨道交通领域基础设施建设投入加大，隧道在轨交领域总量增加。当前，探测隧道内壁表面成像任务中，探测设备与隧道壁工作间距较近(一般在10cm左右)，隧道内壁并不完全平滑，时常有长钉、线缆等异物伸出，为避免探测设备与异物发生碰撞(即异物侵界)，需要时刻监测车辆前向空间。
3.人工监视前方异物，存在人员漏检、人员工作负荷高等问题，并且受人眼能力所限车速无法提高，检测效率较低。一些基于3d激光雷达的解决方案可以减少人力，但隧道壁探出的异物体积小、距离远，点云过于稀疏，障碍物检测精度和准确度较低，对于小体积的异物容易出现漏检，进而导致碰撞事故。


技术实现要素：

4.本技术旨在至少解决现有技术中存在的技术问题之一。为此，本技术提出一种隧道障碍物检测方法及装置，可以有效增加点云稠密度，提高障碍物检测精度和准确度，降低障碍物漏检率。
5.第一方面，本技术提供了一种隧道障碍物检测方法，该方法包括：
6.获取隧道行进区域的第一点云数据帧和惯性测量数据，目标车辆在所述隧道行进区域行驶，所述第一点云数据帧为所述目标车辆的雷达设备采集的；
7.基于所述惯性测量数据，对所述第一点云数据帧进行运动畸变矫正，得到第二点云数据帧；
8.去除所述第二点云数据帧中所述目标车辆对应的点云数据，得到所述隧道行进区域的隧道壁点云数据集；
9.基于所述隧道壁点云数据集，构建所述隧道行进区域的稠密点云地图；
10.基于所述稠密点云地图，确定所述隧道行进区域的障碍物检测信息。
11.根据本技术的隧道障碍物检测方法，通过矫正点云数据运动畸变，保证点云数据准确度，再去除车身的干扰点云数据，减少点云数据量，无需执行隧道预建图流程，直接进行实时的稠密化建图，可以有效增加点云稠密度，提高障碍物检测精度和准确度，降低小体积障碍物漏检率。
12.根据本技术的一个实施例，所述基于所述惯性测量数据，对所述第一点云数据帧进行运动畸变矫正，得到第二点云数据帧，包括：
13.基于所述第一点云数据帧和所述惯性测量数据，确定所述雷达设备的设备位姿信息；
14.根据所述设备位姿信息，矫正所述第一点云数据帧的运动畸变，得到所述第二点云数据帧。
15.根据本技术的一个实施例，所述基于所述第一点云数据帧和所述惯性测量数据，确定所述雷达设备的设备位姿信息，包括：
16.获取所述第一点云数据帧的时间戳信息；
17.基于所述时间戳信息，确定所述第一点云数据帧中每个点云点的数据采集时刻；
18.基于所述数据采集时刻，在所述惯性测量数据中查找与所述每个点云点采集时刻相邻的第一惯性数据，所述第一惯性数据和所述点云点一一对应；
19.基于所述第一惯性数据，确定所述设备位姿信息。
20.根据本技术的一个实施例，所述去除所述第二点云数据帧中所述目标车辆对应的点云数据，得到所述隧道行进区域的隧道壁点云数据集，包括：
21.确定所述第二点云数据帧中的预设车辆位置；
22.基于所述预设车辆位置，在所述第二点云数据帧中进行平面拟合，获取所述目标车辆的车辆点云数据集；
23.从所述第二点云数据帧中去除所述车辆点云数据集，得到所述隧道壁点云数据集。
24.根据本技术的一个实施例，所述基于所述预设车辆位置，在所述第二点云数据帧中进行平面拟合，获取所述目标车辆的车辆点云数据集，包括：
25.基于所述第二点云数据帧和所述预设车辆位置，对所述目标车辆的车身顶面进行平面拟合，得到所述目标车辆的顶面点云数据集；
26.在确定所述顶面点云数据集的点云数量大于点云数量阈值的情况下，获取所述车辆点云数据集。
27.根据本技术的一个实施例，所述基于所述预设车辆位置，在所述第二点云数据帧中进行平面拟合，获取所述目标车辆的车辆点云数据集，包括：
28.基于所述第二点云数据帧和所述预设车辆位置，对所述目标车辆的车身顶面进行平面拟合，得到所述目标车辆的顶面点云数据集；
29.在确定所述顶面点云数据集的点云数量小于或等于点云数量阈值的情况下，对所述第二点云数据帧的整体点云空间进行平面拟合，并提取所述第二点云数据帧中底部空间位置的平面点云数据集；
30.基于所述点云数量阈值，筛选所述平面点云数据集中的无效平面空间点云，获取所述车辆点云数据集。
31.根据本技术的一个实施例，在所述得到所述隧道行进区域的隧道壁点云数据集之后，在所述构建所述隧道行进区域的稠密点云地图之前，所述方法还包括：
32.根据感兴趣空间算法，裁剪所述隧道壁点云数据集。
33.根据本技术的一个实施例，所述基于所述隧道壁点云数据集，构建所述隧道行进区域的稠密点云地图，包括：
34.对所述隧道壁点云数据集进行帧间点云配准，得到帧间点云转换矩阵；
35.基于所述隧道壁点云数据集和所述帧间点云转换矩阵，构建所述稠密点云地图。
36.根据本技术的一个实施例，所述基于所述隧道壁点云数据集和所述帧间点云转换矩阵，构建所述稠密点云地图，包括：
37.构建所述隧道壁点云数据集的当前帧点云数据对应的第一点云地图；
38.基于所述帧间点云转换矩阵，将下一帧点云数据累加至所述当前帧点云数据，构建第二点云地图；
39.在确定所述第二点云地图的帧数大于建图帧数阈值的情况下，获得所述稠密点云地图。
40.根据本技术的一个实施例，所述基于所述稠密点云地图，确定所述隧道行进区域的障碍物检测信息，包括：
41.构建所述目标车辆在所述隧道行进区域行进的目标空间模型；
42.基于所述稠密点云地图和所述目标空间模型，进行侵界检测，确定所述障碍物检测信息。
43.第二方面，本技术提供了一种隧道障碍物检测装置，该装置包括：
44.获取模块，用于获取隧道行进区域的第一点云数据帧和惯性测量数据，目标车辆在所述隧道行进区域行驶，所述第一点云数据帧为所述目标车辆的雷达设备采集的；
45.第一处理模块，用于基于所述惯性测量数据，对所述第一点云数据帧进行运动畸变矫正，得到第二点云数据帧；
46.第二处理模块，用于去除所述第二点云数据帧中所述目标车辆对应的点云数据，得到所述隧道行进区域的隧道壁点云数据集；
47.第三处理模块，用于基于所述隧道壁点云数据集，构建所述隧道行进区域的稠密点云地图；
48.第四处理模块，用于基于所述稠密点云地图，确定所述隧道行进区域的障碍物检测信息。
49.根据本技术的隧道障碍物检测装置，通过矫正点云数据运动畸变，保证点云数据准确度，再去除车身的干扰点云数据，减少点云数据量，无需执行隧道预建图流程，直接进行实时的稠密化建图，可以有效增加点云稠密度，提高障碍物检测精度和准确度，降低小体积障碍物漏检率。
50.第三方面，本技术提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的隧道障碍物检测方法。
51.第四方面，本技术提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的隧道障碍物检测方法。
52.第五方面，本技术提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的隧道障碍物检测方法。
53.本技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
54.本技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
55.图1是本技术实施例提供的隧道障碍物检测方法的流程示意图之一；
56.图2是本技术实施例提供的隧道障碍物检测方法的流程示意图之二；
57.图3是本技术实施例提供的雷达设备采集第一点云数据帧的示意图；
58.图4是本技术实施例提供运动畸变矫正的第二点云数据帧的示意图；
59.图5是本技术实施例提供的隧道障碍物检测装置的结构示意图；
60.图6是本技术实施例提供的电子设备的结构示意图。
具体实施方式
61.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员获得的所有其他实施例，都属于本技术保护的范围。
62.本技术的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
63.下面结合附图，通过具体的实施例及其应用场景对本技术实施例提供的隧道障碍物检测方法、隧道障碍物检测装置、电子设备和可读存储介质进行详细地说明。
64.其中，隧道障碍物检测方法可应用于终端，具体可由，终端中的硬件或软件执行。
65.该终端包括但不限于具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的移动电话或平板电脑等便携式通信设备。还应当理解的是，在某些实施例中，该终端可以不是便携式通信设备，而是具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的台式计算机。
66.以下各个实施例中，描述了包括显示器和触摸敏感表面的终端。然而，应当理解的是，终端可以包括诸如物理键盘、鼠标和控制杆的一个或多个其它物理用户接口设备。
67.本技术实施例提供的隧道障碍物检测方法，该隧道障碍物检测方法的执行主体可以为电子设备或者电子设备中能够实现该隧道障碍物检测方法的功能模块或功能实体，本技术实施例提及的电子设备包括但不限于手机、平板电脑、电脑、相机和可穿戴设备等，下面以电子设备作为执行主体为例对本技术实施例提供的隧道障碍物检测方法进行说明。
68.如图1所示，该隧道障碍物检测方法包括：步骤110至步骤150。
69.步骤110、获取隧道行进区域的第一点云数据帧和惯性测量数据。
70.其中，目标车辆在隧道行进区域行驶，第一点云数据帧为目标车辆的雷达设备采集的，惯性测量数据为目标车辆的惯性测量单元采集的。
71.隧道行进区域可以是位于目标车辆前方的隧道内区域，即目标车辆的前向行进空间。
72.在该实施例中，雷达设备设置于目标车辆上，雷达设备所采集的第一点云数据帧包括隧道行进区域的点云数据以及目标车辆的点云数据。
73.可以理解的是，目标车辆在隧道内行进，隧道内壁并不完全光滑，可能会有长钉、线缆等障碍物伸出，这些隧道内壁的障碍物可能和目标车辆或目标车辆上的设备发生碰撞，造成损伤。
74.目标车辆设有雷达设备和惯性测量单元(inertial measurement unit，imu)，其中，惯性测量单元是测量物体三轴姿态角(或角速率)以及加速度的装置。
75.在该实施例中，雷达设备用于采集隧道行进区域的第一点云数据帧，惯性测量单元用于采集目标车辆的惯性测量数据。
76.在实际执行中，雷达设备可以为激光雷达，通过发射激光束探测，接收从目标反射回来的信号与发射信号进行比较，经过处理后得到目标的距离、方位、高度、速度、姿态及形状等参数。
77.步骤120、基于惯性测量数据，对第一点云数据帧进行运动畸变矫正，得到第二点云数据帧。
78.可以理解的是，在目标车辆的行进过程中，目标车辆处于运动状态，第一点云数据帧为动态采集实时点云数据，每帧内的各个点云数据是雷达设备在不同时刻也就是不同基准位姿采集获得，采集过程中目标车辆车身的运动会导致点云数据产生运动畸变。
79.以雷达设备为激光雷达为例，如图3所示，作业过程中目标车辆以及激光雷达沿着运动方向运动，图3所示平面为激光雷达单帧点云数据。
80.在该步骤中，根据目标车辆的惯性测量数据矫正雷达设备采集的第一点云数据帧的运动畸变，得到单帧去畸变后的第二点云数据帧，点云数据更加准确，可以提高后续使用点云数据进行建图的准确度和精度。
81.例如，如图4所示，未处理的运势畸变数据存在一定的倾斜角度，通过惯性测量数据矫正后的去畸变数据不存在倾斜角度，更加贴近扫描物体真实的形状、位姿。
82.在实际执行中，可以实时获取雷达设备采集的第一点云数据帧，遍历第一点云数据帧的各点数据，将点云数据中数值为nan的点云输出，筛选后获得只保留有效点云数据帧的第一点云数据帧，然后再通过惯性测量数据进行运动畸变矫正。
83.步骤130、去除第二点云数据帧中目标车辆对应的点云数据，得到隧道行进区域的隧道壁点云数据集。
84.可以理解的是，在雷达设备的成像视野中包括隧道场景对应的点云数据和目标车辆对应的点云数据(主要是目标车辆车身对应的点云数据)，在实际行进过程中，目标车辆上的雷达设备和目标车辆的车身处于相对静态状态，也即目标车辆对应的点云数据在雷达设备采集的点云中属于动态点云。
85.在该步骤中，基于去除运动畸变后的第二点云数据帧，将第二点云数据帧中目标车辆对应的点云数据去除，保留第二点云数据帧中隧道场景对应的点云数据，得到去除干扰的隧道壁点云数据集，减少点云数据的数据量，有助于提升隧道障碍物检测的效率。
86.步骤140、基于隧道壁点云数据集，构建隧道行进区域的稠密点云地图。
87.在该步骤中，根据隧道壁点云数据集，对隧道行进区域进行稠密化的实时建图，得到隧道行进区域的稠密点云地图。
88.在该实施例中，通过惯性测量数据矫正第一点云数据帧的运动畸变，提高点云数据的准确度，保证后续建图精度，去除第二点云数据帧中目标车辆对应的点云数据，得到无干扰的隧道壁点云数据集，可以减少稠密化建图时的干扰点云数据量，提升稠密化建图速度。
89.步骤150、基于稠密点云地图，确定隧道行进区域的障碍物检测信息。
90.在该步骤中，根据隧道行进区域的稠密点云地图，可以得到隧道行进区域的障碍物检测信息，障碍物检测信息包括隧道行进区域的隧道内壁是否存在长钉、线缆等障碍物等信息。
91.在实际执行中，可以根据隧道行进区域的障碍物检测信息，调整目标车辆的行进动作，以及对隧道行进区域的隧道内壁存在的长钉、线缆等障碍物及时进行处理。
92.同时定位与地图构建(simultaneous localization and mapping，slam)可以应用隧道的探测工作。
93.相关技术中，为减少人力，通过3d激光雷达对隧道进行探测，对采集隧道数据进行离线后处理，使用离线数据进行同时定位与地图构建，判断隧道内的障碍物存在情况，但隧道壁探出的异物体积小、距离远，点云过于稀疏，障碍物检测精度和准确度较低，对于小体积的异物容易出现漏检，进而导致碰撞事故。
94.并且，现有建图架构在实际部署时对计算设备性能要求较高，计算耗时较多、建图精度差，还需要提前采集轨交数据进行预先建图，费时费力。
95.本技术实施例中，通过惯性测量数据矫正点云数据运动畸变，保证点云数据准确度，并去除目标车辆车身的干扰点云数据，减少点云数据量，无需执行隧道预建图流程，实现实时的稠密化建图，有效提升检测效率，降低小体积障碍物漏检率，且对计算设备性能要求不高，可以在轻量级计算设备上建图。
96.根据本技术实施例提供的隧道障碍物检测方法，通过矫正点云数据运动畸变，保证点云数据准确度，再去除车身的干扰点云数据，减少点云数据量，无需执行隧道预建图流程，直接进行实时的稠密化建图，可以有效增加点云稠密度，提高障碍物检测精度和准确度，降低小体积障碍物漏检率。
97.在一些实施例中，步骤120、基于惯性测量数据，对第一点云数据帧进行运动畸变矫正，得到第二点云数据帧，可以包括：
98.基于第一点云数据帧和惯性测量数据，确定雷达设备的设备位姿信息；
99.根据设备位姿信息，矫正第一点云数据帧的运动畸变，得到第二点云数据帧。
100.在该实施例中，通过雷达设备采集的第一点云数据帧和惯性测量单元采集的惯性测量数据，可以确定出雷达设备的设备位姿信息，进而根据雷达设备的设备位姿信息，矫正雷达设备因运动在第一点云数据帧中出现的运动畸变，得到去除运动畸变的第二点云数据帧。
101.在一些实施例中，基于第一点云数据帧和惯性测量数据，确定雷达设备的设备位姿信息，可以包括：
102.获取第一点云数据帧的时间戳信息；
103.基于时间戳信息，确定第一点云数据帧中每个点云点的数据采集时刻；
104.基于数据采集时刻，在惯性测量数据中查找与每个点云点采集时刻相邻的第一惯性数据，第一惯性数据和点云点一一对应；
105.基于第一惯性数据，确定设备位姿信息。
106.需要注意的是，目标车辆处于运动状态，第一点云数据帧为动态采集实时点云数据，每帧内的各个点云数据是雷达设备在不同时刻也就是不同基准位姿采集获得。
107.在该实施例中，不同数据采集时刻对应的雷达设备的位姿不同，根据时间戳信息
确定出每个点云点的数据采集时刻，在惯性测量数据中一一对应地查找出与每个点云点采集时刻相邻的第一惯性数据，根据第一点云数据帧中所有点云点对应的第一惯性数据，可以确定出采集该第一点云数据帧时雷达设备对应的设备位姿信息。
108.下面介绍一个矫正运动畸变的具体实施例。
109.在该实施例中获取雷达设备采集的第一点云数据帧，同时获取惯性测量单元采集的惯性测量数据。
110.提取第一点云数据帧的起点和尾点的时间戳信息，作差获得起点尾点时间戳之差t
diff
。
111.第一点云数据帧的点云数据量为n
point
，根据第一点云数据帧的起点尾点时间戳之差和点云数据量，可以计算得到帧内点云单点耗时，计算公式如下：
112.p
evr
＝t
diff
/n
point
113.其中，p
evr
为帧内点云单点耗时。
114.根据帧内点云单点耗时与点云点距离起点之间的距离数据，可以获得每个点云点对应的数据采集时刻。
115.根据数据采集时刻在缓存惯性测量数据的惯性测量数据队列中查找时刻相邻的第一惯性数据，每个点云点对应一个时刻相邻的第一惯性数据。
116.根据第一点云数据帧的点云点对应第一惯性数据，通过球面线性差值可计算当前点云点的雷达设备位姿。
117.通过齐次矩阵变换计算可以将当前点云点转换到起点的统一位姿下，遍历帧内所有点，执行位姿变换计算，可获得单帧去畸变后的点云数据帧，即第二点云数据帧。
118.在一些实施例中，步骤130、去除第二点云数据帧中目标车辆对应的点云数据，得到隧道行进区域的隧道壁点云数据集，可以包括：
119.确定第二点云数据帧中的预设车辆位置；
120.基于预设车辆位置，在第二点云数据帧中进行平面拟合，获取目标车辆的车辆点云数据集；
121.从第二点云数据帧中去除车辆点云数据集，得到隧道壁点云数据集。
122.其中，预设车辆位置是第二点云数据帧中的预先设置的车辆位置。
123.例如，可以将雷达设备的成像视野的左下角区域预先设置为预设车辆位置，在获得去除运动畸变的第二点云数据帧后，确定出第二点云数据帧中的预设车辆位置。
124.在该实施例中，先在第二点云数据帧预设出目标车辆的预设车辆位置，进行平面拟合，确定目标车辆的真实位置，获得目标车辆的车辆点云数据集，去除车辆点云数据集，得到隧道行进区域内无干扰的隧道内壁点云数据集。
125.在实际执行中，可以基于第二点云数据帧和预设车辆位置，对目标车辆的车身顶面进行平面拟合，得到目标车辆的顶面点云数据集，根据顶面点云数据集的点云数量和点云数量阈值进行比较，判断是否获取到有效的车辆点云数据集，如果没有获取到有效的车辆点云数据集，则需要就那些二次拟合。
126.其中，点云数量阈值可以为根据经验设计的数值，可以根据实际运用需求进行调整，便于实际现场部署应用。
127.在一些实施例中，基于预设车辆位置，在第二点云数据帧中进行平面拟合，获取目
标车辆的车辆点云数据集，可以包括：
128.基于第二点云数据帧和预设车辆位置，对目标车辆的车身顶面进行平面拟合，得到目标车辆的顶面点云数据集；
129.在确定顶面点云数据集的点云数量大于点云数量阈值的情况下，获取车辆点云数据集。
130.在该实施例中，目标车辆的顶面点云数据集的点云数量大于点云数量阈值，表示根据第二点云数据帧和预设车辆位置，对目标车辆的车身顶面进行平面拟合，可以获取到有效的车辆点云数据集。
131.需要说明的是，通过预先设置目标车辆对应的预设车辆位置，进行平面拟合获取有效的车辆点云数据集，可以降低目标车辆对应的点云数据在第二点云数据帧中识别的计算耗时。
132.在一些实施例中，基于预设车辆位置，在第二点云数据帧中进行平面拟合，获取目标车辆的车辆点云数据集，可以包括：
133.基于第二点云数据帧和预设车辆位置，对目标车辆的车身顶面进行平面拟合，得到目标车辆的顶面点云数据集；
134.在确定顶面点云数据集的点云数量小于或等于点云数量阈值的情况下，对第二点云数据帧的整体点云空间进行平面拟合，并提取第二点云数据帧中底部空间位置的平面点云数据集；
135.基于点云数量阈值，筛选平面点云数据集中的无效平面空间点云，获取车辆点云数据集。
136.在该实施例中，目标车辆的顶面点云数据集的点云数量小于或等于点云数量阈值，表示根据第二点云数据帧和预设车辆位置，对目标车辆的车身顶面进行平面拟合，无法获取到有效的车辆点云数据集，需要对第二点云数据帧的整体点云空间进行平面拟合，以获取到有效的车辆点云数据集。
137.下面介绍一个矫正运动畸变的具体实施例。
138.在雷达设备的成像视野中预先设置目标车辆对应的预设车辆位置，预设车辆位置的预设点为p1。
139.根据第二点云数据帧中p1处的点云数据信息，采用ransac平面拟合算法实时获取顶面点云数据集q
train
，计算q
train
的点云数量n
t
。
140.点云数量阈值为n
conf
，当n
t
》n
conf
时，表示对目标车辆的顶面进行平面拟合已经获取到有效的车辆点云数据集。
141.当n
t
≤n
conf
时，表示未获取到有效的车辆点云数据集，需要对第二点云数据帧的整体点云空间进行平面拟合，提取位于底部空间位置的平面点云集，根据点云数量阈值筛选平面点云集的无效平面空间点，最终提取有效的车辆点云数据集。
142.在该实施例中，通过在雷达设备的成像视野中预先设置目标车辆对应的预设车辆位置，对第二点云数据帧进行平面拟合获取有效的车辆点云数据集，可以降低目标车辆对应的点云数据在第二点云数据帧中识别的计算耗时。
143.在一些实施例中，在步骤130、得到隧道行进区域的隧道壁点云数据集之后，在步骤140、构建隧道行进区域的稠密点云地图之前，隧道障碍物检测方法还可以包括：
144.根据感兴趣空间算法，裁剪隧道壁点云数据集。
145.在实际执行中，获取实时建图的稠密点云地图，视场的某些空间区域为无须检测区域，且隧道行进区域的前向距离过大的空间点云数据集也无须检测。
146.在该实施例中，根据感兴趣空间算法，确定出隧道行进区域的无须检测区域，将隧道壁点云数据集中无须检测区域对应的点云数据裁剪去除，有效减少点云数据量，提升后续实时稠密建图的建图效率和建图精度。
147.在一些实施例中，步骤140、基于隧道壁点云数据集，构建隧道行进区域的稠密点云地图，可以包括：
148.对隧道壁点云数据集进行帧间点云配准，得到帧间点云转换矩阵；
149.基于隧道壁点云数据集和帧间点云转换矩阵，构建稠密点云地图。
150.在该实施例中，通过隧道壁点云数据集中的帧间点云配准，得到隧道壁点云数据集中点云帧与点云帧之间的帧间点云转换矩阵，通过帧间点云转换矩阵对点云帧进行转换，累加点云帧，实现实时的稠密化建图。
151.在实际执行中，可以通过配准算法，计算隧道壁点云数据集的帧间点云转换矩阵，例如，可以利用normal-distributions transform点云配准算法获取帧间点云转换矩阵。
152.在进行帧间配准之前，可以对隧道壁点云数据集进行滤波稀疏处理，采用栅格数据结构来表示空间的有效点云数据信息，保证有效点云数据信息的基础上减少隧道壁点云数据集的目标点云数据量，提升配准算法计算速率。
153.在一些实施例中，基于隧道壁点云数据集和帧间点云转换矩阵，构建稠密点云地图，包括：
154.构建隧道壁点云数据集的当前帧点云数据对应的第一点云地图；
155.基于帧间点云转换矩阵，将下一帧点云数据累加至当前帧点云数据，构建第二点云地图；
156.在确定第二点云地图的帧数大于建图帧数阈值的情况下，获得稠密点云地图。
157.在该实施例中，构建当前帧点云数据对应的第一点云地图，通过帧间点云转换矩阵对点云帧进行转换，将下一帧点云数据累加至当前帧点云数据，稠密化点云数据，构建第二点云地图。
158.当确定第二点云地图的帧数大于建图帧数阈值时，判断点云帧的累加满足稠密化要求，将第二点云地图作为稠密点云地图。
159.当确定第二点云地图的帧数小于或等于建图帧数阈值时，判断点云帧的累加还未满足稠密化要求，继续将新的下一帧点云数据累加至新的当前帧点云数据，在原来的点云地图的基础上，构建新的点云地图，最终获得稠密点云地图。
160.下面介绍一个实时稠密化建图的具体实施例。
161.根据稠密化建图需求，设置建图帧数阈值n
map
，n
map
表示实时建图所含数据帧数量信息。
162.针对隧道壁点云数据集的当前帧点云数据，构建第一点云地图map1，将下一帧点云数据利用帧间转换矩阵实时累加在当前帧点云数据，构建第二点云地图map2。
163.若新建图map2所含帧数小于或等于建图帧阈值n
map
，则继续对下一帧点云数据计算帧间转换矩阵，重复计算累加流程，直到满足建图帧数据阈值n
map
，获取稠密点云地图。
164.在一些实施例中，步骤150、基于稠密点云地图，确定隧道行进区域的障碍物检测信息，可以包括：
165.构建目标车辆在隧道行进区域行进的目标空间模型；
166.基于稠密点云地图和目标空间模型，进行侵界检测，确定障碍物检测信息。
167.在该实施例中，依据目标车辆在隧道行进区域行进的空间满足最小通过界所属空间进行建模，得到目标空间模型，根据目标空间模型和稠密点云地图进行侵界检测，确定障碍物检测信息，实现隧道内小体积异物检测。
168.下面介绍一个具体的实施例。
169.如图2所示，目标车辆的雷达设备采集原始点云帧数据(第一点云数据帧)，惯用测量单元采集imu数据(惯性测量数据)。
170.对原始点云帧数据进行预处理，提取并去除无效点云数据后，利用imu数据对单帧点云做运动补偿，去除点云数据帧中的运动畸变。
171.去除动态干扰点云数据集(车身点云数据集)，先设置预设车辆位置，通过平面拟合提取车辆点云数据集，从去除运动畸变的点云数据中剔除车辆点云数据集，得到无干扰的隧道壁点云数据集。
172.基于隧道壁点云数据集，计算帧间点云转换矩阵，通过帧间点云转换矩阵稠密化点云数据集，实时积分建图，构建稠密点云地图。
173.利用目标车辆在隧道行进区域行进的空间满足最小通过界所属空间对应的目标空间模型进行侵界检测，确定隧道内的障碍物检测信息。
174.在该实施例中，通过imu数据矫正点云数据运动畸变，保证点云数据准确度，去除动态干扰点云数据集，减少点云数据量，无需执行隧道预建图流程，实现实时的稠密化建图，有效提升检测效率，降低小体积障碍物漏检率。
175.本技术实施例提供的隧道障碍物检测方法，执行主体可以为隧道障碍物检测装置。本技术实施例中以隧道障碍物检测装置执行隧道障碍物检测方法为例，说明本技术实施例提供的隧道障碍物检测装置。
176.本技术实施例还提供一种隧道障碍物检测装置。
177.如图5所示，该隧道障碍物检测装置包括：
178.获取模块510，用于获取隧道行进区域的第一点云数据帧和惯性测量数据，目标车辆在隧道行进区域行驶，第一点云数据帧为目标车辆的雷达设备采集的；
179.第一处理模块520，用于基于惯性测量数据，对第一点云数据帧进行运动畸变矫正，得到第二点云数据帧；
180.第二处理模块530，用于去除第二点云数据帧中目标车辆对应的点云数据，得到隧道行进区域的隧道壁点云数据集；
181.第三处理模块540，用于基于隧道壁点云数据集，构建隧道行进区域的稠密点云地图；
182.第四处理模块550，用于基于稠密点云地图，确定隧道行进区域的障碍物检测信息。
183.根据本技术实施例提供的隧道障碍物检测装置，通过矫正点云数据运动畸变，保证点云数据准确度，再去除车身的干扰点云数据，减少点云数据量，无需执行隧道预建图流
程，直接进行实时的稠密化建图，可以有效增加点云稠密度，提高障碍物检测精度和准确度，降低小体积障碍物漏检率。在一些实施例中，第一处理模块520，用于基于第一点云数据帧和惯性测量数据，确定雷达设备的设备位姿信息；
184.根据设备位姿信息，矫正第一点云数据帧的运动畸变，得到第二点云数据帧。
185.在一些实施例中，第一处理模块520，用于获取第一点云数据帧的时间戳信息；
186.基于时间戳信息，确定第一点云数据帧中每个点云点的数据采集时刻；
187.基于数据采集时刻，在惯性测量数据中查找与每个点云点采集时刻相邻的第一惯性数据，第一惯性数据和点云点一一对应；
188.基于第一惯性数据，确定设备位姿信息。
189.在一些实施例中，第二处理模块530，用于确定第二点云数据帧中的预设车辆位置；
190.基于预设车辆位置，在第二点云数据帧中进行平面拟合，获取目标车辆的车辆点云数据集；
191.从第二点云数据帧中去除车辆点云数据集，得到隧道壁点云数据集。
192.在一些实施例中，第二处理模块530，用于基于第二点云数据帧和预设车辆位置，对目标车辆的车身顶面进行平面拟合，得到目标车辆的顶面点云数据集；
193.在确定顶面点云数据集的点云数量大于点云数量阈值的情况下，获取车辆点云数据集。
194.在一些实施例中，第二处理模块530，用于基于第二点云数据帧和预设车辆位置，对目标车辆的车身顶面进行平面拟合，得到目标车辆的顶面点云数据集；
195.在确定顶面点云数据集的点云数量小于或等于点云数量阈值的情况下，对第二点云数据帧的整体点云空间进行平面拟合，并提取第二点云数据帧中底部空间位置的平面点云数据集；
196.基于点云数量阈值，筛选平面点云数据集中的无效平面空间点云，获取车辆点云数据集。
197.在一些实施例中，第二处理模块530，还用于根据感兴趣空间算法，裁剪隧道壁点云数据集。
198.在一些实施例中，第三处理模块540，用于对隧道壁点云数据集进行帧间点云配准，得到帧间点云转换矩阵；
199.基于隧道壁点云数据集和帧间点云转换矩阵，构建稠密点云地图。
200.在一些实施例中，第三处理模块540，用于构建隧道壁点云数据集的当前帧点云数据对应的第一点云地图；
201.基于帧间点云转换矩阵，将下一帧点云数据累加至当前帧点云数据，构建第二点云地图；
202.在确定第二点云地图的帧数大于建图帧数阈值的情况下，获得稠密点云地图。
203.在一些实施例中，第四处理模块550，用于构建目标车辆在隧道行进区域行进的目标空间模型；
204.基于稠密点云地图和目标空间模型，进行侵界检测，确定障碍物检测信息。
205.本技术实施例中的隧道障碍物检测装置可以是电子设备，也可以是电子设备中的
部件，例如集成电路或芯片。该电子设备可以是终端，也可以为除终端之外的其他设备。示例性的，电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、移动上网装置(mobile internet device，mid)、增强现实(augmented reality，ar)/虚拟现实(virtual reality，vr)设备、机器人、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，umpc)、上网本或者个人数字助理(personal digital assistant，pda)等，还可以为服务器、网络附属存储器(network attached storage，nas)、个人计算机(personal computer，pc)、电视机(television，tv)、柜员机或者自助机等，本技术实施例不作具体限定。
206.本技术实施例中的隧道障碍物检测装置可以为具有操作系统的装置。该操作系统可以为安卓(android)操作系统，可以为ios操作系统，还可以为其他可能的操作系统，本技术实施例不作具体限定。
207.本技术实施例提供的隧道障碍物检测装置能够实现图1至图4的方法实施例实现的各个过程，为避免重复，这里不再赘述。
208.在一些实施例中，如图6所示，本技术实施例还提供一种电子设备600，包括处理器601、存储器602及存储在存储器602上并可在处理器601上运行的计算机程序，该程序被处理器601执行时实现上述隧道障碍物检测方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
209.需要说明的是，本技术实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
210.本技术实施例还提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述隧道障碍物检测方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
211.其中，所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器rom、随机存取存储器ram、磁碟或者光盘等。
212.本技术实施例还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述隧道障碍物检测方法。
213.其中，所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器rom、随机存取存储器ram、磁碟或者光盘等。
214.本技术实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述隧道障碍物检测方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
215.应理解，本技术实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
216.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该
要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本技术实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
217.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，或者网络设备等)执行本技术各个实施例所述的方法。
218.上面结合附图对本技术的实施例进行了描述，但是本技术并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本技术的启示下，在不脱离本技术宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本技术的保护之内。
219.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
220.尽管已经示出和描述了本技术的实施例，本领域的普通技术人员可以理解：在不脱离本技术的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本技术的范围由权利要求及其等同物限定。

技术特征：
1.一种隧道障碍物检测方法，其特征在于，包括：获取隧道行进区域的第一点云数据帧和惯性测量数据，目标车辆在所述隧道行进区域行驶，所述第一点云数据帧为所述目标车辆的雷达设备采集的；基于所述惯性测量数据，对所述第一点云数据帧进行运动畸变矫正，得到第二点云数据帧；去除所述第二点云数据帧中所述目标车辆对应的点云数据，得到所述隧道行进区域的隧道壁点云数据集；基于所述隧道壁点云数据集，构建所述隧道行进区域的稠密点云地图；基于所述稠密点云地图，确定所述隧道行进区域的障碍物检测信息。2.根据权利要求1所述的隧道障碍物检测方法，其特征在于，所述基于所述惯性测量数据，对所述第一点云数据帧进行运动畸变矫正，得到第二点云数据帧，包括：基于所述第一点云数据帧和所述惯性测量数据，确定所述雷达设备的设备位姿信息；根据所述设备位姿信息，矫正所述第一点云数据帧的运动畸变，得到所述第二点云数据帧。3.根据权利要求2所述的隧道障碍物检测方法，其特征在于，所述基于所述第一点云数据帧和所述惯性测量数据，确定所述雷达设备的设备位姿信息，包括：获取所述第一点云数据帧的时间戳信息；基于所述时间戳信息，确定所述第一点云数据帧中每个点云点的数据采集时刻；基于所述数据采集时刻，在所述惯性测量数据中查找与所述每个点云点采集时刻相邻的第一惯性数据，所述第一惯性数据和所述点云点一一对应；基于所述第一惯性数据，确定所述设备位姿信息。4.根据权利要求1所述的隧道障碍物检测方法，其特征在于，所述去除所述第二点云数据帧中所述目标车辆对应的点云数据，得到所述隧道行进区域的隧道壁点云数据集，包括：确定所述第二点云数据帧中的预设车辆位置；基于所述预设车辆位置，在所述第二点云数据帧中进行平面拟合，获取所述目标车辆的车辆点云数据集；从所述第二点云数据帧中去除所述车辆点云数据集，得到所述隧道壁点云数据集。5.根据权利要求4所述的隧道障碍物检测方法，其特征在于，所述基于所述预设车辆位置，在所述第二点云数据帧中进行平面拟合，获取所述目标车辆的车辆点云数据集，包括：基于所述第二点云数据帧和所述预设车辆位置，对所述目标车辆的车身顶面进行平面拟合，得到所述目标车辆的顶面点云数据集；在确定所述顶面点云数据集的点云数量大于点云数量阈值的情况下，获取所述车辆点云数据集。6.根据权利要求4所述的隧道障碍物检测方法，其特征在于，所述基于所述预设车辆位置，在所述第二点云数据帧中进行平面拟合，获取所述目标车辆的车辆点云数据集，包括：基于所述第二点云数据帧和所述预设车辆位置，对所述目标车辆的车身顶面进行平面拟合，得到所述目标车辆的顶面点云数据集；在确定所述顶面点云数据集的点云数量小于或等于点云数量阈值的情况下，对所述第二点云数据帧的整体点云空间进行平面拟合，并提取所述第二点云数据帧中底部空间位置
的平面点云数据集；基于所述点云数量阈值，筛选所述平面点云数据集中的无效平面空间点云，获取所述车辆点云数据集。7.根据权利要求1所述的隧道障碍物检测方法，其特征在于，在所述得到所述隧道行进区域的隧道壁点云数据集之后，在所述构建所述隧道行进区域的稠密点云地图之前，所述方法还包括：根据感兴趣空间算法，裁剪所述隧道壁点云数据集。8.根据权利要求1-7任一项所述的隧道障碍物检测方法，其特征在于，所述基于所述隧道壁点云数据集，构建所述隧道行进区域的稠密点云地图，包括：对所述隧道壁点云数据集进行帧间点云配准，得到帧间点云转换矩阵；基于所述隧道壁点云数据集和所述帧间点云转换矩阵，构建所述稠密点云地图。9.根据权利要求8所述的隧道障碍物检测方法，其特征在于，所述基于所述隧道壁点云数据集和所述帧间点云转换矩阵，构建所述稠密点云地图，包括：构建所述隧道壁点云数据集的当前帧点云数据对应的第一点云地图；基于所述帧间点云转换矩阵，将下一帧点云数据累加至所述当前帧点云数据，构建第二点云地图；在确定所述第二点云地图的帧数大于建图帧数阈值的情况下，获得所述稠密点云地图。10.根据权利要求1-7任一项所述的隧道障碍物检测方法，其特征在于，所述基于所述稠密点云地图，确定所述隧道行进区域的障碍物检测信息，包括：构建所述目标车辆在所述隧道行进区域行进的目标空间模型；基于所述稠密点云地图和所述目标空间模型，进行侵界检测，确定所述障碍物检测信息。11.一种隧道障碍物检测装置，其特征在于，包括：获取模块，用于获取隧道行进区域的第一点云数据帧和惯性测量数据，目标车辆在所述隧道行进区域行驶，所述第一点云数据帧为所述目标车辆的雷达设备采集的；第一处理模块，用于基于所述惯性测量数据，对所述第一点云数据帧进行运动畸变矫正，得到第二点云数据帧；第二处理模块，用于去除所述第二点云数据帧中所述目标车辆对应的点云数据，得到所述隧道行进区域的隧道壁点云数据集；第三处理模块，用于基于所述隧道壁点云数据集，构建所述隧道行进区域的稠密点云地图；第四处理模块，用于基于所述稠密点云地图，确定所述隧道行进区域的障碍物检测信息。

技术总结
本申请公开了一种隧道障碍物检测方法及装置，属于安全检测技术领域。该方法包括：获取隧道行进区域的第一点云数据帧和惯性测量数据；基于惯性测量数据，对第一点云数据帧进行运动畸变矫正，得到第二点云数据帧；去除第二点云数据帧中目标车辆对应的点云数据，得到隧道行进区域的隧道壁点云数据集；基于隧道壁点云数据集，构建隧道行进区域的稠密点云地图；基于稠密点云地图，确定隧道行进区域的障碍物检测信息。该方法通过矫正点云数据运动畸变，保证数据准确度，再去除车身的干扰点云数据，减少点云数据量，无需进行预建图，直接实时稠密化建图，可以有效增加点云稠密度，提高障碍物检测精度和准确度，降低小体积障碍物漏检率。率。率。


技术研发人员：马洪顺 刘文佳 雷洋 江波 田甜 贾飞宇 瞿起明
受保护的技术使用者：中国铁道科学研究院集团有限公司基础设施检测研究所
技术研发日：2023.04.23
技术公布日：2023/7/25