[发明专利]一种面向智能车库的车轮点云检测方法

说明书

本发明提供一种面向智能车库的车轮点云检测方法，包括：利用二维单线激光雷达采集停车区域场景三维点云；数据集标注；基于非结构化点云的三维目标检测网络模型定位车轮位置；基于设定的空间候选框确定目标点云范围，提取感兴趣区域的车轮目标点云；基于预测六自由度的空间最小外接包围框表示车轮目标，同时包含车轮的位置和姿态信息。本发明面向智能车库场景提出了车轮目标检测的深度学习算法，该方法与传统的目标检测方法相比，具有效率高、定位能力强，姿态识别准确，可移植性强等特点，并在城市智能车库中得到了初步应用。

技术领域

本发明涉及计算机视觉和人工智能领域，特别涉及一种基于二维单线激光采集的面向智能车库的车轮点云检测方法，能够准确定位车轮位置和识别车轮姿态。

背景技术

自动化车库大多通过智能机器人将车辆移动至指定的停车位。目前市面上很多停车机器人都可以在一定程度上利用有限的土地面积，获得成倍的停车位。但这些车库采用的存取车方法基本上属于被动式。如托盘式机器人需要司机将车停在载车板上，再通过搬运机器人移动车辆至相应停车位，但载车板空间狭小，要求驾驶员具有良好的停车技巧，将车辆必须以正确角度停放于专门的载车托盘或区域内。

智能车库的泊车方法放弃了压电传感器等接触式传感器，不借助载车板，利用布局在停车区域上方和机械手上的激光雷达采集的数据，在空间中识别以任意位姿停放的车辆，将其抓取到悬空位置再放置于空间中任意停车位，可以大大降低对场地和驾驶员停车技巧的要求。在停车过程中，系统准确定位待停车辆的位置是实现智能泊车的关键，其中对车轮位置信息的获取决定抓取车辆成功与否，更是其中一个重要的内容。因此，需要通过激光雷达扫描得到的车辆点云准确检测出四个车轮的中心位置，安全抓取车辆至指定停车位的问题即被转化为对车轮的目标检测问题。

目前在智能车库场景下还没有利用激光点云检测车轮目标的方法。与本方案较接近的包括：专利文献公开的一种激光雷达设置方法和停车场(公开号：CN109581414A、申请公布)，在车辆经过目标车道时，通过分布在车道两侧的激光雷达扫描车轮内侧，获取具有厚度特征的车轮信息，进而进行车辆定位，但该方法需要布置多个激光雷达，成本较高。一种基于点云数据的3D目标检测方法(公开号：CN109581414A、申请公布)设计了基于点云数据的3D目标检测网络模型主体结构，用以检测出相关道路场景中的感兴趣目标，但这种方法需要结合点云和相机采集的图像进行场景感知。文献(王海.基于激光雷达的自动泊车环境感知技术研究.大连理工大学，2013)应用激光扫描仪获得前方范围的车辆、墙体、行人等障碍,分析出可行的泊车车位，但该方法基于传统算法提取车辆特征，鲁棒性差。专利文献公开的一种车辆定位方法、自动驾驶控制方法及相关系统(公开号：CN109596140A、申请公布)，通过向行进中车辆的车轮发射探测信号，并利用激光雷达接收所述车轮反射回的信号的方式，获得所述车轮相对于所述激光雷达的距离和方向，这种方法同样要求车辆沿固定车道运动，并且无法识别车轮姿态。

发明内容

针对现有技术的问题，本发明的目的是提供一种智能车库场景下的车轮点云检测方法。为实现上述目的，本发明的技术方案提供一种基于深度学习的车轮目标检测技术，包括以下步骤：

步骤1，利用二维单线激光雷达采集停车区域场景三维点云，制作相应数据集；

步骤2，基于非结构化点云的三维目标检测模型确定目标位姿信息；

步骤3，基于非结构化点云的三维目标检测模型确定预测到的目标类别；

步骤4，分析由三维目标检测模型预测得到的车轮位姿信息，判断车轮是否会回正、车轮在机械手坐标系中的位置，进而反馈给智能车库上方安装的机械手以是否进行抓取和抓取点位置的信号。

进一步的，步骤1的具体实现方式包括以下子步骤，