车辆外表面污渍检测方法、装置、系统、存储介质及车辆与流程

摘要: 本技术涉及智能洗车,特别涉及一种车辆外表面污渍检测方法、装置、系统、存储介质及车辆。背景技术:1、当前车载智能洗车场景下的车辆外表面污渍检测方案大多存在明显缺陷...
车辆外表面污渍检测方法、装置、系统、存储介质及车辆与流程

本技术涉及智能洗车,特别涉及一种车辆外表面污渍检测方法、装置、系统、存储介质及车辆。

背景技术:

1、当前车载智能洗车场景下的车辆外表面污渍检测方案大多存在明显缺陷:多数方案仅采用单一视觉传感器完成污渍识别,只能输出二维图像层面的污渍信息,无法获取污渍对应的三维空间坐标,难以支撑洗车枪的高精度轨迹规划,且车身边缘盲区的点云数据缺失严重,检测精度差,导致出现漏洗、过洗,甚至洗车枪剐蹭车身的安全隐患。

技术实现思路

1、本技术提供一种车辆外表面污渍检测方法、装置、系统、存储介质及车辆,用以提升车辆外表面污渍检测结果完整性与检测精度。

2、本技术提供一种车辆外表面污渍检测方法,包括:

3、对多类传感器执行启动校准,校准合格后触发同步采集;

4、对采集得到的车身激光点云、超声波距离、视觉图像三类数据进行加权融合;

5、基于融合后的统一点云数据集,按预设区域划分为多个子集分别拟合曲面,拼接为完整车身三维轮廓模型;

6、在三维轮廓模型的空间参考下,基于视觉图像识别污渍区域,将污渍坐标与面积标记至模型对应位置;

7、对标记完成的三维轮廓模型执行完整性验证和污渍标记准确性验证,验证通过则输出检测结果,任一验证不通过则控制激光雷达和/或视觉摄像头、视觉摄像头执行定向补扫,补扫得到的局部点云、局部图像数据重新进行加权融合生成模型并再次验证,直至验证全部通过或循环次数达到预设补扫次数。

8、本技术的有益效果在于:通过多类传感器校准从硬件底层消除采集基准偏差,然后对采集的三类传感数据加权融合,提升了点云空间数据采集的完整性,消除车身边缘盲区;然后,对融合后的点云数据集分区拟合曲面,生成三维轮廓模型,并在轮廓模型的空间参考下完成污渍二维信息到三维坐标的映射;最后通过点云重合度校验、污渍标记准确性校验和定向补扫,提升污渍检测结果的准确性,解决了车载洗车场景下污渍检测精度不足、盲区多的问题,提升车辆外表面污渍检测结果完整性与检测精度。

9、在一个实施例中,所述对多类传感器执行启动校准,包括:

10、以预设参考点校准激光雷达测距;

11、以已知距离校准值校准超声波距离;

12、以预设纯色区域校准摄像头白平衡。

13、在一个实施例中,所述对多类传感器执行启动校准,校准合格后触发同步采集,包括:

14、采集预设参考点的激光反射信号,计算激光雷达的测距偏移量;

15、向预设固定校准面发射超声波测试信号,计算超声波传感器的距离偏差;

16、采集预设标准纯色区域的样本图像,调校视觉摄像头的白平衡参数;

17、将激光雷达的测距偏移量、超声波传感器的距离偏差、调校完成的摄像头白平衡参数作为校准参数,写入对应传感器的内置配置寄存器用于后续采集。

18、在一个实施例中,所述校准合格后触发同步采集,包括:

19、通过can总线向各传感器传输同步采集信号,基于统一时间戳触发采样;

20、配置各类传感器的采样频率,使从校准启动到检测结果输出的总时长不超过预设时长。

21、在一个实施例中,在触发同步采集后,车身激光点云数据的采集流程包括:

22、以预设频率发射激光脉冲扫描车身,获取覆盖整车轮廓的点云数据;

23、根据所述点云数据记录每个点云点的三维坐标信息,为多元数据加权融合提供主体点云输入。

24、在一个实施例中,在触发同步采集后,超声波距离的采集流程包括:

25、以预设频率向车身边缘方向发射超声波,采集车身边缘距离数据;

26、根据所述车身边缘距离数据记录车身边缘的空间位置信息,为点云边缘修正提供参考。

27、在一个实施例中,在触发同步采集后,视觉图像的采集流程包括:

28、以预设帧率采集车身表面高清图像,记录像素色彩信息与灰度信息;

29、每完成一帧图像采集,就将该帧的时间戳与当前时刻的点云、超声波数据时间戳做对齐,保证多源数据时间同步后送入融合流程。

30、在一个实施例中,所述方法还包括:

31、接收车顶行李架前端激光雷达返回的采集信号,接收行李架四角超声波传感器、行李架两侧摄像头返回的采集信号;

32、校验采集信号时间戳,当所有信号的时间戳偏差都处于预设同步允许范围内时,将采集数据送入数据融合流程。

33、在一个实施例中,所述对采集得到的车身激光点云、超声波距离、视觉图像三类数据进行加权融合,包括:

34、以激光点云为主体做邻域平均去噪,剔除超出偏差阈值的噪点;

35、结合超声波距离数据修正点云边缘轮廓偏差,将图像纹理映射至对应点云点,输出统一的点云数据集。

36、在一个实施例中,所述基于融合后的统一点云数据集,按预设区域划分为多个子集分别拟合曲面,拼接为完整车身三维轮廓模型,包括:

37、按车顶区、引擎盖区、左车门区、右车门区、后备箱区划分点云子集;

38、对各子集拟合生成对应分区曲面方程,拼接得到完整车身三维轮廓模型作为空间定位基准。

39、在一个实施例中,所述在三维轮廓模型的空间参考下,基于视觉图像识别污渍区域,将污渍坐标与面积标记至模型对应位置,包括:

40、对视觉图像做灰度化与阈值分割,提取灰度异常区域;

41、统计异常区域像素占比,达到预设阈值则判定为污渍,计算区域面积后将坐标映射至三维模型对应位置标记。

42、在一个实施例中,所述对标记完成的三维轮廓模型执行完整性验证,包括:

43、统计所述三维轮廓模型与预存的标准车身点云模型之间的点云空间重合度;

44、当点云空间重合度达到第一预设重合度阈值时判定完整性验证通过,否则判定车身存在未覆盖区域并触发补扫信号;

45、在一个实施例中,所述污渍标记准确性验证,包括:

46、提取相邻两帧视觉图像识别得到的污渍区域的面积重合度;

47、当重合度达到第二预设重合度阈值时判定标记准确性验证通过,否则判定为误识别并触发补扫信号。

48、在一个实施例中,所述验证通过则输出检测结果,包括:

49、将标记完成的污渍区域坐标、面积与三维轮廓模型绑定,生成用于清洗路径规划的检测结果数据;

50、通过车载通信接口将检测结果数据传输至后续轨迹规划模块。

51、本技术还提供一种车辆外表面污渍检测装置,用于实现上述任一实施例所记载的车辆外表面污渍检测方法,包括:

52、采集模块,用于对多类传感器执行启动校准,校准合格后触发同步采集;

53、融合模块,用于对采集得到的车身激光点云、超声波距离、视觉图像三类数据进行加权融合;

54、拟合模块,用于基于融合后的统一点云数据集,按预设区域划分为多个子集分别拟合曲面,拼接为完整车身三维轮廓模型;

55、标记模块,用于在三维轮廓模型的空间参考下,基于视觉图像识别污渍区域,将污渍坐标与面积标记至模型对应位置;

56、验证模块,用于对标记完成的三维轮廓模型执行完整性验证和污渍标记准确性验证,验证通过则输出检测结果,任一验证不通过则控制激光雷达和/或视觉摄像头、视觉摄像头执行定向补扫,补扫得到的局部点云、局部图像数据重新进行加权融合生成模型并再次验证,直至验证全部通过或循环次数达到预设补扫次数。

57、本技术还提供一种车辆外表面污渍检测系统,包括:

58、至少一个处理器;以及,

59、与所述至少一个处理器通信连接的存储器;其中,

60、所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行以实现上述任一实施例所记载的车辆外表面污渍检测方法。

61、本技术还提供一种计算机可读存储介质,当存储介质中的指令由车辆外表面污渍检测系统对应的处理器执行时,使得车辆外表面污渍检测系统能够实现上述任一实施例所记载的车辆外表面污渍检测方法。

62、本技术还提供一种车辆,包括:

63、如上述任一实施例所记载的车辆外表面污渍检测装置;

64、或者

65、如上述任一实施例所记载的车辆外表面污渍检测系统。

66、本技术的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本技术而了解。本技术的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。

67、下面通过附图和实施例,对本技术的技术方案做进一步的详细描述。