一种物体状态识别方法与流程

1.本发明涉及激光雷达应用技术领域，尤其涉及一种基于激光雷达的物体状态识别方法。


背景技术：

2.激光雷达，是以发射激光束探测目标的位置、速度等特征量的雷达系统。其工作原理是向目标发射探测信号(激光束)，然后将接收到的从目标反射回来的信号(目标回波)与发射的探测信号进行比较，作适当处理后，就可获得目标的有关信息，如目标距离、方位、高度、速度、姿态、甚至形状等。
3.物体状态识别：物体状态的识别一般是按照视频流或图片对物体的状态进行预估和识别，然后得出当前物体的动态。
4.但是雨雾等天气，因为水所产生的反射、折射、光吸收等，会干扰激光雷达的正常距离探测，影响激光雷达的应用。


技术实现要素：

5.有鉴于此，本发明实施例提供一种物体状态识别方法。
6.本发明实施例提供一种物体状态识别方法，用于使用激光雷达判断车位中目标物体状态，校准所述激光雷达，确定校准值，其中所述校准值为所述激光雷达至地面的真实距离；获取多帧雷达数据；判断激光雷达外部工作环境；基于所述多帧雷达数据确定目标物体是否处于稳定状态；基于所述目标物体处于非稳定状态，确定所述目标物体状态。
7.在一些实施例中，校准激光雷达包括：确定所述激光雷达是否需要校准；基于所述激光雷达需要校准，自动校准或手动校准所述激光雷达；其中所述手动校准所述激光雷达包括将校准值写入所述激光雷达的固定存储区。
8.在一些实施例中，目标物体状态包括：无目标物体，目标物体进入，目标物体退出和存在目标物体。
9.根据本公开实施例中的至少一个实施例，能够有效的识别停车场中停车位的状态。通过区分晴天、雨天、恶劣天气等，设置对应的参数，实现在不同的激光雷达外部环境下仍然可以正常判断被探测空间内物体的状态。
附图说明
10.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
11.图1是基于本技术实施例的一种典型应用场景图。
12.图2是基于本技术实施例的一种示例性工作流程图。
13.图3是基于本技术实施例的一种服务器的功能示例性框图。
具体实施方式
14.为了使本技术领域的人员更好地理解本技术方案，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、完整地描述，显然，所描述的实施例仅仅是本技术一部分的实施例，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在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本技术保护的范围。应当明确，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。
15.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必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，以便这里描述的本技术的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
16.本技术的实施例提供了一种物体状态识别方法及系统，从而实现对停车位状态的监测，以能够更好的控制停车场中停车位的实时情况。在一些实施例中，所述的停车位监测系统及方法可以应用于商场、小区、景区、路边、社区、酒店、公共场所的地下停车场、露天停车场、机械停车场或智能停车场。应当理解的是，该物体状态识别方法及系统不仅仅限制用于停车位的状态监测，其他空间内物体的状态识别同样适用，例如所述的空间除了停车位外，可以同于机场、货架、工作桌面等空间。
17.图1是基于本技术实施例的一种典型应用场景图。如图1所示，所述场景包括多个激光雷达101-1,101-2
…
101-n和多个停车位202。其中所述激光雷达101包含光发射器可以向停车位202的特定位置发射探测光并接收反射信号，并基于反射信号计算所述激光雷达101至停车位202的距离信息。在一些实施例中，所述特定位置可以是停车位202上的任意点，例如中心点。所述特定位置还可以是车辆在停在停车位上时能够覆盖的常用点。在一些实施例中，用于发射探测光的光源为激光光源或者为led（light emitting diode，发光二极管）光源。
18.在一些实施例中，激光雷达101可以与停车位202一一对应。
19.在一些实施例中，所述服务器100用于接收激光雷达101所获取的距离信息，其中距离信息包括但不限于以下任意一种：激光雷达101对应的停车位、激光雷达101至对应停车位的距离信息。所述服务器100可以基于所述距离信息判断所述激光雷达对应的停车位状态。在一些实施例中，所述服务器100可以是一台服务器，也可以是服务器群组，其中服务器群组可以是集中式，也可以是分布式。服务器100可以是本地的，也可以是远程的。服务器100还可以是一个云平台，包括但不限于公有云、私有云、混合云和社区云等任意一种或其组合。
20.本技术实施例公开一种物体状态识别方法，用于使用激光雷达判断车位中目标物体状态。在其中的一路边应用场景中，激光雷达安装高度115cm，激光雷达距离车库边缘线50cm，和水平面的夹角范围12-20
°
，以保证激光雷达能够将光斑照射到中心位置。激光雷达用于照射所述车位的中心位置，获取所述激光雷达到地面的距离。使用红外相机和高反纸
确定激光雷达的光斑的位置，调整激光雷达安装的水平方向角度，保证激光雷达的光斑在车库中心位置，记录激光雷达到地面的实际距离（斜边距离）。
21.校准所述激光雷达，确定校准值，其中所述校准值为所述激光雷达至地面的真实距离。校准激光雷达包括：确定所述激光雷达是否需要校准；基于所述激光雷达需要校准，自动校准或手动校准所述激光雷达；其中所述手动校准所述激光雷达包括将校准值写入所述激光雷达的固定存储区。
22.获取多帧雷达数据。连续采集n（可灵活调节区间为30-60帧）帧数据，根据数据波动性，来判断不同的停车位地面，主要进行三类停车位地面的区分，即数据波动在-15-15cm内、-30-30cm内、-60-60cm内，按照不同的情况进行不同的校准方式。
23.数据波动在-15-15cm内时将对n帧数据求平均值并将其赋值给校准值，此时数据比较稳定，说明当前是正常停车位地面。数据波定在-30-30cm内时将对n帧数据进行排序并减去最小10帧和最大10帧数据，之后将剩下的数据取平均值，此时为例如环氧漆高反停车位地面。数据波动在-60-60cm内时，将对n帧数据进行排序，之后将剩下的数据取直方图，此时为下雨后的具有反光的停车位地面。若在绝对值超出60cm的范围内，此时激光雷达接收到的信号强度小于100或接收到的信号强度很大接近过曝，则认为激光雷达故障或有高反黑色物体在雷达很近位置，此种情况无法校准，给出报警信息。
24.由于雨雾等天气，水所产生的反射、折射、光吸收等，会干扰激光雷达的正常距离探测，影响激光雷达的应用。不同的激光雷达外部工作环境（不同天气）下，基于激光雷达的距离数据判断被探测空间内（例如室外停车位）物体的状态对应的判断阈值是不同的，因此需要首先判断激光雷达所处的工作环境（不同天气）。其中，每个工作环境中，基于激光雷达距离信息判断物体状态所对应的阈值是不同的，通过建立不同工作环境下对应的阈值数据，来判断物体状态。在判断所处于的工作环境后，根据所处于的工作环境所对应的判断阈值数据，判断物体所处的状态。
25.例如：当判断外部环境为晴天时，激光雷达数据标准差为5-15之间，判断停车位空车位没有物体；当判断外部环境为雨天时，激光雷达数据标准差为15-30之间，判断停车位空车位没有物体；当判断外部环境为恶劣天气时，激光雷达数据标准差为30-40之间，判断停车位空车位没有物体。
26.在其中的一实施例中，晴天时，表现为标准差的数据仿真结果如下：一直有物体，激光雷达实时探测数据标准差为10-20之间；空车位没有物体，激光雷达探测数据标准差为10-20之间；物体驶入和驶出，激光雷达数据标准差变化趋势为20-30-40-50-60-50-40-30-20。雨天空车位，激光雷达数据标准差变化为大部分分布在30-45之间，此时，将数据规律性进行提取，例如l型空车位的校准值一般数据范围300-400，数据稳态波动为30cm，有物体且不动的数据标准差为10-20等，可以根据这些元数据进行建立不同车位不同天气不同车型不同反射率车面的各种数据集模型。
27.区分晴天、雨天、恶劣天气的方法：根据200帧（一秒一帧，按照停车时间的平均值的一半来限定为取200秒的数据）标准差数据建立一个大数据范围，该大数据范围内每20帧标准差数据为一个小数据范围区间；大数据范围均值大于10且小数据范围均值的极差小于5，判断激光雷达的外部工作环境为晴天。大数据范围均值大于30且小数据范围均值的极差小于20，此时经数据仿真可以涵盖93%以上的雨天情况，判断激光雷达的外部工作环境为雨
天。大数据范围均值大于60且小数据范围均值的极差小于30，判断激光雷达的外部工作环境为恶劣天气。
28.在其中的一实施例中，区分晴天、雨天、恶劣天气的方法：通过激光雷达获得的距离数据波动范围判断，例如取30帧激光雷达获得的距离信息，计算距离最大值与均值的差值、距离最小值与均值的差值，作为距离波动范围。距离波动范围为
±
15cm，则当前激光雷达工作环境为晴天。距离波动范围为
±
30cm，则当前激光雷达工作环境为雨天。距离波动范围为
±
60cm，则当前激光雷达工作环境为恶劣天气。
29.基于所述多帧雷达数据确定目标物体是否处于稳定状态；基于所述目标物体处于非稳定状态，确定所述目标物体状态。
30.其中，基于所述多帧雷达数据确定目标物体是否处于稳定状态包括：确定所述多帧雷达数据的极差，其中，所述极差为所述多帧雷达数据中最大值与最小值的差值；确定所述极差是否大于第一阈值；基于所述极差大于第一阈值，确定所述目标物体处于非稳定状态；基于所述极差小于第一阈值，确定所述目标物体处于稳定状态。在其中的一实施例中，求连续20帧数据的极差，若极差小于30cm，则认为当前是稳定状态，稳定状态分为两类。一类为车位内无任何物体，此时的数据是稳定状态；另一类为车位内有静止物体，此时体现在当前20帧数据的均值与地面的差值在40cm以上，数据波动也比较小。
31.在其中的一实施例中，确定所述目标物体处于稳定状态包括：确定所述多帧雷达数据的均值与所述校准值的距离差值；基于所述距离差值小于第一距离阈值，确定所述稳定状态为车位无目标物体；基于所述距离差值大于第一距离阈值，确定所述稳定状态为车位有目标物体且目标物体静止。
32.在本技术的实施例中，通常目标物体状态包括：无目标物体，目标物体进入，目标物体退出和存在目标物体。
33.目标物体状态包括：基于所述多帧雷达数据，确定所述多帧雷达数据的斜率、斜率和、所述多帧雷达数据与所述校准值的第一距离差值，所述多帧雷达数据和上一时刻多帧雷达数据的第二距离差值；确定所述目标物体上一时刻的前物体状态；基于所述斜率、所述斜率和、所述距离差值和所述前物体状态，确定所述目标物体状态。
34.确定所述目标物体状态包括：基于前物体状态为无目标物体且所述第一距离差值的绝对值小于第二距离阈值，确定所述目标物体状态为无目标物体状态；基于前物体状态为无目标物体，所述第一距离差值的绝对值大于第三距离阈值且所述斜率和小于第一斜率和阈值，确定所述目标物体状态为目标物体进入状态；基于前物体状态为无目标物体，所述第一距离差值的绝对值大于第三距离阈值且所述斜率和大于第二斜率和阈值，确定所述目标物体状态为目标物体退出状态；基于斜率和的绝对值小于第二斜率和阈值且所述第二距离差值的绝对值小于第二距离阈值，确定所述目标物体状态为存在目标物体。
35.其中的一实施例中，判断物体状态：前一状态为稳态无物体，当前激光雷达探测的距离数据与校准值（激光雷达与地面间距离值）的差值的绝对值若小于30cm则认为无物体；前一状态为稳态无物体，当前激光雷达探测的距离数据与校准值（激光雷达与地面间距离值）的差值的绝对值若大于80cm且斜率和小于-30则认为有物体进入；前一状态为稳态无物体，当前数据与校准值（地面距离值）的差值的绝对值若大于80且斜率和大于30则认为有物
体退出；斜率和的绝对值小于30且当前数据与上一时刻的数据值的差值的绝对值若小于30则认为有物体；若斜率和的绝对值大于100且lidar的信号强度小于70则认为当前为不确定状态；若前一时刻为稳态，当前时刻与校准值（地面距离值）的差值大于40且后一时刻的斜率为正且大于30，则认为此种状态为物体快速进入并不停留退出。
36.在其中的一实施例中，所述目标物体状态包括：基于前物体状态为无目标物体且所述斜率小于第一斜率阈值，确定所述目标物体状态为物体进入状态；基于前物体状态为存在目标物体且所述斜率小于第二斜率阈值，确定所述目标物体状态为物体退出状态；基于前物体状态为目标物体进入且所述斜率的绝对值小于第三斜率阈值，确定所述目标物体状态为存在目标物体；基于前物体状态为目标物体进入且所述斜率大于第三斜率阈值且小于第四斜率阈值，确定所述目标物体为目标物体进入状态；基于前物体状态为目标物体进入，所述斜率小于第三斜率阈值的负值或所述斜率大于第四斜率阈值，确定所述目标物体为目标退出状态；基于前物体状态为目标物体退出且所述斜率的绝对值小于第三斜率阈值，确定所述目标物体状态为无目标物体状态；基于前物体状态为目标物体退出且所述斜率小于所述第四斜率的负值，确定所述目标物体为目标退出状态；基于前物体状态为目标物体退出，所述斜率小于第三斜率的负值且大于第四斜率的负值，确定所述目标物体状态为目标物体进入状态；基于前物体状态为目标物体退出且所述斜率大于第三斜率，确定所述目标物体状态为目标物体进入状态。
37.其中的一实施例中，上一时刻状态为无物体时，若当前斜率小于-40，则认为当前有物体进入，状态设置为物体进入状态，并记录当前值；上一时刻状态为有物体时，若当前斜率大于40，则认为当前有物体退出，状态设置为物体退出状态，并记录当前值；上一时刻状态为物体进入，若当前斜率绝对值小于5则认为当前为有物体存在状态，若斜率大于5且小于15则认为当前为继续进入状态，其他状态认为是物体退出状态；上一时刻状态为物体退出，若当前斜率绝对值小于5则认为当前为有物体不存在状态，若斜率小于-15则认为当前为继续退出状态，其他状态认为是物体进入状态；其他状态标记为未知状态。
38.本技术实施例还公开了一种物体状态识别系统，用于使用激光雷达判断车位中目标物体状态，如图3所示，包括：校准模块301，用于校准所述激光雷达，确定校准值，其中所述校准值为所述激光雷达至地面的真实距离；雷达数据获取模块302，用于获取多帧雷达数据；稳定状态判断模块303，用于基于所述多帧雷达数据确定目标物体是否处于稳定状态；目标物体状态判断模块304，用于基于所述目标物体处于非稳定状态，确定所述目标物体状态。
39.校准模块进一步用于：确定所述激光雷达是否需要校准；基于所述激光雷达需要校准，自动校准或手动校准所述激光雷达；其中所述手动校准所述激光雷达包括将校准值写入所述激光雷达的固定存储区。
40.稳定状态判断模块进一步用于：确定所述多帧雷达数据的极差，其中，所述极差为所述多帧雷达数据中最大值与最小值的差值；确定所述极差是否大于第一阈值；基于所述极差大于第一阈值，确定所述目标物体处于非稳定状态；基于所述极差小于第一阈值，确定所述目标物体处于稳定状态。
41.目标物体状态模块用于：基于所述多帧雷达数据，确定所述多帧雷达数据的斜率、斜率和、所述多帧雷达数据与所述校准值的第一距离差值，所述多帧雷达数据和上一时刻
多帧雷达数据的第二距离差值；确定所述目标物体上一时刻的前物体状态；基于所述斜率、所述斜率和、所述距离差值和所述前物体状态，确定所述目标物体状态。
42.本技术实施例还公开一种服务器，用于确定车位目标物体状态，连接模块，用于与多个激光雷达连接，接受多个激光雷达数据；存储器，用于存储所述激光雷达数据和所述目标物体状态；处理器，用于执行物体状态判断等方法。
43.本技术实施例中，斜率为相邻数据的差值，斜率和为20帧数据的各个相邻数据差值的和。应当理解的是，斜率与斜率和的定义及对应的差值数值不限于此，可为本领域通用的含义。
44.以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。