(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210391431.X (22)申请日 2022.04.14 (71)申请人 重庆长安汽车股份有限公司 地址 400020 重庆市江北区建新 东路260号 (72)发明人 张博　任凡　 (74)专利代理 机构 重庆博凯知识产权代理有限 公司 50212 专利代理师 李晓兵 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/22(2022.01) G06V 10/762(2022.01) G06T 17/00(2006.01) G01S 7/292(2006.01) G01S 7/35(2006.01)G01S 7/41(2006.01) G01S 13/931(2020.01) (54)发明名称 基于4D毫米波雷达点云的障碍物三维边框 检测方法 (57)摘要 本发明公开了基于4D毫米波雷达点云的障 碍物三维边框检测方法， 包括以下步骤： 1） 通过 以太网获取4D毫米波雷达点 云数据； 2） 点云数据 预处理， 提高点云的质量； 3） 对点云数据在三维 空间上进行聚类， 从点云数据中识别出障碍物； 4） 聚类点 云数据后处理； 5） 基于聚类后点云求三 维边框算法； 本发明的检测方法， 通过聚类算法， 能检测出物体， 并计算其高度， 将障碍物反射的 点云和杂点区分出来， 从而删除掉杂点和虚假 点， 能有效过滤环境中80%的杂点， 从而 准确识别 出物体表 面轮廓所反射的点云， 为构建障碍物三 维边框提供准确的数据。 权利要求书2页 说明书5页 附图1页 CN 114821526 A 2022.07.29 CN 114821526 A 1.基于4D毫米波雷达点云的障碍物三维边框检测方法， 其特 征在于包括如下步骤： 步骤1， 通过以太网获取4D毫米波雷达点云数据； 步骤2， 点云数据预处 理； 步骤3， 对点云数据在三维空间上进行聚类， 以从点云数据中识别出障碍物； 步骤4， 聚类点云数据后处 理； 步骤5， 基于聚类后点云求 三维边框算法； 获得障碍物三维边框的顶点 坐标。 2.根据权利要求1所述的基于4D毫米波雷达点云的障碍物三维边框检测方法， 其特征 在于： 步骤1所述的对图像的相关处理， 先对4D毫米波雷达获取的一帧数据进行物理值转 换， 根据车辆坐标系定义和三角函数关系， 把距离、 方位角和俯仰角值转换为X、 Y、 Z坐标， 然 后再把坐标值转换到车辆坐标系下， 存 储在全局变量中。 3.根据权利要求2所述的基于4D毫米波雷达点云的障碍物三维边框检测方法， 其特征 在于： 步骤3所述的对点云数据在三维空间上进行聚类， 具体包括如下步骤： 1） 初始化一个点的对象容器， 并将点云数据存储到该容器中， 点的对象包含以下成员 变量： 坐标X/Y/Z、 编 号ID、 是否已访问标志Visited、 簇ClusterID、 是否核心点标志IsKey、 邻域点列表； 2） 设置聚类参数， 包括邻域半径R、 邻域最小数据个数MinPts和 数据维度Dimension三 个参数； 3） 从点云数据中任意选取一个点， 将该点Visited属性标记为已访问， 计算该点的邻域 半径R内点的个数PtsNum， 如果点的个数PtsNum大于设置的阈值MinPts， 则将该点的IsKey 属性标记为核心点， 并且分配一个簇ClusterID； 同时遍历该点邻域半径R内所有点进行以 下操作， 将点Visited属性标记 为已访问， 分配同样的簇Cluster ID， 并且对这些点重复进行 步骤2） 、 3） 的操作， 直到遍历访问点云数据中所有的点之后结束； 4） 对于聚类成功的点云簇， 计算出每个点云簇的平均Z坐标， 并存储到变量Cl assZInfo 中。 4.根据权利要求1—3任一所述的基于4D毫米波雷达点云的障碍物三维边框检测方法， 其特征在于： 步骤4所述聚类点云数据后处理， 包括从点云数据中删除未聚类成功的杂点和 高度值不满足阈值的聚类点。 5.根据权利要求1—3任一所述的基于4D毫米波雷达点云的障碍物三维边框检测方法， 其特征在于： 步骤5所述基于聚类后点云求 三维边框算法， 包括如下步骤： 1） 将聚类后的三维点云降维投影到XY坐标平面； 2)利用凸包算法计算聚类点云的边界关键点， 首先， 找到所有点中纵坐标y最小的点， 记为p0； 然后计算其余点与该点的连线与x轴之 间夹角的余弦值， 将这些点按其对于最低点 的余弦值从大到小排序， 排序好的点记为p1,  p2, p3等； 将最低点p0和排序好的点中的第 一个点p1压入栈中， 然后从p2开始计算， 计算栈顶两个点与该点三点向量是否是逆时针转 动， 若是， 则将该点压入栈中， 否则将栈顶元素推出； 最后栈里面剩余点就是所有的凸包边 界关键点； 3） 将凸包后的边界关键点， 围绕其几何中心进行顺时针排序， 并分别计算其与坐标原 点的夹角， 将排序后的边界关键点存 储到容器中；  4） 根据上一步中计算得到的每个边界关键点与坐标原点的夹角， 计算出障碍物点云权　利　要　求　书 1/2 页 2 CN 114821526 A 2中位于雷达直接照射 面范围内的边界关键点， 并标记为有效边界关键点；  5） 从有效边界关键点中以任意相邻两点的方向作为矩形的方向， 计算包罗所有边界 关键点在内的最小面积矩形， 最终输出面积最小的矩形作为障碍物的二维边框， 记录二维 矩形框的四个顶点 坐标； 6） 根据聚类点云中最大和最小Z坐标， 将步骤5） 中计算的四个顶点坐标分别赋值最小Z 坐标和最大Z坐标值， 即得到三维边界框的顶点 坐标， 获得障碍物三维边框 。 6.根据权利要求5所述的基于4D毫米波雷达点云的障碍物三维边框检测方法， 其特征 在于： 所述的凸包算法计算聚类点云 的边界关键点， 采用ConvexHull算法计算每个聚类点 云的凸包边界关键点。 7.根据权利要求6所述的基于4D毫米波雷达点云的障碍物三维边框检测方法， 其特征 在于： 设置数据维度参数Dimensi on为2。 8.根据权利要求3所述的基于4D毫米波雷达点云的障碍物三维边框检测方法， 其特征 在于： 设置邻域半径R为2米， 邻域 最小数据个数Mi nPts为12， 数据维度Dimensi on为3。 9.根据权利要求4所述的基于4D毫米波雷达点云的障碍物三维边框检测方法， 其特征 在于： 步骤2所述的对点云数据预处 理， 根据信噪比和高度值滤除杂点。权　利　要　求　书 2/2 页 3 CN 114821526 A 3