基于激光雷达的场景监测方法、装置、设备、存储介质及产品与流程

本申请涉及场景监测，尤其涉及一种基于激光雷达的场景监测方法、装置、设备、存储介质及产品。

背景技术：

1、在监测技术领域中，技术人员通常采用两种方法来对当前场景进行监测：一种是基于人工监测的方法，另一种是基于二维图像监测的方法。

2、其中，基于人工监测的方法实行起来虽然较为便捷，但是由于人体无法长时间活动于某些特殊场景(例如高温高压场景、高噪音场景等)中，因此使得基于人工监测的方法的适用场景存在局限性。而基于二维图像监测的方法虽然避免了上述人工监测的技术问题，但由于二维图像对于实际场景的呈现或多或少会存在一定的偏差，因此容易出现误测漏测等情况发生，从而导致监测结果不准确。因此，目前行业内亟需一种能够适用于多种场景且监测结果可信度较高的场景监测方法。

3、上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

1、本申请的主要目的在于提供了一种基于激光雷达的场景监测方法、装置、设备、存储介质及产品，旨在解决现有的场景监测方法无法兼顾适用场景多样化和监测结果高可信度的技术问题。

2、为实现上述目的，本申请提供了一种基于激光雷达的场景监测方法，所述方法包括以下步骤：

3、采集目标场景在多角度下对应的图像数据和雷达数据，得到图像数据集和雷达数据集；

4、基于所述图像数据集和所述雷达数据集构建所述目标场景的第一场景三维模型和第二场景三维模型；

5、将所述第一场景三维模型和所述第二场景三维模型进行对比，并根据对比结果对所述目标场景进行监测。

6、在一实施例中，所述采集目标场景对应的图像数据和激光雷达数据，得到图像数据集和激光雷达数据集的步骤，包括：

7、通过摄像头和激光雷达分别采集目标场景在多角度下对应的图像数据和雷达数据，所述摄像头和所述激光雷达的数量相同且呈一一对应的位置关系；

8、从所述图像数据和所述雷达数据中提取特征以构建图像数据集和激光雷达数据集。

9、在一实施例中，所述从所述图像数据和所述雷达数据中提取特征以构建图像数据集和激光雷达数据集的步骤，包括：

10、分别对所述图像数据和所述雷达数据进行数据预处理和特征提取，得到图像特征和点云特征；

11、对所述图像特征和所述点云特征进行时序标注，并基于所述时序标注后的图像特征和点云特征构建图像数据集和激光雷达数据集。

12、在一实施例中，所述基于所述图像数据集和所述雷达数据集构建所述目标场景的第一场景三维模型和第二场景三维模型的步骤，包括：

13、从所述图像数据集和所述雷达数据集中选取所述目标场景在第一时刻下对应的第一图像数据和第一雷达数据，以及在第二时刻下对应的第二图像数据和第二雷达数据；

14、基于所述第一图像数据和所述第一雷达数据构建所述目标场景在所述第一时刻下对应的第一场景三维模型，基于所述第二图像数据和所述第二雷达数据构建所述目标场景在所述第二时刻下对应的第二场景三维模型。

15、在一实施例中，所述基于所述第一图像数据和所述第一雷达数据构建所述目标场景在所述第一时刻下对应的第一场景三维模型，基于所述第二图像数据和所述第二雷达数据构建所述目标场景在所述第二时刻下对应的第二场景三维模型的步骤，包括：

16、将所述第一图像数据和所述第一雷达数据进行数据融合，得到所述目标场景在所述第一时刻下对应的第一场景三维模型；

17、将所述第二图像数据和所述第二雷达数据进行数据融合，得到所述目标场景在所述第二时刻下对应的第二场景三维模型。

18、在一实施例中，所述将所述第一场景三维模型和所述第二场景三维模型进行对比，并根据对比结果对所述目标场景进行监测的步骤，包括：

19、分别对所述第一场景三维模型和所述第二场景三维模型进行网格转换，得到第一模型网格和第二模型网格；

20、将所述第一模型网格和所述第二模型网格在同一坐标系中对齐后进行对比，得到所述第一模型网格和所述第二模型网格之间的差异值，根据所述差异值对所述目标场景进行监测。

21、此外，为实现上述目的，本申请还提出一种基于激光雷达的场景监测装置，所述基于激光雷达的场景监测装置包括：

22、数据采集模块，用于采集目标场景在多角度下对应的图像数据和雷达数据，得到图像数据集和雷达数据集；

23、模型构建模块，用于基于所述图像数据集和所述雷达数据集构建所述目标场景的第一场景三维模型和第二场景三维模型；

24、场景监测模块，用于将所述第一场景三维模型和所述第二场景三维模型进行对比，并根据对比结果对所述目标场景进行监测。

25、此外，为实现上述目的，本申请还提出一种基于激光雷达的场景监测设备，所述设备包括：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基于激光雷达的场景监测程序，所述基于激光雷达的场景监测程序配置为实现如上文所述的基于激光雷达的场景监测方法的步骤。

26、此外，为实现上述目的，本申请还提出一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质上存储有基于激光雷达的场景监测程序，所述基于激光雷达的场景监测程序被处理器执行时实现如上文所述的基于激光雷达的场景监测方法的步骤。

27、此外，为实现上述目的，本发明还提供一种计算机程序产品，所述计算机程序产品包括基于激光雷达的场景监测程序，所述基于激光雷达的场景监测程序被处理器执行时实现如上文所述的基于激光雷达的场景监测方法的步骤。

28、本申请通过采集目标场景在多角度下对应的图像数据和雷达数据，得到图像数据集和雷达数据集；基于所述图像数据集和所述雷达数据集构建所述目标场景的第一场景三维模型和第二场景三维模型；将所述第一场景三维模型和所述第二场景三维模型进行对比，并根据对比结果对所述目标场景进行监测。相比于现有技术通过基于人工或二维图像的方式进行场景监测，由于本申请上述方法基于目标场景在多角度下对应的图像数据集和雷达数据集构建目标场景在不同时刻下的三维模型，然后根据三维模型的对比结果来对目标场景进行监测，从而解决了现有技术基于人工或二维图像的监测方式所带来的技术弊端，进而能够在兼顾适用场景多样化和监测结果高可信度的前提下实现场景监测。

技术特征：

1.一种基于激光雷达的场景监测方法，其特征在于，所述方法包括以下步骤：

2.如权利要求1所述的基于激光雷达的场景监测方法，其特征在于，所述采集目标场景对应的图像数据和激光雷达数据，得到图像数据集和激光雷达数据集的步骤，包括：

3.如权利要求2所述的基于激光雷达的场景监测方法，其特征在于，所述从所述图像数据和所述雷达数据中提取特征以构建图像数据集和激光雷达数据集的步骤，包括：

4.如权利要求1所述的基于激光雷达的场景监测方法，其特征在于，所述基于所述图像数据集和所述雷达数据集构建所述目标场景的第一场景三维模型和第二场景三维模型的步骤，包括：

5.如权利要求4所述的基于激光雷达的场景监测方法，其特征在于，所述基于所述第一图像数据和所述第一雷达数据构建所述目标场景在所述第一时刻下对应的第一场景三维模型，基于所述第二图像数据和所述第二雷达数据构建所述目标场景在所述第二时刻下对应的第二场景三维模型的步骤，包括：

6.如权利要求1所述的基于激光雷达的场景监测方法，其特征在于，所述将所述第一场景三维模型和所述第二场景三维模型进行对比，并根据对比结果对所述目标场景进行监测的步骤，包括：

7.一种基于激光雷达的场景监测装置，其特征在于，所述基于激光雷达的场景监测装置包括：

8.一种基于激光雷达的场景监测设备，其特征在于，所述设备包括：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基于激光雷达的场景监测程序，所述基于激光雷达的场景监测程序配置为实现如权利要求1至6中任一项所述的基于激光雷达的场景监测方法的步骤。

9.一种存储介质，其特征在于，所述存储介质为计算机可读存储介质，所述存储介质上存储有基于激光雷达的场景监测程序，所述基于激光雷达的场景监测程序被处理器执行时实现如权利要求1至6中任一项所述的基于激光雷达的场景监测方法的步骤。

10.一种计算机程序产品，其特征在于，所述计算机程序产品包括基于激光雷达的场景监测程序，所述基于激光雷达的场景监测程序被处理器执行时实现如权利要求1至6中任一项所述的基于激光雷达的场景监测方法的步骤。

技术总结
本申请公开了一种基于激光雷达的场景监测方法、装置、设备、存储介质及产品，涉及场景监测技术领域，所述方法包括：采集目标场景在多角度下对应的图像数据和雷达数据，得到图像数据集和雷达数据集；基于图像数据集和雷达数据集构建目标场景的第一场景三维模型和第二场景三维模型；将第一场景三维模型和第二场景三维模型进行对比，并根据对比结果对目标场景进行监测。本申请基于目标场景在多角度下对应的图像数据集和雷达数据集构建目标场景在不同时刻下的三维模型，然后根据三维模型对目标场景进行监测，解决了现有技术基于人工或二维图像的监测方式所带来的技术弊端，进而能够在兼顾适用场景多样化和监测结果高可信度的前提下实现场景监测。

技术研发人员：周士博,黄焕新
受保护的技术使用者：苏州阿尔戈斯智能科技有限公司
技术研发日：
技术公布日：2024/11/7