基于激光雷达的人群密度实时监测方法
【专利摘要】本发明提出了一种基于激光雷达的人群密度实时监测方法，具体为：利用马达对激光雷达进行驱动,利用激光雷达对监控区域进行扫描；数据采集系统实时记录激光雷达的扫描结果并输出原始激光点云数据以及马达原始数据；结合马达原始数据对原始激光点云数据进行有效点云筛选，并生成pts文件；确认是否存在背景图像，若有，则对pts文件进行栅格化；若无，则先生成背景图像，再对pts文件进行栅格化；根据pts文件的栅格化图像、背景图，生成人群DEM图像，并对人群DEM图像进行二值化，生成二值化图像；根据二值化图像计算人数总和，得到人群数量估计值。该发明受光线、场所等条件变化的影响较小，可以对监控区域进行高精度实时监测。
【专利说明】
基于激光雷达的人群密度实时监测方法
技术领域
[0001] 本发明设及模式识别技术领域，具体设及一种基于激光雷达的人群密度实时监测 方法。
【背景技术】
[0002] 在商圈广场、地铁、火车站、机场等人员聚集场所，客流高峰时期经常会有事故发 生。特别是在重大节假日，城市商圈往往聚集了大量的人群，容易发生全体性安全事件。例 如在上海，在高峰期会有成千上万人经过车站或广场，运些地方变成各种意外事故多发地 带。尽管在近年的基础建设和管理中，公安、地铁、火车站、机场等建设了大量监控系统，并 实行人群疏导和限流措施，避免拥挤、踩踏等安全隐患，维护公共安全，但类似12.31上海外 滩拥挤踩踏事件的发生仍然集中暴露了应急管理中存在的一些突出问题，在预防与应急准 备、监测与预警、应急处置与救援、事后恢复与重建等管理流程，严重脱节。
[0003] 目前，已有使用视频技术与图形识别技术来实时计算人群密度。但该方法在光线 发生变化后，或者摄像头安装位置和朝向发生变化后，精度会大打折扣。另外，也有人使用 手机基站的接入数量来估算聚集区域的人群密度，但该方法无法判断区分室内、室外的人 员，也无法精确获得特定区域的人群密度。
【发明内容】
[0004] 为了克服上述现有技术中存在的缺陷，本发明的目的是提供一种能快速准确地对 人群密度进行实时监测的方法。
[0005] 为了实现本发明的上述目的，本发明提供了一种基于激光雷达的人群密度实时监 测方法，包括W下步骤：
[0006] S1、利用激光雷达对监控区域进行扫描，其扫描平面垂直于监控区域，利用马达对 激光雷达进行驱动，使扫描平面进行顺时针和逆时针往返旋转；
[0007] S2、数据采集系统实时记录激光雷达的扫描结果并输出原始激光点云数据W及马 达原始数据，其中，原始激光点云数据中每个点云数据包含反射点到激光雷达的距离、反射 点所在激光束的发射角度和该束激光发射的时间；马达原始数据包括数据采集时间和马达 旋转角度；
[000引S3、结合马达原始数据对原始激光点云数据进行有效点云筛选，并将有效点云坐 标转换到平台坐标下，生成Pts文件；
[0009] S4、确认是否存在该监控区域的背景图像，若有，则对Pts文件进行栅格化;若无， 则先生成背景图像，再对Pts文件进行栅格化；
[0010] S5、确认是否存在该监控区域的掩膜文件，若有，则在掩膜文件的约束下，结合Pts 文件的栅格化后图像及背景图生成人群DBl图像;若无，则直接根据Pts文件的栅格化后图 像及背景图生成人群DEM图像;然后对人群DEM图像进行二值化，生成二值化图像；
[0011] S6、根据二值化图像计算人数总和，得到人群数量估计值。
[0012] 本方案使用2D激光雷达对监控区域进行扫描，其扫描平面垂直于监控区域，利用 马达对激光雷达进行驱动，使其扫描平面进行顺时针和逆时针往返旋转，W覆盖整个监控 区域。数据采集系统实时记录激光雷达输出的原始点云数据(包含每个点的角度、距离及时 间信息），W及马达的原始数据(包含旋转角度、时间信息）。本方案可对监控区域实时监测， 统计实时人群密度，并通过热力图形式直观体现人群分布。
[0013] 进一步的，所述步骤S3包括W下步骤：
[0014] S3-1、计算马达有效脉冲：
[0015] 马达有效脉冲为马达加速阶段结束时产生的脉冲数量Pi和马达减速阶段开始时 产生的脉冲数量P2,马达连续产生两个脉冲的旋转角度03计算方法为:03 = 36O/p〇,因此，马 达加速阶段结束时产生的脉冲数量Pl = 9〇八3 ;马达开始减速时产生的脉冲数量P2= ( 02-00- 0l)/03；
[0016] 其中，00为马达加速或减速阶段的旋转角度，PO为马达旋转一周的脉冲数量，01为 马达开始旋转角度，02为马达结束旋转角度。
[0017] S3-2、计算有效采集时间：
[001引马达连续产生两个脉冲的时间间隔t3 = t0/((目2-目1)/目3)，则有效数据采集的开始 时间t4和结束时间t5的计算方法为：
，其中，to为一个采集周期，tl为马达实际 开始旋转时间，t2为马达实际结束旋转时间；
[0019] S3-3、判断激光点云数据的有效性：
[0020] 判断所有激光点云数据的采集时间t6是否满足t6G[t4，t5]，其中，满足条件的激 光点云数据为有效点，将有效点执行步骤S3-4;不满足条件的激光点云数据则为无效数据；
[0021] S3-4、激光点云数据极坐标转换：
[0022] 设雷达锥扫角为a日，有效点测距值为di，角度值为ai，则其对应的设备坐标系下的 S维坐标(xi，yi，zi)计算方法为：
；.
[0023] S3-5、计算有效点相对于平台坐标系的旋转角度目4,计算方法为：
[0024] S3-6、计算有效点的平台坐标系坐标(X2，y2，Z2)，计算方法为：
:，其中，r为激光雷达相对于平台坐标中屯、距离； L〇〇2引 S3-7、计算有效点最终相对于平台坐标原点的空间坐标祐，￥1，2〇，其计算方法
为：
[0026] ，其中，05为平台坐标系Y轴与正北向夹角；
[0027] S3-8、处理采样周期内所有的点云数据，完成点云数据的坐标转换，保存转换结 果，生成pts文件。
[0028] 由于当一个数据采集周期开始时，马达开始旋转，有一段加速过程，在该采集周期 结束时，马达停止旋转，有一段减速过程。马达在加速或减速的过程中，激光雷达采集到的 点云数据是不均匀的，因此需要将该部分数据过滤，筛选有效数据。通过对马达有效脉冲和 有效采集时间的计算，从而得到了一个采样周期内所采集的有效点云。然后将有效点云经 过一系列的坐标转换，从而得到有效点最终相对于平台坐标原点的空间坐标，得到Pts文 件。该计算方法简单且准确，能快速得到有效点，并完成点云数据的坐标转换，生成Pts文 件。
[0029] 优选的，步骤S4中背景图像生成方法为：
[0030] 首先在无人流量或人流量稀少时对监控区域采集若干次数据，所采集数据为背景 图点云数据，将运些数据做垂直投影到二维平面上；
[0031] 然后计算监控区域大小片1111。，7'1111。，《'1113、，7'1113〇，其计算方法如下：
.其中，X'l为背景图点云的二维坐标的横坐标，Y'l表示背景 图点云的二维坐标的纵坐标，i = l，2,…，m，m为背景图点云个数； C '' , X
[0032] 再计算背景图高度h'o和宽度w'o,计算方法为，其中ceil 表示向上取整，A ' 1为背景图分辨率；
[0033] 最后计算背景图点云数据中每个点在背景图片中像素位置坐标(w'i，h'i)，计算方 法为
其中floor表示向下取整;背景图中i，hS)位置的像素值 取所有点云数据中对应该像素的点云数据高程值的最小值，若背景图中某像素没有对应的 点云数据，贝取无效值I n va 1 i d。
[0034] 该背景图像生成方法简单，且能准确的生成背景图像，提高了对监控区域实时监 测精度。
[0035] 优选的，步骤S4中对Pts文件进行栅格化的方法为：
[0036] 将Pts文件中点云数据做垂直投影到二维平面上，点云的二维坐标表示为(Xi，Yi)， (i = l,2,…，n)，其中n为点云个数，计算监控区域大小（Xmin，ymin，Xmax，ymax)，其计算方法如 下
[0037]图像高度ho和宽度WO的计算方法为
其中ceil表示向上取 整，M为图像分辨率；
[003引点云数据中每个点在图像中像素位置坐标(啊化)计算方法如下
， 栅格化图像中(wi，hi)位置的像素值取所有点云数据中对应该像素的点云数据高程值的最 大值，若图像中某像素没有对应的点云数据，则取无效值Invalid,完成对Pts文件的栅格 化。
[0039] 该Pts文件栅格化方法简单，且能准确的生成背景图像，提高了对监控区域实时监 测精度。
[0040] 进一步的，步骤S5包括W下步骤：
[0041] S5-1、生成人群肥M图像:设栅格化后图像上某像素 (Cl, ri)，像素值VI，对应的背景图 像位置为山2，n)，像素值V2，若存在掩膜文件，设对应掩膜文件位置为山3，n)，像素值V3，则生 成的人群呢M图像中对应像素（C4J4)的像素值V4的计算方法夫
若不存在掩膜文件，则生成的人群DEM图像中对应像素(C4，r4)的像素值V4的计算方法为:V4 =abs (V广V2)，其中，abs表示绝对值，
[0042] 按此计算人群DEM图像中所有像素的像素值，生成人群DEM图像；
[0043 ] S5-2、二值化人群DEM图像像素值，计算方法为：
[0044] 二值化后图像像素值
，其中，Vs为人群DEM图像中当前被二值 化的像素的像素值；
[0045] S5-3、对人群DEM图像中所有像素的像素值进行二值化，生成二值化图像。
[0046] 如果是初次对监控区域进行监测的话就需要生成监测区域的背景图像，如果不是 初次对监控区域进行监测，那么就存在已经有背景图像的可能。所W如果原本就存在背景 图像，那么栅格化后的图像上某像素在背景图像上坐标(C2，n)和像素值V2则为已知量，如 果原本不存在背景图像，那么在生成背景图像的过程中，背景图像上各像素坐标(C2，n)和 像素值V2则会被计算得到，因此，也为已知量。该计算方法简单有效，能快速生成人群DEM图 像，并对人群DEM图像进行二值化。
[0047] 进一步的，步骤S6包括W下步骤：
[0048] S6-1、根据二值化图像中像素的像素值计算该像素所表示的人数Nump,若该像素 的像素值为0，则记Nump = O;若该像素的像素值为1，则执行步骤S6-2;
[0049] S6-2、计算二值化图像中像素值为1的像素对应的平面坐标(X5，Y5)，其计算方法 来
[0050] S6-3、计算该像素平面坐标到平台中屯、的平面距离，计算方法为：
其中（Xo，Yo)为平台中屯、的平面坐标；
[0051] S6-4、按二值化图像中像素的平面坐标到平台中屯、的平面距离值分区域进行加 权，确定每个区域所代表的人数；
[0052] S6-5、重复执行步骤S6-1至S6-4,计算二值化图像中所有像素对应的人数，计算人 数总和得到人群数量估计值。
[0053] 该计算方法简单有效，能快速准确的对人数总和进行计算，最终得到人群数量估 计值。
[0054] 进一步的，还包括步骤S7、将监测得到的人群密度数据进行存档，W供历史查询和 统计分析，便于评估监控区域的人群密度变化趋势，为公共安全预警提供数据支撑。
[0055] 进一步的，还包括步骤S8、生成人群热力图，具体为：
[0056] S8-1、在二值化图像上，按照nXn(n为正整数）的窗口大小，计算该窗口内像素对 应的人数之和，将其作为窗口中屯、像素对应的人数；
[0057] S8-2、按步骤S8-1中的方法计算二值化图像中所有像素对应的人数，得到人群数 量统计图，即人群热力图。
[0058] 该人群热力图生成方法简单，同时通过人群热力图形式可直观体现人群分布。
[0059] 进一步的，步骤S5中，如果掩膜文件不存在，则还包括掩膜文件生成步骤，具体为：
[0060] 掩膜文件生成方法与背景图生成方法相同，首先计算监控区域范围大小，然后根 据掩膜文件分辨率计算掩膜文件长度和宽度，生成初始掩膜文件，所述掩膜文件采用与背 景图一致的大小和分辨率，所述掩膜文件通过图片编辑器进行人工编辑:人群无法抵达的 区域用黑色表示，人群可抵达的区域用白色表示，黑色标记区域不参分析，白色标记区域参 与分析。
[0061] 该掩膜文件生成方法简单，可直接使用背景图的数据，受掩膜文件的约束，可提高 数据处理的效率及人群数量估计的精度。
[0062] 本发明的有益效果是：
[0063] (1)、该发明受光线、场所等条件变化的影响较小，可W对监控区域进行高精度实 时监测。
[0064] (2)、该发明为公共安全预警提供了新的解决方案及数据支撑。
[0065] 本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变 得明显，或通过本发明的实践了解到。
【附图说明】
[0066] 本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得 明显和容易理解，其中：
[0067] 图1是本发明的流程图；
[0068] 图2是本发明的人群密度监控示意图。
【具体实施方式】
[0069] 下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终 相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附 图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
[0070] 在本发明的描述中，除非另有规定和限定，需要说明的是，术语"安装"、"相连"、 "连接"应做广义理解，例如，可W是机械连接或电连接，也可W是两个元件内部的连通，可 W是直接相连，也可W通过中间媒介间接相连，对于本领域的普通技术人员而言，可W根据 具体情况理解上述术语的具体含义。
[0071] 如图1-2所示，本发明提供了一种基于激光雷达的人群密度实时监测方法，包括W 下步骤：
[0072] 第一步，利用激光雷达对监控区域进行扫描，其扫描平面垂直于监控区域，利用马 达对激光雷达进行驱动，使扫描平面进行顺时针和逆时针往返旋转。
[0073] 具体为:使用2D激光雷达对监控区域进行扫描，其扫描平面垂直于监控区域，方案 配置一台马达对激光雷达进行驱动，使其扫描平面进行顺时针和逆时针往返旋转，W覆盖 整个监控区域。
[0074] 第二步，数据采集系统实时记录激光雷达的扫描结果并输出原始激光点云数据W 及马达原始数据，其中，原始激光点云数据中每个点云数据包含反射点到激光雷达的距离、 反射点所在激光束的发射角度和该束激光发射的时间；马达原始数据包括数据采集时间和 马达旋转角度。
[0075] 第=步，结合马达原始数据对原始激光点云数据进行有效点云筛选，并将有效点 云坐标转换到平台坐标下，生成Pts文件。
[0076] 该步骤主要分W下几个步骤：
[0077] S3-1、计算马达有效脉冲：
[0078] 马达连续产生两个脉冲的旋转角度03计算方法为：03 = 36O/p〇,马达加速阶段结束 时产生的脉冲数量Pl为:Pl =目日/目3 ;马达开始减速时产生的脉冲数量P2为:P2 =(目2-目日-目1 )/ 白3。
[0079] 其中，00为马达加速或减速阶段的旋转角度，PO为马达旋转一周的脉冲数量，01为 马达开始旋转角度，02为马达结束旋转角度，均为马达原始数据，是已知量。
[0080] S3-2、计算有效采集时间
[0081] 马达连续产生两个脉冲的时间间隔t3 = to/((02-0i)/03)，则有效数据采集的开始 时间t4和结束时间t5的计算方法为其中，to为一个采集周期，tl为马达实际 开始旋转时间，t2为马达实际结束旋转时间
，运=个参数均为马达原始数据，是已知量。
[0082] S3-3、判断激光点云数据的有效性
[0083] 判断所有激光点云数据的采集时间t6是否满足t6G[t4，t5]，其中，满足条件的激 光点云数据为有效点，将有效点执行步骤S3-4;不满足条件的激光点云数据则为无效数据。
[0084] S3-4、激光点云数据极坐标转换
[0085] 设雷达锥扫角为a日，有效点测距值为di，角度值为日1，则其对应的设备坐标系下的 立维坐标(XI，yi, Zi)计算方法为
[0086] S3-5、计算有效点相对于平台坐标系的旋转角度目4,计算方法为：
[0087] S3-6、计算有效点的平台坐标系坐标(X2，y2，Z2)，计算方法为：
，其中，r为激光雷达相对于平台坐标中屯、距离。
[0088] S3-7、计算有效点最终相对于平台坐标原点的空间坐标^1，￥1，21)，其计算方法 为：
[0089]
，其中，05为平台坐标系Y轴与正北向夹角。
[0090] S3-8、处理采样周期内所有的点云数据，完成点云数据的坐标转换，保存转换结 果，生成Pts文件。
[0091] 第四步，确认是否存在该监控区域的背景图像，若有，则对Pts文件进行栅格化;若 无，则先生成背景图像，再对Pts文件进行栅格化。
[0092] 背景图像的生成方法为：
[0093] 首先在无人流量或人流量稀少时对监控区域采集若干次数据，所采集数据为背景 图点云数据，将运些数据做垂直投影到二维平面上。
[0094] 然后计算监控区域大小片1111。，7'1111。，义'1113、，7'1113〇，其计算方法如下：
[00巧]
,其中，X'l为背景图点云的二维坐标的横坐标，Y'l 表示背景图点云的二维坐标的纵坐标，i = l，2,…，m，m为背景图点云个数。
[0096] 再计算背景图高度h'o和宽度w'o,计算方法3其中ceil 表示向上取整，A ' 1为背景图分辨率。
[0097] 最后计算背景图点云数据中每个点在背景图片中像素位置坐标(w'i，h'i)，计算方 法为：
，其中floor表示向下取整;背景图中(W^ i，h/1)位置的像素值 取所有点云数据中对应该像素的点云数据高程值的最小值，若背景图中某像素没有对应的 点云数据，贝取无效值I n va 1 i d。
[0098] 利用计算背景图像高度和宽度相同的方法，计算Pts文件栅格化后生成的图像高 度ho和宽度W0,并计算Pts文件中每个点对应的像素位置，取对应同一像素的所有点的高程 的最大值为该像素的像素值。若某像素没有对应的点，则该像素对应像素值取值Invalid。
[0099] 具体如下：
[0100] 将Pts文件中点云数据做垂直投影到二维平面上，点云的二维坐标表示为(Xi，Yi)， (i = l,2,…，n)，其中n为点云个数，计算监控区域大小（Xmin，ymin，Xmax，ymax)，其计算方法如 下
[0101] 图像高度ho和宽度WO的计算方法为
，其中ceil表示向上取 整，M为图像分辨率。
[0102] 点云数据中每个点在图像中像素位置坐标如1化)的计算方法如下
栅格化图像中(wi，hl)位置的像素值取所有点云数据中对应该像素的点云数据高程值的最 大值，若图像中某像素没有对应的点云数据，则取无效值Invalid,完成对Pts文件的栅格 化。
[0103] 第五步，确认是否存在该监控区域的掩膜文件，若有，则在掩膜文件的约束下，结 合Pts文件的栅格化后图像及背景图生成人群DEM图像;若无，则直接根据Pts文件的栅格化 后图像及背景图生成人群DEM图像;然后对人群DEM图像进行二值化，生成二值化图像。
[0104] 具体步骤为：
[01化]S5-1、生成人群DEM图像
[0106]设栅格化后图像上某像素 (Cl, ri)，像素值Vi,对应的背景图位置为(C2，r2)，像素值 V2,若存在掩膜文件，设对应掩膜文件位置为(C3，r3)，像素值V3,则生成的人群DEM图像中对 应像素 (C4，r4)的像素值V4的计算方法关
，若不存在掩膜文件，贝U 生成的人群DEM图像中对应像素（C4，r4)的像素值V4的计算方法为:V4 = abs(Vi-V2)，其中， abs表示绝对值，计算人群DEM图像中所有像素的像素值，生成人群DEM图像。
[0107] S5-2、二值化人群DEM图像像素值，计算方法为：
[0108] 二值化后图像像素值
其中，Vs为人群DEM图像中当前被二值 化的像素的像素值。
[0109] S5-3、对人群DEM图像中所有像素的像素值进行二值化，生成二值化图像。
[0110] 第六步，根据二值化图像计算人数总和，得到人群数量估计值。
[01具体方法如下；
[0112] S6-1、根据二值化图像中像素的像素值计算该像素所表示的人数Nump,若该像素 的像素值为0，则记Nump = O;若该像素的像素值为1，则执行步骤S6-2。
[0113] S6-2、计算二值化图像中像素值为1的像素对应的平面坐标(X5，Y5)，其计算方法 为
[0114] S6-3、计算该像素平面坐标到平台中屯、的平面距离，计算方法为：
,其中（Xo,机)为平台中屯、的平面坐标。
[0115] S6-4、按二值化图像中像素的平面坐标到平台中屯、的平面距离值分区域进行加 权，确定每个区域所代表的人数，本实施例中采用W下加权：
[0116]
[0117] S6-5、重复执行步骤S6-1至S6-4,计算二值化图像中所有像素对应的人数，计算人 数总和得到人群数量估计值。
[0118] 本实施例马达和激光雷达对监控区域进行扫描采样，并通过一系列坐标转换，将 原始点云数据转化为相对于采集平台的XYZS维空间坐标。运些带S维坐标的点，可W直观 反映监控区域人和物的空间信息，如位置、高度、外形等。对运些点云数据进行数学分析，结 合背景DEM数据及掩膜数据，垂直投影至规则网格，每个网格内符合人体特征的最高点作为 特征点，得到人群DEM数据，该数据体现了人群在平面上的分布。在人群DEM数据与人群密度 之间建立数学模型，达到统计人群数量及密度的目的。
[0119] 为了直观体现人群的分布，可将统计结果通过热力图形式展示。
[0120] 人群热力图生成方法具体为：
[0121] S8-1、在二值化图像上，按照nXn(n为正整数）的窗口大小，计算该窗口内像素对 应的人数之和，将其作为窗口中屯、像素对应的人数。运里n通常取奇数。
[0122] S8-2、按步骤S8-1中的方法计算二值化图像中所有像素对应的人数，得到新的人 群数量统计图，即人群热力图。
[0123] 可使用不同的颜色，对人群数量统计图按照人数的不同进行标记，生成人群热力 图，W反映监控区域人群的密集程度。
[0124] 此外，可按照需要，对人群热力图进行重新采样，生成不同分辨率的人群热力图， W满足不同的需求。
[0125] 为了能够更加准确的评估监控区域的人群密度变化趋势，为公共安全预警提供数 据支撑，本实施例还包括将监测数据进行存档的步骤，W供相关部口进行历史查询和统计 分析。
[0126] 作为本实施例的优选方案，在掩膜文件不存在时，可生成掩膜文件，具体为：
[0127] 掩膜文件生成方法与背景图生成方法相同，首先计算监控区域范围大小，然后根 据掩膜文件分辨率计算掩膜文件长度和宽度，生成初始掩膜文件，所述掩膜文件采用与背 景图一致的大小和分辨率，所述掩膜文件通过图片编辑器进行人工编辑，例如水池、树木和 建筑物等人群无法抵达的区域用黑色表示，人群可抵达的区域用白色表示，黑色标记区域 不参分析，白色标记区域参与分析。
[0128] 在本说明书的描述中，参考术语"一个实施例"、"一些实施例"、"示例"、"具体示 例"、或"一些示例"等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特 点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不 一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可W在任何 的一个或多个实施例或示例中W合适的方式结合。
[0129] 尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可W理解:在不 脱离本发明的原理和宗旨的情况下可W对运些实施例进行多种变化、修改、替换和变型，本 发明的范围由权利要求及其等同物限定。
【主权项】
1. 一种基于激光雷达的人群密度实时监测方法，其特征在于，包括以下步骤： 51、 利用激光雷达对监控区域进行扫描，其扫描平面垂直于监控区域，利用马达对激光 雷达进行驱动，使扫描平面进行顺时针和逆时针往返旋转； 52、 数据采集系统实时记录激光雷达的扫描结果并输出原始激光点云数据以及马达原 始数据，其中，原始激光点云数据中每个点云数据包含反射点到激光雷达的距离、反射点所 在激光束的发射角度和该束激光发射的时间；马达原始数据包括数据采集时间和马达旋转 角度； 53、 结合马达原始数据对原始激光点云数据进行有效点云筛选，并将有效点云坐标转 换到平台坐标下，生成Pts文件； 54、 确认是否存在该监控区域的背景图像，若有，则对pts文件进行栅格化;若无，则先 生成背景图像，再对Pts文件进行栅格化； 55、 确认是否存在该监控区域的掩膜文件，若有，则在掩膜文件的约束下，结合pts文件 的栅格化后图像及背景图生成人群DEM图像;若无，则直接根据pts文件的栅格化后图像及 背景图生成人群DEM图像;然后对人群DEM图像进行二值化，生成二值化图像； 56、 根据二值化图像计算人数总和，得到人群数量估计值。2. 根据权利要求1所述的基于激光雷达的人群密度实时监测方法，其特征在于，所述步 骤S3包括以下步骤： S3-1、计算马达有效脉冲： 马达有效脉冲为马达加速阶段结束时产生的脉冲数量PdP马达减速阶段开始时产生的 脉冲数量P2，马达连续产生两个脉冲的旋转角度θ3计算方法为：θ3 = 360/po，因此，马达加速 阶段结束时产生的脉冲数量PI = θ〇/θ3;马达开始减速时产生的脉冲数量PS=(Q2-9Q-Q 1)Z^3; 其中，θ〇为马达加速或减速阶段的旋转角度，PQ为马达旋转一周的脉冲数量J1为马达 开始旋转角度，Θ2为马达结束旋转角度； S3-2、计算有效采集时间： 马达连续产生两个脉冲的时间间隔^ = 1()/((02-0:)/03),则有效数据采集的开始时间 t4和结束时间t5的计算方法为其中，to为一个采集周期，^为马达实际开始 旋转时间，t2为马达实际结束旋转时间； S3-3、判断激光点云数据的有效性： 判断所有激光点云数据的采集时间t6是否满足t6e[t4，t5]，其中，满足条件的激光点云 数据为有效点，将有效点执行步骤S3-4;不满足条件的激光点云数据则为无效数据； S3-4、激光点云数据极坐标转换： 设雷达锥扫角为α〇，有效点测距值为di，角度值为CJ1，则其对应的设备坐标系下的三维 坐标(Xi，yi，Zi)计算方法为S3-5、计算有效点相对于平台坐标系的旋转角度θ4,计算方法为：实中，r为激光雷达相对于平台坐标中心距离； 点的空间坐标(X1，Y1，Z1 )，其计算方法为： 、彳rl·管右放占的平合泌#7Γ：蒸泌;_ y2，Z2 )，计算方法为：与平台坐标系Y轴与正北向夹角； S3-8、处理采样周期内所有的点云数据，完成点云数据的坐标转换，保存转换结果，生 成Pts文件。3. 根据权利要求1所述的基于激光雷达的人群密度实时监测方法，其特征在于，步骤S4 中背景图像生成方法为： 首先在无人流量或人流量稀少时对监控区域采集若干次数据，所采集数据为背景图点 云数据，将这些数据做垂直投影到二维平面上； 然后计算监控区域大实计算方法如下其中，X',为背景图点云的二维坐标的横坐标，Y/表示背景图点云的二维坐标的纵坐标，i = 1，2,…，m，m为背景图点云个数； 再计算背景图高度V 〇和宽度V 〇，计算方法为 其中ceil表示向 上取整，Y1为背景图分辨率； 最后计算背景图点云数据中每个点在背景图片中像素位置坐标(W' D，计算方法 〉?中floor表示向下取整;背景图中位置的像素值取所 有点云数据中对应该像素的点云数据高程值的最小值，若背景图中某像素没有对应的点云 数据，则取无效值Inva I i d。4. 根据权利要求1所述的基于激光雷达的人群密度实时监测方法，其特征在于，步骤S4 中对Pts文件进行栅格化的方法为： 将Pts文件中点云数据做垂直投影到二维平面上，点云的二维坐标表示为(X1J1)Ji = 1，2，~，11)，其中11为点云个数，计算监控区域大小(111^，711^，1111￡?，7 111￡?)，该区域大小与生成 背景图时计算的区域大小保持一致，其计算方法如下：图像高度ho和宽度WQ的计算方法为：7其中ceil表示向上取整，入1为图像分辨率； 点云数据中每个点在图像中像素位置坐标(W1J1)计算方法如< 栅格化图像中(W1,In)位置的像素值取所有点云数据中对应该像素的点云数据高程值的最 大值，若某像素没有对应的点云数据，则取无效值Inval id，完成对pts文件的栅格化。5. 根据权利要求1所述的基于激光雷达的人群密度实时监测方法，其特征在于，步骤S5 包括以下步骤： S5-1、生成人群DEM图像:设栅格化后图像上某像素(C1，n)，像素值V1，对应的背景图位 置为(c2，r2 )，像素值V2，若存在掩膜文件，设对应掩膜文件位置为(C3，r3 )，像素值V3，则生成 的人群DEM图像中对应像素(C4，Γ4 )的像素值V4的计算方法为：若 不存在掩膜文件，则生成的人群DEM图像中对应像素(C4，Γ4)的像素值V4的计算方法为:V4 = Bbs(V1-V2)，其中，abs表示绝对值，计算人群DEM图像中所有像素的像素值，生成人群DEM图 像； S5-2、二值化人群DEM图像像素值，计算方法为： 二值化后图像像素僅其中，V5为人群DEM图像中当前被二值化的 像素的像素值； 55- 3、对人群DEM图像中所有像素的像素值进行二值化，生成二值化图像。6. 根据权利要求1所述的基于激光雷达的人群密度实时监测方法，其特征在于，步骤S6 包括以下步骤： 56- 1、根据二值化图像中像素的像素值计算该像素所表示的人数Nump，若该像素的像素 值为〇，则记Num p = O;若该像素的像素值为1，则执行步骤S6-2; S6-2、计算二值化图像中像素值为1的像素对应的平面坐标(X5，Y5 )，其计算方法为：S6-3、计算该像素平面坐标到平台中心的平面距离，计算方法戈， 其中(Χ〇，Υ〇)为平台中心的平面坐标；S6-4、按二值化图像中像素的平面坐标到平台中心的平面距离值分区域进行加权，确 定每个区域所代表的人数； S6-5、重复执行步骤S6-1至S6-4,计算二值化图像中所有像素对应的人数，计算人数总 和得到人群数量估计值。7. 根据权利要求1所述的基于激光雷达的人群密度实时监测方法，其特征在于，还包括 步骤S7、将监测得到的人群密度数据进行存档，以供历史查询和统计分析。8. 根据权利要求1所述的基于激光雷达的人群密度实时监测方法，其特征在于，还包括 步骤S8、生成人群热力图，具体为： S8-1、在二值化图像上，按照η X η(η为正整数）的窗口大小，计算该窗口内像素对应的 人数之和，将其作为窗口中心像素对应的人数； S8-2、按步骤S8-1中的方法计算二值化图像中所有像素对应的人数，得到人群数量统 计图，即人群热力图。9. 根据权利要求3所述的基于激光雷达的人群密度实时监测方法，其特征在于，步骤S5 中，掩膜文件生成步骤，具体为： 掩膜文件生成方法与背景图生成方法相同，首先计算监控区域范围大小，然后根据掩 膜文件分辨率计算掩膜文件长度和宽度，生成初始掩膜文件，所述掩膜文件采用与背景图 一致的大小和分辨率，所述掩膜文件通过图片编辑器进行人工编辑:人群无法抵达的区域 用黑色表示，人群可抵达的区域用白色表示，黑色标记区域不参分析，白色标记区域参与分 析。
【文档编号】G06M11/02GK106022460SQ201610349325
【公开日】2016年10月12日
【申请日】2016年5月25日
【发明人】向泽君, 吕楠, 唐德彬, 明镜, 李宇, 苟永刚, 易佳, 龙川, 陈汉, 殷飞, 胡小林, 张婕, 黄志
【申请人】重庆市勘测院, 重庆数字城市科技有限公司, 重庆市公安科学技术研究所