CN109993700B - 数据处理方法、装置、电子设备及计算机可读存储介质 - Google Patents
数据处理方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109993700B CN109993700B CN201910265528.4A CN201910265528A CN109993700B CN 109993700 B CN109993700 B CN 109993700B CN 201910265528 A CN201910265528 A CN 201910265528A CN 109993700 B CN109993700 B CN 109993700B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- processing
- check
- vehicle track
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 293
- 238000007499 fusion processing Methods 0.000 claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 48
- 230000004927 fusion Effects 0.000 claims abstract description 25
- 238000004519 manufacturing process Methods 0.000 claims abstract description 20
- 238000012795 verification Methods 0.000 claims description 39
- 238000004590 computer program Methods 0.000 claims description 10
- 230000005484 gravity Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000002310 reflectometry Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000032798 delamination Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Instructional Devices (AREA)
Abstract
本发明提供一种数据处理方法、装置、电子设备及计算机可读存储介质。该方法包括:根据原始点云,进行拼接处理和融合处理,得到第一处理点云;在第一处理点云不满足第一预设条件的情况下,接收用户的输入操作;其中,输入操作用于指定第一处理点云中的同名特征点;根据同名特征点,对第一处理点云进行融合处理,得到第二处理点云;在第二处理点云满足第一预设条件,且第二处理点云中的同名特征点的距离小于第一预设距离的情况下,根据第二处理点云,执行地图生产作业操作。可见,本发明实施例中,可以根据质量满足要求的点云来进行三维高精地图的生产,与现有技术相比,本发明实施例能够有效地保证生成的地图数据的质量。
Description
技术领域
本发明实施例涉及通信技术领域,尤其涉及一种数据处理方法、装置、电子设备及计算机可读存储介质。
背景技术
三维高精地图是实现车辆自动驾驶和辅助驾驶的前提条件,其为自动驾驶车辆进行精确定位和正确决策提供主要依据。点云的处理是三维高精地图生产中的一个关键环节,可以理解的是,点云是指逆向工程中通过测量仪器得到的产品外观表面的点数据集合,点云也可以称之为点云数据。
现有技术中,三维高精地图生产时使用的点云很可能存在一些质量问题,一旦有质量问题的点云流入地图生产作业阶段,则会对依赖于点云的算法造成干扰,例如对车道线建模算法造成干扰,从而降低最终生成的地图数据的质量。
发明内容
本发明实施例提供一种数据处理方法、装置、电子设备及计算机可读存储介质,以解决现有技术中在进行三维高精地图生产时,使用存在质量问题的点云,导致最终生成的地图数据的质量降低的问题。
为了解决上述技术问题,本发明是这样实现的:
第一方面,本发明实施例提供一种数据处理方法,所述方法包括:
根据原始点云,进行拼接处理和融合处理,得到第一处理点云;
在所述第一处理点云不满足第一预设条件的情况下,接收用户的输入操作;其中,所述输入操作用于指定所述第一处理点云中的同名特征点;
根据所述同名特征点,对所述第一处理点云进行融合处理,得到第二处理点云;
在所述第二处理点云满足所述第一预设条件,且所述第二处理点云中的同名特征点的距离小于第一预设距离的情况下,根据所述第二处理点云,执行地图生产作业操作。
第二方面,本发明实施例提供一种数据处理装置,所述装置包括:
第一处理模块,用于根据原始点云,进行拼接处理和融合处理,得到第一处理点云;
接收模块,用于在所述第一处理点云不满足第一预设条件的情况下,接收用户的输入操作;其中,所述输入操作用于指定所述第一处理点云中的同名特征点;
第二处理模块,用于根据所述同名特征点,对所述第一处理点云进行融合处理,得到第二处理点云;
执行模块,用于在所述第二处理点云满足所述第一预设条件,且所述第二处理点云中的同名特征点的距离小于第一预设距离的情况下,根据所述第二处理点云,执行地图生产作业操作。
第三方面,本发明实施例提供一种电子设备,包括处理器,存储器,存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述数据处理方法的步骤。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述数据处理方法的步骤。
本发明实施例中,为了进行三维高精地图的生产,可以先根据原始点云,进行拼接处理和融合处理,得到第一处理点云,接下来,根据第一处理点云是否满足第一预设条件,可以判定第一处理点云的质量是否满足要求。在第一处理点云的质量不满足要求的情况下,可以由人工介入,指定第一处理点云的同名特征点,以便于据此对第一处理点云进行融合处理,从而得到质量更优的第二处理点云。之后,可以根据第二处理点云是否满足第一预设条件,以及第二处理点云中的同名特征点的距离是否小于第一预设距离,判定第二处理点云的质量是否满足要求。在第二处理点云的质量满足要求的情况下,可以根据第二处理点云,执行地图生产作业操作。可见,本发明实施例中,可以根据质量满足要求的点云来进行三维高精地图的生产,这样,依赖于点云的算法不会受到干扰,因此,与现有技术相比,本发明实施例能够有效地保证生成的地图数据的质量。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例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性的前提下,还可以根据这些附图获取其他的附图。
图1是本发明实施例提供的数据处理方法的流程图之一;
图2是本发明实施例中确定第一处理点云的分层率的原理图;
图3是本发明实施例提供的数据处理方法的流程图之二;
图4是本发明实施例提供的数据处理装置的结构框图;
图5是本发明实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获取的所有其他实施例,都属于本发明保护的范围。
下面首先对本发明实施例提供的数据处理方法进行说明。
需要说明的是,本发明实施例提供的数据处理方法应用于电子设备。具体地,电子设备可以为服务器或者具有数据运算和处理功能的其他设备。为了便于理解,本发明实施例中均以电子设备为服务器的情况为例进行说明。
参见图1,图中示出了本发明实施例提供的数据处理方法的流程图。如图1所示,该方法包括如下步骤:
步骤101,根据原始点云,进行拼接处理和融合处理,得到第一处理点云。
在步骤101之前,服务器需要先获得原始点云。具体地,原始点云的采集设备(为了便于说明,后续均将原始点云的采集设备简称为采集设备)可以部署于车辆,服务器可以下载采集设备所采集的原始点云。
一般而言,在进行三维高精地图生成时,需要使用的原始点云的数据量非常庞大,即使经过了抽稀处理,一个城市的数据量也会达到TB级别;其中,TB是硬盘容量的单位,1TB=1000GB=1000000MB。因此,在进行原始点云的下载时,可以调用多个线程,进行批量异步下载。可以理解的是,点云可以分为三级组织,分别是tile(即10公里*10公里)、node(即50米*50米)、cell(即1米*1米),每个下载请求采用批量异步下载时,一次请求能够下载得到多个node的数据。另外,为了不阻塞程序,采集设备可以采用异步响应方式。
由于服务器下载得到了原始点云,服务器后续可以根据原始点云,进行拼接处理和融合处理,以得到第一处理点云。需要说明的是,根据原始点云,进行拼接处理和融合处理的具体实现形式多样,下面进行举例介绍。
在一种实现形式中,根据原始点云,进行拼接处理和融合处理,包括:
根据原始点云,生成中间点云;其中,中间点云中包括原始点云中的关键信息;
对中间点云进行拼接处理和融合处理。
这种实现形式中,对于多个node的数据,可以将其中的无用信息丢弃,例如将只为显示而设置的rgb(其中,r代表红色,g代表绿色,b代表蓝色)值丢弃,而将能够真正用于地图生产作业的关键信息保留,这些关键信息可以构成中间点云。由于服务器的内存是有限的,在得到中间点云之后,可以将中间点云写入缓存中,并构建索引,以便于后续进行点云的查找。
当需要进行三维高精地图的生产时,服务器可以从缓存中获取中间点云,并对中间点云进行拼接处理和融合处理,以得到第一处理点云。可以理解的是,点云的融合处理的作用是:消除由测量误差和匹配误差等导致的多视角点云重叠区域的噪声、分层和冗余,以建立细节特征清晰,表面光顺的单层点云模型。
可见,这种实现形式中,电子设备仅需要对包括原始点云中的关键信息的中间点云进行拼接处理和融合处理,这样能够有效地减少处理过程的运算量,以提高处理速度和处理效率。
当然,根据原始点云,进行拼接处理和融合处理的实现形式并不局限于上述情况。举例而言,在下载得到采集设备采集的原始点云之后,服务器可以直接将原始点云写入缓存中,并构建索引;当需要进行三维高精地图的生产时,服务器可以直接从缓存中获取原始点云,并对原始点云进行拼接处理和融合处理,以得到第一处理点云。
步骤102,在第一处理点云不满足第一预设条件的情况下,接收用户的输入操作;其中,输入操作用于指定第一处理点云中的同名特征点。
这里,第一预设条件可以为用于评判点云质量好坏的一个依据。
具体地,如果第一处理点云满足第一预设条件,可以认为第一处理点云的质量较好,可以直接根据第一处理点云,执行后续的地图生成作业操作。
如果第一处理点云不满足第一预设条件,可以认为第一处理点云的质量不好,为了避免影响到后续生成的地图数据的质量,服务器可以通过语音、文字等方式输出用于表征第一处理点云的质量存在问题的提示信息,并接收用户根据提示信息执行的输入操作;其中,该输入操作用于指定第一处理点云中的同名特征点。一般而言,第一处理点云中存在着数量庞大的同名特征点,该输入操作可以仅指定第一处理点云中的部分同名特征点,例如指定牌上的同名特征点、杆上的同名特征点、地面的同名特征点等。
步骤103,根据同名特征点,对第一处理点云进行融合处理,得到第二处理点云。
在步骤103中,可以根据输入操作所指定的第一处理点云中的同名特征点,对第一处理点云进行进一步的融合处理,以进一步消除由测量误差和匹配误差等导致的多视角点云区域的噪声、分层和冗余,以得到相比于第一处理点云而言质量更优的第二处理点云。
步骤104,在第二处理点云满足第一预设条件,且第二处理点云中的同名特征点的距离小于第一预设距离的情况下,根据第二处理点云,执行地图生产作业操作。
在得到第二处理点云之后,电子设备可以判断第二处理点云是否满足第一预设条件,以及判断第二处理点云中的同名特征点的距离是否小于第一预设距离。这里,第一预设条件作为用于评判点云质量好坏的一个依据,同名特征点距离作为用于评判点云质量好坏的另一个依据。
如果第二处理点云满足第一预设条件,且第二处理点云中的同名特征点的距离小于第一预设距离,这说明按照上述用于评判点云质量好坏的两种依据,第二处理点云的质量均较好,这时,服务器可以根据第二处理点云,执行后续的地图生成作业操作,这样,后续生成的地图数据的质量能够得到有效地保证。
如果第二处理点云不满足第一预设条件,和/或,第二处理点云中的同名特征点的距离大于或等于第一预设距离,这说明按照上述用于评判点云质量好坏的两种依据中的至少一者,第二处理点云的质量存在问题,这时,服务器可以通过语音、文字等方式输出用于表征第二处理点云的质量存在问题的提示信息,并接收用户根据该提示信息执行的输入操作;其中,该输入操作用于指定第二处理点云中的同名特征点。之后,服务器可以根据该输入操作所指定的同名特征点,对第二处理点云进行融合处理,后续过程参照对第一处理点云进行融合处理后执行的步骤的说明即可,在此不再赘述。
本发明实施例中,为了进行三维高精地图的生产,可以先根据原始点云,进行拼接处理和融合处理,得到第一处理点云,接下来,根据第一处理点云是否满足第一预设条件,可以判定第一处理点云的质量是否满足要求。在第一处理点云的质量不满足要求的情况下,可以由人工介入,指定第一处理点云的同名特征点,以便于据此对第一处理点云进行融合处理,从而得到质量更优的第二处理点云。之后,可以根据第二处理点云是否满足第一预设条件,以及第二处理点云中的同名特征点的距离是否小于第一预设距离,判定第二处理点云的质量是否满足要求。在第二处理点云的质量满足要求的情况下,可以根据第二处理点云,执行地图生产作业操作。可见,本发明实施例中,可以根据质量满足要求的点云来进行三维高精地图的生产,这样,依赖于点云的算法不会受到干扰,因此,与现有技术相比,本发明实施例能够有效地保证生成的地图数据的质量。
可选地,原始点云中包括不同采集时间采集的点云,第一处理点云中包括对应不同采集时间的处理点云;
在第一处理点云不满足第一预设条件的情况下,接收用户的输入操作之前,该方法还包括:
根据对应不同采集时间的处理点云,分别确定同一物体的空间位置;
根据所确定的各空间位置的距离,确定第一处理点云是否满足第一预设条件。
需要说明的是,本实施例中涉及的物体可以为牌、杆或者实际的三维空间中任何固定不动的物体。
具体实施时,在车辆的行驶过程中,采集设备可以周期地进行点云的采集。假设周期T1采集的点云为D1,周期T2采集的点云为D2,周期T3采集的点云为D3,周期T4采集的点云为D4,那么,原始点云中可以包括D1、D2、D3和D4,相应地,第一处理点云中可以包括对应T1的D1',对应T2的D2',对应T3的D3',以及对应T4的D4'。
接下来,可以分别根据D1'至D4',确定同一根杆(例如杆G)的空间位置。假设根据D1'确定出的空间位置为W1,根据D2'确定出的空间位置为W2,根据D3'确定出的空间位置为W3,根据D4'确定出的空间位置为W4,那么,可以根据W1至W4这四者两两之间的距离,确定第一处理点云是否满足第一预设条件。
由于实际的三维空间中,G的空间位置是固定不变的,那么,如果W1至W4这四者两两之间的距离均非常大,则可以认为第一处理点云存在质量问题,此时可以判定第一处理点云不满足第一预设条件;相反,如果W1至W4这四者两两之间的距离均非常小,则可以判定第一处理点云满足第一预设条件。
可见,本实施例中,通过空间位置距离的判定,能够较为便捷可靠地确定出第一处理点云是否满足第一预设条件。
可选地,在第一处理点云不满足第一预设条件的情况下,接收用户的输入操作之前,该方法还包括:
确定第一处理点云的目标信息;其中,目标信息包括反射信息、分层信息、错位信息和遮挡信息中的至少一者;
根据目标信息,确定第一处理点云是否满足第一预设条件。
这里,反射信息可以包括反射率;分层信息可以包括分层率;错位信息可以包括错位率;遮挡信息可以包括遮挡率。根据目标信息,可以判定以下至少一项:(1)第一处理点云的反射率是否符合要求;(2)第一处理点云中的分层情况是否严重;(3)第一处理点云中的错位情况是否严重;(4)第一处理点云中的遮挡情况是否严重。
之后,可以依据判定结果,评判第一处理点云的质量好坏。具体地,如果第一处理点云的反射率符合要求,且分层情况、错位情况和遮挡情况均不严重,则可以认为第一处理点云的质量较好,那么,可以确定第一处理点云满足第一预设条件。如果第一处理点云的反射率不符合要求,和/或,分层情况、错位情况和遮挡情况中的至少一者严重,则可以认为第一处理点云存在质量问题,那么,可以确定第一处理点云不满足第一预设条件。
可见,本实施例中,根据目标信息,能够较为便捷可靠地确定出第一处理点云是否满足第一预设条件。
可选地,原始点云的采集设备部署于车辆;
确定第一处理点云的目标信息,包括:
获得第一车辆轨迹数据;其中,第一车辆轨迹数据与第一车辆轨迹对应;
针对第一车辆轨迹上的M个轨迹点中的每个轨迹点,在其对应的切线上选择多个检查点;其中,M为大于或等于1的整数,每个检查点对应一射线,任一检查点对应的射线的起点为本检查点且方向为重力方向;
针对每个检查点,确定第一处理点云中,位于本检查点对应的立体区域内的目标点云;其中,任一检查点对应的立体区域为以本检查点对应的射线为中心轴,底面半径为预设半径的圆柱体区域;
根据各检查点对应的目标点云,确定第一处理点云的分层信率。
这里,M的取值可以为1、2、3、4或者5,在每个轨迹点对应的切线上选择的检查点的个数可以为2、3、4、5或者6,预设半径可以为0.1米、0.12米或者0.15米,当然,M的取值,在每条切线上选择的检查点的个数,以及预设半径的取值并不局限于此,具体可以根据实际情况来确定,在此不再一一列举。另外,重力方向可以认为是Z轴负方向。
本实施例中,在车辆的行驶过程中,车辆可以调用全球定位***(GlobalPositioning System,GPS)进行定位,以得到与第一车辆轨迹对应的第一车辆轨迹数据。车辆可以将所得到的第一车辆轨迹数据发送至服务器,以便于服务器根据第一车辆轨迹数据,得到第一车辆轨迹。
假设第一车辆轨迹为图2中的轨迹200,针对轨迹200上的J10、J20和J30这3个轨迹点,可以分别做轨迹200的切线,以得到切线Q1、切线Q2和切线Q3;其中,Q1与J10对应,Q2与J20对应,Q3与J30对应。接下来,可以分别在Q1、Q2和Q3上选择多个检查点,对于Q1、Q2和Q3中的任一者而言,其上的相邻检查点的间距可以相同,该间距可以为0.4米、0.5米、0.6米等。
具体地,假设针对J10,选择了五个检查点,其中,J10作为中心检查点,J11、J12、J13、J14均布在J10两侧,那么,针对J11,可以确定第一处理点云中,位于J11对应的立体区域内的目标点云D11;针对J12,可以确定第一处理点云中,位于J12对应的立体区域内的目标点云D12;针对J10,可以确定第一处理点云中,位于J10对应的立体区域内的目标点云D10;针对J13,可以确定第一处理点云中,位于J13对应的立体区域内的目标点云D13;针对J14,可以确定第一处理点云中,位于J14对应的立体区域内的目标点云D14。需要说明的是,确定其他检查点对应的目标点云的方式参照上述说明即可,在此不再赘述。
之后,可以根据各检查点对应的目标点云,确定第一处理点云的分层率,下面对确定第一处理点云的分层率的具体实现形式进行举例介绍。
在一种实现形式中,根据各检查点对应的目标点云,确定第一处理点云的分层率,包括:
针对每个检查点,确定其对应的目标点云中,位于地面的点云;根据针对各检查点确定出的点云,确定第一处理点云的分层率。
这里,服务器可以进行点云的语义分割,以根据语义分割结果,识别目标点云中位于地面的点云。之后,可以仅根据位于地面的点云,确定第一处理点云的分层率。需要指出的是,根据语义分割结果,还可以识别出位于隧道、立交处的点云。
这种实现形式中,确定分层率时可以仅参考位于地面的点云,这样能够保证确定结果的准确性和效率。
在另一种实现形式中,根据各检查点对应的目标点云,确定第一处理点云的分层率,包括:
针对每个检查点,计算其对应的目标点云中,最大高度值和最小高度值之外的其余高度值的平均值,将计算得到的平均值与预设平均值进行比较,根据得到的比较结果,确定本检查点对应的目标点云是否发生分层;根据各检查点对应的目标点云是否发生分层,确定第一处理点云的分层率。
延续图2中的例子,在针对J10,确定出第一处理点云中,位于J10对应的立体区域内的目标点云D10之后,可以将D10中的高度值(其也可以认为是Z向的坐标值)按照大小顺序进行排序,以得到Z坐标的排序序列。接下来,可以丢弃排序序列中的最大坐标值和最小坐标值,计算排序序列中的其他坐标值的平均值,并将计算得到的平均值与预设平均值进行比较。如果计算得到的平均值大于预设平均值,则可以认为D10发生了分层;否则,可以认为D10未发生分层。
需要说明的是,采用上述策略,还可以分别判定D11至D14是否发生了分层。对于J10对应的切线Q1上的检查点,如果超过一定比例(例如50%、60%等)的检查点对应的目标点云发生了分层,则可以认为J10处发生了点云分层。
采用上述方式,还可以确定出J20和J30处是否发生了点云分层。之后,根据发生了点云分层的轨迹点的比例,可以确定第一处理点云的分层率。具体地,在发生了点云分层的轨迹点的比例为2%时,可以确定第一处理点云的分层率为2%。
需要说明的是,如果第一处理点云的分层率超过2%,即第一处理点云中超过2%的点云存在分层情况,则可以认为第一处理点云不满足第一预设条件。
这种实现形式中,结合Z坐标值,可以较为便捷可靠地确定出分层率,并且,确定过程中去除了最大高度值和最小高度值,这样能够有效地减小确定结果的误差。
可见,本实施例中,结合车辆轨迹信息,能够非常便捷可靠地确定出第一处理点云的分层率信息。
可选地,原始点云的采集设备部署于车辆;
根据原始点云,进行拼接处理和融合处理之前,该方法还包括:
获得第二车辆轨迹数据;其中,第二车辆轨迹数据与第二车辆轨迹对应;
对第二车辆轨迹数据进行第一校验;其中,第一校验包括完整性校验、正确性校验和精度校验中的至少一者;
根据原始点云,进行拼接处理和融合处理,包括:
在对第二车辆轨迹数据的第一校验通过的情况下,根据原始点云,进行拼接处理和融合处理。
需要说明的是,第二车辆轨迹数据的获取方式参照对第一车辆轨迹数据的获取方式的说明即可,在此不再赘述。
一般而言,原始点云中的坐标信息是以第二车辆轨迹中的轨迹点作为原点来确定的,在对第二车辆轨迹数据的第一校验通过的情况下,这说明第二车辆轨迹数据是完整、准确、可靠的数据,在此基础上,根据原始点云,进行拼接处理和融合处理,能够较好地保证后续生成的地图数据的质量。
可选地,第一校验包括完整性校验;
对第二车辆轨迹数据进行第一校验,包括:
在第二车辆轨迹数据对应多条第二车辆轨迹,且多条第二车辆轨迹中分别存在与预设地图中的每条轨迹匹配的车辆轨迹的情况下,确定对第二车辆轨迹数据的完整性校验通过;否则,确定对第二车辆轨迹数据的完整性校验不通过。
这里,预设地图可以为二维地图;预设地图中的任一轨迹,以及与预设地图中的该轨迹匹配的车辆轨迹可以认为是相同的轨迹,进行轨迹的匹配时可以采用匹配算法,匹配算法可以采用隐马尔可夫模型。
一般而言,在进行高精地图的生成时,需要在预设地图中的每条道路上进行原始点云的采集,并且,在进行原始点云的采集时,车辆会同时调用GPS,进行轨迹数据的采集。这样,在第二车辆轨迹数据对应多条第二车辆轨迹,且多条第二车辆轨迹中存在预设地图中的每一轨迹的情况下,可以认为第二车辆轨迹数据是完整的,其完整性校验通过;否则,确定其完整性校验不通过。
可见,本实施例中,基于预设地图,可以较为便捷可靠地确定出第二车辆轨迹数据的完整性校验是否通过。
可选地,第一校验包括正确性校验;
对第二车辆轨迹数据进行第一校验,包括:
在第二车辆轨迹数据满足第二预设条件,且根据第二车辆轨迹数据,确定在第二车辆轨迹中,相邻轨迹点距离小于第二预设距离的比例大于第一预设比例,且相邻轨迹点距离小于第三预设距离的比例等于第二预设比例的情况下,确定对第二车辆轨迹数据的正确性校验通过;否则,确定对第二车辆轨迹数据的正确性校验不通过;
其中,第三预设距离大于第二预设距离,第二预设比例大于第一预设比例。
这里,第二车辆轨迹数据可以以文件形式存在,该文件也可以称为EOUT。第二预设距离可以为5米,第一预设比例可以为99%,第三预设距离可以为10米,第二预设比例可以为100%,当然,第二预设距离、第一预设比例、第三预设距离和第二预设比例的取值并不局限于此,具体可以根据实际情况来确定,在此不再一一列举。
具体实施时,正确性校验可以参考下述信息:
(1)EOUT的格式正确(即EOUT的解算正确);
(2)EOUT的时间戳以0.05为单位连续有序增加;
(3)EOUT的起止结束时间差值与GPS的起止结束时间差值两者相差小于5秒;
(4)EOUT的起末时间戳包括点云和图片全部时间戳,也就是说,在采集设备进行点云的采集,相机在进行图像的拍摄时,GPS也在进行位置信息的记录,以便于得到相应的车辆轨迹数据;
(5)相邻两点平面距离(即相邻轨迹点距离)小于5米占比大于或等于5米占比大于或等于99%,且小于10米占比等于100%;
(6)0.1秒时间间隔轨迹高程差小于0.25米占比大于或等于99%。
需要说明的是,当上述的(1)至(3)均满足的情况下,可以认为第二车辆轨迹数据满足第二预设条件,在此基础上,如果上述的(4)至(6)也均满足,则可以确定第二车辆轨迹数据的正确性校验通过。如果上述的(1)至(6)中的任一项不满足,则可以确定第二车辆轨迹数据的正确性校验不通过。
可见,本实施例中,采用上述方式,可以较为便捷可靠地确定出第二车辆轨迹数据的正确性校验是否通过。
可选地,第一校验包括精度校验;
对第二车辆轨迹数据进行第一校验,包括:
在根据第二车辆轨迹数据,确定第二车辆轨迹的轨迹跳变值小于预设跳变值,且第二车辆轨迹和第三车辆轨迹对应相同空间位置的车辆坐标差值小于预设差值的情况下,确定对第二车辆轨迹数据的精度校验通过;否则,确定对第二车辆轨迹数据的精度校验不通过;
其中,第三车辆轨迹为预设地图中,与第二车辆轨迹匹配的轨迹。
这里,预设跳变值可以为15厘米、20厘米或者25厘米,当然,预设跳变值的取值并不局限于此,具体可以根据实际情况来确定,本实施例对此不做任何限定。
这里,预设地图可以为二维地图,另外,第三车辆轨迹与第二车辆轨迹可以认为是相同的轨迹,进行轨迹的匹配时可以采用匹配算法,匹配算法可以采用隐马尔可夫模型。
具体实施时,精度校验可以参考下述信息:
(1)同一道路不同轨迹高度差小于2米;
(2)同一道路不同轨迹水平差小于2米;
(3)单趟轨迹点跳变小于20厘米。
需要说明的是,当上述的(1)至(3)均满足的情况下,可以认为第二车辆轨迹数据的精度校验通过;当上述的(1)至(3)中的至少一者不满足的情况下,可以认为第二车辆轨迹数据的精度校验不通过。
可见,本实施例中,采用上述方式,可以较为便捷可靠地确定出第二车辆轨迹数据的精度校验是否通过。
可选地,根据原始点云,进行拼接处理和融合处理之前,该方法还包括:
对原始点云进行第二校验;其中,第二校验包括完整性校验和精度校验中的至少一者;
根据原始点云,进行拼接处理和融合处理,包括:
在对原始点云的第二校验通过的情况下,根据原始点云,进行拼接处理和融合处理。
需要说明的是,在对原始点云的第二校验通过的情况下,这说明原始点云是完整、准确的数据,在此基础上,根据原始点云,进行拼接处理和融合处理,能够较好地保证后续生成的地图数据的质量。
可选地,根据原始点云,进行拼接处理和融合处理之前,该方法还包括:
获得三维包围盒;
确定三维包围盒对应的存储路径;
根据存储路径,获取原始点云。
需要说明的是,在下载得到采集设备采集的原始点云之后,服务器可以将原始点云写入缓存中,并构建索引,索引中可以包括原始点云的三维包围盒与存储路径之间的对应关系。这样,后续只要知道三维包围盒,即可根据索引,确定相应的存储路径,并从该存储路径中获取到原始点云,以便于进行后续的处理。可见,本实施例中,获取原始点云的操作实施起来非常便捷。
下面结合图3,以一个具体的例子,对本实施例的具体实施过程进行详细说明。
如图3所示,首先可以获取轨迹资料数据,并进行轨迹资料准入判定。这里,轨迹资料数据相当于上文中的第二车辆轨迹数据,轨迹资料准入判定相当于上文中对第二车辆轨迹数据进行第一校验,那么,轨迹资料准入判定能够检查点云采集轨迹的完整性,以及检查点云采集轨迹的精度。
如果轨迹资料准入判定不通过,可以重新采集轨迹资料数据。如果轨迹资料准入判定通过,可以进行点云原始数据准入判定。这里,点云原始数据准入判定相当于上文中对原始点云进行第一校验,那么,点云原始数据准入判定能够检查原始点云的完整性,以及检查原始点云的精度。
如果点云原始数据准入判定不通过,可以重新采集原始点云。如果点云原始数据准入判定通过,可以依次进行点云拼接和点云自动融合,通过点云拼接和点云自动融合可以得到第一处理点云。
接下来,可以进行点云自动融合准出判定。这里,点云自动融合准出判定相当于上文中判断第一处理点云是否满足第一预设条件,那么,点云自动融合准出判定能够检查:点云数据反射率是否符合要求、点云数据是否分层、点云数据是否错位,以及点云数据是否存在遮挡。
如果点云自动融合准出判定通过,则可以根据第一处理点云,执行地图生产作业操作,例如直接进行车道线建模。如果点云自动融合准出判定不通过,则可以人工调整点云特征点,并进行点云人工融合,这相当于上文中根据输入操作指定的第一处理点云中的同名特征点,对第一处理点云进行融合处理,得到第二处理点云。
接下来,可以进行点云人工融合准出判定。这里,点云人工融合准出判定相当于上文中判断第二处理点云是否满足第一预设条件,以及第二处理点云中的同名特征点的距离是否小于第一预设距离。
如果点云人工融合准出判定不通过,则可以继续人工调整点云特征点。如果点云人工融合准出判定通过,则可以根据第二处理点云,执行地图生产作业操作,例如直接进行车道线建模。
由上述例子可知,本实施例中,可以进行***化的点云质量检查,以保证用于执行地图生产作业操作的点云质量满足要求。检查过程具体分为三个部分,分别是:(1)对原始资料的检查,主要是对点云采集轨迹/点云原始文件的完整性与准确性的检查;其中,点云采集轨迹为第二车辆轨迹数据,点云原始数据为原始点云;(2)对自动融合后点云检查,主要是检查点云中是否存在分层/错误/遮挡等情况,以及融合过程中提取的牌/杆等特征是否准确,以及融合后距离是否大于阈值;(3)对人工融合后点云检查:主要是检查点云中是否存在分层/错误/遮挡等情况,以及融合后人工指定的同名点距离是否大于第一预设距离。
通过实验可知,采用上述策略进行点云质量的检查,能够有效地控制点云融合后的数据质量,保证分层/错位/遮挡的点云不会流转到后面的作业环节,这样能够将有问题的点云从10%降低到1%,进行点云质量检查耗费的人力成本从5人下降到1人,且每个tile的自动转出时间控制在30分钟内。
需要说明的是,由于点云的数据量往往非常大,在进行点云的检查时,为了加快检查速度,可以将点云均分成多份,调起多个线程(具体线程数量与机器核数相关),每个线程检查一段轨迹对应的点云数据质量。在检查过程中,涉及到点云文件的换入换出,为了保证有足够的内存,需要设置内存中保持打开的最大文件数量与最小文件数量,这里,可以采用先进先出(First Input First Output,FIFO)策略,当超过最大文件数量时,需要关闭最早打开并且当前没有使用的文件,直到文件数量等于最小文件数量,采用该种方式使内存占用保持动态平衡
综上,与现有技术相比,本实施例能够有效地保证生成的地图数据的质量。
下面对本发明实施例提供的数据处理装置进行说明。
参见图4,图中示出了本发明实施例提供的数据处理装置400的结构框图。如图4所示,数据处理装置400包括:
第一处理模块401,用于根据原始点云,进行拼接处理和融合处理,得到第一处理点云;
接收模块402,用于在第一处理点云不满足第一预设条件的情况下,接收用户的输入操作;其中,输入操作用于指定第一处理点云中的同名特征点;
第二处理模块403,用于根据同名特征点,对第一处理点云进行融合处理,得到第二处理点云;
执行模块404,用于在第二处理点云满足第一预设条件,且第二处理点云中的同名特征点的距离小于第一预设距离的情况下,根据第二处理点云,执行地图生产作业操作。
可选地,原始点云中包括不同采集时间采集的点云,第一处理点云中包括对应不同采集时间的处理点云;
数据处理装置400还包括:
第一确定模块,用于在第一处理点云不满足第一预设条件的情况下,接收用户的输入操作之前,根据对应不同采集时间的处理点云,分别确定同一物体的空间位置;
第二确定模块,用于根据所确定的各空间位置的距离,确定第一处理点云是否满足第一预设条件。
可选地,数据处理装置400还包括:
第三确定模块,用于在第一处理点云不满足第一预设条件的情况下,接收用户的输入操作之前,确定第一处理点云的目标信息;其中,目标信息包括反射信息、分层信息、错位信息和遮挡信息中的至少一者;
第四确定模块,用于根据目标信息,确定第一处理点云是否满足第一预设条件。
可选地,原始点云的采集设备部署于车辆;
第三确定模块,包括:
获得子模块,用于获得第一车辆轨迹数据;其中,第一车辆轨迹数据与第一车辆轨迹对应;
选择子模块,用于针对第一车辆轨迹上的M个轨迹点中的每个轨迹点,在其对应的切线上选择多个检查点;其中,M为大于或等于1的整数,每个检查点对应一射线,任一检查点对应的射线的起点为本检查点且方向为重力方向;
第一确定子模块,用于针对每个检查点,确定第一处理点云中,位于本检查点对应的立体区域内的目标点云;其中,任一检查点对应的立体区域为以本检查点对应的射线为中心轴,底面半径为预设半径的圆柱体区域;
第二确定子模块,用于根据各检查点对应的目标点云,确定第一处理点云的分层信息。
可选地,第二确定子模块,具体用于:
针对每个检查点,确定其对应的目标点云中,位于地面的点云;根据针对各检查点确定出的点云,确定第一处理点云的分层信息;
可选地,第二确定子模块,具体用于:
针对每个检查点,计算其对应的目标点云中,最大高度值和最小高度值之外的其余高度值的平均值,将计算得到的平均值与预设平均值进行比较,根据得到的比较结果,确定本检查点对应的目标点云是否发生分层;根据各检查点对应的目标点云是否发生分层,确定第一处理点云的分层率。
可选地,第一处理模块401,包括:
生成子模块,用于根据原始点云,生成中间点云;其中,中间点云中包括原始点云中的关键信息;
处理子模块,用于对中间点云进行拼接处理和融合处理。
可选地,原始点云的采集设备部署于车辆;
数据处理装置400还包括:
第一获得模块,用于在根据原始点云,进行拼接处理和融合处理之前,获得第二车辆轨迹数据;其中,第二车辆轨迹数据与第二车辆轨迹对应;
第一校验模块,用于对第二车辆轨迹数据进行第一校验;其中,第一校验包括完整性校验、正确性校验和精度校验中的至少一者;
第一处理模块401,具体用于:
在对第二车辆轨迹数据的第一校验通过的情况下,根据原始点云,进行拼接处理和融合处理。
可选地,第一校验包括完整性校验;
第一校验模块,具体用于:
在第二车辆轨迹数据对应多条第二车辆轨迹,且多条第二车辆轨迹中分别存在与预设地图中的每条轨迹匹配的车辆轨迹的情况下,确定对第二车辆轨迹数据的完整性校验通过;否则,确定对第二车辆轨迹数据的完整性校验不通过。
可选地,第一校验包括正确性校验;
第一校验模块,具体用于:
在第二车辆轨迹数据满足第二预设条件,且根据第二车辆轨迹数据,确定在第二车辆轨迹中,相邻轨迹点距离小于第二预设距离的比例大于第一预设比例,且相邻轨迹点距离小于第三预设距离的比例等于第二预设比例的情况下,确定对第二车辆轨迹数据的正确性校验通过;否则,确定对第二车辆轨迹数据的正确性校验不通过;
其中,第三预设距离大于第二预设距离,第二预设比例大于第一预设比例。
可选地,第一校验包括精度校验;
第一校验模块,具体用于:
在根据第二车辆轨迹数据,确定第二车辆轨迹的轨迹跳变值小于预设跳变值,且第二车辆轨迹和第三车辆轨迹对应相同空间位置的车辆坐标差值小于预设差值的情况下,确定对第二车辆轨迹数据的精度校验通过;否则,确定对第二车辆轨迹数据的精度校验不通过;
其中,第三车辆轨迹为预设地图中,与第二车辆轨迹匹配的轨迹。
可选地,数据处理装置400还包括:
第二获得模块,用于在根据原始点云,进行拼接处理和融合处理之前,获得三维包围盒;
第五确定模块,用于确定三维包围盒对应的存储路径;
第三获得模块,用于根据存储路径,获取原始点云。
本发明实施例中,为了进行三维高精地图的生产,可以先根据原始点云,进行拼接处理和融合处理,得到第一处理点云,接下来,根据第一处理点云是否满足第一预设条件,可以判定第一处理点云的质量是否满足要求。在第一处理点云的质量不满足要求的情况下,可以由人工介入,指定第一处理点云的同名特征点,以便于据此对第一处理点云进行融合处理,从而得到质量更优的第二处理点云。之后,可以根据第二处理点云是否满足第一预设条件,以及第二处理点云中的同名特征点的距离是否小于第一预设距离,判定第二处理点云的质量是否满足要求。在第二处理点云的质量满足要求的情况下,可以根据第二处理点云,执行地图生产作业操作。可见,本发明实施例中,可以根据质量满足要求的点云来进行三维高精地图的生产,这样,依赖于点云的算法不会受到干扰,因此,与现有技术相比,本发明实施例能够有效地保证生成的地图数据的质量。
下面对本发明实施例提供的电子设备进行说明。
参见图5,图中示出了本发明实施例提供的电子设备500的结构示意图。如图5所示,电子设备500包括:处理器501、存储器503、用户接口504和总线接口。
处理器501,用于读取存储器503中的程序,执行下列过程:
根据原始点云,进行拼接处理和融合处理,得到第一处理点云;
在第一处理点云不满足第一预设条件的情况下,接收用户的输入操作;其中,输入操作用于指定第一处理点云中的同名特征点;
根据同名特征点,对第一处理点云进行融合处理,得到第二处理点云;
在第二处理点云满足第一预设条件,且第二处理点云中的同名特征点的距离小于第一预设距离的情况下,根据第二处理点云,执行地图生产作业操作。
在图5中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器501代表的一个或多个处理器和存储器503代表的存储器的各种电路链接在一起。总线架构还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口提供接口。针对不同的用户设备,用户接口504还可以是能够外接内接需要设备的接口,连接的设备包括但不限于小键盘、显示器、扬声器、麦克风、操纵杆等。
处理器501负责管理总线架构和通常的处理,存储器503可以存储处理器501在执行操作时所使用的数据。
可选地,原始点云中包括不同采集时间采集的点云,第一处理点云中包括对应不同采集时间的处理点云;
处理器501,还用于:
在第一处理点云不满足第一预设条件的情况下,接收用户的输入操作之前,根据对应不同采集时间的处理点云,分别确定同一物体的空间位置;
根据所确定的各空间位置的距离,确定第一处理点云是否满足第一预设条件。
可选地,处理器501,还用于:
在第一处理点云不满足第一预设条件的情况下,接收用户的输入操作之前,确定第一处理点云的目标信息;其中,目标信息包括反射信息、分层信息、错位信息和遮挡信息中的至少一者;
根据目标信息,确定第一处理点云是否满足第一预设条件。
可选地,原始点云的采集设备部署于车辆;
处理器501,具体用于:
获得第一车辆轨迹数据;其中,第一车辆轨迹数据与第一车辆轨迹对应;
针对第一车辆轨迹上的M个轨迹点中的每个轨迹点,在其对应的切线上选择多个检查点;其中,M为大于或等于1的整数,每个检查点对应一射线,任一检查点对应的射线的起点为本检查点且方向为重力方向;
针对每个检查点,确定第一处理点云中,位于本检查点对应的立体区域内的目标点云;其中,任一检查点对应的立体区域为以本检查点对应的射线为中心轴,底面半径为预设半径的圆柱体区域;
根据各检查点对应的目标点云,确定第一处理点云的分层率。
可选地,处理器501,具体用于:
针对每个检查点,确定其对应的目标点云中,位于地面的点云;根据针对各检查点确定出的点云,确定第一处理点云的分层率。
可选地,处理器501,具体用于:
针对每个检查点,计算其对应的目标点云中,最大高度值和最小高度值之外的其余高度值的平均值,将计算得到的平均值与预设平均值进行比较,根据得到的比较结果,确定本检查点对应的目标点云是否发生分层;根据各检查点对应的目标点云是否发生分层,确定第一处理点云的分层率。
可选地,处理器501,具体用于:
根据原始点云,生成中间点云;其中,中间点云中包括原始点云中的关键信息;
对中间点云进行拼接处理和融合处理。
可选地,原始点云的采集设备部署于车辆;
处理器501,具体用于:
获得第二车辆轨迹数据;其中,第二车辆轨迹数据与第二车辆轨迹对应;
对第二车辆轨迹数据进行第一校验;其中,第一校验包括完整性校验、正确性校验和精度校验中的至少一者;
根据原始点云,进行拼接处理和融合处理,包括:
在对第二车辆轨迹数据的第一校验通过的情况下,根据原始点云,进行拼接处理和融合处理。
可选地,第一校验包括完整性校验;
处理器501,具体用于:
在第二车辆轨迹数据对应多条第二车辆轨迹,且多条第二车辆轨迹中分别存在与预设地图中的每条轨迹匹配的车辆轨迹的情况下,确定对第二车辆轨迹数据的完整性校验通过;否则,确定对第二车辆轨迹数据的完整性校验不通过。
可选地,第一校验包括正确性校验;
处理器501,具体用于:
在第二车辆轨迹数据满足第二预设条件,且根据第二车辆轨迹数据,确定在第二车辆轨迹中,相邻轨迹点距离小于第二预设距离的比例大于第一预设比例,且相邻轨迹点距离小于第三预设距离的比例等于第二预设比例的情况下,确定对第二车辆轨迹数据的正确性校验通过;否则,确定对第二车辆轨迹数据的正确性校验不通过;
其中,第三预设距离大于第二预设距离,第二预设比例大于第一预设比例。
可选地,第一校验包括精度校验;
处理器501,具体用于:
在根据第二车辆轨迹数据,确定第二车辆轨迹的轨迹跳变值小于预设跳变值,且第二车辆轨迹和第三车辆轨迹对应相同空间位置的车辆坐标差值小于预设差值的情况下,确定对第二车辆轨迹数据的精度校验通过;否则,确定对第二车辆轨迹数据的精度校验不通过;
其中,第三车辆轨迹为预设地图中,与第二车辆轨迹匹配的轨迹。
本发明实施例中,为了进行三维高精地图的生产,可以先根据原始点云,进行拼接处理和融合处理,得到第一处理点云,接下来,根据第一处理点云是否满足第一预设条件,可以判定第一处理点云的质量是否满足要求。在第一处理点云的质量不满足要求的情况下,可以由人工介入,指定第一处理点云的同名特征点,以便于据此对第一处理点云进行融合处理,从而得到质量更优的第二处理点云。之后,可以根据第二处理点云是否满足第一预设条件,以及第二处理点云中的同名特征点的距离是否小于第一预设距离,判定第二处理点云的质量是否满足要求。在第二处理点云的质量满足要求的情况下,可以根据第二处理点云,执行地图生产作业操作。可见,本发明实施例中,可以根据质量满足要求的点云来进行三维高精地图的生产,这样,依赖于点云的算法不会受到干扰,因此,与现有技术相比,本发明实施例能够有效地保证生成的地图数据的质量。
优选地,本发明实施例还提供一种电子设备,包括处理器501,存储器503,存储在存储器503上并可在所述处理器501上运行的计算机程序,该计算机程序被处理器501执行时实现上述数据处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述数据处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本发明的保护之内。
Claims (20)
1.一种数据处理方法,其特征在于,所述方法包括:
根据原始点云,进行拼接处理和融合处理,得到第一处理点云;
在所述第一处理点云不满足第一预设条件的情况下,接收用户的输入操作;其中,所述输入操作用于指定所述第一处理点云中的同名特征点,所述第一预设条件用于评判点云质量,所述原始点云是指部署于车辆上的采集设备采集的点云;
根据所述同名特征点,对所述第一处理点云进行融合处理,得到第二处理点云;
在所述第二处理点云满足所述第一预设条件,且所述第二处理点云中的同名特征点的距离小于第一预设距离的情况下,根据所述第二处理点云,执行地图生产作业操作。
2.根据权利要求1所述的方法,其特征在于,所述原始点云中包括不同采集时间采集的点云,所述第一处理点云中包括对应不同采集时间的处理点云;
所述在所述第一处理点云不满足第一预设条件的情况下,接收用户的输入操作之前,所述方法还包括:
根据对应不同采集时间的处理点云,分别确定同一物体的空间位置;
根据所确定的各空间位置的距离,确定所述第一处理点云是否满足第一预设条件。
3.根据权利要求1所述的方法,其特征在于,所述在所述第一处理点云不满足第一预设条件的情况下,接收用户的输入操作之前,所述方法还包括:
确定所述第一处理点云的目标信息;其中,所述目标信息包括反射信息、分层信息、错位信息和遮挡信息中的至少一者;
根据所述目标信息,确定所述第一处理点云是否满足第一预设条件。
4.根据权利要求3所述的方法,其特征在于,所述原始点云的采集设备部署于车辆;
所述确定所述第一处理点云的目标信息,包括:
获得第一车辆轨迹数据;其中,所述第一车辆轨迹数据与第一车辆轨迹对应;
针对所述第一车辆轨迹上的M个轨迹点中的每个轨迹点,在其对应的切线上选择多个检查点;其中,M为大于或等于1的整数,每个检查点对应一射线,任一检查点对应的射线的起点为本检查点且方向为重力方向;
针对每个检查点,确定所述第一处理点云中,位于本检查点对应的立体区域内的目标点云;其中,任一检查点对应的立体区域为以本检查点对应的射线为中心轴,底面半径为预设半径的圆柱体区域;
根据各检查点对应的目标点云,确定所述第一处理点云的分层率。
5.根据权利要求4所述的方法,其特征在于,所述根据各检查点对应的目标点云,确定所述第一处理点云的分层率,包括:
针对每个检查点,确定其对应的目标点云中,位于地面的点云;根据针对各检查点确定出的点云,确定所述第一处理点云的分层率。
6.根据权利要求4所述的方法,其特征在于,所述根据各检查点对应的目标点云,确定所述第一处理点云的分层率,包括:
针对每个检查点,计算其对应的目标点云中,最大高度值和最小高度值之外的其余高度值的平均值,将计算得到的平均值与预设平均值进行比较,根据得到的比较结果,确定本检查点对应的目标点云是否发生分层;根据各检查点对应的目标点云是否发生分层,确定所述第一处理点云的分层率。
7.根据权利要求1所述的方法,其特征在于,所述根据原始点云,进行拼接处理和融合处理,包括:
根据原始点云,生成中间点云;其中,所述中间点云中包括所述原始点云中的关键信息;
对所述中间点云进行拼接处理和融合处理。
8.根据权利要求1所述的方法,其特征在于,所述原始点云的采集设备部署于车辆;
所述根据原始点云,进行拼接处理和融合处理之前,所述方法还包括:
获得第二车辆轨迹数据;其中,所述第二车辆轨迹数据与第二车辆轨迹对应;
对所述第二车辆轨迹数据进行第一校验;其中,所述第一校验包括完整性校验、正确性校验和精度校验中的至少一者;
所述根据原始点云,进行拼接处理和融合处理,包括:
在对所述第二车辆轨迹数据的第一校验通过的情况下,根据原始点云,进行拼接处理和融合处理。
9.根据权利要求8所述的方法,其特征在于,所述第一校验包括完整性校验;
所述对所述第二车辆轨迹数据进行第一校验,包括:
在所述第二车辆轨迹数据对应多条第二车辆轨迹,且所述多条第二车辆轨迹中分别存在与预设地图中的每条轨迹匹配的车辆轨迹的情况下,确定对所述第二车辆轨迹数据的完整性校验通过;否则,确定对所述第二车辆轨迹数据的完整性校验不通过。
10.根据权利要求8所述的方法,其特征在于,所述第一校验包括正确性校验;
所述对所述第二车辆轨迹数据进行第一校验,包括:
在所述第二车辆轨迹数据满足第二预设条件,且根据所述第二车辆轨迹数据,确定在所述第二车辆轨迹中,相邻轨迹点距离小于第二预设距离的比例大于第一预设比例,且相邻轨迹点距离小于第三预设距离的比例等于第二预设比例的情况下,确定对所述第二车辆轨迹数据的正确性校验通过;否则,确定对所述第二车辆轨迹数据的正确性校验不通过;
其中,所述第三预设距离大于所述第二预设距离,所述第二预设比例大于所述第一预设比例。
11.根据权利要求8所述的方法,其特征在于,所述第一校验包括精度校验;
所述对所述第二车辆轨迹数据进行第一校验,包括:
在根据所述第二车辆轨迹数据,确定所述第二车辆轨迹的轨迹跳变值小于预设跳变值,且所述第二车辆轨迹和第三车辆轨迹对应相同空间位置的车辆坐标差值小于预设差值的情况下,确定对所述第二车辆轨迹数据的精度校验通过;否则,确定对所述第二车辆轨迹数据的精度校验不通过;
其中,所述第三车辆轨迹为预设地图中,与所述第二车辆轨迹匹配的轨迹。
12.一种数据处理装置,其特征在于,所述装置包括:
第一处理模块,用于根据原始点云,进行拼接处理和融合处理,得到第一处理点云;
接收模块,用于在所述第一处理点云不满足第一预设条件的情况下,接收用户的输入操作;其中,所述输入操作用于指定所述第一处理点云中的同名特征点,所述第一预设条件用于评判点云质量;
第二处理模块,用于根据所述同名特征点,对所述第一处理点云进行融合处理,得到第二处理点云;
执行模块,用于在所述第二处理点云满足所述第一预设条件,且所述第二处理点云中的同名特征点的距离小于第一预设距离的情况下,根据所述第二处理点云,执行地图生产作业操作,所述原始点云是指部署于车辆上的采集设备采集的点云。
13.根据权利要求12所述的装置,其特征在于,所述原始点云中包括不同采集时间采集的点云,所述第一处理点云中包括对应不同采集时间的处理点云;
所述装置还包括:
第一确定模块,用于在所述第一处理点云不满足第一预设条件的情况下,接收用户的输入操作之前,根据对应不同采集时间的处理点云,分别确定同一物体的空间位置;
第二确定模块,用于根据所确定的各空间位置的距离,确定所述第一处理点云是否满足第一预设条件。
14.根据权利要求12所述的装置,其特征在于,所述装置还包括:
第三确定模块,用于在所述第一处理点云不满足第一预设条件的情况下,接收用户的输入操作之前,确定所述第一处理点云的目标信息;其中,所述目标信息包括反射信息、分层信息、错位信息和遮挡信息中的至少一者;
第四确定模块,用于根据所述目标信息,确定所述第一处理点云是否满足第一预设条件。
15.根据权利要求14所述的装置,其特征在于,所述原始点云的采集设备部署于车辆;
所述第三确定模块,包括:
获得子模块,用于获得第一车辆轨迹数据;其中,所述第一车辆轨迹数据与第一车辆轨迹对应;
选择子模块,用于针对所述第一车辆轨迹上的M个轨迹点中的每个轨迹点,在其对应的切线上选择多个检查点;其中,M为大于或等于1的整数,每个检查点对应一射线,任一检查点对应的射线的起点为本检查点且方向为重力方向;
第一确定子模块,用于针对每个检查点,确定所述第一处理点云中,位于本检查点对应的立体区域内的目标点云;其中,任一检查点对应的立体区域为以本检查点对应的射线为中心轴,底面半径为预设半径的圆柱体区域;
第二确定子模块,用于根据各检查点对应的目标点云,确定所述第一处理点云的分层率。
16.根据权利要求15所述的装置,其特征在于,所述第二确定子模块,具体用于:
针对每个检查点,确定其对应的目标点云中,位于地面的点云;根据针对各检查点确定出的点云,确定所述第一处理点云的分层率。
17.根据权利要求15所述的装置,其特征在于,所述第二确定子模块,具体用于:
针对每个检查点,计算其对应的目标点云中,最大高度值和最小高度值之外的其余高度值的平均值,将计算得到的平均值与预设平均值进行比较,根据得到的比较结果,确定本检查点对应的目标点云是否发生分层;根据各检查点对应的目标点云是否发生分层,确定所述第一处理点云的分层率。
18.根据权利要求12所述的装置,其特征在于,所述原始点云的采集设备部署于车辆;
所述装置还包括:
第一获得模块,用于根据原始点云,进行拼接处理和融合处理之前,获得第二车辆轨迹数据;其中,所述第二车辆轨迹数据与第二车辆轨迹对应;
第一校验模块,用于对所述第二车辆轨迹数据进行第一校验;其中,所述第一校验包括完整性校验、正确性校验和精度校验中的至少一者;
所述第一处理模块,具体用于:
在对所述第二车辆轨迹数据的第一校验通过的情况下,根据原始点云,进行拼接处理和融合处理。
19.一种电子设备,其特征在于,包括处理器,存储器,存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至11中任一项所述的数据处理方法的步骤。
20.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至11中任一项所述的数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910265528.4A CN109993700B (zh) | 2019-04-03 | 2019-04-03 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910265528.4A CN109993700B (zh) | 2019-04-03 | 2019-04-03 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109993700A CN109993700A (zh) | 2019-07-09 |
CN109993700B true CN109993700B (zh) | 2023-07-04 |
Family
ID=67131331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910265528.4A Active CN109993700B (zh) | 2019-04-03 | 2019-04-03 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109993700B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112455502B (zh) * | 2019-09-09 | 2022-12-02 | 中车株洲电力机车研究所有限公司 | 基于激光雷达的列车定位方法及装置 |
CN112991162B (zh) * | 2019-12-12 | 2023-09-19 | 北京魔门塔科技有限公司 | 一种点云数据的分层方法及装置 |
CN111553353B (zh) * | 2020-05-11 | 2023-11-07 | 北京小马慧行科技有限公司 | 3d点云的处理方法、装置、存储介质与处理器 |
CN115047472B (zh) * | 2022-03-30 | 2023-05-02 | 北京一径科技有限公司 | 确定激光雷达点云分层的方法、装置、设备及存储介质 |
CN115047471B (zh) * | 2022-03-30 | 2023-07-04 | 北京一径科技有限公司 | 确定激光雷达点云分层的方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107741233A (zh) * | 2017-11-10 | 2018-02-27 | 邦鼓思电子科技(上海)有限公司 | 一种三维室外地图的构建方法 |
CN109282822A (zh) * | 2018-08-31 | 2019-01-29 | 北京航空航天大学 | 构建导航地图的存储介质、方法和设备 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1558181B1 (en) * | 2002-11-07 | 2015-08-26 | ConforMIS, Inc. | Methods for determining meniscal size and shape and for devising treatment |
CN104766302B (zh) * | 2015-02-05 | 2017-11-24 | 武汉大势智慧科技有限公司 | 一种利用无人机图像优化激光扫描点云数据的方法及*** |
CN104794743A (zh) * | 2015-04-27 | 2015-07-22 | 武汉海达数云技术有限公司 | 一种车载激光移动测量***彩色点云生产方法 |
CN106296814B (zh) * | 2015-05-26 | 2018-12-04 | 中国公路工程咨询集团有限公司 | 公路养护检测与可视化交互方法和*** |
CN105701478B (zh) * | 2016-02-24 | 2019-03-26 | 腾讯科技(深圳)有限公司 | 杆状地物提取的方法和装置 |
CN106017428A (zh) * | 2016-05-19 | 2016-10-12 | 江苏省基础地理信息中心 | 一种河景三维数据生成方法及设备 |
CN106017320B (zh) * | 2016-05-30 | 2018-06-12 | 燕山大学 | 一种基于图像处理的散杂货堆体积测量方法及实现所述方法的*** |
CN107918753B (zh) * | 2016-10-10 | 2019-02-22 | 腾讯科技(深圳)有限公司 | 点云数据处理方法及装置 |
CN106680798B (zh) * | 2017-01-23 | 2019-04-02 | 辽宁工程技术大学 | 一种机载lidar航带重叠区冗余辨识及消除方法 |
CN107797129B (zh) * | 2017-10-13 | 2020-06-05 | 重庆市勘测院 | 无gnss信号下的点云数据采集方法及装置 |
CN108734654A (zh) * | 2018-05-28 | 2018-11-02 | 深圳市易成自动驾驶技术有限公司 | 绘图与定位方法、***及计算机可读存储介质 |
CN109064506B (zh) * | 2018-07-04 | 2020-03-13 | 百度在线网络技术(北京)有限公司 | 高精度地图生成方法、装置及存储介质 |
-
2019
- 2019-04-03 CN CN201910265528.4A patent/CN109993700B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107741233A (zh) * | 2017-11-10 | 2018-02-27 | 邦鼓思电子科技(上海)有限公司 | 一种三维室外地图的构建方法 |
CN109282822A (zh) * | 2018-08-31 | 2019-01-29 | 北京航空航天大学 | 构建导航地图的存储介质、方法和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109993700A (zh) | 2019-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109993700B (zh) | 数据处理方法、装置、电子设备及计算机可读存储介质 | |
CN109470254B (zh) | 地图车道线的生成方法、装置、***及存储介质 | |
EP3951321A1 (en) | Method and system for rapid generation of reference driving route, terminal and storage medium | |
CN109141446A (zh) | 用于获得地图的方法、装置、设备和计算机可读存储介质 | |
CN111191487A (zh) | 车道线的检测及驾驶控制方法、装置和电子设备 | |
CN113155139B (zh) | 车辆轨迹纠偏方法、装置及电子设备 | |
WO2021051344A1 (zh) | 高精度地图中车道线的确定方法和装置 | |
US20230042968A1 (en) | High-definition map creation method and device, and electronic device | |
CN113010793A (zh) | 地图数据处理的方法、装置、设备、存储介质及程序产品 | |
CN109934911B (zh) | 基于OpenGL的移动端高精度倾斜摄影三维建模方法 | |
CN112700479B (zh) | 一种基于cnn点云目标检测的配准方法 | |
CN110793548B (zh) | 基于gnss接收机硬件在环的虚实结合的导航仿真测试*** | |
CN102224523B (zh) | 立体匹配处理***、立体匹配处理方法和记录媒介 | |
CN109190674A (zh) | 训练数据的生成方法及装置 | |
CN115393240A (zh) | Gis和bim融合的方法、装置、电子设备及可读存储介质 | |
CN116702607A (zh) | 一种基于bim-fem的桥梁结构数字孪生体及方法 | |
CN116246069B (zh) | 自适应地形点云滤波的方法、装置、智能终端及存储介质 | |
CN115983007A (zh) | 一种重合轨迹提取方法、装置、电子设备及存储介质 | |
CN113223167B (zh) | 一种三维天气沙盘搭建方法及*** | |
CN115482277A (zh) | 一种社交距离风险预警方法及装置 | |
CN115619740A (zh) | 一种高精度视频测速方法、***、电子设备及存储介质 | |
CN114049449A (zh) | 一种高精度地图道路层级的计算方法及*** | |
US8026914B2 (en) | Numerical analysis mesh generation apparatus, numerical analysis mesh generation method, and numerical analysis generation program | |
CN117078566B (zh) | 地图数据处理方法以及相关设备 | |
KR101638384B1 (ko) | 선로영상구현방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |