CN110443786B - 激光雷达点云滤波方法、装置、计算机设备和存储介质 - Google Patents
激光雷达点云滤波方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110443786B CN110443786B CN201910677700.7A CN201910677700A CN110443786B CN 110443786 B CN110443786 B CN 110443786B CN 201910677700 A CN201910677700 A CN 201910677700A CN 110443786 B CN110443786 B CN 110443786B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- ground
- sub
- original
- original point
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- 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
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Optics & Photonics (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请涉及一种激光雷达点云滤波方法、装置、计算机设备和存储介质。所述方法包括:在获取到原始点云时,根据预设的坡度阈值在所述原始点云中确定待选非地面点云;将所述原始点云拟合生成多个点云平面;根据所述待选非地面点云与所述点云平面之间的距离对所述待选非地面点云进行分析以得到非地面点云。采用本方法能够通过两次滤波过程提高点云滤波的适用度和精准度。
Description
技术领域
本申请涉及激光雷达技术领域,特别是涉及一种激光雷达点云滤波方法、装置、计算机设备和存储介质。
背景技术
激光雷达技术(Light Detection And Range,LiDAR)作为一种集成激光扫描仪、全球定位***、惯性导航***于一体的主动式遥感传感技术,可以依据不同的地理坐标参考获取扫描雷达点的位置与高程信息,在很大程度上突破了传统遥感技术获取三维空间目标几何信息的困境。现如今,激光雷达技术可分为地面雷达技术,机载雷达技术,车载雷达技术,舰载雷达技术等。
虽然激光雷达技术可以获取地面和地物特征点的精确信息,但是由于激光雷达测量是非选择的,无法控制扫描的特定位置和具体目标,只是单纯地将飞行路径上所有可能的反射物体返回,这就使得雷达数据呈现离散性和复杂性,所以在进一步分析前,首先需要确定点的属性:地面或地物,这种对原始激光脚点进行识别、分类的过程称为点云滤波。
在传统的点云滤波技术中,一般设定一个斜率阈值,如果一个激光点与其所有近邻的点之间的斜率未超过斜率阈值,则将该点归类为地面点。该技术在具有平坦地形的区域可以具有良好的滤波性能,但是地形通常是复杂多变的,比如陡坎、斜坡等,传统的点云滤波技术存在适用度不广、精度不高的缺点。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高适用度和精准度的激光雷达点云滤波方法、装置、计算机设备和存储介质。
一种激光雷达点云滤波方法,所述方法包括:
在获取到原始点云时,根据预设的坡度阈值在所述原始点云中确定待选非地面点云;
将所述原始点云拟合生成多个点云平面;
根据所述待选非地面点云与所述点云平面之间的距离对所述待选非地面点云进行分析以得到非地面点云。
在其中一个实施例中,所述根据预设的坡度阈值在所述原始点云中确定待选非地面点云的步骤包括:
将所述原始点云分成多个第一子原始点云;
获取所述第一子原始点云中相邻两点之间的坡度差值;
当所述坡度差值大于所述预设的坡度阈值时,将所述相邻两点判定为待选非地面点;
根据所有的所述待选非地面点得到所述待选非地面点云。
在其中一个实施例中,所述将所述原始点云分成多个第一子原始点云的步骤包括:
获取激光雷达的水平分辨率;
根据所述水平分辨率,将所述原始点云分成多个所述第一子原始点云。
在其中一个实施例中,所述将所述原始点云拟合生成多个点云平面的步骤包括:
根据预设规则将所述原始点云分割成多个第二子原始点云;
分别将所述第二子原始点云拟合生成对应的点云平面。
在其中一个实施例中,所述分别将所述第二子原始点云拟合生成对应的点云平面的步骤包括:
计算所述第二子原始点云的协方差矩阵;
获取所述协方差矩阵中最小特征值对应的特征向量,并根据所述特征向量得到所述点云平面。
在其中一个实施例中,所述根据所述待选非地面点云与所述点云平面之间的距离对所述待选非地面点云进行分析以得到非地面点云的步骤包括:
根据预设规则将所述待选非地面点云分割成多个子待选非地面点云;
获取所述子待选非地面点云的点与对应的点云平面之间的距离;
当所述距离大于预设距离时,将所述子待选非地面点云的点判定为非地面点;
根据所有的所述非地面点得到所述非地面点云。
在其中一个实施例中,所述预设规则为所述原始点云或者所述待选非地面点云的横坐标值与激光雷达之间的距离。
一种激光雷达点云滤波装置,所述装置包括:
确定模块,用于在获取到原始点云时,根据预设的坡度阈值在所述原始点云中确定待选非地面点云;
拟合模块,用于将所述原始点云拟合生成多个点云平面;
分析模块,用于根据所述待选非地面点云与所述点云平面之间的距离对所述待选非地面点云进行分析以得到非地面点云。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
在获取到原始点云时,根据预设的坡度阈值在所述原始点云中确定待选非地面点云;
将所述原始点云拟合生成多个点云平面;
根据所述待选非地面点云与所述点云平面之间的距离对所述待选非地面点云进行分析以得到非地面点云。
一种计算机可读存储介质,其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以下步骤:
在获取到原始点云时,根据预设的坡度阈值在所述原始点云中确定待选非地面点云;
将所述原始点云拟合生成多个点云平面;
根据所述待选非地面点云与所述点云平面之间的距离对所述待选非地面点云进行分析以得到非地面点云。
上述激光雷达点云滤波方法、装置、计算机设备和存储介质,根据预设的坡度阈值在原始点云中确定待选非地面点云,根据待选非地面点云与原始点云拟合生成的点云平面之间的距离在待选非地面点云中确定非地面点云,通过两次滤波过程提高了点云滤波的适用度和精准度。
附图说明
图1为一个实施例中激光雷达点云滤波方法的应用环境图;
图2为一个实施例中激光雷达点云滤波方法的流程示意图;
图3为一个实施例中激光雷达的作用示意图;
图4为一个实施例中激光雷达点云数据处理的流程示意图;
图5为一个实施例中激光雷达的发射器发射一束激光的示意图;
图6为一个实施例中激光雷达点云滤波装置的结构框图;
图7为一个实施例中计算机设备的内部结构图;
图8为另一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的激光雷达点云滤波方法,执行主体也可以是激光雷达,也可以是服务器。
当执行主体为激光雷达时,激光雷达获取到原始点云,根据预设的坡度阈值在所述原始点云中确定待选非地面点云,将所述原始点云拟合生成多个点云平面,根据所述待选非地面点云与所述点云平面之间的距离对所述待选非地面点云进行分析以得到非地面点云。
当执行主体为服务器时,本申请可以应用于如图1所示的应用环境中。其中,激光雷达102通过网络与服务器104进行通信。激光雷达102获取原始点云,将原始点云发送至服务器104,服务器104在获取到原始点云时,根据预设的坡度阈值在所述原始点云中确定待选非地面点云,将所述原始点云拟合生成多个点云平面,根据所述待选非地面点云与所述点云平面之间的距离对所述待选非地面点云进行分析以得到非地面点云。其中,激光雷达102通过网络与服务器104进行通信,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种激光雷达点云滤波方法,可应用于图1中的激光雷达102或服务器104中,包括以下步骤:
步骤202,在获取到原始点云时,根据预设的坡度阈值在所述原始点云中确定待选非地面点云。
其中,原始点云为由激光雷达***获取得到的原始激光点数据处理得到的具有三维结构的离散点;预设的坡度阈值为预先设置的阈值,其用于在第一次滤波过程中筛选非地面点和地面点,在第一次滤波过程中筛选得到的非地面点称为待选非地面点;待选非地面点云由待选非地面点构成。
如图3所示,激光雷达***中的发射器通过特定的测量路径发射较窄的激光束到目标,来自目标的激光反射会被激光雷达***中的接收器检测和分析,激光雷达***获取的数据记录了每个激光脉冲的发射信息和返回信息,包括位置、距离、信号强度、回波次数等。通过分析激光脉冲的时间范围、激光扫描角度、GPS位置、姿态信息以及测距数据,将激光脚点原始数据处理成高度准确的地理参考X、Y、Z坐标,这些由原始激光点数据处理成的具有三维结构的离散点即构成目标的点云。
激光雷达***主要包括:激光扫描仪(Laser Scanning,ALS)、全球定位***(Global Positioning System,GPS)和惯性测量单元(Inertial Measurement Unit,IMU)。ALS将脉冲发射到目标位置,并接收目标位置反射回的脉冲,利用脉冲的时间差计算发射点和目标点的距离;GPS在整个飞行过程中负责记录激光扫描仪的确切位置;在数据收集期间,IMU始终测量天线的姿态(旁向倾角,航向倾角,像片旋角)。通过整合来自ALS的距离数据,GPS的位置信息以及IMU的姿态信息,即可确定每个扫描点的三维地理空间坐标。
激光雷达点云是三维高程点的集合,包括点云的几何数据(三维坐标XYZ)、回波强度数据、回波次数以及第几次回波信息等。由于激光雷达测量是非选择的,无法控制扫描的特定位置和具体目标,只是单纯地将飞行路径上所有可能的反射物体返回,这就使得雷达数据呈现离散性和复杂性,所以如图4所示,先将点云分类成不同的类别,再针对分类后的数据进行建模,分类过程包括:点云滤波和特征提取。其中,点云滤波,指的是分离地面点和非地面点的过程;特征提取,指的是从非地面点中识别离散对象(树木、建筑物、车辆等)并提取其几何边界的过程。
需要说明的是,在对点云数据进行分类之前,可对点云数据进行预处理。原始点云往往会包含少量粗差点,这些粗差点往往是因为激光雷达***的***误差以及多路径效应产生的,也可能会因为空中漂浮物或者飞鸟等产生。当粗差点存在时,不仅会影响点云的可视化和点云的滤波精度,同时在基于点云生成的数字高程模型(Digital ElevationModel,DEM)和数字地面模型(DTM,Digital Terrain Model)时也会产生不利的影响。预处理可采用基于局部邻近点拟合的噪声检测、点云信号变换到时间频率域噪声检测、内插高程纹理图像噪声检测以及阈值控制噪声检测剔除算法等。
具体地,激光雷达***采集到原始激光点数据后进行处理得到原始点云,然后获取原始点云中相邻两点之间的坡度差值,确定坡度差值与预设的坡度阈值的比较结果,根据比较结果从原始点云中得到待选非地面点云。
步骤204,将所述原始点云拟合生成多个点云平面。
其中,点云平面通过多个激光点拟合而成,其模拟基准地面,通过获取某一激光点与点云平面之间的距离,判定该激光点为地面点或者非地面点,比如某一激光点与点云平面之间的距离大于预设值,即判定该激光点为地面点。
具体地,激光雷达或服务器可以将原始点云分成多个子原始点云,对子原始点云进行拟合生成对应的点云平面。
步骤206,根据所述待选非地面点云与所述点云平面之间的距离对所述待选非地面点云进行分析以得到非地面点云。
具体地,激光雷达或服务器可以计算待选非地面点云与点云平面之间的距离,根据该距离与预设距离进行比较,根据比较结果确定非地面点云。
本实施例中,根据预设的坡度阈值在原始点云中确定待选非地面点云,根据待选非地面点云与原始点云拟合生成的点云平面之间的距离在待选非地面点云中确定非地面点云,通过两次滤波过程提高了点云滤波的适用度和精准度。
在一个实施例中,根据预设的坡度阈值在所述原始点云中确定待选非地面点云,包括:将所述原始点云分成多个第一子原始点云;获取所述第一子原始点云中相邻两点之间的坡度差值;当所述坡度差值大于所述预设的坡度阈值时,将所述相邻两点判定为待选非地面点;根据所有的所述待选非地面点得到所述待选非地面点云。
具体地,原始点云可按照激光雷达的发射方向来划分,将位于一条发射方向上的点划分为一个子原始点云。
如图5所示,在发射器发射的每一份子激光束中,包括n条激光,可选的,n=16。所述获取所述第一子原始点云中相邻两点之间的坡度差值的步骤包括:获取每份激光束中相邻两条激光的激光点之间的坡度差值。当所述坡度差值大于预设的坡度阈值时,将所述相邻两条激光的激光点判定为待选非地面点,并根据所有的待选非地面点得到待选非地面点云;当所述坡度差值小于或等于预设的坡度阈值时,将所述相邻两条激光的激光点判定为地面点,执行滤除操作。需要说明的是,预设的坡度阈值可根据实际应用进行设置,本申请不做具体限定。
本实施例中,利用预设的坡度阈值完成一次滤波过程,初步筛选得到非地面点。
在一个实施例中,所述将所述原始点云分成多个第一子原始点云的步骤包括:获取激光雷达的水平分辨率;根据所述水平分辨率,将所述原始点云分成多个所述第一子原始点云。
具体地,激光雷达***中的发射器在同一时间呈360°发射激光束,根据水平分辨率将激光束分为多个子激光束,其中,每个子激光束对应一个第一子原始点云。以水平分辨率为0.18°为例,激光雷达***中的发射器发射360°/0.18°=2000份子激光束,即将原始点云分成2000个第一子原始点云。
本实施例中,根据激光雷达的水平分辨率划分原始点云,使得后续根据激光点之间的坡度差值判断激光点是否为非地面点的结果更加准确。
在一个实施例中,所述将所述原始点云拟合生成多个点云平面的步骤包括:根据预设规则将所述原始点云分割成多个第二子原始点云;分别将所述第二子原始点云拟合生成对应的点云平面。
具体地,所述预设规则可为所述原始点云的X坐标值与激光雷达之间的距离,即在X方向上选择适当的间距对原始点云进行划分得到多个第二子原始点云。
本实施例中,根据原始点云的横坐标值与激光雷达之间的距离划分原始点云,使得该方法适用于斜坡等复杂道路。
在一个实施例中,所述分别将所述第二子原始点云拟合生成对应的点云平面的步骤包括:计算所述第二子原始点云的协方差矩阵;获取所述协方差矩阵中最小特征值对应的特征向量,并将所述特征向量得到所述点云平面。
具体地,先定义大小不同的结构元素,在每个网格内寻找最低点,对这些最低点云进行运算得到协方差矩阵,选取协方差矩阵中方差最小的特征向量,并将该特征向量作为点云平面的法向量。
本实施例中,将最小特征值对应的特征向量作为点云平面的法向量,提高了后续根据激光点与点云平面之间的差值判断激光点是否为非地面点的结果的准确性。
在一个实施例中,所述根据所述待选非地面点云与所述点云平面之间的距离对所述待选非地面点云进行分析以得到非地面点云的步骤包括:根据预设规则将所述待选非地面点云分割成多个子待选非地面点云;获取所述子待选非地面点云的点与对应的点云平面之间的距离;当所述距离大于预设距离时,将所述子待选非地面点云的点判定为非地面点;根据所有的所述非地面点得到所述非地面点云。
具体地,所述预设规则为所述待选非地面点云的横坐标值与激光雷达之间的距离,即在X方向上选择适当的间距对待选非地面点云进行划分得到多个子待选非地面点云。需要说明的是,由于原始点云和待选非地面点云的分割方法相同,均是采用预设规则,因此第二子原始点云与子待选非地面点云之间存在对应关系,进一步的,第二子原始点云与点云平面之间存在对应关系。
具体地,所述子待选非地面点云的点与对应的点云平面之间的距离可根据法向量求取。当所述距离大于预设距离时,将所述子待选非地面点云的点判定为非地面点,当所述距离小于或等于预设距离时,将所述子待选非地面点云的点判定为地面点,执行滤除操作。需要说明的是,预设距离可根据实际应用进行设定,本发明不做具体限定。
本实施例中,利用激光点与点云平面之间的距离完成二次滤波过程,进一步筛选得到非地面点;并且,根据原始点云和待选非地面点云的X坐标值与激光雷达之间的距离分别划分原始点云和待选非地面点云,提高了该方法在斜坡等复杂道路的滤波准确率。
可选的,下面对一实施例中的激光雷达点云滤波方法进行详细介绍:
首先,在获取到原始点云时,获取激光雷达的水平分辨率,根据所述水平分辨率,将所述原始点云分成多个所述第一子原始点云,获取所述第一子原始点云中相邻两点之间的坡度差值,当所述坡度差值大于所述预设的坡度阈值时,将所述相邻两点判定为待选非地面点,根据所有的所述待选非地面点得到所述待选非地面点云;
接着,根据预设规则将所述原始点云分割成多个第二子原始点云,计算所述第二子原始点云的协方差矩阵,获取所述协方差矩阵中最小特征值对应的特征向量,并根据所述特征向量得到所述点云平面;
再者,根据所述原始点云和所述待选非地面点云的横坐标值与激光雷达之间的距离分别将所述原始点云和所述待选非地面点云分割成多个子待选非地面点云,获取所述子待选非地面点云的点与对应的点云平面之间的距离,当所述距离大于预设距离时,将所述子待选非地面点云的点判定为非地面点;根据所有的所述非地面点得到所述非地面点云。
本实施例中,利用预设的坡度阈值完成一次滤波过程,初步筛选得到非地面点,利用激光点与点云平面之间的距离完成二次滤波过程,进一步筛选得到非地面点,通过两次滤波过程提高了点云滤波的适用度和精准度;根据激光雷达的水平分辨率划分原始点云,使得后续根据激光点之间的坡度差值判断激光点是否为非地面点的结果更加准确,将最小特征值对应的特征向量作为点云平面的法向量,也提高了后续根据激光点与点云平面之间的差值判断激光点是否为非地面点的结果的准确性;并且,根据原始点云和待选非地面点云的X坐标值与激光雷达之间的距离分别划分原始点云和待选非地面点云,提高了该方法在斜坡等复杂道路的滤波准确率。
应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图6所示,提供了一种激光雷达点云滤波装置,包括:确定模块610、拟合模块620和分析模块630,其中:
确定模块610,用于在获取到原始点云时,根据预设的坡度阈值在所述原始点云中确定待选非地面点云;
拟合模块620,用于将所述原始点云拟合生成多个点云平面;
分析模块630,用于根据所述待选非地面点云与所述点云平面之间的距离对所述待选非地面点云进行分析以得到非地面点云。
在一个实施例中,该确定模块610还用于将所述原始点云分成多个第一子原始点云;获取所述第一子原始点云中相邻两点之间的坡度差值;当所述坡度差值大于所述预设的坡度阈值时,将所述相邻两点判定为待选非地面点;根据所有的所述待选非地面点得到所述待选非地面点云。
在一个实施例中,该确定模块610还用于获取激光雷达的水平分辨率;根据所述水平分辨率,将所述原始点云分成多个所述第一子原始点云。
在一个实施例中,该拟合模块620还用于根据预设规则将所述原始点云分割成多个第二子原始点云;分别将所述第二子原始点云拟合生成对应的点云平面。
在一个实施例中,该拟合模块620还用于计算所述第二子原始点云的协方差矩阵;获取所述协方差矩阵中最小特征值对应的特征向量,并根据所述特征向量得到所述点云平面。
在一个实施例中,该分析模块630还用于根据预设规则将所述待选非地面点云分割成多个子待选非地面点云;获取所述子待选非地面点云的点与对应的点云平面之间的距离;当所述距离大于预设距离时,将所述子待选非地面点云的点判定为非地面点;根据所有的所述非地面点得到所述非地面点云。
关于激光雷达点云滤波装置的具体限定可以参见上文中对于激光雷达点云滤波方法的限定,在此不再赘述。上述激光雷达点云滤波装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储激光雷达点云滤波数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种激光雷达点云滤波方法。
该计算机设备也可以是终端,其内部结构图可以如图8所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种激光雷达点云滤波方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7、图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述激光雷达点云滤波的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述激光雷达点云滤波的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种激光雷达点云滤波方法,其特征在于,所述方法包括:
在获取到原始点云时,将所述原始点云分成多个第一子原始点云;
获取所述第一子原始点云中相邻两点之间的坡度差值;
当所述坡度差值大于预设的坡度阈值时,将所述相邻两点判定为待选非地面点;
根据所有的所述待选非地面点得到待选非地面点云;
根据预设规则将所述原始点云分割成多个第二子原始点云;
分别将所述第二子原始点云拟合生成对应的点云平面;
根据所述预设规则将所述待选非地面点云分割成多个子待选非地面点云;
获取所述子待选非地面点云的点与对应的点云平面之间的距离;
当所述距离大于预设距离时,将所述子待选非地面点云的点判定为非地面点;
根据所有的所述非地面点得到非地面点云。
2.根据权利要求1所述的方法,其特征在于,所述将所述原始点云分成多个第一子原始点云的步骤包括:
获取激光雷达的水平分辨率;
根据所述水平分辨率,将所述原始点云分成多个所述第一子原始点云。
3.根据权利要求1所述的方法,其特征在于,所述分别将所述第二子原始点云拟合生成对应的点云平面的步骤包括:
计算所述第二子原始点云的协方差矩阵;
获取所述协方差矩阵中最小特征值对应的特征向量,并根据所述特征向量得到所述点云平面。
4.根据权利要求1所述的方法,其特征在于,所述预设规则为所述原始点云的横坐标值与激光雷达之间的距离;
所述根据预设规则将所述原始点云分割成多个第二子原始点云,包括:
根据所述原始点云的横坐标值与激光雷达之间的距离确定间距;
在横坐标方向按照所述间距对所述原始点云进行划分,得到多个第二子原始点云。
5.根据权利要求1所述的方法,其特征在于,所述预设规则为所述待选非地面点云的横坐标值与激光雷达之间的距离;
所述根据预设规则将所述待选非地面点云分割成多个子待选非地面点云,包括:
根据所述待选非地面点云的横坐标值与激光雷达之间的距离确定间距;
在横坐标方向按照所述间距对所述待选非地面点云进行划分,得到多个子待选非地面点云。
6.一种激光雷达点云滤波装置,其特征在于,包括:
确定模块,用于在获取到原始点云时,将所述原始点云分成多个第一子原始点云,获取所述第一子原始点云中相邻两点之间的坡度差值,当所述坡度差值大于预设的坡度阈值时,将所述相邻两点判定为待选非地面点,根据所有的所述待选非地面点得到待选非地面点云;
拟合模块,用于根据预设规则将所述原始点云分割成多个第二子原始点云;分别将所述第二子原始点云拟合生成对应的点云平面;
分析模块,用于根据所述预设规则将所述待选非地面点云分割成多个子待选非地面点云,获取所述子待选非地面点云的点与对应的点云平面之间的距离,当所述距离大于预设距离时,将所述子待选非地面点云的点判定为非地面点,根据所有的所述非地面点得到非地面点云。
7.根据权利要求6所述的装置,其特征在于,所述确定模块还用于获取激光雷达的水平分辨率;根据所述水平分辨率,将所述原始点云分成多个所述第一子原始点云。
8.根据权利要求6所述的装置,其特征在于,所述拟合模块还用于计算所述第二子原始点云的协方差矩阵;获取所述协方差矩阵中最小特征值对应的特征向量,并根据所述特征向量得到所述点云平面。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910677700.7A CN110443786B (zh) | 2019-07-25 | 2019-07-25 | 激光雷达点云滤波方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910677700.7A CN110443786B (zh) | 2019-07-25 | 2019-07-25 | 激光雷达点云滤波方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110443786A CN110443786A (zh) | 2019-11-12 |
CN110443786B true CN110443786B (zh) | 2021-12-07 |
Family
ID=68431528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910677700.7A Active CN110443786B (zh) | 2019-07-25 | 2019-07-25 | 激光雷达点云滤波方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110443786B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111125135B (zh) * | 2019-12-19 | 2023-12-29 | 北京易控智驾科技有限公司 | 地图更新方法、地图融合更新方法、终端及服务器 |
CN111090105B (zh) * | 2019-12-27 | 2021-11-19 | 吉林大学 | 一种车载激光雷达点云信号地面点分离方法 |
CN111179274B (zh) * | 2019-12-30 | 2023-07-14 | 深圳一清创新科技有限公司 | 地图地面分割方法、装置、计算机设备和存储介质 |
CN111435163B (zh) * | 2020-03-18 | 2023-06-30 | 深圳市镭神智能***有限公司 | 地面点云数据过滤方法、装置、探测***及存储介质 |
CN111445472B (zh) * | 2020-03-26 | 2023-05-12 | 达闼机器人股份有限公司 | 激光点云地面分割方法、装置、计算设备及存储介质 |
CN112164063A (zh) * | 2020-10-30 | 2021-01-01 | 上海商汤临港智能科技有限公司 | 一种数据处理方法及装置 |
CN112782717B (zh) * | 2020-12-10 | 2023-03-21 | 中寰卫星导航通信有限公司 | 一种激光雷达地面提取方法、***、存储介质及设备 |
CN112686910A (zh) * | 2020-12-31 | 2021-04-20 | 合肥中科智驰科技有限公司 | 一种基于多线激光雷达的地面分割方法 |
CN113534193B (zh) * | 2021-07-19 | 2024-06-18 | 京东鲲鹏(江苏)科技有限公司 | 确定目标反射点的方法、装置、电子设备及存储介质 |
CN113759385A (zh) * | 2021-08-12 | 2021-12-07 | 江苏徐工工程机械研究院有限公司 | 一种激光雷达和相机融合测距方法及*** |
CN113920134B (zh) * | 2021-09-27 | 2022-06-07 | 山东大学 | 一种基于多线激光雷达的斜坡地面点云分割方法及*** |
CN114063107A (zh) * | 2021-11-26 | 2022-02-18 | 山东大学 | 一种基于激光束的地面点云提取方法 |
CN114266987B (zh) * | 2022-03-03 | 2022-05-20 | 水利部长江勘测技术研究所 | 一种无人机高边坡危岩体智能识别方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102419794A (zh) * | 2011-10-31 | 2012-04-18 | 武汉大学 | 一种机载激光点云数据的快速滤波方法 |
CN106097311A (zh) * | 2016-05-31 | 2016-11-09 | 中国科学院遥感与数字地球研究所 | 机载激光雷达数据的建筑物三维重建方法 |
CN106529469A (zh) * | 2016-11-08 | 2017-03-22 | 华北水利水电大学 | 基于自适应坡度的无人机载LiDAR点云滤波方法 |
CN108537811A (zh) * | 2018-03-15 | 2018-09-14 | 华东师范大学 | 一种三维激光扫描数据植被滤除方法 |
CN109188448A (zh) * | 2018-09-07 | 2019-01-11 | 百度在线网络技术(北京)有限公司 | 点云非地面点过滤方法、装置及存储介质 |
WO2018224768A4 (fr) * | 2017-06-09 | 2019-01-31 | Inria Institut National De Recherche En Informatique Et En Automatique | Dispositif informatique pour l'aide a la conduite |
CN109657525A (zh) * | 2017-10-12 | 2019-04-19 | 西南科技大学 | 一种针对传统LiDAR滤波误差的快速修正方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9330435B2 (en) * | 2014-03-19 | 2016-05-03 | Raytheon Company | Bare earth finding and feature extraction for 3D point clouds |
-
2019
- 2019-07-25 CN CN201910677700.7A patent/CN110443786B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102419794A (zh) * | 2011-10-31 | 2012-04-18 | 武汉大学 | 一种机载激光点云数据的快速滤波方法 |
CN106097311A (zh) * | 2016-05-31 | 2016-11-09 | 中国科学院遥感与数字地球研究所 | 机载激光雷达数据的建筑物三维重建方法 |
CN106529469A (zh) * | 2016-11-08 | 2017-03-22 | 华北水利水电大学 | 基于自适应坡度的无人机载LiDAR点云滤波方法 |
WO2018224768A4 (fr) * | 2017-06-09 | 2019-01-31 | Inria Institut National De Recherche En Informatique Et En Automatique | Dispositif informatique pour l'aide a la conduite |
CN109657525A (zh) * | 2017-10-12 | 2019-04-19 | 西南科技大学 | 一种针对传统LiDAR滤波误差的快速修正方法 |
CN108537811A (zh) * | 2018-03-15 | 2018-09-14 | 华东师范大学 | 一种三维激光扫描数据植被滤除方法 |
CN109188448A (zh) * | 2018-09-07 | 2019-01-11 | 百度在线网络技术(北京)有限公司 | 点云非地面点过滤方法、装置及存储介质 |
Non-Patent Citations (5)
Title |
---|
A Slope-robust Cascaded Grund Segmentation in 3D Point Cloud for Autonomous Vehicles;Patiphon Narksri等;《2018 21st International Conference on Intelligent Transportation Systems》;20181210;第497-504页 * |
PERFORMANCE EVALUATION OF DIFFERENT GROUND FILTERING ALGORITHMS FOR UAV-BASED POINT CLOUDS;Serifoglu, C等;《XXIII ISPRS Congress》;20160719;第41卷;第245-251页 * |
基于格网化LIDAR点云数据坡度滤波方法的研究;靳生洪 等;《测绘与空间地理信息》;20130625;第36卷(第6期);第154-156页 * |
基于虚拟网格与改进坡度滤波算法的机载LIDAR数据滤波;张皓 等;《测绘科学技术学报》;20090615;第26卷(第3期);第224-231页 * |
机载三维激光扫描点云非地面点剔除算法;何正斌 等;《大地测量与地球动力学》;20090815;第29卷(第4期);第97-101页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110443786A (zh) | 2019-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110443786B (zh) | 激光雷达点云滤波方法、装置、计算机设备和存储介质 | |
CN111027401B (zh) | 一种摄像头和激光雷达融合的端到端目标检测方法 | |
CN111192295B (zh) | 目标检测与跟踪方法、设备和计算机可读存储介质 | |
JP6721784B2 (ja) | 情報処理装置、サーバ装置、制御方法、プログラム及び記憶媒体 | |
CN111563450B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN110163871B (zh) | 一种多线激光雷达的地面分割方法及装置 | |
CN112513679B (zh) | 一种目标识别的方法和装置 | |
CN111801591B (zh) | 一种用于校准光强度的***及方法 | |
CN104035439A (zh) | 用多个激光雷达传感器利用扫描点追踪物体的贝叶斯网络 | |
CN111179274B (zh) | 地图地面分割方法、装置、计算机设备和存储介质 | |
CN111380510B (zh) | 重定位方法及装置、机器人 | |
CN112106111A (zh) | 一种标定方法、设备、可移动平台及存储介质 | |
CN111383294B (zh) | 一种安防雷达***中防区的绘制方法及装置 | |
CN114494075A (zh) | 基于三维点云的障碍物识别方法、电子设备和存储介质 | |
US11933884B2 (en) | Radar image processing device, radar image processing method, and storage medium | |
US20220179065A1 (en) | Synthetic-aperture-radar image processing device and image processing method | |
US11288554B2 (en) | Determination method and determination device | |
CN113433568B (zh) | 一种激光雷达观测模拟方法及装置 | |
CN108957432B (zh) | 路沿检测方法、装置、计算机设备和存储介质 | |
CN114488178A (zh) | 定位方法及设备 | |
KR20100109216A (ko) | 구조물 윤곽선 추출장치 및 방법 | |
CN111638496A (zh) | 雷达回波数据处理方法、计算机设备和介质 | |
CN111723797B (zh) | 一种确定三维目标的包围框的方法及*** | |
CN114241083A (zh) | 一种车道线生成方法、装置、电子设备及存储介质 | |
CN116863325A (zh) | 一种用于多个目标检测的方法和相关产品 |
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 |