CN113721261A - 点云拖尾的去除方法、装置、电子设备及可读存储介质 - Google Patents
点云拖尾的去除方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN113721261A CN113721261A CN202111040306.6A CN202111040306A CN113721261A CN 113721261 A CN113721261 A CN 113721261A CN 202111040306 A CN202111040306 A CN 202111040306A CN 113721261 A CN113721261 A CN 113721261A
- Authority
- CN
- China
- Prior art keywords
- reflection point
- point
- included angle
- laser radar
- ith
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012545 processing Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 13
- 238000004422 calculation algorithm Methods 0.000 abstract description 10
- 238000013450 outlier detection Methods 0.000 abstract description 10
- 230000000694 effects Effects 0.000 abstract description 8
- 238000013461 design Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种点云拖尾的去除方法、装置、电子设备及可读存储介质,本发明以点云中拖尾现象产生的根本原因为依据,从而来判断该反射点是否为拖尾点,即针对点云数据中去除第一个以及最后一个反射点以外的每个反射点,通过计算其与前一个反射点以及后一个反射点之间的连线,与该点和激光雷达的连线之间的夹角;进而根据第一夹角以及第二夹角来得出总夹角;最后,根据总夹角与π的差值的绝对值是否大于或等于预设阈值,从而来判断该反射点是否为拖尾点;由此,本发明无需使用离群点检测算法去除拖尾点,从而避免了离群点检测算法所存在的点云的统计学特征难以预知、容易出现漏检误检以及会导致数据失真的问题,从而提高了拖尾去除效果。
Description
技术领域
本发明属于点云数据中的拖尾点去除技术领域,具体涉及一种点云拖尾的去除方法、装置、电子设备及可读存储介质。
背景技术
激光雷达传感器能够提供实时并且精确的场景信息,具有对环境感知的先天优势,以测距范围大和精度高等优点,被广泛应用于无人驾驶、安防监测以及测绘勘探等领域;通常情况下,激光雷达扫描目标障碍物后所获取的信息通常以点云的形式呈现,其原理为:在每次采样时发送一个激光脉冲以完成对各待探测物体的测量。
理想情况下,激光脉冲打在目标上是一个点,但是实际上激光出射都存在一定的发散角,打在物体上时光斑是一个面;因此,当存在前后两个物体,且激光正好打在前面一个物体的边缘时,就有可能出现一部分激光能量打在了后面的物体上,这时的回返光就是两个光斑反射光的叠加,此时雷达会判断测量目标在这两个面之间,造成拖尾现象;在点云上看,就会形成前后两个分离物体之间存在有一实体障碍物的假象,从而给导航以及路径规划等***带来诸多不便;因此,点云数据中的拖尾点需要去除,才能保证测量的精度。
目前,大多是把点云中的拖尾点视为“离群点”,通过离群点检测算法来查找并进行去除;但是,离群点是统计学中噪声的一种,离群点检测算法也是基于统计学的特征的,而使用该方法来去除点云拖尾有其固有缺陷,即存在以下不足:(1)点云数据根据其所处的环境不同,其统计学特征是不同的,故很难在测量之前就能预知当前环境下点云的统计学特征;(2)点云拖尾是光学测量中的一种固有现象,与噪声中的离群点有相似之处,但绝不相同,应用离群点检测算法很容易出现漏检误检的情况;(3)在去除拖尾的同时,其它离群点也会被消除,造成数据失真;因此,需要一种直接针对拖尾现象的技术来去除拖尾数据,从而提高拖尾去除效果。
发明内容
本发明的目的是提供一种点云拖尾的去除方法、装置、电子设备及可读存储介质,以解决现有采用离群点检测算法来去除拖尾数据所存在的点云的统计学特征难以预知、容易出现漏检误检以及会造成数据失真的问题。
为了实现上述目的,本发明采用以下技术方案:
本发明提供了一种点云拖尾的去除方法,包括:
获取激光雷达扫描得到的任一帧内的点云数据,其中,所述点云数据包括若干个按照扫描顺序排列的反射点;
计算第i个反射点和第i-1个反射点之间的连线,与第i个反射点和激光雷达之间的连线形成的第一夹角,其中,i为大于1的整数;
计算第i个反射点和第i+1个反射点之间的连线,与第i个反射点和激光雷达之间的连线形成的第二夹角;
求和所述第一夹角与第二夹角,得到总夹角;
计算所述总夹角与π的差值的绝对值;
判断所述差值的绝对值是否大于或等于预设阈值;
若是,则删除所述第i个反射点,且当i从2循环至n-1时,得到去除拖尾点后的点云数据,其中,n为所述点云数据中的反射点的总个数。
基于上述公开的内容,本发明针对点云数据中去除第一个以及最后一个反射点以外的每个反射点,通过计算其与前一个反射点以及后一个反射点之间的连线,与该点和激光雷达的连线之间的夹角;进而根据第一夹角以及第二夹角来得出总夹角;最后,根据总夹角与π的差值的绝对值是否大于或等于预设阈值,从而来判断该反射点是否为拖尾点;若大于或等于,则说明该反射点打到了后面的物体上,为拖尾点,应该去除,而一直重复前述步骤,直到计算至第n-1个反射点时,即可得到去除了拖尾点后的点云数据。
通过前述设计,本发明以点云中拖尾现象产生的根本原因为依据,从而来判断该反射点是否为拖尾点;即首先计算出反射点与该反射点的前一个反射点之间的连线,与该反射点与激光雷达的连线之间形成的夹角,以及该反射点和该反射点的后一个反射点之间的连线,与该反射点和激光雷达的连线之间形成的夹角,然后再计算二者的总和与π的差值的绝对值,最后即可通过比较差值的绝对值,与预设阈值的大小关系,从而来判断出该反射点是否为拖尾点;由此,即可避免离群点检测算法所存在的点云的统计学特征难以预知、容易出现漏检误检以及会导致数据失真的问题,从而提高了拖尾去除效果。
在一个可能的设计中,计算第i个反射点和第i-1个反射点之间的连线,与第i个反射点和激光雷达之间的连线形成的第一夹角,包括:
获取所述第i个反射点到所述激光雷达的距离,以及所述第i-1个反射点到所述激光雷达的距离;
获取所述激光雷达和所述第i个反射点之间的连线,与所述激光雷达和所述第i-1个反射点之间的连线形成的夹角,记为第三夹角;
根据所述第i个反射点到所述激光雷达的距离、所述第i-1个反射点到所述激光雷达的距离以及所述第三夹角,得到所述第一夹角。
在一个可能的设计中,根据所述第i个反射点到所述激光雷达的距离、所述第i-1个反射点到所述激光雷达的距离以及所述第三夹角,得到所述第一夹角,包括:
按照如下公式,计算得到所述第一夹角;
前述式中,α为表示第一夹角,r1为所述第i-1个反射点到所述激光雷达的距离,r0为所述第i个反射点到所述激光雷达的距离,θ为所述第三夹角。
在一个可能的设计中,计算第i个反射点和第i+1个反射点之间的连线,与第i个反射点和激光雷达之间的连线形成的第二夹角,包括:
获取所述第i+1个反射点到所述激光雷达的距离;
获取所述激光雷达和所述第i+1个反射点之间的连线,与所述激光雷达和所述第i个反射点之间的连线形成的夹角,记为第四夹角;
根据所述第i个反射点到所述激光雷达的距离、所述第i+1个反射点到所述激光雷达的距离以及所述第四夹角,得到所述第二夹角。
在一个可能的设计中,如权利要求4所述的方法,其特征在于,根据所述第i个反射点到所述激光雷达的距离、所述第i+1个反射点到所述激光雷达的距离以及所述第四夹角,得到所述第二夹角,包括:
按照如下公式,计算得到所述第二夹角;
前述式中,β为表示第二夹角,r2为所述第i+1个反射点到所述激光雷达的距离,γ为所述第四夹角。
在一个可能的设计中,所述第三夹角和所述第四夹角是根据所述激光雷达的分辨率参数得到的。
在一个可能的设计中,所述方法还包括:
若否,则在保留所述第i个反射点在所述点云数据中。
第二方面,本发明提供了一种点云拖尾的去除装置,包括:第一获取单元、计算单元、判断单元以及数据处理单元;
所述第一获取单元,用于获取激光雷达扫描得到的任一帧内的点云数据,其中,所述点云数据包括若干个按照扫描顺序排列的反射点;
所述计算单元,用于计算第i个反射点和第i-1个反射点之间的连线,与第i个反射点和激光雷达之间的连线形成的第一夹角,其中,i为大于1的整数;
所述计算单元,用于计算第i个反射点和第i+1个反射点之间的连线,与第i个反射点和激光雷达之间的连线形成的第二夹角;
所述计算单元,用于求和所述第一夹角与第二夹角,得到总夹角;
所述计算单元,还用于计算所述总夹角与π的差值的绝对值;
所述判断单元,用于判断所述差值的绝对值是否大于或等于预设阈值;
所述数据处理单元,用于在所述判断单元判断为是时,删除所述第i个反射点,且当i从2循环至n-1时,得到去除拖尾点后的点云数据,其中,n为所述点云数据中的反射点的总个数。
第三方面,本发明提供了一种电子设备,包括依次通信相连的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如第一方面或第一方面中任意一种可能设计的所述点云拖尾的去除方法。
第四方面,本发明提供了一种可读存储介质,所述可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一方面或第一方面中任意一种可能设计的所述点云拖尾的去除方法。
第五方面,本发明供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如第一方面或第一方面中任意一种可能设计的所述点云拖尾的去除方法。
附图说明
图1为本发明提供的点云拖尾的去除方法的步骤流程示意图;
图2为本发明提供的在无拖尾时的激光雷达点云采集原理图;
图3为本发明提供的在有拖尾时的激光雷达点云采集原理图;
图4为本发明提供的点云拖尾的去除装置的结构示意图;
图5为本发明提供的位于激光雷达外的点云拖尾的去除装置的结构示意图;
图6为本发明提供的位于激光雷达内的点云拖尾的去除装置的结构示意图;
图7为本发明提供的电子设备的结构示意图。
具体实施方式
下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是,对于这些实施例方式的说明虽然是用于帮助理解本发明,但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而,可用很多备选的形式来体现本发明,并且不应当理解为本发明限制在本文阐述的实施例中。
应当理解,尽管本文可能使用术语第一、第二等等来描述各种单元,但是这些单元不应当受到这些术语的限制。这些术语仅用于区分一个单元和另一个单元。例如可以将第一单元称作第二单元,并且类似地可以将第二单元称作第一单元,同时不脱离本发明的示例实施例的范围。
应当理解,对于本文中可能出现的术语“和/或”,其仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,单独存在B,同时存在A和B三种情况;对于本文中可能出现的术语“/和”,其是描述另一种关联对象关系,表示可以存在两种关系,例如,A/和B,可以表示:单独存在A,单独存在A和B两种情况;另外,对于本文中可能出现的字符“/”,一般表示前后关联对象是一种“或”关系。
实施例
本实施例第一方面所提供的点云拖尾的去除方法,以拖尾现象产生的根本原因为依据,来判断点云数据中的各个反射点是否为拖尾点,而无需使用离群点检测算法来查找点云数据中的离群点,由此,即可避免离群点检测算法所存在的点云的统计学特征难以预知、容易出现漏检误检以及会导致数据失真的问题,提高了拖尾去除效果。
本实施例第一方面所提供的点云拖尾的去除方法,可以但不限于包括如下步骤S1~S7。
S1.获取激光雷达扫描得到的任一帧内的点云数据,其中,所述点云数据包括若干个按照扫描顺序排列的反射点。
步骤S1则是获取激光雷达扫描得到的点云数据,以便后续对点云数据进行拖尾去除处理;在本实施例中,举例是按照逐帧处理原则,即对于每一帧的点云数据,均采用后续S2~S7所示的步骤去除拖尾点。
在得到任一帧的点云数据后,即可进行如下步骤S2~S7,以判断该点云数据中除去第一个反射点以及最后一个反射点以外的其它所有反射点是否为拖尾点。
在阐述步骤S2~S7前,先阐述本发明的判断原理:
在本实施例中,在局部区域内,可认为激光雷达检测到的相邻点位于一个平面内;由此,即可将激光雷达的检测等效为激光雷达发出的激光与物体的位置关系图,即参见图1和图2。
前述图1和图2中,O点为激光雷达所在的位置,而P0、P1以及P2分别为激光雷达发出的激光在扫描时,打在物体上的反射点,即P0为当前反射点,P1为当前反射点的前一个反射点,而P2则是当前反射点的后一个反射点。
参见图1,若激光雷达发出的激光全部打在同一物体上,无拖尾现象,那么P0、P1以及P2可认为是在同一直线上,但由于物体表面不是绝对平面,因此,可认为P0、P1、P2与O点形成的夹角之和约等于180度,也就是图1中,∠P1P0O+∠P2P0O≈π。
参见图2,若出现了拖尾现象,即有激光打在了后一个物体上,那么P0、P1以及O点则不会在同一个直线上,因此,可认为P0、P1、P2与O点形成的夹角之和是大于180度的,即∠P1P0O+∠P2P0O>π。
同时,在激光雷达扫描领域,拖尾为激光雷达测量中的一种光学现象,一般认为∠P1P0O与∠P2P0O的和,与π的差值的绝对值一般大于5度;由此,即可根据前述拖尾现象产生的根本原因,来计算出各个反射点的前一个反射点以及后一个反射点与激光雷达的夹角和,并通过比较该夹角和与π的差值的绝对值是否大于5,从而来判断出该反射点是否为拖尾点;也就是通过判断出图1和图2中的角α以及角β的和,与π之间的差值的绝对值是否大于5,从而得出反射点是否为拖尾点。
而下述步骤S2~S7,则基于前述原理,即:
S2.计算第i个反射点和第i-1个反射点之间的连线,与第i个反射点和激光雷达之间的连线形成的第一夹角,其中,i为大于1的整数。
S3.计算第i个反射点和第i+1个反射点之间的连线,与第i个反射点和激光雷达之间的连线形成的第二夹角。
步骤S2和步骤S3则是计算前述图1和图2中的角α以及角β,计算原理则是根据三角函数,可以但不限于采用如下步骤S201~S203。
S301.获取所述第i个反射点到所述激光雷达的距离,以及所述第i-1个反射点到所述激光雷达的距离。
S302.获取所述激光雷达和所述第i个反射点之间的连线,与所述激光雷达和所述第i-1个反射点之间的连线形成的夹角,记为第三夹角。
S303.根据所述第i个反射点到所述激光雷达的距离、所述第i-1个反射点到所述激光雷达的距离以及所述第三夹角,得到所述第一夹角。
参见图1,图1中的r0为第i个反射点到激光雷达的距离,r1为第i-1个反射点与激光雷达的距离,而θ则为激光雷达和第i个反射点之间的连线,与激光雷达和第i-1个反射点之间的连线形成的夹角,也就是r0与r1之间的夹角,由此,根据三角函数,即可得出α的计算公式,具体如下:
同理,对于角β的计算,可以但不限于采用如下步骤S301~S303得出:
S301.获取所述第i+1个反射点到所述激光雷达的距离。
S302.获取所述激光雷达和所述第i+1个反射点之间的连线,与所述激光雷达和所述第i个反射点之间的连线形成的夹角,记为第四夹角。
S303.根据所述第i个反射点到所述激光雷达的距离、所述第i+1个反射点到所述激光雷达的距离以及所述第四夹角,得到所述第二夹角。
同理,与参见图1,计算角β,则需要得出线段OP2以及线段OP0的长度,以及∠P20P0;因此,通过三角形P2OP0,即可得出角β的计算公式,具体如下:
前述式中,β为表示第二夹角,r2为所述第i+1个反射点到所述激光雷达的距离,γ为所述第四夹角。
由此,即可通过前述两个计算公式,得出第一夹角以及第二夹角,从而得出二者的总和与π的差值的绝对值,进而通过差值的绝对值与预设阈值的大小关系,判断出第i个反射点是否为拖尾点。
在本实施例中,举例第三夹角以及第三夹角是根据激光雷达的分辨率参数得到的;也就是说,第三夹角以及第四夹角代表的就为激光雷达的分辨率参数,为激光雷达的设备参数;而r0、r1以及r2则可通过激光雷达测出。
在得出了第一夹角以及第二夹角后,即可进行步骤S4~S7,根据比较结果进行拖尾点的判断。
S4.求和所述第一夹角与第二夹角,得到总夹角。
S5.计算所述总夹角与π的差值的绝对值。
S6.判断所述差值的绝对值是否大于或等于预设阈值。
S7.若是,则删除所述第i个反射点,且当i从2循环至n-1时,得到去除拖尾点后的点云数据,其中,n为所述点云数据中的反射点的总个数。
在本实施例中,步骤S4~S7可总结为如下公式:
由此,只需要按照前述步骤S2~S7,从第2个反射点开始计算,直至计算至第n-1个反射点,即可去除点云数据中所有的拖尾点,得到去除拖尾点后的点云数据。
由此通过前述步骤S1~S7对点云拖尾的去除方法的详细描述,本发明以点云中拖尾现象产生的根本原因为依据,从而来判断该反射点是否为拖尾点;即首先计算出各个反射点与该反射点的前一个反射点之间的连线,与该反射点与激光雷达的连线之间形成的夹角,以及该反射点和该反射点的后一个反射点之间的连线,与该反射点和激光雷达的连线之间形成的夹角,然后再计算二者的总和与π的差值的绝对值,最后即可通过比较差值的绝对值,与预设阈值的大小关系,从而来判断出该反射点是否为拖尾点;由此,即可避免离群点检测算法所存在的点云的统计学特征难以预知、容易出现漏检误检以及会导致数据失真的问题,从而提高了拖尾去除效果。
如图4所示,本实施例第二方面提供了一种实现实施例第一方面中所述的点云拖尾的去除方法的的硬件装置,包括:第一获取单元、计算单元、判断单元以及数据处理单元。
所述第一获取单元,用于获取激光雷达扫描得到的任一帧内的点云数据,其中,所述点云数据包括若干个按照扫描顺序排列的反射点。
所述计算单元,用于计算第i个反射点和第i-1个反射点之间的连线,与第i个反射点和激光雷达之间的连线形成的第一夹角,其中,i为大于1的整数。
所述计算单元,用于计算第i个反射点和第i+1个反射点之间的连线,与第i个反射点和激光雷达之间的连线形成的第二夹角。
所述计算单元,用于求和所述第一夹角与第二夹角,得到总夹角。
所述计算单元,还用于计算所述总夹角与π的差值的绝对值。
所述判断单元,用于判断所述差值的绝对值是否大于或等于预设阈值。
所述数据处理单元,用于在所述判断单元判断为是时,删除所述第i个反射点,且当i从2循环至n-1时,得到去除拖尾点后的点云数据,其中,n为所述点云数据中的反射点的总个数。
在本实施例中,点云拖尾的去除装置既可以放置于激光雷达内,也可以放置于激光雷达外,在此不做限定。
例如,下述提供一种位于激光雷达外的点云拖尾去除的硬件装置,可以但不限于包括:数据泵、控制***以及拖尾去除模块,而拖尾去除模块可以但不限于包括前述第一获取单元、计算单元、判断单元以及数据处理单元。
参见图5,数据泵则提供数据通信与缓存功能,接收激光雷达生成的点云数据,进行缓存,并提供给控制***进行处理。
控制***从数据泵提取数据,进行一般的数据处理(如去噪等处理),并将处理后的数据交与去拖尾去除模块进行处理。
而拖尾去除模块则使用前述第一方面所提供的方法,对控制***传输的数据进行拖尾去除处理,以得到去除了拖尾点后的点云数据。
同理,参见图6,下述提供一种位于激光雷达内的点云拖尾去除的硬件装置,可以但不限于包括:数据采集模块、数据预处理模块以及拖尾去除模块,而拖尾去除模块可以但不限于包括前述第一获取单元、计算单元、判断单元以及数据处理单元。
数据采集模块从激光雷达的传感器上采集数据并交与数据预处理模块。
数据预处理模块将传感器采集的数据进行处理,包括但不限于:噪声处理,点合并等。
而拖尾去除模块则使用前述第一方面所提供的方法,对数据预处理模块传输的数据进行拖尾去除处理,以得到去除了拖尾点后的点云数据。
本实施例提供的硬件装置的工作过程、工作细节和技术效果,可以参见实施例第一方面,于此不再赘述。
如图7所示,本实施例第三方面提供了一种电子设备,包括:依次通信相连的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如实施例第一方面所述的点云拖尾的去除方法。
具体举例的,所述存储器可以但不限于包括随机存取存储器(random accessmemory,RAM)、只读存储器(Read Only Memory image,ROM)、闪存(Flash Memory)、先进先出存储器(First Input First Output,FIFO)和/或先进后出存储器(First In Last Out,FILO)等等;所述处理器可以不限于采用型号为STM32F105系列的微处理器、精简指令集计算机(reduced instruction set computer,RSIC)微处理器、X86等架构处理器或集成嵌入式神经网络处理器(neural-network processing units,NPU)的处理器;所述收发器可以但不限于为无线保真(WIFI)无线收发器、蓝牙无线收发器、通用分组无线服务技术(General Packet Radio Service,GPRS)无线收发器、紫蜂协议(基于IEEE802.15.4标准的低功耗局域网协议,ZigBee)无线收发器、3G收发器、4G收发器和/或5G收发器等。此外,所述装置还可以但不限于包括有电源模块、显示屏和其它必要的部件。
本实施例提供的计算机主设备的工作过程、工作细节和技术效果,可以参见实施例第一方面,于此不再赘述。
本实施例第四方面提供了一种存储包含有实施例第一方面所述的中药药材的检索方法的指令的可读存储介质,即所述可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一方面所述的点云拖尾的去除方法。
其中,所述可读存储介质是指存储数据的载体,可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等,所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
本实施例提供的可读存储介质的工作过程、工作细节和技术效果,可以参见实施例第一方面,于此不再赘述。
本实施例第五方面提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如实施例第一方面所述的点云拖尾的去除方法,其中,所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种点云拖尾的去除方法,其特征在于,包括:
获取激光雷达扫描得到的任一帧内的点云数据,其中,所述点云数据包括若干个按照扫描顺序排列的反射点;
计算第i个反射点和第i-1个反射点之间的连线,与第i个反射点和激光雷达之间的连线形成的第一夹角,其中,i为大于1的整数;
计算第i个反射点和第i+1个反射点之间的连线,与第i个反射点和激光雷达之间的连线形成的第二夹角;
求和所述第一夹角与第二夹角,得到总夹角;
计算所述总夹角与π的差值的绝对值;
判断所述差值的绝对值是否大于或等于预设阈值;
若是,则删除所述第i个反射点,且当i从2循环至n-1时,得到去除拖尾点后的点云数据,其中,n为所述点云数据中的反射点的总个数。
2.如权利要求1所述的方法,其特征在于,计算第i个反射点和第i-1个反射点之间的连线,与第i个反射点和激光雷达之间的连线形成的第一夹角,包括:
获取所述第i个反射点到所述激光雷达的距离,以及所述第i-1个反射点到所述激光雷达的距离;
获取所述激光雷达和所述第i个反射点之间的连线,与所述激光雷达和所述第i-1个反射点之间的连线形成的夹角,记为第三夹角;
根据所述第i个反射点到所述激光雷达的距离、所述第i-1个反射点到所述激光雷达的距离以及所述第三夹角,得到所述第一夹角。
4.如权利要求2所述的方法,其特征在于,计算第i个反射点和第i+1个反射点之间的连线,与第i个反射点和激光雷达之间的连线形成的第二夹角,包括:
获取所述第i+1个反射点到所述激光雷达的距离;
获取所述激光雷达和所述第i+1个反射点之间的连线,与所述激光雷达和所述第i个反射点之间的连线形成的夹角,记为第四夹角;
根据所述第i个反射点到所述激光雷达的距离、所述第i+1个反射点到所述激光雷达的距离以及所述第四夹角,得到所述第二夹角。
6.如权利要求4所述的方法,其特征在于,所述第三夹角和所述第四夹角是根据所述激光雷达的分辨率参数得到的。
7.如权利要求1所述的方法,其特征在于,所述方法还包括:
若否,则在保留所述第i个反射点在所述点云数据中。
8.一种点云拖尾的去除装置,其特征在于,包括:第一获取单元、计算单元、判断单元以及数据处理单元;
所述第一获取单元,用于获取激光雷达扫描得到的任一帧内的点云数据,其中,所述点云数据包括若干个按照扫描顺序排列的反射点;
所述计算单元,用于计算第i个反射点和第i-1个反射点之间的连线,与第i个反射点和激光雷达之间的连线形成的第一夹角,其中,i为大于1的整数;
所述计算单元,用于计算第i个反射点和第i+1个反射点之间的连线,与第i个反射点和激光雷达之间的连线形成的第二夹角;
所述计算单元,用于求和所述第一夹角与第二夹角,得到总夹角;
所述计算单元,还用于计算所述总夹角与π的差值的绝对值;
所述判断单元,用于判断所述差值的绝对值是否大于或等于预设阈值;
所述数据处理单元,用于在所述判断单元判断为是时,删除所述第i个反射点,且当i从2循环至n-1时,得到去除拖尾点后的点云数据,其中,n为所述点云数据中的反射点的总个数。
9.一种电子设备,其特征在于,包括:依次通信相连的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如权利要求1~7任意一项所述的点云拖尾的去除方法。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如权利要求1~7任意一项所述的点云拖尾的去除方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111040306.6A CN113721261A (zh) | 2021-09-06 | 2021-09-06 | 点云拖尾的去除方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111040306.6A CN113721261A (zh) | 2021-09-06 | 2021-09-06 | 点云拖尾的去除方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113721261A true CN113721261A (zh) | 2021-11-30 |
Family
ID=78681976
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111040306.6A Pending CN113721261A (zh) | 2021-09-06 | 2021-09-06 | 点云拖尾的去除方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113721261A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108931795A (zh) * | 2018-05-21 | 2018-12-04 | 千寻位置网络有限公司 | 定位设备轨迹优化和边界提取方法及装置 |
CN109785335A (zh) * | 2018-12-18 | 2019-05-21 | 歌尔股份有限公司 | 扫描对象的直线轮廓的确定方法、装置及存储介质 |
CN110335209A (zh) * | 2019-06-11 | 2019-10-15 | 北京建筑大学 | 一种相位式三维激光点云噪声滤除方法 |
CN110443275A (zh) * | 2019-06-28 | 2019-11-12 | 炬星科技(深圳)有限公司 | 去除噪声的方法、设备及存储介质 |
CN110515054A (zh) * | 2019-08-23 | 2019-11-29 | 斯坦德机器人(深圳)有限公司 | 滤波方法和装置、电子设备、计算机存储介质 |
CN110517354A (zh) * | 2018-05-21 | 2019-11-29 | 北京京东尚科信息技术有限公司 | 用于三维点云分割的方法、装置、***及介质 |
CN112711004A (zh) * | 2020-12-18 | 2021-04-27 | 上海星秒光电科技有限公司 | 一种激光测距抗干扰方法、装置、激光测距设备及可读存储介质 |
CN113345093A (zh) * | 2021-05-17 | 2021-09-03 | 立得空间信息技术股份有限公司 | 一种针对激光雷达点云拖尾点的滤波方法 |
-
2021
- 2021-09-06 CN CN202111040306.6A patent/CN113721261A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108931795A (zh) * | 2018-05-21 | 2018-12-04 | 千寻位置网络有限公司 | 定位设备轨迹优化和边界提取方法及装置 |
CN110517354A (zh) * | 2018-05-21 | 2019-11-29 | 北京京东尚科信息技术有限公司 | 用于三维点云分割的方法、装置、***及介质 |
CN109785335A (zh) * | 2018-12-18 | 2019-05-21 | 歌尔股份有限公司 | 扫描对象的直线轮廓的确定方法、装置及存储介质 |
CN110335209A (zh) * | 2019-06-11 | 2019-10-15 | 北京建筑大学 | 一种相位式三维激光点云噪声滤除方法 |
CN110443275A (zh) * | 2019-06-28 | 2019-11-12 | 炬星科技(深圳)有限公司 | 去除噪声的方法、设备及存储介质 |
CN110515054A (zh) * | 2019-08-23 | 2019-11-29 | 斯坦德机器人(深圳)有限公司 | 滤波方法和装置、电子设备、计算机存储介质 |
CN112711004A (zh) * | 2020-12-18 | 2021-04-27 | 上海星秒光电科技有限公司 | 一种激光测距抗干扰方法、装置、激光测距设备及可读存储介质 |
CN113345093A (zh) * | 2021-05-17 | 2021-09-03 | 立得空间信息技术股份有限公司 | 一种针对激光雷达点云拖尾点的滤波方法 |
Non-Patent Citations (2)
Title |
---|
刘辉: "基于三维重建数据的双向点云去噪方法研究", 《电子测量与仪器学报》, pages 1 - 7 * |
王张飞: "基于深度投影的三维点云目标分割和碰撞检测", 《光学 精密工程》, pages 1600 - 1608 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106951847B (zh) | 障碍物检测方法、装置、设备及存储介质 | |
US9083856B2 (en) | Vehicle speed measurement method and system utilizing a single image capturing unit | |
CN112368756B (zh) | 计算对象和车辆碰撞时间的方法、计算设备及车辆 | |
EP4130798A1 (en) | Target identification method and device | |
JP4102885B2 (ja) | 駐車車両検知方法及び駐車車両検知システム | |
CN111016918B (zh) | 一种库位检测方法、装置和模型训练装置 | |
CN111942374A (zh) | 一种障碍物地图生成方法、装置、车辆及存储介质 | |
CN111913177A (zh) | 对目标物探测方法、装置以及存储介质 | |
CN113838125A (zh) | 目标位置确定方法、装置、电子设备以及存储介质 | |
CN111736167B (zh) | 一种获取激光点云密度的方法和装置 | |
CN113721261A (zh) | 点云拖尾的去除方法、装置、电子设备及可读存储介质 | |
CN111380529B (zh) | 移动设备定位方法、装置、***及移动设备 | |
JP3740531B2 (ja) | 駐車車両検知方法、検知システム及び駐車車両検出装置 | |
CN112101069A (zh) | 确定行驶区域信息的方法及装置 | |
CN116087918A (zh) | 一种测距方法、装置、终端设备及计算机可读存储介质 | |
CN114119465B (zh) | 一种点云数据处理方法及装置 | |
CN116413683A (zh) | 激光雷达及其扫描方法、可读存储介质 | |
US20230038821A1 (en) | Object detection system and object detection method | |
CN112896070A (zh) | 一种车位障碍物检测方法、装置及计算机可读存储介质 | |
CN115082712B (zh) | 一种基于雷视融合的目标检测方法、装置和可读存储介质 | |
Bai | Accurate obstacle prediction method in unmanned vehicle driving. | |
CN115824237B (zh) | 轨道路面识别方法及装置 | |
CN117152197B (zh) | 一种跟踪对象的确定方法、***及跟踪方法、*** | |
CN113177481B (zh) | 目标检测方法、装置、电子设备及存储介质 | |
CN111290383B (zh) | 控制移动机器人移动的方法、装置及*** |
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 |