CN113888713A - 一种车载激光点云数据恢复路面缺失点的方法 - Google Patents
一种车载激光点云数据恢复路面缺失点的方法 Download PDFInfo
- Publication number
- CN113888713A CN113888713A CN202111121177.3A CN202111121177A CN113888713A CN 113888713 A CN113888713 A CN 113888713A CN 202111121177 A CN202111121177 A CN 202111121177A CN 113888713 A CN113888713 A CN 113888713A
- Authority
- CN
- China
- Prior art keywords
- point
- points
- scanning line
- missing
- scanning
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000011084 recovery Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000638 solvent extraction 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
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种车载激光点云数据恢复路面缺失点的方法,包括如下步骤:(1)根据时间戳将缺失的激光点云数据划分为若干条扫描线;(2)根据每条扫描线上路面点的数量以及每条扫描线上相邻两个点之间的距离,判断扫描线上是否存在路面点缺失;(3)若扫描线存在路面点缺失,通过临界点内插对缺失点进行恢复。本发明有效解决了道路点云数据中由于受到路面行驶车辆遮挡的影响导致部分路面点缺失的问题。
Description
技术领域
本发明涉及数据处理技术,特别涉及一种车载激光点云数据恢复路面缺失点的方法。
背景技术
随着道路建设的不断发展,为了面向未来车路协同、道路基础设施全周期数字化管理的需求,建设数字化的道路平台成为研究热点。车载激光雷达是耦合了高精度卫星定位技术、惯性导航技术、激光扫描***、全景高清影像采集***的测绘技术,通过车辆在路面上行驶扫描道路周边环境,可以精确采集到三维激光点云数据,获得丰富的道路信息,这些数据可以用于道路基础设施的数字化管理、地图生成、道路检测等。
传统的测量方法效率低,需要花费大量的人力、物力,而车载激光雷达有着速度快、精度高、测距远、受环境干扰小、分辨率高等优点,能显著提高测量效率,采集到的数据类型主要包括点的三维坐标信息、反射强度信息、颜色信息等,坐标精度为0.02m。由于采集得到的三维激光点云数据的数据量十分庞大,不能直接从中获得所需道路信息,因此需要先对其进行处理,提取出所需的道路要素信息,目前已有研究对三维激光点云数据进行语义分割、目标识别,提取识别出路面点以及路边路灯、灯牌等道路设施点,其中路面点是最为重要的道路信息,可以从中得到道路的几何线型信息。通常激光雷达车辆在路面上行驶时,经常会受到路面上其它行驶车辆遮挡的影响,导致部分路面点的缺失,从而导致部分道路信息的缺失,因此有必要将激光点云数据中缺失的路面点进行恢复。
发明内容
发明目的:针对以上问题,本发明目的是提供一种车载激光点云数据恢复路面缺失点的方法。
技术方案:本发明的一种车载激光点云数据恢复路面缺失点的方法,包括如下步骤:
(1)根据时间戳将缺失的激光点云数据划分为若干条扫描线;
(2)根据每条扫描线上路面点的数量以及每条扫描线上相邻两个点之间的距离,判断扫描线上是否存在路面点缺失;
(3)若扫描线存在路面点缺失,通过临界点内插对缺失点进行恢复。
进一步,步骤(1)中,根据时间戳将缺失的激光点云数据划分为若干条扫描线包括:
激光雷达扫描点是按扫描线的顺序进行,设激光点云数据中每个路面点采集到的时间为Ti,其中i为每个点的编号,令每个路面点所在的扫描线序号为Li,其中第一扫描点对应的扫描线序号为1,即L1=1,若两个相邻点之间的时间差小于阈值时,即Ti+1-Ti<TN,则这两个相邻点在同一扫描线,即Li+1=Li,否则,则令下一扫描点的扫描线序号在当前扫描点扫描线序号基础上加1,即Li+1=Li+1,其中,TN为一条扫描线上相邻两个点时间差的阈值。
进一步,步骤(2)中,判断扫描线上是否存在路面点缺失包括:
计算每条扫描线上相邻两点的距离,表达式为:
式中,D0为每条扫描线上相邻两点的距离阈值,N0为路面点不存在缺失的扫描线上路面点的数量。
进一步,步骤(3)中,通过临界点内插对缺失点进行恢复包括:
在第j个点与第j+1个点之间进行内插,内插点的数量由第j个点与第j+1个点间的距离确定,初步设定按间隔D0恢复一个内插来进行,设内插点的数量为m,则需要内插点数量的表达式为:
有益效果:本发明与现有技术相比,其显著优点是:与现有技术相比,本发明有效解决了行驶车辆遮挡导致的激光点云数据中部分路面点缺失的问题;现有恢复路面点的技术需要扫描角,而并非所有的激光点云数据都包含扫描角数据,本发明只需要XYZ坐标数据、采集时间数据即可实现,具有更好的适用性与高效性。
附图说明
图1为行驶车辆遮挡导致的路面点缺失图;
图2为点云数据划分的扫描线图;
图3为存在缺失点的扫描线图;
图4为恢复的缺失点图;
图5为缺失点恢复后的路面点云图。
具体实施方式
本实施例以南京市城市道路的数据集为例,如图1所示,由于受到路面行驶车辆遮挡的影响,数据集中存在部分路面点的缺失。本实施例所述的一种车载激光点云数据恢复路面缺失点的方法,包括如下步骤:
(1)根据时间戳将缺失的激光点云数据划分为若干条扫描线:
激光雷达扫描点是按扫描线的顺序进行,在同一条扫描线上,两个相邻点采集到的时间差很小,而当从一条扫描线的最后一个点跳跃到下一条扫描线的第一个点时,时间差会有一个显著上升,设激光点云数据中每个路面点采集到的时间为Ti,其中i为每个点的编号。令每个路面点所在的扫描线序号为Li,其中第一扫描点对应的扫描线序号为1,即L1=1,若两个相邻点之间的时间差小于阈值时,即Ti+1-Ti<TN,则这两个相邻点在同一扫描线,即Li+1=Li,否则,则令下一扫描点的扫描线序号在当前扫描点扫描线序号基础上加1,即Li+1=Li+1,其中,TN为一条扫描线上相邻两个点时间差的阈值。
由于同一扫描线上相邻点的时间差与相邻扫描线上点的时间差有着数量级上的差异,因此TN取值在10-4数量级,每个路面点所在的扫描线序号相同的点即为同一条扫描线上的点,划分的扫描线见图2。
(2)根据每条扫描线上路面点的数量以及每条扫描线上相邻两个点之间的距离,判断扫描线上是否存在路面点缺失:
计算每条扫描线上相邻两点的距离,表达式为:
式中,D0为每条扫描线上相邻两点的距离阈值,D0可取0.2m,N0为路面点不存在缺失的扫描线上路面点的数量。存在缺失点的扫描线见图3。
(3)若扫描线存在路面点缺失,通过临界点内插对缺失点进行恢复:
由于一条扫描线是在道路的一个横断面位置上,而一个横断面位置上路面的横坡是一个定值,因此对于路面缺失点,可以通过临界点内插进行恢复,在第j个点与第j+1个点之间进行内插,内插点的数量由第j个点与第j+1个点间的距离确定,初步按间隔D0恢复一个内插来进行,本实施例中D0取0.2m,设内插点的数量为m,则需要内插点数量的表达式为:
恢复的路面点见图4(深色部分),恢复路面缺失点之后的路面点云如图5所示。
为了验证本方法的恢复精度,剔除一些已知坐标的路面点,再利用本实施例所提出的方法进行路面点恢复,比较恢复出的路面点与实际路面点的坐标偏差。本实施例随机挑选了6条扫描线,每条扫描线上人工额外剔除20个路面点,每条扫描线上的平均误差见表1。
表1恢复路面点的精度
由结果可知,恢复的路面点的X坐标平均误差为1.70cm,Y坐标平均误差为0.63cm,Z坐标平均误差为0.33cm。由于一条扫描线是在道路的一个横断面位置上,因此恢复路面点的Y坐标与Z坐标的误差很小,均在毫米级。由于三维坐标数据的采集精度为0.02m,因此恢复路面点的X坐标也具有良好的精确性。
Claims (4)
1.一种车载激光点云数据恢复路面缺失点的方法,其特征在于,包括如下步骤:
(1)根据时间戳将缺失的激光点云数据划分为若干条扫描线;
(2)根据每条扫描线上路面点的数量以及每条扫描线上相邻两个点之间的距离,判断扫描线上是否存在路面点缺失;
(3)若扫描线存在路面点缺失,通过临界点内插对缺失点进行恢复。
2.根据权利要求1所述的车载激光点云数据恢复路面缺失点的方法,其特征在于,步骤(1)中,根据时间戳将缺失的激光点云数据划分为若干条扫描线包括:
激光雷达扫描点是按扫描线的顺序进行,设激光点云数据中每个路面点采集到的时间为Ti,其中i为每个点的编号,令每个路面点所在的扫描线序号为Li,其中第一扫描点对应的扫描线序号为1,即L1=1,若两个相邻点之间的时间差小于阈值时,即Ti+1-Ti<TN,则这两个相邻点在同一扫描线,即Li+1=Li,否则,则令下一扫描点的扫描线序号在当前扫描点扫描线序号基础上加1,即Li+1=Li+1,其中,TN为一条扫描线上相邻两个点时间差的阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111121177.3A CN113888713B (zh) | 2021-09-24 | 2021-09-24 | 一种车载激光点云数据恢复路面缺失点的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111121177.3A CN113888713B (zh) | 2021-09-24 | 2021-09-24 | 一种车载激光点云数据恢复路面缺失点的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113888713A true CN113888713A (zh) | 2022-01-04 |
CN113888713B CN113888713B (zh) | 2024-07-02 |
Family
ID=79006452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111121177.3A Active CN113888713B (zh) | 2021-09-24 | 2021-09-24 | 一种车载激光点云数据恢复路面缺失点的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113888713B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024114822A1 (en) * | 2022-12-02 | 2024-06-06 | Hesai Technology Co., Ltd. | Data processing methods for point clouds of lidars, lidars and lidar systems |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108062517A (zh) * | 2017-12-04 | 2018-05-22 | 武汉大学 | 基于车载激光点云的非结构化道路边界线自动提取方法 |
WO2018133851A1 (zh) * | 2017-01-22 | 2018-07-26 | 腾讯科技(深圳)有限公司 | 一种点云数据处理方法、装置及计算机存储介质 |
WO2018205119A1 (zh) * | 2017-05-09 | 2018-11-15 | 深圳市速腾聚创科技有限公司 | 基于激光雷达扫描的路沿检测方法和*** |
CN111986115A (zh) * | 2020-08-22 | 2020-11-24 | 王程 | 激光点云噪声和冗余数据的精准剔除方法 |
CN112782721A (zh) * | 2021-01-08 | 2021-05-11 | 深圳市镭神智能***有限公司 | 一种可通行区域检测方法、装置、电子设备和存储介质 |
US20210166372A1 (en) * | 2019-11-29 | 2021-06-03 | My Virtual Reality Software As | Real-time data acquisition and visualization for point-cloud recording |
-
2021
- 2021-09-24 CN CN202111121177.3A patent/CN113888713B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018133851A1 (zh) * | 2017-01-22 | 2018-07-26 | 腾讯科技(深圳)有限公司 | 一种点云数据处理方法、装置及计算机存储介质 |
WO2018205119A1 (zh) * | 2017-05-09 | 2018-11-15 | 深圳市速腾聚创科技有限公司 | 基于激光雷达扫描的路沿检测方法和*** |
CN108062517A (zh) * | 2017-12-04 | 2018-05-22 | 武汉大学 | 基于车载激光点云的非结构化道路边界线自动提取方法 |
US20210166372A1 (en) * | 2019-11-29 | 2021-06-03 | My Virtual Reality Software As | Real-time data acquisition and visualization for point-cloud recording |
CN111986115A (zh) * | 2020-08-22 | 2020-11-24 | 王程 | 激光点云噪声和冗余数据的精准剔除方法 |
CN112782721A (zh) * | 2021-01-08 | 2021-05-11 | 深圳市镭神智能***有限公司 | 一种可通行区域检测方法、装置、电子设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
陆旻丰;吴杭彬;刘春;李楠;: "地面三维激光扫描数据缺失分类及成因分析", 遥感信息, no. 06, 15 December 2013 (2013-12-15) * |
马浩;裴智惠;李婷婷;: "移动激光扫描数据的道路标线自动提取", 测绘科学, no. 06, 11 April 2019 (2019-04-11) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024114822A1 (en) * | 2022-12-02 | 2024-06-06 | Hesai Technology Co., Ltd. | Data processing methods for point clouds of lidars, lidars and lidar systems |
Also Published As
Publication number | Publication date |
---|---|
CN113888713B (zh) | 2024-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110146910B (zh) | 一种基于gps与激光雷达数据融合的定位方法及装置 | |
CN108519605B (zh) | 基于激光雷达和摄像机的路沿检测方法 | |
EP3506162B1 (en) | Method and apparatus for determining matching relationship between point cloud data | |
CN109752701B (zh) | 一种基于激光点云的道路边沿检测方法 | |
CN111179152B (zh) | 一种道路标识识别方法及装置、介质、终端 | |
CN113280798B (zh) | 隧道gnss拒止环境下车载扫描点云的几何纠正方法 | |
CN110008872B (zh) | 一种结合车辆轨迹和遥感图像的路网提取方法 | |
CN112162297B (zh) | 一种剔除激光点云地图中动态障碍伪迹的方法 | |
CN109163730B (zh) | 一种自动驾驶用高精度地图数据网格化的管理方法及装置 | |
CN107657636B (zh) | 一种基于车载激光雷达数据自动提取道路地形图高程点的方法 | |
CN112731440A (zh) | 高速铁路边坡形变检测方法及装置 | |
CN111308499A (zh) | 一种基于多线激光雷达的障碍物检测方法 | |
CN108562885B (zh) | 一种高压输电线路机载LiDAR点云提取方法 | |
CN112561944A (zh) | 一种基于车载激光点云的车道线提取方法 | |
CN114859374B (zh) | 基于无人机激光点云和影像融合的新建铁路交叉测量方法 | |
CN112014856A (zh) | 一种适于交叉路段的道路边沿提取方法及装置 | |
CN110927762A (zh) | 一种定位修正方法、装置及*** | |
CN113989766A (zh) | 道路边缘检测方法、应用于车辆的道路边缘检测设备 | |
CN111649752B (zh) | 拥堵路段的地图数据处理方法、装置以及设备 | |
CN114821526A (zh) | 基于4d毫米波雷达点云的障碍物三维边框检测方法 | |
CN113888713A (zh) | 一种车载激光点云数据恢复路面缺失点的方法 | |
CN115546551A (zh) | 一种基于深度学习的地理信息提取方法及*** | |
CN112732860B (zh) | 道路提取方法、装置、可读存储介质及设备 | |
CN110927765B (zh) | 激光雷达与卫星导航融合的目标在线定位方法 | |
CN110163880B (zh) | 一种在Unity中获取点云路面高度的方法 |
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 |