CN114663883A - 一种点云数据的修正方法、装置、电子设备及存储介质 - Google Patents
一种点云数据的修正方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114663883A CN114663883A CN202210573707.6A CN202210573707A CN114663883A CN 114663883 A CN114663883 A CN 114663883A CN 202210573707 A CN202210573707 A CN 202210573707A CN 114663883 A CN114663883 A CN 114663883A
- Authority
- CN
- China
- Prior art keywords
- weather
- point cloud
- cloud data
- target area
- data
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Environmental & Geological Engineering (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Image Processing (AREA)
Abstract
本申请涉及实际场景环境信息与3D点云数据联合处理的领域,尤其是涉及一种点云数据的修正方法、装置、电子设备及存储介质,该点云数据的修正方法包括获取目标区域的环境信息,环境信息包括天气类型和污染物浓度,然后基于环境信息判断是否为预设类型的异常天气;若预测结果为异常天气,则通过环境信息以及环境信息与修正系数的映射关系,确定修正系数;在获取目标区域的点云数据之后,对点云数据进行去噪处理,能够得到去噪数据,然后基于修正系数对去噪数据进行修正。本申请便于在异常天气下得到更准确的点云数据。
Description
技术领域
本申请涉及实际场景环境信息与3D点云数据联合处理的领域,尤其是涉及一种点云数据的修正方法、装置、电子设备及存储介质。
背景技术
随着新型3D传感器和创作技术的不断发展,使得实时捕捉到具有良好视觉质量的3D点云场景和模型成为可能。点云数据是指在一个三维坐标***中的一组向量的集合,即多个数据点,通用的点云数据文件形式是3D坐标文件。这些向量通常以X,Y,Z三维坐标的形式表示,而且一般主要用来代表一个物体的外表面形状;点云数据还可以包括一个点的RGB颜色、灰度值、反射强度以及采集时间等参数。
道路的测量是点云数据的常规应用领域,在道路测量时,通常采用装载激光雷达获取道路的点云数据,但是在异常天气时,例如在雨天或者雾霾天气,点云数据中的反射强度参数受异常天气的影响较大,进而使得测量得到的数据不准确。
发明内容
为了便于在异常天气下得到更准确的点云数据,本申请提一种点云数据的修正方法、装置、电子设备及存储介质。
第一方面,本申请提供一种点云数据的修正方法,采用如下的技术方案:
一种点云数据的修正方法,包括:
获取目标区域的环境信息,所述环境信息包括天气类型和污染物浓度;
基于所述环境信息判断是否为预设类型的异常天气;
若是,则基于所述环境信息以及环境信息与修正系数的映射关系,确定修正系数;
获取所述目标区域的点云数据;
对所述点云数据进行去噪处理,得到去噪数据;
基于所述修正系数对所述去噪数据进行修正。
通过采用上述技术方案,在判断目标区域的环境信息为预设类型的异常天气之后,能够基于环境信息确定当前环境信息对应的对点云数据中反射强度进行修正的修正系数;并且在对点云数据进行去噪处理后,通过修正系数对去噪数据进行修正,进而能够得到正准确的点云数据。
在一种可能实现的方式中,所述获取目标区域的环境信息,包括:
获取目标区域的位置信息;
基于所述位置信息获取所述目标区域的天气类型和污染物浓度。
通过采用上述技术方案,通过目标区域的位置信获取天气类型和污染物浓度,其简单边界,且计算量小,便于实时获取,效率较高。
在一种可能实现的方式中,所述获取目标区域的环境信息,包括:
获取针对所述目标区域所采集的实景图像;
基于所述实景图像以及训练完成的天气分类模型确定所述目标区域的天气类型;
获取所述目标区域的污染物浓度。
通过采用上述技术方案,通过位置信息获取的天气类型具有地域局限性,因此通过目标区域内的实景图像判断异常天气的类型,准确度更高, 便于确定更精确的修正参数。
在一种可能实现的方式中,所述实景图像中包括拍摄位置以及拍摄时间,所述基于所述实景图像以及训练完成的天气分类模型确定所述目标区域的天气类型,包括:
将所述实景图像输入训练完成的天气分类模型,得到预测天气类型;
基于所述拍摄位置以及所述拍摄时间确定合格天气类型,所述合格天气类型为所述目标区域当前能够出现的所有天气类型;
判断所述预测天气类型是否属于所述合格天气类型;
若是,则确定所述预测天气类型为所述目标区域的天气类型。
通过采用上述技术方案,在通过天气分类模型得到实景图像中表征的天气类型即预测天气类型之后,通过实景图像的拍摄时间和拍摄位置进一步对得到的预测天气类型进行判断,进一步减小得到错误的异常天气类型的几率,进而便于确定更准确地修正参数。
在一种可能实现的方式中,所述基于所述修正系数对所述去噪数据进行修正,包括:
获取所述异常天气的持续周期;
基于所述去噪数据中每个数据点的采集时间确定异常数据点,所述异常数据点为采集时间在所述持续周期内的数据点;
基于所述修正系数对所述异常数据点进行修正。
通过采用上述技术方案,对点云数据进行修正,是在异常天气内持续时间内采集的点云数据中的数据点进行修正,因此需要确定异常天气的持续时间,然后基于持续时间确定受异常天气影响的数据点。
在一种可能实现的方式中,所述基于所述修正系数对所述去噪数据进行修正,包括:
若所述天气类型至少为两种,且所述天气类型中至少包括一种异常天气类型,则判断所述异常天气类型是否为预设的标记异常天气;
若是,则获取所述去噪数据的采集周期;
若所述采集周期小于预设周期,则基于所述修正系数对所有去噪数据进行修正,所述预设周期为在所述标记异常天气出现前后对反射强度的影响时间。
通过采用上述技术方案,在实际中,在标记异常天气开始前和结束后,目标区域内的环境仍然会对点云数据中的反射强度产生影响,例如暴雨天气,在暴雨前后,空气中水蒸气含量较多,同时建筑物或者路面上存在雨水,容易形成反射镜面,因此应该对所有的点云数据进行修正。
在一种可能实现的方式中,所述获取所述异常天气的持续周期,包括:
确定所述目标区域进入异常天气的开始时间,并确定所述目标区域结束异常天气的结束时间;
基于所述开始时间和所述结束时间确定所述异常天气的持续周期。
第二方面,本申请提供一种点云数据的修正装置,采用如下的技术方案:
一种点云数据的修正装置,包括:
环境信息获取模块,用于获取目标区域的环境信息,所述环境信息包括天气类型和污染物浓度;
判断模块,用于基于所述环境信息判断是否为预设类型的异常天气;
修正系数确定模块,用于基于所述环境信息以及环境信息与修正系数的映射关系,确定修正系数;
点云数据获取模块,用于获取所述目标区域的点云数据;
去噪模块,用于对所述点云数据进行去噪处理,得到去噪数据;
修正模块,用于基于所述修正系数对所述去噪数据进行修正。
通过采用上述技术方案,在判断目标区域的环境信息为预设类型的异常天气之后,该装置能够基于环境信息确定当前环境信息对应的对点云数据中反射强度进行修正的修正系数;并且在对点云数据进行去噪处理后,通过修正系数对去噪数据进行修正,进而能够得到正准确的点云数据。
在一种可能实现的方式中,当环境信息获取模块获取目标区域的环境信息时,具体用于:
获取目标区域的位置信息;
基于所述位置信息获取所述目标区域的天气类型和污染物浓度。
在一种可能实现的方式中,当环境信息获取模块获取目标区域的环境信息时,具体用于:
获取针对所述目标区域所采集的实景图像;
基于所述实景图像以及训练完成的天气分类模型确定所述目标区域的天气类型;
获取所述目标区域的污染物浓度。
在一种可能实现的方式中,当环境信息获取模块获取目标区域的环境信息时,具体用于:
所述实景图像中包括拍摄位置以及拍摄时间;
将所述实景图像输入训练完成的天气分类模型,得到预测天气类型;
基于所述拍摄位置以及所述拍摄时间确定合格天气类型,所述合格天气类型为所述目标区域当前能够出现的所有天气类型;
基于所述拍摄位置和所述拍摄时间判断所述预测天气类型是否属于所述合格天气类型;
若是,则确定所述预测天气类型为所述目标区域的天气类型。
在一种可能实现的方式中,当修正模块基于所述修正系数对所述去噪数据进行修正时,具体用于:
获取所述异常天气的持续周期;
基于所述去噪数据中每个数据点的采集时间确定异常数据点,所述异常数据点为采集时间在所述持续周期内的数据点;
基于所述修正系数对所述异常数据点进行修正。
在一种可能实现的方式中,当修正模块基于所述修正系数对所述去噪数据进行修正时,具体用于:
若所述天气类型至少为两种,且所述天气类型中至少包括一种异常天气类型,则判断所述异常天气类型是否为预设的标记异常天气;
若是,则获取所述去噪数据的采集周期;
若所述采集周期小于预设周期,则基于所述修正系数对所有去噪数据进行修正,所述预设周期为在所述标记异常天气出现前后对反射强度的影响时间。
在一种可能实现的方式中,当修正模块基于所述修正系数对所述去噪数据进行修正时,具体用于;
确定所述目标区域进入异常天气的开始时间,并确定所述目标区域结束异常天气的结束时间;
基于所述开始时间和所述结束时间确定所述异常天气的持续周期。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,该电子设备包括:
至少一个处理器;
存储器;
至少一个应用程序,其中所述至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行上述点云数据的修正方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,包括:存储有能够被处理器加载并执行上述点云数据的修正方法的计算机程序。
综上所述,本申请包括以下至少一种有益技术效果:
1.在判断目标区域的环境信息为预设类型的异常天气之后,能够基于环境信息确定当前环境信息对应的对点云数据中反射强度进行修正的修正系数;并且在对点云数据进行去噪处理后,通过修正系数对去噪数据进行修正,进而能够得到正准确的点云数据;
2.通过位置信息获取的天气类型具有地域局限性,因此通过目标区域内的实景图像判断异常天气的类型,准确度更高, 便于确定更精确的修正参数;
3.在通过天气分类模型得到实景图像中表征的天气类型即预测天气类型之后,通过实景图像的拍摄时间和拍摄位置进一步对得到的预测天气类型进行判断,进一步减小得到错误的异常天气类型的几率,进而便于确定更准确地修正参数。
附图说明
图1是本申请实施例中点云数据的修正方法的流程示意图;
图2是本申请实施例中点云数据的修正装置的结构示意图;
图3是本申请实施例中电子设备的结构示意图。
具体实施方式
以下结合附图1-附图3对本申请作进一步详细说明。
本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
另外,本文中术语“和/或”,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,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
激光雷达的激光发射装置发射的激光,激光被所测目标表面反射后被激光采集装置接收并测量回波强度,也就点云数据中的反射强度。通常情况下,反射强度与所测目标的表面材质、粗糙度、入射角方向、仪器的发射能量以及激光波长有关。但是在异常天气情况下,例如雾霾、扬沙、雨雪天气等,激光在传播路径中,会被额外额反射/折射消耗能量,因此导致激光采集装置测量得到的反射强度与实际差异较大。
激光雷达能够应用于各种场景,但现实中应用较多的还是室外的道路测量/测绘工作,本申请实施例中以激光雷达应用在道路测量中的场景为示例,对道路测量中所得到的点云数据进行处理,但这并非对本申请实施例中点云数据修正方法应用领域和场景进行限定。
本申请实施例提供了一种点云数据的修整方法,由电子设备执行,参照图1,该方法包括步骤S101-步骤S106,其中:
步骤S101、获取目标区域的环境信息,环境信息包括天气类型和污染物浓度。
在本申请实施例中,目标区域的环境信息可以是实时测量更新的,也可以是获取预设时间内的环境信息。天气类型的具体分类本申请实施例中不做任何具体的限定,例如可以为晴天,阴天,雾霾,扬沙;可以参照气象局发布的天气分类标准细则。同时污染物的浓度也会对激光的传播产生影响,例如,扬尘天气时,空气中沙尘的浓度较高时和沙尘的浓度较低时,对点云数据中反射强度的影响不同。污染物浓度在不同的天气类型下,其对应的污染物也不同,例如在雾霾天气时,就是测量雾霾的浓度。
步骤S102、基于环境信息判断是否为预设类型的异常天气。
在本申请实施例中,预设类型的异常天气的应为能够对激光在空气中的传播产生较大影响的天气类型,例如雨天、雾霾、沙尘、雪天和冰雹等,但是对于具体的预设的异常天气的类型,本申请实施例中不做出具体限定。
步骤S103、若为预设类型的异常天气,则基于环境信息以及环境信息与修正系数的映射关系,确定修正系数;
具体地,对于预设类型的每种异常天气,应预先设置好对每种异常天气对应的修正系数,同时,对于同一类型的异常天气,在不同程度时也应对应有不同的修正系数,例如在大雨时,修正系数为a1,在中雨时,修正系数为a2。
步骤S104、获取目标区域的点云数据。
在本申请实施例中,可以是实时获取目标区域的点云数据,即激光雷达测量的同时,其生成的点云数据实时被电子设备获取,这时,电子设备获取的目标区域的环境信息也应该是实时的;当然,也可以是在对目标区域完成测量后,电子设备获取目标区域完整的点云数据,这时,电子设备应该获取点云数据采集的时间段内,目标区域对应的历史环境信息。
步骤S105、对点云数据进行降噪处理,得到去噪数据。
在本申请实施例中,原始点云数据中往往包含大量散列点、孤立点,在获取点云数据时,由于设备精度,操作者经验的因素,点云数据中讲不可避免的出现一些噪声,而且采样的分辨率也不同。因此,点云数据的去噪也就是点云数据的滤波处理,一般是点云处理的第一步流程。只有在滤波预处理中将噪声点、离群点、孔洞和数据压缩等按照后续处理定制,才能够更好的进行配准、特征提取、曲面重建、可视化等后续应用处理。
步骤S106、基于修正系数对去噪数据进行修正。
在本申请实施例中,因为在对点云数据进行去噪处理之后,得到的去噪数据中被剥分出了噪声点和离散点等,即去噪数据中大都是有效数据点。在去噪处理之后对去噪数据进行修正,与对点云数据进行修正相比,能够减少电子设备的处理计算量。
在判断目标区域的环境信息为预设类型的异常天气之后,电子设备能够基于环境信息确定当前环境信息对应的对点云数据中反射强度进行修正的修正系数;并且在对点云数据进行去噪处理后,通过修正系数对去噪数据进行修正,进而能够得到正准确的点云数据。
进一步地,步骤S101可以包括步骤SA1(图中未示出)和步骤SA2(图中未示出),其中:
步骤SA1、获取目标区域的位置信息。
具体地,目标区域的位置信息是可以通过与GPS或者北斗定位设备来获取,也可以由用户输入位置信息。
步骤SA2、基于位置信息获取目标区域的天气类型和污染物浓度。
具体地,在确定位置信息之后,可以基于位置信息在互联网上获取目标区域的天气信息,即包括天气类型和污染物浓度。需要说明的是,如果为下雨天和下雪天等,污染物浓度则为雨量/雪量大小,如果为扬尘和雾霾等天气,污染物浓度即为空气中颗粒物的浓度。
进一步地,步骤S101还可以包括步骤SB1(图中未示出)、步骤SB2(图中未示出)以及步骤SB3(图中未示出),其中:
步骤SB1、获取针对目标区域所采集的实景图像。
具体地,在激光雷达对道路进行测试时,预设的图像采集设备采集目标区域内的实景图像,可以是间隔预设时间进行一次拍摄,也可以是实时进行拍摄。
步骤SB2、基于实景图像以及训练完成的天气分类模型确定目标区域的天气类型。
具体地,通过天气分类模型对目标区域的实景图像进行分析,能够得到更准确地天气类型。因为基于位置信息获取的天气信息具有地域性,例如第一区域中A点和B点的两个位置都预测为雨天,但实际中,下雨的区域是局部性的,这就会导致出现A点实际下雨,B点实际为下雨的情况。
步骤SB3、获取目标区域的污染物浓度。
具体地,通过传感器进行测量污染物的浓度。由步骤S101中可知,污染物的浓度可以是雨量的大小,也可以是颗粒物的浓度,因此,应该在激光雷达的设置位置相应地设置雨量传感器、雾霾传感器、颗粒浓度传感器等于各种天气类型相对应的浓度传感器。
进一步地,步骤SB2可以包括步骤SB21(图中未示出)-步骤SB25(图中未示出),其中:
步骤SB21、实景图像中包括拍摄位置以及拍摄时间。
具体地,针对目标区域采集的实景图像应该为全彩图像。
步骤SB22、将实景图像输入训练完成的天气分类模型,得到预测天气类型。
具体地,训练完成的神经网络模型,即天气分类模型,能够对输入的实景图像中的场景信息进行判断,进而得出实景图像中也即目标区域中的天气类型。
步骤SB23、基于拍摄位置以及拍摄时间确定合格天气类型,合格天气类型为目标区域当前能够出现的所有天气类型。
具体地,因为天气类型和地理位置密切相关换,例如有些地区会出现扬沙天气,但是有些地区则不会出现扬沙天气。通过获取拍摄位置,获取拍摄位置所在地区所有可能出现的天气类型。各个地区以及对应的所有可能出现的天气类型是可以预先设置的,在获取拍摄位置后,判断该位置所在的地区,然后进一步确定拍摄位置所在地区所有可能出现的天气类型。
在确定拍摄位置所在地区所有可能出现的天气类型之后,基于拍摄时间再进行筛选,确定在拍摄时间之内拍摄地区可能出现的所有天气类型,即合格天气类型。例如A地区的夏季时间不会下雪但是会下雨,若拍摄地区为A地区且拍摄时间为夏季,则下雪天气为不合格天气类型,下雨则为合格天气类型。
步骤SB24、判断预测天气类型是否属于合格天气类型;
步骤SB25、若是,则确定预测天气类型为目标区域的天气类型。
进一步地,在通过天气分类模型确定实景图像中对应的预测天气类型之后,通过拍摄位置和拍摄时间进一步对预存天气类型的合理性和准确性进一步判断,以便于更准确地确定拍摄位置处的天气类型,进而便于确定更准确地修正参数。
进一步地,在步骤SB22之前还应包括对初始神经网络模型进行训练得到天气分类模型的过程,即步骤SQ1(图中未示出)-步骤SQ2(图中未示出),其中:
步骤SQ1、获取多个目标场景的图像信息,每个图像信息均包括针对对应的目标场景所采集的表征各种天气的天气图像,每个天气图像还关联有天气类型;
步骤SQ2、将每个天气图像及其对应的天气类型作为一个训练样本,基于所有图像信息作为训练样本集对初始网络模型进行训练,得到天气分类模型。
进一步地,步骤S106可以包括步骤SN1(图中未示出)、步骤SN2(图中未示出)以及步骤SN3(图中未示出),其中:
步骤SN1、获取异常天气的持续周期。
具体地,某些异常天气的持续周期比较短,例如大雾天气,持续时间可能为1-2个小时;某些异常天气的持续周期比较长,例如下雨天气,持续时间可能为2个小时以上。如果是对目标区测量完成之后,得到所有的点云数据,则可以是基于目标区域的位置信息,从互联网上获取目标区域异常天气的持续周期。
步骤SN2、基于去噪数据中每个数据点的采集时间确定异常数据点,异常数据点为采集时间在持续周期内的数据点;
步骤SN3、基于修正系数对异常数据点进行修正。
具体地,点云数据中每个数据点都关联有对应的被采集的时间,或者说,同一时刻对应有多个数据点。在实际中,采集点云数据的周期不一定全部与异常天气的持续周期重合。例如,从12:00开始采集点云数据,到2:00结束。异常天气的开始时间为10:00,且结束时间为1:00,则只有在12:00到1:00之间采集的点云数据需要被进行修正,而在1:00到2:00之间采集的点云数据则不需要被修正。
进一步地,步骤SN1可以包括步骤SN11(图中未示出)和步骤SN12(图中未示出),其中:
步骤SN11、确定目标区域进入异常天气的开始时间,并确定目标区域结束异常天气的结束时间;
步骤SN12、基于开始时间和结束时间确定异常天气的持续周期。
具体地,实时获取目标区域的环境信息,即通过步骤SB2的方式实时获取环境信息,这就需要在步骤SB2中实时对目标区域采集实景图像,即获取目标区域的实时视频。
具体地,如果异常天气在对目标区域开始进行测量之前就已经出现,则测量异常天气的持续周期应该以开始对目标区域开始进行测量的时刻开始计算。
进一步地,步骤S106还可以包括步骤SM1(图中未示出)、步骤SM2(图中未示出)以及SM3(图中未示出),其中:
步骤SM1、若天气类型至少为两种,且天气类型中至少包括一种异常天气类型,则判断异常天气类型是否为预设的标记异常天气;
具体地,在标记异常天气开始前和结束后,其对点云数据中反射强度参数也会有一段时间的影响。例如异常天气类型为暴雨时,则在暴雨结束后,空气中水蒸气含量较高,同时路面积水和建筑物表面积水较多,可能存在反射镜面;在暴雨之前,空气中含水量较多,同时可能伴有风沙,因此在暴雨之前和在暴雨结束后的一段时间内,仍然会对点云数据中反射强度这个参数产生影响。
事实上,在点云数据的采集周期内,可能会出现两种天气类型,例如先是暴雨天气,之后是晴天;或者先是晴天,然后是暴雨天气,其中暴雨天气为异常天气,也是标记异常天气。在本申请实施例中,对于标记异常天气的具体类型,不做具体限定,只要便于减少异常天气对点云数据中反射参数的影响即可。
步骤SM2、若是,则获取点云数据的采集周期;
步骤SM3、若采集周期小于预设周期,则基于修正系数对所有去噪数据进行修正,预设周期为在标记异常天气出现前后对反射强度的影响时间。
具体地,去噪数据的采集周期,即为目标区域的点云数据对应的采集周期。若是采集周期小于预设周期,则说明,除了标记异常天气发生时在影响点云数据中的反射强度,同时,在标记异常天气之前和之后,都对点云数据中的反射强度产生了影响,因此需要对去噪数据进行全部的修正。
上述实施例从方法流程的角度介绍一种点云数据的修正方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种点云数据的修正装置,具体详见下述实施例。
本申请实施例提供一种修正的装置,如图2所示,该装置200具体可以包括环境信息获取模块201、判断模块202、修正系数确定模块203、点云数据获取模块204、去噪模块205以及修正模块206,其中:
环境信息获取模块201,用于获取目标区域的环境信息,环境信息包括天气类型和污染物浓度;
判断模块202,用于基于环境信息判断是否为预设类型的异常天气;
修正系数确定模块203,用于基于环境信息以及环境信息与修正系数的映射关系,确定修正系数;
点云数据获取模块204,用于获取针对目标区域所采集的点云数据;
去噪模块205,用于对点云数据进行去噪处理,得到去噪数据;
修正模块206,用于基于修正系数对去噪数据进行修正。
在一种可能实现的方式中,当环境信息获取模块201获取目标区域的环境信息时,具体用于:
获取目标区域的位置信息;
基于位置信息获取目标区域的天气类型和污染物浓度。
在一种可能实现的方式中,当环境信息获取模块201获取目标区域的环境信息时,具体用于:
获取针对目标区域所采集的实景图像;
基于实景图像以及训练完成的天气分类模型确定目标区域的天气类型;
获取目标区域的污染物浓度。
在一种可能实现的方式中,当环境信息获取模块201获取目标区域的环境信息时,具体用于:
实景图像中包括拍摄位置信息以及拍摄时间信息;
将实景图像输入训练完成的天气分类模型,得到预测天气类型;
基于位置信息以及时间信息确定合格天气类型,合格天气类型为目标区域当前能够出现的所有天气类型;
判断预测天气类型是否属于合格天气类型;
若是,则确定预测天气类型为目标区域的天气类型。
在一种可能实现的方式中,当修正模块206基于修正系数对去噪数据进行修正时,具体用于:
获取异常天气的持续周期;
基于去噪数据中每个数据点的采集时间确定异常数据点,异常数据点为采集时间在持续周期内的数据点;
基于修正系数对异常数据点进行修正。
在一种可能实现的方式中,当修正模块206基于修正系数对去噪数据进行修正时,具体用于:
若天气类型至少为两种,且天气类型中至少包括一种异常天气类型,则判断异常天气类型是否为预设的标记异常天气;
若是,则获取去噪数据的采集周期;
若采集周期小于预设周期,则基于修正系数对所有去噪数据进行修正,预设周期为在标记异常天气出现前后对反射强度的影响时间。
在一种可能实现的方式中,当修正模块206基于修正系数对去噪数据进行修正时,具体用于;
确定目标区域进入异常天气的开始时间,并确定目标区域结束异常天气的结束时间;
基于开始时间和结束时间确定异常天气的持续周期。
本申请实施例中提供了一种电子设备,如图3所示,图3所示的电子设备300包括:处理器301和存储器303。其中,处理器301和存储器303相连,如通过总线302相连。可选地,电子设备300还可以包括收发器304。需要说明的是,实际应用中收发器304不限于一个,该电子设备300的结构并不构成对本申请实施例的限定。
处理器301可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器301也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线302可包括一通路,在上述组件之间传送信息。总线302可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器303可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器303用于存储执行本申请方案的应用程序代码,并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。
应该理解的是,虽然附图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,其可以以其他的顺序执行。而且,附图的流程图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,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他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。
以上仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种点云数据的修正方法,其特征在于,包括:
获取目标区域的环境信息,所述环境信息包括天气类型和污染物浓度;
基于所述环境信息判断是否为预设类型的异常天气;
若是,则基于所述环境信息以及环境信息与修正系数的映射关系,确定修正系数;
获取所述目标区域的点云数据;
对所述点云数据进行去噪处理,得到去噪数据;
基于所述修正系数对所述去噪数据进行修正。
2.根据权利要求1所述的一种点云数据的修正方法,其特征在于,所述获取目标区域的环境信息,包括:
获取目标区域的位置信息;
基于所述位置信息获取所述目标区域的天气类型和污染物浓度。
3.根据权利要求1所述的一种点云数据的修正方法,其特征在于,所述获取目标区域的环境信息,包括:
获取针对所述目标区域所采集的实景图像;
基于所述实景图像以及训练完成的天气分类模型确定所述目标区域的天气类型;
获取所述目标区域的污染物浓度。
4.根据权利要求3所述的一种点云数据的修正方法,其特征在于,所述实景图像中包括拍摄位置以及拍摄时间,所述基于所述实景图像以及训练完成的天气分类模型确定所述目标区域的天气类型,包括:
将所述实景图像输入训练完成的天气分类模型,得到预测天气类型;
基于所述拍摄位置以及所述拍摄时间确定合格天气类型,所述合格天气类型为所述目标区域当前能够出现的所有天气类型;
判断所述预测天气类型是否属于所述合格天气类型;
若是,则确定所述预测天气类型为所述目标区域的天气类型。
5.根据权利要求1所述的一种点云数据的修正方法,其特征在于,所述基于所述修正系数对所述去噪数据进行修正,包括:
获取所述异常天气的持续周期;
基于所述去噪数据中每个数据点的采集时间确定异常数据点,所述异常数据点为采集时间在所述持续周期内的数据点;
基于所述修正系数对所述异常数据点进行修正。
6.根据权利要求5所述的一种点云数据的修正方法,其特征在于:所述获取所述异常天气的持续周期,包括:
确定所述目标区域进入异常天气的开始时间,并确定所述目标区域结束异常天气的结束时间;
基于所述开始时间和所述结束时间确定所述异常天气的持续周期。
7.根据权利要求1所述的一种点云数据的修正方法,其特征在于:所述基于所述修正系数对所述去噪数据进行修正,包括:
若所述天气类型至少为两种,且所述天气类型中至少包括一种异常天气类型,则判断所述异常天气类型是否为预设的标记异常天气;
若是,则获取所述去噪数据的采集周期;
若所述采集周期小于预设周期,则基于所述修正系数对所有去噪数据进行修正,所述预设周期为在所述标记异常天气出现前后对反射强度的影响时间。
8.一种点云数据的修正装置,其特征在于,包括:
环境信息获取模块,用于获取目标区域的环境信息,所述环境信息包括天气类型和污染物浓度;
判断模块,用于基于所述环境信息判断是否为预设类型的异常天气;
修正系数确定模块,用于基于所述环境信息以及环境信息与修正系数的映射关系,确定修正系数;
点云数据获取模块,用于获取所述目标区域的点云数据;
去噪模块,用于对所述点云数据进行去噪处理,得到去噪数据;
修正模块,用于基于所述修正系数对所述去噪数据进行修正。
9.一种电子设备,其特征在于,该电子设备包括:
至少一个处理器;
存储器;
至少一个应用程序,其中所述至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行权利要求1-7中任一项所述点云数据的修正方法。
10.一种计算机可读存储介质,其特征在于,包括:存储有能够被处理器加载并执行如权利要求1-7中任一项所述点云数据的修正方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210573707.6A CN114663883B (zh) | 2022-05-25 | 2022-05-25 | 一种点云数据的修正方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210573707.6A CN114663883B (zh) | 2022-05-25 | 2022-05-25 | 一种点云数据的修正方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114663883A true CN114663883A (zh) | 2022-06-24 |
CN114663883B CN114663883B (zh) | 2022-09-09 |
Family
ID=82038365
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210573707.6A Active CN114663883B (zh) | 2022-05-25 | 2022-05-25 | 一种点云数据的修正方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114663883B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116448949A (zh) * | 2023-03-22 | 2023-07-18 | 宁波远亚车辆检测有限公司 | 一种汽车污染物检测方法、***、智能终端及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109239808A (zh) * | 2018-08-01 | 2019-01-18 | 平安科技(深圳)有限公司 | 天气预报方法、装置、计算机设备及存储介质 |
CN109444904A (zh) * | 2018-10-30 | 2019-03-08 | 百度在线网络技术(北京)有限公司 | 定位测试数据的生成方法、装置、设备及存储介质 |
CN110750734A (zh) * | 2019-10-18 | 2020-02-04 | 腾讯数码(天津)有限公司 | 天气显示方法、装置、计算机设备及计算机可读存储介质 |
CN111507388A (zh) * | 2020-04-10 | 2020-08-07 | 上海眼控科技股份有限公司 | 一种天气图像分类方法及设备 |
CN112417757A (zh) * | 2020-11-18 | 2021-02-26 | 中国汽车技术研究中心有限公司 | 车载雷达信号级仿真方法、装置、设备及可读存储介质 |
CN112433934A (zh) * | 2020-11-03 | 2021-03-02 | 腾讯科技(深圳)有限公司 | 仿真测试方法、装置、计算机设备和存储介质 |
-
2022
- 2022-05-25 CN CN202210573707.6A patent/CN114663883B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109239808A (zh) * | 2018-08-01 | 2019-01-18 | 平安科技(深圳)有限公司 | 天气预报方法、装置、计算机设备及存储介质 |
CN109444904A (zh) * | 2018-10-30 | 2019-03-08 | 百度在线网络技术(北京)有限公司 | 定位测试数据的生成方法、装置、设备及存储介质 |
CN110750734A (zh) * | 2019-10-18 | 2020-02-04 | 腾讯数码(天津)有限公司 | 天气显示方法、装置、计算机设备及计算机可读存储介质 |
CN111507388A (zh) * | 2020-04-10 | 2020-08-07 | 上海眼控科技股份有限公司 | 一种天气图像分类方法及设备 |
CN112433934A (zh) * | 2020-11-03 | 2021-03-02 | 腾讯科技(深圳)有限公司 | 仿真测试方法、装置、计算机设备和存储介质 |
CN112417757A (zh) * | 2020-11-18 | 2021-02-26 | 中国汽车技术研究中心有限公司 | 车载雷达信号级仿真方法、装置、设备及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
杨必胜等: "点云智能研究进展与趋势", 《测绘学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116448949A (zh) * | 2023-03-22 | 2023-07-18 | 宁波远亚车辆检测有限公司 | 一种汽车污染物检测方法、***、智能终端及存储介质 |
CN116448949B (zh) * | 2023-03-22 | 2023-10-31 | 宁波远亚车辆检测有限公司 | 一种汽车污染物检测方法、***、智能终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114663883B (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109459734B (zh) | 一种激光雷达定位效果评估方法、装置、设备及存储介质 | |
Li et al. | Automatic bridge crack identification from concrete surface using ResNeXt with postprocessing | |
CN113341397A (zh) | 反射值地图构建方法和装置 | |
CN111489352B (zh) | 一种基于数字图像处理的隧道缝隙检测与测量方法及装置 | |
Hinz | Detection and counting of cars in aerial images | |
CN114663883B (zh) | 一种点云数据的修正方法、装置、电子设备及存储介质 | |
CN114882316A (zh) | 目标检测模型训练方法、目标检测方法及装置 | |
CN117935063B (zh) | 基于区域相似标准差法rssdm夜间气溶胶光学厚度反演方法、装置及设备 | |
CN112733782B (zh) | 基于道路网的城市功能区识别方法、存储介质和电子设备 | |
CN117218148B (zh) | 基于卫星图像的航道边界确定方法和***、可读存储介质 | |
CN104157009A (zh) | 一种多源遥感影像质量定量比选方法 | |
CN116935369A (zh) | 基于计算机视觉的船舶水尺读数方法及*** | |
CN107451992B (zh) | 一种sar图像变化检测的方法与装置 | |
CN116340863A (zh) | 空气污染物预测方法、装置、电子设备及可读存储介质 | |
CN113786616B (zh) | 一种间接光照实现方法、装置、存储介质及计算设备 | |
CN115797310A (zh) | 一种光伏电站组串倾角的确定方法及电子设备 | |
CN113096129A (zh) | 高光谱卫星影像中的云量检测方法和装置 | |
CN115236643A (zh) | 一种传感器标定方法、***、装置、电子设备及介质 | |
CN111818557B (zh) | 网络覆盖问题识别方法、装置及*** | |
CN108564603B (zh) | 基于改进的高斯混合模型的sar图像变化检测方法 | |
CN112697724A (zh) | 基于无人机高光谱田间烟叶氧化钾含量预测方法及*** | |
CN110930447A (zh) | 基于Android的无人值守雪深测量方法 | |
CN114202542B (zh) | 一种能见度反演方法、装置、计算机设备及存储介质 | |
CN116757102B (zh) | 基于固有光学特性的表观光学特性剖面分布估算方法 | |
CN117456542B (zh) | 图像匹配方法、装置、电子设备及存储介质 |
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 |