CN117387572A - 水平度校验方法、终端和计算机可读存储介质 - Google Patents

Abstract

本发明公开了一种水平度校验方法、终端和计算机可读存储介质，通过获取当前扫描方向角的点云数据；从点云数据中提取多个特征物点集合；根据多个特征物点集合得到多个扫描特征物信息；将多个扫描特征物信息与预设特征物信息进行对比，得到当前扫描方向角的水平度校验结果。通过对扫描所得的点云数据进行分割得到分别对应各个特征物的特征物点集合，对特征物点集合进行处理得到扫描特征物信息，当扫描平面水平时，扫描特征物信息应与预设特征物信息一致，基于此，将扫描特征物信息与预设特征物信息进行比对，从而得到水平度校验结果，由此保证水平度校验精度的前提下，简化了水平度校验流程。

Description

水平度校验方法、终端和计算机可读存储介质

技术领域

本发明实施例涉及但不限于激光雷达技术领域，特别是涉及一种水平度校验方法、终端 和计算机可读存储介质。

背景技术

随着工业智能化，目前导航机器人越来越受到关注，现有的导航机器人一般通过搭载单 线激光雷达，激光发达发射激光束，并接受基于激光束返回的周边信息，由此感知周边环境 和障碍物信息，为机器人导航提供数据，然而，导航机器人搭载的一般是单线激光雷达，而 单线激光雷达的扫描区域是一个二维平面，在使用过程中，往往需要保持扫描平面与地面平 行才能正确感知周边环境障碍物，由此需要对单线激光雷达安装的水平度进行校验，而目前 常用的水平度校验方法要么校验精度低，场景限制大，要么校验过程复杂，操作难度大，即 目前常用单线激光雷达安装水平度校验方法难以兼顾校验精度和简化校验流程。

发明内容

以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。

本发明实施例提供了一种水平度校验方法、终端和计算机可读存储介质，能够在保证校 验精度的前提下，简化激光雷达安装水平度校验的流程。

第一方面，本发明实施例提供了一种水平度校验方法，所述方法包括：获取当前扫描方 向角的点云数据；从所述点云数据中提取多个特征物点集合；根据所述多个特征物点集合得 到多个扫描特征物信息；将所述多个扫描特征物信息与预设特征物信息进行对比，得到当前 扫描方向角的水平度校验结果。

第二方面，本发明实施例提供了一种终端，包括：存储器、处理器及存储在存储器上并 可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上 述第一方面所述的水平度校验方法。

第三方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存 储有计算机可执行程序，计算机可执行程序用于使计算机执行如上第一方面所述的水平度校 验方法。

本发明实施例包括：通过获取当前扫描方向角的点云数据；从点云数据中提取多个特征 物点集合；根据多个特征物点集合得到多个扫描特征物信息；将多个扫描特征物信息与预设 特征物信息进行对比，得到当前扫描方向角的水平度校验结果。基于此，将扫描所得的点云 数据分割为多个特征物点集合，其中，每个特征物点集合可以分别对应每一个特征物，再根 据特征物点集合进行特征提取，由此得到多个扫描特征物信息，再将扫描特征物信息与预设 特征物的实际信息进行比对，当扫描平面水平时，扫描所得的特征物信息会还原出预设特征 物的实际信息，即当扫描特征物信息与预设特征物信息一致时，扫描平面水平，而当扫描特 征物信息与预设特征物信息不一致时，即说明扫描平面存在一定程度的倾斜。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而 易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书 以及附图中所特别指出的结构来实现和获得。

附图说明

图1是本发明一个实施例提供的一种水平度校验方法的流程图；

图2是本发明一个实施例提供的一种水平度校验方法的一子流程图；

图3是本发明一个实施例提供的一种水平度校验方法的一子流程图；

图4是本发明一个实施例提供的一种水平度校验方法的一子流程图；

图5是本发明一个实施例提供的一种水平度校验方法的一子流程图；

图6是本发明一个实施例提供的一种水平度校验方法的一子流程图；

图7是本发明一个实施例提供的一种水平度校验***的结构示意图；

图8是本发明一个实施例提供的一种终端结构示意图。

附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本发明的 实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发 明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于 限定本发明。

应了解，在本发明实施例的描述中，多个(或多项)的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到“第一”、 “第二”等只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指 明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

本发明实施例提供了一种水平度校验方法、终端和计算机可读存储介质，通过获取当前 扫描方向角的点云数据；从点云数据中提取多个特征物点集合；根据多个特征物点集合得到 多个扫描特征物信息；将多个扫描特征物信息与预设特征物信息进行对比，得到当前扫描方 向角的水平度校验结果。基于此，通过激光雷达输出扫描激光，并接收基于扫描激光返回的 点云数据，将点云数据分割为多个特征物点集合，其中，每个特征物点集合可以分别对应每 一个特征物，再根据特征物点集合进行特征提取，由此得到多个扫描特征物信息，再将扫描 特征物信息与预设特征物的实际信息进行比对，当扫描平面水平时，扫描所得的特征物信息 会还原出预设特征物的实际信息，即当扫描特征物信息与预设特征物信息一致时，扫描平面 水平，而当扫描特征物信息与预设特征物信息不一致时，即说明扫描平面存在一定程度的倾 斜。在保证水平度校验精度的前提下，极大地简化了校验流程。

如图1所示，图1是本发明一个实施例提供的一种水平度校验方法的流程图。水平度校 验方法包括但不限于如下步骤：

S101，获取当前扫描方向角的点云数据；

S102，从点云数据中提取多个特征物点集合；

S103，根据多个特征物点集合得到多个扫描特征物信息；

S104，将多个扫描特征物信息与预设特征物信息进行对比，得到当前扫描方向角的水平 度校验结果。

可以理解的是，点云数据是单线激光雷达发射激光扫描特征物后反射到单线激光雷达的 接收区域所生成的数据，其中，点云数据包括有多个信号点以及每个信号点对应的空间坐标， 具体的，通过计算单线激光雷达发射激光和单线激光雷达接收到扫描特征物反射到单线激光 雷达的激光信号的时间差，可以计算出反射信号点的物体与单线激光雷达之间的距离，具体 的，雷达所发射的激光速度，即光速，是常量值,光速与时间差的乘积便是单线激光雷达与反 射信号点的物体之间的距离的两倍，结合单线激光雷达接收到信号点的角度，便可以计算出 反射信号点的物体相对于单线激光雷达所处的位置，基于此，建立相应的坐标系，便可将信 号点的位置投影到坐标系中，以空间坐标的形式表示出来。

可以理解的是，空间中设置有多个水平安放在同一高度的特征物，激光扫描所得的点云 数据包括激光扫描到背景，即扫描墙体所返回的点云数据，也包括激光扫描到特征物返回的 点云数据，由此，需将点云数据中由背景所返回的点云数据滤除，以得到特征点，再将不同 特征物所返回的点云数据分别提取出来，形成分别与每个特征物对应的特征物点集合。

可以理解的是，将分别对应每个特征物的特征物点集合提取出来后，可以对同一特征物 点集合中的特征点进行处理，从而提取出相应的扫描特征物信息，其中，扫描特征物信息是 根据激光雷达扫描到特征物后所得到的点云数据所还原出来的特征物信息。由于单线激光雷 达的扫描平面是二维平面，当激光扫描到特征物之后，所返回的点云数据可以构建出各种线， 由此可以计算出线段的长度，线段两两之间所成的夹角的角度，曲线的曲率等扫描特征物信 息。

可以理解的是，从点云数据中提取到多个特征物点集合后，其中，每一个特征物点集合 分别对应一个扫描特征物，由此可根据特征物点集合的数量确定扫描特征物的数量，基于此 将扫描特征物的数量与预设特征物的实际数量进行比对，当扫描特征物的数量与预设特征物 的实际数量不相等时，即扫描特征物的数量小于预设特征物的实际数量时，即说明激光雷达 无法扫描到水平放置在同一高度的所有预设特征物，此时扫描平面倾斜，激光雷达安装的水 平度不合格。点云数据包括有信号点的空间坐标，还可以根据信号点的空间坐标计算出特征 物在空间中所处的位置，具体的，计算同一个特征物点集合中所有特征点的空间坐标的均值， 以此作为扫描特征物的空间坐标，根据多个扫描特征物的空间坐标可以分析出扫描特征物的 空间分布，将其与预设特征物实际的空间分布进行比对，当激光雷达水平安装在载体上时， 扫描特征物的空间分布应当与预设特征物实际空间分布重合；在得到扫描特征物信息后，可 将其于预设特征物信息进行比对，具体的，可以通过比对扫描特征物所得的线段的长度与预 设特征物的实际长度，或比对扫描特征物所得点云数据所组成的多条线段两两之间所成的夹 角的角度与预设特征物水平切面中的线段两两所成夹角的角度，或比对扫描特征物所得的曲 线的曲率与预设特征物水平切面中的曲线的曲率等方式判断激光雷达是否水平安装。由此可 以在保证激光雷达安装水平度校验精度的前提下，极大地简化了校验流程。

如图2所示，图2是本发明一个实施例提供的一种水平度校验方法的流程图，步骤S104 之后包括但不限于如下步骤：

S201，检测水平度校验结果的数量是否小于预设数量阈值；

S202，当水平度校验结果数量小于预设数量阈值时，向预设方向转动预设角度以调整扫 描方向角，并返回执行获取当前扫描方向角的点云数据的步骤。

可以理解的是，在上述步骤S101至步骤S104中，所得到的水平度校验结果仅仅是激光 雷达在面向某一扫描方向角时的水平度校验结果，为保证水平度校验精度，应当获取分别对 应激光雷达朝向各种不同方向的水平度校验结果，以感知激光雷达是否在朝向各个方向上均 水平安装，具体的，可以将激光雷达按照预设方向转动预设角度后，重复执行步骤S101至步 骤S104，比如，将激光雷达按顺时针方向转动45°后重复执行步骤S101至步骤S104，直至 激光雷达转动一圈。具体的，根据预设角度大小可以确定激光雷达需转动的次数，根据激光 雷达需转动的次数可以确定的水平度校验结果的预设数量阈值，如，当预设角度大小为45° 时，此时激光雷达需转动7次，分别获取对应激光雷达转动0°，45°，90°，135°，180°， 225°，270°，315°时的8个水平度校验结果，由此可确定水平度校验结果的预设数量阈值 为8个，基于此，当水平度校验结果数量小于8个时，控制激光雷达顺时针方向转动45°后 重复执行步骤S101至步骤S104。

如图3所示，图3是本发明一个实施例提供的一种，步骤S102可以包括但不限于以下步 骤：

S301，从点云数据中提取所有光强度大于预设光强度阈值的信号点，作为特征点；

S302，将所有特征点构建为特征点数据集；

S303，对特征点数据集进行聚类分割，得到多个特征物点集合。

可以理解的是，预设特征物可以是安放在同一水平面的多个矩形反光板，单线激光雷达 所发射的扫描激光扫描到反光板后，反光板所反射的信号点会相较于环境中的背景所反射的 信号点具有更高的光强度，通过设置光强度阈值，可以将点云数据中的高光强度的点，即由 反光板反射的信号点提取出来。

可以理解的是，通过光强度阈值将点云数据中由反光板发射的信号点提取出来后，得到 了一个特征点数据集。而在环境中，可以设置有多个反光板，由此，需要将特征点数据集进 行聚类分割处理，将其分割为分别对应每一个预设特征物的特征物点集合，由于多个反光板 之间是分隔的，而由同一反光板所反射的特征点则是连续的，由此可通过计算待划分特征点 与某一特征物点集合中所有特征点之间的距离，当待划分特征点和该特征物点集合中的所有 点的距离均大于预设阈值时，即说明该待划分特征点不属于该特征物点集合，当特征物点集 合中存在一点与待划分特征点之间的距离小于预设距离阈值时，即说明该待划分特征点属于 该特征物点集合，由此可得到分别代表每个扫描特征物的点集合。具体的，通过计算两点所 组成的向量的模即可得到两点之间距离。具体的，选定第一特征点，并计算特征点数据集中 其余特征点与第一特征点的距离，将与第一特征点距离小于预设距离阈值的第二特征点与第 一特征点归为第一特征物点集合，再计算特征点数据集中其余特征点，即除第一特征点和第 二特征点以外的所有特征点与第二特征点的距离，将与第二特征点距离小于预设距离阈值的 第三特征点也划入第一特征物点集合，重复上述步骤直至特征点数据集中剩余的特征点与第 一特征物点集合中的所有点的距离均大于预设距离阈值，由此得到第一特征物点集合。再从 特征点数据集剩余的待划分特征点中选定一特征点重复上述步骤，直至特征点数据集中所有 特征点均被划入相应的特征物点集合。在一些可行的实施例中，还可以通过k近邻算法查找 第一特征点预设半径内的所有待划分特征点，再计算预设半径内的待划分特征点与第一特征 点的距离，由此可将与第一特征点距离较远，即必定与第一特征点属于不同特征物点集合的 特征点过滤，由此降低聚类分割的计算量。

可以理解的是，为降低聚类分割的计算量，由于单线激光雷达的扫描平面是一个二维平 面，而同一反光板所反射的特征点也是连续的多个点，多个反光板分别放置在同一水平面的 不同方位上，将特征点按照一定的方向进行排序，比如，确定扫描平面边界的点为起始点， 按照顺时针方向对特征点进行排序，再计算第一特征点和与其排序相邻的第二特征点之间的 距离，若此时第一特征点和第二特征点之间的距离大于预设距离阈值，即说明第一特征点和 第二特征点分别是两个特征物点集合的左端点和右端点，即第一特征点与第二特征点属于不 同特征物点集合。

可以理解的是，将点云数据中的特征点分割为分别对应多个扫描特征物的特征物点集合 后，特征物点集合的数量即是扫描到的特征物的数量，将扫描到的特征物的数量与预设特征 物的实际数量进行比对，由于预设特征物是安放在同一水平面的，若激光雷达水平安装，其 激光扫描平面也应当是水平平面，此时可以扫描到所有预设特征物，由此，特征物点集合数 量应当与预设特征物的实际数量相等。由此，当特征物点集合数量与预设特征物的实际数量 不相等时，即可认为激光扫描平面并非水平平面，即激光雷达安装不水平。

可以理解的是，将点云数据中的特征点分割为分别对应多个扫描特征物的特征物点集合 后，可以根据同一特征物点集合中所有点的空间坐标的均值得到特征物的空间坐标。当单线 激光雷达水平安装时，各个特征物点集合中所有特征点的空间坐标均值即是特征物点集合所 成线段的中点的坐标，各个中点的坐标应当与各个矩形反光板映射到二维扫描平面时的几何 中心的坐标完全重合，而当激光雷达安装不水平时，其扫描多个特征物所得的多条线段的中 点坐标则无法与水平扫描时的多条线段的中点坐标完全重合，即，激光雷达安装不水平时扫 描特征物的空间坐标无法与激光雷达水平安装时扫描特征物的空间坐标重合，由此，可通过 比对扫描特征物的空间坐标与预设特征物的空间坐标是否重合，从而判断激光雷达是否水平 安装。

如图4所示，步骤S103可以包括但不限于以下步骤：

S401，根据特征点的空间坐标对被聚类分割为同一特征物点集合的所有特征点进行排序；

S402，根据排序确定特征物点集合的起始端点和末端端点；

S403，根据起始端点的空间坐标和末端端点的空间坐标计算起始端点和末端端点之间的 距离，作为扫描特征物的长度。

可以理解的是，将点云数据中的特征点分割为分别对应多个扫描特征物的特征物点集合 后，而由于单线激光雷达的扫描平面扫描到多个扫描特征物(即反光板)后所采集到特征点 可以组成多条线段，其中每条线段分别对应每一个反光板，将这些线的长度与对应的反光板 的实际长度进行比较，从而确定激光雷达是否水平安装，具体的，若激光雷达水平安装，其 扫描平面应当是水平平面，水平的扫描平面扫描到水平放置的矩形反光板时，其扫描得到的 特征物点集合所组成的线段应当是与反光板的长边平行且相等的线段，由此，若存在某一特 征物点集合所组成的线段长度与反光板实际长度差值大于预设的差值阈值时，即说明激光雷 达安装不水平。具体的，在对特征点数据集进行聚类分割得到多个特征物点集合后，将同一 特征物点集合中的所有特征点根据其空间坐标，按顺时针方向进行排序，由此可以确定特征 点所组成线段的起始端点和末端端点，可以通过计算两端点所组成的向量的模，即可计算出 该特征物点集合所组成的线段的长度。

可以理解的是，预设特征物还可以是长度不一的反光板，比如预设特征物分别是长20厘 米和长30厘米且间隔设置的多个反光板，在将特征点的以空间坐标的形式表示出来并对特征 点进行聚类分割得到特征物点集合后，通过计算同一特征物点集合内所有特征点的空间坐标 的均值，可以得到扫描特征物在空间中的分布，结合特征物点集合所组成的线段的长度，可 以检测扫描特征物的空间分布是否符合预设特征物的分布排列，即对比扫描特征物是不是20 厘米长的反光板与30厘米长的反光板间隔设置。

可以理解的是，当扫描特征物的空间坐标与预设特征物的空间坐标不重合、扫描特征物 的长度与预设特征物的长度的差值大于预设长度差阈值两种情况中的至少一种时，即确定当 前扫描方向角的水平度校验结果为不合格。

如图5所示，步骤S102还可以包括但不限于以下步骤：

S501，根据预设特征物模型对点云数据进行模型拟合处理；

S502，根据模型拟合处理的结果将点云数据分割，得到多个特征物点集合。

可以理解的是，预设特征物可以是安放在同一水平面，具有特定形状的多个特征物，如 “V”字型的特征物，需要指出的是，此时特征物是水平放置，且在任意高度的水平切面都完 全相同的柱状体。当激光雷达扫描到特征物后，所返回的点云数据映射到坐标系后，点云在 坐标系中的分布会呈现特征物的水平切面的形状，通过基于模型的分割算法，以特征物的几 何形态数学模型作为先验知识对点云数据进行分割，具体的，即将符合预设数学表达式的点 云数据划为同一点集，以“V”字型特征物为例，其数学表达式为|y|＝a|x-b|+c或|x|＝ a|y-b|+c，其中a、b和c均为常量系数，x、y分别代表该预设数学表达式对应图像上的 点的横坐标和纵坐标，当点云数据中多个信号点拟合所得的二维图像所对应的的函数符合该 数学表达式时，将该部分点云数据划为同一特征物点集合。由此，可从点云数据中提取出多 个特征物点集合。

如图6所示，步骤S103还可以包括但不限于以下步骤：

S601，根据所述特征物点集合的数量得到所述扫描特征物的数量；

S602，根据特征物点集合生成二维模型；

S603，提取二维模型的形状特征。

可以理解的是，特征物点集合通过对点云数据进行模型拟合分割处理而得到。

可以理解的是，根据预设数据表达式将扫描特征物的切面的点云数据提取出来并分割为 多个特征物点集合后，同一特征物点集合中的特征点可以组成反映特征物的切面轮廓的线段， 根据其切面轮廓线段可以确定扫描特征物的形状特征，其中，形状特征包括但不限于线段的 长度，曲线的曲率，多条线段两两所成夹角的角度。以“V”字型特征物为例，此时特征物点 集合中的所有特征点会构成两条长度相等且相交于同一端点的线段。基于此，计算两线段的 长度以及两线段所成夹角的角度，具体的，通过提取线段的两端的特征点，计算两端的特征 点所成向量的模的长度可以得到线段的长度，通过计算平面向量夹角公式计算两线段的起始 端点和末端端点所成的两个向量的夹角大小可以得到“V”字型特征物的夹角的大小。

可以理解的是，在提取到扫描特征物的形状特征后，可以将其与预设特征物的实际形状 特征进行比对，以“V”字型特征物为例，预设“V”字型特征物两边长度为30厘米，两边所 成夹角为120°，当激光水平安装时，此时扫描平面会扫描到“V”字型特征物的水平横截面， 所扫描到的点云数据也会呈现出两边长度为30厘米，两边所成夹角为120°的“V”字型， 而当激光安装倾斜时，其扫描平面也会相应地倾斜，此时扫描到“V”字型特征物的斜切面， 所返回的点云数据则会是一个边长大于30厘米，所成夹角大于120°的“V”字型。基于此可以通过比对扫描特征物的形状特征与预设特征物的实际形状特征从而判断激光雷达安装是 否水平。

如图7所示，本发明实施例还提供了一种水平度校验***。

水平度校验***包括扫描模块、点云数据处理模块和比对模块。其中，扫描模块用于输 出扫描激光，并接收基于扫描激光返回的点云数据；点云数据处理模块用于对扫描模块获取 到的点云数据进行处理，从点云数据中提取出激光扫描到特征物所返回的特征点，激光雷达 扫描背景所得到的噪点，并对特征点进行处理，从中提取出扫描特征物信息；比对模块用于 将扫描特征物信息与预设特征物信息进行比对并得到校验结果。当激光雷达水平安装时，其 扫描平面是一个水平面，扫描到特征物后所返回的点云数据可以还原出特征物水平切面的信 息，基于此，通过对点云数据进行处理所提取到的扫描特征物信息与预设特征物的实际信息 进行比对，可以判断激光雷达是否水平安装。

如图8所示，本发明实施例还提供了一种终端。

具体地，该终端包括：一个或多个处理器和存储器，图8中以一个处理器及存储器为例。 处理器和存储器可以通过总线或者其他方式连接，图8中以通过总线连接为例。

存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性 计算机可执行程序，如上述本发明实施例中的水平度校验方法。处理器通过运行存储在存储 器中的非暂态软件程序以及程序，从而实现上述本发明实施例中的水平度校验方法。例如执 行以上图1中的步骤S101至S104，图2中的步骤S201至S202，图3中的步骤S301至S303， 图4中的步骤S401至S403，图5中的步骤S501至S502，图6中的步骤S601至S603。通过 激光雷达输出扫描激光，并接收基于扫描激光返回的点云数据，将点云数据分割为多个特征 物点集合，其中，每个特征物点集合可以分别对应每一个特征物，再根据特征物点集合进行 特征提取，由此得到多个扫描特征物信息，再将扫描特征物信息与预设特征物的实际信息进 行比对，当扫描平面水平时，扫描所得的特征物信息会还原出预设特征物的实际信息，即当 扫描特征物信息与预设特征物信息一致时，扫描平面水平，而当扫描特征物信息与预设特征 物信息不一致时，即说明扫描平面存在一定程度的倾斜。在保证水平度校验精度的前提下， 极大地简化了校验流程。

存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一 个功能所需要的应用程序；存储数据区可存储执行上述本发明实施例中的水平度校验方法所 需的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如 至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储 器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该终端。 上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

实现上述本发明实施例中的水平度校验方法所需的非暂态软件程序以及程序存储在存储 器中，当被一个或者多个处理器执行时，执行上述本发明实施例中的水平度校验方法。

此外，本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有 计算机可执行程序，该计算机可执行程序被一个或多个控制处理器执行，例如，被图8中的 一个处理器执行，可使得上述一个或多个处理器执行上述本发明实施例中的水平度校验方法。 例如执行以上图1中的步骤S101至S104，图2中的步骤S201至S202，图3中的步骤S301 至S303，图4中的步骤S401至S403，图5中的步骤S501至S502，图6中的步骤S601至S603。 通过激光雷达输出扫描激光，并接收基于扫描激光返回的点云数据，将点云数据分割为多个 特征物点集合，其中，每个特征物点集合可以分别对应每一个特征物，再根据特征物点集合 进行特征提取，由此得到多个扫描特征物信息，再将扫描特征物信息与预设特征物的实际信 息进行比对，当扫描平面水平时，扫描所得的特征物信息会还原出预设特征物的实际信息， 即当扫描特征物信息与预设特征物信息一致时，扫描平面水平，而当扫描特征物信息与预设 特征物信息不一致时，即说明扫描平面存在一定程度的倾斜。在保证水平度校验精度的前提 下，极大地简化了校验流程。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、***可以被实 施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理 器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实 施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介 质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普 通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读程序、数据 结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可 移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、 数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以 用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员 公知的是，通信介质通常包含计算机可读程序、数据结构、程序模块或者诸如载波或其他传 输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉 本领域的技术人员在不违背本发明精神的共享条件下还可作出种种等同的变形或替换，这些 等同的变形或替换均包括在本发明权利要求所限定的范围内。

Claims (12)

1.一种水平度校验方法，所述方法包括：

获取当前扫描方向角的点云数据；

从所述点云数据中提取多个特征物点集合；

根据所述多个特征物点集合得到多个扫描特征物信息；

将所述多个扫描特征物信息与预设特征物信息进行对比，得到当前扫描方向角的水平度校验结果；

其中，所述特征物点集合是点云数据中从同一特征物所得到的所有点构成的集合。

2.根据权利要求1所述的方法，其特征在于，所述将所述扫描特征物信息与预设特征物信息进行对比，得到当前扫描方向角的水平度校验结果之后，还包括：

检测所述水平度校验结果的数量是否小于预设数量阈值；

当所述水平度校验结果数量小于所述预设数量阈值时，向预设方向转动预设角度以调整扫描方向角，并返回执行所述获取当前扫描方向角的点云数据的步骤。

3.根据权利要求1所述的方法，其特征在于，所述点云数据中包括多个信号点以及每个所述信号点的空间坐标。

4.根据权利要求3所述的方法，其特征在于，所述扫描特征物信息包括所述扫描特征物的数量和所述扫描特征物的空间坐标，所述根据所述多个特征物点集合得到多个扫描特征物信息，包括：

根据所述特征物点集合的数量得到所述扫描特征物的数量；

根据每个所述特征物点集合中的所有所述信号点的空间坐标的均值确定每个所述扫描特征物的空间坐标。

5.根据权利要求4所述的方法，其特征在于，所述点云数据还包括每个所述信号点的光强度，所述从所述点云数据中提取多个特征物点集合，包括：

从所述点云数据中提取所有光强度大于预设光强度阈值的信号点，作为特征点；

将所有所述特征点构建为特征点数据集；

对所述特征点数据集进行聚类分割，得到多个所述特征物点集合。

6.根据权利要求5所述的方法，其特征在于，所述扫描特征物信息还包括每个所述扫描特征物的长度，所述根据所述多个特征物点集合得到多个扫描特征物信息，还包括：

根据所述特征点的空间坐标对被聚类分割为同一所述特征物点集合的所有所述特征点进行排序；

根据所述排序确定所述特征物点集合的起始端点和末端端点，其中，所述起始端点是所述特征物点集合中排序第一位的特征点，所述末端端点是所述特征物点集合中排序最后一位的特征点；

根据所述起始端点的空间坐标和所述末端端点的空间坐标计算所述起始端点和所述末端端点之间的距离，作为所述扫描特征物的长度。

7.根据权利要求6所述的方法，其特征在于，所述预设特征物信息包括所述预设特征物的数量、所述预设特征物的长度、所述预设特征物的空间坐标，所述将所述扫描特征物信息与预设特征物信息进行对比，得到当前扫描方向角的水平度校验结果，包括：

当存在所述扫描特征物的数量与所述预设特征物的数量不相等、所述扫描特征物的空间坐标与所述预设特征物的空间坐标不重合、所述扫描特征物的长度与所述预设特征物的长度的差值大于预设长度差阈值三种情况中的至少一种时，确定当前扫描方向角的所述水平度校验结果为不合格。

8.根据权利要求1所述的方法，其特征在于，所述从所述点云数据中提取多个特征物点集合，还包括：

根据预设特征物模型对所述点云数据进行模型拟合处理；

根据模型拟合处理的结果将所述点云数据分割，得到多个所述特征物点集合。

9.根据权利要求8所述的方法，其特征在于，所述扫描特征物信息还包括所述扫描特征物的形状特征，所述根据所述多个特征物点集合得到多个扫描特征物信息，包括：

根据所述特征物点集合的数量得到所述扫描特征物的数量，其中，所述特征物点集合通过对所述点云数据进行模型拟合分割处理而得到；

根据所述特征物点集合生成二维模型；

提取所述二维模型的形状特征，其中，所述形状特征包括线段的长度，曲线的曲率及长度、多条线段两两之间所成夹角的角度中的至少一个。

10.根据权利要求9所述的方法，其特征在于，所述将所述扫描特征物信息与预设特征物信息进行对比，得到水平度校验结果包括：

将所述特征物点集合数量与预设特征物数量进行比对；

将所述扫描特征物的形状特征与所述预设特征物的形状特征进行比对；

当存在所述特征物点集合数量与所述预设特征物数量不相等或所述扫描特征物的形状特征与所述预设特征物的形状特征不一致中的至少一种情况时，则所述水平度校验结果为不合格。

11.一种终端，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至10任意一项所述的水平度校验方法。

12.一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存储有计算机可执行程序，所述计算机可执行程序用于使计算机执行如权利要求1至10任意一项所述的水平度校验方法。