CN107527382B - 数据处理方法以及装置 - Google Patents

Abstract

本发明公开了一种数据处理方法以及装置，涉及大数据技术领域。本发明的方法包括：周期性获取惯性导航数据和激光点云数据；根据测量场景对惯性导航数据进行过滤；根据过滤后的惯性导航数据与激光点云数据构建三维场景。本发明区分不同的测量场景，对惯性导航数据进行不同的过滤，删除不符合对应的测量场景规律的惯性导航数据，使得在各种测量场景下激光点云数据与惯性导航数据配合构建出的三维场景更加准确。

Description

数据处理方法以及装置

技术领域

本发明涉及大数据技术领域，特别涉及一种数据处理方法以及装置。

背景技术

三维激光扫描技术是近几年发展起来的一种新型的测绘技术。三维激光扫描主要面向高精度的三维建模，其原理是利用激光测距，密集的记录目标物体的表面三维坐标，反射率和纹理信息，对空间目标进行真实的三维记录。

目前，激光扫描仪一般与惯性导航系统一起作为车载设备对现实场景进行扫描，获取激光点云数据以及惯性导航数据，结合数据处理技术，还原三维的现实场景。

发明内容

发明人发现，惯性导航系统会由于设备、路况等的变化导致采集的惯性导航数据不准确，进而使得构建的三维场景出现偏差。

本发明所要解决的一个技术问题是：如何提高激光扫面还原三维场景的准确性。

根据本发明的一个实施例，提供的一种数据处理方法，包括：周期性获取惯性导航数据和激光点云数据；根据测量场景对惯性导航数据进行过滤；根据过滤后的惯性导航数据与激光点云数据构建三维场景。

在一个实施例中，根据测量场景对惯性导航数据进行过滤包括：根据测量场景选取对应的过滤模型；利用过滤模型对惯性导航数据进行过滤。

在一个实施例中，利用过滤模型对惯性导航数据进行过滤包括：计算当前惯性导航数据与相邻前一次测得的惯性导航数据的差值作为当前惯性导航数据的误差，如果当前惯性导航数据的误差不满足第一阈值范围，则将当前惯性导航数据过滤掉，第一阈值范围与过滤模型对应；和/或，从当前惯性导航数据至第一次测得的惯性导航数据，分别计算未被过滤掉的每相邻两次测得的惯性导航数据的差值，并对各个差值求平均值作为当前惯性导航数据的误差，如果当前惯性导航数据的误差不满足第二阈值范围，则将当前惯性导航数据过滤掉，第二阈值范围与过滤模型对应。

在一个实施例中，利用过滤模型对惯性导航数据进行过滤包括：计算当前惯性导航数据与相邻前一次测得的惯性导航数据分别乘以对应的误差率之后的差值作为当前惯性导航数据的误差，如果当前惯性导航数据的误差不满足第三阈值范围，则将当前惯性导航数据过滤掉，第三阈值范围以及每次测得的惯性导航数据的误差率与过滤模型对应；和/或，从当前惯性导航数据至第一次测得的惯性导航数据，分别计算未被过滤掉的每相邻两次测得的惯性导航数据分别乘以对应的误差率之后的差值，并对各个差值求平均值作为当前惯性导航数据的误差，如果当前惯性导航数据的误差不满足第四阈值范围，则将当前惯性导航数据过滤掉，第四阈值范围以及每次测得的惯性导航数据的误差率与过滤模型对应。

在一个实施例中，该方法还包括：计算过滤掉的各个惯性导航数据的误差的平均值，并计算平均值与第五阈值的差值作为参考误差；利用参考误差修正过滤掉的各个惯性导航数据；第五阈值与过滤模型对应。

在一个实施例中，在根据过滤后的惯性导航数据与激光点云数据构建三维场景之前还包括：将不符合第一预设角度范围的激光束对应的激光点云数据删除；或者，将不符合第二预设角度范围的激光束中的激光线对应的激光点云数据删除。

在一个实施例中，根据过滤后的惯性导航数据与激光点云数据构建三维场景包括：将每一周期获取的激光点云数据由激光坐标系转换为同时刻获取的未被过滤的惯性导航数据对应的地理位置坐标系；将转换为地理位置坐标系的各个周期的激光点云数据叠加构建三维场景。

在一个实施例中，惯性导航数据包括运动姿态数据和/或地理位置数据，运动姿态数据包括航向数据、俯仰数据、横滚数据，地理位置数据包括经度、纬度、高程；地理位置数据是从卫星导航系统获取并通过惯性导航系统根据惯性方向、当前运动情况以及各个自由度方向的受力情况进行修正后得到的。

在一个实施例中，测量场景包括：路面状况、车辆速度、惯性导航数据的采集频率、惯性导航系统的厂商、惯性导航系统的型号、惯性导航系统硬件误差中的至少一项。

根据本发明的另一个实施例，提供的一种数据处理装置，包括：数据获取单元，用于周期性获取惯性导航数据和激光点云数据；数据过滤单元，用于根据测量场景对惯性导航数据进行过滤；建模单元，用于根据过滤后的惯性导航数据与激光点云数据构建三维场景。

在一个实施例中，数据过滤单元，用于：计算当前惯性导航数据与相邻前一次测得的惯性导航数据的差值作为当前惯性导航数据的误差，如果当前惯性导航数据的误差不满足第一阈值范围，则将当前惯性导航数据过滤掉，第一阈值范围与过滤模型对应；和/或，从当前惯性导航数据至第一次测得的惯性导航数据，分别计算未被过滤掉的每相邻两次测得的惯性导航数据的差值，并对各个差值求平均值作为当前惯性导航数据的误差，如果当前惯性导航数据的误差不满足第二阈值范围，则将当前惯性导航数据过滤掉，第二阈值范围与过滤模型对应。

在一个实施例中，数据过滤单元，用于：计算当前惯性导航数据与相邻前一次测得的惯性导航数据分别乘以对应的误差率之后的差值作为当前惯性导航数据的误差，如果当前惯性导航数据的误差不满足第三阈值范围，则将当前惯性导航数据过滤掉，第三阈值范围以及每次测得的惯性导航数据的误差率与过滤模型对应；和/或，从当前惯性导航数据至第一次测得的惯性导航数据，分别计算未被过滤掉的每相邻两次测得的惯性导航数据分别乘以对应的误差率之后的差值，并对各个差值求平均值作为当前惯性导航数据的误差，如果当前惯性导航数据的误差不满足第四阈值范围，则将当前惯性导航数据过滤掉，第四阈值范围以及每次测得的惯性导航数据的误差率与过滤模型对应。

在一个实施例中，该装置还包括：数据修正单元，用于计算过滤掉的各个惯性导航数据的误差的平均值，并计算平均值与第五阈值的差值作为参考误差，利用参考误差修正过滤掉的各个惯性导航数据，第五阈值与过滤模型对应。

在一个实施例中，该装置还包括：激光数据筛选单元，用于将不符合第一预设角度范围的激光束对应的激光点云数据删除，或者，将不符合第二预设角度范围的激光束中的激光线对应的激光点云数据删除。

在一个实施例中，建模单元，用于将每一周期获取的激光点云数据由激光坐标系转换为同时刻获取的未被过滤的惯性导航数据对应的地理位置坐标系，将转换为地理位置坐标系的各个周期的激光点云数据叠加构建三维场景。

在一个实施例中，惯性导航数据包括运动姿态数据和/或地理位置数据，运动姿态数据包括航向数据、俯仰数据、横滚数据，地理位置数据包括经度、纬度、高程；地理位置数据是从卫星导航系统获取并通过惯性导航系统根据惯性方向、当前运动情况以及各个自由度方向的受力情况进行修正后得到的。

在一个实施例中，测量场景包括：路面状况、车辆速度、惯性导航数据的采集频率、惯性导航系统的厂商、惯性导航系统的型号、惯性导航系统硬件误差中的至少一项。

根据本发明的又一个实施例，提供的一种数据处理系统，包括：前述任一个实施例中的数据处理装置，还包括：惯性导航系统，用于采集惯性导航数据并发送至数据处理装置；激光扫描仪，用于采集激光点云数据并发送至数据处理装置。

在一个实施例中，该系统还包括：卫星导航系统，用于采集地理位置数据并发送至惯性导航系统；惯性导航系统，还用于根据惯性方向、当前运动情况以及各个自由度方向的受力情况对地理位置数据进行修正。

根据本发明的再一个实施例，提供的一种数据处理装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器设备中的指令，执行如前述任一个实施例的数据处理方法。

根据本发明的又一个实施例，提供的一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述任一个实施例的数据处理方法的步骤。

本发明区分不同的测量场景，对惯性导航数据进行不同的过滤，删除不符合对应的测量场景规律的惯性导航数据，使得在各种测量场景下激光点云数据与惯性导航数据配合构建出的三维场景更加准确。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出本发明的一个实施例的数据处理装置的结构示意图。

图2示出本发明的另一个实施例的数据处理装置的结构示意图。

图3示出本发明的一个实施例的数据处理方法的流程示意图。

图4示出本发明的另一个实施例的数据处理方法的流程示意图。

图5示出本发明的又一个实施例的数据处理装置的结构示意图。

图6示出本发明的再一个实施例的数据处理装置的结构示意图。

图7示出本发明的又一个实施例的数据处理系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

针对现有技术中惯性导航数据测量不准确，进而使得构建的三维场景出现偏差的问题，提出本方案。

本发明的实施例中的数据处理装置可各由各种计算设备或计算机系统来实现，下面结合图1以及图2进行描述。

图1为本发明数据处理装置的一个实施例的结构图。如图1所示，该实施例的装置10包括：存储器110以及耦接至该存储器110的处理器120，处理器120被配置为基于存储在存储器110中的指令，执行本发明中任意一个实施例中的数据处理方法。

其中，存储器110例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)、数据库以及其他程序等。

图2为本发明数据处理装置的另一个实施例的结构图。如图2所示，该实施例的装置20包括：存储器210以及处理器220，分别与图1中存储器110以及处理器120类似。还可以包括输入输出接口230、网络接口240、存储接口250等。这些接口230，240，250以及存储器210和处理器220之间例如可以通过总线260连接。其中，输入输出接口230为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口240为各种联网设备提供连接接口，例如可以连接到数据库服务器或者云端存储服务器等。存储接口250为SD卡、U盘等外置存储设备提供连接接口。

下面结合图3描述本发明的数据处理方法。

图3为本发明数据处理方法一个实施例的流程图。如图3所示，该实施例的方法包括：

步骤S302，周期性获取惯性导航数据和激光点云数据。

惯性导航数据的采集频率例如为100Hz。惯性导航数据例如包括运动姿态数据和/或地理位置数据，运动姿态数据例如包括航向数据、俯仰数据、横滚数据，地理位置数据例如包括经度、纬度、高程。

地理位置数据可以是由卫星导航系统，例如GPS(Global Positioning System，全球定位系统)，采集并经过惯性导航系统修正后的地理位置数据。惯性导航系统根据惯性方向、当前运动情况以及各个自由度方向的受力情况对卫星导航系统采集的地理位置数据进行修正。

当环境对卫星接收产生不良影响，例如树木或楼宇较多，惯性导航系统内置陀螺仪，可以测定当前运动的惯性方向，进而推算下一时刻自己按照这种惯性将继续运动到哪里，惯性导航系统负责解算出这个猜想的坐标。如果没有惯性导航系统，当单GPS在信号不好时，就无法定位了。

进一步，惯性导航系统也有内置加速度计，会计算空间多自由度方向上受力情况，根据受力导致的姿态改变，及受力大小，对上面陀螺仪得到的原惯性位置推算进行修正。

当设备逐步行进到GPS信号良好区域时，惯性导航系统会将GPS位置替换上面推算的航位。此时由于接收到了较为准确的GPS信号，根据陀螺仪对航位推算误差将被归零。上述过程相对于使用单GPS的定位精度提升很多。

激光扫描仪发出多束激光，多束激光的发射角度不同，每一束激光由多条激光线组成，例如32线，每一线在同一垂直平面内对应不同的发射角度。

步骤S304，根据测量场景对惯性导航数据进行过滤。

测量场景例如包括：路面状况、车辆速度、惯性导航数据的采集频率、惯性导航系统的厂商、惯性导航系统的型号、惯性导航系统硬件误差中的至少一项。不同的路面状况例如颠簸会造成车辆的惯性发生变化，从而导致惯性导航数据的采集出现偏差。惯性导航设备的不同也会导致惯性导航数据的采集出现不同的偏差。针对每种测量场景，惯性导航数据将呈现不同的变化规律，因此，可以根据实际情况对不同的测量场景建立不同的过滤模型，根据实际的测量场景选取过滤模型对惯性导航数据进行过滤。

步骤S306，根据过滤后的惯性导航数据与激光点云数据构建三维场景。

具体的，将每一周期获取的激光点云数据由激光坐标系转换为同时刻获取的未被过滤的惯性导航数据对应的地理位置坐标系；将转换为地理位置坐标系的各个周期的激光点云数据叠加构建三维场景。

激光点云是由激光扫描仪采集得到，原始的三维扫描数据，都是以扫描仪为坐标原点的独立坐标系数据。当扫描仪在现实世界产生了运动时，此时多个周期的激光点云数据叠加，会由于对应于同一原点，但实际不在同一原点，导致数据叠加后根本无法辨识完整的结果。因此，将扫描仪刚性连接在惯性导航系统上，当扫描仪运动时，惯性导航系统会知道运动的姿态及位置，将每一周期激光点云数据，对应到同一时刻的运动姿态及位置上，(通过将激光坐标系变换到GPS坐标系)这样可以将多周期的激光数据叠加，得到立体完整的三维激光点云数据。

将不稳定的惯性导航数据过滤掉，即剔除与这些惯性导航数据同时采集的激光点云数据，使这些点云数据不参与最终建模。激光点云数据处理过程将经过几个坐标系的转换，首先将激光点云数据从激光坐标系转到笛卡尔坐标系，然后再转到车坐标系，最终在车坐标系转成GPS坐标系。

上述实施例区分不同的测量场景，对惯性导航数据进行不同的过滤，删除不符合对应的测量场景规律的惯性导航数据，使得在各种测量场景下激光点云数据与惯性导航数据配合构建出的三维场景更加准确。

上述实施例中，不同的过滤模型对应不同的应用场景，反映不同的惯性导航数据的变化规律，可以根据过滤模型对惯性导航数据进行过滤。

本发明提供以下几种利用过滤模型对惯性导航数据进行过滤的具体实施例。

实施例一，不同的过滤模型对应于不同的第一阈值范围，第一阈值范围表示相邻两次采集的惯性导航数据之间的正常差值范围。

第一阈值范围对应于不同的惯性导航数据包括不同的阈值范围，例如包括航向阈值范围、俯仰阈值范围、横滚阈值范围，经度阈值范围、纬度阈值范围、高程阈值范围。

计算当前惯性导航数据与相邻前一次测得的惯性导航数据的差值作为当前惯性导航数据的误差，如果当前惯性导航数据的误差不满足第一阈值范围，则将当前惯性导航数据过滤掉。例如，针对某种测量场景，过滤模型对应的相邻两次采集的航向的差值范围为0.01°～0.05°，则分别计算每相邻两次测得的航向的差值，将不满足的剔除。

实施例二，不同的过滤模型对应于不同的第二阈值范围，第二阈值范围表示每相邻两次采集的惯性导航数据的平均差值的正常范围。

第二阈值范围对应于不同的惯性导航数据包括不同的阈值范围，例如包括航向阈值范围、俯仰阈值范围、横滚阈值范围，经度阈值范围、纬度阈值范围、高程阈值范围。

从当前惯性导航数据至第一次测得的惯性导航数据，分别计算未被过滤掉的每相邻两次测得的惯性导航数据的差值，并对各个差值求平均值作为当前惯性导航数据的误差，如果当前惯性导航数据的误差不满足第二阈值范围，则将当前惯性导航数据过滤掉。

例如，针对第n+1次测得的惯性导航数据value_n+1，其中，n为大于或等于1的正整数，value_n+1例如可以表示俯仰数据，value_n+1的误差可以表示为

如果X_n+1不满足第二阈值范围，则将value_n+1过滤掉。

实施例三，不同的过滤模型对应于不同的第三阈值范围以及每次测得的惯性导航数据的误差率，第三阈值范围表示相邻两次采集的惯性导航数据分别乘以对应的误差率之后的差值的正常范围。每次测得的惯性导航数据的误差率可以认为是针对当前测量环境对每次测得的惯性导航数据的误差的大概估计，进一步再根据每次测得的惯性导航数据的变化情况进行过滤。

第三阈值范围对应于不同的惯性导航数据包括不同的阈值范围，例如包括航向阈值范围、俯仰阈值范围、横滚阈值范围，经度阈值范围、纬度阈值范围、高程阈值范围。

计算当前惯性导航数据与相邻前一次测得的惯性导航数据分别乘以对应的误差率之后的差值作为当前惯性导航数据的误差，如果当前惯性导航数据的误差不满足第三阈值范围，则将当前惯性导航数据过滤掉。

例如，针对第n+1次测得的惯性导航数据value_n+1，其中，n为大于或等于1的正整数，value_n+1例如可以表示俯仰数据，value_n+1的误差可以表示为X_n+1＝value_n+1·p_n+1-value_n·p_n，其中，p_n+1、p_n分别表示第n+1次和第n次测得的惯性导航数据的误差率，如果X_n+1不满足第三阈值范围，则将value_n+1过滤掉。

实施例四，不同的过滤模型对应于不同的第四阈值范围以及每次测得的惯性导航数据的误差率，第四阈值范围表示每相邻两次采集的惯性导航数据分别乘以对应的误差率之后的平均差值的正常范围。

第四阈值范围对应于不同的惯性导航数据包括不同的阈值范围，例如包括航向阈值范围、俯仰阈值范围、横滚阈值范围，经度阈值范围、纬度阈值范围、高程阈值范围。

从当前惯性导航数据至第一次测得的惯性导航数据，分别计算未被过滤掉的每相邻两次测得的惯性导航数据分别乘以对应的误差率之后的差值，并对各个差值求平均值作为当前惯性导航数据的误差，如果当前惯性导航数据的误差不满足第四阈值范围，则将当前惯性导航数据过滤掉。

例如，针对第n+1次测得的惯性导航数据value_n+1，其中，n为大于或等于1的正整数，value_n+1例如可以表示俯仰数据，value_n+1的误差可以表示为

其中，p_i、p_i-1分别表示第i次和第i-1次测得的惯性导航数据的误差率，如果X_n+1不满足第二阈值范围，则将value_n+1过滤掉。

实施例五，不同的过滤模型对应于不同的第五阈值，第五阈值表示过滤掉的各个惯性导航数据的误差的平均值的调整阈值，即过滤掉的各个惯性导航数据的误差的可接受范围。

第五阈值对应于不同的惯性导航数据包括不同的阈值，例如包括航向阈值、俯仰阈值、横滚阈值，经度阈值、纬度阈值、高程阈值。

计算过滤掉的各个惯性导航数据的误差的平均值，并计算平均值与第五阈值的差值作为参考误差；利用参考误差修正过滤掉的各个惯性导航数据，即过滤掉的各个惯性导航数据分别减去参考误差。

例如，过滤掉的各个惯性导航数据的误差的平均值与第五阈值的差值为e，第n+1次测得的惯性导航数据value_n+1被过滤掉，则value_n+1的修正值为value_n+1-e。被修正的惯性导航数据可以重新用于数据建模，弥补数据不足的问题。

上述五个实施例可以任意组合使用，例如，将实施例一作为对惯性导航数据的粗略过滤进而用其他实施例进行进一步过滤等。

下面结合图4描述本发明数据处理方法的另一个实施例。

图4为本发明数据处理方法另一个实施例的流程图。如图4所示，在步骤306之前还可以包括：

步骤S405，根据测试需求角度对激光束或激光线对应的激光点云数据删除。

将不符合第一预设角度范围的激光束对应的激光点云数据删除；或者，将不符合第二预设角度范围的激光束中的激光线对应的激光点云数据删除。

激光扫描仪可以发出平行于地面的360度角度范围的多束激光，每一束激光又可以在垂直于地面的平面内分为多条激光线。因此，可以根据实际测试需求，剔除部分激光束或激光线。例如，只需要测量地面范围内的物体，可以将朝向斜上方的激光线对应的点云数据剔除。只需要测量车辆前进方向左侧的景物，则可以将车辆前进方向右侧的激光束剔除。这样可以节省数据的存储量和运算量，提高效率。

步骤S405与步骤S304没有先后顺序。

本发明还提供一种数据处理装置，下面结合图5进行描述。

图5为本发明数据处理装置一个实施例的结构图。如图5所示，该装置50包括：

数据获取单元502，用于周期性获取惯性导航数据和激光点云数据。

惯性导航数据包括运动姿态数据和/或地理位置数据，运动姿态数据包括航向数据、俯仰数据、横滚数据，地理位置数据包括经度、纬度、高程；地理位置数据是从卫星导航系统获取并通过惯性导航系统根据惯性方向、当前运动情况以及各个自由度方向的受力情况进行修正后得到的。

数据过滤单元504，用于根据测量场景对惯性导航数据进行过滤。

测量场景例如包括：路面状况、车辆速度、惯性导航数据的采集频率、惯性导航系统的厂商、惯性导航系统的型号、惯性导航系统硬件误差中的至少一项。

在一个实施例中，数据过滤单元504，用于根据测量场景选取对应的过滤模型，利用过滤模型对惯性导航数据进行过滤。

在一个实施例中，数据过滤单元504，用于：计算当前惯性导航数据与相邻前一次测得的惯性导航数据的差值作为当前惯性导航数据的误差，如果当前惯性导航数据的误差不满足第一阈值范围，则将当前惯性导航数据过滤掉，第一阈值范围与过滤模型对应；和/或，从当前惯性导航数据至第一次测得的惯性导航数据，分别计算未被过滤掉的每相邻两次测得的惯性导航数据的差值，并对各个差值求平均值作为当前惯性导航数据的误差，如果当前惯性导航数据的误差不满足第二阈值范围，则将当前惯性导航数据过滤掉，第二阈值范围与过滤模型对应。

在一个实施例中，数据过滤单元504，用于：计算当前惯性导航数据与相邻前一次测得的惯性导航数据分别乘以对应的误差率之后的差值作为当前惯性导航数据的误差，如果当前惯性导航数据的误差不满足第三阈值范围，则将当前惯性导航数据过滤掉，第三阈值范围以及每次测得的惯性导航数据的误差率与过滤模型对应；和/或，从当前惯性导航数据至第一次测得的惯性导航数据，分别计算未被过滤掉的每相邻两次测得的惯性导航数据分别乘以对应的误差率之后的差值，并对各个差值求平均值作为当前惯性导航数据的误差，如果当前惯性导航数据的误差不满足第四阈值范围，则将当前惯性导航数据过滤掉，第四阈值范围以及每次测得的惯性导航数据的误差率与过滤模型对应。

建模单元506，用于根据过滤后的惯性导航数据与激光点云数据构建三维场景。

在一个实施例中，建模单元506，用于将每一周期获取的激光点云数据由激光坐标系转换为同时刻获取的未被过滤的惯性导航数据对应的地理位置坐标系，将转换为地理位置坐标系的各个周期的激光点云数据叠加构建三维场景。

下面结合图6进行描述数据处理装置的另一个实施例。

图6为本发明数据处理装置一个实施例的结构图。如图6所示，该装置60包括：数据获取单元602，数据过滤单元604，建模单元606，这三个单元分别可以实现图5中数据获取单元502，数据过滤单元504，建模单元506类似的功能。

数据修正单元608，用于计算过滤掉的各个惯性导航数据的误差的平均值，并计算平均值与第五阈值的差值作为参考误差，利用参考误差修正过滤掉的各个惯性导航数据，第五阈值与过滤模型对应。

进一步，数据处理装置60还可以包括：激光数据筛选单元610，用于将不符合第一预设角度范围的激光束对应的激光点云数据删除，或者，将不符合第二预设角度范围的激光束中的激光线对应的激光点云数据删除。

本发明还提供一种数据处理系统，下面结合图7进行描述。

图7为本发明数据处理系统一个实施例的结构图。如图7所示，该系统70包括：前述任一个实施例的数据处理装置50或60，还包括：

惯性导航系统702，用于采集惯性导航数据并发送至数据处理装置。

激光扫描仪704，用于采集激光点云数据并发送至数据处理装置。

在一个实施例中，该系统70还可以包括：卫星导航系统706，用于采集地理位置数据并发送至惯性导航系统702。

惯性导航系统702，还用于根据惯性方向、当前运动情况以及各个自由度方向的受力情况对地理位置数据进行修正。

本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述任一个实施例的数据处理方法的步骤。

本领域技术人员可以理解，本发明的数据处理方法、装置、系统除了用于进行测绘工作外，可以应用于无人驾驶领域，无人驾驶车可以根据本发明的数据处理方法、装置、系统构建的三维地图，从而识别驾驶环境实现无人驾驶。此外，本发明的数据处理方法、装置、系统还可以应用于无人仓储领域，无人仓储中搬运车可以通过构建的三维仓库地图，完成货物的搬运等。

本领域内的技术人员应当明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，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 (16)

1.一种数据处理方法，其特征在于，包括：

周期性获取惯性导航数据和激光点云数据；

根据测量场景对所述惯性导航数据进行过滤；

计算过滤掉的各个惯性导航数据的误差的平均值，并计算所述平均值与第五阈值的差值作为参考误差，利用所述参考误差修正所述过滤掉的各个惯性导航数据，其中，所述第五阈值与所述过滤模型对应；

根据过滤后的惯性导航数据和修正后的惯性导航数据与所述激光点云数据构建三维场景；

其中，所述根据测量场景对所述惯性导航数据进行过滤包括：

根据测量场景选取对应的过滤模型；利用所述过滤模型对所述惯性导航数据进行过滤；所述测量场景包括：路面状况、车辆速度、惯性导航数据的采集频率、惯性导航系统的厂商、惯性导航系统的型号、惯性导航系统硬件误差中的至少一项。

2.根据权利要求1所述的方法，其特征在于，

所述利用所述过滤模型对所述惯性导航数据进行过滤包括：

计算当前惯性导航数据与相邻前一次测得的惯性导航数据的差值作为当前惯性导航数据的误差，如果所述当前惯性导航数据的误差不满足第一阈值范围，则将当前惯性导航数据过滤掉，所述第一阈值范围与所述过滤模型对应；和/或

从当前惯性导航数据至第一次测得的惯性导航数据，分别计算未被过滤掉的每相邻两次测得的惯性导航数据的差值，并对各个差值求平均值作为当前惯性导航数据的误差，如果所述当前惯性导航数据的误差不满足第二阈值范围，则将当前惯性导航数据过滤掉，所述第二阈值范围与所述过滤模型对应。

3.根据权利要求1所述的方法，其特征在于，

所述利用所述过滤模型对所述惯性导航数据进行过滤包括：

计算当前惯性导航数据与相邻前一次测得的惯性导航数据分别乘以对应的误差率之后的差值作为当前惯性导航数据的误差，如果所述当前惯性导航数据的误差不满足第三阈值范围，则将当前惯性导航数据过滤掉，所述第三阈值范围以及每次测得的惯性导航数据的误差率与所述过滤模型对应；和/或

从当前惯性导航数据至第一次测得的惯性导航数据，分别计算未被过滤掉的每相邻两次测得的惯性导航数据分别乘以对应的误差率之后的差值，并对各个差值求平均值作为当前惯性导航数据的误差，如果所述当前惯性导航数据的误差不满足第四阈值范围，则将当前惯性导航数据过滤掉，所述第四阈值范围以及每次测得的惯性导航数据的误差率与所述过滤模型对应。

4.根据权利要求1所述的方法，其特征在于，在根据过滤后的惯性导航数据与所述激光点云数据构建三维场景之前还包括：

将不符合第一预设角度范围的激光束对应的激光点云数据删除；或者

将不符合第二预设角度范围的激光束中的激光线对应的激光点云数据删除。

5.根据权利要求1所述的方法，其特征在于，

所述根据过滤后的惯性导航数据与所述激光点云数据构建三维场景包括：

将每一周期获取的激光点云数据由激光坐标系转换为同时刻获取的未被过滤的惯性导航数据对应的地理位置坐标系；

将转换为地理位置坐标系的各个周期的激光点云数据叠加构建三维场景。

6.根据权利要求1所述的方法，其特征在于，

所述惯性导航数据包括运动姿态数据和/或地理位置数据，所述运动姿态数据包括航向数据、俯仰数据、横滚数据，所述地理位置数据包括经度、纬度、高程；

所述地理位置数据是从卫星导航系统获取并通过惯性导航系统根据惯性方向、当前运动情况以及各个自由度方向的受力情况进行修正后得到的。

7.一种数据处理装置，其特征在于，包括：

数据获取单元，用于周期性获取惯性导航数据和激光点云数据；

数据过滤单元，用于根据测量场景对所述惯性导航数据进行过滤；

数据修正单元，用于计算过滤掉的各个惯性导航数据的误差的平均值，并计算所述平均值与第五阈值的差值作为参考误差，利用所述参考误差修正所述过滤掉的各个惯性导航数据，所述第五阈值与所述过滤模型对应；

建模单元，用于根据过滤后的惯性导航数据和修正后的惯性导航数据与所述激光点云数据构建三维场景；

其中，所述数据过滤单元，用于根据测量场景选取对应的过滤模型，利用所述过滤模型对所述惯性导航数据进行过滤，所述测量场景包括：路面状况、车辆速度、惯性导航数据的采集频率、惯性导航系统的厂商、惯性导航系统的型号、惯性导航系统硬件误差中的至少一项。

8.根据权利要求7所述的装置，其特征在于，

所述数据过滤单元，用于：

计算当前惯性导航数据与相邻前一次测得的惯性导航数据的差值作为当前惯性导航数据的误差，如果所述当前惯性导航数据的误差不满足第一阈值范围，则将当前惯性导航数据过滤掉，所述第一阈值范围与所述过滤模型对应；和/或

从当前惯性导航数据至第一次测得的惯性导航数据，分别计算未被过滤掉的每相邻两次测得的惯性导航数据的差值，并对各个差值求平均值作为当前惯性导航数据的误差，如果所述当前惯性导航数据的误差不满足第二阈值范围，则将当前惯性导航数据过滤掉，所述第二阈值范围与所述过滤模型对应。

9.根据权利要求7所述的装置，其特征在于，

所述数据过滤单元，用于：

计算当前惯性导航数据与相邻前一次测得的惯性导航数据分别乘以对应的误差率之后的差值作为当前惯性导航数据的误差，如果所述当前惯性导航数据的误差不满足第三阈值范围，则将当前惯性导航数据过滤掉，所述第三阈值范围以及每次测得的惯性导航数据的误差率与所述过滤模型对应；和/或

从当前惯性导航数据至第一次测得的惯性导航数据，分别计算未被过滤掉的每相邻两次测得的惯性导航数据分别乘以对应的误差率之后的差值，并对各个差值求平均值作为当前惯性导航数据的误差，如果所述当前惯性导航数据的误差不满足第四阈值范围，则将当前惯性导航数据过滤掉，所述第四阈值范围以及每次测得的惯性导航数据的误差率与所述过滤模型对应。

10.根据权利要求7所述的装置，其特征在于，还包括：

激光数据筛选单元，用于将不符合第一预设角度范围的激光束对应的激光点云数据删除，或者，将不符合第二预设角度范围的激光束中的激光线对应的激光点云数据删除。

11.根据权利要求7所述的装置，其特征在于，

所述建模单元，用于将每一周期获取的激光点云数据由激光坐标系转换为同时刻获取的未被过滤的惯性导航数据对应的地理位置坐标系，将转换为地理位置坐标系的各个周期的激光点云数据叠加构建三维场景。

12.根据权利要求7所述的装置，其特征在于，

所述惯性导航数据包括运动姿态数据和/或地理位置数据，所述运动姿态数据包括航向数据、俯仰数据、横滚数据，所述地理位置数据包括经度、纬度、高程；

所述地理位置数据是从卫星导航系统获取并通过惯性导航系统根据惯性方向、当前运动情况以及各个自由度方向的受力情况进行修正后得到的。

13.一种数据处理系统，其特征在于，包括：权利要求7-12任一项所述的数据处理装置，还包括：

惯性导航系统，用于采集惯性导航数据并发送至所述数据处理装置；

激光扫描仪，用于采集激光点云数据并发送至所述数据处理装置。

14.根据权利要求13所述的数据处理系统，其特征在于，还包括：

卫星导航系统，用于采集地理位置数据并发送至所述惯性导航系统；

所述惯性导航系统，还用于根据惯性方向、当前运动情况以及各个自由度方向的受力情况对所述地理位置数据进行修正。

15.一种数据处理装置，其特征在于，包括：

存储器；以及

耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器设备中的指令，执行如权利要求1-6任一项所述的数据处理方法。

16.一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，该程序被处理器执行时实现权利要求1-6任一项所述的数据处理方法的步骤。

Images