CN108345822B - 一种点云数据处理方法及装置 - Google Patents

Abstract

本发明实施例公开了一种点云数据处理方法及装置，其中，所述方法包括：对采集到的各帧点云数据进行分类，得到低矮地物点云数据；沿车行轨迹从所述低矮地物点云数据中提取候选护栏点云数据；对候选护栏点云数据进行空间聚类，得到各候选护栏点云集合；对聚类得到的各候选护栏点云集合进行识别，并剔除干扰点云集合，得到道路中央分隔带护栏的点云数据；对所述道路中央分隔带护栏点云数据进行三维曲线拟合，获得在高精度地图中表示的道路中央分隔带护栏数据。

Description

一种点云数据处理方法及装置

技术领域

本发明涉及电子地图技术，具体涉及一种点云数据处理方法及装置。

背景技术

作为下一个科技时代——人工智能的一种典型应用模式，自动驾驶技术正在受到前所未有的高度关注。然后，高精度地图的缺失，目前已经成为了我国自动驾驶的瓶颈之一。而道路中央分隔带护栏数据，作为高精度地图中的重要组成部分，是其中必不可少的部分，是实现高精度车辆定位和自动驾驶安全的前提。道路中央分隔带护栏典型示例如图1所示。

目前，道路中央分隔带护栏提取的常用方法是人工提取方法和百度近期公开的基于单帧点云的提取方法(专利申请号201511025864.x，专利名为防护栏点云提取方法及装置)。人工提取方法需要内业作业人员在专用软件中打开道路点云数据，进行人工标注提取护栏点云数据。但是，人工提取方法有如下缺点：人工提取方法由于点云数据量大，且操作复杂，导致提取工作量大，效率低；成本高，无法大规模作业：由于人工提取效率低，海量点云数据需要巨大的人工作业量，导致无法大规模推广作业。基于单帧点云的提取方法采用预设护栏点云特征，对单帧点云数据进行特征提取和识别，得到最终的护栏点云数据。但是，基于单帧点云的提取方法有如下缺点：利用单帧点云进行护栏特征的提取和识别，由于单帧点云数据所固有的稀疏性，导致预设护栏特征不明显，容易造成错漏提取；仅考虑护栏的形状特征，没有考虑护栏与其它地物之间的空间拓扑关系；另外，该方法并没有区分道路中央分隔带护栏和道路两旁护栏的提取，而在无人驾驶实际应用中，这两类护栏的应用需求并不相同，需要在提取时加以区分。

发明内容

有鉴于此，本发明期望提供一种点云数据处理方法及装置，能够高效、准确地提取道路中央分隔带护栏的点云数据，提高识别和提取的鲁棒性。

本发明的技术方案是这样实现的：

本发明实施例提供了一种点云数据处理方法，所述方法包括：对采集到的各帧点云数据进行分类，得到低矮地物点云数据；沿车行轨迹从所述低矮地物点云数据中提取候选护栏点云数据；对候选护栏点云数据进行空间聚类，得到各候选护栏点云集合；对聚类得到的各候选护栏点云集合进行识别，并剔除干扰点云集合，得到道路中央分隔带护栏的点云数据；对所述道路中央分隔带护栏点云数据进行三维曲线拟合，获得在高精度地图中表示的道路中央分隔带护栏数据。

本发明实施例还提供了一种点云数据处理装置，所述装置包括：分类单元，用于对采集到的各帧点云数据进行分类，得到低矮地物点云数据；第一提取单元，用于沿车行轨迹从所述低矮地物点云数据中提取候选护栏点云数据；聚类单元，用于对候选护栏点云数据进行空间聚类，得到各候选护栏点云集合；识别单元，用于对聚类得到的各候选护栏点云集合进行识别，并剔除干扰点云集合，得到道路中央分隔带护栏的点云数据；拟合单元，用于对所述道路中央分隔带护栏点云数据进行三维曲线拟合，获得在高精度地图中表示的道路中央分隔带护栏数据。

采用本发明实施例所述技术方案，对采集到的各帧点云数据进行分类，得到低矮地物点云数据；沿车行轨迹从所述低矮地物点云数据中提取候选护栏点云数据；对候选护栏点云数据进行空间聚类，得到各候选护栏点云集合；对聚类得到的各候选护栏点云集合进行识别，并剔除干扰点云集合，得到道路中央分隔带护栏的点云数据；对所述道路中央分隔带护栏点云数据进行三维曲线拟合，获得在高精度地图中表示的道路中央分隔带护栏数据；如此，能够快速从车载激光点云中自动化地提取出道路中央分隔带护栏数据，进而为车辆辅助定位和无人驾驶等高端应用提供基础数据，能够大大提高道路中央分隔带护栏的自动化提取效率，减少人工作业工作量，降低高精度地图的生产成本。

附图说明

图1为本发明实施例提供的道路中央分隔带护栏示意图；

图2为本发明实施例提供的点云数据处理方法的流程示意图；

图3为本发明实施例提供的典型的单帧激光扫描线数据示意图；

图4为本发明实施例提供的道路中央分隔带护栏的侧视图；

图5本发明实施例提供的道路中央分隔带护栏垂直投影到二维平面示例图；

图6本发明实施例提供的道路中央分隔带护栏数据三维曲线示意图；

图7为本发明实施例提供的点云数据处理装置的组成结构示意图；

图8为本发明实施例中点云数据处理装置的一个可选的软硬件结构示意图；

图9-1为本发明实施例中点云数据处理装置分布在云端时点云数据处理的一个可选的场景示意图；图9-2为本发明实施例中点云数据处理装置分布在车辆侧时点云数据处理的一个可选的场景示意图；

图10为本发明实施例中点云数据处理方法的一个可选的流程示意图。

具体实施方式

为了能够更加详尽地了解本发明的特点与技术内容，下面先介绍一下本发明中所涉及的重要缩略语和关键术语。

点云数据，指通过安装在车辆或其他移动装置(如飞行器)中的扫描设备(如激光扫描器)，对道路环境进行扫描并以点的形式记录的数据，每一个点包含有三维点的坐标，以及相应三维点的属性信息，如红绿蓝(RGB)颜色信息，或者反射强度信息(Intensity)。

车载激光点云：安装在移动测量车上的扫描设备所采集得到的点云数据。

高精度地图：能够表现车道级别的地图，包括车道线、标线和道路参数等等信息。至少具有厘米级定位精度，还可以具有道路设施信息(如交通灯、电子眼和交通路牌等交通设施)。其中，道路参数可以是静态交通信息(如道路是否限行、是否限速)，还可以是动态交通信息如车流量情况(是否畅通、是否有交通事故)、路面情况(是否有积水、结冰等)。

道路设施，道路附近的、沿道路呈连续性分布的辅助设施，如道路护栏、交通路牌、交通灯和电子眼等。

护栏：一种纵向吸能结构，通过自体变形或车辆爬高来吸收碰撞能量，从而改变车辆行驶方向、阻止车辆越出路外或进人对向车道、最大限度地减少对乘员的伤害。按其在公路中的纵向设置位置，可分为路基护栏和桥梁护栏；按其在公路中的横向设置位置，可分为路侧护栏和中央分隔带护栏；根据碰撞后的变形程度，可分为刚性护栏、半刚性护栏和柔性护栏。

中央分隔带护栏：设置于公路中央分隔带内的护栏，以防止失控车辆穿越中央分隔带闯入对向车道，并保护中央分隔带内的构造物。

地物，是指道路以及道路周围地面上各种有形物(如道路设施、植物、建筑等)。

地物点云数据，点云数据中用于表示地物的部分点云数据。

地面点云数据，点云数据中用于表示地面(如路面、与道路相接的地表、水面)的部分点云数据。

低矮地物点云数据，点云数据中用于表示距离地面的值大于第一阈值且小于第二阈值的部分点云数据点；其中，所述第一阈值小于第二阈值。

其他物点云数据，点云数据中用于表示距离地面的值大于或等于第二阈值的部分点云数据。

三维曲线拟合，用连续曲线近似地刻画或比拟曲线拟合点云数据中的三维点，使尽量多的三维点符合某一连续三维曲线的分布，如位于该连续三维曲线上或距离该三维曲线较近，该三维曲线为基于点云数据进行三维曲线拟合的结果。

下面结合附图对本发明的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本发明。

本发明实施例提供了一种点云数据处理方法，如图2所示，所述方法主要包括：

步骤201、对采集到的各帧点云数据进行分类，得到低矮地物点云数据。

作为一种可选实施方式，所述对采集到的各帧点云数据进行分类之前，所述方法还包括：

获取预设时间段内的点云数据文件；

根据位置信息、角度信息、以及时间信息从所述点云数据文件中提取出各帧点云数据。

实际应用中，车辆中通过设置采集单元(如激光扫描仪、三维摄像头)对道路环境进行采集，在行进中的每个位置通过定位单元进行实时定位，并通过采集单元对环境进行多角度(例如0至360的全角度)的采集，在每个位置采集从任一角度采集形成的点云数据的一个可选的数据结构为：地理位置、采集角度、三维点坐标和三维点属性信息。

具体地，由于扫描设备如激光扫描仪采用的是360度旋转扫描方式，可将激光扫描仪从0度到360度旋转扫描得到的点云称为单帧激光扫描线数据。在实际采集过程中，各扫描线数据连续存储形成点云数据文件，因此，在获取得到点云数据后，需要根据各点的角度信息，提取出各帧扫描线点云数据(即角度值在0-360度之间的点)。典型的单帧激光扫描线数据如图3所示。

作为一种可选实施方式，所述对采集到的各帧点云数据进行分类，得到低矮地物点云数据，包括：

依据各帧点云数据中各点到地面平面的距离；

将距离值大于第一阈值且小于第二阈值的点判定为低矮地物点；其中，所述第一阈值小于所述第二阈值。

示例性地，对步骤201中获取得到的单帧点云数据，采用随机抽样一致算法(RANSAC)提取得到地面平面方程为a*x+b*y+c*z+d＝0，其中c>0。然后，依据单帧点云数据中各点到地面平面的距离来进行点云粗分类。具体分类规则如下：

1)计算点到平面的距离dist＝|a*x+b*y+c*z+d|/sqrt(a*a+b*b+c*c)；

2)当dist<＝dThred1时，该点被判断为地面点；

3)当dist>dThred1且dist<dThred2时，该点被判断为低矮地物点；

4)当dist≥dThred2时，该点被判断为其它点。

这里，dThred1可以取值0.3m，dThred2取值1.5m。需要说明的是，所述dThred1、dThred2可根据提取精确度要求进行适应性调整。

步骤202、沿车行轨迹从所述低矮地物点云数据中提取候选护栏点云数据。

作为一种可选实施方式，所述沿车行轨迹从所述低矮地物点云数据中提取候选护栏点云数据，包括：

沿车行轨迹从所述低矮地物点云数据中提取预设方向一侧离车一定范围内的低矮地物点云数据，得到候选护栏点云数据。

这里，所述预设方向可以是车行方向的左侧、或右侧。

通常来说，所述预设方向具体是左侧还是右侧，取决于车辆的方向盘在车中的位置。当方向盘位于车辆的左侧时，所述预设方向一般为左侧；当方向盘位于车辆的右侧时，所述预设方向一般为右侧。

一般来说，由于道路中央分隔带护栏点一般离地0.5m到1.5m之间，正好落入“低矮地物点”分类点集中；此外，因为中国是靠右行驶，所以道路中央分隔带护栏一般位于行车轨迹的左侧。因此，累积多帧点云数据中的低矮地物点，得到完整的低矮地物点云集合；然后，沿车行轨迹分别取离车左侧(垂直车行轨迹)一定距离内(例如取值为15m)的点，作为候选护栏点云数据集。

步骤203、对候选护栏点云数据进行空间聚类，得到各候选护栏点云集合。

可选地，所述对候选护栏点云数据进行空间聚类，包括但不限于下述方式：

基于欧氏距离的聚类方法对候选护栏点云数据进行空间聚类；

基于图论的聚类方法对候选护栏点云数据进行空间聚类；

基于特征的聚类方法对候选护栏点云数据进行空间聚类。

作为一种可选实施方式，所述对候选护栏点云数据进行空间聚类，得到各候选护栏点云集合，包括：

从各帧的候选护栏点云数据中提取出空间特征；

通过比对各帧候选护栏点云数据所具有的相同的空间特征，基于各帧候选护栏点云数据具有的相同的空间特征对各帧候选护栏点云数据进行聚类处理，形成多个候选护栏点云集合，每个候选护栏点云集合包括有多个三维点以及相应三维点的属性信息。

其中，相应三维点的属性信息，如红绿蓝(RGB)颜色信息，或者反射强度信息(Intensity)。

步骤204、对聚类得到的各候选护栏点云集合进行识别，并剔除干扰点云集合，得到道路中央分隔带护栏的点云数据。

作为一种可选实施方式，所述对聚类得到的各候选护栏点云集合进行识别，得到道路中央分隔带护栏点云数据，包括：

确定各候选点云集合在三维空间中的空间分布特征；

确定各候选点云集合在二维平面上的线状特征；

确定各候选点云集合在垂直投影后的二维平面上与地面之间的空间拓扑特征；

结合在三维空间中的空间分布特征、在二维平面上的线状特征和空间拓扑特征对各候选护栏点云集合进行识别。

可选地，所述结合在三维空间中的空间分布特征、在二维平面上的线状特征和空间拓扑特征对各候选护栏点云集合进行识别，包括：

提取出满足在三维空间中呈现出面状特征且在垂直投影后的二维平面上呈现出连续线状分布特征的第一类候选点云集合；

确定第一类候选点云集合在垂直投影后的二维平面上与地面之间的空间拓扑特征；

从第一类候选点云集合中选择出满足空间拓扑特征为包含关系的第二类候选点云集合，基于所述第二类候选点云集合，得到道路中央分隔带护栏点云数据。

示例性地，基于形状特征的识别方法，主要是考虑到道路中央分隔带护栏在三维空间中呈现出面状特征，如图4所示；而在垂直投影后的二维平面上，呈现出连续线状分布特征，如图5所示。因此，利用该特征可以快速剔除非道路中央分隔带护栏点云数据(如路面上静止的车辆、防撞墩和路两旁植被等)。

其中，三维面状特征提取可以采用主成份分析方法(PCA)，计算候选点云集合的空间分布特征；

通过PCA算法可以得到点云分布的3个由大到小排列的特征值λ1、λ2和λ3，并计算如下空间分布特征：

P1＝λ1/λ2；

P2＝λ2/λ3；

上式中P1和P2代表空间分布特征，当点云呈体状分布时，λ1>λ2>λ3，三特征值大小接近，P1和P2均较小；当点云呈面状分布时，λ1>λ2>>λ3，P1较小，P2较大；当点云呈线状分布时，λ1>>λ2>λ3，P1较大，P2较小。

需要说明的是，“>>”为远大于的意思。

其中，二维平面上线状特征的计算方法可以采用hough变换方法，或者先提取二维图像梯度，再进行线段跟踪的方法。

基于空间拓扑特征的识别方法，主要是考虑道路中央分隔带护栏与地面之间的空间拓扑关系。由于绝大部分的道路中央分隔带护栏采用栅栏的形式，其中间可以穿透点云，因此，在垂直投影后的二维平面上，其与地面之间的空间拓扑为包含关系，如图5所示；而运动车辆和围墙等地物，其与地面之间的空间拓扑为相接关系。

实际提取过程中，结合形状和空间拓扑特征的识别方法，能够大大提高道路中央分隔带护栏点云的提取准确率，降低误剔除风险。

步骤205、对所述道路中央分隔带护栏点云数据进行三维曲线拟合，获得在高精度地图中表示的道路中央分隔带护栏数据。

这里，步骤204中提取得到的道路中央分隔带护栏点云数据量依然较大，无法直接用于高精度地图表示。因此，这里将步骤204提取得到的点云数据采用三维曲线拟合方法，进行曲线拟合，得到最终的道路护栏三维曲线数据；其中，道路中央分隔带护栏数据三维曲线示意图如图6所示。

可选地，所述对所述道路中央分隔带护栏点云数据进行三维曲线拟合，包括但不限于下述方式：

基于多项式方程的三维曲线最小二乘拟合方法对道路中央分隔带护栏点云数据进行三维曲线拟合；

基于随机抽样一致算法的曲线拟合方法对道路中央分隔带护栏点云数据进行三维曲线拟合。

作为一种可选实施方式，所述对所述道路中央分隔带护栏点云数据进行三维曲线拟合，获得在高精度地图中表示的道路中央分隔带护栏数据，包括：

对所述道路中央分隔带护栏点云数据进行三维曲线拟合，筛除未符合所拟合三维曲线的三维点对应的点云数据；

基于符合道路中央分隔带护栏的特征的点云数据进行三维建模，形成道路中央分隔带护栏的三维实体图形，所述三维实体图形用于在高精度地图中呈现。

通过上述方案，可以实现基于车载激光点云的道路中央分隔带护栏数据的自动提取，得到高精度的道路中央分隔带护栏数据。

目前并没有区分道路中央分隔带护栏和道路两旁护栏的提取方法，而在无人驾驶实际应用中，这两类护栏的应用需求并不相同，需要加以区分。本申请能够快速从车载激光点云中自动化地提取出道路中央分隔带护栏数据，能够为车辆辅助定位和无人驾驶等高端应用提供基础数据。本申请的提出，能够大大提高道路中央分隔带护栏的自动化提取效率，减少人工作业工作量，降低高精度地图的生产成本。

而本发明实施例所述的道路中央分隔带护栏提取方法，具有以下优点：

(1)通过对单帧点云数据进行粗分类，迅速定位出护栏所在候选点云数据集，可以大大降低后续处理数据量，提高处理效率；

(2)采用多帧激光点云融合数据来提取和识别护栏数据，与单帧数据相比特征更加鲁棒；

(3)在识别过程中，不仅考虑了道路中央分隔带护栏自身的形状特征，而且利用了其与其它地物之间的拓扑关系特征，可以剔除大部分干扰地物(如车辆和中央花坛等)，识别和提取结果更加鲁棒。

基于上述点云数据处理方法，图7示出了点云数据处理装置10的一个可选的逻辑功能结构示意图，点云数据处理装置10包括：分类单元21、第一提取单元22、聚类单元23、识别单元24、拟合单元25，以下对各单元进行说明。

分类单元21，用于对采集到的各帧点云数据进行分类，得到低矮地物点云数据；

第一提取单元22，用于沿车行轨迹从所述低矮地物点云数据中提取候选护栏点云数据；

聚类单元23，用于对候选护栏点云数据进行空间聚类，得到各候选护栏点云集合；

识别单元24，用于对聚类得到的各候选护栏点云集合进行识别，并剔除干扰点云集合，得到道路中央分隔带护栏的点云数据；

拟合单元25，用于对所述道路中央分隔带护栏点云数据进行三维曲线拟合，获得在高精度地图中表示的道路中央分隔带护栏数据。

进一步地，所述装置还包括：

第二提取单元26，用于：

获取预设时间段内的点云数据文件；

根据位置信息、角度信息、以及时间信息从所述点云数据文件中提取出各帧点云数据。

作为一种可选实施方式，所述分类单元21，具体用于：

依据各帧点云数据中各点到地面平面的距离；

将距离值大于第一阈值且小于第二阈值的点判定为低矮地物点；其中，所述第一阈值小于所述第二阈值。

例如，所述分类单元21将所接收的点云数据是车辆侧在不同位置、不同采集角度采集的离散的点云数据，将所接收的点云数据整合为“帧”的形式以便于后续的处理，例如，对于所接收的点云数据，根据点云数据的地理位置的标签区分采集位置，对于每个采集位置点云数据，将相应位置的不同采集角度的点云数据形成相应位置的一帧点云数据，每帧点云数据中包括在相应位置以不同角度采集道路环境所得到的三维点的坐标以及属性信息。

作为一种可选实施方式，所述第一提取单元22，具体用于：

沿车行轨迹从所述低矮地物点云数据中提取预设方向一侧离车一定范围内的低矮地物点云数据，得到候选护栏点云数据。

作为一种可选实施方式，所述聚类单元23，具体用于：

从各帧的候选护栏点云数据中提取出空间特征；

通过比对各帧候选护栏点云数据所具有的相同的空间特征，基于各帧候选护栏点云数据具有的相同的空间特征对各帧候选护栏点云数据进行聚类处理，形成多个候选护栏点云集合，每个候选护栏点云集合包括有多个三维点以及相应三维点的属性信息。

作为一种可选实施方式，所述识别单元24，具体用于：

确定各候选点云集合在三维空间中的空间分布特征；

确定各候选点云集合在二维平面上的线状特征；

确定各候选点云集合在垂直投影后的二维平面上与地面之间的空间拓扑特征；

结合在三维空间中的空间分布特征、在二维平面上的线状特征和空间拓扑特征对各候选护栏点云集合进行识别。

作为一种可选实施方式，所述识别单元24，还具体用于：

提取出满足在三维空间中呈现出面状特征且在垂直投影后的二维平面上呈现出连续线状分布特征的第一类候选点云集合；

确定第一类候选点云集合在垂直投影后的二维平面上与地面之间的空间拓扑特征；

从第一类候选点云集合中选择出满足空间拓扑特征为包含关系的第二类候选点云集合，基于所述第二类候选点云集合，得到道路中央分隔带护栏点云数据。

作为一种可选实施方式，所述拟合单元25，具体用于：

对所述道路中央分隔带护栏点云数据进行三维曲线拟合，筛除未符合所拟合三维曲线的三维点对应的点云数据；

基于符合道路中央分隔带护栏的特征的点云数据进行三维建模，形成道路中央分隔带护栏的三维实体图形，所述三维实体图形用于在高精度地图中呈现。

这里，筛除未符合所拟合三维曲线的三维点对应的点云数据的目的是为了进一步降低所提取出道路设施点云数据中的噪点。

本领域技术人员应当理解，本实施例的点云数据处理装置中各单元的功能，可参照前述点云数据处理方法的相关描述而理解。

实际应用中，上述分类单元21、第一提取单元22、聚类单元23、识别单元24、拟合单元25、第一提取单元26的具体结构均可对应于处理器。所述处理器具体的结构可以为中央处理器(CPU，Central Processing Unit)、微处理器(MCU，Micro Controller Unit)、数字信号处理器(DSP，Digital Signal Processing)或可编程逻辑器件(PLC，ProgrammableLogic Controller)等具有处理功能的电子元器件或电子元器件的集合。其中，所述处理器包括可执行代码，所述可执行代码存储在存储介质中，所述处理器可以通过总线等通信接口与所述存储介质中相连，在执行具体的各单元的对应功能时，从所述存储介质中读取并运行所述可执行代码。所述存储介质用于存储所述可执行代码的部分优选为非瞬间存储介质。

本实施例所述点云数据处理装置可设置于车载侧和云端服务器侧。

本发明实施例提供的点云数据处理装置可以采用多种方式来实施，以下进行示例性说明。

1)点云数据处理装置分布实施在云端服务器侧。

参见图8示出的点云数据处理装置10的一个可选的软硬件结构示意图，点云数据处理装置10包括件层、中间层、操作系统层和软件层。然而，本领域的技术人员应当理解，图8示出的点云数据处理装置10的结构仅为示例，并不构成对点云数据处理装置10结构的限定。例如，点云数据处理装置10以根据实施需要设置较图8更多的组件，或者根据实施需要省略设置部分组件。

点云数据处理装置10的硬件层包括处理器11、输入/输出接口13，存储介质14、定位模块12、通信模块15以及采集模块16；各组件可以经系统总线连接与处理器11通信。

处理器11可以采用中央处理器(CPU)、微处理器(MCU，Microcontroller Unit)、专用集成电路(ASIC，Application Specific Integrated Circuit)或逻辑可编程门阵列(FPGA，Field－Programmable Gate Array)实现。

输入/输出接口13可以采用如显示屏、触摸屏、扬声器等输入/输出器件实现。

存储介质14可以采用闪存、硬盘、光盘等非易失性存储介质实现，也可以采用双倍率(DDR，Double Data Rate)动态缓存等易失性存储介质实现，其中存储有用以执行上述点云数据处理方法的可执行指令。

示例性地，存储介质14可以集中性设置，也可以在不同地点分布性实施。

通信模块15向处理器11提供外部数据如异地设置的存储介质14的访问能力，示例性地，通信模块15可以实现基于近场通信(NFC，Near Field Communication)技术、蓝牙(Bluetooth)技术、紫蜂(ZigBee)技术进行的近距离通信，还可以实现如基于码分多址(CDMA，Code Division Multiple Access)、宽带码分多址(WCDMA，Wideband CodeDivision Multiple Access)等通信制式及其演进制式的通信。

采集模块16用于进行多角度的采集输出点云数据，可以由激光扫描仪或三维摄像头实现，点云数据至少包括三维点的坐标，根据采集模块16的具体类型点云数据中还包括相关的属性信息，如为深度摄像头时属性信息为RGB信息，再例如为激光扫描仪时属性信息为三维点的反射强度信息(与灰度有关)。

驱动层包括用于供操作系统18识别硬件层并与硬件层各组件通信的中间件15，例如可以为针对硬件层的各组件的驱动程序的集合。

软件层包括向用户提供基于高精度地图的应用如导航应用19，还可以将基于高精度地图的各种服务封装为可供调用的应用程序接口(API)。

例如，当通信模块15与车辆中的车载终端建立通信时，软件层可以向车载终端中的应用提供基于高精度地图的服务，包括定位车辆当前位置、导航路线查询等。

点云数据处理装置分布实施在云端服务器侧一个典型的实施场景图如图9-1所示，在车辆的行驶环境中，点云数据处理装置在车载侧设置前述的采集模块(如激光扫描仪)对车辆行驶的道路沿途所处环境进行多角度(如0-360度)采集形成不同位置的点云数据，可以为采集的点云数据添加采集角度的标签。

另外，点云数据处理装置在车辆侧中还可以部署有前述的定位模块，在采集装置基于全球卫星定位系统(GPS)、北斗卫星定位导航系统等定位车辆的实时位置(例如采用各种形式的坐标记录)，从而可以对采集的点云数据添加采集的地理位置的标签，并通过点云数据处理装置在车辆侧部署的通信模块发送到云端的服务器，由点云数据处理装置设置在云端的服务器的处理器(通过执行存储介质中的可执行指令)从点云数据中提取出道路设施的点云数据，通过道路设施的点云数据对道路设施进行三维建模，以形成在高精度地图中可用于呈现的道路设施的三维实体图形。

2)点云数据处理装置分布实施在车载侧。

点云数据处理装置的一个可选的软硬件结构示意图仍然可以参见图8，点云数据处理装置分布实施在车载侧一个典型的实施场景图如图9-2所示，在车辆的行驶过程中，点云数据处理装置在车载侧设置采集模块(如激光扫描仪)对车辆行驶的沿途的环境进行多角度(如0-360度)采集形成不同位置的点云数据，可以为采集的点云数据添加采集角度的标签。

另外，点云数据处理装置在车辆侧中还可以部署有定位模块，在采集装置基于全球卫星定位系统(GPS)、北斗卫星定位导航系统等定位车辆的实时位置(例如采用各种形式的坐标记录)，为采集的点云数据添加地理位置的标签以及并由点云数据处理装置在车辆侧设置的控制器从点云数据中提取出道路设施的点云数据，通过道路设施的点云数据对道路设施进行三维建模，以形成在高精度地图中可用于呈现的道路设施，所提取的道路设施的电点云数据可以发送到云端的服务器，云端的服务器基于道路设施的高精度地图提供服务。

以下，以点云数据处理装置分布实施在车辆侧为例，结合上述图9示出的点云数据处理的场景示意图继续说明。示例性地，图10示出了点云数据处理方法的一个可选的流程示意图，如图10所示，该流程主要包括：

步骤301，各车辆沿道路行进时，对道路环境进行采集。

如前所述，车辆中通过设置采集模块(如激光扫描仪、三维摄像头)对道路环境进行采集，在行进中的每个位置通过定位模块进行实时定位，并通过采集模块对环境进行多角度(例如0至360的全角度)的采集，在每个位置采集从任一角度采集形成的点云数据的一个可选的数据结构为：地理位置、采集角度、三维点坐标和三维点属性信息。

步骤302，各车辆将沿道路采集的点云数据发送至具有道路中央分隔带护栏数据的提取功能的云服务器侧。

在一个实施例中，各车辆可以通过设置的通信模块将采集模块采集的点云数据实时发送给云服务器，供具有高运算能力的云服务器尽快从点云数据中提取出道路设施对应的点云数据，适用于需要对高精度地图进行实时更新的应用场景。

在另一个实施例中，各车辆可以在到达预定的发送条件时才向云服务器发送采集模块采集的点云数据，供云服务器从接收的点云数据中提取出道路设施对应的点云数据，适用于需要对高精度地图进行有条件更新的非实时应用场景。

示例性地，各车辆可以预定的计时时间(可以是周期性的，也可以是非周期性的)到达时，将在相应时段采集的点云数据发送给云服务器，例如每间隔5分钟发送一次采集的点云数据。

示例性地，各车辆可以在行驶的里程满足预定里程时发送在相应里程采集的点云数据，例如每行驶1公里即将在1公里内采集的点云数据发送到云服务器。

步骤303，云服务器根据需要根据各点的角度信息，提取出各帧点云数据。

云服务器将所接收的点云数据是在不同位置、不同采集角度采集的离散的点云数据，这里，服务器将所接收的点云数据整合为“帧”的形式以便于后续的处理，其中，每个采集位置至少对应有一帧点云数据，对于每个位置形成的点云数据的帧的数量取决于在该位置的停留时间以及采集时扫描道路环境的速度。

云服务器所接收到在不同位置的各个角度(0至360度)采集的点云数据，对于所接收的点云数据，根据点云数据的地理位置的标签区分采集位置，对于每个采集位置点云数据，将相应位置的不同采集角度的点云数据形成相应位置的一帧点云数据，每帧点云数据中包括在相应位置以不同角度采集道路环境所得到的三维点的坐标以及属性信息。

假设形成位置1的一帧点云数据，首先从接收的点云数据中提取出具有位置1的标签的点云数据，对于具有位置1的标签的点云数据，根据各点云数据的采集角度顺序排列而形成相应的一帧点云数据。

例如，位置1的一帧点云数据的一个可选的数据结构为(位置1，采集角度0-三维点1坐标-三维点1属性信息；采集角度1-三维点n坐标-三维点n属性信息；……采集角度360-三维点1坐标-三维点1属性信息；采集角度360-三维点n坐标-三维点n属性信息)。

步骤304，云服务器对采集到的各帧点云数据进行分类，得到低矮地物点云数据。

在一个实施例中，根据每一帧点云数据的三维点的坐标建立对应地平面的平面方程，根据平面方程求取该帧点云数据中各三维点相对地平面的高度，以及地面、地物所对应的高度的取值范围，将各帧点云数据至少划分为对应地面的点云数据(地面点云数据)和对应地物的点云数据(地物点云数据)。当然，还可以划分为高于地物高度的其他类型的点云数据(简称为其他点云数据)。

举例来说，地平面上的道路设施与其他的植物如植物在高度上有所区别，交通灯的高度在1米以上，道路护栏的高度普遍在0.3米至1米之间，道路附近的植物一般为花草或其他低矮的植物普遍在0.3米以下。

如此，通过各帧点云数据三维点相对于地平面的高度，可以初步判断出该三维点是对应地平面、对应地物或者是对应更高的物体，将三维点划分到相应类别点云数据中，根据道路设施的不同，与道路设施高度适配的点云数据类别也有所不同，例如可以包括以下情况：

情况1)对于道路护栏来说，由于其高度处于地物的高度的取值范围，因此通过分类获得包括道路护栏的地物点云数据与道路护栏的高度适配。

情况2)对于交通灯来说，因其高度高于地物的高度范围，因此通过分类获得包括交通灯的其他点云数据与交通灯的高度适配。

可以看出，通过对各帧点云数据进行分类后，后续可以只对与道路设施高度适配的点云数据类别进行处理，而筛除其他类别的点云数据(不必继续进行后续处理)，这就实现了对包括道路设施的点云数据初步筛选的效果，减小了后续的数据处理量。

步骤305，云服务器沿车行轨迹从所述低矮地物点云数据中提取候选护栏点云数据。

一般来说，道路中央分隔带护栏一般离地面0.5m～1.5m，正好落入“低矮地物点”分类点集中。例如，沿车行轨迹分别取离车左侧(垂直车行轨迹)一定距离内(例如取值为15m)的点，作为候选护栏点云数据集。

示例性地，对于基于各分段候选点云数据集合的空间分布特征综合判断该候选点云数据集合是否属于道路中央分隔带护栏点云数据，可以采用如下的方式：

基于道路中央分隔带护栏点云数据的预定空间分布特征的判断方式。

例如，将某一候选点云数据集合划分为多个分段，判断基于多个分段的空间分布特征的特征值是否符合道路中央分隔带护栏点云数据的预定空间分布特征，例如是否与道路中央分隔带护栏点云数据的预定特征值相符，或者处于预定的取值范围，如果存在半数以上的分段符合道路中央分隔带护栏点云数据的预定空间分布特征，则该候选点云数据集合为道路中央分隔带护栏点云数据。

步骤306，云服务器对候选护栏点云数据进行空间聚类，得到各候选护栏点云集合。

其中，进行空间聚类方法包括但不限于基于欧氏距离的聚类方法、基于图论的聚类方法、基于特征的聚类方法。

步骤307，云服务器对聚类得到的各候选护栏点云集合进行识别，并剔除干扰点云集合，得到道路中央分隔带护栏的点云数据。

其中，云服务器结合在三维空间中的空间分布特征、在二维平面上的线状特征和空间拓扑特征对各候选护栏点云集合进行识别。结合形状和空间拓扑特征的识别方法，能够大大提高道路中央分隔带护栏点云的提取准确率，降低误剔除风险。

步骤308，云服务器对所述道路中央分隔带护栏点云数据进行三维曲线拟合，获得在高精度地图中表示的道路中央分隔带护栏数据。

在一个实施例中，云服务器对所述道路中央分隔带护栏点云数据进行三维曲线拟合，筛除未符合所拟合三维曲线的三维点对应的点云数据；基于符合道路中央分隔带护栏的特征的点云数据进行三维建模，形成道路中央分隔带护栏的三维实体图形，所述三维实体图形用于在高精度地图中呈现。

本领域的技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、随机存取存储器(RAM，Random Access Memory)、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、RAM、ROM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (16)

1.一种点云数据处理方法，其特征在于，所述方法包括：

对采集到的各帧点云数据进行分类，得到低矮地物点云数据；

沿车行轨迹从所述低矮地物点云数据中提取候选护栏点云数据；

对所述候选护栏点云数据进行空间聚类，得到各候选护栏点云集合；

确定所述各候选护栏点云集合在三维空间中的空间分布特征、在二维平面上的线状特征、以及在垂直投影后的二维平面上与地面之间的空间拓扑特征；

结合所述空间分布特征、所述线状特征和所述空间拓扑特征对所述各候选护栏点云集合进行识别，得到道路中央分隔带护栏的点云数据；

对所述道路中央分隔带护栏点云数据进行三维曲线拟合，获得在高精度地图中表示的道路中央分隔带护栏数据。

2.根据权利要求1所述的方法，其特征在于，所述对采集到的各帧点云数据进行分类之前，所述方法还包括：

获取预设时间段内的点云数据文件；

根据位置信息、角度信息、以及时间信息从所述点云数据文件中提取出各帧点云数据。

3.根据权利要求1所述的方法，其特征在于，所述对采集到的各帧点云数据进行分类，得到低矮地物点云数据，包括：

依据各帧点云数据中各点到地面平面的距离；

将距离值大于第一阈值且小于第二阈值的点判定为低矮地物点；其中，所述第一阈值小于所述第二阈值；

将所述低矮地物点对应的点云数据作为低矮地物点云数据。

4.根据权利要求1所述的方法，其特征在于，所述沿车行轨迹从所述低矮地物点云数据中提取候选护栏点云数据，包括：

沿车行轨迹从所述低矮地物点云数据中提取预设方向一侧离车一定范围内的低矮地物点云数据，将提取得到的低矮地物点云数据作为候选护栏点云数据。

5.根据权利要求1所述的方法，其特征在于，所述对所述候选护栏点云数据进行空间聚类，得到各候选护栏点云集合，包括：

从各帧所述候选护栏点云数据中提取出空间特征；

通过比对得到各帧所述候选护栏点云数据所具有的相同的空间特征，基于各帧所述候选护栏点云数据具有的相同的空间特征，对各帧所述候选护栏点云数据进行聚类处理，形成多个候选护栏点云集合，每个所述候选护栏点云集合包括有多个三维点以及相应三维点的属性信息。

6.根据权利要求1所述的方法，其特征在于，所述结合所述空间分布特征、所述线状特征和所述空间拓扑特征对所述各候选护栏点云集合进行识别，得到道路中央分隔带护栏点云数据，包括：

提取出满足在三维空间中呈现出面状特征且在垂直投影后的二维平面上呈现出连续线状分布特征的第一类候选点云集合；

确定所述第一类候选点云集合在垂直投影后的二维平面上与地面之间的空间拓扑特征；

从所述第一类候选点云集合中选择出满足空间拓扑特征为包含关系的第二类候选点云集合，基于所述第二类候选点云集合，得到道路中央分隔带护栏点云数据。

7.根据权利要求1所述的方法，其特征在于，所述对所述道路中央分隔带护栏点云数据进行三维曲线拟合，获得在高精度地图中表示的道路中央分隔带护栏数据，包括：

对所述道路中央分隔带护栏点云数据进行三维曲线拟合，筛除未符合所拟合三维曲线的三维点对应的道路中央分隔带护栏点云数据；

基于符合道路中央分隔带护栏的特征的道路中央分隔带护栏点云数据进行三维建模，形成道路中央分隔带护栏的三维实体图形，所述三维实体图形用于在高精度地图中呈现。

8.一种点云数据处理装置，其特征在于，所述装置包括：

分类单元，用于对采集到的各帧点云数据进行分类，得到低矮地物点云数据；

第一提取单元，用于沿车行轨迹从所述低矮地物点云数据中提取候选护栏点云数据；

聚类单元，用于对所述候选护栏点云数据进行空间聚类，得到各候选护栏点云集合；

识别单元，用于确定所述各候选护栏点云集合在三维空间中的空间分布特征、在二维平面上的线状特征、以及在垂直投影后的二维平面上与地面之间的空间拓扑特征；结合所述空间分布特征、所述线状特征和所述空间拓扑特征对所述各候选护栏点云集合进行识别，得到道路中央分隔带护栏的点云数据；

拟合单元，用于对所述道路中央分隔带护栏点云数据进行三维曲线拟合，获得在高精度地图中表示的道路中央分隔带护栏数据。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：

第二提取单元，用于：

获取预设时间段内的点云数据文件；

根据位置信息、角度信息、以及时间信息从所述点云数据文件中提取出各帧点云数据。

10.根据权利要求8所述的装置，其特征在于，所述分类单元，还用于：

依据各帧点云数据中各点到地面平面的距离；

将距离值大于第一阈值且小于第二阈值的点判定为低矮地物点；其中，所述第一阈值小于所述第二阈值；

将所述低矮地物点对应的点云数据作为低矮地物点云数据。

11.根据权利要求8所述的装置，其特征在于，所述第一提取单元，还用于：

沿车行轨迹从所述低矮地物点云数据中提取预设方向一侧离车一定范围内的低矮地物点云数据，将提取得到的低矮地物点云数据作为候选护栏点云数据。

12.根据权利要求8所述的装置，其特征在于，所述聚类单元，还用于：

从各帧所述候选护栏点云数据中提取出空间特征；

通过比对得到各帧所述候选护栏点云数据所具有的相同的空间特征，基于各帧所述候选护栏点云数据具有的相同的空间特征，对各帧所述候选护栏点云数据进行聚类处理，形成多个候选护栏点云集合，每个所述候选护栏点云集合包括有多个三维点以及相应三维点的属性信息。

13.根据权利要求8所述的装置，其特征在于，所述识别单元，还用于：

提取出满足在三维空间中呈现出面状特征且在垂直投影后的二维平面上呈现出连续线状分布特征的第一类候选点云集合；

确定所述第一类候选点云集合在垂直投影后的二维平面上与地面之间的空间拓扑特征；

从所述第一类候选点云集合中选择出满足空间拓扑特征为包含关系的第二类候选点云集合，基于所述第二类候选点云集合，得到道路中央分隔带护栏点云数据。

14.根据权利要求8所述的装置，其特征在于，所述拟合单元，还用于：

对所述道路中央分隔带护栏点云数据进行三维曲线拟合，筛除未符合所拟合三维曲线的三维点对应的道路中央分隔带护栏点云数据；

基于符合道路中央分隔带护栏的特征的道路中央分隔带护栏点云数据进行三维建模，形成道路中央分隔带护栏的三维实体图形，所述三维实体图形用于在高精度地图中呈现。

15.一种电子设备，其特征在于，所述电子设备包括：

存储器，用于存储可执行指令；

处理器，用于执行所述存储器中存储的可执行指令时，实现权利要求1至7任一项所述的点云数据处理方法。

16.一种计算机可读存储介质，其特征在于，存储有可执行指令，用于被处理器执行时，实现权利要求1至7任一项所述的点云数据处理方法。

Images