CN109508579B - 用于获取虚拟点云数据的方法及装置 - Google Patents

Abstract

本申请实施例公开了用于获取虚拟点云数据的方法及装置。该方法的一具体实施方式包括：获取点云数据，上述点云数据用于通过三维坐标点描述空间物体，包括多个点云数据帧构成的点云数据帧序列；通过上述点云数据构建虚拟三维空间，上述虚拟三维空间包含对应上述空间物体的虚拟物体；在上述虚拟三维空间的预设位置对虚拟三维空间内的虚拟物体进行测量，得到虚拟点云数据，上述虚拟点云数据为相对于上述预设位置的点云数据。该实施方式能够快速得到虚拟三维空间的预设位置处测量的虚拟点云数据和对应虚拟点云数据的标注信息，提高了获取标注信息的效率。

Description

用于获取虚拟点云数据的方法及装置

技术领域

本申请涉及数据处理技术领域，具体涉及点云数据技术领域，尤其涉及用于获取虚拟点云数据的方法及装置。

背景技术

无人驾驶车辆需要感知空间信息，根据空间信息对无人驾驶车辆所处的行驶环境做出判断，进而发出对应的控制指令来实现无人驾驶。无人驾驶车辆要想实现无人驾驶，需要采集大量的行驶状态数据，通过对行驶状态数据的训练来得到应对各种路况的控制指令。

而现有的对行驶状态数据进行训练的过程还存在一些不足。例如，行驶状态数据通常是安装有车载数据采集设备的车辆采集实际路况信息得到的。这些行驶状态数据需要标注后才能应用到后续的对控制指令的训练过程。现有的标注行驶状态数据的方法主要还是通过人工的方法，因此，对行驶状态数据标注的效率不高，且错误率较高。

发明内容

本申请实施例的目的在于提出了用于获取虚拟点云数据的方法及装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请实施例提供了一种用于获取虚拟点云数据的方法，该方法包括：获取点云数据，上述点云数据用于通过三维坐标点描述空间物体，包括多个点云数据帧构成的点云数据帧序列；通过上述点云数据构建虚拟三维空间，上述虚拟三维空间包含对应上述空间物体的虚拟物体；在上述虚拟三维空间的预设位置对虚拟三维空间内的虚拟物体进行测量，得到虚拟点云数据，上述虚拟点云数据为相对于上述预设位置的点云数据。

在一些实施例中，上述通过上述点云数据构建虚拟三维空间包括：从上述点云数据中筛选出静止的空间物体对应的基准点云数据；从上述基准点云数据中识别出道路信息对应的道路点云数据，上述道路信息包括以下至少一项：道路位置信息、路口位置信息、红绿灯位置信息和人行横道位置信息；通过上述道路点云数据构建虚拟三维空间。

在一些实施例中，上述从上述点云数据中筛选出静止的空间物体对应的基准点云数据包括：从点云数据帧中提取形态数据，上述形态数据用于表征物体的面的形态特征和物体的线的形态特征，包括对应物体的面的面点云数据和/或对应物体的线的线点云数据；建立点云数据帧序列中相邻两个点云数据帧中形态数据之间的空间位置关系；根据空间位置关系确定对应静止的空间物体的基准点云数据。

在一些实施例中，上述点云数据还包括与三维坐标点一一对应的反射强度信息，上述反射强度信息用于通过颜色来表征空间物体对激光的反射强度，以及，上述从上述基准点云数据中识别出道路信息对应的道路点云数据包括：对上述基准点云数据进行平面拟合，筛选出与道路对应的路面点云数据，上述平面拟合用于识别道路所在的平面；对由上述基准点云数据对应的反射强度信息构成的反射强度图像进行图像处理，筛选出与上述路面点云数据匹配的道路点云数据。

在一些实施例中，上述在上述虚拟三维空间的预设位置对虚拟三维空间内的虚拟物体进行测量，得到虚拟点云数据包括：在上述虚拟三维空间的预设位置设置观测窗和观测点，上述观测点位于上述观测窗内，上述观测窗用于限定观测点的测量范围；在上述观测窗上显示上述观测点通过观测窗测量到的虚拟物体的二维图像；为上述二维图像的每个像素点配置深度信息，得到对应上述观测点的虚拟点云数据，其中，上述深度信息为虚拟物体上与像素点对应的点相对于上述观测点的三维坐标。

第二方面，本申请实施例提供了一种用于获取虚拟点云数据的装置，该装置包括：获取单元，用于获取点云数据，上述点云数据用于通过三维坐标点描述空间物体，包括多个点云数据帧构成的点云数据帧序列；虚拟三维空间构建单元，用于通过上述点云数据构建虚拟三维空间，上述虚拟三维空间包含对应上述空间物体的虚拟物体；虚拟点云数据获取单元，用于在上述虚拟三维空间的预设位置对虚拟三维空间内的虚拟物体进行测量，得到虚拟点云数据，上述虚拟点云数据为相对于上述预设位置的点云数据。

在一些实施例中，上述虚拟三维空间构建单元包括：基准点云数据获取子单元，用于从上述点云数据中筛选出静止的空间物体对应的基准点云数据；道路点云数据获取子单元，用于从上述基准点云数据中识别出道路信息对应的道路点云数据，上述道路信息包括以下至少一项：道路位置信息、路口位置信息、红绿灯位置信息和人行横道位置信息；虚拟三维空间构建子单元，用于通过上述道路点云数据构建虚拟三维空间。

在一些实施例中，上述基准点云数据获取子单元包括：形态数据提取模块，用于从点云数据帧中提取形态数据，上述形态数据用于表征物体的面的形态特征和物体的线的形态特征，包括对应物体的面的面点云数据和/或对应物体的线的线点云数据；空间位置关系建立模块，用于建立点云数据帧序列中相邻两个点云数据帧中形态数据之间的空间位置关系；基准点云数据获取模块，用于根据空间位置关系确定对应静止的空间物体的基准点云数据。

在一些实施例中，上述点云数据还包括与三维坐标点一一对应的反射强度信息，上述反射强度信息用于通过颜色来表征空间物体对激光的反射强度，以及，上述道路点云数据获取子单元包括：路面点云数据获取模块，用于对上述基准点云数据进行平面拟合，筛选出与道路对应的路面点云数据，上述平面拟合用于识别道路所在的平面；道路点云数据获取模块，用于对由上述基准点云数据对应的反射强度信息构成的反射强度图像进行图像处理，筛选出与上述路面点云数据匹配的道路点云数据。

在一些实施例中，上述虚拟点云数据获取单元包括：设置子单元，用于在上述虚拟三维空间的预设位置设置观测窗和观测点，上述观测点位于上述观测窗内，上述观测窗用于限定观测点的测量范围；二维图像获取子单元，用于在上述观测窗上显示上述观测点通过观测窗测量到的虚拟物体的二维图像；虚拟点云数据获取子单元，用于为上述二维图像的每个像素点配置深度信息，得到对应上述观测点的虚拟点云数据，其中，上述深度信息为虚拟物体上与像素点对应的点相对于上述观测点的三维坐标。

第三方面，本申请实施例提供了一种服务器，包括：一个或多个处理器；存储器，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器执行上述第一方面的用于获取虚拟点云数据的方法。

第四方面，本申请实施例提供了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上述第一方面的用于获取虚拟点云数据的方法。

本申请实施例提供的用于获取虚拟点云数据的方法及装置，首先通过点云数据构建虚拟三维空间，然后在上述虚拟三维空间的预设位置对虚拟三维空间内的虚拟物体进行测量，得到虚拟点云数据，由于虚拟三维空间中的数据都是已知的，因此，能够快速得到虚拟三维空间的预设位置处测量的虚拟点云数据和对应虚拟点云数据的标注信息，提高了获取标注信息的效率。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的用于获取虚拟点云数据的方法的一个实施例的流程图；

图3是根据本申请的用于获取虚拟点云数据的方法的一个应用场景的示意图；

图4是根据本申请的用于获取虚拟点云数据的装置的一个实施例的结构示意图；

图5是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于获取虚拟点云数据的方法或用于获取虚拟点云数据的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括无人驾驶车辆101、102、103，网络104和服务器105。网络104用以在无人驾驶车辆101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

无人驾驶车辆101、102、103通过网络104与服务器105交互，将采集的点云数据通过网络104发送给服务器105。无人驾驶车辆101、102、103上可以安装有各种数据采集设备，例如压力传感器、速度传感器、GPS(Global Positioning System，全球定位系统)、激光测量仪器等。

无人驾驶车辆101、102、103可以是具有多个数据采集单元和数据处理单元的各种车辆，包括但不限于电动汽车、油电混合汽车和内燃机汽车等等。

服务器105可以是对点云数据进行数据处理的服务器，例如通过无人驾驶车辆101、102、103采集的点云数据构建虚拟三维空间，并得到虚拟点云数据的服务器。服务器可以通过点云数据构建虚拟三维空间，然后在虚拟三维空间的预设位置获取虚拟点云数据。

需要说明的是，本申请实施例所提供的用于获取虚拟点云数据的方法一般由服务器105执行，相应地，用于获取虚拟点云数据的装置一般设置于服务器105中。

应该理解，图1中的无人驾驶车辆、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的无人驾驶车辆、网络和服务器。

继续参考图2，示出了根据本申请的用于获取虚拟点云数据的方法的一个实施例的流程200。该用于获取虚拟点云数据的方法包括以下步骤：

步骤201，获取点云数据。

在本实施例中，用于获取虚拟点云数据的方法运行于其上的电子设备(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式从无人驾驶车辆101、102、103获取点云数据。其中，上述点云数据用于通过三维坐标点描述空间物体，包括多个点云数据帧构成的点云数据帧序列。需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。

为了得到点云数据，可以在无人驾驶车辆101、102、103的车顶或车头等位置设置激光测量仪器等点云数据采集装置，激光测量仪器以一定的频率旋转，以采集无人驾驶车辆101、102、103行驶过程中周围的点云数据。为了获得高精度的点云数据，本申请的点云数据可以通过Optech公司的Lynx LiDAR测量系统或其他激光测量系统来采集。

采集到点云数据后，服务器105可以与无人驾驶车辆101、102、103建立数据连接，通过有线或无线的方式获取到点云数据。

步骤202，通过上述点云数据构建虚拟三维空间。

点云数据包含三维坐标点，用于通过三维坐标点来描述空间物体。因此，通过点云数据包含的三维坐标点能够构建与实际的空间物体对应的虚拟物体，并由虚拟物体构建虚拟三维空间。其中，上述虚拟三维空间包含对应上述空间物体的虚拟物体。通过点云数据构建虚拟三维空间，避免了现有构建虚拟三维空间时的三维网格数据处理步骤，降低了数据处理复杂度，加快了虚拟三维空间构建的速度。

在本实施例的一些可选的实现方式中，上述通过上述点云数据构建虚拟三维空间可以包括以下步骤：

第一步，从上述点云数据中筛选出静止的空间物体对应的基准点云数据。

无人驾驶车辆101、102、103在采集点云数据时，会采集行驶过程中遇到的静止的物体(例如建筑物)和运动的物体(例如移动中的行人或车辆)的点云数据。但是，在构建虚拟三维空间时，运动的物体往往影响虚拟三维空间的构建。因此，可以从点云数据中筛选出静止的空间物体对应的点云数据，将这些点云数据作为基准点云数据来构建虚拟三维空间。

第二步，从上述基准点云数据中识别出道路信息对应的道路点云数据。

本申请的点云数据和虚拟点云数据需要反映无人驾驶车辆101、102、103的行驶状态。因此，需要识别出与道路信息相对应的道路点云数据。其中，上述道路信息用于描述无人驾驶车辆101、102、103的行驶路线上的信息，可以包括以下至少一项：道路位置信息、路口位置信息、红绿灯位置信息和人行横道位置信息，还可以是立交桥或隧道等道路信息，此处不再一一赘述。

第三步，通过上述道路点云数据构建虚拟三维空间。

获得道路点云数据后，通过道路点云数据可以得到虚拟的道路、路口、红绿灯和人行横道。基准点云数据可以得到静止的空间物体对应的虚拟物体。通过虚拟物体(虚拟的道路、路口、红绿灯和人行横道、建筑物等)可以构建虚拟三维空间。

在本实施例的一些可选的实现方式中，从上述点云数据中筛选出静止的空间物体对应的基准点云数据可以包括：

第一步，从点云数据帧中提取形态数据。

在本实施例中，形态数据用于表征物体的面的形态特征和物体的线的形态特征，包括对应物体的面的面点云数据和/或对应物体的线的线点云数据。例如，点云数据包括无人驾驶车辆101、102、103附件的一个红绿灯。这个红绿灯包括一个用于显示红灯信号或绿灯信号的圆形显示牌和一根支柱，支柱固定在地面。在点云数据中，圆形显示牌相当于面，支柱相当于线，则这个红绿灯在点云数据里就表现为对应圆形显示牌的面点云数据和对应支柱的线点云数据。类似的，可以将每个物品的外表面都通过对应“面”的面点云数据和对应“线”的线点云数据进行描述。

在本实施例的一些可选的实现方式中，从点云数据帧中提取形态数据可以包括以下步骤：

第一步，确定点云数据帧中每个点云数据与相邻点云数据之间的多个向量。

由于每个点云数据都对应一个三维坐标，且点云数据在点云数据帧中以矩阵的形式排列。因此，可以以任意一个点云数据为起点，相邻的点云数据为终点构成向量。每个点云数据最多可以与相邻的点云数据构成8个向量，最少也可以构成3个向量。

第二步，当向量满足距离阈值条件和角度阈值条件时，则向量对应的两个点云数据为形态数据。

由上一步可知，相邻的点云数据可以构成向量。由于每个点云数据都代表了物体表面的一个点，因此，相邻点云数据构成的向量可以用来判断向量对应的两个点云数据是否属于一个面或一条线。

每个点云数据帧中的点云数据越多，相同大小的物体表面上就会分布越多的点云数据，也就越能精确地描述物体的表面。

由于点云数据采集装置通过向空间发射均匀分布的采集信号以获取点云数据，因此，属于同一个面或线的相邻点云数据构成的向量的大小(即构成向量的两个点云数据的三维坐标之间的空间距离)与采集信号之间的空间距离大小基本相同。当向量的大小大于距离阈值条件时，可以认为向量对应的两个点云数据不在同一个面上或一条线上。反之，向量对应的两个点云数据在同一个面上或一条线上。距离阈值条件根据采集信号之间的空间距离来设置，具体视实际情况而定。

角度阈值条件可以用来判断面的边线或线的走向，也用来对向量对应的两个点云数据是否属于同一个面或线进行判定。

第二步，建立点云数据帧序列中相邻两个点云数据帧中形态数据之间的空间位置关系。

每个点云数据帧能获取到无人驾驶车辆101、102、103周围物体在某一时刻的点云数据。当无人驾驶车辆101、102、103处于运动状态时，相邻的两个点云数据帧中，同一物体对应的形态数据会发生变化。因此，建立相邻两点云数据帧中同一个物体的形态数据之间的对应关系，就能得到物体的形态数据之间的空间位置关系。该空间位置关系也能反映无人驾驶车辆101、102、103当前的运动状态。

在本实施例的一些可选的实现方式中，上述建立点云数据帧序列中相邻两个点云数据帧中形态数据之间的空间位置关系可以包括以下步骤：

第一步，确定相邻两个点云数据帧中对应同一物体的两组形态数据。

物体的表面可以通过面和线之间的相互组合进行描述，每个点云数据帧都可以确定出对应的面和线。因此，通过面和线之间的对应关系可以确定出相邻两个点云数据帧中的两组形态数据是否对应同一个物体。

第二步，计算两组形态数据之间的距离信息和角度信息，得到空间位置关系。

形态数据也是点云数据，点云数据包括三维坐标。因此，通过同一物体的两组形态数据对应的三维坐标，可以得到两个三维坐标之间的距离信息(即向量的欧氏距离，该向量可以以两组形态数据中对应物体同一点的两个三维坐标构成，并且，由两组形态数据中获取时间在先的形态数据中的三维坐标指向获取时间在后的形态数据中的三维坐标。该向量的构成还可以是其他方式，此处不再一一赘述)和角度信息(由于之前构建了三维坐标系，所以，也可以得到对应上述向量的角度)。两组形态数据之间的距离信息和角度信息，相当于物体在间隔设定时间后，从获取时间在先的形态数据指向获取时间在后的形态数据。即，间隔设定时间，某一物体在三维坐标系中的空间位置关系。

第三步，根据空间位置关系确定对应静止的空间物体的基准点云数据。

实际中，无人驾驶车辆101、102、103在行驶过程中，点云数据采集装置可以监测到移动物体(例如，其他与当前无人驾驶车辆101、102、103不同速度和/或不同方向的车辆、行人、飞鸟等)的点云数据，也可以监测到静止的空间物体(路边的建筑物、红绿灯、树木等)的点云数据。而通过点云数据构建虚拟三维空间时，只能通过静止的空间物体对应的点云数据来构建，否则，得到的地图就会有误。因此，可以根据上述的空间位置关系确定出哪些形态数据对应的是运动的空间物体，哪些物体对应的是静止的空间物体。之后，以点云数据帧中与静止的空间物体对应的点云数据作为基准点云数据。

在本实施例的一些可选的实现方式中，上述点云数据还可以包括与三维坐标点一一对应的反射强度信息，上述反射强度信息用于通过颜色来表征空间物体对激光的反射强度，以及

上述从上述基准点云数据中识别出道路信息对应的道路点云数据可以包括：

第一步，对上述基准点云数据进行平面拟合，筛选出与道路对应的路面点云数据。

在点云数据中筛选道路的路面的点云数据相对容易。本申请采用的方法是：对点云数据帧下方的点云数据进行平面拟合(例如可以是ransac等方法)，可以拟合得到一个平面，这个平面就是道路的路面。对应该平面的点云数据就是道路对应的路面点云数据。其中，上述平面拟合用于识别道路所在的平面。

第二步，对由上述基准点云数据对应的反射强度信息构成的反射强度图像进行图像处理，筛选出与上述路面点云数据匹配的道路点云数据。

在采集点云数据时，除了可以采集到三维坐标点外，还可以采集到与三维坐标点一一对应的反射强度信息。反射强度信息通过颜色来表征空间物体对激光的反射强度。而影响反射强度的因素包括空间物体的表面材质、空间物体的表面粗糙度、激光的入射角度以及空间物体吸收激光的能力等。因此，可以对由反射强度信息构成的反射强度图像进行图像处理，进而实现对空间物体进行区分，确定道路、路口、红绿灯和人行横道等对应的像素，进而可以筛选出与路面点云数据相匹配的道路点云数据。

此外，在得到虚拟三维空间后，还可以在虚拟三维空间内设置各种类型的行驶场景(例如不按行驶规定行驶的虚拟汽车等)，以模拟各种可能出现的行驶情况。

步骤203，在上述虚拟三维空间的预设位置对虚拟三维空间内的虚拟物体进行测量，得到虚拟点云数据。

为了获得行驶状态数据，并快速获取行驶状态数据的标注信息(标注信息用于对测得的信息进行描述，可以是三维坐标信息等信息)，首先需要模拟无人驾驶车辆101、102、103的行驶，之后再获取无人驾驶车辆101、102、103行驶时采集的点云数据并快速获取到标注信息。为此，本申请在虚拟三维空间的预设位置对虚拟三维空间内的虚拟物体进行测量，得到虚拟点云数据。其中，上述虚拟点云数据为相对于上述预设位置的点云数据。由于虚拟三维空间内的虚拟物体都已经具有了三维坐标，因此，当在预设位置测量到对应虚拟物体的虚拟点云数据时，可以实时确定对应虚拟物体的标注信息。

上述在上述虚拟三维空间的预设位置对虚拟三维空间内的虚拟物体进行测量，得到虚拟点云数据可以包括以下步骤：

第一步，在上述虚拟三维空间的预设位置设置观测窗和观测点。

本实施例中，预设位置可以设置在虚拟三维空间的道路上，为了获得虚拟点云数据，需要在该预设位置设置观测窗和观测点。其中，上述观测点作为测量虚拟物体的测量点，位于上述观测窗内，上述观测窗用于限定观测点的测量范围。例如，观测窗可以是一个立方体的透明盒子，观测点位于该观测窗的中心位置，这样，观测点就能通过观测窗测量处于空间任意角度的虚拟物体。

第二步，在上述观测窗上显示上述观测点通过观测窗测量到的虚拟物体的二维图像。

在预设位置处，以观测点为起点，在观测窗的范围内测量到的虚拟物体时，可以在观测窗上得到对应的二维图像，相当于通过观测窗拍摄了一张虚拟物体的二维图像。该二位图像可以进行相应的图像处理操作，例如可以是，对二维图像中的障碍物自定义着色等操作。

第三步，为上述二维图像的每个像素点配置深度信息，得到对应上述观测点的虚拟点云数据。

二维图像与虚拟物体对应，二维图像上的像素点也与虚拟物体上的某点对应。为二维图像的每个像素点配置深度信息，该深度信息可以作为标注信息。其中，上述深度信息为虚拟物体上与像素点对应的点相对于上述观测点的三维坐标。当通过观测点测量虚拟物体时，可能出现虚拟物体之间的遮挡情况。此时，可以采用光线投射等方法来判断虚拟物体之间的遮挡关系。然后，根据遮挡关系确定观测点没有测量到的虚拟物体，并可以将被遮挡的物体也包含在虚拟点云数据中。

继续参见图3，图3是根据本实施例的用于获取虚拟点云数据的方法的应用场景的一个示意图。在图3的应用场景中，服务器105通过有线或无线的方式获取无人驾驶车辆102采集的点云数据；然后，通过点云数据构建虚拟三维空间；最后，在虚拟三维空间的预设位置对虚拟三维空间内的虚拟物体进行测量，得到虚拟点云数据。

本申请的上述实施例提供的方法能够快速得到虚拟三维空间的预设位置处测量的虚拟点云数据和对应虚拟点云数据的标注信息，提高了获取标注信息的效率。

进一步参考图4，作为对上述各图所示方法的实现，本申请提供了一种用于获取虚拟点云数据的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图4所示，本实施例的用于获取虚拟点云数据的装置400可以包括：获取单元401、虚拟三维空间构建单元402和虚拟点云数据获取单元403。其中，获取单元401用于获取点云数据，上述点云数据用于通过三维坐标点描述空间物体，包括多个点云数据帧构成的点云数据帧序列；虚拟三维空间构建单元402用于通过上述点云数据构建虚拟三维空间，上述虚拟三维空间包含对应上述空间物体的虚拟物体；虚拟点云数据获取单元403用于在上述虚拟三维空间的预设位置对虚拟三维空间内的虚拟物体进行测量，得到虚拟点云数据，上述虚拟点云数据为相对于上述预设位置的点云数据。

在本实施例的一些可选的实现方式中，上述虚拟三维空间构建单元402可以包括：基准点云数据获取子单元(图中未示出)、道路点云数据获取子单元(图中未示出)和虚拟三维空间构建子单元(图中未示出)。其中，基准点云数据获取子单元用于从上述点云数据中筛选出静止的空间物体对应的基准点云数据；道路点云数据获取子单元用于从上述基准点云数据中识别出道路信息对应的道路点云数据，上述道路信息包括以下至少一项：道路位置信息、路口位置信息、红绿灯位置信息和人行横道位置信息；虚拟三维空间构建子单元用于通过上述道路点云数据构建虚拟三维空间。

在本实施例的一些可选的实现方式中，上述基准点云数据获取子单元可以包括：形态数据提取模块(图中未示出)、空间位置关系建立模块(图中未示出)和基准点云数据获取模块(图中未示出)。其中，形态数据提取模块用于从点云数据帧中提取形态数据，上述形态数据用于表征物体的面的形态特征和物体的线的形态特征，包括对应物体的面的面点云数据和/或对应物体的线的线点云数据；空间位置关系建立模块用于建立点云数据帧序列中相邻两个点云数据帧中形态数据之间的空间位置关系；基准点云数据获取模块用于根据空间位置关系确定对应静止的空间物体的基准点云数据。

在本实施例的一些可选的实现方式中，上述点云数据还包括与三维坐标点一一对应的反射强度信息，上述反射强度信息用于通过颜色来表征空间物体对激光的反射强度，以及，上述道路点云数据获取子单元可以包括：路面点云数据获取模块(图中未示出)和道路点云数据获取模块(图中未示出)。其中，路面点云数据获取模块用于对上述基准点云数据进行平面拟合，筛选出与道路对应的路面点云数据，上述平面拟合用于识别道路所在的平面；道路点云数据获取模块用于对由上述基准点云数据对应的反射强度信息构成的反射强度图像进行图像处理，筛选出与上述路面点云数据匹配的道路点云数据。

在本实施例的一些可选的实现方式中，上述虚拟点云数据获取单元403可以包括：设置子单元(图中未示出)、二维图像获取子单元(图中未示出)和虚拟点云数据获取子单元(图中未示出)。其中，设置子单元用于在上述虚拟三维空间的预设位置设置观测窗和观测点，上述观测点位于上述观测窗内，上述观测窗用于限定观测点的测量范围；二维图像获取子单元用于在上述观测窗上显示上述观测点通过观测窗测量到的虚拟物体的二维图像；虚拟点云数据获取子单元用于为上述二维图像的每个像素点配置深度信息，得到对应上述观测点的虚拟点云数据，其中，上述深度信息为虚拟物体上与像素点对应的点相对于上述观测点的三维坐标。

本实施例还提供了一种服务器，包括：一个或多个处理器；存储器，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器执行上述的用于获取虚拟点云数据的方法。

本实施例还提供了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上述的用于获取虚拟点云数据的方法。

下面参考图5，其示出了适于用来实现本申请实施例的服务器的计算机系统500的结构示意图。图5示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、虚拟三维空间构建单元和虚拟点云数据获取单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，虚拟点云数据获取单元还可以被描述为“用于获取虚拟点云数据的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取点云数据，上述点云数据用于通过三维坐标点描述空间物体，包括多个点云数据帧构成的点云数据帧序列；通过上述点云数据构建虚拟三维空间，上述虚拟三维空间包含对应上述空间物体的虚拟物体；在上述虚拟三维空间的预设位置对虚拟三维空间内的虚拟物体进行测量，得到虚拟点云数据，上述虚拟点云数据为相对于上述预设位置的点云数据。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (12)

1.一种用于获取虚拟点云数据的方法，其特征在于，所述方法包括：

获取点云数据，所述点云数据用于通过三维坐标点描述空间物体，包括多个点云数据帧构成的点云数据帧序列；

通过所述点云数据构建虚拟三维空间，所述虚拟三维空间包含对应所述空间物体的虚拟物体；

在所述虚拟三维空间的预设位置对虚拟三维空间内的虚拟物体进行测量，得到虚拟点云数据，所述虚拟点云数据为相对于所述预设位置的点云数据；

基于所述虚拟点云数据，实时确定对应所述虚拟物体的标注信息，所述标注信息用于对测得的信息进行描述。

2.根据权利要求1所述的方法，其特征在于，所述通过所述点云数据构建虚拟三维空间包括：

从所述点云数据中筛选出静止的空间物体对应的基准点云数据；

从所述基准点云数据中识别出道路信息对应的道路点云数据，所述道路信息包括以下至少一项：道路位置信息、路口位置信息、红绿灯位置信息和人行横道位置信息；

通过所述道路点云数据构建虚拟三维空间。

3.根据权利要求2所述的方法，其特征在于，所述从所述点云数据中筛选出静止的空间物体对应的基准点云数据包括：

从点云数据帧中提取形态数据，所述形态数据用于表征物体的面的形态特征和物体的线的形态特征，包括对应物体的面的面点云数据和/或对应物体的线的线点云数据；

建立点云数据帧序列中相邻两个点云数据帧中形态数据之间的空间位置关系；

根据空间位置关系确定对应静止的空间物体的基准点云数据。

4.根据权利要求2所述的方法，其特征在于，所述点云数据还包括与三维坐标点一一对应的反射强度信息，所述反射强度信息用于通过颜色来表征空间物体对激光的反射强度，以及

所述从所述基准点云数据中识别出道路信息对应的道路点云数据包括：

对所述基准点云数据进行平面拟合，筛选出与道路对应的路面点云数据，所述平面拟合用于识别道路所在的平面；

对由所述基准点云数据对应的反射强度信息构成的反射强度图像进行图像处理，筛选出与所述路面点云数据匹配的道路点云数据。

5.根据权利要求1所述的方法，其特征在于，所述在所述虚拟三维空间的预设位置对虚拟三维空间内的虚拟物体进行测量，得到虚拟点云数据包括：

在所述虚拟三维空间的预设位置设置观测窗和观测点，所述观测点位于所述观测窗内，所述观测窗用于限定观测点的测量范围；

在所述观测窗上显示所述观测点通过观测窗测量到的虚拟物体的二维图像；

为所述二维图像的每个像素点配置深度信息，得到对应所述观测点的虚拟点云数据，其中，所述深度信息为虚拟物体上与像素点对应的点相对于所述观测点的三维坐标。

6.一种用于获取虚拟点云数据的装置，其特征在于，所述装置包括：

获取单元，用于获取点云数据，所述点云数据用于通过三维坐标点描述空间物体，包括多个点云数据帧构成的点云数据帧序列；

虚拟三维空间构建单元，用于通过所述点云数据构建虚拟三维空间，所述虚拟三维空间包含对应所述空间物体的虚拟物体；

虚拟点云数据获取单元，用于在所述虚拟三维空间的预设位置对虚拟三维空间内的虚拟物体进行测量，得到虚拟点云数据，所述虚拟点云数据为相对于所述预设位置的点云数据；

标注单元，用于基于所述虚拟点云数据，实时确定对应所述虚拟物体的标注信息，所述标注信息用于对测得的信息进行描述。

7.根据权利要求6所述的装置，其特征在于，所述虚拟三维空间构建单元包括：

基准点云数据获取子单元，用于从所述点云数据中筛选出静止的空间物体对应的基准点云数据；

道路点云数据获取子单元，用于从所述基准点云数据中识别出道路信息对应的道路点云数据，所述道路信息包括以下至少一项：道路位置信息、路口位置信息、红绿灯位置信息和人行横道位置信息；

虚拟三维空间构建子单元，用于通过所述道路点云数据构建虚拟三维空间。

8.根据权利要求7所述的装置，其特征在于，所述基准点云数据获取子单元包括：

形态数据提取模块，用于从点云数据帧中提取形态数据，所述形态数据用于表征物体的面的形态特征和物体的线的形态特征，包括对应物体的面的面点云数据和/或对应物体的线的线点云数据；

空间位置关系建立模块，用于建立点云数据帧序列中相邻两个点云数据帧中形态数据之间的空间位置关系；

基准点云数据获取模块，用于根据空间位置关系确定对应静止的空间物体的基准点云数据。

9.根据权利要求7所述的装置，其特征在于，所述点云数据还包括与三维坐标点一一对应的反射强度信息，所述反射强度信息用于通过颜色来表征空间物体对激光的反射强度，以及

所述道路点云数据获取子单元包括：

路面点云数据获取模块，用于对所述基准点云数据进行平面拟合，筛选出与道路对应的路面点云数据，所述平面拟合用于识别道路所在的平面；

道路点云数据获取模块，用于对由所述基准点云数据对应的反射强度信息构成的反射强度图像进行图像处理，筛选出与所述路面点云数据匹配的道路点云数据。

10.根据权利要求6所述的装置，其特征在于，所述虚拟点云数据获取单元包括：

设置子单元，用于在所述虚拟三维空间的预设位置设置观测窗和观测点，所述观测点位于所述观测窗内，所述观测窗用于限定观测点的测量范围；

二维图像获取子单元，用于在所述观测窗上显示所述观测点通过观测窗测量到的虚拟物体的二维图像；

虚拟点云数据获取子单元，用于为所述二维图像的每个像素点配置深度信息，得到对应所述观测点的虚拟点云数据，其中，所述深度信息为虚拟物体上与像素点对应的点相对于所述观测点的三维坐标。

11.一种服务器，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行权利要求1至5中任一所述的方法。

12.一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如权利要求1至5中任一所述的方法。

Images