CN109581324B - 异常帧数据的处理方法及装置 - Google Patents
异常帧数据的处理方法及装置 Download PDFInfo
- Publication number
- CN109581324B CN109581324B CN201811288631.2A CN201811288631A CN109581324B CN 109581324 B CN109581324 B CN 109581324B CN 201811288631 A CN201811288631 A CN 201811288631A CN 109581324 B CN109581324 B CN 109581324B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- frame
- data
- coordinates
- 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.)
- Active
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 66
- 238000003672 processing method Methods 0.000 title description 3
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 22
- 230000008859 change Effects 0.000 claims description 31
- 238000005070 sampling Methods 0.000 claims description 14
- 230000005856 abnormality Effects 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims 1
- 230000001131 transforming effect Effects 0.000 claims 1
- 238000003860 storage Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000010408 sweeping Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
公开了一种异常帧数据的处理方法及装置。该方法包括：获取N帧点云数据；每帧点云数据中包含i个方向的点的坐标；从第t帧点云数据中，为第t+1帧点云数据的i个方向的点的坐标分别获取对应的i个样本集；其中，每个样本集中包括n个点的坐标；分别计算第t+1帧点云数据中i个方向的点的坐标与对应的样本集中n个坐标的差值，得到对应的i个差值序列；统计i个所述差值序列中，差值连续为1的序列个数为m的数量n(m)；根据统计结果，确定第t+1帧点云数据是否为异常帧数据；若所述第t+1帧点云数据为异常帧数据，用第k帧点云数据替换第t+1帧点云数据。根据本公开，可以对雷达扫描的异常帧数据进行简单处理，提高数据精度。
Description
技术领域
本公开涉及雷达数据处理技术领域，更具体地，涉及一种异常帧数据的处理方法及装置。
背景技术
激光雷达的发展已经渗透到各行各业中，例如，扫地机器人、自动驾驶以及其他特殊领域。从软件的角度讲，开源的机器人操作系统(Robot Operating System，ROS)已经非常成熟，并且已经大量应用在机器人领域中，但ROS系统中针对异常帧数据的处理，并没有提供可靠有效的方法。从硬件的角度讲，例如SICK雷达，已经成为行业标杆，但其雷达产品中还是会存在异常帧数据的问题。
对于激光雷达数据的精度和实时性要求不高的应用场景，例如扫地机器人，异常帧数据可以在即时定位与地图构建(Simultaneous Localization And Mapping，SLAM)算法中得到一定程度的收敛，降低影响。但对于自动驾驶等涉及到安全问题及其他特殊特种的应用场景，如果单靠激光雷达，则异常帧数据的问题显得尤为重要。
因此，发明人认为，有必要针对上述问题中的至少一个进行改进。
发明内容
本公开的一个目的是提供一种异常帧数据的处理方法的新技术方案。
根据本公开的第一方面，提供了一种异常帧数据的处理方法，包括：
获取N帧点云数据；每帧点云数据中包含i个方向的点的坐标；
从第t帧点云数据中，为第t+1帧点云数据的i个方向的点的坐标分别获取对应的i个样本集；其中，每个样本集中包括n个点的坐标；
分别计算第t+1帧点云数据中i个方向的点的坐标与对应的样本集中n个坐标的差值，得到对应的i个差值序列；
统计i个所述差值序列中，差值连续为1的序列个数为m的数量n(m)；
根据统计结果，确定第t+1帧点云数据是否为异常帧数据；
若所述第t+1帧点云数据为异常帧数据，用第k帧点云数据替换第t+1帧点云数据。
可选的，获取N帧点云数据之后，所述方法还包括：
根据公式将N帧点云数据中i个方向的点的坐标换算为直角坐标；
其中，为第i个方向的点的极坐标，r为雷达测到的与周围障碍物的距离， 为雷达扫描的角分辨率。
可选的，从第t帧点云数据中，为第t+1帧点云数据的i个方向的点的坐标分别获取对应的i个样本集，包括：
提取第t帧点云数据第i个方向周围四邻域的方向点的坐标：
按照预设次数对这四个点进行随机抽样，生成第t+1帧点云数据的第i个方向的点的坐标对应的样本集。
可选的，分别计算第t+1帧点云数据中i个方向的点的坐标与对应的样本集中n个坐标的差值，得到对应的i个差值序列，包括：
根据公式计算第t+1帧点云数据中i个方向的点的坐标与对应的样本集中n个坐标的差值，并得到dj小于阈值R的个数nlessr；
根据公式得到对应的差值序列；其中，
可选的，所述根据统计结果，确定第t+1帧点云数据是否为异常帧数据，包括：
若n(1)≥5,n(i≥3)≥1，确定第t+1帧点云数据是环境变化和系统异常造成的雷达数据变化，定义第t+1帧点云数据为异常帧数据；
若n(1)≥5,n(i≥3)＝0，确定第t+1帧点云数据是系统异常造成的雷达数据变化，定义第t+1帧点云数据为异常帧数据；
若n(1)＜5,n(i≥3)≥1，确定第t+1帧点云数据是环境变化造成的雷达数据变化，定义第t+1帧点云数据为非异常帧数据；
若n(1)＜5,n(i≥3)＝0，确定第t+1帧点云数据是与第t帧点云数据连续性很强的数据，定义第t+1帧点云数据为非异常帧数据。
根据本公开的第二方面，提供了一种异常帧数据的处理装置，包括：
获取模块，用于获取N帧点云数据；每帧点云数据中包含i个方向的点的坐标；
采样模块，用于从第t帧点云数据中，为第t+1帧点云数据的i个方向的点的坐标分别获取对应的i个样本集；其中，每个样本集中包括n个点的坐标；
计算模块，用于分别计算第t+1帧点云数据中i个方向的点的坐标与对应的样本集中n个坐标的差值，得到对应的i个差值序列；
统计模块，用于统计i个所述差值序列中，差值连续为1的序列个数为m的数量n(m)；
确定模块，用于根据统计结果，确定第t+1帧点云数据是否为异常帧数据；
替换模块，用于若所述第t+1帧点云数据为异常帧数据，用第k帧点云数据替换第t+1帧点云数据。
可选的，还包括坐标转换模块，用于根据公式将N帧点云数据中i个方向的点的坐标换算为直角坐标；
其中，为第i个方向的点的极坐标，r为雷达测到的与周围障碍物的距离， 为雷达扫描的角分辨率。
可选的，所述采样模块具体用于：
提取第t帧点云数据第i个方向周围四邻域的方向点的坐标：
按照预设次数对这四个点进行随机抽样，生成第t+1帧点云数据的第i个方向的点的坐标对应的样本集。
可选的，所述计算模块具体用于：
根据公式计算第t+1帧点云数据中i个方向的点的坐标与对应的样本集中n个坐标的差值，并得到dj小于阈值R的个数nlessr；
根据公式得到对应的差值序列；其中，
可选的，所述确定模块具体用于：
若n(1)≥5,n(i≥3)≥1，确定第t+1帧点云数据是环境变化和系统异常造成的雷达数据变化，定义第t+1帧点云数据为异常帧数据；
若n(1)≥5,n(i≥3)＝0，确定第t+1帧点云数据是系统异常造成的雷达数据变化，定义第t+1帧点云数据为异常帧数据；
若n(1)＜5,n(i≥3)≥1，确定第t+1帧点云数据是环境变化造成的雷达数据变化，定义第t+1帧点云数据为非异常帧数据；
若n(1)＜5,n(i≥3)＝0，确定第t+1帧点云数据是与第t帧点云数据连续性很强的数据，定义第t+1帧点云数据为非异常帧数据。
根据本公开的一个实施例，可以对雷达扫描的异常帧数据进行简单处理，提高数据精度。
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
被结合在说明书中并构成说明书的一部分的附图示出了本公开的实施例，并且连同其说明一起用于解释本发明的原理。
图1示出了本公开实施例的异常帧数据的处理方法的示意性流程图。
图2示出了本公开实施例的异常帧数据的处理装置的示意性框图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
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。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
图1示出了本公开实施例的异常帧数据的处理方法的示意性流程图。
如图1所示，在步骤1100，获取N帧点云数据；每帧点云数据中包含i个方向的点的坐标。
需要说明的是，激光雷达扫描获得的点云数据中各个点的坐标是极坐标，在获取到N帧点云数据后，首先需要将极坐标换算成直角坐标。
具体的，根据公式将N帧点云数据中i个方向的点的坐标换算为直角坐标；其中，/>为第i个方向的点的极坐标，r为雷达测到的与周围障碍物的距离， 为雷达扫描的角分辨率。
在将坐标换算成直角坐标后，进入步骤1200，从第t帧点云数据中，为第t+1帧点云数据的i个方向的点的坐标分别获取对应的i个样本集；其中，每个样本集中包括n个点的坐标。
具体的，设第t+1帧点云数据的第i个方向的点的坐标为提取第t帧点云数据第i个方向周围四邻域的方向点的坐标：/> 按照预设次数对这四个点进行随机抽样，生成第t+1帧点云数据的第i个方向的点的坐标对应的样本集。其中，随机抽样的次数例如可以是10次，本实施例对此不作具体限定。
在步骤1300，分别计算第t+1帧点云数据中i个方向的点的坐标与对应的样本集中n个坐标的差值，得到对应的i个差值序列。
设第t+1帧点云数据中第i个方向的点的坐标对应的样本集为对于第t+1帧点云数据中的i个方向，根据公式/>计算其与对应的样本集/>中n个坐标的差值，并得到dj小于阈值R的个数nlessr。定义/>为第t+1帧点云数据与第t帧点云数据的差别，根据公式/>得到对应的差值序列。其中，阈值R和min需要根据实际应用场景经过实验进行设置，本实施例对此不作具体限定。
需要说明的是，如果则对应的样本集中有/>的概率更新样本集，用随机替换样本集中的一个样本值。通常，/>取值可以为8或者16，本实施例对此不作具体限定。
在步骤1400，统计i个所述差值序列中，差值连续为1的序列个数为m的数量n(m)。
例如，差值序列为0101011011011，连续为1的序列个数为1的数量是2，即，n(1)＝2；/>连续为1的序列个数为2的数量是3，即，n(2)＝3。
在步骤1500，根据统计结果，确定第t+1帧点云数据是否为异常帧数据。
具体的，若n(1)≥5,n(i≥3)≥1，即，i个差值序列中，出现的单个1的数量大于等于5，且3个以上1连续的数量大于等于1，则确定第t+1帧点云数据是环境变化和系统异常造成的雷达数据变化，定义第t+1帧点云数据为异常帧数据。
若n(1)≥5,n(i≥3)＝0，即，i个差值序列中，出现的单个1的数量大于等于5，且3个以上1连续的数量为0，则确定第t+1帧点云数据是系统异常造成的雷达数据变化，定义第t+1帧点云数据为异常帧数据。
若n(1)＜5,n(i≥3)≥1，即，i个差值序列中，出现的单个1的数量小于5，且3个以上1连续的数量大于等于1，则确定第t+1帧点云数据是环境变化造成的雷达数据变化，定义第t+1帧点云数据为非异常帧数据。
若n(1)＜5,n(i≥3)＝0，即，i个差值序列中，出现的单个1的数量小于5，且3个以上1连续的数量为0，则确定第t+1帧点云数据是与第t帧点云数据连续性很强的数据，定义第t+1帧点云数据为非异常帧数据。
在步骤1600，若所述第t+1帧点云数据为异常帧数据，用第k帧点云数据替换第t+1帧点云数据。
本实施例的异常帧数据的处理方法，基于vibe算法，采用建立样本集的思想，为每一帧点云数据中的各雷达扫描方向的点考虑了时空分布状态，在确定出第t+1帧点云数据为异常帧数据时，简单的用第k帧点云数据替换第t+1帧点云数据，可以实现对异常帧数据的简单处理，提高雷达扫描数据的精度。
图2示出了本公开实施例的异常帧数据的处理装置的示意性框图。
如图2所示，本实施例的异常帧数据的处理装置2000可以包括：获取模块2100，采样模块2200，计算模块2300，统计模块2400，确定模块2500以及替换模块2600。
其中，获取模块2100，用于获取N帧点云数据；每帧点云数据中包含i个方向的点的坐标；采样模块2200，用于从第t帧点云数据中，为第t+1帧点云数据的i个方向的点的坐标分别获取对应的i个样本集；其中，每个样本集中包括n个点的坐标；计算模块2300，用于分别计算第t+1帧点云数据中i个方向的点的坐标与对应的样本集中n个坐标的差值，得到对应的i个差值序列；统计模块2400，用于统计i个所述差值序列中，差值连续为1的序列个数为m的数量n(m)；确定模块2500，用于根据统计结果，确定第t+1帧点云数据是否为异常帧数据；替换模块2600，用于若所述第t+1帧点云数据为异常帧数据，用第k帧点云数据替换第t+1帧点云数据。
进一步的，本实施例的异常帧数据的处理装置2000还可以包括坐标转换模块，用于根据公式将N帧点云数据中i个方向的点的坐标换算为直角坐标；其中，/>为第i个方向的点的极坐标，r为雷达测到的与周围障碍物的距离，/> 为雷达扫描的角分辨率。
实际应用中，所述采样模块2200具体用于：提取第t帧点云数据第i个方向周围四邻域的方向点的坐标： 按照预设次数对这四个点进行随机抽样，生成第t+1帧点云数据的第i个方向的点的坐标对应的样本集。
所述计算模块2300具体用于：根据公式计算第t+1帧点云数据中i个方向的点的坐标与对应的样本集中n个坐标的差值，并得到dj小于阈值R的个数nlessr；根据公式/>得到对应的差值序列；其中，
所述确定模块2500具体用于：若n(1)≥5,n(i≥3)≥1，确定第t+1帧点云数据是环境变化和系统异常造成的雷达数据变化，定义第t+1帧点云数据为异常帧数据；若n(1)≥5,n(i≥3)＝0，确定第t+1帧点云数据是系统异常造成的雷达数据变化，定义第t+1帧点云数据为异常帧数据；若n(1)＜5,n(i≥3)≥1，确定第t+1帧点云数据是环境变化造成的雷达数据变化，定义第t+1帧点云数据为非异常帧数据；若n(1)＜5,n(i≥3)＝0，确定第t+1帧点云数据是与第t帧点云数据连续性很强的数据，定义第t+1帧点云数据为非异常帧数据。
本实施例的异常帧数据的处理装置，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
本领域技术人员公知的是，随着诸如大规模集成电路技术的电子信息技术的发展和软件硬件化的趋势，要明确划分计算机系统软、硬件界限已经显得比较困难了。因为，任何操作可以软件来实现，也可以由硬件来实现。任何指令的执行可以由硬件完成，同样也可以由软件来完成。对于某一机器功能采用硬件实现方案还是软件实现方案，取决于价格、速度、可靠性、存储容量、变更周期等非技术性因素。对于技术人员来说，软件实现方式和硬件实现方式是等同的。技术人员可以根据需要选择软件或硬件来实现上述方案。因此，这里不对具体的软件或硬件进行限制。
本发明可以是设备、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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。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，两个连续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动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。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。
Claims (8)
1.一种异常帧数据的处理方法，其特征在于，包括：
获取N帧点云数据；每帧点云数据中包含i个方向的点的坐标；
从第t帧点云数据中，为第t+1帧点云数据的i个方向的点的坐标分别获取对应的i个样本集；其中，每个样本集中包括n个点的坐标；
分别计算第t+1帧点云数据中i个方向的点的坐标与对应的样本集中n个坐标的差值，得到对应的i个差值序列；
统计i个所述差值序列中，差值连续为1的序列个数为m的数量n(m)；
根据统计结果，确定第t+1帧点云数据是否为异常帧数据；
若所述第t+1帧点云数据为异常帧数据，用第k帧点云数据替换第t+1帧点云数据；
其中，所述从第t帧点云数据中，为第t+1帧点云数据的i个方向的点的坐标分别获取对应的i个样本集，包括：
提取第t帧点云数据第i个方向周围四邻域的方向点的坐标：
按照预设次数对这四个点进行随机抽样，生成第t+1帧点云数据的第i个方向的点的坐标对应的样本集。
2.根据权利要求1所述的方法，其特征在于，获取N帧点云数据之后，所述方法还包括：
根据公式将N帧点云数据中i个方向的点的坐标换算为直角坐标；
其中，为第i个方向的点的极坐标，r为雷达测到的与周围障碍物的距离， 为雷达扫描的角分辨率。
3.根据权利要求1所述的方法，其特征在于，分别计算第t+1帧点云数据中i个方向的点的坐标与对应的样本集中n个坐标的差值，得到对应的i个差值序列，包括：
根据公式计算第t+1帧点云数据中i个方向的点的坐标与对应的样本集中n个坐标的差值，并得到dj小于阈值R的个数nlessr；
根据公式得到对应的差值序列；其中，
4.根据权利要求1所述的方法，其特征在于，所述根据统计结果，确定第t+1帧点云数据是否为异常帧数据，包括：
若n(1)≥5,n(i≥3)≥1，确定第t+1帧点云数据是环境变化和系统异常造成的雷达数据变化，定义第t+1帧点云数据为异常帧数据；
若n(1)≥5,n(i≥3)＝0，确定第t+1帧点云数据是系统异常造成的雷达数据变化，定义第t+1帧点云数据为异常帧数据；
若n(1)＜5,n(i≥3)≥1，确定第t+1帧点云数据是环境变化造成的雷达数据变化，定义第t+1帧点云数据为非异常帧数据；
若n(1)＜5,n(i≥3)＝0，确定第t+1帧点云数据是与第t帧点云数据连续性很强的数据，定义第t+1帧点云数据为非异常帧数据。
5.一种异常帧数据的处理装置，其特征在于，包括：
获取模块，用于获取N帧点云数据；每帧点云数据中包含i个方向的点的坐标；
采样模块，用于从第t帧点云数据中，为第t+1帧点云数据的i个方向的点的坐标分别获取对应的i个样本集；其中，每个样本集中包括n个点的坐标；
计算模块，用于分别计算第t+1帧点云数据中i个方向的点的坐标与对应的样本集中n个坐标的差值，得到对应的i个差值序列；
统计模块，用于统计i个所述差值序列中，差值连续为1的序列个数为m的数量n(m)；
确定模块，用于根据统计结果，确定第t+1帧点云数据是否为异常帧数据；
替换模块，用于若所述第t+1帧点云数据为异常帧数据，用第k帧点云数据替换第t+1帧点云数据；
其中，所述采样模块具体用于：提取第t帧点云数据第i个方向周围四邻域的方向点的坐标：按照预设次数对这四个点进行随机抽样，生成第t+1帧点云数据的第i个方向的点的坐标对应的样本集。
6.根据权利要求5所述的装置，其特征在于，还包括坐标转换模块，用于根据公式将N帧点云数据中i个方向的点的坐标换算为直角坐标；
其中，为第i个方向的点的极坐标，r为雷达测到的与周围障碍物的距离， 为雷达扫描的角分辨率。
7.根据权利要求5所述的装置，其特征在于，所述计算模块具体用于：
根据公式计算第t+1帧点云数据中i个方向的点的坐标与对应的样本集中n个坐标的差值，并得到dj小于阈值R的个数nlessr；
根据公式得到对应的差值序列；其中，
8.根据权利要求5所述的装置，其特征在于，所述确定模块具体用于：
若n(1)≥5,n(i≥3)≥1，确定第t+1帧点云数据是环境变化和系统异常造成的雷达数据变化，定义第t+1帧点云数据为异常帧数据；
若n(1)≥5,n(i≥3)＝0，确定第t+1帧点云数据是系统异常造成的雷达数据变化，定义第t+1帧点云数据为异常帧数据；
若n(1)＜5,n(i≥3)≥1，确定第t+1帧点云数据是环境变化造成的雷达数据变化，定义第t+1帧点云数据为非异常帧数据；
若n(1)＜5,n(i≥3)＝0，确定第t+1帧点云数据是与第t帧点云数据连续性很强的数据，定义第t+1帧点云数据为非异常帧数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811288631.2A CN109581324B (zh) | 2018-10-31 | 2018-10-31 | 异常帧数据的处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811288631.2A CN109581324B (zh) | 2018-10-31 | 2018-10-31 | 异常帧数据的处理方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109581324A CN109581324A (zh) | 2019-04-05 |
| CN109581324B true CN109581324B (zh) | 2023-07-25 |
Family
ID=65920982
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811288631.2A Active CN109581324B (zh) | 2018-10-31 | 2018-10-31 | 异常帧数据的处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109581324B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112541525A (zh) * | 2020-11-23 | 2021-03-23 | 歌尔股份有限公司 | 一种点云数据处理方法和装置 |
| WO2023220977A1 (en) * | 2022-05-18 | 2023-11-23 | Huawei Technologies Co., Ltd. | Method and device for detecting data |
| CN117708755B (zh) * | 2023-12-17 | 2024-06-21 | 重庆文理学院 | 基于生态环境的数据处理方法及装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106897653B (zh) * | 2015-12-17 | 2020-03-20 | 北京林业大学 | 基于红外和可见光视频融合的林区烟火检测方法及其检测系统 |
| CN107871129B (zh) * | 2016-09-27 | 2019-05-10 | 北京百度网讯科技有限公司 | 用于处理点云数据的方法和装置 |
| CN106772317A (zh) * | 2016-12-02 | 2017-05-31 | 深圳市速腾聚创科技有限公司 | 激光雷达防止入侵的方法和激光雷达 |
| CN108226894A (zh) * | 2017-11-29 | 2018-06-29 | 北京数字绿土科技有限公司 | 一种点云数据处理方法及装置 |
| CN108230379B (zh) * | 2017-12-29 | 2020-12-04 | 百度在线网络技术（北京）有限公司 | 用于融合点云数据的方法和装置 |
-
2018
- 2018-10-31 CN CN201811288631.2A patent/CN109581324B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109581324A (zh) | 2019-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110322500B (zh) | 即时定位与地图构建的优化方法及装置、介质和电子设备 | |
| CN109581324B (zh) | 异常帧数据的处理方法及装置 | |
| CN111209978B (zh) | 三维视觉重定位方法、装置及计算设备、存储介质 | |
| CN109375228B (zh) | 激光雷达的异常帧点云数据的确定方法、处理方法及装置 | |
| CN110349212B (zh) | 即时定位与地图构建的优化方法及装置、介质和电子设备 | |
| CN113759349B (zh) | 激光雷达与定位设备的标定方法、设备及自动驾驶车辆 | |
| US20230278198A1 (en) | Method and Apparatus for Robot to Grab Three-Dimensional Object | |
| CN109859156B (zh) | 异常帧数据的处理方法及装置 | |
| KR20220004939A (ko) | 차선 검출 방법, 장치, 전자기기, 저장 매체 및 차량 | |
| CN111767853A (zh) | 车道线检测方法和装置 | |
| CN114993328B (zh) | 车辆定位评估方法、装置、设备和计算机可读介质 | |
| CN111145634B (zh) | 一种校正地图的方法及装置 | |
| CN115457152A (zh) | 外参标定方法、装置、电子设备及存储介质 | |
| CN110349138B (zh) | 基于实例分割框架的目标物体的检测方法及装置 | |
| CN114926549A (zh) | 三维点云处理方法、装置、设备以及存储介质 | |
| CN117392241B (zh) | 自动驾驶中的传感器标定方法、装置及电子设备 | |
| CN112184828B (zh) | 激光雷达与摄像头的外参标定方法、装置及自动驾驶车辆 | |
| CN113177980A (zh) | 用于自动驾驶的目标对象速度确定方法、装置及电子设备 | |
| CN113219505A (zh) | 用于车路协同隧道场景的采集gps坐标的方法、装置和设备 | |
| CN109613553B (zh) | 基于激光雷达确定场景中物体数量的方法、装置及系统 | |
| CN110363847B (zh) | 一种基于点云数据的地图模型构建方法和装置 | |
| CN114581730A (zh) | 检测模型的训练方法、目标检测方法、装置、设备和介质 | |
| CN114674328A (zh) | 地图生成方法、装置、电子设备、存储介质、及车辆 | |
| CN114505861A (zh) | 基于气动夹爪控制的方向补偿方法及系统 | |
| CN109738908B (zh) | 基于激光雷达的报警方法、装置及系统 |
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 |