CN109741450B - 一种基于扫描线的路面点云自动提取方法及装置 - Google Patents
一种基于扫描线的路面点云自动提取方法及装置 Download PDFInfo
- Publication number
- CN109741450B CN109741450B CN201811641270.5A CN201811641270A CN109741450B CN 109741450 B CN109741450 B CN 109741450B CN 201811641270 A CN201811641270 A CN 201811641270A CN 109741450 B CN109741450 B CN 109741450B
- Authority
- CN
- China
- Prior art keywords
- scanning line
- line point
- point cloud
- scanning
- preset
- 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
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请实施例提供了一种基于扫描线的路面点云自动提取方法及装置,本申请通过从原始车载激光点云中分割出单条扫描线,基于该扫描线确定多条初始路面点云扫描线,再基于初始扫描线的高程值,对扫描线进行去噪处理,得到精细的扫描线点云,基于得到精细的扫描线点云,生成目标精度的路面。这样,可以通过对扫描线点云的处理,从地面层中将纯净的路面点云信息提取出来,速度快,精确度高。
Description
技术领域
本申请涉及计算机技术领域,尤其是涉及一种基于扫描线的路面点云自动提取方法及装置。
背景技术
随着计算机技术的发展,自动驾驶技术突飞猛进,自动驾驶产业飞速增长,大众未来出行的首选有极大可能是拥有自动驾驶功能的汽车,而对于自动驾驶技术来讲,高精地图是自动驾驶的必备条件之一,高精细地图是指高精度、精细化定义的地图,其精度需要达到分米级才能够区分各个车道,如今随着定位技术的发展,高精度的定位已经成为可能。
目前,高精度地图,主要是依靠尽可能的采集更精细的地图数据来计算生成,并且大多通过激光采集车360°扫描作业方式等采集的三维地形数据,如三维激光点云。但是,由于在三维地形数据的采集过程中,会受到外界因素等的干扰以及采集器件对不同环境时表现出来的感知缺陷,会使得三维地形数据中不可避免的会存在干扰数据或者部分数据不准确,影响生成的高精度地图的精度。
发明内容
有鉴于此,本申请提供一种基于扫描线的路面点云自动提取方法及装置,以提高高精地图中路面提取的准确度,效率高,精确度高。
本申请实施例提供了路面提取方法,所述方法包括:
从获取的待生成路面的原始路面点云中提取出待生成路面的多条原始扫描线点云;
基于所述多条原始扫描线点云,确定初步提取路面的多条初始扫描线点云;
基于每条所述初始描线点云的高程值,对多条所述初始扫描线点云进行去噪处理,得到多条精细扫描线点云;
基于所述多条精细扫描线点云,生成目标精度的路面。
进一步的,所述从获取的待生成路面的原始路面点云数据中提取出生成路面的多条原始扫描线点云,包括:
从获取到的待生成路面的原始路面点云中确定一面状点云;
基于预设的时间间隔,从所述面状点云中分割出多条预设扫描线点云,其中,多条预设扫描线点云中每两条预设扫描线的首尾两端分别对齐;
基于所述多条预设扫描线点云中每相邻两条扫描线之间的第一时间差和第二时间差,确定所述原始路面点云的扫描时间间隔,其中,所述第一时间差为所述多条预设扫描线点云中每相邻两条扫描线的首端之间的扫描时间差,所述第二时间差为所述多条预设扫描线点云中每相邻两条扫描线的尾端之间的扫描时间差;
进一步的,所述基于所述多条原始扫描线点云,确定初步提取路面的多条初始扫描线点云,包括:
基于预设高程间隔阈值,对每条原始扫描线点云进行切片处理;
从切片处理后的每条原始扫描线点云中,确定点数占比超过预设占比阈值的点云所在切片层中的部分扫描线点云;
基于多条部分扫描线点云,确定初步提取路面的多条初始扫描线点云。
进一步的,所述基于多条部分扫描线点云,确定初步提取路面的多条初始扫描线点云,包括:
基于预设点间距阈值和预设点梯度阈值,从每条部分扫描线点云上定出粗略提取路面的两个路面分割边界点;
确定每条部分扫描线点云中位于该部分扫描线点云对应两个路面分割边界点之间的扫描点所组成的扫描线点云,并将该扫描线点云确定为与该部分扫描线点云对应的初步提取路面的初始扫描线点云。
进一步的,所述基于每条所述初始描线点云的高程值,对多条所述初始描线点云进行去噪处理,得到多条精细扫描线点云,包括:
计算每条所述初始扫描线点云所有扫描点的第一平均高程值;
计算每条所述初始扫描线点云中每相邻两个扫描点之间的相邻高程差;
基于所述相邻高程差和预设路面高程差,在每条所述初始扫描线点云中确定至少一段子扫描线点云;
基于所述第一平均高程值和预设扫描点数量阈值,从每条所述初始扫描线点云的至少一段子扫描线点云中提取出该初始扫描线点云对应的精细扫描线点云。
进一步的,所述基于所述相邻高程差和预设路面高程差,在每条所述初始扫描线点云中确定至少一段子扫描线点云,包括:
确定所述相邻高程差是否大于预设路面高程差;
若所述相邻高程差大于预设路面高程差,从该相邻高程差对应的两个相邻扫描点之间进行分段,从每条所述初始扫描线点云中划分出至少一段子扫描线点云。
进一步的,所述基于所述第一平均高程值和预设扫描点数量阈值,从每条所述初始扫描线点云的至少一段子扫描线点云中提取出该初始扫描线点云对应的精细扫描线点云,包括:
计算每段子扫描线点云中全部扫描点的第二平均高程值,
确定所述第二平均高程值与所述第一平均高程值之间的差值是否大于所述第一平均高程值的一半;
确定每段子扫描线点云中扫描点的数量是否小于预设扫描点数量阈值;
若所述第二平均高程值与所述第一平均高程值之间的差值大于所述第一平均高程值的一半,或者所述数量小于所述预设扫描点数量阈值,确定该段子扫描线点云为非路面点云;
去除每条所述初始扫描线点云中的非路面点云,以从每条所述初始扫描线点云中确定出对应的精细扫描线点云。
本实施申请实施例提供了一种基于扫描线的路面点云自动提取装置,所述基于扫描线的路面点云自动提取装置包括:
提取模块,用于从获取的待生成路面的原始路面点云中提取出待生成路面的多条原始扫描线点云;
确定模块,用于基于所述多条原始扫描线点云,确定初步提取路面的多条初始扫描线点云;
获得模块,用于基于每条所述初始描线点云的高程值,对多条所述初始扫描线点云进行去噪处理,得到多条精细扫描线点云;
生成模块,用于基于所述多条精细扫描线点云,生成目标精度的路面。
进一步的,所述提取模块包括:
第一确定单元,从获取到的待生成路面的原始路面点云中确定一面状点云;
第二分割单元,基于预设的时间间隔,从所述面状点云中分割出多预设扫描线点云,其中,多条预设扫描线点云中每两条预设扫描线的首尾两端分别对齐;
第三确定单元,基于所述多条预设扫描线点云中每相邻两条扫描线之间的第一时间差和第二时间差,确定所述原始路面点云的扫描时间间隔,其中,所述第一时间差为所述多条预设扫描线点云中每相邻两条扫描线的首端之间的扫描时间差,所述第二时间差为所述多条预设扫描线点云中每相邻两条扫描线的尾端之间的扫描时间差;
第四分割单元,基于所述扫描时间间隔,从所述原始路面点云中分割出多条原始扫描线点云。
进一步的,所述确定模块包括:
第一处理单元,基于预设高程间隔阈值,对每条原始扫描线点云进行切片处理;
第二确定单元,从切片处理后的每条原始扫描线点云中,确定点数比超过预设占比阈值的点云所在切片层中的部分扫描线点云;
第三确定单元,基于多条部分扫描线点云,确定初步提取路面的多条初始扫描线点云。
进一步的,确定模块包括:
第一处理单元,基于预设高程间隔阈值,对每条原始扫描线点云进行切片处理;
第二确定单元,从切片处理后的每条原始扫描线点云中,确定点数比超过预设占比阈值的点云所在切片层中的部分扫描线点云;
第三确定单元,基于多条部分扫描线点云,确定初步提取路面的多条初始扫描线点云。
进一步的,所述第三确定单元具体用于:
基于预设点间距阈值和预设点梯度阈值,从每条部分扫描线点云上确定初步提取路面两个路面分割边界点;
确定每条部分扫描线点云中位于该部分扫描线点云对应两个路面分割边界点之间的扫描点所组成的扫描线点云,并将该扫描线点云确定为与该部分扫描线点云对应的初步提取路面的初始扫描线点云。
进一步的,所述获得模块包括:
第一计算单元,计算每条所述初始扫描线点云中各扫描点的平均高程值;
第二计算单元,计算每条所述初始扫描线点云中每相邻两个扫描点之间的相邻高程差;
第三确定单元,基于所述相邻高程差和预设路面高程差,在每条所述初始扫描线点云中确定至少一段子扫描线点云;
第四提取单元,基于所述第一平均高程值和预设扫描点数量阈值,从每条所述初始扫描线点云的至少一段子扫描线点云中提取出该初始扫描线点云对应的精细扫描线点云。
进一步的,所述第三确定单元具体用于:
确定所述相邻高程差是否大于预设路面高程差;
若所述相邻高程差大于预设路面高程差,从该相邻高程差对应的两个相邻扫描点之间进行分段,从每条所述初始扫描线点云中划分出至少一段子扫描线点云。
进一步的,所述第四提取单元具体用于:
计算每段子扫描线点云中全部扫描点的第二平均高程值;
确定所述第二平均高程值与所述第一平均高程值之间的差值是否大于所述第一平均高程值的一半;
确定每段子扫描线点云中扫描点的数量是否小于预设扫描点数量阈值;
若所述第二平均高程值与所述第一平均高程值之间的差值大于所述第一平均高程值的一半,或者所述数量小于所述预设扫描点数量阈值,确定该段子扫描线点云为非路面点云;
去除每条所述初始扫描线点云中的非路面点云,以从每条所述初始扫描线点云中确定出对应的精细扫描线点云。
本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如上述的路面提取方法的步骤。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如上述的路面提方法的步骤。
本申请实施例提供的基于扫描线的路面点云自动提取方法及装置,从获取的待生成路面的原始路面点云中提取出待生成路面的多条原始扫描线点云;基于所述多条原始扫描线点云,确定初步提取路面的多条初始扫描线点云;基于每条所述初始描线点云的高程值,对多条所述初始扫描线点云进行去噪处理,得到多条精细扫描线点云;基于所述多条精细扫描线点云,生成目标精度的路面。可以通过对扫描线的处理,从地面层中将纯净的路面点云信息提取出来,速度快,精确度高。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为一种可能的应用场景下的系统架构图;
图2为本申请一实施例提供的路面提取方法的流程图;
图3为本申请另一实施例提供的路面提取方法的流程图;
图4为本申请一实施例提供的路面提取装置的结构图;
图5为图4中所示的提取模块的结构图;
图6为图4中所示的确定模块的结构图;
图7为图4中所示的获得模块的结构图;
图8为本申请一实施例提供的电子设备的结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和出示的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围内,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
首先,对本申请可适用的应用场景进行介绍。本申请可以应用于计算机技术领域,从地面层中将纯净的路面点云信息提取出来,速度快,精确度高。请参阅图1,图1为一种在该应用场景下的系统构图。如图1中所示,所述系统包括数据采集装置和路面提取装置,数据采集装置用于采集三维地形数据,得到原始路面点云,路面提取装置可以从数据采集装置出获取到原始路面点云,对原始路面点云进行一系列数据处理,从而提取出精细路面点云,以此生成高精度的路面地图。
目前,高精度地图,主要是依靠尽可能的采集更精细的地图数据来计算生成,并且大多通过激光采集等采集的三维地形数据,如三维激光点云。但是,由于在三维地形数据的采集过程中,由于会受到外界因素等的干扰以及采集器件对不同环境时表现出来的感知缺陷,会使得三维地形数据中不可避免的会存在干扰数据或者部分数据不准确,影响生成的高精度地图的精度。
基于此,本申请实施例提供一种基于扫描线的路面点云自动提取方法和装置。可以通过对扫描线点云的处理,从地面层中将纯净的路面信息提取出来,速度快,精确度高。
请参阅图2,图2为本申请一实施例提供的基于扫描线的路面点云自动提取方法的流程图。如图2中所示,本申请实施例提供的基于扫描线的路面点云自动提取方法,包括:
步骤201、从获取的待生成路面的原始路面点云中提取出待生成路面的多条原始扫描线点云。
该步骤中,将待生成路面的多条原始扫描线点云从获取的原始路面点云中提取出来。
其中,获取原始路面点云,可以是获取通过三维激光采集车或是三维激光扫描仪等采集到的三维路面点云的数据。
其中,提取出待生成路面的多条原始扫描线点云,可以是通过激光扫描时间间隔分割出单条扫描线。
步骤202、基于所述多条原始扫描线点云,确定初步提取路面的多条初始扫描线点云。
该步骤中,在提取出待生成路面的多条原始扫描线点云后,对提取出的待生成路面的多条原始扫描线点云进行处理,提取初步的初始扫描线点云。
步骤203、基于每条所述初始扫描线点云的高程值,对多条所述初始扫描线点云进行去噪处理,得到多条精细扫描线点云。
该步骤中,所述路面提取装置在确定了初步提取路面的多条初始扫描线点云后,得到每条所述初始扫描线点云的高程值并根据,对所述的多条初始扫描线点云进行去噪处理,得到所需的多条精细扫描线点云。
其中,所述的去噪处理,可以通过点云的高程值和数量值进行处理。噪声的界定可以根据实际情况进行设定。
步骤204、基于所述多条精细扫描线点云,生成目标精度的路面。
该步骤中,在得到多条精细扫描线点云后,就可以使用所述多条精细扫描线点云进行地图生成,从而可以生成符合精度需求的目标精度的路面。
本申请实施例提供的基于扫描线的路面点云自动提取方法及装置,从获取的待生成路面的原始路面点云中提取出待生成路面的多条原始扫描线点云;基于所述多条原始扫描线点云,确定初步提取路面的多条初始扫描线点云;基于每条所述初始描线点云的高程值,对多条所述初始扫描线点云进行去噪处理,得到多条精细扫描线点云;基于所述多条精细扫描线点云,生成目标精度的路面。
本申请通过从原始路面点云提取所要的扫描线,基于该扫描线确定多条初始路面点云扫描线,再基于初始扫描线的高程值,对扫描线进行去噪处理,得到精细的扫描线点云,基于得到精细的扫描线点云,生成目标精度的路面。这样,可以通过对扫描线的处理,从地面层中将纯净的路面信息提取出来,速度快,精确度高。
请参阅图3,图3为本申请另一实施例提供的基于扫描线的路面点云自动提取方法的流程图。如图3中所示,本申请实施例提供基于扫描线的路面点云自动提取的方法,包括:
步骤301、从获取的待生成路面的原始路面点云中提取出待生成路面的多条原始扫描线点云。
步骤302、基于所述多条原始扫描线点云,确定初步提取路面的多条初始扫描线点云。
步骤303、计算每条所述初始扫描线点云所有扫描点的第一平均高程值;
该步骤中,在得到多条初始扫描线点云后,针对与每一条初始扫描线点云,可以通过统计每一条初始扫描线点云对应的初始扫描线上各扫描点的高程值,即每个扫描点的高度,使用统计出的每个扫描点的高程值来计算每条初始扫描线上所有扫描点的平均高程值,将该平均高程值确定为第一平均高程差值。
步骤304、计算每条所述初始扫描线点云中每相邻两个扫描点之间的相邻高程差。
该步骤中,可以通过统计的每一个扫描点的高程值,对每条所述初始扫描线点云中每相邻两个扫描点之间的高程差进行计算,从而可以确定每对相邻的扫描点之间的相邻高程差值。
步骤305、基于所述相邻高程差和预设路面高程差,在每条所述初始扫描线点云中确定至少一段子扫描线点云。
该步骤中,在确定了所述相邻高程差和所述预设路面高程差后,可以对比所述相邻高程差及预设的路面高程差,根据比较得出的结果,对每条扫描线点云进行划分,以将每条初始扫描线点云划分出至少一段子扫描线点云。
具体的,基于所述相邻高程差和预设路面高程差,在每条所述初始扫描线点云中确定至少一段子扫描线点云,可以是在确定了所述相邻高程差和所述预设路面高程差后,将所述相邻高程差与以预设路面高程差进行对角,确定所述相邻高程差是否大于预设路面高程差,若所述相邻高程差大于预设路面高程差,可以认为该相邻高程差对应的两个相邻扫描点之间高度差异较大,不符合平整路面的形式,就可以从该相邻高程差对应的两个相邻扫描点之间进行分段,从每条所述初始扫描线点云中划分出至少一段子扫描线点云。
其中,所述的预设高程差值,通常为地面起伏的最大范围。可以根据实际情况,如路面粗糙程度不同等进行设定。
步骤306、基于所述第一平均高程值和预设扫描点数量阈值,从每条所述初始扫描线点云的至少一段子扫描线点云中提取出该初始扫描线点云对应的精细扫描线点云。
该步骤中,在确定所述至少一段子扫描线点云后,可以使用所述第一平均高值和预设扫描点的数量为提取依据,将每条所述初始扫描线点云中不符合条件的非路面的子扫描线点云去除,从而得到剩下的该初始扫描线点云对应的精细扫描线点云。
具体的,检测每段子扫描线点云中的各个扫描点的高程值,以及每段子扫描线点云中扫描点的数量,然后通过计算确定每段子扫描线点云中全部扫描点的第二平均高程值,再将所述第二平均高程值与所述第一平均高程值进行比较,来看所述第二平均高程值与所述第一平均高程值之间的差值是否符合判定条件,并且将每段子扫描线点云中扫描点的数量与预设扫描点数量阈值进行比较,如果对于某段子扫描线点云的所述第二平均高程值与所述第一平均高程值之间满足判断条件,并且所述数量小于所述预设扫描点数量阈值的话,就可以确定对应的该段子扫描线点云是非路面点云,从而可以将该段子扫描线点云去除,对于每条所述初始扫描线点云来讲,即去除每条所述初始扫描线点云中的非路面点云,以从每条所述初始扫描线点云中确定出对应的精细扫描线点云。
其中,所述判断条件,为所述第二平均高程值与所述第一平均高程值之间的差值大于所述第一平均高程值的一半。
步骤307、基于所述多条精细扫描线点云,生成目标精度的路面。
其中,步骤301至步骤302的描述可以参照步骤201至步骤202的描述,对此不做赘述。
进一步的,步骤301包括:
首先,从获取到的待生成路面的原始路面点云中确定一面状点云;基于预设的时间间隔,从所述面状点云中分割出多条预设扫描线点云,其中,多条预设扫描线点云中每两条预设扫描线的首尾两端分别对齐。
然后,基于所述多条预设扫描线点云中每相邻两条扫描线之间的第一时间差和第二时间差,确定所述原始路面点云的扫描时间间隔,其中,所述第一时间差为所述多条预设扫描线点云中每相邻两条扫描线的首端之间的扫描时间差,所述第二时间差为所述多条预设扫描线点云中每相邻两条扫描线的尾端之间的扫描时间差;基于所述扫描时间间隔,从所述原始路面点云中分割出多条原始扫描线点云。
该步骤中,对获取到的待生成路面的原始路面点云进行处理,得到一面状点云;根据预先设定的时间间隔,从所述的面状点云分割出多条首尾两端分别平齐的预设扫描线;根据所述多条预设扫描线点云中每相邻两条扫描线之间的首端之间的扫描时间差和尾端之间的扫描时间差,得出所述原始路面点云的扫描时间间隔;基于所述的扫描时间间隔,从所述原始路面点云中得到分割后的多条原始扫描线点云。
其中,所述对获取到的待生成路面的原始路面点云进行处理,得到一面状点云,可以通过一设定大小的窗口进行平面搜索,在所述窗口内的原始路面点云确定为面状点云。
其中,根据预先设定的时间间隔,从所述的面状点云分割出多条首尾两端分别平齐的预设扫描线,可以用一平行于所述面状点云的矩形窗口,对所述面状点云进行裁剪,各扫描线的起点和终点分别位于所述矩形的两个长边上,即各扫描线的起点和终点分别平齐,得到所述多条首尾两端分别平齐的预设扫描线。
其中,所述基于所述的扫描时间间隔,从所述原始路面点云中得到分割后的多条原始扫描线点云。具体的,将得到的所述多条首尾两端分别平齐的预设扫描线每两条扫描线的起点与起点,终点与终点的时间值作差,统计各差值,求取平均值作为所述的扫描时间间隔,得到分割后的多条原始扫描线点云。
进一步的,步骤302包括:
基于预设高程间隔阈值,对每条原始扫描线点云进行切片处理;从切片处理后的每条原始扫描线点云中,确定点数占比超过预设占比阈值的点云所在切片层中的部分扫描线点云;基于多条部分扫描线点云,确定初步提取路面的多条初始扫描线点云。
该步骤中,提取出待生成路面的多条原始扫描线点云后,可以进一步的,对提取出的路面的多条原始扫描线点云进行切片处理,确定切片层中的部分扫描线点云,基于多条部分扫描线点云,确定初步提取路面的多条初始扫描线点云。
其中,对提取出的路面的多条原始扫描线点云的切片处理。具体的,基于预设的高程间隔对扫描线进行切片处理。
其中,确定切片层中的部分扫描线点云,从切片处理后的每条原始扫描线点云中,具体的,依据扫描半径与激光采集器距地面距离的差值较大,人为设定一判断阈值,将扫描线上点云占比大于预设阈值的一层切面确定为部分扫描线点云;
具体的,基于多条部分扫描线点云,确定初步提取路面的多条初始扫描线点云,包括:
基于预设点间距阈值和预设点梯度阈值,从每条部分扫描线点云确定初步提取路面的两个路面分割边界点;
该步骤中,以预设点阈值和预设点梯度阈值为判断依据,从所述每条扫描线点云中得到初步提取路面的两个路面分割边界点。具体的,根剧所述预设点阈值和预设点梯度阈值,分割出路面点,得到初步提取路面的两个路面分割边界点。
其中,所述根剧所述预设点阈值和预设点梯度阈值,分割出路面点,具体的,扫描线上的点云从中间向两边逐渐分散,远离中央的点云点间距较大,小于设定点阈值的为路面点。扫描线上高出地面的路肩等特征点梯度较高,低于所述预设点梯度阈值的扫描点也为路面点,得到路面分割点。
确定每条部分扫描线点云中位于该部分扫描线点云对应两个路面分割边界点之间的扫描点所组成的扫描线点云,并将该扫描线点云确定为与该部分扫描线点云对应的初步提取路面的初始扫描线点云。
该步骤中,提取所述两个路面分割边界点与所述每条部分扫描线点云相交部分,确定为与该部分扫描线点云对应的初步提取路面的初始扫描线点云。
其中,提取所述两个路面分割边界点与所述每条部分扫描线点云相交部分,可以通过对所述各扫描线分割出的边界点用霍夫变换法拟合出一条直线,将所述直线与所述每条部分扫描线点云相交,交点确定为新的扫描线边界点,提取起点和终点的中间部分,确定为所述初步提取路面的初始扫描线点云。
本申请实施例提供的基于扫描线的路面点云自动提取方法及装置,从获取的待生成路面的原始路面点云中提取出待生成路面的多条原始扫描线点云;基于所述多条原始扫描线点云,确定初步提取路面的多条初始扫描线点云;基于每条所述初始描线点云的高程值,对多条所述初始扫描线点云进行去噪处理,得到多条精细扫描线点云;基于所述多条精细扫描线点云,生成目标精度的路面。这样,可以通过对扫描线的处理,从地面层中将纯净的路面点云信息提取出来,速度快,精确度高。
请参阅图4,图4为本申请一实施例提供的基于扫描线的路面点云自动提取装置的结构图,图5为图4中所示的提取模块的结构图,图6为图4中所示的确定模块的结构图,图7为图4中所示的获得模块的结构图。如图6中所示,所述基于扫描线的路面点云自动提取装置400包括:
提取模块410,用于从获取的待生成路面的原始路面点云中提取出待生成路面的多条原始扫描线点云。
确定模块420,用于基于所述多条原始扫描线点云,确定初步提取路面的多条初始扫描线点云。
获得模块430,用于基于每条所述初始描线点云的高程值,对多条所述初始扫描线点云进行去噪处理,得到多条精细扫描线点云。
生成模块440,用于基于所述多条精细扫描线点云,生成目标精度的路面。
进一步的,如图5所示,所述提取模块410包括:
第一确定单元411,从获取到的待生成路面的原始路面点云中确定一面状点云。
第二分割单元412,基于预设的时间间隔,从所述面状点云中分割出多条预设扫描线点云,其中,多条预设扫描线点云中每两条预设扫描线的首尾两端分别对齐。
第三确定单元413,基于所述多条预设扫描线点云中每相邻两条扫描线之间的第一时间差和第二时间差,确定所述原始路面点云的扫描时间间隔,其中,所述第一时间差为所述多条预设扫描线点云中每相邻两条扫描线的首端之间的扫描时间差,所述第二时间差为所述多条预设扫描线点云中每相邻两条扫描线的尾端之间的扫描时间差。
第四分割单元414,基于所述扫描时间间隔,从所述原始路面点云中分割出多条原始扫描线点云。
进一步的,如图6所示,所述确定模块420包括:
第一处理单元421,基于预设高程间隔阈值,对每条原始扫面线点云进行切片处理。
第二确定单元422,从切片处理后的每条原始扫描线点云中,确定点数比超过预设占比阈值的点云所在切片层中的部分扫描线点云。
第三确定单元423,基于多条部分扫描线点云,确定初步提取路面的多条初始扫描线点云。
进一步的,所述第三确定单元423具体用于:
基于预设点间距阈值和预设点梯度阈值,从每条部分扫描线点云上确定出粗略提取路面的两个路面分割边界点;确定每条部分扫描线点云中位于该部分扫描线点云对应两个路面分割边界点之间的扫描点所组成的扫描线点云,并将该扫描线点云确定为与该部分扫描线点云对应的初步提取路面的初始扫描线点云。
进一步的,如图7中所示,所述获得模块430包括:
第一计算单元431,计算每条所述初始扫描线点云中各扫描点的平均高程值;
第二计算单元432,计算每条所述初始扫描线点云中每相邻两个扫描点之间的相邻高程差;
第三确定单元433,基于所述相邻高程差和预设路面高程差,在每条所述初始扫描线点云中确定至少一段子扫描线点云;
第四提取单元434,基于所述第一平均高程值和预设扫描点数量阈值,从每条所述初始扫描线点云的至少一段子扫描线点云中提取出该初始扫描线点云对应的精细扫描线点云。
进一步的,所述第三确定单元433具体用于:
确定所述相邻高程差是否大于预设路面高程差;若所述相邻高程差大于预设路面高程差,从该相邻高程差对应的两个相邻扫描点之间进行分段,从每条所述初始扫描线点云中划分出至少一段子扫描线点云。
进一步的,所述第三提取单元434具体用于:
计算每段子扫描线点云中全部扫描点的第二平均高程值,确定所述第二平均高程值与所述第一平均高程值之间的差值是否大于所述第一平均高程值的一半;确定每段子扫描线点云中扫描点的数量是否小于预设扫描点数量阈值;若所述第二平均高程值与所述第一平均高程值之间的差值大于所述第一平均高程值的一半,或者所述数量小于所述预设扫描点数量阈值,确定该段子扫描线点云为非路面点云;去除每条所述初始扫描线点云中的非路面点云,以从每条所述初始扫描线点云中确定出对应的精细扫描线点云。
本实施例中的基于扫描线的路面点云自动提取装置400,可以实现如图2和图3所示实施例中的路面提取方法的全部方法步骤,并可以达到相同的效果,在此不做赘述。
本申请实施例提供的基于扫描线的路面点云自动提取方法及装置,从获取的待生成路面的原始路面点云中提取出待生成路面的多条原始扫描线点云;基于所述多条原始扫描线点云,确定初步提取路面的多条初始扫描线点云;基于每条所述初始描线点云的高程值,对多条所述初始扫描线点云进行去噪处理,得到多条精细扫描线点云;基于所述多条精细扫描线点云,生成目标精度的路面。
与现有高精地图路面提取方式相比,本申请通过从原始路面点云提取所要的扫描线,基于该扫描线确定多条初始路面点云扫描线,再基于初始扫描线的高程值,对扫描线进行去噪处理,得到精细的扫描线点云,基于得到精细的扫描线点云,生成目标精度的路面。这样,可以通过对扫描线的处理,从地面层中将纯净的路面信息提取出来,速度快,精确度高。
请参阅图8,图8为本申请一实施例提供的电子设备的结构图。如图8中所示,所述电子设备800包括处理器810、存储器820和总线830。
所述存储器820存储有所述处理器810可执行的机器可读指令,当电子设备800运行时,所述处理器810与所述存储器820之间通过总线830通信,所述机器可读指令被所述处理器810执行时,可以执行如上述图2以及图3所示方法实施例中的图像分割方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时可以执行如上述图2以及图3所示方法实施例中的图像分割方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (11)
1.一种基于扫描线的路面点云自动提取方法,其特征在于,包括:
从获取的待生成路面的原始路面点云中提取出待生成路面的多条原始扫描线点云;
基于所述多条原始扫描线点云,确定初步提取路面的多条初始扫描线点云;
基于每条所述初始扫描线点云的高程值,对多条所述初始扫描线点云进行去噪处理,得到多条精细扫描线点云,包括:计算每条所述初始扫描线点云所有扫描点的第一平均高程值;计算每条所述初始扫描线点云中每相邻两个扫描点之间的相邻高程差;基于所述相邻高程差和预设路面高程差,在每条所述初始扫描线点云中确定至少一段子扫描线点云;计算每段子扫描线点云中全部扫描点的第二平均高程值,确定所述第二平均高程值与所述第一平均高程值之间的差值是否大于所述第一平均高程值的一半;确定每段子扫描线点云中扫描点的数量是否小于预设扫描点数量阈值;若所述第二平均高程值与所述第一平均高程值之间的差值大于所述第一平均高程值的一半,或者所述数量小于所述预设扫描点数量阈值,确定该段子扫描线点云为非路面点云;去除每条所述初始扫描线点云中的非路面点云,以从每条所述初始扫描线点云中确定出对应的精细扫描线点云;
基于所述多条精细扫描线点云,生成目标精度的路面。
2.如权利要求1所述的方法,其特征在于,从获取的待生成路面的原始路面点云数据中提取出待生成路面的多条原始扫描线点云,包括:
从获取到的待生成路面的原始路面点云中确定一面状点云;
基于预设的时间间隔,从所述面状点云中分割出多条预设扫描线点云,其中,多条预设扫描线点云中每两条预设扫描线的首尾两端分别对齐;
基于所述多条预设扫描线点云中每相邻两条扫描线之间的第一时间差和第二时间差,确定所述原始路面点云的扫描时间间隔,其中,所述第一时间差为所述多条预设扫描线点云中每相邻两条扫描线的首端之间的扫描时间差,所述第二时间差为所述多条预设扫描线点云中每相邻两条扫描线的尾端之间的扫描时间差;
基于所述扫描时间间隔,从所述原始路面点云中分割出多条原始扫描线点云。
3.如权利要求1所述的方法,其特征在于,基于所述多条原始扫描线点云,确定初步提取路面的多条初始扫描线点云,包括:
基于预设高程间隔阈值,对每条原始扫描线点云进行切片处理;
从切片处理后的每条原始扫描线点云中,确定点数占比超过预设占比阈值的点云所在切片层中的部分扫描线点云;
基于多条部分扫描线点云,确定初步提取路面的多条初始扫描线点云。
4.如权利要求3所述的方法,其特征在于,基于多条部分扫描线点云,确定初步提取路面的多条初始扫描线点云,包括:
基于预设点间距阈值和预设点梯度阈值,从每条部分扫描线点云上确定初步提取路面两个路面分割边界点;
确定每条部分扫描线点云中位于该部分扫描线点云对应两个路面分割边界点之间的扫描点所组成的扫描线点云,并将该扫描线点云确定为与该部分扫描线点云对应的初步提取路面的初始扫描线点云。
5.如权利要求1所述的方法,其特征在于,所述基于所述相邻高程差和预设路面高程差,在每条所述初始扫描线点云中确定至少一段子扫描线点云,包括:
确定所述相邻高程差是否大于预设路面高程差;
若所述相邻高程差大于预设路面高程差,从该相邻高程差对应的两个相邻扫描点之间进行分段,从每条所述初始扫描线点云中划分出至少一段子扫描线点云。
6.一种基于扫描线的路面点云自动提取装置,其特征在于,基于扫描线的路面点云自动提取装置包括:
提取模块,用于从获取的待生成路面的原始路面点云中提取出待生成路面的多条原始扫描线点云;
确定模块,用于基于所述多条原始扫描线点云,确定初步提取路面的多条初始扫描线点云;
获得模块,用于基于每条所述初始描线点云的高程值,对多条所述初始扫描线点云进行去噪处理,得到多条精细扫描线点云,包括: 第一计算单元,计算每条所述初始扫描线点云中各扫描点的第一平均高程值;第二计算单元,计算每条所述初始扫描线点云中每相邻两个扫描点之间的相邻高程差;第三确定单元,基于所述相邻高程差和预设路面高程差,在每条所述初始扫描线点云中确定至少一段子扫描线点云;第四提取单元,计算每段子扫描线点云中全部扫描点的第二平均高程值,确定所述第二平均高程值与所述第一平均高程值之间的差值是否大于所述第一平均高程值的一半;确定每段子扫描线点云中扫描点的数量是否小于预设扫描点数量阈值;若所述第二平均高程值与所述第一平均高程值之间的差值大于所述第一平均高程值的一半,或者所述数量小于所述预设扫描点数量阈值,确定该段子扫描线点云为非路面点云;去除每条所述初始扫描线点云中的非路面点云,以从每条所述初始扫描线点云中确定出对应的精细扫描线点云;
生成模块,用于基于所述多条精细扫描线点云,生成目标精度的路面。
7.根据权利要求6所述的基于扫描线的路面点云自动提取装置,其特征在于,所述提取模块,包括:
第一确定单元,从获取到的待生成路面的原始路面点云中确定一面状点云;
第二分割单元,基于预设的时间间隔,从所述面状点云中分割出多条预设扫描线点云,其中,多条预设扫描线点云中每两条预设扫描线的首尾两端分别对齐;
第三确定单元,基于所述多条预设扫描线点云中每相邻两条扫描线之间的第一时间差和第二时间差,确定所述原始路面点云的扫描时间间隔,其中,所述第一时间差为所述多条预设扫描线点云中每相邻两条扫描线的首端之间的扫描时间差,所述第二时间差为所述多条预设扫描线点云中每相邻两条扫描线的尾端之间的扫描时间差;
第四分割单元,基于所述扫描时间间隔,从所述原始路面点云中分割出多条原始扫描线点云。
8.根据权利要求6所述的基于扫描线的路面点云自动提取装置,其特征在于,确定模块,包括:
第一处理单元,基于预设高程间隔阈值,对每条原始扫描线点云进行切片处理;
第二确定单元,从切片处理后的每条原始扫描线点云中,确定点数比超过预设占比阈值的点云所在切片层中的部分扫描线点云;
第三确定单元,基于多条部分扫描线点云,确定初步提取路面的多条初始扫描线点云。
9.根据权利要求8所述的基于扫描线的路面点云自动提取装置,其特征在于,所述第三确定单元具体用于:
基于预设点间距阈值和预设点梯度阈值,从每条部分扫描线点云上确定初步提取路面两个路面分割边界点;
确定每条部分扫描线点云中位于该部分扫描线点云对应两个路面分割边界点之间的扫描点所组成的扫描线点云,并将该扫描线点云确定为与该部分扫描线点云对应的初步提取路面的初始扫描线点云。
10.根据权利要求6所述的基于扫描线的路面点云自动提取装置,其特征在于,所述第三确定单元具体用于:
确定所述相邻高程差是否大于预设路面高程差;
若所述相邻高程差大于预设路面高程差,从该相邻高程差对应的两个相邻扫描点之间进行分段,从每条所述初始扫描线点云中划分出至少一段子扫描线点云。
11.根据权利要求6所述的基于扫描线的路面点云自动提取装置,其特征在于,所述第四提取单元具体用于:
计算每段子扫描线点云中全部扫描点的第二平均高程值,
确定所述第二平均高程值与所述第一平均高程值之间的差值是否大于所述第一平均高程值的一半;
确定每段子扫描线点云中扫描点的数量是否小于预设扫描点数量阈值;
若所述第二平均高程值与所述第一平均高程值之间的差值大于所述第一平均高程值的一半,或者所述数量小于所述预设扫描点数量阈值,确定该段子扫描线点云为非路面点云;
去除每条所述初始扫描线点云中的非路面点云,以从每条所述初始扫描线点云中确定出对应的精细扫描线点云。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811641270.5A CN109741450B (zh) | 2018-12-29 | 2018-12-29 | 一种基于扫描线的路面点云自动提取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811641270.5A CN109741450B (zh) | 2018-12-29 | 2018-12-29 | 一种基于扫描线的路面点云自动提取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109741450A CN109741450A (zh) | 2019-05-10 |
CN109741450B true CN109741450B (zh) | 2023-09-19 |
Family
ID=66362452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811641270.5A Active CN109741450B (zh) | 2018-12-29 | 2018-12-29 | 一种基于扫描线的路面点云自动提取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109741450B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163880B (zh) * | 2019-06-04 | 2020-04-14 | 奥特酷智能科技(南京)有限公司 | 一种在Unity中获取点云路面高度的方法 |
CN110598541B (zh) * | 2019-08-05 | 2021-07-23 | 香港理工大学深圳研究院 | 一种提取道路边缘信息的方法及设备 |
CN112200171B (zh) * | 2020-12-07 | 2021-03-23 | 速度时空信息科技股份有限公司 | 一种基于扫描线的道路点云的提取方法 |
CN114494849B (zh) * | 2021-12-21 | 2024-04-09 | 重庆特斯联智慧科技股份有限公司 | 用于轮式机器人的路面状态识别方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761711A (zh) * | 2014-01-13 | 2014-04-30 | 青岛秀山移动测量有限公司 | 一种车载激光扫描路面点云非均匀抽稀方法 |
CN103994779A (zh) * | 2014-05-27 | 2014-08-20 | 首都师范大学 | 基于三维激光点云的全景相机标定方法 |
CN107272019A (zh) * | 2017-05-09 | 2017-10-20 | 深圳市速腾聚创科技有限公司 | 基于激光雷达扫描的路沿检测方法 |
CN108062517A (zh) * | 2017-12-04 | 2018-05-22 | 武汉大学 | 基于车载激光点云的非结构化道路边界线自动提取方法 |
-
2018
- 2018-12-29 CN CN201811641270.5A patent/CN109741450B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761711A (zh) * | 2014-01-13 | 2014-04-30 | 青岛秀山移动测量有限公司 | 一种车载激光扫描路面点云非均匀抽稀方法 |
CN103994779A (zh) * | 2014-05-27 | 2014-08-20 | 首都师范大学 | 基于三维激光点云的全景相机标定方法 |
CN107272019A (zh) * | 2017-05-09 | 2017-10-20 | 深圳市速腾聚创科技有限公司 | 基于激光雷达扫描的路沿检测方法 |
CN108062517A (zh) * | 2017-12-04 | 2018-05-22 | 武汉大学 | 基于车载激光点云的非结构化道路边界线自动提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109741450A (zh) | 2019-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109741450B (zh) | 一种基于扫描线的路面点云自动提取方法及装置 | |
KR101690981B1 (ko) | 형태 인식 방법 및 디바이스 | |
CN112634297B (zh) | 高精地图制作方法、装置、电子设备和存储介质 | |
CN103164842A (zh) | 点云提取系统及方法 | |
EP4120123A1 (en) | Scan line-based road point cloud extraction method | |
Cheng et al. | Building boundary extraction from high resolution imagery and lidar data | |
CN116129202B (zh) | 存量用地分析方法、装置和存储介质 | |
CN106952242A (zh) | 一种基于体素的渐进不规则三角网点云滤波方法 | |
CN106683105A (zh) | 图像分割方法及图像分割装置 | |
Zhang et al. | Automatic extraction of DTM from low resolution DSM by twosteps semi-global filtering | |
CN103714528B (zh) | 物体分割装置和方法 | |
CN111783648A (zh) | 道路点云中护栏的提取方法及装置 | |
CN111968253A (zh) | 一种基于点云数据的路面提取方法及系统 | |
CN116310317A (zh) | 面向点云目标包围框拟合的异形大目标点云切割方法 | |
JP2019016066A (ja) | 地物形状抽出装置、地物形状抽出方法、及びプログラム | |
CN116681858A (zh) | 一种基于点云自适应切片的计算树冠体积的系统 | |
CN113744323B (zh) | 点云数据处理方法和装置 | |
CN114170579B (zh) | 一种路沿检测方法、装置及汽车 | |
CN110361754B (zh) | 一种基于激光点云数据的道路印刷体生长式聚类方法及装置 | |
CN111598901B (zh) | 基于深度图像的牙科修复制品的加工进度的估算方法 | |
CN116152127A (zh) | 一种3d点云处理方法、装置、设备和介质 | |
CN113920483A (zh) | 道路点云中物体的分类方法、装置、电子设备及存储介质 | |
CN113850252A (zh) | 防振锤螺栓检测方法、装置和电子设备 | |
CN112561932A (zh) | 航迹线去噪方法、装置、电子设备和存储介质 | |
Othmani et al. | Region-based segmentation on depth images from a 3D reference surface for tree species recognition |
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 |