CN109766404B - 点云处理方法、装置及计算机可读存储介质 - Google Patents
点云处理方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109766404B CN109766404B CN201910111756.6A CN201910111756A CN109766404B CN 109766404 B CN109766404 B CN 109766404B CN 201910111756 A CN201910111756 A CN 201910111756A CN 109766404 B CN109766404 B CN 109766404B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- plane
- dimensional
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 230000011218 segmentation Effects 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 45
- 238000004590 computer program Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 16
- 238000001514 detection method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 235000015243 ice cream Nutrition 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请公开了一种点云处理方法、装置及计算机可读存储介质。详细地,通过至少两个分割面对获取的第一点云数据的目标区域进行分割,获得第二点云数据,然后将第二点云数据按照预设方向投影至预设投影平面,获得第三点云数据,最后通过多条剖分线对第三点云数据去噪,获得第四点云数据。本申请实施例所述的方案能够在处理三维点云数据时,将大部分的噪点数据进行快速去除,从而提升噪点数据的处理效果。
Description
技术领域
本申请涉及数据处理技术领域,具体而言,涉及一种点云处理方法、装置及计算机可读存储介质。
背景技术
点云数据包含了所采集的点的空间位置信息,因此,可以用点云数据进行车位障碍物判断和目标检测等。测量仪器得到的点云数据中,往往会存在一些噪点数据。在点云数据的计算过程中,也会存在误差,从而使得点云数据与物体的实际位置并不能完全吻合。
现有技术中,在对点云数据进行处理的过程中,往往采用PCL(英文名称PointCloud Library,缩写PCL)点云库进行滤波处理。采用PCL点云库进行滤波处理的过程中,需要反复调用PCL点云库内部的SDK(中文名称:软件开发工具包,英文名称:SoftwareDevelopment Kit,缩写SDK)函数处理所有的点云数据,而在整个降噪过程中,会存在多次对点云数据迭代处理的过程。
上述采用PCL点云库对采集的所有点云数据进行降噪处理以获得障碍物的点云数据的方案,每次迭代过程都会遍历所有的点云数据,而多次迭代处理过程会使整个点云处理过程耗时过长。此外,直接采用PCL库检测障碍物还容易出现漏检和误检的情况。
发明内容
为了克服现有技术中的上述不足,本申请的目的在于一种点云处理方法,所述方法包括:
获取第一点云数据;
通过至少两个分割面对所述第一点云数据的目标区域进行分割,获得第二点云数据;
将所述第二点云数据按照预设方向投影至预设投影平面,获得第三点云数据;
通过多条剖分线对所述第三点云数据去噪,获得第四点云数据。
可选地,所述分割面的一部分沿所述目标区域分界面延伸,所述分割面沿所述目标区域分界面延伸的部分与所述目标区域分界面的形状一致。
可选地,在所述通过多条剖分线对所述第三点云数据进行去噪,获得第四点云数据的步骤后,所述方法还包括:
将所述第四点云数据转换到三维空间,获得第五点云数据。
可选地,所述第二点云数据包括多个三维点云数据,所述第三点云数据包括预设投影平面上,分别与所述第二点云数据中每个三维点云数据对应的二维点云数据,所述多条剖分线包括第一剖分线,所述第一剖分线将所述第三点云数据在预设投影平面上的对应区域,按照第一预设尺寸划分为多个第一网格,所述通过多条剖分线对所述第三点云数据去噪,获得第四点云数据的步骤包括:
获取每个所述第一网格中所述二维点云数据的数量;
针对每个所述第一网格,判断该第一网格中二维点云数据的数量;
如果所述第一网格内二维点云数据的数量小于所述第一预设数量,则删除该第一网格内的所述二维点云数据;
根据各个第一网格中二维点云数据,获得第四点云数据。
可选地,所述如果所述第一网格内二维点云数据的数量小于所述第一预设数量,则删除该第一网格内的所述二维点云数据的步骤前,所述方法还包括:
计算各个所述第一网格所在预设范围内的二维点云数据的平均数,获得所述第一预设数量,所述第一网格的预设范围为与该第一网格的距离小于第一预设距离的其他第一网格所在区域。
可选地,所述多条剖分线还包括第二剖分线,所述第二剖分线将所述第三点云数据在预设投影平面上的对应区域按照第二预设尺寸划分为多个第二网格,其中,所述第二网格的尺寸大于所述第一网格的尺寸,所述获取每个所述第一网格中所述二维点云数据的数量的步骤前,所述方法还包括:
获取各个所述第二网格中所述二维点云数据的数量;
针对每个所述第二网格,判断该第二网格中二维点云数据的数量;
如果所述第二网格内二维点云数据的数量小于所述第二预设数量,则删除该第二网格内的所述二维点云数据。
可选地,所述方法还包括,
根据所述第四点云数据判断所述目标区域内的障碍物情况。
本申请的另一目的在于提供一种点云处理装置,所述装置包括第一获取模块、第二获取模块、投影模块和去噪模块;
所述第一获取模块用于获取第一点云数据;
所述第二获取模块用于通过至少两个分割面对所述第一点云数据的目标区域进行分割,获得第二点云数据;
所述投影模块用于将所述第二点云数据按照预设方向投影至预设投影平面,获得第三点云数据;
所述去噪模块用于通过多条剖分线对所述第三点云数据去噪,获得第四点云数据。
可选地,所述分割面的一部分沿所述目标区域分界面延伸,所述分割面沿所述目标区域分界面延伸的部分与所述目标区域分界面的形状一致。
本申请的另一目的在于提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以上任一项所述方法的步骤。
相对于现有技术而言,本申请具有以下有益效果:
本申请实施例中的点云处理方法、装置及计算机可读存储介质的方案中,根据分割面来对第一点云数据进行切割,获得目标区域的第二点云数据,并在获得第二点云数据后,再将第二点云数据投影到预设投影平面后的第三点云数据进行去噪处理,获得第四点云数据。本申请实施例中通过多个分割面分割第一点云数据,获得的第二点云数据,如此,使得保留的第二点云数据中的数据量大量减少。在获得第二点云数据后再将第二点云数据投影到二维平面,获得第三点云数据,并对第三点云数据进行去噪处理,从而能够大幅减小去噪过程中的运算量。因此,本申请实施例所述方案用于处理三维点云数据时,能够大幅提高处理速度。
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要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为本申请实施例提供的点云处理设备的结构示意框图;
图2为本申请实施例提供的汽车所在环境的俯视图;
图3为本申请实施例提供的障碍物检测方法的流程示意图一;
图4为本申请实施例提供的障碍物检测方法的流程示意图二;
图5为本申请实施例提供的汽车所在环境的后视图;
图6为本申请实施例提供的实际车位图像;
图7为本申请实施例提供的实际车位点云图的侧视图;
图8为本申请实施例提供的实际车位点云图的俯视图;
图9为现有技术对实际车位点云数据处理的效果图;
图10为本申请实施例提供的对点云数据切割处理后的效果图;
图11为本申请实施例提供的障碍物检测方法的流程示意图三;
图12为本申请实施例提供的预设范围的第一网格结构示意图;
图13为本申请实施例提供的障碍物检测方法的流程示意图四;
图14为本申请实施例提供的障碍物检测装置的结构示意框图。
图标:100-点云处理设备;110-点云处理装置;111-第一获取模块;112-第二获取模块;113-投影模块;114-去噪模块;120-存储器;130-处理器;140-采集装置。
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示出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,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动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。
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定义和解释。
在本申请的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
在现有技术中,对三维点云数据进行处理一般是采用PCL滤波以得到物体的三维点云数据。然而现有技术中这种处理方式,通常是建立3D点云特征库,如特定的三维点、位置或空间进行特征匹配、分割、滤波等,需要反复调用PCL点云库中的SDK函数,而且还需要对点三维云数据进行多次迭代,其点云处理速度非常慢,这种处理方式,一般用于寻找物体的轮廓,并不适用自动停车等场景。
请参照图1,图1是本申请实施例提供的点云处理设备100的结构示意框图,可以应用于解决至少一个上述问题。所述点云处理设备100包括点云处理装置110,存储器120、处理器130和用于采集三维点云数据的采集装置140,存储器120、处理器130和采集装置140各元件相互之间直接或间接电性连接,用于实现数据交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述点云处理装置110包括至少一个可以软件或固件(firmware)的形式存储于所述存储器120中或固化在所述点云处理设备100的操作系统(operating system,OS)中的软件功能模块。所述处理器130用于执行所述存储器120中存储的可执行模块,例如所述点云处理装置110所包括的软件功能模块及计算机程序等。
其中,所述存储器120可以是,但不限于,随机存取存储器(Random AccessMemory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(ProgrammableRead-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory,EEPROM)等。其中,存储器120用于存储程序,所述处理器130在接收到执行指令后,执行所述程序。
所述处理器130可能是一种集成电路芯片,具有信号的处理能力。上述的处理器130可以是通用处理器130,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器130可以是微处理器130或者该处理器130也可以是任何常规的处理器130等。
本实施例提供一种点云处理方法,该点云处理方法可以应用于对采集到的三维点云数据进行快速处理,从而快速获得需要的点云数据。例如,该方法可以应用于汽车,具体地,该方法可以应用到汽车自动泊车的场景或者道路识别等场景。所述汽车安装有采集车位三维点云数据的采集装置140。
在自动泊车场景中,汽车行驶时靠近车位的一面所在平面为第一平面,第一平面靠近车位的一侧为第一方向,第一平面远离车位的一侧为第二方向,预设区域为第一方向上,与第一平面平行且距离该第一平面第一预设距离的第二平面之间的区域。例如,图2中所示为汽车所在环境的俯视图,也就是从汽车顶部向下看时,汽车所在环境的视图,车位位于汽车的右侧时,汽车按照图中箭头方向沿着车位的左侧边行驶,此时汽车的右侧面所在平面即第一平面。采集装置140能够采集第一平面右侧包括车位在内的区域的三维点云数据。第一平面向右的方向即为第一方向,第一平面向左的方向即为第二方向,在第一平面右侧与第一平面平行且距离第一平面第一预设距离的平面为第二平面。第一平面和第二平面的区域为预设区域。本实施例中,所述第一平面为汽车右侧面的近似拟合的一个平面。当采集装置140(如相机)设置在汽车右侧面时,第一平面可以是由采集装置140所在点、采集装置140所在点在地面的投影形成的点和预先在地面确定的一点组成的平面。
产品外观表面的点数据集合也称之为点云。三维点云数据是包括点云中各个点的三维坐标的数据,三维点云数据还可以包括点云中各个点的颜色信息,或者点的反射强度信息等。本实施例中的三维点云数据,可以是采用SLAM算法生成的三维点云数据,例如单目SLAM算法生成的三维点云数据或者双目SLAM算法生成的三维点云数据,也可以是采用其他的算法生成的三维点云数据。二维点云数据是将三维点云数据投影到一个平面后,将该三维点云数据的三维坐标转化该平面上的二维坐标的数据。本实施例中,点云数据指上述的三维点云数据或者二维点云数据。
请参照图3,本实施例提供的点云处理方法包括步骤S110-步骤S140。
步骤S110,获取第一点云数据。
本实施例中,第一点云数据是需要进行优化处理的数据,对第一点云数据进行处理以获得干扰信息更少的三维点云数据。本实施例用于获取实时采集或者已经采集好的三维点云数据作为第一点云数据。例如,在该方法应用于自动泊车场景时,可以获取采集装置140所采集的汽车所在环境的三维点云数据作为第一点云数据,该环境的三维点云数据包括车位区域的三维点云数据。
步骤S120,通过至少两个分割面对所述第一点云数据的目标区域进行分割,获得第二点云数据。
在本实施例中,第一点云数据的目标区域是第一点云数据对应区域中,与目标物体对应的区域。其中,第一点云数据对应区域包括第一点云数据中,每个三维点云数据在空间中对应点在的空间形成的区域,例如,可以是采集装置140所能采集到三维点云数据的空间区域。本实施例用于获取目标区域的三维点云数据(即第二点云数据)。
其中,目标区域的位置可以是已知的,也就是说,目标区域对应的三维坐标的位置是已知的。此时,可选地,每个分割面的一部分可以沿着确定目标区域的分界面延伸,使得分割面上沿着确定目标区域的分界面延伸的部分与目标区域的形状一致。也就是说,分割面可能是平面、规则的曲面、不规则的曲面或者平面、规则的曲面与不规则的曲面的结合。
本实施例中,目标区域可以是根据分割面确定的,此时,可选地,该方法还包括步骤:根据分割面确定目标区域。
在根据分割面确定目标区域时,可以根据至少两个分割面确定出一个预设区域,然后再根据预设区域和第一点云数据对应区域确定目标区域,即将预设区域与第一点云数据对应区域作为目标区域。
请参照图4,仍然以自动泊车场景为例,在此场景下,步骤S120可以包括步骤S121-步骤S122。
步骤S121,获取所述第一平面与所述第二平面之间的区域作为预设区域。
步骤S122,根据所述预设区域与所述第一点云数据对应区域确定目标区域。
步骤S123,获取与所述目标区域对应的第一点云数据作为第二点云数据。
本实施例可以用于获取数据量更小的三维点云数据,极大地减少保留的三维点云数据的数据量。对应于自动泊车场景下,本实施例可以用于获取三维点云数据并将第一平面和第二平面之间的预设区域外的三维点云数据去除,获得目标区域的三维点云数据。仅仅保留目标区域内的三维点云数据,能够去除掉大部分噪声的三维点云数据。能够减小需要处理的三维点云数据的数据量。
请参照图5,图5为汽车所在环境的后视图,也就是从汽车后部沿汽车行驶方向看时,汽车所在环境的视图。
在自动泊车场景下,第三平面为汽车所在环境的地面所在平面。可选地,所述分割面还包括第三平面。此时,步骤122包括将第一点云数据对应区域,在第一平面和第二平面之间且位于第三平面预设方向一侧的区域作为目标区域。
因此,步骤S123包括,在所述第一点云数据中,将预设区域以外的三维点云数据去除。然后在将第三平面远离车辆一侧的点云数据去除,得到目标区域对应的第二点云数据。
本实施例用于获得预设区域的三维点云数据,并将预设区域中第三平面远离车辆一侧的三维点云数据去除。由于第三平面远离车辆的一侧会存在一些噪点数据对应的三维点云数据,因此,本实施例可以进一步去除噪点数据对应的三维点云数据,从而进一步减小点云处理过程中所需要处理的数据量,进一步提高处理三维点云数据的速度。此外,本实施例还可以去除第三平面附近的部分噪点数据,从而进一步提高点云处理的速度。
可选地,本实施例中,第一平面、第二平面与第三平面垂直。
本实施例中,在确定需要去除的三维点云数据时,可以在地面所在平面上建立相互垂直的x轴、y轴,然后建立与x轴、y轴均垂直的z轴组成一个三维坐标系,然后确定第一平面与第三平面的相交线,在该相交线上取一点,然后针对各个三维点云数据计算该三维点云数据对应的点与相交线上确定的点所在直线的斜率,然后根据该直线的斜率来判断三维点云数据对应的点在该平面的哪一侧,进而判断该三维点云数据是否需要去除。
请继续参照图3,步骤S130,将所述第二点云数据按照预设方向投影至预设投影平面,获得第三点云数据。
本实施例中,第三点云数据包括多个二维点云数据,其中,每个二维点云数据对应一个第二点云数据中的三维点云数据。二维点云数据包括该二维点云数据在预设投影平面上的二维坐标的信息。本实施例用于将第二点云数据按照预设的方向进行投影,以在预设投影平面上形成第三点云数据。将三维点云数据投影到二维平面,能够使需要处理的数据量进一步减少。在自动泊车的应用场景中,预设投影平面可以是与地面所在平面(相对地平面)平行的面,也可以是与第一平面平行的面或者沿其他方向延伸的平面。
步骤S140,通过多条剖分线对所述第三点云数据去噪,获得第四点云数据。
本实施例中,所述多条剖分线可以是预设投影平面上的直线、规则曲线或者不规则曲线,其中,所述多条剖分线能够形成网格。
在三维空间中,第二点云数据密集的地方投影到二维平面后,对应的投影区域三维点云数据的二维点云数据仍然会比较密集。故可以将三维点云数据投影在二维平面上获得由二维点云数据构成的第三点云数据。
以自动泊车场景为例,本实施例中,根据第一平面和第二平面确定的预设区域来将预设区域外的三维点云数据删除,保留预设区域内的三维点云数据,从而获得目标区域的三维点云数据,由于汽车所在环境的三维点云数据被大量去除,仅保留目标区域的三维点云数据,能够大幅减少三维点云数据的数据量。然后,再将目标区域的三维点云数据投影至二维的预设投影平面,将三维点云数据转化为二维点云数据,能够进一步地降低数据量。因此,本实施例中,获得目标区域的三维点云数据并转化到二维的预设投影平面上来进行处理,能大幅提高整个点云处理过程的速度。
本实施例中获得的第四点云数据,可以用于,但不限于进行障碍物检测或者进行车辆的道路识别等。
例如,请参见图6,图6为实际的车位图像,在整个图像中,共存在两个雪糕筒和两根细杆,其中一个雪糕桶和一根细杆在车位中。采用采集装置140采集该车位及其环境中的三维点云数据。请参见图7,图7为采集装置140采集的包括图6的图像区域的点云图侧视图,也就是从与画面平行的方向看时,点云图形成的图像。请参见图8,图8为采集装置140采集的包括图6的图像区域的点云图的俯视图,也就是从垂直于地面向下看时,点云图形成的图像。从图7和图8中,可明显看出存在很多个点云密集的区域。在对采集装置140采集的三维点云数据采用现有的点云处理技术进行处理后,所得处理的效果图如图9所示,可以看出,图9中的三维点云数据仍然较多。
将图像采集装置140采集到的点云数据采用第一平面、第二平面和第三平面切割处理,也就是目标区域外的点云数据后,获得的处理效果图如图10所示,可见,图10中点云数量比图9中点云数据明显减少。
请参照图11,所述第二点云数据包括多个三维点云数据,所述第三点云数据包括预设投影平面上,分别与所述第二点云数据中每个三维点云数据对应的二维点云数据,所述多条剖分线包括第一剖分线,所述第一剖分线将所述第三点云数据在预设投影平面上的对应区域,按照第一预设尺寸划分为多个第一网格,可选地,步骤S140包括子步骤S141-步骤S144。
第三点云数据在预设投影平面上的对应区域是该区域是第三点云数据中的各个二维点云数据在平面上对应的点所在位置的边界所形成的区域。
步骤S141,获取每个所述第一网格中的所述二维点云数据的数量。
步骤S142,针对每个所述第一网格,判断该第一网格中二维点云数据的数量是否大于第一预设数量;
步骤S143,如果所述第一网格内二维点云数据的数量小于所述第一预设数量,则删除该第一网格内的所述二维点云数据;
步骤S144,根据各个第一网格中二维点云数据,获得第四点云数据。
由于三维点云数据中包括一些噪点数据,这些噪点数据在二维的预设投影平面上同样会存在二维点云数据,因此,本实施例可以用于对第三点云数据进行去噪,减少噪点数据,以获得去噪后的二维点云数据,即第四点云数据。
可选地,步骤S142前还包括,计算各个所述第一网格所在预设范围内的二维点云数据的平均数,获得第一预设数量,所述第一网格的预设范围为与该第一网格的距离小于第一预设距离的其他第一网格所在区域。请参照图12,例如,预设范围内的其他四个第一网格的内的二维点云数据的数量分别为fl,fr,fu和fd,此时,第一预设数量f0=average(fl,fr,u,fd)。
本实施例可以用于对第三点云数据进行去噪,以减少噪声数据。此外,本实施例中,对第一网格中的二维点云数据的数量进行加权处理,可以有效地处理跨网格现象,也就是同一个物体对应的二维点云数据存在于多个第一网格中的现象,这样,可以提高获得的障碍物的精度,避免漏检现象。
请参照图13,所述多条剖分线还包括第二剖分线,所述第二剖分线将所述第三点云数据在预设投影平面上的对应区域按照第二预设尺寸划分为多个第二网格,其中,所述第二网格的尺寸大于所述第一网格的尺寸,可选地,所述步骤S141前,所述方法还包括步骤S151-步骤S153。
步骤S151,获取各个所述第二网格中所述二维点云数据的数量。
步骤S152,针对每个所述第二网格,判断该第二网格中二维点云数据的数量是否大于第二预设数量;
步骤S153,如果所述第二网格内二维点云数据的数量小于所述第二预设数量,则删除该第二网格内的所述二维点云数据。
本实施例用于对投影区域的第三点云数据进行初步去噪,初步去噪后再进一步去噪,这样可以进一步提高点二维点云数据处理的精度,从而能够提高三维点云数据处理的精度。
可选地,本实施例中,在步骤S140后,所述方法还可以包括,将所述第四点云数据投影回三维空间,得到第五点云数据。也就是将第四点云数据的二维坐标转化为三维坐标。
可选地,本实施例中,在步骤S140后,所述方法还可以包括,根据第四点云数据判断障碍物情况。
本实施例中,障碍物的情况可以包括目标区域内是否存在障碍物,当目标区域内包括障碍物时,障碍物的情况还可以包括障碍物的位置信息、尺寸信息等。
在根据第四点云数据进行障碍物检测时,可以根据第四点云数据的二维坐标等信息直接进行检测,也可以将第四点云数据投影回三维空间后,根据第五点云数据进行检测。
本实施例中,障碍物的情况可以包括目标区域内是否存在障碍物,当目标区域内包括障碍物时,障碍物的情况还可以包括障碍物的位置信息、尺寸信息等。根据二维点云数据处理,来判断目标区域内的障碍物,能够大幅提高点云处理的时间。
可选地,本实施例中,在检测出障碍物后,还可以获取所述障碍物与汽车之间的距离。
然后,可以根据所述障碍物与所述汽车之间的距离控制所述汽车的运行状态。本实施例用于根据汽车与障碍物之间的距离控制汽车。
请参照图14,本申请的另一目的在于提供一种点云处理装置110,应用于汽车,所述汽车安装有采集车位三维点云数据的采集装置140,第一平面靠近车位的一侧为第一方向,所述第一平面为汽车行驶时靠近车位的一面所在平面,所述装置包括第一获取模块111、第二获取模块112、投影模块113和去噪模块114。所述点云处理装置110置包括一个可以软件或固件的形式存储于所述存储器120中或固化在所述点云处理设备100的操作系统(operating system,OS)中的软件功能模块。
所述获取模块111用于获取第一点云数据。
本实施例中的获取模块111用于执行步骤S110,关于所述获取模块111的具体描述可参照对所述步骤S110的描述。
所述第二获取模块112用于通过至少两个分割面对所述第一点云数据的目标区域进行分割,获得第二点云数据。
本实施例中的第二获取模块112用于执行步骤S120,关于所第二获取除模块112的具体描述可参照对所述步骤S120的描述。
所述投影模块113用于将所述第二点云数据按照预设方向投影至预设投影平面,获得第三点云数据。
本实施例中的投影模块113用于执行步骤S130,关于所述投影模块113的具体描述可参照对所述步骤S130的描述。
所述去噪模块114用于通过多条剖分线对所述第三点云数据去噪,获得第四点云数据。
本实施例中的去噪模块114用于执行步骤S140,关于所述去噪模块114的具体描述可参照对所述步骤S140的描述。
本申请的另一目的在于提供一种计算机可读存储介质,所述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130执行时实现以上任一项所述点云处理方法的步骤。
综上所述,本申请实施例中的点云处理方法、装置及计算机可读存储介质的方案中,通过多个分割面分割第一点云数据,获得的第二点云数据,如此,使得保留的第二点云数据中的数据量大量减少。在获得第二点云数据后再将第二点云数据投影到二维平面,获得第三点云数据,并对第三点云数据进行去噪处理,从而能够大幅减小去噪过程中的运算量。因此,本申请实施例所述方案用于处理三维点云数据时,能够大幅点云处理的速度。本申请实施例的方案应用于障碍物检测时,也可大幅提高障碍物检测的速度和精度。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,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以所述权利要求的保护范围为准。
Claims (10)
1.一种点云处理方法,其特征在于,所述方法包括:
获取第一点云数据,所述第一点云数据为实时采集或已经采集好的三维点云数据;
通过至少两个分割面对所述第一点云数据的目标区域进行分割,获得第二点云数据;
将所述第二点云数据按照预设方向投影至预设投影平面,获得第三点云数据;
通过多条剖分线对所述第三点云数据去噪,获得第四点云数据;
其中,通过至少两个分割面对所述第一点云数据的目标区域进行分割,获得第二点云数据的步骤,包括:
获取第一平面与第二平面之间的区域作为预设区域,根据所述预设区域与所述第一点云数据对应区域确定目标区域;
获取与所述目标区域对应的第一点云数据作为第二点云数据;
其中,所述获取与所述目标区域对应的第一点云数据作为第二点云数据,包括:
在所述第一点云数据中,去除所述预设区域以外的所述三维点云数据;
去除第三平面远离车辆一侧的三维点云数据,得到目标区域对应的所述第二点云数据,所述第三平面与所述第一平面及所述第二平面垂直;
其中,所述去除所述第三平面远离车辆一侧的所述三维点云数据,包括:
在地面所在平面上建立相互垂直的x轴、y轴,建立与x轴、y轴均垂直的z轴组成一个三维坐标系,确定所述第一平面与所述第三平面的相交线,在所述相交线上取一点,针对各个所述三维点云数据计算所述三维点云数据对应的点与相交线上确定的点所在直线的斜率,根据所述直线的斜率来判断所述三维点云数据对应的点在所述第三平面的哪一侧,去除所述第三平面远离车辆一侧的所述第一点云数据中的三维点云数据,保留所述第三平面靠近车辆一侧的所述第一点云数据的三维点云数据。
2.根据权利要求1所述的点云处理方法,其特征在于,所述分割面的一部分沿所述目标区域分界面延伸,所述分割面沿所述目标区域分界面延伸的部分与所述目标区域分界面的形状一致。
3.根据权利要求2所述的点云处理方法,其特征在于,在所述通过多条剖分线对所述第三点云数据进行去噪,获得第四点云数据的步骤后,所述方法还包括,
将所述第四点云数据转换到三维空间,获得第五点云数据。
4.根据权利要求1-3任一项所述的点云处理方法,其特征在于,所述第二点云数据包括多个三维点云数据,所述第三点云数据包括预设投影平面上,分别与所述第二点云数据中每个三维点云数据对应的二维点云数据,所述多条剖分线包括第一剖分线,所述第一剖分线将所述第三点云数据在预设投影平面上的对应区域,按照第一预设尺寸划分为多个第一网格,所述通过多条剖分线对所述第三点云数据去噪,获得第四点云数据的步骤包括:
获取每个所述第一网格中所述二维点云数据的数量;
针对每个所述第一网格,判断该第一网格中二维点云数据的数量;
如果所述第一网格内二维点云数据的数量小于所述第一预设数量,则删除该第一网格内的所述二维点云数据;
根据各个第一网格中二维点云数据,获得第四点云数据。
5.根据权利要求4所述的点云处理方法,其特征在于,所述如果所述第一网格内二维点云数据的数量小于所述第一预设数量,则删除该第一网格内的所述二维点云数据的步骤前,所述方法还包括:
计算各个所述第一网格所在预设范围内的二维点云数据的平均数,获得所述第一预设数量,所述第一网格的预设范围为与该第一网格的距离小于第一预设距离的其他第一网格所在区域。
6.根据权利要求4所述的点云处理方法,其特征在于,所述多条剖分线还包括第二剖分线,所述第二剖分线将所述第三点云数据在预设投影平面上的对应区域按照第二预设尺寸划分为多个第二网格,其中,所述第二网格的尺寸大于所述第一网格的尺寸,所述获取每个所述第一网格中所述二维点云数据的数量的步骤前,所述方法还包括:
获取各个所述第二网格中所述二维点云数据的数量;
针对每个所述第二网格,判断该第二网格中二维点云数据的数量;
如果所述第二网格内二维点云数据的数量小于所述第二预设数量,则删除该第二网格内的所述二维点云数据。
7.根据权利要求1-3任一项所述的点云处理方法,其特征在于,所述方法还包括,
根据所述第四点云数据判断所述目标区域内的障碍物情况。
8.一种点云处理装置,其特征在于,所述装置包括第一获取模块、第二获取模块、投影模块和去噪模块;
所述第一获取模块用于获取第一点云数据,所述第一点云数据为实时采集或已经采集好的三维点云数据;
所述第二获取模块用于通过至少两个分割面对所述第一点云数据的目标区域进行分割,获得第二点云数据;
所述投影模块用于将所述第二点云数据按照预设方向投影至预设投影平面,获得第三点云数据;
所述去噪模块用于通过多条剖分线对所述第三点云数据去噪,获得第四点云数据;
其中,通过至少两个分割面对所述第一点云数据的目标区域进行分割,获得第二点云数据的步骤,包括:
获取第一平面与第二平面之间的区域作为预设区域,根据所述预设区域与所述第一点云数据对应区域确定目标区域;
获取与所述目标区域对应的第一点云数据作为第二点云数据;
其中,所述获取与所述目标区域对应的第一点云数据作为第二点云数据,包括:
在所述第一点云数据中,去除所述预设区域以外的所述三维点云数据;
去除第三平面远离车辆一侧的三维点云数据,得到目标区域对应的所述第二点云数据,所述第三平面与所述第一平面及所述第二平面垂直;
其中,所述去除所述第三平面远离车辆一侧的所述三维点云数据,包括:
在地面所在平面上建立相互垂直的x轴、y轴,建立与x轴、y轴均垂直的z轴组成一个三维坐标系,确定所述第一平面与所述第三平面的相交线,在所述相交线上取一点,针对各个所述三维点云数据计算所述三维点云数据对应的点与相交线上确定的点所在直线的斜率,根据所述直线的斜率来判断所述三维点云数据对应的点在所述第三平面的哪一侧,去除所述第三平面远离车辆一侧的所述第一点云数据中的三维点云数据,保留所述第三平面靠近车辆一侧的所述第一点云数据的三维点云数据。
9.根据权利要求8所述的点云处理装置,其特征在于,所述分割面的一部分沿所述目标区域分界面延伸,所述分割面沿所述目标区域分界面延伸的部分与所述目标区域分界面的形状一致。
10.一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,该计算机程序被处理器执行时实现如权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910111756.6A CN109766404B (zh) | 2019-02-12 | 2019-02-12 | 点云处理方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910111756.6A CN109766404B (zh) | 2019-02-12 | 2019-02-12 | 点云处理方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109766404A CN109766404A (zh) | 2019-05-17 |
CN109766404B true CN109766404B (zh) | 2020-12-15 |
Family
ID=66456168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910111756.6A Active CN109766404B (zh) | 2019-02-12 | 2019-02-12 | 点云处理方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109766404B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458780A (zh) * | 2019-08-14 | 2019-11-15 | 上海眼控科技股份有限公司 | 3d点云数据去噪方法、装置、计算机设备和可读存储介质 |
CN110550072B (zh) * | 2019-08-29 | 2022-04-29 | 北京博途智控科技有限公司 | 一种铁路调车作业识别障碍物的方法、系统、介质及设备 |
CN112560548B (zh) * | 2019-09-24 | 2024-04-02 | 北京百度网讯科技有限公司 | 用于输出信息的方法和装置 |
CN112634181B (zh) | 2019-09-24 | 2024-06-14 | 阿波罗智能技术(北京)有限公司 | 用于检测地面点云点的方法和装置 |
CN111028279A (zh) * | 2019-12-12 | 2020-04-17 | 商汤集团有限公司 | 点云数据处理方法及装置、电子设备和存储介质 |
CN111476830B (zh) * | 2020-03-13 | 2023-08-01 | 上海高仙自动化科技发展有限公司 | 点云数据处理方法、机器人、电子设备和可读存储介质 |
CN111539361B (zh) * | 2020-04-28 | 2023-09-05 | 北京小马慧行科技有限公司 | 噪点的识别方法、装置、存储介质、处理器和运载工具 |
CN111696159B (zh) * | 2020-06-15 | 2021-06-11 | 湖北亿咖通科技有限公司 | 激光里程计的特征存储方法、电子设备和存储介质 |
CN112329789B (zh) * | 2020-10-12 | 2022-05-17 | 广州文远知行科技有限公司 | 点云的提取方法、装置、计算机设备和存储介质 |
CN112215841A (zh) * | 2020-10-31 | 2021-01-12 | 上海扩博智能技术有限公司 | 风机叶片点云数据的形成方法、系统、设备和存储介质 |
CN112710313A (zh) * | 2020-12-31 | 2021-04-27 | 广州极飞科技股份有限公司 | 覆盖路径生成方法、装置、电子设备和存储介质 |
CN114783172B (zh) * | 2021-01-22 | 2024-05-17 | 广州汽车集团股份有限公司 | 一种停车场空车位识别方法及系统、计算机可读存储介质 |
CN113557528B (zh) * | 2021-03-30 | 2023-11-28 | 商汤国际私人有限公司 | 生成点云补全网络及点云数据处理方法、装置和系统 |
CN113240634A (zh) * | 2021-04-29 | 2021-08-10 | 广东元一科技实业有限公司 | 一种任意平面视图生成系统及其生成方法 |
CN113610883B (zh) * | 2021-04-30 | 2022-04-08 | 新驱动重庆智能汽车有限公司 | 点云处理系统和方法、计算机设备和存储介质 |
CN113240734B (zh) * | 2021-06-01 | 2024-05-17 | 深圳市捷顺科技实业股份有限公司 | 一种基于鸟瞰图的车辆跨位判断方法、装置、设备及介质 |
CN113920483A (zh) * | 2021-09-14 | 2022-01-11 | 征图三维(北京)激光技术有限公司 | 道路点云中物体的分类方法、装置、电子设备及存储介质 |
CN115578694A (zh) * | 2022-11-18 | 2023-01-06 | 合肥英特灵达信息技术有限公司 | 一种视频分析算力调度方法、系统、电子设备及存储介质 |
CN116681767B (zh) * | 2023-08-03 | 2023-12-29 | 长沙智能驾驶研究院有限公司 | 一种点云搜索方法、装置及终端设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107092775A (zh) * | 2017-03-17 | 2017-08-25 | 沈阳工业大学 | 基于激光测量系统的锥螺纹数据处理算法 |
CN107169464A (zh) * | 2017-05-25 | 2017-09-15 | 中国农业科学院农业资源与农业区划研究所 | 一种基于激光点云的道路边界检测方法 |
CN108805143A (zh) * | 2018-06-01 | 2018-11-13 | 苏州工业园区测绘地理信息有限公司 | 一种基于切片点云的数据特征提取方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574282B (zh) * | 2013-10-22 | 2019-06-07 | 鸿富锦精密工业(深圳)有限公司 | 点云噪声点去除系统及方法 |
CN105469447A (zh) * | 2014-09-11 | 2016-04-06 | 富泰华工业(深圳)有限公司 | 点云边界直角边修补系统及方法 |
CN106815847B (zh) * | 2017-01-12 | 2019-11-22 | 非凡智慧(宁夏)科技有限公司 | 基于激光雷达点云的树木分割方法及单棵树提取方法 |
CN108171720A (zh) * | 2018-01-08 | 2018-06-15 | 武汉理工大学 | 一种基于几何统计信息的倾斜摄影模型对象边界探测方法 |
CN109118500B (zh) * | 2018-07-16 | 2022-05-10 | 重庆大学产业技术研究院 | 一种基于图像的三维激光扫描点云数据的分割方法 |
CN108985230A (zh) * | 2018-07-17 | 2018-12-11 | 深圳市易成自动驾驶技术有限公司 | 车道线检测方法、装置及计算机可读存储介质 |
-
2019
- 2019-02-12 CN CN201910111756.6A patent/CN109766404B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107092775A (zh) * | 2017-03-17 | 2017-08-25 | 沈阳工业大学 | 基于激光测量系统的锥螺纹数据处理算法 |
CN107169464A (zh) * | 2017-05-25 | 2017-09-15 | 中国农业科学院农业资源与农业区划研究所 | 一种基于激光点云的道路边界检测方法 |
CN108805143A (zh) * | 2018-06-01 | 2018-11-13 | 苏州工业园区测绘地理信息有限公司 | 一种基于切片点云的数据特征提取方法 |
Non-Patent Citations (3)
Title |
---|
"Efficient Initial Guess Determination Based on 3D Point Cloud Projection for ICP Algorithms";Mouna Attia;《2017 International Conference on High Performance Computing & Simulation》;20170914;第3-8页 * |
"基于局部约束的建筑物屋顶点云平面分割方法";张宏伟等;《测绘科学技术学报》;20171214;第34卷(第3期);第274-278页 * |
"车载激光扫描数据的地物分类方法";谭贲等;《遥感学报》;20120131;第16卷(第1期);第50-66页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109766404A (zh) | 2019-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109766404B (zh) | 点云处理方法、装置及计算机可读存储介质 | |
JP7167397B2 (ja) | 点群データを処理するための方法及び装置 | |
CN106951847B (zh) | 障碍物检测方法、装置、设备及存储介质 | |
CN109521757B (zh) | 静态障碍物识别方法和装置 | |
CN109446886B (zh) | 基于无人车的障碍物检测方法、装置、设备以及存储介质 | |
CN110673107B (zh) | 基于多线激光雷达的路沿检测方法及装置 | |
CN109635816B (zh) | 车道线生成方法、装置、设备以及存储介质 | |
CN114693696A (zh) | 一种点云数据处理方法及装置 | |
CN110674705A (zh) | 基于多线激光雷达的小型障碍物检测方法及装置 | |
EP2757529B1 (en) | Systems and methods for 3D data based navigation using descriptor vectors | |
CN105260701A (zh) | 一种适用于复杂场景下的前方车辆检测方法 | |
CN113838125A (zh) | 目标位置确定方法、装置、电子设备以及存储介质 | |
CN112614174A (zh) | 点云补全和点云分割方法、装置、电子设备及存储介质 | |
CN114419573A (zh) | 动态占据栅格估计方法及装置 | |
CN117590362B (zh) | 一种多激光雷达外参标定方法、装置和设备 | |
CN117474998A (zh) | 一种货架位置检测方法、装置、设备及存储介质 | |
US9123165B2 (en) | Systems and methods for 3D data based navigation using a watershed method | |
CN116843860A (zh) | 激光雷达点云与影像密集匹配点云融合建模方法及装置 | |
CN107808160B (zh) | 三维建筑物提取方法和装置 | |
CN112286178B (zh) | 识别系统、车辆控制系统、识别方法及存储介质 | |
CN112068547A (zh) | 一种基于amcl的机器人定位方法、装置和机器人 | |
JP2006078261A (ja) | 物体検出装置 | |
CN117590371B (zh) | 基于4d毫米波成像雷达实现全局车位状态检测的方法 | |
JP7403175B2 (ja) | 画像を分割する方法 | |
CN117788593B (zh) | 剔除三维激光数据中动态点的方法、装置、介质及设备 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220321 Address after: 430090 No. b1336, chuanggu startup area, taizihu cultural Digital Creative Industry Park, No. 18, Shenlong Avenue, Wuhan Economic and Technological Development Zone, Hubei Province Patentee after: Yikatong (Hubei) Technology Co.,Ltd. Address before: 430000 no.c101, chuanggu start up area, taizihu cultural Digital Industrial Park, No.18 Shenlong Avenue, Wuhan Economic and Technological Development Zone, Hubei Province Patentee before: HUBEI ECARX TECHNOLOGY Co.,Ltd. |
|
TR01 | Transfer of patent right |