CN110309240A - 去除动态目标的方法和装置 - Google Patents
去除动态目标的方法和装置 Download PDFInfo
- Publication number
- CN110309240A CN110309240A CN201810209457.1A CN201810209457A CN110309240A CN 110309240 A CN110309240 A CN 110309240A CN 201810209457 A CN201810209457 A CN 201810209457A CN 110309240 A CN110309240 A CN 110309240A
- Authority
- CN
- China
- Prior art keywords
- target
- analyzed
- dynamic object
- point cloud
- cloud data
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了去除动态目标的方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:获取点云数据集,并将点云数据集分成多个子数据集;利用欧式距离对每个子数据集进行聚类以得到聚类中心点,并确认聚类中心点对应的待分析目标;验证待分析目标是否符合预设规则,若是,则确认待分析目标为动态目标,并将动态目标去除,其中,预设规则包括:移动距离规则和异常跳动规则。该实施方式提高了区分动态目标和静态目标的准确性。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种去除动态目标的方法和装置。
背景技术
随着科学技术的不断发展,无人驾驶车辆成为一个越来越热门的话题,而高精度地图为无人驾驶车辆提供导航和定位。在地图构建过程中,通常道路上的动态目标过多,会在地图中留下很多动态目标拖影,导致高精度地图中噪音过多,会严重影响无人驾驶车辆的定位和导航。因此,去除动态目标是制作高精度地图的一个很重要的过程。
现有技术中,首先,通过设置高度阈值去除待分析数据中的地面点以获取目标点云数据;接着,通过计算获取目标点云数据的中心点,其中,中心点可以通过计算目标点云数据的坐标平均值获取,也可以通过求解外包围中心计算得到;然后,分析目标中心点的移动距离以区分动态目标和静止目标。点云数据是指扫描资料以点的形式记录,每一个点包含有三维坐标,有些可能含有颜色信息或反射强度信息。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:一、现有的方案通常是通过设置高度阈值去除地面点,这样不能较精确的去除地面点,动态目标点云数据近地面部分很多会残留于地面上;二、像树枝等点云数据的中心点也会呈现向某个方向移动一定距离的情况,但通常其中心点会前后跳动,这不属于动态目标的移动特点,而现有技术仅通过中心点的移动距离区分静态目标和动态目标,这样会导致区分动静态目标的准确度降低;三、现有技术需要分析所有点云数据,有计算复杂效率低的缺点。
发明内容
有鉴于此,本发明实施例提供一种去除动态目标的方法,提高了区分静态目标和动态目标的准确性。
为实现上述目的,根据本发明实施例的一个方面,提供了一种去除动态目标的方法。
本发明实施例的一种去除动态目标的方法,包括:获取点云数据集,并将点云数据集分成多个子数据集;利用欧式距离对每个子数据集进行聚类以得到聚类中心点,并确认聚类中心点对应的待分析目标;验证待分析目标是否符合预设规则,若是,则确认待分析目标为动态目标,并将动态目标去除,其中,预设规则包括:移动距离规则和异常跳动规则。
可选地,将所述点云数据集分成多个子数据集包括:将所述点云数据集分成多个子点云数据集;基于形态学滤波算法分别对所述子点云数据集进行预处理;根据预设高度阈值分别从预处理后的所述子点云数据集中获取子数据集。
可选地,利用欧式距离对每个子数据集进行聚类以得到聚类中心点之后,所述方法还包括:利用欧式距离对所述聚类中心点进行聚类,其中所述聚类中心点对应同一目标。
可选地,在验证所述待分析目标是否符合预设规则之前,所述方法还包括:根据所述聚类中心点,获取所述待分析目标的移动距离;以及所述移动距离规则包括:判断所述移动距离是否大于预设距离,若是,则确认所述待分析目标为动态目标。
可选地,在验证所述待分析目标是否符合预设规则之前,所述方法还包括:根据所述聚类中心点,获取所述待分析目标的异常跳动次数;以及所述异常跳动规则包括:判断所述异常跳动次数是否小于预设次数,若是,则确认所述待分析目标为动态目标。
为实现上述目的,根据本发明实施例的另一方面,提供了一种去除动态目标的装置。
本发明实施例的一种去除动态目标的装置,包括:获取模块,用于获取点云数据集,并将所述点云数据集分成多个子数据集;聚类模块,用于利用欧式距离对每个子数据集进行聚类以得到聚类中心点,并确认所述聚类中心点对应的待分析目标;验证模块,用于验证所述待分析目标是否符合预设规则,若是,则确认所述待分析目标为动态目标,并将所述动态目标去除,其中,所述预设规则包括:移动距离规则和异常跳动规则。
可选地,所述获取模块还用于:将所述点云数据集分成多个子点云数据集;基于形态学滤波算法分别对所述子点云数据集进行预处理;根据预设高度阈值分别从预处理后的所述子点云数据集中获取子数据集。
可选地,所述聚类模块还用于:利用欧式距离对所述聚类中心点进行聚类,其中所述聚类中心点对应同一目标。
可选地,所述验证模块还用于:根据所述聚类中心点,获取所述待分析目标的移动距离;以及所述移动距离规则包括:判断所述移动距离是否大于预设距离,若是,则确认所述待分析目标为动态目标。
可选地,所述验证模块还用于:根据所述聚类中心点,获取所述待分析目标的异常跳动次数;以及所述异常跳动规则包括:判断所述异常跳动次数是否小于预设次数,若是,则确认所述待分析目标为动态目标。
为实现上述目的,根据本发明实施例的再一方面,提供了一种电子设备。
本发明实施例的一种电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现本发明实施例的去除动态目标的方法。
为实现上述目的,根据本发明实施例的又一方面,提供了一种计算机可读介质。
本发明实施例的一种计算机可读介质,其上存储有计算机程序,程序被处理器执行时实现本发明实施例的去除动态目标的方法。
上述发明中的一个实施例具有如下优点或有益效果:能够根据点云数据集获取多个子数据集,然后利用欧氏距离获取聚类中心点并确认待分析目标,接着从移动距离和异常跳动两个角度分析待分析目标是否为动态目标,从而可以提高区分动态目标和静态目标的准确性;本发明实施例中基于形态学滤波算法分别对多个子点云数据集进行预处理,从而可以精确地去除地面点;本发明实施例中根据预设高度阈值分别从预处理后的子点云数据集中获取子数据集,从而可以减少需要分析的数据量,提高了计算效率;本发明实施例中首先根据欧式距离分别对多个子数据集进行聚类以获取到每个子数据集的聚类中心点,从而可以确认聚类中心点对应的目标为待分析目标;本发明实施例中再次利用欧式距离对聚类中心点进行聚类,从而可以将待分析目标对应的聚类中心点聚类在一起分析,提高了计算效率,进一步提高了方案的准确性;本发明实施例中从待分析目标的移动距离和异常跳动次数多个角度验证待分析目标是否为动态目标,从而可以提高区分动态目标和静态目标的精度。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的去除动态目标的方法的主要步骤的示意图;
图2是根据本发明一个可参考实施例的去除动态目标的方法的主要流程的示意图;
图3是根据本发明实施例的去除动态目标的装置的主要模块的示意图;
图4是本发明实施例可以应用于其中的示例性系统架构图;
图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明实施例的去除动态目标的方法的主要步骤的示意图,如图1所示,本发明实施例的去除动态目标的方法的主要包括以下步骤:
步骤S101:获取点云数据集,并将点云数据集分成多个子数据集。
在本发明实施例中,首先使用扫描设备,例如水平安装的velodyne设备(velodyne设备是一种激光雷达设备,也可以用速腾、禾赛等扫描设备),扫描获取到一个分析单元的点云数据集。其中,获取到的点云数据集作为一个分析单元,其具体大小可以根据实际需求设定,例如设定每10帧数据作为一个分析单元。在获取到点云数据集之后,将点云数据集分成多个子数据集,以便在步骤S102中对每个子数据集进行处理。
作为本发明的又一个实施例,步骤S101中的将点云数据集分成多个子数据集可以包括:将点云数据集分成多个子点云数据集;基于形态学滤波算法分别对子点云数据集进行预处理;根据预设高度阈值分别从预处理后的子点云数据集中获取子数据集。
在获取子数据集的过程中,首先将点云数据集分成多个子点云数据集,例如,点云数据集是10帧数据,首先将10帧数据分为10个1帧数据。然后利用形态学滤波算法分别对每个子点云数据集进行预处理,滤除掉地面点。数学形态学的方法可以理解为一个具有一定直径的小球滚过一段特定的路径,各种信号可以看作是路径上的小坑。由于所有的噪声都有个共同特征,即高频低峰,这些小坑的径长明显小于小球直径,因此小球球心的滚动轨迹不会受噪声的干扰,因此小球球心滚动轨迹即可以看成数学形态学处理后的信号。由于数学形态学实际上可以理解为一种滤波行为,可以称为形态学滤波,本发明中可以基于形态学滤波提取地面点,即根据计算局部最低点并计算距离最低点一定高度内的点作为地面点,然后将地面点滤除掉。接着,设置高度阈值从去除地面点后的子点云数据集中获取子数据集,也就是说在非地面点中设置高度阈值,限制分析数据距离地面的高度,这样控制分析数据量可以提升计算效率,且可以更好的保证之后动态目标点云去除精度。
步骤S102:利用欧式距离对每个子数据集进行聚类以得到聚类中心点,并确认聚类中心点对应的目标为待分析目标。其中,欧式距离是一个通常采用的距离定义,指在m维空间中两个点之间的真实距离,或者向量的自然长度(即该点到原点的距离),在二维和三维空间中的欧氏距离就是两点之间的实际距离。以一个子数据集D为例说明,本发明中首先采用欧式距离对子数据集D进行聚类,从而可以将子数据集D中对应同一目标的数据提取出来,然后计算提取出来的数据的聚类中心点,例如,一个子数据集中包括目标A和目标B的数据,利用欧式距离对该子数据集进行聚类可以将该子数据集中目标A的数据提取出来,然后再计算提取出来的目标A的数据的聚类中心点。本发明中利用欧式距离对每个子数据集进行聚类,可以得到每个子数据集的聚类中心点,并且获取的聚类中心点对应的目标为同一个目标,即待分析目标。
作为本发明的再一个实施例,在步骤S102中利用欧式距离对每个子数据集进行聚类以得到聚类中心点之后,本发明的去除动态目标的方法还可以包括:利用欧式距离对聚类中心点进行聚类。本发明中再次利用欧式距离对聚类中心点进行聚类,从而可以将待分析目标对应的聚类中心点聚类在一起分析,提高了计算效率,进一步提高了方案的准确性。
步骤S103:验证待分析目标是否符合预设规则,若是,则确认待分析目标为动态目标,并将动态目标去除,其中,预设规则可以包括:移动距离规则和异常跳动规则。在步骤S102中确认待分析目标,本步骤验证待分析目标是否符合预设的验证规则,如果符合,则认为该待分析目标是动态目标,则在制作地图的过程中,将该待分析目标去除,如果不符合验证规则,则认为该待分析目标是静态目标。
作为本发明的又一个实施例,在验证待分析目标是否符合预设规则之前,去除动态目标的方法还可以包括:根据聚类中心点,获取待分析目标的移动距离。移动距离规则可以包括:判断移动距离是否大于预设距离,若是,则确认待分析目标为动态目标。本步骤的目的是根据每个聚类中心点的位置情况,判断待分析目标的移动距离,若移动距离大于预设的距离,则认为该待分析目标属于动态目标。
作为本发明的再一个实施例,在验证待分析目标是否符合预设规则之前,去除动态目标的方法还可以包括:根据聚类中心点,获取待分析目标的异常跳动次数。根据聚类中心点的位置情况,可以得到待分析目标的前后异常跳动次数和左右异常跳动次数,这些均称为异常跳动次数。异常跳动规则可以包括:判断异常跳动次数是否小于预设次数,若是,则确认待分析目标为动态目标。本步骤的目的是判断待分析目标的异常跳动情况,若异常跳动次数小于预设的次数,则认为该待分析目标是正常移动,属于动态目标,否则认为该待分析目标是静态目标,异常跳动是由于在激光移动扫描过程中,扫描的位置和角度都不一样,同一目标可能扫描的是多个不同的面造成的。例如,在采集车辆行驶过程中,像树枝等点云,有时其中心点也会大致呈现向某个方向移动一定距离的情况,但通常会有中心点前后跳动现象。
图2是根据本发明一个可参考实施例的去除动态目标的方法的主要流程的示意图。如图2所示,去除动态目标的方法的主要流程可以包括:步骤S201,获取10帧点云数据集作为一个分析单元;步骤S202,在分析单元内选取1帧点云数据集作为一个子点云数据集;步骤S203,利用形态学滤波算法对该子点云数据集进行预处理,滤除掉地面点;步骤S204,在该子点云数据集中选取距离地面点高度4m内的非地面点作为子数据集进行分析;步骤S205,基于欧式距离对该子数据集进行聚类,获取到该子数据集的聚类中心点;步骤S206,判断是否获取到该分析目标内所有子数据集的聚类中心点,若是,则执行步骤S207;步骤S207,利用欧氏距离对所有第一聚类中心点进行聚类,并确认待分析目标;步骤S208,判断待分析目标的移动距离是否大于预设距离,若是,则执行步骤S209,否则,执行步骤S211;步骤S209,判断待分析目标的异常跳动次数是否小于预设次数,若是,则执行步骤S210,否则,执行步骤S211;步骤S210,确认该待分析目标是动态目标,并将其删除;步骤S211,确认该待分析目标是静态目标。
需要指出的是,上述描述中的步骤S208判断待分析目标的移动距离是否大于预设距离和步骤S209判断待分析目标的异常跳动次数是否小于预设次数不分先后顺序,可以先判断待分析目标的异常跳动次数是否小于预设次数,若是,则判断待分析目标的移动距离是否大于预设距离,若大于预设距离,则确认待分析目标是动态目标,还可以同时执行上述两个判断,只有两个判断都满足的情况下,认为该分析目标是动态目标,本发明对此不作限制。另外,上述步骤S201中选择10帧点云数据集作为一个分析单元,本发明中也可以选择其他单位的点云数据集作为一个分析单元,例如12帧,对此不作限定。上述步骤S204中,从子点云数据集中选取距离地面点高度4m内的非地面点作为子数据集,本发明可以根据实际情况选取预设高度,例如4.5m,对此不作限定。
根据本发明实施例的去除动态目标的技术方案可以看出,能够根据点云数据集获取多个子数据集,然后利用欧氏距离获取聚类中心点并确认待分析目标,接着从移动距离和异常跳动两个角度分析待分析目标是否为动态目标,从而可以提高区分动态目标和静态目标的准确性;本发明实施例中基于形态学滤波算法分别对多个子点云数据集进行预处理,从而可以精确地去除地面点;本发明实施例中根据预设高度阈值分别从预处理后的子点云数据集中获取子数据集,从而可以减少需要分析的数据量,提高了计算效率;本发明实施例中首先根据欧式距离分别对多个子数据集进行聚类以获取到每个子数据集的聚类中心点,从而可以确认聚类中心点对应的目标为待分析目标;本发明实施例中再次利用欧式距离对聚类中心点进行聚类,从而可以将待分析目标对应的聚类中心点聚类在一起分析,提高了计算效率,进一步提高了方案的准确性;本发明实施例中从待分析目标的移动距离和异常跳动次数多个角度验证待分析目标是否为动态目标,从而可以提高区分动态目标和静态目标的精度。
图3是根据本发明实施例的去除动态目标的装置的主要模块的示意图。如图3所示,本发明实施例的去除动态目标的装置300主要包括以下模块:获取模块301、聚类模块302和验证模块303。
其中,获取模块301可用于获取点云数据集,并将点云数据集分成多个子数据集。聚类模块302可用于利用欧式距离对每个子数据集进行聚类以得到聚类中心点,并确认聚类中心点对应的待分析目标。验证模块303可用于验证待分析目标是否符合预设规则,若是,则确认待分析目标为动态目标,并将动态目标去除。其中,预设规则可以包括:移动距离规则和异常跳动规则。
本发明实施例中,获取模块301还可用于:将点云数据集分成多个子点云数据集;基于形态学滤波算法分别对子点云数据集进行预处理;根据预设高度阈值分别从预处理后的子点云数据集中获取子数据集。
本发明实施例中,聚类模块302还可用于:利用欧式距离对聚类中心点进行聚类。其中,聚类中心点对应的目标为同一目标。
本发明实施例中,验证模块303还可用于:根据聚类中心点,获取待分析目标的移动距离。以及,移动距离规则可以包括:判断移动距离是否大于预设距离,若是,则确认待分析目标为动态目标。
本发明实施例中,验证模块303还可用于:根据聚类中心点,获取待分析目标的异常跳动次数。以及,异常跳动规则可以包括:判断异常跳动次数是否小于预设次数,若是,则确认待分析目标为动态目标。
从以上描述可以看出,能够根据点云数据集获取多个子数据集,然后利用欧氏距离获取聚类中心点并确认待分析目标,接着从移动距离和异常跳动两个角度分析待分析目标是否为动态目标,从而可以提高区分动态目标和静态目标的准确性;本发明实施例中基于形态学滤波算法分别对多个子点云数据集进行预处理,从而可以精确地去除地面点;本发明实施例中根据预设高度阈值分别从预处理后的子点云数据集中获取子数据集,从而可以减少需要分析的数据量,提高了计算效率;本发明实施例中首先根据欧式距离分别对多个子数据集进行聚类以获取到每个子数据集的聚类中心点,从而可以确认聚类中心点对应的目标为待分析目标;本发明实施例中再次利用欧式距离对聚类中心点进行聚类,从而可以将待分析目标对应的聚类中心点聚类在一起分析,提高了计算效率,进一步提高了方案的准确性;本发明实施例中从待分析目标的移动距离和异常跳动次数多个角度验证待分析目标是否为动态目标,从而可以提高区分动态目标和静态目标的精度。
图4示出了可以应用本发明实施例的去除动态目标的方法或去除动态目标的装置的示例性系统架构400。
如图4所示,系统架构400可以包括终端设备401、402、403,网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404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。
用户可以使用终端设备401、402、403通过网络404与服务器405交互,以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器,例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的去除动态目标的方法一般由服务器405执行,相应地,去除动态目标的装置一般设置于服务器405中。
应该理解,图4中的终端设备、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终端设备、网络和服务器。
下面参考图5,其示出了适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例,不应对本发明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,根据本发明公开的实施例,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,本发明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,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示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。在本发明中,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。而在本发明中,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,图示了按照本发明各种实施例的系统、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,上述模块、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,框图或流程图中的每个方框、以及框图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。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块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模块、聚类模块和验证模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,获取模块还可以被描述为“获取点云数据集,并将点云数据集分成多个子数据集的模块”。
作为另一方面,本发明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设备中所包含的;也可以是单独存在,而未装配入该设备中。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一个该设备执行时,使得该设备包括:获取点云数据集,并将点云数据集分成多个子数据集;利用欧式距离对每个子数据集进行聚类以得到聚类中心点,并确认聚类中心点对应的待分析目标;验证待分析目标是否符合预设规则,若是,则确认待分析目标为动态目标,并将动态目标去除,其中,预设规则包括:移动距离规则和异常跳动规则。
根据本发明实施例的技术方案,能够根据点云数据集获取多个子数据集,然后利用欧氏距离获取聚类中心点并确认待分析目标,接着从移动距离和异常跳动两个角度分析待分析目标是否为动态目标,从而可以提高区分动态目标和静态目标的准确性;本发明实施例中基于形态学滤波算法分别对多个子点云数据集进行预处理,从而可以精确地去除地面点;本发明实施例中根据预设高度阈值分别从预处理后的子点云数据集中获取子数据集,从而可以减少需要分析的数据量,提高了计算效率;本发明实施例中首先根据欧式距离分别对多个子数据集进行聚类以获取到每个子数据集的聚类中心点,从而可以确认聚类中心点对应的目标为待分析目标;本发明实施例中再次利用欧式距离对聚类中心点进行聚类,从而可以将待分析目标对应的聚类中心点聚类在一起分析,提高了计算效率,进一步提高了方案的准确性;本发明实施例中从待分析目标的移动距离和异常跳动次数多个角度验证待分析目标是否为动态目标,从而可以提高区分动态目标和静态目标的精度。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (12)
1.一种去除动态目标的方法,其特征在于,包括:
获取点云数据集,并将所述点云数据集分成多个子数据集;
利用欧式距离对每个子数据集进行聚类以得到聚类中心点,并确认所述聚类中心点对应的待分析目标;
验证所述待分析目标是否符合预设规则,若是,则确认所述待分析目标为动态目标,并将所述动态目标去除,其中,所述预设规则包括:移动距离规则和异常跳动规则。
2.根据权利要求1所述的方法,其特征在于,将所述点云数据集分成多个子数据集包括:
将所述点云数据集分成多个子点云数据集;
基于形态学滤波算法分别对所述子点云数据集进行预处理;
根据预设高度阈值分别从预处理后的所述子点云数据集中获取子数据集。
3.根据权利要求1所述的方法,其特征在于,利用欧式距离对每个子数据集进行聚类以得到聚类中心点之后,所述方法还包括:利用欧式距离对所述聚类中心点进行聚类。
4.根据权利要求1所述的方法,其特征在于,在验证所述待分析目标是否符合预设规则之前,所述方法还包括:根据所述聚类中心点,获取所述待分析目标的移动距离;以及
所述移动距离规则包括:判断所述移动距离是否大于预设距离,若是,则确认所述待分析目标为动态目标。
5.根据权利要求1所述的方法,其特征在于,在验证所述待分析目标是否符合预设规则之前,所述方法还包括:根据所述聚类中心点,获取所述待分析目标的异常跳动次数;以及
所述异常跳动规则包括:判断所述异常跳动次数是否小于预设次数,若是,则确认所述待分析目标为动态目标。
6.一种去除动态目标的装置,其特征在于,包括:
获取模块,用于获取点云数据集,并将所述点云数据集分成多个子数据集;
聚类模块,用于利用欧式距离对每个子数据集进行聚类以得到聚类中心点,并确认所述聚类中心点对应的待分析目标;
验证模块,用于验证所述待分析目标是否符合预设规则,若是,则确认所述待分析目标为动态目标,并将所述动态目标去除,其中,所述预设规则包括:移动距离规则和异常跳动规则。
7.根据权利要求6所述的装置,其特征在于,所述获取模块还用于:
将所述点云数据集分成多个子点云数据集;
基于形态学滤波算法分别对所述子点云数据集进行预处理;
根据预设高度阈值分别从预处理后的所述子点云数据集中获取子数据集。
8.根据权利要求6所述的装置,其特征在于,所述聚类模块还用于:利用欧式距离对所述聚类中心点进行聚类。
9.根据权利要求6所述的装置,其特征在于,所述验证模块还用于:根据所述聚类中心点,获取所述待分析目标的移动距离;以及
所述移动距离规则包括:判断所述移动距离是否大于预设距离,若是,则确认所述待分析目标为动态目标。
10.根据权利要求6所述的装置,其特征在于,所述验证模块还用于:根据所述聚类中心点,获取所述待分析目标的异常跳动次数;以及
所述异常跳动规则包括:判断所述异常跳动次数是否小于预设次数,若是,则确认所述待分析目标为动态目标。
11.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,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,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810209457.1A CN110309240A (zh) | 2018-03-14 | 2018-03-14 | 去除动态目标的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810209457.1A CN110309240A (zh) | 2018-03-14 | 2018-03-14 | 去除动态目标的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110309240A true CN110309240A (zh) | 2019-10-08 |
Family
ID=68073317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810209457.1A Pending CN110309240A (zh) | 2018-03-14 | 2018-03-14 | 去除动态目标的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110309240A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110533055A (zh) * | 2018-05-25 | 2019-12-03 | 北京京东尚科信息技术有限公司 | 一种点云数据的处理方法和装置 |
CN112132108A (zh) * | 2020-10-09 | 2020-12-25 | 安徽江淮汽车集团股份有限公司 | 地面点云数据的提取方法、装置、设备及存储介质 |
CN113222040A (zh) * | 2021-05-24 | 2021-08-06 | 中国南方电网有限责任公司超高压输电公司广州局 | 海上固定目标识别方法、装置、计算机设备和存储介质 |
CN114066773A (zh) * | 2021-11-26 | 2022-02-18 | 哈尔滨理工大学 | 一种基于点云特征与蒙特卡洛扩展法的动态物体去除 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011022279A2 (en) * | 2009-08-18 | 2011-02-24 | Behavioral Recognition Systems, Inc. | Background model for complex and dynamic scenes |
CN105427341A (zh) * | 2015-11-11 | 2016-03-23 | 西安电子科技大学 | 基于多变分水平集的复杂背景视频图像多目标检测方法 |
CN106570454A (zh) * | 2016-10-10 | 2017-04-19 | 同济大学 | 基于移动激光扫描的行人交通参数提取方法 |
CN107316048A (zh) * | 2017-05-03 | 2017-11-03 | 深圳市速腾聚创科技有限公司 | 点云分类方法及装置 |
CN107610177A (zh) * | 2017-09-29 | 2018-01-19 | 联想(北京)有限公司 | 一种同步定位与地图构建中确定特征点的方法和设备 |
-
2018
- 2018-03-14 CN CN201810209457.1A patent/CN110309240A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011022279A2 (en) * | 2009-08-18 | 2011-02-24 | Behavioral Recognition Systems, Inc. | Background model for complex and dynamic scenes |
CN105427341A (zh) * | 2015-11-11 | 2016-03-23 | 西安电子科技大学 | 基于多变分水平集的复杂背景视频图像多目标检测方法 |
CN106570454A (zh) * | 2016-10-10 | 2017-04-19 | 同济大学 | 基于移动激光扫描的行人交通参数提取方法 |
CN107316048A (zh) * | 2017-05-03 | 2017-11-03 | 深圳市速腾聚创科技有限公司 | 点云分类方法及装置 |
CN107610177A (zh) * | 2017-09-29 | 2018-01-19 | 联想(北京)有限公司 | 一种同步定位与地图构建中确定特征点的方法和设备 |
Non-Patent Citations (2)
Title |
---|
段启中: ""监控视频静态场景帧去除和运动目标检测研究"", 《中国优秀硕士学位论文全文数据库》 * |
贺飞越: ""运动目标检测的背景模型建立和晃动目标抑制"", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110533055A (zh) * | 2018-05-25 | 2019-12-03 | 北京京东尚科信息技术有限公司 | 一种点云数据的处理方法和装置 |
CN110533055B (zh) * | 2018-05-25 | 2022-04-26 | 北京京东尚科信息技术有限公司 | 一种点云数据的处理方法和装置 |
CN112132108A (zh) * | 2020-10-09 | 2020-12-25 | 安徽江淮汽车集团股份有限公司 | 地面点云数据的提取方法、装置、设备及存储介质 |
CN113222040A (zh) * | 2021-05-24 | 2021-08-06 | 中国南方电网有限责任公司超高压输电公司广州局 | 海上固定目标识别方法、装置、计算机设备和存储介质 |
CN113222040B (zh) * | 2021-05-24 | 2024-04-26 | 中国南方电网有限责任公司超高压输电公司广州局海口分局 | 海上固定目标识别方法、装置、计算机设备和存储介质 |
CN114066773A (zh) * | 2021-11-26 | 2022-02-18 | 哈尔滨理工大学 | 一种基于点云特征与蒙特卡洛扩展法的动态物体去除 |
CN114066773B (zh) * | 2021-11-26 | 2023-10-27 | 哈尔滨理工大学 | 一种基于点云特征与蒙特卡洛扩展法的动态物体去除 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110309240A (zh) | 去除动态目标的方法和装置 | |
CN110533055A (zh) | 一种点云数据的处理方法和装置 | |
CN108491816A (zh) | 在视频中进行目标跟踪的方法和装置 | |
CN109410253B (zh) | 用于生成信息的方法、装置、电子设备和计算机可读介质 | |
CN109389640A (zh) | 图像处理方法和装置 | |
CN109086780A (zh) | 用于检测电极片毛刺的方法和装置 | |
CN110378175A (zh) | 道路边沿的识别方法和装置 | |
CN110349158A (zh) | 一种处理点云数据的方法和装置 | |
CN113607185B (zh) | 车道线信息显示方法、装置、电子设备和计算机可读介质 | |
CN108960912A (zh) | 用于确定目标位置的方法和装置 | |
CN108960206A (zh) | 视频帧处理方法和装置 | |
CN109982361A (zh) | 信号干扰分析方法、装置、设备及介质 | |
CN109300139A (zh) | 车道线检测方法和装置 | |
CN109118456A (zh) | 图像处理方法和装置 | |
CN109710507A (zh) | 一种自动化测试的方法和装置 | |
CN110119445A (zh) | 生成特征向量和基于特征向量进行文本分类的方法和装置 | |
CN110363137A (zh) | 人脸检测优化模型、方法、系统及其电子设备 | |
CN110008345A (zh) | 平台服务商行业数据聚合分析方法、装置、介质和设备 | |
CN110390706A (zh) | 一种物体检测的方法和装置 | |
CN108520070A (zh) | 用于电子地图的筛选兴趣点的方法和装置 | |
CN109697393A (zh) | 人物跟踪方法、装置、电子装置及计算机可读介质 | |
CN110209658A (zh) | 数据清洗方法和装置 | |
CN110309293A (zh) | 文本推荐方法和装置 | |
CN109117352B (zh) | 服务器性能预测方法和装置 | |
CN110309244A (zh) | 一种目标点定位的方法和装置 |
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 |