CN110443275A - 去除噪声的方法、设备及存储介质 - Google Patents

Abstract

本申请涉及一种去除噪声的方法、设备及存储介质，方法包括：获取三角测距法激光雷达依次传输的每个采样点的位置信息，所述采样点为所述三角测距法激光雷达根据拍摄到的光斑计算的、激光光束与相机视线的交叉点；根据所述每个采样点的位置信息，识别满足条件的采样点为噪声点，所述条件包括：属于同一直线的有连续N个采样点，且所述直线指向所述三角测距法激光雷达的相机坐标原点，所述N为大于1的整数；去除所述噪声点。本申请能够提高三角测距法激光雷达的抗干扰能力，能够过滤掉光线造成的干扰。

Description

去除噪声的方法、设备及存储介质

技术领域

本申请涉及无线电检测技术领域，尤其涉及一种去除噪声的方法、设备及存储介质。

背景技术

激光雷达以激光作为探测工具，以感光元件作为接收器件，以光电转换器作为信号转换的核心。激光雷达安装在机器人上，可以利用激光测量目标到机器人之间的距离。根据测量原理的不同，激光雷达可以分为三角测距法激光雷达和时间飞行法(Time ofFlight，TOF)激光雷达。

当三角测距法激光雷达安装在机器人，并用于仓库环境中时，三角测距法激光雷达容易被窗户透进的阳光干扰，室内较亮的灯也会对三角测距法激光雷达产生干扰，造成测距不准确，如果机器人根据错误的测距结果构建地图，会产生错误识别的障碍物点，导致机器人误认为有障碍物有突然紧急刹车。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种去除噪声的方法、设备及存储介质。

第一方面，本申请提供了一种去除噪声的方法，包括：获取三角测距法激光雷达依次传输的每个采样点的位置信息，所述采样点为所述三角测距法激光雷达根据拍摄到的光斑计算的、激光光束与相机视线的交叉点；根据所述每个采样点的位置信息，识别满足条件的采样点为噪声点，所述条件包括：属于同一直线的有连续N个采样点，且所述直线指向所述三角测距法激光雷达的相机坐标原点，所述N为大于1的整数；去除所述噪声点。

可选地，根据所述每个采样点的位置信息，识别满足条件的采样点为噪声点，包括：分别对每个所述采样点进行以下处理：确定所述采样点与相邻采样点之间的方向向量，确定所述方向向量指向所述相机坐标原点后，将所述采样点标记为疑似噪声点；确定连续被标记为疑似噪声点的个数达到N时，将所述连续被标记为疑似噪声点的采样点识别为噪声点。

可选地，根据所述每个采样点的位置信息，识别满足条件的采样点为噪声点，包括：采用直线检测算法，检测所述每个采样点中属于同一直线的有连续N个采样点；确定所述直线指向所述相机坐标原点后，将所述连续N个采样点作为所述噪声点。

可选地，所述直线检测算法包括霍夫变换算法。

可选地，所述N为大于或等于3的整数。

可选地，去除所述噪声点之后，所述方法还包括：采用去除噪声点之后的各采样点的位置信息，估计障碍物的位置。

第二方面，本申请提供了一种去除噪声的装置，包括：获取模块，用于接收三角测距法激光雷达依次传输的每个采样点的位置信息，所述采样点为所述三角测距法激光雷达根据拍摄到的光斑计算的、激光光束与相机视线的交叉点；识别模块，用于根据所述每个采样点的位置信息，识别满足条件的采样点为噪声点，所述条件包括：属于同一直线的有连续N个采样点，且所述直线指向所述三角测距法激光雷达的相机坐标原点，所述N为大于1的整数；过滤模块，用于去除所述噪声点。

第三方面，本申请提供了一种电子设备，包括：处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；所述存储器，用于存储计算机程序；所述处理器，用于执行所述存储器中所存储的程序，实现所述去除噪声的方法。

第四方面，本申请提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现所述去除噪声的方法。

本申请实施例提供的上述技术方案与现有技术相比具有如下优点：本申请实施例提供的该方法，在利用三角测距法激光雷达传输额采样点计算障碍物的距离之前，识别三角测距法激光雷达依次传输的每个采样点中的噪声点，并过滤掉识别出的噪声点，从而能够提高三角测距法激光雷达的抗干扰能力。并且，噪声点是属于同一直线的连续且数量大于1的采样点，该直线指向三角测距法激光雷达的相机坐标原点，符合光线干扰的特点，从而能够过滤掉光线造成的干扰。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例中三角测距法激光雷达的测距原理示意图；

图2为本申请实施例中三角测距法激光雷达受强光干扰的示意图；

图3为本申请实施例中分析得出的光线干扰导致错误估计的形成模式；

图4为本申请实施例中去除噪声的方法流程示意图；

图5为本申请实施例中机器人去除噪声的方法流程示意图；

图6为本申请实施例中去除噪声的装置结构示意图；

图7为本申请实施例中电子设备的结构示意图。

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，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。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。

三角测距法激光雷达的测量原理如图1所示，三角测距法激光雷达中主要包括激光发射器和相机，激光发射器发射的激光打到障碍物上形成激光亮斑，相机拍摄障碍物上的激光亮斑，得到激光亮斑的方向。图1中的虚线表示激光亮斑与相机成像点的连线方向，简称为视线方向，相机和激光发射器之间的距离固定且已知，相机和激光发射器的连线，与视线方向形成的夹角已知，那么可以计算得到激光亮斑到激光发射器的距离。如图2所示，在三角测距法激光雷达受到强光干扰时，强光照射到障碍物上形成干扰亮斑，相机通过拍摄将干扰亮斑错误识别为激光亮斑，通过错误识别的激光亮斑进行三角测距得到错误的估计结果或者导致测量失败。当干扰亮斑位于激光亮斑的右侧时，会导致测量值偏小；当干扰亮斑位于激光亮斑左侧时，会导致测量失败。可见，三角测距法激光雷达的测量效果容易受到环境光的干扰。

对光线干扰激光雷达造成错误测量的过程进行分析，由于激光雷达在测量过程中持续旋转，而光线照射形成的干扰亮斑在测量过程中保持不变，相机的视线方向相对于地面也保持不动，唯一在动的是激光发射器发射出的激光光束。如图3所示，当激光光束转动时，错误的估计的交叉点会形成从相机到干扰亮斑连线上的一排点，这就是光线干扰导致错误估计的形成模式。

本申请实施例的主要思想是识别出光线干扰导致错误估计的形成模式，并将符合该模式的交叉点作为噪声过滤掉。其中，交叉点是指相机视线方向与激光光束交叉形成的点，该视线方向是指亮斑与相机成像点的连线方向，在未被干扰的情况下，该亮斑为激光亮斑，在被干扰的情况下，该亮斑为干扰亮斑。

以下实施例中，将三角测距法激光雷达检测到的交叉点称为采样点。

基于以上分析，为了解决三角测距法激光雷达在被光线干扰的情况下测量不准确的问题，本申请实施例中提供了一种去除噪声的方法，该方法可以应用于任意一个电子设备，该电子设备能够与三角测距法激光雷达通信连接。如图4所示，去除噪声的方法流程主要包括：

步骤401，获取三角测距法激光雷达依次传输的每个采样点的位置信息。

其中，采样点为三角测距法激光雷达根据拍摄到的光斑计算的、激光光束与相机视线的交叉点。

其中，采样点的位置信息包括采样与激光雷达之间的距离以及角度，具体采用的表达方式可以是极坐标，也可以是直角坐标。

步骤402，根据每个采样点的位置信息，识别满足条件的采样点为噪声点，该条件包括：属于同一直线的有连续N个采样点，且该直线指向三角测距法激光雷达的相机坐标原点，N为大于1的整数。

其中，识别噪声点的具体实施方式不止一种，本申请实施例中并对识别噪声点所采用的具体方式进行限制，只要能够识别出满足上述条件的噪声点即可应用于本申请实施例中。例如，识别噪声的具体方式包括但不限于以下两种：

方式一，识别噪声点的具体过程为：

分别对每个采样点进行以下处理：确定采样点与相邻采样点之间的方向向量，确定该方向向量指向相机坐标原点后，将该采样点标记为疑似噪声点。确定连续被标记为疑似噪声点的个数达到N时，将该连续被标记为疑似噪声点的采样点识别为噪声点。

方式二，识别噪声点的具体过程为：

采用直线检测算法，检测每个采样点中属于同一直线的有连续N个采样点，确定该直线指向相机坐标原点后，将该连续N个采样点作为噪声点。

其中，直线检测的算法有很多种，本申请实施例不对直线检测所采用的具体算法进行限制。例如，直线检测算法包括霍夫变换算法。

一个具体实施例中，为了保障识别出的噪声点的准确度，可以将N设置为大于或等于3的整数。

步骤403，去除噪声点。

一个具体实施例中，去除噪声点之后，采用去除噪声点之后的各采样点的位置信息，估计障碍物的位置。

以下以应用于机器人为例，对去除噪声的具体过程进行举例说明，如图5所示，具体过程如下：

步骤501，机器人获取三角测距法激光雷达依次输出的采样点的位置信息，其中，每个采样点的位置信息采用极坐标形式表达；

步骤502，机器人将每个采样点的位置信息转换为直角坐标的表达形式；

步骤503，机器人分别计算每个采样点的方向向量，如果该方向向量指向相机坐标原点，则将该采样点标记为疑似噪声点，具体地，对每个采样点进行以下计算：将第i个采样点V(i)于第(i-1)个采样点V(i-1)的向量差，表示为V(i)-V(i-1)，作为V(i)的方向向量，如果该方向向量指向相机坐标原点，则将该采样点V(i)标记为疑似噪声点；

步骤504，机器人检测到疑似噪声点连续出现3个，则将该3个疑似噪声点以及后续连续出现的所有疑似噪声点删除，对于未删除的疑似噪声点以及非疑似噪声点保留。

例如，假设采样点1至采样点5、采样点7、采样点8、采样点10均被标记为疑似噪声点，由于采样点1、2和3为连续出现的3个疑似噪声点，则将采样点1、2、3以及后续连续出现的采样点4和5删除，采样点7、8和10不是连续出现的或者连续出现的个数不足3个，则保留。

本申请实施例中，在利用三角测距法激光雷达传输额采样点计算障碍物的距离之前，识别三角测距法激光雷达依次传输的每个采样点中的噪声点，并过滤掉识别出的噪声点，从而能够提高三角测距法激光雷达的抗干扰能力。并且，噪声点是属于同一直线的连续且数量大于1的采样点，该直线指向三角测距法激光雷达的相机坐标原点，符合光线干扰的特点，从而能够过滤掉光线造成的干扰。

通过本申请实施例进行噪声过滤处理，使得三角测距法激光雷达也能够应用于有阳光存在的环境，采用三角测距法激光雷达的探测结果建图的效果有所提升。对于应用三角测距法激光雷达的机器人，能够有效避免机器人在阳光的干扰下异常刹车。

基于同一构思，本申请实施例中还提供了一种去除噪声的装置，如图6所示，该装置主要包括：

获取模块601，用于接收三角测距法激光雷达依次传输的每个采样点的位置信息，该采样点为三角测距法激光雷达根据拍摄到的光斑计算的、激光光束与相机视线的交叉点；

识别模块602，用于根据所述每个采样点的位置信息，识别满足条件的采样点为噪声点，所述条件包括：属于同一直线的有连续N个采样点，且所述直线指向所述三角测距法激光雷达的相机坐标原点，所述N为大于1的整数；

过滤模块603，用于去除所述噪声点。

基于同一构思，本申请实施例中还提供了一种电子设备，如图7所示，该电子设备主要包括：处理器701、通信接口702、存储器703和通信总线704，其中，处理器701、通信接口702和存储器703通过通信总线704完成相互间的通信。其中，存储器703中存储有可被至处理器701执行的程序，处理器701执行存储器703中存储的程序，实现如下步骤：获取三角测距法激光雷达依次传输的每个采样点的位置信息，所述采样点为所述三角测距法激光雷达根据拍摄到的光斑计算的、激光光束与相机视线的交叉点；根据所述每个采样点的位置信息，识别满足条件的采样点为噪声点，所述条件包括：属于同一直线的有连续N个采样点，且所述直线指向所述三角测距法激光雷达的相机坐标原点，所述N为大于1的整数；去除所述噪声点。

上述电子设备中提到的通信总线704可以时外设部件互连标准(PeripheralComponent Interconnect，简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture，简称EISA)总线等。该通信总线704可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口702用于上述电子设备与其他设备之间的通信。

存储器703可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器701的存储装置。

上述的处理器701可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等，还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称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。

在本申请的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，当该计算机程序在计算机上运行时，使得计算机执行上述实施例中所描述去除噪声的方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机指令时，全部或部分地产生按照本申请实施例所述的流程或功能。该计算机可以时通用计算机、专用计算机、计算机网络或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、微波等)方式向另外一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如软盘、硬盘、磁带等)、光介质(例如DVD)或者半导体介质(例如固态硬盘)等。

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。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种去除噪声的方法，其特征在于，包括：

获取三角测距法激光雷达依次传输的每个采样点的位置信息，所述采样点为所述三角测距法激光雷达根据拍摄到的光斑计算的、激光光束与相机视线的交叉点；

根据所述每个采样点的位置信息，识别满足条件的采样点为噪声点，所述条件包括：属于同一直线的有连续N个采样点，且所述直线指向所述三角测距法激光雷达的相机坐标原点，所述N为大于1的整数；

去除所述噪声点。

2.根据权利要求1所述的去除噪声的方法，其特征在于，根据所述每个采样点的位置信息，识别满足条件的采样点为噪声点，包括：

分别对每个所述采样点进行以下处理：确定所述采样点与相邻采样点之间的方向向量，确定所述方向向量指向所述相机坐标原点后，将所述采样点标记为疑似噪声点；

确定连续被标记为疑似噪声点的个数达到N时，将所述连续被标记为疑似噪声点的采样点识别为噪声点。

3.根据权利要求1所述的去除噪声的方法，其特征在于，根据所述每个采样点的位置信息，识别满足条件的采样点为噪声点，包括：

采用直线检测算法，检测所述每个采样点中属于同一直线的有连续N个采样点；

确定所述直线指向所述相机坐标原点后，将所述连续N个采样点作为所述噪声点。

4.根据权利要求3所述的去除噪声的方法，其特征在于，所述直线检测算法包括霍夫变换算法。

5.根据权利要求1至4任一项所述的去除噪声的方法，其特征在于，所述N为大于或等于3的整数。

6.根据权利要求5所述去除噪声的方法，其特征在于，去除所述噪声点之后，所述方法还包括：

采用去除噪声点之后的各采样点的位置信息，估计障碍物的位置。

7.一种去除噪声的装置，其特征在于，包括：

获取模块，用于接收三角测距法激光雷达依次传输的每个采样点的位置信息，所述采样点为所述三角测距法激光雷达根据拍摄到的光斑计算的、激光光束与相机视线的交叉点；

识别模块，用于根据所述每个采样点的位置信息，识别满足条件的采样点为噪声点，所述条件包括：属于同一直线的有连续N个采样点，且所述直线指向所述三角测距法激光雷达的相机坐标原点，所述N为大于1的整数；

过滤模块，用于去除所述噪声点。

8.一种电子设备，其特征在于，包括：处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；

所述存储器，用于存储计算机程序；

所述处理器，用于执行所述存储器中所存储的程序，实现权利要求1至6任一项所述的去除噪声的方法。

9.一种机器人，其特征在于，包括权利要求8所述的电子设备和三角测距法激光雷达，所述三角测距法激光雷达与所述电子设备通信连接；

所述三角测距离法激光雷达连续对拍摄到的光斑进行采样，获得每个采样点的位置信息，并将每个采样的位置信息传输给所述电子设备。

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6任一项所述的去除噪声的方法。