CN110515054A - 滤波方法和装置、电子设备、计算机存储介质 - Google Patents
滤波方法和装置、电子设备、计算机存储介质 Download PDFInfo
- Publication number
- CN110515054A CN110515054A CN201910783919.5A CN201910783919A CN110515054A CN 110515054 A CN110515054 A CN 110515054A CN 201910783919 A CN201910783919 A CN 201910783919A CN 110515054 A CN110515054 A CN 110515054A
- Authority
- CN
- China
- Prior art keywords
- point
- distance
- cloud data
- consecutive points
- zero
- 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.)
- Granted
Links
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
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Abstract
本发明涉及一种滤波方法和装置、电子设备、计算机存储介质,所述方法应用于激光雷达,激光雷达接收探测物反射的回波信号并形成点云数据,方法包括:获取点云数据中每对相邻点间的距离,每对相邻点包括第一点和第二点,第一点、点云数据的零点和第二点形成的三角形中第一点对应的角为钝角,第一点到零点的距离小于第二点到零点的距离;当相邻点间的距离大于距离阈值时,判定相邻点中第二点为拖尾点;将点云数据中判定为拖尾点的第二点滤除。该方法和装置通过判断检测到的点云数据中每对相邻点间的距离与距离阈值的关系确定出拖尾点,再通过滤除拖尾点降低点云数据的噪声,从而提高利用激光雷达点云数据处理算法性能。
Description
技术领域
本发明涉及雷达通信技术领域,特别是涉及滤波方法和装置、电子设备、计算机存储介质。
背景技术
激光雷达是一种采用非接触激光测距技术的扫描式传感器,其工作原理与一般的雷达系统类似,通过发射激光光束来探测目标,并通过搜集反射回来的光束来形成点云和获取数据,采用这项技术,可以准确的获取高精度的物理空间环境信息,因此激光雷达被广泛应用于汽车自动驾驶、定位导航、空间测绘、安保安防等领域。
当激光光束打在前后存在一定距离的物体上时,由于部分光遇到前方物体反射回来,而另一部分光则遇到后方的物体才反射回来,在激光雷达数据在该段方向上存在拖尾点/拖尾线(多个拖尾点连成的线即为拖尾线)噪声,从而影响了利用激光雷达数据的算法性能。
发明内容
基于此,有必要针对拖尾点噪声问题,提供一种滤波方法和装置、电子设备、计算机存储介质。
一种滤波方法,应用于激光雷达,所述激光雷达接收探测物反射的回波信号并形成点云数据,所述方法包括:
获取所述点云数据中每对相邻点间的距离,每对所述相邻点包括第一点和第二点,所述第一点、所述点云数据的零点和所述第二点形成的三角形中所述第一点对应的角为钝角,所述零点对应中心夹角,所述第一点到所述零点的距离小于所述第二点到所述零点的距离;
当所述相邻点间的距离大于距离阈值时,判定所述相邻点中第二点为拖尾点;
将所述点云数据中判定为拖尾点的第二点滤除。
在其中一个实施例中,所述获取所述点云数据中每对相邻点间的距离,包括:
获取每对所述相邻点中所述第一点到所述零点的距离、所述第二点到所述零点的距离及所述中心夹角;
基于余弦定理根据所述第一点到所述零点的距离、所述第二点到所述零点的距离及所述中心夹角计算每对所述相邻点间的距离。
在其中一个实施例中,所述当所述相邻点间的距离大于距离阈值时,判定所述第二点为拖尾点之前,所述方法还包括:
根据所述第二点对应的角度阈值和所述中心角度设置预计算系数;
根据所述第一点到所述零点的距离和所述预计算系数设置所述距离阈值。
在其中一个实施例中,所述根据所述第二点对应的角度阈值和所述中心角度设置所述预计算系数,包括:所述预计算系数的计算公式其中,k为预计算系数,θ为中心夹角,φ为所述第二点对应的角度阈值。
在其中一个实施例中,所述根据所述第一点到所述零点的距离和所述预计算系数设置距离阈值,包括:所述距离阈值的计算公式为d=k*r1,其中,d为所述距离阈值,k为预计算系数,r1为所述第一点到所述零点的距离。
在其中一个实施例中,所述将所述点云数据中判定为拖尾点的第二点滤除,包括:将判定为所述拖尾点的第二点对应数据设置为无效值。
一种滤波装置,应用于激光雷达,所述激光雷达接收探测物反射的回波信号并形成点云数据,所述装置包括:
获取模块,用于获取所述点云数据中每对相邻点间的距离,每对所述相邻点包括第一点和第二点,所述第一点、所述点云数据的零点和所述第二点形成的三角形中所述第一点对应的角为钝角,所述零点对应中心夹角,所述第一点到所述零点的距离小于所述第二点到所述零点的距离;
判定模块,用于当所述相邻点间的距离大于距离阈值时,判定所述相邻点中第二点为拖尾点;
滤除模块,用于将所述点云数据中判定为拖尾点的第二点滤除。
在其中一个实施例中,所述获取模块还用于获取每对所述相邻点中所述第一点到所述零点的距离、所述第二点到所述零点的距离及所述中心夹角;基于余弦定理根据所述第一点到所述零点的距离、所述第二点到所述零点的距离及所述中心夹角计算每对所述相邻点间的距离。
一种电子设备,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行所述滤波方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述的方法的步骤。
上述滤波方法和装置、电子设备、计算机存储介质,所述方法应用于激光雷达,所述激光雷达接收探测物反射的回波信号并形成点云数据,所述方法包括:获取所述点云数据中每对相邻点间的距离,每对所述相邻点包括第一点和第二点,所述第一点、所述点云数据的零点和所述第二点形成的三角形中所述第一点对应的角为钝角,所述零点对应中心夹角,所述第一点到所述零点的距离小于所述第二点到所述零点的距离;当所述相邻点间的距离大于距离阈值时,判定所述相邻点中第二点为拖尾点;将所述点云数据中判定为拖尾点的第二点滤除。所述方法通过判断检测到的点云数据中每对相邻点间的距离与距离阈值的关系确定出拖尾点,再通过滤除拖尾点降低点云数据的噪声,从而提高利用激光雷达点云数据处理算法性能。
附图说明
图1为一个实施例中滤波方法的应用环境示意图;
图2为一个实施例中滤波方法的流程图;
图3为一个实施例中获取点云数据中每对相邻点间的距离的流程图;
图4为又一个实施例中滤波方法的流程图;
图5为一个实施例的滤波装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
图1为一个实施例中滤波方法的应用环境示意图。如图1所示,该应用环境包括激光雷达110,激光雷达110的接收处理模块接收探测物反射的回波信号并形成点云数据,通过获取点云数据中每对相邻点间的距离,每对相邻点包括第一点和第二点,第一点、点云数据的零点和第二点形成的三角形中第一点对应的角为钝角,零点对应中心夹角,第一点到零点的距离小于于第二点到零点的距离。当相邻点间的距离大于距离阈值时,判定相邻点中第二点为拖尾点。将点云数据中判定为拖尾点的第二点滤除。激光雷达110不限于脉冲激光雷达和连续波激光雷达。
图2为一个实施例中滤波方法的流程图。本实施例提供一种滤波方法,以运行于图1中的激光雷达为例进行描述。激光雷达接收探测物反射的回波信号并形成点云数据,如图2所示,滤波方法包括:步骤202至步骤206。
步骤202、获取点云数据中每对相邻点间的距离,每对相邻点包括第一点和第二点,第一点、点云数据的零点和第二点形成的三角形中第一点对应的角为钝角,零点对应中心夹角,第一点到零点的距离小于第二点到零点的距离。
其中,点云数据是指激光雷达接收探测物反射的回波信号,通过提取回波信号可以形成点云数据,点云数据是回波信号以点的形式记录,点云数据包括多个点,每一个点包含有二维或三维坐标,还可以包括颜色信息(RGB)和/或或反射强度信息(Intensity),该零点指的是激光雷达的位置。
具体的,获取点云数据中的每两个相邻点,其中,根据两个相邻点到点云数据的零点的距离确定其中的第一点和第二点,第一点到零点的距离小于第二点到零点的距离,即第一点为近点,第二点为远点。且第一点、点云数据的零点和第二点形成的三角形中第一点对应的角为钝角时,获取两个相邻点第一点和第二点之间的距离。
步骤204、当相邻点间的距离大于距离阈值时,判定相邻点中第二点为拖尾点。
具体的,设置距离阈值,该距离阈值是用于标识第一点和第二点之间距离的临界值。当第一点和第二点之间的距离大于距离阈值时,则判定近点第二点为拖尾点。拖尾点指的是当激光光束打在前后存在一定距离的物体上时,由于部分光遇到前方物体反射回来,而另一部分光则遇到后方的物体才反射回来,在激光雷达的点云数据中一个方向上出现并非探测物反射生成的数据点。多个拖尾点连成的线即为拖尾线噪声,拖尾线噪声会影响激光雷达对点云数据建模处理、对障碍物的规避处理等。当第一点和第二点之间的距离小于等于距离阈值时,则表示第一点和第二点均属于点云数据中的有效数据,能够从中获取反射回波信号的探测物的环境信息。
步骤206、将点云数据中判定为拖尾点的第二点滤除。
具体的,当第一点和第二点之间的距离大于距离阈值时,则判定近点第二点为拖尾点。该拖尾点并非探测物反射回波信号生成的数据点,拖尾点会影响激光雷达数据处理算法处理点云数据的性能,降低激光雷达的数据处理效率。将点云数据中判定为拖尾点的第二点进行滤波处理,将拖尾点引起的噪声滤除。对拖尾点进来滤波操作可以利用直通滤波器、体素滤波器、统计滤波器、条件滤波器、半径滤波器等滤波算法进行滤波,需要说明的是,上述算法仅用于举例说明,不对滤波操作进行具体限定。
上述滤波方法应用于激光雷达,激光雷达接收探测物反射的回波信号并形成点云数据,方法包括:获取点云数据中每对相邻点间的距离,每对相邻点包括第一点和第二点,第一点、点云数据的零点和第二点形成的三角形中第一点对应的角为钝角,零点对应中心夹角,第一点到零点的距离小于第二点到零点的距离。当相邻点间的距离大于距离阈值时,判定相邻点中第二点为拖尾点。将点云数据中判定为拖尾点的第二点滤除。方法通过判断检测到的点云数据中每对相邻点间的距离与距离阈值的关系确定出拖尾点,再通过滤除拖尾点降低点云数据的噪声,从而提高利用激光雷达点云数据处理算法性能。
图3为一个实施例中获取点云数据中每对相邻点间的距离的流程图,该方法包括步骤302至步骤304。
步骤302、获取每对相邻点中第一点到零点的距离、第二点到零点的距离及中心夹角。
具体的,根据点云数据中每对相邻点中第一点和第二点的三维或者二维坐标,计算每对相邻点中第一点到零点的距离、第二点到零点的距离及第一点与点云数据的零点形成边和第二点与零点形成边的中心夹角。
步骤304、基于余弦定理根据第一点到零点的距离、第二点到零点的距离及中心夹角计算每对相邻点间的距离。
具体的,获取每对相邻点中第一点到零点的距离、第二点到零点的距离及中心夹角,其中,r1表示第一点到零点的距离、r2第二点到零点的距离r2,θ表示中心夹角,d12表示第一点与第二点间的距离,则第一点与第二点间的距离的计算公式可以表示为:
图4为又一个实施例中滤波方法的流程图,当相邻点间的距离大于距离阈值时,判定第二点为拖尾点之前,滤波方法还包括步骤402至步骤404。
步骤402、根据第二点对应的角度阈值和中心角度设置预计算系数。
具体的,第二点对应的角度阈值用φ表示,指的是第一点、第二点和零点组成的三角形中,第二点对应的角度。利用第二点对应的角度阈值和中心角度设置预计算系数。在其中一个实施例中,根据第二点对应的角度阈值和中心角度设置预计算系数,包括:预计算系数的计算公式其中,k为预计算系数,θ为中心夹角,φ为第二点对应的角度阈值。
步骤402、根据第一点到零点的距离和预计算系数设置距离阈值。
具体的,利用预计算系数和第一点到零点的距离可以设置距离阈值,在其中一个实施例中,根据第一点到零点的距离和预计算系数设置距离阈值,包括:距离阈值的计算公式为d=k*r1,其中,d为距离阈值,k为预计算系数,r1为第一点到零点的距离。
在其中一个实施例中,将点云数据中判定为拖尾点的第二点滤除,包括:将判定为拖尾点的第二点对应数据设置为无效值。
具体的,遍历点云数据中每对相邻点,当一对相邻点中第一点、点云数据的零点和第二点形成的三角形中第一点对应的角为钝角,且相邻点间的距离大于距离阈值时,则将该相邻点中的第二点判定为拖尾点。点云数据处理过程中,需要将拖尾点进行滤波处理,可以是将该第二点设置为无效值或者删除该点,设置为无效值可以是值将该第二点对应颜色、反射强度信息和/或亮度等设置为无效值。将拖尾点进行滤除,以免多个拖尾点连成拖尾线噪声,影响激光雷达对点云数据建模处理、对障碍物的规避处理等。
应该理解的是,虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
图5为一个实施例的滤波装置的结构框图,该滤波装置,应用于激光雷达,激光雷达接收探测物反射的回波信号并形成点云数据,装置包括:获取模块502、判定模块504和滤除模块506。
获取模块502,用于获取点云数据中每对相邻点间的距离,每对相邻点包括第一点和第二点,第一点、点云数据的零点和第二点形成的三角形中第一点对应的角为钝角,零点对应中心夹角,第一点到零点的距离大于第二点到零点的距离。
具体的,获取模块502根据两个相邻点到点云数据的零点的距离确定其中的第一点和第二点,第一点到零点的距离大于第二点到零点的距离,即第一点为近点,第二点为远点,且当第一点、点云数据的零点和第二点形成的三角形中第一点对应的角为钝角时,获取两个相邻点第一点和第二点之间的距离。
判定模块504,用于当相邻点间的距离大于距离阈值时,判定相邻点中第二点为拖尾点。
具体的,设置距离阈值,该距离阈值是用于标识第一点和第二点之间距离的临界值。判定模块504当第一点和第二点之间的距离大于距离阈值时,则判定远点第二点为拖尾点。拖尾点指的是当激光光束打在前后存在一定距离的物体上时,由于部分光遇到前方物体反射回来,而另一部分光则遇到后方的物体才反射回来,在激光雷达的点云数据中一个方向上出现并非探测物反射生成的数据点。多个拖尾点连成的线即为拖尾线噪声,拖尾线噪声会影响激光雷达对点云数据建模处理、对障碍物的规避处理等。当第一点和第二点之间的距离小于等于距离阈值时,则表示第一点和第二点均属于点云数据中的有效数据,能够从中获取反射回波信号的探测物的环境信息。
滤除模块506,用于将点云数据中判定为拖尾点的第二点滤除。
具体的,当第一点和第二点之间的距离大于距离阈值时,则判定近点第二点为拖尾点。该拖尾点并非探测物反射回波信号生成的数据点,拖尾点会影响激光雷达数据处理算法处理点云数据的性能,降低激光雷达的数据处理效率。滤除模块506将点云数据中判定为拖尾点的第二点进行滤波处理,将拖尾点引起的噪声滤除。对拖尾点进来滤波操作可以利用直通滤波器、体素滤波器、统计滤波器、条件滤波器、半径滤波器等滤波算法进行滤波,需要说明的是,上述算法仅用于举例说明,不对滤波操作进行具体限定。
上述滤波装置应用于激光雷达,激光雷达接收探测物反射的回波信号并形成点云数据,方法包括:获取点云数据中每对相邻点间的距离,每对相邻点包括第一点和第二点,第一点、点云数据的零点和第二点形成的三角形中第一点对应的角为钝角,零点对应中心夹角,第一点到零点的距离大于第二点到零点的距离。当相邻点间的距离大于距离阈值时,判定相邻点中第二点为拖尾点。将点云数据中判定为拖尾点的第二点滤除。方法通过判断检测到的点云数据中每对相邻点间的距离与距离阈值的关系确定出拖尾点,再通过滤除拖尾点降低点云数据的噪声,从而提高利用激光雷达点云数据处理算法性能。
在其中一个实施例中,获取模块还用于获取每对相邻点中第一点到零点的距离、第二点到零点的距离及中心夹角。基于余弦定理根据第一点到零点的距离、第二点到零点的距离及中心夹角计算每对相邻点间的距离。
具体的,获取模块根据点云数据中每对相邻点中第一点和第二点的三维或者二维坐标,计算每对相邻点中第一点到零点的距离、第二点到零点的距离及第一点与点云数据的零点形成边和第二点与零点形成边的中心夹角。其中,r1表示第一点到零点的距离、r2第二点到零点的距离r2,θ表示中心夹角,d12表示第一点与第二点间的距离,则第一点与第二点间的距离的计算公式可以表示为:
上述滤波装置中各个模块的划分仅用于举例说明,在其他实施例中,可将滤波装置按照需要划分为不同的模块,以完成上述滤波装置的全部或部分功能。
关于滤波装置的具体限定可以参见上文中对于滤波方法的限定,在此不再赘述。上述滤波装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
一种电子设备,包括存储器及处理器,存储器中储存有计算机程序,计算机程序被处理器执行时,使得处理器执行滤波方法的步骤。
具体的,该电子设备包括通过系统总线连接的处理器和存储器。其中,该处理器用于提供计算和控制能力,支撑整个电子设备的运行。存储器可包括非易失性存储介质及内存储器。非易失性存储介质存储有操作系统和计算机程序。该计算机程序可被处理器所执行,以用于实现以下各个实施例所提供的一种滤波方法。内存储器为非易失性存储介质中的操作系统计算机程序提供高速缓存的运行环境。该电子设备可以是激光雷达的处理装置。
本申请实施例中提供的滤波装置中的各个模块的实现可为计算机程序的形式。该计算机程序可在终端或服务器上运行。该计算机程序构成的程序模块可存储在终端或服务器的存储器上。该计算机程序被处理器执行时,实现本申请实施例中所描述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如上述的方法的步骤。
本申请实施例还提供了一种计算机可读存储介质。一个或多个包含计算机可执行指令的非易失性计算机可读存储介质,当计算机可执行指令被一个或多个处理器执行时,使得处理器执行滤波方法的步骤。一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行滤波方法。
本申请实施例所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。合适的非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM),它用作外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种滤波方法,其特征在于,应用于激光雷达,所述激光雷达接收探测物反射的回波信号并形成点云数据,所述方法包括:
获取所述点云数据中每对相邻点间的距离,每对所述相邻点包括第一点和第二点,所述第一点、所述点云数据的零点和所述第二点形成的三角形中所述第一点对应的角为钝角,所述零点对应中心夹角,所述第一点到所述零点的距离小于所述第二点到所述零点的距离;
当所述相邻点间的距离大于距离阈值时,判定所述相邻点中第二点为拖尾点;
将所述点云数据中判定为拖尾点的第二点滤除。
2.根据权利要求1所述的方法,其特征在于,所述获取所述点云数据中每对相邻点间的距离,包括:
获取每对所述相邻点中所述第一点到所述零点的距离、所述第二点到所述零点的距离及所述中心夹角;
基于余弦定理根据所述第一点到所述零点的距离、所述第二点到所述零点的距离及所述中心夹角计算每对所述相邻点间的距离。
3.根据权利要求1所述的方法,其特征在于,所述当所述相邻点间的距离大于距离阈值时,判定所述第二点为拖尾点之前,所述方法还包括:
根据所述第二点对应的角度阈值和所述中心角度设置预计算系数;
根据所述第一点到所述零点的距离和所述预计算系数设置所述距离阈值。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第二点对应的角度阈值和所述中心角度设置所述预计算系数,包括:所述预计算系数的计算公式其中,k为预计算系数,θ为中心夹角,φ为所述第二点对应的角度阈值。
5.根据权利要求4所述的方法,其特征在于,所述根据所述第一点到所述零点的距离和所述预计算系数设置距离阈值,包括:所述距离阈值的计算公式为d=k*r1,其中,d为所述距离阈值,k为预计算系数,r1为所述第一点到所述零点的距离。
6.根据权利要求1所述的方法,其特征在于,所述将所述点云数据中判定为拖尾点的第二点滤除,包括:将判定为所述拖尾点的第二点对应数据设置为无效值。
7.一种滤波装置,其特征在于,应用于激光雷达,所述激光雷达接收探测物反射的回波信号并形成点云数据,所述装置包括:
获取模块,用于获取所述点云数据中每对相邻点间的距离,每对所述相邻点包括第一点和第二点,所述第一点、所述点云数据的零点和所述第二点形成的三角形中所述第一点对应的角为钝角,所述零点对应中心夹角,所述第一点到所述零点的距离小于所述第二点到所述零点的距离;
判定模块,用于当所述相邻点间的距离大于距离阈值时,判定所述相邻点中第二点为拖尾点;
滤除模块,用于将所述点云数据中判定为拖尾点的第二点滤除。
8.根据权利要求7所述的装置,其特征在于,所述获取模块还用于获取每对所述相邻点中所述第一点到所述零点的距离、所述第二点到所述零点的距离及所述中心夹角;基于余弦定理根据所述第一点到所述零点的距离、所述第二点到所述零点的距离及所述中心夹角计算每对所述相邻点间的距离。
9.一种电子设备,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至6中任一项所述滤波方法的步骤。
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,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910783919.5A CN110515054B (zh) | 2019-08-23 | 2019-08-23 | 滤波方法和装置、电子设备、计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910783919.5A CN110515054B (zh) | 2019-08-23 | 2019-08-23 | 滤波方法和装置、电子设备、计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110515054A true CN110515054A (zh) | 2019-11-29 |
CN110515054B CN110515054B (zh) | 2021-07-23 |
Family
ID=68627439
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910783919.5A Active CN110515054B (zh) | 2019-08-23 | 2019-08-23 | 滤波方法和装置、电子设备、计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110515054B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111077535A (zh) * | 2019-12-11 | 2020-04-28 | 中煤能源研究院有限责任公司 | 一种激光雷达数据采集系统及数据处理方法 |
CN112136018A (zh) * | 2019-04-24 | 2020-12-25 | 深圳市大疆创新科技有限公司 | 测距装置点云滤噪的方法、测距装置和移动平台 |
CN112513679A (zh) * | 2020-04-15 | 2021-03-16 | 华为技术有限公司 | 一种目标识别的方法和装置 |
CN112700387A (zh) * | 2021-01-08 | 2021-04-23 | 瓴道(上海)机器人科技有限公司 | 激光数据处理方法、装置及设备、存储介质 |
CN113345093A (zh) * | 2021-05-17 | 2021-09-03 | 立得空间信息技术股份有限公司 | 一种针对激光雷达点云拖尾点的滤波方法 |
WO2021189347A1 (en) * | 2020-03-26 | 2021-09-30 | Baidu.Com Times Technology (Beijing) Co., Ltd. | Neighbor-based point cloud filter system |
CN113705617A (zh) * | 2021-07-30 | 2021-11-26 | 北京万集科技股份有限公司 | 点云数据的处理方法、装置、计算机设备和存储介质 |
CN113721261A (zh) * | 2021-09-06 | 2021-11-30 | 上海星秒光电科技有限公司 | 点云拖尾的去除方法、装置、电子设备及可读存储介质 |
WO2022116517A1 (zh) * | 2020-12-04 | 2022-06-09 | 上海禾赛科技有限公司 | 滤除雷达点云中的拖点的方法、处理器以及激光雷达系统 |
WO2023279225A1 (zh) * | 2021-07-05 | 2023-01-12 | 深圳市速腾聚创科技有限公司 | 激光雷达的点云处理方法、装置、存储介质及终端设备 |
US11947016B2 (en) | 2019-12-26 | 2024-04-02 | Samsung Electronics Co., Ltd. | Object detection device and method of operating the same |
Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5583946A (en) * | 1993-09-30 | 1996-12-10 | Apple Computer, Inc. | Method and apparatus for recognizing gestures on a computer system |
US20020085754A1 (en) * | 2000-12-28 | 2002-07-04 | University Of Washington | Interactive frame segmentation with dynamic programming |
CN103064086A (zh) * | 2012-11-04 | 2013-04-24 | 北京工业大学 | 一种基于深度信息的车辆跟踪方法 |
CN103559689A (zh) * | 2013-11-01 | 2014-02-05 | 浙江工业大学 | 一种点云噪声点去除方法 |
CN103604426A (zh) * | 2013-12-02 | 2014-02-26 | 苏州大学张家港工业技术研究院 | 一种移动机器人位姿估计方法及装置 |
CN104484648A (zh) * | 2014-11-27 | 2015-04-01 | 浙江工业大学 | 基于轮廓识别的机器人可变视角障碍物检测方法 |
US9087086B1 (en) * | 2012-12-18 | 2015-07-21 | Emc Corporation | Method and system for handling object boundaries of a data stream to optimize deduplication |
CN104950313A (zh) * | 2015-06-11 | 2015-09-30 | 同济大学 | 一种路面提取及道路坡度识别方法 |
CN105674991A (zh) * | 2016-03-29 | 2016-06-15 | 深圳市华讯方舟科技有限公司 | 一种机器人定位方法和装置 |
US20160313799A1 (en) * | 2015-04-21 | 2016-10-27 | Le Shi Zhi Xin Electronic Technology (Tian Jin) Limited | Method and apparatus for identifying operation event |
US20170337433A1 (en) * | 2016-05-17 | 2017-11-23 | Wistron Corporation | Image evaluation method and electronic apparatus thereof |
CN206691107U (zh) * | 2017-03-08 | 2017-12-01 | 深圳市速腾聚创科技有限公司 | 无人驾驶汽车系统及汽车 |
CN107450069A (zh) * | 2016-05-31 | 2017-12-08 | 松下知识产权经营株式会社 | 移动物体检测装置、程序及记录介质 |
CN107504917A (zh) * | 2017-08-17 | 2017-12-22 | 深圳市异方科技有限公司 | 一种三维尺寸测量方法及装置 |
CN107590347A (zh) * | 2017-09-22 | 2018-01-16 | 武汉德友科技有限公司 | 一种基于设计模型匹配孤立点识别与删除方法及系统 |
CN107607107A (zh) * | 2017-09-14 | 2018-01-19 | 斯坦德机器人(深圳)有限公司 | 一种基于先验信息的Slam方法和装置 |
CN108648156A (zh) * | 2018-05-08 | 2018-10-12 | 北京邮电大学 | 点云数据中杂散点标记方法、装置、电子设备及存储介质 |
CN109186608A (zh) * | 2018-09-27 | 2019-01-11 | 大连理工大学 | 一种面向重定位的稀疏化三维点云地图生成方法 |
CN109466548A (zh) * | 2017-09-07 | 2019-03-15 | 通用汽车环球科技运作有限责任公司 | 用于自主车辆操作的地面参照确定 |
CN109767391A (zh) * | 2018-12-03 | 2019-05-17 | 深圳市华讯方舟太赫兹科技有限公司 | 点云去噪方法、图像处理设备及具有存储功能的装置 |
CN110035961A (zh) * | 2019-02-13 | 2019-07-19 | 斯坦德机器人(深圳)有限公司 | 自动引导运输车及仓储系统 |
CN110031823A (zh) * | 2019-04-22 | 2019-07-19 | 上海禾赛光电科技有限公司 | 可用于激光雷达的噪点识别方法以及激光雷达系统 |
CN110031822A (zh) * | 2019-04-22 | 2019-07-19 | 上海禾赛光电科技有限公司 | 可用于激光雷达的噪点识别方法以及激光雷达系统 |
CN110109142A (zh) * | 2019-04-04 | 2019-08-09 | 深圳市速腾聚创科技有限公司 | 点云滤波方法、装置、计算机设备和存储介质 |
-
2019
- 2019-08-23 CN CN201910783919.5A patent/CN110515054B/zh active Active
Patent Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5583946A (en) * | 1993-09-30 | 1996-12-10 | Apple Computer, Inc. | Method and apparatus for recognizing gestures on a computer system |
US20020085754A1 (en) * | 2000-12-28 | 2002-07-04 | University Of Washington | Interactive frame segmentation with dynamic programming |
CN103064086A (zh) * | 2012-11-04 | 2013-04-24 | 北京工业大学 | 一种基于深度信息的车辆跟踪方法 |
US9087086B1 (en) * | 2012-12-18 | 2015-07-21 | Emc Corporation | Method and system for handling object boundaries of a data stream to optimize deduplication |
CN103559689A (zh) * | 2013-11-01 | 2014-02-05 | 浙江工业大学 | 一种点云噪声点去除方法 |
CN103604426A (zh) * | 2013-12-02 | 2014-02-26 | 苏州大学张家港工业技术研究院 | 一种移动机器人位姿估计方法及装置 |
CN104484648A (zh) * | 2014-11-27 | 2015-04-01 | 浙江工业大学 | 基于轮廓识别的机器人可变视角障碍物检测方法 |
US20160313799A1 (en) * | 2015-04-21 | 2016-10-27 | Le Shi Zhi Xin Electronic Technology (Tian Jin) Limited | Method and apparatus for identifying operation event |
CN104950313A (zh) * | 2015-06-11 | 2015-09-30 | 同济大学 | 一种路面提取及道路坡度识别方法 |
CN105674991A (zh) * | 2016-03-29 | 2016-06-15 | 深圳市华讯方舟科技有限公司 | 一种机器人定位方法和装置 |
US20170337433A1 (en) * | 2016-05-17 | 2017-11-23 | Wistron Corporation | Image evaluation method and electronic apparatus thereof |
CN107450069A (zh) * | 2016-05-31 | 2017-12-08 | 松下知识产权经营株式会社 | 移动物体检测装置、程序及记录介质 |
CN206691107U (zh) * | 2017-03-08 | 2017-12-01 | 深圳市速腾聚创科技有限公司 | 无人驾驶汽车系统及汽车 |
CN107504917A (zh) * | 2017-08-17 | 2017-12-22 | 深圳市异方科技有限公司 | 一种三维尺寸测量方法及装置 |
CN109466548A (zh) * | 2017-09-07 | 2019-03-15 | 通用汽车环球科技运作有限责任公司 | 用于自主车辆操作的地面参照确定 |
CN107607107A (zh) * | 2017-09-14 | 2018-01-19 | 斯坦德机器人(深圳)有限公司 | 一种基于先验信息的Slam方法和装置 |
CN107590347A (zh) * | 2017-09-22 | 2018-01-16 | 武汉德友科技有限公司 | 一种基于设计模型匹配孤立点识别与删除方法及系统 |
CN108648156A (zh) * | 2018-05-08 | 2018-10-12 | 北京邮电大学 | 点云数据中杂散点标记方法、装置、电子设备及存储介质 |
CN109186608A (zh) * | 2018-09-27 | 2019-01-11 | 大连理工大学 | 一种面向重定位的稀疏化三维点云地图生成方法 |
CN109767391A (zh) * | 2018-12-03 | 2019-05-17 | 深圳市华讯方舟太赫兹科技有限公司 | 点云去噪方法、图像处理设备及具有存储功能的装置 |
CN110035961A (zh) * | 2019-02-13 | 2019-07-19 | 斯坦德机器人(深圳)有限公司 | 自动引导运输车及仓储系统 |
CN110109142A (zh) * | 2019-04-04 | 2019-08-09 | 深圳市速腾聚创科技有限公司 | 点云滤波方法、装置、计算机设备和存储介质 |
CN110031823A (zh) * | 2019-04-22 | 2019-07-19 | 上海禾赛光电科技有限公司 | 可用于激光雷达的噪点识别方法以及激光雷达系统 |
CN110031822A (zh) * | 2019-04-22 | 2019-07-19 | 上海禾赛光电科技有限公司 | 可用于激光雷达的噪点识别方法以及激光雷达系统 |
Non-Patent Citations (1)
Title |
---|
李幸刚等: ""一种基于邻域扩展聚类的去噪算法"", 《系统仿真学报》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112136018A (zh) * | 2019-04-24 | 2020-12-25 | 深圳市大疆创新科技有限公司 | 测距装置点云滤噪的方法、测距装置和移动平台 |
CN111077535A (zh) * | 2019-12-11 | 2020-04-28 | 中煤能源研究院有限责任公司 | 一种激光雷达数据采集系统及数据处理方法 |
CN111077535B (zh) * | 2019-12-11 | 2022-03-01 | 中煤能源研究院有限责任公司 | 一种激光雷达数据采集系统及数据处理方法 |
US11947016B2 (en) | 2019-12-26 | 2024-04-02 | Samsung Electronics Co., Ltd. | Object detection device and method of operating the same |
US20220299648A1 (en) * | 2020-03-26 | 2022-09-22 | Baidu.Com Times Technology (Beijing) Co., Ltd. | Neighbor-based point cloud filter system |
WO2021189347A1 (en) * | 2020-03-26 | 2021-09-30 | Baidu.Com Times Technology (Beijing) Co., Ltd. | Neighbor-based point cloud filter system |
US11835629B2 (en) * | 2020-03-26 | 2023-12-05 | Baidu Usa Llc | Neighbor-based point cloud filter system |
CN113811793A (zh) * | 2020-03-26 | 2021-12-17 | 百度时代网络技术(北京)有限公司 | 基于近邻的点云过滤系统 |
CN112513679A (zh) * | 2020-04-15 | 2021-03-16 | 华为技术有限公司 | 一种目标识别的方法和装置 |
CN112513679B (zh) * | 2020-04-15 | 2021-12-03 | 华为技术有限公司 | 一种目标识别的方法和装置 |
WO2022116517A1 (zh) * | 2020-12-04 | 2022-06-09 | 上海禾赛科技有限公司 | 滤除雷达点云中的拖点的方法、处理器以及激光雷达系统 |
CN112700387A (zh) * | 2021-01-08 | 2021-04-23 | 瓴道(上海)机器人科技有限公司 | 激光数据处理方法、装置及设备、存储介质 |
CN113345093A (zh) * | 2021-05-17 | 2021-09-03 | 立得空间信息技术股份有限公司 | 一种针对激光雷达点云拖尾点的滤波方法 |
CN113345093B (zh) * | 2021-05-17 | 2022-07-05 | 立得空间信息技术股份有限公司 | 一种针对激光雷达点云拖尾点的滤波方法 |
WO2023279225A1 (zh) * | 2021-07-05 | 2023-01-12 | 深圳市速腾聚创科技有限公司 | 激光雷达的点云处理方法、装置、存储介质及终端设备 |
CN113705617A (zh) * | 2021-07-30 | 2021-11-26 | 北京万集科技股份有限公司 | 点云数据的处理方法、装置、计算机设备和存储介质 |
CN113721261A (zh) * | 2021-09-06 | 2021-11-30 | 上海星秒光电科技有限公司 | 点云拖尾的去除方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110515054B (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110515054A (zh) | 滤波方法和装置、电子设备、计算机存储介质 | |
CN109059902A (zh) | 相对位姿确定方法、装置、设备和介质 | |
CN102298142B (zh) | 雷达测距模糊条件下多微弱目标ht-stc-tbd检测方法 | |
CN112513679B (zh) | 一种目标识别的方法和装置 | |
JP2023159198A (ja) | トレーラ挟角の測定方法、装置及び車両 | |
CN108594250B (zh) | 一种点云数据去噪点方法及装置 | |
CN104062651A (zh) | 一种基于g0杂波背景及恒定目标幅度的检测前跟踪方法 | |
CN109143343B (zh) | 绕射波成像方法、装置和电子设备 | |
CN115236627A (zh) | 一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法 | |
Nedjah et al. | Simultaneous localization and mapping using swarm intelligence based methods | |
CN113345093B (zh) | 一种针对激光雷达点云拖尾点的滤波方法 | |
CN108647579B (zh) | 一种障碍物检测方法、装置及终端 | |
CN110068829A (zh) | 简化的基于图形快速匹配的激光定位方法 | |
Shvets et al. | Occupancy grid mapping with the use of a forward sonar model by gradient descent | |
CN112558035B (zh) | 用于估计地面的方法和装置 | |
CN110376583B (zh) | 用于车辆传感器的数据融合方法及装置 | |
CN116699596A (zh) | 一种车辆的毫米波雷达的速度修正方法及装置 | |
CN116203579A (zh) | 基于点云残差的激光雷达slam退化检测方法及系统 | |
CN115792841A (zh) | 目标检测方法、装置、计算机设备和存储介质 | |
CN115236672A (zh) | 障碍物信息生成方法、装置、设备及计算机可读存储介质 | |
CN116363192A (zh) | 仓储货物的体积测量方法、装置、计算机设备及存储介质 | |
CN112700387A (zh) | 激光数据处理方法、装置及设备、存储介质 | |
CN109242770B (zh) | 图像导引的地震速度插值方法及计算机可读存储介质 | |
Persson et al. | Practical pose trajectory splines with explicit regularization | |
US20230025981A1 (en) | Method and apparatus with grid map generation |
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 |