CN110568454B - 一种感知天气状况的方法及系统 - Google Patents

Abstract

本发明属于自动驾驶技术领域，具体公开了一种感知天气状况的方法及系统。该感知天气状况的方法包括：获取点云数据；对所述点云数据进行预处理；基于预处理后的点云数据确定离群点，并确定离群点数目；根据所述离群点的数目确定天气状况等级。该感知天气状况的方法有利于将将雨雪雾等天气状况中非所需环境信息排除，从而提高环境感知的精度，进而提高自动驾驶的安全性。

Description

一种感知天气状况的方法及系统

技术领域

本发明涉及自动驾驶技术领域，具体涉及一种感知天气状况的方及系统。

背景技术

激光雷达能够快速、精准地获得周围环境的三维感知信息，因此常被用于自动驾驶等需要获知三维场景领域。然而，由于激光波长相对较小，无法绕过大气中的大分子障碍物，雨雪烟雾容易对激光造成阻挡。因此，激光雷达容易受到非预期的物体所影响，例如打在雪片上的激光被反射并返回距离信息，但雪片往往并非所需要的环境信息，这会对真正的环境感知带来干扰，造成激光雷达的感知信息不准确。

发明内容

为此，本发明提供一种感知天气状况的方法及系统，以解决现有技术中由于激光雷达容易受非预期的物体影响而导致的天气感知信息不准确的问题。

为了实现上述目的，本发明第一方面提供一种感知天气状况的方法，所述方法包括：

获取点云数据；

对所述点云数据进行预处理；

基于预处理后的点云数据确定离群点，并确定离群点数目；

根据所述离群点的数目确定天气状况等级。

为了实现上述目的，本发明第二方面还提供一种感知天气状况的系统，所述系统包括：

感知模块，用于获取点云数据；

预处理模块，用于对所述点云数据进行预处理；

判定模块，用于基于预处理后的点云数据确定离群点；

天气确定模块，用于根据所述离群点的数目确定天气状况等级。

为了实现上述目的，本发明第三方面还提出一种车载设备，包括：处理器、存储器和，所述I/O接口数据连接所述处理器和所述存储器；所述处理器通过调用所述存储器存储的程序或指令，用于执行如第一方面所述方法的步骤。

为了实现上述目的，本发明第四方面还提出一种非暂态计算机可读存储介质，用于存储程序或指令，所述程序或指令使计算机执行如第一方面所述方法的步骤。

本发明具有如下优点：

本发明实施例提供的感知天气状况的方法，对点云数据进行预处理后，基于预处理后的点云数据确定离群点数目，然后根据离群点的数目确定天气状况等级，并去除噪点，有利于将雨雪雾等天气状况中非所需环境信息排除，从而提高自动驾驶车辆感知环境的精度，进而提高自动驾驶的安全性。

附图说明

附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。

图1为本发明实施例提供的一种自动驾驶车辆的整体架构图；

图2为本实施例提供的一种天气感知系统的示例性框图；

图3为本发明实施例提供的一种预处理模块的框图；

图4为本发明实施例提供的一种判定模块的框图；

图5为本发明实施例提供的一种天气感知系统的示例性框图；

图6为本发明实施例提供的一种噪点去除模块的示例性框图；

图7为本实施例提供的一种车载设备的结构示意图；

图8为本实施例提供的一种感知天气状况的方法的流程图；

图9为本发明实施例提供的另一种感知天气状况的方法的流程图；

图10为本发明实施例提供的一种感知天气状况的方法中确定噪点的流程图。

具体实施方式

以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。

针对雨雪雾天气对激光雷达感知信息造成干扰，影响自动驾驶安全性的问题，本实施例提供一种感知天气状况的方法，通过分析处理激光雷达的点云数据得到天气状况等级，基于天气状况等级去除点云噪点，从而获得高准确度的感知信息。

在一些实施例中，本申请所提供的感知天气状况的方法或系统可应用于自动驾驶车辆，也可应用于其他具备激光雷达的装置或设备。在一些实施例中，本申请所提供的感知天气状况等级的方法或系统还可以用于对天气状况进行预测。

图1为本实施例提供的一种自动驾驶车辆的整体架构图。如图1所示，自动驾驶车辆包括传感器组100、智能驾驶系统200、车辆底层执行系统300以及其他可用于自动驾驶车辆的系统。

其中，传感器组100，用于采集车辆外界环境的数据和探测车辆的位置数据，如包括但不限于感知路径的方向、宽度、曲率、道路交叉以及路障等细节信息。传感器组如包括但不限于摄像头、激光雷达、毫米波雷达和全球定位系统(Global Positioning System，GPS)中的至少一个。

智能驾驶系统200，用于获取传感器组的数据，传感器组中所有传感器在自动驾驶车辆行驶过程中都满足传送数据的频率要求。在一些实施例中，所述传感器组包括视觉传感器、激光雷达、毫米波雷达、超声波雷达、车速传感器、GPS(Global Positioning System，全球定位系统)、IMU(Inertial Measurement Unit，惯性测量单元)等中的一个或多个传感器。在一些实施例中，智能驾驶系统200包括环境感知，环境感知可采用融合摄像头、激光雷达、毫米波雷达等多种传感器的数据进行环境感知。

智能驾驶系统200，还用于基于传感器组的数据进行环境感知和车辆定位，并基于环境感知信息和车辆定位信息进行路径规划和决策，以及基于规划的路径生成车辆控制指令，从而控制车辆按照规划路径行驶。

在一些实施例中，智能驾驶系统200可以为软件系统、硬件系统或者软硬件结合的系统。例如，智能驾驶系统200是运行在操作系统上的软件系统，车载硬件系统是支持操作系统运行的硬件系统。

车辆底层执行系统300，用于接收车辆控制指令，实现对车辆行驶的控制。在一些实施例中，车辆底层执行系统包括但不限于：转向系统、驱动系统和驱动系统。转向系统、驱动系统和驱动系统属于车辆领域成熟系统，在此不再赘述。

在一些实施例中，自动驾驶车辆还可包括车辆CAN(Controller Area Network,控制器局域网络)总线，用于连接智能驾驶系统200与车辆底层执行系统300。智能驾驶系统200与车辆底层执行系统300之间的信息交互通过车辆CAN总线进行传递。

在一些实施例中，智能驾驶系统200包括天气感知系统，天气感知系统可以用于感知天气状况等级。在一些实施例中，天气状况等级可以辅助智能驾驶系统200感知的环境信息。在具体的实施例中，智能驾驶系统200可以基于所述天气状况等级判定感知信息的噪点，以获取更好的感知效果。

图2为本实施例提供的一种天气感知系统200的示例性框图。在一些实施例中，天气感知系统200包括感知模块21、预处理模块22、判定模块23、统计模块24、天气确定模块25及一些其他有利于感知天气的模块。

感知模块21用于获取点云数据。所述感知模块21可以用于接收所述智能驾驶车辆中传感器组所接收的点云数据。在一些实施例中，所述点云数据可以通过激光雷达扫描获得。其中，所述激光雷达可以是单线或多线激光雷达，还可以是固态激光雷达、机械旋转激光雷达或混合固态激光雷达中的一种或多种。在一些实施例中，所述点云数据还可以通过其他可产生点云数据的传感器感知获得。

预处理模块22用于对点云数据进行预处理。在一些实施例中，所述预处理模块22对点云数据进行预处理以获得可应用于后续处理的点云数据。在一些实施例中，所述预处理包括降采样。所述降采样可以是voxel降采样。其中，降采样的分辨率可以采用多种不同的分辨率，例如0.2m*0.2m*0.2m，0.3m*0.3m*0.3m，0.4m*0.4m*0.4m等。在一些实施例中，所述预处理包括过滤点云数据。其中，过滤后的点云数据可用于后续处理的点云数据。在一些实施例中，所述过滤点云数据进行多次，例如2次或3次。

图3为本发明实施例提供的一种预处理模块30的示例性框图。在一些实施例中，预处理模块30可以是图2所示的预处理模块22或预处理模块22的一部分。如图3所示，预处理模块30包括但不限于坐标转换单元31、降采样单元32、第一过滤单元33和第二过滤单元34。

坐标转换单元31用于将点云数据的坐标系转换为车辆坐标系。在一些实施例中，所述点云数据的初始坐标系是以传感器为中心的坐标系(例如，以激光雷达为中心的坐标系)，所以在进行点云数据的后续处理时，需要对点云数据进行坐标系转换。在一些实施例中，所述坐标转换模块31可以将所述点云数据从传感器坐标系转换至车辆坐标系。在一些实施例中，车辆坐标系可以有不同定义，车辆坐标系是以车辆后轴中心为原点，车辆横向方向为X轴，纵向方向为Y轴，垂直方向为Z轴。

降采样单元32用于对点云数据进行降采样。在一些实施例中，所述降采样单元32可以对点云数据进行voxel降采样。在一些实施例中，降采样的分辨率可以预先设定，也可以根据实际情况进行设定。在一些实施例中，降采样的分辨率可以采用多种不同的分辨率，例如0.2m*0.2m*0.2m，0.3m*0.3m*0.3m，0.4m*0.4m*0.4m等。

第一过滤单元33用于过滤降采样后的点云数据。在一些实施例中，第一过滤单元33可以过滤掉围绕所述自动驾驶车辆的第一预设区域之外的点云数据。在一些实施例中，所述第一预设区域可以是由用户自己定义，也可以基于所述自动驾驶车辆当前状态进行改变。在一些实施例中，所述第一预设区域可以是以车辆坐标系原点为中心的围绕车身周围的区域。所述区域可以是任意形状，例如矩形，椭圆形，圆形，正方形等。所述区域的范围可以是任意大小，例如所述区域可以是前后左右皆为5米的正方形区域，也可以是半径为5米的圆形区域。

在一些实施例中，所述第一过滤单元可以先提取位于地面之上的点云数据，再将位于地面之上的点云数据中位于第一预设区域之外的点云数据过滤。在一些实施例中，所述第一过滤单元也可以先将第一预设与之外的点云数据过滤，然后再提取位于地面之上的数据。在一些实施例中，在提取位于地面之上的点云数据时，所述第一过滤单元先分割出预估地面的点云数据，基于预估地面的点云数据模拟所述自动驾驶车辆所在地点的预估地面，通过变换矩阵对所述预估地面进行校准，并根据校准后的预估地面获取地面之上的点云数据。

第二过滤单元34用于接收第一过滤单元33过滤后的点云数据，并对所述点云数据进行第二次过滤。在一些实施例中，第二过滤单元34可以预先设置感兴趣区域(Range ofInterest，简称ROI),所述ROI区域可以基于由用户进行设置，也可以基于所述自动驾驶车辆行车状态进行设置。例如，所述ROI区域可以基于所述自动驾驶车辆车速进行设置，当车速越大时，所述ROI区域越大。在一些实施例中，所述第二过滤单元34过滤掉所述ROI区域之外的点云数据，得到预处理的点云数据用于后续处理。

在一些实施例中，所述预处理模块22中各单元的划分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，例如坐标转换单元31、降采样单元32、第一过滤单元33和第二过滤单元34可以实现为一个单元；坐标转换单元31、降采样单元32、第一过滤单元33和第二过滤单元34也可以划分为多个子单元，例如第一过滤单元33可以划分为两个功能子单元，其中一个功能子单元用于提取位于地面上的点，一个功能子单元用于过滤第一预设区域之外的点。可以理解的是，各个单元或子单元能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能。

判定模块23用于确定离群点。在一些实施例中，当某个点云的邻域范围内的点云数量小于第一预设值时，所述点云为离群点。在一些实施例中，判定模块23接收预处理模块22发送的点云数据，并基于所述点云数据确定离群点。

图4示出了判定模块400的一种示例性框图。在一些实施例中，所述判定模块400可以是图2所述的判定模块23或者判定模块23的至少一部分。在一些实施例中，判定模块400包括第一统计单元41、第一判断单元42和离群点确定单元43。

第一统计单元41用于统计点云数据中的每个点云在预设范围内的点云数目。在一些实施例中，所述预设范围是指围绕每个点云的邻域，所述邻域的大小可以由多个点云间隔确定，也可以指定范围大小，例如所述邻域可以是以所述点云为球心，以r为半径的球形区域。在一些实施例中，r值可以由用户自主设定，也可以基于所述自动驾驶车辆的车辆状态确定，例如r可以是通过经验获取的数值，r为0.2m。在一些实施例中，所述第一统计单元遍历所有点云数据，并统计每个点云数据在其预设范围(即邻域)内的点云数目。

第一判断单元42用于判断所述每个点云数据在其预设范围内的点云数目是否小于第一预设值。在一些实施例中，所述第一预设值可以由用户自主设置，也可以根据历史数据进行设置，例如可以将第一预设值设置为4。所述第一判断单元42对每个点云数据进行判断，并将判断结果发送给离群点确定单元43。

离群点确定单元43基于第一判断单元42的判断结果确定离群点。在一些实施例中，当某个点云数据在预设范围内的点云数目大于第一预设值时，离群点确定单元43判定此点云不是离群点。在一些实施例中，当某个点云数据在预设范围内的点云数目小于第一预设值时，离群点确定单元43判定此点云是离群点。在一些实施例中，当某个点云数据在预设范围内的点云数目等于第一预设值时，可根据预先设置进行判断，所述预先设置可以包括认定为离群点、认定为非离群点、不做认定等中的至少一种。

在一些实施例中，所述点云数据的预设范围和所述第一预设值均与激光雷达或点云数据的属性相关，其中，所述属性包括但不限于降采样分辨率、纵向距离、横向分辨率、线束密度等。例如，横向分辨率越高，预设范围设定值越大，第一预设值设定越大。

在一些实施例中，所述判定模块400中各单元的划分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，例如第一统计单元41、第一判断单元42和离群点确定单元43可以实现为一个单元；第一统计单元41、第一判断单元42和离群点确定单元43也可以划分为多个子单元；例如，第一判断单元42可以与离群点确定单元43合并为一个单元。可以理解的是，各个单元或子单元能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能。

统计模块24用于统计所述判定模块23判定的离群点的数目。在一些实施例中，判定模块23通过遍历所有点云数据，以确定是离群点的点云数据并做标记。统计模块24通过统计所述标记从而获取离群点的数目。

天气确定模块25用于确定天气状况等级。在一些实施例中，所述天气确定模块25可以基于所述离群点的数目确定天气状况等级。在一些实施例中，所述天气状况等级与离群点的数目成正比。离群点数目越大，则天气状况等级越高。在一些实施例中，天气状况等级与天气恶劣程度直接相关，所述天气恶劣程度是指雨雪雾天气的程度划分。例如，雨雪雾越严重，天气越恶劣，则天气状况等级越高。

图5为本实施例提供的一种天气感知系统500的示例性框图。在一些实施例中，天气感知系统500进一步包括噪点去除模块26。

噪点去除模块56用于去除点云噪点。在一些实施例中，噪点去除模块56可以基于天气状况等级确定排除噪点的阈值，从而完成对所述点云数据中噪点的确认。在一些实施例中，噪点去除模块56在确认哪些点云数据是噪点后，直接去除噪点。

需要说明的是，天气感知系统500中感知模块51、预处理模块52、判定模块53、统计模块24和天气确定模块55与天气感知系统200中感知模块21、预处理模块22、判定模块23、统计模块24和天气确定模块25的作用和实施方式均相同，在此不再赘述。

图6是本发明实施例公开的一种噪点去除模块600的示例性框图。在一些实施例中，所述噪点去除模块600可以是图5所示的噪点去除模块26或至少是噪点去除模块26中的一部分。如图6所示，噪点去除模块600包括栅格化单元61、第二统计单元62和噪点确定单元63。

栅格化单元61用于将点云数据区域进行二维栅格化。在一些实施例中，所述点云数据区域即是ROI区域。在一些实施例中，栅格的尺寸可以由用户自主设定，也可以由根据自动驾驶车辆的车辆状态确定。

第二统计单元62用于统计每个栅格区域内的点云数目。在一些实施例中，所述第二统计单元62遍历所有栅格，并统计每个栅格中的点云数目，并将每个栅格对应的点云数目发送给噪点确定单元。

噪点确定单元63用于基于所述每个栅格的点云数目确定哪些点云数据为噪点，并对噪点进行去除。在一些实施例中，噪点确定单元63判断所述每个栅格的点云数目是否大于或等于第二预设值。在一些实施例中，所述第二预设值与所述栅格相关。更为具体地，所述栅格离自动驾驶车辆越近，第二预设值越高。在一些实施例中，所述第二预设值与天气状况等级相关。更为具体地，所述天气状况等级越高，所述第二预设值越大。在一些实施例中，所述噪点确定单元63基于判断结果确定哪些点云数据是噪点。在一些实施例中，如果某个栅格的点云数目大于或等于第二预设值，噪点去除单元63确定该栅格内的点云都为正常点。在一些实施例中，如果某个栅格的点云数目小于第二预设值，噪点去除单元63确定该栅格内的点云均为噪点。在确定所述点云数据中的噪点后，噪点去除单元63直接将所有噪点清除，保留认定为正常点的点云数据进行后续处理。

图7为本实施例提供的一种车载设备的结构示意图。自动驾驶车辆包括车载设备，车载设备包括至少一个处理器701、至少一个存储器702和至少一个通信接口703。处理器701和存储器702通过总线系统704耦合在一起。通信接口703，用于与外部设备之间的信息传输。可理解地，总线系统704用于包括处理器701和存储器702在内的各组件之间的连接通信。总线系统704除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但为便于说明，在图7中将各种总线都标为总线系统704。

本实施例中的存储器702可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。

在一些实施方式中，存储器702存储了如下的元素，可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统和应用程序。

其中，操作系统，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序，包含各种应用程序，例如媒体播放器(Media Player)、浏览器(Browser)等，用于实现各种应用业务。实现本公开实施例提供的用于感知天气状况等级及去除恶劣天气下感知噪点的系统或方法的程序可以包含在应用程序中。

在本公开实施例中，处理器701通过调用存储器702存储的程序或指令，具体的，可以是应用程序中存储的程序或指令，处理器701用于执行本公开实施例提供的感知天气状况等级及去除恶劣天气下感知噪点的系统或方法各实施例的步骤。

本公开实施例提供的用于感知天气状况等级及去除恶劣天气下感知噪点的方法或系统可以应用于处理器701中，或者由处理器701实现。处理器701可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器701中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器701可以是通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、现成可编程门阵列(Field Programmable Gate Array，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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

本实施例提供的感知天气状况的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器702，处理器701读取存储器702中的信息，结合其硬件完成方法的步骤。

图8为本实施例提供的一种感知天气状况的方法的流程图。该方法的执行主体是智能驾驶系统，应用于自动驾驶车辆。

如图8所述，感知天气状况的方法可包括步骤801至804：

801，获取点云数据。在一些实施例中，点云数据可以通过激光雷达扫描获得。其中，所述激光雷达可以是单线或多线激光雷达，还可以是固态激光雷达、机械旋转激光雷达或混合固态激光雷达中的一种或多种。在一些实施例中，所述点云数据还可以通过其他可产生点云数据的传感器感知获得。

802，对点云数据进行预处理。在一些实施例中，对点云数据进行预处理以获得可应用于后续处理的点云数据。

在一些实施例中，在预处理点云数据之前，需要将点云数据的坐标系转换为车辆坐标系。在一些实施例中，所述点云数据的初始坐标系是以传感器为中心的坐标系(例如，以激光雷达为中心的坐标系)，所以在进行点云数据的后续处理时，需要对点云数据进行坐标系转换。在一些实施例中，将所述点云数据从传感器坐标系转换至车辆坐标系。在一些实施例中，车辆坐标系可以有不同定义，车辆坐标系是以车辆后轴中心为原点，车辆横向方向为X轴，纵向方向为Y轴，垂直方向为Z轴。

在一些实施例中，所述预处理包括对点云数据进行降采样。在一些实施例中，所述降采样可以是voxel降采样。在一些实施例中，降采样的分辨率可以预先设定，也可以根据实际情况进行设定。在一些实施例中，降采样的分辨率可以采用多种不同的分辨率，例如0.2m*0.2m*0.2m，0.3m*0.3m*0.3m，0.4m*0.4m*0.4m等。

在一些实施例中，所述预处理包括对降采样后的点云数据进行过滤。其中，过滤后的点云数据可用于后续处理的点云数据。在一些实施例中，所述过滤点云数据进行多次，例如2次或3次。

在一些实施例中，预处理包括第一次过滤，过滤掉围绕所述自动驾驶车辆的第一预设区域之外的点云数据。在一些实施例中，所述第一预设区域可以是由用户自己定义，也可以基于所述自动驾驶车辆当前状态进行改变。在一些实施例中，所述第一预设区域可以是以车辆坐标系原点为中心的围绕车身周围的区域。所述区域可以是任意形状，例如矩形，椭圆形，圆形，正方形等。所述区域的范围可以是任意大小，例如所述区域可以是前后左右皆为5米的正方形区域，也可以是半径为5米的圆形区域。

在一些实施例中，第一过滤主要包括：先提取位于地面之上的点云数据，再将位于地面之上的点云数据中位于第一预设区域之外的点云数据过滤。在一些实施例中，第一次过滤主要包括：先将第一预设与之外的点云数据过滤，然后再提取位于地面之上的数据。在一些实施例中，在提取位于地面之上的点云数据时，先分割出预估地面的点云数据，基于预估地面的点云数据模拟所述自动驾驶车辆所在地点的预估地面，通过变换矩阵对所述预估地面进行校准，并根据校准后的预估地面获取地面之上的点云数据。

在一些实施例中，预处理还包括第二过滤，即对第一过滤后的点云数据进行第二过滤。在一些实施例中，第二过滤可以预先设置感兴趣区域(Range of Interest，简称ROI),所述ROI区域可以基于由用户进行设置，也可以基于所述自动驾驶车辆行车状态进行设置。例如，所述ROI区域可以基于所述自动驾驶车辆车速进行设置，当车速越大时，所述ROI区域越大。在一些实施例中，所述第二过滤将所述ROI区域之外的点云数据过滤，得到预处理的点云数据用于后续处理。

803，识别点云数据中的离群点。

在一个实施例中，离群点是基于预处理后的点云数据确定的。在一个实施例中，当某个点云的邻域范围内的点云数量小于第一预设值时，所述点云数据为离群点。

在一个实施例中，识别离群点的步骤主要包括：统计预处理后的点云数据中的每个点云在预设范围内的点云数目。在一些实施例中，所述预设范围是指围绕每个点云的邻域，所述邻域的大小可以由多个点云间隔确定，也可以指定范围大小，例如所述邻域可以是以所述点云为球心，以r为半径的球形区域。在一些实施例中，r值可以由用户自主设定，也可以基于所述自动驾驶车辆的车辆状态确定，例如r可以是通过经验获取的数值，r为0.2m。在一些实施例中，遍历所有点云数据，并统计每个点云数据在其预设范围(即邻域)内的点云数目。

在一些实施例中，判断所述每个点云数据在其预设范围内的点云数目是否小于第一预设值。在一些实施例中，所述第一预设值可以由用户自主设置，也可以根据历史数据进行设置，例如可以将第一预设值设置为4，则判断所述每个点云数据在其预设范围内的点云数目是否小于4。

在一些实施例中，基于判断结果确定离群点。在一些实施例中，当某个点云数据在预设范围内的点云数目大于第一预设值时，判定此点云不是离群点。在一些实施例中，当某个点云数据在预设范围内的点云数目小于第一预设值时，判定此点云是离群点。在一些实施例中，当某个点云数据在预设范围内的点云数目等于第一预设值时，可根据预先设置进行判断，所述预先设置可以包括认定为离群点、认定为非离群点、不做认定等中的至少一种。

在一些实施例中，所述点云数据的预设范围和所述第一预设值均与激光雷达或点云数据的属性相关，其中，所述属性包括但不限于降采样分辨率、纵向距离、横向分辨率、线束密度等。例如，横向分辨率越高，预设范围设定值越大，第一预设值设定越大。

在一些实施例中，遍历所有点云数据，以确定是离群点的点云数据并做标记，然后统计所述标记从而获取离群点的数目。

804，基于离群点的数目确定天气状况等级。在一些实施例中，基于所述离群点的数目确定天气状况等级。在一些实施例中，所述天气状况等级与离群点的数目成正比。离群点数目越大，则天气状况等级越高。在一些实施例中，天气状况等级与天气恶劣程度直接相关，所述天气状况等级是根据雨雪雾天气的程度划分，例如，雨雪雾越严重，天气状况等级越高。

图9为本实施例提供的另一种感知天气状况的方法的流程图。在一个实施方式中，感知天气状况的方法除包括步骤901至904外，进一步还包括：

905，确定点云噪点。在一些实施例中，在确定点云噪点时，需要设定噪点阈值。在一些实施例中，基于天气状况等级确定排除噪点的阈值，以对所述点云数据中噪点进行确认。在一些实施例中，在确认哪些点云数据是噪点后，直接去除噪点。

需要说明的是，步骤901至步骤904的实施方式和目的与步骤801至804相同，在此不再赘述。

图10为本发明实施例提供的去除噪点的流程图。在一个实施例中，确定点云噪点的步骤主要包括：

1001，将点云数据区域进行二维栅格化。在一些实施例中，所述点云数据区域即是ROI区域。在一些实施例中，栅格的尺寸可以由用户自主设定，也可以由根据自动驾驶车辆的车辆状态确定。

1002，统计每个栅格区域内的点云数目。在一些实施例中，遍历所有栅格，并统计每个栅格中的点云数目。

1003，基于所述每个栅格的点云数目确定哪些点云数据为噪点，并对噪点进行去除。在一些实施例中，判断所述每个栅格的点云数目是否大于或等于第二预设值。在一些实施例中，所述第二预设值与所述栅格相关。更为具体地，所述栅格离自动驾驶车辆越近，第二预设值越高。在一些实施例中，所述第二预设值与天气状况等级相关。更为具体地，所述天气状况等级越高，所述第二预设值越大。

在一些实施例中，如果某个栅格的点云数目大于或等于第二预设值，确定该栅格内的点云都为正常点。在一些实施例中，基于判断结果确定哪些点云数据是噪点。在一些实施例中，如果某个栅格的点云数目小于第二预设值，确定该栅格内的点云均为噪点。在一些实施例中，在确定所述点云数据中的噪点后，直接将所有噪点清除，保留认定为正常点的点云数据进行后续处理。

上述实施例提供的感知天气状况的方法，对点云数据进行预处理后，确定离群点数目，然后根据离群点的数目确定天气状况等级并将噪点去除，有利于将非所需环境信息排除，从而提高环境感知的精度，进而提高自动驾驶的安全性。

上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。

本实施例还提出一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如感知天气状况的方法各实施例的步骤，为避免重复描述，在此不再赘述。

需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (15)

1.一种感知天气状况的方法，其特征在于，所述方法包括：

获取点云数据；

对所述点云数据进行预处理；

基于预处理后的点云数据确定离群点，并确定离群点数目；

根据所述离群点的数目确定天气状况等级；

基于天气状况等级确定点云噪点；

去除所述点云噪点；

所述基于天气状况等级确定点云噪点，包括：将感兴趣区域进行二维的栅格化；统计栅格化后每个栅格区域内的点云数目；判断每个栅格区域内的点云数目是否大于或等于第二预设值；基于判断结果确定所述栅格区域内的点云数据是否是噪点。

2.根据权利要求1所述的方法，其特征在于，所述预处理包括：

将点云数据的坐标系转换为车身坐标系；

对所述点云数据进行降采样，获得降采样点云数据；

确定第一预设区域，过滤所述第一预设区域外的点云数据，得到第一预设区域内的降采样点云数据；

确定感兴趣区域，过滤所述感兴趣区域外的点云数据，得到感兴趣区域内的降采样数据。

3.根据权利要求2所述的方法，其特征在于，所述第一预设区域为围绕车身周围且在设定距离内的区域。

4.根据权利要求1所述的方法，其特征在于，所述离群点包括在所述离群点的邻域范围内的点云数量小于第一预设值的点云。

5.根据权利要求1所述的方法，其特征在于，所述根据预处理后的所述点云数据确定离群点，包括：

统计所述点云数据中的每个点云在预设范围内的点云数目，所述预设范围为预先设定的用于判定离群点的范围；

判断所述预设范围内的点云数目是否小于第一预设值；

若所述预设范围内的点云数目小于第一预设值，则判定该点云为离群点。

6.根据权利要求1所述的方法，其特征在于，所述根据所述离群点的数目确定天气状况等级包括，所述离群点的数目越大，天气状况等级越高。

7.根据权利要求1所述的方法，其特征在于，所述基于判断结果确定所述栅格区域内的点云数据是否是噪点，包括：

基于栅格区域内的点云数目大于或等于第二预设值，确定所述栅格区域内的点云数目是正常点；

基于栅格区域内的点云数目小于第二预设值，确定所述栅格区域内的点云数目是噪点。

8.根据权利要求1所述的方法，其特征在于，所述第二预设值与天气状况等级相关，所述天气状况等级越大，所述第二预设值越大。

9.一种感知天气状况的系统，其特征在于，所述系统包括：

感知模块，用于获取点云数据；

预处理模块，用于对所述点云数据进行预处理；

判定模块，用于基于预处理后的点云数据确定离群点，并确定离群点的数目；

天气确定模块，用于基于所述离群点的数目确定天气状况等级；

噪点确定模块，用于基于天气状况等级确定点云噪点；

噪点去除模块，用于去除所述点云噪点；

所述噪点确定模块包括：

栅格化单元，用于将感兴趣区域进行二维的栅格化；

第二统计单元，用于统计栅格化后每个栅格区域内的点云数目；

第二判断单元，用于判断每个栅格区域内的点云数目是否大于或等于第二预设值；

噪点确定单元，用于基于所述第二判断单元的结果判定所述点云数据是否为噪点。

10.根据权利要求9所述的系统，其特征在于，所述预处理模块包括：

坐标转换单元，用于将点云数据的坐标系转换为车身坐标系；

降采样单元，用于对所述点云数据进行降采样，获得降采样点云数据；

第一过滤单元，用于确定第一预设区域，过滤所述第一预设区域外的点云数据，得到第一预设区域内的降采样点云数据；

第二过滤单元，用于确定感兴趣区域，过滤所述感兴趣区域外的点云数据，得到感兴趣区域内的降采样数据。

11.根据权利要求9所述的系统，其特征在于，所述判定模块包括：

第一统计单元，用于统计所述点云数据中的每个点云在预设范围内的点云数目，所述预设范围为预先设定的用于判定离群点的范围；

第一判断单元，用于判断所述预设范围内的点云数目是否小于第一预设值；

离群点确定单元，用于若所述预设范围内的点云数目小于第一预设值。

12.根据权利要求9所述的系统，其特征在于，所述离群点的数目越大，天气状况等级越高。

13.根据权利要求9所述的系统，其特征在于，所述噪点确定单元包括:

基于每个栅格区域内的点云数目大于或等于第二预设值，所述噪点确定单元判定所述栅格区域内的点云数据不是噪点；

基于每个栅格区域内的点云数目小于第二预设值，所述噪点确定单元判定所述栅格区域内的点云数据时噪点。

14.一种车载设备，其特征在于，包括：处理器、存储器和通信接口，所述通信接口数据连接所述处理器和所述存储器；

所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至8任一项所述方法的步骤。

15.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至8任一项所述方法的步骤。

Images