CN111402160A - 一种点云数据去噪方法、装置、设备和存储介质 - Google Patents
一种点云数据去噪方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN111402160A CN111402160A CN202010177524.3A CN202010177524A CN111402160A CN 111402160 A CN111402160 A CN 111402160A CN 202010177524 A CN202010177524 A CN 202010177524A CN 111402160 A CN111402160 A CN 111402160A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- candidate
- point cloud
- cloud data
- obstacles
- 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
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000007667 floating Methods 0.000 claims abstract description 84
- 230000004888 barrier function Effects 0.000 claims abstract description 65
- 230000015654 memory Effects 0.000 claims description 20
- 208000006440 Open Bite Diseases 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 16
- 230000008901 benefit Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 230000000903 blocking effect Effects 0.000 description 7
- 238000013136 deep learning model Methods 0.000 description 6
- 238000001914 filtration Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请实施例公开了一种点云数据去噪方法、装置、设备和存储介质,涉及自动驾驶领域。具体实现方案为:检测点云数据中的候选障碍物;根据所述候选障碍物的空间遮挡关系,从所述候选障碍物中选择噪声障碍物;根据所述噪声障碍物,对所述点云数据进行去噪处理。本申请实施例根据候选障碍物的空间遮挡关系,确定出候选障碍物中的噪声障碍物,可准确去除点云数据中的漂浮类噪声和二次反射类噪声,提高了点云数据去噪的精度和效率,进而提高障碍物感知过程的准确性和实时性。
Description
技术领域
本申请实施例涉及数据处理领域,尤其涉及自动驾驶技术领域,具体涉及一种点云数据去噪方法、装置、设备和存储介质。
背景技术
激光雷达是自动驾驶技术中的重要组成部分,其扫描获取的点云数据可用于障碍物感知。由于受激光雷达硬件的影响,点云数据中会存在一些噪点。目前,现有技术在进行障碍物感知时,会先采用整帧去噪的方式去除点云数据中的噪声后,再进行障碍物检测,常用的整帧去噪方式有对整帧点云数据进行如傅里叶变化或霍夫变换等处理,还可以是直接采用均值滤波或高斯滤波等方式对整帧点云数据进行迭代去噪等。
但是,现有技术的整帧去噪方式,难以准确去除点云数据中的漂浮类噪声和二次反射类噪声且整帧去噪运算量较大,导致障碍物感知过程存在较高的延时。
发明内容
本申请实施例公开了一种点云数据去噪方法、装置、设备和存储介质,可以准确去除点云数据中的漂浮类噪声和二次反射类噪声,提高点云数据去噪的精度和效率,进而提高障碍物感知过程的准确性和实时性。
第一方面,本申请实施例公开了一种点云数据的去噪方法,包括:
检测点云数据中的候选障碍物;
根据所述候选障碍物的空间遮挡关系,从所述候选障碍物中选择噪声障碍物;
根据所述噪声障碍物,对所述点云数据进行去噪处理。
上述申请中的一个实施例具有如下优点或有益效果:检测点云数据中的候选障碍物,并根据候选障碍物的空间遮挡关系,从中确定出噪声障碍物,并在点云数据中将其去除,本申请的方案,根据点云数据中检测出来的候选障碍物的空间遮挡关系来实现噪点去除,可以准确去除点云数据中的漂浮类噪声和二次反射类噪声,提高点云数据去噪的精度和效率,进而提高障碍物感知过程的准确性和实时性。为点云数据去噪提供了一种新思路。
另外,根据本申请上述实施例的点云数据去噪方法,还可以具有如下附加的技术特征:
可选的,根据所述候选障碍物的空间遮挡关系,从所述候选障碍物中选择噪声障碍物,包括:
根据所述点云数据,确定所述候选障碍物的空间遮挡关系;
若所述候选障碍物的空间遮挡关系是非遮挡型漂浮关系和/或全遮挡关系,则将所述候选障碍物确定为所述噪声障碍物。
上述申请中的一个实施例具有如下优点或有益效果:在从候选障碍物中选择噪声障碍物时,先确定候选障碍物的空间遮挡关系,将空间遮挡关系为非遮挡型漂浮关系和/或全遮挡关系的候选障碍物作为噪声障碍物,由于非遮挡型漂浮关系的候选障碍物对应漂浮类噪声障碍物,全遮挡关系的候选障碍物对应二次反射类噪声障碍物,所以本申请的方案可实现准确确定点云数据中的漂浮类噪声和二次反射类噪声。
可选的,确定所述候选障碍物的空间遮挡关系,包括:
若所述候选障碍物相对地面的高度大于预设高度,则确定所述候选障碍物与雷达承载设备之间是否有其他障碍物;
若否,则确定所述候选障碍物的空间遮挡关系是非遮挡型漂浮关系。
上述申请中的一个实施例具有如下优点或有益效果:在确定非遮挡型漂浮关系时,先判断候选障碍物是否漂浮在空中,若是,再进一步判断漂浮在空中的状态是否由其他障碍物遮挡导致,若不是,则确定候选障碍物的空间遮挡关系为非遮挡型漂浮关系。避免将被其他障碍物遮挡导致的漂浮状态被误认为是漂浮类噪声障碍物,提高了漂浮类噪声障碍物确定的准确性。
可选的,确定所述候选障碍物与雷达承载设备之间是否有其他候选障碍物,包括:
将所述点云数据投影到所述候选障碍物与雷达承载设备的纵截面内;
根据所述点云数据的投影数据,确定所述候选障碍物与所述雷达承载设备之间是否有其他障碍物。
上述申请中的一个实施例具有如下优点或有益效果:在判断候选障碍物与雷达设备之间是否存在其他候选障碍物时,将点云数据投影到候选障碍物与雷达承载设备的纵截面内进行判断,在保证判断准确性的同时,极大的简化了判断流程。
可选的,确定所述候选障碍物的空间遮挡关系,包括:
确定所述候选障碍物的参考障碍物;
若确定所述候选障碍物在雷达视角下完全被所述参考障碍物遮挡,则所述候选障碍物的空间遮挡关系为全遮挡关系。
可选的,确定所述候选障碍物在雷达视角下完全被所述参考障碍物遮挡,包括:
根据雷达视角和所述参考障碍物的位置,确定遮挡区域;
若所述候选障碍物落在所述遮挡区域内,则确定所述候选障碍物在雷达视角下完全被所述参考障碍物遮挡。
上述申请中的一个实施例具有如下优点或有益效果:在确定全遮挡关系时,先找到候选障碍物的参考障碍物,再进一步判断该候选障碍物在雷达视角下是否完全被参考障碍物遮挡,若是,则确定候选障碍物的空间遮挡关系为全遮挡关系。能够实现准确找到点云数据中因二次反射而形成的噪声,提高了二次反射类噪声障碍物确定的准确性。
可选的,确定所述候选障碍物的参考障碍物,包括:
将所述点云数据投影到所述候选障碍物与雷达承载设备的横截面内;
根据所述点云数据的投影数据,将所述横截面中所述候选障碍物与所述雷达承载设备之间存在的其他障碍物作为参考障碍物。
上述申请中的一个实施例具有如下优点或有益效果:在确定候选障碍物的参考障碍物时,将点云数据投影到候选障碍物与雷达承载设备的横截面内进行确定,在保证确定的参考障碍物准确性的同时,极大的简化了参考障碍物的确定流程。
可选的,若所述候选障碍物的空间遮挡关系是非遮挡型漂浮关系和/或全遮挡关系,则将所述候选障碍物确定为所述噪声障碍物,包括:
通过障碍物跟踪,若所述候选障碍物在当前帧点云数据和历史帧点云数据中的空间遮挡关系均为非遮挡型漂浮关系和/或全遮挡关系,则将所述候选障碍物确定为噪声障碍物。
上述申请中的一个实施例具有如下优点或有益效果:在从候选障碍物中确定噪声障碍物时,不但考虑候选障碍物在当前帧点云数据中的空间遮挡关系,还考虑该候选障碍物在历史帧点云数据中的空间关系,避免了某一真实障碍物因为在当前帧点云数据中空间遮挡关系被误判,导致其被误认为噪声的情况出现,提高了噪声障碍物确定的精准性。
第二方面,本申请实施例公开了一种点云数据去噪装置,该装置包括:
候选障碍物检测模块,用于检测点云数据中的候选障碍物;
噪声障碍物选择模块,用于根据所述候选障碍物的空间遮挡关系,从所述候选障碍物中选择噪声障碍物;
点云数据去噪模块,用于根据所述噪声障碍物,对所述点云数据进行去噪处理。
第三方面,本申请实施例公开了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请任意实施例所述的点云数据去噪方法。
第四方面,本申请实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本申请任意实施例所述的点云数据去噪方法。
上述申请中的一个实施例具有如下优点或有益效果:检测点云数据中的候选障碍物,并根据候选障碍物的空间遮挡关系,从中确定出噪声障碍物,并在点云数据中将其去除,本申请的方案,根据点云数据中检测出来的候选障碍物的空间遮挡关系来实现噪点去除,可以准确去除点云数据中的漂浮类噪声和二次反射类噪声,提高点云数据去噪的精度和效率,进而提高障碍物感知过程的准确性和实时性。为点云数据去噪提供了一种新思路。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请第一实施例的一种点云数据去噪方法的流程图;
图2A是根据本申请第二实施例的一种点云数据去噪方法的流程图;
图2B-2C是根据本申请第二实施例的候选障碍物空间遮挡关系判断示意图;
图3A是根据本申请第三实施例的一种点云数据去噪方法的流程图;
图3B是根据本申请第三实施例的候选障碍物空间遮挡关系判断示意图;
图4是根据本申请第四实施例的一种点云数据去噪方法的流程图;
图5是根据本申请第五实施例的一种点云数据去噪装置的结构示意图;
图6是用来实现本申请第六实施例的点云数据去噪方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请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,而不会背离本申请的范围和精神。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。
第一实施例
图1是根据本申请第一实施例的一种点云数据去噪方法的流程图,本实施例可适用于对点云数据进行去噪的情况,尤其适用于去除点云数据中的漂浮类噪声和二次反射类噪声。该方法可由一种点云数据去噪装置来执行,该装置采用软件和/或硬件的方式实现,可优选配置于雷达承载设备中,例如,安装有雷达的自动驾驶车辆,或可移动机器人等。如图1所示,该方法具体包括如下步骤:
S101,检测点云数据中的候选障碍物。
在本申请中,点云数据可以是雷达扫描其所处场景以点云的形式记录的三维坐标向量的集合,每一个三维坐标向量可以用(x,y,z)表示。除此之外点云数据中还可以包含每一个点云的反射光强度值。由于雷达固有属性,其扫描的点云数据中可能存在各种类型的噪声。其中,点云数据中的常见且比较难去除的噪声包括:漂浮类噪声和二次反射类噪声。其中,漂浮类噪声是一些漂浮在空中,但在当前所处场景下不属于障碍物的噪声点云,其可能是由于雷达硬件影响产生的。二次反射类噪声可以是因雷达发射的激光出现二次反射所导致的噪声,例如,激光经由障碍物车辆反射到交通指示牌上,此时基于飞行时间测距法(Time of flight,TOF)原理,返回了对称位置的点云,该点云即为二次反射类噪声。候选障碍物是对雷达采集的点云数据进行障碍物识别检测,得到的点云数据中初步检测出的可能存在的障碍物。
可选的,在本申请中,配置有雷达(如激光雷达)的雷达承载设备(如自动驾驶车辆)在行驶的过程中,其上配置的雷达可以实时扫描当前场景下的点云数据传输给雷达承载设备的处理器,此时处理器在获取到点云数据后,并不是先对整帧点云数据进行去噪,而是基于障碍物识别检测算法,检测点云数据中的可能存在的候选障碍物。可选的,本申请检测点云数据中的候选障碍物的方法有很多,例如,可以是采用任意一种聚类算法从雷达扫描的点云数据中检测候选障碍物;还可以是采用预先训练好的深度学习模型从雷达扫描的点云数据中检测候选障碍物;还可以是采用特征匹配算法从雷达扫描的点云数据中匹配得到候选障碍物等。对此本实施例不进行限定。
可选的,本申请可优选采用预先训练好的深度学习模型来检测点云数据中的候选障碍物。具体的可以是预先采用大量点云样本数据,对初始深度学习模型进行训练,得到能够准确识别检测出点云数据中的障碍物的深度学习模型。其中,点云样本数据可以是标注出候选障碍物的点云数据。在执行本步骤操作时,将雷达扫描到的点云数据输入到训练好的该深度学习模型中,该深度学习模型就会按照训练时的算法,对输入的点云数据进行识别分析,得到该点云数据中包含的候选障碍物。
需要说明的是,本申请从点云数据中检测出的候选障碍物的个数可以是一个,也可以是多个,由于雷达扫描场景下通常不止一个障碍物,再加上噪声的影响,所以通常情况下,本申请从点云数据中检测出的候选障碍物的个数为多个。
S102,根据候选障碍物的空间遮挡关系,从候选障碍物中选择噪声障碍物。
其中,候选障碍物的空间遮挡关系可以是:各候选障碍物在当前雷达扫描视角下是否与其他障碍物,即其他的候选障碍物存在相互遮挡的关系。可选的,在本申请实施例中,候选障碍物的空间遮挡关系可以包括但不限于:部分遮挡、全部遮挡、不遮挡、非遮挡型漂浮关系和遮挡型漂浮关系等。噪声障碍物可以是点云数据中被误识别为候选障碍物的噪声点云。
可选的,由于本申请在对雷达采集的点云数据进行障碍物检测之前,没有对点云数据进行去噪处理,所以S101从点云数据中检测出的候选障碍物中可能存在一些假障碍物,即噪声障碍物。此时本申请可以是根据S101检测出的每个候选障碍物的空间遮挡关系,从候选障碍物中选择出其中包含的噪声障碍物。通常情况下,点云数据中的噪声障碍物包括漂浮类噪声障碍物和二次反射类噪声障碍物。且漂浮类噪声障碍物的空间遮挡关系满足非遮挡型漂浮关系,二次反射类噪声障碍物的空间遮挡关系满足全遮挡关系。所以本申请实施例可以是根据点云数据,确定候选障碍物的空间遮挡关系。若候选障碍物的空间遮挡关系是非遮挡型漂浮关系和/或全遮挡关系,则将候选障碍物确定为噪声障碍物。
具体的,可以是针对S101检测出的每个候选障碍物,根据其在点云数据中与其他障碍物(即其他候选障碍物)之间的位置关系,确定出该候选障碍物的空间遮挡关系。然后判断该候选障碍物的空间遮挡关系是否为漂浮类噪声障碍物对应的非遮挡型漂浮关系,和/或二次反射类噪声障碍物对应的全遮挡关系,若满足这两类空间遮挡关系中的任意一类,则说明该候选障碍物属于噪声障碍物。需要说明的是,本申请实施例具体如何确定候选障碍物的空间遮挡关系的过程将在后续实施例进行详细介绍。
S103,根据噪声障碍物,对点云数据进行去噪处理。
可选的,本申请实施例对点云数据进行去噪处理时,可以是从点云数据中的候选障碍物中找到S102选出了噪声障碍物对应的点云数据,并将其作为噪声进行滤除,即可得到去除漂浮类噪声和二次反射类噪声后的精准的障碍物点云数据。后续可以将去噪后的精准的障碍物点云数据输入下游的应用处理环节,如碰撞检测环节,完成对障碍物的后续处理流程。本申请实施例针对各噪声障碍物的点云数据(即几十个点云)进行噪声点的确定及滤除操作,相比于针对整帧点云数据(即十万个点云)进行噪声点的确定及滤除操作,极大的降低了噪声点确定及滤除的耗时,降低了对点云数据进行去噪处理带来的延时,提高了点云数据处理的实时性。
本申请实施例的技术方案,检测点云数据中的候选障碍物,并根据候选障碍物的空间遮挡关系,从中确定出噪声障碍物,并在点云数据中将其去除,本申请的方案,根据点云数据中检测出来的候选障碍物的空间遮挡关系来实现噪点去除,可以准确去除点云数据中的漂浮类噪声和二次反射类噪声,提高点云数据去噪的精度和效率,进而提高障碍物感知过程的准确性和实时性。为点云数据去噪提供了一种新思路。
第二实施例
图2A是根据本申请第二实施例的一种点云数据去噪方法的流程图,图2B-2C是根据本申请第二实施例的候选障碍物空间遮挡关系判断示意图。本实施例在上述实施例的基础上,进行了进一步的优化,给出了确定候选障碍物的空间遮挡关系的一种可实施方式。具体的,给出了确定候选障碍物是否为非遮挡型漂浮关系的具体情况介绍。如图2A-2C所示,该方法具体可以包括:
S201,检测点云数据中的候选障碍物。
S202,判断候选障碍物相对地面的高度是否大于预设高度,若是,则执行S203,若否,则执行S205。
可选的,本申请实施例主要用于去除点云数据中的非遮挡型漂浮类噪声,而本步骤主要是判断S201检测出来的各候选障碍物是否属于漂浮状态,即判断各候选障碍物的距离地面的高度是否大于预设高度。其中,该预设高度可以是根据当前扫描场景的实际情况进行调整。如该预设高度可以是雷达承载设备的高度。
具体的,本步骤在判断各候选障碍物相对地面的高度是否大于预设高度时,可以先根据点云数据,采用任意一种地面拟合算法,拟合出点云数据中的地面所在平面,然后针对S201检测出的每个候选障碍物,计算其最低点云到拟合的地面所在平面的垂直高度,并判断计算出的垂直高度是否大于预设高度。若大于,则说明该候选障碍物漂浮在地面之上,属于漂浮状态,此时执行S203,进一步确定该漂浮状态的候选障碍物是否为噪声障碍物。若小于或等于,则说明该候选障碍物可近似认为在地面上,不属于漂浮状态,此时执行S205,确定该候选障碍物不是噪声障碍物。
S203,确定候选障碍物与雷达承载设备之间是否有其他障碍物,若否,则执行S204,若是,则执行S205。
可选的,若候选障碍物相对地面的高度大于预设高度,则说明该候选障碍物在当前点云数据空间内属于漂浮状态,该漂浮状态可能是由两种原因导致的,原因一、该候选障碍物可能是被其他障碍物遮挡导致的,如图2B所示,障碍物2呈漂浮状态是被障碍物1遮挡导致的。原因二、该候选障碍物本身就是悬浮状态,如图2C所示,障碍物3没有被任何其他障碍物遮挡,其本身就是漂浮状态。所以本申请实施例要确定S202判断出的漂浮状态的障碍物是属于上述哪种原因,即确定候选障碍物与雷达承载设备之间是否有其他障碍物,若有其他障碍物,则说明该漂浮状态的形成原因为原因一,此时该候选障碍物并不是噪声,需要执行S205,如果没有其他障碍物,则说明该漂浮状态的形成原因为原因二,此时说明该候选障碍物就是漂浮在空中属于噪声,需要执行S204。
可选的,本申请实施例中,确定候选障碍物与雷达承载设备之间是否有其他障碍物时,可以是对该候选障碍物所在的点云数据进行分析,判断该候选障碍物与雷达承载设备之间,是否有其他障碍物位于候选障碍物的前方,从而导致受其他障碍物的遮挡,在雷达视角内,激光只能扫描到该候选障碍物的上半部分,从而出现漂浮状态的候选障碍物。
可选的,由于点云数据为三维的点云数据,为了简化本步骤确定候选障碍物与雷达承载设备之间是否有其他障碍物的过程,可以是将三维的点云数据投影到二维平面上进行分析,具体的执行过程可以包括:将点云数据投影到候选障碍物与雷达承载设备的纵截面内;根据点云数据的投影数据,确定候选障碍物与雷达承载设备之间是否有其他障碍物。具体的,可以是将三维点云数据投影到候选障碍物与雷达承载设备的纵截面内,其中,候选障碍物与雷达承载设备的纵截面可以是同时包含候选障碍物和雷达承载设备的垂直切面。然后在该纵截面内判断后选障碍物与雷达承载设备之间的连线上是否存在其他障碍物。例如,图2B和2C示出的就是将三维点云数据投影到候选障碍物与雷达承载设备的纵截面的示意图,若图2B中的障碍物2为候选障碍物,则可以得出障碍物2(即候选障碍物)和雷达承载设备之间存在障碍物1;若图2C中的障碍物3为候选障碍物,则可以得出障碍物3(即候选障碍物)和雷达承载设备之间不存在任何障碍物。
需要说明的是,S201针对点云数据检测出的候选障碍物的数量通常为多个,本申请的其他障碍物可以是检测出的所有候选障碍物中,除当前待确定空间遮挡关系的候选障碍物以外的其他任意候选障碍物。
S204,确定候选障碍物的空间遮挡关系是非遮挡型漂浮关系。
可选的,若S203确定候选障碍物与雷达承载设备之间不存在其他障碍物,则说明该候选障碍物的空间遮挡关系为非遮挡型漂浮关系。如图2C所示,障碍物3与雷达承载设备之间不存在任何障碍物,所以该障碍物3的漂浮状态不是因为其他障碍物遮挡导致的,即该障碍物3的空间遮挡关系为非遮挡型漂浮关系。
S205,确定候选障碍物不是噪声障碍物。
可选的,若S203确定候选障碍物与雷达承载设备之间存在其他障碍物,则说明该候选障碍物的空间遮挡关系为遮挡型漂浮关系,所以该候选障碍物即使为漂浮状态,也不属于噪声障碍物。如图2B所示,障碍物2与雷达承载设备之间存障碍物1,该障碍物2的漂浮状态是因为障碍物1遮挡的住了障碍物2的下半部分(即障碍物2的虚线空白部分),从而导致激光雷达只能扫描到障碍物2的上半部分,即障碍物2呈漂浮状态的斜线填充部分,此时该障碍物2的空间遮挡关系为遮挡型漂浮关系。此时障碍物2其实是地面上的真实障碍物,不可以将其作为噪声障碍物。
可选的,在本申请实施例中,由于S201检测出的候选障碍物的数量可能是多个,本步骤在确定当前候选障碍物不是噪声障碍物之后,可以是针对下一个候选障碍物返回重新执行S202的操作。
S206,若候选障碍物的空间遮挡关系是非遮挡型漂浮关系,则将候选障碍物确定为噪声障碍物。
可选的,如果该候选障碍物的空间遮挡关系是非遮挡型漂浮关系,则将该候选障碍物作为最终的漂浮类噪声障碍物。
S207,根据噪声障碍物,对点云数据进行去噪处理。
本申请实施例的技术方案,检测点云数据中的候选障碍物,在确定该候选障碍物的空间遮挡关系是否为非遮挡型漂浮关系时,先判断候选障碍物是否漂浮在空中,若是,再进一步判断漂浮在空中的状态是否由其他障碍物遮挡导致,若不是,则确定候选障碍物的空间遮挡关系为非遮挡型漂浮关系,并在点云数据中将非遮挡型漂浮关系的候选障碍物作为漂浮类噪声障碍物进行去除。本申请的方案,避免了将其他障碍物遮挡导致的漂浮状态的候选障碍物被误认为是漂浮类噪声障碍物,提高了去除漂浮类噪声障碍物的准确性和高效性。进而提高障碍物感知过程的准确性和实时性。为点云数据去噪提供了一种新思路。
第三实施例
图3A是根据本申请第三实施例的一种点云数据去噪方法的流程图,图3B是根据本申请第三实施例的候选障碍物空间遮挡关系判断示意图。本实施例在上述各实施例的基础上,进行了进一步的优化,给出了确定候选障碍物的空间遮挡关系的一种可实施方式。具体的,给出了确定候选障碍物是否为全遮挡关系的具体情况介绍。如图3A-3B所示,该方法具体可以包括:
S301,检测点云数据中的候选障碍物。
S302,确定候选障碍物的参考障碍物。
其中,参考障碍物可以是雷达视角内,出现在雷达承载设备和候选障碍物之间的障碍物。需要说明的是,S301针对点云数据检测出的候选障碍物的数量通常为多个,本申请的参考障碍物可以是检测出的所有候选障碍物中,除当前待确定空间遮挡关系的候选障碍物以外的其他任意候选障碍物。
可选的,在本申请中,确定候选障碍物的参考障碍物时,可以是对该候选障碍物所在的点云数据进行分析,判断S301检测出的其他候选障碍物中是否有在雷达视角内,且位于该候选障碍物与雷达承载设备之间的目标候选障碍物;若有,则将该目标候选障碍物作为候选障碍物的参考障碍物。
可选的,由于点云数据为三维的点云数据,为了简化本步骤确定候选障碍物的参考障碍物的执行过程,可以是:将所述点云数据投影到候选障碍物与雷达承载设备的横截面内;根据点云数据的投影数据,将横截面中候选障碍物与雷达承载设备之间存在的其他障碍物作为参考障碍物。具体的,可以是将三维点云数据投影到候选障碍物与雷达承载设备的横截面内,其中,候选障碍物与雷达承载设备的横截面可以是同时包含候选障碍物和雷达承载设备的水平切面。然后在该横截面内判断候选障碍物与雷达承载设备之间是否存在S301检测出的其他候选障碍物,若存在,则将该其他候选障碍物作为该候选障碍物的参考障碍物。例如,图3B示出的就是将三维点云数据投影到候选障碍物与雷达承载设备的横截面的示意图,若图3B中的障碍物5为候选障碍物,则可以得出障碍物4位于障碍物5和雷达承载设备之间,此时可以将障碍物4作为该障碍物5的参考障碍物。同理,障碍物4同样可以作为障碍物6的参考障碍物。
S303,确定候选障碍物在雷达视角下是否完全被参考障碍物遮挡,若是,则执行S304,若否,则执行S305。
可选的,在本申请中,确定候选障碍物在雷达视角内是否完全被参考障碍物所遮挡时,可以是根据雷达视角和参考障碍物的位置,确定遮挡区域;若候选障碍物落在遮挡区域内,则确定候选障碍物在雷达视角下完全被所述参考障碍物遮挡。具体的,可以是根据雷达的位置和雷达参数,确定雷达视角,根据雷达视角和参考障碍物的位置坐标,将雷达视角内,位于参考障碍物后方,且激光扫描不到的区域确定为雷达视角内被参考障碍物所遮挡的区域,即遮挡区域,然后判断该候选障碍物是否完全落在了该遮挡区域内。若是,则说明该候选障碍物在雷达视角内完全被参考障碍物遮挡,执行S304将该候选障碍物的空间遮挡关系确定为全遮挡关系。若否,则说明该候选障碍物在雷达视角内没有被参考障碍物遮挡,或被参考障碍物部分遮挡,此时执行305,可确定该候选障碍物不是噪声障碍物。
可选的,由于点云数据为三维的点云数据,在三维空间内,确定候选障碍物在雷达视角下是否完全被参考障碍物遮挡过程比较繁琐,本实施例可以是将三维点云数据投影到二维平面进行分析,具体的,可以是如图3B所示,将三维点云数据投影到候选障碍物与雷达承载设备的横截面内,此时在二维平面内,就可以快速确定出雷达视角内受参考障碍物遮挡的遮挡区域,即图3B中雷达视角内的障碍物4后方的斜线填充区域即为遮挡区域,由于障碍物5完全落在了该遮挡区域内,而障碍物6部分落在了该遮挡区域内,此时可以确定出障碍物5在雷达视角下完全被障碍物4遮挡,针对障碍物5执行S304;障碍物6在雷达视角下未完全被障碍物4遮挡,针对障碍物6执行S305。
S304,若确定候选障碍物在雷达视角下完全被参考障碍物遮挡,则候选障碍物的空间遮挡关系为全遮挡关系。
S305,若确定候选障碍物在雷达视角下未完全被参考障碍物遮挡,则候选障碍物不是噪声障碍物。
可选的,若候选障碍物在雷达视角下未完全被参考障碍物遮挡,这种空间遮挡关系下,激光雷达可以扫描到该候选障碍物,所以该候选障碍物不是因激光二次反射而形成的噪声障碍物,而是空间中存在的真实障碍物。
S306,若候选障碍物的空间遮挡关系是全遮挡关系,则将候选障碍物确定为噪声障碍物。
可选的,若候选障碍物的空间遮挡关系是全遮挡关系,在这种空间遮挡关系下,激光理论上是扫描不到该候选障碍物的,也就是说S301不应该在点云数据中检测到该候选障碍物,所以可以判定该候选障碍物实际上并不是真实的障碍物,而是因激光二次反射而形成的噪声障碍物。
S307,根据噪声障碍物,对点云数据进行去噪处理。
本申请实施例的技术方案,检测点云数据中的候选障碍物,在确定该候选障碍物的空间遮挡关系是否为全遮挡关系时,先找到候选障碍物的参考障碍物,再进一步判断该候选障碍物在雷达视角下是否完全被参考障碍物遮挡,若是,则确定该候选障碍物的空间遮挡关系为全遮挡关系。并在点云数据中将全遮挡关系的候选障碍物作为二次反射类噪声障碍物进行去除。本申请的方案能够实现准确且高效的找到并去除点云数据中因二次反射而形成的噪声,提高了障碍物感知过程的准确性和实时性。为点云数据去噪提供了一种新思路。
第四实施例
图4是根据本申请第四实施例的一种点云数据去噪方法的流程图。本实施例在上述各实施例的基础上,进行了进一步的优化,具体给出了若候选障碍物的空间遮挡关系是非遮挡型漂浮关系和/或全遮挡关系,则将候选障碍物确定为噪声障碍物的具体情况介绍。如图4所示,该方法具体可以包括:
S401,检测点云数据中的候选障碍物。
S402,根据点云数据,确定候选障碍物的空间遮挡关系。
可选的,本申请实施例中,根据点云数据,确定候选障碍物的空间遮挡关系是否为非遮挡型漂浮关系的具体方法在上述实施例二中进行了详细介绍,确定候选障碍物的空间遮挡关系是否为全遮挡关系的具体方法在上述实施例三中进行了详细介绍,在此本实施例不进行赘述。
S403,通过障碍物跟踪,若候选障碍物在当前帧点云数据和历史帧点云数据中的空间遮挡关系均为非遮挡型漂浮关系和/或全遮挡关系,则将候选障碍物确定为噪声障碍物。
可选的,本申请实施例中,为了提高点云数据中噪声障碍物确定的准确性,可以是结合当前帧点云数据和历史帧点云数据,对候选障碍物进行跟踪,通过各候选障碍物在当前帧点云数据和历史帧点云数据中空间遮挡关系,来确定候选障碍物是否为噪声障碍物。具体的执行过程可以是,采用跟踪算法,关联历史帧点云数据中检测出的候选障碍物,对S401检测出当前帧点云数据中的候选障碍物进行跟踪,为当前帧点云数据中的各候选障碍物确定对应的身份标识(Identity document,ID),针对每一个身份标识,若其在当前帧点云数据和历史帧点云数据中对应的候选障碍物的空间遮挡关系均为非遮挡型漂浮关系和/或全遮挡关系,则将该身份标识在当前帧点云数据中对应的候选障碍物确定为噪声障碍物。
需要说明的是,本申请实施例的方案,针对每个候选障碍物,在其出现到消失的整个生命周期内,若该候选障碍物始终属于非遮挡型漂浮关系的漂浮类噪声障碍物,或者始终属于全遮挡关系的二次反射类噪声障碍物,则该候选障碍物才可以被确定为噪声障碍物。避免了因某帧点云数据中的真实障碍物的空间遮挡关系被误判导致将其误认为噪声障碍物的情况出现,提高了噪声障碍物判断的准确性。
可选的,在本申请实施例中,对S401检测出当前帧点云数据中的候选障碍物进行跟踪,为当前帧点云数据中的各候选障碍物确定对应的身份标识的过程可以是:可以是针对S401检测出的每个候选障碍物,判断其是否为历史点云数据中关联的某个跟踪对象,例如,将该候选障碍物的点云特征与历史点云数据中关联的各跟踪对象的点云特征进行匹配,若其与某个跟踪对象的匹配度高于预设阈值,则该候选障碍物对应该跟踪对象。此时为该候选障碍物分配该跟踪对象对应的身份标识。若该障碍物不是历史点云数据中的关联的跟踪对象,则说明该候选障碍物是当前帧点云数据中新出现的障碍物,此时可以是为该候选障碍物分配一个新的身份标识,并将该候选障碍物添加到历史点云数据中关联的跟踪对象中。
S404,根据噪声障碍物,对点云数据进行去噪处理。
本申请实施例的技术方案,检测点云数据中的候选障碍物,并确定候选障碍物的空间遮挡关系,通过障碍物跟踪,确定候选障碍物在当前帧点云数据和历史帧点云数据中的空间遮挡关系均为非遮挡型漂浮关系和/或全遮挡关系时,方可将候选障碍物作为噪声障碍物进行去除。本申请的方案,在从候选障碍物中确定噪声障碍物时,不但考虑候选障碍物在当前帧点云数据中的空间遮挡关系,还考虑该候选障碍物在历史帧点云数据中的空间关系,可以很好的避免某一真实障碍物因为在当前帧点云数据中空间遮挡关系被误判,导致其被误认为噪声的情况出现,提高了噪声障碍物判断的准确性。
第五实施例
图5是根据本申请第五实施例的一种点云数据去噪装置的结构示意图;本实施例可适用于对点云数据进行去噪的情况,尤其适用于去除点云数据中的漂浮类噪声和二次反射类噪声。该装置可实现本申请第一至第四实施例所述的点云数据去噪方法。该装置可配置于雷达承载设备中,例如,安装有雷达的自动驾驶车辆,或可移动机器人等。该装置500具体包括如下:
候选障碍物检测模块501,用于检测点云数据中的候选障碍物;
噪声障碍物选择模块502,用于根据所述候选障碍物的空间遮挡关系,从所述候选障碍物中选择噪声障碍物;
点云数据去噪模块503,用于根据所述噪声障碍物,对所述点云数据进行去噪处理。
本申请实施例的技术方案,检测点云数据中的候选障碍物,并根据候选障碍物的空间遮挡关系,从中确定出噪声障碍物,并在点云数据中将其去除,本申请的方案,根据点云数据中检测出来的候选障碍物的空间遮挡关系来实现噪点去除,可以准确去除点云数据中的漂浮类噪声和二次反射类噪声,提高点云数据去噪的精度和效率,进而提高障碍物感知过程的准确性和实时性。为点云数据去噪提供了一种新思路。
进一步的,所述噪声障碍物选择模块502包括:
遮挡关系确定单元,用于根据所述点云数据,确定所述候选障碍物的空间遮挡关系;
噪声障碍物选择单元,用于若所述候选障碍物的空间遮挡关系是非遮挡型漂浮关系和/或全遮挡关系,则将所述候选障碍物确定为所述噪声障碍物。
进一步的,所述遮挡关系确定单元具体包括:
其他障碍物确定子单元,用于若所述候选障碍物相对地面的高度大于预设高度,则确定所述候选障碍物与雷达承载设备之间是否有其他障碍物;
遮挡关系确定子单元,用于若否,则确定所述候选障碍物的空间遮挡关系是非遮挡型漂浮关系。
进一步的,所述其他障碍物确定子单元具体用于:
将所述点云数据投影到所述候选障碍物与雷达承载设备的纵截面内;
根据所述点云数据的投影数据,确定所述候选障碍物与所述雷达承载设备之间是否有其他障碍物。
进一步的,所述遮挡关系确定单元还具体包括:
参考障碍物确定子单元,用于确定所述候选障碍物的参考障碍物;
遮挡关系确定子单元,用于若确定所述候选障碍物在雷达视角下完全被所述参考障碍物遮挡,则所述候选障碍物的空间遮挡关系为全遮挡关系。
进一步的,所述参考障碍物确定子单元具体用于:
将所述点云数据投影到所述候选障碍物与雷达承载设备的横截面内;
根据所述点云数据的投影数据,将所述横截面中所述候选障碍物与所述雷达承载设备之间存在的其他障碍物作为参考障碍物。
进一步的,所述遮挡关系确定子单元在确定所述候选障碍物在雷达视角下完全被所述参考障碍物遮挡时,具体用于:
根据雷达视角和所述参考障碍物的位置,确定遮挡区域;
若所述候选障碍物落在所述遮挡区域内,则确定所述候选障碍物在雷达视角下完全被所述参考障碍物遮挡。
进一步的,所述噪声障碍物选择模块502具体用于:
通过障碍物跟踪,若所述候选障碍物在当前帧点云数据和历史帧点云数据中的空间遮挡关系均为非遮挡型漂浮关系和/或全遮挡关系,则将所述候选障碍物确定为噪声障碍物。
第六实施例
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图6所示,是根据本申请实施例的点云数据去噪方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示,该电子设备包括:一个或多个处理器601、存储器602,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置,诸如,耦合至接口的显示设备,其上显示图形用户界面(Graphical User Interface,GUI)的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作,例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的点云数据去噪方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的点云数据去噪方法。
存储器602作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的点云数据去噪方法对应的程序指令/模块,例如,附图5所示的候选障碍物检测模块501、噪声障碍物选择模块502和点云数据去噪模块503。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的点云数据去噪方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据点云数据去噪方法的电子设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至点云数据去噪方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
点云数据去噪方法的电子设备还可以包括:输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接,图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息,以及产生与点云数据去噪方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置和触觉反馈装置等,其中,辅助照明装置例如发光二极管(LightEmitting Diode,LED);触觉反馈装置例如,振动电机等。该显示设备可以包括但不限于,液晶显示器(Liquid Crystal Display,LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用集成电路(Application Specific Integrated Circuit,ASIC)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序,也称作程序、软件、软件应用、或者代码,包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置,例如,磁盘、光盘、存储器、可编程逻辑装置(Programmable Logic Device,PLD),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置,例如,阴极射线管(Cathode Ray Tube,CRT)或者LCD监视器;以及键盘和指向装置,例如,鼠标或者轨迹球,用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈,例如,视觉反馈、听觉反馈、或者触觉反馈;并且可以用任何形式,包括声输入、语音输入或者、触觉输入,来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统,例如,作为数据服务器、或者包括中间件部件的计算系统,例如,应用服务器、或者实施在包括前端部件的计算系统,例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互、或者实施在包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信,例如,通信网络,来将系统的部件相互连接。通信网络的示例包括:局域网(Local Area Network,LAN)、广域网(Wide Area Network,WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,检测点云数据中的候选障碍物,并根据候选障碍物的空间遮挡关系,从中确定出噪声障碍物,并在点云数据中将其去除,本申请的方案,根据点云数据中检测出来的候选障碍物的空间遮挡关系来实现噪点去除,可以准确去除点云数据中的漂浮类噪声和二次反射类噪声,提高点云数据去噪的精度和效率,进而提高障碍物感知过程的准确性和实时性。为点云数据去噪提供了一种新思路。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (18)
1.一种点云数据去噪方法,其特征在于,所述方法包括:
检测点云数据中的候选障碍物;
根据所述候选障碍物的空间遮挡关系,从所述候选障碍物中选择噪声障碍物;
根据所述噪声障碍物,对所述点云数据进行去噪处理。
2.根据权利要求1所述的方法,其特征在于,根据所述候选障碍物的空间遮挡关系,从所述候选障碍物中选择噪声障碍物,包括:
根据所述点云数据,确定所述候选障碍物的空间遮挡关系;
若所述候选障碍物的空间遮挡关系是非遮挡型漂浮关系和/或全遮挡关系,则将所述候选障碍物确定为所述噪声障碍物。
3.根据权利要求2所述的方法,其特征在于,确定所述候选障碍物的空间遮挡关系,包括:
若所述候选障碍物相对地面的高度大于预设高度,则确定所述候选障碍物与雷达承载设备之间是否有其他障碍物;
若否,则确定所述候选障碍物的空间遮挡关系是非遮挡型漂浮关系。
4.根据权利要求3所述的方法,其特征在于,确定所述候选障碍物与雷达承载设备之间是否有其他候选障碍物,包括:
将所述点云数据投影到所述候选障碍物与雷达承载设备的纵截面内;
根据所述点云数据的投影数据,确定所述候选障碍物与所述雷达承载设备之间是否有其他障碍物。
5.根据权利要求2所述的方法,其特征在于,确定所述候选障碍物的空间遮挡关系,包括:
确定所述候选障碍物的参考障碍物;
若确定所述候选障碍物在雷达视角下完全被所述参考障碍物遮挡,则所述候选障碍物的空间遮挡关系为全遮挡关系。
6.根据权利要求5所述的方法,其特征在于,确定所述候选障碍物的参考障碍物,包括:
将所述点云数据投影到所述候选障碍物与雷达承载设备的横截面内;
根据所述点云数据的投影数据,将所述横截面中所述候选障碍物与所述雷达承载设备之间存在的其他障碍物作为参考障碍物。
7.根据权利要求5所述的方法,其特征在于,确定所述候选障碍物在雷达视角下完全被所述参考障碍物遮挡,包括:
根据雷达视角和所述参考障碍物的位置,确定遮挡区域;
若所述候选障碍物落在所述遮挡区域内,则确定所述候选障碍物在雷达视角下完全被所述参考障碍物遮挡。
8.根据权利要求2所述的方法,其特征在于,若所述候选障碍物的空间遮挡关系是非遮挡型漂浮关系和/或全遮挡关系,则将所述候选障碍物确定为所述噪声障碍物,包括:
通过障碍物跟踪,若所述候选障碍物在当前帧点云数据和历史帧点云数据中的空间遮挡关系均为非遮挡型漂浮关系和/或全遮挡关系,则将所述候选障碍物确定为噪声障碍物。
9.一种点云数据去噪装置,其特征在于,所述装置包括:
候选障碍物检测模块,用于检测点云数据中的候选障碍物;
噪声障碍物选择模块,用于根据所述候选障碍物的空间遮挡关系,从所述候选障碍物中选择噪声障碍物;
点云数据去噪模块,用于根据所述噪声障碍物,对所述点云数据进行去噪处理。
10.根据权利要求9所述的装置,其特征在于,所述噪声障碍物选择模块包括:
遮挡关系确定单元,用于根据所述点云数据,确定所述候选障碍物的空间遮挡关系;
噪声障碍物选择单元,用于若所述候选障碍物的空间遮挡关系是非遮挡型漂浮关系和/或全遮挡关系,则将所述候选障碍物确定为所述噪声障碍物。
11.根据权利要求10所述的装置,其特征在于,所述遮挡关系确定单元具体包括:
其他障碍物确定子单元,用于若所述候选障碍物相对地面的高度大于预设高度,则确定所述候选障碍物与雷达承载设备之间是否有其他障碍物;
遮挡关系确定子单元,用于若否,则确定所述候选障碍物的空间遮挡关系是非遮挡型漂浮关系。
12.根据权利要求11所述的装置,其特征在于,所述其他障碍物确定子单元具体用于:
将所述点云数据投影到所述候选障碍物与雷达承载设备的纵截面内;
根据所述点云数据的投影数据,确定所述候选障碍物与所述雷达承载设备之间是否有其他障碍物。
13.根据权利要求10所述的装置,其特征在于,所述遮挡关系确定单元还具体包括:
参考障碍物确定子单元,用于确定所述候选障碍物的参考障碍物;
遮挡关系确定子单元,用于若确定所述候选障碍物在雷达视角下完全被所述参考障碍物遮挡,则所述候选障碍物的空间遮挡关系为全遮挡关系。
14.根据权利要求13所述的装置,其特征在于,所述参考障碍物确定子单元具体用于:
将所述点云数据投影到所述候选障碍物与雷达承载设备的横截面内;
根据所述点云数据的投影数据,将所述横截面中所述候选障碍物与所述雷达承载设备之间存在的其他障碍物作为参考障碍物。
15.根据权利要求13所述的装置,其特征在于,所述遮挡关系确定子单元在确定所述候选障碍物在雷达视角下完全被所述参考障碍物遮挡时,具体用于:
根据雷达视角和所述参考障碍物的位置,确定遮挡区域;
若所述候选障碍物落在所述遮挡区域内,则确定所述候选障碍物在雷达视角下完全被所述参考障碍物遮挡。
16.根据权利要求10所述的装置,其特征在于,所述噪声障碍物选择模块具体用于:
通过障碍物跟踪,若所述候选障碍物在当前帧点云数据和历史帧点云数据中的空间遮挡关系均为非遮挡型漂浮关系和/或全遮挡关系,则将所述候选障碍物确定为噪声障碍物。
17.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的点云数据去噪方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的点云数据去噪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010177524.3A CN111402160B (zh) | 2020-03-13 | 2020-03-13 | 一种点云数据去噪方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010177524.3A CN111402160B (zh) | 2020-03-13 | 2020-03-13 | 一种点云数据去噪方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111402160A true CN111402160A (zh) | 2020-07-10 |
CN111402160B CN111402160B (zh) | 2023-09-05 |
Family
ID=71430857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010177524.3A Active CN111402160B (zh) | 2020-03-13 | 2020-03-13 | 一种点云数据去噪方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111402160B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113177969A (zh) * | 2021-04-29 | 2021-07-27 | 哈尔滨工程大学 | 一种基于运动方向变化的候选种子的点云单目标跟踪方法 |
CN113470047A (zh) * | 2021-06-29 | 2021-10-01 | 苏州一径科技有限公司 | 点云的处理方法和装置 |
CN113763260A (zh) * | 2021-02-20 | 2021-12-07 | 京东鲲鹏(江苏)科技有限公司 | 一种基于水珠噪声的滤噪方法、装置、设备及存储介质 |
WO2023065313A1 (zh) * | 2021-10-22 | 2023-04-27 | 深圳市速腾聚创科技有限公司 | 遮挡关系判断方法、装置、存储介质及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127113A (zh) * | 2016-06-15 | 2016-11-16 | 北京联合大学 | 一种基于三维激光雷达的道路车道线检测方法 |
CN106997049A (zh) * | 2017-03-14 | 2017-08-01 | 奇瑞汽车股份有限公司 | 一种基于激光点云数据的检测障碍物的方法和装置 |
CN107192994A (zh) * | 2016-03-15 | 2017-09-22 | 山东理工大学 | 多线激光雷达海量点云数据快速有效提取及车辆、车道线特征识别方法 |
CN108984741A (zh) * | 2018-07-16 | 2018-12-11 | 北京三快在线科技有限公司 | 一种地图生成方法及装置、机器人和计算机可读存储介质 |
CN109145680A (zh) * | 2017-06-16 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 一种获取障碍物信息的方法、装置、设备和计算机存储介质 |
US20190087666A1 (en) * | 2017-09-18 | 2019-03-21 | Baidu Online Network Technology (Beijing) Co., Ltd | Method and apparatus for identifying static obstacle |
US20190178989A1 (en) * | 2017-12-11 | 2019-06-13 | Automotive Research & Testing Center | Dynamic road surface detecting method based on three-dimensional sensor |
CN110503040A (zh) * | 2019-08-23 | 2019-11-26 | 斯坦德机器人(深圳)有限公司 | 障碍物检测方法及装置 |
-
2020
- 2020-03-13 CN CN202010177524.3A patent/CN111402160B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107192994A (zh) * | 2016-03-15 | 2017-09-22 | 山东理工大学 | 多线激光雷达海量点云数据快速有效提取及车辆、车道线特征识别方法 |
CN106127113A (zh) * | 2016-06-15 | 2016-11-16 | 北京联合大学 | 一种基于三维激光雷达的道路车道线检测方法 |
CN106997049A (zh) * | 2017-03-14 | 2017-08-01 | 奇瑞汽车股份有限公司 | 一种基于激光点云数据的检测障碍物的方法和装置 |
CN109145680A (zh) * | 2017-06-16 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 一种获取障碍物信息的方法、装置、设备和计算机存储介质 |
US20190087666A1 (en) * | 2017-09-18 | 2019-03-21 | Baidu Online Network Technology (Beijing) Co., Ltd | Method and apparatus for identifying static obstacle |
US20190178989A1 (en) * | 2017-12-11 | 2019-06-13 | Automotive Research & Testing Center | Dynamic road surface detecting method based on three-dimensional sensor |
CN108984741A (zh) * | 2018-07-16 | 2018-12-11 | 北京三快在线科技有限公司 | 一种地图生成方法及装置、机器人和计算机可读存储介质 |
CN110503040A (zh) * | 2019-08-23 | 2019-11-26 | 斯坦德机器人(深圳)有限公司 | 障碍物检测方法及装置 |
Non-Patent Citations (3)
Title |
---|
S. A. ABDUL SHUKOR 等: "Managing huge point cloud data through geometrical-based registration", 《ICC \"17: PROCEEDINGS OF THE SECOND INTERNATIONAL CONFERENCE ON INTERNET OF THINGS, DATA AND CLOUD COMPUTING》 * |
汪世财: "基于三维激光雷达的障碍物检测与跟踪研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
秦玉鑫: "煤矿灾害信息探测机器人系统研制及其地图构建与路径规划研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763260A (zh) * | 2021-02-20 | 2021-12-07 | 京东鲲鹏(江苏)科技有限公司 | 一种基于水珠噪声的滤噪方法、装置、设备及存储介质 |
CN113763260B (zh) * | 2021-02-20 | 2024-04-16 | 京东鲲鹏(江苏)科技有限公司 | 一种基于水珠噪声的滤噪方法、装置、设备及存储介质 |
CN113177969A (zh) * | 2021-04-29 | 2021-07-27 | 哈尔滨工程大学 | 一种基于运动方向变化的候选种子的点云单目标跟踪方法 |
CN113470047A (zh) * | 2021-06-29 | 2021-10-01 | 苏州一径科技有限公司 | 点云的处理方法和装置 |
WO2023065313A1 (zh) * | 2021-10-22 | 2023-04-27 | 深圳市速腾聚创科技有限公司 | 遮挡关系判断方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111402160B (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111402160B (zh) | 一种点云数据去噪方法、装置、设备和存储介质 | |
CN111311925B (zh) | 车位的检测方法和装置、电子设备、车辆、存储介质 | |
CN111402161B (zh) | 点云障碍物的去噪方法、装置、设备和存储介质 | |
EP3968266B1 (en) | Obstacle three-dimensional position acquisition method and apparatus for roadside computing device | |
CN111968229A (zh) | 高精度地图制图方法及装置 | |
JP2012221456A (ja) | 対象物識別装置及びプログラム | |
CN112507949A (zh) | 目标跟踪方法、装置、路侧设备以及云控平台 | |
CN111222579B (zh) | 跨相机的障碍物关联方法、装置、设备、电子系统及介质 | |
CN112613424A (zh) | 铁轨障碍物检测方法、装置、电子设备和存储介质 | |
CN111177869A (zh) | 传感器布局方案的确定方法、装置及设备 | |
CN111337898B (zh) | 激光点云的处理方法、装置、设备及存储介质 | |
CN116299500B (zh) | 一种融合目标检测和跟踪的激光slam定位方法及设备 | |
CN113838125A (zh) | 目标位置确定方法、装置、电子设备以及存储介质 | |
CN112509126A (zh) | 三维物体检测的方法、装置、设备及存储介质 | |
CN114528941A (zh) | 传感器数据融合方法、装置、电子设备及存储介质 | |
CN110458815A (zh) | 有雾场景检测的方法及装置 | |
CN114091515A (zh) | 障碍物检测方法、装置、电子设备和存储介质 | |
CN111830966B (zh) | 角落识别和清扫方法、装置及存储介质 | |
CN112784637B (zh) | 地面障碍物探测方法、装置、电子设备及存储介质 | |
CN115909253A (zh) | 一种目标检测、模型训练方法、装置、设备及存储介质 | |
CN114429631B (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
CN116434181A (zh) | 地面点检测方法、装置、电子设备和介质 | |
CN114740867A (zh) | 基于双目视觉的智能避障方法、装置、机器人及介质 | |
CN111723797B (zh) | 一种确定三维目标的包围框的方法及系统 | |
Gehrig et al. | A multi-cue approach for stereo-based object confidence estimation |
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 |