激光点云地面分割方法、装置、计算设备及存储介质
技术领域
本发明实施例涉及三维计算机视觉技术技术领域,具体涉及一种激光点云地面分割方法、装置、计算设备及存储介质。
背景技术
激光雷达传感器在自动驾驶领域发挥着十分重要的角色,通过对其所收集激光点云进行处理,可以用于完成高精度建图、车辆定位和避障、3D目标检测等任务。为更好的完成相关任务,通常需要对激光雷达收集的点云数据进行预处理。由于地面点云在整个观测中通常占据了较大的数据量,且包含的可用于完成目标任务的有用信息量较少,因此对激光点云进行地面分割是至关重要的一步。
现有的方法主要通过坡度和最大平面假设对激光点云进行地面分割。这些方法存在着一个通病就是难以兼具高精度和低耗时的特点。比如一些方法在算法耗时上较少,但是他们对抗噪声能力也较差,因此分割精度大幅度降低。
发明内容
鉴于上述问题,本发明实施例提供了一种激光点云地面分割方法、装置、计算设备及存储介质,克服了上述问题或者至少部分地解决了上述问题。
根据本发明实施例的一个方面,提供了一种激光点云地面分割方法,所述方法包括:对激光点云进行体素滤波;对体素滤波后的所述激光点云进行半径滤波得到稀疏点云;对所述稀疏点云进行平面拟合,得到多个地面的平面模型;根据点到所述平面模型的距离对所述激光点云进行筛选,得到地面点云。
在一种可选的方式中,所述对激光点云进行体素滤波,包括:将激光点云按照预设的长、宽、高的三维体素栅格进行划分,其中所述三维体素栅格的长和宽至少大于高的5倍;应用所述三维体素栅格中点的重心代替所述三维体素栅格中的所有点。
在一种可选的方式中,所述对体素滤波后的所述激光点云进行半径滤波得到稀疏点云,包括:获取体素滤波后的所述激光点云中任一点的预设半径的邻域内的相邻点个数;如果所述相邻点个数小于第一预设值,则将该点剔除;遍历体素滤波后的所述激光点云中的点,得到所述稀疏点云。
在一种可选的方式中,所述预设半径大于所述三维体素栅格的高,小于所述三维体素栅格的长和宽中的较小值。
在一种可选的方式中,所述对所述稀疏点云进行平面拟合,得到多个地面的平面模型,包括:利用随机一致性采样算法对所述稀疏点云进行平面拟合,得到一个平面模型;对不属于所述平面模型的外部点继续迭代拟合平面,直到剩余点个数小于第二预设值;输出得到的所有地面的平面模型。
在一种可选的方式中,所述根据点到所述平面模型的距离对所述激光点云进行筛选,得到地面点云,包括:对所述激光点云中每一个点计算点到所得到的所述平面模型之间的距离;根据点到所述平面模型的距离与第三预设值进行比较筛选出属于地面的点,得到所述地面点云。
在一种可选的方式中,所述根据点到所述平面模型的距离与第三预设值进行比较筛选出属于地面的点,包括:如果所述点与其中一个地面的平面模型的距离小于第三预设值,则确定所述点为属于地面的点;如果所述点与其中一个地面的平面模型的距离不小于第三预设值,则确定所述点为不属于地面的点。
根据本发明实施例的另一方面,提供了一种激光点云地面分割装置,所述激光点云地面分割装置包括:体素滤波单元,用于对激光点云进行体素滤波;半径滤波单元,用于对体素滤波后的所述激光点云进行半径滤波得到稀疏点云;平面拟合单元,用于对所述稀疏点云进行平面拟合,得到多个地面的平面模型;点筛选单元,用于根据点到所述平面模型的距离对所述激光点云进行筛选,得到地面点云。
根据本发明实施例的另一方面,提供了一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述激光点云地面分割方法的步骤。
根据本发明实施例的又一方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使所述处理器执行上述激光点云地面分割方法的步骤。
本发明实施例的激光点云地面分割方法包括:对激光点云进行体素滤波;对体素滤波后的所述激光点云进行半径滤波得到稀疏点云;对所述稀疏点云进行平面拟合,得到多个地面的平面模型;根据点到所述平面模型的距离对所述激光点云进行筛选,得到地面点云,通过充分利用地面被扫描到时实际是一层没有厚度的点云数据这一特性,能够兼具精度和低耗时地进行地面分割。
上述说明仅是本发明实施例技术方案的概述,为了能够更清楚了解本发明实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的激光点云地面分割方法的流程示意图;
图2示出了本发明实施例提供的激光点云地面分割方法的高速路地面分割效果图;
图3示出了本发明实施例提供的激光点云地面分割方法的城市道路地面分割效果图;
图4示出了本发明实施例提供的激光点云地面分割装置的结构示意图;
图5示出了本发明实施例提供的计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
图1示出了本发明实施例提供的激光点云地面分割方法的流程示意图,如图1所示,激光点云地面分割方法包括:
步骤S11:对激光点云进行体素滤波。
在本发明实施例中,在步骤S11之前,从无人驾驶公开数据集Kitti的里程计数据集中获取所述激光点云。
在步骤S11中,将激光点云按照预设的长、宽、高的三维体素栅格进行划分,其中所述三维体素栅格的长和宽至少大于高的5倍;应用所述三维体素栅格中点的重心代替所述三维体素栅格中的所有点。其中,三维体素栅格的长、宽和高可以根据需要进行设置,优选地,三维体素栅格的长、宽、高分别为1m、0.6m和0.05m。
步骤S12:对体素滤波后的所述激光点云进行半径滤波得到稀疏点云。
在本发明实施例中,获取体素滤波后的所述激光点云中任一点的预设半径R的邻域内的相邻点个数,其中所述预设半径R大于所述三维体素栅格的高,且小于所述三维体素栅格的长和宽中的较小值;如果所述相邻点个数小于第一预设值,则将该点剔除;遍历体素滤波后的所述激光点云中的点,得到所述稀疏点云。其中,预设半径R和第一预设值可以根据需要进行设置,优选地,预设半径R的大小为0.4m,第一预设值取值为2。
步骤S13:对所述稀疏点云进行平面拟合,得到多个地面的平面模型。
具体地,利用随机一致性采样算法对所述稀疏点云进行平面拟合,得到一个平面模型;对不属于所述平面模型的外部点继续迭代拟合平面,直到剩余点个数小于第二预设值;输出得到的所有地面的平面模型。第二预设值优选为20。
步骤S14:根据点到所述平面模型的距离对所述激光点云进行筛选,得到地面点云。
具体地,对所述激光点云中每一个点计算点到所得到的所述平面模型之间的距离;根据点到所述平面模型的距离与第三预设值进行比较筛选出属于地面的点,得到所述地面点云。如果所述点与其中一个地面的平面模型的距离小于第三预设值,则确定所述点为属于地面的点;如果所述点与其中一个地面的平面模型的距离不小于第三预设值,则确定所述点为不属于地面的点。如此将激光点云中的点分割面地面点云和非地面点云,如图2和图3所示,曲线部分为分割出的地面点云,其余为分割出的非地面点云。本发明实施例充分利用了地面被扫描到时实际是一层没有厚度的点云数据这一特性,对地面点云分割进行了加速,从而使得该地面分割方法兼具精度和低耗时的特点。其中,第三预设值优选为0.2m。
本发明实施例的激光点云地面分割方法包括:对激光点云进行体素滤波;对体素滤波后的所述激光点云进行半径滤波得到稀疏点云;对所述稀疏点云进行平面拟合,得到多个地面的平面模型;根据点到所述平面模型的距离对所述激光点云进行筛选,得到地面点云,通过充分利用地面被扫描到时实际是一层没有厚度的点云数据这一特性,能够兼具精度和低耗时地进行地面分割。
图4示出了本发明实施例的激光点云地面分割装置的结构示意图,如图4所示,该激光点云地面分割装置包括:体素滤波单元401、半径滤波单元402、平面拟合单元403以及点筛选单元404。
体素滤波单元401用于对激光点云进行体素滤波;半径滤波单元402用于对体素滤波后的所述激光点云进行半径滤波得到稀疏点云;平面拟合单元403用于对所述稀疏点云进行平面拟合,得到多个地面的平面模型;点筛选单元404用于根据点到所述平面模型的距离对所述激光点云进行筛选,得到地面点云。
在一种可选的方式中,体素滤波单元401用于:从无人驾驶公开数据集Kitti的里程计数据集中获取所述激光点云。
在一种可选的方式中,体素滤波单元401用于:将激光点云按照预设的长、宽、高的三维体素栅格进行划分,其中所述三维体素栅格的长和宽至少大于高的5倍;应用所述三维体素栅格中点的重心代替所述三维体素栅格中的所有点。
在一种可选的方式中,半径滤波单元402用于:获取体素滤波后的所述激光点云中任一点的预设半径的邻域内的相邻点个数,其中所述预设半径大于所述三维体素栅格的高,且小于所述三维体素栅格的长和宽中的较小值;如果所述相邻点个数小于第一预设值,则将该点剔除;遍历体素滤波后的所述激光点云中的点,得到所述稀疏点云。
在一种可选的方式中,平面拟合单元403用于:利用随机一致性采样算法对所述稀疏点云进行平面拟合,得到一个平面模型;对不属于所述平面模型的外部点继续迭代拟合平面,直到剩余点个数小于第二预设值;输出得到的所有地面的平面模型。
在一种可选的方式中,点筛选单元404用于:对所述激光点云中每一个点计算点到所得到的所述平面模型之间的距离;根据点到所述平面模型的距离与第三预设值进行比较筛选出属于地面的点,得到所述地面点云。
在一种可选的方式中,点筛选单元404用于:如果所述点与其中一个地面的平面模型的距离小于第三预设值,则确定所述点为属于地面的点;如果所述点与其中一个地面的平面模型的距离不小于第三预设值,则确定所述点为不属于地面的点。
本发明实施例的激光点云地面分割方法包括:对激光点云进行体素滤波;对体素滤波后的所述激光点云进行半径滤波得到稀疏点云;对所述稀疏点云进行平面拟合,得到多个地面的平面模型;根据点到所述平面模型的距离对所述激光点云进行筛选,得到地面点云,通过充分利用地面被扫描到时实际是一层没有厚度的点云数据这一特性,能够兼具精度和低耗时地进行地面分割。
本发明实施例提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的激光点云地面分割方法。
可执行指令具体可以用于使得处理器执行以下操作:
对激光点云进行体素滤波;
对体素滤波后的所述激光点云进行半径滤波得到稀疏点云;
对所述稀疏点云进行平面拟合,得到多个地面的平面模型;
根据点到所述平面模型的距离对所述激光点云进行筛选,得到地面点云。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
从无人驾驶公开数据集Kitti的里程计数据集中获取所述激光点云。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
将激光点云按照预设的长、宽、高的三维体素栅格进行划分,其中所述三维体素栅格的长和宽至少大于高的5倍;
应用所述三维体素栅格中点的重心代替所述三维体素栅格中的所有点。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
获取体素滤波后的所述激光点云中任一点的预设半径的邻域内的相邻点个数,其中所述预设半径大于所述三维体素栅格的高,且小于所述三维体素栅格的长和宽中的较小值;
如果所述相邻点个数小于第一预设值,则将该点剔除;
遍历体素滤波后的所述激光点云中的点,得到所述稀疏点云。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
利用随机一致性采样算法对所述稀疏点云进行平面拟合,得到一个平面模型;
对不属于所述平面模型的外部点继续迭代拟合平面,直到剩余点个数小于第二预设值;
输出得到的所有地面的平面模型。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
对所述激光点云中每一个点计算点到所得到的所述平面模型之间的距离;
根据点到所述平面模型的距离与第三预设值进行比较筛选出属于地面的点,得到所述地面点云。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
如果所述点与其中一个地面的平面模型的距离小于第三预设值,则确定所述点为属于地面的点;
如果所述点与其中一个地面的平面模型的距离不小于第三预设值,则确定所述点为不属于地面的点。
本发明实施例的激光点云地面分割方法包括:对激光点云进行体素滤波;对体素滤波后的所述激光点云进行半径滤波得到稀疏点云;对所述稀疏点云进行平面拟合,得到多个地面的平面模型;根据点到所述平面模型的距离对所述激光点云进行筛选,得到地面点云,通过充分利用地面被扫描到时实际是一层没有厚度的点云数据这一特性,能够兼具精度和低耗时地进行地面分割。
图5示出了本发明设备实施例的结构示意图,本发明具体实施例并不对设备的具体实现做限定。
如图5所示,该设备可以包括:处理器(processor)502、通信接口(CommunicationsInterface)504、存储器(memory)506、以及通信总线508。
其中:处理器502、通信接口504、以及存储器506通过通信总线508完成相互间的通信。通信接口504,用于与其它设备比如客户端或其它服务器等的网元通信。处理器502,用于执行程序510,具体可以执行上述激光点云地面分割方法实施例中的相关步骤。
具体地,程序510可以包括程序代码,该程序代码包括计算机操作指令。
处理器502可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器506,用于存放程序510。存储器506可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序510具体可以用于使得处理器502执行以下操作:
对激光点云进行体素滤波;
对体素滤波后的所述激光点云进行半径滤波得到稀疏点云;
对所述稀疏点云进行平面拟合,得到多个地面的平面模型;
根据点到所述平面模型的距离对所述激光点云进行筛选,得到地面点云。
在一种可选的方式中,所述程序510使所述处理器执行以下操作:
从无人驾驶公开数据集Kitti的里程计数据集中获取所述激光点云。
在一种可选的方式中,所述程序510使所述处理器执行以下操作:
将激光点云按照预设的长、宽、高的三维体素栅格进行划分,其中所述三维体素栅格的长和宽至少大于高的5倍;
应用所述三维体素栅格中点的重心代替所述三维体素栅格中的所有点。
在一种可选的方式中,所述程序510使所述处理器执行以下操作:
获取体素滤波后的所述激光点云中任一点的预设半径的邻域内的相邻点个数,其中所述预设半径大于所述三维体素栅格的高,且小于所述三维体素栅格的长和宽中的较小值;
如果所述相邻点个数小于第一预设值,则将该点剔除;
遍历体素滤波后的所述激光点云中的点,得到所述稀疏点云。
在一种可选的方式中,所述程序510使所述处理器执行以下操作:
利用随机一致性采样算法对所述稀疏点云进行平面拟合,得到一个平面模型;
对不属于所述平面模型的外部点继续迭代拟合平面,直到剩余点个数小于第二预设值;
输出得到的所有地面的平面模型。
在一种可选的方式中,所述程序510使所述处理器执行以下操作:
对所述激光点云中每一个点计算点到所得到的所述平面模型之间的距离;
根据点到所述平面模型的距离与第三预设值进行比较筛选出属于地面的点,得到所述地面点云。
在一种可选的方式中,所述程序510使所述处理器执行以下操作:
如果所述点与其中一个地面的平面模型的距离小于第三预设值,则确定所述点为属于地面的点;
如果所述点与其中一个地面的平面模型的距离不小于第三预设值,则确定所述点为不属于地面的点。
本发明实施例的激光点云地面分割方法包括:对激光点云进行体素滤波;对体素滤波后的所述激光点云进行半径滤波得到稀疏点云;对所述稀疏点云进行平面拟合,得到多个地面的平面模型;根据点到所述平面模型的距离对所述激光点云进行筛选,得到地面点云,通过充分利用地面被扫描到时实际是一层没有厚度的点云数据这一特性,能够兼具精度和低耗时地进行地面分割。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。