CN111445472A - 激光点云地面分割方法、装置、计算设备及存储介质 - Google Patents

激光点云地面分割方法、装置、计算设备及存储介质 Download PDF

Info

Publication number
CN111445472A
CN111445472A CN202010224331.9A CN202010224331A CN111445472A CN 111445472 A CN111445472 A CN 111445472A CN 202010224331 A CN202010224331 A CN 202010224331A CN 111445472 A CN111445472 A CN 111445472A
Authority
CN
China
Prior art keywords
point cloud
ground
laser point
plane
filtering
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
Application number
CN202010224331.9A
Other languages
English (en)
Other versions
CN111445472B (zh
Inventor
赵绍安
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cloudminds Robotics Co Ltd
Original Assignee
Cloudminds Chengdu Technologies Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Cloudminds Chengdu Technologies Co ltd filed Critical Cloudminds Chengdu Technologies Co ltd
Priority to CN202010224331.9A priority Critical patent/CN111445472B/zh
Publication of CN111445472A publication Critical patent/CN111445472A/zh
Application granted granted Critical
Publication of CN111445472B publication Critical patent/CN111445472B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例涉及三维计算机视觉技术领域，公开了一种激光点云地面分割方法、装置、计算设备及存储介质，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。通过上述方式，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，能够兼具精度和低耗时地进行地面分割。

Description

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。

Claims (10)

1.一种激光点云地面分割方法，其特征在于，所述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。
2.如权利要求1所述的激光点云地面分割方法，其特征在于，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。
3.如权利要求2所述的激光点云地面分割方法，其特征在于，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。
4.如权利要求3所述的激光点云地面分割方法，其特征在于，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。
5.如权利要求1所述的激光点云地面分割方法，其特征在于，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。
6.如权利要求1所述的激光点云地面分割方法，其特征在于，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。
7.如权利要求6所述的激光点云地面分割方法，其特征在于，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。
8.一种激光点云地面分割装置，其特征在于，所述装置包括：
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。
9.一种计算设备，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根据权利要求1-7任一项所述激光点云地面分割方法的步骤。
10.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行根据权利要求1-7任一项所述激光点云地面分割方法的步骤。
CN202010224331.9A 2020-03-26 2020-03-26 激光点云地面分割方法、装置、计算设备及存储介质 Active CN111445472B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010224331.9A CN111445472B (zh) 2020-03-26 2020-03-26 激光点云地面分割方法、装置、计算设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010224331.9A CN111445472B (zh) 2020-03-26 2020-03-26 激光点云地面分割方法、装置、计算设备及存储介质

Publications (2)

Publication Number Publication Date
CN111445472A true CN111445472A (zh) 2020-07-24
CN111445472B CN111445472B (zh) 2023-05-12

Family

ID=71652491

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010224331.9A Active CN111445472B (zh) 2020-03-26 2020-03-26 激光点云地面分割方法、装置、计算设备及存储介质

Country Status (1)

Country Link
CN (1) CN111445472B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112666557A (zh) * 2020-11-20 2021-04-16 芜湖格陆博智能科技有限公司 基于激光雷达和毫米波雷达获取矿区信息的方法
CN112733817A (zh) * 2021-03-30 2021-04-30 湖北亿咖通科技有限公司 一种高精度地图中点云图层精度的测量方法及电子设备
WO2022267711A1 (zh) * 2021-06-22 2022-12-29 京东鲲鹏(江苏)科技有限公司 地面点云分割方法和装置及自动驾驶车辆
CN115540896A (zh) * 2022-12-06 2022-12-30 广汽埃安新能源汽车股份有限公司 路径规划方法、装置、电子设备和计算机可读介质
WO2023178727A1 (zh) * 2022-03-24 2023-09-28 香港大学深圳研究院 基于LiDAR点云和BIM碰撞模拟的室内三维无障碍地图生成方法

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101533529A (zh) * 2009-01-23 2009-09-16 北京建筑工程学院 基于深度图像的三维空间数据处理方法与装置
CN102855663A (zh) * 2012-05-04 2013-01-02 北京建筑工程学院 一种根据激光雷达栅格点云构建csg模型的方法
CN102930509A (zh) * 2012-09-18 2013-02-13 广州建通测绘技术开发有限公司 一种机载激光点云数据的智能化滤波方法
US20130057653A1 (en) * 2011-09-06 2013-03-07 Electronics And Telecommunications Research Institute Apparatus and method for rendering point cloud using voxel grid
CN103295239A (zh) * 2013-06-07 2013-09-11 北京建筑工程学院 一种基于平面基准影像的激光点云数据的自动配准方法
CN103853840A (zh) * 2014-03-18 2014-06-11 中国矿业大学(北京) 一种不均匀散乱点云数据的滤波方法
CN106529469A (zh) * 2016-11-08 2017-03-22 华北水利水电大学 基于自适应坡度的无人机载LiDAR点云滤波方法
CN106556412A (zh) * 2016-11-01 2017-04-05 哈尔滨工程大学 一种室内环境下考虑地面约束的rgb‑d视觉里程计方法
CN106595525A (zh) * 2016-12-26 2017-04-26 中国矿业大学(北京) 基于三维点云数据的煤矿顶板灾害预防方法
CN107767457A (zh) * 2017-10-09 2018-03-06 东南大学 一种基于点云快速重建的stl数模生成方法
CN108274092A (zh) * 2017-12-12 2018-07-13 北京石油化工学院 基于三维视觉与模型匹配的坡口自动切割系统及切割方法
CN108958282A (zh) * 2018-06-21 2018-12-07 浙江大学 基于动态球形窗口的三维空间路径规划方法
CN108986218A (zh) * 2018-06-06 2018-12-11 东南大学 一种基于pmvs的建筑物密集点云快速重建方法
CN109409437A (zh) * 2018-11-06 2019-03-01 安徽农业大学 一种点云分割方法、装置、计算机可读存储介质及终端
CN109781129A (zh) * 2019-01-28 2019-05-21 重庆邮电大学 一种基于车辆间通信的路面安全性检测系统及方法
CN110443786A (zh) * 2019-07-25 2019-11-12 深圳一清创新科技有限公司 激光雷达点云滤波方法、装置、计算机设备和存储介质
CN110705543A (zh) * 2019-08-23 2020-01-17 芜湖酷哇机器人产业技术研究院有限公司 基于激光点云进行车道线识别的方法和系统

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101533529A (zh) * 2009-01-23 2009-09-16 北京建筑工程学院 基于深度图像的三维空间数据处理方法与装置
US20130057653A1 (en) * 2011-09-06 2013-03-07 Electronics And Telecommunications Research Institute Apparatus and method for rendering point cloud using voxel grid
CN102855663A (zh) * 2012-05-04 2013-01-02 北京建筑工程学院 一种根据激光雷达栅格点云构建csg模型的方法
CN102930509A (zh) * 2012-09-18 2013-02-13 广州建通测绘技术开发有限公司 一种机载激光点云数据的智能化滤波方法
CN103295239A (zh) * 2013-06-07 2013-09-11 北京建筑工程学院 一种基于平面基准影像的激光点云数据的自动配准方法
CN103853840A (zh) * 2014-03-18 2014-06-11 中国矿业大学(北京) 一种不均匀散乱点云数据的滤波方法
CN106556412A (zh) * 2016-11-01 2017-04-05 哈尔滨工程大学 一种室内环境下考虑地面约束的rgb‑d视觉里程计方法
CN106529469A (zh) * 2016-11-08 2017-03-22 华北水利水电大学 基于自适应坡度的无人机载LiDAR点云滤波方法
CN106595525A (zh) * 2016-12-26 2017-04-26 中国矿业大学(北京) 基于三维点云数据的煤矿顶板灾害预防方法
CN107767457A (zh) * 2017-10-09 2018-03-06 东南大学 一种基于点云快速重建的stl数模生成方法
CN108274092A (zh) * 2017-12-12 2018-07-13 北京石油化工学院 基于三维视觉与模型匹配的坡口自动切割系统及切割方法
CN108986218A (zh) * 2018-06-06 2018-12-11 东南大学 一种基于pmvs的建筑物密集点云快速重建方法
CN108958282A (zh) * 2018-06-21 2018-12-07 浙江大学 基于动态球形窗口的三维空间路径规划方法
CN109409437A (zh) * 2018-11-06 2019-03-01 安徽农业大学 一种点云分割方法、装置、计算机可读存储介质及终端
CN109781129A (zh) * 2019-01-28 2019-05-21 重庆邮电大学 一种基于车辆间通信的路面安全性检测系统及方法
CN110443786A (zh) * 2019-07-25 2019-11-12 深圳一清创新科技有限公司 激光雷达点云滤波方法、装置、计算机设备和存储介质
CN110705543A (zh) * 2019-08-23 2020-01-17 芜湖酷哇机器人产业技术研究院有限公司 基于激光点云进行车道线识别的方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李茁等: "复杂环境下的激光雷达目标物实时检测方法", 《激光杂志》 *
黄兴等: "应用激光雷达与相机信息融合的障碍物识别", 《计算机测量与控制》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112666557A (zh) * 2020-11-20 2021-04-16 芜湖格陆博智能科技有限公司 基于激光雷达和毫米波雷达获取矿区信息的方法
CN112733817A (zh) * 2021-03-30 2021-04-30 湖北亿咖通科技有限公司 一种高精度地图中点云图层精度的测量方法及电子设备
CN112733817B (zh) * 2021-03-30 2021-06-04 湖北亿咖通科技有限公司 一种高精度地图中点云图层精度的测量方法及电子设备
WO2022267711A1 (zh) * 2021-06-22 2022-12-29 京东鲲鹏(江苏)科技有限公司 地面点云分割方法和装置及自动驾驶车辆
WO2023178727A1 (zh) * 2022-03-24 2023-09-28 香港大学深圳研究院 基于LiDAR点云和BIM碰撞模拟的室内三维无障碍地图生成方法
CN115540896A (zh) * 2022-12-06 2022-12-30 广汽埃安新能源汽车股份有限公司 路径规划方法、装置、电子设备和计算机可读介质
CN115540896B (zh) * 2022-12-06 2023-03-07 广汽埃安新能源汽车股份有限公司 路径规划方法、装置、电子设备和计算机可读介质

Also Published As

Publication number Publication date
CN111445472B (zh) 2023-05-12

Similar Documents

Publication Publication Date Title
CN111445472B (zh) 激光点云地面分割方法、装置、计算设备及存储介质
US10475232B2 (en) Three-dimentional plane panorama creation through hough-based line detection
US10614324B2 (en) Method and apparatus for identifying static obstacle
WO2021097618A1 (zh) 点云分割方法、系统及计算机存储介质
CN109087510B (zh) 交通监测方法及装置
CN108629231B (zh) 障碍物检测方法、装置、设备及存储介质
CN110598541B (zh) 一种提取道路边缘信息的方法及设备
CN108732556B (zh) 一种基于几何体求交运算的车载激光雷达仿真方法
CN111353580B (zh) 目标检测网络的训练方法、电子设备及存储介质
CN111897906A (zh) 处理地图数据的方法、装置、设备和存储介质
WO2024012211A1 (zh) 自动驾驶环境感知方法、介质及车辆
CN112711034A (zh) 物体检测方法、装置及设备
US20110144962A1 (en) Geospatial modeling system providing enhanced foliage void region inpainting features and related methods
CN115164868A (zh) 机器人定位方法、装置、机器人及存储介质
CN112818756A (zh) 目标检测方法、系统、设备及存储介质
CN112764004A (zh) 一种点云处理方法、装置、设备及存储介质
CN115346183A (zh) 一种车道线检测方法、终端及存储介质
CN117590362B (zh) 一种多激光雷达外参标定方法、装置和设备
CN108573510B (zh) 一种栅格地图矢量化方法及设备
CN117705119A (zh) 大场景3d地图动态加载的导航定位方法、设备及存储介质
CN110174115B (zh) 一种基于感知数据自动生成高精度定位地图的方法及装置
CN116843860A (zh) 激光雷达点云与影像密集匹配点云融合建模方法及装置
Pérez-Sinticala et al. Evaluation of primitive extraction methods from point clouds of cultural heritage buildings
CN115656982A (zh) 水面杂波去除方法、装置、计算机设备和存储介质
CN115731527A (zh) 道路边界检测方法、装置、计算机设备和存储介质

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
TA01 Transfer of patent application right

Effective date of registration: 20210126

Address after: 200000 second floor, building 2, no.1508, Kunyang Road, Minhang District, Shanghai

Applicant after: Dalu Robot Co.,Ltd.

Address before: 610094 West Section of Fucheng Avenue, Chengdu High-tech District, Sichuan Province

Applicant before: CLOUDMINDS (CHENGDU) TECHNOLOGIES Co.,Ltd.

TA01 Transfer of patent application right
CB02 Change of applicant information

Address after: 201111 Building 8, No. 207, Zhongqing Road, Minhang District, Shanghai

Applicant after: Dayu robot Co.,Ltd.

Address before: 200000 second floor, building 2, no.1508, Kunyang Road, Minhang District, Shanghai

Applicant before: Dalu Robot Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant