CN111724323B - 激光雷达点云阳光噪点去除方法及装置 - Google Patents
激光雷达点云阳光噪点去除方法及装置 Download PDFInfo
- Publication number
- CN111724323B CN111724323B CN202010571646.0A CN202010571646A CN111724323B CN 111724323 B CN111724323 B CN 111724323B CN 202010571646 A CN202010571646 A CN 202010571646A CN 111724323 B CN111724323 B CN 111724323B
- Authority
- CN
- China
- Prior art keywords
- point
- sunlight
- sunlight noise
- noise
- point cloud
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000005070 sampling Methods 0.000 claims abstract description 67
- 238000001914 filtration Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 abstract description 18
- 230000008569 process Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 102000006822 Agouti Signaling Protein Human genes 0.000 description 1
- 108010072151 Agouti Signaling Protein Proteins 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明提供一种激光雷达点云阳光噪点去除方法及装置,属于三维激光扫描技术领域。激光雷达点云阳光噪点去除方法,包括:识别激光雷达获取的点云中的阳光噪点;对识别的阳光噪点进行采样;根据阳光噪点的样本集合中各点在预设坐标系中的竖直角和水平角,确定阳光噪点范围;根据阳光噪点范围去除点云中的阳光噪点。本发明的目的在于提供一种激光雷达点云阳光噪点去除方法及装置,能够根据测量环境的不同自适应的对阳光噪点进行去除,提高对于不同测量环境的点云阳光噪点的去除效率。
Description
技术领域
本发明涉及三维激光扫描技术领域,具体而言,涉及一种激光雷达点云阳光噪点去除方法及装置。
背景技术
随着三维激光扫描技术和计算机技术的发展,通过激光雷达获取的三维点云数据已被广泛应用于逆向工程、测量测绘、机器视觉、虚拟现实、农林生态、文物保护等诸多领域。由于受测量设备、外部环境和被测物体表面特性等诸多因素的影响,激光雷达获取的点云数据不可避免地出现噪声。阳光噪点正是由于外部环境的影响,使激光雷达在数据采集过程中,产生了许多与正常地物无关的噪声点。
目前激光雷达点云阳光噪点的去除,采用根据测量区域的太阳高度和临近点距离,预设阳光噪点的范围阈值,从而根据阈值对点云中的阳光噪点进行去除。但是,采用该方式进行阳光噪点的去除,由于阳光噪点的范围阈值为预设值,因此无法针对不同的测量环境对阳光噪点进行自适应去除,当测量环境变化时,需要进行重新配置,效率较低。
发明内容
本发明的目的在于提供一种激光雷达点云阳光噪点去除方法及装置,能够根据测量环境的不同自适应的对阳光噪点进行去除,提高对于不同测量环境的点云阳光噪点的去除效率。
本发明的实施例是这样实现的:
本发明实施例的一方面,提供一种激光雷达点云阳光噪点去除方法,包括:
识别激光雷达获取的点云中的阳光噪点;
对识别的阳光噪点进行采样;
根据阳光噪点的样本集合中各点在预设坐标系中的竖直角和水平角,确定阳光噪点范围;
根据阳光噪点范围去除点云中的阳光噪点。
可选地,点云按照预设扫描圈数依序划分为多个点云块,对识别的阳光噪点进行采样,包括:
依次采样各点云块中识别的阳光噪点;
根据连续识别的点云块分别对应的阳光噪点的样本集合,判断是否终止采样。
可选地,根据阳光噪点范围去除点云中的阳光噪点,包括:
按照阳光噪点范围,从被识别出包含阳光噪点样本的首个点云块的前一个点云块开始,依序去除之后的点云块中的阳光噪点。
可选地,对识别的阳光噪点进行采样,包括:
按照扫描圈顺序采样预设扫描圈数内识别的阳光噪点。
可选地,按照扫描圈顺序采样预设扫描圈数内识别的阳光噪点之后,方法还包括:
判断阳光噪点的样本数目是否满足预设值;
若否,则按照扫描圈顺序采样下一预设扫描圈数内识别的阳光噪点,并重新判断阳光噪点的样本数目是否满足预设值。
可选地,根据阳光噪点的样本集合中各点在预设坐标系中的竖直角和水平角,确定阳光噪点范围之后,方法还包括:
清空样本集合,并按照扫描圈顺序采样下一预设扫描圈数内识别的阳光噪点。
可选地,对识别的阳光噪点进行采样之后,方法还包括:
对阳光噪点的样本进行离群点过滤。
可选地,根据阳光噪点的样本集合中各点在预设坐标系中的竖直角和水平角,确定阳光噪点范围,包括:
按照预设规则对阳光噪点的样本集合中各点在预设坐标系中的竖直角和水平角,进行自适应扩大;
根据自适应扩大后的各点的竖直角和水平角确定阳光噪点范围。
可选地,识别激光雷达获取的点云中的阳光噪点,包括:
获取当前点、以及当前点在其所在扫描圈中的邻域点分别在预设坐标系中的参数;
根据参数按照预设算法进行计算,若确定计算结果满足预设条件则当前点为阳光噪点。
本发明实施例的另一方面,提供一种激光雷达点云阳光噪点去除装置,包括:
识别模块,用于识别激光雷达获取的点云中的阳光噪点;
采样模块,用于对识别的阳光噪点进行采样;
确定模块,用于根据阳光噪点的样本集合中各点在预设坐标系中的竖直角和水平角,确定阳光噪点范围;
去噪模块,用于根据阳光噪点范围去除点云中的阳光噪点。
本发明实施例的有益效果包括:
本发明实施例提供的一种激光雷达点云阳光噪点去除方法,可以首先识别激光雷达获取的点云中的阳光噪点,并对识别的阳光噪点进行采样。然后根据阳光噪点的样本集合中各点在预设坐标系中的竖直角和水平角,确定阳光噪点范围,从而根据确定的阳光噪点范围去除点云中的阳光噪点。通过该方法,能够通过对于点云中的阳光噪点的识别和采样,并根据阳光噪点的样本集合确定阳光噪点范围,使得阳光噪点范围,能够根据不同的点云进行自适应确定,实现根据不同测量环境的点云,自适应定位阳光噪点,进而对其去除。能够更加便利的应用于不同测量环境的点云阳光噪点的去除,不再需要因测量环境的不同而频繁配置参数,提高点云阳光噪点的去除效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的激光雷达点云阳光噪点去除方法的流程示意图之一;
图2为本发明实施例提供的激光雷达点云阳光噪点去除方法的流程示意图之二;
图3为本发明实施例提供的激光雷达点云阳光噪点去除方法的流程示意图之三;
图4为本发明实施例提供的激光雷达点云阳光噪点去除方法的流程示意图之四;
图5为本发明实施例提供的激光雷达点云阳光噪点去除方法的流程示意图之五;
图6为本发明实施例提供的激光雷达点云阳光噪点去除方法的流程示意图之六;
图7为本发明实施例提供的预设坐标系的示意图;
图8为本发明实施例提供的扫描圈的示意图;
图9为本发明实施例提供的激光雷达点云阳光噪点去除装置的结构示意图之一;
图10为本发明实施例提供的激光雷达点云阳光噪点去除装置的结构示意图之二;
图11为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,术语“第一”、“第二”、“第三”等仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
本发明实施例提供一种激光雷达点云阳光噪点去除方法,如图1所示,包括:
S101:识别激光雷达获取的点云中的阳光噪点。
其中,可以对点云中的所有点进行识别以识别出点云中的阳光噪点,也可以对点云按照扫描圈进行划分,对其部分扫描圈所包含的点进行阳光噪点的识别。因此,此处对于识别点云中的阳光噪点的具体识别范围和过程不做限制。
需要说明的是,在地面站测量系统中,扫描仪的激光脉冲完成一次覆盖视场范围的纵向扫描,所得到的一组在纵向方向上连续的测量点为单个扫描圈。在移动测量系统中,扫描仪圆柱形扫描头旋转一圈所获得的一组测量点为单个扫描圈。
在实际应用中,识别点云中的阳光噪点的方式,可以是按照条件抽样的形式进行,例如根据阳光噪点的特性的经验值对点云中的点进行比对,从而识别点云中相应的点是否为阳光噪点,当然,也可以根据其他比对条件或识别方式进行阳光噪点的识别,此处不做限制。
S102:对识别的阳光噪点进行采样。
其中,对于识别的阳光噪点的采样,可以使将所有识别出的阳光噪点作为样本。相应地,对识别的阳光噪点进行采样的步骤可以与识别点云中的阳光噪点的步骤同时进行。当然,也可以对点云完成阳光噪点的识别之后,再从识别出的阳光噪点中进行采样。并且,还可以按照一定筛选条件或随机性将识别出的阳光噪点中的部分点作为样本。
S103:根据阳光噪点的样本集合中各点在预设坐标系中的竖直角和水平角,确定阳光噪点范围。
需要说明的是,地面站测量系统中,预设坐标系可以是以扫描仪的中心为原点建立的三维直角坐标系。移动测量系统中,预设坐标系可以是以其惯性导航系统的中心为原点,以载体前进方向为y轴正方向,以载体向右的方向为x轴正方向,以向上为z轴正方向,建立三维直角坐标系。其中,如图7所示,点云中各点(以点P为例)的竖直角为点P到坐标原点O的连线OP和XOY平面间的夹角,水平角为点P到坐标原点O的连线在XOY平面上的投影与X轴间的夹角。
实际应用中,可以根据阳光噪点的样本集合中各点的竖直角和水平角,对阳光噪点的竖直角、水平角的分布特性进行分析(神经网络训练、模型分析等),从而获得相对准确的阳光噪点的竖直角和水平角的分布范围,进而能够确定阳光噪点在预设坐标系中的范围,以便于定位阳光噪点及后续阳光噪点的去除。
S104:根据阳光噪点范围去除点云中的阳光噪点。
因此,本发明实施例提供的激光雷达点云阳光噪点去除方法,能够通过对于点云中的阳光噪点的识别和采样,并根据阳光噪点的样本集合确定阳光噪点范围,使得阳光噪点范围,能够根据不同的点云进行自适应确定,实现根据不同测量环境的点云,自适应定位阳光噪点,进而对其去除。能够更加便利的应用于不同测量环境的点云阳光噪点的去除,不再需要因测量环境的不同而频繁配置参数,提高点云阳光噪点的去除效率。
可选地,点云按照预设扫描圈数依序划分为多个点云块。其中,预设扫描圈数可以根据实际需要进行设置。则对识别的阳光噪点进行采样,如图2所示,可以包括:
S201:依次采样各点云块中识别的阳光噪点。
S202:根据连续识别的点云块分别对应的阳光噪点的样本集合,判断是否终止采样。
其中,可以将所有识别出的阳光噪点作为样本进行采样,采样过程与识别阳光噪点的过程同时进行。
需要说明的是,可以当连续识别的两个点云块分别对应的阳光噪点的样本集合均为非空集合时,终止采样。也可以当连续识别的三个点云块分别对应的阳光噪点的样本集合中,有两个及以上为非空集合时,终止采样。此处不做限制,本领域技术人员可以根据实际采样需求进行设置。
通过上述步骤,能够实现对整个点云中的部分点进行阳光噪点的识别和采样。并且,由于阳光噪点的分布范围相对集中,因此,通过连续识别的点云块分别对应的阳光噪点的样本集合,对采样的终止时机进行判断,能够避免对点云中大量非阳光噪点的点进行识别分析,从而可以降低获取识别的阳光噪点的样本集合的运算量,提高阳光噪点的采样效率。
相应地,根据阳光噪点范围去除点云中的阳光噪点,可以包括:
按照阳光噪点范围,从被识别出包含阳光噪点样本的首个点云块的前一个点云块开始,依序去除之后的点云块中的阳光噪点。
其中,阳光噪点范围为根据前述步骤终止采样后,构成的样本集合确定的阳光噪点范围。
通过该步骤对点云块中的噪点进行去除,能够减少对不包含阳光噪点的点云块进行噪点去除,减小运算量,提高效率。
基于前述,示例地,可以将点云按照生成扫描圈的顺序将点云划分为多个点云块,其中,各点云块分别包括相同的预设扫描圈数。示例地,预设扫描圈数可以设置为固定值,也可以按照(α/m)×360=2n进行设置,其中α为阳光噪点水平角分布范围,通常不超过20°,m为点云中扫描圈的总圈数,n为预设扫描圈数。
并且,可以按照生成扫描圈的顺序,依次对各点云块进行阳光噪点的识别并采样,以及对连续读取的三个点云块获得的样本集合进行分析。其连续读取的三个点云块的阳光噪点识别结果可以如下表所示:
其中,“1”表示该点云块通过阳光噪点识别判断出存在阳光噪点,“0”表示不存在阳光噪点。其中,点云块的读取顺序依次为S3、S2、S1。
对应结果的处理方式可以如下:
1)结果1、结果2、结果5都是连续两块点云存在阳光噪点,因此从连续存在阳光噪点的两块点云的前一块开始,对阳光噪点按照已形成的样本集合的统计结果进行去噪,后面的点云块不再识别和采样阳光噪点。例如结果1和结果5从S3的前一块被读取的点云块开始进行去噪,从S1开始不再识别和采样阳光噪点;结果2从S3开始进行去噪,从下一块要读取的点云块开始不再进行阳光噪点的识别和采样。
2)结果3、结果6、结果7都是一块存在阳光噪点,下一块就不存在阳光噪点,此时结束阳光噪点的识别和采样,结果3和结果7都是从S3的前一块点云块开始,对阳光噪点按照已形成的样本集合的统计结果进行去噪,从S1开始不再进行阳光噪点的识别和采样,结果6从S3开始去噪,从S1的下一块开始不再进行阳光噪点的识别和采样。
3)结果4和结果8,还需要对下一块点云进行阳光噪点判断,结果4最终可能是结果1、结果2、结果3、结果5、结果6、结果7中的一种,结果8最终可能是结果1~结果7中的一种或者不存在阳光噪点。
可选地,对识别的阳光噪点进行采样,如图3所示,可以包括:
S301:按照扫描圈顺序采样预设扫描圈数内识别的阳光噪点。
其中,预设扫描圈数可以根据实际要求进行设置。可以是固定值(例如100、200等)或按照一定公式计算获得。
可选地,按照扫描圈顺序采样预设扫描圈数内识别的阳光噪点之后,如图4所示,该方法还包括:
S401:判断阳光噪点的样本数目是否满足预设值。
若否,则执行S402:按照扫描圈顺序采样下一预设扫描圈数内识别的阳光噪点。并返回执行S401,如此循环,直到采样的样本数目满足预设值。
其中,样本数目需满足的预设值可以根据实际降噪精度进行设置,例如,可以是20、15、25等。
通过上述步骤,能够避免对识别出阳光噪点的数目较少的扫描圈进行采样,从而减小识别误判造成的采样代表性较低的情况(通常阳光噪点相对集中,若预设扫描圈数内可被采样的数目较少,则其被识别并采样的阳光噪点可认为不具代表性),进而提高后续通过样本集合确定阳光噪点范围的准确性。
示例地,在按照扫描圈顺序采样下一预设扫描圈数内识别的阳光噪点时,上一次采样的不满足预设值的样本集合可以与重新采样得到的样本集合合并,并且,合并的次数可以根据实际需要设置,例如可以是3次等,当合并次数超过设定,样本数目还未满足预设值时,则可以清除样本集合,并重新采样。从而能够在减小识别误判造成的采样代表性较低的情况的同时,减少采样次数,提高效率。
示例地,当阳光噪点的样本数目满足预设值时,可以终止采样,并执行后续确定阳光噪点范围的步骤,对点云进行去噪。
可选地,根据阳光噪点的样本集合中各点在预设坐标系中的竖直角和水平角,确定阳光噪点范围之后,方法还包括:
清空样本集合,并按照扫描圈顺序采样下一预设扫描圈数内识别的阳光噪点。
示例地,当阳光噪点的样本数目满足预设值时,可以终止采样,并执行后续确定阳光噪点范围的步骤,以便于后续对该样本集合所对应的扫描圈进行去除噪点的处理,相应地,后续重新获取的样本集合用于其对应的扫描圈的噪点去除处理,直到对所有扫描圈完成识别采样,以及对应的噪点去除处理。如此,能够提高噪点去除的精确性,并且能够实现确定阳光噪点范围和去除阳光噪点同时进行,从而提高噪点去除效率。
可选地,对识别的阳光噪点进行采样之后,该方法还包括:
对阳光噪点的样本进行离群点过滤。
由于阳光噪点通常较为集中,因此通过对采样之后的阳光噪点样本进行离群点过滤,能够减少识别阳光噪点时的误判结果,从而提高阳光噪点的样本集合的准确型,进而提高根据样本集合确定的阳光噪点范围的准确性,提高该方法对于阳光噪点去除的效果。
示例地,判断某个点是否为离群点,可以以该点为中心,将该点水平角和竖直角适当扩大,作为识别范围,如果在该范围内,点的数量超过某个阈值,则该点不为离群点,否则为离群点。该阈值可以根据实际精度要求进行设置。
可选地,根据阳光噪点的样本集合中各点在预设坐标系中的竖直角和水平角,确定阳光噪点范围,如图5所示,可以包括:
S501:按照预设规则对阳光噪点的样本集合中各点在预设坐标系中的竖直角和水平角,进行自适应扩大。
S502:根据自适应扩大后的各点的竖直角和水平角确定阳光噪点范围。
通过对阳光噪点的样本集合中各点在预设坐标系中的竖直角和水平角进行自适应扩大,能够使确定的阳光噪点范围在不影响正常点的情况下具有较大覆盖,从而提高阳光噪点去除的效果。
可选地,识别激光雷达获取的点云中的阳光噪点,如图6所示,可以包括:
S601:获取当前点、以及当前点在其所在扫描圈中的邻域点分别在预设坐标系中的参数。
S602:根据参数按照预设算法进行计算,若确定计算结果满足预设条件则当前点为阳光噪点。
其中,在识别点云中的阳光噪点时,可以按扫描圈为单位,按扫描圈的顺序逐一对相应的扫描圈进行阳光噪点的识别。其中,对于每个扫描圈内的点进行识别,可以是按照扫描圈的扫描方向对各点逐一扫描。
需要说明的是,当前点以及其邻域点分别在预设坐标系中的参数可以是点与坐标原点间的距离、点的z轴坐标、点的强度值(点云中对应点的信号强度)等。
示例地,当前点常规情况下对应的邻域点可以为2n个,如图8所示,图中空心圆为当前点,实心圆为邻域点,阈值放大系数m由当前点开始,按当前点对称,由内向外依次为1~n递增。对于当前点位于扫描圈的头部、尾部,以及头部或尾部附近,不存在如图8所示的2n个邻域点的特殊情况,从当前点开始,在扫描圈内,按单圈扫描方向,分别向前向后,寻找n个邻域点,对于无法寻找到n个邻域点的方向,以寻找到的最多邻域点为基准。
可以计算当前点与2n个邻域点分别与坐标原点间的距离的差值的绝对值δLij(j=1,2,3,…2n),i为当前点的编号,j为每个当前点对应的2n个邻域点的编号,编号顺序按单圈扫描方向依次递增;δLij的阈值为θLij,其中θLij=FL(Li)×m,FL(Li)为与Li相关的函数关系式(Li为当前点与坐标原点之间的距离),m(m=1,2,3,…n)为阈值放大系数;m依据邻域点编号与当前点编号的邻近程度确定,编号越接近m对应的值越小;然后,统计δLij>θLij的点数目NLi。
还可以计算当前点在处理阳光噪点采用的坐标系下的Z坐标值Zi,i为当前点在当前扫描圈内的编号,计算当前点与2n个邻域点Z坐标差值的绝对值δZij(j=1,2,3,…2n),j为每个当前点对应的2n个邻域点的编号,编号顺序按单圈扫描方向依次递增;δZij的阈值为θZij,其中θZij=FZ(Zi)×m,FZ(Zi)为与Zi相关的函数关系式,m(m=1,2,3,…n)为阈值放大系数;m依据邻域点编号与当前点编号的邻近程度确定,编号越接近m对应的值越小;之后,统计δZij>θZij的点数目NZi。
还可以计算当前点的强度值Ii,i为当前点在当前扫描圈内的编号,计算当前点与2n个邻域点强度差值的绝对值δIij(j=1,2,3,…2n),j为每个当前点对应的2n个邻域点的编号,编号顺序按单圈扫描方向依次递增;δIij的阈值为θIij,θIij为固定值;之后,统计δIij<θIij的点数目NIi。
其中,以上所述的2n个邻域点的n可以为5、8等。
则,对于地面站测量系统:
当FL(Li)=|(Li-fL1)fL2/fL3|+fL4;FZ(Zi)=|(Zi-fZ1)fZ2/fZ3|+fZ4;且fL1为30,fL2为50,fL3为1200,fL4为2,fZ1为30,fZ2为10,fZ3为1200,fZ4为0.1,θIij为400时,若当前点满足NLi>NL,NL为9,NZi>NZ,NZ为9,NIi>NI,NI为6,Zi大于Zmin,Zmin为100,则可以初步判断该点为阳光噪点。
对于移动测量系统:
当FL(Li)=Li/fL1,fL1为20时,若当前点满足NLi>NL,NL为9,Li>Lmin,Lmin为90,Zi>Zmin,Zmin为60,Ii>Imin,Imin为1000,则可以初步判断该点为阳光噪点。
本发明实施例的另一方面,提供一种激光雷达点云阳光噪点去除装置,如图9所示,可以包括:
识别模块11,用于识别激光雷达获取的点云中的阳光噪点;
采样模块12,用于对识别的阳光噪点进行采样;
确定模块13,用于根据阳光噪点的样本集合中各点在预设坐标系中的竖直角和水平角,确定阳光噪点范围;
去噪模块14,用于根据阳光噪点范围去除点云中的阳光噪点。
本发明实施例提供的激光雷达点云阳光噪点去除装置,包括识别模块11、采样模块12、确定模块13以及去噪模块14。可以首先通过识别模块11识别激光雷达获取的点云中的阳光噪点,并利用采样模块12对识别的阳光噪点进行采样。然后通过确定模块13根据阳光噪点的样本集合中各点在预设坐标系中的竖直角和水平角,确定阳光噪点范围,从而利用去噪模块14根据确定的阳光噪点范围去除点云中的噪点。通过该装置,能够通过对于点云中的阳光噪点的识别和采样,并根据阳光噪点的样本集合确定阳光噪点范围,使得阳光噪点范围,能够根据不同的点云进行自适应确定,实现根据不同测量环境的点云,自适应定位阳光噪点,进而对其去除。能够更加便利的应用于不同测量环境的点云阳光噪点的去除,不再需要因测量环境的不同而频繁配置参数,提高点云阳光噪点的去除效率。
可选地,点云按照预设扫描圈数依序划分为多个点云块,采样模块12具体可以用于,依次采样各点云块中识别的阳光噪点;根据连续识别的点云块分别对应的阳光噪点的样本集合,判断是否终止采样。
相应地,去噪模块14具体可以用于,按照阳光噪点范围,从被识别出包含阳光噪点样本的首个点云块的前一个点云块开始,依序去除之后的点云块中的阳光噪点。
可选地,采样模块12可以具体用于按照扫描圈顺序采样预设扫描圈数内识别的阳光噪点。
相应地,如图10所示,该装置还可以包括判断模块15,用于判断阳光噪点的样本数目是否满足预设值;若否,则按照扫描圈顺序采样下一预设扫描圈数内识别的阳光噪点。
相应地,如图10所示,该装置还可以包括循环模块16,用于清空样本集合,并按照扫描圈顺序采样下一预设扫描圈数内识别的阳光噪点。
可选地,如图10所示,该装置还可以包括过滤模块17,用于对阳光噪点的样本进行离群点过滤。
可选地,确定模块13可以具体用于,按照预设规则对阳光噪点的样本集合中各点在预设坐标系中的竖直角和水平角,进行自适应扩大;根据自适应扩大后的各点的竖直角和水平角确定阳光噪点范围。
可选地,识别模块11可以具体用于,获取当前点、以及当前点在其所在扫描圈中的邻域点分别在预设坐标系中的参数;根据参数按照预设算法进行计算,若确定计算结果满足预设条件则当前点为阳光噪点。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置的具体工作过程,可以参考前述方法实施例中方法的对应过程,本发明中不再赘述。
本发明实施例还提供一种电子设备,该电子设备可以是能够执行前述激光雷达点云阳光噪点去除方法的激光雷达系统、计算机等。
如图11所示,该电子设备可以包括处理器31、存储介质32和总线(图中未示出),存储介质32存储有处理器31可执行的机器可读指令,当电子设备运行时,处理器31与存储介质32之间通过总线通信,处理器31执行机器可读指令,以执行如前述的激光雷达点云阳光噪点去除方法。具体实现方式和技术效果类似,在此不再赘述。
为了便于说明,在上述电子设备中仅描述了一个处理器。然而,应当注意,本发明中的电子设备还可以包括多个处理器,因此本发明中描述的一个处理器执行的步骤也可以由多个处理器联合执行或单独执行。例如,若电子设备的处理器执行步骤A和步骤B,则应该理解,步骤A和步骤B也可以由两个不同的处理器共同执行或者在一个处理器中单独执行。例如,第一处理器执行步骤A,第二处理器执行步骤B,或者第一处理器和第二处理器共同执行步骤A和B等。
在一些实施例中,处理器可以包括一个或多个处理核(例如,单核处理器(S)或多核处理器(S))。仅作为举例,处理器可以包括中央处理单元(Central Processing Unit,CPU)、专用集成电路(Application Specific Integrated Circuit,ASIC)、专用指令集处理器(Application Specific Instruction-set Processor,ASIP)、图形处理单元(Graphics Processing Unit,GPU)、物理处理单元(Physics Processing Unit,PPU)、数字信号处理器(Digital Signal Processor,DSP)、现场可编程门阵列(Field ProgrammableGate Array,FPGA)、可编程逻辑器件(Programmable Logic Device,PLD)、控制器、微控制器单元、简化指令集计算机(Reduced Instruction Set Computing,RISC)、或微处理器等,或其任意组合。
本发明实施例还提供一种存储介质,存储介质上存储有计算机程序,计算机程序被处理器运行时执行如前述的激光雷达点云阳光噪点去除方法。具体实现方式和技术效果类似,在此同样不再赘述。
可选地,该存储介质可以是U盘、移动硬盘、ROM、RAM、磁碟或者光盘等。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种激光雷达点云阳光噪点去除方法,其特征在于,包括:
识别激光雷达获取的点云中的阳光噪点;
对识别的所述阳光噪点进行采样;
根据所述阳光噪点的样本集合中各点在预设坐标系中的竖直角和水平角,确定阳光噪点范围;
根据所述阳光噪点范围去除所述点云中的阳光噪点;
所述根据所述阳光噪点的样本集合中各点在预设坐标系中的竖直角和水平角,确定阳光噪点范围,包括:
按照预设规则对所述阳光噪点的样本集合中各点在预设坐标系中的竖直角和水平角,进行自适应扩大;
根据自适应扩大后的各点的竖直角和水平角确定所述阳光噪点范围。
2.如权利要求1所述的方法,其特征在于,所述点云按照预设扫描圈数依序划分为多个点云块,所述对识别的所述阳光噪点进行采样,包括:
依次采样各所述点云块中识别的阳光噪点;
根据连续识别的所述点云块分别对应的所述阳光噪点的样本集合,判断是否终止采样。
3.如权利要求2所述的方法,其特征在于,所述根据所述阳光噪点范围去除所述点云中的阳光噪点,包括:
按照所述阳光噪点范围,从被识别出包含阳光噪点样本的首个所述点云块的前一个点云块开始,依序去除之后的所述点云块中的阳光噪点。
4.如权利要求1所述的方法,其特征在于,所述对识别的所述阳光噪点进行采样,包括:
按照扫描圈顺序采样预设扫描圈数内识别的阳光噪点。
5.如权利要求4所述的方法,其特征在于,所述按照扫描圈顺序采样预设扫描圈数内识别的阳光噪点之后,所述方法还包括:
判断所述阳光噪点的样本数目是否满足预设值;
若否,则按照扫描圈顺序采样下一预设扫描圈数内识别的阳光噪点,并重新判断所述阳光噪点的样本数目是否满足预设值。
6.如权利要求5所述的方法,其特征在于,所述根据所述阳光噪点的样本集合中各点在预设坐标系中的竖直角和水平角,确定阳光噪点范围之后,所述方法还包括:
清空所述样本集合,并按照扫描圈顺序采样下一预设扫描圈数内识别的阳光噪点。
7.如权利要求1所述的方法,其特征在于,所述对识别的所述阳光噪点进行采样之后,所述方法还包括:
对所述阳光噪点的样本进行离群点过滤。
8.如权利要求1至7任一项所述的方法,其特征在于,识别激光雷达获取的点云中的阳光噪点,包括:
获取当前点、以及所述当前点在其所在扫描圈中的邻域点分别在预设坐标系中的参数;
根据所述参数按照预设算法进行计算,若确定计算结果满足预设条件则所述当前点为阳光噪点。
9.一种激光雷达点云阳光噪点去除装置,其特征在于,包括:
识别模块,用于识别激光雷达获取的点云中的阳光噪点;
采样模块,用于对识别的所述阳光噪点进行采样;
确定模块,用于根据所述阳光噪点的样本集合中各点在预设坐标系中的竖直角和水平角,确定阳光噪点范围;
去噪模块,用于根据所述阳光噪点范围去除所述点云中的噪点;
确定模块用于,按照预设规则对阳光噪点的样本集合中各点在预设坐标系中的竖直角和水平角,进行自适应扩大;根据自适应扩大后的各点的竖直角和水平角确定阳光噪点范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010571646.0A CN111724323B (zh) | 2020-06-19 | 2020-06-19 | 激光雷达点云阳光噪点去除方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010571646.0A CN111724323B (zh) | 2020-06-19 | 2020-06-19 | 激光雷达点云阳光噪点去除方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111724323A CN111724323A (zh) | 2020-09-29 |
CN111724323B true CN111724323B (zh) | 2024-01-26 |
Family
ID=72569835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010571646.0A Active CN111724323B (zh) | 2020-06-19 | 2020-06-19 | 激光雷达点云阳光噪点去除方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111724323B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112353322B (zh) * | 2020-10-30 | 2022-03-04 | 珠海一微半导体股份有限公司 | 基于激光头的阳光噪点过滤方法、芯片以及机器人 |
CN117392000B (zh) * | 2023-12-08 | 2024-03-08 | 吉咖智能机器人有限公司 | 一种噪点去除方法、装置、电子设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103542868A (zh) * | 2013-11-05 | 2014-01-29 | 武汉海达数云技术有限公司 | 基于角度和强度的车载激光点云噪点自动去除方法 |
CN104156926A (zh) * | 2014-08-19 | 2014-11-19 | 武汉海达数云技术有限公司 | 多场景下车载激光点云噪声点去除方法 |
CN105184852A (zh) * | 2015-08-04 | 2015-12-23 | 百度在线网络技术(北京)有限公司 | 一种基于激光点云的城市道路识别方法及装置 |
CN108225184A (zh) * | 2018-01-16 | 2018-06-29 | 上海同岩土木工程科技股份有限公司 | 一种盾构隧道三维激光扫描点云数据除噪的方法 |
CN108596860A (zh) * | 2018-05-10 | 2018-09-28 | 芜湖航飞科技股份有限公司 | 一种基于三维激光雷达的地面点云分割方法 |
WO2018205119A1 (zh) * | 2017-05-09 | 2018-11-15 | 深圳市速腾聚创科技有限公司 | 基于激光雷达扫描的路沿检测方法和系统 |
CN108876744A (zh) * | 2018-06-27 | 2018-11-23 | 大连理工大学 | 一种基于区域分割的大尺度点云噪声去噪方法 |
CN110969624A (zh) * | 2019-11-07 | 2020-04-07 | 哈尔滨工程大学 | 一种激光雷达三维点云分割方法 |
CN111260592A (zh) * | 2020-03-17 | 2020-06-09 | 北京华捷艾米科技有限公司 | 一种深度图像去噪方法及装置 |
-
2020
- 2020-06-19 CN CN202010571646.0A patent/CN111724323B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103542868A (zh) * | 2013-11-05 | 2014-01-29 | 武汉海达数云技术有限公司 | 基于角度和强度的车载激光点云噪点自动去除方法 |
CN104156926A (zh) * | 2014-08-19 | 2014-11-19 | 武汉海达数云技术有限公司 | 多场景下车载激光点云噪声点去除方法 |
CN105184852A (zh) * | 2015-08-04 | 2015-12-23 | 百度在线网络技术(北京)有限公司 | 一种基于激光点云的城市道路识别方法及装置 |
WO2018205119A1 (zh) * | 2017-05-09 | 2018-11-15 | 深圳市速腾聚创科技有限公司 | 基于激光雷达扫描的路沿检测方法和系统 |
CN108225184A (zh) * | 2018-01-16 | 2018-06-29 | 上海同岩土木工程科技股份有限公司 | 一种盾构隧道三维激光扫描点云数据除噪的方法 |
CN108596860A (zh) * | 2018-05-10 | 2018-09-28 | 芜湖航飞科技股份有限公司 | 一种基于三维激光雷达的地面点云分割方法 |
CN108876744A (zh) * | 2018-06-27 | 2018-11-23 | 大连理工大学 | 一种基于区域分割的大尺度点云噪声去噪方法 |
CN110969624A (zh) * | 2019-11-07 | 2020-04-07 | 哈尔滨工程大学 | 一种激光雷达三维点云分割方法 |
CN111260592A (zh) * | 2020-03-17 | 2020-06-09 | 北京华捷艾米科技有限公司 | 一种深度图像去噪方法及装置 |
Non-Patent Citations (2)
Title |
---|
Tudor Barbu.Second-order Anisotropic Diffusion-based Technique for Poisson Noise Removal.IFAC-PapersOnLine.2019,第2019年卷(第12期),全文. * |
苏中花.地面激光雷达点云去噪方法综述.福建质量管理.2017,第2017年卷(第13期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111724323A (zh) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111724323B (zh) | 激光雷达点云阳光噪点去除方法及装置 | |
CN111238352B (zh) | 墙面虚拟靠尺检测方法、系统、设备和存储介质 | |
CN112669318B (zh) | 表面缺陷检测方法、装置、设备及存储介质 | |
Cheng et al. | Building boundary extraction from high resolution imagery and lidar data | |
CN116402866A (zh) | 基于点云的零件数字孪生几何建模与误差评定方法及系统 | |
CN107274376A (zh) | 一种工件三维点云数据平滑滤波方法 | |
CN114296056A (zh) | 一种激光雷达外参标定方法、装置、设备及存储介质 | |
CN111723821A (zh) | 一种电厂仪表图像的检测识别方法及装置 | |
CN112446907B (zh) | 一种单线点云与多线点云配准的方法及装置 | |
CN113902782A (zh) | 一种挖掘机周边障碍物三维点云的快速配准方法及系统 | |
CN113820333A (zh) | 电池极片异常检测方法、装置、上位机及检测系统 | |
CN115239625B (zh) | 顶盖焊点云缺陷检测方法、装置、设备及存储介质 | |
CN110780276A (zh) | 一种基于激光雷达的托盘识别方法、系统和电子设备 | |
CN114898118A (zh) | 基于多源点云的输电线路房屋拆迁量自动统计方法及系统 | |
JP2014160370A (ja) | 物体検出方法および物体検出装置 | |
CN114972339A (zh) | 用于推土机结构件生产异常检测的数据增强系统 | |
CN115239772A (zh) | 船舶曲板三维点云配准方法、系统、存储介质及终端 | |
CN112907601A (zh) | 一种基于特征变换的隧道拱架点云自动提取方法及装置 | |
CN115683100A (zh) | 机器人的定位方法、装置、机器人以及存储介质 | |
CN117495891A (zh) | 点云边缘检测方法、装置和电子设备 | |
CN113409332A (zh) | 一种基于三维点云的建筑物平面分割方法 | |
CN116973891A (zh) | 车辆的激光雷达标定方法、装置、电子设备及存储介质 | |
CN115143936B (zh) | 一种基于激光点云的输电工程杆塔倾斜度测量方法 | |
CN114814796B (zh) | 基于高精度地图的水面可行驶区域提取方法、装置及设备 | |
CN116385356A (zh) | 一种基于激光视觉的正六边形孔特征的提取方法和系统 |
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 |