CN111783648A - 道路点云中护栏的提取方法及装置 - Google Patents
道路点云中护栏的提取方法及装置 Download PDFInfo
- Publication number
- CN111783648A CN111783648A CN202010615878.1A CN202010615878A CN111783648A CN 111783648 A CN111783648 A CN 111783648A CN 202010615878 A CN202010615878 A CN 202010615878A CN 111783648 A CN111783648 A CN 111783648A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- road
- guardrail
- classes
- extracting
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000000605 extraction Methods 0.000 claims abstract description 46
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 35
- 238000001914 filtration Methods 0.000 claims abstract description 25
- 238000012216 screening Methods 0.000 claims abstract description 21
- 238000007781 pre-processing Methods 0.000 claims abstract description 19
- 238000005070 sampling Methods 0.000 claims description 18
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 11
- 240000004050 Pentaglottis sempervirens Species 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 10
- 238000005520 cutting process Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 10
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 241000222355 Trametes versicolor Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种道路点云中护栏的提取方法、介质、设备及装置，其中方法包括：对原始移动激光扫描点云进行预处理，以生成原始点云；对原始点云进行道路平面点提取，以获取第一点云和道路平面点云对应的道路平面模型，并对道路平面模型进行垂直平移，以及根据平移后的道路平面模型过滤第一点云，以生成第二点云；以鸟瞰视角生成二维投影，并根据聚类算法对二维投影进行聚类，以生成多个类；对多个类进行筛选，以获得护栏对应的类，并根据护栏对应的类提取第二点云中护栏对应的三维点云，以完成道路点云中护栏的提取；能够在没有位置信息等先验信息的前提下，从大规模道路场景点云中准确提取护栏点云，降低护栏点云提取难度。
Description
技术领域
本发明涉及三维数据处理技术领域，特别涉及一种道路点云中护栏的提取方法、一种计算机可读存储介质、一种计算机设备以及一种道路点云中护栏的提取装置。
背景技术
在高精地图与自动驾驶领域中，道路环境下的物体检测与提取是重要且必须的。
相关技术中，对道路点云中的护栏进行检测与提取的方法多采用基于图像的方法、基于点云的方法或同时基于两者的方法；然而，这些方法难以从大规模道路场景点云数据中对护栏点云进行准确地提取；并且，这些方法往往在提取之前需要先验的位置信息或语义规则作为基础条件，从而增加了护栏点云的提取难度。
发明内容
本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的一个目的在于提出一种道路点云中护栏的提取方法，能够在没有位置信息等先验信息的前提下，从大规模道路场景点云中准确提取护栏点云，降低护栏点云提取难度。
本发明的第二个目的在于提出一种计算机可读存储介质。
本发明的第三个目的在于提出一种计算机设备。
本发明的第四个目的在于提出一种道路点云中护栏的提取装置。
为达到上述目的，本发明第一方面实施例提出了一种道路点云中护栏的提取方法，包括以下步骤：获取原始移动激光扫描点云，并对所述原始移动激光扫描点云进行预处理，以生成原始点云；根据随机抽样一致性算法对所述原始点云进行道路平面点提取，以获取第一点云、道路平面点云和所述道路平面点云对应的道路平面模型，并对所述道路平面模型进行垂直平移，以及根据平移后的道路平面模型过滤所述第一点云，以生成第二点云；以鸟瞰视角将所述第二点云投影至二维平面，以生成二维投影，并根据聚类算法对所述二维投影进行聚类，以生成对应所述二维投影的多个类；对所述多个类进行筛选，以获得护栏对应的类，并根据所述护栏对应的类提取所述第二点云中护栏对应的三维点云，以完成道路点云中护栏的提取。
根据本发明实施例的道路点云中护栏的提取方法，首先，获取原始移动激光扫描点云，并对原始移动激光扫描点云进行预处理，以生成原始点云；接着，根据随机抽样一致性算法对原始点云进行道路平面点提取，以获取第一点云、道路平面点云和道路平面点云对应的道路平面模型，并对道路平面模型进行垂直平移，以及根据平移后的道路平面模型过滤第一点云，以生成第二点云；然后，以鸟瞰视角将第二点云投影至二维平面，以生成二维投影，并根据聚类算法对二维投影进行聚类，以生成对应二维投影的多个类；接着，对多个类进行筛选，以获得护栏对应的类，并根据护栏对应的类提取第二点云中护栏对应的三维点云，以完成道路点云中护栏的提取；从而实现在没有位置信息等先验信息的前提下，从大规模道路场景点云中准确提取护栏点云，降低护栏点云提取难度。
另外，根据本发明上述实施例提出的道路点云中护栏的提取方法还可以具有如下附加的技术特征：
可选地，对所述原始移动激光扫描点云进行预处理，包括：对所述原始移动激光扫描点云进行下采样；判断下采样后的原始移动激光扫描点云中的任意一个点的高度是否大于预设的高度阈值，并在判断结果为是时，对该点进行滤除；根据预设尺寸对过滤后的原始移动激光扫描点云进行切割，以生成尺寸相等的点云块。
可选地，所述聚类算法包括DBSCAN密度聚类算法。
可选地，对所述多个类进行筛选，以获得护栏对应的类，包括：判断所述多个类中任意一类的点数是否小于预设的点数阈值，并在判断结果为是时，将该类进行排除，以获得护栏对应的类。
可选地，对所述多个类进行筛选，以获得护栏对应的类，包括：对所述多个类中的任意一类进行线拟合，以根据该类的所有点拟合生成符合最小二乘解的直线，并计算该符合最小二乘解的直线对应每个点的拟合误差，以及根据每个点的拟合误差计算对应该类的平均拟合误差；判断所述平均拟合误差是否大于预设的拟合误差阈值，并在判断结果为是时，对该类进行排除，以获得护栏对应的类。
可选地，对所述多个类进行筛选，以获得护栏对应的类，包括：获取所述多个类中任意一类中所有点的反射强度，并根据所有点的反射强度计算该类中点的平均反射强度；判断所述平均反射强度是否不在预设的反射强度区间内，并在判断结果为是时，对该类进行排除，以获得护栏对应的类。
为达到上述目的，本发明第二方面实施例提出了一种计算机可读存储介质，其上存储有道路点云中护栏的提取程序，该道路点云中护栏的提取程序被处理器执行时实现如上述的道路点云中护栏的提取方法。
根据本发明实施例的计算机可读存储介质，通过存储道路点云中护栏的提取程序，以使得处理器在执行该道路点云中护栏的提取程序时，实现如上述的道路点云中护栏的提取方法，从而实现在没有位置信息等先验信息的前提下，从大规模道路场景点云中准确提取护栏点云，降低护栏点云提取难度。
为了达到上述目的，本发明第三方面实施例提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现如上述的道路点云中护栏的提取方法。
根据本发明实施例的计算机设备，通过存储器对道路点云中护栏的提取程序进行存储，以使得处理器在执行该道路点云中护栏的提取程序时，实现如上述的道路点云中护栏的提取方法，从而实现在没有位置信息等先验信息的前提下，从大规模道路场景点云中准确提取护栏点云，降低护栏点云提取难度。
为了达到上述目的，本发明第四方面实施例提出了一种道路点云中护栏的提取装置，包括：预处理模块，所述预处理模块用于获取原始移动激光扫描点云，并对所述原始移动激光扫描点云进行预处理，以生成原始点云；过滤模块，所述过滤模块用于根据随机抽样一致性算法对所述原始点云进行道路平面点提取，以获取第一点云、道路平面点云和所述道路平面点云对应的道路平面模型，并对所述道路平面模型进行垂直平移，以及根据平移后的道路平面模型过滤所述第一点云，以生成第二点云；聚类模块，所述聚类模块用于以鸟瞰视角将所述第二点云投影至二维平面，以生成二维投影，并根据聚类算法对所述二维投影进行聚类，以生成对应所述二维投影的多个类；提取模块，所述提取模块用于对所述多个类进行筛选，以获得护栏对应的类，并根据所述护栏对应的类提取所述第二点云中护栏对应的三维点云，以完成道路点云中护栏的提取。
根据本发明实施例的道路点云中护栏的提取装置，通过设置预处理模块用于获取原始移动激光扫描点云，并对原始移动激光扫描点云进行预处理，以生成原始点云；过滤模块用于根据随机抽样一致性算法对原始点云进行道路平面点提取，以获取第一点云、道路平面点云和道路平面点云对应的道路平面模型，并对道路平面模型进行垂直平移，以及根据平移后的道路平面模型过滤第一点云，以生成第二点云；聚类模块用于以鸟瞰视角将第二点云投影至二维平面，以生成二维投影，并根据聚类算法对二维投影进行聚类，以生成对应二维投影的多个类；提取模块用于对多个类进行筛选，以获得护栏对应的类，并根据护栏对应的类提取第二点云中护栏对应的三维点云，以完成道路点云中护栏的提取；从而实现在没有位置信息等先验信息的前提下，从大规模道路场景点云中准确提取护栏点云，降低护栏点云提取难度。
另外，根据本发明上述实施例提出的道路点云中护栏的提取装置还可以具有如下附加的技术特征：
可选地，对所述原始移动激光扫描点云进行预处理，包括：对所述原始移动激光扫描点云进行下采样；判断下采样后的原始移动激光扫描点云中的任意一个点的高度是否大于预设的高度阈值，并在判断结果为是时，对该点进行滤除；根据预设尺寸对过滤后的原始移动激光扫描点云进行切割，以生成尺寸相等的点云块。
附图说明
图1为根据本发明实施例的道路点云中护栏的提取方法的流程示意图；
图2为根据本发明实施例的护栏提取过程效果示意图；
图3为根据本发明实施例的道路点云中护栏的提取装置的方框示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
相关技术中，在对护栏点云进行提取时，需要以位置信息或予以规则作为基础条件，并且难以从大规模道路场景点云数据中对护栏点云进行准确地提取；根据本发明实施例的道路点云中护栏的提取方法，首先，获取原始移动激光扫描点云，并对原始移动激光扫描点云进行预处理，以生成原始点云；接着，根据随机抽样一致性算法对原始点云进行道路平面点提取，以获取第一点云、道路平面点云和道路平面点云对应的道路平面模型，并对道路平面模型进行垂直平移，以及根据平移后的道路平面模型过滤第一点云，以生成第二点云；然后，以鸟瞰视角将第二点云投影至二维平面，以生成二维投影，并根据聚类算法对二维投影进行聚类，以生成对应二维投影的多个类；接着，对多个类进行筛选，以获得护栏对应的类，并根据护栏对应的类提取第二点云中护栏对应的三维点云，以完成道路点云中护栏的提取；从而实现在没有位置信息等先验信息的前提下，从大规模道路场景点云中准确提取护栏点云，降低护栏点云提取难度。
为了更好的理解上述技术方案，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。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
图1为根据本发明实施例的道路点云中护栏的提取方法的流程示意图，如图1所示，该道路点云中护栏的提取方法包括以下步骤：
S101，获取原始移动激光扫描点云，并对原始移动激光扫描点云进行预处理，以生成原始点云。
其中，对原始移动激光扫描点云进行预处理的方式可以有多种。
作为一种示例，对原始移动激光扫描点云进行预处理，包括：对原始移动激光扫描点云进行下采样；判断下采样后的原始移动激光扫描点云中的任意一个点的高度是否大于预设的高度阈值，并在判断结果为是时，对该点进行滤除；根据预设尺寸对过滤后的原始移动激光扫描点云进行切割，以生成尺寸相等的点云块。
也就是说，首先，对原始移动激光扫描点云(如图2(a)所示)进行下采样，以减少其中点的数量，同时保持点云的形状特征；接着，判断下采样后的原始移动激光扫描点云中的任意一个点的高度是否大于预设的高度阈值，并在判断结果为是时，对该点进行滤除，可以理解，移动激光扫描所获得道路点云中包含许多路边的高层建筑物、高大的树冠等；通过预设的高度云芝可以对这些点进行有效的排除；然后，以预设尺寸对过滤后的原始移动激光扫描点云进行切割，以生成多个尺寸相等的点云块(如图2(b)所示)；进而，通过该预处理过程可以使得处理后的点云方便后续的处理，降低计算复杂度。
S102，根据随机抽样一致性算法对原始点云进行道路平面点提取，以获取第一点云、道路平面点云和道路平面点云对应的道路平面模型，并对道路平面模型进行垂直平移，以及根据平移后的道路平面模型过滤第一点云，以生成第二点云。
也就是说，根据RANSAC(RANdom SAmple Consensus)随机抽样一致性算法对原始点云(可以是经过预处理后的每个点云块)进行道路平面点的提取，可以理解，随机抽样一致性算法可以从一组包含局外点的观测数据集中，通过迭代方式估计数学模型的参数，以在一定程度上排除错误样本的干扰；从而，通过随机抽样一致性算法，可以得到第一点云(即原始点云中滤除道路平面点后的剩余点云)、道路平面点云和该道路平面点云对应的平面模型；接着，对道路平面模型进行垂直平移，在平移之后，可以以该道路平面模型为分界，过滤第一点云中高度在护栏高度范围之外的干扰点云；进而得到第二点云(如图2(c)所示)。
S103，以鸟瞰视角将第二点云投影至二维平面，以生成二维投影，并根据聚类算法对二维投影进行聚类，以生成对应二维投影的多个类。
即言，以鸟瞰视角将第二点云投影至二维平面，可以理解，在以鸟瞰视角对第二点云进行观察时，道路护栏可以被清晰的辨别出来，因此，选择以鸟瞰视角对第二点云进行投影，以生成二维投影，并根据聚类算法对该二维投影进行聚类，以生成对应二维投影的多个类(如图2(d)所示)。
其中，聚类算法的选择可以有多种。
作为一种示例，聚类算法包括DBSCAN(Density-Based Spatial Clustering ofApplications with Noise)密度聚类算法。可以理解，DBSCAN是一种基于密度的空间聚类算法，该算法对样本顺序不敏感，无需事先知道形成的类的数量，可以发现任意形状的类，同时识别出噪声点。
S104，对多个类进行筛选，以获得护栏对应的类，并根据护栏对应的类提取第二点云中护栏对应的三维点云，以完成道路点云中护栏的提取。
也就是说，在聚类之后，对聚类结果(即多个类)进行筛选，以排除非护栏的类，进而可以最终得到护栏对应的类，并根据护栏对应的类提出第二点云中护栏所对应的三维点云，从而完成道路点云中护栏的提取。
其中，对多个类进行筛选，以获得护栏对应的类的方式可以有多种。
作为一种示例，对多个类进行筛选，以获得护栏对应的类，包括：
判断多个类中任意一类的点数是否小于预设的点数阈值，并在判断结果为是时，将该类进行排除，以获得护栏对应的类。
可以理解，在激光雷达采集得到的原始移动激光扫描点云中，越远离道路的点云，其点的分布越稀疏；从而，导致越远离道路的类所包含的点的数量越少；因此，通过将每个类对应的点数与点数阈值进行比较，可以有效排除远离道路的类。
作为另一种示例，对多个类进行筛选，以获得护栏对应的类，包括：
对多个类中的任意一类进行线拟合，以根据该类的所有点拟合生成符合最小二乘解的直线，并计算该符合最小二乘解的直线对应每个点的拟合误差，以及根据每个点的拟合误差计算对应该类的平均拟合误差；
判断平均拟合误差是否大于预设的拟合误差阈值，并在判断结果为是时，对该类进行排除，以获得护栏对应的类。
可以理解，在鸟瞰视角投影下，护栏成规则的细瘦的直线形状，因此，对每个类进行线拟合操作，并基于每一类的所有点的坐标拟合出一条符合最小二乘解的直线，然后，计算该拟合结果(即该符合最小二乘解的直线)到每个点的拟合误差；并根据每个点的拟合误差计算该直接对应的平均拟合误差；接着，判断平均拟合误差是否大于预设的拟合误差阈值，如果是，则对该类进行排除。
作为又一种示例，对多个类进行筛选，以获得护栏对应的类，包括：
获取多个类中任意一类中所有点的反射强度，并根据所有点的反射强度计算该类中点的平均反射强度；
判断平均反射强度是否不在预设的反射强度区间内，并在判断结果为是时，对该类进行排除，以获得护栏对应的类。
可以理解，由于道路护栏在道路环境中所扮演的角色的特殊性，其材质与一般物体不同，从而，使得激光雷达捕捉到的道路护栏的反射强度不同于一般物体所产生的反射强度；因此通过计算每个类中所有点对应的平均反射强度，并判断该平均反射强度是否在预设的反射强度区间内；如果不是，则对该类进行排除；以很好地筛选护栏对应的类。
需要说明的是，通过上述步骤对多个类进行筛选之后，可能存在少部分不属于护栏的类，该被误判的类大部分呈面积很小但点密度较大的圆形，由于面积小且点密度大，使得其被误判。因此，我们可以使用对齐于坐标轴的最小方框将一个类中的所有点包含在内，并在该方框尺寸上添加限制以排除该类型的类。
为了更好地说明，如图2(e)所示，该图即为经过筛选后的护栏对应的类；而图2(f)即为根据护栏对应的类所提取的护栏对应的三维点云。
综上所述，根据本发明实施例的道路点云中护栏的提取方法，首先，获取原始移动激光扫描点云，并对原始移动激光扫描点云进行预处理，以生成原始点云；接着，根据随机抽样一致性算法对原始点云进行道路平面点提取，以获取第一点云、道路平面点云和道路平面点云对应的道路平面模型，并对道路平面模型进行垂直平移，以及根据平移后的道路平面模型过滤第一点云，以生成第二点云；然后，以鸟瞰视角将第二点云投影至二维平面，以生成二维投影，并根据聚类算法对二维投影进行聚类，以生成对应二维投影的多个类；接着，对多个类进行筛选，以获得护栏对应的类，并根据护栏对应的类提取第二点云中护栏对应的三维点云，以完成道路点云中护栏的提取；从而实现在没有位置信息等先验信息的前提下，从大规模道路场景点云中准确提取护栏点云，降低护栏点云提取难度。
为了实现上述实施例，本发明实施例提出了一种计算机可读存储介质，其上存储有道路点云中护栏的提取程序，该道路点云中护栏的提取程序被处理器执行时实现如上述的道路点云中护栏的提取方法。
根据本发明实施例的计算机可读存储介质，通过存储道路点云中护栏的提取程序，以使得处理器在执行该道路点云中护栏的提取程序时，实现如上述的道路点云中护栏的提取方法，从而实现在没有位置信息等先验信息的前提下，从大规模道路场景点云中准确提取护栏点云，降低护栏点云提取难度。
为了实现上述实施例，本发明实施例提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现如上述的道路点云中护栏的提取方法。
根据本发明实施例的计算机设备，通过存储器对道路点云中护栏的提取程序进行存储，以使得处理器在执行该道路点云中护栏的提取程序时，实现如上述的道路点云中护栏的提取方法，从而实现在没有位置信息等先验信息的前提下，从大规模道路场景点云中准确提取护栏点云，降低护栏点云提取难度。
为了实现上述实施例，本发明实施例提出了一种道路点云中护栏的提取装置，如图3所示，该道路点云中护栏的提取装置包括：预处理模块10、过滤模块20、聚类模块30和提取模块40。
其中，预处理模块10用于获取原始移动激光扫描点云，并对原始移动激光扫描点云进行预处理，以生成原始点云；
过滤模块20用于根据随机抽样一致性算法对原始点云进行道路平面点提取，以获取第一点云、道路平面点云和道路平面点云对应的道路平面模型，并对道路平面模型进行垂直平移，以及根据平移后的道路平面模型过滤第一点云，以生成第二点云；
聚类模块30用于以鸟瞰视角将第二点云投影至二维平面，以生成二维投影，并根据聚类算法对二维投影进行聚类，以生成对应二维投影的多个类；
提取模块40用于对多个类进行筛选，以获得护栏对应的类，并根据护栏对应的类提取第二点云中护栏对应的三维点云，以完成道路点云中护栏的提取。
在一些实施例中，对原始移动激光扫描点云进行预处理，包括：对原始移动激光扫描点云进行下采样；判断下采样后的原始移动激光扫描点云中的任意一个点的高度是否大于预设的高度阈值，并在判断结果为是时，对该点进行滤除；根据预设尺寸对过滤后的原始移动激光扫描点云进行切割，以生成尺寸相等的点云块。
需要说明的是，上述关于图1中道路点云中护栏的提取方法的描述同样适用于该道路点云中护栏的提取装置，在此不做赘述。
综上所述，根据本发明实施例的道路点云中护栏的提取装置，通过设置预处理模块用于获取原始移动激光扫描点云，并对原始移动激光扫描点云进行预处理，以生成原始点云；过滤模块用于根据随机抽样一致性算法对原始点云进行道路平面点提取，以获取第一点云、道路平面点云和道路平面点云对应的道路平面模型，并对道路平面模型进行垂直平移，以及根据平移后的道路平面模型过滤第一点云，以生成第二点云；聚类模块用于以鸟瞰视角将第二点云投影至二维平面，以生成二维投影，并根据聚类算法对二维投影进行聚类，以生成对应二维投影的多个类；提取模块用于对多个类进行筛选，以获得护栏对应的类，并根据护栏对应的类提取第二点云中护栏对应的三维点云，以完成道路点云中护栏的提取；从而实现在没有位置信息等先验信息的前提下，从大规模道路场景点云中准确提取护栏点云，降低护栏点云提取难度。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
应当注意的是，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部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部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。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；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或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不应理解为必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种道路点云中护栏的提取方法，其特征在于，包括以下步骤：
获取原始移动激光扫描点云，并对所述原始移动激光扫描点云进行预处理，以生成原始点云；
根据随机抽样一致性算法对所述原始点云进行道路平面点提取，以获取第一点云、道路平面点云和所述道路平面点云对应的道路平面模型，并对所述道路平面模型进行垂直平移，以及根据平移后的道路平面模型过滤所述第一点云，以生成第二点云；
以鸟瞰视角将所述第二点云投影至二维平面，以生成二维投影，并根据聚类算法对所述二维投影进行聚类，以生成对应所述二维投影的多个类；
对所述多个类进行筛选，以获得护栏对应的类，并根据所述护栏对应的类提取所述第二点云中护栏对应的三维点云，以完成道路点云中护栏的提取。
2.如权利要求1所述的道路点云中护栏的提取方法，其特征在于，对所述原始移动激光扫描点云进行预处理，包括：
对所述原始移动激光扫描点云进行下采样；
判断下采样后的原始移动激光扫描点云中的任意一个点的高度是否大于预设的高度阈值，并在判断结果为是时，对该点进行滤除；
根据预设尺寸对过滤后的原始移动激光扫描点云进行切割，以生成尺寸相等的点云块。
3.如权利要求1所述的道路点云中护栏的提取方法，其特征在于，所述聚类算法包括DBSCAN密度聚类算法。
4.如权利要求1-3中任一项所述的道路点云中护栏的提取方法，其特征在于，对所述多个类进行筛选，以获得护栏对应的类，包括：
判断所述多个类中任意一类的点数是否小于预设的点数阈值，并在判断结果为是时，将该类进行排除，以获得护栏对应的类。
5.如权利要求1-3中任一项所述的道路点云中护栏的提取方法，其特征在于，对所述多个类进行筛选，以获得护栏对应的类，包括：
对所述多个类中的任意一类进行线拟合，以根据该类的所有点拟合生成符合最小二乘解的直线，并计算该符合最小二乘解的直线对应每个点的拟合误差，以及根据每个点的拟合误差计算对应该类的平均拟合误差；
判断所述平均拟合误差是否大于预设的拟合误差阈值，并在判断结果为是时，对该类进行排除，以获得护栏对应的类。
6.如权利要求1-3中任一项所述的道路点云中护栏的提取方法，其特征在于，对所述多个类进行筛选，以获得护栏对应的类，包括：
获取所述多个类中任意一类中所有点的反射强度，并根据所有点的反射强度计算该类中点的平均反射强度；
判断所述平均反射强度是否不在预设的反射强度区间内，并在判断结果为是时，对该类进行排除，以获得护栏对应的类。
7.一种计算机可读存储介质，其特征在于，其上存储有道路点云中护栏的提取程序，该道路点云中护栏的提取程序被处理器执行时实现如权利要求1-6中任一项所述的道路点云中护栏的提取方法。
8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现如权利要求1-6中任一项所述的道路点云中护栏的提取方法。
9.一种道路点云中护栏的提取装置，其特征在于，包括：
预处理模块，所述预处理模块用于获取原始移动激光扫描点云，并对所述原始移动激光扫描点云进行预处理，以生成原始点云；
过滤模块，所述过滤模块用于根据随机抽样一致性算法对所述原始点云进行道路平面点提取，以获取第一点云、道路平面点云和所述道路平面点云对应的道路平面模型，并对所述道路平面模型进行垂直平移，以及根据平移后的道路平面模型过滤所述第一点云，以生成第二点云；
聚类模块，所述聚类模块用于以鸟瞰视角将所述第二点云投影至二维平面，以生成二维投影，并根据聚类算法对所述二维投影进行聚类，以生成对应所述二维投影的多个类；
提取模块，所述提取模块用于对所述多个类进行筛选，以获得护栏对应的类，并根据所述护栏对应的类提取所述第二点云中护栏对应的三维点云，以完成道路点云中护栏的提取。
10.如权利要求9所述的道路点云中护栏的提取装置，其特征在于，对所述原始移动激光扫描点云进行预处理，包括：
对所述原始移动激光扫描点云进行下采样；
判断下采样后的原始移动激光扫描点云中的任意一个点的高度是否大于预设的高度阈值，并在判断结果为是时，对该点进行滤除；
根据预设尺寸对过滤后的原始移动激光扫描点云进行切割，以生成尺寸相等的点云块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010615878.1A CN111783648A (zh) | 2020-06-30 | 2020-06-30 | 道路点云中护栏的提取方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010615878.1A CN111783648A (zh) | 2020-06-30 | 2020-06-30 | 道路点云中护栏的提取方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111783648A true CN111783648A (zh) | 2020-10-16 |
Family
ID=72759970
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010615878.1A Pending CN111783648A (zh) | 2020-06-30 | 2020-06-30 | 道路点云中护栏的提取方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111783648A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112446314A (zh) * | 2020-11-19 | 2021-03-05 | 武汉中海庭数据技术有限公司 | 一种基于投影图提取护栏高程的方法及系统 |
| TWI832242B (zh) * | 2022-05-13 | 2024-02-11 | 廣達電腦股份有限公司 | 雷達點雲的預處理方法及電子裝置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106951847A (zh) * | 2017-03-13 | 2017-07-14 | 百度在线网络技术（北京）有限公司 | 障碍物检测方法、装置、设备及存储介质 |
| CN108345822A (zh) * | 2017-01-22 | 2018-07-31 | 腾讯科技（深圳）有限公司 | 一种点云数据处理方法及装置 |
| CN109144097A (zh) * | 2018-08-15 | 2019-01-04 | 广州极飞科技有限公司 | 障碍物或地面识别及飞行控制方法、装置、设备及介质 |
| CN109711336A (zh) * | 2018-12-26 | 2019-05-03 | 深圳高速工程顾问有限公司 | 道路标线确定方法、装置、存储介质及计算机设备 |
| CN111310663A (zh) * | 2020-02-17 | 2020-06-19 | 北京三快在线科技有限公司 | 道路栅栏检测方法、装置、设备及存储介质 |
-
2020
- 2020-06-30 CN CN202010615878.1A patent/CN111783648A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108345822A (zh) * | 2017-01-22 | 2018-07-31 | 腾讯科技（深圳）有限公司 | 一种点云数据处理方法及装置 |
| CN106951847A (zh) * | 2017-03-13 | 2017-07-14 | 百度在线网络技术（北京）有限公司 | 障碍物检测方法、装置、设备及存储介质 |
| CN109144097A (zh) * | 2018-08-15 | 2019-01-04 | 广州极飞科技有限公司 | 障碍物或地面识别及飞行控制方法、装置、设备及介质 |
| CN109711336A (zh) * | 2018-12-26 | 2019-05-03 | 深圳高速工程顾问有限公司 | 道路标线确定方法、装置、存储介质及计算机设备 |
| CN111310663A (zh) * | 2020-02-17 | 2020-06-19 | 北京三快在线科技有限公司 | 道路栅栏检测方法、装置、设备及存储介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112446314A (zh) * | 2020-11-19 | 2021-03-05 | 武汉中海庭数据技术有限公司 | 一种基于投影图提取护栏高程的方法及系统 |
| CN112446314B (zh) * | 2020-11-19 | 2022-07-29 | 武汉中海庭数据技术有限公司 | 一种基于投影图提取护栏高程的方法及系统 |
| TWI832242B (zh) * | 2022-05-13 | 2024-02-11 | 廣達電腦股份有限公司 | 雷達點雲的預處理方法及電子裝置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109165538B (zh) | 基于深度神经网络的条形码检测方法及装置 | |
| US9754160B2 (en) | Method and device for detecting gathering of objects based on stereo vision as well as non-transitory computer-readable medium | |
| CN111598770A (zh) | 一种基于三维数据和二维图像的物体检测方法和装置 | |
| CN111308500B (zh) | 基于单线激光雷达的障碍物感知方法、装置和计算机终端 | |
| CN108305260B (zh) | 一种图像中角点的检测方法、装置及设备 | |
| Cheng et al. | Building boundary extraction from high resolution imagery and lidar data | |
| CN111462134A (zh) | 高分遥感影像和激光雷达点云融合的单木分割方法及系统 | |
| WO2018000252A1 (zh) | 高分辨遥感海洋图像的海背景建模与抑制的方法及系统 | |
| CN110428438B (zh) | 一种单木建模方法、装置和存储介质 | |
| CN106683105B (zh) | 图像分割方法及图像分割装置 | |
| CN113970734B (zh) | 路侧多线激光雷达降雪噪点去除方法、装置及设备 | |
| CN114241217B (zh) | 一种基于圆柱特征的树干点云高效提取方法 | |
| Hu et al. | A fast and simple method of building detection from LiDAR data based on scan line analysis | |
| CN111783648A (zh) | 道路点云中护栏的提取方法及装置 | |
| CN116520353B (zh) | 基于激光点云的地面检测方法、装置、存储介质及设备 | |
| CN116051822A (zh) | 凹障碍的识别方法和装置、处理器及电子设备 | |
| CN117671637A (zh) | 物体点云重叠识别方法、装置、设备、机器人和存储介质 | |
| US7440636B2 (en) | Method and apparatus for image processing | |
| CN116452604A (zh) | 一种复杂变电站场景分割方法、设备及存储介质 | |
| CN116091887A (zh) | 基于弱监督的目标检测模型训练方法及装置 | |
| CN111598901B (zh) | 基于深度图像的牙科修复制品的加工进度的估算方法 | |
| CN114325678A (zh) | 障碍物检测方法、装置及服务器 | |
| CN113658338A (zh) | 点云树木单体分割方法、装置、电子设备及存储介质 | |
| CN111191661A (zh) | 一种基于车载激光扫描数据的路灯要素提取方法和装置 | |
| CN117291986B (zh) | 一种基于多重摄像拟合的社区安防识别定位系统 |
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 |