CN111915662B - 一种三维激光点云数据预处理方法和装置 - Google Patents
一种三维激光点云数据预处理方法和装置 Download PDFInfo
- Publication number
- CN111915662B CN111915662B CN201910375381.4A CN201910375381A CN111915662B CN 111915662 B CN111915662 B CN 111915662B CN 201910375381 A CN201910375381 A CN 201910375381A CN 111915662 B CN111915662 B CN 111915662B
- Authority
- CN
- China
- Prior art keywords
- height
- dimensional laser
- point cloud
- grid
- information
- 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 59
- 238000007781 pre-processing Methods 0.000 title claims abstract description 25
- 238000001914 filtration Methods 0.000 claims abstract description 69
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 238000003786 synthesis reaction Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims 1
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
Abstract
本申请提供了一种三维激光点云数据预处理方法和装置，该方法包括：获取采集车采集的三维激光点云和采集车采集所述三维激光点云时的轨迹信息，以及三维激光点云的反射强度信息、高度信息和采集车的轨迹信息中的高度信息；将所述三维激光点云，以及采集车的轨迹信息投影到预设平面上；使用采集车的轨迹信息中的高度信息，以及预设关注的高度范围对所述三维点云进行滤波；根据滤波后的三维点云的反射强度信息、高度信息，以及各点在预设平面上的投影图生成覆盖整个场景的强度图和高度图。该方法能够提高处理激光点云数据的效率，并能过滤掉三维激光点云对应的环境中不关注的物体的图像。
Description
技术领域
本发明涉及信息处理技术领域，特别涉及一种三维激光点云数据预处理方法和装置。
背景技术
在高精地图生产过程中，现有的主流技术流程主要包含数据采集、数据预处理、自动识别、人工检核修正、编译发布等五个基本环节。
其中，预处理阶段主要完成对采集到的离散图片和三维激光点云数据进行时空关联与数据融合，进而生成覆盖整个道路场景的完整数据，服务于后续的自动识别与人工检核环节。
目前，预处理阶段所输出的数据主要包括具有时空信息的连续视频影像及拼合后的场景三维激光点两种主流数据类型。由于该阶段输出的数据类型和数据质量直接影响着后续的自动识别准确率与人工检核作业效率，因此其已成为影响整个地图生产效率的重要环节。
尽管目前以深度学习为代表的机器学习算法已经在影像识别领域取得了丰硕的成果，但由于识别算法是作用在单张二维图像上的，后续只有经过复杂的三维映射与融合过程才能将这些二维识别结果转化为三维场景地图，这一方面增加了算法复杂度，另一方面也很容易在转化过程中引入额外的误差，影响最终的成图效果。对于现有技术输出的场景三维激光点来说，目前基于深度学习的点云识别算法无论在识别效率上还是在识别精度上与图像识别算法相比都还存在一定差距。此外，在人工检核过程中，基于点云数据的三维交互环境较基于图像的二维交互环境更为复杂，不便于作业效率的提升。
发明内容
有鉴于此，本申请提供一种三维激光点云数据预处理方法，能够提高处理激光点云数据的效率，并能过滤掉三维激光点云对应的环境中不关注的物体的图像。
为解决上述技术问题，本申请的技术方案是这样实现的：
本申请的一个实施例中提供一种三维激光点云数据预处理方法，该方法包括：
获取采集车采集的三维激光点云和采集车采集所述三维激光点云时的轨迹信息，以及三维激光点云的反射强度信息、高度信息和采集车的轨迹信息中的高度信息；
将所述三维激光点云，以及采集车的轨迹信息投影到预设平面上；
使用采集车的轨迹信息中的高度信息，以及预设关注的高度范围对所述三维点云进行滤波；
根据滤波后的三维点云的反射强度信息、高度信息，以及各点在预设平面上的投影图生成覆盖整个场景的强度图和高度图。
本申请的另一个实施例中提供一种三维激光点云数据预处理装置，该装置包括：获取单元、投影单元、滤波单元和生成单元；
所述获取单元，用于获取采集车采集的三维激光点云和采集车采集所述三维激光点云时的轨迹信息，以及三维激光点云的反射强度信息、高度信息和采集车的轨迹信息中的高度信息；
所述投影单元，用于将所述获取单元获取的三维激光点云，以及采集车的轨迹信息投影到预设平面上；
所述滤波单元，用于使用所述获取单元获取的采集车的轨迹信息中的高度信息，以及预设关注的高度范围对所述三维点云进行滤波；
所述生成单元，用于根据所述滤波单元滤波后的三维点云的反射强度信息、高度信息，以及所述投影单元中各点在预设平面上的投影图生成覆盖整个场景的强度图和高度图。
本申请的另一个实施例中提供一种电子设备，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，所述处理器执行所述程序时实现所述三维激光点云预处理方法的步骤。
本申请的另一个实施例中提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述三维激光点云预处理方法的步骤。
由上面的技术方案可知，本申请中通过引入采集车采集所述三维激光点云时的轨迹信息，以及预设关注的高度范围来对所述三维激光点云进行滤波，使用滤波后的三维点云生成覆盖整个场景的强度图和高度图，能够提高处理激光点云数据的效率，并能过滤掉三维激光点云对应的环境中不关注的物体的图像。
附图说明
图1为本申请实施例中三维激光点云数据预处理的流程示意图；
图2为本申请实施例中对三维点云滤波的流程示意图；
图3为本申请实施例中的格网划分示意图；
图4为本申请实施例中计算网格单元的基础高度的流程示意图；
图5为采集车的轨迹信息与车身高度值的关系示意图；
图6为本申请实施例中确定格网单元的高度和反射强度的流程示意图；
图7为本申请实施例中生成伪彩色正视图像的流程示意图；
图8为本申请实施例中应用于上述技术的装置结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图并举实施例，对本发明的技术方案进行详细说明。
本申请实施例为了满足后续的高精度自动识别需求，以及便于生产作业人员进行目视检核的数据成果，提供了一种激光点云数据预处理方法，常应用于基于激光雷达数据的路面伪彩色正视图像的生成。具体通过将基于激光雷达数据的复杂三维识别与交互问题，转换为二维数据处理问题。通过本发明具体实现时引入采集车采集所述三维激光点云时的轨迹信息，以及预设的关注的高度范围来对所述三维激光点云进行滤波，使用滤波后的三维点云生成覆盖整个场景的强度图和高度图，能够提高处理激光点云数据的效率，并能过滤掉三维激光点云对应的环境中不关注的物体的图像。使用覆盖整个场景的强度图和高度图生成伪彩色正视图像，可以有效提升车道线、马路牙、减速带等路面核心地图要素的作业生产效率，即仅保留使用者关注部分的图像信息。
下面结合附图，详细说明本申请实施例中激光点云数据预处理过程。执行激光点云数据预处理的设备，具有执行下述处理信息的功能即可，如可以是一台PC等，为了描述方便，下文执行主体可简称为处理设备。
参见图1，图1为本申请实施例中三维激光点云数据预处理的流程示意图。具体步骤为：
步骤101，获取采集车采集的三维激光点云和采集车采集所述三维激光点云时的轨迹信息，以及三维激光点云的反射强度信息、高度信息和采集车的轨迹信息中的高度信息。
采集车采集的三维激光点云为由大量三维激光点组成，三维激光点云以点的形式记录，每一个点包含有三维坐标，有些可能还含有颜色(RGB)信息或反射强度(Intensity)信息，本申请实施例中以至少含有三维坐标和反射强度信息为例。
采集车的轨迹信息由等时间间隔的轨迹点串表示，每个轨迹点使用三维坐标标识。
采集车在采集数据，即三维激光点云的同时，获取对应的轨迹信息。
本申请实施例中处理设备获取采集车采集的三维激光点云，以及采集车采集所述三维激光点云时采集车的轨迹信息的方式可以是网络传输，也可以是硬件拷贝，对此不进行限制。
采集车采集数据，以及获取轨迹信息的过程可以同现有实现，本申请实施例中对此不进行限制。
三维点云的高度信息为Z坐标对应的值，轨迹信息中的高度信息为轨迹信息中Z坐标对应的值。
步骤102，将所述三维激光点云，以及采集车的轨迹信息投影到预设平面上。
所述三维激光点云的三维坐标为X、Y、Z；所述预设平面可以为坐标Z的值为0的平面。
步骤103，使用采集车的轨迹信息中的高度信息，以及预设关注的高度范围对所述三维点云进行滤波。
本步骤中的滤波，即将三维激光点云的纵坐标设置到预设关注的高度范围内。
下面给出使用采集车的轨迹信息中的高度信息，以及预设关注的高度范围对所述三维点云进行滤波的具体实现过程：
参见图2，图2为本申请实施例中对三维点云滤波的流程示意图。具体步骤为：
步骤201，将所述三维激光点云在预设平面上覆盖的区域以间隔S进行等距划分；形成多个格网单元。
将三维激光点云投影到预设平面上，即XY平面，将每一个三维激光点的(X，Y)坐标展绘在XY平面上；
三维激光点云在XY平面上覆盖的区域可以是包括所有点的最小长方形区域，即可以以三维激光点云中选择投影在XY平面上的X轴及Y轴上的最小值Xmin和Ymin为起始点，也可以以Xmin和Ymin的对应的三维激光点对应编号为(0,0)的网格单元。
最好是S的整倍数，如果不是S的整倍数，可以根据实际需要在某个方向上扩大覆盖的区域达到整倍数。
对整个区域以间隔S进行等距划分，形成多个网格单元，左下角的单元格的编号记为(0，0)，依次对所划分的所有网格单元进行编号。
参见图3，图3为本申请实施例中的格网划分示意图。图3中以14×14个网格单元为例，每个三维激光点(3D点)对应一个网格单元。
本申请实施例中的S可以根据实际需要设置，S代表分别率，即看实际需要中需要生成图像的分辨率的高低，设置S的大小，如果需要分辩率高一些，则设置S的值小一些；如果需要分辨率低一些，则设置S的值大一些。
步骤202，确定三维激光点云中的每个三维激光点对应的格网单元的编号，生成点云格网索引图。
其中，确定三维激光点云中的每个三维激光点对应的格网单元的编号，包括：
针对横坐标为X，纵坐标为Y的三维激光点对应的格网单元的编号(i,j)的i和j通过如下方式确定：
计算X与Xmin的差值，将所述差值与s的比值向下取整后的值作为i；
计算Y与Ymin的差值，将所述差值与s的比值向下取整后的值作为j；
其中，Xmin为三维激光点云中在XY平面上的X轴的最小的三维激光点的横坐标，Ymin为三维激光点云在XY平面上Y轴的最小的三维激光点的纵坐标。
上述描述通过如下公式表示：
其中，表示向下取整。
本步骤中生成的点云格网索引图包括信息为：每个三维激光点的坐标与格网单元的编号的映射关系。
步骤203，针对每个格网单元，在投影到预设平面上的采集车的轨迹信息中查找与所述格网单元的中心距离最小的点，使用该点的坐标信息计算所述格网单元的基础高度，使用所有格网单元的基础高度生成覆盖整个场景的三维地面高度图。
本步骤中针对每个格网单元，在投影到预设平面上的采集车的轨迹信息中查找与所述格网单元的中心距离最小的点，使用该点的坐标信息计算所述格网单元的基础高度的具体过程如下：
参见图4，图4为本申请实施例中计算网格单元的基础高度的流程示意图。具体步骤为：
步骤401，计算投影到预设平面上的采集车的轨迹信息中的所有点与对应格网单元的中心的距离，获取距离最小的点。
步骤402，计算该点的坐标信息中的高度坐标的值与采集车的车身高度值的差值，作为所述格网单元的基础高度。
参见图5，图5为采集车的轨迹信息与车身高度值的关系示意图。图5中的h为车身高度，(Xt、Yt、Tt)为t时刻采集车的轨迹信息。
步骤204，根据所述三维地面高度图，以及预设关注的高度范围对点云格网索引图进行滤波处理。
步骤204的具体实现过程如下：
针对每个格网单元对应的每个三维激光点，进行如下滤波处理：
当该三维激光点的Z坐标Zk小于h(i,j)-hd时，将Zk更新为h(i,j)-hd；
当该三维激光点的Z坐标Zk大于h(i,j)+hu时，从该格网单元中删除该点云对应的编号；
其他情况，均不作处理，即保留坐标原值。
其中，h(i,j)为当前格网单元的基础地面高度，hd为预设滤波低点阈值，hu为预设滤波高点阈值。
针对上述三维激光点云数据的处理过程中，考虑到关注点为道路面上的车道线、马路牙、减速带等地图要素，即确定预设关注的高度范围，进而设置对应的滤波地点阈值和滤波高点阈值，来进行滤波。
具体实现时，hd可以为1.5，hu可以为1.0，表示路面以下1.0米至路面以上1.5米范围的空间的数据保留，其他空间的数据不保留。
步骤104，根据滤波后的三维点云的反射强度信息、高度信息，以及各点在预设平面上的投影图生成覆盖整个场景的强度图和高度图。
当本申请实施例中采用网格为单元进行相关信息处理时，根据滤波后的三维点云的反射强度信息、高度信息，以及各点在预设平面上的投影图生成覆盖整个场景的强度图和高度图的具体实现可以为：
根据滤波后的三维点云的反射强度，以及各点的高度确定所属网格单元的反射强度和高度，生成覆盖整个场景的强度图和高度图。
下面结合附图，详细给出确定格网单元的高度，以及反射强度的过程。
参见图6，图6为本申请实施例中确定格网单元的高度和反射强度的流程示意图。具体步骤为
步骤601，针对每个格网单元，若对应多个三维激光点云，则选择出一个激光点云作为代表点；若对应一个三维激光点云，则该激光点云作为代表点，若不存在激光点云，该格网单元不存在代表点。
本步骤中针对每个格网单元，若对应多个三维激光点云，则选择出一个激光点云作为代表点，包括：
将所述多个三维激光点云按照各自的纵坐标值的大小进行排序，将处于中间位置的Z坐标值对应的单位激光点云作为代表点。
如果中间点存在两个，则按照预设规则，选择其中一个点作为代表点，预设规则可以为选择靠前的点，也可以选择靠后的点。
步骤602，针对每个格网单元，使用代表点的反射强度值，以及高度值确定该格网单元的反射强度值，以及高度值。
本步骤中使用代表点的反射强度值，以及高度值确定该格网单元的反射强度，以及高度，包括：
格网单元的反射强度vr(i,j)为：
255(I(i,j)-Imin)/(Imax-Imin)；
格网单元的高度值vh(i,j)为：
255(Z(i,j)-h(i,j)+hd)/(hu+hd)；
其中，Z(i,j)为格网单元(i,j)的代表点的高度坐标值，I(i,j)为格网单元(i,j)的代表点的反射强度值；Imin为整个覆盖区域范围内所有三维激光点的预设最小反射强度；Imax为整个覆盖区域范围内所有三维激光点的预设最大反射强度值；h(i,j)为当前格网单元的基础地面高度，hd为预设滤波低点阈值，hu为预设滤波高点阈值。
至此完成三维激光点云数据的预处理，经过上述预处理方式，能够提高处理激光点云数据的效率，并能过滤掉三维激光点云对应的环境中不关注的物体的图像。
通过上述方式对三维激光点云数据的预处理后获得的强度图和高度图，可以进一步用于利用彩色图像合成原理对所述强度图和高度图进行通道组合，生成伪彩色正视图像。
本申请实施例中利用彩色图像合成原理对所述强度图和高度图进行通道组合，生成伪彩色正视图像的具体过程如下：
参见图7，图7为本申请实施例中生成伪彩色正视图像的流程示意图。具体步骤为：
步骤701，将高度图赋予红色通道。
步骤702，将强度图复制两份，分别赋予绿色通道和蓝色通道。
步骤703，将红、绿、蓝三个通道进行合成，生成红青伪彩色正视图像。
本申请实施例中通过对三维激光点云进行XY平面的二维正射投影实现了数据降维，将三维点云识别与编辑问题转化为二维图像识别与编辑问题。由于投影后的图像是正视图像，与像机获取的透视图像相比，消除了“近大远小”的透视形变，降低了自动识别的难度。
此外，本发明通过多通道图像合成技术，将点云数据中包含的高程信息与地物反射强度信息通过不同的色彩通道进行组合，所生成的覆盖整个路面的伪彩色图像包含了更多的场景信息，有利于自动识别算法准确率与鲁棒性的双重提升。
最后，由于所合成图像具有较好的视觉效果，因此非常便于内业作业人员以此作为底图，在自动识别的基础上进行高效的检核与修编，这进一步体现出了本发明的应用价值。
基于同样的发明构思，本申请实施例中提供一种三维激光点云数据预处理装置。参见图8，图8为本申请实施例中应用于上述技术的装置结构示意图。该装置包括：获取单元801、投影单元804、滤波单元803和生成单元804；
获取单元801，用于获取采集车采集的三维激光点云和采集车采集所述三维激光点云时的轨迹信息，以及三维激光点云的反射强度信息、高度信息和采集车的轨迹信息中的高度信息；
投影单元802，用于将获取单元801获取的三维激光点云，以及采集车的轨迹信息投影到预设平面上；
滤波单元803，用于使用获取单元801获取的采集车的轨迹信息中的高度信息，以及预设关注的高度范围对所述三维点云进行滤波；
生成单元804，用于根据滤波单元803滤波后的三维点云的反射强度信息、高度信息，以及投影单元802中各点在预设平面上的投影图生成覆盖整个场景的强度图和高度图。
优选地，
滤波单元803，具体用于使用采集车的轨迹信息中的高度信息，以及预设关注的高度范围对所述三维点云进行滤波时，将所述三维激光点云在预设平面上覆盖的区域以间隔S进行等距划分；形成多个格网单元；确定三维激光点云中的每个三维激光点对应的格网单元的编号，生成点云格网索引图；针对每个格网单元，在投影到预设平面上的采集车的轨迹信息中查找与所述格网单元的中心距离最小的点，使用该点的坐标信息计算所述格网单元的基础高度，使用所有格网单元的基础高度生成覆盖整个场景的三维地面高度图；根据所述三维地面高度图，以及预设关注的高度范围对点云格网索引图进行滤波处理。
其中，确定三维激光点云中的每个三维激光点对应的格网单元的编号，包括：
针对横坐标为X，纵坐标为Y的三维激光点对应的格网单元的编号(i,j)通过下述公式确定：
计算X与Xmin的差值，将所述差值与s的比值向下取整后的值作为i；
计算Y与Ymin的差值，将所述差值与s的比值向下取整后的值作为j；
其中，Xmin为三维激光点云中在XY平面上的X轴的最小的三维激光点的横坐标，Ymin为三维激光点云在XY平面上Y轴的最小的三维激光点的纵坐标。
优选地，
滤波单元803，具体用于计算投影到预设平面上的采集车的轨迹信息中的所有点与对应格网单元的中心的距离，获取距离最小的点；计算该点的坐标信息中的高度坐标的值与采集车的车身高度值的差值，作为所述格网单元的基础高度。
其中，针对每个格网单元，在投影到预设平面上的采集车的轨迹信息中查找与所述格网单元的中心距离最小的点，使用该点的坐标信息计算所述格网单元的基础高度，包括：
计算投影到预设平面上的采集车的轨迹信息中的所有点与对应格网单元的中心的距离，获取距离最小的点；
计算该点的坐标信息中的高度坐标的值与采集车的车身高度值的差值，作为所述格网单元的基础高度。
优选地，
滤波单元803，具体用于根据所述三维地面高度图，以及预设关注的高度范围对点云格网索引图进行滤波处理时：针对每个格网单元对应的每个三维激光点，进行如下滤波处理：当该三维激光点的Z坐标Zk小于h(i,j)-hd时，将Zk更新为h(i,j)-hd；当该三维激光点的Z坐标Zk大于h(i,j)+hu时，从该格网单元中删除该点云对应的编号；其中，h(i,j)为当前格网单元的基础地面高度，hd为预设滤波低点阈值，hu为预设滤波高点阈值。
其中，所述根据所述三维地面高度图，以及预设关注的高度范围对点云格网索引图进行滤波处理，包括：针对每个格网单元对应的每个三维激光点，进行如下滤波处理：
当该三维激光点的Z坐标Zk小于h(i,j)-hd时，将Zk更新为h(i,j)-hd；
当该三维激光点的Z坐标Zk大于h(i,j)+hu时，从该格网单元中删除该点云对应的编号；
其中，h(i,j)为当前格网单元的基础地面高度，hd为预设滤波低点阈值，hu为预设滤波高点阈值。
优选地，
生成单元804，具体用于根据滤波后的三维点云的反射强度，以及各点的高度确定所属网格单元的反射强度和高度，生成覆盖整个场景的强度图和高度图。
其中，确定格网单元高度，以及反射强度，包括：
针对每个格网单元，若对应多个三维激光点云，则选择出一个激光点云作为代表点；若对应一个三维激光点云，则该激光点云作为代表点，若不存在激光点云，该格网单元不存在代表点；
针对每个格网单元，使用代表点的反射强度值，以及高度值确定该格网单元的反射强度值，以及高度值。
针对每个格网单元，若对应多个三维激光点云，则选择出一个激光点云作为代表点，包括：
将所述多个三维激光点云按照各自的纵坐标值的大小进行排序，将处于中间位置的Z坐标值对应的单位激光点云作为代表点。
使用代表点的反射强度值，以及高度值确定该格网单元的反射强度，以及高度，包括：
格网单元的反射强度vr(i,j)为：
255(I(i,j)-Imin)/(Imax-Imin)；
格网单元的高度值vh(i,j)为：
255(Z(i,j)-h(i,j)+hd)/(hu+hd)；
其中，Z(i,j)为格网单元(i,j)的代表点的高度坐标值，I(i,j)为格网单元(i,j)的代表点的反射强度值；Imin为整个覆盖区域范围内所有三维激光点的预设最小反射强度；Imax为整个覆盖区域范围内所有三维激光点的预设最大反射强度值；h(i,j)为当前格网单元的基础地面高度，hd为预设滤波低点阈值，hu为预设滤波高点阈值。
上述实施例的单元可以集成于一体，也可以分离部署；可以合并为一个单元，也可以进一步拆分成多个子单元。
此外，本申请实施例中还提供一种电子设备，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，所述处理器执行所述程序时实现所述三维激光点云预处理方法的步骤。
另外，本申请实施例中还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述三维激光点云预处理方法的步骤。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
Claims (17)
1.一种三维激光点云数据预处理方法，其特征在于，该方法包括：
获取采集车采集的三维激光点云和采集车采集所述三维激光点云时的轨迹信息，以及三维激光点云的反射强度信息、高度信息和采集车的轨迹信息中的高度信息；
将所述三维激光点云，以及采集车的轨迹信息投影到预设平面上；
使用采集车的轨迹信息中的高度信息，以及预设关注的高度范围对所述三维激光点云进行滤波；
根据滤波后的三维激光点云的反射强度信息、高度信息，以及各点在预设平面上的投影图生成覆盖整个场景的强度图和高度图；
其中，所述使用采集车的轨迹信息中的高度信息，以及预设关注的高度范围对所述三维激光点云进行滤波，包括：
将所述三维激光点云在预设平面上覆盖的区域以间隔S进行等距划分；形成多个格网单元；
确定三维激光点云中的每个三维激光点对应的格网单元的编号，生成点云格网索引图；
针对每个格网单元，在投影到预设平面上的采集车的轨迹信息中查找与所述格网单元的中心距离最小的点，使用该点的坐标信息计算所述格网单元的基础高度，使用所有格网单元的基础高度生成覆盖整个场景的三维地面高度图；
根据所述三维地面高度图，以及预设关注的高度范围对点云格网索引图进行滤波处理。
2.根据权利要求1所述的方法，其特征在于，所述确定三维激光点云中的每个三维激光点对应的格网单元的编号，包括：
针对横坐标为X，纵坐标为Y的三维激光点对应的格网单元的编号(i,j)通过下述公式确定：
计算X与Xmin的差值，将所述差值与s的比值向下取整后的值作为i；
计算Y与Ymin的差值，将所述差值与s的比值向下取整后的值作为j；
其中，Xmin为三维激光点云中在XY平面上的X轴的最小的三维激光点的横坐标，Ymin为三维激光点云在XY平面上Y轴的最小的三维激光点的纵坐标。
3.根据权利要求1所述的方法，其特征在于，所述针对每个格网单元，在投影到预设平面上的采集车的轨迹信息中查找与所述格网单元的中心距离最小的点，使用该点的坐标信息计算所述格网单元的基础高度，包括：
计算投影到预设平面上的采集车的轨迹信息中的所有点与对应格网单元的中心的距离，获取距离最小的点；
计算该点的坐标信息中的高度坐标的值与采集车的车身高度值的差值，作为所述格网单元的基础高度。
4.根据权利要求2所述的方法，其特征在于，所述根据所述三维地面高度图，以及预设关注的高度范围对点云格网索引图进行滤波处理，包括：针对每个格网单元对应的每个三维激光点，进行如下滤波处理：
当该三维激光点的Z坐标Zk小于h(i,j)-hd时，将Zk更新为h(i,j)-hd；
当该三维激光点的Z坐标Zk大于h(i,j)+hu时，从该格网单元中删除该点云对应的编号；
其中，h(i,j)为当前格网单元的基础地面高度，hd为预设滤波低点阈值，hu为预设滤波高点阈值。
5.根据权利要求1所述的方法，其特征在于，所述根据滤波后的三维激光点云的反射强度信息、高度信息，以及各点在预设平面上的投影图生成覆盖整个场景的强度图和高度图，包括：
根据滤波后的三维激光点云的反射强度，以及各点的高度确定所属网格单元的反射强度和高度，生成覆盖整个场景的强度图和高度图。
6.根据权利要求5所述的方法，其特征在于，确定格网单元高度，以及反射强度，包括：
针对每个格网单元，若对应多个三维激光点云，则选择出一个激光点云作为代表点；若对应一个三维激光点云，则该激光点云作为代表点，若不存在激光点云，该格网单元不存在代表点；
针对每个格网单元，使用代表点的反射强度值，以及高度值确定该格网单元的反射强度值，以及高度值。
7.根据权利要求6所述的方法，其特征在于，所述针对每个格网单元，若对应多个三维激光点云，则选择出一个激光点云作为代表点，包括：
将所述多个三维激光点云按照各自的纵坐标值的大小进行排序，将处于中间位置的Z坐标值对应的单位激光点云作为代表点。
8.根据权利要求6所述的方法，其特征在于，所述使用代表点的反射强度值，以及高度值确定该格网单元的反射强度，以及高度，包括：
格网单元的反射强度vr(i,j)为：
255(I(i,j)-Imin)/(Imax-Imin)；
格网单元的高度值vh(i,j)为：
255(Z(i,j)-h(i,j)+hd)/(hu+hd)；
其中，Z(i,j)为格网单元(i,j)的代表点的高度坐标值，I(i,j)为格网单元(i,j)的代表点的反射强度值；Imin为整个覆盖区域范围内所有三维激光点的预设最小反射强度；Imax为整个覆盖区域范围内所有三维激光点的预设最大反射强度值；h(i,j)为当前格网单元的基础地面高度，hd为预设滤波低点阈值，hu为预设滤波高点阈值。
9.根据权利要求1-8任一项所述的方法，其特征在于，所述方法进一步包括：
利用彩色图像合成原理对所述强度图和高度图进行通道组合，生成伪彩色正视图像。
10.根据权利要求9所述的方法，其特征在于，所述利用彩色图像合成原理对所述强度图和高度图进行通道组合，生成伪彩色正视图像，包括：
将高度图赋予红色通道；
将强度图复制两份，分别赋予绿色通道和蓝色通道；
将红、绿、蓝三个通道进行合成，生成红青伪彩色正视图像。
11.根据权利要求1-8任一项所述的方法，其特征在于，
所述三维激光点云的三维坐标为X、Y、Z；所述预设平面为坐标Z的值为0的平面。
12.一种三维激光点云数据预处理装置，其特征在于，该装置包括：获取单元、投影单元、滤波单元和生成单元；
所述获取单元，用于获取采集车采集的三维激光点云和采集车采集所述三维激光点云时的轨迹信息，以及三维激光点云的反射强度信息、高度信息和采集车的轨迹信息中的高度信息；
所述投影单元，用于将所述获取单元获取的三维激光点云，以及采集车的轨迹信息投影到预设平面上；
所述滤波单元，用于使用所述获取单元获取的采集车的轨迹信息中的高度信息，以及预设关注的高度范围对所述三维激光点云进行滤波；
所述生成单元，用于根据所述滤波单元滤波后的三维激光点云的反射强度信息、高度信息，以及所述投影单元中各点在预设平面上的投影图生成覆盖整个场景的强度图和高度图；
其中，
所述滤波单元，具体用于使用采集车的轨迹信息中的高度信息，以及预设关注的高度范围对所述三维激光点云进行滤波时，将所述三维激光点云在预设平面上覆盖的区域以间隔S进行等距划分；形成多个格网单元；确定三维激光点云中的每个三维激光点对应的格网单元的编号，生成点云格网索引图；针对每个格网单元，在投影到预设平面上的采集车的轨迹信息中查找与所述格网单元的中心距离最小的点，使用该点的坐标信息计算所述格网单元的基础高度，使用所有格网单元的基础高度生成覆盖整个场景的三维地面高度图；根据所述三维地面高度图，以及预设关注的高度范围对点云格网索引图进行滤波处理。
13.根据权利要求12所述的装置，其特征在于，
所述滤波单元，具体用于计算投影到预设平面上的采集车的轨迹信息中的所有点与对应格网单元的中心的距离，获取距离最小的点；计算该点的坐标信息中的高度坐标的值与采集车的车身高度值的差值，作为所述格网单元的基础高度。
14.根据权利要求12所述的装置，其特征在于，
所述滤波单元，具体用于根据所述三维地面高度图，以及预设关注的高度范围对点云格网索引图进行滤波处理时：针对每个格网单元对应的每个三维激光点，进行如下滤波处理：当该三维激光点的Z坐标Zk小于h(i,j)-hd时，将Zk更新为h(i,j)-hd；当该三维激光点的Z坐标Zk大于h(i,j)+hu时，从该格网单元中删除该点云对应的编号；其中，h(i,j)为当前格网单元的基础地面高度，hd为预设滤波低点阈值，hu为预设滤波高点阈值。
15.根据权利要求12-14任一项所述的装置，其特征在于，
所述生成单元，具体用于根据滤波后的三维激光点云的反射强度，以及各点的高度确定所属网格单元的反射强度和高度，生成覆盖整个场景的强度图和高度图。
16.一种电子设备，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1-11任一项所述的方法。
17.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-11任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910375381.4A CN111915662B (zh) | 2019-05-07 | 2019-05-07 | 一种三维激光点云数据预处理方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910375381.4A CN111915662B (zh) | 2019-05-07 | 2019-05-07 | 一种三维激光点云数据预处理方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111915662A CN111915662A (zh) | 2020-11-10 |
| CN111915662B true CN111915662B (zh) | 2024-01-12 |
Family
ID=73241717
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910375381.4A Active CN111915662B (zh) | 2019-05-07 | 2019-05-07 | 一种三维激光点云数据预处理方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111915662B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112240772B (zh) * | 2020-12-16 | 2021-09-28 | 北京赛目科技有限公司 | 一种车道线生成方法及装置 |
| CN112884026B (zh) * | 2021-02-02 | 2023-05-12 | 贵州电网有限责任公司 | 一种图像识别辅助的输电线路激光LiDAR点云分类方法 |
| CN114862895A (zh) * | 2021-02-03 | 2022-08-05 | 华为技术有限公司 | 一种道路线确定的方法，相关装置以及设备 |
| CN113155027B (zh) * | 2021-04-27 | 2023-05-26 | 中铁工程装备集团有限公司 | 一种隧道岩壁特征物识别方法 |
| CN113252053B (zh) * | 2021-06-16 | 2021-09-28 | 中智行科技有限公司 | 高精度地图生成方法、装置和电子设备 |
| CN113836095A (zh) * | 2021-09-26 | 2021-12-24 | 广州极飞科技股份有限公司 | 一种点云数据存储方法、装置、存储介质及电子设备 |
| CN114596196A (zh) * | 2022-03-04 | 2022-06-07 | 北京百度网讯科技有限公司 | 点云数据的滤波方法和装置、设备以及存储介质 |
| CN116452439A (zh) * | 2023-03-29 | 2023-07-18 | 中国工程物理研究院计算机应用研究所 | 一种针对激光雷达点云强度图像的降噪方法及装置 |
| CN117496464B (zh) * | 2023-10-23 | 2024-05-24 | 广东灵锶智能科技有限公司 | 一种足式机器人地面探测方法及装置 |
| CN117237506B (zh) * | 2023-11-15 | 2024-02-02 | 中国科学院长春光学精密机械与物理研究所 | 航拍图像生成模拟激光点云图像的方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103390169A (zh) * | 2013-07-19 | 2013-11-13 | 武汉大学 | 一种车载激光扫描点云数据的城市地物分类方法 |
| WO2017166594A1 (zh) * | 2016-03-31 | 2017-10-05 | 百度在线网络技术（北京）有限公司 | 一种室内地图构建方法、装置和存储介质 |
| CN109410256A (zh) * | 2018-10-29 | 2019-03-01 | 北京建筑大学 | 基于互信息的点云与影像自动高精度配准方法 |
-
2019
- 2019-05-07 CN CN201910375381.4A patent/CN111915662B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103390169A (zh) * | 2013-07-19 | 2013-11-13 | 武汉大学 | 一种车载激光扫描点云数据的城市地物分类方法 |
| WO2017166594A1 (zh) * | 2016-03-31 | 2017-10-05 | 百度在线网络技术（北京）有限公司 | 一种室内地图构建方法、装置和存储介质 |
| CN109410256A (zh) * | 2018-10-29 | 2019-03-01 | 北京建筑大学 | 基于互信息的点云与影像自动高精度配准方法 |
Non-Patent Citations (2)
| Title |
|---|
| Processing of LiDAR and Multibeam Sonar Point Cloud Data for 3D Surface and Object Shape Reconstruction;Marek Kulawiak等;《 IEEE Xplore》;全文 * |
| 车载三维激光扫描系统在铁路沿线景观建模中的应用;吴俣;叶泽田;杨长强;蔡广杰;杨勇;;工程勘察(11);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111915662A (zh) | 2020-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111915662B (zh) | 一种三维激光点云数据预处理方法和装置 | |
| CN109816703B (zh) | 一种基于相机标定和icp算法的点云配准方法 | |
| CN104330074B (zh) | 一种智能测绘平台及其实现方法 | |
| US8208029B2 (en) | Method and system for calibrating camera with rectification homography of imaged parallelogram | |
| CN114708585A (zh) | 一种基于注意力机制的毫米波雷达与视觉融合的三维目标检测方法 | |
| KR101347260B1 (ko) | 촬영이미지별 수치데이터 합성을 처리하는 영상도화이미지 제작시스템 | |
| CN106802138A (zh) | 一种三维扫描系统及其扫描方法 | |
| CN101996416B (zh) | 3d人脸捕获方法和设备 | |
| CN108334802A (zh) | 道路特征物的定位方法及装置 | |
| CN107369204B (zh) | 一种从单幅照片恢复出场景基本三维结构的方法 | |
| CN114998536A (zh) | 基于新型基础测绘的模型生成方法、装置及存储介质 | |
| Kersten et al. | Potential of automatic 3D object reconstruction from multiple images for applications in architecture, cultural heritage and archaeology | |
| CN113192206B (zh) | 基于目标检测和背景去除的三维模型实时重建方法及装置 | |
| CN106705849A (zh) | 线结构光传感器标定方法 | |
| CN205451195U (zh) | 一种基于多摄像机的实时三维点云重建系统 | |
| EP4131145A1 (en) | Model generation method and apparatus, image perspective determining method and apparatus, device, and medium | |
| KR101602472B1 (ko) | 2차원 이미지 변환을 통한 3차원 프린팅 파일 생성 장치 및 방법 | |
| CN106097433A (zh) | 物体工业与影像模型的叠加方法及系统 | |
| CN115937461B (zh) | 多源融合模型构建及纹理生成方法、装置、介质及设备 | |
| TWI716874B (zh) | 影像處理裝置、影像處理方法、及影像處理程式 | |
| KR101021013B1 (ko) | 경계강화필터링과 표고정보를 이용하여 3차원 지리정보를 생성하는 시스템 | |
| JP2005332177A (ja) | ３次元情報処理装置、３次元情報処理方法、及び３次元情報処理プログラム | |
| JPH11248431A (ja) | ３次元モデル生成装置および３次元モデル生成プログラムを記録したコンピュータ読取可能な記録媒体 | |
| JP2003271928A (ja) | 三次元モデリング装置及びその方法及びそのプログラム | |
| Bui et al. | Integrating videos with LIDAR scans for virtual reality |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210223 Address after: 100080 Beijing Haidian District, Suzhou Street, No. 20 Courtyard, No. 2 Building, 1st Floor Applicant after: Beijing Jingbangda Trading Co.,Ltd. Address before: 8 / F, 76 Zhichun Road, Haidian District, Beijing 100083 Applicant before: BEIJING JINGDONG SHANGKE INFORMATION TECHNOLOGY Co.,Ltd. Applicant before: BEIJING JINGDONG CENTURY TRADING Co.,Ltd. Effective date of registration: 20210223 Address after: Room a1905, 19 / F, building 2, No. 18, Kechuang 11th Street, Daxing District, Beijing, 100176 Applicant after: Beijing Jingdong Qianshi Technology Co.,Ltd. Address before: 100080 Beijing Haidian District, Suzhou Street, No. 20 Courtyard, No. 2 Building, 1st Floor Applicant before: Beijing Jingbangda Trading Co.,Ltd. |
|
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |