CN112198523A

CN112198523A - 用于点云分割的方法和装置

Info

Publication number: CN112198523A
Application number: CN201910540287.XA
Authority: CN
Inventors: M·多梅林; 李千山; 田文鑫
Original assignee: Bayerische Motoren Werke AG
Current assignee: Bayerische Motoren Werke AG
Priority date: 2019-06-21
Filing date: 2019-06-21
Publication date: 2021-01-08

Abstract

本发明提供了用于点云分割的方法和装置。该方法可包括并且该装置可用于：从传感器接收第一帧点云，第一帧点云中的每个点具有相关联的权重；将第一帧点云映射到包括多个单元的网格中；对第一帧点云中映射到网格的每个单元中的各个点进行加权平均，以获得该单元的第一经加权点；以及使用网格的每个单元中的第一经加权点来进行点云分割。通过采用本发明公开的方法和装置，能够显著提高点云数据的处理效率并且节省处理资源。

Description

用于点云分割的方法和装置

技术领域

本发明涉及点云数据的处理，更具体地，涉及用于点云分割的方法和装置。

背景技术

长期以来，自动驾驶一直是旨在提高汽车运输安全性和效率的研究工作的主题。近年来，越来越复杂的传感器使自动驾驶系统更接近现实。例如，3D扫描仪(例如激光雷达，立体相机，飞行时间相机等)现在广泛用于自动驾驶系统。这种3D扫描仪测量物体表面上的大量点，并且经常输出点云作为数据文件。点云表示3D扫描仪测量的点集。如本领域中已知的，点云可以用于许多目的，包括创建3D地图，对象识别和对象跟踪等。为了识别和跟踪感兴趣的对象，需要对所获得的点云进行分割。一般而言，点云数据的分割是将杂乱无章的点云数据分割成若干个互不相交的子集的过程。经过分割后，具有相似属性的点归为一类，从而可以得到一系列感兴趣的对象，例如车辆、街道、树木等。

通常，诸如激光雷达之类的3D扫描仪以每秒数十至数百帧的速率对周围物体进行扫描。当自动驾驶车辆在道路上行驶时，由安装在车辆上的激光雷达获得连续的点云帧以实时地获悉车辆的周围环境。传统上，直接针对每一帧点云进行分割。然而，由于每一帧点云可能包含成千上万个点，这种办法需要消耗大量的处理资源。

因此，存在对于改进的用于点云分割的方法和装置的需要。

发明内容

提供本发明内容以便以简化形式介绍将在以下具体实施方式中进一步的描述一些概念。本发明内容并非旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用于帮助确定所要求保护的主题的范围。

根据本发明的一个实施例，提供了一种用于点云分割的方法，该方法可包括：从传感器接收第一帧点云，该第一帧点云中的每个点具有相关联的权重；将该第一帧点云映射到包括多个单元的网格中；对该第一帧点云中映射到该网格的每个单元中的各个点进行加权平均，以获得该单元的第一经加权点；以及使用该网格的每个单元中的第一经加权点来进行点云分割。

根据本发明的一个实施例，提供了一种用于点云分割的装置，该装置可包括接收单元，其配置成从传感器接收第一帧点云，该第一帧点云中的每个点具有相关联的权重；映射单元，其配置成将该第一帧点云映射到包括多个单元的网格中；计算单元，其配置成对该第一帧点云中映射到该网格的每个单元中的各个点进行加权平均，以获得该单元的第一经加权点；以及点云分割单元，其配置成使用该网格的每个单元中的第一经加权点来进行点云分割。

根据本发明的一个实施例，提供了一种用于点云分割的装置，该装置可包括存储器，该存储器存储计算机程序；以及处理器，该处理器耦合至该存储器，该计算机程序在由该处理器执行时实现以下步骤：从传感器接收第一帧点云，该第一帧点云中的每个点具有相关联的权重；将该第一帧点云映射到包括多个单元的网格中；对该第一帧点云中映射到该网格的每个单元中的各个点进行加权平均，以获得该单元的第一经加权点；以及使用该网格的每个单元中的第一经加权点来进行点云分割。

根据本发明的一个实施例，提供了一种车辆，该车辆包括：传感器；以及根据本发明的用于点云分割的装置。

根据本发明的一个实施例，提供了一种非瞬态计算机可读介质，该非瞬态计算机可读介质存储计算机程序，该计算机程序在由处理器执行时执行根据本发明的用于点云分割的方法。

通过采用本发明公开的方法和装置，能够显著提高点云数据的处理效率并且节省处理资源。

通过阅读下面的详细描述并参考相关联的附图，这些及其他特点和优点将变得显而易见。应该理解，前面的概括说明和下面的详细描述只是说明性的，不会对所要求保护的各方面形成限制。

附图说明

为了能详细地理解本发明的上述特征所用的方式，可以参照各实施例来对以上简要概述的内容进行更具体的描述，其中一些方面在附图中示出。然而应该注意，附图仅示出了本发明的某些典型方面，故不应被认为限定其范围，因为该描述可以允许有其它等同有效的方面。

图1示出了示例性道路环境的示意图。

图2示出了由激光雷达获得的示例性道路环境的点云的示意图。

图3示出了根据本发明的一个实施例的示例性三维网格的示意图。

图4示出了根据本发明的一个实施例的采用网格来处理第一帧点云的示意图。

图5示出了根据本发明的一个实施例的采用网格来处理第二帧点云的示意图。

图6示出了根据本发明的一个实施例的用于点云分割的方法的流程图。

图7示出了根据本发明的一个实施例的用于点云分割的装置的框图。

图8示出了根据本发明的一个实施例的示例性计算设备的框图。

具体实施方式

下面结合附图详细描述本发明，本发明的特点将在以下的具体描述中得到进一步的显现。

本发明主要基于以下构思：首先用包括多个单元的网格来对空间进行划分(例如，用二维网格来对二维空间进行划分，或者用三维网格来对三维空间进行划分)，然后将获得的点云映射到该网格的各个单元中，随后对映射到该网格的每个单元中的各个点进行加权平均以得到该单元的经加权点(亦可称为该单元的重心)，由此仅用该经加权点来表示映射到该单元中的各个点。

图1示出了示例性道路环境100的示意图。该道路环境100包括车道线、车道边缘、护栏、道路指示牌、限速指示牌、路灯、树木等。车辆(例如，自动驾驶车辆)可在这样的道路环境中行驶。

图2示出了由激光雷达获得的示例性道路环境的点云200的示意图。激光雷达是一种用激光器作为发射光源，采用光电探测技术手段的主动遥感设备。激光雷达以激光作为信号源，由激光器发射出的脉冲激光打到地面的树木、道路、桥梁和建筑物等上，引起散射，一部分光波会反射到激光雷达的接收器上。根据激光测距原理计算，就得到从激光雷达到目标点的距离，脉冲激光不断地扫描目标物体，就可以得到目标物体上全部目标点的数据。此类数据在本领域中被称为点云。点云中的每一个点可包括三维坐标(x，y，z)、颜色信息、和/或反射强度信息(例如，反射率)等。由激光雷达获得的点云200可被存储以供进一步处理。

图3示出了根据本发明的一个实施例的示例性三维网格300的示意图。网格300的大小可以对应于一帧点云数据所覆盖的空间大小(例如，200米)或者更大。网格300可具有多个单元。在图3中所示的实施例中，网格300可具有多个相同大小的单元(例如，单元301、单元302)，每个单元可具有正方体的形状。每个正方体的边长可以根据实际需要来选择(例如，2-10cm)。在另一未示出的实施例中，网格300可具有多个大小不同的单元，每个单元也可具有不同的几何形状(例如，长方体、正方体等)。应当注意，图3中所示的示例性网格300仅是为了便于解说的目的而示出的，本发明不限于图3中所示的示例性网格300，而是可包括任何适用于对空间进行划分的网格，并且网格可具有任何数目、任何大小、和/或任何形状的单元。

图4示出了根据本发明的一个实施例的采用网格来处理第一帧点云的示意图。为了便于解说，在图4中，用二维网格400来解说本发明的原理，其可以容易地推广到三维网格。网格400可包括多个单元(例如，单元401)，每个单元可具有正方形的形状。

在时间t₁，可从激光雷达接收第一帧点云，其中该第一帧点云中的每个点可具有坐标、颜色信息和/或反射率。该坐标与以激光雷达为参照点的相对坐标系相关联。当激光雷达随着车辆的移动而移动时，下一帧点云所采用的坐标系往往不同于前一帧点云所采用的坐标系。在一个实施例中，可基于每个点的颜色信息和/或反射率来将对应的权重分配给该点。例如，如果对红色感兴趣，则可以将较高的权重分配给具有红色的点。此外，可以将较高的权重分配给反射率较高的点。

第一帧点云可被映射到网格400中。该映射可包括将第一帧点云中的各个点填入到网格400的各个单元中。在一个实施例中，网格400所采用的坐标系可以与第一帧点云所采用的坐标系相同，由此无需进行坐标转换。在另一个实施例中，网格400可以使用以固定点为原点的绝对坐标系，由此需要将第一帧点云中的各个点的坐标转换到该绝对坐标系下。在图4中，假定有五个点P₁₁(x₁₁,y₁₁)、P₁₂(x₁₂,y₁₂)、P₁₃(x₁₃,y₁₃)、P₁₄(x₁₄,y₁₄)和P₁₅(x₁₅,y₁₅)落入到单元401中，它们各自具有权重W₁₁、W₁₂、W₁₃、W₁₄和W₁₅。权重W₁₁、W₁₂、W₁₃、W₁₄和W₁₅中的每一者可以具有范围在0-1之间的数值，或者任何其他合适的数值。对这五个点进行加权平均：

由此得到单元401的第一经加权点P_1w(x_1w,y_1w)并且该第一经加权点P_1w(x_1w,y_1w)的权重W_1w＝W₁₁+W₁₂+W₁₃+W₁₄+W₁₅。以相同的方式，对网格400中的其他各个单元进行类似的操作，从而每个单元得到一个第一经加权点。

在获得每个单元的第一经加权点之后，可以使用这些第一经加权点来进行点云分割。点云分割可使用常规的点云分割算法来执行，包括K-均值(K-means)算法、K-最近邻居算法、GMM算法、区域增长算法、和/或其他公知的算法。在一个实施例中，点云分割是基于区域增长算法来执行的，并且该区域增长算法的增长准则是基于每个第一经加权点的属性来定义的。这些属性包括以下至少一者：两个相邻的第一经加权点的距离、两个相邻的第一经加权点的法线方向的相似性、或者第一经加权点的反射率的相似性。在本发明中，通过用第一经加权点来表示落入网格的每个单元中的第一帧点云中的各个点，极大地减少了在执行点云分割时需要处理的点的数目。

图5示出了根据本发明的一个实施例的采用网格来处理第二帧点云的示意图。第二帧点云可以在第一帧点云之后在时间t₂获得，并且第二帧点云和第一帧点云可以是连续的两帧点云。网格500可对应于网格400，并且可包括多个单元(例如，单元501)，每个单元可具有正方形的形状。此外，网格500中的每个单元还包括了在处理第一帧点云之后得到的第一经加权点P_1w(x_1w,y_1w)。该第二帧点云中的每个点可具有坐标、颜色信息和/或反射率，并且可基于该颜色信息和/或反射率来将对应的权重分配给该点。

第二帧点云可被映射到网格500中。该映射可包括将第二帧点云中的各个点填入到网格500的已经包括第一经加权点的各个单元中。如上所述，由于激光雷达的移动而使得第二帧点云所采用的坐标系可能不同于网格所采用的坐标系，因而需要进行坐标转换。在一个实施例中，可以将第二帧点云中的各个点的坐标转换到网格500所采用的坐标系下。例如，如果网格500采用绝对坐标系，则可以将第二帧点云中的各个点的坐标转换到该绝对坐标系下。替换地，如果网格500采用与第一帧点云相同的坐标系，则可以将第二帧点云中的各个点的坐标转换到第一帧点云所采用的坐标系下(例如，这可以根据激光雷达在采集第一帧点云与采集第二帧点云之间发生的移动来执行)。在另一个实施例中，可以将网格500的坐标转换到第二帧点云所采用的坐标系下。在图5中，假定也有五个点P₂₁(x₂₁,y₂₁)、P₂₂(x₂₂,y₂₂)、P₁₃(x₂₃,y₂₃)、P₁₄(x₂₄,y₂₄)和P₂₅(x₂₅,y₂₅)落入到单元501中，它们各自具有权重W₂₁、W₂₂、W₂₃、W₂₄和W₂₅。权重W₂₁、W₂₂、W₂₃、W₂₄和W₂₅中的每一者可以具有范围在0-1之间的数值，或者任何其他合适的数值。对这五个点以及位于单元501中的第一经加权点P_1w(x_1w,y_1w)进行加权平均：

由此得到单元501的第二经加权点P_2w(x_2w,y_2w)并且该第二经加权点P_2w(x_2w,y_2w)的权重W_2w＝W_1w+W₂₁+W₂₂+W₂₃+W₂₄+W₂₅。以相同的方式，对网格500中的其他各个单元进行类似的操作，从而每个单元得到一个第二经加权点。

应当注意，由于相邻两帧点云是在相对较短的时间间隔内获得的，因而其可能包含大量的重叠信息。直接针对每一帧点云进行分割可能会丢失各帧点云之间潜在的关联信息。为了解决这个问题，在获得每个单元的第二经加权点之后，可以使用这些第二经加权点来进行点云分割。如上所述，点云分割可使用常规的点云分割算法来执行，包括K-均值(K-means)算法、K-最近邻居算法、GMM算法、区域增长算法、和/或其他公知的算法。由于每个单元中的第二经加权点既包含了第一帧点云中落入该单元的点的信息、又包含了第二帧点云中落入该单元的点的信息，因而采用第二经加权点来进行点云分割可以充分利用第一帧点云与第二帧点云之间的关联性，从而更准确地提取点云数据所表示的物体结构。

类似地，在时间t₃，可从激光雷达接收第三帧点云，并且以相同的方式执行上述过程，从而得到每个单元的第三经加权点并且用该第三经加权点进行点云分割。依此类推，在接收到每一帧点云之后，将其映射到网格的各个单元中，对落入每个单元中的点以及前一帧处理后所得到的经加权点进行加权平均，从而得到新的经加权点并且用该新的经加权点来执行点云分割。以这种方式来执行点云融合和点云分割，可以显著地节省处理资源并且充分利用各帧点云之间的关联性。

图6示出了根据本发明的一个实施例的用于点云融合的方法的流程图。例如，方法600可以在至少一个处理器(例如，图8的处理器804)内实现，该处理器可以位于车载计算机系统、远程服务器、或其组合中。当然，在本发明的各个方面，方法600还可以由能够执行相关操作的任何合适的装置来实现。

方法600开始于步骤610。在步骤610，方法600可包括从传感器接收第一帧点云，该第一帧点云中的每个点具有相关联的权重。此处，传感器可包括能够以特定帧率对物体进行扫描以得到点云数据的任何传感器(例如，激光雷达、立体相机、或者飞行时间相机)。点云中的每一个点可包括三维坐标(x，y，z)、颜色信息、和/或反射强度信息(例如，反射率)等。在一个实施例中，可基于每个点的颜色信息和/或反射率来将对应的权重分配给该点。例如，如果对红色感兴趣，则可以将较高的权重分配给具有红色的点。此外，可以将较高的权重分配给反射率较高的点。

在步骤620，方法600可包括将第一帧点云映射到包括多个单元的网格中。网格的大小可以对应于一帧点云数据所覆盖的空间大小(例如，200米)。在一个实施例中，网格中的每个单元可具有相同的大小和相同的形状(例如，边长为2-10cm的正方体)。在另一个实施例中，网格中的每个单元可具有不同的大小和不同的形状。映射可包括将第一帧点云中的各个点填入到网格的各个单元中。在一个实施例中，网格所采用的坐标系可以与第一帧点云所采用的坐标系相同，由此在将第一帧点云中的点填入到网格的各个单元中时无需进行坐标转换。在另一个实施例中，网格可以使用以固定点为原点的绝对坐标系，由此需要首先将第一帧点云中的各个点的坐标转换到该绝对坐标系下，然后再将各个点填入到网格的各个单元中。

在步骤630，方法600可包括对该第一帧点云中映射到该网格的每个单元中的各个点进行加权平均，以获得该单元的第一经加权点。在图4的描述中示出了对每个单元中的各个点进行加权平均以获得该单元的第一经加权点的示例。

在步骤640，方法600可包括使用该网格的每个单元中的第一经加权点来执行点云分割。可采用本领域中公知的各种分割算法。这些分割算法可包括K-均值(K-means)算法、K-最近邻居算法、GMM算法、区域增长算法、和/或其他公知的算法。在一个实施例中，点云分割是基于区域增长算法来执行的，并且该区域增长算法的增长准则是基于每个第一经加权点的属性来定义的。这些属性包括以下至少一者：两个相邻的第一经加权点的距离、两个相邻的第一经加权点的法线方向的相似性、或者第一经加权点的反射率的相似性。

在可任选的步骤中，方法600可进一步包括从传感器接收第二帧点云，第二帧点云中的每个点具有相关联的权重；以及将第二帧点云映射到包括第一经加权点的网格中。在一个实施例中，该映射可包括转换第二帧点云的坐标以与网格所使用的坐标系相关联或者转换网格的坐标以与第二帧点云所使用的坐标系相关联，以及将第二帧点云中的各个点填入到网格的各个单元中。此外，方法600可进一步包括对第二帧点云中映射到网格的每个单元中的各个点和位于该单元中的第一经加权点进行加权平均，以获得该单元的第二经加权点。在图5的描述中示出了对每个单元中的属于第二帧点云的各个点和位于该单元中的第一经加权点进行加权平均以获得该单元的第二经加权点的示例。另外，方法600可进一步包括使用网格的每个单元中的第二经加权点来进行点云分割。在本发明中，通过用第二经加权点来表示落入网格的每个单元中的第一帧点云和第二帧点云中的各个点，极大地减少了在执行点云分割时需要处理的点的数目。此外，第二经加权点包含了第一帧点云与第二帧点云之间的关联性，从而能够提高点云分割的准确性。

图7示出了根据本发明的一个实施例的用于点云融合的装置的框图。装置700的所有功能块(包括在装置700中的各个单元)可通过硬件、软件、硬件和软件的组合来实现。本领域技术人员应当理解，图7中描述的功能块可被组合成单个功能块或者划分成多个子功能块。

装置700可包括接收单元710，其配置成从传感器接收第一帧点云，该第一帧点云中的每个点具有相关联的权重。装置700还可包括映射单元720，其配置成将该第一帧点云映射到包括多个单元的网格中。装置700可进一步包括计算单元730，其配置成对该第一帧点云中映射到该网格的每个单元中的各个点进行加权平均，以获得该单元的第一经加权点。此外，装置700还可包括点云分割单元740，其配置成使用该网格的每个单元中的第一经加权点来进行点云分割。此外，接收单元710可被进一步配置成从传感器接收第二帧点云，第二帧点云中的每个点具有相关联的权重。映射单元720可被进一步配置成将第二帧点云映射到包括第一经加权点的该网格中。计算单元730可被进一步配置成对第二帧点云中映射到该网格的每个单元中的各个点和位于该单元中的第一经加权点进行加权平均，以获得该单元的第二经加权点。点云分割单元740可被进一步配置成使用该网格的每个单元中的第二经加权点来进行点云分割。

图8示出了根据本发明的一个实施例的示例性计算设备的框图，该计算设备是可应用于本发明的各方面的硬件设备的一个示例。

参考图8，现在将描述一种计算设备800，该计算设备是可应用于本发明的各方面的硬件设备的一个示例。计算设备800可以是可被配置成用于实现处理和/或计算的任何机器，可以是但并不局限于工作站、服务器、桌面型计算机、膝上型计算机、平板计算机、个人数字处理、智能手机、车载计算机或者它们的任何组合。前述的各种方法/装置/服务器/客户端设备可全部或者至少部分地由计算设备800或者类似设备或系统来实现。

计算设备800可包括可经由一个或多个接口和总线802连接或通信的组件。例如，计算设备800可包括总线802、一个或多个处理器804、一个或多个输入设备806以及一个或多个输出设备808。该一个或多个处理器804可以是任何类型的处理器并且可包括但不限于一个或多个通用处理器和/或一个或多个专用处理器(例如，专门的处理芯片)。输入设备806可以是任何类型的能够向计算设备输入信息的设备并且可以包括但不限于鼠标、键盘、触摸屏、麦克风和/或远程控制器。输出设备808可以是任何类型的能够呈现信息的设备并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。计算设备800也可以包括非瞬态存储设备810或者与所述非瞬态存储设备相连接，所述非瞬态存储设备可以是非瞬态的并且能够实现数据存储的任何存储设备，并且所述非瞬态存储设备可以包括但不限于磁盘驱动器、光存储设备、固态存储器、软盘、软磁盘、硬盘、磁带或任何其它磁介质、光盘或任何其它光介质、ROM(只读存储器)、RAM(随机存取存储器)、高速缓冲存储器和/或任何存储芯片或盒式磁带、和/或计算机可从其读取数据、指令和/或代码的任何其它介质。非瞬态存储设备810可从接口分离。非瞬态存储设备810可具有用于实施上述方法和步骤的数据/指令/代码。计算设备800也可包括通信设备812。通信设备812可以是任何类型的能够实现与内部装置通信和/或与网络通信的设备或系统并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信设备和/或芯片组，例如蓝牙设备、IEEE 1302.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似设备。

当计算设备800被用作车载设备时，它也可以与外部设备(例如，GPS接收机、用于感测不同环境数据的传感器(诸如加速度传感器、车轮速度传感器、陀螺仪等))连接。以这种方式，计算设备800例如可接收定位数据和表明车辆形式状况的传感器数据。当计算设备800被用作车载设备时，它也可以与用于控制车辆的行驶和操作的其它设备(例如，发动机系统、雨刮器、防抱死制动系统等)连接。

此外，非瞬态存储设备810可以具有地图信息和软件组件，从而处理器804可实现路线引导处理。此外，输出设备806可以包括用于显示地图、显示车辆的定位标记以及显示表明车辆行驶状况的图像的显示器。输出设备806也可以包括扬声器或耳机接口以用于音频引导。

总线802可以包括但不限于工业标准结构(ISA)总线、微通道结构(MCA)总线、增强型ISA(EISA)总线、视频电子标准协会(VESA)局部总线和外部设备互连(PCI)总线。特别地，对于车载设备，总线802也可包括控制器局域网(CAN)总线或者为汽车上的应用所设计的其它结构。

计算设备800还可包括工作存储器814，该工作存储器814可以是任何类型的能够存储有利于处理器804的工作的指令和/或数据的工作存储器并且可以包括但不限于随机存取存储器和/或只读存储设备。

软件组件可位于工作存储器814中，这些软件组件包括但不限于操作系统816、一个或多个应用程序818、驱动程序和/或其它数据和代码。用于实现上述方法和步骤的指令可包含在所述一个或多个应用程序818中，并且前述各种装置/服务器/客户端设备的模块/单元/组件可通过处理器804读取和执行所述一个或多个应用程序818的指令来实现。

也应该认识到可根据具体需求而做出变化。例如，也可使用定制硬件、和/或特定组件可在硬件、软件、固件、中间件、微代码、硬件描述语音或其任何组合中实现。此外，可采用与其它计算设备、例如网络输入/输出设备等的连接。例如，可通过具有汇编语言或硬件编程语言(例如，VERILOG、VHDL、C++)的编程硬件(例如，包括现场可编程门阵列(FPGA)和/或可编程逻辑阵列(PLA)的可编程逻辑电路)利用根据本发明的逻辑和算法来实现所公开的方法和设备的部分或全部。

尽管目前为止已经参考附图描述了本发明的各方面，但是上述方法、系统和设备仅是示例，并且本发明的范围不限于这些方面，而是仅由所附权利要求及其等同物来限定。各种组件可被省略或者也可被等同组件替代。另外，也可以在与本发明中描述的顺序不同的顺序实现所述步骤。此外，可以按各种方式组合各种组件。也重要的是，随着技术的发展，所描述的组件中的许多组件可被之后出现的等同组件所替代。

Claims

1.一种用于点云分割的方法，所述方法包括：

从传感器接收第一帧点云，所述第一帧点云中的每个点具有相关联的权重；

将所述第一帧点云映射到包括多个单元的网格中；

对所述第一帧点云中映射到所述网格的每个单元中的各个点进行加权平均，以获得该单元的第一经加权点；以及

使用所述网格的每个单元中的第一经加权点来进行点云分割。

2.如权利要求1所述的方法，其特征在于，所述传感器包括以下至少一者：激光雷达、立体相机、或者飞行时间相机。

3.如权利要求1所述的方法，其特征在于，所述网格中的每个单元具有正方体的形状且大小相同，所述正方体的边长为2-10cm。

4.如权利要求1所述的方法，其特征在于，所述网格中的每个单元具有不同的大小。

5.如权利要求1所述的方法，其特征在于，所述权重基于每个点的反射率和/或颜色。

6.如权利要求1所述的方法，其特征在于，所述点云分割是基于区域增长算法来执行的，并且其中所述区域增长算法的增长准则是基于每个第一经加权点的属性来定义的。

7.如权利要求5所述的方法，其特征在于，所述属性包括以下至少一者：两个相邻的第一经加权点的距离、两个相邻的第一经加权点的法线方向的相似性、或者第一经加权点的反射率的相似性。

8.如权利要求1所述的方法，其特征在于，进一步包括：

从所述传感器接收第二帧点云，所述第二帧点云中的每个点具有相关联的权重；

将所述第二帧点云映射到包括所述第一经加权点的所述网格中；

对所述第二帧点云中映射到所述网格的每个单元中的各个点和位于该单元中的第一经加权点进行加权平均，以获得该单元的第二经加权点；以及

使用所述网格的每个单元中的第二经加权点来进行点云分割。

9.如权利要求8所述的方法，其特征在于，将所述第二帧点云映射到包括所述第一经加权点的所述网格中包括：转换所述第二帧点云的坐标以与所述网格所使用的坐标系相关联。

10.一种用于点云分割的装置，所述装置包括：

接收单元，其配置成从传感器接收第一帧点云，所述第一帧点云中的每个点具有相关联的权重；

映射单元，其配置成将所述第一帧点云映射到包括多个单元的网格中；

计算单元，其配置成对所述第一帧点云中映射到所述网格的每个单元中的各个点进行加权平均，以获得该单元的第一经加权点；以及

点云分割单元，其配置成使用所述网格的每个单元中的第一经加权点来进行点云分割。

11.如权利要求10所述的装置，其特征在于，

所述接收单元被进一步配置成从所述传感器接收第二帧点云，所述第二帧点云中的每个点具有相关联的权重；

所述映射单元被进一步配置成将所述第二帧点云映射到包括所述第一经加权点的所述网格中；

所述计算单元被进一步配置成对所述第二帧点云中映射到所述网格的每个单元中的各个点和位于该单元中的第一经加权点进行加权平均，以获得该单元的第二经加权点；

所述点云分割单元被进一步配置成使用所述网格的每个单元中的第二经加权点来进行点云分割。

12.一种用于点云分割的装置，所述装置包括：

存储器，所述存储器存储计算机程序；以及

处理器，所述处理器耦合至所述存储器，所述计算机程序在由所述处理器执行时实现以下步骤：

将所述第一帧点云映射到包括多个单元的网格中；

13.如权利要求12所述的装置，其特征在于，所述计算机程序在由所述处理器执行时进一步实现以下步骤：

14.一种车辆，其包括：

传感器；

如权利要求10或11所述的用于点云分割的装置。

15.一种非瞬态计算机可读介质，所述非瞬态计算机可读介质存储计算机程序，所述计算机程序在由处理器执行时执行权利要求1-9中任一项所述的方法。