CN112200849A - 基于深度图的3d点云分割方法、分割装置 - Google Patents

基于深度图的3d点云分割方法、分割装置 Download PDF

Info

Publication number
CN112200849A
CN112200849A CN202011056410.XA CN202011056410A CN112200849A CN 112200849 A CN112200849 A CN 112200849A CN 202011056410 A CN202011056410 A CN 202011056410A CN 112200849 A CN112200849 A CN 112200849A
Authority
CN
China
Prior art keywords
point
point cloud
cloud data
depth map
included angle
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
Application number
CN202011056410.XA
Other languages
English (en)
Inventor
陈海波
陈安东
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.)
Shenlan Artificial Intelligence Shenzhen Co Ltd
Original Assignee
Shenlan Artificial Intelligence Shenzhen 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 Shenlan Artificial Intelligence Shenzhen Co Ltd filed Critical Shenlan Artificial Intelligence Shenzhen Co Ltd
Priority to CN202011056410.XA priority Critical patent/CN112200849A/zh
Publication of CN112200849A publication Critical patent/CN112200849A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06T2207/10028—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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Optics & Photonics (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种基于深度图的3D点云分割方法、分割装置，所述方法包括：获取激光雷达采集的3D点云数据；将3D点云数据转换成深度图；获取深度图中每列的每个3D点云数据点与其相邻点的连线与激光雷达的xy平面的第一夹角，并在第一夹角小于第一预设角度值时，将该点作为路面点去除，并在第一夹角小于第一预设角度值时，将该点作为路面点去除；获取深度图中每列的每个3D点云数据点和其相邻点的连线与3D点云数据点和原点的连线的第二夹角，并根据第二夹角进行点云分割。本发明在深度图的基础上进行路面去除后再进行点云分割，使分割的实时性和效率大大提高，且对于不平路面的分割效果也较好，分割的可靠性大大提高。

Description

基于深度图的3D点云分割方法、分割装置
技术领域
本发明涉及点云分割技术领域，具体涉及一种基于深度图的3D点云分割方法、一种基于深度图的3D点云分割装置、一种计算机设备和一种非临时性计算机可读存储介质。
背景技术
随着人工智能、大数据的不断发展，无人驾驶同样得到了广泛的关注，无人驾驶技术未来在辅助驾驶、解决城市问题、减少交通事故等起到关键的作用。
目前无人驾驶领域的定位和导航，主要使用的传感器有很多种，使用较广泛的是摄像机和三维激光雷达，在使用激光雷达进行定位和导航的过程中，点云地图的生成需要进行地面点云分割。
相关技术中，地面点云分割方法主要存在以下缺陷：
(1)智能车的晃动和环境的复杂性使得生成的点云数据是稀疏不均匀、有噪的，不平的地面也给地面点云分割带来很大的挑战，地面点云的欠分割会导致目标漏检，很难较为准确地去除地面点云。
(2)现有的方法处理三维点云数据在实时性上不高，在很多场景下无法满足实时性要求。
发明内容
本发明为解决上述技术问题，提供了一种基于深度图的3D点云分割方法，本发明在深度图的基础上进行路面去除后再进行点云分割，使分割的实时性和效率大大提高，且对于不平路面的分割效果也较好，分割的可靠性大大提高。
本发明还提出一种基于深度图的3D点云分割装置。
本发明还提出一种计算机设备。
本发明还提出一种非临时性计算机可读存储介质。
本发明采用的技术方案如下：
本发明第一方面实施例提出了一种基于深度图的3D点云分割方法，包括以下步骤：获取激光雷达采集的3D点云数据；将所述3D点云数据转换成深度图，其中，所述深度图包括行和列，所述行为点云的线速数量，所述列为激光雷达的水平方向的分辨率，所述3D点云数据包括3D点云数据点；获取所述深度图中每列的每个所述3D点云数据点与其相邻点的连线与激光雷达的xy平面的第一夹角，并在所述第一夹角小于第一预设角度值时，将该点作为路面点去除；获取所述深度图中每列的每个所述3D点云数据点和其相邻点的连线，与，所述3D点云数据点和原点的连线的第二夹角，并根据所述第二夹角进行点云分割。
根据本发明的一个实施例，根据以下函数获取所述深度图中每列的每个所述3D点云数据点与其相邻点的连线与激光雷达的xy平面的第一夹角：α＝a tan 2(||BC||，||AC||)；||BC||＝|Rr-1,csinξa-Rr,csinξb|；||AC||＝|Rr-1,ccosξa-Rr,ccosξb|；其中，α为所述第一夹角，ξa是激光雷达对应第r-1行激光线速的垂直角度，ξb是激光雷达对应第r行激光线速的垂直角度，Rr-1,c是第r-1行第c列的水平方向的分辨率，Rr,c是第r行第c列的水平方向的分辨率。
根据本发明的一个实施例，根据以下函数根据以下函数获取所述深度图中每列的每个所述3D点云数据点和其相邻点的连线，与，所述3D点云数据点和原点的连线的第二夹角：
Figure BDA0002710987630000021
其中，β为所述第二夹角，d1为所述3D点云数据点与原点之间的欧式距离，d2为所述3D点云数据点的相邻点与原点之间的欧式距离，
Figure BDA0002710987630000022
为3D点云数据点与原点连线和3D点云数据点的相邻点与原点连线的夹角。
根据本发明的一个实施例，根据所述第二夹角进行点云分割，包括：判断所述第二夹角是否大于第二预设角度；如果所述第二夹角大于所述第二预设角度，则判断所述3D点云数据点与其相邻点为同一物体。
本发明第二方面实施例提出了一种基于深度图的3D点云分割装置，包括：获取模块，所述获取模块用于获取激光雷达采集的3D点云数据；转换模块，所述转换模块用于将所述3D点云数据转换成深度图，其中，所述深度图包括行和列，所述行为点云的线速数量，所述列为激光雷达的水平方向的分辨率，所述3D点云数据包括3D点云数据点；路面去除模块，所述路面去除模块用于获取所述深度图中每列的每个所述3D点云数据点与其相邻点的连线与激光雷达的xy平面的第一夹角，并在所述第一夹角小于第一预设角度值时，将该点作为路面点去除；分割模块，所述分割模块用于获取所述深度图中每列的每个所述3D点云数据点和其相邻点的连线，与，所述3D点云数据点和原点的连线的第二夹角，并根据所述第二夹角进行点云分割。
根据本发明的一个实施例，所述路面去除模块根据以下函数获取所述深度图中每列的每个所述3D点云数据点与其相邻点的连线与激光雷达的xy平面的第一夹角：α＝a tan2(||BC||，||AC||)；||BC||＝|Rr-1,csinξa-Rr,csinξb|；||AC||＝|Rr-1,ccosξa-Rr,ccosξb|；其中，α为所述第一夹角，ξa是激光雷达对应第r-1行激光线速的垂直角度，ξb是激光雷达对应第r行激光线速的垂直角度，Rr-1,c是第r-1行第c列的水平方向的分辨率，Rr,c是第r行第c列的水平方向的分辨率。
根据本发明的一个实施例，所述分割模块根据以下函数根据以下函数获取所述深度图中每列的每个所述3D点云数据点和其相邻点的连线，与，所述3D点云数据点和原点的连线的第二夹角：
Figure BDA0002710987630000031
其中，β为所述第二夹角，d1为所述3D点云数据点与原点之间的欧式距离，d2为所述3D点云数据点的相邻点与原点之间的欧式距离，
Figure BDA0002710987630000041
为3D点云数据点与原点连线和3D点云数据点的相邻点与原点连线的夹角。
根据本发明的一个实施例，所述分割模块具体用于：判断所述第二夹角是否大于第二预设角度；如果所述第二夹角大于所述第二预设角度，则判断所述3D点云数据点与其相邻点为同一物体。
本发明的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，所述处理器执行所述程序时，实现本发明第一方面实施例所述的基于深度图的3D点云分割方法。
本发明的第四方面实施例提出了一种非临时性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本发明第一方面实施例所述的基于深度图的3D点云分割方法。
本发明的有益效果：
本发明在深度图的基础上进行路面去除后再进行点云分割，使分割的实时性和效率大大提高，且对于不平路面的分割效果也较好，分割的可靠性大大提高。
附图说明
图1是根据本发明一个实施例的基于深度图的3D点云分割方法的流程图；
图2是根据本发明一个实施例的第一夹角的示意图；
图3是根据本发明一个实施例的第二夹角的示意图；
图4是根据本发明一个实施例的基于深度图的3D点云分割装置的方框示意图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做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。
图1是根据本发明一个实施例的基于深度图的3D点云分割方法的流程图。如图1所示，该方法包括以下步骤：
S1，获取激光雷达采集的3D点云数据。
S2，将3D点云数据转换成深度图。其中，深度图包括行和列，行为点云的线速数量，列为激光雷达的水平方向的分辨率，3D点云数据包括3D点云数据点。
S3，获取深度图中每列的每个3D点云数据点与其相邻点的连线与与激光雷达的xy平面的第一夹角α，并在第一夹角α小于第一预设角度值时，将该点作为路面点去除。
其中，第一预设角度可以根据实际情况进行预设。
S4，获取深度图中每列的每个3D点云数据点和其相邻点的连线，与，3D点云数据点和原点的连线之间的第二夹角β，并根据第二夹角β进行点云分割。
具体的，激光雷达广泛应用于无人驾驶汽车，无人小型飞机，无人运货车，移动测绘车，街景车，游艇，机场等各个方面，三维激光雷达的工作原理与雷达非常相近，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、桥梁和建筑物上，引起散射，一部分散射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，以雷达为原点，就可以得到目标的坐标数据(3D点云数据)，脉冲激光不断地扫描目标物，就可以得到目标物上全部目标点的数据，用此数据进行成像处理后，就可得到的三维立体图像。即3D点云数据包括不同的3D点云数据点。
深度图像也叫距离影像，是指将从图像采集器到场景中各点的距离(深度)值作为像素值的图像。当一束激光照射到物体表面时，所反射的激光会携带方位、距离等信息。若将激光束按照某种轨迹进行扫描，便会边扫描边记录到反射的激光点信息，由于扫描极为精细，则能够得到大量的激光点，因而就可形成3D点云。深度图像经过坐标转换可以计算为3D点云数据，有规则及必要信息的点云数据也可以反算为深度图像数据。深度数据流所提供的图像帧中，每一个像素点代表的是在深度感应器的视野中，该特定的(x,y)坐标处物体到离摄像头平面最近的物体到该平面的距离。深度图包括行和列，行为点云的线速数量，列为激光雷达的水平方向的分辨率。
获取激光雷达采集的3D点云数据，然后将3D点云数据转换成深度图，如图2所示，获取深度图中每列的每个3D点云数据点A与其相邻点B的连线AB与激光雷达的xy平面的第一夹角α，激光雷达的坐标轴包括满足右手坐标系的三个坐标轴x、y、z(三维笛卡尔坐标系)，z轴垂直向上，x轴向前，y轴向左。第一夹角α用于路面去除，如图2所示，当临近两行的α角小于第一预设角度值时，将这两点当成路面去除。从点云数据的最下面一行开始寻找路面点，判断每一个点的相连是否为路面点，最终将这些路面点去除。由此，方便后续的点云分割，使最终的点云地图更为清晰。
在路面点去除后，如图3所示，获取深度图中每列的每个3D点云数据点A和其相邻点B的连线AB，与，3D点云数据点A和原点O的连线AO的第二夹角β，并根据第二夹角β进行点云分割。
由此，在深度图的基础上进行路面去除后再进行点云分割，使分割的实时性和效率大大提高，且对于不平路面的分割效果也较好，分割的可靠性大大提高。
根据本发明的一个实施例，如图2所示，根据以下函数获取所述深度图中每列的每个3D点云数据点A与其相邻点B的连线AB与激光雷达的xy平面的第一夹角α，即第一夹角α为AB与x轴之间的夹角：
α＝a tan 2(||BC||，||AC||)；
||BC||＝|Rr-1,csinξa-Rr,csinξb|；
||AC||＝|Rr-1,ccosξa-Rr,ccosξb|；
其中，α为第一夹角，ξa是激光雷达对应第r-1行激光线速的垂直角度，ξb是激光雷达对应第r行激光线速的垂直角度，Rr-1,c是第r-1行第c列的水平方向的分辨率，Rr,c是第r行第c列的水平方向的分辨率。atan2(y/x)为返回以弧度表示的y/x的反正切，y和x的值的符号决定了正确的象限。
根据本发明的一个实施例，如图3所示，根据以下函数获取深度图中每列的每个3D点云数据点A和其相邻点B的连线AB，与，3D点云数据点A和原点的O连线的第二夹角β，即第二夹角β为AB与AO之间的夹角：
Figure BDA0002710987630000071
其中，β为第二夹角，d1为3D点云数据点A与原点O之间的欧式距离，d2为3D点云数据点的相邻点B与原点O之间的欧式距离，
Figure BDA0002710987630000072
为3D点云数据点A与原点连线O和3D点云数据点的相邻点B与原点O连线的夹角。
根据本发明的一个实施例，根据第二夹角β进行点云分割，可以包括：判断第二夹角β是否大于第二预设角度；如果第二夹角β大于第二预设角度，则判断3D点云数据点A与其相邻点B为同一物体。其中，第二预设角度可以根据实际情况进行预设。
具体的，O为激光雷达原点，OA、OB为激光雷达临近的两条线速，A、B为打在物体上的点。如果OA与AB之间的夹角β大于第二预设角度，则A、B两点是属于同一个物体的点。由此，完成点云分割。
本发明上述的基于深度图的3D点云分割方法适用于16线、32线、64线激光雷达点云数据。
综上所述，根据本发明实施例的基于深度图的3D点云分割方法，获取激光雷达采集的3D点云数据；将3D点云数据转换成深度图；获取深度图中每列的每个3D点云数据点与其相邻点的连线与激光雷达的xy平面的第一夹角，并在第一夹角小于第一预设角度值时，将该点作为路面点去除，并在第一夹角小于第一预设角度值时，将该点作为路面点去除；获取深度图中每列的每个3D点云数据点和其相邻点的连线与3D点云数据点和原点的连线的第二夹角，并根据第二夹角进行点云分割。由此，在深度图的基础上进行路面去除后再进行点云分割，使分割的实时性和效率大大提高，且对于不平路面的分割效果也较好，分割的可靠性大大提高。
与上述的基于深度图的3D点云分割方法相对应，本发明还提出一种基于深度图的3D点云分割装置。由于本发明的装置实施例与上述的方法实施例相对应，对于装置实施例中未披露的细节可参照上述的方法实施例，本发明中不再进行赘述。
图4是根据本发明一个实施例的基于深度图的3D点云分割装置的方框示意图。如图4所示，该装置包括：获取模块1、转换模块2、路面去除模块3和分割模块4。
其中，获取模块1用于获取激光雷达采集的3D点云数据；转换模块2用于将3D点云数据转换成深度图，其中，深度图包括行和列，行为点云的线速数量，列为激光雷达的水平方向的分辨率，3D点云数据包括3D点云数据点；路面去除模块3用于获取深度图中每列的每个3D点云数据点与其相邻点的连线与激光雷达的xy平面的第一夹角，并在第一夹角小于第一预设角度值时，将该点作为路面点去除；分割模块4用于获取深度图中每列的每个3D点云数据点和其相邻点的连线，与，3D点云数据点和原点的连线的第二夹角，并根据第二夹角进行点云分割。
根据本发明的一个实施例，路面去除模块3根据以下函数获取深度图中每列的每个3D点云数据点与其相邻点的连线与激光雷达的xy平面的第一夹角：
α＝a tan 2(||BC||，||AC||)；
||BC||＝|Rr-1,csinξa-Rr,csinξb|；
||AC||＝|Rr-1,ccosξa-Rr,ccosξb|；
其中，α为第一夹角，ξa是激光雷达对应第r-1行激光线速的垂直角度，ξb是激光雷达对应第r行激光线速的垂直角度，Rr-1,c是第r-1行第c列的水平方向的分辨率，Rr,c是第r行第c列的水平方向的分辨率。
根据本发明的一个实施例，分割模块4根据以下函数根据以下函数获取深度图中每列的每个3D点云数据点和其相邻点的连线，与，3D点云数据点和原点的连线的第二夹角：
Figure BDA0002710987630000091
其中，β为第二夹角，d1为3D点云数据点与原点之间的欧式距离，d2为3D点云数据点的相邻点与原点之间的欧式距离，
Figure BDA0002710987630000092
为3D点云数据点与原点连线和3D点云数据点的相邻点与原点连线的夹角。
根据本发明的一个实施例，分割模块4具体用于：判断第二夹角是否大于第二预设角度；如果第二夹角大于第二预设角度，则判断3D点云数据点与其相邻点为同一物体。
根据本发明实施例的基于深度图的3D点云分割装置，通过获取模块获取激光雷达采集的3D点云数据，转换模块将3D点云数据转换成深度图，其中，深度图包括行和列，行为点云的线速数量，列为激光雷达的水平方向的分辨率，3D点云数据包括3D点云数据点，路面去除模块获取深度图中每列的每个3D点云数据点与其相邻点的连线与激光雷达的xy平面的第一夹角，并在第一夹角小于第一预设角度值时，将该点作为路面点去除，分割模块获取深度图中每列的每个3D点云数据点和其相邻点的连线，与，3D点云数据点和原点的连线的第二夹角，并根据第二夹角进行点云分割。由此，在深度图的基础上进行路面去除后再进行点云分割，使分割的实时性和效率大大提高，且对于不平路面的分割效果也较好，分割的可靠性大大提高。
此外，本发明还提出一种计算机设备，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，所述处理器执行所述程序时，实现本发明上述的基于深度图的3D点云分割方法。
根据本发明实施例的计算机设备，存储在存储器上的计算机程序被处理器执行时，获取激光雷达采集的3D点云数据；将3D点云数据转换成深度图；获取深度图中每列的每个3D点云数据点与其相邻点的连线与激光雷达的xy平面的第一夹角，并在第一夹角小于第一预设角度值时，将该点作为路面点去除，并在第一夹角小于第一预设角度值时，将该点作为路面点去除；获取深度图中每列的每个3D点云数据点和其相邻点的连线与3D点云数据点和原点的连线的第二夹角，并根据第二夹角进行点云分割。由此，在深度图的基础上进行路面去除后再进行点云分割，使分割的实时性和效率大大提高，且对于不平路面的分割效果也较好，分割的可靠性大大提高。
本发明还提出一种非临时性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本发明上述的基于深度图的3D点云分割方法。
根据本发明实施例的非临时性计算机可读存储介质，存储在其上的计算机程序被处理器执行时，获取激光雷达采集的3D点云数据；将3D点云数据转换成深度图；获取深度图中每列的每个3D点云数据点与其相邻点的连线与激光雷达的xy平面的第一夹角，并在第一夹角小于第一预设角度值时，将该点作为路面点去除，并在第一夹角小于第一预设角度值时，将该点作为路面点去除；获取深度图中每列的每个3D点云数据点和其相邻点的连线与3D点云数据点和原点的连线的第二夹角，并根据第二夹角进行点云分割。由此，在深度图的基础上进行路面去除后再进行点云分割，使分割的实时性和效率大大提高，且对于不平路面的分割效果也较好，分割的可靠性大大提高。
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。
此外，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至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。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)

1.一种基于深度图的3D点云分割方法，其特征在于，包括以下步骤：
获取激光雷达采集的3D点云数据；
将所述3D点云数据转换成深度图，其中，所述深度图包括行和列，所述行为点云的线速数量，所述列为激光雷达的水平方向的分辨率，所述3D点云数据包括3D点云数据点；
获取所述深度图中每列的每个所述3D点云数据点与其相邻点的连线与激光雷达的xy平面的第一夹角，并在所述第一夹角小于第一预设角度值时，将该点作为路面点去除；
获取所述深度图中每列的每个所述3D点云数据点和其相邻点的连线，与所述3D点云数据点和原点的连线的第二夹角，并根据所述第二夹角进行点云分割。
2.根据权利要求1所述的基于深度图的3D点云分割方法，其特征在于，根据以下函数获取所述深度图中每列的每个所述3D点云数据点与其相邻点的连线与激光雷达的xy平面的第一夹角：
α＝a tan2(||BC||，||AC||)；
||BC||＝|Rr-1,csinξa-Rr,csinξb|；
||AC||＝|Rr-1,ccosξa-Rr,ccosξb|；
其中，α为所述第一夹角，ξa是激光雷达对应第r-1行激光线速的垂直角度，ξb是激光雷达对应第r行激光线速的垂直角度，Rr-1,c是第r-1行第c列的水平方向的分辨率，Rr,c是第r行第c列的水平方向的分辨率。
3.根据权利要求1所述的基于深度图的3D点云分割方法，其特征在于，根据以下函数获取所述深度图中每列的每个所述3D点云数据点和其相邻点的连线，与，所述3D点云数据点和原点的连线的第二夹角：
Figure FDA0002710987620000021
其中，β为所述第二夹角，d1为所述3D点云数据点与原点之间的欧式距离，d2为所述3D点云数据点的相邻点与原点之间的欧式距离，
Figure FDA0002710987620000022
为3D点云数据点与原点连线和3D点云数据点的相邻点与原点连线的夹角。
4.根据权利要求1所述的基于深度图的3D点云分割方法，其特征在于，根据所述第二夹角进行点云分割，包括：
判断所述第二夹角是否大于第二预设角度；
如果所述第二夹角大于所述第二预设角度，则判断所述3D点云数据点与其相邻点为同一物体。
5.一种基于深度图的3D点云分割装置，其特征在于，包括：
获取模块，所述获取模块用于获取激光雷达采集的3D点云数据；
转换模块，所述转换模块用于将所述3D点云数据转换成深度图，其中，所述深度图包括行和列，所述行为点云的线速数量，所述列为激光雷达的水平方向的分辨率，所述3D点云数据包括3D点云数据点；
路面去除模块，所述路面去除模块用于获取所述深度图中每列的每个所述3D点云数据点与其相邻点的连线与激光雷达的xy平面的第一夹角，并在所述第一夹角小于第一预设角度值时，将该点作为路面点去除；
分割模块，所述分割模块用于获取所述深度图中每列的每个所述3D点云数据点和其相邻点的连线，与，所述3D点云数据点和原点的连线的第二夹角，并根据所述第二夹角进行点云分割。
6.根据权利要求5所述的基于深度图的3D点云分割装置，其特征在于，所述路面去除模块根据以下函数获取所述深度图中每列的每个所述3D点云数据点与其相邻点的连线与激光雷达的xy平面的第一夹角：
α＝a tan 2(||BC||，||AC||)；
||BC||＝|Rr-1,csinξa-Rr,csinξb|；
||AC||＝|Rr-1,ccosξa-Rr,c cosξb|；
其中，α为所述第一夹角，ξa是激光雷达对应第r-1行激光线速的垂直角度，ξb是激光雷达对应第r行激光线速的垂直角度，Rr-1,c是第r-1行第c列的水平方向的分辨率，Rr,c是第r行第c列的水平方向的分辨率。
7.根据权利要求5所述的基于深度图的3D点云分割装置，其特征在于，所述分割模块根据以下函数根据以下函数获取所述深度图中每列的每个所述3D点云数据点和其相邻点的连线，与，所述3D点云数据点和原点的连线的第二夹角：
Figure FDA0002710987620000031
其中，β为所述第二夹角，d1为所述3D点云数据点与原点之间的欧式距离，d2为所述3D点云数据点的相邻点与原点之间的欧式距离，
Figure FDA0002710987620000032
为3D点云数据点与原点连线和3D点云数据点的相邻点与原点连线的夹角。
8.根据权利要求5所述的基于深度图的3D点云分割装置，其特征在于，所述分割模块具体用于：
判断所述第二夹角是否大于第二预设角度；
如果所述第二夹角大于所述第二预设角度，则判断所述3D点云数据点与其相邻点为同一物体。
9.一种计算机设备，其特征在于，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，实现根据权利要求1-4中任一项所述的基于深度图的3D点云分割方法。
10.一种非临时性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根据权利要求1-4中任一项所述的基于深度图的3D点云分割方法。
CN202011056410.XA 2020-09-30 2020-09-30 基于深度图的3d点云分割方法、分割装置 Pending CN112200849A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011056410.XA CN112200849A (zh) 2020-09-30 2020-09-30 基于深度图的3d点云分割方法、分割装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011056410.XA CN112200849A (zh) 2020-09-30 2020-09-30 基于深度图的3d点云分割方法、分割装置

Publications (1)

Publication Number Publication Date
CN112200849A true CN112200849A (zh) 2021-01-08

Family

ID=74008085

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011056410.XA Pending CN112200849A (zh) 2020-09-30 2020-09-30 基于深度图的3d点云分割方法、分割装置

Country Status (1)

Country Link
CN (1) CN112200849A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113064179A (zh) * 2021-03-22 2021-07-02 上海商汤临港智能科技有限公司 一种点云数据筛选方法、车辆控制方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109872329A (zh) * 2019-01-28 2019-06-11 重庆邮电大学 一种基于三维激光雷达的地面点云快速分割方法
CN109961440A (zh) * 2019-03-11 2019-07-02 重庆邮电大学 一种基于深度图的三维激光雷达点云目标分割方法
CN110033457A (zh) * 2019-03-11 2019-07-19 北京理工大学 一种目标点云分割方法
CN110221312A (zh) * 2019-07-05 2019-09-10 上海大学 一种基于激光雷达快速检测地面点云的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109872329A (zh) * 2019-01-28 2019-06-11 重庆邮电大学 一种基于三维激光雷达的地面点云快速分割方法
CN109961440A (zh) * 2019-03-11 2019-07-02 重庆邮电大学 一种基于深度图的三维激光雷达点云目标分割方法
CN110033457A (zh) * 2019-03-11 2019-07-19 北京理工大学 一种目标点云分割方法
CN110221312A (zh) * 2019-07-05 2019-09-10 上海大学 一种基于激光雷达快速检测地面点云的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
范晓辉 等: "基于深度图的三维激光雷达点云目标分割方法", 《中国激光》, vol. 46, no. 7, pages 2 - 3 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113064179A (zh) * 2021-03-22 2021-07-02 上海商汤临港智能科技有限公司 一种点云数据筛选方法、车辆控制方法及装置

Similar Documents

Publication Publication Date Title
CN111352112B (zh) 基于视觉、激光雷达和毫米波雷达的目标检测方法
CN110531376B (zh) 用于港口无人驾驶车辆的障碍物检测和跟踪方法
WO2021226776A1 (zh) 一种车辆可行驶区域检测方法、系统以及采用该系统的自动驾驶车辆
Paek et al. K-radar: 4d radar object detection for autonomous driving in various weather conditions
JP3049603B2 (ja) 立体画像−物体検出方法
Chen et al. Next generation map making: Geo-referenced ground-level LIDAR point clouds for automatic retro-reflective road feature extraction
JP2002352225A (ja) 障害物検出装置及びその方法
JP2003296736A (ja) 障害物検知装置及びその方法
CN112673280A (zh) 用于装配有lidar传感器的机动车辆的道路检测方法
CN111913177A (zh) 对目标物探测方法、装置以及存储介质
JP2009245042A (ja) 交通流計測装置及びプログラム
Li et al. Automatic parking slot detection based on around view monitor (AVM) systems
CN115151954A (zh) 可行驶区域检测的方法和装置
CN112200849A (zh) 基于深度图的3d点云分割方法、分割装置
CN112749584A (zh) 一种基于图像检测的车辆定位方法及车载终端
CN114842166A (zh) 应用于结构化道路的负障碍检测方法、系统、介质及设备
Nitsch et al. 3d ground point classification for automotive scenarios
CN112990049A (zh) 用于车辆自动驾驶的aeb紧急制动方法、装置
JP2019021060A (ja) 物体検出方法及び物体検出装置
CN111912418A (zh) 删除移动载体不可行驶区域内障碍物的方法、装置及介质
CN111781606A (zh) 一种新型激光雷达和超声波雷达融合的小型化实现方法
CN116681932A (zh) 一种对象识别方法、装置、电子设备及存储介质
JP6718025B2 (ja) 車両周辺の小物体領域を識別する装置及び方法
CN112199459A (zh) 3d点云分割方法、分割装置
CN110660113A (zh) 特征地图的建立方法、装置、采集设备和存储介质

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