CN112700387A - 激光数据处理方法、装置及设备、存储介质 - Google Patents
激光数据处理方法、装置及设备、存储介质 Download PDFInfo
- Publication number
- CN112700387A CN112700387A CN202110024082.3A CN202110024082A CN112700387A CN 112700387 A CN112700387 A CN 112700387A CN 202110024082 A CN202110024082 A CN 202110024082A CN 112700387 A CN112700387 A CN 112700387A
- Authority
- CN
- China
- Prior art keywords
- laser data
- data point
- laser
- point cloud
- points
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 238000001914 filtration Methods 0.000 claims abstract description 67
- 238000000034 method Methods 0.000 claims abstract description 32
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 230000002596 correlated effect Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 15
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明提供一种激光数据处理方法、装置及设备、存储介质,可较好地滤除激光雷达采集的激光数据中的噪声点。该方法包括:获取激光雷达采集的第一激光数据点云,包括激光雷达在探测过程中采集到的连续的多个激光数据点,激光数据点用于指示被探测到的距离;根据第一激光数据点云中相邻的激光数据点之间的差值对第一激光点云数据进行滤波以滤除单点噪声点,得到第二激光数据点云,单点噪声点独立于第一激光数据点云中的其他噪声点;根据第二激光数据点云中相间隔的激光数据点之间的差值对第二激光数据点云进行滤波以滤除关联噪声点,得到第三激光数据点云,关联噪声点与第二激光数据点云中至少一个其他噪声点关联、且是由激光衍射生成的。
Description
技术领域
本发明涉及激光SLAM(Simultaneous Localization And Mapping,即时定位与地图构建)导航技术领域,尤其涉及一种激光数据处理方法、装置及设备、存储介质。
背景技术
激光SLAM导航可以在确定自身位置的同时构造环境模型,可用来解决移动机器人定位导航的问题,比如可以应用在目前发展十分迅速的智能导引车上,实现智能导引车的自主定位导航。
激光SLAM导航主要依靠激光雷达提供数据,但激光雷达在使用过程中,或多或少会存在由于设备精度的限制、操作人员的人为因素和环境条件因素等带来的影响,以至于在数据采集的时候产生一些噪声点,这些噪声点不利于激光数据的后续处理,会影响导航精度及激光雷达所在设备的运行稳定性。然而,目前尚且缺乏能够对激光雷达采集的数据较好地实现滤噪的方式。
发明内容
本发明提供一种激光数据处理方法、装置及设备、存储介质,可较好地滤除激光雷达采集的激光数据中的噪声点。
本发明的第一方面提供一种激光数据处理方法,包括:
获取激光雷达采集的第一激光数据点云,所述第一激光数据点云包括所述激光雷达在探测过程中采集到的连续的多个激光数据点,所述激光数据点用于指示被探测到的距离;
根据所述第一激光数据点云中相邻的激光数据点之间的差值对所述第一激光点云数据进行滤波以滤除单点噪声点,得到第二激光数据点云,所述单点噪声点独立于所述第一激光数据点云中的其他噪声点;
根据所述第二激光数据点云中相间隔的激光数据点之间的差值对所述第二激光数据点云进行滤波以滤除关联噪声点,得到第三激光数据点云,所述关联噪声点与所述第二激光数据点云中至少一个其他噪声点关联、且是由激光衍射生成的。
根据本发明的一个实施例,根据所述第一激光数据点云中相邻的激光数据点之间的差值对所述第一激光点云数据进行滤波以滤除单点噪声点,包括:
针对所述第一激光数据点云中的每一第一目标激光数据点,计算第一差值和第二差值,若所述第一差值和所述第二差值均大于第一设定距离差,则确定该第一目标激光数据点为单点噪声点;其中,所述第一差值为该第一目标激光数据点与上一个激光数据点的差值的绝对值,所述第二差值为该第一目标激光数据点与下一个激光数据点的差值的绝对值,所述第一目标激光数据点为所述第一激光数据点云中第一个激光数据点和最后一个激光数据点之外的任一激光数据点;
将所述单点噪声点从所述第一激光数据点云中滤除。
根据本发明的一个实施例,所述第一设定距离差大于或等于所述激光雷达允许的误差的3倍。
根据本发明的一个实施例,根据所述第二激光数据点云中相间隔的激光数据点之间的差值对所述第二激光数据点云进行滤波以滤除关联噪声点,包括:
针对所述第二激光数据点云中的每一第二目标激光数据点,计算第三差值和第四差值,若所述第三差值和第四差值均大于第二设定距离差,则确定该第二目标激光数据点为关联噪声点;其中,所述第三差值、第四差值分别为该第二目标激光数据点与第一激光数据点、第二激光数据点的差值的绝对值,所述第一激光数据点和第二激光数据点分别为所述第二激光数据点云中与所述第二目标激光数据点相隔一个激光数据点的两个不同激光数据点,所述第二目标激光数据点为所述第二激光数据点云中前两个激光数据点和最后两个激光数据点之外的任一激光数据点;
将所述关联噪声点从所述第二激光数据点云中滤除。
根据本发明的一个实施例,所述第二设定距离差大于或等于所述激光雷达允许的误差的4倍。
根据本发明的一个实施例,根据所述第二激光数据点云中相间隔的激光数据点之间的差值对所述第二激光数据点云进行滤波以滤除关联噪声点,得到第三激光数据点云之后,该方法进一步包括:
根据所述第三激光数据点云中相邻的激光数据点之间的差值对所述第三激光点云数据进行滤波以滤除剩余的单点噪声点,得到目标激光数据点云,所述目标激光数据点云用于定位所述激光雷达。
根据本发明的一个实施例,所述第一激光数据点云为线状点云。
本发明第二方面提供一种激光数据处理装置,包括:
激光数据点云获取模块,用于获取激光雷达采集的第一激光数据点云,所述第一激光数据点云包括所述激光雷达在探测过程中采集到的连续的多个激光数据点,所述激光数据点用于指示被探测到的距离;
第一单点滤波模块,用于根据所述第一激光数据点云中相邻的激光数据点之间的差值对所述第一激光点云数据进行滤波以滤除单点噪声点,得到第二激光数据点云,所述单点噪声点独立于所述第一激光数据点云中的其他噪声点;
多点滤波模块,用于根据所述第二激光数据点云中相间隔的激光数据点之间的差值对所述第二激光数据点云进行滤波以滤除关联噪声点,得到第三激光数据点云,所述关联噪声点与所述第二激光数据点云中至少一个其他噪声点关联、且是由激光衍射生成的。
根据本发明的一个实施例,所述第一单点滤波模块根据所述第一激光数据点云中相邻的激光数据点之间的差值对所述第一激光点云数据进行滤波以滤除单点噪声点时,具体用于:
针对所述第一激光数据点云中的每一第一目标激光数据点,计算第一差值和第二差值,若所述第一差值和所述第二差值均大于第一设定距离差,则确定该第一目标激光数据点为单点噪声点;其中,所述第一差值为该第一目标激光数据点与上一个激光数据点的差值的绝对值,所述第二差值为该第一目标激光数据点与下一个激光数据点的差值的绝对值,所述第一目标激光数据点为所述第一激光数据点云中第一个激光数据点和最后一个激光数据点之外的任一激光数据点;
将所述单点噪声点从所述第一激光数据点云中滤除。
根据本发明的一个实施例,所述第一设定距离差大于或等于所述激光雷达允许的误差的3倍。
根据本发明的一个实施例,所述多点滤波模块根据所述第二激光数据点云中相间隔的激光数据点之间的差值对所述第二激光数据点云进行滤波以滤除关联噪声点时,具体用于:
针对所述第二激光数据点云中的每一第二目标激光数据点,计算第三差值和第四差值,若所述第三差值和第四差值均大于第二设定距离差,则确定该第二目标激光数据点为关联噪声点;其中,所述第三差值、第四差值分别为该第二目标激光数据点与第一激光数据点、第二激光数据点的差值的绝对值,所述第一激光数据点和第二激光数据点分别为所述第二激光数据点云中与所述第二目标激光数据点相隔一个激光数据点的两个不同激光数据点,所述第二目标激光数据点为所述第二激光数据点云中前两个激光数据点和最后两个激光数据点之外的任一激光数据点;
将所述关联噪声点从所述第二激光数据点云中滤除。
根据本发明的一个实施例,所述第二设定距离差大于或等于所述激光雷达允许的误差的4倍。
根据本发明的一个实施例,该装置进一步包括:
第二单点滤波模块,用于根据所述第三激光数据点云中相邻的激光数据点之间的差值对所述第三激光点云数据进行滤波以滤除剩余的单点噪声点,得到目标激光数据点云,所述目标激光数据点云用于定位所述激光雷达。
根据本发明的一个实施例,所述第一激光数据点云为线状点云。
本发明第三方面提供一种电子设备,包括处理器及存储器;所述存储器存储有可被处理器调用的程序;其中,所述处理器执行所述程序时,实现如前述实施例所述的激光数据处理方法。
本发明第四方面提供一种机器可读存储介质,其上存储有程序,该程序被处理器执行时,实现如前述实施例所述的激光数据处理方法。
本发明具有以下有益效果:
本发明实施例中,获取到的激光雷达采集的第一激光数据点云中可能会存在较多的噪声点,这些噪声点的存在会影响定位的精准度,通过先根据其中相邻激光数据点之间的差值可以从中确定出一些单点噪声点如单点衍射点活其他波动点,并将确定出的单点噪声点滤除,再根据相间隔的激光数据点的差值找出关联噪声点比如由衍射产生多点衍射点,并将确定出的关联噪声点滤除,通过先滤除单点噪声点再滤除关联噪声点,可以避免在确定关联噪声点时单点噪声点因距离较近的原因对其造成影响,而单点噪声点在确定时由于是基于相邻的激光数据点的差值确定出的,所以较少会受到关联噪声点的影响,因此,经上述方式处理后的激光数据点云更为精准,可更好地实现定位与导航。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例的激光数据处理方法的流程示意图;
图2是本发明另一实施例的激光数据处理方法的流程示意图;
图3是本发明一实施例的激光数据处理装置的结构框图;
图4是本发明另一实施例的激光数据处理装置的结构框图;
图5是本发明一实施例的电子设备的结构框图。
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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
在一个实施例中,参看图1,一种激光数据处理方法,可以包括以下步骤:
S100:获取激光雷达采集的第一激光数据点云,所述第一激光数据点云包括所述激光雷达在探测过程中采集到的连续的多个激光数据点,所述激光数据点用于指示被探测到的距离;
S200:根据所述第一激光数据点云中相邻的激光数据点之间的差值对所述第一激光点云数据进行滤波以滤除单点噪声点,得到第二激光数据点云,所单点噪声点独立于所述第一激光数据点云中的其他噪声点;
S300:根据所述第二激光数据点云中相间隔的激光数据点之间的差值对所述第二激光数据点云进行滤波以滤除关联噪声点,得到第三激光数据点云,所述关联噪声点与所述第二激光数据点云中至少一个其他噪声点关联、且是由激光衍射生成的。
本发明实施例的激光数据处理方法的执行主体为电子设备,进一步地可以为电子设备的处理器,其中,处理器可以为一个或多个,处理器可以为通用处理器或者专用处理器。
具体的,电子设备可以为搭载了激光雷达的移动机器人,或者与该移动机器人连接的终端或服务器,具体类型不限,只要具有一定处理能力即可。可选的,移动机器人比如可以为自动引导车,在电子设备为该自动引导车的情况下,自动引导车可以通过对所搭载的激光雷达采集的激光数据点云进行滤波,并基于滤波后的激光数据点云实现定位与导航。当然,上述自动引导车只是移动机器人的可选例子,并不作为限制,其他需要实现导航的移动机器人也均适用。
在下面的实施例内容中,以电子设备为移动机器人为例,即激光雷达搭载在移动机器人上。
步骤S100中,获取激光雷达采集的第一激光数据点云,所述第一激光数据点云包括所述激光雷达在探测过程中采集到的连续的多个激光数据点,所述激光数据点用于指示被探测到的距离。
激光雷达是一种通过脉冲激光照射目标并用传感器测量反射脉冲返回时间来测量目标距离的装置。本发明实施例中的激光雷达,可以是单点发射激光雷达,其发射器一次激发一个点。
可选的,第一激光数据点云为线状点云,可以是由激光雷达连续多次采集得到的。当然,线状点云可以呈直线状,可以呈圆弧状,也可以呈其他形状比如不规则曲线状,具体可视环境情况以及采集时激光雷达的运动情况而定。
可选的,激光雷达可以通过可旋转基座安装在移动机器人上,在探测过程中,激光雷达可通过可旋转基座绕移动机器人旋转,旋转一周采集到的数据可以认为是一帧数据,该一帧数据由多个激光数据点组成。激光雷达每秒可以旋转比如20圈,相应的频率为20HZ,当然,此处只是举例,并不作为限制。
在上述的例子中,激光数据采集的每一帧数据都可作为第一激光数据点云,是由激光雷达在探测过程中采集到的连续的多个激光数据点,其中,所述激光数据点用于指示被探测到的距离。由于光速很高,所以基本上在发射时就能接收到反射回来的光,形成相应的激光数据点。
一般来说,每一个激光数据点应当与场景中的一个被探测点对应,指示被探测点与激光雷达之间的真实距离。但是,由于光的波粒二象性,获取到的一帧数据中的激光数据点会存在波动现象,比如一个点的位置会在真实位置的附近跳动,同时也会有衍射现象,即激光点投射到一个物体的锐利的边缘时,会在边缘上和边缘更远的地方来回跳动。
因此,在第一激光数据点云中,可能会存在因波动产生的噪声点,以及由于衍射现象产生的噪声点。其中,衍射现象产生的噪声点中存在独立的单点衍射点,也存在相关联的多点衍射点比如双点衍射点或三点衍射点等,这是由于在衍射条件的不同所导致的。双点衍射点即相关联的两个衍射点中的其中一个衍射点,其他多点衍射点也是类似。
步骤S200中,根据所述第一激光数据点云中相邻的激光数据点之间的差值对所述第一激光点云数据进行滤波以滤除单点噪声点,得到第二激光数据点云。
单点噪声点独立于所述第一激光数据点云中的其他噪声点,比如上述提及的单点衍射点或者因波动产生的噪声点。对于单点衍射点或者因波动产生的噪声点来说,该点与真实点之间的距离会相差较远,本实施例中基于此可以实现单点衍射点或者因波动产生的噪声点的滤波。
在第一激光数据点云为线状点云的情况下,得到的第二激光数据点云同样为线状点云,相比于第一激光数据点云而言,噪声更少,数据更为精准。
可选的,步骤S200中,根据所述第一激光数据点云中相邻的激光数据点之间的差值对所述第一激光点云数据进行滤波以滤除单点噪声点,可以包括以下步骤:
S201:针对所述第一激光数据点云中的每一第一目标激光数据点,计算第一差值和第二差值,若所述第一差值和所述第二差值均大于第一设定距离差,则确定该第一目标激光数据点为单点噪声点;
S202:将所述单点噪声点从所述第一激光数据点云中滤除。
其中,所述第一目标激光数据点为所述第一激光数据点云中第一个激光数据点和最后一个激光数据点之外的任一激光数据点,即,对于第一目标激光数据点来说,其存在上一个激光点数据和下一个激光点数据。
步骤S201中,可以采用遍历的方式来确定出第一激光数据点云中的单点噪声点,可以按照激光数据点采集的先后顺序进行遍历,对于每一被遍历到的激光数据点,可以检查该激光数据点是否为第一目标激光数据点,若是,则继续执行计算第一差值和第二差值的步骤,否则可以跳过并遍历下一个激光数据点,直至第一激光数据点云中的激光数据点全部被遍历完。
所述第一差值为该第一目标激光数据点与上一个激光数据点的差值的绝对值,所述第二差值为该第一目标激光数据点与下一个激光数据点的差值的绝对值。
可选的,假设当前的第一目标激光数据点为εi,第一激光数据点云中第一目标激光数据点的上一个激光数据点为εi-1,第一激光数据点云中第一目标激光数据点的下一个激光数据点为εi+1,则满足下述条件时,可以将第一目标激光数据点εi确定为单点噪声点:
其中,δ1为第一设定距离差。
优选来说,所述第一设定距离差大于或等于所述激光雷达允许的误差的3倍。这里激光雷达允许的误差比如可以为2cm,具体不做限定。
在确定出单点噪声点时,将单点噪声点从所述第一激光数据点云中滤除。可选的,可以在遍历过程中,每查找出一个单点噪声点便将其从第一激光数据点云中滤除,也可以在遍历完成时,将所有查找出的单点噪声点从第一激光数据点云中滤除,具体不做限定。
在完成单点噪声点滤波之后,可执行步骤S300,根据所述第二激光数据点云中相间隔的激光数据点之间的差值对所述第二激光数据点云进行滤波以滤除关联噪声点,得到第三激光数据点云。
这里相间隔的激光数据点可以是指间隔一个激光数据点的两个激光数据点,当然具体不做限定,比如也可以间隔两个激光数据点。
关联噪声点与所述第二激光数据点云中至少一个其他噪声点关联、且是由激光衍射生成的。比如上述提及的多点衍射点。对于多点衍射点来说,一帧真实点数据中有且仅有一个点与该多点衍射点距离较近,其余则较远,本实施例中基于此可以实现多点衍射点的滤波。
但是,在单点衍射点或者因波动产生的噪声点与多点衍射点距离较近的情况下,如果直接先过滤多点衍射点,会导致无法将多点衍射点滤除,或者说滤波效果不佳的问题。
因此,上述实施例中,通过先后执行步骤S200和S300,先以一定的条件滤除单点衍射点或者因波动产生的噪声点,再以另外的条件滤除多点衍射点,可以起到较好的滤波效果,尤其对于多点衍射点而言。
在第一激光数据点云为线状点云的情况下,得到的第三激光数据点云同样为线状点云,相比于第一、二激光数据点云而言,噪声更少,数据更为精准。
可选的,步骤S300中,根据所述第二激光数据点云中相间隔的激光数据点之间的差值对所述第二激光数据点云进行滤波以滤除关联噪声点,可以包括以下步骤:
S301:针对所述第二激光数据点云中的每一第二目标激光数据点,计算第三差值和第四差值,若所述第三差值和第四差值均大于第二设定距离差,则确定该第二目标激光数据点为关联噪声点;
S302:将所述关联噪声点从所述第二激光数据点云中滤除。
其中,所述第二目标激光数据点为所述第二激光数据点云中前两个激光数据点和最后两个激光数据点之外的任一激光数据点,即,对于第二目标激光数据点来说,其存在上上个激光点数据和下下个激光点数据。
步骤S301中,同样可以采用遍历的方式来确定出第二激光数据点云中的关联噪声点,可以按照激光数据点采集的先后顺序进行遍历,对于每一被遍历到的激光数据点,可以检查该激光数据点是否为第二目标激光数据点,若是,则继续执行计算第三差值和第四差值的步骤,否则可以跳过并遍历下一个激光数据点,直至第二激光数据点云中的激光数据点全部被遍历完。
所述第三差值、第四差值分别为该第二目标激光数据点与第一激光数据点、第二激光数据点的差值的绝对值,所述第一激光数据点和第二激光数据点分别为所述第二激光数据点云中与所述第二目标激光数据点相隔一个激光数据点的两个不同激光数据点。第一激光数据点即为第二激光数据点云中第二目标激光数据点的上上个激光点数据。第二激光数据点即为第二激光数据点云中第二目标激光数据点的下下个激光点数据。
可选的,假设当前的第二目标激光数据点为εi,第二激光数据点云中第二目标激光数据点的上上个激光数据点为εi-2,第二激光数据点云中第二目标激光数据点的下下个激光数据点为εi+2,则满足下述条件时,可以将第二目标激光数据点εi确定为关联噪声点:
其中,δ2为第二设定距离差。
这里的第二设定距离差大于第一设定距离差,即对于关联噪声点来说,可允许的误差范围比单点噪声点大。比如,第二设定距离差可以为第一设定距离差的两倍,当然,具体不做限定。
优选来说,所述第二设定距离差大于或等于所述激光雷达允许的误差的4倍。这里激光雷达允许的误差比如可以为2cm,具体不做限定。
在确定出关联噪声点时,将关联噪声点从第二激光数据点云中滤除。可选的,可以在遍历过程中,每查找出一个关联噪声点便将其从第二激光数据点云中滤除,也可以在遍历完成时,将所有查找出的关联噪声点从第二激光数据点云中滤除,具体不做限定。
在完成关联噪声点的滤波之后,可以将得到的第三激光数据点云直接用于定位,比如可以基于第三激光数据点云定位激光雷达的位置,也就定位了激光雷达所在的移动机器人的位置。或者,第三激光数据点云还可以再经过一些滤波之后,再用于定位,具体不做限定。
在上述的实施例中,获取到的激光雷达采集的第一激光数据点云中可能会存在较多的噪声点,这些噪声点的存在会影响定位的精准度,通过先根据其中相邻激光数据点之间的差值可以从中确定出一些单点噪声点如单点衍射点活其他波动点,并将确定出的单点噪声点滤除,再根据相间隔的激光数据点的差值找出关联噪声点比如由衍射产生多点衍射点,并将确定出的关联噪声点滤除,通过先滤除单点噪声点再滤除关联噪声点,可以避免在确定关联噪声点时单点噪声点因距离较近的原因对其造成影响,而单点噪声点在确定时由于是基于相邻的激光数据点的差值确定出的,所以较少会受到关联噪声点的影响,因此,经上述方式处理后的激光数据点云更为精准,可更好地实现定位与导航。
在一个实施例中,参看图2,根据所述第二激光数据点云中相间隔的激光数据点之间的差值对所述第二激光数据点云进行滤波以滤除关联噪声点,得到第三激光数据点云之后,该方法进一步包括:
步骤S400:根据所述第三激光数据点云中相邻的激光数据点之间的差值对所述第三激光点云数据进行滤波以滤除剩余的单点噪声点,得到目标激光数据点云,所述目标激光数据点云用于定位所述激光雷达。
步骤S400是在步骤S300之后执行的。在实现步骤S200的单点噪声点和步骤S300的关联噪声点的滤波之后,仍可能存在遗漏的一些单点噪声点,本实施例中,在步骤S300之后,再次进行单点噪声点的滤波,以使得激光数据更为精准。
在第三激光数据点云中滤除单点噪声点的方式,与在第一激光数据点云中滤除单点噪声点的方式可以相同。
具体来说,根据所述第三激光数据点云中相邻的激光数据点之间的差值对所述第三激光点云数据进行滤波以滤除剩余的单点噪声点可以包括以下步骤:
针对所述第三激光数据点云中的每一第三目标激光数据点,计算第五差值和第六差值,若所述第五差值和所述第六差值均大于第一设定距离差,则确定该第三目标激光数据点为单点噪声点;其中,所述第五差值为该第三目标激光数据点与其上一个激光数据点的差值的绝对值,所述第六差值为该第三目标激光数据点与其下一个激光数据点的差值的绝对值,所述第三目标激光数据点为所述第三激光数据点云中第一个激光数据点和最后一个激光数据点之外的任一激光数据点;
将确定出的单点噪声点从所述第三激光数据点云中滤除。
其他与步骤S300相同或相似之处可以参看前述实施例内容,在此不再赘述。
本实施例中,经过再次单点噪声点的滤波,得到的目标激光数据点云基本上无噪声点,或者说噪声点很少,在用于激光雷达的定位时,定位准确度较高。
在进行定位时,可以对不同时刻的两片点云进行匹配与比对,计算激光雷达相对运动的距离与姿态的改变,从而实现对激光雷达的定位,也即完成了对移动机器人自身的定位。
可选的,上述的目标激光数据点云还可以用于特征提取、曲面重建、可视化等后续的处理,具体不做限定,可根据激光SLAM系统需要而定。
本发明还提供一种激光数据处理装置,参看图3,该装置100包括:
激光数据点云获取模块101,用于获取激光雷达采集的第一激光数据点云,所述第一激光数据点云包括所述激光雷达在探测过程中采集到的连续的多个激光数据点,所述激光数据点用于指示被探测到的距离;
第一单点滤波模块102,用于根据所述第一激光数据点云中相邻的激光数据点之间的差值对所述第一激光点云数据进行滤波以滤除单点噪声点,得到第二激光数据点云,所述单点噪声点独立于所述第一激光数据点云中的其他噪声点;
多点滤波模块103,用于根据所述第二激光数据点云中相间隔的激光数据点之间的差值对所述第二激光数据点云进行滤波以滤除关联噪声点,得到第三激光数据点云,所述关联噪声点与所述第二激光数据点云中至少一个其他噪声点关联、且是由激光衍射生成的。
在一个实施例中,所述第一单点滤波模块根据所述第一激光数据点云中相邻的激光数据点之间的差值对所述第一激光点云数据进行滤波以滤除单点噪声点时,具体用于:
针对所述第一激光数据点云中的每一第一目标激光数据点,计算第一差值和第二差值,若所述第一差值和所述第二差值均大于第一设定距离差,则确定该第一目标激光数据点为单点噪声点;其中,所述第一差值为该第一目标激光数据点与上一个激光数据点的差值的绝对值,所述第二差值为该第一目标激光数据点与下一个激光数据点的差值的绝对值,所述第一目标激光数据点为所述第一激光数据点云中第一个激光数据点和最后一个激光数据点之外的任一激光数据点;
将所述单点噪声点从所述第一激光数据点云中滤除。
在一个实施例中,所述第一设定距离差大于或等于所述激光雷达允许的误差的3倍。
在一个实施例中,所述多点滤波模块根据所述第二激光数据点云中相间隔的激光数据点之间的差值对所述第二激光数据点云进行滤波以滤除关联噪声点时,具体用于:
针对所述第二激光数据点云中的每一第二目标激光数据点,计算第三差值和第四差值,若所述第三差值和第四差值均大于第二设定距离差,则确定该第二目标激光数据点为关联噪声点;其中,所述第三差值、第四差值分别为该第二目标激光数据点与第一激光数据点、第二激光数据点的差值的绝对值,所述第一激光数据点和第二激光数据点分别为所述第二激光数据点云中与所述第二目标激光数据点相隔一个激光数据点的两个不同激光数据点,所述第二目标激光数据点为所述第二激光数据点云中前两个激光数据点和最后两个激光数据点之外的任一激光数据点;
将所述关联噪声点从所述第二激光数据点云中滤除。
在一个实施例中,所述第二设定距离差大于或等于所述激光雷达允许的误差的4倍。
在一个实施例中,参看图4,该装置100进一步包括:
第二单点滤波模块104,用于根据所述第三激光数据点云中相邻的激光数据点之间的差值对所述第三激光点云数据进行滤波以滤除剩余的单点噪声点,得到目标激光数据点云,所述目标激光数据点云用于定位所述激光雷达。
根据本发明的一个实施例,所述第一激光数据点云为线状点云。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元。
本发明还提供一种电子设备,包括处理器及存储器;存储器存储有可被处理器调用的程序;其中,处理器执行程序时,实现如前述实施例中的激光数据处理方法。
本发明激光数据处理装置的实施例可以应用在电子设备上。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在电子设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,如图5所示,图5是本发明根据一示例性实施例示出的激光数据处理装置100所在电子设备的一种硬件结构图,除了图5所示的处理器510、内存530、网络接口520、以及非易失性存储器540之外,实施例中激光数据处理装置100所在的电子设备通常根据该电子设备的实际功能,还可以包括其他硬件,对此不再赘述。
本发明还提供一种机器可读存储介质,其上存储有程序,该程序被处理器执行时,实现如前述实施例中的激光数据处理方法。
本发明可采用在一个或多个其中包含有程序代码的存储介质(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。机器可读存储介质包括永久性和非永久性、可移动和非可移动媒体,可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。机器可读存储介质的例子包括但不限于:相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种激光数据处理方法,其特征在于,包括:
获取激光雷达采集的第一激光数据点云,所述第一激光数据点云包括所述激光雷达在探测过程中采集到的连续的多个激光数据点,所述激光数据点用于指示被探测到的距离;
根据所述第一激光数据点云中相邻的激光数据点之间的差值对所述第一激光点云数据进行滤波以滤除单点噪声点,得到第二激光数据点云,所述单点噪声点独立于所述第一激光数据点云中的其他噪声点;
根据所述第二激光数据点云中相间隔的激光数据点之间的差值对所述第二激光数据点云进行滤波以滤除关联噪声点,得到第三激光数据点云,所述关联噪声点与所述第二激光数据点云中至少一个其他噪声点关联、且是由激光衍射生成的。
2.如权利要求1所述的激光数据处理方法,其特征在于,根据所述第一激光数据点云中相邻的激光数据点之间的差值对所述第一激光点云数据进行滤波以滤除单点噪声点,包括:
针对所述第一激光数据点云中的每一第一目标激光数据点,计算第一差值和第二差值,若所述第一差值和所述第二差值均大于第一设定距离差,则确定该第一目标激光数据点为单点噪声点;其中,所述第一差值为该第一目标激光数据点与上一个激光数据点的差值的绝对值,所述第二差值为该第一目标激光数据点与下一个激光数据点的差值的绝对值,所述第一目标激光数据点为所述第一激光数据点云中第一个激光数据点和最后一个激光数据点之外的任一激光数据点;
将所述单点噪声点从所述第一激光数据点云中滤除。
3.如权利要求2所述的激光数据处理方法,其特征在于,所述第一设定距离差大于或等于所述激光雷达允许的误差的3倍。
4.如权利要求1所述的激光数据处理方法,其特征在于,根据所述第二激光数据点云中相间隔的激光数据点之间的差值对所述第二激光数据点云进行滤波以滤除关联噪声点,包括:
针对所述第二激光数据点云中的每一第二目标激光数据点,计算第三差值和第四差值,若所述第三差值和第四差值均大于第二设定距离差,则确定该第二目标激光数据点为关联噪声点;其中,所述第三差值、第四差值分别为该第二目标激光数据点与第一激光数据点、第二激光数据点的差值的绝对值,所述第一激光数据点和第二激光数据点分别为所述第二激光数据点云中与所述第二目标激光数据点相隔一个激光数据点的两个不同激光数据点,所述第二目标激光数据点为所述第二激光数据点云中前两个激光数据点和最后两个激光数据点之外的任一激光数据点;
将所述关联噪声点从所述第二激光数据点云中滤除。
5.如权利要求4所述的激光数据处理方法,其特征在于,所述第二设定距离差大于或等于所述激光雷达允许的误差的4倍。
6.如权利要求1所述的激光数据处理方法,其特征在于,根据所述第二激光数据点云中相间隔的激光数据点之间的差值对所述第二激光数据点云进行滤波以滤除关联噪声点,得到第三激光数据点云之后,该方法进一步包括:
根据所述第三激光数据点云中相邻的激光数据点之间的差值对所述第三激光点云数据进行滤波以滤除剩余的单点噪声点,得到目标激光数据点云,所述目标激光数据点云用于定位所述激光雷达。
7.如权利要求1所述的激光数据处理方法,其特征在于,所述第一激光数据点云为线状点云。
8.一种激光数据处理装置,其特征在于,包括:
激光数据点云获取模块,用于获取激光雷达采集的第一激光数据点云,所述第一激光数据点云包括所述激光雷达在探测过程中采集到的连续的多个激光数据点,所述激光数据点用于指示被探测到的距离;
第一单点滤波模块,用于根据所述第一激光数据点云中相邻的激光数据点之间的差值对所述第一激光点云数据进行滤波以滤除单点噪声点,得到第二激光数据点云,所述单点噪声点独立于所述第一激光数据点云中的其他噪声点;
多点滤波模块,用于根据所述第二激光数据点云中相间隔的激光数据点之间的差值对所述第二激光数据点云进行滤波以滤除关联噪声点,得到第三激光数据点云,所述关联噪声点与所述第二激光数据点云中至少一个其他噪声点关联、且是由激光衍射生成的。
9.一种电子设备,其特征在于,包括处理器及存储器;所述存储器存储有可被处理器调用的程序;其中,所述处理器执行所述程序时,实现如权利要求1-6中任一项所述的激光数据处理方法。
10.一种机器可读存储介质,其特征在于,其上存储有程序,该程序被处理器执行时,实现如权利要求1-6中任一项所述的激光数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110024082.3A CN112700387A (zh) | 2021-01-08 | 2021-01-08 | 激光数据处理方法、装置及设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110024082.3A CN112700387A (zh) | 2021-01-08 | 2021-01-08 | 激光数据处理方法、装置及设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112700387A true CN112700387A (zh) | 2021-04-23 |
Family
ID=75513461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110024082.3A Pending CN112700387A (zh) | 2021-01-08 | 2021-01-08 | 激光数据处理方法、装置及设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112700387A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113902632A (zh) * | 2021-09-23 | 2022-01-07 | 追觅创新科技(苏州)有限公司 | 激光数据噪点的去除方法及装置、存储介质及电子装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140313527A1 (en) * | 2012-06-25 | 2014-10-23 | Yoldas Askan | Method of generating a smooth image from point cloud data |
CN107367738A (zh) * | 2017-04-27 | 2017-11-21 | 北京石油化工学院 | 危化品仓储障碍物监测方法、装置与系统 |
CN108828613A (zh) * | 2018-05-24 | 2018-11-16 | 北京石油化工学院 | 一种去除噪点的方法和危化品仓储激光扫描装置 |
CN110031822A (zh) * | 2019-04-22 | 2019-07-19 | 上海禾赛光电科技有限公司 | 可用于激光雷达的噪点识别方法以及激光雷达系统 |
CN110515054A (zh) * | 2019-08-23 | 2019-11-29 | 斯坦德机器人(深圳)有限公司 | 滤波方法和装置、电子设备、计算机存储介质 |
CN110954919A (zh) * | 2019-12-13 | 2020-04-03 | 华中科技大学 | 一种面阵激光探测器的固定值噪声确定方法及去除方法 |
CN111986115A (zh) * | 2020-08-22 | 2020-11-24 | 王程 | 激光点云噪声和冗余数据的精准剔除方法 |
US20200379096A1 (en) * | 2019-04-22 | 2020-12-03 | Hesai Photonics Technology Co., Ltd. | Method for identification of a noise point used for lidar, and lidar system |
-
2021
- 2021-01-08 CN CN202110024082.3A patent/CN112700387A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140313527A1 (en) * | 2012-06-25 | 2014-10-23 | Yoldas Askan | Method of generating a smooth image from point cloud data |
CN107367738A (zh) * | 2017-04-27 | 2017-11-21 | 北京石油化工学院 | 危化品仓储障碍物监测方法、装置与系统 |
CN108828613A (zh) * | 2018-05-24 | 2018-11-16 | 北京石油化工学院 | 一种去除噪点的方法和危化品仓储激光扫描装置 |
CN110031822A (zh) * | 2019-04-22 | 2019-07-19 | 上海禾赛光电科技有限公司 | 可用于激光雷达的噪点识别方法以及激光雷达系统 |
US20200379096A1 (en) * | 2019-04-22 | 2020-12-03 | Hesai Photonics Technology Co., Ltd. | Method for identification of a noise point used for lidar, and lidar system |
CN110515054A (zh) * | 2019-08-23 | 2019-11-29 | 斯坦德机器人(深圳)有限公司 | 滤波方法和装置、电子设备、计算机存储介质 |
CN110954919A (zh) * | 2019-12-13 | 2020-04-03 | 华中科技大学 | 一种面阵激光探测器的固定值噪声确定方法及去除方法 |
CN111986115A (zh) * | 2020-08-22 | 2020-11-24 | 王程 | 激光点云噪声和冗余数据的精准剔除方法 |
Non-Patent Citations (2)
Title |
---|
刘学君;魏宇晨;袁碧贤;卢浩;戴波;: "危化品仓储中激光测距的自适应分层聚类去噪算法研究", 《计算机科学》 * |
李现坤;曾德标;孟华林;谭红;: "基于2D激光扫描的基准检测技术研究", 机械制造与自动化, no. 01 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113902632A (zh) * | 2021-09-23 | 2022-01-07 | 追觅创新科技(苏州)有限公司 | 激光数据噪点的去除方法及装置、存储介质及电子装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109521757B (zh) | 静态障碍物识别方法和装置 | |
JP5285299B2 (ja) | 相関位置決定 | |
CN109871745A (zh) | 识别空车位的方法、系统及车辆 | |
CN112034431B (zh) | 一种雷达和rtk的外参标定方法及装置 | |
CN108363060A (zh) | 一种动态障碍物检测方法及设备 | |
CN104715469A (zh) | 一种数据处理方法及电子设备 | |
CN112541525A (zh) | 一种点云数据处理方法和装置 | |
CN112313536B (zh) | 物体状态获取方法、可移动平台及存储介质 | |
CN112700387A (zh) | 激光数据处理方法、装置及设备、存储介质 | |
CN110345924A (zh) | 一种距离获取的方法和装置 | |
CN112965076A (zh) | 一种用于机器人的多雷达定位系统及方法 | |
CN117109430A (zh) | 一种基于点云数据的计算方法及装置 | |
US20230025981A1 (en) | Method and apparatus with grid map generation | |
CN112666564B (zh) | 充电桩的定位方法、装置及设备、存储介质 | |
CN117367419A (zh) | 机器人定位方法、装置和计算可读存储介质 | |
CN116106869A (zh) | 自动驾驶车辆的定位评价方法、装置及电子设备 | |
CN113203424B (zh) | 多传感器的数据融合方法、装置及相关设备 | |
Wells et al. | Evaluation of ground plane detection for estimating breast height in stereo images | |
CN109523530A (zh) | 一种微带片圆形焊盘检测方法和系统 | |
CN112987010A (zh) | 一种用于机器人的多雷达建图的系统及方法 | |
CN114494404A (zh) | 物体体积测量方法、系统、装置和介质 | |
CN115293980B (zh) | 一种基于历史信息的小尺寸动态噪点滤除方法、装置 | |
CN114248782B (zh) | 无人车俯仰角确定方法、装置和计算机可读存储介质 | |
CN114624725B (zh) | 目标物体监测方法及装置 | |
CN112698394B (zh) | 二维观测系统设计面元尺寸的确定方法及装置 |
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 |