CN113126103A - 一种逆反射物体的点云处理方法和装置 - Google Patents
一种逆反射物体的点云处理方法和装置 Download PDFInfo
- Publication number
- CN113126103A CN113126103A CN201911371795.6A CN201911371795A CN113126103A CN 113126103 A CN113126103 A CN 113126103A CN 201911371795 A CN201911371795 A CN 201911371795A CN 113126103 A CN113126103 A CN 113126103A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- window area
- retro
- points
- current window
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种逆反射物体的点云处理方法和装置,包括:将目标区域的点云分布图切分为至少一个窗区域,其中点云分布图至少包括点云的距离值和灰度值;对至少一个窗区域中的每一个窗区域,判断当前窗区域范围内是否存在逆反射物体;如果当前窗区域范围内存在逆反射物体,则选取当前窗区域内距离值和灰度值满足预设条件的点;将满足预设条件的点删除。本发明能够有效地将激光雷达的点云图像里面的逆反射物体周围虚假点进行剔除,实现逆反射物体的真实轮廓提取,本发明的技术方案简单有效,无需复杂操作,具有较高的鲁棒性和较低的复杂度。
Description
技术领域
本发明属于激光雷达测量领域,具体地,涉及一种逆反射物体的点云处理方法、装置、计算机处理设备和可读存储介质。
背景技术
激光雷达是通过发送激光到物体表面,然后通过测量反射回来的光束的到达时间来实现对目标物体的测距和灰度测量的设备。点云图是激光雷达通过扫描发射激光然后获取到回波之后,整个视场角范围内的回波集合形成的图像。但是由于逆反射物体(即具有逆反射(retro-reflection)特性的物体)的特殊性,激光的光斑打在逆反射物体上会出现极强的全反射回波。由于激光光束的发散性,在远处的时候光斑较大,同时由于逆反射物体的强反射性,会导致当只有完整光斑的一小部分光斑打在逆反射物体上时也会造成很大的回波能量。这样会导致逆反射物体在点云图像中外形出现变化,在真实的物体外轮廓出现一圈虚假的点云结果。
发明内容
本发明所要解决的技术问题是去除掉逆反射物体边缘轮廓外的虚假点云,实现对点云质量的提升。
根据本发明的第一方面,提供一种逆反射物体的点云处理方法,包括:
将目标区域的点云分布图切分为至少一个窗区域,其中所述点云分布图至少包括点云的距离值和灰度值;
对所述至少一个窗区域中的每一个窗区域,判断当前窗区域范围内是否存在逆反射物体;
如果所述当前窗区域范围内存在逆反射物体,则选取所述当前窗区域内距离值和灰度值满足预设条件的点;
将所述满足预设条件的点删除。
可选地,采用滑窗切分方式将所述目标区域的点云分布图切分为至少一个窗区域,所述至少一个窗区域包括正方形窗区域或矩形窗区域中的至少一种。
可选地,所述至少一个窗区域的相邻窗区域之间存在重叠,重叠占比0<α<1。
可选地,所述对目标区域的点云分布图切分为至少一个窗区域,包括:按照激光雷达的接收单元中的雪崩光电二极管阵列对原始点云图像划分的关系进行切分,其中,所述至少一个窗区域包括:至少一个雪崩光电二极管对应的点云区域。
可选地,所述判断当前窗区域范围内是否存在逆反射物体,包括:当所述当前窗区域内存在Nretro个点的灰度值大于灰度阈值ρretro时,则判断存在逆反射物体。
可选地,选取所述当前窗区域内距离值和灰度值满足预设条件的点,包括:
选取所述当前窗区域内距离值满足式1的点的第一部分:
|R(x,y,z)-Rretro|≤Rth (式1)
其中,R(x,y,z)为点云分布图中点云的距离值,x,y,z分别代表点云图像的三维笛卡尔坐标值,Rth为距离阈值,Rretro为所述逆反射物体的平均距离。
可选地,所述当前窗区域内距离值满足式1的点的第一部分是对所述当前窗区域内距离值满足式1的点按照灰度值从大到小排序后,灰度值位于后百分比b%的点。
可选地,所述逆反射物体的平均距离Rretro是所述当前窗区域内第二部分的点的距离值的平均值。
可选地,所述当前窗区域内第二部分的点是对所述当前窗区域内的点按照灰度值从大到小排序后,灰度值位于前百分比a%的点。
根据本发明的第二方面,一种逆反射物体的点云处理装置,包括:
窗切分模块,用于将目标区域的点云分布图切分为至少一个窗区域,其中所述点云分布图至少包括点云的距离值和灰度值;
逆反射物体判断模块,用于对所述至少一个窗区域中的每一个窗区域,判断当前窗区域范围内是否存在逆反射物体;
点选取模块,用于如果所述当前窗区域范围内存在逆反射物体,则选取所述当前窗区域内距离值和灰度值满足预设条件的点;
点删除模块,用于将所述满足预设条件的点删除。
可选地,所述窗切分模块具体用于采用滑窗切分方式将所述目标区域的点云分布图切分为至少一个窗区域,所述至少一个窗区域包括正方形窗区域或矩形窗区域中的至少一种。
可选地,对于所述窗切分模块,所述至少一个窗区域的相邻窗区域之间存在重叠,重叠占比0<α<1。
可选地,所述窗切分模块,具体用于按照激光雷达的接收单元中的雪崩光电二极管阵列对原始点云图像划分的关系将所述目标区域的点云分布图切分为至少一个窗区域,其中,所述至少一个窗区域包括:至少一个雪崩光电二极管对应的点云区域。
可选地,所述逆反射物体判断模块,具体用于当所述当前窗区域内存在Nretro个点的灰度值大于灰度阈值ρretro时,判断存在逆反射物体。
可选地,所述点选取模块用于选取所述当前窗区域内距离值和灰度值满足预设条件的点,包括:
选取所述当前窗区域内距离值满足式1的点的第一部分:
|R(x,y,z)-Rretro|≤Rth (式1)
其中,R(x,y,z)为点云分布图中点云的距离值,x,y,z分别代表点云图像的三维笛卡尔坐标值,Rth为距离阈值,Rretro为所述逆反射物体的平均距离。
可选地,所述当前窗区域内距离值满足式1的点的第一部分是对所述当前窗区域内距离值满足式1的点按照灰度值从大到小排序后,灰度值位于后百分比b%的点。
可选地,所述逆反射物体的平均距离Rretro是所述当前窗区域内第二部分的点的距离值的平均值。
可选地,所述当前窗区域内第二部分的点是对所述当前窗区域内的点按照灰度值从大到小排序后,灰度值位于前百分比a%的点。
根据本发明的第三方面,一种计算机处理设备,包括:处理器和用于存储处理器可执行指令的存储器,其中,所述处理器被配置为:
将目标区域的点云分布图切分为至少一个窗区域,其中所述点云分布图至少包括点云的距离值和灰度值;
对所述至少一个窗区域中的每一个窗区域,判断当前窗区域范围内是否存在逆反射物体;
如果所述当前窗区域范围内存在逆反射物体,则选取所述当前窗区域内距离值和灰度值满足预设条件的点;
将所述满足预设条件的点删除。
根据本发明的第四方面,提供一种计算机可读存储介质,其上存取有计算机指令,所述指令被处理器执行时实现所述的逆反射物体的点云处理方法。
本发明提供的技术方案可以包括以下有益效果:能够有效地将激光雷达的点云图像里面的逆反射物体周围虚假点进行剔除,实现逆反射物体的真实轮廓提取。此外,本发明处理算法简单有效,无需复杂操作,具有较高的鲁棒性和较低的复杂度。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的逆反射物体的点云处理方法的一个实施例的流程图。
图2是本发明的一个实施例的滑窗切分处理示意图。
图3是本发明的逆反射物体的点云处理装置的一个实施例的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的系统的例子。
在本申请的描述中,需要说明的是,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
本发明的第一方面的实施例提供了一种逆反射物体的点云处理方法。图1示出了本实施例的逆反射物体的点云处理方法的流程图。该方法包括:
步骤S1:对目标区域的点云分布图切分为至少一个窗区域,其中点云分布图至少包括点云的距离值和灰度值。
步骤S2:对至少一个窗区域中的每一个窗区域,判断当前窗区域范围内是否存在逆反射物体。
步骤S3:如果当前窗区域范围内存在逆反射物体,则选取当前窗区域内距离值和灰度值满足预设条件的点;
步骤S4:将满足预设条件的点删除。
在本实施例中,目标区域的点云分布图可以由激光雷达采集。因此作为本发明实施例的一个可选实施方式,在步骤S1之前,本实施例提供的方法还可以包括:
步骤S0:获取激光雷达采集的目标区域的点云分布图。
目标物体的点云分布图可以由R(x,y,z)、I(x,y,z)表示,其中x,y,z分别代表点云图像的三维笛卡尔坐标值,R,I分别为点云的距离值和灰度值。灰度值反映目标物体的反射率。
下面将对本实施例的各个步骤具体说明。
根据本发明实施例的一个可选实施方式,步骤S1中,可以采用滑窗切分方式将目标区域的点云分布图切分为至少一个窗区域。窗切分处理中窗的形状可以根据实际情况确定,例如至少一个窗区域可以包括正方形窗区域或矩形窗区域中的至少一种。
采用滑窗切分方式解决了点云分布图中的相邻视场的过渡问题,避免了相邻视场过渡突兀,使得点云图像的处理更加平稳,而且能够降低数据运算量,提高运算效率。
作为本发明实施例的一个可选实施方式,当采用滑窗切分方式时,相邻窗区域之间可以不相互重叠,例如,每个窗区域与周边邻接的窗区域紧密连接。
作为本发明实施例的一个可选实施方式,当采用滑窗切分方式时,相邻窗区域之间也可以存在重叠,重叠占比0<α<1,可以保障窗区域边缘处的点云处理质量。
如图2所示,以正方形窗切分为例进行说明。
假设点云三维坐标的定义域范围分别为x∈(xl,xh)y∈(yl,yh)z∈(zl,zh),按照实际点云分布进行滑窗切分,设定所述至少一个窗区域的大小为N×N,则在分辨率M×M线的激光雷达的图像中进行滑窗切分时,设定相邻两个分块区域的重叠占比为α,然后依次平移滑窗,最终可以获得不超过K2个分块区域,其中K的表达式为
在具体实施过程中,N的值一般与物体外形大小和处理复杂度有关,N越小处理越快,但是逆反射物体会被切分可能影响处理效果,N太大可能处理太慢,误删点等。在具体实施过程中,可以根据实际需要选取合适的N值。
根据本发明实施例的可选实施方式,在步骤S1中,还可以根据实际数据源来源方式采用其他切分处理。例如,对目标区域的点云分布图切分为至少一个窗区域,包括:按照激光雷达的接收单元中的雪崩光电二极管(APD)阵列对原始点云图像划分的关系进行切分,其中,至少一个窗区域包括:至少一个雪崩光电二极管对应的点云区域。
根据本发明实施例的一个可选实施方式,在步骤S2中,判断当前窗区域范围内是否存在逆反射物体,包括:当前窗区域内存在Nretro个点的灰度值大于灰度阈值ρretro时,则判断存在逆反射物体。
在具体实施过程中,Nretro的取值至少与窗区域的大小有关。在一个窗区域中只要有少量的点的灰度值大于灰度阈值,即可以认定该窗区域中存在逆反射物体。因此,Nretro的取值一般较小,例如Nretro≥3。
在具体实施过程中,灰度阈值ρretro的取值与常见物体的反射率数值和逆反射物体的典型反射率数值相关。由于常见物体一般为漫反射物体,其灰度(反射率)≤100,因此可设定灰度阈值ρretro≥100。
根据本发明实施例的一个可选实施方式,在步骤S3中,在当前窗区域中存在逆反射物体时,进一步根据距离值和灰度值筛选出满足预设条件的点,这些点即为虚假点,会导致物体在点云图像中外形出现变化。
在本实施例中,可以对窗区域内的点进行灰度统计排序,根据排序结果实现对逆反射物体的灰度值和平均距离识别,并选取当前窗区域内距离值和灰度值满足预设条件的点。排序的算法包括不限于快速排序算法、堆排序算法等常见的排序算法。
作为本发明实施例的一个可选实施方式,选取所述当前窗区域内距离值和灰度值满足预设条件的点,包括:选取当前窗区域内距离值满足式1的点的第一部分
|R(x,y,z)-Rretro|≤Rth (式1)
其中Rth为距离阈值,Rretro为所述逆反射物体的平均距离。在具体实施过程中,一般为实际测距精度的六倍或者根据逆反射物体外形动态调整。
作为本发明实施例的一个可选实施方式,当前窗区域内距离值满足式1的点的第一部分是对当前窗区域范围内的点按照灰度值从大到小排序后,灰度值位于后百分比b%的点。可选地,经前述操作处理后,剩下的点中较大比例为无效点,因此,b的取值可以较大,例如,百分比b%可以为50%-90%。
作为本发明实施例的一个可选实施方式,逆反射物体的平均距离Rretro是当前窗区域内第二部分的点的距离值的平均值。
作为本发明实施例的一个可选实施方式,当前窗区域内第二部分的点是对所述当前窗区域内的点按照灰度值从大到小后,其中灰度值位于前百分比a%的点。可选地,百分比a%一般不超过50%。
步骤S4将满足预设条件的点删除。
通过步骤S4,可以实现对逆反射物体的边缘处理,去除掉点云里逆反射物体周围的无效点。
本实施例的技术方案能够有效地将激光雷达的点云图像里面的逆反射物体周围虚假点进行剔除,实现逆反射物体的真实轮廓提取。此外,本发明处理算法简单有效,无需复杂操作,具有较高的鲁棒性和较低的复杂度。
作为本发明实施例的一个可选实施方式,在步骤S4之后,本实施例提供的方法还可以包括:对下一个窗区域作为当前窗区域,并重复执行步骤S2-S4,直至完成对所有窗区域的处理。
根据本发明的第二方面,如图3所示,提供一种逆反射物体的点云处理装置,包括:
窗切分模块11,用于将目标区域的点云分布图切分为至少一个窗区域,其中点云分布图至少包括点云的距离值和灰度值;
逆反射物体判断模块12,用于对至少一个窗区域中的每一个窗区域,判断当前窗区域范围内是否存在逆反射物体;
点选取模块13,用于如果当前窗区域范围内存在逆反射物体,则选取所述当前窗区域内距离值和灰度值满足预设条件的点;
点删除模块14,用于将满足预设条件的点删除。
下面将对本实施例的各个模块具体说明。
根据本发明实施例的一个可选实施方式,窗切分模块11可以采用滑窗切分方式将目标区域的点云分布图切分为至少一个窗区域。窗切分处理中窗的形状可以根据实际情况确定,例如至少一个窗区域可以包括正方形窗区域或矩形窗区域中的至少一种。
作为本发明实施例的一个可选实施方式,当采用滑窗切分方式时,相邻窗区域之间可以不相互重叠,例如,每个窗区域与周边邻接的窗区域紧密连接。
作为本发明实施例的一个可选实施方式,当采用滑窗切分方式时,相邻窗区域之间也可以存在重叠,重叠占比0<α<1,可以保障窗区域边缘处的点云处理质量。
参考图2,以正方形窗切分为例进行说明。
假设点云三维坐标的定义域范围分别为x∈(xl,xh)y∈(yl,yh)z∈(zl,zh),按照实际点云分布进行滑窗切分,设定所述至少一个窗区域的大小为N×N,则在分辨率M×M线的激光雷达的图像中进行滑窗切分时,设定相邻两个分块区域的重叠占比为α,然后依次平移滑窗,最终可以获得不超过K2个分块区域,其中K的表达式为
在具体实施过程中,N的值一般与物体外形大小和处理复杂度有关,N越小处理越快,但是逆反射物体会被切分可能影响处理效果,N太大可能处理太慢,误删点等。在具体实施过程中,可以根据实际需要选取合适的N值。
根据本发明实施例的可选实施方式,窗切分模块11还可以根据实际数据源来源方式采用其他切分处理。例如,按照激光雷达的接收单元中的雪崩光电二极管(APD)阵列对原始点云图像划分的关系对目标区域的点云分布图切分为至少一个窗区域,其中,至少一个窗区域包括:至少一个雪崩光电二极管对应的点云区域。
根据本发明实施例的一个可选实施方式,逆反射物体判断模块12具体用于当前窗区域内存在Nretro个点的灰度值大于灰度阈值ρretro时,判断存在逆反射物体。
在具体实施过程中,Nretro的取值至少与窗区域的大小有关。在一个窗区域中只要有少量的点的灰度值大于灰度阈值,即可以认定该窗区域中存在逆反射物体。因此,Nretro的取值一般较小,例如Nretro≥3。
在具体实施过程中,灰度阈值ρretro的取值与常见物体的反射率数值和逆反射物体的典型反射率数值相关。由于常见物体一般为漫反射物体,其灰度(反射率)≤100,因此可设定灰度阈值ρretro≥100。
根据本发明实施例的一个可选实施方式,点选取模块13,具体用于在当前窗区域中存在逆反射物体时,进一步根据距离值和灰度值筛选出满足预设条件的点,这些点即为虚假点,会导致物体在点云图像中外形出现变化。
在本实施例中,可以对窗区域内的点进行灰度统计排序,根据排序结果实现对逆反射物体的灰度值和平均距离识别,并选取当前窗区域内距离值和灰度值满足预设条件的点。排序的算法包括不限于快速排序算法、堆排序算法等常见的排序算法。
作为本发明实施例的一个可选实施方式,选取所述当前窗区域内距离值和灰度值满足预设条件的点,包括:选取当前窗区域内距离值满足式1的点的第一部分
|R(x,y,z)-Rretro|≤Rth (式1)
其中Rth为距离阈值,Rretro为所述逆反射物体的平均距离。在具体实施过程中,一般为实际测距精度的六倍或者根据逆反射物体外形动态调整。
作为本发明实施例的一个可选实施方式,当前窗区域内距离值满足式1的点的第一部分是对当前窗区域范围内的点按照灰度值从大到小排序后,灰度值位于后百分比b%的点。可选地,经前述操作处理后,剩下的点中较大比例为无效点,因此,b的取值可以较大,例如,百分比b%可以为50%-90%。
作为本发明实施例的一个可选实施方式,逆反射物体的平均距离Rretro是当前窗区域内第二部分的点的距离值的平均值。
作为本发明实施例的一个可选实施方式,当前窗区域内第二部分的点是对所述当前窗区域内的点按照灰度值从大到小后,其中灰度值位于前百分比a%的点。可选地,百分比a%一般不超过50%。
点删除模块14用于将满足预设条件的点删除。
点删除模块14可以实现对逆反射物体的边缘处理,去除掉点云里逆反射物体周围的无效点。
根据本发明的第三方面,提供一种计算机处理设备,包括:处理器和用于存储处理器可执行指令的存储器,其中,所述处理器被配置为:将目标区域的点云分布图切分为至少一个窗区域,其中所述点云分布图至少包括点云的距离值和灰度值;对所述至少一个窗区域中的每一个窗区域,判断当前窗区域范围内是否存在逆反射物体;如果所述当前窗区域范围内存在逆反射物体,则选取所述当前窗区域内距离值和灰度值满足预设条件的点;将所述满足预设条件的点删除。
根据本发明的第四方面,提供一种计算机可读存储介质,其上存取有计算机指令,所述指令被处理器执行时实现上述逆反射物体的点云处理方法。
在本实施例中,至少一个处理器可以构成具有对一个或多个输入执行逻辑运算的电路的任何物理设备。例如,至少一个处理器可以包括一个或多个集成电路(IC),包括专用集成电路(ASIC)、微芯片、微控制器、微处理器、中央处理单元(CPU)的全部或部分、图形处理单元(GPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)或者适于执行指令或执行逻辑运算的其它电路。由至少一个处理器执行的指令可以例如被预加载到与控制器集成的或嵌入在控制器中的存储器中,或者可以存储在分离的存储器中。存储器可以包括随机存取存储器(RAM)、只读存储器(ROM)、硬盘、光盘、磁介质、闪存,其它永久、固定或易失性存储器,或者能够存储指令的任何其它机制。在一些实施例中,至少一个处理器可以包括多于一个处理器。每个处理器可以具有相似的结构,或者处理器可以具有彼此电连接或断开的不同构造。例如,处理器可以是分离的电路或集成在单个电路中。当使用多于一个处理器时,处理器可以被配置为独立地或协作地操作。处理器可以以电、磁、光学、声学、机械或通过允许它们交互的其它手段来耦合。
在本实施例中,非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本发明的特征和益处通过参考实施例进行说明。相应地,本发明明确地不应局限于这些说明一些可能的非限制性特征的组合的示例性的实施例,这些特征可单独或者以特征的其它组合的形式存在。
以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述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:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种逆反射物体的点云处理方法,其特征在于,包括:
将目标区域的点云分布图切分为至少一个窗区域,其中所述点云分布图至少包括点云的距离值和灰度值;
对所述至少一个窗区域中的每一个窗区域,判断当前窗区域范围内是否存在逆反射物体;
如果所述当前窗区域范围内存在逆反射物体,则选取所述当前窗区域内距离值和灰度值满足预设条件的点;
将所述满足预设条件的点删除。
2.根据权利要求1所述的逆反射物体的点云处理方法,其特征在于,采用滑窗切分方式将所述目标区域的点云分布图切分为至少一个窗区域,所述至少一个窗区域包括正方形窗区域或矩形窗区域中的至少一种。
3.根据权利要求2所述的逆反射物体的点云处理方法,其特征在于,所述至少一个窗区域的相邻窗区域之间存在重叠,重叠占比0<α<1。
4.根据权利要求1所述的逆反射物体的点云处理方法,其特征在于,
所述对目标区域的点云分布图切分为至少一个窗区域,包括:
按照激光雷达的接收单元中的雪崩光电二极管阵列对原始点云图像划分的关系进行切分,其中,所述至少一个窗区域包括:至少一个雪崩光电二极管对应的点云区域。
5.根据权利要求1至4中任何一项所述的逆反射物体的点云处理方法,其特征在于,所述判断当前窗区域范围内是否存在逆反射物体,包括:当所述当前窗区域内存在Nretro个点的灰度值大于灰度阈值ρretro时,判断存在逆反射物体。
6.根据权利要求1至4中任何一项所述的逆反射物体的点云处理方法,其特征在于,
选取所述当前窗区域内距离值和灰度值满足预设条件的点,包括:
选取所述当前窗区域内距离值满足式1的点的第一部分:
|R(x,y,z)-Rretro|≤Rth (式1)
其中,R(x,y,z)为点云分布图中点云的距离值,x,y,z分别代表点云图像的三维笛卡尔坐标值,Rth为距离阈值,Rretro为所述逆反射物体的平均距离。
7.根据权利要求6所述的逆反射物体的点云处理方法,其特征在于,所述当前窗区域内距离值满足式1的点的第一部分是对所述当前窗区域内距离值满足式1的点按照灰度值从大到小排序后,灰度值位于后百分比b%的点。
8.根据权利要求6所述的逆反射物体的点云处理方法,其特征在于,所述逆反射物体的平均距离Rretro是所述当前窗区域内第二部分的点的距离值的平均值。
9.根据权利要求8所述的逆反射物体的点云处理方法,其特征在于,所述当前窗区域内第二部分的点是对所述当前窗区域内的点按照灰度值从大到小后,灰度值位于前百分比a%的点。
10.一种逆反射物体的点云处理装置,其特征在于,包括:
窗切分模块,用于将目标区域的点云分布图切分为至少一个窗区域,其中所述点云分布图至少包括点云的距离值和灰度值;
逆反射物体判断模块,用于对所述至少一个窗区域中的每一个窗区域,判断当前窗区域范围内是否存在逆反射物体;
点选取模块,用于如果所述当前窗区域范围内存在逆反射物体,则选取所述当前窗区域内距离值和灰度值满足预设条件的点;
点删除模块,用于将所述满足预设条件的点删除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911371795.6A CN113126103B (zh) | 2019-12-27 | 2019-12-27 | 一种逆反射物体的点云处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911371795.6A CN113126103B (zh) | 2019-12-27 | 2019-12-27 | 一种逆反射物体的点云处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113126103A true CN113126103A (zh) | 2021-07-16 |
CN113126103B CN113126103B (zh) | 2023-03-10 |
Family
ID=76767306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911371795.6A Active CN113126103B (zh) | 2019-12-27 | 2019-12-27 | 一种逆反射物体的点云处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113126103B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107703499A (zh) * | 2017-08-22 | 2018-02-16 | 北京航空航天大学 | 一种基于自制地基激光雷达对准误差的点云误差校正方法 |
CN108278981A (zh) * | 2018-02-11 | 2018-07-13 | 北京主线科技有限公司 | 检测无人驾驶挂车轴偏角的装置及其检测方法 |
CN109064506A (zh) * | 2018-07-04 | 2018-12-21 | 百度在线网络技术(北京)有限公司 | 高精度地图生成方法、装置及存储介质 |
CN109760064A (zh) * | 2019-03-25 | 2019-05-17 | 广东电网有限责任公司 | 一种移动机器人自身位置的调整方法和装置 |
US20190178989A1 (en) * | 2017-12-11 | 2019-06-13 | Automotive Research & Testing Center | Dynamic road surface detecting method based on three-dimensional sensor |
CN110441269A (zh) * | 2019-08-13 | 2019-11-12 | 江苏东交工程检测股份有限公司 | 标线反光检测方法、装置、设备及存储介质 |
-
2019
- 2019-12-27 CN CN201911371795.6A patent/CN113126103B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107703499A (zh) * | 2017-08-22 | 2018-02-16 | 北京航空航天大学 | 一种基于自制地基激光雷达对准误差的点云误差校正方法 |
US20190178989A1 (en) * | 2017-12-11 | 2019-06-13 | Automotive Research & Testing Center | Dynamic road surface detecting method based on three-dimensional sensor |
CN108278981A (zh) * | 2018-02-11 | 2018-07-13 | 北京主线科技有限公司 | 检测无人驾驶挂车轴偏角的装置及其检测方法 |
CN109064506A (zh) * | 2018-07-04 | 2018-12-21 | 百度在线网络技术(北京)有限公司 | 高精度地图生成方法、装置及存储介质 |
CN109760064A (zh) * | 2019-03-25 | 2019-05-17 | 广东电网有限责任公司 | 一种移动机器人自身位置的调整方法和装置 |
CN110441269A (zh) * | 2019-08-13 | 2019-11-12 | 江苏东交工程检测股份有限公司 | 标线反光检测方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113126103B (zh) | 2023-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110502973B (zh) | 一种基于车载激光点云的道路标线自动化提取和识别方法 | |
CN113378760A (zh) | 训练目标检测模型和检测目标的方法及装置 | |
CN110598541A (zh) | 一种提取道路边缘信息的方法及设备 | |
CN112904369B (zh) | 机器人重定位方法、装置、机器人和计算机可读存储介质 | |
CN114384491B (zh) | 用于激光雷达的点云处理方法及装置、存储介质 | |
CN114494075A (zh) | 基于三维点云的障碍物识别方法、电子设备和存储介质 | |
CN111308500A (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 | |
CN109767391A (zh) | 点云去噪方法、图像处理设备及具有存储功能的装置 | |
CN114384492B (zh) | 用于激光雷达的点云处理方法及装置、存储介质 | |
CN111931704A (zh) | 评估地图质量的方法、装置、设备和计算机可读存储介质 | |
US11933884B2 (en) | Radar image processing device, radar image processing method, and storage medium | |
CN113281779B (zh) | 一种3d物体快速检测方法、装置、设备及介质 | |
CN113126103B (zh) | 一种逆反射物体的点云处理方法和装置 | |
CN116071694B (zh) | 船舶检测方法、装置及计算机可读存储介质 | |
US20180089886A1 (en) | Rendering via ray-depth field intersection | |
CN111724429B (zh) | 地面特征提取方法及装置 | |
EP3742398A1 (en) | Determining one or more scanner positions in a point cloud | |
CN115861626A (zh) | 目标检测方法、装置、终端设备及计算机可读存储介质 | |
CN111489386A (zh) | 点云特征点提取方法、装置、存储介质、设备及系统 | |
CN114863108A (zh) | 点云处理的方法、系统、电子设备及计算机可读存储介质 | |
CN116863325A (zh) | 一种用于多个目标检测的方法和相关产品 | |
WO2021084583A1 (ja) | 障害物検知装置、障害物検知方法、及び、障害物検知プログラム | |
CN110619650A (zh) | 一种基于线结构激光点云的边缘点提取方法和装置 | |
JP7389883B1 (ja) | 地表点抽出装置、地表点抽出方法およびプログラム | |
JP7366227B1 (ja) | 地表点抽出装置、地表点抽出方法およびプログラム |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |