CN113219439A - 目标主干点云提取方法、装置、设备及计算机存储介质 - Google Patents

目标主干点云提取方法、装置、设备及计算机存储介质 Download PDF

Info

Publication number
CN113219439A
CN113219439A CN202110379595.6A CN202110379595A CN113219439A CN 113219439 A CN113219439 A CN 113219439A CN 202110379595 A CN202110379595 A CN 202110379595A CN 113219439 A CN113219439 A CN 113219439A
Authority
CN
China
Prior art keywords
point cloud
plane
point
target
preset
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
Application number
CN202110379595.6A
Other languages
English (en)
Other versions
CN113219439B (zh
Inventor
李晓欢
苏昭宇
唐欣
陈倩
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.)
Guangxi Comprehensive Transportation Big Data Research Institute
Guilin University of Electronic Technology
Original Assignee
Guangxi Comprehensive Transportation Big Data Research Institute
Guilin University of Electronic Technology
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 Guangxi Comprehensive Transportation Big Data Research Institute, Guilin University of Electronic Technology filed Critical Guangxi Comprehensive Transportation Big Data Research Institute
Priority to CN202110379595.6A priority Critical patent/CN113219439B/zh
Publication of CN113219439A publication Critical patent/CN113219439A/zh
Application granted granted Critical
Publication of CN113219439B publication Critical patent/CN113219439B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01S7/483—Details of pulse systems
    • G01S7/486—Receivers
    • G01S7/487—Extracting wanted echo signals, e.g. pulse detection
    • 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
    • G01S7/491—Details of non-pulse systems
    • G01S7/493—Extracting wanted echo signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Architecture (AREA)
  • Electromagnetism (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本申请实施例提供了一种目标主干点云提取方法、装置、设备及计算机存储介质，涉及激光雷达技术领域。该方法包括：获取目标平面的原始点云的坐标信息，确定目标平面的平面种子点；采用预设的线性模型对目标平面进行拟合，确定目标平面的拟合模型；采用预设的算法确定拟合模型中的主干点云，得到目标平面的主干点云。本申请实施例通过各激光点的坐标信息，采用坐标信息，能够有效去除原始点云中坐标高度值过高的激光点，采用线性模型能够有效模拟去除过高点后的点云的拟合平面，然后基于该拟合平面，进一步去除该拟合平面中过高或者距离过大的激光点，保证过高点和干扰点完全被去除，提升点云的精确度，方便后续点云的使用。

Description

目标主干点云提取方法、装置、设备及计算机存储介质
技术领域
本申请涉及激光雷达技术领域，具体而言，本申请涉及一种目标主干点云提取方法、装置、设备及计算机存储介质。
背景技术
高精度点云地图作为高精度地图的重要组成部分，它的构建为高精度地图制作以及自动驾驶的高精度定位、导航和决策提供了重要基础。车辆在道路上进行自动驾驶关注更多的是道路表面的信息，对于过高的目标，如大树，高楼，对于车辆感知来说意义不大，反而会降低高精度地图构建的效率，因此我们在高精度地图构建前，首先需要把过高的目标点云去除。现有技术没有把过高的目标点云进行剔除，这样会大大增加配准点云的数量，计算量会大大增加，而且待配准的干扰点云也会增加，这样会给点云的配准增加难度。
发明内容
本申请的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术没有把过高的目标点云进行剔除，这样会大大增加配准点云的数量，计算量会大大增加，而且待配准的干扰点云也会增加，这样会给点云的配准增加难度的技术缺陷。
根据本申请的一个方面，提供了一种目标主干点云提取方法，该方法包括：
获取目标平面的原始点云；
获取所述原始点云中各激光点的坐标信息，并基于所述坐标信息确定所述目标平面的平面种子点；
基于所述平面种子点，采用预设的线性模型对所述目标平面进行拟合，确定所述目标平面的拟合模型；
基于所述拟合模型，采用预设的算法确定所述拟合模型中的主干点云，得到所述目标平面的主干点云。
可选的，所述获取所述原始点云中各激光点的坐标信息，并基于所述坐标信息确定所述目标平面的平面种子点，包括：
获取所述原始点云中各激光点的三维坐标信息；
基于所述各激光点的三维坐标信息中的高度坐标，确定预设个数的最低激光点；
计算各所述最低激光点的高度平均值，将所述各激光点中高度不大于所述高度平均值的激光点确定为所述目标平面的平面种子点。
可选的，所述基于所述平面种子点，采用预设的线性模型对所述目标平面进行拟合，确定所述目标平面的拟合模型，包括：
基于所述平面种子点的是三维坐标信息，采用预设的线性模型，求取所述目标平面的平面方程。
可选的，所述基于所述拟合模型，采用预设的算法确定所述拟合模型中的主干点云，得到所述目标平面的主干点云，包括：
基于所述平面方程，采用预设的点云剔除算法，剔除所述原始点云中不符合预设要求的点云，得到所述目标平面的主干点云。
可选的，所述基于所述平面方程，采用预设的点云剔除算法，剔除所述原始点云中不符合预设要求的点云，得到所述目标平面的主干点云，包括：
基于所述平面方程，计算所述原始点云中各点云距离所述平面方程标识的平面的正交投影距离，剔除所述正交投影距离大于第一预设距离的点云。
可选的，所述剔除所述正交投影距离大于第一预设距离的点云之后，还包括：
计算所述原始点云中剔除所述正交投影距离大于第一预设距离的点云的各第一剩余点云与所述第一剩余点云中心位置的欧式距离；
剔除所述欧式距离大于第一欧式距离的点云。
可选的，所述剔除所述欧式距离大于第一欧式距离的点云之后，还包括：
计算所述第一剩余点云中剔除所述欧式距离大于第一欧式距离的点云之后的第二剩余点云的平均高度；
剔除高度值大于所述平均高度的点云，得到所述主干点云。
根据本申请的另一个方面，提供了一种目标主干点云提取装置，该装置包括：
原始点云获取模块，用于获取目标平面的原始点云；
平面种子点确定模块，用于获取所述原始点云中各激光点的坐标信息，并基于所述坐标信息确定所述目标平面的平面种子点；
拟合模型确定模块，用于基于所述平面种子点，采用预设的线性模型对所述目标平面进行拟合，确定所述目标平面的拟合模型；
主干点云确定模块，用于基于所述拟合模型，采用预设的算法确定所述拟合模型中的主干点云，得到所述目标平面的主干点云。
根据本申请的另一个方面，提供了一种设备，该设备包括：
一个或多个处理器；
存储器；
一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于：执行上述的目标主干点云提取方法。
根据本申请的再一个方面，提供了一种计算机存储介质，所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述的目标主干点云提取方法。
本申请实施例通过基于原始点云中各激光点的坐标信息，确定目标平面的平面种子点，并基于平面种子点采用线性模型确定目标平面的拟合模型，并基于该拟合模型确定目标平面中的主干点云，采用坐标信息，能够有效去除原始点云中坐标值过高的激光点，采用线性模型能够有效模拟去除过高点后的点云的拟合平面，然后基于该拟合平面，进一步去除该拟合平面中过高或者距离过大的激光点，保证过高点和干扰点完全被去除，提升点云的精确度，方便后续点云的使用。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的一种目标主干点云提取方法的流程示意图；
图2为本申请实施例提供的一种平面种子点确定方法的流程示意图；
图3为本申请实施例提供的一种目标主干点云提取装置的结构示意图；
图4为本申请实施例提供的一种设备的结构示意图。
结合附图并参考以下具体实施方式，本申请各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
具体实施方式
下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例，然而应当理解的是，本申请可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本申请。应当理解的是，本申请的附图及实施例仅用于示例性作用，并非用于限制本申请的保护范围。
应当理解，本申请的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本申请的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本申请中提及的“第一”、“第二”等概念仅用于对装置、模块或单元进行区分，并非用于限定这些装置、模块或单元一定为不同的装置、模块或单元，也并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本申请中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本申请实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
首先对本申请涉及的几个名词进行介绍和解释：
GPS：Global Positioning System(全球定位系统)
FPGA：Field－Programmable Gate Array(现场可编程门阵列)
SDRAM：Synchronous Dynamic Random Access Memory(同步动态随机存储器)
LCD：Liquid Crystal Display(液晶显示器)
LCD显示屏各参数：CLOCK：像素时钟；
VS：Vertical Sync(水平同步)
HS：Horizontal Sync(垂直同步)
DE：Data Enable(数据有效使能)
DATA：显示数据
高精度点云地图作为高精度地图的重要组成部分，它的构建为高精度地图制作以及自动驾驶的高精度定位、导航和决策提供了重要基础。车辆在道路上进行自动驾驶关注更多的是道路表面的信息，对于过高的目标，如大树，高楼，对于车辆感知来说意义不大，反而会降低高精度地图构建的效率，因此我们在高精度地图构建前，首先需要把过高的目标点云去除。现有技术没有把过高的目标点云进行剔除，这样会大大增加配准点云的数量，计算量会大大增加，而且待配准的干扰点云也会增加，这样会给点云的配准增加难度。
本申请提供的目标主干点云提取方法、装置、设备和计算机存储介质，旨在解决现有技术的如上技术问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。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中不再赘述。下面将结合附图，对本申请的实施例进行描述。
本申请实施例中提供了一种目标主干点云提取方法，如图1所示，该方法包括：
步骤S101，获取目标平面的原始点云；
步骤S102，获取所述原始点云中各激光点的坐标信息，并基于所述坐标信息确定所述目标平面的平面种子点；
步骤S103，基于所述平面种子点，采用预设的线性模型对所述目标平面进行拟合，确定所述目标平面的拟合模型；
步骤S104，基于所述拟合模型，采用预设的算法确定所述拟合模型中的主干点云，得到所述目标平面的主干点云。
在本申请实施例中，目标平面的原始点云是通过激光雷达采集的，通过激光雷达对某个空间进行采集，获得的激光点组成的点云，其中，为了保证点云的稠密性，可以对同一地点进行多次采集，形成多帧激光点图像，然后将该多帧激光点图像进行融合，得到激光点较为稠密的原始点云。其中。目标平面可以是某段路面或者某块区域等。
在本申请实施例中，在获取到目标平面的原始点云之后，获取各原始点云的坐标信息，其中，该坐标信息应该是三维坐标信息，如可以将该平面放置在一个三维坐标系中，确定各原始点云的三维坐标，并基于各原始点云的坐标确定该目标平面的平面种子点。其中，可以根据各原始点云的高度坐标值，将高度坐标值过高的原始点云去除。
在本申请实施例中，在确定目标平面的平面种子点之后，基于该平面种子点，采用预设的线性模型对该平面种子点进行拟合，得到目标平面的拟合模型，该拟合模型为平面方程。
在本申请实施例中，在确定目标平面的平面方程之后，基于该平面方程，采用预设的算法计算个点云与该平面方程表示的平面之间的距离关系，将过高的点或者干扰点去除，得到目标平面的主干点云。
本申请实施例通过基于原始点云中各激光点的坐标信息，确定目标平面的平面种子点，并基于平面种子点采用线性模型确定目标平面的拟合模型，并基于该拟合模型确定目标平面中的主干点云，采用坐标信息，能够有效去除原始点云中坐标值过高的激光点，采用线性模型能够有效模拟去除过高点后的点云的拟合平面，然后基于该拟合平面，进一步去除该拟合平面中过高或者距离过大的激光点，保证过高点和干扰点完全被去除，提升点云的精确度，方便后续点云的使用。
在本申请实施例中，为方便说明，下面以一个实施例进行说明。
本申请提供了一种可能的实施方式，在该实施方式中，如图2所示，所述获取所述原始点云中各激光点的坐标信息，并基于所述坐标信息确定所述目标平面的平面种子点，包括：
步骤S201，获取所述原始点云中各激光点的三维坐标信息；
步骤S202，基于所述各激光点的三维坐标信息中的高度坐标，确定预设个数的最低激光点；
步骤S203，计算各所述最低激光点的高度平均值，将所述各激光点中高度不大于所述高度平均值的激光点确定为所述目标平面的平面种子点。
在本申请实施例中，在对目标平面的平面种子点进行筛选时，需要先获取各原始点云的三维坐标信息，如将所有的原始点云放置在同一个三维坐标系中，获取各原始点云的三维坐标(x，y，z)，然后将所有原始点云进行高度排序，即根据各原始点云的z坐标值进行排序，在排好序的原始点云中选取预设数量个最低点(如Nnum_lpr个最低点)，求取该预设数量个最低点的高度平均值，如公式(1)所示：
Figure BDA0003012456350000081
其中，hlpr_height表示该目标平面的最低点的平均高度值，
Figure BDA0003012456350000082
表示选取的Nnum_lpr中的第i个点的高度值，通过上述公式，可以将高度值小于hlpr_height的原始点云提取出来，确定为该目标平面的平面种子点，该平面种子点可以构成点集S。
本申请实施例中，通过根据原始点云的三维坐标信息，将原始点云中高度过高的点云去除，能给有效去除过高点，保证平面拟合的准确性。
本申请实施例提供了一种可能的实施方式，在该实施方式中，所述基于所述平面种子点，采用预设的线性模型对所述目标平面进行拟合，确定所述目标平面的拟合模型，包括：
基于所述平面种子点的是三维坐标信息，采用预设的线性模型，求取所述目标平面的平面方程。
在本申请实施例中，在通过平面种子点对平面进行拟合时，可以采用预设的线性模型，如公式(2)所示：
ax+by+cz+d＝0 (2)
其中，该公式可以转换为公式(3)
nTX＝-d (3)
其中，n＝[a,b,c]T，X＝[x,y,z]T，n可以通过初始点集的协方差矩阵C＝R3×3求解，从而确定一个平面，采用种子集S＝R3作为初始点集，其协方差矩阵为
Figure BDA0003012456350000083
其中，
Figure BDA0003012456350000084
为所有点的均值，该协方差矩阵C描述的是种子点集的散布情况，通过使用奇异值分解(SVD)求得各个分量，最小所对应的向量就是地面的法向量n，d通过代入种子集的平均值
Figure BDA0003012456350000085
直接求得。
本申请实施例通过采用预设的线性模型求解平面种子点云所表示的平面的方程，便于后续过高点和干扰点的去除。
本申请实施例提供了一种可能的实施方式，在该实施方式中，所述基于所述拟合模型，采用预设的算法确定所述拟合模型中的主干点云，得到所述目标平面的主干点云，包括：
基于所述平面方程，采用预设的点云剔除算法，剔除所述原始点云中不符合预设要求的点云，得到所述目标平面的主干点云。
基于所述平面方程，计算所述原始点云中各点云距离所述平面方程标识的平面的正交投影距离，剔除所述正交投影距离大于第一预设距离的点云。
计算所述原始点云中剔除所述正交投影距离大于第一预设距离的点云的各第一剩余点云与所述第一剩余点云中心位置的欧式距离；
剔除所述欧式距离大于第一欧式距离的点云。
计算所述第一剩余点云中剔除所述欧式距离大于第一欧式距离的点云之后的第二剩余点云的平均高度；
剔除高度值大于所述平均高度的点云，得到所述主干点云。
在本申请实施例中，为方便说明，以一个具体实施例为例，根据前述求得的平面方程以及得到的平面S，计算该平面S中各个点到该平面的正交投影距离，将每个点到平面S的正交投影距离与预设的阈值Thdist进行比较，当正交投影距离小于该预设的阈值Thdist时，则表示该个点云到平面S的距离满足要求，是目标平面中的点，当正交投影距离大于该预设的阈值Thdist时，则表示该个点云到平面S的距离不满足要求，不是目标平面中的点，需要将该点云剔除，把所有属于S平面的点构成一个新的集合S1，计算S1中所有点云与激光雷达中心位置的平面欧式距离，将该欧式距离与预设的阈值dground进行比较，当该平面欧式距离大于该预设的阈值dground时，表示该点云为干扰点，去除该干扰点，当该平面欧式距离小于该预设的阈值dground时，表示该点云满足要求，将所有满足要求的点云构成集合S2，S2为新构成的地面点的集合，对S2中所有点云的高度坐标值求平均值，得到平均高度值hs2，将S2中所有点云的高度与hs2进行高度值作差求取平均值得到hs3，如公式(4)所示：
Figure BDA0003012456350000091
其中，S2i表示平面S2中第i个点的高度坐标值，然后将S2中所有点的高度坐标值与hs3进行比较，将高于hs3的点剔除，可得到目标平面的主干点云，并且成功剔除了过高点云。
本申请实施例通过基于原始点云中各激光点的坐标信息，确定目标平面的平面种子点，并基于平面种子点采用线性模型确定目标平面的拟合模型，并基于该拟合模型确定目标平面中的主干点云，采用坐标信息，能够有效去除原始点云中坐标值过高的激光点，采用线性模型能够有效模拟去除过高点后的点云的拟合平面，然后基于该拟合平面，进一步去除该拟合平面中过高或者距离过大的激光点，保证过高点和干扰点完全被去除，提升点云的精确度，方便后续点云的使用。
本申请实施例提供了一种目标主干点云提取装置，如图3所示，该目标主干点云提取装置30可以包括：原始点云获取模块301、平面种子点确定模块302、拟合模型确定模块303、以及主干点云确定模块304，其中，
原始点云获取模块301，用于获取目标平面的原始点云；
平面种子点确定模块302，用于获取所述原始点云中各激光点的坐标信息，并基于所述坐标信息确定所述目标平面的平面种子点；
拟合模型确定模块303，用于基于所述平面种子点，采用预设的线性模型对所述目标平面进行拟合，确定所述目标平面的拟合模型；
主干点云确定模块304，用于基于所述拟合模型，采用预设的算法确定所述拟合模型中的主干点云，得到所述目标平面的主干点云。
可选的，平面种子点确定模块302在获取所述原始点云中各激光点的坐标信息，并基于所述坐标信息确定所述目标平面的平面种子点时，可以用于：
获取所述原始点云中各激光点的三维坐标信息；
基于所述各激光点的三维坐标信息中的高度坐标，确定预设个数的最低激光点；
计算各所述最低激光点的高度平均值，将所述各激光点中高度不大于所述高度平均值的激光点确定为所述目标平面的平面种子点。
可选的，拟合模型确定模块303在基于所述平面种子点，采用预设的线性模型对所述目标平面进行拟合，确定所述目标平面的拟合模型时，可以用于：
基于所述平面种子点的是三维坐标信息，采用预设的线性模型，求取所述目标平面的平面方程。
可选的，主干点云确定模块304在基于所述拟合模型，采用预设的算法确定所述拟合模型中的主干点云，得到所述目标平面的主干点云时，可以用于：
基于所述平面方程，采用预设的点云剔除算法，剔除所述原始点云中不符合预设要求的点云，得到所述目标平面的主干点云。
可选的，主干点云确定模块304在基于所述平面方程，采用预设的点云剔除算法，剔除所述原始点云中不符合预设要求的点云，得到所述目标平面的主干点云时，可以用于：
基于所述平面方程，计算所述原始点云中各点云距离所述平面方程标识的平面的正交投影距离，剔除所述正交投影距离大于第一预设距离的点云。
可选的，主干点云确定模块304在剔除所述正交投影距离大于第一预设距离的点云之后，还可以用于：
计算所述原始点云中剔除所述正交投影距离大于第一预设距离的点云的各第一剩余点云与所述第一剩余点云中心位置的欧式距离；
剔除所述欧式距离大于第一欧式距离的点云。
可选的，主干点云确定模块304在剔除所述欧式距离大于第一欧式距离的点云之后，还可以用于：
计算所述第一剩余点云中剔除所述欧式距离大于第一欧式距离的点云之后的第二剩余点云的平均高度；
剔除高度值大于所述平均高度的点云，得到所述主干点云。
本申请实施例的目标主干点云提取装置可执行本申请前述实施例所示的目标主干点云提取方法，其实现原理相类似，此处不再赘述。
本申请实施例通过基于原始点云中各激光点的坐标信息，确定目标平面的平面种子点，并基于平面种子点采用线性模型确定目标平面的拟合模型，并基于该拟合模型确定目标平面中的主干点云，采用坐标信息，能够有效去除原始点云中坐标值过高的激光点，采用线性模型能够有效模拟去除过高点后的点云的拟合平面，然后基于该拟合平面，进一步去除该拟合平面中过高或者距离过大的激光点，保证过高点和干扰点完全被去除，提升点云的精确度，方便后续点云的使用。
本申请实施例中提供了一种设备，该设备包括：存储器和处理器；至少一个程序，存储于存储器中，用于被处理器执行时，与现有技术相比可实现：本申请实施例通过基于原始点云中各激光点的坐标信息，确定目标平面的平面种子点，并基于平面种子点采用线性模型确定目标平面的拟合模型，并基于该拟合模型确定目标平面中的主干点云，采用坐标信息，能够有效去除原始点云中坐标值过高的激光点，采用线性模型能够有效模拟去除过高点后的点云的拟合平面，然后基于该拟合平面，进一步去除该拟合平面中过高或者距离过大的激光点，保证过高点和干扰点完全被去除，提升点云的精确度，方便后续点云的使用。
在一个可选实施例中提供了一种设备，如图4所示，图4所示的设备4000包括：处理器4001和存储器4003。其中，处理器4001和存储器4003相连，如通过总线4002相连。可选地，设备4000还可以包括收发器4004，收发器4004可以用于该设备与其他设备之间的数据交互，如数据的发送和/或数据的接收等。需要说明的是，实际应用中收发器4004不限于一个，该设备4000的结构并不构成对本申请实施例的限定。
处理器4001可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(FieldProgrammable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器4001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线4002可包括一通路，在上述组件之间传送信息。总线4002可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线4002可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器4003可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscReadOnly Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器4003用于存储执行本申请方案的应用程序代码(计算机程序)，并由处理器4001来控制执行。处理器4001用于执行存储器4003中存储的应用程序代码，以实现前述方法实施例所示的内容。
本申请实施例提供了一种计算机存储介质，该计算机存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.一种目标主干点云提取方法，其特征在于，包括：
获取目标平面的原始点云；
获取所述原始点云中各激光点的坐标信息，并基于所述坐标信息确定所述目标平面的平面种子点；
基于所述平面种子点，采用预设的线性模型对所述目标平面进行拟合，确定所述目标平面的拟合模型；
基于所述拟合模型，采用预设的算法确定所述拟合模型中的主干点云，得到所述目标平面的主干点云。
2.根据权利要求1所述的目标主干点云提取方法，其特征在于，所述获取所述原始点云中各激光点的坐标信息，并基于所述坐标信息确定所述目标平面的平面种子点，包括：
获取所述原始点云中各激光点的三维坐标信息；
基于所述各激光点的三维坐标信息中的高度坐标，确定预设个数的最低激光点；
计算各所述最低激光点的高度平均值，将所述各激光点中高度不大于所述高度平均值的激光点确定为所述目标平面的平面种子点。
3.根据权利要求2所述的目标主干点云提取方法，其特征在于，所述基于所述平面种子点，采用预设的线性模型对所述目标平面进行拟合，确定所述目标平面的拟合模型，包括：
基于所述平面种子点的是三维坐标信息，采用预设的线性模型，求取所述目标平面的平面方程。
4.根据权利要求3所述的目标主干点云提取方法，其特征在于，所述基于所述拟合模型，采用预设的算法确定所述拟合模型中的主干点云，得到所述目标平面的主干点云，包括：
基于所述平面方程，采用预设的点云剔除算法，剔除所述原始点云中不符合预设要求的点云，得到所述目标平面的主干点云。
5.根据权利要求4所述的目标主干点云提取方法，其特征在于，所述基于所述平面方程，采用预设的点云剔除算法，剔除所述原始点云中不符合预设要求的点云，得到所述目标平面的主干点云，包括：
基于所述平面方程，计算所述原始点云中各点云距离所述平面方程标识的平面的正交投影距离，剔除所述正交投影距离大于第一预设距离的点云。
6.根据权利要求5所述的目标主干点云提取方法，其特征在于，所述剔除所述正交投影距离大于第一预设距离的点云之后，还包括：
计算所述原始点云中剔除所述正交投影距离大于第一预设距离的点云的各第一剩余点云与所述第一剩余点云中心位置的欧式距离；
剔除所述欧式距离大于第一欧式距离的点云。
7.根据权利要求6所述的目标主干点云提取方法，其特征在于，所述剔除所述欧式距离大于第一欧式距离的点云之后，还包括：
计算所述第一剩余点云中剔除所述欧式距离大于第一欧式距离的点云之后的第二剩余点云的平均高度；
剔除高度值大于所述平均高度的点云，得到所述主干点云。
8.一种目标主干点云提取装置，其特征在于，包括：
原始点云获取模块，用于获取目标平面的原始点云；
平面种子点确定模块，用于获取所述原始点云中各激光点的坐标信息，并基于所述坐标信息确定所述目标平面的平面种子点；
拟合模型确定模块，用于基于所述平面种子点，采用预设的线性模型对所述目标平面进行拟合，确定所述目标平面的拟合模型；
主干点云确定模块，用于基于所述拟合模型，采用预设的算法确定所述拟合模型中的主干点云，得到所述目标平面的主干点云。
9.一种设备，其特征在于，所述设备包括：
一个或多个处理器；
存储器；
一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于：执行根据权利要求1～7任一项所述的目标主干点云提取方法。
10.一种计算机存储介质，其特征在于，所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1～7任一所述的目标主干点云提取方法。
CN202110379595.6A 2021-04-08 2021-04-08 目标主干点云提取方法、装置、设备及计算机存储介质 Active CN113219439B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110379595.6A CN113219439B (zh) 2021-04-08 2021-04-08 目标主干点云提取方法、装置、设备及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110379595.6A CN113219439B (zh) 2021-04-08 2021-04-08 目标主干点云提取方法、装置、设备及计算机存储介质

Publications (2)

Publication Number Publication Date
CN113219439A true CN113219439A (zh) 2021-08-06
CN113219439B CN113219439B (zh) 2023-12-26

Family

ID=77086920

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110379595.6A Active CN113219439B (zh) 2021-04-08 2021-04-08 目标主干点云提取方法、装置、设备及计算机存储介质

Country Status (1)

Country Link
CN (1) CN113219439B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113819917A (zh) * 2021-09-16 2021-12-21 广西综合交通大数据研究院 自动驾驶路径规划方法、装置、设备及存储介质
CN114529652A (zh) * 2022-04-24 2022-05-24 深圳思谋信息科技有限公司 点云补偿方法、装置、设备、存储介质和计算机程序产品

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011085433A1 (en) * 2010-01-14 2011-07-21 The University Of Sydney Acceptation/rejection of a classification of an object or terrain feature
WO2011085435A1 (en) * 2010-01-14 2011-07-21 The University Of Sydney Classification process for an extracted object or terrain feature
CN105447855A (zh) * 2015-11-13 2016-03-30 中国人民解放军空军装备研究院雷达与电子对抗研究所 一种地面三维激光扫描点云球面目标自动识别方法
CN106296650A (zh) * 2016-07-22 2017-01-04 武汉海达数云技术有限公司 一种激光点云配准方法和装置
CN106970375A (zh) * 2017-02-28 2017-07-21 河海大学 一种机载激光雷达点云中自动提取建筑物信息的方法
CN111179274A (zh) * 2019-12-30 2020-05-19 深圳一清创新科技有限公司 地图地面分割方法、装置、计算机设备和存储介质
CN111815707A (zh) * 2020-07-03 2020-10-23 北京爱笔科技有限公司 点云确定方法、点云筛选方法、装置、计算机设备
CN111915675A (zh) * 2020-06-17 2020-11-10 广西综合交通大数据研究院 基于粒子漂移的粒子滤波点云定位方法及其装置和系统
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

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011085433A1 (en) * 2010-01-14 2011-07-21 The University Of Sydney Acceptation/rejection of a classification of an object or terrain feature
WO2011085435A1 (en) * 2010-01-14 2011-07-21 The University Of Sydney Classification process for an extracted object or terrain feature
CN105447855A (zh) * 2015-11-13 2016-03-30 中国人民解放军空军装备研究院雷达与电子对抗研究所 一种地面三维激光扫描点云球面目标自动识别方法
CN106296650A (zh) * 2016-07-22 2017-01-04 武汉海达数云技术有限公司 一种激光点云配准方法和装置
CN106970375A (zh) * 2017-02-28 2017-07-21 河海大学 一种机载激光雷达点云中自动提取建筑物信息的方法
CN111179274A (zh) * 2019-12-30 2020-05-19 深圳一清创新科技有限公司 地图地面分割方法、装置、计算机设备和存储介质
CN111915675A (zh) * 2020-06-17 2020-11-10 广西综合交通大数据研究院 基于粒子漂移的粒子滤波点云定位方法及其装置和系统
CN111815707A (zh) * 2020-07-03 2020-10-23 北京爱笔科技有限公司 点云确定方法、点云筛选方法、装置、计算机设备
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 (6)

* Cited by examiner, † Cited by third party
Title
HAVAL ABDUL-JABBAR SADEQ: "Building Extraction from Lidar Data Using Statistical Methods", 《PHOTOGRAMMETRIC ENGINEERING & REMOTE SENSING》 *
JUN KANG CHOW, ZHAOYU SU, JIMMY WU, ZHAOFENG LI, PIN SIANG TAN, KUAN-FU LI, XIN MAO，YU-HSING WANG: "Artificial intelligence-empowered pipeline for image-based inspection of concrete structures", 《AUTOMATION IN CONSTRUCTION》 *
匡兵;田春月;陈凤冉;孙毛毛;: "一种基于结构化环境的线性距离特征提取算法", 科学技术与工程, no. 06 *
浮丹丹;周绍光;田慧;: "基于逐条线区域生长的点云平面提取", 科学技术与工程, no. 32 *
王对武: "融合位置信息的智能驾驶高精地图三维重建", 《桂林电子科技大学学报》, pages 182 - 186 *
邱佳月: "面向复杂场景的激光雷达地面分割算法", 《仪器仪表学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113819917A (zh) * 2021-09-16 2021-12-21 广西综合交通大数据研究院 自动驾驶路径规划方法、装置、设备及存储介质
CN114529652A (zh) * 2022-04-24 2022-05-24 深圳思谋信息科技有限公司 点云补偿方法、装置、设备、存储介质和计算机程序产品
CN114529652B (zh) * 2022-04-24 2022-07-19 深圳思谋信息科技有限公司 点云补偿方法、装置、设备和存储介质

Also Published As

Publication number Publication date
CN113219439B (zh) 2023-12-26

Similar Documents

Publication Publication Date Title
EP3505869B1 (en) Method, apparatus, and computer readable storage medium for updating electronic map
CN109946701B (zh) 一种点云坐标转换方法及装置
CN111582054B (zh) 点云数据处理方法及装置、障碍物检测方法及装置
CN112034431B (zh) 一种雷达和rtk的外参标定方法及装置
CN113219439A (zh) 目标主干点云提取方法、装置、设备及计算机存储介质
CN111080682B (zh) 点云数据的配准方法及装置
CN112484738B (zh) 机器人建图方法、装置、计算机可读存储介质及机器人
CN112927309B (zh) 一种车载相机标定方法、装置、车载相机及存储介质
CN112240772B (zh) 一种车道线生成方法及装置
CN112329789B (zh) 点云的提取方法、装置、计算机设备和存储介质
CN111538043B (zh) 一种复杂环境下非通视卫星的剔除方法、装置和电子设备
CN114217665A (zh) 一种相机和激光雷达时间同步方法、装置及存储介质
CN114280582A (zh) 激光雷达的标定校准方法、装置、存储介质及电子设备
CN114485698A (zh) 一种交叉路口引导线生成方法及系统
CN110782774A (zh) 一种众包道路数据的分布式处理方法及装置
CN115294277B (zh) 一种物体的三维重建方法、装置、电子设备及存储介质
CN110706288A (zh) 目标检测的方法、装置、设备及可读存储介质
CN108022429B (zh) 一种车辆检测的方法及装置
CN112258582B (zh) 一种基于道路场景识别的相机姿态标定方法及装置
CN114241083A (zh) 一种车道线生成方法、装置、电子设备及存储介质
CN113808196A (zh) 平面融合定位方法、装置、电子设备及存储介质
CN114359400A (zh) 一种外参标定方法、装置、计算机可读存储介质及机器人
CN109376653B (zh) 用于定位车辆的方法、装置、设备和介质
CN112146834A (zh) 结构振动位移测量方法及装置
CN116299300B (zh) 可行驶区域的确定方法、装置、计算机设备及存储介质

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
GR01 Patent grant
GR01 Patent grant