CN113253294A - 关于3d雷达点云数据中地面点检测的方法、装置及介质 - Google Patents

关于3d雷达点云数据中地面点检测的方法、装置及介质 Download PDF

Info

Publication number
CN113253294A
CN113253294A CN202110667088.2A CN202110667088A CN113253294A CN 113253294 A CN113253294 A CN 113253294A CN 202110667088 A CN202110667088 A CN 202110667088A CN 113253294 A CN113253294 A CN 113253294A
Authority
CN
China
Prior art keywords
detected
point
data
height
grid
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
CN202110667088.2A
Other languages
English (en)
Inventor
刘杰辰
陈佃文
黄宇凯
曹琼
郝玉峰
李科
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.)
Beijing Speechocean Technology Co ltd
Original Assignee
Beijing Speechocean Technology 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 Beijing Speechocean Technology Co ltd filed Critical Beijing Speechocean Technology Co ltd
Priority to CN202110667088.2A priority Critical patent/CN113253294A/zh
Publication of CN113253294A publication Critical patent/CN113253294A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S17/00Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88Lidar systems specially adapted for specific applications
    • G01S17/89Lidar systems specially adapted for specific applications for mapping or imaging

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本公开是关于一种关于3D雷达点云数据中地面点检测的方法、装置及介质。关于3D雷达点云数据中地面点检测的方法包括:获取待进行地面检测的点云数据。基于所述点云数据,确定基准平面。以所述点云数据的雷达中心在所述基准平面的投影为极坐标圆心点,将所述基准平面进行栅格划分,得到多个待检测栅格。基于所述多个待检测栅格内的各点数据在Z轴上的高度距离,确定所述点云数据中的地面点云数据。通过本公开提供的关于3D雷达点云数据中地面点检测的方法,基于各点数据在Z轴上的高度距离,确定待进行地面检测的点云数据中的地面点云数据,能够使得到的地面点云数据更准确,更贴合真实路面高度,进而有利于增强地面点云数据的适用性。

Description

关于3D雷达点云数据中地面点检测的方法、装置及介质
技术领域
本公开涉及计算机视觉技术领域,尤其涉及一种关于3D雷达点云数据中地面点检测的方法、装置及介质。
背景技术
激光雷达(Light Detection and Ranging,LiDAR),是一种以发射激光束探测目标的位置、速度等特征量的雷达系统。通过激光雷达所获取的数据为点云数据。其中,获取点云数据的方式可以包括:星载、机载或者地面。
在自动驾驶中,主要采用车载地面的方式获取点云数据。车载激光雷达根据多线(16线,32线或者64线)激光光束旋转一周采集到的数据,对车辆所处环境进行准确的3D建模,以便明确某个3D目标物体在激光雷达坐标系中的准确位置,大小及姿态。
若3D目标物体是直接与地面相接触的物体,则在获取点云数据过程中,地面点云数据与物体点云数据之间没有明显间隔,进而导致在对3D目标物体进行标注时,容易产生干扰。因此,为便于提高对3D目标物体标注的准确性以及标注效率,在对3D目标物体进行标注前,确定点云数据集中属于地面的地面点云数据集。
发明内容
为克服相关技术中存在的问题,本公开提供一种关于3D雷达点云数据中地面点检测的方法、装置及介质。
根据本公开实施例的第一方面,提供一种关于3D雷达点云数据中地面点检测的方法,所述关于3D雷达点云数据中地面点检测的方法包括:获取待进行地面检测的点云数据,其中,所述点云数据包括多个三维空间的点数据。基于所述点云数据,确定基准平面。以所述点云数据的雷达中心在所述基准平面的投影为极坐标圆心点,将所述基准平面进行栅格划分,得到多个待检测栅格。基于所述多个待检测栅格内的各点数据在Z轴上的高度距离,确定所述点云数据中的地面点云数据。
在一实施例中,所述基于所述多个待检测栅格内的各点数据在Z轴上的高度距离,确定所述点云数据中的地面点云数据,包括:基于所述多个待检测栅格内的各点数据在Z轴上的高度距离,将各所述待检测栅格进行筛选,得到多个第一待检栅格。基于各所述第一待检栅格内的各点数据,确定所述点云数据中的地面点云数据。
在另一实施例中,所述基于所述多个待检测栅格内的各点数据在Z轴上的高度距离,将各所述待检测栅格进行筛选,得到多个第一待检栅格,包括:基于所述多个待检测栅格内的各点数据在Z轴上的高度距离,确定各所述待检测栅格内各点数据之间的高度差。基于各点数据之间的高度差,将各所述待检测栅格进行筛选,得到多个第一待检栅格。
在又一实施例中,所述基于各点数据之间的高度差,将各所述待检测栅格进行筛选,得到多个第一待检栅格,包括:基于各点数据之间的高度差,分别确定各待检测栅格的最大高度差。基于各待检测栅格的最大高度差,将各所述待检测栅格进行筛选,得到多个第一待检栅格。
在又一实施例中,所述基于各待检测栅格的最大高度差,将各所述待检测栅格进行筛选,得到多个第一待检栅格,包括:若当前待检测栅格的最大高度差小于第一高度阈值,则确定所述当前待检测栅格为第一待检栅格,所述当前待检测栅格内的各点数据为待标记的地面点数据。若当前待检测栅格的最大高度差大于或者等于第一高度阈值,则确定所述当前待检测栅格为其他栅格,所述当前待检测栅格内的各点数据为非地面点数据。
在又一实施例中,所述基于所述多个待检测栅格内的各点数据在Z轴上的高度距离,将各所述待检测栅格进行筛选,得到多个第一待检栅格,还包括:基于所述多个待检测栅格内的各点数据在Z轴上的高度距离,分别确定各待检测栅格的栅格高度。基于各所述待检测栅格的栅格高度与所述基准平面之间的高度差,将各所述待检测栅格进行筛选,得到多个第一待检栅格。其中,所述待检测栅格的栅格高度基于以下任一项确定:所述待检测栅格内各点数据在Z轴上的高度距离的最大值、最小值、中值或平均值。
在又一实施例中,所述基于各所述待检测栅格的栅格高度与所述基准平面之间的高度差,将各所述待检测栅格进行筛选,得到多个第一待检栅格,包括:若当前待检测栅格的栅格高度与所述基准平面之间的高度差小于第二高度阈值,则确定所述当前待检测栅格为第一待检栅格,所述当前待检测栅格内的各点数据为待标记的地面点数据。若当前待检测栅格的栅格高度与所述基准平面之间的高度差大于或者等于第二高度阈值,则确定所述当前待检测栅格为其他栅格,所述当前待检测栅格内的各点数据为非地面点数据。
在又一实施例中,所述基于各所述第一待检栅格内的各点数据,确定所述点云数据中的地面点云数据,包括:基于各所述第一待检栅格内各点数据的高度值,确定地面高度范围。基于所述地面高度范围,将各所述待检测栅格内的各点数据进行筛选,确定所述点云数据中的地面点云数据。
在又一实施例中,所述基于各所述第一待检栅格内各点数据的高度值,确定地面高度范围,包括:基于各所述第一待检栅格内各点数据的高度值分布,确定地面高度范围。
在又一实施例中,所述基于各所述第一待检栅格内各点数据的高度值分布,确定地面高度范围,包括:根据各所述第一待检栅格中各点数据的极坐标信息,确定各点数据的高度值对应的权值。根据各所述第一待检栅格中点数据的高度值分布,确定多个高度区域间隔。基于各高度区域间隔内的点数据的高度值以及点数据对应的权值,确定各高度区域间隔的权值总和。根据各高度区域间隔的权值总和,确定地面高度范围。
在又一实施例中,所述基于所述地面高度范围,将各所述待检测栅格内的各点数据进行筛选,确定所述点云数据中的地面点云数据,包括:根据所述地面高度范围,将各所述待检测栅格内的各点数据进行筛选,得到各所述待检测栅格中高度值属于所述地面高度范围的第一点数据。根据各所述待检测栅格中各第一点数据的高度值,确定各所述待检测栅格对应的最低高度值。基于各所述待检测栅格对应的最低高度值,确定所述点云数据中的地面点云数据。
在又一实施例中,所述基于各所述待检测栅格对应的最低高度值,确定所述点云数据中的地面点云数据,包括:基于相邻的两个待检测栅格之间的最低高度值的差值,确定地面点云栅格。若所述差值大于第二高度阈值,则将所述相邻的两个待检测栅格中的点数据高度中,最低高度值最低的待检测栅格确定为非地面点云栅格。若所述差值小于或者等于第二高度阈值,则保留所述相邻的两个待检测栅格,并将所述相邻的两个待检测栅格确定为地面点云栅格。将各所述地面点云栅格中的点数据,确定为地面点数据。根据各所述地面点数据,确定所述点云数据中的地面点云数据。
在又一实施例中,在基于所述多个待检测栅格内的各点数据在Z轴上的高度距离之后,所述关于3D雷达点云数据中地面点检测的方法,还包括:基于所述多个待检测栅格内的各点数据在Z轴上的高度距离,去除各所述待检测栅格内的离散点数据。任一离散点数据在指定高度距离内,与其相邻的其他点数据的数量小于第一数量阈值。
在又一实施例中,所述多个待检测栅格包括:多个同心的扇形和多个环状区段。
在又一实施例中,所述以所述点云数据的雷达中心在所述基准平面的投影为极坐标圆心点,将所述基准平面进行栅格划分,得到多个待检测栅格,包括:以所述点云数据的雷达中心在所述基准平面的投影为极坐标圆心点,基于射线在X轴上的旋转角度,将所述基准平面划分为多个待检测区域。基于各所述待检测区域的两边射线在X轴上对应的旋转角度,以及各所述待检测区域的两边射线在所述基准平面上的投影间距,确定各所述待检测区域对应的指定环状间隔以及各所述待检测区域对应的指定弧长。根据各所述待检测区域对应的指定环状间隔以及各所述待检测区域对应的指定弧长,将各所述待检测区域进行划分,得到多个待检测栅格。
在又一实施例中,所述待检测区域包括第一待检测区域,所述第一待检测区域的圆心角度为指定圆心角度。
在又一实施例中,在将所述基准平面进行栅格划分之前,所述关于3D雷达点云数据中地面点检测的方法还包括:基于所述基准平面,将所述点云数据中的各点数据进行校正。
在又一实施例中,所述基于所述点云数据,确定基准平面,包括:基于所述点云数据中的点数据,确定多个拟合平面。若当前拟合平面的法向量与Z轴之间的夹角角度小于或者等于指定阈值,则确定所述当前拟合平面在指定检测区域内中所包含的点数据数量。若当前拟合平面的法向量与Z轴之间的夹角角度大于指定阈值,则采用迭代的方式,重新确定新的拟合平面。根据各拟合平面在指定检测区域内中所包含的点数据数量,确定基准平面,所述基准平面为包含点数据的数量最多的拟合平面。
根据本公开实施例的第二方面,提供一种关于3D雷达点云数据中地面点检测的装置,所述关于3D雷达点云数据中地面点检测的装置包括:获取单元,用于获取待进行地面检测的点云数据,其中,所述点云数据包括多个三维空间的点数据。确定单元,用于基于所述点云数据,确定基准平面,以及基于多个待检测栅格内的各点数据在Z轴上的高度距离,确定所述点云数据中的地面点云数据。处理单元,用于以所述点云数据的雷达中心在所述基准平面的投影为极坐标圆心点,将所述基准平面进行栅格划分,得到多个所述待检测栅格。
在一实施例中,所述确定单元采用下述方式基于所述多个待检测栅格内的各点数据在Z轴上的高度距离,确定所述点云数据中的地面点云数据:基于所述多个待检测栅格内的各点数据在Z轴上的高度距离,将各所述待检测栅格进行筛选,得到多个第一待检栅格。基于各所述第一待检栅格内的各点数据,确定所述点云数据中的地面点云数据。
在另一实施例中,所述确定单元采用下述方式基于所述多个待检测栅格内的各点数据在Z轴上的高度距离,将各所述待检测栅格进行筛选,得到多个第一待检栅格:基于所述多个待检测栅格内的各点数据在Z轴上的高度距离,确定各所述待检测栅格内各点数据之间的高度差。基于各点数据之间的高度差,将各所述待检测栅格进行筛选,得到多个第一待检栅格。
在又一实施例中,所述确定单元采用下述方式基于各点数据之间的高度差,将各所述待检测栅格进行筛选,得到多个第一待检栅格:基于各点数据之间的高度差,分别确定各待检测栅格的最大高度差。基于各待检测栅格的最大高度差,将各所述待检测栅格进行筛选,得到多个第一待检栅格。
在又一实施例中,所述确定单元采用下述方式基于各待检测栅格的最大高度差,将各所述待检测栅格进行筛选,得到多个第一待检栅格:若当前待检测栅格的最大高度差小于第一高度阈值,则确定所述当前待检测栅格为第一待检栅格,所述当前待检测栅格内的各点数据为待标记的地面点数据。若当前待检测栅格的最大高度差大于或者等于第一高度阈值,则确定所述当前待检测栅格为其他栅格,所述当前待检测栅格内的各点数据为非地面点数据。
在又一实施例中,所述确定单元还采用下述方式基于所述多个待检测栅格内的各点数据在Z轴上的高度距离,将各所述待检测栅格进行筛选,得到多个第一待检栅格:基于所述多个待检测栅格内的各点数据在Z轴上的高度距离,分别确定各待检测栅格的栅格高度。基于各所述待检测栅格的栅格高度与所述基准平面之间的高度差,将各所述待检测栅格进行筛选,得到多个第一待检栅格。其中,所述待检测栅格的栅格高度基于以下任一项确定:所述待检测栅格内各点数据在Z轴上的高度距离的最大值、最小值、中值或平均值。
在又一实施例中,所述确定单元采用下述方式基于各所述待检测栅格的栅格高度与所述基准平面之间的高度差,将各所述待检测栅格进行筛选,得到多个第一待检栅格:若当前待检测栅格的栅格高度与所述基准平面之间的高度差小于第二高度阈值,则确定所述当前待检测栅格为第一待检栅格,所述当前待检测栅格内的各点数据为待标记的地面点数据。若当前待检测栅格的栅格高度与所述基准平面之间的高度差大于或者等于第二高度阈值,则确定所述当前待检测栅格为其他栅格,所述当前待检测栅格内的各点数据为非地面点数据。
在又一实施例中,所述确定单元采用下述方式基于各所述第一待检栅格内的各点数据,确定所述点云数据中的地面点云数据:基于各所述第一待检栅格内各点数据的高度值,确定地面高度范围。基于所述地面高度范围,将各所述待检测栅格内的各点数据进行筛选,确定所述点云数据中的地面点云数据。
在又一实施例中,所述确定单元采用下述方式基于各所述第一待检栅格内各点数据的高度值,确定地面高度范围:基于各所述第一待检栅格内各点数据的高度值分布,确定地面高度范围。
在又一实施例中,所述确定单元采用下述方式基于各所述第一待检栅格内各点数据的高度值分布,确定地面高度范围:根据各所述第一待检栅格中各点数据的极坐标信息,确定各点数据的高度值对应的权值。根据各所述第一待检栅格中点数据的高度值分布,确定多个高度区域间隔。基于各高度区域间隔内的点数据的高度值以及点数据对应的权值,确定各高度区域间隔的权值总和。根据各高度区域间隔的权值总和,确定地面高度范围。
在又一实施例中,所述确定单元采用下述方式基于所述地面高度范围,将各所述待检测栅格内的各点数据进行筛选,确定所述点云数据中的地面点云数据:根据所述地面高度范围,将各所述待检测栅格内的各点数据进行筛选,得到各所述待检测栅格中高度值属于所述地面高度范围的第一点数据。根据各所述待检测栅格中各第一点数据的高度值,确定各所述待检测栅格对应的最低高度值。基于各所述待检测栅格对应的最低高度值,确定所述点云数据中的地面点云数据。
在又一实施例中,所述确定单元采用下述方式基于各所述待检测栅格对应的最低高度值,确定所述点云数据中的地面点云数据:基于相邻的两个待检测栅格之间的最低高度值的差值,确定地面点云栅格。若所述差值大于第二高度阈值,则将所述相邻的两个待检测栅格中的点数据高度中,最低高度值最低的待检测栅格确定为非地面点云栅格。若所述差值小于或者等于第二高度阈值,则保留所述相邻的两个待检测栅格,并将所述相邻的两个待检测栅格确定为地面点云栅格。将各所述地面点云栅格中的点数据,确定为地面点数据。根据各所述地面点数据,确定所述点云数据中的地面点云数据。
在又一实施例中,在基于所述多个待检测栅格内的各点数据在Z轴上的高度距离之后,所述关于3D雷达点云数据中地面点检测的装置,还包括:消除单元,用于基于所述多个待检测栅格内的各点数据在Z轴上的高度距离,去除各所述待检测栅格内的离散点数据。任一离散点数据在指定高度距离内,与其相邻的其他点数据的数量小于第一数量阈值。
在又一实施例中,所述多个待检测栅格包括:多个同心的扇形和多个环状区段。
在又一实施例中,所述处理单元采用下述方式以所述点云数据的雷达中心在所述基准平面的投影为极坐标圆心点,将所述基准平面进行栅格划分,得到多个待检测栅格:以所述点云数据的雷达中心在所述基准平面的投影为极坐标圆心点,基于射线在X轴上的旋转角度,将所述基准平面划分为多个待检测区域。基于各所述待检测区域的两边射线在X轴上对应的旋转角度,以及各所述待检测区域的两边射线在所述基准平面上的投影间距,确定各所述待检测区域对应的指定环状间隔以及各所述待检测区域对应的指定弧长。根据各所述待检测区域对应的指定环状间隔以及各所述待检测区域对应的指定弧长,将各所述待检测区域进行划分,得到多个待检测栅格。
在又一实施例中,所述待检测区域包括第一待检测区域,所述第一待检测区域的圆心角度为指定圆心角度。
在又一实施例中,在将所述基准平面进行栅格划分之前,所述关于3D雷达点云数据中地面点检测的装置还包括:校正单元,用于基于所述基准平面,将所述点云数据中的各点数据进行校正。
在又一实施例中,所述确定单元采用下述方式基于所述点云数据,确定基准平面:基于所述点云数据中的点数据,确定多个拟合平面。若当前拟合平面的法向量与Z轴之间的夹角角度小于或者等于指定阈值,则确定所述当前拟合平面在指定检测区域内中所包含的点数据数量。若当前拟合平面的法向量与Z轴之间的夹角角度大于指定阈值,则采用迭代的方式,重新确定新的拟合平面。根据各拟合平面在指定检测区域内中所包含的点数据数量,确定基准平面,所述基准平面为包含点数据的数量最多的拟合平面。
根据本公开实施例的第三方面,提供一种关于3D雷达点云数据中地面点检测的装置,包括:存储器,用于存储指令;以及处理器,用于调用存储器存储的指令执行上述任意一种关于3D雷达点云数据中地面点检测的方法。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,所述存储介质中存储有指令,当所述存储介质中的指令由终端的处理器执行时,使得终端能够执行上述任意一种关于3D雷达点云数据中地面点检测的方法。
本公开的实施例提供的技术方案可以包括以下有益效果:通过本公开提供的关于3D雷达点云数据中地面点检测的方法,将基于点云数据确定的基准平面进行栅格化处理后,根据各待检测栅格内各点数据在Z轴上的高度距离确定地面点云数据,能够有效避免非地面平面的点数据的干扰,使得到的地面点云数据更贴合真实路面高度,更具有准确性,进而有利于增强地面点云数据的适用性。
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
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种点云数据标注示意图。
图2是根据一示例性实施例示出的一种关于3D雷达点云数据中地面点检测的方法的流程图。
图3是根据一示例性实施例示出的一种点云数据俯视图。
图4是根据一示例性实施例示出的一种栅格分布示意图。
图5是根据一示例性实施例示出的另一种栅格分布示意图。
图6是根据一示例性实施例示出的另一种点云数据俯视图。
图7是根据一示例性实施例示出的一种确定地面点云数据集方法的流程图。
图8是根据一示例性实施例示出的一种确定地面高度范围的方法的流程图。
图9是根据一示例性实施例示出的一种点云数据集分布图。
图10是根据一示例性实施例示出的另一种确定地面高度范围的方法的流程图。
图11是根据一示例性实施例示出的又一种确定地面高度范围的方法的流程图。
图12是根据一示例性实施例示出的另一种点云数据分布图。
图13是根据一示例性实施例示出的一种点云数据的侧面示意图。
图14是根据一示例性实施例示出的又一种点云数据分布图。
图15是根据一示例性实施例示出的另一种点云数据的侧面示意图。
图16是根据一示例性实施例示出的一种关于3D雷达点云数据中地面点检测的方法的流程图。
图17是根据一示例性实施例示出的一种栅格划分的方法的流程图。
图18是根据一示例性实施例示出的又一种关于3D雷达点云数据中地面点检测的方法的流程图。
图19是根据一示例性实施例示出的一种关于3D雷达点云数据中地面点检测的装置框图。
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公开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、本公开的一些方面相一致的装置和方法的例子。
本公开所提供的关于3D雷达点云数据中地面点检测的方法适用于通过车载激光雷达获取点云数据的使用场景。在一示例中,以激光光束为64线的激光雷达设备为例。在采集点云数据时,以激光雷达设备为中心,根据固定的不同角度向外发射64条激光射线,进行360度的扫射,得到一帧点云数据,进而针对每一帧的点云数据,对目标物体进行标注。基于点云数据进行物体标注的结果可以如图1所示。图1是根据一示例性实施例示出的一种点云数据标注示意图。
相关技术中,基于采集到的点云数据进行地面检测时,是直接通过平面拟合的方式,确定地面点云数据。但该种方式仅适用于地面点云数据充足,地面情况简单且为单一平面的地面。若地面点云数据不足、路面复杂,则通过平面拟合的方式确定地面点云数据时,则严重影响地面检测的准确性。
鉴于此,本公开提供一种关于3D雷达点云数据中地面点检测的方法,能够基于获取的点云数据,确定用于确定地面点云数据的基准平面,并将该基准平面进行栅格化处理,得到多个待检测栅格。基于各多个待检测栅格内的各点数据在Z轴上的高度距离,采用局部筛选的方式,确定点云数据中的地面点云数据,进而使得到的地面点云数据更贴合真实地面情况,更具有准确性,从而使得到的地面点云数据更具有适用性,有助于促进后续对目标物体进行标注的进程。
图2是根据一示例性实施例示出的一种关于3D雷达点云数据中地面点检测的方法的流程图。如图2所示,关于3D雷达点云数据中地面点检测的方法包括以下步骤S11至步骤S14。
在步骤S11中,获取待进行地面检测的点云数据。
在本公开实施例中,点云数据中包括多个三维空间的点数据,其中,部分点数据为地面点数据。即,待进行地面检测的点云数据中至少包括地面点云数据。
在一示例中,车载激光雷达设备在采集点云数据时,点云数据是根据发射的激光光束遇到物体反射回来激光所确定的。因此,在采集的过程中,获取到的点云数据中是否包括非地面点云数据,可以根据车载激光雷达设备周围是否存在其他物体进行确定。在一例中,若车载激光雷达设备周围存在其他物体,则获取的点云数据中,不仅可以包括地面的点云数据,还可以包括其他物体的点云数据。其中,其他物体可以包括以下任意一种或者多种:汽车、行人、建筑物、树木等。在一实施场景中,获取到的点云数据可以如图3所示。图3是根据一示例性实施例示出的一种点云数据俯视图。其中,环状点云数据可以认为是地面点云数据,高于该环状点云数据的其他点云数据,可以认为是非地面点云数据,即是其他物体的点云数据。在另一例中,若车载激光雷达设备周围不存在其他物体时,则得到的点云数据集中,包括地面点云数据。
在步骤S12中,基于点云数据,确定基准平面。
在本公开实施例中,为便于确定各点云数据在Z轴上的高度距离,方便将非地面点云数据与地面点云数据分离,可以先基于获取的点云数据,确定基准平面,进而后续确定各点云数据在Z轴上的高度距离时,便可以统一以基准平面为基准进行确定。且通过确定基准平面,有助于在后续确定地面点云数据时,与真实的路面平面相贴合。
在步骤S13中,以点云数据的雷达中心在基准平面的投影为极坐标圆心点,将基准平面进行栅格划分,得到多个待检测栅格。
在本公开实施例中,在实际生活中,路面可以包括水平的平面,也可以包括带有倾斜角的平面。路面的情况也可能出现局部凹陷或者凸起的情况。为避免确定地面点云数据时,点云数据过于集中,可以将基准平面进行栅格划分,进而得到多个待检测栅格,从而在确定地面点云数据时,便可以分区域进行确定,减少计算量。
由于点云数据在进行采集时,是以激光雷达设备为中心,根据固定的不同角度向外发射64条激光射线,进行360度的扫射得到的。因此,为使待检测栅格的划分更合理,更具有科学性,在对基准平面进行栅格划分时,可以以点云数据的雷达中心在基准平面的投影为极坐标圆心点,进行扇形划分。
在一实施例中,经过栅格划分后得到的多个待检测栅格中,可以包括:多个同心的扇形和多个环状区段。划分后的示意图可以如图4或者图5所示。其中,图4是根据一示例性实施例示出的一种栅格分布示意图。图5是根据一示例性实施例示出的另一种栅格分布示意图。其中,待检测栅格中至少包括一个点数据。在一例中,若点云数据中的点数据较少或者部分点数据之间的基于水平方向上的相邻间隔距离较远时,则部分待检测栅格中可以不包括点数据。
在步骤S14中,基于多个待检测栅格内的各点数据在Z轴上的高度距离,确定点云数据中的地面点云数据。
在本公开实施例中,基于多个待检测栅格内的各点云数据在Z轴上的高度距离,可以将非地面点云数据与地面点云数据进行区分,排除其他物体对地面的干扰,进而提高确定地面点云数据的准确度,使得到的地面点云数据集更贴合真实路面。
通过上述实施例,在确定基准平面的基础上,将各点云数据根据划分后的待检测栅格进行分区域检测,使确定的地面点云数据能够更贴合真实地面,更具有准确性,进而使确定的地面点云数据更具有适用性。
在一实施例中,待进行地面检测的点云数据,可以是根据指定的圆形范围得到的。根据原始点云数据的点云中心到路边的距离d、车载激光雷达设备在采集点云数据时与真实路面之间的测量高度距离h,确定射线在X轴上的射线角度r。其中,r=arctan(h/d) 。优选的,d可以取值为20米。将原始点云数据中射线角度处于r至90度(射线往雷达车车底发射的角度)之间的射线点集中包括的点云数据确定为待进行地面检测的点云数据。射线角度处于r至90度所处的圆形范围,即为包括待进行地面检测的点云数据的圆形范围。在一实施场景中,包括待进行地面检测的点云数据的圆形范围可以如图6所示。图6是根据一示例性实施例示出的另一种点云数据俯视图。
基于原始点云数据的点云中心到路边的距离、测量高度距离以及射线角度确定点云数据的选取范围,进而使得到的点云数据中包含真实路面区域更纯净,更有助于确定基准平面。且当原始点云数据中的地面点云数据不足时,采用该种方式获取点云数据,有助于提高地面点云数据在点云数据中的占比,进而有助于保证拟合得到的基准平面与真实路面更接近,从而有助于避免点云数据非地面点云数据过多,导致基准平面准确度低,影响后续确定地面点云数据准确度的情况发生。
以下实施例将具体说明地面点云数据集的确定过程。
图7是根据一示例性实施例示出的一种确定地面点云数据集方法的流程图。如图7所示,确定地面点云数据集方法包括以下步骤。
在步骤S21中,基于多个待检测栅格内的各点数据在Z轴上的高度距离,将各待检测栅格进行筛选,得到多个第一待检栅格。
在本公开实施例中,由于其他物体的高度与地面相比存在一定的高度差,因此,基于多个待检测栅格内的各点云数据在Z轴上的高度距离,可以确定当前待检测栅格内是否包括其他物体。若当前待检测栅格中不存在其他物体,则表征当前待检测栅格中的点云数据为地面点云数据,因此,可以确定当前待检测栅格为待标记为地面的待标记栅格,待标记栅格中的点云数据为地面点云数据。若当前待检测栅格中存在其他物体,则表征当前待检测栅格中的点云数据中至少包括非地面点云数据,为避免非地面点云数据影响确定地面点云数据集的结果,则将当前待检测栅格确定为非待标记栅格,筛除当前待检测栅格。在一例中,筛除当前待检测栅格可以理解为是将当前待检测栅格标记为非地面栅格,进而在后续确定地面点云数据时,则不考虑该当前待检测栅格中的点云数据,从而排除非地面点云数据的干扰。
在步骤S22中,基于各第一待检栅格内的各点数据,确定点云数据中的地面点云数据。
在一实施例中,在同一待检测栅格中,若该待检测栅格中不存在其他物体,只包括路面,则该待检测栅格中各点数据之间的高度相同或者接近。若该待检测栅格中存在其他物体,则该待检测栅格中各点数据之间的高度则容易发生跳变。因此,在确定第一待检栅格时,可以根据各待检测栅格中各点数据之间的高度差进行确定。
在另一实施例中,在确定第一待检栅格时,可以根据各点数据之间的最大高度差进行确定。基于各待检测栅格内的各点数据在Z轴上的高度距离,能够分别确定各待检测栅格中,在Z轴上高度距离最高的点数据以及高度距离最低的点数据。基于高度距离最高的点数据与高度距离最低的点数据之间的高度差,可以确定各待检测栅格的最大高度差,进而可以进一步判断当前待检测栅格中是否存在其他物体。
基于前文所述,同一待检测栅格中,各地面点数据之间的高度相同或者接近,因此,为确定当前待检测栅格是否为第一待检栅格,可以将待检测栅格的最大高度差与第一高度阈值进行对比,进而确定是否将当前待检测栅格确定为第一待检栅格。第一高度阈值可以理解为是确定不存在其他物体的最大高度阈值范围。在一例中,第一高度阈值可以根据标注人员的经验自行定义。若当前待检测栅格的最大高度差小于第一高度阈值,则表征当前待检测栅格中不存在其他物体,进而可以将当前待检测栅格确定为第一待检栅格,将当前待检测栅格内的点云数据确定为待标记的地面点云数据。若当前待检测栅格的最大高度差大于或者等于第一高度阈值,则表征当前待检测栅格中存在其他物体,为避免干扰后续确定地面点云数据的准确性,则将当前待检测栅格确定为非第一待检栅格,将当前待检测栅格内的点云数据确定为非地面点云数据。
在另一实施例中,确定当前待检测栅格是否为第一待检栅格,可以基于当前待检测栅格的栅格高度与基准平面之间的高度差进行确定。其中,待检测栅格的栅格高度可以基于以下任一项进行确定:待检测栅格内各点云数据在Z轴上的高度距离的最大值、最小值、中值或平均值。在一例中,为使确定结果更具有准确性,更具有说服力,优选的,可以采用当前待检测栅格内各点云数据在Z轴上的高度距离的平均值与基准平面之间的高度差进行确定。在一实施场景中,为便于计算,当前待检测栅格的栅格高度与基准平面之间的高度差可以确定为是,当前待检测栅格的栅格高度与基准平面在当前待检测栅格中心点的高度值之间的高度差。
在一示例中,可以将前待检测栅格的栅格高度与基准平面之间的高度差与第二高度阈值进行对比,确定当前待检测栅格是否为第一待检栅格。其中,第二高度阈值用于确定当前待检测栅格内是否包括与路面高度相接近的其他物体,例如:花坛、汽车顶、路肩等其他物体。若高度差小于第二高度阈值内,则表征不存在与路面高度相接近的其他物体。反之,若高度差大于或者第二高度阈值内,则表征存在与路面高度相接近的其他物体。在一例中,第二高度阈值可以根据标注人员的经验自行定义,例如,可以将第二高度阈值确定为0.5厘米(cm)。
若当前待检测栅格的栅格高度与基准平面之间的高度差小于或者等于第二高度阈值,则表征当前待检测栅格的栅格高度与基准平面之间的高度距离相接近,当前待检测栅格中不存在与路面高度相接近的其他物体,进而可以确定当前待检测栅格为第一待检栅格,当前待检测栅格内的点云数据为待标记的地面点云数据。若当前待检测栅格的栅格高度与基准平面之间的高度差大于第二高度阈值,则表征当前待检测栅格中存在与路面高度相接近的其他物体,进而确定当前待检测栅格为非第一待检栅格,当前待检测栅格内的点云数据为非地面点云数据。
在又一实施例中,由于第一阈值可以确定当前待检测栅格中是否存在与路面高度相差较大的其他物体,第二阈值可以确定当前待检测栅格中是否存在与路面高度相接近的其他物体,因此,在确定当前待检测栅格是否为第一待检栅格时,可以将上述两种确定第一待检栅格的方式相结合,进而使保留下来的第一待检栅格更具有准确性,得到的地面点云数据纯度更高,得到的地面点云数据集与真实的路面更接近。
在又一实施例中,点云数据中的地面点云数据,可以是基于地面高度范围确定的。基于多个待检测栅格内的点数据在Z轴上的高度距离,能够分别确定当前待检测栅格中各点数据的高度分布,进而能够确定在各个待检测栅格中,除地面点云数据之外,是否还可以包括其他物体的点云数据。其中,其他物体可以包括:房屋、汽车、行人、树木等非地面物体。进而,基于各待检测栅格内的各点数据的高度分布情况,可以确定属于地面高度的地面高度范围。基于确定的地面高度范围,对各待检测栅格内的各点数据进行针对性的筛选,进而确定点云数据中的地面点云数据,有助于调高确定地面点云数据的准确度。
以下实施例将具体说明地面高度范围的确定过程。
图8是根据一示例性实施例示出的一种确定地面高度范围的方法的流程图。如图8所示,确定地面高度范围的方法包括以下步骤。
在步骤S31中,基于多个待检测栅格内的各点数据在Z轴上的高度距离,分别确定各待检测栅格内各点数据之间的高度差。
在本公开实施例中,基于各点云数据在Z轴上的高度距离,能够分别确定在各点检测栅格中,各点数据之间的高度差,进而可以确定在当前待检测栅格中是否存在属于其他物体的点云数据。
例如:在同一待检测栅格中,若当前待检测栅格中不包括其他物体的点数据,则各点云数据在Z轴上的高度相同或者相接近,进而各点数据之间的高度差处于均衡分布的状态。例如:各点云数据之间的高度差属于0.2米之间。若当前待检测栅格中包括其他物体的点云数据,则各点数据在Z轴上的高度可能相差过大,出现跳变的可能,进而各点数据之间的高度差处于参差不齐的分布状态。
在步骤S32中,基于各待检测栅格内各点云数据之间的高度差,确定一个或者多个第一待检栅格。
在本公开实施例中,第一待检栅格是指,在当前待检测栅格内,各点数据之间的高度在Z轴上的高度相同或者相接近的待检测栅格。通过各点数据之间的高度差,确定一个或者多个第一待检栅格,能够有助于将包括其他物体的待检测栅格进行剔除,进而后续确定地面点云数据时,能够排除其他物体的点云数据的干扰,降低计算成本。
在一实施例中,第一待检栅格可以基于各当前待检测栅格内各点数据之间的高度差进行确定。若当前待检测栅格内各点数据之间的高度差中存在大于第一高度阈值的高度差,则表征当前待检测栅格内的各点数据之间的高度在Z轴上的高度差距较大,当前栅格中包括代表其他物体的点云数据,故将当前待检测栅格确定为其他栅格,以避免干扰后续确定地面点云数据的准确性。若当前待检测栅格内各点数据之间的高度差均小于或者等于第一高度阈值,则表征当前待检测栅格内的各点数据之间的高度在Z轴上的高度差相同或者相接近,可以确定当前待检测栅格为第一待检栅格。
在一实施场景中,在确定第一待检栅格之前,点云数据集的分布情况可以如图6所示。在基于第一高度阈值确定第一待检栅格之后,各第一待检栅格内各点云数据高度分布可以如图9所示。图9是根据一示例性实施例示出的一种点云数据集分布图。
在步骤S33中,基于各第一待检栅格内各点数据的高度值分布,确定地面高度范围。
在本公开实施例中,第一待检栅格中的各点数据彼此之间的高度相同或者相接近,且均是不包括与真实地面高度差距较大的其他物体的点云数据。但在实际场景中,部分其他物体的高度与真实地面的高度之间的高度差距相接近,例如:路肩、花坛、车顶等其他物体。且第一待检栅格中可能包括影响确定地面点云数据准确度的悬浮点数据。因此,为避免部分其他物体的点云数据以及悬浮点数据影响确定地面点云数据的准确性,可以根据所有第一待检栅格中各点数据的高度值分布,确定属于地面点云数据高度的地面高度范围。
在一示例中,地面高度范围可以基于各点数据的高度值从低到高进行排序进行确定。根据高度值分布的结果,将各点数据的高度值从低到高进行排序,并确定高度值的总数量。根据高度值的总数量,将各点数据值的高度值从低到高均分为N等分,得到N个高度值区域。其中,N为大于1的自然数。将最中间的高度值区域确定为地面高度范围。在一例中,若N为偶数,则将在最中间的两个高度值区域进行合并,将合并后的高度值区域的最小值和最大值之间的高度值范围,确定为地面高度范围。若N为奇数,则将最中间的高度值区域确定为地面高度范围。
在一实施场景中,高度值的总数量为18,且从低到高分别为(单位:米):0.22、0.25、0.25、0.25、0.28、0.29、0.30、0.31、0.33、0.34、0.34、0.36、0.37、0.42、0.42、0.44、0.45、0.46。将其分为6个高度值区域,则高度值区域1为:0.22、0.25、0.25;高度值区域2为:0.25、0.28、0.29;高度值区域3为:0.30、0.31、0.33;高度值区域4为:0.34、0.34、0.36;高度值区域5为:0.37、0.42、0.42;高度值区域6为:0.44、0.45、0.46。高度值区域3和高度值区域4为最中间的高度值区域,则将二者进行合并,确定合并后的高度值区域的最小值为0.30,最大值为0.36。最终,确定的地面高度范围为0.30-0.36(单位:米)。
在另一示例中,地面高度范围可以基于各点数据的高度值的出现次数进行确定。根据高度值分布的结果,确定各点数据的高度值出现次数相对较多的高度值,进而确定属于地面点云数据高度的地面高度范围。在一实施场景中,高度值的总数量为18,且从低到高分别为(单位:米):0.22、0.25、0.25、0.25、0.28、0.29、0.30、0.31、0.33、0.34、0.34、0.36、0.37、0.42、0.42、0.44、0.45、0.46。其中,高度值为:0.25、0.34以及0.42的次数最多,故,最终确定的地面高度范围为0.25-0.42(单位:米)。
图10是根据一示例性实施例示出的另一种确定地面高度范围的方法的流程图。如图10所示,确定地面高度范围的方法包括以下步骤。
在步骤S41中,根据各第一待检栅格中各点数据的极坐标信息,确定各点数据的高度值对应的权值。
在本公开实施例中,根据各点数据的极坐标信息,能够确定各点数据所处的射线角度以及各点数据与点云数据中心之间的距离。根据各点数据所处的射线角度以及点云数据中心之间的距离,分别确定各点云数据的高度值对应的权值。
在一例中,在射线角度相同的情况下,点数据与点云数据中心之间的距离越远,则表征该点数据与实际地面之间的距离越近,点数据对应的权值越大。在射线角度相同的情况下,点数据与点云数据中心之间的距离越近,则表征该点数据与实际地面之间的距离越远,点数据对应的权值越小。在另一例中,在射线角度不同的情况下,点数据与点云数据中心之间的距离越近,则表征该点数据为地面点数据的可能性越大,该点数据对应的权值越大。反之,点数据与点云数据中心之间的距离越远,则表征该点数据为地面点数据的可能性越小,该点数据对应的权值越小。
在步骤S42中,根据各第一待检栅格中点数据的高度值分布,确定多个高度区域间隔。
在本公开实施例中,由于各点数据的高度值属于离散值,且各第一待检栅格中可能包括悬浮点数据以及与真实地面高度相近的其他障碍物的点数据。因此,为缩小确定地面点数据的范围,根据各第一待检栅格中点数据的高度值分布,分别确定所有第一待检栅格中点数据的高度值为最小的数值,以及确定所有第一待检栅格中点数据的高度值为最大的数值。根据最小的高度值和最大的高度值,确定所有第一待检栅格中所包括的点数据的高度值区间。例如:根据各第一待检栅格中点数据的高度值分布,确定所有第一待检栅格中点数据的高度值最小的数值为3.4,最大的数值为5.6,则所有第一待检栅格中所包括的点数据的高度值区间为[3.4,5.6]。将高度值区间划分为多个高度区域间隔,以便根据各点数据的高度值在各高度区域间隔的分布情况,确定地面高度范围。在一例中,高度区域间隔越多,高度区域间隔两端的最大值和最小值的高度差越小,最终确定的地面高度范围越准确。
在一示例中,将所有第一待检栅格中所包括的点数据的高度值区间根据指定间隔进行划分,得到多个高度区域间隔,以便基于各点数据的高度值在各高度区域间隔中的分布情况,确定最终的地面高度范围。即,每个高度区域间隔的最大高度值与最小高度值之间的差值为指定间隔。在一例中,指定间隔可以是指定区域间隔。
在一实施场景中,所有第一待检栅格中所包括的点数据的高度值区间为[0,2],指定间隔为0.2,则每个高度区域间隔的最大高度值与最小高度值之间的差值为0.2。得到的多个高度区域间隔为:[0,0.2]、(0.2,0.4]、(0.4,0.6]、(0.6,0.8]、(0.8,1]、(1,1.2]、(1.2,1.4]、(1.4,1.6]、(1.6,1.8]、(1.8,2]。
在另一示例中,高度区域间隔的划分,可以是根据所需高度区域间隔的数量确定的。例如:在确定地面高度范围时,需要基于6个高度区域间隔进行确定。则将所有第一待检栅格中所包括的点数据的高度值区间进行均分,划分为6等份,得到6个高度区域间隔,且各高度区域间隔的最大高度值与最小高度值之间的差值均相同。
在一实施场景中,所有第一待检栅格中所包括的点数据的高度值区间为[0,2],需要10个高度区域间隔,则将[0,2]均分为10等份,得到如下10个高度区域间隔:[0,0.2]、(0.2,0.4]、(0.4,0.6]、(0.6,0.8]、(0.8,1]、(1,1.2]、(1.2,1.4]、(1.4,1.6]、(1.6,1.8]、(1.8,2]。其中,各高度区域间隔的最大高度值与最小高度值之间的差值均为0.2。
在步骤S43中,基于各高度区域间隔内的点数据的高度值以及点数据对应的权值,确定各高度区域间隔的权值总和。
在本公开实施例中,根据各第一待检栅格中的点数据均具有其对应的权值以及其对应的高度值,分别确定在各个高度区域间隔的权重总和。即,在各个高度区域间隔中,根据各点数据的高度值,分别确定属于当前高度区域间隔中的点数据,并将属于当前高度区域间隔的点数据对应的权值相加,最终得到的权值总和便是该高度区域间隔的权值总和。
在确定各点数据对应的权值时,在点数据所处的射线角度不同或则与点云数据中心的距离不同时,其对应的权值可能相同。因此,通过统计各高度区域间隔的权值总和,能够使后续确定的地面高度范围更具有准确性,更具有说服力,与实际地面高度更贴合。
在步骤S44中,根据各高度区域间隔的权值总和,确定地面高度范围。
在本公开实施例中,根据各高度区域间隔的权值总和,确定权值总和最高的高度区域间隔,进而以该权值总和最高的高度区域间隔为中心,确定地面高度范围。在一例中,将各高度区域间隔根据其对应的高度值区域从小到大进行排序,以权值总和最高的高度区域间隔为中心,将其与其前后指定数量的其他高度区域间隔进行合并,进而得到的合并高度值区域便是最终确定的地面高度范围。在一例中,指定数量可以是指定数值,可自定义。在另一例中,指定数量可以是根据高度区域间隔两端的最大值和最小值的高度差确定。若高度区域间隔两端的最大值和最小值的高度差较大,则指定数量相对较小。若高度区域间隔两端的最大值和最小值的高度差较小,则指定数量相对较大。
以下将进一步说明地面点云数据集的确定过程。
图11是根据一示例性实施例示出的又一种确定地面高度范围的方法的流程图。如图11所示,确定地面高度范围的方法包括以下步骤。
在步骤S51中,根据地面高度范围,将各待检测栅格内的各点数据进行筛选,得到各待检测栅格中高度值属于地面高度范围的第一点数据。
在本公开实施例中,根据确定的地面高度范围,将各待检测栅格中点数据进行筛选,将高度值属于地面高度范围内的点数据进行保留,并将高度值属于地面高度范围内的点数据确定为第一点数据。
在一实施场景中,根据地面高度范围,将各第一待检栅格中的点数据进行筛选后,得到的点数据高度分布可以如图12所示,侧面效果图可以如图13所示。其中,图12是根据一示例性实施例示出的另一种点云数据分布图。图13是根据一示例性实施例示出的一种点云数据的侧面示意图。
在步骤S52中,根据各待检测栅格中各第一点数据的高度值,确定各待检测栅格对应的最低高度值。
在步骤S53中,基于各待检测栅格对应的最低高度值,确定点数据中的地面点数据。
在本公开实施例中,为提高确定地面点云数据的精确度,基于各待检测栅格对应的最低高度值,对各待检测栅格进行进一步筛选,确定点云数据中的地面点云数据,进而使得到的地面点云数据中的各地面点数据属于同一平面,而不是凹凸不平的平面。
在一实施场景中,基于各待检测栅格对应的最低高度值,确定点云数据中的地面点云数据的效果可以如图14所示,侧面效果图可以如图15所示。其中,图14是根据一示例性实施例示出的又一种点云数据分布图。图15是根据一示例性实施例示出的另一种点云数据的侧面示意图。
在一实施例中,地面点云数据可以采用下述方式进行确定。任选两个相邻的第一待检栅格进行对比,确定二者的最低高度值的差值。若差值大于第二高度阈值,则表征当前选取的两个待检测栅格所包括的地面点数据不属于同一平面,最低点数据高度高的待检测栅格可能包括其他障碍物的点数据。因此,为避免影响地面点云数据的纯度,可以将最低点数据高度高的待检测栅格确定为非地面栅格。在一例中,若待检测栅格的栅格面积较小或者其他障碍物的涉及的待检测栅格较多时,则当前待检测栅格的最低高度值可能与其相邻的其他第一待检栅格可能最低高度值相同。因此,为节省计算成本,在将相邻的两个待检测栅格进行对比,且确定当前待检测栅格为非地面栅格时,则将与该非地面栅格的最低高度值相同且相邻的待检测栅格一并筛除。
需注意,在本公开中,筛除可以理解为是在后续确定地面点数据时,不考虑非地面栅格内的点数据,而并非是将该非地面栅格内的点数据完全删除。
若差值小于或者等于第二高度阈值,则表征当前选取的两个待检测栅格所包括的地面点数据属于同一平面。因此,可以将当前进行对比的两个待检测栅格进行保留,并将相邻的两个待检测栅格确定为地面点云栅格,并将地面点云栅格中包括的点数据确定为地面点数据。根据保留的地面点数据中的各地面点数据,确定点云数据中的地面点云数据。其中,地面点云数据为各地面点数据的集合。
图16是根据一示例性实施例示出的一种关于3D雷达点云数据中地面点检测的方法的流程图。如图16所示,关于3D雷达点云数据中地面点检测的方法包括以下步骤。
在步骤S61中,获取待进行地面检测的点云数据。
在步骤S62中,基于点云数据,确定基准平面。
在步骤S63中,以点云数据的雷达中心在基准平面的投影为极坐标圆心点,将基准平面进行栅格划分,得到多个待检测栅格。
在步骤S64中,基于所述多个待检测栅格内的各点数据在Z轴上的高度距离,去除各所述待检测栅格内的离散点数据。
在本公开实施例中,为提高确定待标记栅格的准确度,排除浮点等噪声点对确定结果的影响,在确定待标记栅格之前,先将各待检测栅格中的离散点数据进行去除。
在本公开中,任一离散点数据在指定高度距离内(可自定义),与其相邻的其他点数据的数量小于第一数量阈值。在指定高度距离内,若当前点数据与相邻的其他点数据的数量小于第一数量阈值的点数据,则表征当前点数据与其相邻的其他点数据不属于同一物体,与其他相邻的点数据不相关。因此,可以确定当前点数据属于噪声,需将该当前点数据进行去除。在一例中,若当前点数据与相邻的其他点数据的数量大于或者等于第一数量阈值的点数据,则表征当前点数据与其相邻的其他点数据属于同一物体,与其他相邻的点数据相关,因此,可以确定当前点数据不属于噪声,可以保留该当前点数据。
在步骤S65中,确定包括地面点云数据的多个待标记栅格,待标记栅格中的点云数据为地面点云数据。
在步骤S66中,根据各待标记栅格中的地面点云数据,确定点云数据中的地面点云数据。
以下将具体说明将基准平面进行栅格划分的处理过程。
图17是根据一示例性实施例示出的一种栅格划分的方法的流程图。如图17所示,栅格划分的方法包括以下步骤。
在步骤S71中,以点云数据的雷达中心在基准平面的投影为极坐标圆心点,基于射线在X轴上的旋转角度,将基准平面划分为多个待检测区域。
在本公开实施例中,待检测区域可以理解为是,以点云数据的雷达中心在基准平面的投影为极坐标圆心点的扇形区域。待检测区域的圆心角可以根据该待检测区域两边的射线在X轴上的旋转角度确定。例如:待检测区域一边的射线a在X轴上的旋转角度为150度(°),另一边的射线b在X轴上的旋转角度为210°,则待检测区域的圆心角为60°。在一例中,各待检测区域的圆心角度相同。在另一例中,各待检测区域的圆心角度可以不同。
在步骤S72中,基于各待检测区域的两边射线在X轴上对应的旋转角度,以及各待检测区域的两边射线在基准平面上的投影间距,确定各待检测区域对应的指定环状间隔以及各待检测区域对应的指定弧长。
在本公开实施例中,各待检测区域对应的指定环状间隔,可以根据各待检测区域两边射线在基准平面上的投影间距进行确定。在一例中,各待检测区域对应的指定环状间隔可以为各待检测区域两边射线在基准平面上的投影间距。在另一例中,为减少后续确定各待检测栅格为待标记栅格的计算量,可以将各待检测区域两边射线在基准平面上的投影间距根据指定数量进行等分的结果,确定为各待检测区域对应的指定环状间隔。例如,各待检测区域对应的指定环状间隔,可以是当前待检测区域两边射线在基准平面上的投影间距进行三等分划分后的结果。
在实际采集点数据的过程中,车载激光雷达设备在采集点数据时与真实路面之间具有一定的高度距离,即,测量高度距离。因此,当前待检测区域两边射线在基准平面上的投影间距,可以根据当前待检测区域两边射线在X轴上对应的旋转角度以及测量高度距离进行确定。
在一实施场景中,以各待检测区域对应的指定环状间隔为将当前待检测区域两边 射线在基准平面上的投影间距进行三等分划分后的结果为例,确定当前待检测区域对应的 指定环状间隔c的计算公式为:
Figure 943106DEST_PATH_IMAGE001
,其中,
Figure 405312DEST_PATH_IMAGE002
表示当 前待检测区域一边射线在X轴上对应的旋转角度,
Figure 956379DEST_PATH_IMAGE003
表示当前待检测区域另一边射线在X 轴上对应的旋转角度,h表示测量高度距离。
各待检测区域对应的指定弧长,可以根据各待检测区域对应的圆心角以及各待检 测区域对应的指定环状间隔进行确定。在一实施场景中,若当前待检测区域对应的圆心角 为60°,且当前待检测区域对应的指定环状间隔为c,则当前待检测区域对应的指定弧长为
Figure 286866DEST_PATH_IMAGE004
。若当前待检测区域对应的圆心角为90°,则当前待检测区域对应的指定弧长 为
Figure 279093DEST_PATH_IMAGE005
在步骤S73中,根据各待检测区域对应的指定环状间隔以及各待检测区域对应的指定弧长,将各待检测区域进行划分,得到多个待检测栅格。
在一实施例中,多个待检测区域中至少包括多个第一待检测区域。其中,各第一待检测区域的圆心角度为指定圆心角度。
在一示例中,若多个待检测区域中只包括多个第一待检测区域,则各第一待检测区域的指定圆心角度为相同度数的圆心角度。即,指定圆心角为360°的N等分,N为任意正整数。例如:指定圆心角可以为60°或者45°。指定圆心角度越小,则经过栅格划分后的待检测栅格数量越多,待检测栅格内包括的点数据量越少。指定圆心角度越大,则经过栅格划分后的待检测栅格数量越少,进而待检测栅格内包括的点数据量越多。
在另一示例中,若多个待检测区域中即包括多个第一待检测区域还包括第二待检测区域,则各第一待检测区域的指定圆心角度为相同度数的圆心角度,第二待检测区域的圆心角度可以相同,也可以不同。第一待检测区域可以理解为是需要重点确定地面点数据的待检测区域。在一例中,第二待检测区域的圆心角度可以取决于将第一待检测区域划分后,第二待检测区域两边射线在X轴上对应的旋转角度之间的角度差。
在一实施场景中,如图4所示,以点云数据的雷达中心在基准平面的投影为极坐标圆心点A,装载车载激光雷达设备的雷达车前进方向为0°,X轴逆时针旋转方向为正向的极坐标轴为例。在点云数据中确定地面点数据时,更倾向于针对雷达车前进方向圆心角处于60°以内的区域(即,射线角度为0°-30°、330°-360°)以及雷达车车后方向圆心角处于60°以内的区域(即,射线角度为150°-210°)中的点数据进行检测。因此,在划分待检测区域时,以点云数据的雷达中心在基准平面的投影为极坐标圆心点,可以将射线角度为330°以及射线角度为30°的两条射线之间圆心角为60°的检测区域确定为第一待检测区域。将以点云数据的雷达中心在基准平面的投影为极坐标圆心点A,射线角度为150°以及射线角度为210°的两条射线之间圆心角为60°的检测区域为第一待检测区域。将以点云数据的雷达中心在基准平面的投影为极坐标圆心点A,射线角度为30°以及射线角度为150°的两条射线之间所包围的圆心角为60°的检测区域为第二待检测区域。将以点云数据的雷达中心在基准平面的投影为极坐标圆心点A,射线角度为210°以及射线角度为330°的两条射线之间所包围的圆心角为60°的检测区域为第二待检测区域。
在又一示例中,可以针对不同的待检测区域,确定不同的栅格划分标准。即,将第一待检测区域与第二待检测区域采用不同的栅格划分标准进行划分,第一待检测区域对应的指定环状间隔以及指定弧长与第二待检测区域对应的指定环状间隔以及指定弧长不同。在一例中,通过第一待检测区域得到的待检测栅格的栅格面积,小于第二待检测区域得到的待检测栅格的栅格面积。可以理解为,在进行栅格划分时,第一待检测区域的栅格划分相比于第二待检测区域的栅格划分更细致,进而后续在确定地面点数据时,更有助于提高确定的准确度。
图18是根据一示例性实施例示出的又一种关于3D雷达点云数据中地面点检测的方法的流程图。如图18所示,关于3D雷达点云数据中地面点检测的方法包括以下步骤。
在步骤S81中,获取待进行地面检测的点云数据。
在步骤S82中,基于点云数据,确定基准平面。
在步骤S83中,基于基准平面,将点云数据中的各点数据进行校正。
在本公开实施例中,基准平面可以是具有倾斜角度的平面。为避免基准平面的倾斜角度对后续确定点云数据中各点数据在Z轴上的高度距离产生影响,则将点云数据中的各点数据基于基准平面进行校正,进而消除基准平面的倾斜角度的干扰,从而为后续栅格化提供了更准确的数据支持。
在一实施例中,在对各点数据进行校正时,可以基于基准平面与Z轴之间的倾斜角度进行校正。即,将基准平面通过矩阵转换等转换方式,转换为与X轴和Y轴所在的平面相平行的平面。将各点数据基于相同的转换方式进行转换,进而完成各点数据的校正。
在步骤S84中,以点云数据的雷达中心在基准平面的投影为极坐标圆心点,将基准平面进行栅格划分,得到多个待检测栅格。
在步骤S85中,基于多个待检测栅格内的各点数据在Z轴上的高度距离,确定点云数据中的地面点云数据。
在一实施例中,基准平面可以是经过多次迭代拟合得到的拟合平面。可以预先设定迭代次数的上限(默认10000),进而避免迭代失控,或者确定基准平面的时间过长,占用过多的计算成本。在每次迭代的过程中,随机选取至少3个点数据进行平面拟合。根据各拟合平面的法向量与Z轴之间的夹角关系,确定是否保留拟合平面,进而避免了墙面等其他平面对拟合结果的影响。
若当前拟合平面的法向量与Z轴之间的夹角角度小于或者等于指定阈值,则表征当前拟合的平面可能属于路面平面,因此,可以将当前拟合平面进行保留,并确定当前拟合平面在指定检测区域内所包含的点数据数量。其中,指定检测区域属于点云数据所覆盖的区域内。若当前拟合平面的法向量与Z轴之间的夹角角度大于指定阈值,则表征当前拟合的平面属于非路面平面,需采用迭代的方式,重新确定新的拟合平面。在一例中,非路面平面可以包括墙面、隔音板面等平面。
根据保留下来的各拟合平面以及各拟合平面在指定检测区域内中所包含的点数据数量,将包含的点数据数量最多的拟合平面确定为基准平面,进而使得到的基准平面更有助于在后续确定地面点数据时,与真实的路面平面相贴合。
在一实施场景中,可以采用如下方式根据原始点云数据,确定地面点云数据。
首先,根据原始点云数据的点云中心到路边的距离d、车载激光雷达设备在采集点数据时与真实路面之间的测量高度距离h,确定射线在X轴上的射线角度r。其中,r=arctan(h/d)。在原始点云数据中射线角度处于r至90°之间的射线点集中包括的点数据确定为待进行地面检测的点云数据。
其次,预设迭代次数上限(默认10000)。在每次迭代的过程中,随机选取3个点数据进行平面拟合,得到该拟合平面的平面方程。确定各拟合平面的平面方程的法向量与Z轴之间的夹角关系,若当前拟合平面的法向量与Z轴之间的夹角角度小于或者等于指定阈值,保留当前拟合平面,并确定当前拟合平面在指定检测区域内所包含的点数据数量。若当前拟合平面的法向量与Z轴之间的夹角角度大于指定阈值,则不保留当前拟合平面,采用迭代的方式,重新确定新的拟合平面。根据保留下来的各拟合平面以及各拟合平面在指定检测区域内中所包含的点数据数量,将包含的点数据数量最多的拟合平面确定为基准平面。
然后,基于确定的基准平面,将点云数据中的各点数据进行校正,进而消除基准平面的倾斜角度的干扰。
然后,以点云数据的雷达中心在基准平面的投影为极坐标圆心点A,装载车载激光 雷达设备的雷达车前进方向为0°,X轴逆时针旋转方向为正向的极坐标轴。将射线角度为 330°以及射线角度为30°的两条射线之间圆心角为60°的检测区域,以及射线角度为150°以 及射线角度为210°的两条射线之间圆心角为60°的检测区域确定为第一待检测区域。将射 线角度为30°以及射线角度为150°的两条射线之间所包围的圆心角为60°的检测区域,以及 射线角度为210°以及射线角度为330°的两条射线之间所包围的圆心角为60°的检测区域确 定为第二待检测区域。通过
Figure 974516DEST_PATH_IMAGE001
,分别确定第一待检测区域 对应的指定环状间隔,以及第二待检测区域的对应的指定环状间隔。并确定第一待检测区 域对应的指定弧长为
Figure 809617DEST_PATH_IMAGE004
。确定第二待检测区域对应的指定弧长为
Figure 553582DEST_PATH_IMAGE005
。 进而,根据各第一待检测区域对应的指定环状间隔以及指定弧长,将各第一待检测区域进 行栅格划分。根据各第二待检测区域对应的指定环状间隔以及指定弧长,将各第二待检测 区域进行栅格划分。根据各第一待检测区域进行栅格划分后的结果以及各第二待检测区域 进行栅格划分后的结果,得到多个待检测栅格。
然后,为提高确定待标记栅格的准确度,排除浮点等噪声点对确定结果的影响,分别确定各点数据在指定高度距离内,与其他点数据的相邻数量,若相邻的数量小于第一数量阈值(例如:5),则确定该点数据为噪声点,将该点数据去除。若相邻的数量大于或者等于第一数量阈值(例如:5),则保留该点数据。
然后,基于保留点云数据,分别确定各待检测栅格内在Z轴上高度距离最高的点数据以及高度距离最低的点数据,进而确定各待检测栅格的最大高度差。将最大高度差小于第一高度阈值的待检测栅格确定为待标记栅格,并将当前待检测栅格内的点数据确定为待标记的地面点数据。
然后,为避免保留的待标记栅格中存在与真实路面高度相近的其他平面,则将各待标记栅格的平均高度值与基准平面之间的高度差与第二高度阈值进行对比,将平均高度值与基准平面之间的高度差小于第二高度阈值的待标记栅格,确定为最终的待标记栅格,并将保留下来的各点数据确定为地面点数据。
最终,根据所有确定为地面点数据的点数据,得到地面点云数据。
在另一实施场景中,在得到多个待检测栅格之后,为去除点云数据中与真实地面高度相差巨大的障碍物的点数据,基于各待检测栅格内各点数据之间的高度差,当前待检测栅格内各点数据之间的高度差均小于或者等于第一高度阈值(例如:0.2)的当前待检测栅格确定为第一待检栅格。
进一步的,为消除悬浮点或者与真实地面相接近的其他障碍物的点数据,基于保留下来的各第一待检栅格,分别确定各第一待检栅格内的点数据的高度值,进而得到所有第一待检栅格中的各点数据的高度值分布。根据各点数据所处的射线角度以及点云数据中心之间的距离,分别确定各点数据的高度值对应的权值。根据确定的高度值分布,确定多个高度区域间隔,并根据各点数据的高度值以及点数据对应的权值,统计各高度区域间隔对应的权重总和,确定权重总和最高的高度区域间隔。将权重总和最高的高度区域间隔与其前后指定数量(5或7)的其他高度区域间隔进行合并,进而得到的合并高度值区域便是最终确定的地面高度范围。
然后,根据地面高度范围,筛选各待检测栅格中的点数据,将高度值属于地面高度范围内的点数据进行保留,并将保留下里的点数据确定为第一点数据。
最后,为提高地面点云数据的准确度,分别计算各待检测栅格中各第一点数据的高度值,以便确定各待检测栅格的最低高度值。任选两个相邻的待检测栅格进行对比,确定二者的最低高度值的差值。若差值小于或者等于第二高度阈值(例如:0.3),则表征当前选取的两个待检测栅格中所包括的地面点数据属于同一平面。因此,可以将当前进行对比的两个待检测栅格进行保留,并将相邻的两个待检测栅格确定为地面点云栅格,将地面点云栅格中包括的点数据确定为地面点数据。根据保留的地面点数据中的各地面点数据,确定点云数据中的地面点云数据。其中,地面点云数据为各地面点数据的集合。
通过上述本公开提供的任意一种关于3D雷达点云数据中地面点检测的方法,能够避免在人工标注时对局部点云数据由于难以区分时而导致误标注的情况发生。同时,通过自动化检测,能够为其他自动化检测、标注算法提供数据支持。并且,本公开提供的关于3D雷达点云数据中地面点检测的方法通过栅格划分,对地面点云数据进行局部区域动态筛选,有助于避免高度“一刀切”的适用场景局限,能够很好的贴合复杂路面,进而能够在更多场景中为框体标注提供算法支持。
基于相同的构思,本公开实施例还提供一种关于3D雷达点云数据中地面点检测的装置。
可以理解的是,本公开实施例提供的关于3D雷达点云数据中地面点检测的装置为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。结合本公开实施例中所公开的各示例的单元及算法步骤,本公开实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同的方法来实现所描述的功能,但是这种实现不应认为超出本公开实施例的技术方案的范围。
图19是根据一示例性实施例示出的一种关于3D雷达点云数据中地面点检测的装置框图。参照图19,该关于3D雷达点云数据中地面点检测的装置100包括获取单元101,确定单元102和处理单元103。
获取单元101,用于获取待进行地面检测的点云数据,其中,点云数据包括多个三维空间的点数据。
确定单元102,用于基于点云数据,确定基准平面,以及基于多个待检测栅格内的各点数据在Z轴上的高度距离,确定点云数据中的地面点云数据。
处理单元103,用于以点云数据的雷达中心在基准平面的投影为极坐标圆心点,将基准平面进行栅格划分,得到多个待检测栅格。
在一实施例中,确定单元102采用下述方式基于多个待检测栅格内的各点数据在Z轴上的高度距离,确定点云数据中的地面点云数据:基于多个待检测栅格内的各点数据在Z轴上的高度距离,将各待检测栅格进行筛选,得到多个第一待检栅格。基于各第一待检栅格内的各点数据,确定点云数据中的地面点云数据。
在另一实施例中,确定单元102采用下述方式基于多个待检测栅格内的各点数据在Z轴上的高度距离,将各待检测栅格进行筛选,得到多个第一待检栅格:基于多个待检测栅格内的各点数据在Z轴上的高度距离,确定各待检测栅格内各点数据之间的高度差。基于各点数据之间的高度差,将各待检测栅格进行筛选,得到多个第一待检栅格。
在又一实施例中,确定单元102采用下述方式基于各点数据之间的高度差,将各待检测栅格进行筛选,得到多个第一待检栅格:基于各点数据之间的高度差,分别确定各待检测栅格的最大高度差。基于各待检测栅格的最大高度差,将各待检测栅格进行筛选,得到多个第一待检栅格。
在又一实施例中,确定单元102采用下述方式基于各待检测栅格的最大高度差,将各待检测栅格进行筛选,得到多个第一待检栅格:若当前待检测栅格的最大高度差小于第一高度阈值,则确定当前待检测栅格为第一待检栅格,当前待检测栅格内的各点数据为待标记的地面点数据。若当前待检测栅格的最大高度差大于或者等于第一高度阈值,则确定当前待检测栅格为其他栅格,当前待检测栅格内的各点数据为非地面点数据。
在又一实施例中,确定单元102还采用下述方式基于多个待检测栅格内的各点数据在Z轴上的高度距离,将各待检测栅格进行筛选,得到多个第一待检栅格:基于多个待检测栅格内的各点数据在Z轴上的高度距离,分别确定各待检测栅格的栅格高度。基于各待检测栅格的栅格高度与基准平面之间的高度差,将各待检测栅格进行筛选,得到多个第一待检栅格。其中,待检测栅格的栅格高度基于以下任一项确定:待检测栅格内各点数据在Z轴上的高度距离的最大值、最小值、中值或平均值。
在又一实施例中,确定单元102采用下述方式基于各待检测栅格的栅格高度与基准平面之间的高度差,将各待检测栅格进行筛选,得到多个第一待检栅格:若当前待检测栅格的栅格高度与基准平面之间的高度差小于第二高度阈值,则确定当前待检测栅格为第一待检栅格,当前待检测栅格内的各点数据为待标记的地面点数据。若当前待检测栅格的栅格高度与基准平面之间的高度差大于或者等于第二高度阈值,则确定当前待检测栅格为其他栅格,当前待检测栅格内的各点数据为非地面点数据。
在又一实施例中,确定单元102采用下述方式基于各第一待检栅格内的各点数据,确定点云数据中的地面点云数据:基于各第一待检栅格内各点数据的高度值,确定地面高度范围。基于地面高度范围,将各待检测栅格内的各点数据进行筛选,确定点云数据中的地面点云数据。
在又一实施例中,确定单元102采用下述方式基于各第一待检栅格内各点数据的高度值,确定地面高度范围:基于各第一待检栅格内各点数据的高度值分布,确定地面高度范围。
在又一实施例中,确定单元102采用下述方式基于各第一待检栅格内各点数据的高度值分布,确定地面高度范围:根据各第一待检栅格中各点数据的极坐标信息,确定各点数据的高度值对应的权值。根据各第一待检栅格中点数据的高度值分布,确定多个高度区域间隔。基于各高度区域间隔内的点数据的高度值以及点数据对应的权值,确定各高度区域间隔的权值总和。根据各高度区域间隔的权值总和,确定地面高度范围。
在又一实施例中,确定单元102采用下述方式基于地面高度范围,将各待检测栅格内的各点数据进行筛选,确定点云数据中的地面点云数据:根据地面高度范围,将各待检测栅格内的各点数据进行筛选,得到各待检测栅格中高度值属于地面高度范围的第一点数据。根据各待检测栅格中各第一点数据的高度值,确定各待检测栅格对应的最低高度值。基于各待检测栅格对应的最低高度值,确定点云数据中的地面点云数据。
在又一实施例中,确定单元102采用下述方式基于各待检测栅格对应的最低高度值,确定点云数据中的地面点云数据:基于相邻的两个待检测栅格之间的最低高度值的差值,确定地面点云栅格。若差值大于第二高度阈值,则将相邻的两个待检测栅格中的点数据高度中,最低高度值最低的待检测栅格确定为非地面点云栅格。若差值小于或者等于第二高度阈值,则保留相邻的两个待检测栅格,并将相邻的两个待检测栅格确定为地面点云栅格。将各地面点云栅格中的点数据,确定为地面点数据。根据各地面点数据,确定点云数据中的地面点云数据。
在又一实施例中,在基于多个待检测栅格内的各点数据在Z轴上的高度距离之后,关于3D雷达点云数据中地面点检测的装置100,还包括:消除单元,用于基于多个待检测栅格内的各点数据在Z轴上的高度距离,去除各待检测栅格内的离散点数据。任一离散点数据在指定高度距离内,与其相邻的其他点数据的数量小于第一数量阈值。
在又一实施例中,多个待检测栅格包括:多个同心的扇形和多个环状区段。
在又一实施例中,处理单元103采用下述方式以点云数据的雷达中心在基准平面的投影为极坐标圆心点,将基准平面进行栅格划分,得到多个待检测栅格:以点云数据的雷达中心在基准平面的投影为极坐标圆心点,基于射线在X轴上的旋转角度,将基准平面划分为多个待检测区域。基于各待检测区域的两边射线在X轴上对应的旋转角度,以及各待检测区域的两边射线在基准平面上的投影间距,确定各待检测区域对应的指定环状间隔以及各待检测区域对应的指定弧长。根据各待检测区域对应的指定环状间隔以及各待检测区域对应的指定弧长,将各待检测区域进行划分,得到多个待检测栅格。
在又一实施例中,待检测区域包括第一待检测区域,第一待检测区域的圆心角度为指定圆心角度。
在又一实施例中,在将基准平面进行栅格划分之前,关于3D雷达点云数据中地面点检测的装置100还包括:校正单元,用于基于基准平面,将点云数据中的各点数据进行校正。
在又一实施例中,确定单元102采用下述方式基于点云数据,确定基准平面:基于点云数据中的点数据,确定多个拟合平面。若当前拟合平面的法向量与Z轴之间的夹角角度小于或者等于指定阈值,则确定当前拟合平面在指定检测区域内中所包含的点数据数量。若当前拟合平面的法向量与Z轴之间的夹角角度大于指定阈值,则采用迭代的方式,重新确定新的拟合平面。根据各拟合平面在指定检测区域内中所包含的点数据数量,确定基准平面,基准平面为包含点数据的数量最多的拟合平面。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
进一步的,在示例性实施例中,关于3D雷达点云数据中地面点检测的装置可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。例如,关于3D雷达点云数据中地面点检测的装置包括:存储器,用于存储指令;以及处理器,用于调用所述存储器存储的指令执行上述任意一种实施例提供的关于3D雷达点云数据中地面点检测的方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器,上述指令可由关于3D雷达点云数据中地面点检测的装置的处理器执行以完成上述方法。例如,所述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。
进一步可以理解的是,本公开中“多个”是指两个或两个以上,其它量词与之类似。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
进一步可以理解的是,术语“第一”、“第二”等用于描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开,并不表示特定的顺序或者重要程度。实际上,“第一”、“第二”等表述完全可以互换使用。例如,在不脱离本公开范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。
进一步可以理解的是,除非有特殊说明,“连接”包括两者之间不存在其他构件的直接连接,也包括两者之间存在其他元件的间接连接。
进一步可以理解的是,本公开实施例中尽管在附图中以特定的顺序描述操作,但是不应将其理解为要求按照所示的特定顺序或是串行顺序来执行这些操作,或是要求执行全部所示的操作以得到期望的结果。在特定环境中,多任务和并行处理可能是有利的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (21)

1.一种关于3D雷达点云数据中地面点检测的方法,其特征在于,所述关于3D雷达点云数据中地面点检测的方法包括:
获取待进行地面检测的点云数据,其中,所述点云数据包括多个三维空间的点数据;
基于所述点云数据,确定基准平面;
以所述点云数据的雷达中心在所述基准平面的投影为极坐标圆心点,将所述基准平面进行栅格划分,得到多个待检测栅格;
基于所述多个待检测栅格内的各点数据在Z轴上的高度距离,确定所述点云数据中的地面点云数据。
2.根据权利要求1所述的关于3D雷达点云数据中地面点检测的方法,其特征在于,所述基于所述多个待检测栅格内的各点数据在Z轴上的高度距离,确定所述点云数据中的地面点云数据,包括:
基于所述多个待检测栅格内的各点数据在Z轴上的高度距离,将各所述待检测栅格进行筛选,得到多个第一待检栅格;
基于各所述第一待检栅格内的各点数据,确定所述点云数据中的地面点云数据。
3.根据权利要求2所述的关于3D雷达点云数据中地面点检测的方法,其特征在于,所述基于所述多个待检测栅格内的各点数据在Z轴上的高度距离,将各所述待检测栅格进行筛选,得到多个第一待检栅格,包括:
基于所述多个待检测栅格内的各点数据在Z轴上的高度距离,确定各所述待检测栅格内各点数据之间的高度差;
基于各点数据之间的高度差,将各所述待检测栅格进行筛选,得到多个第一待检栅格。
4.根据权利要求3所述的关于3D雷达点云数据中地面点检测的方法,其特征在于,所述基于各点数据之间的高度差,将各所述待检测栅格进行筛选,得到多个第一待检栅格,包括:
基于各点数据之间的高度差,分别确定各待检测栅格的最大高度差;
基于各待检测栅格的最大高度差,将各所述待检测栅格进行筛选,得到多个第一待检栅格。
5.根据权利要求4所述的关于3D雷达点云数据中地面点检测的方法,其特征在于,所述基于各待检测栅格的最大高度差,将各所述待检测栅格进行筛选,得到多个第一待检栅格,包括:
若当前待检测栅格的最大高度差小于第一高度阈值,则确定所述当前待检测栅格为第一待检栅格,所述当前待检测栅格内的各点数据为待标记的地面点数据;
若当前待检测栅格的最大高度差大于或者等于第一高度阈值,则确定所述当前待检测栅格为其他栅格,所述当前待检测栅格内的各点数据为非地面点数据。
6.根据权利要求2所述的关于3D雷达点云数据中地面点检测的方法,其特征在于,所述基于所述多个待检测栅格内的各点数据在Z轴上的高度距离,将各所述待检测栅格进行筛选,得到多个第一待检栅格,还包括:
基于所述多个待检测栅格内的各点数据在Z轴上的高度距离,分别确定各待检测栅格的栅格高度;
基于各所述待检测栅格的栅格高度与所述基准平面之间的高度差,将各所述待检测栅格进行筛选,得到多个第一待检栅格;
其中,所述待检测栅格的栅格高度基于以下任一项确定:所述待检测栅格内各点数据在Z轴上的高度距离的最大值、最小值、中值或平均值。
7.根据权利要求6所述的关于3D雷达点云数据中地面点检测的方法,其特征在于,所述基于各所述待检测栅格的栅格高度与所述基准平面之间的高度差,将各所述待检测栅格进行筛选,得到多个第一待检栅格,包括:
若当前待检测栅格的栅格高度与所述基准平面之间的高度差小于第二高度阈值,则确定所述当前待检测栅格为第一待检栅格,所述当前待检测栅格内的各点数据为待标记的地面点数据;
若当前待检测栅格的栅格高度与所述基准平面之间的高度差大于或者等于第二高度阈值,则确定所述当前待检测栅格为其他栅格,所述当前待检测栅格内的各点数据为非地面点数据。
8.根据权利要求2所述的关于3D雷达点云数据中地面点检测的方法,其特征在于,所述基于各所述第一待检栅格内的各点数据,确定所述点云数据中的地面点云数据,包括:
基于各所述第一待检栅格内各点数据的高度值,确定地面高度范围;
基于所述地面高度范围,将各所述待检测栅格内的各点数据进行筛选,确定所述点云数据中的地面点云数据。
9.根据权利要求8所述的关于3D雷达点云数据中地面点检测的方法,其特征在于,所述基于各所述第一待检栅格内各点数据的高度值,确定地面高度范围,包括:
基于各所述第一待检栅格内各点数据的高度值分布,确定地面高度范围。
10.根据权利要求9所述的关于3D雷达点云数据中地面点检测的方法,其特征在于,所述基于各所述第一待检栅格内各点数据的高度值分布,确定地面高度范围,包括:
根据各所述第一待检栅格中各点数据的极坐标信息,确定各点数据的高度值对应的权值;
根据各所述第一待检栅格中点数据的高度值分布,确定多个高度区域间隔;
基于各高度区域间隔内的点数据的高度值以及点数据对应的权值,确定各高度区域间隔的权值总和;
根据各高度区域间隔的权值总和,确定地面高度范围。
11.根据权利要求8-10中任意一项所述的关于3D雷达点云数据中地面点检测的方法,其特征在于,所述基于所述地面高度范围,将各所述待检测栅格内的各点数据进行筛选,确定所述点云数据中的地面点云数据,包括:
根据所述地面高度范围,将各所述待检测栅格内的各点数据进行筛选,得到各所述待检测栅格中高度值属于所述地面高度范围的第一点数据;
根据各所述待检测栅格中各第一点数据的高度值,确定各所述待检测栅格对应的最低高度值;
基于各所述待检测栅格对应的最低高度值,确定所述点云数据中的地面点云数据。
12.根据权利要求11所述的关于3D雷达点云数据中地面点检测的方法,其特征在于,所述基于各所述待检测栅格对应的最低高度值,确定所述点云数据中的地面点云数据,包括:
基于相邻的两个待检测栅格之间的最低高度值的差值,确定地面点云栅格;
若所述差值大于第二高度阈值,则将所述相邻的两个待检测栅格中的点数据高度中,最低高度值最低的待检测栅格确定为非地面点云栅格;
若所述差值小于或者等于第二高度阈值,则保留所述相邻的两个待检测栅格,并将所述相邻的两个待检测栅格确定为地面点云栅格;
将各所述地面点云栅格中的点数据,确定为地面点数据;
根据各所述地面点数据,确定所述点云数据中的地面点云数据。
13.根据权利要求2所述的关于3D雷达点云数据中地面点检测的方法,其特征在于,在基于所述多个待检测栅格内的各点数据在Z轴上的高度距离之后,所述关于3D雷达点云数据中地面点检测的方法,还包括:
基于所述多个待检测栅格内的各点数据在Z轴上的高度距离,去除各所述待检测栅格内的离散点数据;
任一离散点数据在指定高度距离内,与其相邻的其他点数据的数量小于第一数量阈值。
14.根据权利要求1所述的关于3D雷达点云数据中地面点检测的方法,其特征在于,所述多个待检测栅格包括:多个同心的扇形和多个环状区段。
15.根据权利要求1所述的关于3D雷达点云数据中地面点检测的方法,其特征在于,所述以所述点云数据的雷达中心在所述基准平面的投影为极坐标圆心点,将所述基准平面进行栅格划分,得到多个待检测栅格,包括:
以所述点云数据的雷达中心在所述基准平面的投影为极坐标圆心点,基于射线在X轴上的旋转角度,将所述基准平面划分为多个待检测区域;
基于各所述待检测区域的两边射线在X轴上对应的旋转角度,以及各所述待检测区域的两边射线在所述基准平面上的投影间距,确定各所述待检测区域对应的指定环状间隔以及各所述待检测区域对应的指定弧长;
根据各所述待检测区域对应的指定环状间隔以及各所述待检测区域对应的指定弧长,将各所述待检测区域进行划分,得到多个待检测栅格。
16.根据权利要求15所述的关于3D雷达点云数据中地面点检测的方法,其特征在于,所述待检测区域包括第一待检测区域,所述第一待检测区域的圆心角度为指定圆心角度。
17.根据权利要求1所述的关于3D雷达点云数据中地面点检测的方法,其特征在于,在将所述基准平面进行栅格划分之前,所述关于3D雷达点云数据中地面点检测的方法还包括:
基于所述基准平面,将所述点云数据中的各点数据进行校正。
18.根据权利要求17所述的关于3D雷达点云数据中地面点检测的方法,其特征在于,所述基于所述点云数据,确定基准平面,包括:
基于所述点云数据中的点数据,确定多个拟合平面;
若当前拟合平面的法向量与Z轴之间的夹角角度小于或者等于指定阈值,则确定所述当前拟合平面在指定检测区域内中所包含的点数据数量;
若当前拟合平面的法向量与Z轴之间的夹角角度大于指定阈值,则采用迭代的方式,重新确定新的拟合平面;
根据各拟合平面在指定检测区域内中所包含的点数据数量,确定基准平面,所述基准平面为包含点数据的数量最多的拟合平面。
19.一种关于3D雷达点云数据中地面点检测的装置,其特征在于,所述关于3D雷达点云数据中地面点检测的装置包括:
获取单元,用于获取待进行地面检测的点云数据,其中,所述点云数据包括多个三维空间的点数据;
确定单元,用于基于所述点云数据,确定基准平面,以及基于多个待检测栅格内的各点数据在Z轴上的高度距离,确定所述点云数据中的地面点云数据;
处理单元,用于以所述点云数据的雷达中心在所述基准平面的投影为极坐标圆心点,将所述基准平面进行栅格划分,得到多个所述待检测栅格。
20.一种关于3D雷达点云数据中地面点检测的装置,其特征在于,所述关于3D雷达点云数据中地面点检测的装置包括:
存储器,用于存储指令;以及
处理器,用于调用所述存储器存储的指令执行如权利要求1-18中任意一项所述的关于3D雷达点云数据中地面点检测的方法。
21.一种计算机可读存储介质,其中存储有指令,所述指令被处理器执行时,执行如权利要求1-18中任意一项所述的关于3D雷达点云数据中地面点检测的方法。
CN202110667088.2A 2021-06-16 2021-06-16 关于3d雷达点云数据中地面点检测的方法、装置及介质 Pending CN113253294A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110667088.2A CN113253294A (zh) 2021-06-16 2021-06-16 关于3d雷达点云数据中地面点检测的方法、装置及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110667088.2A CN113253294A (zh) 2021-06-16 2021-06-16 关于3d雷达点云数据中地面点检测的方法、装置及介质

Publications (1)

Publication Number Publication Date
CN113253294A true CN113253294A (zh) 2021-08-13

Family

ID=77188443

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110667088.2A Pending CN113253294A (zh) 2021-06-16 2021-06-16 关于3d雷达点云数据中地面点检测的方法、装置及介质

Country Status (1)

Country Link
CN (1) CN113253294A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114675290A (zh) * 2022-02-25 2022-06-28 中国第一汽车股份有限公司 地面数据的检测方法、检测装置及处理器
CN114755695A (zh) * 2022-06-15 2022-07-15 北京海天瑞声科技股份有限公司 关于激光雷达点云数据的路面检测方法、装置及介质
CN115019199A (zh) * 2022-05-16 2022-09-06 智洋创新科技股份有限公司 输电通道三维点云分类方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110320504A (zh) * 2019-07-29 2019-10-11 浙江大学 一种基于激光雷达点云统计几何模型的非结构化道路检测方法
CN110569749A (zh) * 2019-08-22 2019-12-13 江苏徐工工程机械研究院有限公司 一种矿山道路的边界线及可行驶区域检测方法及系统
CN111126225A (zh) * 2019-12-17 2020-05-08 北京易控智驾科技有限公司 多线激光雷达地面分割方法及车辆、计算机可读介质
CN111353969A (zh) * 2018-12-20 2020-06-30 长沙智能驾驶研究院有限公司 道路可行驶区域的确定方法、装置及计算机设备
CN111684382A (zh) * 2019-06-28 2020-09-18 深圳市大疆创新科技有限公司 可移动平台状态估计方法、系统、可移动平台及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111353969A (zh) * 2018-12-20 2020-06-30 长沙智能驾驶研究院有限公司 道路可行驶区域的确定方法、装置及计算机设备
CN111684382A (zh) * 2019-06-28 2020-09-18 深圳市大疆创新科技有限公司 可移动平台状态估计方法、系统、可移动平台及存储介质
CN110320504A (zh) * 2019-07-29 2019-10-11 浙江大学 一种基于激光雷达点云统计几何模型的非结构化道路检测方法
CN110569749A (zh) * 2019-08-22 2019-12-13 江苏徐工工程机械研究院有限公司 一种矿山道路的边界线及可行驶区域检测方法及系统
CN111126225A (zh) * 2019-12-17 2020-05-08 北京易控智驾科技有限公司 多线激光雷达地面分割方法及车辆、计算机可读介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114675290A (zh) * 2022-02-25 2022-06-28 中国第一汽车股份有限公司 地面数据的检测方法、检测装置及处理器
CN115019199A (zh) * 2022-05-16 2022-09-06 智洋创新科技股份有限公司 输电通道三维点云分类方法
CN114755695A (zh) * 2022-06-15 2022-07-15 北京海天瑞声科技股份有限公司 关于激光雷达点云数据的路面检测方法、装置及介质
CN114755695B (zh) * 2022-06-15 2022-09-13 北京海天瑞声科技股份有限公司 关于激光雷达点云数据的路面检测方法、装置及介质

Similar Documents

Publication Publication Date Title
CN113253294A (zh) 关于3d雷达点云数据中地面点检测的方法、装置及介质
CN102248947B (zh) 使用3-d激光测距仪的目标和车辆检测及跟踪
CN112526513B (zh) 基于聚类算法的毫米波雷达环境地图构建方法及装置
CN108509820B (zh) 障碍物分割方法及装置、计算机设备及可读介质
CN109635816B (zh) 车道线生成方法、装置、设备以及存储介质
CN110674705A (zh) 基于多线激光雷达的小型障碍物检测方法及装置
CN109657686A (zh) 车道线生成方法、装置、设备以及存储介质
CN111208533A (zh) 一种基于激光雷达的实时地面检测方法
CN113569958B (zh) 激光点云数据聚类方法、装置、设备及介质
WO2021051736A1 (zh) 感知区域的确定方法、装置、存储介质及车辆
CN112084853B (zh) 一种脚印预测方法、脚印预测装置及人形机器人
CN115406457A (zh) 一种可行驶区域检测方法、系统、设备及存储介质
CN113933859A (zh) 一种无人矿卡行驶场景的路面及两侧挡墙检测方法
CN113269889A (zh) 一种基于椭圆域的自适应点云目标聚类方法
CN114387293A (zh) 道路边缘检测方法、装置、电子设备及车辆
CN112084854B (zh) 一种障碍物检测方法、障碍物检测装置及机器人
CN116299315A (zh) 一种使用激光雷达实时检测路面障碍物的方法和装置
CN116434181A (zh) 地面点检测方法、装置、电子设备和介质
CN116189122A (zh) 道路边界的识别方法及装置、存储介质、终端
CN112508970B (zh) 一种点云数据分割方法及装置
CN112989946B (zh) 一种车道线的确定方法、装置、设备及车辆
CN115713600A (zh) 自动驾驶场景的数字高程模型的生成方法和装置
CN116863325A (zh) 一种用于多个目标检测的方法和相关产品
CN115421160A (zh) 路沿检测方法、装置、设备、车辆及存储介质
CN115249223A (zh) 动态目标检测方法及装置、存储介质、终端

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210813

RJ01 Rejection of invention patent application after publication